内容类型
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。
562 条精选近 30 天 76 条共收录 2,929 条
LangChain 分享 harness engineering 方法，在不换模型（固定 gpt-5.2-codex）的情况下，把 deepagents-cli 在 Terminal Bench 2.0 上从 52.8 提升到 66.5，进入榜单前五。
推荐理由：LangChain 完整公开了仅靠改 harness 把 coding agent 提到 Terminal Bench 2.0 前五的迭代方法与具体中间件设计，可迁移到自家 Agent 优化。
Manus 博客在相同PR包（含授权反转、中间件边界等安全回归场景）上实测 Qodo、Graphite、GitLab Duo、Greptile、Devlo、CodeRabbit、Codacy、Atlassian Rovo 和 Manus 共9款AI代码审查工具，并给出标准化对比表与按需选型指南。
推荐理由：同一组高风险PR上实测9款工具，读者可按安全审查深度与工作流集成需求快速对照选型。
OpenAI 基于 Codex 与内部智能体经验发布一组智能体原语实践指南，包括 Skills（对齐 Agent Skills 开放标准的可复用版本化指令）、支持安装依赖和写输出的托管 shell 工具，以及自动压缩对话历史的服务端 compaction。
推荐理由：OpenAI 以自家和 Glean 的生产经验总结了 Skills、shell 与 compaction 的组合模式，含可操作的路由与安全建议。
Manus 博客针对 B2B 销售提案、QBR 和竞争演示场景测试了 8 款 AI 演示工具，Manus 以研究驱动的可引用数据获 9 分居首，Genspark 和 Visme 各得 8 分。测评指出多数工具输出属于演示级初稿，只有 Manus 在生成幻灯片前实际研究市场和竞争对手；各工具均缺深度原生 CRM 导入，团队一般还需 15–30 分钟人工完善。
推荐理由：作者以真实 QBR 场景实测 8 款 AI 演示工具，给出评分、价格和适用场景，读者可按销售工作流直接对照选型。
Manus 博客用同一个 QuillSpark 产品发布页提示，实测并对比 7 款 AI 登陆页面生成器，按设计质量、文案、生产就绪度、免费发布和自定义等标准评分。
推荐理由：原文用同一提示实测 7 个 AI 登陆页面生成器，给出评分、价格和免费发布差异，可作为选型比较参考。
OpenAI 介绍如何通过 Codex App Server 嵌入 Codex 智能体，这是一个双向 JSON-RPC API，支持流式进度、工具调用、审批和 diffs。文章还讲述了该 App Server 的构建过程。
推荐理由：官方拆解了 Codex App Server 的构建思路和 JSON-RPC 通信机制，对想在自有产品中嵌入 Codex 智能体的开发者有直接参考价值。
Alpic 基于 Apps SDK 在三个月内开发二十多个 ChatGPT Apps，总结出 15 条经验，核心包括用户、UI 与模型三方之间的上下文不对称问题。
推荐理由：作者基于三个月开发二十多个 ChatGPT Apps 的一手经验，总结上下文流、UI 模式与 CSP 等实操教训，并开源配套框架。
LlamaIndex 撰文比较 Skills 与 MCP 两种让 Agent 调用工具和获取领域知识的方式，并在构建 LlamaAgents Builder 时做了实测。
推荐理由：作者结合 LlamaAgents Builder 的实测经验，给出 MCP 与技能在执行模型、维护成本和适用场景上的具体取舍依据。
Manus博客发布一篇亲测对比，作者花数周用相同的逼真书籍、印象派油画、文本标志和幻想景观四个提示词测试五款AI图像生成器。ChatGPT (GPT-4o)与Manus获5/5评分，Midjourney 4/5，Nano Banana Pro与Adobe Firefly 3/5；五款中四款有免费版本，Midjourney是唯一无免费计划的工具。
推荐理由：作者用相同四个提示词实测五款图像生成工具，给出定价、免费额度和各自强弱项，便于按需求与预算挑选。
LinkedIn团队探索了将GPT-OSS模型作为智能体应用核心进行强化学习的可行性。实验发现，由于GPT-OSS采用的混合专家架构在两次前向传播中可能产生路由差异，导致在同策略PPO训练中出现重要性采样比率偏离、KL散度爆炸及奖励不增长的问题。团队通过一个关键修复——在同策略条件下强制将旧对数概率设置为新计算值（并分离梯度），确保了重要性采样比率为1，从而恢复了PPO同策略训练的完整性。该修复方案适用于GPT-OSS-20B及GPT-OSS-120B模型。
推荐理由：为MoE模型RL训练提供实用调试方案，提升代理AI开发效率。
OpenAI 开发者博客发布教程，讲解如何像测试 LLM 应用一样，用 evals 系统化评估 Codex 的 Agent 技能。核心流程为定义可度量的成功标准、用 $skill-creator 创建技能、以 codex exec -- 捕获 JSONL 轨迹做确定性检查，再用 --output-schema 输出符合评分规则的 JSON 做风格等定性评估。
