Topic · 主题全部主题 →

教程实践

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。

2,290条收录
350条精选

精选归档 · 第 3 页

4160 条 · 共 350

8月3日

星期一 · 2 条
23:30
Google AI:DEV 作者专属(RSS)精选
AI 评分 63/100
Google Agent Skills 幕后:如何构建、测试与规模化

Google Agent Skills 团队详解其开源技能库的构建与治理流程:项目始于 Google Cloud Next 2026 前的“swarm”冲刺,发布后 GitHub 星标超 15,000。为保证规模化下的质量,每个技能须通过标准化目录结构、CI/CD 流水线(含 linter、链接检查、AI 辅助清单)及提交时与每周的持续评估,并优先引用远程 MCP 工具。


推荐理由:标准化目录、自动化链接检查和持续评估的完整流程,可帮助团队避免技能库随规模扩大而失控。

8月2日

星期日 · 2 条
21:26
公众号:卡尔的AI沃茨精选
AI 评分 72/100
实测MiniMax H3做后期和动效:视频届的审美王来了

MiniMax H3视频模型实测覆盖广告TVC、短剧、创意片头、动态海报、UI动效和游戏实机六类场景,可生成5-15秒视频、原生双声道、直出2K,一次最多放9张图、3段视频和3段音频,提示语最高支持7000字符。


推荐理由:多个场景测试显示 H3 在动态文字稳定性和动效克制上表现突出,提供的提示语结构可直接用于 UI、游戏宣传片等需要文字控制的视频生成。
19:00
AYi@AYi_AInotes精选
AI 评分 75/100
Codex 用 Sol 指挥 Luna Max 省额度翻倍产出刚发的Codex Luna Max省钱tip,现在有进阶版了——而且是让Sol自己帮你配好,现在Codex圈中高阶玩家都在用。思路很简单:别让Sol什么都自己干,Sol很贵,额度烧得快,但它规划和审核确实强。Luna Max便宜,写代码改文件跑测试这些有明确边界的体力活,它干得跟Sol差不了太多。所以最佳模式是:Sol当包工头,Luna Max当工人。具体怎么搞,让Sol自己帮你弄,你就跟它说:在~/.codex/agents/下创建一个luna-worker.toml,模型设gpt-5.6-luna,reasoning effort设max,写好描述和指令,专门用来处理有明确边界的委托任务。创建完验证配置,给我看diff。Sol会自己把这个子代理配好 之后你干活的时候,Sol负责拆任务、做架构决策、审代码,具体的实现、改bug、跑测试、重构,它会自动delegate给luna_worker去跑。主线程的Sol额度省下来只花在刀刃上,体力活全让便宜的Luna Max扛,同一个订阅,产出量直接翻倍。还有个更懒的办法:不建配置文件,直接告诉Sol,遇到需要批量执行的子任务,自己spawn独立的Luna Max对话线程去跑,跑完把结果汇总回来。效果差不多,就是没那么结构化。去看DeepSWE那个榜就懂了,gpt-5.6-luna max的分数跟Sol Medium咬得很近,但成本差了一个数量级。Sol指挥+Luna Max干活,等于用一个Sol的钱,同时跑好几个工人。别再拿Sol当苦力使了,让它当老板才是正确的打开方式:#Codex #OpenAI #AI编程Codex 高阶玩法:让 Sol 在 ~/.codex/agents/ 下创建 luna-worker.toml 子代理,模型设 gpt-5.6-luna、reasoning effort 设 max,Sol 负责拆任务与审代码,具体实现自动委托给 Luna Max。

AYi: 刚发现一个OpenAI订阅的隐藏用法,感觉像白捡的。 GPT-5.6不是分三档吗——Sol最强最贵,Terra中间,Luna最便宜最快。大部分人默认选Sol,觉得贵的就是好的。 但现在一堆重度用户测出来一个组合:Luna + Max rea...


