全部 AI 动态 · AITOP

6月1日

11:24

宝玉@dotey

dotey 在 X 上分享了 Claude Code 中 /goal 命令的两种高效用法：一是将逆向代码的完整任务整理成 JSON 文件，让 AI 分批处理并逐条勾选 Checklist；二是与 AI 协作编写详细设计文档，划分多个 Phase 并设定验收条件，每个 Phase 执行后自动 commit。这些实践展示了 /goal 如何将复杂任务拆解为可追踪的步骤，提升 AI 编程的可靠性和效率。

推荐理由：做复杂代码逆向或大型设计文档的开发者，用 /goal 把任务拆成可追踪的步骤，能显著减少遗漏和返工，建议直接复制这两个模式试试。

原文

09:53

Viking@vikingmute

开发者 Vikingmute 发布了一篇英文文章《How I Use AI for Code Reviews》，分享了一套名为 Review Forge 的 AI 代码审查流程。文章基于之前的中文笔记整理而成，包含详细的步骤工作流。作者指出，AI 生成代码速度极快，如果不严格审查，系统质量会迅速下降，变成黑箱。Review Forge 流程旨在为代码审查带来结构和纪律，让作者对每次变更更有信心。对于大量使用 AI 写代码但难以跟上审查节奏的开发者，这篇文章提供了实用的参考。

技巧 AI 编程代码审查工作流

推荐理由：AI 生成代码的质量控制是每个重度用户的痛点，Vikingmute 的 Review Forge 流程给出了可操作的解决方案，做 AI 辅助开发的团队可以直接借鉴。

原文

09:30

向阳乔木@vista8

一位用户测试了结合飞书 CLI 和 AI 的另类阅读方法：先用 Codex 或 Claude Code 将 Epub 电子书按章节写入飞书文档，然后人肉阅读时在关键处划线、加粗并评论，最后让 AI 读取这些标记和评论并给出解释回复。这种方法将被动阅读变为主动对话，让 AI 成为你的阅读伙伴，帮助深入理解内容。作者表示探索差不多了，准备将其封装成 Skill 分享。

技巧 AI阅读飞书 Codex

推荐理由：把飞书文档变成 AI 对话书签，解决了阅读时「有感触却没人讨论」的痛点，爱读书又爱用 AI 的深度阅读者可以直接复刻这套流程。

原文

04:14

官方账号Simon Willison@simonw

精选

Simon Willison 在推文中指出，当使用编程智能体（coding agents）工作时，对话记录（transcript）成为最重要的工件之一。他认为记录这些对话对于追踪决策过程，其重要性甚至超过维护良好的提交信息和 issue。这一观点强调了在 AI 辅助编程时代，对话记录作为知识管理工具的价值。对于使用 AI 编程助手的开发者来说，这提供了一个新的工作流优化方向。

技巧编程智能体工作流优化知识管理

推荐理由：Simon Willison 点出了 AI 编程时代被忽视的关键——对话记录比 Git 提交更有价值，做 AI 辅助开发的团队建议立即调整工作流。

原文

5月31日

10:18

官方一手marktechpost@Sana Hassan

精选

SkillNet 是一个实用框架，用于发现、安装、检查、评估和组织可复用的AI技能。本教程展示了如何利用 SkillNet 构建技能增强型AI智能体，涵盖搜索、评估、图分析和任务规划等核心功能。该框架旨在解决AI技能碎片化问题，让开发者能更高效地组合和复用技能模块。通过 SkillNet，开发者可以快速集成预构建技能，提升智能体的灵活性和可扩展性。

技巧智能体 SkillNet 技能复用

推荐理由：SkillNet 解决了AI技能复用和组合的痛点，做智能体开发的团队可以直接用它来快速集成搜索、图分析等能力，省去重复造轮子的时间。

原文

09:35

宝玉@dotey

在开发网页程序时，服务端 API 交互代码出现故障或需要优化时，通常需要分析网络请求数据。本文介绍了两种让 AI 编程助手自动获取数据的方法：一是从 Chrome DevTools 导出 HAR 文件并交给 Codex 分析；二是安装 Codex 的 Chrome 插件，通过 @chrome 指令让 Codex 直接抓包调试。这些技巧能显著提升调试效率，避免手动复制粘贴的繁琐。

