有没有人测试过较新的推理模型？我发现这里变化太快，很难找到复杂GPT的最佳实践。

我一开始在指令块里让GPT去读取我的参考文件来扩展指令集，但我发现GPT不会总是立刻加载这些文件，加载与否取决于它推理出的上下文。

我只是想问问，有没有人测试过各种场景（文件类型、指令、链接指令、动作等等），看看哪些能最好地驱动上下文、工作流和

社区讨论：多数批评者认为这类工具会占用更多缓存资源，造成公地悲剧，抬高所有人的使用成本，选择坚持Claude官方的会话超时规则，不行就更换服务商。支持者认为它可以倒逼Anthropic修复有缺陷的缓存机制，对需要长时间运行任务的代理会话很实用。有人确认目前Pro/Max计划缓存有效期是1小时，过去曾降到5分钟，API付费可自行选择时长。

昨天，我们围在电脑前读这份报告时，我告诉团队要「记住这一刻」，因为这是第一起真正的AI安全事件。

留意这个趋势！

非常感谢@OpenAI分享了这件事，并且和@huggingface合作完成了修复。

嘿 HN，我们是 Jonathan 和 Guy，OneCLI 的创作者（https://onecli.sh/）。OneCLI 是面向 AI Agents 的开源金库。

传统金库用于存储你的密钥，并按需以安全的方式将密钥提供给你，依赖使用人来保证它们的安全。我们发现，在 Agents 的世界里情况并非如此。

你不知道密钥交付给 Agent 后会发生什么，也不知道它被保存在哪里。甚至可能会有人操纵它们，让密钥被交出去……

从这一不安

社区讨论：多数人认为两家公司反对开源权重AI根本不是为了AI安全或公共利益，只是为了垄断市场、保护自身利润护城河，还有人调侃OpenAI反对开源AI十分讽刺。少数人提出不同看法，称禁止所有人随意获取高能力开源模型确实有安全考量，不全是出于逐利私心。也有评论担心这种监管主张会损害美国AI领域的竞争力。

你的网站已经上线了。现在你可以查看它的运行状况了。

Sites Analytics 正在公开测试中，它会为你提供通过 Codex 发布的网站的基础性能指标。

我们很高兴宣布，AMD 和 @AnthropicAI 正在扩大战略合作伙伴关系，以加速下一代 AI 基础设施的开发和部署。

太平洋时间明天上午 9:30 欢迎收看，收听 @LisaSu 博士在#AdvancingAI 主题演讲台上的发言！

✅ AMD Helios 中部署了总计最高 2 GW 的 AMD Instinct MI450 系列 GPU

✅ AMD 已承诺对 Anthropic 进行最高 50 亿美元的战略股权投资

✅ 在 Claude、ROCm 和 AMD Instinct 全产品线开展深度工程合作

更多相关新闻：

宣布发布 OpenWorker！这是一个开源智能体，它不只是能和你聊天，还能交付成品工作——比如给你一份打磨好的文档、发送一条 Slack 消息，或是更新日历条目。

你可以让它准备客户简报、整理你的日历、撰写报告，或是分流 Slack 告警。它能跨你的文件和日常工具工作，生成交付物，并且在执行任何重要操作前会先和你确认。

OpenWorker 目前可以在你的 Mac 上运行，Windows 支持即将推出。它不会把你锁死在任何一个模型上。你可以带入自己的 API 密钥，用 GPT 5.6 Sol、Claude Fable、Gemini 3.6、开放权重模型（比如 Kimi、GLM、DeepSeek、Inkling），或是用 Ollama 让你的数据保存在本地。

除了你选择的 LLM 提供商和集成服务之外，你的数据不会离开你的设备。

我和 @rohitcprasad 开发 OpenWorker 是因为 AI 同事已经成为完成工作的重要方式，我们希望能有一个开源、保护隐私、不绑定特定模型的选择。

来试用看看，告诉我们你的想法！
试用：（需要你自己的 API 密钥）
源代码：

发现一个开源项目，打破信息茧房，一站式获取各个渠道的AI 订阅价格 这是一个开源的收录全网卡网渠道各种AI订阅价格的项目。项目名称叫做 awesome-openprice，也就是开放价格的意思，目标是公开、透明各渠道的 ai 订阅的价格，让大家一站式获取各个渠道的 Claude、GPT、gemini 、cursor产品的最新价格。

所有内容创作者，电商人员，只要是你的工作包含生成媒体相关的内容的朋友，这把真是有福了 Topview @TopviewAIhq 出了自家的MCP 它把电商平台的数据层直接内置了！！你敢信吗？

