跳到正文

内容类型

教程实践 最新动态

拿来就能用的实操内容：提示词技巧、工作流搭建、工具用法与踩坑经验。

574 条精选近 30 天 75 条共收录 3,104 条

更新

精选归档 · 第 18 页

5月27日周三第 341–360 条
  1. LangChain：Blog63

    Lyft 如何用 LangGraph 和 LangSmith 构建自助式 AI 智能体客服平台

    Lyft 的 SCX 数据科学与 MLE 团队基于 LangGraph 的 router 多智能体架构和 LangSmith 的追踪监控，搭建了让非技术领域专家独立开发 AI 客服智能体的自助平台。

    推荐理由：Lyft 的自服智能体平台实践给出了可迁移的架构与提示词质量经验，适合正在搭建多智能体客服系统的团队参考。

  2. Hugging Face 社区博客61

    TRL 新增 Delta Weight Sync：通过 Hub Bucket 传输权重变化，每步从 1.2 GB 降至 20–35 MB

    异步强化学习中，训练器每步需将完整模型权重（如1T参数checkpoint约1 TB）传输给推理引擎。TRL新增PR利用相邻RL优化步骤间约99%的bf16权重比特相同的特点，仅将变化的权重编码为稀疏safetensors文件，上传至Hugging Face Bucket并通知vLLM获取。在Qwen3-0.6B上，每步传输从1.2 GB降至20–35 MB。实验还展示了完全分离的训练场景：训练器、vLLM和Wordle环境分别位于不同机器和Hugging Face Space中，权重通过单个Hub bucket流动，无需共享集群、RDMA或VPN。

    推荐理由：异步RL训练中权重同步的瓶颈被HuggingFace用稀疏增量方案解决了，带宽直接省了两个数量级，还给了可运行的TRL分支，做RL训练的可以直接上手试。

  3. OpenAI：官网动态56

    使用 Codex 构建自改进税务智能体

    OpenAI、Thrive 与 Crete 合作，使用 Codex 构建了一个自改进的税务智能体。该智能体能够自动处理报税流程，提升工作准确性并加速整体工作流。

    推荐理由：OpenAI 联合 Thrive 把 Codex 塞进税务流程，做出了能自我纠错的申报 agent，金融自动化的同学可以看看他们的错误反馈循环怎么设计的。

  4. 公众号：数字生命卡兹克65

    从0到1速通OpenAI Codex：安装、设置与实操教程

    近日OpenAI的AI智能体Codex热度飙升。教程涵盖完整使用流程：从官网下载安装，支持从Claude Code和Cowork一键导入配置；界面分对话区和项目区，权限可选默认、自动审查或完全访问；模型推荐GPT-5.5，推理等级用高或超高，速度可选快速（1.5倍速度、2倍token消耗）或标准；建议开启引导模式、记忆功能，并设置全局AGENTS.md规则（卡帕西模板）；通过Skills和插件管理扩展能力；演示了开发网页（使用计划模式、批注功能圈选修改）和开发用药提醒App（需安装Xcode编译到手机）。

    推荐理由：如果你还在观望要不要入坑Codex，这篇保姆级教程把安装、设置、开发网页到打包APP全流程踩了一遍，那个@Computer Use帮你装Xcode的操作一看就懂，想动手的现在就能跟做。

  5. Google AI75

    Google 发布了其多模态模型 Gemini Omni 的视频生成功能使用指南。该模型可通过 Gemini 应用、Google Flow 等平台体验。指南包含五项提示词技巧：利用模型已有的现实世界知识进行简洁描述；精确控制文本在视频中的渲染与排版；使用专业镜头指令（如推拉摇移）像电影摄影师一样调度画面；通过迭代编辑高效修改视频；以及在生成中直接调整角色的动作节奏或情绪。其核心在于通过精准的提示词引导模型生成复杂且可控的视频内容。