技巧调试技巧网络请求 Codex

推荐理由：前端开发者调试 API 时最烦手动复制粘贴网络请求，这两种方法让 Codex 自己抓数据，省时省力，建议做 Web 开发的直接试试。

原文

01:52

官方账号NVIDIA AI@NVIDIAAI

精选

DynoSim 是 NVIDIA 推出的工作负载驱动模拟工具，用于优化 Dynamo 推理服务栈的部署。它将 exhaustive 的部署搜索转化为 simulate-then-verify 循环，可在虚拟时间线上建模整个栈。团队能通过高保真模拟快速筛选数千种配置，然后仅在真实硬件上验证最佳候选。测试显示其模拟速度比真实时间快 1500 倍。

技巧 NVIDIA DynoSim Dynamo

事件专题

推荐理由：NVIDIA 搞了个模拟器，部署配置筛选快千倍

原文

00:17

berryxia@berryxia

Anthropic 官方推出 Prompting 101 课程，系统讲解从零搭建可落地 prompt 的五个核心步骤：语气背景、XML 结构、Few-shot 示例、输出格式化、预填充与拓展思考。博主 berryxia 制作了中文字幕并分章节总结，方便跳读。课程仅需 25 分钟，适合想系统学习提示词工程的开发者。

技巧提示词工程 Anthropic Prompting 101

事件专题

推荐理由：Anthropic 官方出品的提示词工程课，25 分钟讲透从零到落地的 5 个核心步骤，做 AI 应用或写 prompt 的开发者花一个周末就能上手，建议直接看中文字幕版。

原文

5月30日

18:36

Philipp Schmid@_philschmid

一位开发者指出，使用编程助手（如AI编码代理）是一项需要学习的深度技能，而非简单工具。许多人因使用不当而产生糟糕结果，但这恰恰说明它需要练习和提升。该技能的上限很高，掌握后能显著提升效率。这一观点引发共鸣，提醒开发者重视AI工具的熟练运用。

技巧编程助手技能提升 AI工具

推荐理由：AI编程助手正成为开发者必备工具，但很多人因使用不当而效果不佳。这篇文章点出关键：用好它是门技能，值得花时间练习，做AI辅助开发的团队建议看看。

原文

16:07

宝玉@dotey

宝玉（@dotey）对其群聊总结 Skill 进行了小功能更新，现在用户在群里 @bot 并请求总结群聊记录时，机器人能够结合聊天记录的上下文，在总结的同时回复用户的问题。该 Skill 依赖于 wx-cli 读取微信群聊数据，推荐使用 Claude Code + Claude Opus 4.6 获得最佳效果。这一更新提升了群聊助手的交互性和实用性，让总结不再只是单向输出，而是能针对性地回答用户疑问。

技巧群聊总结微信机器人 Claude Code

推荐理由：做微信群聊自动化或社群运营的开发者，可以试试这个 Skill——它让 bot 不仅能总结，还能结合上下文回答问题，比单纯罗列消息更实用。

原文

11:56

宝玉@dotey

开发者分享了一种处理 Claude Design 与代码版本同步的方法：以 Claude Design 为唯一设计源，更新时生成 changelog，再由 Claude Code 根据 changelog 同步代码。建议优先修改设计再改代码，临时改代码后需回同步设计。该方法解决了设计与代码长期不一致的问题，适合使用 AI 辅助设计的团队。

技巧 Claude Design 版本同步设计源

推荐理由：做 AI 辅助设计的开发者经常面临设计与代码脱节的问题，这个方案给出了一个可落地的同步流程，值得一试。

原文

10:51

宝玉@dotey

开发者分享借助 AI 编写 Mac App 的实战经验，强调优先选择 AppKit 而非 SwiftUI，因为 AI 弥补了 AppKit 的开发复杂度。建议先用 Claude Design 打磨 UI/UX 设计再写代码，并指出 Opus 生成的 UI 比 GPT-5.5 更好看。Codex 官方有“Build macOS Apps”插件可用。对于有 iOS 开发背景的人，Claude Code 降低了 AppKit 的门槛，让 Mac App 开发变得可行。

