美团龙猫LongCat发布《Agent评测白皮书》系列首篇：Agent评测全览

美团龙猫LongCat团队推出《Agent评测白皮书》系列博客，首篇《评测全览》体系化讲解Agent评测落地方法，计划共4篇，后续将覆盖冷启动、扩量和自进化。文章提出评测体系可概括为四个模块（离线评测、在线评测与监控、Case挖掘与归因、观测基建）、三种能力、两条Loop和一套评测资产，以商家经营分析Agent为贯穿案例，并附评测体系成熟度自查表。

Hugging Face 用 LoRA 与 Storage Bucket 在 HF Jobs 上跑异步 GRPO，免 NCCL 并提速 3.9 倍

Hugging Face 在 TRL v1.14 的 AsyncGRPOTrainer 中支持只训练和同步 LoRA adapter，配合 Storage Bucket 挂载与代理路由，让训练 Job 和 vLLM 推理 Job 在不同机器上运行而无需 NCCL。

Rohan Paul@rohanpaul_aiAI 评分6565

OpenAI 发布名为 Defense Factory 的案例研究和参考架构，介绍其在内部 code-red 冲刺中用 Codex 和最新 cyber 模型加固数百个系统，动员 250+ 人，官方称这些模型帮助发现并修复了原本可能无法发现的漏洞。

Mistral 复盘用 AI Agent 将 40,000 行 Fortran 77 迁移到 C++ 的方法与教训

Mistral 帮助一家欧洲能源运营商将 40,000 行 Fortran 77 的油藏模拟器迁移到 C++，该代码库无测试套件且文档分散。团队先搭建数值一致性验证工具，用 Vibe CLI 生成调用树并派出百余个 Agent 补齐文档，最终采用由人类把关的 coder、tester、reviewer 结构化工作流逐模块迁移。

Google AI 讲解 Loop Engineering 的四种失效模式及修复方法

Google AI 作者 Tilde A. Thurium 与 Annie Wang 对谈，讲解 Loop Engineering 即构建智能体系统反复迭代直到达成可度量目标的四种常见失效模式及修复方法。

Google 讲解 Harness 工程：如何评估、迭代并守护 AI 编码 Agent

Google Developers Blog 发布关于 AI 编码 Agent harness 工程的实践文章，主张用行为评估补充 Terminal-Bench、SWE-bench 等端到端基准。

Baseten 如何让 pyannote 的说话人分离模型提速 9.6 倍

Baseten 优化了 pyannote 最新的开源模型 Community-1 与闭源模型 Precision-2，长音频延迟最高提升 9.6 倍，Precision-2 吞吐量提升 3.2 倍。

-Zho-@ZHO_ZHO_ZHOAI 评分5656

Zho 测试 GPT Images 2.5，配合 ChatGPT 内置手画板功能和参考图的风格迁移能力生成插画，图中展示手绘猫草图加参考海报生成风格化猫图的效果。作者转发 OpenAI 的说明，在 ChatGPT 输入 "@ Sketch" 即可使用手画板，中文用户通过 @绘图 打开。

GPT-6 Astra推理等级怎么选才最省Token

卡兹克发文讲解GPT-6 Astra的推理强度等级（Reasoning Effort）含义，指出各档位是同一模型的不同思考预算，Ultra则类似拉起多个智能体协作的专项工作组。

Together AI 深度解析开源模型 AI 编码栈 MIGHT

Together AI 发布深度解析文章，介绍开发者从闭源模型转向开源模型所需的 AI 编码栈，提出由 Model、Inference、Gateways、Harness、Tools 组成的 MIGHT 框架。

OpenRouter 教程：用代码调用 Nano Banana 2 编辑图像

OpenRouter 发布教程，演示通过 API 向 google/gemini-3.1-flash-image（即 Nano Banana 2）发送源图和文本指令完成图像编辑，编辑结果以 base64 形式在响应中返回。教程给出 Python 和 TypeScript 示例、提示词写法、多轮小步编辑方法，以及更换模型只需改一个字段，并介绍了 Nano Banana 系列四个成员的价格与质量差异。

ClaudeDevs@ClaudeDevsAI 评分5555

Anthropic 的 CI 团队用 Claude Tag 作为值班一线响应者，它会读取告警、指标和日志，撰写 SITREP，并在学习过程中维护 lessons.md。团队分享了完整设置，包括一个模板和 skills。

作者发布浏览器端 LLM 注意力权重可视化工具

作者发布一个基于 Transformers.js 的 LLM 注意力可视化工具，可悬停查看生成 token 依赖的历史 token，代码开在 GitHub。可视化将所有层、所有注意力头的注意力权重乘以 value 向量模长后聚合为单一数值控制透明度，并预生成提示词避免下载数百 MB 模型；作者还通过修改 onnx 文件暴露内部值，上传到自己的 Hugging Face 仓库供浏览器生成使用。

i-have-adhd：一个防止编码智能体把答案深埋在输出中的 skill

GitHub 上的 i-have-adhd 项目提供一个 skill，用于防止编码智能体把最终答案深埋在输出里。该项目经由 Hacker News 热门讨论传播，HN 获得 101 分。

