有意思小周刊No.168：Codex团队使用SOP
Codex团队发布了一份使用SOP，将可复用的项目上下文结构化为OpenSpec记录、高频复杂操作封装为Superpowers，并通过Codex自动化和验证执行过程，适用于开发、产品、测试、设计等多个业务团队。同期刊物还收录了Codex官方团队分享的持久对话流、语音输入、任务干预与排队等进阶用法，以及得物基于Harness工程的Claude Code数仓落地方案。
#教程/实践
#教程/实践
今日 37 条强少来了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。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。
QdrantAI 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。 Sunny Health 如何用 Qdrant 打造 AI 医疗礼宾服务
Sunny Health 基于 Qdrant 构建 AI 医疗礼宾服务，通过支付方或护理机构的 SSO 登录，为会员完成福利导航、网络内医生匹配和预约挂号三项任务。其检索层需在 300 万到 400 万条医生数据上同时执行硬性过滤（网络内、执照、语言）与语义相似度排序，因此从 Postgres 迁移到 Qdrant 向量搜索，并采用 Rust 客户端和 MCP 工具辅助开发。
Andrew Ng(@AndrewYNg)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。 吴恩达新课：构建能生成图像和视频的 AI 智能体
吴恩达联合 Google Cloud Tech 推出新课，教你构建生成图像和视频的 AI 智能体，核心是让智能体自我评估输出并迭代提升质量。课程讲解三种评估技术：图文相似度评分校验输出与提示词是否匹配、LLM 裁判按品牌一致性等自定义标准打分、结构化量规把提示词拆成"主体是否在画面内"等可验证的 yes/no 问题。
宝玉的分享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。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。 Codex 官方团队分享如何把 Codex 用到极致
Codex 官方团队的 jason（@jxnlco）分享了把 Codex 用到极致的组合用法，核心是从写代码延伸到终端命令、浏览网页、调用 API 等各类电脑工作。
Martin Fowler(@martinfowler)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。 Martin Fowler 博客：Birgitta Böckeler 谈 agent harness 中的传感器与静态代码检查
Birgitta Böckeler 在 Martin Fowler 博客发文，记录她在 agent harness 中使用传感器的经验。文章第一部分聚焦静态分析，从基础代码 linting 入手。
QdrantAI 评估 · 22/100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 · 22/100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。 GoPerfect 如何用 Qdrant Cloud 打造智能体招聘团队
GoPerfect 基于 Qdrant Cloud 搭建智能体招聘平台，用混合搜索、多向量表示加 LLM 编排，在内部基准中把候选人接受率从行业约 30% 提升到 99.993%，大客户实测稳定在 95–100%，约为行业基线的四倍。单个候选人不再用单一嵌入向量表示，而是拆成结构化向量集合，查询时由智能体拆分意图并并行发起多路子查询，复杂多条件搜索可在 10 秒内端到端完成。
宝玉的分享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。 为什么我不"凭感觉编程"
资深开发者 Jacob Harris 撰文解释自己为何拒绝"凭感觉编程"（Vibe Coding）。他因不愿为 Token 持续付费而卸载集成 LLM 的 IDE、回归 Emacs，并认为 LLM 只能解决编写代码本身的"偶然复杂性"，无法应对架构设计等"本质复杂性"，且无法解释自身选择的路径。
宝玉的分享AI 评估 · 22/100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 · 22/100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。 创始人手册：2026 年如何打造 AI 原生初创公司
Anthropic 发布《创始人手册》，按构思、MVP、发布、扩展四阶段梳理 2026 年 AI 原生初创公司的做法：创始人变成指挥 AI 智能体的角色，用 Claude 的 Chat、Claude Cowork 和 Claude Code 完成研究调研、智能体编程与流程自动化。
哔哩哔哩技术AI 评估 · 47/100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 · 47/100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。 哔哩哔哩 bili-fe-workflow：从 prompt 工程到 Harness Engineering 的智能开发工作流实践
哔哩哔哩技术团队将 prompt 工程演进为 Harness Engineering，做出一系列智能开发工作流，让 AI 执行跨越整个研发生命周期的长任务。该工作流以 `.workflow` 结构化项目知识库为基础，包含 workflow-init、knowledge-update、prd-preprocess 等命令，并分成视觉驱动的 D2C 与逻辑驱动的 Dev 两条 Skill 路径。
Andrew Ng(@AndrewYNg)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。 Andrew Ng 推出新课 Transformers in Practice，与 AMD 合作讲解 Transformer 推理
