跳到正文
#教程/实践
10月12日周一
  1. AIHot58

    大AI理论：通过三步调节推理档位提升AI工作效率

    作者提出“大AI理论”，通过三个阶段调节模型推理档位以优化任务执行：第一步在最高推理模式下利用多模态输入生成详细计划；第二步切换至中档推理进行快速执行；第三步调回高档推理对结果进行验证。该方法旨在平衡模型推理质量与执行速度，通过详细的预设需求提升中档推理的产出稳定性。

    发布时间：
  2. AIHot68

    WebMCP 如何让网站同时面向人和 AI Agent 设计

    WebMCP 提出了一种标准化的网页工具注册机制，允许开发者通过 JavaScript API 或 HTML 属性将网站功能暴露给 AI 智能体，使其能以结构化方式调用搜索、编辑等操作。该方案旨在减少智能体对页面视觉结构的解析依赖，通过复用现有业务逻辑实现人机协作，目前 Chrome、Cloudflare 和 Brave 已开展相关实验性支持。

    发布时间：
  4. AIHot51

    Google AI Agents 课程白皮书解读：Agent 四层协议栈 MCP、A2A、A2UI 与 AP2/UCP

    本文解读了 Google「5天 AI Agents 课程」中关于工具与互操作性的白皮书，梳理了 Agent 生态的四层协议栈：用于连接工具的 MCP、连接智能体的 A2A、连接用户界面的 A2UI 以及连接商业交易的 AP2/UCP。文章详细阐述了各协议的核心价值与实践规范，如通过 MCP 降低集成复杂度、利用 A2A 实现专业化分工，以及通过 AP2 协议保障交易的安全性与可审计性。

    发布时间：
  6. AIHot49

    Pi Coding Agent 速查表信息卡

    Pi School 免费课程提供的 Pi Coding Agent 速查表已被整理为信息卡，方便用户随时查阅与使用。该速查表涵盖了 Pi Coding Agent 的核心操作要点，旨在帮助开发者更高效地利用该工具进行编程辅助。

    发布时间：
  8. AIHot68

    Lee Robinson 斯坦福讲座：拆解 Grok Bot 常驻 Agent 的四层内部构造

    本文整理了 Lee Robinson 在斯坦福 CS146S 的讲座内容，拆解了 Grok Bot 这类常驻 Agent 的四层核心机制。系统通过休眠-唤醒机制实现按需复活与状态持久化，利用多源路由与独立的通知判断链管理交互，并采用 Firecracker 微虚机作为专用云电脑，实现了计算资源与 Agent 状态的有效分离。

    发布时间：
  9. AIHot32

    2026 年 12 款 AI 实时翻译工具对比：延迟、语言与定价

    本文对比了 12 款 AI 实时翻译工具在延迟、语言支持及定价方面的表现，涵盖了从个人通话到大型会议的多种应用场景。Palabra.ai 提供低于 1 秒延迟的 API 服务，Google Gemini 3.5 Live Translate 支持 70 多种语言，而 Apple Live Translation 则在 iOS 26 设备上实现端侧实时翻译。

    发布时间：
  12. AIHot68

    Mario Zechner 与 Armin Ronacher 访谈：用「副作用三明治」实现 Agent 崩溃后的可靠恢复

    Mario Zechner 与 Armin Ronacher 在访谈中提出通过「副作用三明治」架构实现 Agent 可靠恢复，即任何操作分为写入意图参数、执行幂等副作用、结果存档三层。Pi Durable 框架已将此模式应用于模型调用与工具调用，确保进程崩溃后能从断点处继续执行。

    发布时间：
  14. AIHot68

    使用 Claude Opus 5.5、Blender、Unreal Engine 和 Meshy 构建游戏的七步教程

    本教程介绍了利用 Claude Opus 5.5 结合 MCP 插件联动 Blender、Unreal Engine 和 Meshy 构建游戏的工作流。通过 Claude Code 统一调度，Meshy 负责生成 3D 模型，Blender 进行资产清理与材质处理，Unreal Engine 处理场景渲染与物理逻辑，实现从创意构思到游戏关卡搭建的自动化流程。

    发布时间：
  15. AIHot35

    什么是浏览器指纹识别？原理与局限解析

    浏览器指纹识别通过收集 user agent、语言、屏幕尺寸、字体、canvas 与 WebGL 渲染及音频处理等信号，经哈希函数生成紧凑标识，从而在 cookie 被删除后仍能识别回访浏览器。该技术分为被动式与主动式两类，主要用于追踪用户、防欺诈和检测机器人。由于相似浏览器可能产生碰撞，且浏览器更新会改变识别结果，其应用存在一定局限性。

    发布时间：
  17. AIHot76

    Hamel Husain 将 AI 评估课程浓缩为 12 张口袋指南信息卡

    Hamel Husain 将其 Applied AI Evals 课程的核心要点浓缩为 12 张信息卡，涵盖了误差分析、评估时机、指标选择、LLM 裁判信任度、合成数据生成及部署策略等关键实践。该指南旨在帮助开发者通过结构化的方法构建更可靠的 AI 系统，并提供了如转移矩阵定位 Agent 失败等具体操作技巧。

