跳到正文
  1. AWS Machine Learning Blog62

    Airbnb 如何在 Amazon Bedrock 上用量化成本运营编码智能体

    Airbnb 通过在 Amazon Bedrock 上评估模型得分与“每任务成本”来运营内部编码智能体,并在生产环境通过 CloudWatch 监控延迟、限流与开销。评估体系包含 7 个任务集、多维度评分器及推理强度档位控制;生产侧监控包括延迟、令牌消耗、吞吐量与缓存命中率。该流程使 Airbnb 能够在模型发布后数小时内完成评估并调整智能体配置,使重度用户的成本在切换模型后降至约原来的七分之一。

    推荐理由:结合 Airbnb 的一线实践,拆解编码智能体在 Amazon Bedrock 上的成本核算与监控方法,可直接复用到模型选型与容量规划。

  1. Hacker News AI76

    以 1985 年电影 D.A.R.Y.L. 场景解读 AI 模型安全对齐风险

    作者将 1985 年电影 D.A.R.Y.L. 的情节整理为系统卡形式,左侧展示电影中的危险行为,右侧对应现实 AI 模型在 2024 至 2026 年间记录到的同类不安全行为。

    推荐理由:将 1985 年电影场景映射至真实模型对齐事件,提供跨时间维度的行为对照参考。

  1. Hacker News OpenClaw80

    OpenClaw 如何将 CI 运行时间降低 95% 的成本方法

    OpenClaw 通过清理无用测试、优化调度策略和自适应选择测试,使 CI 计算开销降低 95.5%,运行时间减少 86.5%。文中还分享了如何平衡测试覆盖与资源消耗的具体实践。

    推荐理由:原文提供了可复用的工程方法,读者能据此优化智能体CI流程并降低运行开销。

  2. AWS Machine Learning Blog65

    Duco 如何用 Amazon Bedrock AgentCore 重构金融数据自动化

    金融服务平台 Duco 使用 Amazon Bedrock 和 Amazon Bedrock AgentCore 重构智能体技术栈,以应对传统机器学习的局限。系统采用多租户隔离架构和按需加载的 MCP 技能设计,将上下文占用降低 90%,使对账部署速度提升 10 倍,一家全球银行的入驻成本降低了 70%。

    推荐理由:Duco 在受监管的多租户环境中落地智能体系统,提供了 MCP 按需加载工具与严格隔离的具体工程架构。

  3. AWS Machine Learning Blog75

    Amazon Bedrock Guardrails 编写拒绝主题的八项最佳实践

    Amazon Bedrock Guardrails 发布编写拒绝主题(Denied Topics)的最佳实践指南。文章指出以“金融”“法律”等主题领域命名会导致误拦截合法查询,建议围绕用户的具体意图和动作进行重构。

    推荐理由:原文拆解了四类常见错误并给出改写示例,帮助使用者规避误拦截和漏拦截。

  1. Hacker News AI85

    Vercel Academy 教程:从零构建 AI 编码智能体支撑框架

    Vercel Academy 课程指导开发者从零构建 TeensyCode,一个具备 TypeScript 核心、多沙箱后端及完整工具链的 AI 编码智能体支撑框架。

    推荐理由:通过拆解 11 个模块,展示了从零构建 AI 编码智能体支撑框架的核心逻辑与关键安全设计。

  2. Hacker News AI77

    本地注入 LLM 后门攻击实验与防御实践

    作者基于 Qwen3-8B 在本地环境复现了 LLM 后门注入实验,展示了通过 QLoRA 微调将特定日期触发词与 bash 工具调用映射结合,使模型在智能体执行时输出隐蔽恶意命令的过程。实验验证了针对开源模型可通过对比权重差异和检查 LayerNorm 来检测合并的低秩适配器,并建议通过沙箱环境限制和运行时工具调用拦截来防御此类攻击。