推荐理由:把 Sol 定位为「包工头」而非全栈苦力,用配置实现任务委托,给出了一个可复用的省额度方案,但长期可靠性待真实验证。

8月1日

星期六 · 1 条
00:59
AYi@AYi_AInotes精选
AI 评分 75/100
animated-voiceover 开源:一人干翻动画工作室这个Skill真的让我看到了一个人干翻一个动画工作室的可能性,我用它做了个DeepSeek V4-Flash的视频,一个人,一条指令,40块钱,2分钟电影感动画科普视频。不是那种一眼AI的垃圾。是角色不崩、声音一致、镜头有语言、旁白有节奏的正经片子。这东西叫animated-voiceover,刚开源,MIT协议。作者是前字节产品经理@s1dashu,他自己已经用这套东西在小红书起号了。它不是软件,不是App,是一套喂给Codex/Claude Code的完整制片流程。你就跟它说一句:"用animated-voiceover做一条两分钟关于确认偏误的动画科普",剩下的Agent按流程给你跑:先研究,写完整旁白, 锁视觉风格参考图,锁角色参考图。 每15秒拆成5个镜头,每个镜头写清主体、变化、镜头运动。先生成第1段,把人声提出来,48kHz立体声WAV锁死。后面所有片段全部挂这同一个人声参考——声音飘的问题,工程化解决了。逐段QC,旁白完整性、角色一致性、构图、运动,不合格重来。 最后拼成片,做封面。最狠的是它解决问题的方式,全是工程思维,不是玄学。AI视频最大的痛点是什么?声音每段都不一样,角色脸走着走着就变了,镜头之间没有逻辑。他怎么干的?先做第一段,把人声锚定,后面全挂这个参考。一张风格图贯穿全片,每个角色独立参考图+角色表管理。旁白写完再切,中文卡到每15秒60个字,多一个少一个都不行,信息密度均匀,不机械。这不是"帮我生成个视频",这是把一个专业动画导演脑子里的制片流程,变成了Agent可以执行的Skill。一条2分钟的片子,LibTV跑下来大概40块钱。一个人,一个下午,从选题到成片。以前这活儿得一个团队干一周。作者反复强调一句话:90%自动化,但那10%人的判断决定上限。你定选题、定风格、卡审批,剩下重复的、容易出错的、熬人的,全交给Agent。这才是Agent Skill该有的样子,不是跟你聊天,不是帮你写个Prompt,是把一整条专业生产管线——从研究到脚本到分镜到渲染到QC到成片——封装成一个你随时可以调用的能力。知识博主、超级个体、想做深度内容但不会动画的人,这个东西的价值怎么强调都不过分。B站、小红书那些电影感科普号,以前得团队作战,现在一个人就能干。GitHub搜s1dashu/animated-voiceover,SKILL.md和references目录里全是干货,旁白怎么写、分镜怎么拆、声音怎么锁、Seedance的提示词怎么用,全给你摊开了。别再问AI能不能替代内容创作者了,会用这种工具的创作者,正在替代不会用的。前字节产品经理 @s1dashu 开源 animated-voiceover,一套喂给 Codex/Claude Code 的完整动画科普视频制片流程,MIT 协议,可实现 90% 自动化。

sida: 最近我在用 Codex 配合 LibTV CLI 制作动画科普视频(Animated Voiceover Video),同时运营一个小红书账号。目前小红书账号正在稳步起步,数据看起来相当健康。 现在我把这个 Skill 开源出来了: htt...


推荐理由:这个 Skill 把专业动画导演的制片流程封装成了 Agent 可执行的管道,首段锚定人声、风格图贯穿全片,工程化地解决了角色崩和声音飘的问题,个人创作者 40 块钱就能产出 2 分钟电影感科普视频,值得马上动手试。

7月31日

星期五 · 1 条
22:28
Google AI:DEV 作者专属(RSS)精选
AI 评分 68/100
教程:用 Antigravity SDK 与 Google Cloud 构建自主财务审计智能体团队

本教程演示如何用 Google Antigravity SDK 与 Google Cloud 构建多智能体财务对账系统,将供应商交易与 PDF 发票核对。系统由审计编排器、数据研究员、发票分析器和对账引擎四个智能体组成,并设有人工合规门控,将超过 $1,000 的差异升级人工审核。


推荐理由:这是一篇完整的多智能体财务审计实战,从零搭建到部署全链路,代码和架构图齐全。想做企业级 Agent 的开发者能直接复用其中最小权限、安全护栏和可观测性模式。

7月30日

星期四 · 2 条
18:04
公众号:卡尔的AI沃茨精选
AI 评分 71/100
实测 ego lite:给 Codex 浏览器自动化加到 2.5 倍速

开源浏览器自动化项目 ego lite(5.9k star)实测:基于 Chromium 内核定制的独立浏览器,让人和 Agent 共享同一浏览器但各自独立 Space 工作,支持迁移 Chrome 登录态。


