Together AI 实测 GLM-5.3 与 GLM-5.3 Flash 在 DeepSWE 上的成本、编码与级联路由
Together AI 在 DeepSWE v1.1 全部 113 个任务上实测 GLM-5.3 与 GLM-5.3 Flash，各跑 4 次共 900 rollouts。
推荐理由：原文基于 900 次 rollout 实测给出两模型的成本、质量与蒸馏影响分析，可迁移到模型选型和级联路由决策。
AI 资讯AI 每天都在变，
AI 每天都在变，
这里一页看完
全球 AI 公司、研究机构和媒体的最新动态，自动挑出值得看的，每小时更新。
8月28日 周五1 条
8月27日 周四2 条
Gemini 3.5 Transcribe 完整指南：告别 ASR 转录难题
Google 推出专用于语音转文字的 Gemini 3.5 Transcribe 模型，主打快速、准确且低成本的转录，原生支持说话人分离和词级毫秒时间戳。该模型支持 85+ 种语言自动识别与代码切换，可通过 custom_vocabulary 传入最多 1,000 个领域术语避免专有名词拼写错误，并提供 Smart Transcription 与 Verbatim 两种模式。
推荐理由：逐字模式保留毫秒级时间戳和说话人分离，智能模式清理填充词但可能改写原文，两者取舍决定字幕同步和会议记录应选不同配置。
Warp 如何在 Claude 上构建自我改进的智能体
Warp 在 Claude 平台上构建了基于 Agent Skills 的自我改进循环，通过基础技能与改进技能两个文件型技能，将人类反馈转化为对智能体的持续优化。该模式已应用于其整个开源仓库，覆盖数百名贡献者与数千次代码审查。团队建议以原则而非规则编写技能，并强调低摩擦反馈与改进技能的可复用性。
推荐理由：把反馈从会话结束后消失的一次性信息改为可合并的技能文件，人类反馈通过 PR 流程被累积复用，比手动重写提示词更能跨任务持续改进。
8月26日 周三6 条
用 Sentence Transformers 训练与微调多向量嵌入模型
Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder，支持 ColBERT 风格的后交互检索，并配套完整训练流程。
推荐理由：文章量化了不同起点的领域适应差距，未监督预训练 checkpoint 反超已微调版本，并把长文档截断列为比架构更影响 NDCG 的因素。
Trail of Bits 实测 GPT 5.6-Cyber 三次逃逸 QEMU/KVM 虚拟机
Trail of Bits 在 Patch the Planet 项目中获得 GPT 5.6-Cyber 预览权限，让其挑战逃逸 Debian 12 主机上的 QEMU/KVM 虚拟机，结果以三种不同方式成功逃逸。
推荐理由：作者以一手实测记录 GPT 5.6-Cyber 三次逃逸 QEMU/KVM 虚拟机的路径，给出沙箱和发行版选择上的可操作建议。
实测飞书和豆包合体后第1个Agent：豆包工作的8个使用技巧
豆包工作（豆包 Work）是当前企业接入Agent门槛最低的路径，但需用飞书账号登录才能解锁满血功能。实测可用手机远程控制最多7台设备、定时任务、自动读取本地skill、侧边栏直接编辑并同步飞书，且管理员看不到聊天记录。作者认为Work Agent是token消耗倍增器，飞书原生生态是豆包工作相比Claude Cowork、Codex Work的核心优势。
推荐理由：豆包工作与飞书原生权限和文档协作的深度打通，构成相对海外同类 Agent 的核心差异，用现成企业工具链降低接入和跨部门数据隔离成本。
AI 智能体应该活多久？
长期运行的 AI 智能体会因上下文累积而注意力衰减、临时指令残留成永久规则，并带来安全风险。建议给日常助手 24 小时生命周期，午夜重置会话，将具体任务委派给只存活 30 秒的单一用途子智能体，并在重置前将持久偏好存入磁盘。
推荐理由：文中把解决问题的方式拆成两层，短命协作者处理当日上下文，偏好则离线写盘，让长期记忆不随会话累积而劣化，也收窄了权限暴露窗口。
如何在编辑器里实时挑选最佳 AI 模型
OpenRouter 提出一套模型选型框架：先定义任务，从实时用量和第三方基准中筛选候选，再对比各提供商的定价与延迟，最后用自有提示词测试。判断标准是“每完成任务的成本”而非“每 token 成本”。其 MCP 服务器可直接在 Claude Code、Cursor 等编辑器中查询实时排名、价格和基准，并用 openrouter/auto-beta 按请求路由。
推荐理由：比 token 价格更实际的是成本按完成任务的次数计算，把重试与失败率纳入对比，这让团队评估模型经济学时有了可量化指标。
OpenRouter 视频生成 API：一份代码优先的接入指南
