跳到正文
10月25日周日
  1. The Decoder79

    Anthropic 建议合并子智能体:单智能体在质量、成本和延迟上往往更优

    Anthropic 建议企业评估合并子智能体,因为按需加载上下文的单一主智能体在质量、成本和延迟上往往优于多个专业化智能体,并已在 GitHub 发布迁移工具包。

    推荐理由:原文对比了单智能体与多智能体架构在质量、成本和延迟上的差异,并给出迁移步骤与适用边界,可帮助团队判断是否合并子智能体。

  2. 博客园62

    meowcute 本地工具:把视频/GIF 离线转成游戏引擎可用的序列帧精灵图

    meowcute 本地工具可把电脑上的视频或 GIF 离线拆帧、挑帧,拼成游戏引擎直接可用的序列帧精灵图与索引 JSON,全程在本机运行、不联网。拆帧默认 12fps、最多 120 帧,用 16×16 灰度指纹在浏览器端实时去重;白底视频按混合比例判据修复边缘混色。作者建议 HunyuanVideo、Wan 等视频生成模型只作动作探索,正式素材走骨骼渲染链路。

10月24日周六
  1. Simon Willison18

    Battledrones v14:Compass Rose,一张四人地图

    Simon Willison 为 Battledrones 新增四人在线模式,此前地图仅限两人对战。Claude Opus 4.5 添加了四向旋转对称的新地图 Compass Rose,并修改 WebSocket 多人网络代码,支持最多四名玩家通过分享链接或二维码加入,空位由 AI 补齐。新增紫色和绿色机器人阵营,与现有蓝、红配色可在更新的模型浏览器中预览。

  2. AWS Machine Learning Blog47

    Amazon SageMaker AI 上的多轮强化学习:实战指南

    Amazon SageMaker AI 的多轮强化学习(MTRL)以整个任务序列的最终成败为奖励信号,用 GRPO 更新 LoRA 适配器来训练智能体。在 Wordle 示例中,MTRL 将 GPT-OSS-20B 在预留词上的解题率从 61% 提升到 84%(低推理强度下从 15% 升至 69%),训练 token 成本约 $339。

10月23日周五
  1. 博客园66

    AI 编程最佳实践:三种编程模式与 Claude Code 配置指南

    作者系统梳理了 AI 编程的最佳实践,核心观点是 AI 是副驾驶而非自动驾驶,人负责思考和决策、AI 负责执行和加速,并按项目复杂度将编程分为 Vibe、Plan、Spec 三种模式。文章进一步给出 Claude Code 的 CLAUDE.md、Rule、Skill、Command、Subagent 配置方法,以及功能拆分、结构化 Prompt、迭代式对话等可复用的编码技巧。

  2. 博客园52

    用 Python 从零搭建 RAG 系统:40 行跑通,再谈优化

    作者用 Python 演示如何以约 40 行代码跑通 RAG 最小闭环(切分、向量化、检索、生成),再逐步加入阈值过滤、BM25 混合召回、交叉编码器重排与权限隔离。核心主张是数据质量优先于模型、检索质量决定约 80% 的效果,建议先跑通再按瓶颈逐层优化,并给出 chunk_size 默认 500 字符、相似度阈值 0.6–0.75、检索命中率 0.8 及格线等可复用参数。

  3. 博客园78

    让 LLM 输出不再失控:用 Pydantic 校验大模型输出

    这篇教程以简历信息抽取为例,演示用 Pydantic 校验大模型输出:先从返回文本里抠出 JSON,再按 schema 做类型、范围与跨字段核对,失败后把错误信息回喂模型重试。全程用模拟数据,pip install pydantic[email] 即可跑通,并附接真实 API(temperature=0)以及 LangChain、LlamaIndex 结构化输出的对接方式。

    推荐理由:原文给出了一套可直接复用的 LLM 输出校验写法,读者能照着把 prompt 里的口头约定变成每次调用都执行的代码契约。

  4. 博客园21

    开源企业级一站式 AI 智能测试平台(附平台架构与技术选型)

