全部 AI 动态

凡人小北@frxiaobei

AI 评分 49/100

两个 AI Agent 事故暴露同一根因：把模型输出当成了系统状态。X 抓取 25/25 全失败，日报却写「新增 0 条」；待办「今天」未转标准日期，提醒直接消失。LLM 负责判断，确定性代码负责日期、状态、重试和告警——「没有结果」不等于「没有发生」。

Matt Webb 在发布 Galactic Compass 2 后，借助 ChatGPT 作为耐心的互动导师，学会了使用四元数来完成应用开发。他认为，即使将大量思考外包给 AI，学习并不会停止，反而会推动他学习更多。这一体验凸显了生成式 AI 在教育场景中的潜力。

Slack 首席产品官 Jaime DeLanghe 分享了将对话转化为机构知识、构建人机智能体团队的最佳实践。她主张默认使用公开频道，让智能体从可见对话中学习，并建议将会议、邮件、日历等上下文连接起来以减少重复劳动。在 Slack 中由 Claude 驱动的智能体负责起草、总结、监控等生产工作，人类负责审查、决策与交接，形成循环协作。

全球设计公司 Populous 高级建筑师 Georgina Myers 介绍团队用 Runway 辅助体育场馆概念设计：过去完整视频需外部渲染团队至少三周，且提交前两周须冻结设计模型；如今 Runway 能生成传达尺度感的完整渲染和航拍图，将视觉制作时间缩短，让设计师把时间还给设计本身。该工具已用于利雅得 MBS 体育场等中东项目，支持 9 种不同活动模式的场景迭代。

Hugging Face 构建了一个约束感知的 GPU 分配器，并在七个基准场景中与 FIFO 调度器对比。在相同硬件和负载下，GPU 利用率最高提升 33 个百分点，优先级加权输出在全部场景中均上升，最高达 105%。分配器将实时推理需求按曲线而非峰值处理，批量任务按优先级跨整个调度周期排序，从而回收了预留闲置容量。

lauren@poteto

AI 评分 57/100

Cursor 已基本完成从 Solid 到 React 的迁移，新 agents 窗口 99% 为 React，并将 scss 和 Tailwind 全部转为 @stylexjs。迁移主要出于性能和可维护性考量，团队认为信号式响应在大规模应用中易引发意外扇出，而 React 的问题解决更直接。引用推文显示该迁移由智能体完成，共 +266K/−193K 次编辑。

Dev Agrawal: The most famous AI tool migrated Solid to React with an agent: +266K/−193K edits. That direction is easy. React's model ...

AYi@AYi_AInotes

AI 评分 49/100

针对“Skills是bloat、应全塞进AGENTS.md”的流行建议，多位AI从业者指出其误区。Skills采用渐进式披露，仅按需加载完整内容，而AGENTS.md每次会话全量加载。全塞进AGENTS.md会导致token成本高、关键指令被稀释及不可维护。适用边界仅在极简个人工具，多工作流场景应分层使用。

kache: don't use skills.md or SKILLS or whatever by the way. it's bloat just put everything in an agents.md

Dongxi 东锡 NLP@dongxi_nlp

AI 评分 56/100

DeepSeek Harness 开源，设计哲学是“事实有据，权限有度”。它拒绝将 agent state 写成模糊目标，让每份重要 state 由能验证它的 owner 持有，并通过 atomic comparison 关闭 time-of-check/time-of-use gap。

作者主张博客应围绕自己尚未完全理解但想弄清的议题展开，并坚持每篇都提出至少略有争议的观点，以此倒逼研究和思考。写作过程常会改变作者原有看法，如发现新版 OpenAI 模型已失去 o3 的地理定位能力。作者认为新手解释陌生领域反而有优势，且公开个人履历可避免误导读者。

GitHub Secure Open Source Fund 第四期 50 个开源项目结合 AI 辅助工作流、维护者经验、GitHub 安全工具、专家指导与资金支持，系统性提升项目安全性。该计划展示了开源生态在 AI 时代应对安全挑战的实践路径，为维护者提供了可复用的安全加固模式。