技巧 AI 编程 Mac App 开发 AppKit

事件专题

推荐理由：有 iOS 或 Mac 开发背景的开发者，如果曾被 AppKit 劝退，现在借助 AI 可以轻松上手，建议试试 Claude Code 配合 AppKit 的路线。

原文

10:50

宝玉@dotey

AI 从业者 dotey 分享了自己的使用原则：优先选择推理能力更强的模型（Reasoning Max），而非追求速度（Speed Fast）。他认为慢推理能减少后续验证时间，而快速模型性价比不高。这一观点引发了对 AI 模型选择策略的讨论，尤其适合注重准确性和效率的开发者。

技巧推理模型模型选择效率

推荐理由：做 AI 应用或模型选型的开发者，这条原则帮你省下反复验证的时间——慢推理反而更快，值得一试。

原文

08:48

官方一手marktechpost@Sana Hassan

精选72°

AgentTrove 是目前最大的开源智能体交互轨迹数据集，包含 170 万条 ShareGPT 格式的记录。本文提供了一份详细的 Python 教程，演示如何在不完全下载的情况下流式读取数据集、标准化智能体对话轮次、提取命令、分析轨迹，并最终将成功的交互轨迹导出为干净的 SFT 微调数据集。这对于需要高质量智能体训练数据的开发者来说非常实用。

技巧智能体数据集 SFT 微调

推荐理由：做智能体微调的团队终于有了大规模、可流式处理的开源轨迹数据，不用再自己爬取或合成。想快速上手构建 ShareGPT 格式 SFT 数据集的开发者，这篇教程可以直接照着跑。

原文

5月29日

13:08

berryxia@berryxia

精选

FaceMind团队通过100种语言和四大核心任务的实验发现，在语义不变的前提下，使用预训练语料中频率更高的表达方式，无论是Prompting还是Fine-tuning，模型表现都会显著提升。这一发现被称为Adam’s Law（文本频率定律），它补充了数据工程中“质量-规模-难度”铁三角缺失的第四维度：频率。高频表达不是简化，而是让模型在熟悉的概率空间里工作，效果更好。写Prompt时，应优先考虑模型在训练语料中见过的频率，而非追求文雅或专业。

技巧 Prompt工程文本频率定律 FaceMind

事件专题

推荐理由：写Prompt总感觉模型不听话？FaceMind的实验戳破了“高级词汇”的幻觉——用高频表达能让模型表现直接起飞，做Prompt工程或微调模型的开发者值得一试。

原文

11:42

Ate-a-Pi@svpino

72°

一位技术博主分享了一种新颖的视频生成模型训练方法，团队没有使用大型互联GPU集群，而是用多个小型、独立的GPU集群分别训练不同的“专家”模型。这些专家模型在训练时无需通信，训练完成后通过一个智能路由器在推理时动态组合，协同工作。这种方法降低了硬件门槛，且效果出色。论文链接已附，值得技术爱好者深入阅读。

技巧视频生成分布式训练专家模型

推荐理由：这种分布式训练思路颠覆了传统大模型训练范式，做模型训练或视频生成的开发者可以看看论文，或许能启发新的低成本训练方案。

原文

10:07

berryxia@berryxia

精选

一条提示词展示了如何用Three.js从零构建高精度波音747-400飞机模型，仅使用内置几何体（BoxGeometry、CylinderGeometry等），无需外部模型加载器。提示词要求严格遵循真实比例、机翼后掠角（约35°）、四台发动机位置、尾翼构型、驾驶舱窗户、起落架等细节。模型需从多个视角可识别，并包含光照、阴影、轨道控制和简单动画。该提示词可直接生成完整可运行的HTML文件，适合3D可视化爱好者和开发者快速创建飞机模型。

