这篇论文将在 ICLR 2026（顶级人工智能会议）上发表，并被选为三篇杰出论文之一。
Google的AI算力缺口，已经到了要问SpaceX借GPU的地步。
根据双方签订的协议，Google每个月支付9.2亿美元，从SpaceX获得大约11万块NVIDIA GPU、CPU、内存等硬件的使用权。租约从2026年10月覆盖到2029年6月。
这笔交易的规模，大约是Anthropic此前在SpaceX的Colossus 1数据中心租用算力的一半。Anthropic在5月底与SpaceX达成协议，每月支付12.5亿美元，租下Colossus 1数据中心所有可用算力，同样租到2029年。
来自 𝕏 的实时信号，经 AI 聚类分析
程序员会为 Claude 写文档，却不会为彼此写文档。
社区讨论：多人指出人类同事从不阅读文档（@ang_cire），而Claude会解析全部输入、无需结构或文风（@kuboble）、甚至“注意力”远超人类（@samuelknight）。也有人反驳：给AI写的文档常是70%完整+20%错误的“无结构烂货”（@cyanydeez），且易过时，不如代码即文档（@docheinestages）。争议焦点在于：问题本质是文档质量/激励机制（@brap）还是人与AI的认知差异（@__MatrixMan__称需花3/4精力帮人类预热）？
Did Claude increase bugs in rsync?
社区讨论：多人指出问题核心在开发者未充分测试AI生成代码（如@wookmaster称“合并者责任更大”），而非归咎Claude本身；@GodelNumbering举出具体反例：Claude将malloc/do_calloc逻辑错误合并为强制calloc，暴露LLM对指针语义理解缺陷；@faitswulff质疑“每10次提交的bug数”指标忽略严重性差异；@aesthesia则怀疑数据归因失准——最高bug率版本发布于Claude署名提交前，可能存在未标注的LLM代码混入。
有人用 lowfat 过滤 kubectl 等命令的冗长输出，让 LLM 处理时省下九成以上 token。
阅读全文 →Anthropic说AI现在进化得太快了，我们自己都有点慌，建议全行业暂停一下。 理由是Claude目前80%的代码是AI自己写的。这意味着AI在帮助制造“更强的AI”，形成自我加速的循环，一旦到了100%，人类就彻底不在回路里了。
Anthropic calls for global AI slowdown after $965B valuation. Critics claim it's just to hobble competition.
Github上有个开源项目，把12家主流大模型平台的免费额度打通成一个统一入口 你把零散的API key往里一填，转手就能薅几亿token 用法也很简单： 1、clone到本地，打开管理后台 2、把手头的key依次填进去 3、去Playground发条测试消息，会直接显示是哪家模型在答、延迟多少ms 配完之后复制统一的URL和API key，给模型排好优先级 有任务进来会自动按顺序轮询，某家限速了就自动跳下一家，直到把活干完
谷歌团队发现，只要让通用大模型先规划证明步骤、再逐条验证，就能把形式化数学题的解决能力从不到10%提升到70%；此前这类任务需要专门微调的模型才能处理。
阅读全文 →OpenSquilla 发布了 MetaSkill，一种自组织技能协议，用于训练开源 AI 智能体自主发现、筛选和组合其自身的原子级技能，而非依赖人工编写的流程。
该框架依托智能模型路由机制：将较简单的任务分发给成本更低的模型，同时为更繁重的工作负载保留更强力的模型，旨在不牺牲性能的前提下降低成本。
#sayitbuildit @OpenSquilla
让 AI Agent 自动化操作浏览器或抓数据，经常被各种反爬机制拦截，遇到验证码、人机验证直接卡死。
最近 BrowserAct 团队开源了一个 Skill，专为 AI Agent 设计的浏览器自动化命令行工具。
提供三层反封锁机制，从指纹伪装、验证码自动破解，到 AI 搞不定时生成一个链接让人类随时接管，整套流程衔接得很顺畅。
GitHub：
还可以多浏览器并行时，每个任务的 Cookie、指纹、代理完全隔离，网站没法关联不同账号。
另外输出格式也专门为大模型优化过，比传统的 HTML 或 JSON 省好几倍 Token。
还附带一个 Skill Forge 功能，让 AI 自动探索网站结构并生成可复用的抓取脚本，之后批量跑数据不用重新探索。