Linear Agent 的价值在于完成未预设的工作，因此团队未为其编写固定路径，而是通过系统提示词、工具设计、产品模型、运行范围及底层自定义 harness 划定边界。系统提示词聚焦沟通风格、硬性边界与产品概念解释；工具设计将约束编码进参数，使无效操作难以执行。团队还引入系统技能作为组合单元，按需渐进加载，避免一次性暴露过多上下文。

Rohan Paul@rohanpaul_ai

AI 评分 47/100

Raft 逆向自动化产品演示视频制作：不先让多模态模型看素材，而是把视频压平为智能体易处理的工件。每个智能体各司其职、交接具体工件并进入同一评审循环，导演-制作-QA 流程一键复制。视频由产品状态而非记忆生成，可复现状态消除连续性错误，让修改局部化。

jacky zhong: http://x.com/i/article/2084443952405762048

LangChain 梳理了 Lyft、Vodafone 和 LATAM Airlines 将客户体验（CX）智能体投入生产的实践。三家企业的共同经验是：先用小范围场景验证价值，再逐步扩展；同时需重视智能体与现有客服系统的集成、人工接管机制以及持续评估。文章还总结了避免过度承诺、明确智能体能力边界等关键教训。

与普遍认知相反，使用 LLM 的核心技能并非提示词技巧，而是对目标领域的专业知识。以陶哲轩与 ChatGPT 讨论雅可比猜想反例为例，其简短、精准的提问和纠错能力源于深厚的数学理解，而非通用提示策略。具备领域知识的人能更有效地引导模型，从同一模型中获取远超新手的价值。

Deedy@deedydas

AI 评分 32/100

Paul Graham: If you send me an email that seems like it was written by AI, that will make me curious whether I'm right, and instead o...

Thoughtworks CTO Giles Edwards-Alexander通过实验证明，对AI智能体编写的代码库进行重构可显著降低后续修改的token消耗。一个由Claude Code和Cursor生成的约15万行Rust应用中，单个数据访问层文件从17,155行重构至3,695行，输入token消耗从159,564降至27,360。

NorthStar Anesthesia 基于 Databricks 平台，在数周内为 3,000 名临床医生构建了一款排班应用。该应用整合了实时数据与 AI 调度逻辑，将排班效率提升至分钟级，并支持跨 25 个以上美国医疗点的动态人员调配。项目通过 Databricks 的 Lakehouse 架构和低代码工具实现快速开发，无需额外采购专用排班软件。

Rohan Paul@rohanpaul_ai

AI 评分 37/100

一家PE支持的医疗账单平台用4个月建成7个生产级AI智能体，处理真实医保理赔，零患者数据暴露。团队在构建数据富化管道（每笔理赔预计算34个动态变量）和评估框架上投入的工程时间远超模型集成。系统跨两个模型提供商路由调用，切换模型不影响输出结果。

Mark Ajzenstadt: A PE-backed healthcare billing platform had two people hand-writing every rule in their claims system. 300+ denial codes...

Databricks 现场工程团队构建了一套自助式基础设施供应系统，旨在让客户更高效地部署和管理 AI 智能体。该系统通过自动化资源调配，将基础设施交付时间从数周缩短至分钟级，支持 GPU、存储和网络等资源的按需分配。目前该平台已在内部使用，并计划逐步向外部客户开放。

AYi@AYi_AInotes

AI 评分 60/100

Anthropic 用 Claude Code 实现百万行级代码迁移，Bun 创始人两周内将项目从 Zig 迁到 Rust，成本约 16.5 万美元。核心在于前置约束：先建立强 judge 改写测试为双端断言，再用对抗 agent 验证规则不被稀释。人类时间几乎全花在 Rulebook 上，大模型只用于写规则和高风险审查。

ClaudeDevs: http://x.com/i/article/2077886850262503424

一支团队为4-9岁儿童构建了实时AI数学与阅读辅导老师。儿童无法忍受2-3秒的回复延迟，标准Agent工具循环导致每轮3-4秒空闲，孩子会问“为什么它不动了？好无聊”。团队放弃了标准工具循环，构建自定义框架让模型在单次响应中流式输出多个动作，解释器边生成边解析执行，孩子只需等待约30个token的首个动作。同时引入异步规划器，在孩子思考或说话的间隙运行，基于不可变事件日志协调两个Agent的共享状态。该架构在指令遵循、延迟与灵活动作空间之间取得平衡。