Andrew Ng 推出新课程 Transformers in Practice，与 AMD 合作、由 Sharon Zhou 讲授，面向实践理解 Transformer 大语言模型的工作方式。课程涵盖 token 逐个生成、注意力机制、量化加速 GPU 推理，以及模型幻觉、RAG 与链式推理等内容，并配有交互式可视化。
Martin Fowler(@martinfowler)AI 评估 · 31/100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 · 31/100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：用 LLM 访谈自己来生成大段上下文
Martin Fowler 提出一种为 LLM 准备大量上下文的方法：与其自己动手写，不如让一个 LLM 来访谈自己，把访谈内容整理成可用上下文。相关文章发布在 martinfowler.com 的 Interrog 页面。
UX MagazineAI 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。 The Spiral Climbs：当设计转向系统，AI 与智能体如何重构产品工作流
随着 UI 被商品化，竞争优势上移至问题定义、押注排序与结果负责，产品设计正从界面绘制转向系统、token 与代码。作者把 Miro、Figma、VS Code 配合 Codex 和 GitHub、Jira 串成一条从想法到上线的链路，并嵌入设计思维、系统思维与会议纪要三类智能体。
Smashing MagazineAI 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。 AI 透明度实用界面模式：如何用状态文案让智能体"思考"可见（第二部分）
AI 智能体等待时间与下载延迟不同，二十秒的停顿是在思考和权衡方案，用 spinner 会让用户误以为卡死或崩溃。
硬地骇客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。 硬地骇客 EP126：Agent Harness 为什么决定 AI 能否真正干活
同一个模型放进 Claude Code、Codex、OpenCode 里就能读文件、改代码、跑测试，放进聊天框却只能给建议，差别在于 Agent Harness。这期播客把 Harness 定义为模型之外决定 AI 能否干活的工程系统，负责工具、权限、上下文、执行环境和结果验证，并讨论 AI Coding 作为大模型工程化练兵场，以及模型能力与 Harness 生态的未来演进。
Modal BlogAI 评估 · 52/100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 · 52/100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。 Modal 如何实现真正的无服务器 GPU：把推理冷启动从 2 千秒压到 50 秒
Modal 介绍其五年工程积累，通过云缓冲、自定义文件系统 ImageFS、CPU 检查点/恢复和 CUDA 检查点/恢复四项优化，把推理服务副本的启动时间从约 2 千秒降到约 50 秒。
QdrantAI 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。 Sapu 如何用 Qdrant 索引 2800 万条 PubMed 摘要加速癌症研究
Sapu 将 PubMed 全部 2800 万条摘要索引进单个 Qdrant collection，此前研究人员只能分批上传摘要子集查询。该平台采用 OpenAI text-embedding-3-large（3072 维）配合 LangChain 写入 Qdrant Cloud，并支持将 1000 篇文档拆成 1000 个独立并行查询。
Andrej Karpathy(@karpathy)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。 Karpathy：让 LLM 用 HTML 输出答案，比 markdown 更好用
Andrej Karpathy 建议在提问末尾让 LLM「structure your response as HTML」，再把生成的文件用浏览器打开查看，效果很好，他也试过让模型以幻灯片等形式呈现输出。他认为 AI 输出正从原始文本、markdown 走向 HTML，最终可能演化为扩散神经网直接生成的交互式视频，同时输入端仍需加入指点、手势等交互方式。
QdrantAI 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。 Qdrant 指南：如何衡量检索相关性
Qdrant 发布检索相关性评估指南，介绍用带标注的 golden query set 计算 recall@k、MRR、NDCG@k 等指标。查询集可通过人工标注、日志采样或 LLM 合成生成，评估借助 Python 库 ranx，将 Qdrant 检索结果与 qrels 对比，并需按位置打分以规避欧氏距离排序问题。
宝玉的分享AI 评估 · 56/100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 · 56/100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。 深度拆解：AI Agent Harness 的构造
本文拆解了包裹大语言模型的 Agent Harness 架构，涵盖编排循环、工具、记忆、上下文管理、状态持久化、错误处理和护栏等 12 个组件，并说明提示词工程、上下文工程与 Harness 工程三个层次的区别。
宝玉的分享AI 评估 · 70/100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 · 70/100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。 Claude Code 团队谈为何用 HTML 替代 Markdown 作为输出格式
Claude Code 团队成员 Thariq 提出用 HTML 取代 Markdown 作为 AI 智能体的输出格式，理由是 HTML 信息密度更高、支持表格与 SVG 图表、便于分享和双向交互。
