Ethan Mollick 分享粗野主义城市建造提示词
完整提示词：“创建终极粗野主义城市建造游戏。你应该对建筑拥有大量控制选项，这些选项对于只想玩的人来说既令人愉悦又直观，而对于懂建筑的人来说则足够复杂和深入。你应该能够
#教程/实践
Ethan MollickAI 评分1212
OpenAI NewsAI 评分3030 GPT-6 模型选型与生产准备指南
OpenAI 发布 GPT-6 系列模型指南，协助初创企业完成模型选型。内容涵盖调整推理强度、优化提示词与技能、协调工具调用及生产工作流准备。
AWS Machine Learning BlogAI 评分5555 AWS 发布 Adjudicated Query 模式用于 Amazon Quick 合规扫描
AWS 推出 Adjudicated Query 设计模式，利用 Amazon Quick 和大语言模型实现大规模租赁合同的合规性扫描。该模式将自然语言问题转换为对固定类型操作的调用，由确定性规则引擎执行实际判定，确保结果的可证明完整性和可辩护性。
GitHub Blog · AI & MLAI 评分3535 GitHub 建议开发者强化三项 AI 协作技能
GitHub 指出开发者需掌握指挥 AI、评估输出及解决更大问题这三项核心技能。文章强调利用 GitHub Copilot 的 Rubber Duck agent 进行代码批判以弥补模型盲区，并主张将节省下的实现时间用于架构权衡与技术决策。
LangChain Blog精选AI 评分7878 LangChain 详解如何在 Agent Harness 中构建模型路由器以降低成本
LangChain 发布指南介绍如何在 Open SWE 编码智能体中构建模型路由器，通过将任务分配至不同层级的模型（GLM-5.3-Flash、GPT-5.6 Sol、GPT-6 Astra），使每个线程的中位成本降低了 64%，同时保持合并 PR 率等质量指标不变。
推荐理由：LangChain 分享了在 Open SWE 中构建模型路由器的完整流程，通过任务分类和 A/B 测试实现了成本大幅降低且质量无损。
Andrej KarpathyAI 评分4242 LLM 坐标问答测试显示模型已内化地理知识
很酷的评测。只需问大语言模型“陆地还是海洋？”并给它一个经纬度坐标文本。询问 16,200 次，绘制成图像。模型知道答案。这源于对互联网数据的压缩。
Hugging Face BlogAI 评分5858 ServiceNow 发布 AutoSynthData：面向企业智能体的合成训练数据生成框架
ServiceNow CoreAI 推出 AutoSynthData，旨在将企业智能体在特定环境中的能力差距转化为高质量的合成训练数据。该框架通过分析目标模型的失败模式和教师模型的成功轨迹，生成包含系统规范、用户提示和验证器的新任务，并在执行环境中进行严格验证与修复。
Andrej KarpathyAI 评分4040 Karpathy分享理解LLM输出技巧
我们将花更多时间试图理解语言模型的输出。一些想法、技巧和窍门：写作。我在这方面很成功的一点是：要求你的 LLM 用 ASD-STE100 解释某事，这是一种最初为……开发的受控语言规范
OpenRouter AnnouncementsAI 评分4040 LangChain 与 CrewAI 编排对比及 OpenRouter 原生路由解析
LangGraph 和 CrewAI 负责工作流编排，OpenRouter 处理模型与提供商路由。OpenRouter 通过 `models` 参数实现错误驱动的有序回退列表，其 Agent SDK 覆盖有界多轮工具循环场景。LangChain 提供 ChatOpenRouter 集成，CrewAI 支持将 OpenRouter 作为底层模型层使用。
OpenRouter AnnouncementsAI 评分5353 OpenRouter 解析六大 Agent 框架的工具调用 Schema 处理机制
OpenRouter 发布技术文章，详细对比 LangChain、CrewAI、OpenAI Agents SDK 等六个主流 Agent 框架在处理不同提供商（如 OpenAI、Anthropic、Google）工具调用 Schema 时的翻译机制与差异。
