Google 发布 EmbeddingGemma 2：支持多模态检索的轻量级开源嵌入模型
Google 发布基于 Gemma 4 架构的 EmbeddingGemma 2，这是一个参数量低于 1B 的多模态嵌入模型，将文本、代码、图像、视频和音频映射到统一的 768 维向量空间。
推荐理由：原文给出了模块化加载与维度截断的具体参数，读者可据此评估其在不同硬件限制下的检索性能与存储成本。
内容形态
教程实践 最新动态
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。
81 条精选近 30 天 49 条共收录 241 条
更新
精选归档 · 第 2 页
Google Developers Blog精选AI 评分8282
OpenRouter Announcements精选AI 评分6868 OpenRouter 对比 OpenAI、Anthropic 和 Google 的服务器端代码执行工具
OpenRouter 发布博客对比 OpenAI、Anthropic、Google 及自家 openrouter:shell 工具的服务器端代码执行能力。OpenRouter 的工具支持任意模型在 Responses 和 Messages API 中运行命令，沙箱默认无外网访问，按 $0.0001/秒计费且新容器最低收费 30 秒。
推荐理由：文章对比了四家服务商的托管代码执行工具，明确了各自沙箱能力、计费模式及适用场景，为开发者选型提供了具体依据。
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。
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。
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。
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。
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。