社区讨论：多数人认为OpenAI当前营收逻辑不成立，当前上市窗口已经关闭，推迟IPO只是权宜之计，寄希望于明年市场情绪好转，但目前并无情绪好转的信号，反而更可能进一步下跌。有人质疑OpenAI的高估值本身就是泡沫，还有网友调侃此前为OpenAI辩护、批评质疑者Ed Zitron的人应当认错。部分网友指出OpenAI正深陷财务困境，推迟IPO是目前最差选项里的最优选择。

我之前订阅的是每月6.99英镑的方案——主要是因为我不怎么用这个服务。

过去几天我开始看到广告：
1. 《金融时报》的广告
2. Shein 的广告
3. Amazon prime day 的广告

这三条广告全都出现在我询问手机游戏技巧的对话里。

不用说，我已经取消了我的订阅方案。我才不会付了钱还要看广告。

社区讨论：多数人确认，OpenAI定价页早已明确标注8美元每月的Go付费 tier包含广告，仅无广告高级订阅和未成年人账号不会展示广告，此次只是之前声明过的功能落地。有人补充OpenAI今年要IPO需要提升营收数据，广告变现不可避免。还有人提到Anthropic此前曾制作广告调侃OpenAI加入聊天广告，有人关心广告形式能否被广告拦截工具屏蔽。

大厂们的小算盘，一开始疯狂鼓励大家用 AI，报销额度打满，等大家习惯依赖后，再收紧每位员工的 Token 用量，让离不开 AI 的自掏腰包去买。 腾讯被曝，多部门员工月 2000 美金 AI Token 预算，已逐���下调不到 2000 元人民币。

正式开源我的漏洞挖掘工具： 这是一个基于 AI Agent 的全自动漏洞挖掘工作流，你只要告诉 AI 你要找什么项目的漏洞，它就会自动下载代码和文档，深度审计代码，发现可疑漏洞，自动在本地和线上验证漏洞，最后生成报告。 Alpha leak: 如果你有很多 AI token 用不完，你可以给 agent 一个 goal，让它去各大白帽平台搜索赏金任务，寻找漏洞，获得赏金。

智能体正被快速采用，并且在加快工作进度。在OpenAI内部，情况是这样的：

这位交易员是加拿大华裔，全程在演示中向AI发送指令，实时生成了三种交易工具组件：预市场扫描器、回测脚本和策略代码。

教程全程手把手教学，时长共23分钟，同时配有中文和英文字幕，对不同语言使用者都友好。

该教程完全免费开放。

字节跳动几乎是在所有AI领域都达到了临界点 刚试了下他们新的 AI 音乐模型 SeedMusic 1.0 Preview 一句话生成了一首完整的歌曲，而且速度还很快，大概2-3分钟，效果还真是挺不错的。.. 提示词：来一首古风歌曲，但是有着现代流行音乐的节奏感，能让人朗朗上口，关于爱情的歌曲

太牛逼了。真的，太牛逼了。真的能爬一切，而且速度嘎嘎快！ 以前让 Claude Code 上网搜个东西，推特 API 要钱，网页抓取要订阅，B站小红书直接给你拦在外面。每个平台一个门槛，烦得要死。 Agent-Reach，一个免费开源仓库，一条命令把这 14 个平台全通了。 我装上跑了一遍 ，让 Agent 去搜一条小红书任意帖子的评论并总结，十秒总结出来，我当时真愣了一下，又快又好啊。 讲道理，Agent 能写代码能改文档，上网找东西就一直卡在这。Agent-Reach 干的就一件事，把选型和配置全帮你做完了。 yt-dlp 提字幕，twitter-cli 搜帖子，xhs-cli 抓小红书，装好以后 Agent 自己调，不经中间层。哪块不好用随时换。 零配置直接跑的有网页、YouTube、RSS、公众号、微博、V2EX。不用记命令，直接说需求，Agent 自己知道走哪。 >安装方法： 跟你的大模型说： 帮我安装 Agent Reach

