### 引言
一年前，大多数Claude的使用场景是用户与助手之间的对话。随着Claude Code和Cowork的快速增长，Claude会话现在越来越多地涉及长时间运行的任务自动化。聊天记录已无法完全捕捉人们使用AI的方式，我们研究Claude经济影响的方法也必须随之调整。
为了跟上步伐，我们对经济指数的数据管道进行了几项修改。在此版本中，我们：
- 以更高的频率采样数据，使我们能够观察到每小时级别的使用模式。
- 引入了一个新的分类器，用于标记每次会话的输出。
𝕏 实时信号 + arXiv 前沿论文，经 AI 聚类解读 · 一眼扫完全貌
想搭AI工作流不用从零开始，直接就能用现成的，自带合规防护框架
这项限制只面向美国国内的特定组织机构，其他机构暂时无法获取这款AI模型。
https://archive.md/ArXuF
https://www.nbcnews.com/tech/tech-news/us-government-gives-a...
社区讨论：多数评论者质疑美国该政策违背自由市场主张，认为该政策若成常态，其他国家会出台反制措施封闭市场对美国产品加征关税，欧盟企业也会将美国AI视为敌对技术直接避开。有人提出该政策实际给这款模型做了免费宣传，反而勾起更多人的尝试欲望。还有从业者疑惑中小公司如何才能成为可信机构，也有人猜测头部AI实验室可能会为了规避政策迁至其他国家。
区块链开发者说，AI生成基础代码已经很轻松，但把代码改成可用的、能部署上链的产品，还是会卡大部分人的进度。
AI 让生成代码变得比以往任何时候都更容易，但要把这些代码变成可以实际使用的线上链上产品，仍然是大多数开发者放缓脚步的环节。
在 web3 中，想法到已部署产品之间的这个鸿沟，正是大多数开发动力消散的地方。@CNPYNetwork 正试图填补这个鸿沟，他们围绕 AI 原生工作流重构了整套开发者体验。
凭借近期完成的 850 万美元种子轮融资，他们的核心目标显然是扩展基础设施：从主网就绪状态，到开发者工具，再到能降低每一步 friction 的引导入职系统。
脱颖而出的不只是速度，还有路线方向：降低从概念到链上执行的门槛。如果这种思路成立，web3 开发就会越来越不像基础设施工程，而越来越贴近产品创作。
而这会改变究竟谁能参与开发。主网马上就要上线了，非常期待大门敞开后，开发者们能创造出什么。
一个现成的提示词技巧，能让Claude Code自动为项目匹配合适工具，不用自己一步步梳理工具选择。
这个 CLAUDE Code 技巧可以自动找到合适的技能。
「查找技能」功能可以让 Claude 为任意项目目标挑选最合适的工具。
只要一个提示词，就能把 Claude Code 从一个基础编码助手变成工作流构建器。
有人用了一周Eve搭建AI智能体，称它易用直观可定制，还能用自带的写作智能体帮忙写内容，想快速搭建智能体可以看看这个选项。
外面学费要几千美元，这些课全由斯坦福教授授课，全部可以在YouTube免费观看
现在想学机器学习基础，可以看看这份来自16年前的完整讲解视频
欧盟AI法案生效后合规将成为持续测量义务，LangSmith可将追踪转为合规证据
欧盟AI法案生效后，合规将成为一项持续测量义务。
借助LangSmith，用户可以将AI运行追踪转化为合规证据。
用户可在生产流量上运行可自定义评估器，针对欧盟AI法案要求的多个维度评分，包括偏差、幻觉、毒性、准确性和对抗输入。
目前可通过链接查看如何用LangSmith满足欧盟AI法案核心技术要求。
用户@vikktorrrre发布Claude Design新手教程，同时推荐了其他三款相关学习视频
这是一个时长18分钟的新手教程，教初学者如何全面使用Claude Design。观看教程需要准备电脑和付费Claude账号，可以边看边实操练习。