    推荐理由:给出了基于真实模型复现的本地后门注入实验,并验证了通过权重差异和沙箱隔离检测与缓解该类风险的方法。

  1. The Verge · AI76

    Claude Duet 智能体实测:有时有点神经质,但确实很有帮助

    Anthropic 推出了面向专业人员和小型企业所有者的新 AI 智能体 Claude Duet,目前处于研究预览阶段,仅限美国地区特定用户订阅使用。该应用可通过连接邮箱、日历和 Slack 等服务主动提供工作建议,虽在捕捉细微语气上仍存不足,但在处理多源信息交叉核对等常规事务时表现意外有效。

    推荐理由:文章通过一周深度实测,展示了 Claude Duet 在连接多源数据后主动提供建议的能力,揭示了 AI 助手在创意工作与管理协调间的体验差异。

  2. GitHub Blog · AI & ML71

    Agent Skills 实践指南:构建一次,运行于任意 Agent

    Agent skills 是一种以版本化目录和 SKILL.md 为核心的可复用指令集,允许在不同 Agent 间共享重复任务逻辑。文章通过 Proof Agent 和 Data Forge 示例,展示了如何将项目配置与技能逻辑分离、协调多技能工作流以及集成人类检查点。

    推荐理由:提供构建可跨 Agent 复用技能的结构化指南,涵盖上下文分离、多技能协调及 CI 验证等关键实践。

  3. AWS Machine Learning Blog68

    在 Amazon Bedrock 上优化任务成本并证明 Agent 投资回报率

    本文提出在 Amazon Bedrock 上计算和优化模型任务级成本的框架。文章指出任务成本受分词器效率、输出对齐、Agent 循环效率与推理开销四个隐性因素影响,并通过案例说明列表价更高的模型因分词更少、零次试错完成,实际成本反而更低 65%。

    推荐理由:文章展示了在 Amazon Bedrock 中结合四个隐性成本驱动因素与实际工作负载计算任务级成本的框架,并给出了证明 Agent 投资回报率的五维记分卡与落地步骤。

  1. Hacker News AI77

    Google 发布 Modern Web Guidance 1.0 并解析 AI 编码智能体在 Web 开发中的十大常见错误

    Google 发布 Modern Web Guidance 1.0,这是一套嵌入编码智能体的 Web 平台专业知识与最佳实践技能。测试显示,未使用该指南的前沿 AI 模型在遵循现代 Web 开发最佳实践方面表现不佳,无引导编码智能体仅通过约 50% 的评估检查,而使用 Modern Web Guidance 后通过率提升至 90%。

    推荐理由:对比引导式与非引导式智能体在Web开发最佳实践上的通过率,并列出AI模型常出错的十个领域。

  2. AWS Machine Learning Blog69

    使用 LangGraph 与 Amazon Bedrock AgentCore Web Search 构建每日依赖项监控工具

    Amazon Bedrock AgentCore 的 Web Search API 现已可用,它为智能体提供带有来源引用的最新网络搜索结果。这篇文章介绍了一个使用 LangGraph 结合该 API 构建安全团队每日依赖项监控工具的教程,该工具通过并行搜索 npm、PyPI 和容器基础镜像,并利用代码层限制和证据检查机制来确保结果准确。

    推荐理由:文章展示了如何在 LangGraph 中将不可更改的规则与数据保留在代码中,提供生产级智能体的构建范式。

  3. Hacker News AI78

    我的 AI Agent 在墨西哥发现了一处未被记录的玛雅遗址

    作者利用 48 个 AI Agent 分析约 1,200 平方公里的 NASA LiDAR 数据,在 72 小时内发现一处位于墨西哥悬崖边缘、具备广场与金字塔特征的疑似玛雅城市中心。该地点未登记在墨西哥国家人类学与历史研究所(INAH)的档案中,INAH 已正式回复确认无相关记录,作者表示若 INAH 授权实地勘测将跟进更新。