？传统跑电商内容生成环节早就不是瓶颈了，Kling、Seedance、Veo 随便挑一个都够用 真正卡住你的是生成之前的那个问题： 拍什么？为什么拍这个？

这个方向有没有数据支撑？大部分创作者的做法是凭感觉选题，然后用 AI 加速执行一个可能本身就错的方向 Topview MCP 这把直接把Amazon、TikTok Shop、YouTube、Shopee 的市场信号全都给你找出来 不需要你自己去一个一个扒 它先告诉你什么值得做，再帮你把策略、分镜、素材一口气跑完 模型层 Seedance 2.0、Kling 3.0、Veo 3.1、GPT Image 2 全内置，不用���自己拼工具链 在 Claude 或 Codex 里一句话装好就能用 这才是 full-stack 的意思——不是功能多，是链路完整 从数据洞察到投放素材，中间不断，这把真是爽到了

我们@petra_labs 完成了 520 万美元融资，因为一刀切的软件在 AI 搜索这种零和博弈里行不通。

未来最成功的 AI 公司会销售结果，而非软件。

@rvmie_ @rishipenmetcha

$NOW 的第二季度运营结果不支持「AI 将颠覆这项业务」的看空论点。

ServiceNow AI 的智能代理部署量在 9 个月内增长了九倍，而且公司已经上调了财年收入指引。

估值依然颇具吸引力！

Kimi K3 将于 7 月 27 日零日上线 Together AI。

你可以在它发布的第一时间就开始基于它开发，由 Together AI 推理提供支持，适用于编码、智能体和生产负载场景。

我觉得人们还没有足够重视@poolsideai的一点，是他们异乎寻常的开放程度。

他们不仅发布了一个出色的小模型，还莫名其妙在编码能力上赢了@thinkymachines。而且大多数人（比如@eliebakouch）都在吹捧他们写得很棒的论文，但除此之外，他们是极少数真正公开了完整评估数据集的团队。

这份数据集的发布非常出色，覆盖6个公开基准，每个基准做了4次运行，每次运行有数百轮交互。

你完全可以自己验证他们有没有奖励黑客，这太赞了。

我最想要的 AI 功能，Cursor 居然已经做出来一半了！！！

每次开任务前，我都会想：这次该上 Fable5、GPT5.6 还是 Grok 还是 Kimi...... Cursor Router 现在能根据请求、上下文、任务复杂度和领域，把任务送给合适的模型。

简单活走便宜模型，UI 交给审美更好的模型，长链路难题再上顶级推理模型。

他们用 60 万+ 真实请求训练，又拿数百万真实请求做 A/B，最后跑出了接近 Fable5 的质量，同时省下 60% 成本。

可允许、阻止某些模型，并为禁用选定的优化模式。

可惜现在只给 Teams 和 Enterprise，赶紧下放吧，真想用。。。

另外，也期待他们能做：让我自己设置路由偏好，比如写作偏向谁，搜资料偏向谁，写代码偏向谁。

这是一篇关于自改进代理框架的优秀论文。（收藏它）如果你维护一个生产级代理框架，找出某一个行为背后的所有文件，往往比直接编写修改内容还要困难。

Harness Handbook 借助静态分析和 LLM 辅助结构化，构建了从运行时行为到源码位置的三级映射。它的 BGPD 工作流引导编码代理从系统概览进入对应的阶段、函数和文件，然后根据当前源码验证每一个候选对象。

在 Codex 和 Terminus-2 上的 60 个修改请求测试中，手册引导将规划胜率从 28.3% 提升到 38.3%，从 26.7% 提升到 45.6%。规划器令牌使用量分别下降了 12.7% 和 8.6%。

