Anthropic 内部工程实践发生根本性转向。Claude Code 负责人披露，公司 85% 工程师日常运行数十至上百个智能体，单工程师可完成整支团队工作量；另一名工程师称九成员工已放弃自优化循环，全面转用智能体图工程。这是图工程从理论进入主流开发流程的最硬证据。
微软新版 Copilot Studio 今天正式上线，功能更强、运行更快，面向想自建 AI 工作流的企业开发者。同一天，v0 开放 API，开发者可程序化调用其项目生成与 Vercel 部署能力，降低自建前端 AI 工具的门槛。
国内多个海外大模型 API 中转站陆续关停。此前靠间接通道调用 OpenAI、Anthropic 模型的开发者，需要重新评估接入路径。
这波属于是把 AI Agent 的门槛直接给砸穿了。HKU 又出了个神仙项目，不用写一行代码，用自然语言就能自动组装并演进一整套 AI 工作流。
开放权重模型在发布之外仍能持续产生影响力。只要开放获取权限，创作者和开发者就可以搭建全新工作流，优化性能，挖掘出意料之外的使用场景。
套上数据接口就能直接造一个 TradingView！ TradingView 官方自研的轻量级前端图表库 lightweight-charts，体积小到只有约 35KB（比一张 GIF 动图还小），但性能极其恐怖。
IBM 开源的这个 AI Agent 框架真有点狠，别再用那些动不动就幻觉崩溃的裸 Prompt 了。 它叫 BeeAI Framework，Linux 基金会下的开源项目，专门用来搞“工业级”多智能体协同。
对于语音AI来说，知道何时开口比听起来更难。人类说话者能在一瞬间无缝交接，但此前的语音AI系统跟不上这种节奏。它们基于轮流说话的架构依赖被称为“轮次检测器”的小型模型，而这些模型面临一个吃力不讨好的任务：猜得太早，用户会被打断；猜得太晚，响应又会显得迟缓。只有检测器做出决定后，大得多的LLM才能开始工作。
GPT‑Live是我们第三代语音系统，它将轮次检测器从音频路径中移除。其语音模型是全双工的，也就是说它可以同时听和说。这样就不需要单独的检测器，对话也因而更加即时、自然。当需要更深入的推理或工具调用时，GPT‑Live还可以咨询我们的前沿模型（如GPT‑5.5），而不会中断对话的流畅进行。
𝕏 实时信号 + arXiv 前沿论文，经 AI 聚类解读 · 一眼扫完全貌（含上方导读精选 4 条）
想用ChatGPT自定义连接器对接本地MCP服务的开发者，可以参考这个报错案例排查配置问题
大家好，我正在尝试为本地 MCP 服务器创建一个 OpenAI Secure MCP Tunnel，以便从 ChatGPT 自定义连接器使用它。
我的预期配置是：ChatGPT 自定义连接器 -> 连接 = Tunnel -> OpenAI Secure MCP Tunnel -> 本地隧道客户端 -> 位于 http://127.0.0.1:8000/mcp 的本地 MCP 服务器。
我知道 ChatGPT 不接受直接本地 HTTP MCP URL，比如 http://localhost:8000/mcp，所以我尝试改用 Tunnel 选项。
我在 Platform 设置中创建了两个自定义角色：T
广泛使用的基础工具被爆严重漏洞，最终可能只是AI生成的错误内容，普通使用者也需要留意这类乌龙带来的风险。
社区讨论：多数人认为这是LLM能力过度乐观预期带来的AI幻觉产物，检测显示该漏洞报告大部分内容由AI生成。有人指出这类虚假CVE会拉低信息信噪比，还会让CVE编号系统遭垃圾报告淹没、可信度下降，也会占用维护者精力导致真实漏洞无人处理。有人疑惑CNA为何不对提交的漏洞做验证就发放编号，还有人吐槽强制修补所有CVE的规定会因此陷入尴尬。
因为OpenAI、Anthropic的模型不能直接在国内访问，很多人靠这类中转服务间接调用。现在已有服务商宣布彻底关闭服务。
“海外AI中转站大清查：运营者“被警方传唤”
由于OpenAI、Anthropic等海外大模型在中国大陆存在访问、注册和支付门槛，不少开发者和普通用户长期通过国内“API中转站”，间接调用GPT、Claude等海外模型。
近日，这类中转服务被曝陆续关停。
重庆云之雾网络科技有限公司旗下“云雾API”客服通知称，因与海外模型供应商的合作合同到期，yunwuai已于7月31日23时59分“彻底关闭海外模型调用”，相关API请求全部停止响应，并要求用户尽快迁移业务。
与此同时，另一张中转站群聊截图显示，一名管理员称其接到杭州警方来电，已被“传唤和惩戒”，并被要求限期清退没有相关营业资质的大模型中转站。
该中转站随后宣布立即关停服务，并为套餐用户退款。
近日，多名小红书用户也反映，自己使用的云雾等中转站突然暂停GPT、Claude等海外模型服务。
评论区有网友称，近期一些规模较大的中转站陆续遭到约谈，而部分用户量较少的小型中转站目前仍能使用。
这个观点引发了科技圈大量讨论，会影响普通人使用大模型的方式和获益空间
社区讨论：多数用户认同大语言模型放大了已有专业能力使用者的产出，用户cheriot直接称“LLMs multiply the human user's ability. More ability, more impact!”，多个用户指出用好LLM需要会提正确问题、了解领域知识，甚至要提前告知模型自身的专业背景才能得到准确结果。也有人提出疑问，新手该如何在LLM时代积累领域专业能力，还有人指出这一趋势也会让缺乏专业知识的人产出大量劣质内容污染领域。