技巧 Three.js 3D建模波音747

推荐理由：这条提示词解决了用纯Three.js几何体构建复杂飞机模型的痛点，做3D可视化或航空模拟的开发者可以直接复制运行，省去手动建模的繁琐。

原文

08:37

官方账号NVIDIA AI@NVIDIAAI

精选

NVIDIA官方提供了在NVIDIA GPU上运行Step 3.7 Flash的详细指南。该指南包含部署步骤和性能优化建议，适用于开发者快速上手。开发者可通过NVIDIA开发者博客获取具体操作方法和配置参数。

技巧 Step 3.7 Flash NVIDIA GPU部署

事件专题

推荐理由：教你部署Step 3.7 Flash

原文

5月28日

21:00

LlamaIndex@llama_index

精选

文章指出grep词法搜索在小代码库或文档文件夹中足够，但在企业环境中面对数百万PDF、电子表格和扫描文档时无法读取、不扩展且忽略同义词。作者分析grep的优势和局限，解释为什么RAG和语义搜索在企业规模下是必要的。最后介绍如何分层结合词法搜索与语义搜索来获得最佳效果。

技巧 grep RAG 语义搜索

推荐理由：教你如何搭配grep和RAG做搜索

原文

18:16

Viking@vikingmute

一位开发者分享了针对几千行大 PR 的 Code Review 最佳实践，使用 Codex GPT5.5、Composer 2.5 和 Deepseek V4 Pro 等多个模型共同审查，每个模型生成按优先级排序的 Bug 报告。然后让大模型汇总共性高优先级问题，人工确认后由 Claude 作为 fix agent 修复，再由 GPT5.5 作为 review agent 验证修复并留下批改意见，循环直至确认。最后全量跑 E2E 测试确保无回归。该方法发现了不少真实问题，未来将做成 skill 分享。

技巧 Code Review 多模型协作 GPT5.5

事件专题

推荐理由：做大型代码审查的团队可以借鉴这种多模型协作+人工确认的流程，能有效发现隐藏问题，建议尝试类似方案提升 Code Review 效率。

原文

18:10

官方一手marktechpost@Sana Hassan

本教程在 Google Colab 中搭建完整的 pgvector 环境，演示如何将 PostgreSQL 用作强大的向量数据库。内容包括安装 PostgreSQL、编译 pgvector 扩展、通过 Psycopg 连接并注册向量类型以实现 Python 集成，以及使用 SentenceTransformers 生成嵌入并存储。教程覆盖了语义搜索、混合搜索、稀疏向量和量化向量四种搜索模式，为 AI 应用提供实用的向量搜索实现方案。

技巧 pgvector 向量搜索 PostgreSQL

推荐理由：想用 PostgreSQL 做向量搜索的开发者可以直接跟着教程在 Colab 里跑通，省去环境配置的坑，四种搜索模式覆盖了从基础到高级的需求。

原文

09:53

宝玉@dotey

博主分享了自己使用 Coding Agent 的实战经验，强调开发新功能时不要直接让 Agent 写代码，而是先让多个 Agent（如 Codex、Claude Code、Cursor）在 Plan 模式下生成设计方案，然后人工选择最佳方案并融合其他方案的优点。复杂设计需拆分为多个 Phase，每个 Phase 明确要求和验证方法，保存为 Markdown 文档供 Agent 执行。写代码阶段可用便宜模型，但代码 Review 需用最强模型（如 GPT-5.5）把关设计符合性和代码质量。该方法类似多个架构师出方案、程序员执行、资深工程师审核的流程，能有效避免 Agent 跑偏。

技巧 Coding Agent 编程助手工作流设计

事件专题

推荐理由：这篇经验贴把 Coding Agent 的坑和最佳实践讲透了——开头设计决定了最终质量，做 AI 编程的开发者看完能省下大量调试时间，建议直接收藏。

原文

5月27日

18:36

向阳乔木@vista8

一位用户分享了如何利用Codex的对话记录与执行日志进行系统性复盘，提炼出可复用的经验文档。提示词要求Codex阅读所有历史记录，总结执行经验、个人偏好与理念，并形成结构化规则清单。最终文档保存为独立文件，并在.agent配置中引用，使后续所有Codex会话默认继承这些经验，无需重复说明。这种方法能显著提升AI编程助手的个性化与效率，适合深度使用Codex的开发者。

