JioStar 首席架构师谈 5 亿用户规模下的 AI 内容发现
JioStar 用 OpenAI API 在 JioHotstar 中构建了对话式视频与板球数据发现助手,支持超过 15 种语言,由小团队约八周完成上线。该平台服务超 5 亿用户,曾支撑 7250 万并发直播体育观众,超 60% 用户偏好语音而非文字输入。团队将准确性、延迟与成本视为三方权衡,并强调评估体系与领域专家在投产中的关键作用。
JioStar 用 OpenAI API 在 JioHotstar 中构建了对话式视频与板球数据发现助手,支持超过 15 种语言,由小团队约八周完成上线。该平台服务超 5 亿用户,曾支撑 7250 万并发直播体育观众,超 60% 用户偏好语音而非文字输入。团队将准确性、延迟与成本视为三方权衡,并强调评估体系与领域专家在投产中的关键作用。
Gilbert + Tobin 引入 ChatGPT Enterprise、ChatGPT Work 和 Codex,将 AI 应用从个人辅助推进到多步骤智能体工作流,并由人员负责审核和批准。
这篇文章我没能看到正文,微信页面显示环境异常需要验证。从已有的英文摘要看,作者许晓斌提出了一个判断:用 AI Agent 做开发,能把从“有想法”到“出代码”的周期从几周甚至几个月压缩到几分钟。他举了几个例子,包括用 Agent 搭周报系统、多角色 Agent 协同开发、自动配镜像仓库。
推荐理由:作者许晓斌结合自身实践提出,AI Agent 可将从想法到出代码的周期由数周乃至数月压缩至几分钟,并给出周报系统、多角色协同等落地场景。
周志伟分享了一套项目管理方案:用两个 Git 仓库,配合 AI 编程助手、Shell 和 Python,把催周报、搬数据、画图表、出工程效能报告这些事自动化了。正文没披露具体实现细节和验证数据,但按他的说法,至少能省掉 80% 的手工跟进和报表工作。
推荐理由:周志伟用两个 Git 仓库配合 AI 编程助手和脚本,把催周报、搬数据、出效能报表这些流程自动化,提供了一套可迁移的项目管理改造方法。
这篇文章讲的是阿里技术专家吕若凡提出的 Agent Room 模型。核心想法是不再让 AI 智能体各干各的,而是把它们放进一个共享上下文、任务账本、记忆和产物的“房间”里协作。文章用两个软件工程案例做了验证,说明这套系统不是简单地把任务分发给不同模型,而是让它们能基于共享信息做出协作判断。
推荐理由:阿里技术专家吕若凡提出 Agent Room 模型,让多个 AI 智能体在共享上下文与任务账本中协作,并以两个软件工程案例说明其如何从跑流程转向协作判断。
这篇文章因为微信环境异常,正文内容没抓到,只看到标题和作者信息。标题说会讲 Agent 的原理分析和从零搭建个人助手的实践,作者是 Zhan Xupeng,预计阅读时间 50 分钟,属于长文干货。
推荐理由:作者 Zhan Xupeng 用一篇长文拆解 Agent 的记忆、ReAct Plan、skill 加载与 subagent 分工等设计,并给出从零搭建个人助手的实践路径。
许晓斌在内部访谈里给了几个数:工程师重度用 AI 后,写代码占工作时间从 30% 掉到 5%,跟 Agent 对话的时间从 5% 涨到 60%,端到端交付效率提升 2 到 3 倍,纯编码效率提升 10 倍。这些数字来自内部访谈,不是大规模统计,样本量和统计口径正文没披露,所以我会先打个折看。
推荐理由:阿里许晓斌在内部访谈中给出工程师用 AI 后的时间分配变化,写代码占比从 30% 降至 5%、与 Agent 对话升至 60%,并提到端到端交付效率提升 2 到 3 倍。
OpenAI 自己出来解释了 GPT-5.1 之后模型爱用“哥布林”“小妖精”打比方的怪癖是怎么来的。根子出在“书呆子”这个个性定制选项上:训练时给这个风格打分的奖励模型,对带幻想生物词汇的输出格外偏爱,76.2% 的数据集里都给更高分。虽然选“书呆子”的用户只占 2.5%,但贡献了 66.7% 的“哥布林”出现次数。
推荐理由:OpenAI 解释 GPT-5.1 爱用哥布林打比方的来源,训练中给书呆子风格打分的奖励模型对幻想生物词汇格外偏爱,76.2% 的数据集里给更高分。