规模化部署大模型的成本一直居高不下，新方案直接缩小体积还能提升速度与安全性，帮想要用大模型的团队压低落地门槛
社区讨论：部分网友认为文章内容充满行业空话，阅读体验糟糕。有人肯定本次KV缓存量化的透明度，也指出部分厂商会悄悄做KV量化却只宣传未量化权重，且本文测试不够详细，不同模型对KV量化敏感度不同。还有人指责厂商不在模型页标注量化，只在博客提及，还在小上下文任务测性能隐瞒质量损失，属于欺诈，另有用户想看Cloudflare定价却找不到入口，还有人询问对应岗位的名称与技能要求。
大厂大模型自带的免费搜索工具，挡住了很多人发现高效Agent搜索的路径，选对专门的搜索工具能完全改变AI工作流的效果
因为 Claude、Codex 和 Gemini 都免费附赠了内置的「网页搜索」作为捆绑工具，大多数人还没有发现给智能体接入专业搜索引擎带来的超额收益。
有些人还在使用非常低效的方案，比如类似智能体浏览器的东西。
一旦你把类似 Exa（或是 Parallel）这样的服务接入到你的智能体工作流，整个游戏就彻底改变了。
我之前同时使用过 Perplexity、Exa、Parallel 这三个，现在我只用 Exa。对我来说，目前它在速度、成本和质量上都是最好的。
开发者可以通过API调用自动启动会话、预览项目、部署到Vercel，降低了自建v0相关工具的门槛
推出全新 v0 API。你可以通过编程方式调用 v0 的应用构建能力： • 从提示词、代码仓库或 ZIP 文件开始一段对话 • 渲染开发服务器预览 • 发送跟进消息 • 部署到 Vercel
这份报告测算不同AI业务的回报率，企业投入1美元AI成本，能创造10美元以上生产力收益，AI需求不会快速见顶，商业化正在加速。
解决个人AI编码工具泄露企业数据的风险，能降低Token成本，还能把所有数据和服务部署在企业私有AWS环境内
做复杂科学计算需要靠谱结果的人，可以看看这套结论，现有大模型在这类任务上的表现和可靠性都远不如专门的神经符号模型
所有前沿 AI 模型（包括 GPT-5.6 Sol、Fable 5 和 Kimi K3）在正确实现基础非线性偏微分方程求解器上始终表现失败，经常在数值稳定性、精度阶数或物理一致性上出现重大错误——哪怕给了非常详细的提示，并且要求它们在 Lean 中形式化实现也是如此。
哪怕在模型成功的案例中，更可靠的模型（比如 Fable 5）消耗的 tokens 也通常是 Lanyon 这类轻量神经符号模型的 100 倍以上。
我们的论点是：只有 Lanyon 这样真正的神经符号模型，才能为复杂科学问题生成超高可靠的数值求解器，并提供端到端正确性保证。至少就目前而言，两者差距悬殊。
可以在下方我们最新发布的 @lanyon_ai 基准测试文章中阅读更多内容 👇
想让Claude Code、Codex输出更有用的代码？这个教程能帮你学会用图工程放大现有AI代码工具的效果
可在AWS账户内用Claude Code开发一键上线，支持IT团队监管
你无需将公司数据导出，就能在自己的AWS账户内，用Claude Code开发应用，并且一键部署上线。
此外，IT团队还可以在单个面板上追踪：谁开发了什么内容、访问了哪些数据、使用了哪些软件包。
这个工具名叫Superblocks。
想要获取更多这类内容，可以关注我的账号。👉🏻 @alitekintr
个人做Agent，比不过Claude Code、Codex这类顶尖团队做的产品，还得自己维护。大多数人想要自己的Agent，真实需求其实是私有化和定制化。
复杂任务先让Fable 5出技术方案文档，方便修改和其他AI读取，再交给Codex执行，最后由Fable 5验收结果。
试过把Qwen3.8-Max放在Hermes Agent里用的开发者说，最新的开源大模型能力已经强得超出预期。
去Hermes Agent上试用Qwen3.8-Max吧，试用后你肯定会质疑，这些开放前沿模型已经追上闭源前沿模型到这种程度了吗。这些新开源模型强得离谱。
按从小到大排序，目前最强的模型分别是：
- Gemma-4-12B
- Qwen3.8-27B
- Laguna-S2.1
- Deepseek-V4-Flash
- Inkling-Small
- MiniMax-M3
- GLM-5.*
- Kimi-K2.7-Code
- Qwen3.8-Max
- Kimi-K3
选择太多了，开放权重社区比前沿闭源领域有意思多了。
教授们担心，过度依赖AI会让未来的劳动力变成半文盲，相关讨论被刊发在纽约杂志的最新报告里。
访谈覆盖英国AI芯片初创公司融资、部门更名、欧盟AI法案落地、开源与闭源模型争论等内容，可了解英国AI行业最新动态。
完整访谈：英国人工智能部长@KanishkaNarayan 谈他的新内阁职位、英国AI芯片初创企业、首相Andy Burnham将DSIT更名为DBIST一事、开放模型对闭源模型，以及欧盟AI安全落地。
1:00 - 英国AI芯片初创企业Olix融资3.21亿美元
4:30 - DSIT更名为DBIST
6:40 - 英国AI部长的新职位
8:30 - 欧盟AI法案
11:40 - 闭源模型对开源模型