教程覆盖多个实用内容，包括工具的最新更新、界面与模板、适配的最优模型、充分发挥设计系统的作用、着陆页制作、最大化利用使用额度、连接器和MCP工具（模型上下文协议工具）的用法。
教程还会讲解如何搭配Claude代码与终端简化设计创作，以及分步骤讲解设计的分享和导出方法。Claude Design同时支持网页端和桌面端使用。
如果这份教程的讲解风格不符合你的习惯，或者需要进一步讲解，还可以参考另外三个相关视频，分别是Robonuggets制作的《Claude Design 2.0》、Kyle Skelly制作的《Claude Design made easy》，以及Zubair Trabzada制作的《Clause Design 2.0 Major》。
爆料称前沿AI不对公众开放，经政府审核后仅可信伙伴先获权限
开发者分享使用体验，指出当前网站防护多手动操作很麻烦
LangChain推出可自动优化AI代理的工具LangSmith Engine
如今大多数开发团队都有trace，但他们缺少一套能够持续改进自身智能体的体系。
而那些真正使用智能体开发生命周期的团队，会遵循：构建、测试、部署和监控的流程。
这套生命周期的问题在于，它的扩展速度完全取决于工程师的速度。
这就是为什么我们开发了 LangSmith Engine，这是一个专门用于改进你的智能体的智能体。Engine 会从trace中识别问题，对模式进行聚类，草拟修复方案，并提出评估方案来防止回归。
连接你的trace项目，今天就开始改进你的智能体：
做开发的人已经在为多个AI编码代理付费，每月开销从几千到上万不等，目前还没人找到能替代多工具切换的方案。
你订阅了多少个 AI 编码代理服务，每月在订阅+额外 tokens 上总共花费多少？我每个月花费在 4000 到 6000 美元之间，视月份而定。
我需要使用多台机器，所以不喜欢为同一个服务商 juggling 多个订阅，否则会让远程使用机器变得非常困难（比如在 Codex 里就是这样）。
研究人员调整了长文本处理的注意力机制（AI处理长文本的核心算法），让每个token只用到需要的查询头，长文本下预填充速度能快到1.8倍。
按照当前GPT模型的迭代速度推算，未来版本解决国际数学奥林匹克（IMO）问题可以不到一分钟完成。
不少观察人士都感觉到，AI的发展正在出现阶段式的变化，整体进入新的跃迁周期。
Google Cloud推出了实操编程教程，教开发者用官方工具开发AI智能体，覆盖提示设计、技能调用等基础内容。
使用 Skills 构建智能体。
通过这个代码实验室学习 AI 智能体开发的方方面面，包括 Agent Development Kit、提示工程、Agent Skill 用法，以及 MCP →
Canopy Network基金会拿到850万美元融资，打算用来加速做适配AI的区块链底层基础设施。
@CNPYNetwork 迎来了重大里程碑。Canopy Network Foundation 已获得 850 万美元融资，用于加速原生 AI 区块链基础设施建设。
引人注目的不只是这笔融资，还有它的愿景。
→ 仅用约 200 行代码实现 AI 框架
→ 内置部署与监控功能
→ 缩短从创意到上线链上应用的路径
→ 为原生 AI 开发者量身打造的基础设施
降低开发门槛意味着更多开发者可以专注于创造产品，而非管理基础设施。随着主网发布日益临近，@CNPYNetwork 已成为我密切关注的生态项目之一。
$CNPY
想降AI使用成本，可以走场景混合推理的路线，靠效率提升省开销。
前沿AI已经开始收紧准入，普通人只能隔着门槛观望。但目前已有的普通AI模型，已经足够完成所有能赚钱的任务，不用等更先进的模型。
