搜索

托管 Agent 运行时:OpenAI Agents API 深度解析 | Managed Agent Runtime: A Deep Dive into the OpenAI Agents API

AI 每日简报 · 2026年9月11日

Agent Swarm 大规模并行智能体 | Agent Swarms at Scale

AI 每日简报 · 2026年9月9日

Harness Engineering:智能体运行时工程 | Harness Engineering: The Agent Runtime Discipline

AI 每日简报 · 2026年9月7日

AI 每日简报 · 2026年9月6日

思维链监控与错位遏制 | Chain-of-Thought Monitoring & Misalignment Containment

Agent 容器化遏制与爆炸半径工程 | Agent Containment & Blast-Radius Engineering

AI 每日简报 · 2026年9月5日

AI 每日简报 · 2026年9月3日

Effort 档位与任务预算:LLM 推理预算工程 | Effort Levels and Task Budgets: Reasoning Budget Engineering

AI 每日简报 · 2026年9月2日

Model Hardware Standard:Agent 操作物理设备的标准接口 | Model Hardware Standard: A Standard Interface for Agents to Operate Physical Devices

AI 每日简报 · 2026年8月31日

稀疏 MoE 开源模型的自托管选型 | Self-Hosting Sparse MoE Open-Weight Models

AI 每日简报 · 2026年8月28日

Agent 不确定性量化与升级门控 | Agent Uncertainty Quantification & Escalation Gating

AI 每日简报 · 2026年8月27日

MCP Tasks 扩展与异步长任务 | MCP Tasks and Asynchronous Long-Running Operations

AI 每日简报 · 2026年8月26日

112 Days Late: I Built a Product Anthropic Had Already Shipped

A field report with the full data. I spent 22 days and 215 commits building a macOS app to manage Claude Code sessions — Anthropic had shipped most of it 112 days before my first line, and my one competitive check scoped itself around the mobile line and missed the desktop redesign entirely. Includes the 48-feature audit (18 replaced / 15 overlapping / 15 unique), the review economics (~190 agents for ~170 findings, 33% hit rate at one stage), six dated incidents including a symlink that destroyed an 823MB corpus, and a full data appendix with timestamps.

我的 app 有多少功能被 Claude 官方吃掉了 —— 一次逐条对账

自研 macOS 菜单栏 app 与 Claude Code 官方能力的逐条对账:48 条功能里 18 条已被替代、15 条部分重叠、15 条仍独占。核心发现是 2026-04 的桌面端重做吃掉的是 Mac 主线(多 session 侧边栏、每 session worktree、集成终端、预览窗格、环境选择器),而上一次竞品核查只查了手机线因此漏掉了它;剩下的护城河按含金量排是跨品牌抽象、看得见外部终端 session、审批台三条。含方法反思与未核实清单

AI 每日简报 · 2026年8月24日

今日头条:MCP 发布新版路线图,五大优先领域定调下一轮规范(2026-08-22)

x402:Agent 原生支付协议 | x402: Native Payments for AI Agents

一个只加两个 HTTP 头的支付协议,已经在生产里跑了上亿笔;同一个月,三篇论文系统性地证明了它有洞。这份文档讲清楚它是什么、怎么接、什么时候别用。

工具规模化:Tool Search 与渐进式工具发现 | Scaling Agent Toolsets: Tool Search & Progressive Discovery

AI 每日简报 · 2026年8月23日

今日头条:MCP 发布全新路线图,五大优先方向定调未来数个规范版本(8/22)

AI 每日简报 · 2026年8月22日

今日头条:Agent Skills 生态迎来第一份系统性「有没有用」的答案:SkillsBench

Agent Skills 工程化与评测 | Engineering and Evaluating Agent Skills

一个 SKILL.md 文件就能给 AI Agent 装上专业能力——这件事在 2026 年从「有意思的小格式」变成了一个有 2 万星规范、4 万个公开技能、以及第一批评测与安全研究的工程学科。本文把它讲成一条链:它是什么 → 机制怎么跑 → 怎么写才有用 → 有没有用(有数据) → 有什么坑。

AI 每日简报 · 2026年8月21日

今日头条:Claude Code v2.1.237 修复 LLM 网关下的 prompt caching,并内置 "Concise" 输出风格

Prompt 缓存命中率工程 | Prompt Cache Hit-Rate Engineering

Prompt 缓存不是一个「打开就省钱」的开关,而是一门需要主动设计请求结构的手艺。厂商宣传的是「最高 90%」,跨三家 500+ 真实 agent 会话的实测区间是 41–80%,而多数团队的起点是 7%。这份文档讲清缓存到底怎么命中、怎么被打破、以及六步把命中率提上去。

AI 每日简报 · 2026年8月20日

今日头条:Z.ai 开放权重模型 GLM 5.3 发布,网络安全能力逼近甚至超过顶级闭源模型(8/14 发布,8/18–19 集中发酵)

Agent 身份与授权模型 | Agent Identity and Authorization

自主 Agent 打破了身份系统七十年来的一条隐含假设:每个请求背后站着一个人。当 Agent 在你下班后自己触发任务、在多人频道里替一屋子人干活时,「用谁的权限」这个问题第一次没有正确答案。这份文档讲清 Agent 身份(agent identity)是什么、怎么落地、什么时候该上。

AI 每日简报 · 2026年8月19日

今日头条:OpenAI 暂停部分训练两周,发布训练环境安全新规程(8/18)

AI 每日简报 · 2026年8月18日

今日头条:Stripe 逾 70 亿美元收购 OpenRouter,AI 模型网关被纳入支付基础设施

间接提示注入与 Agent 防御体系 | Indirect Prompt Injection & Agent Defense Architecture

2026 年 8 月,Atlassian 的 AI 助手 Rovo 被证明可以被一份 PDF 里的白底白字劫持,把企业的 Jira 与 Confluence 数据送到外部服务器。这不是某个产品的 bug,而是所有「有权限、且会读不可信内容」的 Agent 共同的结构性缺陷。这份文档讲清楚它是什么、…

AI 每日简报 · 2026年8月17日

今日头条:Google 开源同态加密编译器 HEIR,把「加密推理」从密码学家手艺变成编译器活儿

同态加密与隐私保护 AI 推理:读懂 Google HEIR | Homomorphic Encryption & Private AI Inference: Understanding Google HEIR