    推荐理由：Google 官方放出的视频提示技巧，没有废话全是可复制的 prompt，想玩 Gemini Omni 的创作者可以直接抄作业。

5月26日周二
  1. Elon Musk67

    xAI发布了面向非技术背景的SuperGrok和X Premium+用户的Grok Build入门视频教程。教程提供了分步指南，核心内容包括：通过一条命令快速安装Grok Build；利用其创建真实的网站；使用内置的Grok Imagine工具自动生成图像与视频；以及在不同文件夹中同时运行多个项目。整个过程无需任何编程经验，并且Grok可以协助执行命令。

    引用Dan@Daniel_Farinax

    初学者视频：如何安装和使用 Grok Build（专为非技术背景的 SuperGrok 和 X Premium+ 用户制作） 朋友们问了我太多问题，所以我做了这个简单的分步指南。 你将清楚地看到如何： • 用一条命令在几秒内安装 Grok Build • 创建真正的网站 • 使用 Grok Imagine 自动生成图片和视频 • 在不同文件夹中同时运行多个项目 Grok 甚至会替你运行命令。无需任何编程经验。 观看完整演示 👇

    推荐理由：Elon 亲自转发的教程把 Grok Build 门槛压到了零编码，直接面向普通用户，是目前最友好的官方入门信号。

  2. Hugging Face 社区博客58

    Harness、Scaffold 与 AI 智能体术语辨析

    本文旨在厘清 AI 智能体领域中易混淆的关键术语。文章指出，模型（如 Claude、GPT）本身是无记忆、无循环的大语言模型。其行为由“Scaffolding”（行为定义层，如系统提示、工具描述）塑造，而“Harness”（执行层）负责调用模型、处理工具调用与控制循环，是智能体运行的核心。两者结合，模型才能成为智能体。文章以 Claude Code、Codex 为例，说明同一模型搭配不同 Harness 会产生迥异体验，并提出了 Agent = Model + Harness 的常见理解框架。术语尚未统一，本文旨在提供一个实用的心智模型。

    推荐理由：Agent圈术语混乱的文章很多，但HF这篇把harness、scaffold、context engineering的关系讲得最透，做agent开发的读完至少能少吵一半的架。

5月25日周一
  2. Greg Brockman86

    这是一个结构化的提示词，用于指导 Codex 自动分析其历史记录以识别并固化重复工作流。该框架要求 Codex 回顾会话、Memories 等数据，找出重复、耗时且有明确复用价值的任务。筛选标准包括至少出现两次、输入稳定、可提升效率等。最终，Codex 应以“技能”、子智能体或自动化工具等最小实用形式创建或扩展现有资产，避免冗余。流程包括生成候选清单、执行创建，并汇报结果与待验证项。

    引用Vaibhav (VB) Srivastav@reach_vb

    更新：根据反馈，我想出了一个更好的提示词版本 让 Codex 查看你的会话、Memories 和 Chronicle，识别模式，复用已有的内容，只创建最小可用的 skill、subagent 或自动化。 "回顾我最近 30 天的工作，如果可用历史更短则回顾全部可用历史，找出值得打包的重复性手动工作流。 按以下顺序使用可用证据： - 最近的 Codex 会话和任务摘要。 - Codex Memories 和 rollout 摘要，以发现跨会话重复出现的模式。 - Chronicle（如果已启用），以发现 Codex 之外的重复性工作。仅将 Chronicle 用于发现；尽可能在相关源系统中确认重要细节。 - 现有的 skills、自定义 agents 和自动化，以便复用或扩展已有的内容，而不是重复创建。 广泛寻找那些重复、耗时、易出错、上下文繁重或能从一致流程中受益的工作。包括编码、研究、写作、规划、沟通、运营、分析和个人事务方面的工作流。 仅当候选对象满足以下条件时才采取行动： - 至少出现过两次，或明显可能重复出现且重复成本高昂； - 具有稳定的输入、可重复的流程，以及明确的输出或停止条件； - 能实质性提升速度、质量、一致性或可靠性； - 尚未被充分覆盖。 选择最小的合适形式： - Skill：可复用的工作流或操作手册。 - 自定义 subagent：适合委派的有界专家角色或调查任务。 - 自动化：定时或周期性的检查、报告、提醒或监控。 - 跳过：过于一次性、模糊、敏感或证据不足而无法打包的工作。 首先产出一份简洁的候选清单，包含： - 重复的工作流 - 支持性证据和日期 - 频率/置信度 - 推荐形式：skill、subagent、自动化、扩展现有内容或跳过 - 为什么值得或不值得创建 然后只创建高置信度且缺失的项目。保持它们范围狭窄、实用、感知来源且易于验证。不要创建推测性、重叠或过于宽泛的资产。 最后总结： - 你创建或扩展了什么 - 你刻意跳过了什么 - 在打包之前还需要更多证据的内容