19:15 - Kanishka是Twitter网红
用AMD软硬件做AI开发的开发者，能靠它快速获取最佳实践和工作流，几秒就能完成安装，还能按需挑选所需功能。
认识 AMD Skills：它是一个不断扩充的智能体技能目录，可帮助 AI 编码助手更高效地适配 AMD 硬件与软件。
它兼容包括 Cursor、Claude Code、OpenAI Codex 和 Gemini CLI 在内的多种编码智能体，能为开发者提供在 AMD 平台上更快开发所需的知识、脚本和最佳实践。
为什么要试试它？
→ 通过 Skills CLI 几秒即可完成安装
→ 学习 AMD 最佳实践与工作流
→ 从端侧到云端，全场景构建 AI 应用
→ 仅选择你需要的技能即可
开始使用：
npx skills add amd/skills
探索这个项目，安装一个技能，并告诉我们你接下来希望看到什么功能：
做生产级AI代理的开发者不用再猜故障来源，大部分问题都出在模型和框架的衔接处，这套分类法还能自动标注生产故障，不用每次都手动复盘
// 模型还是框架 //
如果你正在生产环境中构建智能体，这是一篇很棒的论文。（收藏它）
它将 41 种智能体故障模式按故障起源的交互进行分类。每种故障模式都会被分配到两个组件之间的边上——组件包括模型（model）、框架（harness）、用户、工具、内存、环境——同时标注修复责任所属的故障侧。
将故障归因到边而非单个组件，更符合智能体 bug 实际出现的规律。大多数故障都出现在模型和其脚手架之间的衔接处。
这个分类框架也适用于自动化标注。在四个前沿模型上，最强分类器对比人工分类标签，得到的 Cohen's kappa 系数达到 0.76，因此标注可以持续在生产追踪数据上运行，不用每次只做一次事后分析。
今年，框架工程已经成为智能体开发者的主要手段，但目前还没有通用词汇来界定框架 bug 和模型 bug 的边界。
论文：
可以在我们的学院中查看更多热门 AI 论文：
想要搭建自定义AI智能体和工作流的开发者，现在能用到功能更强、运行更快的官方工具
今日 New Copilot Studio 正式发布，带来了 GitHub Copilot 智能体框架、更快的设计器、改进的 Microsoft IQ 支持，以及更多功能，帮助你构建更强大的智能体和工作流。
长上下文窗口扩大后，注意力机制会占据推理的大部分成本，选对架构设计才能同时提升系统吞吐量和单用户响应速度，想做长上下文大模型可以参考这四个设计方向
长上下文模型的推理服务速度，在训练开始前就基本决定好了。注意力机制原本只占模型推理成本很小一部分，但随着上下文窗口扩大，它的成本占比会急剧攀升。
一旦注意力计算占据了大部分工作量，更快的内核就不够用了，注意力机制本身的结构就决定了性能上限。
我们继续推出 AI 模型协同设计系列文章，新发布的一篇介绍了决定性能上限的四个架构选择：分组大小、头维度、KV缓存大小，以及并行策略。
文章还介绍了正确的选择如何同时提升系统吞吐量和单用户响应速度。你可以点击这里阅读全文：
这份分析指出Nebius给所有AI模型租算力，三种AI未来场景里有两种它都是受益者，有头部客户锁死长期需求，估值成长空间很大
目前仅开放文生视频和图生视频支持，后续会追加更多功能与优化，对生成视频AI训练感兴趣的创作者可以跟进测试
Ostris AI Toolkit 现已支持为 @MiniMax_AI 的 MiniMax H3 训练 LoRA。
目前仅支持文生视频（T2V）和图生视频（I2V）。我会在未来几天内添加参考模式、更多功能并做优化。
该工具使用 Comfy 量化权重，更多信息请查看模型说明。
想知道大公司如何落地内部AI工具，不妨看看行业先行者 Stripe 的实际搭建经验，可参考落地思路。
这关系到普通人能不能尽快用上最新的美国AI模型，美国单方面放缓，只会让中国团队更快缩小差距，很难真的放缓全球AI发展。
一名Anthropic工程师透露公司九成工程师原本用自优化循环，现已全部转做智能体图，不再使用提示词
一名任职于Anthropic的工程师分享了公司内部开发流程的变化。他表示，公司90%的工程师原本在使用自优化循环开发流程，现在所有工程师都已经转去构建智能体图。他同时提到，现在开发已经不再使用提示词。
他在十分钟内从空白终端开始，现场演示了Claude Code的完整配置和工作流程。
这场演示的价值超过一门价格500美元的智能体开发课程。
AI完成故事场景相机镜头全部开发，项目完整开放源代码可访问
用户MengTo在社交平台分享，可让Opus 5在Claude Code中连续运行两小时，最终在单个HTML文件内生成一部电影级效果的Three.js动画影片。
Opus 5独立完成了故事创作、场景搭建、转场设计、镜头运动设计，以及程序化生成虚拟世界的全部工作。Higgsfield负责生成旁白、音效和配乐。
使用者仅提供了更写实草地效果的参考资料，添加了个人常用开发技巧，并要求AI持续检查验证自己的工作成果。
整个项目完全开源，所有人都可以查看测试代码。目前已经公开了HTML页面地址、GitHub代码仓库地址和草地参考资料地址。
负责人表示该模式依托图工程，单工程师可完成整支团队的工作
Claude Code负责人表示，Anthropic 85%的工程师目前都在运行数十甚至数百个AI智能体，实现这一模式的方法是图工程。
