Augment Code 构建 Verifier 智能体自动验证 Agent 代码的端到端表现
Augment Code 内部构建了 Verifier 智能体，在每个 PR 上自动部署变更到隔离环境、端到端验证并附带日志、API 响应和截图发回 PR 评论。该智能体运行在其 Cosmos 云智能体平台上，依靠仓库中可组合的 SKILL.md 技能库决定验证哪些界面，且只提交证据不做通过与否的结论；文中记录了一例 CI 全绿但实际 /chat-stream 路径未生效的真实发现。
#教程/实践
#教程/实践
今日 38 条Augment Code 博客（网页）AI 评分5252 Anthropic：The Institute（旗舰研究长文 · 网页）AI 评分2323 Anthropic 如何为 Claude 各产品构建隔离与管控机制
Anthropic 分享了为 claude.ai、Claude Code 和 Cowork 构建隔离管控（containment）机制的工程经验，核心问题是如何在智能体能力增强、潜在影响范围扩大的同时限制其爆炸半径。相关文章还涉及 Claude Code 自动模式、长时运行智能体的 harness 设计，以及 Claude Opus 4.6 在 BrowseComp 中的评测意识等议题。
Anthropic：The Institute（旗舰研究长文 · 网页）AI 评分2929 Anthropic 推出 AI Fluency 课程：4D 框架与基础
Anthropic 上线 AI Fluency: Framework and foundations 课程，教授用 4D 框架——Delegation、Description、Discernment、Diligence——与 AI 高效、合乎伦理且安全地协作。课程含 14 节课、1 次测验，时长 4 小时。
Anthropic：The Institute（旗舰研究长文 · 网页）AI 评分5454 Claude Platform 开发者文档：从首次 API 调用到生产环境
Anthropic Claude Platform 开发者文档介绍接入 Claude 的两种方式：Messages 供开发者直接访问模型并自行编写工具循环，Managed Agents 提供带持久事件历史的有状态会话以部署托管智能体。
Google Developers Blog（RSS）精选AI 评分6666 Google 发布在 Raspberry Pi 5 上用 LiteRT 部署 Gemma 的端侧 AI 指南
Google 介绍如何在 Raspberry Pi 5 上用 LiteRT 和 Gemma 模型实现完全离线的实时端侧 AI，并以 Reachy Mini 机器人演示目标检测、语音识别、推理和语音合成的完整本地流水线。
推荐理由：原文给出 Gemma 各型号在 Raspberry Pi 5 上的实测数据和完整部署流程，读者可以据此选择合适的端侧模型并复现本地推理。
Google Developers Blog（RSS）AI 评分3333 HeyGen 与 Google Cloud 合作将 Avatar IV 迁移至 TPU
HeyGen 与 Google Cloud 合作，把 180 亿参数以上的数字人视频扩散模型 Avatar IV 迁移到八芯片 Trillium（v6e）主机上，速度比首个可用版本提升 1.86 倍。
Google Developers Blog（RSS）精选AI 评分6262 Google 用 ADK 构建零信任 AI Agent 的三层安全实践
Google 开源了基于 ADK 和 Gemini 的客服退款 Agent 示例，演示提示词注入可导致超额退款、密钥泄露等风险。文章提出三层零信任防护：用 Cloud KMS 硬件签名保证写入不可抵赖，用 gVisor 沙箱零网络出口隔离动态生成代码，用确定性语义网关加 CI/CD 回归测试校验输入输出；完整代码见 zero-trust-agents 仓库。
推荐理由：文章用开源示例和代码讲解三层零信任防护的具体做法，读者可以直接在本地复现攻击与防御流程。
Google Developers Blog（RSS）AI 评分5757 如何在 ADK 中评测实时语音 Agent
Google 在 ADK 中推出原生的 live 语音 Agent 评测能力，可用模拟用户以音频说话、对语音回复打分，并复用已有的文本 Agent 评测流程。
Google Developers Blog（RSS）AI 评分4141 如何用深度学习和 Keras 解码宇宙信号
Google 开发者倡导者 Yufeng Guo 撰文介绍深度学习在天体粒子物理中的应用，这类研究依赖覆盖数千平方公里的巨型观测站，如面积 3000 km²、含 1500 多个探测站的 Pierre Auger Observatory。探测器以纳秒级分辨率记录波形，形成类似图像的数据结构，天然适合深度学习处理，可用于提升仪器灵敏度、发现隐藏模式和搜索信号异常。