仓库地址：

即便AI发展就此停止，我们现有模型的能力过剩已经足够显著，未来五年多里，工作与社会发生大规模变革已经不可避免。（而且目前没有任何实际迹象表明AI发展正在放缓，它看起来还在加速。）

我知道这在X的某些圈子里已经是老生常谈，但人们现在仍然把过多注意力放在未来模型开发与创新会带来变革上，完全忽略了这场变革其实早已注定，根本不需要AGI。

我们已经设计并制造了我们的第一块 AI 芯片：Jalapeño。

这块芯片由 OpenAI 从头设计，联合 @Broadcom 投入量产，Jalapeño 是为 LLM 工作量身打造的，为 ChatGPT、Codex、API 以及未来的智能体产品提供支撑。

芯片是 AI 经济的基础。打造自有芯片让我们的全栈平台从产品延伸到模型再到基础设施，将帮助我们扩展智能规模，服务更多用户，扩大 AI 的可及性。

今天飞机上听了一下Anthropic “人精”们的演讲分享，觉得不错分享给大家。（含中英字幕）

Anthropic内部的人说，他们99%的工程师都在跑300+个自改进的agent swarm。

核心不是堆更多agent，而是“close the loop”，给模型一个验证自己输出的机制。
让它自己跑计划模式、动态工作流、自我检查，然后根据真实反馈迭代。

他们内部已经在大量使用这种自循环系统，效果据说远超大多数花300美元买的agent课程。

关键在于不是一次性生成，而是让agent在多次尝试中不断修正和进化。
这其实把agent从“工具”变成了“能自我迭代的系统”。

当验证和反馈真正进入循环后，agent的可靠性会大幅提升，而不是只靠第一次输出赌对错。

当然，这也意味着token消耗会更高，但换来的是明显更强的执行能力和自我纠错能力。

用 Claude Code 和 Codex 同时开好几个任务，在终端里切来切去查看，效率实在低。最近找到 Orca，用来统一管理多个 AI 编程智能体，让它们并行干活，结果集中在一个界面里查看。核心是支持并行工作区，把一个需求同时发给多个 AI，各自在独立的 git 分支里写代码。

方便我们直观对比不同模型的产出，挑出质量最高的那份代码直接合并。GitHub： 内置了终端和浏览器，还提供配套的手机 App，出门在外也能随时跟进代码生成进度。支持 Claude Code、Codex、Gemini 等主流 AI 编程助手，提供开箱即用安装包。

90%的人都在用 AI Agent，但根本不知道它在干什么 为什么 Cursor 会自己改代码？为什么 Claude Code 会不断调用工具？为什么 Agent 有时候像天才，有时候像实习生？

这个视频的博主就把 ReAct 和 Plan-and-Execute 讲的很清楚，并教学了从零手写一个简化版 Claude Code 看完之后，你会第一次真正看懂 Agent 的大脑 时间轴参考： 00:00 视频内容介绍 00:33 什么是 Agent 03:43 ReAct 模式的运行流程 05:27 ReAct 模式的实现原理 10:49 动手实现一个 ReAct Agent 18:53 ReAct 运行时序图 20:21 Plan-And-Execute 模式介绍 21:20 Plan-And-Execute 运行流程

Grok Imagine Video 已经成为 @vercel AI Gateway 中当之无愧的领头羊，目前占开发者生成视频总量的约 50% 🤯

🚨 终于有人把“金融数据 + AI Agent”这件事打通了

OpenBB 目前 GitHub 上已有 近 7 万 star，是一个开源的金融数据与研究平台，被很多人称为「开源版 Bloomberg Terminal」

以前做金融研究，最烦的不是不会分析，而是数据太散：一个终端看行情，一个表格存模型，一个网站翻 SEC 文件，一个工具跑图表，最后还要复制给 AI 总结。

现在它把过去只有机构才能轻松获取的专业数据，整合成了人人可用的工具，核心亮点：
> 覆盖股票、期权、加密货币、外汇、宏观经济、固定收益等多个市场
> 包含财务数据、高管信息、股东结构、地区分布等细粒度信息
> 支持 AI 集成，一条指令就能让 AI 调取数据并生成深度研报
> 数据可自部署，保护隐私和数据安全