推荐理由:作者实测发现,从内核提取结构化信息再批量执行脚本,可大幅降低自动化任务的Token消耗和操作轮次,尤其在多账号场景下比外挂式方案更稳定。
03:56
OpenAI:官网动态(RSS · 排除企业/客户案例)精选
AI 评分 70/100
GPT-5.6 如何融合前沿智能与效率

OpenAI 推出 GPT-5.6 模型家族,旗舰版 GPT-5.6 Sol 在开启最大推理时以不到一半的成本超越 Claude Fable 5 的 Artificial Analysis Coding Agent Index 得分。


推荐理由:GPT‑5.6 不光是新模型,它自己参与了推理栈优化,20% 成本降幅是实打实的工程突破,做 AI 应用的该重新算一下每次调用的成本了。

7月29日

星期三 · 1 条
08:56
OpenRouter:Announcements(RSS)精选
AI 评分 66/100
OpenRouter 推出专用 LangChain 集成包,支持 400+ 模型与自动故障切换

OpenRouter 发布了 langchain-openrouter(Python)和 @langchain/openrouter(TypeScript)专用包,让 LangChain 应用无需改造即可调用 400+ 模型和 70+ 提供商。ChatOpenRouter 自动处理负载均衡与故障切换,切换模型只需修改 provider/model 格式的字符串。


推荐理由:OpenRouter官方的LangChain专用包,替换掉了用ChatOpenAI加base_url的老路子,但从零折腾一次安装配置的必要性,只对已绑定OpenRouter的团队成立。

7月28日

星期二 · 5 条
21:27
Google Blog:AI(RSS)精选
AI 评分 71/100
Google Search 的 AI Mode 推出 5 项新功能,帮你规划线下生活

Google Search 的 AI Mode 新增 5 项工具,帮助用户规划线下活动。功能包括:通过 Personal Intelligence 连接 Google Calendar 推荐本地课程;在 AI Mode 内直接购物并查询附近库存;利用 Canvas 生成桌游策略指南并模拟对弈;根据预算和人数筛选并预订演唱会等门票;连接 Canva 生成邀请函设计。


推荐理由:Google搜索的AI Mode把线下生活场景串起来了,从找课到订票都是实用教程,对普通用户比单纯benchmark更有体感,看完就能照着做。
08:55
OpenRouter:Announcements(RSS)精选
AI 评分 65/100
如何评估不同 LLM 提供商在延迟、吞吐量和正常运行时间上的性能

同一模型在不同提供商端点上的表现因基础设施、量化、负载处理和路由默认设置而异。评估需测量延迟、吞吐量、正常运行时间和精度,并将测量结果转化为路由策略。


推荐理由:做 LLM 路由的开发者必读,OpenRouter 给出了衡量延迟、吞吐和精度的实操框架,把选型从 benchmark 转向真实性能,生产环境可以直接落地试。
03:50
GitHub Blog精选
AI 评分 74/100
GitHub Copilot 发布"Harness"工作流:用单一工具完成原型、规划、实现与代码审查

GitHub Copilot 推出“Harness”工作流,让开发者通过单一 AI 工具完成从原型设计、规划、实现到代码审查的完整软件开发流程,无需追逐多种新 AI 工具。该工作流强调实用性与集成性,旨在减少工具切换带来的效率损耗。


推荐理由:GitHub Copilot 官方出的实用工作流,不追新工具,把现有功能用透,用 Copilot 的开发者直接能套的「内功心得」。
02:27
MarkTechPost(RSS)精选
AI 评分 72/100
用Claude和Python构建技能驱动的金融分析智能体

本教程基于Anthropic的financial-services仓库,用纯Python复现其技能驱动架构。通过解析SKILL.md文件构建可搜索技能注册表,并创建可复用SkillAgent,将金融分析剧本注入Anthropic Messages API,支持迭代工具调用循环。


推荐理由:这个教程把手教你将 Anthropic 的金融技能库打包成可运行的 Python 代理,不是概念演示而是完整工作流,做金融 AI 落地的可以直接抄。
00:50
GitHub Blog精选
AI 评分 68/100
GitHub Copilot app 入门指南:多 Agent 会话工作区与 Canvas 预览