    推荐理由：GDB 这个 prompt 把 Codex 从写代码的帮手变成了你的私人效率教练，让它自己找出你过去一个月里哪些重复工作该自动化，深度 Codex 用户直接抄作业就行。

5月24日周日
  1. Boris Cherny78

    人们常问我，用好Claude Code的最大技巧是什么。 如今我的头号技巧是：使用自动模式。 自动模式意味着不再有权限提示。它是实现“多Claude并行”的关键构件：启动一个会话，然后在其运行时，并行处理另一个会话。

    引用ClaudeDevs@ClaudeDevs

    自动模式的两项更新： · 现已在 Pro 套餐中可用 · 除 Opus 4.7 外，现也已支持 Sonnet 4.6 按 Shift+tab，让 Claude 运行。

    推荐理由：Boris 透底 Claude Code 最高效用法，auto mode 免确认弹窗、支持并行 session，把 AI 编程从串行变并行，值得一开。

5月22日周五
  1. Cursor Blog58

    构建云端智能体的经验总结

    云端智能体已从本地智能体的简单扩展，发展为具备独立环境、可并行无人值守处理长任务的系统。构建的核心经验在于：完整的开发环境是输出质量的关键，这需重建大量基础设施；可靠性方面，团队从自研架构迁移至Temporal平台，将可靠性提升至99.9%以上，该平台每日处理超5000万次操作，支撑超40%的代码拉取请求；同时，实现了智能体循环、机器状态与对话状态的解耦，以适应复杂的跨环境协作。

    推荐理由：Cursor 把这一年踩过的坑全摊开了，从环境构建到持久化执行，基本就是一份 agent 平台内部架构课，搭同类产品的团队值得逐段读。

5月21日周四
  1. Claude：Blog59

    Anthropic销售负责人如何利用Claude Cowork管理4000个客户账户

    Anthropic美国中端市场业务负责人Travis Bryant利用Claude Cowork自动化销售管理工作。该工具帮助他高效完成客户倾向性评分、每日客户简报准备及每周销售预测报告生成，每晚自动处理4000个账户数据，替代了以往跨部门团队需数百小时完成的工作。通过自动化日常任务调度，他每天节省约90分钟，并将数据整合为可交互的销售仪表板，使其能更专注于客户沟通与战略决策。

    推荐理由：Travis 把 4000 个账户的评分一夜跑通，比自动报表更值得关注，中小销售团队照抄就能省掉跨部门数百小时，这是 Claude Cowork 在企业场景最落地的实践之一。

5月20日周三
  1. Anthropic：Claude.dev 开发者博客78

    Claude Code 团队成员分享：为什么用 HTML 替代 Markdown 作为 Agent 输出格式

    Anthropic 工程师 Thariq Shihipar 撰文介绍他为何在 Claude Code 中改用 HTML 而非 Markdown 作为输出格式，理由包括信息密度更高、长文档更易读、便于分享链接、可加入滑块等双向交互，且 Claude Code 能结合文件系统、MCP、浏览器和 git 历史摄入更多上下文。

    推荐理由：作者分享让 Claude Code 用 HTML 替代 Markdown 输出的具体理由、提示词和用例，读者可以迁移到自己的工作流。

  2. Claude：Blog73

    Claude Code的HTML输出：非凡的有效性

    Claude Code团队正从Markdown转向HTML作为主要输出格式。Markdown虽简洁，但在信息密度、阅读性、分享和交互方面存在局限。HTML能支持表格、CSS样式、SVG图表和JavaScript交互，提供更清晰的视觉结构和高信息密度。由于HTML文件可通过浏览器直接打开和分享，便于团队协作审阅。Claude Code利用其广泛的上下文获取能力生成实用的HTML制品，适用于项目规划、文档编写和验证等多种场景，显著提升了AI生成内容的可读性与实用性。