这位负责人会用40分钟讲解，这种模式目前在Anthropic内部的推进程度，以及未来的发展方向。
他还讲解了，如今单个工程师如何依靠这套模式完成整支团队的工作。
如果不想被落下，相关内容值得了解，可以观看讲解视频，再阅读下方的图工程完整指南。
普通Claude用户分享该功能用法：按需加载技能，不占用多余上下文，自动切换
有用户称实在不理解，为什么每个Claude用户都没有第一时间利用这个功能。Anthropic悄悄为Claude推出了一套文件夹系统，能把单个Claude拆分成30个不同领域的专属能力，且这些能力支持按需加载，但几乎没人使用它。
很多人使用Claude时，每次开启对话都需要重新把相同的指令、示例和规则重新填入提示词，希望模型能记住正确的上下文。这套文件夹系统的用法很简单：一个文件夹存储一项专属能力，文件夹内写一行触发规则，Claude启动时只会读取这一行内容，在你实际需要这项能力前，都不会占用你的上下文窗口。
当你提到关键词“发票”，会计能力就会自动唤醒，提到“部署”，运维能力就会启动，你不需要手动指定加载哪一项能力。
多项能力可以静默叠加，同一任务最多可同时加载三项能力，更换话题后会立刻移除不需要的能力，整个切换过程用户完全感知不到。
你每次使用的提示词是一次性的，只有存储能力的文件夹可以持续积累效果。完整的拆解内容在下方文章中，该用户会亲自测试这类功能并分享结果，想要看后续内容可以关注他的账号@0xkkai。
可让Claude或Codex根据代码仓库生成单页HTML和JSON，另有独立工具graphify可实现该功能
开发者可以让Claude或Codex根据自己的应用代码仓库，生成单页HTML文件和JSON格式的应用完整架构。生成的HTML文件支持可视化查看架构，JSON文件则可以让其他AI代理识别架构信息。分享者已公开自己使用的提示词。
提示词要求AI深度分析整个代码仓库，生成两个可直接使用的交付物。第一个是自包含的单HTML文件，需要包含带节点和边的交互式架构图、右侧流程面板，选中流程时可在图中高亮完整路径，给每个组件添加提示信息，同时采用清晰专业的响应式设计。第二个是包含节点、边和流程步骤信息的JSON文件，供AI代理使用。
另一种方法是使用工具/graphify，安装命令为uv tool install graphifyy graphify install，工具代码仓库已公开链接。
分享者在社交平台@franpradasAI发布该内容，邀请用户关注获取更多AI工具，也可以分享给有代码仓库需求的朋友使用。
ivanfioravanti阐释混合AI理念，可自由选择在线或本地运行模型，并公开他生成视频的完整提示词
她分享了订阅的工具清单，其中Claude Code月费100美元，正寻找Riverside替代工具
近期，TaylorLorenz在Substack的采访中被问到每月在AI工具上的总花费，这里的统计范围也包含创意工具。她估算总花费约为300美元，具体订阅工具包括Adobe Premiere、Canva、CapCut、Riverside、Descript、Notion、VidIQ，以及每月100美元的Anthropic Claude Code，她本人很喜欢这款工具。
她一直会根据其他人的推荐，试用各类新服务，不合适就取消订阅。因此她公开征集好用的平台推荐。
Riverside的月费约为99美元，近期使用体验一直不稳定。她已经在调研替代这款工具的其他选项了。
开发者集成多款AI工具与Obsidian，构建带共享内存的AI研究系统
我正在基于 Obsidian、Grok、Claude Code、Codex 和 Hermes 代理搭建一个AI研究系统，我可以在 Telegram 上给这些代理发消息。
核心不在于任何单一工具，而在于共享记忆。
接下来我会介绍目前的搭建方案，它未来的发展方向，还有我使用的提示词。
开发者实测EschaLabs Qwen3.6-35B-A3B Escha W2模型，称赞其小体量高性能
我今天测试了 EschaLabs Qwen3.6-35B-A3B Escha W2 模型。它的表现真的惊人。
我把它和我模型库中所有 35B 参数的模型都比了一遍，它在尺寸小得多的情况下，表现完全不落下风。这不是 Bonsai 那种小模型，这来真的——权重极小，质量却极高。开源 AI 的未来太有前景了。
@WescheNex1q 我很希望你能在一块 spark 卡上试试这个模型。它的尺寸允许你以高速度实现惊人的并发。我在实验室里用一块 32GB 显存的 GPU，开了超过 10 个并发通道跑完了所有基准测试，速度达到了超过 2000 TPS。
Seedance 2.5官方用户手册公开，含可直接复用的提示词公式与案例
Seedance 2.5 官方用户手册：手把手教你做电影级 AI 视频，公式和案例全能抄 从上传素材的参数上限、界面上四个新入口，到七类场景各自的提示词公式，再到 16 个亮点功能的官方演示，手把手带你从上手一路走到电影级成片。 公式和案例提示词全部能直接抄，对用即梦做视频的人，这是一份能当工作台手册用的干货。
字节跳动给发布了一份官方提示词指南：从一句话生成，到 50 份参考素材怎么调度、30 秒长片怎么分段、改片子怎么只动一处，每类任务都配了能直接抄用的模板。 对用即梦或 API 做视频的人，这是第一份成体系的官方写法手册。..