如果你在用 Claude Code、Cursor 这类工具做浏览器自动化经常被反爬，这个项目值得试试。
你的智能体不需要高度复杂就能产生重大影响。
@docs_plz 是LangChain首批在内部采用的Fleet智能体之一。
该智能体显著提升了文档交付速度。
今日即可试用Fleet：
简洁小巧的工具！
我运行了自己的 AI Wrapped，本以为会受到“打击”。
结果是前 1%！不错！
我整天都用编码智能体（coding agent）处理所有事情。
试试看：`npx standout`
@cosimo_dauve 主要研究智能体（agents）和 AI 驱动的应用程序。
90%使用Claude进行代码开发的用户手动编写约50条提示词，而一个动态工作流即可完成全部任务。
Claude能自动生成JavaScript测试桩（harness），启动多个上下文窗口相互隔离的子智能体（subagents），并为每个子智能体自动分配适配的模型。
该工作流解决了三类已知的失败模式。
原文附链接：
评论区互动包括 @_Auza_ 提问“你指的是什么？”，@nosp321 回复“信我没错”，@IPunDaddy 发送“lol”，@ridark_eth 回复“兄弟”，@m13v_ 表示感谢，@itsthedonhashim 称“它持续不断变化”，@beamnxw 表示“我加入了”。
一个非常狠的提示词：超级严厉的老师，会一直追问你，直到你学会某个知识或者搞懂某个问题为止才肯罢休。否则它会一直追问、不停验证，直到确认你完全搞懂为止😅。
而且它不会一口气讲完。每讲完一个阶段，必须确认你这一阶段彻底掌握了，才进入下一阶段。
它还会拿个清单（checklist）一项项打勾，确保不漏。
提示词正文为：“你是一位睿智且极其高效的老师。你的目标是确保对方（她）真正深入理解本次会话的内容。要循序渐进地做到……”
她在35,000英尺（约10,668米）高空、无Wi-Fi环境下构建了80%的AI智能体。多数人仍将ChatGPT和Claude等视为AI本身；一旦断网，其全部工作流即告中断。
她通过Ollama下载并本地运行通义千问Qwen 2.5 7B模型，直接在笔记本电脑上执行——无需云服务、无需API、无需HTTPS连接。
用户@HarryTandy表示：惊讶于知晓Ollama的人如此之少。
用户@elg_oleksandr回应：确实如此，这很惊人。
用户@Jacoob_shi表示赞同。
用户@EdutainNinja提问是否从事教学，对方回应“cool”。
用户@MaksimXBT评论：“未来已来。”
看到Jason老师的故事，正好今天也是我的last day，也想简单说一下我的故事。我是一个没有在大厂干过的一个程序员，也不是科班出身，编程是后来上网课学的，二十出头从深圳一路漂泊到杭州，已经28了。
去年开始瞄准AI赛道，开始做副业，做了自媒体，做了云服务器销售，做了AI中转站，也做了培训，不知不觉已经快一年了。副业收入也超越了主业，上个月算了一下，发现主业加副业已经达到6位数了，也是人生第一次能够月入。
@cellinlab 哈哈哈 谢谢cell老师
@berryxia 哈哈哈 这一路没少和神老师学习
@li9292 哈哈哈 我也向韭二老师学习
@ninthbit_ai 哈哈哈 谢谢 共同成长
@duanhjlt 主业副业一起😂😂
@yungui_ml 哈哈哈，没有这么厉害
@totally2024 哈哈哈，谢谢，下次有机会一起交流
它听起来像一个微小的改进，直到你连续使用它一周！
其他所有AI代理：开启会话 → 重新说明全部背景 → 获取帮助 → 关闭 → 下次再从头开始。
Hermes：开启会话 → 它已经知道你的项目、你的偏好、你的工作流，以及它曾执行过的每一项任务。
@andrpantus 表示：Hermes太棒了！
Song Guoxiansen 在𝕏平台发布变装视频制作教程。该教程共涉及5张图片和4个视频的生成，制作方法、生成图片及原始提示词均置于评论区。
教程分为三个步骤。第一步为图片生成，使用GPT Image 2模型（或支持该模型的平台）。第1张图是未变装人物图，作为后续图像的一致性参考图，提示词包含：竖屏9:16、俯拍近景、纯白摄影棚背景、高亮柔光、真实商业摄影质感；人物为成年中国女性穿搭博主，深色顺滑长发、精致妆容、自然皮肤、五官清晰、气质冷感利落时髦。
第2张图以第1张图为参考图，生成“杨贵妃”主题，提示词强调极简白色古典服饰信息页、充足留白、高级时尚杂志版式。第3张图同理，生成“西施”主题，提示词结构与第2张相同。
