基于 bash、curl 和 jq 的 62 行极简 AI 编程智能体教程
教程展示如何用 62 行代码在 bash、curl 和 jq 中构建支持工具调用的 agentic harness。 兼容任意 OpenAI 端点(含本地模型),需 OpenRouter API key 或等效配置,MIT 协议开源。 脚本 03-Harness.sh 允许模型自主执行命令,作者警示该步骤无确认机制,应在隔离目录运行。
教程展示如何用 62 行代码在 bash、curl 和 jq 中构建支持工具调用的 agentic harness。 兼容任意 OpenAI 端点(含本地模型),需 OpenRouter API key 或等效配置,MIT 协议开源。 脚本 03-Harness.sh 允许模型自主执行命令,作者警示该步骤无确认机制,应在隔离目录运行。
作者认为直接让 ChatGPT 和 Claude 回答同一问题只会得到语气不同但实质相似的自信答案,更有效的方法是让第二个 AI 评审第一个 AI 的回答。作者提供了一套包含具体任务的提示词模板,要求评审者指出哪些观点站得住脚、哪些站不住、遗漏了什么以及会如何不同回答,并特别要求如果完全认同则简短说明,以避免模型无意义地挑剔。
Visokio 团队用 16 个基于 Claude 的研究智能体加上编辑和旁白,每周自动运行一小时新闻聚合。每集阅读约 420 页,处理 283 条候选新闻,保留 47 条并生成带音频的个人播客。
推荐理由:原文明确展示了这套多智能体工作流在成本与效果上的权衡,读者可借鉴其架构设计用于自身场景。
Journal of Quantitative Description: Digital Media 开启特殊工作流问题征集,试点将 AI 融入科研发表流程。 编辑通过共享 skill 文件让 LLM 预审手稿,作者需迭代直至模型批准。 旨在提升稿件质量与审稿效率,同时保持人类判断在学术出版中的核心地位。
该资源列表定期更新,涵盖 AI 对齐与控制的核心概念,包含动机、书籍及技术综述分类。 最后更新于 2026 年 10 月,收录 Dario Amodei 及 1300 多名前沿 AI 公司员工签署的声明。 提供从大众科普到技术深度学习的结构化资源,支持社区反馈完善。
Busabase 团队总结了让 AI Agent 真正适配团队协作的核心方法论,提出让 Agent 保持无状态、将记忆集中存储在团队的上下文数据库中,并主张按权限而非按岗位拆分 Agent。文章结合其五代落地实践及三家合作团队的真实案例,提出了一套团队立即可执行的检查步骤,核心原则是把判断权保留给人。
Reticle 是一款验证 AI 编码智能体输出的工具,通过部署应用内 SDK 驱动真实运行中的应用,读取网络请求、状态和控制台日志,给出带文件行号证据的验证结论(通过、失败或无法判断)。它支持保存验证流程以便无模型确定性重放,并集成了 CI 门禁功能,开源协议包含 Apache-2.0 和 FSL-1.1-ALv2,支持 Chrome、Electron 和 Tauri 环境。
推荐理由:Reticle 引入应用内 SDK 验证机制,解决 AI 编码智能体缺乏验证反馈的痛点,支持无模型重放。
作者通过三个生产级杠杆降低AI智能体的Token支出:用低成本模型预筛选搜索结果以压缩上下文、根据V模型将昂贵推理仅用于任务边缘、以及部署LLM代理进行智能路由。实测数据显示,该策略使上下文接收量减少40%。
laya-delegate 管道结合 RTK 输出过滤与 Laya 路由委托,将编码任务调查转移至 Haiku 子智能体,并压缩大块文件读取。在 Claude Opus 5.5 的 SkillsBench 基准测试中,总成本从 3.587 美元降至 3.088 美元,降幅达 13.9%,且奖励值维持在 0.81。
一位用户表示,其在家用电脑本地运行 Codex 的体验优于 Codex’s Dots、Muse 和 Grokbot 等专用个人 Agent。 本地 Codex 能使用已登录的浏览器、访问文件和应用,甚至可浏览 Reddit、分享截图并协助回复。
作者对比了 Brave Leo、Duck.ai、Proton Lumo、Confer 和 Venice 等隐私 AI 助手。 对比维度包括账户要求、消息保留、提供商访问权限、加密及身份保护。 文章根据威胁级别将这些工具分为基础版和增强版两类。
作者利用本地 GPU 在 Ollama 中运行 Row-Bot 5.0 和 Qwen3.8:27b,全程无云依赖。模型成功识别出虚构账单中的水费异常及租金涨幅违反 5% 上限条款。在 5090 GPU 上推理速度约 15 tok/s,部分响应耗时超 2 分钟。