原始文档： Seedance 2.5 Prompt Guide： Seedance 2.5 User Guide：
分享单人依托AI完成全团队跨境电商独立站业务的方法
开发者吐槽高价聘请的会计全AI回复，称可直接用AI替代
我每个月付很多钱雇的会计，刚刚用一个完全由AI生成的回复，回答了我发给他的一个问题。
不过这个回答确实有用，那我其实完全可以自己去问AI。
你肯定知道我现在在想什么：既然他反正什么都丢给AI，那我什么都直接问AI不就行了，为什么不用AI换掉他？
我觉得他本来就应该做和AI相反的事：收高价卖 premium 服务（他现在已经在收高价了），就应该坚持用人类来回答——毕竟会计这种事，我更希望真的有人类参与把关。
不管怎么说，这事还挺有意思的。
做复杂科学计算需要靠谱结果的人，可以看看这套结论，现有大模型在这类任务上的表现和可靠性都远不如专门的神经符号模型
所有前沿 AI 模型（包括 GPT-5.6 Sol、Fable 5 和 Kimi K3）在正确实现基础非线性偏微分方程求解器上始终表现失败，经常在数值稳定性、精度阶数或物理一致性上出现重大错误——哪怕给了非常详细的提示，并且要求它们在 Lean 中形式化实现也是如此。
哪怕在模型成功的案例中，更可靠的模型（比如 Fable 5）消耗的 tokens 也通常是 Lanyon 这类轻量神经符号模型的 100 倍以上。
我们的论点是：只有 Lanyon 这样真正的神经符号模型，才能为复杂科学问题生成超高可靠的数值求解器，并提供端到端正确性保证。至少就目前而言，两者差距悬殊。
可以在下方我们最新发布的 @lanyon_ai 基准测试文章中阅读更多内容 👇
长上下文窗口扩大后，注意力机制会占据推理的大部分成本，选对架构设计才能同时提升系统吞吐量和单用户响应速度，想做长上下文大模型可以参考这四个设计方向
长上下文模型的推理服务速度，在训练开始前就基本决定好了。注意力机制原本只占模型推理成本很小一部分，但随着上下文窗口扩大，它的成本占比会急剧攀升。
一旦注意力计算占据了大部分工作量，更快的内核就不够用了，注意力机制本身的结构就决定了性能上限。
我们继续推出 AI 模型协同设计系列文章，新发布的一篇介绍了决定性能上限的四个架构选择：分组大小、头维度、KV缓存大小，以及并行策略。
文章还介绍了正确的选择如何同时提升系统吞吐量和单用户响应速度。你可以点击这里阅读全文：
做生产级AI代理的开发者不用再猜故障来源，大部分问题都出在模型和框架的衔接处，这套分类法还能自动标注生产故障，不用每次都手动复盘
// 模型还是框架 //
如果你正在生产环境中构建智能体，这是一篇很棒的论文。（收藏它）
它将 41 种智能体故障模式按故障起源的交互进行分类。每种故障模式都会被分配到两个组件之间的边上——组件包括模型（model）、框架（harness）、用户、工具、内存、环境——同时标注修复责任所属的故障侧。
将故障归因到边而非单个组件，更符合智能体 bug 实际出现的规律。大多数故障都出现在模型和其脚手架之间的衔接处。
这个分类框架也适用于自动化标注。在四个前沿模型上，最强分类器对比人工分类标签，得到的 Cohen's kappa 系数达到 0.76，因此标注可以持续在生产追踪数据上运行，不用每次只做一次事后分析。
今年，框架工程已经成为智能体开发者的主要手段，但目前还没有通用词汇来界定框架 bug 和模型 bug 的边界。
论文：
可以在我们的学院中查看更多热门 AI 论文：
目前仅开放文生视频和图生视频支持，后续会追加更多功能与优化，对生成视频AI训练感兴趣的创作者可以跟进测试
Ostris AI Toolkit 现已支持为 @MiniMax_AI 的 MiniMax H3 训练 LoRA。
目前仅支持文生视频（T2V）和图生视频（I2V）。我会在未来几天内添加参考模式、更多功能并做优化。
该工具使用 Comfy 量化权重，更多信息请查看模型说明。
它能直接对标数百美元的付费AI引擎，普通人也能零成本搭建属于自己的AI智能体工作流。
这波属于是把 AI Agent 的门槛直接给砸穿了。HKU 又出了个神仙项目，不用写一行代码，用自然语言就能自动组装并演进一整套 AI 工作流。
项目介绍 香港大学 (HKUDS) 开源的 AutoAgent，目前 GitHub 已经拿下 9.5k+ Star（MIT 协议）。主打全自动、零代码搭建 Multi-Agent 架构，甚至自带类似 Deep Research 的深度研究模式，直接对标那些收费大几百美金的 AI 引擎。
核心卖点
零代码自然语言搭 Agent：直接用大白话提需求，系统自动生成工具、智能体和整个协作工作流。
完全免费替代 Deep Research：内置 User Mode 深度研究助手，调用 Claude 3.5 或 DeepSeek-R1 效果直接拉满。
自我演进与代码生成：遇到不会的功能，它会自己写代码扩展工具库并迭代更新。
无缝对接主流模型：支持 OpenAI、Claude、Gemini、Grok 及各类本地开源大模型 API。
🔗 链接 GitHub：
解决个人AI编码工具泄露企业数据的风险，能降低Token成本，还能把所有数据和服务部署在企业私有AWS环境内
开发者可以基于这个模型定制功能、开发新工具和应用，还能探索原本没被定义的新用法。
开放权重模型在发布之外仍能持续产生影响力。只要开放获取权限，创作者和开发者就可以搭建全新工作流，优化性能，挖掘出意料之外的使用场景。