做开源、开放数据和开放课件的人，在干科技行业最接近公共服务的事。
监管收紧后，顶尖AI实验室可能只在美国发布最强模型，其他地区只能获得弱版本，开源模型需要更快追上差距。
最糟糕的情况会是 GPT-5.6 继续仅限美国地区可用。
毫不意外，人工智能从现在起会面临严格监管，各大实验室将开始只在美国发布他们最强的模型，给世界其他地区提供 weaker 版本。
开源模型需要更快缩小这个差距。
有人明确表示不喜欢这个模糊的术语，它可以指代任何内容，没人说清它到底生成或预测什么。
“世界模型”这个词太模糊了，你说这个词到底是什么意思？
这个模型是在生成/预测什么？是仿人机器人的动作，还是视频，还是别的什么东西？
我非常不喜欢这个词，因为它什么都能指代。
一边为开源做了很多贡献，一边不迎合拥有4090显卡做本地AI的普通人，始终只做最大的开源大模型。
DeepSeek 是一家很有意思的公司，尽管他们为开源做了极其多的贡献，却没有去迎合那些玩「本地AI」、用4090的普通人。
他们始终在追求规模最大的开源大语言模型，而且非常明显，他们的代码就是写给……嗯：
原生扩散大语言模型目前不擅长回溯修订训练，现有炒作很难带来实际成果
研究者@teortaxesTex在𝕏发文称，原生扩散大语言模型（而非依附在自回归预训练模型上的块扩散SpecDec），在回溯修订训练领域出现算法突破之前，不会产生任何实际影响。
扩散模型本身并不擅长回溯修订任务，而目前实现自回归模型加速的方法已经非常简单。
@teortaxesTex表示，这个观点本身属于“不良研究品味”，当前研究领域通过优化目标设计能收获更多成果，而非过度痴迷基础架构创新。
但扩散模型的数学逻辑（类似能量基模型EBM）对资深研究者吸引力极强，已经吸引了大量投入。@teortaxesTex对当前相关炒作已经感到疲倦。
CNPYNetwork获850万美元融资，即将推出主网，打造低门槛链上应用平台
融到 850 万美元确实令人印象深刻，但真正吸引我注意力的是 @CNPYNetwork 的愿景。
随着 AI 让软件开发变得更快更便宜，下一个挑战会是部署与基础设施。
Canopy 正在把自己定位成这样一个平台：任何人都可以在这里把想法转变成链上应用，无需跨过传统门槛。
更多 builders，更多创新，更多链上采用。下一步就是主网了。🚀
知名开发者直播展示AI辅助开发，验证AI适配真实开发流程
昨天 @PatrickAlphaC 开了一场直播，展示了他实际用 Cygent 开发的过程。这是我近期看过的质量最高的 AI 演示之一。
这场直播没有讲 AI 如何替代工程师，而是展示了 AI 如何融入真实的开发工作流。Patrick 用 Claude 探索思路，同时 Cygent 审查架构、对设计决策提出质疑，并在早期就指出安全风险。
这对我来说是最大的收获。优秀的团队不会把安全留到最后一步才处理，他们从最开始就把安全融入开发过程。
如果你对智能合约安全、AI 辅助开发，或者 @cyfrin 如何打造现代化安全工具感兴趣，这场直播绝对值得一看。
Loopy新增协助构建、监测调试循环三项新功能
Loopy（即 Loop Library 技能）推出了新功能：
🔸 为你提供访谈协助，帮你构建 loop
🔸 可自行运行 loop，协助你监控它们
🔸 复盘 loop 运行记录，调试问题
来用吧：Loop it up:
海外AI开发者Sentdex驳斥Dario对开源AI模型的错误认知
Dario 的论点：「开源能让你看到源代码，在这里你看不到模型内部」—— 其实你能啊，顺便说一句，开放权重就是干这个的。我看不到 Claude 内部的权重，但我能看到 GLM 5.2 的。
像 Nemotron3 Ultra 这类模型更进一步，所有数据、训练脚本和模型全都是开源的。
