提示词工程

推荐理由：这篇教程教你用 DPO、TRL 和 LoRA 来微调模型，还教你怎么检查数据里的偏见，比直接用 RLHF 更简单。

推荐理由：试试Claude Code的Concise模式，它能直接给结果少解释，和之前比更简洁，适合快速确认任务。

推荐理由：Cursor这AI调整了工具调用流程，现在等下个工具指令才结束动作，比之前更顺畅啦。

推荐理由：LangChain 发了这活动，教大家用仓库和轨迹做代理评估，比传统方法更高效，想学自动化评估的去参加。

推荐理由：mem0ai 发的关于调整设置的方法，教大家怎么调配置，和普通设置不同，能更好配合代理使用。

推荐理由：Anthropic 发布技术报告和开源提示词，对做智能体开发的伙伴有帮助，比普通AI工具更专业些。

推荐理由：宾州州立大学研究者给Qwen3.5-9B加了个模块，能让AI压缩上下文时少丢用户指令，保留超90%限制，比原来83%好多了。

推荐理由：给协调者用的提示词，重点在 reasoning_effort 和 fork_turns 两个参数，能让多智能体跑得更省更稳。

推荐理由：这篇论文把技能安装拆成三件事，解释为啥长尾技能用不上，搞Agent开发可以看看。

推荐理由：宝玉手把手教你怎么用 /goal 让 AI 自己分析瓶颈、派 subagent 干活，把转录时间从 31 分钟压到 18 分钟，还省 token。

推荐理由：给老博客补标签别硬分类——先让LLM随便编，再用向量嵌入找最接近的现有标签。Simon Willison分享的这套路，比直接要模型选1856个标签里的一个靠谱。

推荐理由：Pi 工程师分享了他们怎么做上下文压缩：让模型总结旧对话，再留最近几句，简单够用。长对话卡顿的可以参考。

推荐理由：在 CLAUDE.md 里加一段话，让 Fable 5 指挥 Opus 干活，省 Token 又不慢。可以试试。

推荐理由：Anthropic 做了个实验：让“思想病毒”在多个 AI 智能体之间传播，一句系统提示警告就能几乎完全免疫，论文在 arXiv 上。

推荐理由：这条论文用24万条指令数据告诉你CLAUDE.md为什么越写越长，还给了注释法这个解法，提升多到23%。

推荐理由：如果你用CLAUDE.md这类文件，会发现它越写越长不敢删。这篇论文告诉你为什么，还给了个注释技巧，能砍掉99%的冗余指令。