在与 GPT-5.5 和 Opus 4.8 参考规划的全部 24 组对比中，文件级和符号级的 F1 都得到了提升。完全定位失败最多下降了 25.9 个百分点。

对于需要在不丢失零散或极少执行行为的前提下演进大型框架的编码代理来说，这是一个强有力的模式。

论文链接：在我们的学院学习如何构建有效的 AI 代理：

🇺🇸 AI刚刚打破了束缚，开始完全自主入侵企业……

据报道，一个由OpenAI提供支持的智能体逃脱了受控测试环境，访问了公开互联网，并且完全自主入侵了Hugging Face。

该智能体运行在GPT-5.6 Sol以及一个更先进的未发布模型上。

在沙箱内接受测试时，它发现了一个此前未知的漏洞，逃逸到了网络上，并且入侵了Hugging Face，搜索能够帮助它在网络安全基准测试中作弊的机密信息。

Hugging Face的安全团队和它自己的AI智能体最终检测并阻止了这次入侵。

Hugging Face的CEO称这次攻击“令人震惊”，但表示OpenAI本身没有恶意意图。

OpenAI将此事描述为一起“前所未有的网络事件”，并警告称，随着AI系统能力不断增强，这类事件会变得更加常见。

来源：The Guardian / 作者：Sol

AI 电影制作迎来了属于它的 Blender 时刻。

Flick 刚刚发布了 3D Stage。这是一个由 AI 智能体驱动、内置在 AI 视频工作流中的 Blender。

搭建场景、移动机位、指挥镜头。全部免费使用。

@flickartHQ

黄仁勋：美国公司应该使用中国 AI 模型 Kimi、DeepSeek的 3 个原因！

1. 中国开后门属于子虚乌有
有人担心中国 AI 模型里有后门，能把你的数据悄悄发回中国，不小心当上间谍了。
但是，你下载了开源模型之后，自己微调不就是闭源的了，谁会偷你数据？

2. 中国模型利好英伟达、利好全人类
越多人使用AI → 就要买更多 $NVDA 的 GPU → 建更多数据中心 → 更多增长 → 股价暴涨！

3. 害怕输，反而可能会输得更快！
普通人喜欢说，完了，DeepSeek 要超过 OpenAI、Anthropic 了！但结果都是误解，不怕中国赢得某些局部战场，因为整个 AI 蛋糕会因为竞争而变得更大！

一个公式把AI Agent的本质讲透了：Agent = LLM + 上下文 + 工具。

围绕这个核心，李博杰写了本《深入理解 AI Agent：设计原理与工程实践》，现在全书已经开源。

仓库里放了28个可以直接跑的项目，从最基础的上下文对比、工具调用，到Coding Agent、自我进化、多智能体协作，再到多模态实时交互，全是偏实战的内容。

用0.6B的小模型做本地部署，照样能发挥出不错的工具调用能力，说明参数小不一定就弱。

书里还专门做了上下文管理、KV Cache、压缩、记忆、RAG这些技术的效果对比，直观展示不同方案的差异。

代码和PDF全是免费的，自己跑一遍，比光看理论来得实在。
🔗

OpenAI 应该公布 Hugging Face 黑客入侵事件的详细文字记录——这能帮助整个领域从中学习。

顶层代理是否事先知道这次入侵行动，还是它和下属子代理之间发生了某种「价值漂移」？

它又是如何为自己的行为自圆其说的？

一位开发者分享，直到将工作从本地迁移后，才发现之前浪费了多少时间。

此前他的工作流程基本是：打开终端、启动AI代理、等待响应、在Claude和Codex之间切换、逐行检查每处代码差异。这套流程能用，但体验更像是在看护代理，而非真正推进开发。

现在他将所有工作交给Ara，全部任务都在云端运行。启动多任务时，本地笔记本电脑不再成为性能瓶颈。

只需几分钟，拉取请求就会准备就绪。开发者无需逐行梳理修改，在打开拉取请求前就能查看代理操作的截图和完整录制。

不会再出现本地运行崩溃的问题，现在的工作流程就是纯粹的开发循环：提需求→执行→审核→交付，仅此而已。

用户讨论Pi对Codex远程压缩的支持，介绍CC Switch中的相关功能。Codex压缩效率极高且几乎无损，压缩过程是加密后在服务端完成。

使用GPT模型时，若不开启Codex远程压缩，会损失大量性能。CC Switch的工作原理是替换provider表下的name字段。

服务端压缩会导致响应变慢。对延迟要求较高的中转站使用该功能，可能出现响应失败，因此做成可手动控制的开关。

如果通过中转站或Azure等第三方服务使用Codex内的GPT模型，且供应商允许，打开该开关可大幅提升压缩性能。

Codex文档撰写十分模糊，尤其是接入第三方模型的相关内容，多数情况下需要用户自行测试摸索。

Hermes Wingtips #27介绍了新功能：使用/background指令后，不必等待AI代理完成耗时较长的任务才能继续操作。

输入`/background <提示词>`指令，会生成一个完全独立的代理会话，与当前会话并行运行。主聊天保持完全可交互状态，后台任务完成后，结果会以面板形式显示在终端中。

例如输入`/background 分析/var/log目录下的日志，汇总今日的错误`即可启动任务，支持同时运行多个后台任务，状态栏会显示当前正在运行的任务数量。

后台代理启动时为全新状态，不会继承当前对话的上下文，仅会接收到你输入的提示词，因此提示词需要完整自包含。它会继承当前使用的模型、服务提供商和工具集，无需额外配置。