OpenRouter AnnouncementsAI 评分4545 OpenRouter 支持机器人低成本优先路由指南
OpenRouter 提出支持机器人“低成本优先”路由策略，通过静态规则、分类器或答案检查将常规 FAQ 交给小模型，仅对疑难请求升级至强模型以降低成本。开发者需自行维护质量验收逻辑，OpenRouter 的 Auto Router 和有序回退列表分别处理初始模型选择与错误重试。
Anthropic Claude.dev 开发者博客精选AI 评分7878 Claude Code 推出 Mods 机制并演示 Token Weather 等自定义插件开发
Anthropic 在 Claude Code 中引入 Mods 功能，允许开发者使用 JavaScript 或 TypeScript 编写插件以监控会话事件、修改行为或绘制自定义 UI。
推荐理由：原文提供了构建 Claude Code 自定义 Mod 的完整代码与步骤，读者可据此掌握通过 JavaScript 扩展终端交互界面及拦截工具调用的具体方法。
LangChain Blog精选AI 评分7373 TypeSafe AI 发布 Jev 模型并集成至 LangChain
TypeSafe AI 发布了名为 Jev 的 System One 模型，该模型不生成文本而是通过强化学习进行快速的结构化分类决策，官方称其在分类任务上推理速度比同类 LLM 快 200 倍且成本低 400 倍。LangChain 已提供 `langchain-typesafe` 集成，支持通过 `TypeSafeClassifier` 调用该模型实现模型路由和自动模式下的工具调用安全拦截。
推荐理由：原文介绍了 TypeSafe AI 发布的 Jev 模型及其在 LangChain 中的集成方式，展示了如何通过结构化决策优化智能体循环的效率与成本。
OpenRouter Announcements精选AI 评分7373 OpenRouter 发布 Agent 模型成本与质量权衡框架
OpenRouter 提出一种三步框架，用于为 AI Agent 选择最具性价比的模型，强调不应仅依据排行榜排名选模，而应寻找满足特定任务质量门槛的最便宜模型。
推荐理由：提供了一套基于自有数据测量成本与质量比值的三步决策框架，帮助开发者在 Agent 任务中避开排行榜陷阱，选出满足最低质量要求的最经济模型。
OpenRouter Announcements精选AI 评分6868 OpenRouter 指南：如何在 CI 中基于 LLM 评估门控 Pull Request
OpenRouter 发布教程指导开发者在 CI 流程中利用固定评估集对 Pull Request 进行质量门控，以防止系统提示词修改导致智能体行为回归。该方案通过将评估脚本集成至 GitHub Actions 并设置必需状态检查，当通过率低于阈值时自动阻断合并，文中详细演示了路径过滤、多数投票采样及阈值测量方法以消除模型输出噪声。
推荐理由：原文提供了在CI中通过固定评估集拦截提示词回归的完整脚本与配置，读者可据此构建防止智能体行为漂移的质量门禁。
OpenRouter Announcements精选AI 评分6565 OpenRouter 发布基于置信度的模型升级路由指南
OpenRouter 发布指南介绍如何通过模型自报置信度分数实现动态路由，让低成本模型处理高确信请求，仅将低确信请求升级至更强模型。该方案利用结构化输出强制返回数值型置信字段，并建议通过自有流量测试误差率分布来设定和持续调整路由阈值，以平衡成本、延迟与准确性。
推荐理由：提供了基于模型自报置信度进行动态路由的五步实施指南，包含结构化输出配置与阈值校准方法。
OpenRouter Announcements精选AI 评分6868 OpenRouter 发布 AI Agent 提示词或模型变更后的回归测试指南
OpenRouter 发布指南介绍如何在提示词或模型变更后对 AI Agent 进行回归测试。核心方法是建立锁定的用例集和行为契约，通过结构断言检查工具调用及参数，而非文本比对。文章详细演示了使用 Ori Eval 框架固定具体模型 slug、配置 CI 工作流以及处理模型切换时的推理参数差异，确保在价格或性能变化时保持策略合规性。
