跳到正文

全部动态

今日 2 条
9月3日周四
  4. GitHub Blog62

    GitHub Copilot 如何在不牺牲任务质量的前提下降低 AI 编码成本

    GitHub 工程师 Erik Kristensen 分享了 Copilot 降本的四项改动：选择性压缩工具输出、移除 view 工具行号前缀（线下推理成本降约 5%，线上用户日均推理成本降约 3%）、压缩 task-tool 提示词（每轮省约 1300 token，每活跃小时归一化成本降 2.9%）、后台任务完成后直接交付结果（AI Credits 用量降约 2.3%）。

    推荐理由：GitHub 用四项改动说明压缩 token 为何要看整个任务而非单次调用，并给出可复用的评估方法与踩坑教训。

  6. Claude：Blog（网页）79

    Anthropic 发布 Claude 电商智能体构建指南及参考实现

    Anthropic 发布构建电商智能体的指南，总结架构、延迟与成本优化、生产运维三部分实践，涉及购物和商家两类智能体，企业客户部署后出现购物车变大和卖家运营效率提升。核心建议包括用单个智能体加技能而非子智能体、将 UI 组件做成工具、用提示词缓存实现 90-99% 命中率、在 harness 中强制安全规则，并开源参考实现 anthropics/commerce-agents。

    推荐理由：Anthropic 根据多个企业部署经验总结电商智能体架构、延迟成本优化和生产实践，并附参考实现，可迁移到类似 Agent 项目。

  7. Google AI：DEV 作者专属（RSS）66

    Google AI 团队分享如何为 LLM-as-a-Judge 评测编写可靠的评分标准

    Google AI 团队发布教程，讲解如何为 LLM-as-a-Judge 评测编写可靠的布尔式评分标准，指出模糊提示会导致评估不一致和浪费 token。文中给出四条经验：问题保持原子化且互不重叠、只让评判模型评估客观事实（可用 RFC 2119 术语如 MUST 表述）、只评 prompt 中明确要求的内容、用专家标注的 golden set 校准评判模型直至与人类评分一致。

    推荐理由：作者来自 Google 团队，把写作 LLM-as-a-judge 评分标准的经验整理成四条可迁移规则，附带校准流程，适合自己搭建评测时参考。

  9. elvis60

    Elvis Saravia 分享一条经他实测有效的提示词，用于减少 Claude Fable 5.1 的 "claudese" 文风。提示词来自 Claude 官方文档的 writing density 部分，通过定义 mannered prose 反模式来让文风更直接，官方也给出了简短版本 "Please remove all mannered prose."，建议加入用户消息或系统提示词。原文链接：https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-fable-5-1#writing-density

9月2日周三
  1. Google AI：DEV 作者专属（RSS）69

    什么是 harness 工程？Google 用 ADK 2.0 与 Antigravity SDK 演示自动修复编码循环

    Google 员工 Shir Meir Lador 介绍 harness 工程，即用确定性组件包裹 LLM，包括编排层、执行沙箱、状态持久化和验证工具，让 Agent 不需逐行人工审查即可安全生成代码。

    推荐理由：原文解释了 harness 工程的构成要素，并给出可运行的沙箱与修复循环示例代码，方法可直接迁移到自己的 Agent 工作流。

  2. ByteByteGo（RSS）57

    RAG 系统效果为何取决于嵌入模型：ByteByteGo 图解检索机制与选型要点

    ByteByteGo 发文解析 RAG 系统中嵌入模型的关键作用，指出语言模型再强也无法弥补错误检索，因为嵌入模型决定了哪些文本进入上下文。文章图解了索引与检索两个阶段的工作流程，列举了语义相似但答非所问的多种失败模式，包括否定句、版本差异和数字标识等，并说明更换嵌入模型需要全量重建向量、索引和权限，成本高昂，类似蓝绿部署。

  5. IT之家（RSS）48

    研究发现 AI 客服更拟人未必带来更佳体验

    发表于《欧洲营销杂志》的研究发现，在某些情况下不那么像真人的文字聊天机器人反而获得更积极的客户反馈，打字的慢节奏让消费者有时间平复负面情绪。另一项发表于《商业研究杂志》的研究显示，能准确识别消费者愤怒等情绪状态的 AI 客服会带来更高满意度。调查还显示 1031 名澳大利亚受访者中 78% 用过自动化客服，仅 39% 感到满意。

  7. Baseten 工程博客（网页）62

    Baseten 解析后训练最佳开源模型并按成本分档推荐

    Baseten 发文解析开源模型后训练的成本驱动因素，指出活跃参数量是 RL 后训练成本的最大来源，总参数和 KV cache 主要限制推理速度，并按成本档位推荐 DeepSeek-V4-Flash、GLM-5.2、Kimi K2.6、Kimi K2.7 Code、Nemotron-3-Super-120B 和 Qwen3 系列。选型建议关注库支持、基准表现和后训练循环成本三方面。

    推荐理由：原文把后训练成本拆解为活跃参数、总参数和 KV cache 三个因素，并按成本档位比较了多款开源模型，方法可直接迁移到选型。

  11. 公众号：千问APP（阿里）41

    天体物理学博士刘博洋用千问复现Druckmüller算法，日全食后3小时产出高清日冕图

    8月12日西班牙出现欧洲大陆27年来首次日全食，全食持续101秒，天体物理学博士刘博洋在日食结束后不到3小时产出了高清日冕精细结构图。他此前把Druckmüller的五篇论文交给千问「工作助理」分析核心思路，悟出大师方法的本质是模拟人眼的局部差分视觉，并用过去日冕素材迭代100多个版本复现了整套算法。观测现场他还用千问根据低仰角与高仰角曝光数据推算补偿档数、写脚本测试新快门线的参数组合效率。