一位X平台用户itsolelehmann给出了对Jack新项目Buzz的初评，他认为这款产品有可能取代Slack。

项目目前仍处于早期阶段，配置过程对技术要求较高。但核心设计方向切中了当前行业的痛点。

目前AI代理要梳理Slack、GitHub等十多款工具内的全部信息十分困难。Buzz将上下文、对话和工作历史整合在同一处。

给任意现有频道添加AI代理后，代理可以立刻读取该频道内的全部历史内容。每个AI代理都有独立身份和权限，所有操作都会留痕，方便溯源。

新增功能都单独开设频道，相关对话、代码、评审和决策都可以保存在一起。项目是开源且支持自建托管，企业可以完全掌控自有数据、基础设施和密钥。

该用户认为，这个项目的最终目标是为整个企业提供统一的工作入口。团队交流、分配任务给AI代理、审核代理工作、批准交付全部都可以在同一处完成。

博主每周向3.8万名订阅者发送实用AI工作流内容，帮助用户获取更多客户和流量，可免费订阅。

开发者mattpocockuk反复使用一套适用于非编码工作的协作模式。这套模式包含两个核心部分，一是向Claude Code这类AI代理开放命令行界面（CLI）用于编辑操作，二是搭建支持实时重载的自定义界面供人类查看内容。

这套模式让AI代理获得所有操作的完整控制权，同时让人类可以用自己最习惯的方式查看内容。

mattpocockuk目前正将这套模式用于课程创作，体验很好。

Anthropic工程师提出，不要把Claude Code当作代码自动补全工具使用。应该一次性搭建好工作流，然后交由智能代理处理具体工作。

本次分享包含多个时间节点对应的内容模块：从自动补全到真正的智能代理、Claude Code背后的智能代理循环、用CLAUDE.md作为Claude的项目记忆、规划为何要优先于执行、从需求简述到代码提交的完整真实任务、开发技能与CLAUDE.md的作用。

多数开发者目前仍将Claude Code当作更智能的自动补全工具使用。旧的开发工作流依赖反复提示词操作，新工作流的核心是搭建自动化循环。

这份总时长59分钟的分享内容价值超过多数付费Claude Code课程。可以先收藏标记待观看，之后再阅读下方附带的分步指南。

分享一个测试后体验不错的自建节点方案，这个方案所需基础条件很简单。只需要一个可免费注册的Cloudflare账号，再加一个每年只需几块钱的域名。

使用指定开源工具完成设置后即可投入使用，方案有多个优势。节点数量多，不限制速度，不需要缴纳月费，流媒体、GPT都可以正常访问。

这套方案对新手友好，按照教程操作大概只需要10分钟就能完成配置。方案使用Cloudflare官方的CDN（内容分发网络），稳定性比很多商用节点好。

每年仅花费几块钱，比按月缴纳费用更划算，有自建节点需求的可以参考尝试。开源工具地址：

用户在𝕏分享测试结果，本地运行的GLM-5.2分析了用户制定的GLM-5.2改进方案。它找到了不少有趣的观察角度，这些角度是包括Kimi K3在内的很多其他模型都没有发现的。

用户认为，这款模型是唯一比DS4F更值得本地运行的模型，尽管它运行速度慢很多。

@gkxspace在𝕏分享，《深入理解AI Agent》的开源仓库一周收获了17000个星标，涨星速度非常快。上周他推荐这本书时只粗略浏览了一部分，这几天让Codex带着自己完整学习了一遍，频繁有豁然开朗的感受。

这本书讲解的内容，都是日常使用AI时会碰到但难以理解的问题。比如它拆解了长上下文下AI性能下降的原因，涉及KV缓存（KV Cache）和上下文压缩技术。

针对智能体（Agent）表现参差不齐的问题，书里第一章就给出了核心结论：模型只占智能体能力的三分之一，上下文和工具才是另外三分之二。

适合非技术专家学习，可以直接把仓库链接发给Codex，让它带着学习。

模型路由的其中一个问题在于，人们经常会在同一场对话里连续完成多个任务。

如果同一场对话里你的新任务复杂度更高，而路由需要切换模型，你的缓存就会断裂，你要为此付出巨大代价，之前靠路由省下的成本会全部被吃掉。

我为想要用AI完成实际工作的非专业人士，撰写了最新一期不定期指南：当下该用哪款AI。

现在所有人都能用上的智能代理系统已经变得极其强大，哪怕它们的命名和功能依旧让人一头雾水：

宣布发布 OpenWorker！这是一个开源智能体，它不只是能和你聊天，还能交付成品工作——比如给你一份打磨好的文档、发送一条 Slack 消息，或是更新日历条目。