2026 年 8 月 14 日,Google 开源了 HEIR —— 一个能把普通模型自动改写成「在密文上跑」的编译器。这份文档讲清楚:它到底做了什么、怎么上手、什么场景值得用、以及为什么它仍然很慢。

MCP 无状态新规范 2026-07-28 | MCP Goes Stateless: The 2026-07-28 Spec

AI 每日简报 · 2026年8月14日

今日头条:OpenAI 年化营收突破 400 亿美元,IPO 准备加速

AI 每日简报 · 2026年8月13日

今日头条:OpenAI 宣布 1100 亿美元新融资,投前估值 7300 亿美元

AI 每日简报 · 2026年8月6日

今日头条:OpenAI 披露 cyber 评测「越界」事件:模型在安全测试中突破了测试边界

AI 每日简报 · 2026年8月12日

今日头条:Anthropic 宣布给 Claude 全线输出加「隐形水印」:文本嵌入式水印 + 文件 C2PA 签名,全球生效

编码 Agent 的自主验证闭环 | Self-Verifying Coding Agents

EN 深度学习文档 · 2026-08-06 Deep Dive · 2026-08-06 编码 Agent 的自主验证闭环 Self-Verifying Coding Agents Meta Muse Code 把「自…

AI 内容水印与 C2PA 溯源 | AI Content Watermarking & C2PA Provenance

本周 Anthropic 宣布给 Claude 全线输出加隐形文本水印与文件签名,EU AI Act 的机器可读标记义务也已生效。这份文档讲清:水印在技术上怎么做、怎么检测、能信到什么程度。

AI 每日简报 · 2026年8月5日

今日头条:OpenAI 大幅下调 GPT-5.6 系列价格,Auto-review 成本降约 10 倍

低精度推理与 MXFP4 量化 | Low-Precision Inference & MXFP4 Quantization

Kimi K3 用 MXFP4 权重开源、OpenAI 连续降价、Blackwell GPU 原生跑 4-bit——这一切背后是同一件事:用更少的比特存和算每个数。本文讲清 4-bit 浮点量化是什么、怎么用、什么场景敢用。

D8 · Hooks

For the first seven lessons, every way you influenced Claude was "saying it to the model": CLAUDE.md, plans, Skills. Hooks take a different road — no…

D1 · The agentic loop and what Claude can actually read (/context)

No configuration tricks in this lesson. It answers just two questions: how Claude Code gets a task done (the agentic loop), and what it can and canno…

D2 · The context window & prompt caching

Every message you send makes Claude Code resend the entire conversation from the very beginning. This lesson explains why that works: the window's th…

D3 · Permission modes & sandboxing

Permission modes decide how often you get asked; permission rules decide which operations are pre-approved or blocked outright; the sandbox decides w…

D4 · CLAUDE.md & rules

The one-sentence version: CLAUDE.md lives in context permanently, so "short and specific" beats "long and comprehensive" by a wide margin; convention…

D5 · Plan mode and explore→plan→code

As D3 said: plan mode is, strictly speaking, just one of the permission modes. But it earns its own lesson, because the workflow the Claude Code docs…

D6 · Checkpoints, rewind and session management

Claude Code gives you two safety nets: in-session checkpoints (files are automatically snapshotted before every prompt, /rewind anytime) and cross-se…

D7 · Skills

A skill is a folder with an instruction manual: the manual (the description) stays resident in context so Claude can "find its way", while the body l…

D12 · Agent teams & dynamic workflows

This lesson lays out the two advanced routes to multi-agent collaboration: what an agent team is, how it differs from subagents, and how to start one…

D14 · Plugins: packaging & distribution

The first 13 lessons taught you to add capabilities to your own Claude Code; this one teaches you to package those capabilities as a plugin, so a new…

What to do when a change touches 200 files

The key to a large-scale change isn't "make the AI edit faster" — it's locking the change into a pattern first, then picking the right executor: dete…

Claude ignores your CLAUDE.md — it’s probably too long

CLAUDE.md is loaded into context in full at the start of every session — it is “context,” not “enforced configuration.” The longer the file, the more…

Five questions to ask on day one with an unfamiliar codebase

The official docs' advice is "treat Claude like a senior colleague and just ask" — no special prompting tricks required. This page turns that advice…

Using image-generation tools with Claude Code to build apps

There is only one idea here: turn image generation into a tool Claude Code can call directly, instead of you generating on some other site and draggi…

An iOS app from zero to App Store submission

During development, the key is letting Claude verify its own work (the iOS Simulator pane lets it tap and look for itself); during release, the key i…

Why long sessions get dumber

Grinding on without restarting is the most expensive mistake you can make in a long session. This page covers the two degradation mechanisms, the fou…

Claude Code in a large monorepo

Large-repo configuration boils down to one sentence: let Claude see only the part relevant to the current task. There are four kinds of levers — laye…

Permissions: from approving every step to uninterrupted flow

Claude Code's permission system has two layers: the permission mode sets the baseline, and allow/ask/deny rules provide fine-grained overrides. The r…

How to roll back a bad change (checkpoints are not git)

Claude Code automatically snapshots your code state before every prompt you send (a checkpoint), and you can /rewind back to one at any time. But it…

Screenshot-diff: let Claude judge its own UI

The most human-draining part of UI work is verification: after every iteration you have to look with your own eyes. The official best-practices answe…

Skill, Hook, MCP, Subagent, or Plugin — which one do you need?

These five mechanisms aren't five competing options. They plug into different points of the agentic loop, solve different problems, and are often com…

Where did this month's quota go?