    推荐理由：Claude Code 团队的人亲自告诉你为什么用 HTML 而不是 Markdown，从设计原型到可交互报告全在一个文件里搞定。附带的模板和提示词，开发者可以直接抄。

  3. Google Gemini72

    使用 Gemini 3.5 Flash 构建你的第一款游戏。 无需复杂的3D建模，即可将日常物品直接转化为互动的数字体验。从一个 Nano Banana 提示开始，在 Canvas 中将你的图像变成游戏，并优化你的愿景以获得最佳游戏体验。

    推荐理由：Google Gemini 官方教你把日常物品照片变成互动游戏，Nano Banana 到 Canvas 的链路很直接，想试 Gemini 多模态能力的人可以当入门案例跑一遍。

  4. ClaudeDevs73

    计算机使用功能使Claude成为能够操作真实用户界面的智能体。 新博客文章探讨如何在生产环境中确保其可靠性：包括提高点击准确性、选择思考努力级别、在长会话中保持上下文，以及记录Claude可重放的演示操作： https://claude.com/blog/best-practices-for-computer-and-browser-use-with-claude

    推荐理由：这篇博客把 Computer use 从“能用”真正推到“生产级”，聚焦点击精度、思考模式选择、长会话上下文保持这些实际卡点，如果你在让 Claude 操作 UI，这是必读的避坑指南。

5月19日周二
  1. OpenAI：官网动态59

    对话设计：塑造面向客户AI体验的五个模式

    当生产环境的目标从功能准确性转向更好的对话时，哪些设计模式依然有效？文章提出五个对话设计模式，用于改善面向客户的AI体验，并探讨从精准应答到自然交互的实践路径。

    推荐理由：这是OpenAI关于对话设计的官方指南，五个模式都是生产验证过的，做聊天机器人的可以直接抄作业。

  2. Runway：News57

    分布式训练为何艰难：DTensor、正确性与抽象的代价

    本文探讨了分布式训练中的正确性难题及DTensor方案的权衡。DTensor通过为张量附加放置元数据（如Shard、Replicate）来自动管理通信，确保计算正确性。文章通过一个并行化案例，展示了不使用DTensor时手动处理梯度计算可能引发的静默错误（如梯度为零或倍增），从而凸显了正确性的复杂性。然而，DTensor的抽象层在简化开发的同时，也可能在大规模场景下引入隐性的性能开销。因此，在设计分布式系统时，需要在抽象的开发便利与底层的计算效率之间做出审慎权衡。

    推荐理由：Runway 工程师用四次失败的并行化尝试把分布式训练的正确性难题拆解得明明白白，还给出了 DTensor 在规模下吃掉的 MFU 和编译陷阱的一手数据，做大模型训练的人值得从头读到尾。

  3. Hugging Face 社区博客67

    NVIDIA Cosmos Predict 2.5 微调：使用 LoRA/DoRA 生成机器人视频

    NVIDIA Cosmos Predict 2.5 是一个 2B 参数的世界模型，可根据文本、图像或视频片段生成物理合理的视频。通过 LoRA 或 DoRA 在 DiT 的注意力层（to_q, to_k, to_v, to_out.0）和前馈层注入可训练适配器，冻结全部基座权重，在单个 80GB GPU 上即可完成参数高效微调，避免了全量微调的高成本与灾难性遗忘。该流程使用 diffusers 和 accelerate 库，利用 92 个机器人操作视频训练集与 50 个 (prompt， image) 测试对进行微调，并展示如何用微调模型生成合成机器人轨迹以支持下游机器人学习任务。支持单 GPU 与多 GPU 训练，切换不同领域适配器无需重训。

    推荐理由：这篇教程把微调Cosmos Predict 2.5的方法从头到尾讲清楚了，做机器人合成数据的同行可以直接抄作业，LoRA/DoRA切换也很方便，值得收藏。