SiliconFlow@SiliconFlowAI精选69
推荐理由：用 DeepSeek V4 等国产模型的开发者可以照抄这个 VS Code 配置，三步就能搞定，但本质上就是填个 API key，别期待魔法。
标签「教程/实践」清除
全部 AI 动态
AI 相关资讯全量信息流
5月13日
17:13
SiliconFlow@SiliconFlowAI13:55
Simon Willison 博客
68
该工具展示了一项实验：将应用加载于受内容安全策略（CSP）保护的沙盒iframe中，并通过自定义的fetch()函数拦截CSP错误，将其传递至父窗口。父窗口随后可提示用户将受阻域名（如https://api.inaturalist.org）添加至允许列表，刷新页面后即可生效。工具界面包含源代码、预览面板及允许列表管理区，用户可手动添加如https://api.github.com等受信来源。此项目由作者在Codex桌面应用中借助GPT-5.5 xhigh协助构建完成。
13:50
歸藏(guizang.ai)@op741870
http://x.com/i/article/2053655813877870592
13:50
Berryxia.AI@berryxia31
http://x.com/i/article/2054390427139383296
13:34
Peter Steinberger 🦞@steipete48
12:50
歸藏(guizang.ai)@op741836
作者在游览天津五大道时，尝试利用AI查询该区域复杂的历史背景，发现众多近代名人事件与此地相关。为此，他创新了PPT制作方式，将历史人物的故事卡片与可交互的嵌入式地图相结合进行展示。这种新排版旨在让演示内容更丰富、信息更详实，并计划在未来进行更多类似尝试，以提升PPT的信息承载与呈现能力。
http://x.com/i/article/2053655813877870592
12:50
Berryxia.AI@berryxia47
车主发现刹车片在潮湿天气出现异响，未选择4S店建议的更换方案，转而通过ChatGPT分析问题。AI判断异响可能源于潮湿导致的锈迹，并推荐使用清洗剂处理。车主花费69元购买清洗剂后，喷洒试用成功消除异响。此前4S店曾以磨损为由建议更换整套刹车片，费用超千元。此事凸显了AI在日常生活问题诊断中的实用价值，帮助用户避免了不必要的开支。
11:50
Berryxia.AI@berryxia72
BenchLoop 提供了一套对本地大模型进行基准测试的标准化流程。用户只需拉取模型并运行该工具，即可实时获取模型在质量、速度和可靠性方面的综合评分。平台支持对比不同提示框架（如原生模式与 Hermes 模式）下的性能表现。测试完成后，结果可自动发布至公开排行榜，便于横向比较不同模型的优劣。
11:50
Berryxia.AI@berryxia51
用户实测腾讯元宝的群聊总结功能，发现其与预期存在较大差距。该功能无法自动进群总结，需用户手动多选聊天记录并转发给元宝，且存在操作上限不明确的问题。生成的总结内容被批评为机械的文本拼凑，缺乏AI应有的智能分析与提炼能力。用户指出，最核心的需求是能将元宝直接拉入群聊并自动梳理每日重点，但目前这一简单需求并未得到实现。
10:36
宝玉@dotey57
Claude通过四大组件实现自动化任务：Skill是领域工作流指南（如nda-review），指导操作但不执行；Agent是执行主体，Subagent用于并行处理子任务，Scheduled agent则定时自动运行（如合同到期监控）；MCP connector连接外部数据源（如合同库），使Agent能访问真实数据；Plugin将上述组件打包，提供完整功能集（如commercial-legal plugin实现企业合同审查）。这些组件共同协作，使Claude能高效处理复杂工作流。
@dotey 大佬能否解释一下,这个 Claude 一会插件的,一会 Skills 的,一会这个 Agent 的,它他到底想干什么呀?
09:49
ginobefun@hongming73171
Google博客以“新员工入职协调Agent”为例，指出AI智能体从演示走向生产需完成三大架构转变，核心是上下文与状态解耦。首先，采用持久化状态机，通过明确进度节点替代对话历史记录状态，解决上下文污染、token成本爆炸和推理幻觉问题。其次，引入事件驱动休眠门控，使Agent在等待外部事件时挂起以零资源消耗。最后，通过多Agent委托机制，将专项任务交由独立子Agent处理，避免提示词膨胀并支持独立优化。完整示例代码已开源。
08:49
Berryxia.AI@berryxia67
💡 Small Codex tip: You don't have to be limited to looking at one thread at a time. 🪟 Open multiple full windows in pa...