这篇文章来自腾讯技术团队的一次实践复盘,他们用 Claude Code 搭配自定义的 Skills、Commands 和 MCP 服务器,把后台开发的 11 个步骤串成一个终端里的流水线。需求探索这一步花了 20 次工具调用、9.38 万 token、56 秒;执行阶段拆成 4 个任务,产出了 3 次代码提交。
推荐理由:腾讯工程师用 Claude Code 配合自定义 Skills、Commands 和 MCP 服务器,把后台开发 11 个环节串成一条终端流水线,并给出需求探索阶段的工具调用次数与 token 消耗。
OpenAI 宣布扩大“网络可信访问(TAC)”计划,并发布 GPT-5.4 的一个变体 GPT-5.4-Cyber,这个模型在网络安全任务上放得更开,专门给经过身份验证的防御人员使用。目前计划覆盖数千名个人防御者和数百个负责关键软件安全的团队。文章说,AI 帮防御者更快发现和修复漏洞,但攻击者也在用,所以不能等风险到某个临界点再行动。
推荐理由:OpenAI 将 GPT-5.4-Cyber 开放给通过身份验证的安全防御人员,并把网络可信访问计划扩至数千名个人防御者和数百个关键软件团队。
OpenAI 今天宣布完成了一轮 1220 亿美元的融资,投后估值 8520 亿美元。这轮由亚马逊、英伟达、软银领投,微软、a16z 等也继续跟投,还首次通过银行渠道向个人投资者募了超过 30 亿美元。公司同时把循环信贷额度提到了约 47 亿美元,但正文说目前还没动用。
推荐理由:OpenAI 完成 1220 亿美元融资,投后估值 8520 亿美元,亚马逊、英伟达、软银领投,并经由银行渠道向个人投资者募资超 30 亿美元。
OpenAI 发了篇论文,核心结论是:现在最强的推理模型,都没法很好地控制自己的“思考草稿”(思维链)。他们搞了个叫 CoT-Control 的测试,用 13000 多个任务去要求模型在思考时遵守特定规则,比如全程用小写字母、避开某个关键词。结果所有被测模型的遵守率最高只有 15.4%,最低的甚至只有 0.1%。
推荐理由:OpenAI 用 13000 多个任务测试推理模型能否按指令约束思维链,所有模型遵守率最高仅 15.4%,最低 0.1%,为理解推理模型的可控性边界提供了实测数据。
OpenAI 和微软在 2026 年 2 月 27 日发了份联合声明,核心就一句话:两家公司的合作条款没变。声明直接回应了 OpenAI 当天宣布的新融资和新合作伙伴(包括亚马逊),强调这些动作都在现有协议框架内。具体来说,微软对 OpenAI 模型和产品的独家 IP 许可依然有效。
推荐理由:OpenAI 与微软在联合声明中确认合作条款未变,回应了前者当天宣布的新融资和包括亚马逊在内的新伙伴,微软对 OpenAI 模型与产品的独家 IP 许可依然有效。
黄仁勋在达沃斯论坛上把 AI 产业链拆成五层:能源、芯片与算力基建、云数据中心、模型、应用。他说 2025 年全球风投砸了超过 1000 亿美元,大部分钱流向了 AI 原生公司,重点在应用层和基建层。他举了个具体例子:美国护士缺口大概 500 万,AI 可以先把病历记录和转录这类活接过去。
推荐理由:黄仁勋在达沃斯把 AI 产业链拆成能源、芯片算力、云数据中心、模型、应用五层,并给出 2025 年超 1000 亿美元风投的流向分布,为理解当前 AI 投资结构提供了一套分层框架。
Fidji Simo 宣布几周后出任 OpenAI 应用 CEO,文章核心观点是 AI 应该把知识、健康、创作、经济自由和时间这六样东西铺给更多人,而不是让少数人更富。
推荐理由:Fidji Simo 几周后出任 OpenAI 应用 CEO,并撰文提出 AI 应把知识、健康、创作、经济自由和时间带给更多人,这条呈现 OpenAI 应用业务负责人的公开主张。
OpenAI 在 2024 年 12 月 13 日发了一篇博文,直接贴出邮件记录和时间线,回应马斯克的法律诉讼。
推荐理由:OpenAI 公开邮件时间线回应马斯克诉讼,其中显示马斯克 2017 年就提出想要营利公司并要绝对控制权,是了解双方分歧起点的一手材料。