GitHub Copilot app 将 AI 编码工具升级为多 Agent 会话工作区,支持同时管理多个任务线程而不丢失进度。用户可为每个会话绑定项目上下文,通过 /create-canvas 命令在浏览器 Canvas 中预览 UI 并直接点选修改,还能启用 Agent Merge 自动处理 PR 审查反馈和合并冲突。


推荐理由:GitHub Copilot 应用把 AI 编程拆成多会话、画布和 Agent Merge,让 '一键修 bug' 变成真·项目管理流,Copilot 用户该上手试试。

7月27日

星期一 · 2 条
12:00
公众号:数字生命卡兹克精选
AI 评分 68/100
浪费20亿Token后,我开源了帮Agent定义目标的Leader.skill

作者开源了Leader.skill,用于将模糊的人类需求转化为Agent可独立执行数小时的目标任务书。该Skill基于“目标七问”方法论,涵盖目的、完成态、反作弊、边界等维度,并推荐用Claude Fable 5或Kimi K3规划目标,再交由GPT-5.6 Sol或GLM-5.2等模型长程执行。项目已开源。


推荐理由:卡兹克这次把“目标定义”拆成了可操作的七问框架,尤其反作弊和边界思考部分,用 Agent 干长活儿的人看一遍就能省掉 20 亿 token 的冤枉路。
08:12
公众号:数字生命卡兹克精选
AI 评分 69/100
浪费20亿Token后,我开源了帮Agent定义目标的Leader.skill

作者开源了Leader.skill,用于将模糊需求转化为Agent可独立执行数小时以上的清晰目标任务书。该Skill基于“目标七问”方法论,强调指挥官意图与Harness(排除项)比Goal本身更重要。作者推荐用Claude Fable 5或Kimi K3规划目标,再交由GPT-5.6 Sol或GLM-5.2等模型长程执行。


推荐理由:目标七问把指挥官意图与禁止路径前置为约束,让模糊需求转成带边界的任务书,能减少 Agent 长程执行时的方向偏离,适合需要自主跑数小时的团队复用。

7月25日

星期六 · 3 条
11:08
06:31
公众号:数字生命卡兹克精选
AI 评分 75/100
Claude Opus 5深夜发布,以一半价格逼近Fable 5

Anthropic发布Claude Opus 5,全量上线并全线可用,上下文100万,知识截止至2026年5月。其ARC-AGI-3得分30.2%,约为第二名GPT-5.6 Sol(7.8%)的四倍,输入每百万Token 5美元、输出每百万Token 25美元,价格与Opus 4.8相同,另有速度提升约2.5倍的Fast Mode。


推荐理由:与Fable 5的跑分对比展示Opus 5更适合作为执行型Agent,系统提示精简80%的实践提示可简化智能体工作流设计。
01:25
Claude:Blog(网页)精选
AI 评分 65/100
Claude 5 代模型上下文工程新规则:Claude Code 系统提示词精简超 80%

Anthropic 为 Claude Opus 5 和 Claude Fable 5 等新一代模型删除了 Claude Code 超过 80% 的系统提示词,且编码评测无显著损失。

另有 3 家信源报道X:阿易 AI Notes (@AYi_AInotes)Hacker News 热门(buzzing.cc 中文翻译)X:Thariq (@trq212)
推荐理由:Anthropic 官方首次分享他们为 Claude 5 代模型移除了 Claude Code 80% 系统提示的实践,五条新规则颠覆了旧有的提示工程常识,每个用 Claude Code 或自建 agent 的开发者都该对照看看自己的系统提示是否在「过度约束」模型。

7月23日

星期四 · 1 条
19:11
Google AI:DEV 作者专属(RSS)精选
AI 评分 61/100
Google Cloud Agent Skills 完整指南:从基础到高级云运维

Google Cloud 推出官方 Agent Skills 开源指令集,旨在让 AI 编码智能体安全、高效地执行多步骤云操作。该仓库基于 agentskills.io 开放标准,目前收录 70 多项技能,涵盖安全审计、无服务器部署、BigQuery 优化等 8 个类别。技能采用渐进式披露模型,通过验证工作流、安全门控和上下文感知机制,防止智能体盲目执行破坏性命令。


推荐理由:这是 Google Cloud Skills 系列教程第一篇,从安装到触发讲得很细,把 Agent Skills 的“渐进式披露”和安全门机制都拆解了,适合想让 AI 编码代理帮你管云资源的开发者。