NVIDIA 如何在联邦 Kubernetes 与 AI 平台间传递用户身份
NVIDIA 技术博客解析如何让用户身份跨越联邦 Kubernetes 集群与 AI 平台边界：用户从中央门户打开受治理数据集、启动 notebook 并调用另一集群中的助手服务，身份每步都要穿越控制面与数据面，传统单点登录在此失效。
#教程/实践
#教程/实践
今日 38 条NVIDIA Technical BlogAI 评估 · 16/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 16/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 DockerAI 评估 · 40/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 40/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Docker 谈 YOLO Mode：AI 智能体自主性与安全边界
YOLO Mode 指 AI 智能体自动批准所有操作、不再弹出确认提示，Claude Code 的对应开关是 --dangerously-skip-permissions，Codex CLI 为 --full-auto，Gemini CLI 用 --yolo，GitHub Copilot CLI 为 --allow-all，Cursor 则在设置中提供 auto-run。
Rowan Cheung(@rowancheung)AI 评估 · 40/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 40/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 用 Wispr Flow + Claude 打造 AI 增强日记工作流，语音碎念自动变成结构化数据
一套 Wispr Flow + Claude 工作流把语音碎念转成结构化数据：先用 Wispr Flow 把会议或灵感口述进 Apple 备忘录，同步到 Mac 后由定时的 Claude 任务在夜间读取，次日早晨在 Notion 中整理出关键想法、行动项，并在 GCal 里自动排好深度工作时段。作者称其收益是承诺的跟进事项被标出、半成型的想法得到结构化，全年想法也变成可搜索的日志。
小红书技术REDtechAI 评估 · 39/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 39/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 小红书与 vivo 首发：从相册到社交的 3D 图片全链路技术实践
小红书与 vivo 联合打通从相册生成到社交发布的完整 3D 内容链路，双方共同设计移动社交场景 3D 内容格式，将原始产物压缩至约 4MB。
快手技术AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Harness Engineering：快手电商用 AI 流水线重塑研发范式
快手电商商家与运营赋能中心构建了覆盖需求、Spec、Dev、Test、Oncall 全生命周期的自动化交付流水线（Harness Engineering），目标需求吞吐率提升 30%、平均交付时长下降 40%。
Stanford AI Lab(@StanfordAILab)AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Stanford 今秋首开 CS329Z「Engineering AI Agents」课程，Diyi Yang 等人主讲
Stanford 今年秋季首次开设 CS329Z「Engineering AI Agents」课程，由 Diyi Yang、Michael Ryan、Jyang Ballin 授课，内容为从零构建 AI 智能体。课程为首次在 Stanford 开课。
Dify(@dify_ai)AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Dify 新手指南：从一句话目标聊出你的第一个 Agent
Dify 发布新手指南，教用户从一个目标出发，通过与 Dify 对话逐步搭建出可用的 Agent，并演示如何在过程中持续调整它。官方同时提供了指南全文和用于构建首个 Agent 的入口 cloud.dify.ai。
eric zakariasson(@ericzakariasson)AI 评估 · 26/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 26/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Grok Bot 小技巧：运行 Grok Bot 的电脑会变成主机，可用手机远程访问
在电脑上运行 Grok Bot 后，该机器会变成一台主机，可以从手机访问。用户能在手机上让 Grok Bot 在自己的电脑上执行操作。
AI产品黄叔(@PMbackttfuture)AI 评估 · 13/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 13/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 用 Grok Bot 额度一晚掉 52%，改用智谱 GLM-5.3-Flash 承接分身任务
因重度使用 Grok Bot，即使额度刚被重置，一晚用量仍掉了 52%。作者此前已在某个 Bot 中接入 DeepSeek API 与智谱 Coding Plan，于是让分身把各 Bot 的大部分工作切换到智谱 Coding Plan 中的 GLM-5.3-Flash，切换成功。
Dify(@dify_ai)AI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Dify 发布指南：从一次对话开始构建你的第一个 Agent
Dify 发布指南，教你从一个目标出发，通过与 Dify 对话逐步构建出可用的 Agent，并在过程中持续调整优化。用户可按照该指南完成首个 Agent 的搭建，也可直接通过 cloud.dify.ai 开始构建。