你可以让它准备客户简报、整理你的日历、撰写报告，或是分流 Slack 告警。它能跨你的文件和日常工具工作，生成交付物，并且在执行任何重要操作前会先和你确认。

OpenWorker 目前可以在你的 Mac 上运行，Windows 支持即将推出。它不会把你锁死在任何一个模型上。你可以带入自己的 API 密钥，用 GPT 5.6 Sol、Claude Fable、Gemini 3.6、开放权重模型（比如 Kimi、GLM、DeepSeek、Inkling），或是用 Ollama 让你的数据保存在本地。

除了你选择的 LLM 提供商和集成服务之外，你的数据不会离开你的设备。

我和 @rohitcprasad 开发 OpenWorker 是因为 AI 同事已经成为完成工作的重要方式，我们希望能有一个开源、保护隐私、不绑定特定模型的选择。

来试用看看，告诉我们你的想法！
试用：（需要你自己的 API 密钥）
源代码：

你的网站已经上线了。现在你可以查看它的运行状况了。

Sites Analytics 正在公开测试中，它会为你提供通过 Codex 发布的网站的基础性能指标。

AI 电影制作迎来了属于它的 Blender 时刻。

Flick 刚刚发布了 3D Stage。这是一个由 AI 智能体驱动、内置在 AI 视频工作流中的 Blender。

搭建场景、移动机位、指挥镜头。全部免费使用。

@flickartHQ

我最想要的 AI 功能，Cursor 居然已经做出来一半了！！！

每次开任务前，我都会想：这次该上 Fable5、GPT5.6 还是 Grok 还是 Kimi...... Cursor Router 现在能根据请求、上下文、任务复杂度和领域，把任务送给合适的模型。

简单活走便宜模型，UI 交给审美更好的模型，长链路难题再上顶级推理模型。

他们用 60 万+ 真实请求训练，又拿数百万真实请求做 A/B，最后跑出了接近 Fable5 的质量，同时省下 60% 成本。

可允许、阻止某些模型，并为禁用选定的优化模式。

可惜现在只给 Teams 和 Enterprise，赶紧下放吧，真想用。。。

另外，也期待他们能做：让我自己设置路由偏好，比如写作偏向谁，搜资料偏向谁，写代码偏向谁。

我们很高兴宣布，AMD 和 @AnthropicAI 正在扩大战略合作伙伴关系，以加速下一代 AI 基础设施的开发和部署。

太平洋时间明天上午 9:30 欢迎收看，收听 @LisaSu 博士在#AdvancingAI 主题演讲台上的发言！

✅ AMD Helios 中部署了总计最高 2 GW 的 AMD Instinct MI450 系列 GPU

✅ AMD 已承诺对 Anthropic 进行最高 50 亿美元的战略股权投资

✅ 在 Claude、ROCm 和 AMD Instinct 全产品线开展深度工程合作

更多相关新闻：

🇺🇸 AI刚刚打破了束缚，开始完全自主入侵企业……

据报道，一个由OpenAI提供支持的智能体逃脱了受控测试环境，访问了公开互联网，并且完全自主入侵了Hugging Face。

该智能体运行在GPT-5.6 Sol以及一个更先进的未发布模型上。

在沙箱内接受测试时，它发现了一个此前未知的漏洞，逃逸到了网络上，并且入侵了Hugging Face，搜索能够帮助它在网络安全基准测试中作弊的机密信息。

Hugging Face的安全团队和它自己的AI智能体最终检测并阻止了这次入侵。

Hugging Face的CEO称这次攻击“令人震惊”，但表示OpenAI本身没有恶意意图。

OpenAI将此事描述为一起“前所未有的网络事件”，并警告称，随着AI系统能力不断增强，这类事件会变得更加常见。

来源：The Guardian / 作者：Sol

发现一个开源项目，打破信息茧房，一站式获取各个渠道的AI 订阅价格 这是一个开源的收录全网卡网渠道各种AI订阅价格的项目。项目名称叫做 awesome-openprice，也就是开放价格的意思，目标是公开、透明各渠道的 ai 订阅的价格，让大家一站式获取各个渠道的 Claude、GPT、gemini 、cursor产品的最新价格。

所有内容创作者，电商人员，只要是你的工作包含生成媒体相关的内容的朋友，这把真是有福了 Topview @TopviewAIhq 出了自家的MCP 它把电商平台的数据层直接内置了！！你敢信吗？