Quota burn has little to do with how much you type, and everything to do with how much context each message carries and whether the cache is hitting.…

D9 · MCP

Everything Claude does happens through tools, but the built-in set only covers local files, the shell, and the web. MCP lets you turn issue trackers,…

D11 · Worktrees & agent view

D10's subagents answered "how do we split the work"; today answers "how do the files not collide": a worktree gives every parallel session its own co…

D13 · Headless & CI

For the first twelve lessons, Claude Code always had a person sitting at the terminal making the calls; this lesson removes that person. You'll learn…

Adversarial review

Subagents are born for the “stranger” role: each subagent starts from a fresh, isolated context, can’t see your conversation history, and so knows no…

D10 · Subagents

The one-line version: any job whose process output is noisy but whose conclusion fits in a paragraph belongs in a subagent — it digests search result…

Run it in the background, watch it from your phone

The Claude app on your phone doesn't run code — it's just a client for the session. The real choice is where the task runs: your machine (Remote Cont…

How to build app UI with Claude Design

Claude Design is an official Anthropic Labs product released April 17, 2026 (research preview): chat on the left, canvas on the right, producing desi…

When something breaks, run these three commands first

Configuration problems almost always have one of three causes: the file didn't load, it loaded from somewhere else, or it was overridden by another c…

Hooking Claude Code into GitHub Actions

The official GitHub Actions integration centers on a single action, anthropics/claude-code-action@v1: install the GitHub App, configure the API key s…

Big feature? Have Claude interview you into a SPEC.md first

The requirement in your head hides a pile of unspoken decisions: technology choices, edge cases, what’s deliberately left out. Rather than letting Cl…

Not done until it runs in the iOS Simulator

Claude Code Desktop (macOS) has a built-in iOS Simulator pane: when Claude builds, installs, launches, or inspects your app, a live-streaming simulat…

Multiple sessions or multiple agents — which actually speeds you up?

These two are often treated as two ways of doing the same thing. In fact they solve problems along two different axes — they don't conflict, and neit…

Which actions invalidate the prompt cache?

Claude Code resends the full conversation history to the API every turn; prompt caching is the only reason it isn't reprocessed each time. Know which…

Scheduled tasks: /loop, Desktop, or cloud Routines

The essential difference between the three comes down to a single question: when the task runs, is your machine (and your session) around? Answer tha…

It says “done” but it isn’t — give it checks it can run itself

Claude stops when the work “looks done.” Without a runnable check, “looks done” is its only signal — and you become the human verification loop, with…

Why too many MCP servers slow you down and cost more

The cost of MCP isn't in "being connected" — it's in whether tool definitions land in the context prefix. Understand the default mechanism and its ex…

Worktrees: keep parallel sessions out of each other's way

A git worktree is another working directory of the same repository: separate files, separate branch, shared history and remotes. Give each Claude Cod…

要改200个文件怎么办

大规模改动的关键不是「让 AI 更快地改」,而是先把改法固化成模式,再选对执行器:确定性的交给脚本,需要判断的才扇出给 agent,最后用抽查和全量校验兜底。

如何结合 Claude Design 开发 app UI

Claude Design 是 Anthropic Labs 2026 年 4 月 17 日发布的官方产品(research preview):左边聊天、右边画布,对话生成设计稿与可交互原型。它和 Claude Code 的正确配合方式不是「截图贴过去」,而是官方内置的交接通道。注意:它不在 co…

CLAUDE.md 写了它不听—多半是太长

CLAUDE.md 在每个会话开始时整份载入上下文,它是“上下文”而不是“强制配置”。文件越长,单条规则在噪音里越容易被淹没——官方文档直接写明:臃肿的 CLAUDE.md 会导致 Claude 忽略你真正的指令。

出问题先跑这三个

配置类问题的原因几乎总是三种之一:文件没载入、从别的位置载入了、或被另一层配置覆盖了。排障三板斧就是把这三种可能逐一排掉。

接进 GitHub Actions

官方 GitHub Actions 集成的核心是 anthropics/claude-code-action@v1 这一个 action:装好 GitHub App、配好 API key secret,它会自动判断是「响应 @claude 提及」还是「按 prompt 直接执行」。

如何使用其他生图工具跟 Claude Code 一起开发 app

思路只有一个:让生图能力变成 Claude Code 能直接调用的工具,而不是你手动去别的网站生成再拖回来。MCP 是官方通道(机制详解见课程 D9 · MCP),生图服务是第三方——本页把两边接起来。

iOS 模拟器里跑起来才算做完

Claude Code Desktop(macOS)内置 iOS Simulator pane:Claude build、安装、启动或检查你的 app 时,会话旁边会自动打开一块实时流式显示的模拟器画面,Claude 在里面自己点按、读屏、验证改动,你全程可看可插手。这一页讲怎么用它,以及怎么把「…

大仓库 monorepo

大仓库配置的核心思路只有一句:让 Claude 只看见当前任务相关的那部分。手段有四类——CLAUDE.md 分层、启动位置选作用域、deny 规则挡无关读取、探索走隔离上下文,层层叠加而不是互相替代。

D1 · agentic loop 与 Claude 能读到什么（/context）

本课不讲任何配置技巧,只回答两个问题:Claude Code 是怎么把一个任务做完的(agentic loop);它在做的过程中能读到什么、读不到什么(上下文窗口)。最后用 /context 命令把第二个问题变成你亲眼能看到的东西。

D4 · CLAUDE.md 与 rules

一句话版本:CLAUDE.md 常驻上下文,所以「短而具体」远比「大而全」有效;只对部分文件生效的约定,拆进带 paths: 的 rules 文件,按需载入。

D6 · checkpoint / rewind / 会话管理

Claude Code 给你两层安全网:会话内的 checkpoint(每条 prompt 前自动给文件拍快照,随时 /rewind)和会话间的管理命令(继续、恢复、分支、压缩)。学会这两层,你才敢把大任务放心交出去——因为任何一步都退得回来,任何一天都续得上。

D9 · MCP

Claude 的一切行动都通过工具完成,但内置工具只覆盖「本机文件 + shell + 网页」。MCP 让你把 issue 跟踪器、数据库、浏览器、监控系统变成 Claude 能直接调用的工具。本课讲协议本身、接入与管理、以及代价。

D13 · Headless 与 CI

前十二课里 Claude Code 都有一个人坐在终端前拍板;本课把人撤掉。你会学到 headless 模式(claude -p)的输入输出契约——prompt 进、文本或 JSON 出、退出码定成败——以及没人按「允许」时权限怎么办,最后用官方 GitHub Action 把它接进 PR 流程。

对抗式 review

subagent 天生适合当这个“陌生人”:每个 subagent 从全新、隔离的上下文启动,看不到你的对话历史,自然也不知道实现时的心路历程,只能就代码论代码。Claude 无人值守干得越久,这道独立检查就越重要。

改坏了怎么回退（checkpoint 不是 git）

Claude Code 在你每次发 prompt 前自动给代码状态拍快照(checkpoint),随时可以 /rewind 回去。但它只追踪 Claude 用文件编辑工具做的修改——bash 命令、subagent、你自己在编辑器里的改动都不在保护范围内。把它当 git 用,迟早吃亏。