技巧 Codex AI编程助手复盘/经验

推荐理由：这个技巧解决了AI编程助手重复犯错的问题——做自动化开发的团队，用Codex频繁执行任务的开发者，可以直接抄作业，让AI记住你的偏好和教训，省去每次重新说明的麻烦。

原文

00:20

岚叔@lufzzliz

一位开发者分享了通过并发运行10个Agent，从YouTube多个TOP级视频中提取提示词、方法论和小技巧的经验。该项目去除了原项目中一些无聊的提示词，新增了生成美女的提示词和创意提示词。作者建议用户拉取最新主分支代码，并预告明天将掘金𝕏平台。开源地址已提供，鼓励用户star。

技巧智能体内容挖掘提示词

推荐理由：做内容挖掘或提示词工程的开发者，可以用这套并发Agent方案高效榨取YouTube优质内容，直接拿来用或改造成自己的工具链。

原文

5月26日

04:26

官方一手marktechpost@Sana Hassan

精选

本教程使用NVIDIA FLARE构建联邦学习实验，在非IID CIFAR-10数据集上比较FedAvg和FedProx算法。客户端数据通过Dirichlet分布分割以模拟现实中的标签不平衡。利用NVFlare Job API定义和启动联邦任务。教程包含具体实现步骤和性能对比。

技巧 FedAvg FedProx NVIDIA FLARE

推荐理由：手把手教你用NVIDIA FLARE做FedAvg和FedProx对比实验

原文

00:47

Ate-a-Pi@svpino

精选

开发者 svpino 分享了一个 Claude Code 中被低估的技巧：“Summarize from here”，用于处理不断增长的上下文。传统方法使用 /compact 会压缩整个会话，但该技巧允许用户通过 Esc+Esc 或 /rewind 打开检查点菜单，选择一个关键检查点后，保留该点之前的重要上下文（如规格、决策、约束），而将之后的内容压缩为简洁摘要。这有效去除了噪音，保留了有价值信息，特别适合长会话场景。

技巧 Claude Code 上下文管理技巧

推荐理由：Claude Code 重度用户终于有了优雅的上下文管理方案——保留早期关键决策，压缩后期冗余对话，做复杂项目的开发者建议立刻试试。

原文

00:15

向阳乔木@vista8

这是一条来自 X 的推文，分享了一套用于 AI 生成 PPT 的详细提示词。提示词要求 AI 扮演专业 PPT 设计师，自主完成内容理解、结构设计和视觉决策，无需用户干预。它规定了优雅极简的视觉风格，对标 Apple/Linear/Notion 的质感，并严格限制配色、字体和图形元素的使用。该提示词特别适合在 Youmind 或 GPT 中使用，能一键生成符合高级初创企业美学的幻灯片。

技巧 PPT 设计提示词工程 AI 生成

推荐理由：做演示文稿的团队和设计师可以省掉大量排版时间——这套提示词把设计决策权交给 AI，直接输出高级感幻灯片，建议在 Youmind 或 GPT 里试试。

原文

5月25日

12:45

官方一手marktechpost@Sana Hassan

精选

本文是一篇教程，指导读者使用 Langfuse（一个开源 LLM 工程平台）构建完整的可观测性与评估管道。教程涵盖了追踪、提示管理、评分、数据集和实验等核心功能。它支持使用真实的 OpenAI 密钥或确定性模拟 LLM，让读者无需付费模型访问即可理解所有主要功能。文章提供了逐步实现的工作流程，适合希望系统学习 LLM 工程实践的开发者。

技巧 Langfuse 可观测性 LLM 工程

推荐理由：想系统掌握 LLM 应用的可观测性与评估？这篇教程用 Langfuse 手把手带你走通追踪、提示管理、评分和实验全流程，还支持模拟 LLM 免费用。做 LLM 工程或运维的团队值得收藏。