Google Developers Blog（RSS）精选AI 评分6767 Google 复盘 AI Agents Challenge 最强提交背后的 4 种工程模式
Google 复盘其 AI Agents Challenge 获奖提交，归纳出四种反复出现的工程模式：双向 MCP（智能体既是自身工具的客户端也是可供其他智能体调用的 MCP 服务器）、基于事件总线的并行并发、回退模型必须通过与主模型相同的验证函数，以及在昂贵模型调用前做分层路由。
推荐理由：Google 从获奖提交的真实代码里提炼四种智能体工程模式，双向 MCP、事件驱动并发、同标准回退和分层路由都给出可直接借鉴的做法。
Google Developers Blog（RSS）AI 评分4848 如何评估、迭代与守护 AI 编程智能体：Harness Engineering 解剖
针对 AI 编程智能体，端到端基准（如 Terminal-Bench、DeepSWE）只能给出综合分数，无法解释涨跌原因，行为评估则断言具体可观测动作，如提示词不明确时是否反问、改构建文件前是否跑本地校验。
Google AI：DEV 作者专属（RSS）AI 评分4646 TeaQL 比 SQLx 查询快 2,000 倍？实测揭示真正原因
在 MusicBrainz 数据集上，同一请求的 SQLx 自然全局窗口写法中位耗时 5,871.169 毫秒，而专家级 root-first 两阶段方案仅 2.469 毫秒，差距 2,378 倍。
Google AI：DEV 作者专属（RSS）精选AI 评分6666 实测：421M 参数决策模型 Laya 能否在浏览器中运行
作者在 Mac 上的 Chromium 浏览器中实测了开源 421M 参数决策模型 Laya（Apache 2.0）经社区 ONNX Runtime Web 移植版 layaForWeb 的运行表现。
推荐理由：作者实测给出了 Laya 在浏览器运行的下载量、延迟、量化精度损失和后台标签页限制，方法可复用。
AWS Machine Learning BlogAI 评分5151 AWS 博客详解在 Amazon Bedrock AgentCore Runtime Instances 上构建多智能体音乐制作流水线
AWS 机器学习博客发布教程，用三个智能体（作曲、交付、合规）在 Amazon Bedrock AgentCore Runtime Instances 上构建音乐制作流水线。
World Labs：官网AI 评分6262 World Labs 深入解析 Spark 2.0 的网页端 3DGS 流式 LoD 系统
World Labs 发布技术长文，深入解析其网页端 3D Gaussian Splatting 渲染器 Spark 2.0 的流式 LoD 系统。
Every：最新文章（网页）AI 评分3939 用 Codex 的成本组建工程团队：AI 如何搭建 Thesis 网站、年入 400 万美元的外星伴侣应用，以及为何 harness engineering 的未来是做得更少
Every 的 Monologue 开发者 Naveen Naidu 用 Codex 构建了一支定制智能体团队，涵盖各领域工程师、客服和增长策略智能体，负责维护 Monologue 网站与应用。每个智能体都是一个 Codex 项目，配有自定义 AGENTS.md 文件、技能、文件夹、记忆和代码库，使其成为专才。近期客服智能体将一条用户好评转交给网站工程师智能体，后者把推荐语加到了网站上。
Every：最新文章（网页）AI 评分4545 Every 员工 Katie Parrott 如何用两年打造 Compound Writing 写作系统
Every 员工 Katie Parrott 用两年时间教 AI 模仿自己的写作方式，并将这套方法发展为 Compound Writing——一套把 AI 当作写作伙伴的系统，还做成了开源插件，教其他写作者按她的方式思考、起草和编辑。她最初是在 2023 年被裁员后，靠每月 20 美元的 ChatGPT 订阅起步。
Every：最新文章（网页）AI 评分6262 Mike Taylor 详解用 AI 写作的全流程：从起标题到保留个人声音
Every 的 head of evals Mike Taylor 公开他让 Claude 保留个人声音的写作流程：先写标题、收集来源搭骨架、用 Monologue 录音记录想法、让 Claude 生成 story beats，再用 Claude Opus 5.5、Fable 5.1 和 GPT-6 Astra 生成多版草稿后拼接，自编后交编辑。
Every：最新文章（网页）AI 评分3838 Claude Code 如何让产品经理独自运营一款完整产品
Spiral 总经理 Marcus Moretti 用 Claude Code 独自承担代码、客服、营销和产品管理，除路线图外所有 PRD 和工单均由 Claude 撰写，原本分散在 10 个应用中的事务性工作被收进单一对话线程。他通过 compound engineering 的 /ce:strategy 技能生成产品战略文档，并将路线图作为 GitHub 项目 README 管理工单。