MiniMax H3 为 AI 视频社区带来了一个强大的 33B 参数多模态模型，支持自定义开发，支持打造全新工具，并能催生出超出其原始能力范围的应用。
开发者可以通过API调用自动启动会话、预览项目、部署到Vercel，降低了自建v0相关工具的门槛
推出全新 v0 API。你可以通过编程方式调用 v0 的应用构建能力： • 从提示词、代码仓库或 ZIP 文件开始一段对话 • 渲染开发服务器预览 • 发送跟进消息 • 部署到 Vercel
想要搭建自定义AI智能体和工作流的开发者，现在能用到功能更强、运行更快的官方工具
今日 New Copilot Studio 正式发布，带来了 GitHub Copilot 智能体框架、更快的设计器、改进的 Microsoft IQ 支持，以及更多功能，帮助你构建更强大的智能体和工作流。
用AMD软硬件做AI开发的开发者，能靠它快速获取最佳实践和工作流，几秒就能完成安装，还能按需挑选所需功能。
认识 AMD Skills：它是一个不断扩充的智能体技能目录，可帮助 AI 编码助手更高效地适配 AMD 硬件与软件。
它兼容包括 Cursor、Claude Code、OpenAI Codex 和 Gemini CLI 在内的多种编码智能体，能为开发者提供在 AMD 平台上更快开发所需的知识、脚本和最佳实践。
为什么要试试它？
→ 通过 Skills CLI 几秒即可完成安装
→ 学习 AMD 最佳实践与工作流
→ 从端侧到云端，全场景构建 AI 应用
→ 仅选择你需要的技能即可
开始使用：
npx skills add amd/skills
探索这个项目，安装一个技能，并告诉我们你接下来希望看到什么功能：
想知道大公司如何落地内部AI工具，不妨看看行业先行者 Stripe 的实际搭建经验，可参考落地思路。
这份报告测算不同AI业务的回报率，企业投入1美元AI成本，能创造10美元以上生产力收益，AI需求不会快速见顶，商业化正在加速。
访谈覆盖英国AI芯片初创公司融资、部门更名、欧盟AI法案落地、开源与闭源模型争论等内容，可了解英国AI行业最新动态。
完整访谈：英国人工智能部长@KanishkaNarayan 谈他的新内阁职位、英国AI芯片初创企业、首相Andy Burnham将DSIT更名为DBIST一事、开放模型对闭源模型，以及欧盟AI安全落地。
1:00 - 英国AI芯片初创企业Olix融资3.21亿美元
4:30 - DSIT更名为DBIST
6:40 - 英国AI部长的新职位
8:30 - 欧盟AI法案
11:40 - 闭源模型对开源模型
19:15 - Kanishka是Twitter网红
个人做Agent，比不过Claude Code、Codex这类顶尖团队做的产品，还得自己维护。大多数人想要自己的Agent，真实需求其实是私有化和定制化。
Linux基金会下的BeeAI Framework，专门做工业级多智能体协同，解决了很多企业头疼的AI乱输出问题，还能保留推理能力。
复杂任务先让Fable 5出技术方案文档，方便修改和其他AI读取，再交给Codex执行，最后由Fable 5验收结果。
因为OpenAI、Anthropic的模型不能直接在国内访问，很多人靠这类中转服务间接调用。现在已有服务商宣布彻底关闭服务。
“海外AI中转站大清查：运营者“被警方传唤”
由于OpenAI、Anthropic等海外大模型在中国大陆存在访问、注册和支付门槛，不少开发者和普通用户长期通过国内“API中转站”，间接调用GPT、Claude等海外模型。
近日，这类中转服务被曝陆续关停。
重庆云之雾网络科技有限公司旗下“云雾API”客服通知称，因与海外模型供应商的合作合同到期，yunwuai已于7月31日23时59分“彻底关闭海外模型调用”，相关API请求全部停止响应，并要求用户尽快迁移业务。
与此同时，另一张中转站群聊截图显示，一名管理员称其接到杭州警方来电，已被“传唤和惩戒”，并被要求限期清退没有相关营业资质的大模型中转站。
该中转站随后宣布立即关停服务，并为套餐用户退款。
近日，多名小红书用户也反映，自己使用的云雾等中转站突然暂停GPT、Claude等海外模型服务。
评论区有网友称，近期一些规模较大的中转站陆续遭到约谈，而部分用户量较少的小型中转站目前仍能使用。
试过把Qwen3.8-Max放在Hermes Agent里用的开发者说，最新的开源大模型能力已经强得超出预期。
去Hermes Agent上试用Qwen3.8-Max吧，试用后你肯定会质疑，这些开放前沿模型已经追上闭源前沿模型到这种程度了吗。这些新开源模型强得离谱。
按从小到大排序，目前最强的模型分别是：
- Gemma-4-12B
- Qwen3.8-27B
- Laguna-S2.1
- Deepseek-V4-Flash
- Inkling-Small
- MiniMax-M3
- GLM-5.*
- Kimi-K2.7-Code
- Qwen3.8-Max
- Kimi-K3
选择太多了，开放权重社区比前沿闭源领域有意思多了。
教授们担心，过度依赖AI会让未来的劳动力变成半文盲，相关讨论被刊发在纽约杂志的最新报告里。
规模化部署大模型的成本一直居高不下，新方案直接缩小体积还能提升速度与安全性，帮想要用大模型的团队压低落地门槛
社区讨论：部分网友认为文章内容充满行业空话，阅读体验糟糕。有人肯定本次KV缓存量化的透明度，也指出部分厂商会悄悄做KV量化却只宣传未量化权重，且本文测试不够详细，不同模型对KV量化敏感度不同。还有人指责厂商不在模型页标注量化，只在博客提及，还在小上下文任务测性能隐瞒质量损失，属于欺诈，另有用户想看Cloudflare定价却找不到入口，还有人询问对应岗位的名称与技能要求。