原文

12:13

宝玉@dotey

宝玉分享了 Codex 的两个实用功能：Steer 和 Queue。Steer 允许用户在任务执行中途打断并插入新指令，无需手动停止再继续；Queue 则用于在任务完成后排队执行后续指令。Steer 影响当前轮次，Queue 影响下一轮次，但实测 Queue 可能不会按预期执行。这两个功能能提升 Agent 任务的灵活性和效率。

技巧 Codex Agent 任务控制

推荐理由：做自动化任务的开发者终于可以更灵活地控制 Agent 执行流程——Steer 省去手动打断的麻烦，Queue 适合睡前挂机跑任务，值得一试。

原文

5月24日

18:22

官方账号Decoder@Matthias Bastian

数学家Adam Kucharski发现，当向Microsoft Copilot输入相同数据集但不同国家标签时，Copilot会编造不存在的国家差异，输出详细刻板印象而非准确结果。思考模型能识别这种把戏，但前提是用户知道何时使用它们。文章指出，在Copilot、Gemini等AI工具中保留默认模型选择可能导致错误结论，用户应主动选择适合任务的模型。

技巧大模型 AI安全 Copilot

推荐理由：别让AI默认模型坑了你

原文

16:22

岚叔@lufzzliz

精选

一位开发者分享了优化 OpenAI Codex 工作流的提示词，灵感来自 Hermes 自进化 skill 流程。该提示词要求 Codex 每周检查使用记录，识别重复工作流（如 CI 失败、PR 审核、测试失败定位等），并优先复用或优化已有技能。规则包括：盘点已有能力（本地技能、插件、agents 等），避免创建重复技能，仅当现有能力无法覆盖时才新建。输出结构包含重复工作流清单、能力匹配、建议动作及文件修改记录。

技巧 Codex 提示词工作流

事件专题

推荐理由：教你用提示词让 Codex 自动优化工作流

原文

10:54

宝玉@dotey

Codex 的交互设计受到好评，用户能方便地查看当前运行的 SubAgents，以及每个 SubAgent 正在执行的任务和使用的提示词。这种透明化的设计提升了多智能体系统的可观察性和调试效率。对于使用 Codex 进行复杂任务编排的开发者来说，这是一个实用的功能改进。

技巧 Codex SubAgents 交互设计

推荐理由：做多智能体编排的开发者会喜欢这个透明化设计——实时查看 SubAgent 状态和提示词，调试效率直接拉满，值得上手体验。

原文

10:52

官方一手marktechpost@Sana Hassan

精选

本文介绍了如何基于 Anthropic API 构建 SuperClaude 框架的高级工作流，通过集成命令系统、多智能体协作、模式切换和会话记忆功能，实现更复杂、更可控的 AI 交互。该框架允许开发者定义自定义命令、创建专用智能体角色、切换不同工作模式，并利用会话记忆保持上下文连续性。教程提供了具体代码示例和架构设计思路，适合希望扩展 Claude 能力的开发者。

技巧 SuperClaude 框架工作流智能体

事件专题

推荐理由：想用 Claude 做复杂自动化任务的开发者，这个框架能帮你把命令、智能体和记忆整合成一套可复用的工作流，比直接调 API 灵活得多，值得照着教程搭一套。

原文

10:42

向阳乔木@vista8

一位用户分享了一个针对 Codex 的提示词，用于优化电脑网络速度和稳定性。该提示词要求 Codex 按“先诊断、再最小可逆修改、最后复测”的流程执行，避免直接破坏性重置。诊断阶段会检查网络质量、DNS 耗时、Wi-Fi 状态、后台进程等；优化阶段只做安全可逆的修改，如调整网络服务顺序、设置更快 DNS、刷新缓存；最后复测并对比前后数据。这个提示词适合需要快速排查网络问题、又不想冒风险的用户，尤其对 macOS 用户友好。