Baseten Base Labs：模型研究AI 评分5555 Baseten 介绍 Google 300M 参数嵌入模型 EmbeddingGemma 及其调用示例
EmbeddingGemma 是 Google 基于 Gemma3 架构的 3 亿参数文本嵌入模型，在 MTEB 基准上为不到 5 亿参数的嵌入模型中质量最高，支持 100 多种语言、输入最长 2k token。页面给出使用 baseten_performance_client 的完整代码示例，包括各任务的 prompt 前缀和通过 PerformanceClient 调用生成嵌入的方法。
Every：最新文章（网页）AI 评分4747 如何打磨 AI 智能体构建的软件：复合工程的最后一步
在复合工程流程中，打磨（Polish）是最后一步：亲自使用应用，把感觉不对的地方告诉 AI 智能体，直到满意为止。作者用 /ce-polish 命令检出分支、后台启动开发服务器并在编辑器中打开应用，通过 Monologue 语音反馈让智能体调整 Cora 邮件卡片的动画与布局密度。这一环节之所以重要，是因为智能体无法判断什么才算“好”，最终的人类判断仍不可替代。
Baseten Base Labs：模型研究AI 评分2626 Qwen3 8B Reranker 重排序模型
Baseten Base Labs 发布 Qwen3 8B Reranker，用于对查询与文档做相关性判定，输出只能是 "yes" 或 "no"。示例通过 baseten_performance_client 的 PerformanceClient 调用 classify 接口，支持 truncate、batch_size 与 max_concurrent_requests 参数配置。
Baseten Base Labs：模型研究AI 评分3737 SDXL Lightning：4 步生成 1024x1024 图像的 Stable Diffusion XL 变体
SDXL Lightning 是 Stable Diffusion XL 的变体，仅需 4 个 UNet 步骤即可生成 1024x1024 像素图像，实现接近实时的图像生成。模型接收单个 prompt 输入，返回图像的 base64 字符串，该实现采用 4 步 UNet checkpoint 以平衡速度与质量。用户可自行部署 2 步版本以获得更快速度，或 8 步版本以获得更高质量。
Eugene Yan：WritingAI 评分5656 Eugene Yan 详解机器学习代码与系统中的设计模式
Eugene Yan 撰文梳理机器学习代码与系统中常见的设计模式，主要参考 Gang of Four 设计模式一书。
Baseten Base Labs：模型研究AI 评分3030 Qwen Image 2512 图像生成模型上线 Baseten
Qwen Image 2512 已在 Baseten 平台上线，可通过 OpenAI 兼容 API 调用，模型名为 qwen-image-2512。该模型支持 1024x1024 尺寸图像生成，可配置 num_inference_steps 与 guidance_scale 参数，并返回 b64_json 格式结果。
Every：最新文章（网页）AI 评分6262 如何为自己创建个人 AI 基准测试以选出适合工作的模型
Every 评测负责人介绍如何为自己的工作搭建个人 AI 基准测试，指出 MMLU-Pro 等常用基准衡量不了模型能否帮到你自己的工作。作者以写文案、建仪表盘和做幻灯片为例，说明个人基准分三个层次，可帮助判断何时在 Astra 与 Fable 之间切换，以及能否用 Luna 或 Haiku 等更便宜的模型省钱。
Baseten Base Labs：模型研究AI 评分3535 Baseten 上线 Wan 2.2 T2V 文生视频 API
Baseten 提供 Wan 2.2 T2V 文生视频 API，通过 POST 请求传入提示词即可生成视频，返回 base64 编码结果。支持 720x1280、1280x720、480x832、832x480、704x1280、1280x704、1024x704、704x1024 八种分辨率，可设置 sampling_steps、guide_scale 与 seed 参数。
Every：最新文章（网页）AI 评分5151 Codex 知识工作使用指南：把 Codex 变成邮件、写作与研究的操作系统
Every 发布一篇 Codex 知识工作进阶指南，讲解如何把 Codex 用于邮件、写作、研究、规划和报告。文章面向非工程师，涵盖设置、工作流和使用原则。
Eugene Yan：WritingAI 评分5555 Eugene Yan 解析常用 Python 库中的少见用法