07:49
Berryxia.AI@berryxia精选75
Andrej Karpathy指出，AI编程账单的90%浪费在发送不必要的上下文上。常见浪费行为包括：过度加载文件、使用高价模型处理简单任务、Agent重复发送整个代码库、默认选用高价模型而非性价比更高的替代品。优化策略强调严格管理上下文、启用提示词缓存、采用多模型路由（如主力用Kimi 2.6，关键任务用Opus）、创建SKILL.md文件避免知识重建、先分析工具调用再优化提示。未来，开发者月花费的巨大差距将取决于其上下文和模型路由的管理能力，而非纯粹的技术水平。
Andrej Karpathy: "90% of your AI coding bill is paying for context you didn't need to send" Here are 10 things senior AI...
推荐理由：Karpathy 这条推文把 AI 编程的浪费点戳穿了，10 条技巧每条都能直接省下真金白银，Vibe Coding 的人看完账单会沉默。
07:09
OpenAI：官网动态（RSS · 排除企业/客户案例）
精选63
财务团队能够利用 Codex，基于实际工作输入构建管理层报告、报告包、差异桥接、模型检查和规划场景。该工具将自然语言指令转化为代码，自动化处理财务数据整合、差异分析和模型验证等复杂任务，从而提升报告生成效率与准确性，并支持快速创建多版本规划场景。
推荐理由：金融团队终于有了一个正经的 AI 用例，用 Codex 自动生成 MBR、差异桥接和规划场景，比手工拉 Excel 高效太多了，做财务分析的建议点开看看。
06:08
OpenAI：官网动态（RSS · 排除企业/客户案例）
25
AutoScout24 Group 采用 Codex 和 ChatGPT 来加速开发周期并提升代码质量。公司通过 AI 工具自动化代码审查、生成测试用例和编写文档，将部分开发任务效率提升高达 40%。工程师得以更专注于复杂问题，同时 AI 应用范围从代码辅助扩展至需求分析和数据查询。这一转变推动了团队 AI 采用率的显著增长，并系统化地融入了日常开发工作流。
06:08
OpenAI：官网动态（RSS · 排除企业/客户案例）
51
财务团队可利用 Codex 从实际工作输入中构建管理层报告、报告包、差异桥接、模型检查和规划场景。该工具能将非结构化数据（如电子邮件、会议记录和电子表格）自动转换为结构化的财务分析框架，从而提升报告效率与准确性。Codex 的应用减少了手动数据整理时间，使团队能更专注于高价值的分析与决策支持工作。
02:54
Claude：Blog（网页）
精选58
Anthropic 检测平台工程团队技术负责人 Jackie Bow 运用 Claude Code 开发了 CLUE 威胁检测与响应平台。该平台通过自然语言界面连接内部系统，包含 CLUE Triage 自动初筛警报，整合上下文信息分配处置建议；以及 CLUE Investigate 支持分析师用自然语言查询日志，由 Claude 自动生成并执行查询，将数小时的人工分析缩短至几分钟。团队在一天内完成概念验证，一周内交付实现，显著提升了安全运营效率。
推荐理由：我一直好奇大模型公司自己怎么用 AI 做安全，这篇挖出了 Anthropic 内部 CLUE 平台的构建细节——从一天出原型到每周省下 234 人天，数据比很多 PR 稿扎实。
01:05
Google Developers Blog（RSS）
精选73
本文探讨了如何从无状态聊天机器人升级为生产级AI智能体，以管理长达数天或数周的企业工作流程（如HR入职）。通过引入Agent Development Kit（ADK），其架构核心采用持久状态机和持久化会话存储，确保智能体在“空闲时间”或服务器重启时永不丢失上下文。系统利用事件驱动的Webhook和多智能体委托机制，实现在暂停期间“休眠”，并在唤醒后以高推理准确性恢复复杂任务，从而构建出具备韧性和可靠性的长时运行智能体系统。
推荐理由：Google 官方手把手教你把无状态 chatbot 升级成能跨天跨周的持久化 agent，状态机和持久会话是两个关键切入点，做过生产环境 agent 的都懂这东西有多刚需。
00:22
向阳乔木@vista856
作者完成了首个测试，调研了最佳的开源所见即所得Markdown编辑库，并得出结论：明确需求和数据模型是选择合适库的前提。同时，他参考了@vista8提及的HeavySkill论文思路，该论文提出让多个AI（如Claude、Codex）先并行独立推理，再通过另一轮推理整合思路，以显著提升回答质量。作者正基于此思路开发一个Skill进行实践。
读了一篇叫HeavySkill的论文,非常有意思。 让多个 AI先并行"独立思考",生成多条独立推理。 再用另一轮推理来综合所有思路,得出最终答案。 按论文测试结果,回答质量会提升非常多。 正在按这个思路写一个Skill,Claude Co...