Qoder 通过 Harness 层工程优化缩短 Fast 档位的用户等待时间。文章解释了优化机制,包括将字节码解析移至构建时、后台化身份初始化、预热 Git 上下文,以及利用前缀缓存和按需加载 MCP 工具定义来减少推理开销。在执行层面,通过流式调度实现工具并行运行,并建立基于调用 ID 的中断恢复机制以保留已确认的执行进度。
豆包工作官方发布学术科研实战教程,覆盖 Origin 绘图、COMSOL/MATLAB/ANSYS 仿真、文献调研、论文精读、写作润色、投稿审查及组会汇报 7 个场景。
推荐理由:通过 7 个科研场景的实操案例,展示了如何利用豆包工作配合 Skill 工具,实现从文献检索、论文精读到仿真建模的自动化流程。
MiniCPM-V 团队开源了前瞻专家调度(LES)技术,首次实现35B-A3B规模MoE模型在iPhone 18 Pro Max上以超过20 token/s速度实时无损运行。该系统通过预测下一层专家提前加载权重、优化存储布局与混合精度量化、结合DSpark批量验证,在M4 iPad上以3GB内存配置实现了9.6 token/s的解码速度,相关代码已在GitHub开源。
推荐理由:原文给出了调度、存储和计算三层系统的具体设计,读者可以据此理解35B MoE模型如何在不增加训练成本的情况下实现端侧实时运行。
tmux 通过命名且可分离的会话支撑长运行的 AI 编码智能体,使其在终端关闭或 SSH 断开时保持存活。Claude Code 最新版本可通过 `claude --worktree --tmux` 命令自动创建隔离环境与会话,但该功能仅限单智能体场景。
爱好者使用 Claude 等 AI 编程工具为 Elektron、Roland、Ableton、Akai 和 Novation 设备编写定制固件。原本需数月深度专业知识的固件修改,现在数周内即可发布。这一变化让 $70 的 M-Vave FM-1 合成器能在几天内变成完整的 groovebox,极大改变了用户对音乐硬件的掌控能力。
企业可通过在自有服务器上部署 Apertus 等开源权重模型实现 LLM 主权,避免依赖商业 API 带来的隐私和弃用风险。 Apertus 8B 模型采用 BF16 格式,需至少 32GB GPU 显存;测试基于 1 块 48GB Nvidia RTX A6000,使用 vLLM 框架并启用 thinking 模式。 该方案将数据保留在内部网络,确保核心资产私密且受控。
deep-sense.ai 提出 Agent 系统可靠性评测框架,强调在投产前构建数据集、固定执行环境、验证行为路径并建立可信指标。该方法主张将数据集从手工编写扩展到生产数据,利用 pass^k 替代 pass@k 以确认可靠性,并通过行为验证和锚定 LLM 评审来降低重构风险。
作者经过三周实践,推荐在 Vite 新项目中将 Vite+ 放入给 AI 的首个提示词。该工具链通过 vp 命令统一管理创建、检查、测试和构建,将原本分散在 ESLint、Prettier 等多处的配置整合。实测显示,在 monorepo 中 CI 时间从 4 分钟缩短至 50 秒,pre-commit 检查从 11 秒降至 2 秒以内,且简化了 Agent 对验证流程的理解。
推特用户 @ashen_one 正在利用 AI 辅助,基于虚幻引擎 5.8 开发非官方、非商用的《恶霸鲁尼》重制粉丝项目。 项目全程公开,演示视频显示当前版本在 Mac 设备上 1080P 分辨率可达 45 帧,性能将随迭代提升。 项目目前处于开发阶段,需按 GitHub 指引手动部署,开放给其他爱好者共同完善。
Claude Code负责人Felix Rieseberg认为,使用AI时应该更具野心,并分享了一套名为“有野心的方法”的教程,教读者如何通过设定更高难度的目标、深度挖掘数据和引入多领域视角,让AI解决更复杂的问题。
Runtype 推出 Judge Mode(预览版),利用 Jev 决策模型替代 @mention,让 AI 智能体在 Slack 频道中自主判断何时介入。Jev 以约 $0.04/百万 token 的成本对每条消息进行评分,仅在超过阈值时唤醒智能体并自动关联历史上下文,支持零数据保留(ZDR)。
该 GitHub 项目通过 Markdown 链接实现一键触发 Grok、Claude、Codex 进行 PR 审查,无需配置 API 密钥或 CI 流程。 核心逻辑由一个 Node 脚本、GitHub Actions workflow 及特定标记字符串构成,参考实现为 tdk-cli-core。
Red Hat 软件工程部总监 Christian Schaller 使用 Claude Code 加速 Linux 驱动开发,在数小时内完成扫描仪后端基础功能,数天内实现红外扫描等近乎完美的功能。该方法不反编译专有代码,而是通过 hw-harness 工具包捕获 Windows 虚拟机中的设备流量与 Linux 端流量进行对比,让 AI 分析差异并生成修复代码。