推荐理由：OpenAI 官方给出用 evals 系统化测试 Codex 技能的完整模式，从定义成功标准到确定性检查与评分规则均可迁移复用。
Manus博客发布2026年十大提示到视频AI生成器评测，用同一条东京雨夜巷子的提示测试Runway (Gen 4.5)、HeyGen、OpenAI Sora。
推荐理由：作者用同一条提示实测了10款主流AI视频生成器，并逐一记录输出质量、界面与定价，便于读者按需求和预算对照选型。
Skyscanner 工程师分享了在日常工作流中把 OpenAI Codex CLI 通过 JetBrains MCP server 接入 IDE 的实践。Codex 可调用 get_file_problems 检查编译错误、执行预定义的测试、lint 和格式化运行配置，例如在 Databricks Java SDK 用例中立即发现 NotFound 异常构造函数不匹配的问题。
推荐理由：Skyscanner 工程师分享把 Codex CLI 接入 JetBrains MCP 的具体做法，给出了错误检查和测试运行如何缩短反馈循环的实操路径。
有效的评估能帮助团队更自信地发布AI智能体，避免陷入仅在生产环境被动发现问题、修复可能引发新问题的循环。智能体因其多轮操作的自主性与灵活性，评估更为复杂。一个完整的评估结构包含任务、评分器、记录、结果、评估框架与评估套件等核心组件。缺乏系统评估将导致团队无法区分真实的质量倒退与随机波动。建立评估体系能帮助团队在智能体规模化过程中持续监控质量、自动测试变更并量化改进效果，其价值在智能体整个生命周期内持续累积。
推荐理由：Anthropic 把内部踩过的坑全摊开了，从 eval 设计到 grader 选型到 transcript 审读，是目前最完整的 Agent 评估工程指南，做 Agent 产品的团队可以直接当手册用。
介绍如何利用 NeMo Data Designer 构建许可安全的合成数据工作流，用于模型特化（model specialization）。该管道支持生成可蒸馏模型所需的高质量合成数据，确保数据来源合规，适用于下游微调与领域适配场景。
推荐理由：虽然发布快半年了，但教程讲的是如何用 NeMo Data Designer 构建 license-safe 的合成数据管道，对正在搞模型蒸馏和微调的开发者依然有参考价值，细节够实操。
Anthropic的研究人员探索了一种新方法：使用其强大的闭源AI助手Claude来生成高质量的指令遵循数据，并用这些数据对较小的开源模型（如LLaMA系列）进行监督微调。这项实验旨在展示如何利用尖端闭源模型的能力来指导和改进可公开访问的开源模型性能，从而推动AI技术的进步与民主化。
推荐理由：用闭源模型蒸馏能力给开源模型，一条低成本微调的新路径值得关注
为解决AI智能体在跨越多上下文窗口执行长期任务时的“记忆丢失”与进展不一致问题，Anthropic为Claude Agent SDK开发了一套双重方案。该方案包含一个初始化智能体，负责在首次运行时建立基础环境并生成功能清单；以及一个编码智能体，负责在后续会话中进行增量开发并提交清晰可合并的代码。通过结构化的进度日志和Git历史等机制，引导智能体避免“试图一次性完成所有功能”或“过早宣布完成”的失败模式，从而实现跨会话的持续有效协作。
推荐理由：Anthropic 把 Claude Agent SDK 跑长任务踩过的坑全摊开了，初始化 agent + 增量进度文件这套方案不复杂但极实用，做 Agent 产品的团队可以直接抄作业。
连续批处理是优化大型语言模型推理吞吐量的核心技术，通过并行处理多个对话并在生成完成后动态交换任务，以最大化硬件利用率。从注意力机制和KV缓存的基础原理出发，文章推导了如何通过优化批处理提升性能。注意力层具有二次复杂度，但连续批处理允许查询、键和值张量容纳不同长度的令牌序列，从而同时处理预填充和解码阶段。该技术能显著降低生成每个令牌的计算成本，适用于高负载服务场景，提升响应速度。
推荐理由：深入理解LLM推理优化原理，助力高效模型部署。
Tavily团队因模型迭代重建了深度研究系统，核心是从工作流转向智能体架构，并聚焦上下文工程。通过Tavily Advanced Search进行上下文管理的网络检索，高效获取高相关度内容，避免信息过载。智能体设计模仿人类研究模式：收集信息、提炼要点、决策下一步，仅在生成最终交付物时引用原始资料，大幅减少令牌消耗，实现线性增长而非传统二次方增长。团队遵循简化编排逻辑、关注模型与工具优化方向、强化上下文工程等原则，以构建能随模型进化而持续改进的智能体系统。
推荐理由：分享构建高效 AI 代理的实战技巧，优化上下文工程以提升性能。
OpenAI 在 DevDay 推出 ChatGPT Apps 后发布开发者设计指南，说明 ChatGPT 应用本质是模型可调用的一组明确定义的工具，而非产品缩略版。
推荐理由：OpenAI 给出判断 ChatGPT 应用价值的 know/do/show 框架和设计清单，开发者可据此决定移植哪些能力、如何命名工具。