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。
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。
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。
Google for Startups AI Agents Challenge 评审团队从各赛道头部参赛作品中提炼出 4 种共同工程模式。
推荐理由：从获奖参赛代码中提炼出四个可直接套用的工程模式，涵盖 MCP 双向暴露、事件驱动并发、回退校验和分层路由。
elvis@omarsar0AI 评分6060Google 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。
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。
Every 发布播客文字稿，讲述其明星写手把自己的职业教练改造成 AI 员工的经历。正文无有效文本，具体方法与细节以原文为准。
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。
Baseten 工程师 Philip Kiely 撰文解析 LLM 推理的"有效边界"框架，将推理技术分为两类：在延迟与吞吐之间做取舍以命中边界上某一点的技术，以及把整条边界外推、创造整体效率提升的技术。
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。
作者分享在 48GB 内存 M4 Pro Mac mini 上运行本地 LLM 的完整方案，主模型为 Qwen3.6-35B-A3B-OptiQ-4bit（约占用 20GB 内存），轻量模型为 Gemma-4-E4B，推理服务用 oMLX，通过 Tailscale 让 iPhone、MacBook 共用同一后端，并接入 Hermes、Pi、Apollo 和 Raycast。
作者分享一个 AI 视频技巧：先把参考视频转成深度视频，再用深度视频驱动视频生成，可保留动作、运镜、人物站位和空间关系，同时减少原片人脸、服装、背景和画风的干扰。
Kling AI@Kling_aiAI 评分4141可灵 Kling AI 发布教程，讲解如何在 Kling MCP 中使用 Elements 功能，在不同镜头间保持角色身份一致，从而创作更连贯的 AI 生成故事。
Databricks 官方博客发布 Big Book of AgentOps，将 AgentOps 定义为构建、部署和运营智能体的操作规范，面向 AI 智能体的工程实践。
澳大利亚律所 Gilbert + Tobin 通过 ChatGPT Enterprise 和 Codex 将 AI 融入运营，截至 2026 年 6 月 87% 的启用席位处于活跃使用状态，是其其他工具采用率的两倍以上。
dex@dexhorthyAI 评分3737FDA 在 Databricks for Government 上构建安全、AI 就绪的数据基础，原文将联邦数据平台现代化比作在航行中重建航母引擎，正文仅给出这一背景性描述。
Thomas Wolf@Thom_WolfAI 评分3939Thomas Wolf 转发 @RemiFabreRobot 的视频，用 Microduck 鸭子学走路的过程讲解强化学习（RL），配乐由 @antoinepirrone 制作。
Databricks 工程团队分享如何在一小时内消除每年 100 万美元的 AI 智能体浪费支出。工程师团队高度依赖 AI 智能体来简化和加速工作，由此产生了相应的使用开销。
Simon Willison 在 ~/.cache 目录中发现 OpenAI Codex 桌面应用（现已更名为 ChatGPT）的 codex-primary-runtime 文件夹占用 1.7GB，内含完整的 Python 和 Node.js 安装，以及 Poppler、git 和 LibreOffice 的原生二进制文件。
Claude 官方频道发布视频，主题为与客户一起构建企业级前沿安全防护（Enterprise Frontier Safeguards）。原文无正文文本，仅提供标题和视频链接 https://www.youtube.com/watch?v=FoteuzPpx7E 。
Claude 官方频道发布视频，展示用 Claude 编写代码构建一个水彩引擎。正文无文字内容，细节以视频为准。
Claude 官方发布视频，演示用 Claude Fable 5.1 进行全栈调试。视频无正文文本，更多细节以原视频内容为准。
这篇是 Google 团队 Elevating Antigravity Agent Skills 五部曲的第二部分，讲解如何在 agent skill 中使用 generate_image 工具，把结构化提示词合成与原生图像生成结合，让 agent 产出符合开发者规范的图像。
dex@dexhorthyAI 评分2121OpenAI 发布文章，介绍 Basis、Clay 和 Exa Labs 用 Agent 承接员工入职、账户管理和开发者集成的工作流。Basis 把入职从 2 小时缩短到 30 分钟，Clay 的子智能体每天夜间更新各账户上下文，为销售省下约 1 小时邮件分拣，Exa 用 Codex 监控集成机会并创建 PR、跑测试。文章还给出企业从试点到规模化的六步方法。
Google Developer Relations 团队的 Jan-Felix Schmakeit 介绍为 Google 产品的 Agent Skills 设计评测的方法，主张像写单元测试一样建立结构化、自动化的评测流程，而非在终端做 vibe testing。
eric zakariasson@ericzakariassonAI 评分7171Eric Zakariasson 转发并摘要 lingxi 的文章，介绍其用一组 grok bot 组成工程团队来开发 grok bot 的做法。
凡人小北@frxiaobeiAI 评分6565
DogeDesigner@cb_dogeAI 评分2424
Replit ⠕@ReplitAI 评分2828Replit 官方发布直播预告，主题为在 Replit 中构建一个个性化邮件助手，直播深度解析链接为 https://x.com/i/broadcasts/1oKMvNLkEjpGQ。
OpenRouter@OpenRouterAI 评分2626OpenRouter 官方分享一条使用技巧：可在其基准浏览器（benchmark explorer）中浏览图像模型，并在 Agent 或 Chatroom 中快速编辑提示词。
Tessl 设计师复盘在 agent 软件工厂 Kikimora 中把品牌与设计规则编入 AI 工作流的方法，指出设计系统只提供组件、教不会构图。
推荐理由：作者给出从 Figma diff 反推设计规则、再以技能和全量扫描落地的可复用路径，可迁移到任何用 agent 生产界面的团队。
ByteByteGo 发布长文，讲解如何在大语言模型不明显变笨的前提下缩小模型体积。文章以 70B 参数模型约 140 GB、消费级显卡仅 24-48 GB 显存的矛盾为切入点。
Databricks 发布博客，讲解如何在数据栈中落地 Genie Ontology，为 AI 智能体构建超越语义模型的共享业务上下文。
Kling AI@Kling_aiAI 评分4747可灵（Kling AI）发布官方教程，讲解如何使用 Kling MCP 中的 Elements 功能在不同镜头之间保持角色身份一致，从而创作更具连贯性的 AI 生成故事。
Discovery Bank 通过行为 AI、治理化数据和实时决策，在满足规模、速度与安全要求的同时让每个客户交互都具备个性化体验。文章介绍了该银行实现大规模超个性化银行服务的具体方法。
清华大学 2026 年秋季学期校级课程《人工智能赋能学术研究：人机互动的知识生产》开放报名，课程与豆包深度合作，覆盖从选题到发表的研究全流程，包括问题发现、知识综述、数据分析与成果发表。授课团队将把学术实践方法沉淀为可复用的 Skill 技能并在豆包电脑端上线，用户在技能板块选择名校专区即可体验；豆包此前还与清华新闻学院共建课程并担任《社会网络分析》课程 AI 助教。
小红书与NVIDIA联合构建GR-Inference，一个面向长Context、短Decode、大Beam的生成式召回专用推理引擎，覆盖KV抽象、连续批处理、专用Decode Attention、受限生成与CUDA Graph等优化。