只输入一条指令，AI 就能调取数据、生成深度研报，全球金融数据接口真的被打通了

做股票研究、量化分析、基金投研、AI 金融 Agent 的，强烈建议保存看看

AI SDK 7 已发布。

本次版本为生产环境中的代理和 AI 平台搭建了基础框架：包含审批、持久性、遥测等更多功能。

2026年初学者Claude完整教程！（成为高手！）

ai干脆改名叫似人帮吧，大语言模型叫宏文，token叫文元，调参叫匠倾，模型蒸馏叫纯巧，安全对齐叫康生，数据去噪/语料清洁叫大清洗，数据资料标注叫扣帽资，SOTA模型发布叫优解示众，模型安全测试团队(Red Teaming)叫红卫宾。

展示托管 agents 能力的最优秀应用之一，就是 AI Talk Radio。

从深度研究到逼真的多主播语音脚本生成，这个 agent 靠一次 API 调用就能完成所有工作。

现在就在 AI Studio 体验这个电台节目应用，看看托管 agents 是如何工作的：

智能体编码会迫使你设计干净的接口，并为它们提供完善的文档。

智能体无法读懂你的工程团队共享的隐性心智模型，它只能读取你的API契约和文档字符串。

技能商店 Skill Store 这个库可能会让所有分享 Skill 的博主失业。

随着大模型的可玩性越来越高， 各种不同功能的 Skill 眼花缭乱，但是很多朋友要么没有渠道搜索自己想要的 Skill，要么不知道哪个 Skill 更值得安装，要付出巨大的时间成本去尝试。

以前还需要翻 AI 博主的推荐清单，现在不用了。【技能商店 Skill Store】就有点像个 AI 技能的 App Store，里面全是挑过的精品 Skill。而且它每 24 小时会自动同步 awesome-agent-skills 这个超猛的仓库，永远不用担心跟不上新东西。

仓库地址：
【技能商店 Skill Store】是收录最全、更新最快的AI Agent技能库，涵盖文档处理、内容创作、编程开发、机器学习、自动化工作流等多个领域的精选技能包。而且自动更新，每24小时自动爬取最新技能。

我是尼卡，平时会持续分享 AI、美股、Web3 相关有用又有趣的工具和项目，感兴趣的话欢迎关注，下次见～

一份 Cloudflare 上手手册，从 AI 编程的角度出发，教你配好开发环境、选对功能模块、避开常见坑，用 Cloudflare 部署到全球。

这是一组迷人且重要的数据，以OpenAI作为煤矿中的金丝雀，为我们展示了行业的发展方向。

聊天机器人时代已经结束，智能体系统正进军工程领域之外的任务。

而技能作为标准化企业中AI使用的方式，展现出了不错的前景。

AI行业的自研芯片浪潮正在到来。

亚马逊拥有自研AI芯片Trainium，谷歌拥有张量处理单元（TPU）。

Anthropic正在探索研发定制AI芯片，马斯克旗下xAI的AI团队正在开发名为Terafab的项目，OpenAI目前有自研项目Jalapeño。

计算能力将成为人工智能企业新的护城河。

开发者@bridgemindai发布了完整的vibe编码工作流。这套工作流曾帮助BridgeMind实现22万美元年度经常性收入（ARR）。

视频中，开发者在同一环节内从零搭建出BridgeBench V3，涵盖数据库、API、AWS和Discord身份验证。

这套工作流使用的技术栈包括Claude Code Opus 4.8、GPT 5.5 xHigh Fast、BridgeSpace、BridgeVoice、BridgeShot以及Comet。