    发布时间：

    推荐理由：这份指南将复杂的 AI 评估流程拆解为 12 个实操概念，为开发者在构建可靠 AI 系统时提供了可落地的评估策略与避坑建议。

  18. AIHot23

    Tripo 联手 img2threejs 举办 Three.js 工作坊

    Tripo 宣布与 img2threejs 合作举办线上工作坊，演示如何将 Tripo 生成的 3D 资产无缝集成至 Three.js 工作流。活动内容涵盖使用 Tripo 生成高质量 3D 角色，并通过 img2threejs 将模型重构为可编辑的 Three.js 代码，以及实现角色绑定、动画修复与交互式网页集成。

    发布时间：
  20. AIHot68

    邵猛解读 Grok Bot 架构：Harness 设计与上下文工程实践

    本文通过解读 Lee Robinson 的讲座笔记，分析了 Grok Bot 在智能体架构与上下文工程方面的核心实践。架构上采用“逻辑在服务端、表现力在客户端”的单工具协议，通过动态工具发现、分层求助机制及主从智能体编排提升效率；工程上则强调利用 Prompt 缓存优化、抢在缓存过期前进行压缩以及四层记忆结构，以实现长程运行下的成本控制与性能平衡。

    发布时间：
  21. AIHot59

    大AI理论：分三阶段调推理档位榨干模型能力

    作者提出“大AI理论”，通过三阶段对话流程最大化模型输出质量。第一阶段利用高档推理与计划模式整理多模态输入；第二阶段在详细需求下使用中档推理执行任务，以提升效率；第三阶段切换回高档推理对成果进行审查，据称可发现约 20% 的问题且耗时仅为从头生成的 1/3。

    发布时间：
10月11日周日
10月10日周六
  1. APPSO58

    Strata 开源项目如何让普通 PC 运行千亿参数大模型

    开源项目 Strata 通过显存、系统内存与 CPU 的协同调度，配合 MoE 架构稀疏性与量化技术，实现了在 RTX 5070 等消费级硬件上运行 1250 亿参数模型 Qwen3.8-Flash-Next。该方案利用推测解码提升推理速度，为用户提供了在本地运行大模型的低成本替代方案，但也存在内存占用高、启动等待长及量化精度损失等门槛。

    发布时间：
10月9日周五
  1. AWS Machine Learning Blog72

    Postman 如何在 Amazon Bedrock 上为 4000 万开发者运行 Agent Mode

    Postman 介绍了其 Agent Mode 的架构实践，通过动态工具选择、Schema 驱动的数据读取及精细化的上下文管理，解决了在成熟产品中集成智能体的复杂性。该系统利用 Amazon Bedrock 的跨区域推理、模型灵活性、提示词缓存及数据保护功能，实现了生产环境下的高性能与高可靠性。

    发布时间：

    推荐理由：Postman 分享了在成熟产品中集成 AI 智能体的工程实践，通过动态工具选择、Schema 驱动的数据读取及分层上下文管理，为构建生产级智能体提供了可迁移的架构模式。

  2. Hugging Face Blog68

    Ai2 如何通过 GPU 时间预算优化集群调度

    Ai2 团队通过引入基于 GPU 时间预算、分层公平调度和调度合约的系统，取代了原有的优先级调度模式。该方案将资源分配从操作任务转变为透明的预算过程，有效解决了 GPU 资源占用（squatting）和优先级膨胀问题，并将人工维护需求降低了 74%，同时保持了 98% 的集群占用率。

    发布时间：

    推荐理由：Ai2 分享了通过引入 GPU 时间预算和分层公平调度机制解决集群资源争抢问题的实践，为管理大规模分布式训练集群提供了可借鉴的策略。

  3. The Verge · AI42

    Instinct 能否在 Muse 等 AI 智能体竞争中生存？

    AI 智能体 Instinct 凭借基于短信、WhatsApp 或邮件的简洁交互界面，在 Muse 和 Dots 等大厂产品竞争中保持了竞争力。该智能体支持连接 Google Workspace、Slack 和 Notion，并能处理预约及文书等生活琐事，目前估值已达 100 亿美元。尽管面临数据获取等现实限制，Instinct 仍通过无应用界面的原生集成方式，在个人助理市场中寻求差异化定位。

    发布时间：
  4. Simon Willison38

    Simon Willison 如何通过语音交互为博客构建 Newsletters 功能

    Simon Willison 使用 ChatGPT 桌面版中的 Codex 语音模式，在烹饪期间通过语音对话完成了博客 Newsletters 页面的开发。该功能由 GPT-6 Astra High 模型驱动，实现了 Django 模型迁移、数据导入、页面设计及搜索集成等任务。尽管语音交互在多任务处理中表现出色，但作者认为在处理细节代码时，结合键盘输入与视觉预览的混合模式更为高效。