00:04
凡人小北@frxiaobei68
飞书CLI近期悄然更新了100多项能力，允许用户通过AI Agent自动化编排飞书内的多项功能，如Bot、画板、妙记、审批和知识库。这旨在将AI能力从开发层延伸至日常协作层，解决工作碎片化问题。引用推文指出，管理者可为下属配置专属Agent，实现Agent间的自动化沟通与任务处理，从而让人专注于核心决策，提升个人与团队效率。官方提供了能力清单和使用案例以供参考。
我给每个下属都配了一个专属 Agent,跑在飞书上。现在是他们的 Agent 在跟我的 Agent 对话,我在旁边看着。 带团队这些年,我最大的感受不是累,是碎。 各种项目要跟,各种进展要盯,各种需求要确认。AI 让每个程序员的产出翻了好几...
5月12日
23:54
Xiaomi MiMo@XiaomiMiMo58
当在多轮代理会话中启用小米MiMo思考模式，且对话历史包含工具调用时，后续用户回合中传回的助手消息必须保留完整的reasoning_content字段，否则API将返回400错误。缺失该字段会导致模型上下文不完整，进而削弱指令跟随能力、增加幻觉并显著降低用户体验。受影响的框架包括TRAE、Cursor、Roo Code等，受影响模型涵盖MiMo-V2.5-Pro、MiMo-V2.5等多个系列。开发团队正与相关维护者合作推送兼容性更新以解决此问题。更多详情请参阅官方文档。
23:53
GitHub Blog
精选58
一位 GitHub 员工利用 GitHub Copilot CLI 开发了一款扩展程序，能够将任何代码库转换成一个独特的 Roguelike 风格地下城。该工具通过 AI 辅助的代码生成，实现了程序化关卡创建，展示了 Copilot CLI 在创意编码和游戏原型开发中的实际应用潜力。项目核心是自动解析代码结构并生成对应的可探索地下城布局。
推荐理由：用 GitHub Copilot CLI 把代码库变成 roguelike 地牢，玩法挺有脑洞，做 Copilot 扩展的开发者可以看一眼思路。
23:22
向阳乔木@vista872
读了一篇叫HeavySkill的论文,非常有意思。 让多个 AI先并行"独立思考",生成多条独立推理。 再用另一轮推理来综合所有思路,得出最终答案。 按论文测试结果,回答质量会提升非常多。 正在按这个思路写一个Skill,Claude Co...
21:49
Berryxia.AI@berryxia67
20:49
Berryxia.AI@berryxia73
AI Agent 连你平时买啥、吃啥的上下文都没有, 怎么了解你的消费品味?怎么做你的个人管家? 想拥有吃货Agent、买手Agent、导购Agent? 我又搓了个通宵,替你们调研实操了: 淘宝/京东/闪购(饿了么)/美团外卖/大众点评.....
18:33
Kling AI@Kling_ai63
Made with GPT image 2 + Kling AI Prompt: Ultra-realistic F1 live TV broadcast screenshot, identity preserved exactly fro...
18:00
公众号：小红书技术（dots.llm）
34
小红书在 QCon 北京 2026 分享了 GUI Agent 实战经验，核心思路是将自动化测试当作 AI Coding 来做，通过工程化方式让 GUI Agent 在真实业务场景中“跑起来、跑得稳、跑得省钱”。
17:33
凡人小北@frxiaobei62
一位团队管理者表示，AI极大提升了程序员个体产出，导致工作量与事务激增，但团队规模未变。其核心矛盾在于开发层已实现AI化，而项目跟进、纪要整理、审批等协作层工作仍依赖人工，效率低下。为此，他利用飞书CLI近期密集更新的能力，为每位下属配置了专属Agent。现在，下属的Agent与他的Agent直接对话处理事务，他本人则转为旁观协调，以此应对管理事务过于“碎片化”的挑战。
12:25
Hacker News 热门（buzzing.cc 中文翻译）
54
作者利用人工智能开发了一款工具，用于监测和分析夜间可能吵醒他的声音。该工具通过记录和分析环境音频，识别并分类噪音来源，帮助作者找出睡眠中断的具体原因。这一实践展示了AI在解决个人生活问题上的实际应用潜力。
11:52
向阳乔木@vista829
博主发起一项服务，邀请读者留言提出希望阅读但不愿自行消耗Token的论文或书籍。博主将代为处理，并将其解读成图文并茂的文章供大家共同学习。推文以Vision Transformer（ViT）的经典论文解读作为示例，并附上了相关博客链接。
10:08
公众号：数字生命卡兹克
53
07:49
Berryxia.AI@berryxia65
CJ Zafir 为开源模型微调新手提供了系统建议。入门应从 1B、2B 等小参数模型开始，推荐使用 Google Colab Pro 等低成本云 GPU 服务。数据集构建可结合 Codex 5.5 与 DeepSeek v4 Pro，基础模型建议选用 Hugging Face 上的 Unsloth instruct 版本。关键学习内容包括 SFT、RL 训练、LoRA/QLoRA、量化及本地推理引擎等。未来技术趋势正转向 5B 至 15B 参数的专家模型，掌握微调技能市场价值高，企业常愿支付高额费用定制个性化模型。
If you love fine-tuning open-source models (like me), then listen. > Start with 1B, 2B, 4B, and 8B models. (Don't start ...