推荐理由：原文提供了锁定用例集与行为契约的具体方法，并演示了如何利用 Ori Eval 进行模型切换的回归测试。
OpenRouter Announcements精选AI 评分6868 OpenRouter 发布 AI Agent 工具调用准确率测试指南
OpenRouter 发布指南介绍如何测试 AI Agent 的工具调用准确率，区分工具选择错误与参数传递错误两种失败模式。文章详解参考无关 LLM 评判、确定性 Schema 检查及轨迹对比三种方法，并提供通过 OpenRouter 统一接口对 Claude Opus 5、GPT-5.6 Sol 和 Kimi K3 等模型运行相同测试用例的代码示例。
推荐理由：原文拆解了工具选择与参数校验的独立测试逻辑，并提供了基于 OpenRouter 统一接口对比多模型准确率的代码实现。
OpenRouter Announcements精选AI 评分6262 OpenRouter 指南：如何从生产流量构建黄金评估数据集
OpenRouter 发布指南介绍如何从生产流量构建黄金评估数据集（Golden Eval Dataset），以解决通用基准无法反映特定业务表现的问题。该数据集由经过人工审核的生产输入和预期输出组成，需版本化并集成到 CI 中作为回归测试。
推荐理由：提供了从生产流量构建黄金评估数据集的五步流程及跨模型对比方法，帮助开发者基于真实业务数据而非通用基准进行模型选型与回归测试。
Google Developers BlogAI 评分3232 Google 在 TPU 上加速视频扩散模型的时空注意力机制
Google 通过优化稀疏注意力内核，在 TPU v6e 芯片上显著提升了视频扩散模型的推理速度。该方案利用空间与时间头的几何结构特性，仅保留约 38.87% 的查询-键交互对，从而降低计算延迟。这一实现将理论上的稀疏性转化为端到端的实际加速效果。
OpenAIAI 评分1212 OpenAI 谈前沿 RL 训练安全
我们如何看待保障前沿强化学习（RL）训练运行的安全性：
OpenRouter AnnouncementsAI 评分5353 OpenRouter 发布图像转视频模型对比指南
OpenRouter 发布图像转视频模型对比指南，详细比较了 Veo 3.1、Seedance、Kling v3.0 和 Grok Imagine Video 的时长、分辨率、音频生成及价格。文章说明了如何通过 `frame_images` 和 `input_references` 字段区分首尾帧控制与参考素材输入，并提供了使用 TypeScript SDK 提交异步视频生成任务的完整代码示例。
vLLM 官方博客精选AI 评分7171 vLLM 官方博客发布分离式推理实战指南
vLLM 官方博客发布《Taking vLLM Apart》指南，详解如何通过分离 Prefill 和 Decode 阶段以及将 CPU 工作移至前端来优化 LLM 推理服务。
推荐理由：原文结合实测数据与代码示例，拆解了 vLLM 分离式推理的适用场景、性能权衡及具体配置方法。
Anthropic Claude.dev 开发者博客精选AI 评分8282 Anthropic 发布 claude-api 技能以自动化评估设计与爬山优化
Anthropic 在 claude-api 技能中新增 /claude-api build-eval 和 /claude-api hillclimb 命令，用于在代码库中构建评估集并迭代优化应用性能。
推荐理由：原文提供了在 Claude Code 中自动化构建评估集与执行爬山优化的具体命令及防过拟合机制，读者可据此改进智能体应用的性能或成本。
LangChain Blog精选AI 评分8080 LangChain 讲解如何结合 Jev 和 LangGraph 构建生产级智能体
LangChain 发布指南介绍如何利用 TypeSafe AI 的 Jev 决策模型与 LangGraph 框架构建“prod, not god”的生产级智能体系统。