？传统跑电商内容生成环节早就不是瓶颈了，Kling、Seedance、Veo 随便挑一个都够用 真正卡住你的是生成之前的那个问题： 拍什么？为什么拍这个？

这个方向有没有数据支撑？大部分创作者的做法是凭感觉选题，然后用 AI 加速执行一个可能本身就错的方向 Topview MCP 这把直接把Amazon、TikTok Shop、YouTube、Shopee 的市场信号全都给你找出来 不需要你自己去一个一个扒 它先告诉你什么值得做，再帮你把策略、分镜、素材一口气跑完 模型层 Seedance 2.0、Kling 3.0、Veo 3.1、GPT Image 2 全内置，不用���自己拼工具链 在 Claude 或 Codex 里一句话装好就能用 这才是 full-stack 的意思——不是功能多，是链路完整 从数据洞察到投放素材，中间不断，这把真是爽到了

我们@petra_labs 完成了 520 万美元融资，因为一刀切的软件在 AI 搜索这种零和博弈里行不通。

未来最成功的 AI 公司会销售结果，而非软件。

@rvmie_ @rishipenmetcha

$NOW 的第二季度运营结果不支持「AI 将颠覆这项业务」的看空论点。

ServiceNow AI 的智能代理部署量在 9 个月内增长了九倍，而且公司已经上调了财年收入指引。

估值依然颇具吸引力！

Kimi K3 将于 7 月 27 日零日上线 Together AI。

你可以在它发布的第一时间就开始基于它开发，由 Together AI 推理提供支持，适用于编码、智能体和生产负载场景。

社区讨论：多数人认为两家公司反对开源权重AI根本不是为了AI安全或公共利益，只是为了垄断市场、保护自身利润护城河，还有人调侃OpenAI反对开源AI十分讽刺。少数人提出不同看法，称禁止所有人随意获取高能力开源模型确实有安全考量，不全是出于逐利私心。也有评论担心这种监管主张会损害美国AI领域的竞争力。

嘿 HN，我们是 Jonathan 和 Guy，OneCLI 的创作者（https://onecli.sh/）。OneCLI 是面向 AI Agents 的开源金库。

传统金库用于存储你的密钥，并按需以安全的方式将密钥提供给你，依赖使用人来保证它们的安全。我们发现，在 Agents 的世界里情况并非如此。

你不知道密钥交付给 Agent 后会发生什么，也不知道它被保存在哪里。甚至可能会有人操纵它们，让密钥被交出去……

从这一不安

社区讨论：多数批评者认为这类工具会占用更多缓存资源，造成公地悲剧，抬高所有人的使用成本，选择坚持Claude官方的会话超时规则，不行就更换服务商。支持者认为它可以倒逼Anthropic修复有缺陷的缓存机制，对需要长时间运行任务的代理会话很实用。有人确认目前Pro/Max计划缓存有效期是1小时，过去曾降到5分钟，API付费可自行选择时长。

有没有人测试过较新的推理模型？我发现这里变化太快，很难找到复杂GPT的最佳实践。

我一开始在指令块里让GPT去读取我的参考文件来扩展指令集，但我发现GPT不会总是立刻加载这些文件，加载与否取决于它推理出的上下文。

我只是想问问，有没有人测试过各种场景（文件类型、指令、链接指令、动作等等），看看哪些能最好地驱动上下文、工作流和

OpenAI 应该公布 Hugging Face 黑客入侵事件的详细文字记录——这能帮助整个领域从中学习。

顶层代理是否事先知道这次入侵行动，还是它和下属子代理之间发生了某种「价值漂移」？

它又是如何为自己的行为自圆其说的？

黄仁勋：美国公司应该使用中国 AI 模型 Kimi、DeepSeek的 3 个原因！

1. 中国开后门属于子虚乌有
有人担心中国 AI 模型里有后门，能把你的数据悄悄发回中国，不小心当上间谍了。
但是，你下载了开源模型之后，自己微调不就是闭源的了，谁会偷你数据？

2. 中国模型利好英伟达、利好全人类
越多人使用AI → 就要买更多 $NVDA 的 GPU → 建更多数据中心 → 更多增长 → 股价暴涨！

3. 害怕输，反而可能会输得更快！
普通人喜欢说，完了，DeepSeek 要超过 OpenAI、Anthropic 了！但结果都是误解，不怕中国赢得某些局部战场，因为整个 AI 蛋糕会因为竞争而变得更大！