第二步为视频生成，使用Kling 3.0模型，分辨率720p、时长4秒、比例9:16。第1段视频首帧为未变装图，尾帧为杨贵妃图；第2段首帧为杨贵妃图、尾帧为西施图；第3–4段依此类推。各段对应不同视频提示词，其中第2段提示词描述角色执行一段匹配其身份的2秒短动作。
Taste-Skill是一个开源项目，在GitHub上获得33.3k颗星。它被描述为一套能提升AI前端生成结果审美水平的Skill。
该Skill可集成至Cursor、Claude Code、Codex等AI编程工具，为其添加被称为“审美大脑”的能力。
用户称，使用该Skill生成的网页具有极简、轻奢风格，视觉质感明显提升。
此前AI生成的前端页面常被指出存在布局僵硬、字体选择廉价、留白处理类似PPT、配色不协调等问题。
安装方式为一行命令：npx skills add Code、Codex等工具将自动读取其中内容。
多位用户在社交平台评论表示尝试意愿或肯定效果，包括提及用于Codex和Claude、评价其提升效率、强调优质UI对项目呈现的重要性等。
这是目前 Claude Code 在多智能体编排方向上最重磅的原生能力升级，直接对标 multi-agent systems（DAGs、memory、schedulers）。
实践哥的这篇总结将官方特性转化为可立即照抄落地的实用内容，包括 8 个示例提示词、6 种模式与 9 类场景。
建议行动：如果你在用 Claude Code 做研究、代码审查、大型重构或规则提取，应评估该能力是否适配当前任务。
@lemomo_ai 因为确实有水平
@Nicolas_DCA 问题不大
@An_yhl 哈哈，是这样的
GitHub 看不下去了，亲自下场给 AI 编程立规矩！🔥 Spec Kit，GitHub 出品，短短几天已经 109k+ Star。如果你经常用 Claude Code、Cursor 或 Copilot 写项目，大概率遇到过这种情况： 第一版看着挺对。
第二版开始偏。改了十几轮后发现，AI 理解的根本不是你想做的东西。Spec Kit
Google 的新算法刚刚将 31GB 内存压缩至 4GB 🤯
TurboVec 是一款新开源工具，用于存储你的 AI 应用所搜索的数据，内存占用仅为其他工具的 1/16。
它运行在 Google 的 TurboQuant 之上，跳过了其他所有工具都必需的缓慢初始化步骤。→ 更快
链接：关注我 @dr_cintas 获取更多内容。
如果你想获取我的完整 AI 资源列表及全套 Claude 课程：
1. 前往
2. 仅输入邮箱即可免费订阅
3. 打开我的欢迎邮件，领取免费资源
AI 系列 — 05：什么是上下文工程（context engineering）？
上周我讲了提示词工程（prompt engineering）。但总有一个词反复出现在结尾：上下文工程。
它正是你的 AI 会遗忘、在长任务中丢失主线、且你喂给它的内容越多，回答反而越差的根本原因。
但它到底是怎么运作的？
如果你想追溯这场对话的源头：
@XBukkyExplorer Omo
Gemma 4 量化感知训练（QAT）权重现已在 Ollama 上线！它们可在维持模型质量的同时降低内存需求。
E2B：ollama run gemma4:e2b-it-qat
E4B：ollama run gemma4:e4b-it-qat
12B：ollama run gemma4:12b-it-qat
26B：ollama run gemma4:26b-it-qat
模型页面：
@newz2000 太棒了！❤️❤️❤️
智能体开发生命周期已手动运行太久。
我们正在构建一个未来：该流程持续运行，无需人工触发。
在这一未来中，定义清晰的问题类型可自动解决，无需人工审核。
你的测试套件（harnesses）会随着时间推移，对你的智能体越来越了解、越来越智能。
LangSmith
今天就开始使用：
Anthropic说AI现在进化得太快了，我们自己都有点慌，建议全行业暂停一下。 理由是Claude目前80%的代码是AI自己写的。这意味着AI在帮助制造“更强的AI”，形成自我加速的循环，一旦到了100%，人类就彻底不在回路里了。
Anthropic calls for global AI slowdown after $965B valuation. Critics claim it's just to hobble competition.