LangChain 讲解 deepagents 多智能体框架中的上下文组织方式

LangChain 发布博客，介绍 deepagents 中的 context modes 如何帮助子智能体分叉 supervisor 的上下文或以隔离方式启动，从而让多智能体工作更快、更省、更聚焦。

Anthropic 发布 Claude Platform 降本指南并更新 claude-api 技能

Anthropic 介绍用 Claude Platform 降低成本、保持性能的三种方法：提高提示词缓存命中率、升级到前沿模型时清除提示词反模式、按任务校准 effort。

ClaudeDevs@ClaudeDevs精选AI 评分6868

Anthropic 团队文章指出，优化 prompt cache 命中率、清除升级到前沿 Claude 模型后的提示词反模式、校准 effort 三个手段可在不牺牲性能的情况下降低成本。

IBM Research 展示用 llm-d 在 544 块 NVIDIA H100 上服务 GLM-5.2 智能体负载

IBM Research 联合 Red Hat、Google 的开源项目 llm-d 展示在 544 块 NVIDIA H100 GPU 上部署 753B 参数的开放权重 MoE 模型 GLM-5.2（约 39B 激活），在数百到 3000 个并发编码智能体负载下峰值输出超 6.6M tokens 每分钟，零抢占。

Google AI 教程：用 Data Studio 搭建交互式 AI 评测仪表盘

Katie McLaughlin 在 Google AI 的 AI 评测系列最终篇中，介绍如何将 Inspect AI 评测的 CSV 数据接入 Data Studio，通过克隆 Master Dashboard Template 并绑定 Google Sheets 数据源，约 30 秒完成无代码交互式仪表盘搭建。

MeshyAI@MeshyAIAI 评分5858

@thehypedotnews 用一次 Claude Code 会话（opus 5 medium）配合 gpt-5.4-image-2 和 Meshy pro，无 3D 美术手工建模做出四个 AI CEO 的 Fortnite 概念皮肤，四个角色 API 花费 $12.94。

GPT-6 Astra操控Blender保姆级教程：三种玩法与踩坑实录

作者数字生命卡兹克发布GPT-6 Astra操控Blender的小白教程，介绍前期安装、官方MCP与Computer Use插件配置，并实测三种玩法。Computer Use花约4小时搭出天坛祈年殿，但耗掉200美刀Pro会员近半额度；MCP更快，可完成摩托车建模与组装动画，但复杂任务会单次运行超时，可拆分步骤或用CLI执行Python脚本解决。

vLLM x AgentX：面向真实世界智能体推理服务的全栈优化

vLLM 团队发布针对智能体负载优化的博客，基于 SemiAnalysis 的公开 AgentX 基准展示成果：DeepSeek V4 Pro 在 GB300 上达到 83K total tokens/GPU-秒。

ByteByteGo 详解 LLM 应用的错误处理与韧性设计

ByteByteGo 发表长文，系统讲解 LLM 应用如何处理错误与故障。文章指出 LLM 应用除网络超时、429 限流、401/403 认证失败、上下文窗口超限等技术故障外，还面临幻觉、输出非法 JSON、工具误调用等语义故障，需将错误分为瞬时、永久、语义三类再对症处理。

卡尔的AI沃茨分享用手机远程操控Agent的UU远程工作流

作者分享只用手机远程操控Agent跑任务的新工作流，核心工具是UU远程，出门不再随身背1.62kg的MacBook。文中介绍终端完整支持TUI，可正常操作Claude Code、Codex等Coding Agent，多终端会话可并行；支持手机与电脑双向跨端接管，任务进度和运行状态可保留。

Tripo@tripoaiAI 评分5454

Tripo 官方推荐一个将 GPT Astra 与 Tripo 3D 资产生成结合的提示词合集，已收录 153+ 个提示词并每日更新，精选 3D、游戏案例，入口为 https://www.tripo3d.ai/3d-prompts。该合集由 @jaredliu_bravo 整理，部分案例据称可 one shot 直出效果。

Tibo@thsottiauxAI 评分5555

Tibo 建议校准 Astra 的推理档位选择，称 GPT-6 Astra 在 low 档的表现优于 GPT-5.6 Sol 在 high 档。如果之前在 Sol 上使用 high 推理档且满意，建议在 Astra 上改用 low 或 medium 档。

OpenRouter 实战避坑指南：同一模型在不同供应商表现差异巨大

Olly（iMessage AI 助手）作者基于经 OpenRouter 路由的开源模型处理约 1800 万条消息（约三分之一经 OpenRouter 开源模型）的实战经验，总结使用 OpenRouter 的十大坑。