它总说做完了其实没做完—给它能自己跑的验证

Claude 会在工作“看起来完成”时停下。没有可运行的检查,它唯一的信号就是“看起来完成”,于是你成了人肉验证环——每个错误都要等你发现。把验证交给它自己跑,循环才能闭合。

Skill/Hook/MCP/Subagent/Plugin 该用哪个

这五个机制不是五选一的竞品,它们插在 agentic loop 的不同位置,解决不同的问题,而且经常组合使用。选错的代价通常是「上下文被浪费」或「该发生的事没发生」。

MCP 接多了更慢更贵

MCP 的成本不在「接了」,而在「工具定义进没进上下文前缀」。搞清默认机制和例外场景,就知道该关哪些、留哪些。

这个月额度怎么烧完的

额度消耗和「你打了多少字」关系不大,和「每条消息背着多大的上下文、cache 有没有命中」关系极大。这页教你先定位、再止血。

worktree 让多会话不打架

git worktree 是同一个仓库的另一份工作目录:独立文件、独立分支,共享历史和 remote。每个 Claude Code 会话占一个 worktree,一个会话的编辑就永远碰不到另一个会话的文件。

接手陌生代码库第一天问哪五个问题

官方文档的建议是「把 Claude 当资深同事问」,不需要特殊 prompt 技巧;本页把这个建议编排成第一天就能执行的五问清单,每问一个目的,问完顺手沉淀进 CLAUDE.md。

大需求先让它面试你产出 SPEC.md

你脑子里的需求有一堆没说出口的决策点:技术选型、边界情况、什么不做。与其等 Claude 猜错再返工,不如让它先“面试”你,把答案沉淀成一份带验收标准的 SPEC.md,确认后再动手。

权限：从每步点同意到不打断

Claude Code 的权限体系分两层:权限模式(mode)定基调,allow/ask/deny 规则做细粒度覆盖。放权的正确姿势是沿着这两层逐级往上走,而不是直接开 bypassPermissions。

从零做 iOS app 到提审

开发期的关键是让 Claude 能自己验证自己(iOS Simulator pane 让它自己点、自己看);发布期的关键是把和 Apple 打交道的杂活交给 fastlane。前者是官方能力,后者是社区成熟实践。

长会话越用越笨

硬扛着不重开,是长会话里最贵的错误。这页讲清两个降质机制、四个该重开的信号,以及怎么交接才不丢上下文。

多session还是多agent能有效提高开发效率

这两个东西经常被当成同一件事的两种做法,其实它们解决的是两个不同方向的问题,不冲突,也不能互相替代。

D3 · 权限模式与沙箱

权限模式决定「多久问你一次」,权限规则决定「哪些操作预先放行或封死」,沙箱决定「命令跑起来之后能碰到什么」。三层各司其职,搭配得当,才能既少被打断又不裸奔。

D5 · plan mode 与 explore→plan→code

D3 讲过:plan mode 本质上只是权限模式之一。但它值得单独上一课,因为围绕它长出了 Claude Code 官方最推荐的工作流——explore→plan→code。学完本课,你能判断一个任务该不该先 plan,并完整走通一次「探索 → 出计划 → 批准 → 实现」。

D7 · Skills

一个 skill 就是一个带说明书的文件夹:说明书(description)常驻上下文供 Claude「认路」,正文只在被调用时加载。本课基于 2026-08-05 抓取的官方文档(Claude Code 2.1.222 水位)。

D11 · Worktrees 与 agent view

D10 的 subagents 解决「工作怎么拆」,今天解决「文件怎么不打架」:worktree 给每个并行会话一份独立的文件副本,agent view 则是这些会话的总控台——谁在跑、谁在等你、谁完工了,一眼看清。

哪些操作会让 prompt cache 失效

Claude Code 每一轮都把完整对话历史重发给 API,靠 prompt cache 才不用每次重新处理。知道哪些操作会打破缓存,就能避开那些「一次性变慢变贵」的坑。

定时任务

三种方式的本质区别只有一个问题:任务跑的时候,你的机器(和会话)在不在?想清楚这一点,选型就定了。

D2 · 上下文窗口与 prompt caching

每发一条消息,Claude Code 都会把整个会话从头到尾重发一遍。本课讲清这件事为什么可行:窗口的三层结构、接近上限时的自动压缩(compaction),以及让「重发」变便宜的前缀缓存机制——最后落到你随时能自查的 /context 和 /usage。

D8 · Hooks

前七课里,你影响 Claude 的手段全是「说给它听」:CLAUDE.md、plan、Skills。hook 换了一条路——不跟模型商量,直接在它的执行流程上插入确定性执行的 shell 命令。格式化、拦截敏感文件、完工前强制跑测试,都属于这一课。

D10 · Subagents

一句话版本:凡是「过程输出很吵、结论只要一段」的活,都该丢给 subagent 去做——它在独立上下文里消化搜索结果、测试日志、文件内容,主会话只为最终摘要付上下文成本。

D12 · Agent teams 与 dynamic workflows

本课把多 agent 协作的两条高阶路线讲清楚:agent team 是什么、和 subagent 差在哪、怎么启动;dynamic workflow 怎么用脚本确定性编排大规模 subagent;以及最重要的——什么时候值得上编排,什么时候单会话反而最省。

D14 · Plugins 打包分发

前 13 课教你给自己的 Claude Code 加能力;这一课教你把这些能力打包成 plugin,让换一台机器、换一个项目、换一个同事都不用重抄配置。学完你就有了从「自己会用」到「整个团队都用上」的完整闭环。

后台跑+手机看进度

手机上的 Claude app 不跑代码,它只是会话的客户端。真正要选的是任务跑在哪:本机(Remote Control)还是 Anthropic 云端(cloud session)。判断标准只有一条——电脑关不关。

截图对比让它自判 UI

UI 任务最耗人的地方是验证:每改一轮你都要亲眼看一次。官方 best practices 的解法是把「看」也交给 Claude——截图就是一种它能自己跑的检查,和测试、构建退出码同级。这一页讲怎么把这个循环搭起来。

LLM-as-Judge:让模型当裁判——可靠性、偏见与工程实践 | LLM-as-Judge: Reliability, Bias, and Engineering Practice