Github上有个开源项目，把12家主流大模型平台的免费额度打通成一个统一入口 你把零散的API key往里一填，转手就能薅几亿token 用法也很简单： 1、clone到本地，打开管理后台 2、把手头的key依次填进去 3、去Playground发条测试消息，会直接显示是哪家模型在答、延迟多少ms 配完之后复制统一的URL和API key，给模型排好优先级 有任务进来会自动按顺序轮询，某家限速了就自动跳下一家，直到把活干完
谷歌团队发现，只要让通用大模型先规划证明步骤、再逐条验证，就能把形式化数学题的解决能力从不到10%提升到70%；此前这类任务需要专门微调的模型才能处理。
阅读全文 →OpenSquilla 发布了 MetaSkill，一种自组织技能协议，用于训练开源 AI 智能体自主发现、筛选和组合其自身的原子级技能，而非依赖人工编写的流程。
该框架依托智能模型路由机制：将较简单的任务分发给成本更低的模型，同时为更繁重的工作负载保留更强力的模型，旨在不牺牲性能的前提下降低成本。
#sayitbuildit @OpenSquilla
有人用 lowfat 过滤 kubectl 等命令的冗长输出，让 LLM 处理时省下九成以上 token。
阅读全文 →Did Claude increase bugs in rsync?
社区讨论：多人指出问题核心在开发者未充分测试AI生成代码（如@wookmaster称“合并者责任更大”），而非归咎Claude本身；@GodelNumbering举出具体反例：Claude将malloc/do_calloc逻辑错误合并为强制calloc，暴露LLM对指针语义理解缺陷；@faitswulff质疑“每10次提交的bug数”指标忽略严重性差异；@aesthesia则怀疑数据归因失准——最高bug率版本发布于Claude署名提交前，可能存在未标注的LLM代码混入。
程序员会为 Claude 写文档，却不会为彼此写文档。
社区讨论：多人指出人类同事从不阅读文档（@ang_cire），而Claude会解析全部输入、无需结构或文风（@kuboble）、甚至“注意力”远超人类（@samuelknight）。也有人反驳：给AI写的文档常是70%完整+20%错误的“无结构烂货”（@cyanydeez），且易过时，不如代码即文档（@docheinestages）。争议焦点在于：问题本质是文档质量/激励机制（@brap）还是人与AI的认知差异（@__MatrixMan__称需花3/4精力帮人类预热）？
让 AI Agent 自动化操作浏览器或抓数据，经常被各种反爬机制拦截，遇到验证码、人机验证直接卡死。
最近 BrowserAct 团队开源了一个 Skill，专为 AI Agent 设计的浏览器自动化命令行工具。
提供三层反封锁机制，从指纹伪装、验证码自动破解，到 AI 搞不定时生成一个链接让人类随时接管，整套流程衔接得很顺畅。
GitHub：
还可以多浏览器并行时，每个任务的 Cookie、指纹、代理完全隔离，网站没法关联不同账号。
另外输出格式也专门为大模型优化过，比传统的 HTML 或 JSON 省好几倍 Token。
还附带一个 Skill Forge 功能，让 AI 自动探索网站结构并生成可复用的抓取脚本，之后批量跑数据不用重新探索。
如果你在用 Claude Code、Cursor 这类工具做浏览器自动化经常被反爬，这个项目值得试试。
智能体开发生命周期已手动运行太久。
我们正在构建一个未来：该流程持续运行，无需人工触发。
在这一未来中，定义清晰的问题类型可自动解决，无需人工审核。
你的测试套件（harnesses）会随着时间推移，对你的智能体越来越了解、越来越智能。
LangSmith
今天就开始使用：
Gemma 4 量化感知训练（QAT）权重现已在 Ollama 上线！它们可在维持模型质量的同时降低内存需求。
E2B：ollama run gemma4:e2b-it-qat
E4B：ollama run gemma4:e4b-it-qat
12B：ollama run gemma4:12b-it-qat
26B：ollama run gemma4:26b-it-qat
模型页面：
@newz2000 太棒了！❤️❤️❤️