Eugene Yan 通过阅读 requests、scikit-learn、pytorch、fastai 等广泛使用的 Python 库，总结了一些不常见的 Python 用法。
Baseten Base Labs：模型研究AI 评分3737 Flux.2 [dev] 图像生成模型上线 Baseten
Baseten Base Labs 上线图像生成模型 Flux.2 [dev]，模型名为 flux2-dev，可通过 OpenAI 兼容 API 调用。示例代码以 1024x1024 尺寸、50 步推理、guidance_scale 1.0 生成图像，并以 b64_json 格式返回结果。
Eugene Yan：WritingAI 评分5757 Eugene Yan 详解如何为数据与机器学习管道编写更稳健的测试
Eugene Yan 发文探讨数据与机器学习管道的测试为何频繁失效，并以行为日志到批量推理的示例管道演示单元、schema 和集成测试。
Baseten Base Labs：模型研究AI 评分2222 Qwen Image 在 Baseten 上的调用示例
Baseten Base Labs 发布 Qwen Image 的 Python 调用示例，通过 httpx 向 Baseten 部署端点发送 prompt、width、height、num_inference_steps 和 seed 等参数生成图像。
Eugene Yan：WritingAI 评分5151 Eugene Yan 图解文生图：扩散模型、文本条件、引导与潜空间
Eugene Yan 系统梳理文生图的四个核心概念：扩散、文本条件、分类器引导与潜空间。作者亲手复现 DDPM 发现去噪权重低至 0.01-0.02、加噪权重最高 0.14。
Eugene Yan：WritingAI 评分4545 自编码器与扩散模型：简要对比
自编码器与扩散模型在学习范式上相似：都以数据为输入并重建输出，都在过程中学习数据的低维流形，架构上都使用瓶颈层，U-Net 可视为带残差连接的自编码器。关键区别在于扩散模型以时间步 t 为条件输入，使单一模型和单组参数即可处理不同噪声水平，从而先由高 t 的噪声生成模糊图像、再在低 t 时逐步锐化；当前扩散模型还以图像描述等文本为条件，支持按文本提示词生成图像。
Eugene Yan：WritingAI 评分4141 依赖团队无法帮忙时该怎么办：Eugene Yan 的协作经验
当依赖团队不愿或无法帮忙时，Eugene Yan 建议先理解对方的约束与优先级，而非直接升级或写长篇 JIRA 工单。若对方接受代码贡献成本更高，可推动其建立 away team work 机制，如 office hours、自助文档和代码评审流程。也可将当前协作框定为投资：对方指导你这次改动，你未来可指导自己团队，减少后续支持成本。
Baseten Base Labs：模型研究AI 评分4343 NVIDIA Nemotron 3 ASR（英文）实时转录部署：延迟与并发表现
Baseten 上部署的 NVIDIA Nemotron 3 ASR（英文）通过 WebSocket 直连 NIM 原生 Riva Realtime API，无需自定义 schema，直接使用 Riva 的 OpenAI-Realtime 风格 JSON 事件协议。
Eugene Yan：WritingAI 评分5555 Eugene Yan：提升机器学习项目成功率四种机制的实践经验
Eugene Yan 总结了提升机器学习项目成功率的四种机制：为每个项目设置 pilot 和 copilot 以发现关键缺陷，copilot 约投入 pilot 10% 的时间。
Baseten Base Labs：模型研究AI 评分3737 NVIDIA Nemotron 3.5 ASR（多语言）流式语音识别模型部署指南
NVIDIA Nemotron 3.5 ASR 是一款面向低延迟流式与批量场景的多语言流式语音识别模型，已在 Baseten 上以 docker_server 形式部署，通过 WebSocket 直连 NIM 原生 Riva Realtime API。
Eugene Yan：WritingAI 评分4040 高效技术团队的运作机制：EOWD、月度学习会、季度回顾与 WBR
Eugene Yan 总结了技术团队及跨团队协作的四类机制：每周结束简报（EOWD）让 4-6 人团队各用约 10 分钟分享进展并收集反馈，月度学习会以 30-45 分钟分享加 Q&A 把个人专长扩展到团队，季度回顾对齐中长期优先级并明确停止事项，每周业务回顾（WBR）则通过输入指标与输出指标梳理业务全貌。
Every：最新文章（网页）AI 评分5555 Every 撰文解读如何用好 Jev 分类模型
Every 发布文章解读 TypeSafe 于 9 月 15 日推出的 Jev，一个对文本和结构化数据做分类而非生成的模型。文章说明 Jev 快速、低成本、可大规模处理日常判断类任务（如邮件是否紧急、段落是否像 AI 写的），并给出上手方法；编辑的演示展示其从语音和手势推断用户意图，已超 100 万次观看。