AI 每日简报 · 2026年8月4日

今日头条:阿里发布 Qwen3.8-Max:2.4 万亿参数 MoE,多项榜单超 GPT-5.6 Sol 与 Claude Fable 5

Thinking Machines Inkling:开放权重路线深读 | Thinking Machines' Inkling: The Open-Weights Bet

前 OpenAI CTO Mira Murati 的实验室在 7 月 15 日放出首个从零训练的开放权重模型 Inkling(Apache 2.0),7 月 31 日又用 Inkling Small 证明「三分之一参数、几乎同等智能」。本文讲清:它是什么、架构上有什么讲究、思考档位怎么用、和 Ki…

AI 每日简报 · 2026年7月31日

今日头条:Thinking Machines 发布 Inkling Small:三分之一参数,几乎旗舰级智能

AI 每日简报 · 2026年8月1日

今日头条:OpenAI 正式官宣 Astra:发布 10 个开放数学问题的解答,全部 Lean 形式化

AI 每日简报 · 2026年8月2日

今日头条:Astra 十证明余波:争论从「能不能解题」转向「归功与文化」

Planner–Executor 分层编排:Cursor Agent Swarm 深读 | Planner–Executor Orchestration: Inside Cursor's Agent Swarm

「前沿模型只做规划,廉价模型负责执行」——Cursor 2026 年 7 月 20 日的研究长文用一场 SQLite 重写实验给出了迄今最有数字支撑的多智能体工程报告:同等质量,执行成本相差 22 倍。本文拆解它的机制、失效模式与可迁移的设计原则。

视觉 token 压缩:把文本渲染成图片省 token | Visual Token Compression: Rendering Text as Images to Cut Costs

文本按字符计费,图片按像素计费——把长提示词渲染成一张 PNG,成本立刻换了一套算法。开源工具 pxpipe 用这个反直觉套利把 Claude Code 会话成本砍掉 59–70%,背后连着 DeepSeek-OCR 的「光学压缩」研究方向。本文讲清原理、用法、代价与适用边界。

AI 每日简报 · 2026年8月3日

今日头条:OpenAI 正式官宣「Astra」:内部版本解决 10 个悬置十年以上的数学/理论计算机开放问题

AI 数学发现与长时程推理 | AI Mathematical Discovery & Long-Horizon Reasoning

2026 年 8 月 1 日,OpenAI 用「10 个悬置十年以上的开放数学问题的解答」官宣了下一代模型家族 Astra。本文讲清这波 AI 数学发现浪潮:它是什么、靠什么技术、边界在哪、数学界怎么看,以及对 Agent 工程的启示。

LangGraph 容错工程:重试、超时与 Saga 补偿 | LangGraph Fault Tolerance: Retries, Timeouts & Saga Compensation

AI 每日简报 · 2026年7月29日

今日头条:MCP 2026-07-28 规范正式发布：无状态核心，上线以来最大一次变更

AI 每日简报 · 2026年7月30日

今日头条:「Pacing the Frontier」公开信:1,178 名前沿 AI 公司员工呼吁建立国际「步调调节机制」

A2A 智能体互操作协议 · Agent 与 Agent 之间怎么说话 | A2A: The Agent Interoperability Protocol

中文 EN 🔌 Agent 工程 · 互操作协议 Agent Engineering · Interop Protocol 当 Agent 需要跟 另一个 Agent 说话 When One Agent Needs to…

Multiple Sessions or Multi-Agent? I ran 27 agents to answer that

An orchestration study with real experiments: 6 probes to pin down where a subagent's isolation boundary sits, and 13 agents building the same game three different ways, each build verified in a headless browser. The counterintuitive result — multi-agent buys width inside one task, multiple sessions buy length across time and total context; they're orthogonal axes. What actually decides whether parallel development works is an interface contract everyone follows (without one, 2 of 5 assemblies went straight to a blank screen).

多 Session 还是多 Agent?我跑了 27 个 agent 来回答这个问题

带实测的编排调研:6 个探针测出 subagent 的隔离边界,13 个 agent 用三种编排方式各造一遍同一个游戏并用无头浏览器逐个验证。结论反直觉——多 agent 解决「一次任务内部的宽度」、多 session 解决「跨时间的长度与上下文总量」,是两个正交的轴;真正决定并行开发成败的是有没有一份人人遵守的接口契约(无契约并行 5 组白屏 2 组)。附决策 SOP 与 iOS/SpriteKit 专章

Agent 可观测性与分布式追踪 · OpenTelemetry GenAI 语义约定 | Agent Observability & Distributed Tracing

AI 每日简报 · 2026年7月28日

今日头条:MCP 2026-07-28 正式规范今天发布:协议层「去会话化」,是发布以来最大一次改版

An afternoon on Supabase: pgvector, a 44x query plan, and two RLS lessons

Supabase 实战英文复盘:pgvector 44x 查询优化与 RLS 双闸门

AI 每日简报 · 2026年7月26日

今日头条:OpenAI「模型逃逸」事件深度复盘持续:17,000+ 次自主操作、双零日、C2 自迁移

LLM 幻觉评测与缓解 —— 两把尺子与一套防线

先把结论摆出来,后面再逐层解释。

前沿模型网络安全能力评测 —— 从 ExploitGym 逃逸事件说起

先看全貌,理解「这件事为什么值得学」。

万亿级开源 MoE 模型自托管 —— 以 Kimi K3 为例

先给全貌,再看细节。读完这一节,你就知道这份文档在讲什么、和你有什么关系。

AI 每日简报 · 2026年7月25日

今日头条:Claude Opus 5 昨日(7/24)发布,以一半价格接近 Fable 5,部分基准反超

AI 每日简报 · 2026年7月27日

今日头条:Kimi K3 全量开源权重今日(7/27)上线 Hugging Face——首个开放的 3T 级模型

模型蒸馏与来源取证

AI 每日简报 · 2026年7月24日

今日头条:白宫公开指控:Moonshot 蒸馏 Anthropic Fable 模型造出 Kimi K3,并经泰国获取受限 GB300 芯片

长时程 Agent 安全与轨迹级监控

当 AI Agent 可以自主"长跑"几小时到几周,它就有了足够的耐心去钻环境的空子。旧的"这一步允许吗"式安全彻底不够用了——业界正被迫转向"这一整串动作,到底想干成什么"的新范式。