AI产品黄叔(@PMbackttfuture)AI 评估 · 17/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 17/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 群聊每2小时自动讨论+bot读历史太耗用量：GrokBot 网站更新一晚吃掉 44%
AI产品黄叔指出，群聊若每2小时自动讨论一遍、且每次 bot 都读历史内容，会非常消耗用量，昨晚仅 grokbot 网站更新的抓取和上站就吃掉了 44% 的用量。其分享的玩法是训练一个黄叔分身，只给它安排活，它会自己去群里 @ 其他 bot、完成工作后直接汇报，类似董事长布置工作、总经理组织人员后回报。相关 GrokBot 玩法全景手册已开源，页面由图中的 Bot 协作自动更新。
NVIDIA Technical BlogAI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 NVIDIA CUDA 工具箱实战：六步优化图像处理流水线
NVIDIA 用一篇实战教程演示如何借助 Compute Sanitizer、CCCL API、NVTX、CUB、池化容器、pinned 内存和每线程独立 stream，分六步优化一条 RGB 转灰度并求 32×32 分块中值的 CUDA 图像处理流水线。每步只需少量代码改动，即可让示例更安全、易维护且更快，配套代码支持在 Google Colab 上运行。
NVIDIA Technical BlogAI 评估 · 28/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 28/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 NVIDIA 如何用投机解码协同设计 AI 模型，加速 LLM 推理
NVIDIA 技术博客发布 AI 模型协同设计系列第三篇，介绍如何用投机解码在保持准确率的前提下加速 LLM 推理，并给出在帕累托前沿上选择草稿长度与草稿机制的 5 条准则。
Martin Fowler(@martinfowler)AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Giles Edwards-Alexander 记录：一队 AI 智能体被意外触发，在 git 仓库内自建黑板协调系统
Giles Edwards-Alexander 记录了一个团队意外触发一队 AI 智能体，让它们在 git 仓库内自发搭起一套黑板协调系统。该案例发布在 martinfowler.com。
AI产品黄叔(@PMbackttfuture)AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 用 Grok Bot 训练一个"黄叔分身"：只派活，它自己进群 @ 其他 bot 并汇报
Grok Bot 被训练成"黄叔分身"后，只需给它安排任务，它就会自己到群里 @ 其他 bot 组织协作，完成后直接向用户汇报，像董事长给总经理派活。配套的 GrokBot 玩法全景手册已开源，由图中 Bot 协作自动更新。
DockerAI 评估 · 35/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 35/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 用 Docker Sandboxes 构建可复现的 AI 评测工作流
作者发布开源的 SBX AI Evaluation Kit，一个基于 Docker Sandboxes 的 Mixin Kit，用于让 AI 评测工作流更容易重跑、检查和对比。
得物技术AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 得物小摊 AI Native 演进实录：用 Harness 构建可控 AI 交付
得物小摊从 0 到 1 孵化中由一人同时负责 H5、运营后台、Node 网关和 Go 服务，AI 并行参与多模块后，作者把重点从写 Prompt 转向 Delivery Harness，用 Version Contract、Execution Boundary、Evidence Gate、Repair Loop 四个组件接管交付状态。
AI产品黄叔(@PMbackttfuture)AI 评估 · 12/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 12/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Grok Bot 网站上线自动更新：每日新案例置顶展示
名为 grokbot.aihuangshu.com 的网站已实现用 Grok Bot 自动更新，每日新案例在顶部呈现，方便查看 Grok Bot 的最新变化。
Kling AI(@Kling_ai)AI 评估 · 33/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 33/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Kling MCP 教程：用 Elements 在不同镜头间保持角色一致性
Kling 发布教程，讲解如何在 Kling MCP 中使用 Elements 功能，在不同镜头之间保持角色身份一致，从而生成更具连贯性的 AI 故事。该教程以视频形式呈现，发布于 Kling AI 官方账号。
AI产品黄叔(@PMbackttfuture)AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 用 Grok BOT 分身自动转发任务、指挥其他 BOT 并私聊汇报结果
AI产品黄叔构建了一个 Grok BOT 分身并拉进其他群，可自动把任务转发到所在群、指挥其他 BOT 完成任务，最后在私聊窗口汇报结果。他还提到 Grok Bot 提供 8 核 / 16G 内存 / 126G 硬盘专享资源与 Grok 额度，并能自行调用 DeepSeek API。
宝玉的分享AI 评估 · 57/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 57/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Anthropic 发布高效电商 AI 智能体架构指南
