跳到正文

教程实践

拿来就能用的实操内容：提示词技巧、工作流搭建、工具用法与踩坑经验。

61条精选相关主题AI 编码Agent 智能体产品更新

最新精选

第 21–40 条 · 共 61 条
9月29日周二
  3. Databricks：Blog（RSS）69

    Databricks 如何让 12000 名员工在模型发布首日用上 Opus 5.5 和 GPT-6 Sol

    Databricks 介绍其内部新模型发布流程：通过 Unity Gateway 让全体员工首日获得 Opus 5.5、GPT-6 Sol 和 GPT-Luna 的实验性访问，并用四类按用户预算控制成本。

    推荐理由：Databricks 以自身一万多名员工的实际 rollout 数据为例，给出一套可复用的新模型评估与推广方法，含具体成本对比。

9月26日周六
  1. ClaudeDevs65

    Claude Devs 分析了 Opus 5.5 相比 Opus 5 的价格变化：输入和输出 token 便宜 20%，cache reads 便宜 60%。文章测算了 Claude Code 中一个任务的实际成本，并上线了一个计算器，用户可通过 /usage 自行运行，地址为 https://claude.dev/blog/what-a-task-costs-on-opus-5-5/。

    推荐理由：作者给出 Opus 5.5 相对 Opus 5 的价格降幅，并提供成本计算器，读者可自行估算 Claude Code 任务成本变化。

9月24日周四
  1. Boris Cherny65

    Boris Cherny 介绍 claude.ai 和 Desktop 应用近几周明显变快的原因，团队发布了博文说明做法。@ClaudeDevs 的引用帖称 claude.ai 在两周内快了 3x，博文讲解如何用 Claude 测量、调试和改进性能，并附上提示词和方法，链接为 https://claude.dev/blog/how-we-made-claude-ai-faster/。作者表示博文中有不少对想给自家应用提速的工程师有用的经验与技巧。

    引用ClaudeDevs@ClaudeDevs

    We made claude​.ai 3x faster in two weeks. Here’s how we use Claude to measure, debug and improve performance. Prompts and methods included. https://claude.dev/blog/how-we-made-claude-ai-faster/

    推荐理由：Anthropic 团队分享了用 Claude 测量、调试并让 claude.ai 在两周内提速 3x 的具体方法，文中附带了可直接复用的提示词。

9月17日周四
  1. GitHub Blog85

    GitHub Copilot 用 Copilot 把运行时迁移到 Rust：80 万行代码、128 个 PR

    GitHub 用 GitHub Copilot app 和 Copilot CLI 把 Copilot agent runtime 从 TypeScript/Node.js 完全重写为超过 80 万行生产级 Rust，AI 智能体编写了大部分代码，跨 128 个 PR 增量合入 main，性能提升数个数量级，主要由一名开发者几个月内完成。

    推荐理由：GitHub Copilot 运行时迁移 Rust 的完整复盘，给出智能体并行协作、提示缓存与评审流程的可迁移工程方法。

9月16日周三
  1. Hugging Face：Blog（RSS）62

    Hugging Face 发布 ALTK-Evolve 一致性指南与 Consistency Analyzer，将智能体一致性差距减半

    IBM Research 与 Hugging Face 在 ALTK-Evolve 中推出一致性指南和 Consistency Analyzer，用于诊断和改善智能体重复运行的不稳定性。

    推荐理由：原文给出一致性差距的量化诊断方法与开源实现，读者可据此评估和改进智能体在重复运行下的可靠性。

9月4日周五
  1. Unsloth AI71

    Unsloth 发布 GLM-5.3-Flash 的本地 GGUF 优化方案，通过更快解码和 MTP 支持使本地推理提速 1.6 至 3.4 倍，长上下文下最高达 3.3 倍。3-bit 量化可在 128GB 内存设备上通过 Unsloth Desktop 或 llama.cpp 运行，GGUF 权重和指南已发布，开箱即用且无需额外模块或 MTP 文件。

    引用Z.ai@Zai_org

    Introducing GLM-5.3-Flash - Leading capabilities at a highly competitive price - Natively multimodal with a 1M-token context window - A 320B-A18B model released under the MIT License - Previously previewed as Ox Alpha, running entirely on Chinese AI chips Blog: http://z.ai/blog/glm-5.3-flash Available now across all official platforms: Weights: http://huggingface.co/zai-org/GLM-5.3-Flash API: http://docs.z.ai/guides/llm/glm-5.3-flash Coding Plan: http://z.ai/subscribe ZCode: http://zcode.z.ai/en Chat: http://chat.z.ai AutoClaw: http://autoclaw.z.ai