他说「开源的很多好处，比如很多人参与开发、可叠加改进，在这里行不通」—— 其实行得通。我们已经见过无数对各类开源模型的微调，都带来了实实在在的改进。
他说「最终你还是得把它托管在云上」—— 不对，你不需要。
Dario 看起来完全不知道更小的 MoE 模型，甚至还有像 qwen 27B 这样的稠密模型。他不光不参与社交媒体，我现在开始觉得，他从来没试过开源模型，完全不知道自己在胡说八道些什么。
前沿AI已经开始收紧准入，普通人只能隔着门槛观望。但目前已有的普通AI模型，已经足够完成所有能赚钱的任务，不用等更先进的模型。
做开发的人已经在为多个AI编码代理付费，每月开销从几千到上万不等，目前还没人找到能替代多工具切换的方案。
你订阅了多少个 AI 编码代理服务，每月在订阅+额外 tokens 上总共花费多少？我每个月花费在 4000 到 6000 美元之间，视月份而定。
我需要使用多台机器，所以不喜欢为同一个服务商 juggling 多个订阅，否则会让远程使用机器变得非常困难（比如在 Codex 里就是这样）。
研究人员调整了长文本处理的注意力机制（AI处理长文本的核心算法），让每个token只用到需要的查询头，长文本下预填充速度能快到1.8倍。
按照当前GPT模型的迭代速度推算，未来版本解决国际数学奥林匹克（IMO）问题可以不到一分钟完成。
不少观察人士都感觉到，AI的发展正在出现阶段式的变化，整体进入新的跃迁周期。
区块链开发者说，AI生成基础代码已经很轻松，但把代码改成可用的、能部署上链的产品，还是会卡大部分人的进度。
AI 让生成代码变得比以往任何时候都更容易，但要把这些代码变成可以实际使用的线上链上产品，仍然是大多数开发者放缓脚步的环节。
在 web3 中，想法到已部署产品之间的这个鸿沟，正是大多数开发动力消散的地方。@CNPYNetwork 正试图填补这个鸿沟，他们围绕 AI 原生工作流重构了整套开发者体验。
凭借近期完成的 850 万美元种子轮融资，他们的核心目标显然是扩展基础设施：从主网就绪状态，到开发者工具，再到能降低每一步 friction 的引导入职系统。
脱颖而出的不只是速度，还有路线方向：降低从概念到链上执行的门槛。如果这种思路成立，web3 开发就会越来越不像基础设施工程，而越来越贴近产品创作。
而这会改变究竟谁能参与开发。主网马上就要上线了，非常期待大门敞开后，开发者们能创造出什么。
Google Cloud推出了实操编程教程，教开发者用官方工具开发AI智能体，覆盖提示设计、技能调用等基础内容。
使用 Skills 构建智能体。
通过这个代码实验室学习 AI 智能体开发的方方面面，包括 Agent Development Kit、提示工程、Agent Skill 用法，以及 MCP →
Canopy Network基金会拿到850万美元融资，打算用来加速做适配AI的区块链底层基础设施。
@CNPYNetwork 迎来了重大里程碑。Canopy Network Foundation 已获得 850 万美元融资，用于加速原生 AI 区块链基础设施建设。
引人注目的不只是这笔融资，还有它的愿景。
→ 仅用约 200 行代码实现 AI 框架
→ 内置部署与监控功能
→ 缩短从创意到上线链上应用的路径
→ 为原生 AI 开发者量身打造的基础设施
降低开发门槛意味着更多开发者可以专注于创造产品，而非管理基础设施。随着主网发布日益临近，@CNPYNetwork 已成为我密切关注的生态项目之一。
$CNPY
这项限制只面向美国国内的特定组织机构，其他机构暂时无法获取这款AI模型。
https://archive.md/ArXuF
https://www.nbcnews.com/tech/tech-news/us-government-gives-a...