Andrew Ng(@AndrewYNg)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。 Andrew Ng 新课：用 CopilotKit 构建能生成图表、表单和白板的自定义 UI 智能体
Andrew Ng 推出与 CopilotKit 合作的新短期课程，教你构建在聊天中按需生成图表、表单、白板等自定义 UI 的智能体。课程由 CopilotKit 联合创始人 @ataiiam 讲授，涵盖三种方法：从自建组件中挑选、用行/卡片/文本等积木组合新布局，以及把白板、日历等第三方应用嵌入对话。
Smashing MagazineAI 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。 本地优先 Web 开发的架构：一位开发者的七年实践反思
作者曾把本地优先视作学术概念而拒绝多年，如今已用该模式上线三款生产应用，也曾在两个项目中将其拆除。他澄清本地优先是数据架构而非 offline-first、PWA 或 service worker 缓存，其核心是用户设备持有主数据副本、服务端只作为带特殊权限的同步节点；同时指出数据分析面板、银行支付、简单 CRUD 和无离线协作需求的应用都不适合采用，并建议从一个功能开始渐进引入。
Modal BlogAI 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。 Modal 用单个 Python 字典将 SGLang 多模态推理性能提升超 10%
Modal 工程师在 H100 上压测 Qwen2.5-VL-3B-Instruct 时，发现 SGLang 调度器的多模态请求处理存在重复调用 torch.UntypedStorage._new_shared_cuda 的开销。
Eugene YanAI 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。 如何与 AI 协作并让成果持续累积
Eugene Yan 总结自己与 AI 协作的方法，提出五条原则：提供好的上下文、把个人偏好编码成配置、让验证变简单、委派更大的任务、并闭环沉淀。具体做法包括把代码和知识库分层组织、为每个项目维护带注释的 INDEX.md、用 CLAUDE.md 当作行为契约并按目录分级加载、把高频操作做成按需加载的 skill，以及在会话中纠正输出而非直接改文件，让转录成为配置更新的输入。
Smashing MagazineAI 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。 如何为流式内容设计稳定界面
流式 UI 在内容生成过程中持续变化，带来三类问题：视口被强制固定在底部、新内容导致布局位移、渲染频率高于浏览器每秒约 60 次的刷新。文章用聊天气泡、日志流和实时指标三个演示复现这些问题，并提出用 60px 阈值标记用户是否主动上滚，仅在用户处于底部时恢复自动滚动。
张小珺Jùn｜商业访谈录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。 和苏煜聊 Agent 技术史：从 Logical Agent 到 Language Agent，以及 OpenClaw Moment
俄亥俄州立大学计算机系教授、NeoCognition 创始人苏煜系统梳理了 Agent 技术演进史：从 Logical Agent（1960-90s）到 Neural Agent，再到 Semantic Parsing 与 Language Agent，并复盘最近三年 Language Agent 的关键工作。
Andrew Ng(@AndrewYNg)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。 吴恩达推出新课《AI Prompting for Everyone》，讲授 ChatGPT、Gemini、Claude 通用提示技巧
吴恩达开设新课程《AI Prompting for Everyone》，面向各水平用户，教授适用于 ChatGPT、Gemini、Claude 等 AI 工具的通用提示技能。课程涵盖深度研究模式、为 AI 提供充足上下文与文件图像、在买车择业等重要决策时让 AI 深度思考，以及生成图像、分析数据、搭建简单游戏和网站。他同时讲解模型底层直觉，帮助判断何时该信任回答。
Martin Fowler(@martinfowler)AI 评估 · 19/100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 · 19/100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 更新 AI 编程指南，并发布 harness engineering 视频等内容
Martin Fowler 更新了 AI 编程指南，发布了一期关于 harness engineering 的视频，并讨论了函数应该多长、Software Brain 的问题以及 AI 为何不受欢迎。相关链接收录在其 Fragments 合集中。
哔哩哔哩技术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。 B站基于NVIDIA开源驱动的GPU隔离方案：BGM内核模块如何做显存与算力隔离
B站推出bilibili GPU Manager（BGM）内核模块，联动cgroup子系统与显卡驱动实现GPU显存和算力隔离。显存侧由cgroup配置limit、驱动获取假显存总量并按left判断分配；算力侧用cgroup配置的slice替换TSG默认时间片，从而控制单次调度上限、降低高优任务等待。该方案基于NVIDIA开源驱动做参数修正，替代MPS、MIG及CUDA劫持等黑盒方案。
Modal 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。 在 Modal 上构建基于强化学习的定理证明工作流
AE Studio 在 Modal 上搭建了用强化学习训练 LLM 证明数学定理的工作流，通过 vLLM 生成 Lean 证明代码、Lean 编译器在 CPU 上验证并给出奖励信号，对比了 GRPO 与 Evolution Strategies 两种更新规则。该工作流用独立镜像分离 GPU 生成、Lean 验证与编排三种运行时，并用 .map() 并行分发每次迭代的大量独立评估。