AI 每日简报 · 2026年7月23日

今日头条:OpenAI 官方承认:自家模型在评测中"越狱"沙箱,反向攻入 Hugging Face 生产系统

Computer Use Agent:让模型像人一样看屏幕、动鼠标

← 主页 📑 目录 30 秒速览 背景:为什么要「看屏幕、动鼠标」 核心机制:Agent Loop 动作集与运行环境 怎么用:从零跑通 调优:让它点得准、走得稳 安全:提示注入是头号敌人 场景、评测与选型 常见坑与限制 …

长时程 Agent 的上下文退化(Context Rot)与自压缩(Self-Compaction)

AI 每日简报 · 2026年7月22日

今日头条:MCP 2026-07-28 新规范定稿在即:无状态化 + Tasks 长时任务正式转正

AI 每日简报 · 2026年7月21日

今日头条:据报道 OpenAI 暂停一个「解开数学猜想后反复逃出沙箱」的未发布模型

云端 Agent 运行时:从 Cowork 上云看 Agent 的「离机执行」架构

← 主页 📑 目录 30 秒速览 背景:Agent 为什么要离开你的电脑 核心概念:大脑、手、会话 实景一:Cowork 上云(个人层) 实景二:Managed Agents(开发者层) 实景三:云端编码 Agent(工…

AI 每日简报 · 2026年7月20日

今日头条:MCP 2026-07-28 新规范进入 Release Candidate,7月28日发正式版

我的网站没有后端:拿 mingyuyang.com 讲透 Supabase

《Supabase 面试备考指南》实战篇:本站零后端接口的真相——resources 表即全站内容、PostgREST 自动 API、六行代码的 Google 登录、两张表两种 RLS 配方、匿名探针实证(公开表 78 行 vs 私有表空数组)、两把钥匙的管理纪律,外加四个真实踩坑和一段两分钟面试陈述逐字稿;所有代码原文摘自本站仓库

Supabase 面试备考指南:架构 · RLS · Auth · 一周学习路径

把「会用」升级成「能讲」:database-centric 架构、RLS 四种策略与性能优化六招、JWT 与新旧 API Key 体系、Realtime 逻辑复制原理与扩展限制、Supavisor 连接池两模式,配 28 道可折叠自测的高频面试题和 7 天学习计划;关键数字全部核对 2026-07 官方文档

多模型路由 Model Routing:把每个请求送给「最便宜的够用模型」

AI 每日简报 · 2026年7月19日

今日头条:Meta 豪掷 $270 亿签约 Nebius、挖角 AWS 计算掌门人:AI 基础设施军备再升级

MCP Apps:让 MCP 服务器「长出界面」的交互 UI 扩展

AI 每日简报 · 2026年7月18日

今日头条:Kimi K3 引发市场「第二次 DeepSeek 时刻」:全球科技股大跌

混合线性注意力 KDA:Kimi K3 如何把 1M 上下文解码提速 6 倍

AI 每日简报 · 2026年7月17日

今日头条:Moonshot 发布 Kimi K3:史上最大开源模型,2.8T 参数 + 1M 上下文

MCP 企业托管授权(EMA)与 Agent 身份认证

AI 每日简报 · 2026年7月16日

今日头条:MCP 企业托管授权(EMA)扩展转正 stable,Anthropic/Microsoft/Okta 已落地

Agent Harness Engineering:一个 Agent 里 98% 不是 AI(细致版)

程序化工具调用(PTC)

AI 每日简报 · 2026年7月15日

今日头条:OpenAI 发布 ChatGPT Work,GPT-5.6 成为 Microsoft 365 Copilot 首选模型

我让 Claude Code 和 Codex 搭伙开发 iOS 游戏:双 AI 协作完整打法

StarPairs 项目实战复盘:不用多 agent 框架,一个 git 仓库 + 三份 Markdown 就让 Claude Code 当工程师、Codex 当美工——划地盘、开工单、轮流上场、验收分级,5 天两轮 UI 改版零冲突;含真实截图、真实文件原文和可照抄的 8 步清单

How Warp uses Warp:一份来自 Warp 内部的「编码强制令」

Warp 公开的内部工程规范:每个编码任务必须从 prompt 开始,10 分钟没进展就报反馈、可换竞品、最后允许手写;红线是「AI 写的」永远不是借口——人对提交的每行代码负全责,所有失败案例优先做成 eval

Warp University 精华指南:40 个官方教程视频一篇看完

Warp 官方教程站(原站已下线)全量整理:40 课 7 大类,每课附原视频+基于完整字幕的中文讲解——从 warp.md 规则文件、agent profiles、MCP 接入到 Warp 团队在百万行 Rust 代码库上的实战,核心是把 agent 当同事来管理

Warp VS Claude Code:一场来自 Warp 工程师的正面对比实测

Warp 官方对比视频全文整理:CLI vs 内置 agent,从 diff 处理、上下文引用到模型池逐维度拆解;真实 Sentry issue 各跑三轮均 2–4 分钟修复,另附 GPT-5 加试——结论不是谁全赢,而是两类人各选各的

AI Agent 技术栈(2026 版):LLM 与生产级 Agent 之间的六层基础设施

Paolo Perrone 重画 Letta 2024 经典栈图:模型推理/协议工具/记忆知识/框架SDK/评估可观测/护栏安全六层逐层拆解,每层按状态管理·厂商锁定·demo→生产鸿沟三问打分;四种 Agent 类型决定投资哪几层,预判 2027 年栈将向厂商 SDK 坍缩。

AI 每日简报 · 2026年7月14日

AI Agent 评测与 Benchmark:如何科学判断一个 Agent 好不好

AI 每日简报 · 2026年7月13日

Agent 记忆系统:让智能体「记住并持续变强」

Agent Skills(智能体技能)

← 主页 AI 每日深度学习 · 2026-07-11 Agent Skills 智能体技能 一个带 SKILL.md 的文件夹,如何靠「渐进式披露」把专业能力低成本地装进 AI Agent——是什么、怎么写、什么时候用…

AI 每日简报 · 2026年7月12日

AI 每日简报 · 2026年7月11日

AI 每日简报 · 2026年7月10日

Agentic RL:用强化学习训练「会用工具」的 Agent

← 主页 Agentic RL:用强化学习训练「会用工具」的 Agent 从「靠提示词让模型学着用工具」到「用强化学习真正训练出会用工具的 Agent」——2026 年最活跃的一条技术脉络的入门地图。 GRPO / RL…