这个观点引发了科技圈大量讨论，会影响普通人使用大模型的方式和获益空间
社区讨论：多数用户认同大语言模型放大了已有专业能力使用者的产出，用户cheriot直接称“LLMs multiply the human user's ability. More ability, more impact!”，多个用户指出用好LLM需要会提正确问题、了解领域知识，甚至要提前告知模型自身的专业背景才能得到准确结果。也有人提出疑问，新手该如何在LLM时代积累领域专业能力，还有人指出这一趋势也会让缺乏专业知识的人产出大量劣质内容污染领域。
广泛使用的基础工具被爆严重漏洞，最终可能只是AI生成的错误内容，普通使用者也需要留意这类乌龙带来的风险。
社区讨论：多数人认为这是LLM能力过度乐观预期带来的AI幻觉产物，检测显示该漏洞报告大部分内容由AI生成。有人指出这类虚假CVE会拉低信息信噪比，还会让CVE编号系统遭垃圾报告淹没、可信度下降，也会占用维护者精力导致真实漏洞无人处理。有人疑惑CNA为何不对提交的漏洞做验证就发放编号，还有人吐槽强制修补所有CVE的规定会因此陷入尴尬。
想用ChatGPT自定义连接器对接本地MCP服务的开发者，可以参考这个报错案例排查配置问题
大家好，我正在尝试为本地 MCP 服务器创建一个 OpenAI Secure MCP Tunnel，以便从 ChatGPT 自定义连接器使用它。
我的预期配置是：ChatGPT 自定义连接器 -> 连接 = Tunnel -> OpenAI Secure MCP Tunnel -> 本地隧道客户端 -> 位于 http://127.0.0.1:8000/mcp 的本地 MCP 服务器。
我知道 ChatGPT 不接受直接本地 HTTP MCP URL，比如 http://localhost:8000/mcp，所以我尝试改用 Tunnel 选项。
我在 Platform 设置中创建了两个自定义角色：T
这关系到普通人能不能尽快用上最新的美国AI模型，美国单方面放缓，只会让中国团队更快缩小差距，很难真的放缓全球AI发展。
这份分析指出Nebius给所有AI模型租算力，三种AI未来场景里有两种它都是受益者，有头部客户锁死长期需求，估值成长空间很大
大厂大模型自带的免费搜索工具，挡住了很多人发现高效Agent搜索的路径，选对专门的搜索工具能完全改变AI工作流的效果
因为 Claude、Codex 和 Gemini 都免费附赠了内置的「网页搜索」作为捆绑工具，大多数人还没有发现给智能体接入专业搜索引擎带来的超额收益。
有些人还在使用非常低效的方案，比如类似智能体浏览器的东西。
一旦你把类似 Exa（或是 Parallel）这样的服务接入到你的智能体工作流，整个游戏就彻底改变了。
我之前同时使用过 Perplexity、Exa、Parallel 这三个，现在我只用 Exa。对我来说，目前它在速度、成本和质量上都是最好的。
想做金融行情图表不用从零写代码，这个官方开源工具体积小性能强，AI就能帮你搭出可用的前端
套上数据接口就能直接造一个 TradingView！
TradingView 官方自研的轻量级前端图表库 lightweight-charts，体积小到只有约 35KB（比一张 GIF 动图还小），但性能极其恐怖。GitHub 已经暴拉 16,000+ Star，采用 Apache 2.0 开源协议。
体积只有 35KB：零第三方依赖，加载快到飞起，手机端流畅刷 K 线。
渲染性能变态：基于 HTML5 Canvas 架构，支撑几万条 Bar 数据的秒级高频更新不卡顿。
开箱即用：支持蜡烛图、折线图、面积图、柱状图，甚至能自定义绘制 UI 主题。
AI 提示词极友好：最新版直接内置 Agent Skill，让 Cursor/Claude 读懂 API 就能帮你零代码搭前端。
🔗 项目链接： GitHub: 官网演示：
想让Claude Code、Codex输出更有用的代码？这个教程能帮你学会用图工程放大现有AI代码工具的效果
开发者吐槽高价聘请的会计全AI回复，称可直接用AI替代
我每个月付很多钱雇的会计，刚刚用一个完全由AI生成的回复，回答了我发给他的一个问题。
不过这个回答确实有用，那我其实完全可以自己去问AI。
你肯定知道我现在在想什么：既然他反正什么都丢给AI，那我什么都直接问AI不就行了，为什么不用AI换掉他？
我觉得他本来就应该做和AI相反的事：收高价卖 premium 服务（他现在已经在收高价了），就应该坚持用人类来回答——毕竟会计这种事，我更希望真的有人类参与把关。
不管怎么说，这事还挺有意思的。
分享单人依托AI完成全团队跨境电商独立站业务的方法
Seedance 2.5官方用户手册公开，含可直接复用的提示词公式与案例
Seedance 2.5 官方用户手册：手把手教你做电影级 AI 视频，公式和案例全能抄 从上传素材的参数上限、界面上四个新入口，到七类场景各自的提示词公式，再到 16 个亮点功能的官方演示，手把手带你从上手一路走到电影级成片。 公式和案例提示词全部能直接抄，对用即梦做视频的人，这是一份能当工作台手册用的干货。
字节跳动给发布了一份官方提示词指南：从一句话生成，到 50 份参考素材怎么调度、30 秒长片怎么分段、改片子怎么只动一处，每类任务都配了能直接抄用的模板。 对用即梦或 API 做视频的人，这是第一份成体系的官方写法手册。..