社区讨论：多数评论者质疑美国该政策违背自由市场主张，认为该政策若成常态，其他国家会出台反制措施封闭市场对美国产品加征关税，欧盟企业也会将美国AI视为敌对技术直接避开。有人提出该政策实际给这款模型做了免费宣传，反而勾起更多人的尝试欲望。还有从业者疑惑中小公司如何才能成为可信机构，也有人猜测头部AI实验室可能会为了规避政策迁至其他国家。
想搭AI工作流不用从零开始，直接就能用现成的，自带合规防护框架
一边为开源做了很多贡献，一边不迎合拥有4090显卡做本地AI的普通人，始终只做最大的开源大模型。
DeepSeek 是一家很有意思的公司，尽管他们为开源做了极其多的贡献，却没有去迎合那些玩「本地AI」、用4090的普通人。
他们始终在追求规模最大的开源大语言模型，而且非常明显，他们的代码就是写给……嗯：
有人明确表示不喜欢这个模糊的术语，它可以指代任何内容，没人说清它到底生成或预测什么。
“世界模型”这个词太模糊了，你说这个词到底是什么意思？
这个模型是在生成/预测什么？是仿人机器人的动作，还是视频，还是别的什么东西？
我非常不喜欢这个词，因为它什么都能指代。
监管收紧后，顶尖AI实验室可能只在美国发布最强模型，其他地区只能获得弱版本，开源模型需要更快追上差距。
最糟糕的情况会是 GPT-5.6 继续仅限美国地区可用。
毫不意外，人工智能从现在起会面临严格监管，各大实验室将开始只在美国发布他们最强的模型，给世界其他地区提供 weaker 版本。
开源模型需要更快缩小这个差距。
做开源、开放数据和开放课件的人，在干科技行业最接近公共服务的事。
想降AI使用成本，可以走场景混合推理的路线，靠效率提升省开销。
有人用了一周Eve搭建AI智能体，称它易用直观可定制，还能用自带的写作智能体帮忙写内容，想快速搭建智能体可以看看这个选项。
现在想学机器学习基础，可以看看这份来自16年前的完整讲解视频
外面学费要几千美元，这些课全由斯坦福教授授课，全部可以在YouTube免费观看
一个现成的提示词技巧，能让Claude Code自动为项目匹配合适工具，不用自己一步步梳理工具选择。
这个 CLAUDE Code 技巧可以自动找到合适的技能。
「查找技能」功能可以让 Claude 为任意项目目标挑选最合适的工具。
只要一个提示词，就能把 Claude Code 从一个基础编码助手变成工作流构建器。
海外AI开发者Sentdex驳斥Dario对开源AI模型的错误认知
Dario 的论点：「开源能让你看到源代码，在这里你看不到模型内部」—— 其实你能啊，顺便说一句，开放权重就是干这个的。我看不到 Claude 内部的权重，但我能看到 GLM 5.2 的。
像 Nemotron3 Ultra 这类模型更进一步，所有数据、训练脚本和模型全都是开源的。
他说「开源的很多好处，比如很多人参与开发、可叠加改进，在这里行不通」—— 其实行得通。我们已经见过无数对各类开源模型的微调，都带来了实实在在的改进。
他说「最终你还是得把它托管在云上」—— 不对，你不需要。
Dario 看起来完全不知道更小的 MoE 模型，甚至还有像 qwen 27B 这样的稠密模型。他不光不参与社交媒体，我现在开始觉得，他从来没试过开源模型，完全不知道自己在胡说八道些什么。
Loopy新增协助构建、监测调试循环三项新功能
Loopy（即 Loop Library 技能）推出了新功能：
🔸 为你提供访谈协助，帮你构建 loop
🔸 可自行运行 loop，协助你监控它们
🔸 复盘 loop 运行记录，调试问题
来用吧：Loop it up:
LangChain推出可自动优化AI代理的工具LangSmith Engine
如今大多数开发团队都有trace，但他们缺少一套能够持续改进自身智能体的体系。
而那些真正使用智能体开发生命周期的团队，会遵循：构建、测试、部署和监控的流程。
这套生命周期的问题在于，它的扩展速度完全取决于工程师的速度。