多智能体编排(Multi-Agent Orchestration)

← 主页 AI 每日 · 深度学习 · 2026-07-09 多智能体编排 Multi-Agent Orchestration 让一群 AI 分工协作,把大任务做完 当今天 Anthropic 说"工程师正从实现者变成编…

AI 每日简报 · 2026年7月9日

iOS App 第一次出海:归因与投放接入入门指南

整理自 Adjust 线上课堂:iOS 归因为什么难、ATT 与 SKAN 两套独立框架怎么理解和配置、Google(ICM)/ Meta(MAE/AEM)/ TikTok(SAN)三大渠道接入路径、归因窗口对齐建议与该看的指标,收尾附首次出海接入七步清单

上下文工程 Context Engineering

AI 每日简报 · 2026年7月8日

AI 每日简报 · 2026年7月7日

Anthropic 内部团队怎么用 Claude Code:10 个部门的一线实战

Anthropic 官方 23 页 PDF 全文整理:从数据基础设施到法务,10 个团队的用例、量化影响与实操建议——Vim mode 70% 自主完成、研究时间省 80%、广告文案 2 小时变 15 分钟,以及「按风险分层给 agent 放权」的共性方法论

Claude Code 最佳实践:官方指南全文整理

官方文档现行版全文:上下文窗口是一切实践的出发点——给 Claude 可运行的验证、先探索再计划再编码、写好 CLAUDE.md、技能/子智能体/插件扩展、并行会话与扇出、五大失败模式

Awesome Claude Agents:给 Claude Code 配一支 24 人 AI 开发团队

开源子智能体合集全文整理:3 编排器 + 13 框架专家 + 4 通用专家 + 4 核心成员,team-configurator 六步自动配队写进 CLAUDE.md;作者坦言实验性且一个复杂功能可烧 1–5 万 token

SuperClaude Framework:把 Claude Code 变成结构化开发平台

元编程配置框架 README 全文整理:30 斜杠命令 + 20 专职 agents + 7 行为模式 + 8 MCP 服务器,以行为指令注入重塑 Claude Code;含 Deep Research 多跳调研与四级深度分级

好上下文产出好代码:StockApp 如何从零构建 AI-Native 工程文化

StockApp 团队实战全文:AI-native 文化比手工开发提效约 2.5 倍(1,098 PR / 13 周实测)——monorepo 共享工作区、分层开发六级、万事先问能不能用 AI、MCP 补上下文、多模型集成评审五大原则

掀开 Claude Code 的引擎盖:用代理抓包逆向它的提示工程

OutSight AI 用 LiteLLM 代理抓包数百次 API 调用:system-reminder 贯穿全管线、Bash 权限竟是生成式判定、子智能体默认不带 todo 提醒——Claude Code 的魔法 = 一段宏大提示 + 系统化上下文工程

AI Agent 的沙箱与安全隔离

AI 每日简报 · 2026年7月6日

Adjust Web to App Campaign 流程及设置:全渠道配置指南

从「为什么要做 Web2App」讲起,逐渠道拆解 Google、Facebook、TikTok、Kwai、Snap / Pinterest / Bing 的广告流程、Adjust 后台配置、跟踪链接拼接与数据回传设置,配动态流程图讲清每条链路的归因原理

Google Antigravity 深度调研:Agent-First 开发平台完全指南

Google 随 Gemini 3 发布的 agent-first 开发平台:是什么、2.0 产品家族改了什么、怎么上手、和 Claude Code / Cursor 怎么选,以及真实发生过的坑

第三方 Agent 生态与行业结构(2026 年中调研)

从 Cursor、Devin、Manus 到 LangGraph 与中国开源生态,梳理 2025–2026 年 agent 生态五个层面的现状,收束到一个核心问题:harness(执行外壳)是护城河,还是终将被商品化的耗材

Claude 全产品 Agent 矩阵调研:垂直整合 Harness 的布局逻辑

Claude Code、Agent SDK、Cowork、Chrome、Excel、PowerPoint、Deep Research——七个入口、一套引擎:讲清每个产品是什么、给谁用、有多成熟、怎么收费,以及 Anthropic 垂直整合 Harness 的布局逻辑

OpenAI / ChatGPT Agent 生态全景调研

Codex、ChatGPT Agent、Agents SDK / AgentKit、GPTs 与 ChatGPT Apps、Atlas 浏览器五条产品线,逐一梳理定位、目标用户、场景、成熟度与定价,并与 Anthropic 的路线做系统对比

Eval(AI 评估)深度学习文档:从「感觉能跑」到「可度量地可靠」

Eval 是给 AI 系统出的一套「考试」:三种打分器、两类 Eval、pass@k 与 pass^k、从零建第一套 Eval 到全生命周期落地,基于 Anthropic 官方工程指南与一线实践整理

FAANG 是怎么 Vibe Coding 的:大厂 AI 写生产代码的 7 步工作流

高赞 Reddit 帖全文整理:设计文档打地基、评审把痛苦前置、AI 先写测试再写码、双人评审+staging 收口,从提案到上线提速约 30%

让 AI 在复杂代码库中真正干活:频繁有意压缩(FIC)实战

HumanLayer ace-fca 全文整理:上下文窗口是影响输出质量的唯一杠杆;研究/计划/实现三步工作流+40–60% 利用率+高杠杆人工审查,让 Claude Code 拿下 30 万行 Rust 代码库、7 小时交付 3.5 万行

MCP 2026-07-28 新规范深度解读 · 无状态核心、MCP Apps 与 Tasks

AI 每日简报 · 2026年7月5日

今日头条:Anthropic 发布 Claude Science Beta——面向科研的多 Agent 工作台

长上下文如何失效

先看作者要挑战的那个流行假设:「上下文窗口越大,agent 就越强」。

规格说明书是新的源代码:Spec 正在成为 AI 时代的 Source of Truth

Ravi Mehta 文章全文整理:AI 提速工程交付后,瓶颈转向「知道做什么、对齐需求」;含 Sean Grove 的 spec-as-source-code 论断、新旧工作流对比与非技术创始人 spec 驱动发布实战

RAG 全景图:核心概念与完整流程

从知识源到答案输出的 11 个阶段一次看全:切块、向量化、检索、重排序、上下文组装、生成与评估,外加 6 种高级范式、12 张概念速查卡与常见指标解释

Agent 运行时架构 · 交互讲解版:6 步走通一次请求

分步高亮 + 中文旁白,跟着一次请求走完 Think/Act/Observe 闭环;悬停任意模块弹出「定义 + 例子」;另含全景动效模式

Agent Runtime Architecture: The Reasoning Loop (Vector)

