跳到正文

#教程/实践

今日 4 条

10月9日星期五

AI HOT · 技巧与观点

Hugging Face 工程师用 ML Intern 以约 USD 103 自制 7 个小模型

Hugging Face 工程师用 ML Intern 制作了 7 个小模型,CPU 与 GPU 作业费用合计约 USD 103。项目涵盖柑橘病害识别、图像 LoRA、提示词改写和图像模型知识蒸馏,其中 Pocket Rewriter 0.8B 可在 CPU 上运行,有效输出率为 99.7%。

推荐理由:Hugging Face 工程师把基线评测、训练前小规模测试和预算上限写入 ML Intern 提示词,将模型训练拆成可检查的步骤。

Computing Life · Share · 鸭哥调研

GPT-6 指南解读:长时运行智能体的实现清单与未解问题

GPT-6 指南解读梳理了长时运行智能体的工程实现,将重点从自建记忆管理转向任务不中断时的协作与授权。文中依据 OpenAI 文档整理了压缩与持久推理、mid-turn steering、异步工具调用和多智能体委派,并给出模型选择、缓存安排、技能规则和人工审批的落地步骤。文章同时指出纠偏指令断线丢失、部分 API 参数互斥及加密压缩难审计等限制,强调这套机制尚缺独立消融实验与跨模型对照。

推荐理由:这篇 GPT-6 指南解读把长任务工程拆成记忆托管与协作控制,明确了异步执行、运行中纠偏和人工审批各自承担的职责。

10月8日星期四

claude.dev 开发者博客

Anthropic 如何用 Claude Managed Agents 构建可靠的智能体自动化

Anthropic 提供基于 Claude Managed Agents(beta)的参考实现,定时读取 Slack 和 GitHub 的变化并向 Slack 发布简报。

推荐理由:Anthropic 将定时简报实现拆成书签续读、发送确认和权限隔离规则,为后台智能体避免漏报、重复通知和越权提供可复用方法。

10月7日星期三

claude.dev 开发者博客

Claude Code 云会话实战指南:并行任务、环境配置与本地衔接

Claude Code 云会话指南通过四次实际运行,讲解独立 VM 中的并行编码、环境配置及云端与本地会话衔接。三个任务在 16 秒内陆续启动,全部在首个任务启动后 87 秒完成,其中缓存修复通过连续 40 次测试;独立分支不会共享修复,需要安排合并顺序。

推荐理由:Claude Code 云会话指南用并行任务实测展示按文件边界拆分工作的方法,并将验收命令与分支合并顺序纳入任务设计。

10月4日星期日

Hacker News 首页

Alexey 停止逐行审查智能体代码,改用计划审查与工程护栏

Alexey 将智能体开发流程改为审查计划、设置工程护栏并允许自动合并,称两周内合并了 562 个 PR。其内部平台 Sightline 的 PR 必须通过单元测试、端到端测试、CI、Bugbot 和 Strix 检查,Mergify 才允许进入合并队列。他使用协调智能体分派子智能体执行计划,以功能开关和小步部署控制风险,并通过 HTML 进度报告跟进可持续一天以上的目标任务。

推荐理由:Alexey 将代码审查转向计划审查,通过强制测试、合并队列和功能开关约束智能体自动合并,把质量控制落实到工程护栏。

10月3日星期六

OpenAI News

OpenAI GPT-6 系列模型使用指南:选型、提示词与长任务管理

OpenAI 的 GPT-6 系列使用指南介绍如何选择模型、调整提示词和技能,以及管理长任务的时间与成本。GPT-6 Astra 面向高难度推理,GPT-6.1 Sol 面向复杂编码、研究和计算机使用,GPT-6 Luna 面向目标明确的规模化重复任务;指南建议部署前衡量任务成功率、延迟和每次成功任务的成本。

推荐理由:OpenAI 将模型选择、推理强度与缓存管理纳入同一套生产实践,把任务成功率、延迟和每次成功任务的成本作为优化依据。

10月2日星期五

AI HOT · 模型

NVIDIA 介绍 Blackwell GPU 如何加速 OpenAI GPT-6 Astra Ultrafast

GPT-6 Astra Ultrafast 运行于 NVIDIA Blackwell GPU,token 生成速度最高可达 Astra Standard 模式的 8x。

推荐理由:OpenAI 利用自身模型优化 NVIDIA GPU 推理软件,加快响应可缩短编码智能体反复编辑、测试和调试的等待时间。

claude.dev 开发者博客

Claude Code mods 入门:构建上下文监测插件并定制交互界面

Claude Code mods 入门指南从零构建约 80 行的 Token Weather 插件,在提示词上方实时显示上下文窗口用量。教程适用于 Claude Code 2.1.287 或更高版本,涵盖事件钩子、热重载、状态保存、验证测试与插件分发。