推荐理由：原文结合 Jev 决策模型与 LangGraph 编排框架，展示了构建低成本、高可靠性生产级智能体的具体架构模式。
GitHub Blog · AI & MLAI 评分5050 GitHub Copilot 应用如何通过 canvases 构建自定义工作流
GitHub Copilot 应用通过 `/create-canvas` 技能生成双向共享的 canvas 界面，用户无需编码即可用自然语言描述创建看板或清单。Agent 与用户可实时同步操作状态，支持按钮、卡片等控件交互及即时更新。生成的 canvas 作为扩展保存，可通过 Awesome Copilot 社区复用或团队共享。
Anthropic Claude.dev 开发者博客精选AI 评分7878 Claude Opus 5.5 任务成本解析与优化指南
Anthropic 发布指南解析 Claude Opus 5.5 的任务成本构成，指出轮次、缓存读取、输出 token 类型和模型选择是决定费用的四大因素。Opus 5.5 API 列表价较前代降低，输入和输出 token 便宜 20%，缓存读取便宜 60%；在 Pro、Max 或 Team 订阅计划中，更低的价格会转化为约多 25% 的可用额度。
推荐理由：原文拆解了影响任务成本的四个变量，并提供了在 Claude Code 中实测与优化会话的具体操作路径。
Anthropic Claude.dev 开发者博客精选AI 评分7878 Claude Code 中如何根据任务选择 effort 等级
Anthropic 开发者 Thariq Shihipar 深入解析了 Claude Code 中的 effort 机制，指出其本质是控制模型在验证、边缘情况测试及自主判断上投入的计算量。
推荐理由：作者通过实测和基准分析，给出了不同任务场景下选择 effort 等级的具体策略与案例。
GitHub Blog · AI & ML精选AI 评分6262 GitHub Copilot 博客探讨为何聊天并非 AI 最佳交互界面
GitHub Copilot 官方博客文章认为聊天框往往不是与 AI 协作的最佳 UI，建议改用可定制的画布（canvas）来构建专用工具。文中举例说明通过画布创建本地应用或自动化开发流程，能避免将 Agent 当作通用工具造成的 token 浪费，让用户更专注于具体任务而非反复对话。
推荐理由：作者指出聊天界面常是低效交互，提出用可定制画布替代纯对话以节省 token 并优化工作流。
GitHub Blog · AI & ML精选AI 评分7878 GitHub Security Lab Taskflow Agent：AI 驱动的自动化模糊测试流水线
GitHub Security Lab 发布 Fuzzing Taskflow，这是一个基于 GitHub Security Lab Taskflow Agent 框架构建的自主模糊测试流水线，专为 C/C++ 项目设计。
推荐理由：GitHub Security Lab 开源了基于 LLM Agent 的自动化模糊测试流水线，详细拆解了从 Harness 生成、覆盖率反馈循环到崩溃分诊的全流程设计。
Google Developers Blog精选AI 评分6363 Google团队在TPU上使用MaxText复现Olmo 3 7B预训练的案例研究
Google团队使用MaxText框架在Google Cloud TPUs上成功复现了Ai2开发的Olmo 3 7B模型的Stage-1预训练和Stage-2中训练。
推荐理由：文章详细记录了在TPU上复现大模型预训练的过程，揭示了仅看训练损失可能掩盖数据加载器Bug的风险，并提供了跨框架验证的具体方法。
GitHub Blog · AI & MLAI 评分5050 GitHub Copilot 应用如何渲染超大 Pull Request
GitHub Copilot 应用重构了 Pull Request 视图，以支持包含 2,200 个文件和超百万行变更的巨型 PR。通过分离确定性代码几何与动态评论块几何，并采用惰性测量机制，解决了因 Markdown 和异步资源导致的高度不可预测问题。该架构在保持滚动流畅的同时，有效避免了传统虚拟化方案中的布局跳动。