English vector diagram of the Agent runtime architecture — Runtime harness, Think/Act/Observe loop, on-demand resources, tool-result feedback

Agent 运行时架构图:Reasoning Loop 闭环迭代(矢量图)

Agent 运行时架构全景图,矢量重绘,可无限放大不失真

Agent 运行时架构:Reasoning Loop 的闭环迭代

一张架构图拆透:Runtime 底座 + Think/Act/Observe 闭环 + 资源按需调用 + 工具结果回流

DSpark 论文精读:置信度调度的半自回归推测解码

DSpark 论文精读

提示工程技术全览:从零样本到智能体推理

Prompting Techniques 技术全览

Coding Agents 101:把事情真正做完的艺术

编程智能体实战指南

Model Context Protocol(MCP):面向开发者的完整介绍

MCP 开发者完整介绍(Stytch)

模型上下文协议 MCP:面向开发者的全面入门

MCP 全面入门

MCP Registry 发布:开放的 MCP 服务器目录

MCP 官方注册中心发布预览

为 AI 智能体编写高效工具 —— 而且用智能体来写

为智能体编写高效工具(Anthropic)

DeepSeek-R1：深度求索的推理模型进化之路

DeepSeek-R1 模型解读

Anthropic提示工程圆桌会议：Prompt Engineering Roundtable

Anthropic 提示工程圆桌

CS146S第一周：Introduction to Building and Evaluating Large Language Model Applications

CS146S Week1 笔记

大语言模型完全指南：从入门到实战

大语言模型完全指南

深入理解大语言模型：架构、训练与推理

深入理解 LLM

ODDL内部培训：移动广告归因与数据对接

ODDL 培训笔记

Adjust数据差异排查指南：从日志到归因

Adjust 数据排查指南

Adjust ODDL：海外广告投放与数据监控

Adjust ODDL 海外投放

Claude开发者手册：从API到应用开发

Claude 开发者手册

Claude产品架构解析：从设计到部署

Claude 产品架构解析

从移动广告视角看 Generative Engine Optimization：AI 搜索时代，品牌、 App 和广告主应该如何获得可见性与转化

最近半年，越来越多客户开始问我一个问题：“以后用户都不搜 Google 了，直接问 ChatGPT，我们的 A

Adjust Redownloads设置全解析：让数据更真实，用户价值更高

今天我们就来拆解 Adjust 的 Redownloads 功能，帮你轻松理解这些复杂的数据逻辑。

FB/GG买量为主的团队，如何借力海外DSP实现ROI稳定提升+量级突破

作为移动App/游戏出海的UA（User Acquisition）同学，我们过去几年最依赖的永远是Meta（F

为什么做 iOS 投放，Meta 的 AEM MAE一定要开 Universal Deeplink？

Meta 要 Universal Deeplink，不是为了跳转，是为了让 AEM 在没有 IDFA 的情况下继续识别流量来源、接收事件、做优化。不开 UDL，AEM 等于白开。

【实操进阶】工具类 App 的 SKAN 4 三次回调与 ROI 建模

对大多数开发者来说，工具类 App 看似简单（打开→使用→广告或订阅），但在 iOS 生态里，它反而是最考验

SKAN CV 空值太多怎么办？一文讲清隐私阈值

为什么 SKAN CV 空值那么多？在做 iOS 广告投放时，很多人都会遇到这样的问题：👉 广告跑了，钱花了，但 SKAN 回传的数据里 CV 值却是空的（null）。

刷App时广告咋来的？揭秘海外广告交易的 0.2秒幕后

你有没有想过，刷手机App时弹出的广告，到底是怎么“选中”你的？从你打开App到广告出现在屏幕上，整个过程可能只用了0.2秒！

第一次出海投放广告：必备 SDK 全指南（附选型建议+文档合集）

对于首次尝试出海广告投放的团队，选平台、找代理、准备素材是基础，但 SDK 接入却是决定投放效果和数据分析的关键。本文将全面拆解出海广告投放所需的 SDK，从功能、选择到调试，附上官方文档链接，助你快速构建知识框架，少走弯路！

iOS用户价值高，但买量分析好难？

说真的，谁不想多拿点iOS用户？他们消费能力强、付费意愿高，还不怎么退款，简直是理想客户。BUT！

搞懂 Apple Ads：iOS 流量红利下的投放秘籍

「2025 最新 Apple Ads 投放指南：怎么投、怎么测、怎么优」❝ATT 时代，iOS 最靠谱的增长通

小游戏也能跑 ROAS？IAA 数据共享实操指南

🎯 小游戏也能跑 ROAS？IAA 数据共享实操指南❝“我们是靠广告变现的，没内购，怎么跑 ROAS 呀？

跑了ATT还要看SKAN吗？广告人必须搞懂的三套归因系统

在iOS生态中，广告归因的复杂性让无数广告人头疼。

Google Ads 又出新招：ICM 是什么？对出海归因有多大影响？ | 鸣宇出海研习社

最近，“ICM”这个词在出海圈子里有点火。不少广告主和运营同学都在问：“听说 Google 广告开始支持 ICM，这是个啥？

海外小游戏怎么算赚钱？一篇搞懂ROI和变现逻辑

小游戏出海这几年真是越来越卷！想在海外市场站稳脚跟，光靠产品好玩可不够，投入的每一分钱都得算清楚能不能赚回来。

广告变现进阶指南：分流策略2.0——比价分流 + LTV保护，收益提升10%！

App广告变现入门指南：从零开始，赚海外用户的钱！

辛苦开发了一款App，终于有了用户，但它还没开始赚钱？或者你听说过广告变现，却不知道从哪儿下手？别担心！

【SKAN 4必看】中重度类游戏CV怎么设计才有效？（入门全讲）

1. 引言：三次回传，解锁中重度游戏的用户价值在中重度IAP游戏的运营中，用户从安装到成为高价值玩家的过程需要

【实操进阶】广告变现APP第一回传 CV 值到底怎么拆？附映射表模板

【实操进阶】广告变现APP第一回传 CV 值到底怎么拆？

SKAN归因到底怎么算？数据为什么总对不上？