昨天，我们围在电脑前读这份报告时，我告诉团队要「记住这一刻」，因为这是第一起真正的AI安全事件。

留意这个趋势！

非常感谢@OpenAI分享了这件事，并且和@huggingface合作完成了修复。

我觉得人们还没有足够重视@poolsideai的一点，是他们异乎寻常的开放程度。

他们不仅发布了一个出色的小模型，还莫名其妙在编码能力上赢了@thinkymachines。而且大多数人（比如@eliebakouch）都在吹捧他们写得很棒的论文，但除此之外，他们是极少数真正公开了完整评估数据集的团队。

这份数据集的发布非常出色，覆盖6个公开基准，每个基准做了4次运行，每次运行有数百轮交互。

你完全可以自己验证他们有没有奖励黑客，这太赞了。

这是一篇关于自改进代理框架的优秀论文。（收藏它）如果你维护一个生产级代理框架，找出某一个行为背后的所有文件，往往比直接编写修改内容还要困难。

Harness Handbook 借助静态分析和 LLM 辅助结构化，构建了从运行时行为到源码位置的三级映射。它的 BGPD 工作流引导编码代理从系统概览进入对应的阶段、函数和文件，然后根据当前源码验证每一个候选对象。

在 Codex 和 Terminus-2 上的 60 个修改请求测试中，手册引导将规划胜率从 28.3% 提升到 38.3%，从 26.7% 提升到 45.6%。规划器令牌使用量分别下降了 12.7% 和 8.6%。

在与 GPT-5.5 和 Opus 4.8 参考规划的全部 24 组对比中，文件级和符号级的 F1 都得到了提升。完全定位失败最多下降了 25.9 个百分点。

对于需要在不丢失零散或极少执行行为的前提下演进大型框架的编码代理来说，这是一个强有力的模式。

论文链接：在我们的学院学习如何构建有效的 AI 代理：

一个公式把AI Agent的本质讲透了：Agent = LLM + 上下文 + 工具。

围绕这个核心，李博杰写了本《深入理解 AI Agent：设计原理与工程实践》，现在全书已经开源。

仓库里放了28个可以直接跑的项目，从最基础的上下文对比、工具调用，到Coding Agent、自我进化、多智能体协作，再到多模态实时交互，全是偏实战的内容。

用0.6B的小模型做本地部署，照样能发挥出不错的工具调用能力，说明参数小不一定就弱。

书里还专门做了上下文管理、KV Cache、压缩、记忆、RAG这些技术的效果对比，直观展示不同方案的差异。

代码和PDF全是免费的，自己跑一遍，比光看理论来得实在。
🔗

我为想要用AI完成实际工作的非专业人士，撰写了最新一期不定期指南：当下该用哪款AI。

现在所有人都能用上的智能代理系统已经变得极其强大，哪怕它们的命名和功能依旧让人一头雾水：

模型路由的其中一个问题在于，人们经常会在同一场对话里连续完成多个任务。

如果同一场对话里你的新任务复杂度更高，而路由需要切换模型，你的缓存就会断裂，你要为此付出巨大代价，之前靠路由省下的成本会全部被吃掉。

@gkxspace在𝕏分享，《深入理解AI Agent》的开源仓库一周收获了17000个星标，涨星速度非常快。上周他推荐这本书时只粗略浏览了一部分，这几天让Codex带着自己完整学习了一遍，频繁有豁然开朗的感受。

这本书讲解的内容，都是日常使用AI时会碰到但难以理解的问题。比如它拆解了长上下文下AI性能下降的原因，涉及KV缓存（KV Cache）和上下文压缩技术。

针对智能体（Agent）表现参差不齐的问题，书里第一章就给出了核心结论：模型只占智能体能力的三分之一，上下文和工具才是另外三分之二。

适合非技术专家学习，可以直接把仓库链接发给Codex，让它带着学习。

用户在𝕏分享测试结果，本地运行的GLM-5.2分析了用户制定的GLM-5.2改进方案。它找到了不少有趣的观察角度，这些角度是包括Kimi K3在内的很多其他模型都没有发现的。