这是该开发者至今制作的最完整的vibe编码视频。

MidJourney公布了两项图像生成功能更新。

用户可在提示词后添加--preview参数，提前体验V8.2版本的美学效果与个性化功能。

团队更新了大批次草稿模式，使其支持--sref随机参数。更新后的模式探索风格空间的速度，比此前快24倍。

这是独立开发者yihui_indie分享的，针对新手使用Vibe Coding开发复杂功能的小技巧。

在给AI的提示词末尾添加一句话：如果GitHub/npm上有成熟的开源方案，直接复用，不要自己实现。

你也可以把这句话直接添加到AGENTS.md文件中。

开发者@omarsar0在𝕏分享了对Vercel开发的Eve智能体框架的使用感受。他表示自己很认可这款框架的设计。

框架将工具、能力、评估全部基于文件实现。这种设计让用户可以快速上手搭建AI智能体。

如果你常用TypeScript，也会对这款框架感兴趣。官方提供了两个跳转链接，感兴趣的用户可以直接前往开始使用。

这款框架目前被看好，前景很有潜力。

这是一份来自 ANTHROPIC 的官方 33 页 PDF 蓝图，主题是构建「有效 AI 智能体」。

它不是理论，而是附带真实案例研究的架构模式，案例来自 Claude、Coinbase、Stripe、Intercom 等公司。

流程是感知→决策→行动→评估→重复。

从简单到复杂一共五种模式：
• 单智能体：循环中的一个模型。可处理 80% 的使用场景。不要过度设计。
• 顺序工作流：固定步骤，每个智能体将任务交接给下一个。可预测、可审计。
• 并行工作流：同时将任务分发给多个智能体，再合并结果。通过并发提升速度。
• 层级式：管理者将任务委托给专家智能体。就像团队主管管理专家一样。
• 评估者-优化者：一个智能体生成内容，另一个提出改进意见。进行 2-4 个循环直到满足质量要求。

核心结论是：在复杂任务上，多智能体系统表现优于单智能体 90.2%。要让复杂度匹配价值。

现在就可以阅读这份文档，然后探索下方关于智能体「循环工程」的文章。

正式开源我的漏洞挖掘工具： 这是一个基于 AI Agent 的全自动漏洞挖掘工作流，你只要告诉 AI 你要找什么项目的漏洞，它就会自动下载代码和文档，深度审计代码，发现可疑漏洞，自动在本地和线上验证漏洞，最后生成报告。 Alpha leak: 如果你有很多 AI token 用不完，你可以给 agent 一个 goal，让它去各大白帽平台搜索赏金任务，寻找漏洞，获得赏金。

展示托管 agents 能力的最优秀应用之一，就是 AI Talk Radio。

从深度研究到逼真的多主播语音脚本生成，这个 agent 靠一次 API 调用就能完成所有工作。

现在就在 AI Studio 体验这个电台节目应用，看看托管 agents 是如何工作的：

AI SDK 7 已发布。

本次版本为生产环境中的代理和 AI 平台搭建了基础框架：包含审批、持久性、遥测等更多功能。

智能体正被快速采用，并且在加快工作进度。在OpenAI内部，情况是这样的：

大厂们的小算盘，一开始疯狂鼓励大家用 AI，报销额度打满，等大家习惯依赖后，再收紧每位员工的 Token 用量，让离不开 AI 的自掏腰包去买。 腾讯被曝，多部门员工月 2000 美金 AI Token 预算，已逐���下调不到 2000 元人民币。

今天飞机上听了一下Anthropic “人精”们的演讲分享，觉得不错分享给大家。（含中英字幕）

Anthropic内部的人说，他们99%的工程师都在跑300+个自改进的agent swarm。

核心不是堆更多agent，而是“close the loop”，给模型一个验证自己输出的机制。
让它自己跑计划模式、动态工作流、自我检查，然后根据真实反馈迭代。

他们内部已经在大量使用这种自循环系统，效果据说远超大多数花300美元买的agent课程。

关键在于不是一次性生成，而是让agent在多次尝试中不断修正和进化。
这其实把agent从“工具”变成了“能自我迭代的系统”。

当验证和反馈真正进入循环后，agent的可靠性会大幅提升，而不是只靠第一次输出赌对错。

当然，这也意味着token消耗会更高，但换来的是明显更强的执行能力和自我纠错能力。

用 Claude Code 和 Codex 同时开好几个任务，在终端里切来切去查看，效率实在低。最近找到 Orca，用来统一管理多个 AI 编程智能体，让它们并行干活，结果集中在一个界面里查看。核心是支持并行工作区，把一个需求同时发给多个 AI，各自在独立的 git 分支里写代码。