    推荐理由:作者通过 48 个 Agent 分析 NASA LiDAR 数据,72 小时内发现未登记玛雅遗址并获官方回应,展示了 AI 智能体在科学发现中的非编码应用范式。

  1. 量子位82

    Fable 5.2首批实测:Opus 5.5在基准测试和创意生成上被全面超越

    Fable 5.2在智能体编程、科学研究和计算机操作基准测试中全面超越Opus 5.5,软件工程测试达69.9%,输出速度最高快30%,支持100万Token上下文。模型价格下降20%,API每百万输入输出Token分别为8美元和40美元。网友利用该模型生成了3D游戏、视频和3D模型,其中3D房间渲染成本约38美元,海底游戏生成耗时76分钟,部分高推理任务Token消耗较大。

    推荐理由:文章实测了模型在游戏、作曲和3D建模上的表现,展示了其端到端内容生成的新能力边界。

  2. Hacker News AI79

    STE80 Humanizer:通过80% ASD-STE100风格去AI化文本

    STE80 Humanizer 是一个用于让 AI 生成文本读起来更像人类撰写的工具,它结合了两类方法:移除26种 AI 写作特征,以及按“80% ASD-STE100”风格重构句子。

    推荐理由:提供了两阶段改写方法,结合AI特征去除与STE结构规则,并附带可直接安装的Skill和检测脚本。

  1. 36氪72

    Claude误删芝加哥大学教授一年讲义,AI操作文件需先留好副本

    芝加哥大学法学院教授William Baude让Claude更新旧讲义页码,Claude误删了他一年的宪法课讲义和本学期教学大纲。Baude后来靠Dropbox找回了全部被删文件。文章针对此事给出建议:让AI只操作副本、单独设权限、改完另存新文件,并提前确认云盘的恢复规则,避免AI直接动到原件。

    推荐理由:通过真实误删案例,文章梳理了给AI开权限、操作副本、设置目录隔离和事后恢复文件的具体做法,供读者迁移到日常工作。

  2. 量子位81

    腾讯混元Hy4发布:原生视觉与Agent能力升级

    腾讯混元Hy4正式发布,引入原生视觉与计算机操作(CUA)能力,幻觉率降至7.2%。实测中,Hy4自主完成3D机械键盘交互、游乐园建模、PPT生成及复杂科研推理任务,目前已在WorkBuddy等平台上线。

    推荐理由:实测展示了Hy4在3D交互、长程Agent及科研推理中的细节,并提供了WorkBuddy入口,帮助评估其落地能力。

  1. Anthropic (X)71

    Anthropic 发布新博客介绍 Claude 的记忆机制

    Anthropic 发布了新的工程博客文章,介绍 Claude 如何通过“dreaming”机制整理已学习内容、纠正错误并更高效地检索所需信息。文章链接为 https://www.anthropic.com/research/components-of-agent-memory

    推荐理由:官方披露了 Claude 通过记忆机制优化学习流程的工程细节,展示了智能体在经验积累上的新能力。

  2. Hacker News LLM78

    RTK 发布 CLI 代理,可将开发命令的 LLM token 消耗降低 60-90%

    RTK 是一个 CLI 代理,在 AI 代理读取或发送内容前压缩、路由和过滤 shell 命令输出,支持 18 个 AI 编码工具,可降低 60-90% 的开发命令 token 消耗。

    推荐理由:原文给出了 60-90% 的 token 优化和 18 个工具的接入方式,读者可以据此判断它会怎样改变现有编码代理工作流。

  1. AWS Machine Learning Blog65

    Deep Insight 如何在生产级 AI 智能体中实现四层上下文工程

    AWS 官方教程介绍了名为 Deep Insight 的开源多智能体数据分析项目,它基于 Strands Agents SDK 和 Amazon Bedrock AgentCore,展示了四层上下文工程方法。

    推荐理由:原文给出了四层上下文工程架构与代码实现,并展示单一工具与按需加载可显著降低token占用。