DeepLearning.AIAI 评分4848 DeepLearning.AI 端侧记忆助手教程
构建一个能在设备本地存储和搜索所见、所听及被告知内容的助手。在《使用端侧记忆构建 AI 助手》课程中，你将搭建一个能回忆文本、语音和图像的本地记忆系统，并教会它识别新事物
Anthropic Claude.dev 开发者博客精选AI 评分8787 Anthropic 分享如何利用 Claude 将 claude.ai 性能提升三倍
Anthropic 团队通过两周冲刺，利用 Claude Tag（beta）内部研究模型优化核心用户旅程，使 claude.ai 和桌面应用响应速度提升约 3 倍。该过程涉及建立确定性基准、自动化代码审查及持续监控，最终合并超过三千个变更且无客户可见事故。
推荐理由：原文详述了利用 Claude Agent 在两周内实现性能提升三倍的具体工程闭环，展示了从基准测试到自动化部署的完整实践路径。
Modal 官方工程博客精选AI 评分6565 Modal 分享如何为万亿参数编码智能体服务万亿 token 的推理优化实践
Modal 官方博客分享了针对 Moonshot AI Kimi K2.6 等万亿参数模型的推理服务优化方案，实现了单副本性能提升 2.8x（每用户）和 5.6x（跨用户）。
推荐理由：原文详细拆解了万亿参数模型在编码智能体场景下的推理优化路径，提供了从单副本调优到多副本路由的完整工程实践参考。
OpenRouter Announcements精选AI 评分7373 如何在 TypeScript 中使用 Jev API 进行内容审核
OpenRouter 发布教程指导开发者使用 TypeSafe 的 Jev 决策模型（typesafe/jev-1.13）在 TypeScript 中实现结构化内容审核。
推荐理由：通过 TypeScript 代码完整演示了 Jev API 在内容审核中的集成流程，提供了从状态构建到阈值调优的可复用工程范式。
OpenRouter AnnouncementsAI 评分4242 OpenRouter 2026 年最佳嵌入模型选型指南
OpenRouter 发布 2026 年嵌入模型选型指南，推荐 openai/text-embedding-3-small 用于英文 RAG，qwen/qwen3-embedding-8b 支持多语言检索。
Together AI Blog精选AI 评分6262 Together AI 教程：如何以 $17 成本训练自己的 Jev 分类模型
Together AI 发布教程指导用户以约 $17 的成本和 25 分钟时间，基于 Qwen3.5 4B 微调一个类似 Jev 的分类模型。该过程涉及从 Hugging Face 采样 38,000 条多源数据、使用 Together Fine-tuning service 训练以及部署到 dedicated endpoint。
推荐理由：原文提供了基于 Qwen3.5 4B 微调分类模型的完整代码流程与成本细节，读者可据此复现低成本构建专用分类器的方法。
LangChain BlogAI 评分3838 LangSmith 在医疗 AI 中的可靠性应用案例
Included Health 和 Abridge 利用 LangSmith 将临床专家审查转化为可复用的评估资产，以解决医疗 AI 验证瓶颈。Included Health 通过 LangGraph 构建 Dot 智能体处理复杂咨询，Abridge 则建立校准评判器确保病历生成的准确性与合规性。该方案旨在保留人类判断价值并加速安全发布。
Anthropic Claude.dev 开发者博客精选AI 评分8282 Claude Opus 5.5 在 Claude 应用与 Claude Code 中的使用指南
Anthropic 发布 Claude Opus 5.5 的使用指南，指导用户如何在该模型下优化提示词、控制长程运行并检查结果。Opus 5.5 具备更长的自主工作能力和默认思考机制，因此建议移除“仔细思考”等指令，明确任务完成标准，并在 CLAUDE.md 中设定何时停止询问或继续执行。
推荐理由：原文针对 Opus 5.5 的长程自主运行和默认思考特性，给出了从提示词调整到子智能体协作的具体操作建议。