技巧 Codex 网络优化提示词

事件专题

推荐理由：这个提示词把网络优化的专业流程封装成可复用的指令，做网络排障或日常维护的开发者可以直接套用，省去手动一步步诊断的麻烦。

原文

10:41

宝玉@dotey

一位开发者分享了使用 Codex 自动生成项目说明文档的工作流：先让 Codex 阅读项目代码，然后要求它用 mermaid 图表详细解释项目工作原理，最终生成一份即使小白也能理解的文档。该方法利用了 Codex 的代码理解和文档生成能力，大幅降低了项目文档编写门槛。对于开源项目维护者或团队协作来说，这是一个高效实用的技巧，值得尝试。

技巧 Codex 文档生成项目说明

推荐理由：做开源项目或团队协作的开发者，可以用 Codex 自动生成项目说明文档，省去手动写文档的麻烦，建议试试这个工作流。

原文

5月23日

11:03

向阳乔木@vista8

用户用即梦Seedream 4.5模型生成了500个艺术家风格的图像，使用固定提示词'一个女子坐在窗边读书，一只猫趴在她腿上，窗外是花园，用{artist}的风格绘制'。结果在网站jm-style.qiaomu.ai展示，能清晰对比不同艺术家的AI生图特点。例如，一些风格常见于潮流T恤设计。

技巧 Seedream 4.5 即梦艺术家风格

推荐理由：快速对比500种艺术风格生图效果

原文

09:31

shao__meng@shao__meng

Wix副总裁Itay Shmool推出免费课程「Zero to Claude Code」，包含14级147课，覆盖文件终端、Git、Node.js及Claude Code高级功能（Skills、MCP、Subagents等）。平台流量达6.4M请求/天，错误率低于0.003%，Lighthouse性能96/可访问性100/最佳实践100/SEO 100。已有17000+学员来自30+国家，完全靠口碑零营销增长。课程还展示了AI闭环运营：Bug自动修复（Agent SDK触发triage agent建PR）和Product Genie功能闭环，一个人即可运营产品。

技巧 Claude Code Wix 编程助手

推荐理由：零基础直达Claude Code实战

原文

02:47

AI Engineer@aiDotEngineer

精选

Codex Spark生成代码速度达1200 tokens/秒，而Sonnet和Opus仅40-60 tokens/秒，快了约20倍。Cerebras的@MilksandMatcha指出，若开发者习惯不佳，更快速度只会导致更快生产坏代码。他提供了实用指南视频，帮助适应高速生成。

技巧 Codex Spark Sonnet Opus

推荐理由：Cerebras教你避免快速写坏代码

原文

5月22日

23:00

Milvus@milvusio

精选

SK Hynix 股价自2025年底涨近三倍，内存成本成向量搜索痛点。Milvus 提供 IVF_RABITQ 索引，在 1000 万 768 维向量基准中达到 94.7% 召回率，QPS 比 IVF_FLAT 高 3.6 倍，向量内存仅用约 1/32。还支持 SQ8/PQ 量化、mmap 按需分页、分层存储及 DiskANN 将索引移到 SSD，多种技术可叠加使用。

技巧 Milvus IVF_RABITQ 向量数据库

推荐理由：Milvus 教你怎么省内存，效果实测

原文

08:06

OpenRouter@OpenRouterAI

OpenRouter 发布了一篇指南，详细介绍了如何在使用 Qwen 模型时启用显式缓存功能。显式缓存可以显著减少重复请求的响应时间，降低 API 调用成本，尤其适合需要频繁调用相同上下文的场景。指南涵盖了缓存配置、使用方法和最佳实践，帮助开发者更高效地利用 Qwen 模型。这对于依赖 Qwen 进行对话、推理或内容生成的团队来说是一个实用的优化技巧。

技巧 Qwen 显式缓存 API优化

推荐理由：Qwen 用户终于有了官方缓存指南——显式缓存能省下大量重复请求的时间和费用，做对话或推理应用的团队建议直接照着配置。

原文

仅展示最近 2000 条内容。更早的内容请查阅 AI 日报存档（侧边栏 → AI 日报 → 顶部「往期日报」）。