    AI 进化社推出开源企业级一站式 AI 智能测试平台,将分散的 AI 测试能力整合为统一可复用的企业级解决方案。平台采用六层架构设计,支持插件化场景扩展与私有化部署,通过 AI 网关统一调度云端与本地大模型。技术栈基于 Python、FastAPI、LangChain 与 Vue 3,覆盖自动化、性能、安全及 AI 测评全场景。

  5. 博客园58

    你的 WorkBuddy 不好用,可能是这些配置没设置好

    程序员晓凡总结了 WorkBuddy 的 10 项基础配置,涵盖允许锁屏、更换存储位置、回复风格、自定义指令、导入记忆、技能自动更新、多端联动、自定义模型与安全中心。其中允许锁屏可避免长任务中断,自定义指令和记忆功能能减少重复交代,安全中心提供沙箱防护与自动备份。作者建议装好后花十分钟调一遍,让 Agent 更稳定省心。

  6. MIT Technology Review · AI21

    如何设计经久耐用的 AI serving harness

    企业 AI 的竞争优势正从“选哪个模型”转向围绕模型构建的 serving harness——即决定架构、内存管理、调度与优化的外围工程系统。文章主张从业务负载而非模型本身出发选型,坚持“先测量再优化”,并让架构能吸收模型与硬件的持续迭代。EXL 在其 Engineering the Harness 系列中对这些生产落地问题作了更深入的探讨。

  7. AWS Machine Learning Blog35

    Rescale 如何用 Strands Agents 和 AI-DLC 构建 AI 分诊智能体

    Rescale 用 AWS 的 AI-DLC 框架构建 AI 测试分诊智能体,5 天内完成从问题定义到预发布部署,数周内进入生产。该智能体运行在 Amazon EKS 的 Argo Workflows 流水线中,调用 Amazon Bedrock 上的 Claude Opus 4.8,将夜间 Playwright 测试失败分类为基础设施问题、代码缺陷、不稳定测试或环境问题。

10月22日周四
  1. 博客园76

    less-ai-tone 去 AI 味网页工具:基于 282 万字人机对照的本地检测与改写

    作者把 lieflat-less-ai-tone 的人机对照统计做成一个零依赖的单文件网页工具,可在浏览器本地检测 AI 文风痕迹,再调用大模型改写。规则来自 629 篇、282 万字、95,551 句的人机对照,11 项特征成立、15 项是误会,其中 3 项方向相反。

    推荐理由:作者把 629 篇人机对照统计落成可离线运行的单文件检测工具,并明确列出不成立特征,避免误改。

  2. 掘金39

    从零到实战:AI 全栈学习进阶路线

    AI 全栈工程师需要打通算法、工程与应用三层能力,学习路线分为基础、模型、工程、应用四个循序渐进的阶段。基础阶段掌握 Python、NumPy、Pandas 与数据科学,模型阶段用 PyTorch 跑通神经网络"训练—验证—预测"闭环。

  3. 掘金48

    如何用 AI 写出实用的 uTools 插件

    作者用 AI 辅助开发了三款 uTools 插件,统一存放在同一仓库,遵循 uTools 插件规范,安装后在主输入框输入关键词即可打开。其中"电脑配置体检"可读取本机 CPU、内存、硬盘、显卡、主板等信息。

  4. 博客园68

    如何用 AI 帮我写出实用的 uTools 插件

    作者用 WorkBuddy 等 AI 编程助手开发了电脑配置体检、开发配置速查、电脑空间管家三款 uTools 插件,并完整复盘了协作开发的方法。核心经验是先把场景、界面和验收标准讲清楚,让 AI 先查 uTools 官方文档再动手,每写一块功能就配套自测脚本,评分口径和删除规则等取舍由自己拍板。空间管家实测在 56 万个文件的用户目录下约 40.8 秒扫完。