    发布时间：
  5. NVIDIA Blog31

    NVIDIA 开发者如何利用前沿 AI 智能体与 NVIDIA Omniverse 将创意转化为仿真应用

    开发者正结合前沿 AI 模型与 NVIDIA Omniverse 库，通过自然语言指令指导 AI 智能体来构建、测试和优化仿真应用。NVIDIA 团队展示了利用 GPT-6 Astra 等模型在仓库规模压力测试、柔性电缆布线控制、CAD 资产转换、人形机器人模拟器构建以及自动驾驶测试工作流中的具体应用。

    发布时间：
  6. PyTorch Blog78

    NVIDIA Dynamo 发布会话感知智能体推理功能

    NVIDIA Dynamo 引入会话级标识符（Session ID），将推理基础设施升级为程序感知系统，支持会话感知路由、共享 KV 缓存索引及跨 vLLM 和 SGLang 的缓存策略编排。该方案通过在工具调用边界应用背压和会话感知调度，在 SWE-bench 等测试中将智能体任务吞吐量提升了 12-16%，并提出了 KvHint 接口以实现更主动的 KV 缓存管理。

    发布时间：

    推荐理由：NVIDIA Dynamo 通过引入会话级标识符，实现了从请求级到程序级的推理基础设施升级，通过会话感知调度和 KV 缓存管理显著提升了智能体任务的吞吐量。

10月8日周四
  1. PyTorch Blog62

    将 Spyre 构建为 PyTorch 原生设备

    IBM 团队通过将 Spyre 的运行时与固件连接至 PyTorch 的设备、分配器、流及编译器抽象，使其成为原生 PyTorch 设备。该集成利用 PrivateUse1 建立设备身份，通过 Inductor 编译器路径处理 FX 图，并采用启动时补丁（launch-time patching）技术，实现了 eager 与编译执行的统一路径，显著降低了启动开销并提升了推理性能。

    发布时间：
  2. Hugging Face Blog82

    如何使用 ML-intern 智能体自动化构建与发布模型

    Hugging Face 官方博客介绍了如何通过 HuggingChat 中的 ML-intern 智能体，以低成本自动化完成模型微调、蒸馏及评估任务。作者分享了包含预算限制、基准测试及冒烟测试的提示词编写技巧，并展示了包括植物病害识别、图像 LoRA 及轻量化模型蒸馏在内的六个实际案例，所有提示词已在 GitHub 开源。

    发布时间：

    推荐理由：作者通过实测展示了如何利用 HuggingChat 中的 ML-intern 智能体完成从数据集构建、模型训练到评估发布的完整流程，并提供了可复用的提示词模板与成本控制策略。

  3. AWS Machine Learning Blog38

    Amazon Quick 与 Amazon Bedrock 如何通过实时 ACL 执行重构 RAG 访问控制

    Amazon Quick 和 Amazon Bedrock Knowledge Bases 通过引入实时 ACL 执行机制，解决了企业 RAG 应用中权限同步滞后与映射错误的安全挑战。该方案采用两阶段验证架构，在预检索过滤的基础上，于查询时直接调用数据源 API 进行实时权限核验，确保 AI 仅基于用户有权访问的文档生成内容。此举在保障语义搜索性能的同时，消除了因权限变更延迟导致的数据泄露风险。

    发布时间：
10月7日周三
  1. AWS Machine Learning Blog53

    超越工时节省：构建 AI 智能体自动化的商业案例

    AWS 团队提出了一套评估 AI 智能体商业价值的框架，指出传统的基于工时节省的 ROI 模型不适用于智能体，企业应从时间节省、异常处理、决策质量及变更韧性四个维度衡量价值。文章还提供了一个基于任务复杂度和决策风险的优先级矩阵，建议企业通过定义明确的经济价值实现机制和设定停止投资的阈值，将智能体部署从孤立试点转化为可衡量的业务组合。

    发布时间：
  2. AWS Machine Learning Blog38

    Qlik 如何利用 Amazon Bedrock 构建企业级可溯源 AI

    Qlik 通过 Amazon Bedrock 构建了企业级 AI 工具 Qlik Answers，为全球 4 万多家客户提供基于数据源的自然语言问答服务。该系统通过路由层与专业智能体层协同，实现了对结构化数据与非结构化文档的精准检索，其中 Lintech International 的研究响应时间缩短了 75%。

    发布时间：
10月6日周二
10月3日周六
  1. PyTorch Blog68

    vLLM 集成 Helion 线性后端以提升推理性能

    vLLM 官方博客宣布集成 Helion 硬件无关内核 DSL，通过细粒度的按形状自动调优和混合调度策略，在 NVIDIA Hopper GPU 上实现了对默认 CUTLASS 和 DeepGEMM 后端的性能超越。该方案支持 FP8、INT8 等多种量化格式，在部分工作负载中带来了超过 10% 的吞吐量提升，目前已在 vLLM 分支中提供并支持用户自定义配置。

    发布时间：