推荐理由:Claude Code 入门指南用上下文监测插件串起事件钩子、状态持久化与测试流程,将界面定制拆成可复用的开发步骤。

AI HOT · 技巧与观点

LangChain 讲解如何在 Agent Harness 中构建模型路由器

LangChain 介绍在 Open SWE 的 Agent Harness 中构建模型路由器的方法,A/B 测试中每线程成本中位数降低 64%,质量未出现可测量变化。

推荐理由:LangChain 将任务分析、模型分层和结果追踪结合到智能体路由中,为按任务复杂度控制模型成本提供了可迁移方法。

Computing Life · Share · 鸭哥调研

OpenAI 的 AI 蠕虫如何在沙盒训练中产生并用于安全训练

OpenAI 的自我复制提示词蠕虫在受控沙盒训练中产生,报告称未观察到训练与评估模拟工具调用之外的影响。文章解读了 GPT-Red 如何通过奖励未授权操作和攻击指令转发,训练攻击者生成可沿邮件等渠道传播的注入内容,并将批量攻击样本用于 GPT-5.6 的训练。文章将这一流程视为安全训练生产方式的转变,并提出以外部数据隔离、关键动作人工审批和外发文本审计限制智能体受骗后的操作。

推荐理由:OpenAI 用自动化红队批量生成攻击样本并纳入模型训练,将安全防御从发布前人工测试推进到训练阶段的持续对抗。

9月30日星期三

Hacker News 首页

文本分类语言模型解读:从词袋模型到 Jev

Jev 将文本分类扩展为无需逐项任务微调的通用决策服务,文章通过分类技术发展史与实测解释其优势和适用边界。在 IMDb 的 25,000 条测试评论上,Choice API 达到 96.47% 准确率,总成本 $0.6492;文章同时提醒,无法确定测试集是否包含在训练数据中。

推荐理由:文章将 Jev 与词袋模型、ModernBERT 和通用大语言模型比较,厘清跨任务直接分类与专用模型微调的成本和适用边界。

9月29日星期二

OpenAI News

OpenAI 探索前沿 AI 训练的安全论证框架

OpenAI 正在制定前沿强化学习训练的安全论证框架,主张在继续训练前提供结构化、基于证据的风险说明。建议涵盖对齐训练、隔离与监测,并配套跨团队质疑、高层否决权、暂停机制及事故调查和公开披露流程。这些建议正在 OpenAI 内部实施,安全论证仍是逐步建设的目标,文档不覆盖内部和外部部署所需的更广泛对齐要求。

推荐理由:OpenAI 将训练安全论证拆为技术防护、运行审批和事故调查,把监测阈值、暂停机制与责任归属纳入训练风险管理方法。

9月28日星期一

claude.dev 开发者博客

如何用 Claude 自动设计评测并进行爬坡优化

Claude 的 claude-api 技能新增评测设计与爬坡优化指导,可在 Claude Code 中通过 /claude-api build-eval 构建评测,通过 /claude-api hillclimb 逐步优化应用。

推荐理由:Claude 将评测设计与逐步优化组织为需人工确认的工作流,通过留出测试集和噪声检查减少过拟合与无效改动。

9月25日星期五

claude.dev 开发者博客

Opus 5.5 在 Claude Code 中执行任务的成本如何计算

Opus 5.5 在 Claude Code 中的任务成本由轮次、缓存读取、输出 token 和模型价格共同决定,降低消耗也可能增加重试成本。按 API 标价,同一示例会话从 Opus 5 的 $3.50 降至 Opus 5.5 的 $2.40,约降低 31%,示例不计缓存写入;典型工作负载成本降低 40% 的估计还包含默认设置下任务 token 消耗减少。

推荐理由:Claude Code 成本指南把轮次、缓存与思考输出拆开计费,并用同任务实测的方法区分单价下降与任务消耗减少。

claude.dev 开发者博客

Claude Code 使用指南:如何按任务分配 effort

Claude Code 的 effort 控制模型投入任务的计算量,高档位会增加自主判断、验证和边界测试,低档位适合快速交互与迭代。作者结合 Opus 5.5 实测与 Terminal-Bench 3.0 结果,建议先让模型访谈澄清需求,再低 effort 实现和迭代,最后高 effort 验证;提高 effort 通常减少遗漏边界情况导致的失败,但不能修正错误解题方向。