Anthropic 的 Claude 博客发布电商 AI 智能体解剖指南，基于与零售商、电商平台及旅游、娱乐、电信团队的落地合作，主张在标准智能体循环中运行单一模型，用技能承载长尾需求而非拆分多个子智能体。
NVIDIA Technical BlogAI 评估 · 23/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 23/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 用 NVIDIA Nemotron 构建自适应智能体网络安全系统
NVIDIA 发布基于 Nemotron 构建自适应智能体网络安全系统的方案，用于应对现有告警、预定义工作流和已知攻击行为难以覆盖的防御盲区。该系统让智能体跨安全运营环节协同工作、在长周期内追求复杂目标，重点识别防御遗漏并将缺口转化为改进方向。
Visual Studio BlogAI 评估 · 21/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 21/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Visual Studio 教程：如何在 IDE 内审查 GitHub PR 并接入 Copilot
Visual Studio 支持在 IDE 内直接查看和审查 GitHub PR：通过 Git → GitHub → View Pull Requests 打开列表，PR 按分配给我、仓库全部以及 Copilot 代为创建三类分组。
NVIDIA Technical BlogAI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 如何为 AI 推理与 TCO 规划 GPU 规模而不超支
NVIDIA 技术博客解析如何为 AI 推理负载合理规划 GPU 资源并优化总拥有成本（TCO），避免超支。文章指出，延迟目标、模型选择、流量模式和预算约束的复杂组合让企业难以确定 GPU 规模，需在推理需求与成本之间找到平衡。
AWS Architecture BlogAI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 MCP 无状态化后，你的 AWS MCP server 部署是否架构良好
MCP 于 2026 年 7 月 28 日发布其发布以来最大的一次修订，协议核心改为无状态：initialize 握手和 Mcp-Session-Id 头被移除，每个请求自带协议版本与客户端上下文，首个消息即可直接发起工具调用，任一 server 实例都能响应。
Qdrant(@qdrant_engine)AI 评估 · 35/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 35/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Qdrant 发布生产级向量搜索公开基准与 Supernova 数据集
Qdrant 公开了面向生产环境的向量搜索基准、数据集与 Supernova 代码，目标场景是数十亿向量、数千 RPS 且尾部延迟紧张，现有公开基准无法覆盖。数据集已托管在 HuggingFace，代码以 qdrant-labs/supernova 开源，配套说明见官方博客。
奇舞精选AI 评估 · 43/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 43/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Agent 为什么会“忘事”：从上下文拼接到可治理的记忆系统
Agent“忘事”的根因在于记忆并非模型原生能力，而是应用层围绕上下文构建的工程系统，核心问题是每轮请求该把哪些历史信息带给模型。文章将记忆分为工作记忆、情节记忆、语义记忆和过程记忆四层，对应上下文、文档库与向量索引、KV/关系库、版本化配置等不同载体，并比较截断滑动窗口、滚动摘要、RAG 式记忆、事实抽取、知识图谱与主动调页等实现方式。
bolt.new(@boltdotnew)AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Bolt 重构提示词：不改功能，只清理代码
Bolt 官方给出了一段重构提示词，让 Bolt 及其他编码智能体在不改变 App 行为的前提下逐步清理代码，同样的按钮、同样的行为，底层更整洁。提示词按一次一步的方式执行，以降低重构风险。
DeeplearningAIAI 评估 · 42/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 42/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 吴恩达来信：AI 工程技能图谱详解——软件工程基础
吴恩达在来信中梳理 AI 工程技能图谱里的软件工程基础，涵盖构建全栈应用、管理数据、设计系统架构、构建安全可靠的系统、在生产环境中扩展并运维五类能力。他指出理解软件基础能帮助开发者引导编码智能体在延迟、可用性、可靠性、成本等方面做出正确权衡，而不懂基础的新手用 vibe coding 只会做出糟糕取舍。他强调深刻理解软件如何工作的开发者远优于仅凭感觉编程的人，后续两封信将继续讨论。
AI产品黄叔(@PMbackttfuture)AI 评估 · 26/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 26/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 用 Grok Bot 云端批量提取视频截图和文案，再存回本地
有用户发现 Grok Bot 的云端资源可用来批量提取视频截图和文案，处理完再把结果存到本地，全程只需三次交互。他此前用 Zcode 配合 GLM 5.3 Flash 蹭周末赠送的 3 亿 Token，但会占用 Mac 的内存和硬盘、速度慢，还一度导致电脑重启两三次。Grok Bot 提供 8 核、16G 内存、126G 硬盘的云端环境，并支持开启多线程处理。
得物技术AI 评估 · 13/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 13/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 入职得物五年后：两位校招生的技术成长故事