宝玉的分享AI 评估 · 48/100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 · 48/100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。 深度拆解 Hermes Agent 的记忆系统：它如何修正 OpenClaw 的误区
Hermes Agent 采用四套记忆系统：MEMORY.md（2,200 字符）与 USER.md（1,375 字符）构成提示词记忆，session_search 调用 SQLite 历史会话存档，技能（Skills）充当程序记忆，另有可选的 Honcho 层做用户建模。
Martin Fowler(@martinfowler)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。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。 Thoughtworks 内部 IT 的智能体编程工作流 SPDD：结构化提示词驱动开发
Thoughtworks 内部 IT 采用名为 Structured-Prompt-Driven Development（SPDD）的智能体编程工作流。Wei Zhang 和 Jessie Jie Xia 通过一个简单示例讲解其运作方式，并在 GitHub 项目中给出细节。
纵横四海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。 EP80《深度工作》：什么是AI时代最不能被取代的技能？
纵横四海播客EP80围绕 Cal Newport 的《深度工作》与其新书《慢生产力》展开，讨论为什么在AI时代"深度"反而成为最昂贵、最不可替代的职业资本。节目援引微软职场报告探讨AI是否真在取代人类工作，并提出禁欲主义、双峰、节奏、新闻记者四种深度工作哲学，以及"第一勺冰淇淋原则"、可视化计分板等实践方法。
硬地骇客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。 硬地骇客 EP125：12 个问题搞懂 Vibe Coding 爆火真相
播客「硬地骇客」EP125 中，三位主播 Saito、一啸、归归围绕独立开发者最焦虑的 12 个问题逐一解答，包括没收入怎么熬、有 idea 却停在纸上、产品没人用、AI 时代工程师该练什么能力，以及 Vibe Coding 爆火是否意味着人人都能做产品。他们结合做 Podwise 的真实经历给出解答，不鸡汤、不画饼。
强少来了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。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。 有意思小周刊No.167：我把 OpenAI Codex 官方案例全跑了一遍
作者系统实测了 OpenAI Codex 官方发布的12类典型工作流案例，验证其已从代码生成扩展到端到端软件工程执行，可自主调用 Shell/Git/API/MCP 等工具持续规划、执行与修正。
Ahead of AI — Sebastian RaschkaAI 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。 Sebastian Raschka 分享理解 LLM 架构的工作流
Sebastian Raschka 公开了自己绘制 LLM 架构图的工作流：从官方技术报告入手，再直接查阅 Hugging Face Model Hub 上的 config 文件与 transformers 参考实现来补齐架构细节，因为近年论文对开源权重模型的描述常不如代码详细。该方法主要适用于开源权重模型，不适用于 ChatGPT、Claude、Gemini 等闭源模型，且刻意保持手动操作。
cat(@_catwu)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。 Claude 提示技巧：把测试流程写进 claude.md 或加 /verify-app 技能，让模型自验改动
让 Claude 自己验证改动的方法是把测试工作流写进 claude.md，或添加 /verify-app 技能。Opus 4.7 在验证自身工作方面表现更好；把难以发现的本地开发技巧一并写进去也有帮助。
Andrew Ng(@AndrewYNg)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。 Andrew Ng 联手 JetBrains 推出 Spec-Driven Development with Coding Agents 课程
Andrew Ng 与 JetBrains 合作推出短课程 Spec-Driven Development with Coding Agents，由 Paul Everitt 主讲。课程教授以详细规格文档定义需求、再让编码智能体据此实现的开发方式，可跨会话保留上下文并控制大型代码改动，工作流可打包为跨智能体与 IDE 的便携技能。
宝玉的分享AI 评估 · 61/100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 · 61/100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。 使用 Claude Code：会话管理与 100 万上下文
Anthropic 员工 Thariq 撰文讲解 Claude Code 的会话管理方法，围绕上下文窗口升级到 100 万 Token 后，如何在继续、回溯、清空（/clear）、压缩（/compact）和子智能体五种选择间做决策。
Modal 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。 如何用 Modal 与 OpenAI Agents SDK 搭建自定义智能体框架
Modal 发布教程，演示如何在 OpenAI Agents SDK 之上从零搭建自定义编码智能体框架，通过 SandboxAgent 和 ShellTool 把智能体放进带 GPU 的 Modal 沙箱中执行任务。