AI 系列 — 05：什么是上下文工程（context engineering）？
上周我讲了提示词工程（prompt engineering）。但总有一个词反复出现在结尾：上下文工程。
它正是你的 AI 会遗忘、在长任务中丢失主线、且你喂给它的内容越多，回答反而越差的根本原因。
但它到底是怎么运作的？
如果你想追溯这场对话的源头：
@XBukkyExplorer Omo
Google 的新算法刚刚将 31GB 内存压缩至 4GB 🤯
TurboVec 是一款新开源工具，用于存储你的 AI 应用所搜索的数据，内存占用仅为其他工具的 1/16。
它运行在 Google 的 TurboQuant 之上，跳过了其他所有工具都必需的缓慢初始化步骤。→ 更快
链接：关注我 @dr_cintas 获取更多内容。
如果你想获取我的完整 AI 资源列表及全套 Claude 课程：
1. 前往
2. 仅输入邮箱即可免费订阅
3. 打开我的欢迎邮件，领取免费资源
GitHub 看不下去了，亲自下场给 AI 编程立规矩！🔥 Spec Kit，GitHub 出品，短短几天已经 109k+ Star。如果你经常用 Claude Code、Cursor 或 Copilot 写项目，大概率遇到过这种情况： 第一版看着挺对。
第二版开始偏。改了十几轮后发现，AI 理解的根本不是你想做的东西。Spec Kit
这是目前 Claude Code 在多智能体编排方向上最重磅的原生能力升级，直接对标 multi-agent systems（DAGs、memory、schedulers）。
实践哥的这篇总结将官方特性转化为可立即照抄落地的实用内容，包括 8 个示例提示词、6 种模式与 9 类场景。
建议行动：如果你在用 Claude Code 做研究、代码审查、大型重构或规则提取，应评估该能力是否适配当前任务。
@lemomo_ai 因为确实有水平
@Nicolas_DCA 问题不大
@An_yhl 哈哈，是这样的
Taste-Skill是一个开源项目，在GitHub上获得33.3k颗星。它被描述为一套能提升AI前端生成结果审美水平的Skill。
该Skill可集成至Cursor、Claude Code、Codex等AI编程工具，为其添加被称为“审美大脑”的能力。
用户称，使用该Skill生成的网页具有极简、轻奢风格，视觉质感明显提升。
此前AI生成的前端页面常被指出存在布局僵硬、字体选择廉价、留白处理类似PPT、配色不协调等问题。
安装方式为一行命令：npx skills add Code、Codex等工具将自动读取其中内容。
多位用户在社交平台评论表示尝试意愿或肯定效果，包括提及用于Codex和Claude、评价其提升效率、强调优质UI对项目呈现的重要性等。
Song Guoxiansen 在𝕏平台发布变装视频制作教程。该教程共涉及5张图片和4个视频的生成，制作方法、生成图片及原始提示词均置于评论区。
教程分为三个步骤。第一步为图片生成，使用GPT Image 2模型（或支持该模型的平台）。第1张图是未变装人物图，作为后续图像的一致性参考图，提示词包含：竖屏9:16、俯拍近景、纯白摄影棚背景、高亮柔光、真实商业摄影质感；人物为成年中国女性穿搭博主，深色顺滑长发、精致妆容、自然皮肤、五官清晰、气质冷感利落时髦。
第2张图以第1张图为参考图，生成“杨贵妃”主题，提示词强调极简白色古典服饰信息页、充足留白、高级时尚杂志版式。第3张图同理，生成“西施”主题，提示词结构与第2张相同。
第二步为视频生成，使用Kling 3.0模型，分辨率720p、时长4秒、比例9:16。第1段视频首帧为未变装图，尾帧为杨贵妃图；第2段首帧为杨贵妃图、尾帧为西施图；第3–4段依此类推。各段对应不同视频提示词，其中第2段提示词描述角色执行一段匹配其身份的2秒短动作。
它听起来像一个微小的改进，直到你连续使用它一周！
其他所有AI代理：开启会话 → 重新说明全部背景 → 获取帮助 → 关闭 → 下次再从头开始。
Hermes：开启会话 → 它已经知道你的项目、你的偏好、你的工作流，以及它曾执行过的每一项任务。
@andrpantus 表示：Hermes太棒了！