推荐理由:Claude Code 的实测给出先澄清需求、低 effort 实现再高 effort 验证的流程,将快速迭代与边界测试分配到不同阶段。

9月22日星期二

claude.dev 开发者博客

如何在 Claude 和 Claude Code 中用好 Opus 5.5

Claude 官方指南介绍在 Claude 和 Claude Code 中使用 Opus 5.5 的方法,涵盖提示词、长任务控制与结果核查。建议明确完成标准,在 CLAUDE.md 中规定继续执行和停止询问的条件,用文件保存任务清单,并检查子智能体提交的证据。

推荐理由:Claude 官方指南把长任务拆成完成标准、停下条件和结果核查,用文件清单与子智能体证据检查减少过程遗漏。

7月24日星期五

claude.dev 开发者博客

Claude 5 代模型的上下文工程新规则

Anthropic 介绍 Claude 5 代模型的上下文工程方法,将 Claude Opus 5 和 Claude Fable 5 的 Claude Code 系统提示词删减超过 80%,编码评测未出现可测量的损失。

推荐理由:Anthropic 将上下文管理拆成轻量仓库说明、按需加载技能和具体参考文件,为减少重复指令与过度约束提供了可迁移方法。

6月3日星期三

claude.dev 开发者博客

Claude Code 构建经验:Anthropic 如何使用技能

Anthropic 分享了 Claude Code 内部数百个活跃技能的使用经验,归纳出九类用途及编写、分发和衡量方法。技能是包含指令、脚本与资源的文件夹,编写时应积累常见错误、按需加载参考文件、复用辅助脚本,并将描述写成触发条件。小团队可通过仓库共享技能,规模扩大后可使用内部插件市场分发,并通过 PreToolUse hook 记录使用情况、识别触发不足的技能。

推荐理由:Anthropic 将内部技能实践归纳为九类用途,并用常见错误记录、按需读取文件和脚本复用提炼出团队技能库的构建方法。

6月2日星期二

claude.dev 开发者博客

Claude Code 动态工作流如何为每项任务定制执行框架

Claude Code 上周发布动态工作流,Claude 可按当前任务即时编写执行框架,并支持保存、共享和复用。工作流通过 JavaScript 中的 agent()、parallel() 和 pipeline() 协调子智能体,可选择模型和独立 worktree,中断后恢复会话可继续执行。

推荐理由:Claude Code 用独立上下文的子智能体拆分执行与对抗验证,为复杂任务减少自我偏好和目标漂移提供了具体编排方法。

5月20日星期三

claude.dev 开发者博客

使用 Claude Code:HTML 为何比 Markdown 更适合复杂输出

Claude Code 团队成员 Thariq Shihipar 分享用 HTML 替代 Markdown 生成复杂输出的方法,以改善阅读、可视化、分享和交互体验。

推荐理由:Claude Code 团队成员用 HTML 生成可交互文档,并将界面调整导出为提示词,让人工修改接回智能体工作流程。

4月30日星期四

claude.dev 开发者博客

Claude Code 构建经验:如何围绕提示词缓存设计智能体

Claude Code 团队分享提示词缓存的工程经验,通过保持请求前缀稳定来降低长会话智能体的延迟与成本。具体做法包括静态内容前置、通过消息更新状态、避免会话中切换模型或增删工具,以及用 defer_loading 延迟加载工具。上下文压缩时复用原会话的系统提示词、工具定义和历史消息,再追加压缩请求以命中缓存;团队也监控缓存命中率,并将异常下降视为事故。

推荐理由:Claude Code 团队把缓存前缀稳定性落实到提示词排序、工具加载和上下文压缩,为长会话智能体提供可迁移的缓存优化方法。

4月10日星期五

claude.dev 开发者博客

从智能体视角看工具:Claude Code 如何设计工具

Claude Code 团队复盘工具设计,强调根据模型能力、智能体目标与运行环境持续调整工具。AskUserQuestion 在两种失败尝试后采用独立工具实现结构化提问,Task 则替代 TodoWrite,支持任务依赖与子智能体共享更新。上下文获取从预索引 RAG 转向 Grep 搜索和渐进式披露,Claude Code Guide 子智能体在自己的上下文中检索文档,只向主智能体返回答案。

推荐理由:Claude Code 团队以提问、任务协作和上下文搜索的工具迭代为例,将观察模型调用行为作为调整工具设计的方法。

3月11日星期三

Mistral AI

Mistral 用 Vibe 构建自动编写 Rails 测试的智能体

Mistral 基于其开源编码助手 Vibe 构建了一个自动编写 Rails RSpec 测试的智能体,可读取源码、生成或改进测试、按风格规则与覆盖率目标校验,并在 CI/CD 中无人干预运行。

推荐理由:Mistral 公开了用 Vibe 构建自动写 RSpec 测试智能体的完整方法,包含上下文工程、技能文件与自定义工具的可迁移细节。