该插件 PreToolUse 钩子校验 Edit 等写操作,但其他写入路径不受限,且服务器故障时默认放行。 项目采用 MIT 协议开源,解决协调问题,但集成测试与分支合并仍需人工介入。
作者使用 Claude Opus 5.5 和 Suno 制作了一部 122 个镜头的 AI 音乐视频,发现泛泛的反馈(如“更大胆”)效果有限,而具体的视觉细节描述和提供参考示例能显著提升质量。作者强调,将改进过程保存为“技能”(Skills)可避免下次从零开始,并建议通过示例而非单纯描述来引导 AI 生成更优结果。
GitHub Copilot 允许用户直接在 VS Code 中打开并继续其 App 端会话,无需重建上下文。 点击“Open in VS Code”即可加载包含任务、计划和对话记录的完整会话,项目通过关联的 worktree 隔离运行。 开发者可在编辑器中手动修改代码、运行本地测试,并继续向 Copilot 提问或推送更新至 Pull Request。
MinnaLearn 与赫尔辛基大学推出免费在线课程《Elements of AI》,旨在普及 AI 知识。课程结合理论与实操,支持自定进度学习,面向广泛受众。该课程帮助人们理解 AI 能力边界并启动 AI 方法创作。
该项目发起“Let's Play Interpretability” Twitch 直播,观众与 Claude 协作自主解读 Bonsai-8B 大语言模型的神经元、连接及电路。
Deepgram 将 Nova-3 语音转写模型移植至 AWS Trainium2,单实例运行 8 个模型副本,批量处理音频成本降低 11–70%。 采用 TorchNeuron 编译消除 CPU 回退,替换 NKI 内核并微调 FFN 与卷积层,在 batch size 96 时实现 2.0 倍至 50 倍速度提升。
TwelveLabs Pegasus 1.5 在 Amazon Bedrock 上线,该视频语言模型支持单次分析长达 2 小时的视频并输出带时间戳的 JSON 元数据。 新增多模态提示、视频分段及实时处理功能,支持从 Amazon S3 URI 或 base64 字符串直接输入,无需预索引,数据保留在 AWS 边界内。
NVIDIA DGX Spark 专为本地运行 Agent 设计,搭载 GB10 Grace Blackwell 芯片,具备 1 PFLOP FP4 算力。 设备配备 128GB 一致性内存,支持 2000 亿参数推理与 700 亿参数微调,预装 NVIDIA AI 软件栈。 10月23日,智猩猩联合紫光晓通举办专场,分享 DGX Spark 本地部署最佳实践,降低云端依赖。
用户 New_Alps_5655 开发了一款 LLM 内部探索仪器,整合 jspace、j++、LARQL/VINDEX 及 Cammarata 的 neuron poles 研究。
多名开发者通过 AI 智能体(如 Claude Code)编写提示词,实现了对小米、索尼、LG 等品牌智能电视的系统级改造,主要功能包括彻底移除强制广告、替换低效启动器、停用后台追踪功能以及定制个性化主屏幕。
Dismodels 提供统一平台供用户调用 AI 模型、作为训练师优化模型并获取收益。 支持 VS Code 扩展集成及 API 接入,训练师可创建 Lesson Pack、发布 LoRA 并参与基准测试。 平台包含开发者 API 快速入门、训练师专属 API 接口及完整的端点参考文档。
提出一种通过让模型评估任务可行性概率而非二元判断的 RLHF 改进策略,旨在减少模型幻觉与奖励攻击。 评分机制包含部分答案得分、对不可能任务做出正确概率校准及推理过程奖励,并由第三方 LLM 在 RLHF 完成后进行再评估。 该方案通过识别误标记任务建立价值对齐,为后续开发更强的诚实模型提供可验证的训练路径。
vLLM 引入双向 KV 缓存传输功能,让 prefill-decode 分离部署中 decode 节点保留已生成的 KV 缓存并反向传回 prefill 节点,避免多轮对话时重复计算上下文。在 Amazon EC2 P5en 实例的 1P1D 基准测试中,开启该功能后 Qwen3-32B 的 TTFT 最高降低 1.6 倍,zai-org/GLM-5-FP8 最高降低 3.3 倍。
主流云端 AI 助手默认开启模型训练,且数据删除难以彻底,而开源权重模型(如 Gemma、Llama、Qwen)现已能在手机本地运行。 作者开发了隐私应用 Merrin,利用本地推理确保对话、记忆及记录完全保留在用户设备上,支持离线使用且无服务器副本。 该设计消除了数据泄露与商业滥用风险,用户可完全掌控记忆存储与删除,实现真正的数字隐私保护。
探讨如何在本地环境中选择适配 GPU 或 Mac 的开源模型。 关注不同硬件配置下模型的运行速度与性能表现。