这就是为什么我们开发了 LangSmith Engine，这是一个专门用于改进你的智能体的智能体。Engine 会从trace中识别问题，对模式进行聚类，草拟修复方案，并提出评估方案来防止回归。
连接你的trace项目，今天就开始改进你的智能体：
知名开发者直播展示AI辅助开发，验证AI适配真实开发流程
昨天 @PatrickAlphaC 开了一场直播，展示了他实际用 Cygent 开发的过程。这是我近期看过的质量最高的 AI 演示之一。
这场直播没有讲 AI 如何替代工程师，而是展示了 AI 如何融入真实的开发工作流。Patrick 用 Claude 探索思路，同时 Cygent 审查架构、对设计决策提出质疑，并在早期就指出安全风险。
这对我来说是最大的收获。优秀的团队不会把安全留到最后一步才处理，他们从最开始就把安全融入开发过程。
如果你对智能合约安全、AI 辅助开发，或者 @cyfrin 如何打造现代化安全工具感兴趣，这场直播绝对值得一看。
开发者分享使用体验，指出当前网站防护多手动操作很麻烦
爆料称前沿AI不对公众开放，经政府审核后仅可信伙伴先获权限
CNPYNetwork获850万美元融资，即将推出主网，打造低门槛链上应用平台
融到 850 万美元确实令人印象深刻，但真正吸引我注意力的是 @CNPYNetwork 的愿景。
随着 AI 让软件开发变得更快更便宜，下一个挑战会是部署与基础设施。
Canopy 正在把自己定位成这样一个平台：任何人都可以在这里把想法转变成链上应用，无需跨过传统门槛。
更多 builders，更多创新，更多链上采用。下一步就是主网了。🚀
用户@vikktorrrre发布Claude Design新手教程，同时推荐了其他三款相关学习视频
这是一个时长18分钟的新手教程，教初学者如何全面使用Claude Design。观看教程需要准备电脑和付费Claude账号，可以边看边实操练习。
教程覆盖多个实用内容，包括工具的最新更新、界面与模板、适配的最优模型、充分发挥设计系统的作用、着陆页制作、最大化利用使用额度、连接器和MCP工具（模型上下文协议工具）的用法。
教程还会讲解如何搭配Claude代码与终端简化设计创作，以及分步骤讲解设计的分享和导出方法。Claude Design同时支持网页端和桌面端使用。
如果这份教程的讲解风格不符合你的习惯，或者需要进一步讲解，还可以参考另外三个相关视频，分别是Robonuggets制作的《Claude Design 2.0》、Kyle Skelly制作的《Claude Design made easy》，以及Zubair Trabzada制作的《Clause Design 2.0 Major》。
欧盟AI法案生效后合规将成为持续测量义务，LangSmith可将追踪转为合规证据
欧盟AI法案生效后，合规将成为一项持续测量义务。
借助LangSmith，用户可以将AI运行追踪转化为合规证据。
用户可在生产流量上运行可自定义评估器，针对欧盟AI法案要求的多个维度评分，包括偏差、幻觉、毒性、准确性和对抗输入。
目前可通过链接查看如何用LangSmith满足欧盟AI法案核心技术要求。
原生扩散大语言模型目前不擅长回溯修订训练，现有炒作很难带来实际成果
研究者@teortaxesTex在𝕏发文称，原生扩散大语言模型（而非依附在自回归预训练模型上的块扩散SpecDec），在回溯修订训练领域出现算法突破之前，不会产生任何实际影响。
扩散模型本身并不擅长回溯修订任务，而目前实现自回归模型加速的方法已经非常简单。
@teortaxesTex表示，这个观点本身属于“不良研究品味”，当前研究领域通过优化目标设计能收获更多成果，而非过度痴迷基础架构创新。
但扩散模型的数学逻辑（类似能量基模型EBM）对资深研究者吸引力极强，已经吸引了大量投入。@teortaxesTex对当前相关炒作已经感到疲倦。
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。