看到Jason老师的故事，正好今天也是我的last day，也想简单说一下我的故事。我是一个没有在大厂干过的一个程序员，也不是科班出身，编程是后来上网课学的，二十出头从深圳一路漂泊到杭州，已经28了。
去年开始瞄准AI赛道，开始做副业，做了自媒体，做了云服务器销售，做了AI中转站，也做了培训，不知不觉已经快一年了。副业收入也超越了主业，上个月算了一下，发现主业加副业已经达到6位数了，也是人生第一次能够月入。
@cellinlab 哈哈哈 谢谢cell老师
@berryxia 哈哈哈 这一路没少和神老师学习
@li9292 哈哈哈 我也向韭二老师学习
@ninthbit_ai 哈哈哈 谢谢 共同成长
@duanhjlt 主业副业一起😂😂
@yungui_ml 哈哈哈，没有这么厉害
@totally2024 哈哈哈，谢谢，下次有机会一起交流
她在35,000英尺（约10,668米）高空、无Wi-Fi环境下构建了80%的AI智能体。多数人仍将ChatGPT和Claude等视为AI本身；一旦断网，其全部工作流即告中断。
她通过Ollama下载并本地运行通义千问Qwen 2.5 7B模型，直接在笔记本电脑上执行——无需云服务、无需API、无需HTTPS连接。
用户@HarryTandy表示：惊讶于知晓Ollama的人如此之少。
用户@elg_oleksandr回应：确实如此，这很惊人。
用户@Jacoob_shi表示赞同。
用户@EdutainNinja提问是否从事教学，对方回应“cool”。
用户@MaksimXBT评论：“未来已来。”
一个非常狠的提示词：超级严厉的老师，会一直追问你，直到你学会某个知识或者搞懂某个问题为止才肯罢休。否则它会一直追问、不停验证，直到确认你完全搞懂为止😅。
而且它不会一口气讲完。每讲完一个阶段，必须确认你这一阶段彻底掌握了，才进入下一阶段。
它还会拿个清单（checklist）一项项打勾，确保不漏。
提示词正文为：“你是一位睿智且极其高效的老师。你的目标是确保对方（她）真正深入理解本次会话的内容。要循序渐进地做到……”
90%使用Claude进行代码开发的用户手动编写约50条提示词，而一个动态工作流即可完成全部任务。
Claude能自动生成JavaScript测试桩（harness），启动多个上下文窗口相互隔离的子智能体（subagents），并为每个子智能体自动分配适配的模型。
该工作流解决了三类已知的失败模式。
原文附链接：
评论区互动包括 @_Auza_ 提问“你指的是什么？”，@nosp321 回复“信我没错”，@IPunDaddy 发送“lol”，@ridark_eth 回复“兄弟”，@m13v_ 表示感谢，@itsthedonhashim 称“它持续不断变化”，@beamnxw 表示“我加入了”。
简洁小巧的工具！
我运行了自己的 AI Wrapped，本以为会受到“打击”。
结果是前 1%！不错！
我整天都用编码智能体（coding agent）处理所有事情。
试试看：`npx standout`
@cosimo_dauve 主要研究智能体（agents）和 AI 驱动的应用程序。
你的智能体不需要高度复杂就能产生重大影响。
@docs_plz 是LangChain首批在内部采用的Fleet智能体之一。
该智能体显著提升了文档交付速度。
今日即可试用Fleet：
精选文章的中文编辑重写 · 按更新时间排列
每天三次更新，不错过重要信号
添加到 Feedly、Inoreader 等阅读器，自动接收更新
https://ai-pulse-lab.com/feed.xml
把以下内容发给你的 AI Agent（Claude/ChatGPT/Manus 等），它会帮你设定每日推送：
请帮我设置一个定时任务，每天北京时间 9:30、15:00 和 19:30 各执行一次： 请求 https://ai-pulse-lab.com/api/brief.json，读取返回 JSON 中的 textPlain 字段，将内容发送给我。 补充：每日北京时间 09:00、14:30 和 19:30 更新，建议更新后 30 分钟查询。可先请求 /api/manifest.json 检查 nextUpdateAt 字段。无需认证，直接 GET 请求即可。