    推荐理由：原文给出本地推理提速的具体配置和硬件门槛，读者可以直接复用到自己的 GLM-5.3-Flash 部署中。

9月3日周四
  1. Hugging Face：Blog（RSS）63

    Hugging Face 教程：用 TRL 对 LFM2.5-350M 做 100 步 GRPO 微调提升结构化输出

    Hugging Face 发布教程，用 TRL 库对 LiquidAI/LFM2.5-350M 做 GRPO 微调，仅用约 500 个样本和 100 步训练，将其在 IFStruct benchmark 上的通过率从 22.6% 提升到 29.7%。

    推荐理由：教程给出完整可复现的低成本 GRPO 微调流程和逐项评测数字，读者可以照着在免费 GPU 上复刻这一结构化输出改进方法。

8月26日周三
  1. Hugging Face：Blog（RSS）76

    Sentence Transformers v6.0 教程：用 MultiVectorEncoder 训练和微调多向量嵌入模型

    Sentence Transformers v6.0 引入 MultiVectorEncoder 模型类型，这篇教程完整演示如何训练和微调 ColBERT 式多向量模型，涵盖模型、数据集、损失函数、训练参数和评估器。

    推荐理由：原文给出完整可复现的多向量模型微调配方和实测对比，读者可以按组件迁移到自己的领域数据上。

8月25日周二
  1. Hugging Face：Blog（RSS）70

    Gradio gr.Workflow 指南：用节点图搭建并部署 AI 工作流

    Hugging Face 发布 gr.Workflow 实用指南，介绍 Gradio 内置的工作流功能：用户把步骤描述为带类型的节点图，Gradio 提供可拖拽画布，每个节点可单独运行、中间结果可见，同一张图自动成为 REST API 并可一键部署到 Hugging Face Spaces。

    推荐理由：原文给出 gr.Workflow 的节点图构建、REST API 调用和 Spaces 部署的完整示例，读者可直接 Duplicate 改造成自己的流程。

8月21日周五
  1. Hugging Face：Blog（RSS）62

    Hugging Face 解析 Papers with Code 混合搜索背后的架构实践

    Hugging Face 详解 Papers with Code 论文搜索引擎的架构：用 PostgreSQL 全文检索加 pgvector 语义召回，经加权 RRF 融合为混合搜索，已为超过 11 万篇 arXiv 论文维护嵌入向量。

    推荐理由：作者亲述 Papers with Code 混合搜索的架构与生产经验，读者可以借鉴其离线批量与在线查询分离的设计方法。

8月18日周二
8月1日周六
  1. Together AI 研究与产品博客（RSS）82

    Together AI 发布 Kimi K3 开发者完整指南

    Together AI 发布 Kimi K3 开发者指南。Kimi K3 是 Moonshot AI 的 2.8 万亿参数开源权重模型，支持 1M 上下文、KDA 与 AttnRes 架构，API 兼容 OpenAI，定价为缓存命中输入每 1M token $0.30、未命中 $3.00、输出 $15.00。

    推荐理由：Together AI 官方上手指南，覆盖 Kimi K3 的架构要点、推理与缓存等 API 细节和定价，便于开发者直接接入生产。

7月24日周五
7月22日周三
7月16日周四
  1. Hugging Face：Blog（RSS）61

    IBM Research：模型路由看似简单，实则是系统优化问题

    IBM Research 分享在智能体系统中构建模型路由的经验，认为路由不应被当作分类问题而是系统优化问题。在 AppWorld Test Challenge 上用 CodeAct 智能体实测 417 个任务，Claude Sonnet 4.6 总成本 $79（$0.19/任务），反而低于单价更低的 GPT-4.1 的 $155（$0.37/任务），差异源于缓存命中。

    推荐理由：作者基于 AppWorld 实测给出路由成本、难度与延迟被低估的三点原因，并分享了可迁移的优化思路。

7月10日周五
  1. Hugging Face：Blog（RSS）68

    Hugging Face 发布 Profiling in PyTorch 系列第三篇：用 profiler 对比各注意力实现

    Hugging Face 发布 Profiling in PyTorch 系列第三篇，用 profiler trace 对比手写注意力、in-place 掩码、SDPA math/efficient/flash/cuDNN 各后端的 kernel 表现。

    推荐理由：原文用 profiler trace 逐一对比 PyTorch 各注意力实现的 kernel 差异，读者可以学到一套先猜测再看 trace 的可迁移分析方法。

7月4日周六