Sierra 的 AI 加速团队为全公司各部门员工开发了 AI 智能体。团队分享了构建过程中的具体成果与经验教训。

LangChain 通过挖掘智能体运行轨迹（traces）来定位失败模式，并利用这些数据微调评估模型（judge models），其成本低于前沿大语言模型。该方法结合评估（evals）进行性能爬山（hill-climb），以系统化方式提升智能体表现。

ginobefun@hongming731

AI 评分 48/100

文章总结9组39条AI设计原则，核心是让用户信任程度匹配AI真实可靠性。关键点：AI应发挥模糊意图、内容生成等优势，而非替代传统界面；接受输出多样性，提供多版本和局部修改；输出附证据便于一键验证；用户保留编辑、拒绝、撤销等控制权；AI诚实说明角色和限制；重视失败路径，支持撤销、日志、转人工。

AYi@AYi_AInotes

AI 评分 55/100

Karpathy LLM-WIKI反转逻辑：人只筛选高质量资料并做最终判断，AI负责整理、链接、更新等脏活。三层架构（原始层、知识层、规则层）将资料编译成有机知识网络，让存量内容生长复利。核心是升级人与AI的分工。

AYi: http://x.com/i/article/2069352641423896576

AYi@AYi_AInotes

AI 评分 67/100

作者将社交平台流行的“长寿五要素”（平静、睡眠、肌肉量、代谢、现金流）及抗衰补剂交给AI文献核查工具Apodex，后者跑了41分钟、翻了24篇覆盖千万人的队列研究。结论：核心方向没错但有三个漏洞——睡眠规律比时长更重要，肌肉力量比质量更保命，现金流需通过看病、饮食等中介起作用。被冤枉的体力活动（三千多万人Meta分析显示运动达标死亡风险降至0.69）和社会关系同样关键。补剂如白藜芦醇、维生素D等均缺乏人类硬证据。

AYi@AYi_AInotes

AI 评分 56/100

一本名为《XQuant：人人都是量化交易员》的开源量化书采用“问题驱动”设计：先写Spec让AI生成代码跑通策略，再补理论。全书用9个问题串联量化pipeline：量化怎么赚钱、买什么（3只ETF）、买多少（3种仓位分法）、何时买卖、如何回测、过拟合检测（第6章极早讲述）、实盘、改进、因子研究。正文与练习代码分开维护，每章提供现成Spec给Claude/Cursor生成代码，训练将模糊想法转为清晰任务描述的能力。

AYi: http://x.com/i/article/2069024565901119488

Meta 在 Privacy-Aware Infrastructure (PAI) 的资产分类中采用混合模式：先构建含代码、血缘、语义标注的上下文证据，再调用 LLM 处理歧义、冷启动和新颖资产；人工审核标签与模型推荐严格隔离。LLM 不直接做生产决策，其稳定行为被蒸馏为版本化确定性规则用于生产执行，LLM 角色随规则积累逐步缩小。核心原则：上下文比提示词更重要、解耦评估与优化、将稳定行为规则化。

AYi@AYi_AInotes

AI 评分 44/100

阿易 AI Notes 用自我验证型 AI 工具 Apodex，拆解“白毛股神”关于 $SIVE 和 CPO 的投资叙事。核查发现五条核心声称中四条站不住：GB200 大量采用 CPO 为假（实际用铜缆）；800V 转型与 GB200 同步不成立（GB200 用 54V）；$SIVE 被夸大为“最纯受益标的”（近 70% 营收来自无线业务）；技术壁垒最高查无实据。英伟达更倾向投资中游厂商。核查报告附 23 条一手来源。

karminski-牙医@karminski3

AI 评分 54/100

买MacStudio运行大模型性价比不高。以M3 Ultra 96G（32999元）为例，运行Qwen3.6-27B 4bit量化版并开投机解码，速度约65 token/s。设备成本换算成API调用（GLM-5.2，每百万token 28元）可买约1178M token，需连续运行209天才能回本。512G版（108749元）运行量化GLM-5.2速度仅17 token/s，回本约7年。模型每1.5个月更新，建议普通用户买coding plan或租卡。已有Mac或显卡者，闲置时跑模型才划算。