GPT-6 Astra 实测：改硬件、Blender 3D、自动剪辑与PPT一篇跑完

作者实测 GPT-6 Astra 的电脑自动化、3D 和剪辑能力。外置键盘快捷键配置 41 秒一次成功，Blender 海盗船不到 10 分钟完成且给出逐部位生成逻辑，还用关键帧做出 3D 镜头移动视频和星球状的马里奥 3D 游戏关卡。真人口播剪辑经三次修改达到可发布标准，附完整剪辑提示词；PPT 二次美化评定为 6 到 7 分；UI 设计对比仍不及 Claude Fable 5.1。

elvis@omarsar0AI 评分5252

作者分享一个配合 GPT-6 Astra 的实用方法：给它一条 Astra demo 推文，让 Astra (medium) 尽力复现并附加自定义指令，设置 /goal 如提供结果证明以便对照；首轮之后再切换到 Astra (max) 进行打磨，并可迭代改进。

Simon Willison 演示如何在 macOS 上用 coding agent 驱动 Blender 渲染

Simon Willison 分享在 Mac 上用 ChatGPT Codex 搭配 Blender 的玩法：从 blender.org 安装完整 Mac 应用后，用提示词让 agent 调用 /Applications/Blender 渲染一只骑自行车的鹈鹕场景。他随后用两条追加提示词添加背景和装饰，最终图片由 Blender 的 Python API 生成。

OpenAI 发布 GPT-6 Astra 提示词指南，含 slop 词屏蔽清单

OpenAI 在模型文档中说明 GPT-6 Astra 相比 GPT-5.6 Sol 更常提出澄清问题、对上下文更敏感，并给出让模型更主动、审计 AGENTS.md 等技能文件、控制写作风格、约束子智能体委派和测试规模的提示词建议。

Greg Brockman@gdbAI 评分5454

Greg Brockman 转发 Greg Isenberg 整理的 9 个 GPT 6 Astra 提示词，定位为个人和工作生活助手。提示词涵盖谈判账单、把服务商业务转化为 AI 软件产品、监控二手市场低价商品、生成一人公司周度经营仪表盘、审计公司智能体机会、浏览器操作并输出 SOP、夜间自动化 QA 截图、订阅竞品并出月报、以及构建带获客入口的浏览器小游戏等场景。

作者用 Spotify Portal 的 AiKA Modes 将 Claude Code token 用量降低约 90%

作者在 Claude Code 中用 Spotify Portal 的 AiKA Modes 搭建模型路由，把批量读文件和样板代码生成委派给 Gemini 2.5 Flash，bulk-read 场景平均节省约 90% token。

DogeDesigner@cb_dogeAI 评分2626

DogeDesigner 提醒用户可以为每个 Grok Bot 设置自定义头像：点击你的 Bot，点按头像，然后从相册中选择。作者展示了自己给营销、内容、设计、开发等不同 Bot 设置的狗狗头像。

Ethan Mollick@emollickAI 评分2929

Ethan Mollick 发布 Zork 动作冒险版后，Max Woolf 建议用 Astra 反向把 Fortnite 变成文字游戏，Mollick 实际完成并公开链接 https://last-drop-fortnite.netlify.app/。

ginobefun@hongming731AI 评分4444

BestBlogs 09-05 早报精讲三篇实践文章。freeCodeCamp 沿用 Anthropic 的 AI 原生 SDLC 框架，把研发拆为 Plan。

Aravind Srinivas@AravSrinivasAI 评分3535

Perplexity 发布研究博客，讲解其嵌入与排序模型背后的 SoTA 服务基础设施。文章覆盖用于排序的嵌入向量、基于 GPU 的模型推理、请求批处理、推理服务器运行，以及延迟与吞吐的权衡，原文见 https://www.perplexity.ai/hub/blog/fast-embeddings-on-gpus。

Databricks 讲解如何通过专用 GPU kernel 生成实现极致推理效率

Databricks 发文介绍如何通过专用 GPU kernel 生成实现极高效率。文章指出传统生产推理系统依赖通用 kernel 处理多样化负载，并探讨专用 kernel 的优化路径。

Databricks 详解营销团队使用 Genie One 的五种方式

Databricks 官方博客介绍营销团队使用 Genie One 的五种方式，指出营销团队手头已有campaign 表现指标和客户数据等数据资产，可用 Genie One 加以利用。

如何让 Olly 智能体自己处理客服工单

作者分享了让自家 AI 助手 Olly 自行处理客服的实现方法，整套流程用不到 500 行 TypeScript 完成。智能体通过 sendSupportRequest 工具把用户问题连同近期对话写入反馈集合、用 iMessage 通知团队，并经管理端点回复，回复作为合成轮次由智能体翻译成用户语言转达，引用文本被视为内容而非指令以防提示词注入。