原始文档： Seedance 2.5 Prompt Guide： Seedance 2.5 User Guide：
开发者实测EschaLabs Qwen3.6-35B-A3B Escha W2模型，称赞其小体量高性能
我今天测试了 EschaLabs Qwen3.6-35B-A3B Escha W2 模型。它的表现真的惊人。
我把它和我模型库中所有 35B 参数的模型都比了一遍，它在尺寸小得多的情况下，表现完全不落下风。这不是 Bonsai 那种小模型，这来真的——权重极小，质量却极高。开源 AI 的未来太有前景了。
@WescheNex1q 我很希望你能在一块 spark 卡上试试这个模型。它的尺寸允许你以高速度实现惊人的并发。我在实验室里用一块 32GB 显存的 GPU，开了超过 10 个并发通道跑完了所有基准测试，速度达到了超过 2000 TPS。
可在AWS账户内用Claude Code开发一键上线，支持IT团队监管
你无需将公司数据导出，就能在自己的AWS账户内，用Claude Code开发应用，并且一键部署上线。
此外，IT团队还可以在单个面板上追踪：谁开发了什么内容、访问了哪些数据、使用了哪些软件包。
这个工具名叫Superblocks。
想要获取更多这类内容，可以关注我的账号。👉🏻 @alitekintr
开发者集成多款AI工具与Obsidian，构建带共享内存的AI研究系统
我正在基于 Obsidian、Grok、Claude Code、Codex 和 Hermes 代理搭建一个AI研究系统，我可以在 Telegram 上给这些代理发消息。
核心不在于任何单一工具，而在于共享记忆。
接下来我会介绍目前的搭建方案，它未来的发展方向，还有我使用的提示词。
她分享了订阅的工具清单，其中Claude Code月费100美元，正寻找Riverside替代工具
近期，TaylorLorenz在Substack的采访中被问到每月在AI工具上的总花费，这里的统计范围也包含创意工具。她估算总花费约为300美元，具体订阅工具包括Adobe Premiere、Canva、CapCut、Riverside、Descript、Notion、VidIQ，以及每月100美元的Anthropic Claude Code，她本人很喜欢这款工具。
她一直会根据其他人的推荐，试用各类新服务，不合适就取消订阅。因此她公开征集好用的平台推荐。
Riverside的月费约为99美元，近期使用体验一直不稳定。她已经在调研替代这款工具的其他选项了。
ivanfioravanti阐释混合AI理念，可自由选择在线或本地运行模型，并公开他生成视频的完整提示词
可让Claude或Codex根据代码仓库生成单页HTML和JSON，另有独立工具graphify可实现该功能
开发者可以让Claude或Codex根据自己的应用代码仓库，生成单页HTML文件和JSON格式的应用完整架构。生成的HTML文件支持可视化查看架构，JSON文件则可以让其他AI代理识别架构信息。分享者已公开自己使用的提示词。
提示词要求AI深度分析整个代码仓库，生成两个可直接使用的交付物。第一个是自包含的单HTML文件，需要包含带节点和边的交互式架构图、右侧流程面板，选中流程时可在图中高亮完整路径，给每个组件添加提示信息，同时采用清晰专业的响应式设计。第二个是包含节点、边和流程步骤信息的JSON文件，供AI代理使用。
另一种方法是使用工具/graphify，安装命令为uv tool install graphifyy graphify install，工具代码仓库已公开链接。
分享者在社交平台@franpradasAI发布该内容，邀请用户关注获取更多AI工具，也可以分享给有代码仓库需求的朋友使用。
普通Claude用户分享该功能用法：按需加载技能，不占用多余上下文，自动切换
有用户称实在不理解，为什么每个Claude用户都没有第一时间利用这个功能。Anthropic悄悄为Claude推出了一套文件夹系统，能把单个Claude拆分成30个不同领域的专属能力，且这些能力支持按需加载，但几乎没人使用它。
很多人使用Claude时，每次开启对话都需要重新把相同的指令、示例和规则重新填入提示词，希望模型能记住正确的上下文。这套文件夹系统的用法很简单：一个文件夹存储一项专属能力，文件夹内写一行触发规则，Claude启动时只会读取这一行内容，在你实际需要这项能力前，都不会占用你的上下文窗口。
当你提到关键词“发票”，会计能力就会自动唤醒，提到“部署”，运维能力就会启动，你不需要手动指定加载哪一项能力。
多项能力可以静默叠加，同一任务最多可同时加载三项能力，更换话题后会立刻移除不需要的能力，整个切换过程用户完全感知不到。
你每次使用的提示词是一次性的，只有存储能力的文件夹可以持续积累效果。完整的拆解内容在下方文章中，该用户会亲自测试这类功能并分享结果，想要看后续内容可以关注他的账号@0xkkai。
负责人表示该模式依托图工程，单工程师可完成整支团队的工作
Claude Code负责人表示，Anthropic 85%的工程师目前都在运行数十甚至数百个AI智能体，实现这一模式的方法是图工程。
这位负责人会用40分钟讲解，这种模式目前在Anthropic内部的推进程度，以及未来的发展方向。
他还讲解了，如今单个工程师如何依靠这套模式完成整支团队的工作。
如果不想被落下，相关内容值得了解，可以观看讲解视频，再阅读下方的图工程完整指南。
AI完成故事场景相机镜头全部开发，项目完整开放源代码可访问
用户MengTo在社交平台分享，可让Opus 5在Claude Code中连续运行两小时，最终在单个HTML文件内生成一部电影级效果的Three.js动画影片。
Opus 5独立完成了故事创作、场景搭建、转场设计、镜头运动设计，以及程序化生成虚拟世界的全部工作。Higgsfield负责生成旁白、音效和配乐。
使用者仅提供了更写实草地效果的参考资料，添加了个人常用开发技巧，并要求AI持续检查验证自己的工作成果。
整个项目完全开源，所有人都可以查看测试代码。目前已经公开了HTML页面地址、GitHub代码仓库地址和草地参考资料地址。
一名Anthropic工程师透露公司九成工程师原本用自优化循环，现已全部转做智能体图，不再使用提示词
一名任职于Anthropic的工程师分享了公司内部开发流程的变化。他表示，公司90%的工程师原本在使用自优化循环开发流程，现在所有工程师都已经转去构建智能体图。他同时提到，现在开发已经不再使用提示词。
他在十分钟内从空白终端开始，现场演示了Claude Code的完整配置和工作流程。
这场演示的价值超过一门价格500美元的智能体开发课程。
今天的 41 条信号到这里下一轮 12:30 更新
https://ai-pulse-lab.com/feed.xml
每天 08:00 · 12:30 · 18:30 · 23:50 更新
在阅读器里订阅
添加到 Feedly、Inoreader 等阅读器
https://ai-pulse-lab.com/feed.xml
让你的 Agent 自动获取每轮简报
适用于 Claude、ChatGPT、Manus 等
请帮我设置一个定时任务，每天北京时间 08:30、13:00、19:00、00:20 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 08:00、12:30、18:30、23:50 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。