得物技术两位司龄5年的校招生海狸（Hayley）和骅征（huazheng）分享了各自的成长经历。海狸在交易平台做后端开发，参与AI导购项目，经历了方案多次调整与反复试错；骅征在国际技术做后端开发，参与香港仓寄售、日本开仓、美国自建站等项目，并在国际火山云多云迁移中将RT涨幅控制在10-13毫秒，实现用户无感知的平稳迁移。
宝玉的分享AI 评估 · 44/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 44/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 AI 原生思维：像训练大模型一样训练自己
AI 博主宝玉在腾讯内部用自己做三年的字幕翻译 App 串起 AI 产品全流程：找需求看模型能力边界，同一提示词在模型具备检索能力后从无人问津到 Google CEO 致谢。他把成本优化做到调用从 33 次降至 12 次、单集处理从 31 分钟降至 18 分钟，并提出以终为始重设计、把 App 做成 Agent 插件的三条准则。
42章经AI 评估 · 46/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 46/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 一个人、两周、数百美元：研究员逯雨鑫如何训出登顶 Hugging Face 的小模型
Mind Lab 研究员逯雨鑫以个人开发者身份，用 2 周和数百美元后训练出两个小模型，两次登顶 Hugging Face Model Trending 榜首。他没有 AI Lab 经历，也非 AI PhD，走的是蒸馏与 SFT 路线，认为最大卡点是数据和 Capacity Gap。他同时讨论了主权 AI、Personal Intelligence 与 Local AI 的普及门槛。
QdrantAI 评估 · 39/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 39/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Qdrant 内存分层怎么选：从全缓存到量化向量 Pin 的配置指南
Qdrant 支持把 dense vectors、HNSW 图、量化向量和 payload 分别放到 Pinned、Cached、Cold 三种内存层级，Dense vectors 和 payload 无法 pinned。
AI产品黄叔AI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 把孙割热点融入 Agent 自动化内容工厂：黄叔的工作流分享
黄叔计划把孙割昨晚的爆款小作文融入自己的 Agent 自动化内容工厂，用于在原有选题雷达、素材归类、初稿生成、直播精剪、中视频改写等环节上增加热点判断。他强调热点只是辅助、专业内容才是基础，Agent 是增强而非取代自己，并将在今晚直播分享该工作流，回放仅面向 Agent 社群付费会员。
HelloGitHubAI 评估 · 21/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 21/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 HelloGitHub 第 125 期：airllm 4GB 显存跑 70B 大模型、DeepSeek 开源智能体框架
HelloGitHub 第 125 期收录了 airllm，通过分层加载无需量化、蒸馏或剪枝，仅需 4GB 显存即可运行 70B 大模型，支持 Llama 3.x、Qwen3、DeepSeek 等模型。
宝玉的分享AI 评估 · 65/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 65/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Warp 如何让 Agent 自我进化：用人类反馈改进代码审查 Skill
Claude 博文《How Warp builds self-improving agents on Claude》介绍了终端工具 Warp 的内部实践：让 Agent 做代码审查时，问题不在于能力而在于缺少项目规范和历史经验的记忆，手动改系统提示词、完善 AGENTS.md 效果都不理想。
阮一峰的网络日志AI 评估 · 15/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 15/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 科技爱好者周刊（第 410 期）：你需要知道的 AI 三种机制
AI 能回答问题依靠三种机制：参数机制把人类知识拆成 token 并训练出权重（如 GLM 5.3 的 7440 亿个参数），推理机制补出参数里没记的知识，联网机制则通过 Agent 或应用框架搜索前两者都无法得到的知识。
Lovable(@lovable_dev)AI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Lovable 应用接入 MCP：让 AI 助手直接调用你的 App
Lovable 支持通过 MCP 把应用变成 AI 助手可直接调用的服务，适用场景包括：用户本身常驻 Claude、ChatGPT 等助手，应用需要以智能体方式执行重复任务，或用户需要从应用中获取答案与数据。Lovable 称这样能让用户获得更多而非更少的控制权。
Martin Fowler(@martinfowler)AI 评估 · 16/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 16/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Martin Fowler：要让 AI 真正发挥作用，组织需要像样的数据
Pramod Sadalage 与 Premanand Chandrasekaran 在 Martin Fowler 网站发文指出，AI 要产生效果，组织必须先把数据基础打好。文章从质量根基、语义上下文、清晰的访问控制和可观测性四个方面展开说明。