8月28日
22:14
22:13
22:13Philipp Schmid@_philschmid
73°
GoogleDeepMind发布了针对Gemini Omni 1.1 Flash模型的新提示指南。指南包含角色绑定、循环动画、编辑规则、时间脚本编写和场景扩展等5个技巧。时间脚本支持0-3秒、3-6秒等精确时间段的动作编排。场景扩展功能可追加10秒增量,最长可达40秒。
事件专题

推荐理由:Google刚发布了Gemini Omni 1.1 Flash的提示技巧,教你如何用标签绑定角色、编写时间脚本和扩展场景,比官方文档更实用。
19:11
19:11官方账号Simon Willison@simonw
Simon Willison开发的LLM陈词滥调高亮器现已识别38种常见模式。该工具可检测AI文本中的过度使用表达。用户可通过工具网站直接使用高亮功能。该工具帮助识别AI生成文本中的常见套路。

推荐理由:Simon开发的陈词滥调检测工具新增到38种模式,帮你快速识别AI文本中的套路表达。
18:40
17:32
8月27日
10:34
00:23
8月26日
23:18
05:01
05:01官方一手@OpenAIDevs@OpenAIDevs
精选
WebMCP是一个实验性开放标准,允许网页应用暴露工具,智能体可以直接在页面上使用这些工具以更快、更可靠地完成任务。查看我们的WebMCP演示展示:developers.openai.com/showcase?view=…
事件专题

推荐理由:OpenAI发布了WebMCP,这是一个实验性开放标准,能让智能体直接使用网页工具,比传统方式更高效。来看看这个演示展示吧!
02:06
01:09
01:08
8月25日
16:35
10:15
00:19
00:19lmarena.ai@lmarena_ai
72°
@Alibaba_Qwen的Qwen3.8-27B在Code Arena WebDev类别中排名第九,参数量27B,超越Qwen3.7-Plus,支持262K原生上下文,可扩展至1M。Qwen3.8-2.4T-A95B(Max级)的开放权重也已发布。
事件专题

推荐理由:@Alibaba_Qwen发布了Qwen3.8-27B,参数量小但性能出色,适合构建轻量级应用和智能体,值得尝试!
8月24日
11:05
07:35
8月23日
16:18
13:03
8月22日
08:05
01:38
8月21日
17:03
12:33
03:48
01:35
01:35官方账号LangChain@LangChainAI
LangChain 与 Fireworks 将于 8 月 25 日举办工作坊,教授如何训练自定义评估模型。该工作坊将介绍如何利用 LangSmith 优化智能体性能。工作坊还将探讨人类在环评估的成本与 LLM 评估的偏见问题。
推荐理由:LangChain 和 Fireworks 要办个线下工作坊,教你用 LangSmith 训练自己的评估模型,解决智能体优化问题。
01:17
01:15
01:15向阳乔木@vista8
精选
姚金刚通过反代测试,获取了某大厂AI客户端的系统提示词。该提示词包含三层记忆、技能与MCP路由、个人文件安全、交付物展示等功能。提示词体量接近6万字符,暴露了重复、规则冲突和上下文成本问题。
推荐理由:姚金刚反代出某大厂AI的系统提示词,看看大厂是怎么设计提示词的,6万字符里藏着不少门道。
01:05
01:05shao__meng@shao__meng
精选
Harness 是让模型成为智能体的核心组件。它包含四个部分:系统提示、工具、智能体循环和模型翻译层。智能体循环是行为骨架,模型在循环中自主决定是否重做、何时收尾。开源项目 Pi 已被用户共享 5000+ 扩展,可本地运行。
推荐理由:Earendil 的文章解释了 Harness 是什么,它能让模型变成智能体。它有四个核心部分,开源项目 Pi 已被共享 5000+ 扩展,可本地运行,让你拥有自己的智能体。
01:02
01:02elvis@omarsar0
AI智能体工作流的核心在于与智能体协作、验证其结果,并将其编码为可复用的技能或验证器。领域专业知识通过人工验证形成巨大护城河,不应无偿分享。在利用AI处理复杂问题时,需认识到当前AI模型的“智能”和适应能力仍显原始。人机交互关系是真正的护城河,也是价值与发现的来源。
推荐理由:作者强调,与AI智能体协作并验证其结果,将经验转化为可复用技能,才是真正的护城河。别让AI取代你的领域知识,而是用它处理重复任务,同时保持自己的判断力。
00:32
00:32Qdrant@qdrant_engine
精选
Tina Sharma使用Qdrant构建语义缓存,将相同语义的不同表述问题识别并复用已有响应。该方案在基准测试中实现了57.1%的缓存命中率。缓存命中时,响应时间约为15毫秒,并减少了55.7%的token消耗。文章比较了单向量与多向量检索在语义缓存中的表现。

推荐理由:Qdrant教你用语义缓存,让AI智能体不用重复回答问题。实测57.1%命中率,响应快15ms,还省55.7% token,比直接调用LLM强多了。
00:09
8月20日
23:38
23:38宝玉@dotey
Together AI 工程师哈桑分享了用智能体设计 UI 的经验。他开发了名为 Hallmark 的 design skill,将 AI 常见的“slop 套路”列为“别这么干”的规则喂给模型。他建议给智能体提供参考图和截图,并使用更长的提示词。他提到 GLM 5.2 的效果与 Opus 几乎分不出来,但速度更快。
推荐理由:Together AI 工程师哈桑分享了用智能体设计 UI 的经验,他做了个叫 Hallmark 的 design skill,把 AI 常见的“slop 套路”列为“别这么干”的规则喂给模型,效果很好。