方便我们直观对比不同模型的产出，挑出质量最高的那份代码直接合并。GitHub： 内置了终端和浏览器，还提供配套的手机 App，出门在外也能随时跟进代码生成进度。支持 Claude Code、Codex、Gemini 等主流 AI 编程助手，提供开箱即用安装包。

90%的人都在用 AI Agent，但根本不知道它在干什么 为什么 Cursor 会自己改代码？为什么 Claude Code 会不断调用工具？为什么 Agent 有时候像天才，有时候像实习生？

这个视频的博主就把 ReAct 和 Plan-and-Execute 讲的很清楚，并教学了从零手写一个简化版 Claude Code 看完之后，你会第一次真正看懂 Agent 的大脑 时间轴参考： 00:00 视频内容介绍 00:33 什么是 Agent 03:43 ReAct 模式的运行流程 05:27 ReAct 模式的实现原理 10:49 动手实现一个 ReAct Agent 18:53 ReAct 运行时序图 20:21 Plan-And-Execute 模式介绍 21:20 Plan-And-Execute 运行流程

Grok Imagine Video 已经成为 @vercel AI Gateway 中当之无愧的领头羊，目前占开发者生成视频总量的约 50% 🤯

🚨 终于有人把“金融数据 + AI Agent”这件事打通了

OpenBB 目前 GitHub 上已有 近 7 万 star，是一个开源的金融数据与研究平台，被很多人称为「开源版 Bloomberg Terminal」

以前做金融研究，最烦的不是不会分析，而是数据太散：一个终端看行情，一个表格存模型，一个网站翻 SEC 文件，一个工具跑图表，最后还要复制给 AI 总结。

现在它把过去只有机构才能轻松获取的专业数据，整合成了人人可用的工具，核心亮点：
> 覆盖股票、期权、加密货币、外汇、宏观经济、固定收益等多个市场
> 包含财务数据、高管信息、股东结构、地区分布等细粒度信息
> 支持 AI 集成，一条指令就能让 AI 调取数据并生成深度研报
> 数据可自部署，保护隐私和数据安全

只输入一条指令，AI 就能调取数据、生成深度研报，全球金融数据接口真的被打通了

做股票研究、量化分析、基金投研、AI 金融 Agent 的，强烈建议保存看看

我之前订阅的是每月6.99英镑的方案——主要是因为我不怎么用这个服务。

过去几天我开始看到广告：
1. 《金融时报》的广告
2. Shein 的广告
3. Amazon prime day 的广告

这三条广告全都出现在我询问手机游戏技巧的对话里。

不用说，我已经取消了我的订阅方案。我才不会付了钱还要看广告。

社区讨论：多数人确认，OpenAI定价页早已明确标注8美元每月的Go付费 tier包含广告，仅无广告高级订阅和未成年人账号不会展示广告，此次只是之前声明过的功能落地。有人补充OpenAI今年要IPO需要提升营收数据，广告变现不可避免。还有人提到Anthropic此前曾制作广告调侃OpenAI加入聊天广告，有人关心广告形式能否被广告拦截工具屏蔽。

社区讨论：多数人认为OpenAI当前营收逻辑不成立，当前上市窗口已经关闭，推迟IPO只是权宜之计，寄希望于明年市场情绪好转，但目前并无情绪好转的信号，反而更可能进一步下跌。有人质疑OpenAI的高估值本身就是泡沫，还有网友调侃此前为OpenAI辩护、批评质疑者Ed Zitron的人应当认错。部分网友指出OpenAI正深陷财务困境，推迟IPO是目前最差选项里的最优选择。

