全部动态
斯坦福大学开设的「CS146S: The Modern Software Developer」课程下周正式开始，主讲老师公开了代码/作业的开源项目，课程为期十周，旨在教授人定义意图、Agent 执行、人与 Agent 共同评估和迭代的新工作流。
想了解生产级AI代理背后技术栈的朋友，可以关注这场由e2b、Fireworks和Braintrust联合举办的技术分享会，他们会在9月30日分享关于代码沙箱、模型服务速度和性能优化的经验。
朋友推荐：Coinbase 的 Evan Kormos 要讲政策驱动工作流里的智能体信任问题，挺实用的。
DeepMind 的 Philipp Schmid 要来讲生产环境智能体开发，讲怎么用技能和连接器构建，适合想学实际应用的开发者。
Capital One 的 Max Kanat-Alexander 要来分享，讲的是怎么把 AI 上下文真正用到生产里，不是那种 demo 阶段的东西，挺实用的。
生物神经AI（bio-neural.ai）分享了一些关于AI安全测试和防御的实用方法，比如用Docker或虚拟机来隔离环境，这可能会对关注AI安全的开发者或研究者有用。
Zilliz 推出的 Milvus 3.0 升级指南很实用，详细说明了新版本的新特性和如何安全升级，对想使用 Milvus 3.0 的开发者很有帮助。
Agent = Harness(LLM) Result = Agent(Context) 💬 0 🔄 0 ❤️ 1 👀 232 ⚡
朋友，有个叫AgentCloak的浏览器插件，用起来很方便，能帮你处理AI提示词里的个人信息，比如名字、电话这些，发出去之前先藏起来，AI回答后再给你，保护隐私又好用。
朋友，Worldline 这个案例很有意思，他们把 Oracle 数据库搬到了 Google Cloud 的 Exadata 上，解决了支付平台的高并发和秒级响应问题，可以参考一下。
朋友A推荐，说LlamaParse系列第一篇讲的是解析关键文档的挑战，比如美国能源报告里的数据，解析错误会影响后续的仪表盘或AI应用，挺实用的。
企业用AI代理时，别犯傻，得像管理外包人员一样管理它，比如最小权限、轮换密码、控制数据流出，还要有审计记录。现在的问题是没人管AI代理的安全，它就是个有口才的服务账户。
LangChain 的专家教你如何构建更可靠的智能体，解决规划、工具使用和长期任务的问题，比单纯用大模型更实用。
朋友，Ben Clavié 这篇讲怎么做好知识型 AI 助手的，特别强调别照搬代码生成器的做法，而是要重点提升检索、任务编排和分工，挺有启发。
LangChain 和悉尼团队用 Jev 解决了 Agent 循环决策成本高的问题，简单任务用便宜模型，难任务用旗舰模型，或者做风险检查，很实用。
朋友分享的「设计工程」概念集，把界面「完成感」细节（等宽数字、光学对齐）提炼成可执行规则，对写 UI 的 coding agents 很有用。
仅展示最近 2000 条内容，更早的内容请查阅 AI 日报存档