07:43
Hugging Face：Blog（RSS）
精选58
本文面向使用开源框架的机器学习工程师，阐述了AWS如何为大规模基础模型的全生命周期提供核心基础设施。其核心是三大紧密集成的组件：配备多代NVIDIA GPU（如H100、H200及新一代Blackwell B200/B300）的大显存加速计算实例；用于集体通信的高带宽、低延迟网络（节点内NVLink与节点间EFA）；以及可扩展的分布式存储。这些基础设施与Slurm/Kubernetes等资源编排系统、PyTorch/JAX等ML框架协同，共同支撑预训练、后训练和推理工作负载，并可通过Prometheus/Grafana实现全栈可观测性。
推荐理由：这篇把AWS上训大模型的全套基础设施串了一遍，从GPU选型到网络存储再到Slurm/K8s编排，是做云端大规模训练的工程师的必读参考。
06:31
OpenAI Developers@OpenAIDevs48
03:52
Simon Willison 博客
精选80
本文介绍了一种创新方法，将LLM工具直接嵌入脚本的shebang行中执行指令。通过LLM的fragments模式，shebang行可执行简单任务，如生成SVG图像；使用-T选项能调用外部工具（如llm_time）创作包含当前时间的俳句；更复杂的是运行YAML模板，其中定义了Python函数作为工具进行数学计算，示例中演示了计算2344乘以5252加134的过程，并通过调试输出展示了分步结果，最终得到12,310,822。这展现了LLM作为脚本解释器的强大扩展性，能够支持从内容生成到数据查询的多样化任务。
推荐理由：Simon 这个 shebang 技巧让 LLM 直接变成脚本解释器，虽然是极客玩法，但对常写自动化脚本的开发者来说可以直接抄走，创意很妙。
01:53
PixVerse@PixVerse_70
GPT Image 2 on @PixVerse_ Prompt 👇 Ultra high-end fashion editorial collage in a 2 rows and 4 columns grid layout (tota...
01:23
Hacker News 热门（buzzing.cc 中文翻译）
47
文章探讨了在Swift语言中训练大型语言模型时，如何将矩阵乘法的性能从每秒千兆次浮点运算（Gflop/s）提升至每秒万亿次浮点运算（Tflop/s）。这是系列文章的第一部分，聚焦于通过优化技术实现计算性能的数量级飞跃，旨在展示Swift在高效执行核心机器学习运算方面的潜力。
00:50
Yuchen Jin@Yuchenj_UW74
作者提出一种高效学习方法：让Claude等大语言模型生成HTML文档来辅助深入学习与研究。相比纯文本或播客，HTML能嵌入图表和交互元素，支持主动探索。通过迭代提问和修改，文档随理解深入而演化，最终累积成个人知识库。文章引用观点指出，人机交互的输入输出融合尚有巨大发展空间，当前阶段可探索让LLM以HTML格式输出。信息呈现方式正从纯文本、Markdown向HTML及未来的交互式神经视频演进，以充分利用人类强大的视觉处理能力。作者认为，音频可能是人类偏好的AI输入方式，但视觉内容则是更高效的AI输出形式。
This works really well btw, at the end of your query ask your LLM to "structure your response as HTML", then view the ge...
00:27
Google AI Developers@googleaidevs60
谷歌DeepMind与Coursera合作推出的“Gemini for Developers”专项课程现已开放注册。该课程旨在指导开发者利用Gemini模型构建可用于生产环境的AI解决方案。其核心涵盖三大模块：“推理与行动”使AI应用能推理并执行复杂任务；“连接与自动化”通过函数调用将Gemini与现实世界工具集成；“规模化与信心”则专注于构建、测试和部署可扩展的AI系统。课程强调超越单纯文本生成，实现实际任务的自动化与系统集成，助力开发者快速上手。