这是一组迷人且重要的数据，以OpenAI作为煤矿中的金丝雀，为我们展示了行业的发展方向。

聊天机器人时代已经结束，智能体系统正进军工程领域之外的任务。

而技能作为标准化企业中AI使用的方式，展现出了不错的前景。

智能体编码会迫使你设计干净的接口，并为它们提供完善的文档。

智能体无法读懂你的工程团队共享的隐性心智模型，它只能读取你的API契约和文档字符串。

ai干脆改名叫似人帮吧，大语言模型叫宏文，token叫文元，调参叫匠倾，模型蒸馏叫纯巧，安全对齐叫康生，数据去噪/语料清洁叫大清洗，数据资料标注叫扣帽资，SOTA模型发布叫优解示众，模型安全测试团队(Red Teaming)叫红卫宾。

一份 Cloudflare 上手手册，从 AI 编程的角度出发，教你配好开发环境、选对功能模块、避开常见坑，用 Cloudflare 部署到全球。

2026年初学者Claude完整教程！（成为高手！）

技能商店 Skill Store 这个库可能会让所有分享 Skill 的博主失业。

随着大模型的可玩性越来越高， 各种不同功能的 Skill 眼花缭乱，但是很多朋友要么没有渠道搜索自己想要的 Skill，要么不知道哪个 Skill 更值得安装，要付出巨大的时间成本去尝试。

以前还需要翻 AI 博主的推荐清单，现在不用了。【技能商店 Skill Store】就有点像个 AI 技能的 App Store，里面全是挑过的精品 Skill。而且它每 24 小时会自动同步 awesome-agent-skills 这个超猛的仓库，永远不用担心跟不上新东西。

仓库地址：
【技能商店 Skill Store】是收录最全、更新最快的AI Agent技能库，涵盖文档处理、内容创作、编程开发、机器学习、自动化工作流等多个领域的精选技能包。而且自动更新，每24小时自动爬取最新技能。

我是尼卡，平时会持续分享 AI、美股、Web3 相关有用又有趣的工具和项目，感兴趣的话欢迎关注，下次见～

我们已经设计并制造了我们的第一块 AI 芯片：Jalapeño。

这块芯片由 OpenAI 从头设计，联合 @Broadcom 投入量产，Jalapeño 是为 LLM 工作量身打造的，为 ChatGPT、Codex、API 以及未来的智能体产品提供支撑。

芯片是 AI 经济的基础。打造自有芯片让我们的全栈平台从产品延伸到模型再到基础设施，将帮助我们扩展智能规模，服务更多用户，扩大 AI 的可及性。

即便AI发展就此停止，我们现有模型的能力过剩已经足够显著，未来五年多里，工作与社会发生大规模变革已经不可避免。（而且目前没有任何实际迹象表明AI发展正在放缓，它看起来还在加速。）

我知道这在X的某些圈子里已经是老生常谈，但人们现在仍然把过多注意力放在未来模型开发与创新会带来变革上，完全忽略了这场变革其实早已注定，根本不需要AGI。

太牛逼了。真的，太牛逼了。真的能爬一切，而且速度嘎嘎快！ 以前让 Claude Code 上网搜个东西，推特 API 要钱，网页抓取要订阅，B站小红书直接给你拦在外面。每个平台一个门槛，烦得要死。 Agent-Reach，一个免费开源仓库，一条命令把这 14 个平台全通了。 我装上跑了一遍 ，让 Agent 去搜一条小红书任意帖子的评论并总结，十秒总结出来，我当时真愣了一下，又快又好啊。 讲道理，Agent 能写代码能改文档，上网找东西就一直卡在这。Agent-Reach 干的就一件事，把选型和配置全帮你做完了。 yt-dlp 提字幕，twitter-cli 搜帖子，xhs-cli 抓小红书，装好以后 Agent 自己调，不经中间层。哪块不好用随时换。 零配置直接跑的有网页、YouTube、RSS、公众号、微博、V2EX。不用记命令，直接说需求，Agent 自己知道走哪。 >安装方法： 跟你的大模型说： 帮我安装 Agent Reach