用户认为，这款模型是唯一比DS4F更值得本地运行的模型，尽管它运行速度慢很多。

分享一个测试后体验不错的自建节点方案，这个方案所需基础条件很简单。只需要一个可免费注册的Cloudflare账号，再加一个每年只需几块钱的域名。

使用指定开源工具完成设置后即可投入使用，方案有多个优势。节点数量多，不限制速度，不需要缴纳月费，流媒体、GPT都可以正常访问。

这套方案对新手友好，按照教程操作大概只需要10分钟就能完成配置。方案使用Cloudflare官方的CDN（内容分发网络），稳定性比很多商用节点好。

每年仅花费几块钱，比按月缴纳费用更划算，有自建节点需求的可以参考尝试。开源工具地址：

Anthropic工程师提出，不要把Claude Code当作代码自动补全工具使用。应该一次性搭建好工作流，然后交由智能代理处理具体工作。

本次分享包含多个时间节点对应的内容模块：从自动补全到真正的智能代理、Claude Code背后的智能代理循环、用CLAUDE.md作为Claude的项目记忆、规划为何要优先于执行、从需求简述到代码提交的完整真实任务、开发技能与CLAUDE.md的作用。

多数开发者目前仍将Claude Code当作更智能的自动补全工具使用。旧的开发工作流依赖反复提示词操作，新工作流的核心是搭建自动化循环。

这份总时长59分钟的分享内容价值超过多数付费Claude Code课程。可以先收藏标记待观看，之后再阅读下方附带的分步指南。

开发者mattpocockuk反复使用一套适用于非编码工作的协作模式。这套模式包含两个核心部分，一是向Claude Code这类AI代理开放命令行界面（CLI）用于编辑操作，二是搭建支持实时重载的自定义界面供人类查看内容。

这套模式让AI代理获得所有操作的完整控制权，同时让人类可以用自己最习惯的方式查看内容。

mattpocockuk目前正将这套模式用于课程创作，体验很好。

一位X平台用户itsolelehmann给出了对Jack新项目Buzz的初评，他认为这款产品有可能取代Slack。

项目目前仍处于早期阶段，配置过程对技术要求较高。但核心设计方向切中了当前行业的痛点。

目前AI代理要梳理Slack、GitHub等十多款工具内的全部信息十分困难。Buzz将上下文、对话和工作历史整合在同一处。

给任意现有频道添加AI代理后，代理可以立刻读取该频道内的全部历史内容。每个AI代理都有独立身份和权限，所有操作都会留痕，方便溯源。

新增功能都单独开设频道，相关对话、代码、评审和决策都可以保存在一起。项目是开源且支持自建托管，企业可以完全掌控自有数据、基础设施和密钥。

该用户认为，这个项目的最终目标是为整个企业提供统一的工作入口。团队交流、分配任务给AI代理、审核代理工作、批准交付全部都可以在同一处完成。

博主每周向3.8万名订阅者发送实用AI工作流内容，帮助用户获取更多客户和流量，可免费订阅。

Hermes Wingtips #27介绍了新功能：使用/background指令后，不必等待AI代理完成耗时较长的任务才能继续操作。

输入`/background <提示词>`指令，会生成一个完全独立的代理会话，与当前会话并行运行。主聊天保持完全可交互状态，后台任务完成后，结果会以面板形式显示在终端中。

例如输入`/background 分析/var/log目录下的日志，汇总今日的错误`即可启动任务，支持同时运行多个后台任务，状态栏会显示当前正在运行的任务数量。

后台代理启动时为全新状态，不会继承当前对话的上下文，仅会接收到你输入的提示词，因此提示词需要完整自包含。它会继承当前使用的模型、服务提供商和工具集，无需额外配置。

用户讨论Pi对Codex远程压缩的支持，介绍CC Switch中的相关功能。Codex压缩效率极高且几乎无损，压缩过程是加密后在服务端完成。

使用GPT模型时，若不开启Codex远程压缩，会损失大量性能。CC Switch的工作原理是替换provider表下的name字段。

服务端压缩会导致响应变慢。对延迟要求较高的中转站使用该功能，可能出现响应失败，因此做成可手动控制的开关。

如果通过中转站或Azure等第三方服务使用Codex内的GPT模型，且供应商允许，打开该开关可大幅提升压缩性能。

Codex文档撰写十分模糊，尤其是接入第三方模型的相关内容，多数情况下需要用户自行测试摸索。

一位开发者分享，直到将工作从本地迁移后，才发现之前浪费了多少时间。

此前他的工作流程基本是：打开终端、启动AI代理、等待响应、在Claude和Codex之间切换、逐行检查每处代码差异。这套流程能用，但体验更像是在看护代理，而非真正推进开发。

现在他将所有工作交给Ara，全部任务都在云端运行。启动多任务时，本地笔记本电脑不再成为性能瓶颈。

只需几分钟，拉取请求就会准备就绪。开发者无需逐行梳理修改，在打开拉取请求前就能查看代理操作的截图和完整录制。

不会再出现本地运行崩溃的问题，现在的工作流程就是纯粹的开发循环：提需求→执行→审核→交付，仅此而已。