仓库地址：

这是一份来自 ANTHROPIC 的官方 33 页 PDF 蓝图，主题是构建「有效 AI 智能体」。

它不是理论，而是附带真实案例研究的架构模式，案例来自 Claude、Coinbase、Stripe、Intercom 等公司。

流程是感知→决策→行动→评估→重复。

从简单到复杂一共五种模式：
• 单智能体：循环中的一个模型。可处理 80% 的使用场景。不要过度设计。
• 顺序工作流：固定步骤，每个智能体将任务交接给下一个。可预测、可审计。
• 并行工作流：同时将任务分发给多个智能体，再合并结果。通过并发提升速度。
• 层级式：管理者将任务委托给专家智能体。就像团队主管管理专家一样。
• 评估者-优化者：一个智能体生成内容，另一个提出改进意见。进行 2-4 个循环直到满足质量要求。

核心结论是：在复杂任务上，多智能体系统表现优于单智能体 90.2%。要让复杂度匹配价值。

现在就可以阅读这份文档，然后探索下方关于智能体「循环工程」的文章。

字节跳动几乎是在所有AI领域都达到了临界点 刚试了下他们新的 AI 音乐模型 SeedMusic 1.0 Preview 一句话生成了一首完整的歌曲，而且速度还很快，大概2-3分钟，效果还真是挺不错的。.. 提示词：来一首古风歌曲，但是有着现代流行音乐的节奏感，能让人朗朗上口，关于爱情的歌曲

开发者@omarsar0在𝕏分享了对Vercel开发的Eve智能体框架的使用感受。他表示自己很认可这款框架的设计。

框架将工具、能力、评估全部基于文件实现。这种设计让用户可以快速上手搭建AI智能体。

如果你常用TypeScript，也会对这款框架感兴趣。官方提供了两个跳转链接，感兴趣的用户可以直接前往开始使用。

这款框架目前被看好，前景很有潜力。

这是独立开发者yihui_indie分享的，针对新手使用Vibe Coding开发复杂功能的小技巧。

在给AI的提示词末尾添加一句话：如果GitHub/npm上有成熟的开源方案，直接复用，不要自己实现。

你也可以把这句话直接添加到AGENTS.md文件中。

这位交易员是加拿大华裔，全程在演示中向AI发送指令，实时生成了三种交易工具组件：预市场扫描器、回测脚本和策略代码。

教程全程手把手教学，时长共23分钟，同时配有中文和英文字幕，对不同语言使用者都友好。

该教程完全免费开放。

MidJourney公布了两项图像生成功能更新。

用户可在提示词后添加--preview参数，提前体验V8.2版本的美学效果与个性化功能。

团队更新了大批次草稿模式，使其支持--sref随机参数。更新后的模式探索风格空间的速度，比此前快24倍。

开发者@bridgemindai发布了完整的vibe编码工作流。这套工作流曾帮助BridgeMind实现22万美元年度经常性收入（ARR）。

视频中，开发者在同一环节内从零搭建出BridgeBench V3，涵盖数据库、API、AWS和Discord身份验证。

这套工作流使用的技术栈包括Claude Code Opus 4.8、GPT 5.5 xHigh Fast、BridgeSpace、BridgeVoice、BridgeShot以及Comet。

这是该开发者至今制作的最完整的vibe编码视频。

AI行业的自研芯片浪潮正在到来。

亚马逊拥有自研AI芯片Trainium，谷歌拥有张量处理单元（TPU）。

Anthropic正在探索研发定制AI芯片，马斯克旗下xAI的AI团队正在开发名为Terafab的项目，OpenAI目前有自研项目Jalapeño。

计算能力将成为人工智能企业新的护城河。