OpenRouter 推出统一的异步视频生成 API，通过 POST /api/v1/videos 提交任务、轮询状态并下载 MP4，支持 Seedance、Veo、Wan 等模型，切换模型只需更改 model 标识符。
推荐理由：将视频生成抽象为提交、轮询、下载的异步作业，模型切换只改标识符，同时覆盖幂等、webhook 与并发控制，可迁移到其他异步生成 API 的集成。
8月25日 周二2 条
OpenWiki 0.4.0 引入 claims 机制实现自纠正记忆
LangChain 发布 OpenWiki 0.4.0，通过 claims 机制把 wiki 中的每条事实断言与代码证据版本绑定，证据变化时将断言标记为过期并随后续更新验证或纠正，无需重建 wiki。评测中开启 claims 后过期断言从 3.5% 降至 0.5%，幻觉断言从 0.7% 降至 0%，同时迁移到 OKF v0.2 使页面来源与验证历史可在 OpenWiki 之外检验。
推荐理由：原文给出了 OpenWiki 用证据版本追踪让记忆自我修正的具体机制和评测数据，方法可迁移到其他 Agent 记忆系统。
LangChain 分享如何构建 Agent 评测环境与任务的两步流水线
LangChain 发布实践指南，介绍其构建合成 agent 环境与评测任务的两步流水线：第一步用 traces、代码和人工输入生成任务 spec，第二步将 spec 转成 Harbor 格式的任务与环境。过程依赖记录项目通用知识的 world spec，配套更新了 eval-engineering 技能供团队自助使用；文中也指出 spec 打磨和任务难度校准仍需人工介入。
推荐理由：LangChain 给出从 trace 到任务的两步流水线和可复用的 eval-engineering 技能，团队可迁移用于搭建自己的 agent 评测基准。
8月21日 周五4 条
AI 原生 SDLC 实战手册：Anthropic 如何用 Claude 重塑软件开发生命周期
Anthropic 发布 AI 原生 SDLC 实战手册，提出将传统六阶段软件开发生命周期重构为 AI 嵌入各环节的闭环流程。手册指出，当代码不再是瓶颈时，规划、审查、部署等人速环节成为新约束，需通过 Claude 将需求压缩为 intent.md、以技能编码标准、用持续评测替代阶段门禁，并保留人工对关键代码的审查。
推荐理由：把各阶段产物固化为可版本化 markdown 并让下一阶段读取，人工审查就从逐行看代码转向在关卡看代理标记，对改造研发流程的团队有直接参考价值。
都Agent时代了，我还是想分享给你这12个我最常用的Prompt
作者整理出12个最常用的Prompt，按问清问题、学习、解决问题、决策、认识自己5个场景分类，全部可单独复制使用且无需安装任何Skill。每个Prompt都配有可直接套用的模板，将【】内内容替换为个人信息即可，适配当前所有主流AI。
推荐理由：这套提示词把提问、学习、决策等场景整理成带占位符与输出规范的模板，读者可逐条复制并按反馈规则调整，比单条散装提示更容易复用。
Together AI 实测 GLM-5.3 对比 GPT-5.6 Sol：DeepSWE 上的成本、编码与路由
Together AI 在 DeepSWE 全部 113 个任务上各跑 4 次试验（共 904 次 rollout）对比 GLM-5.3 与 GPT-5.6 Sol。
推荐理由：原文基于自跑 904 次 rollout 给出成本、pass@k 和失败模式数据，读者可据此设计两模型的级联路由策略。
DeepSWE 实测：GLM-5.3 与 Claude Fable 5 在成本、编码与路由上的对比
Together AI 在 DeepSWE 全部 113 个任务、每任务 4 次试验（共 904 次 rollout）上对比 GLM-5.3 (max) 与 Claude Fable 5 (max)。
推荐理由：基于 904 次 rollout 的实测数据，给出两模型成本与准确率的量化对比，可帮助团队在两者间做出路由选择。
8月20日 周四1 条
Claude Code 初创公司指南：五大规则与创始人洞见
Anthropic 发布面向初创公司的 Claude Code 使用指南，基于对十余家高增长公司的调研，总结出“人人皆可交付、自动化繁琐工作、信任但验证、为重构而构建、原型-自用-产品化”五大规则。
推荐理由：指南把十几家创业公司实践归纳为五个可操作规则，其中「修复原则而非修复个案」对搭建自改进 agent 流程具有直接参考价值。
8月19日 周三2 条
OpenAI 详解 Codex 开源智能体框架的应用集成方式
OpenAI 将 Codex 定位为可复用的智能体平台，开源 Codex CLI、app-server 和官方 Codex SDK，让开发者把智能体循环嵌入自己的产品界面，而非只用通用聊天助手。
推荐理由：官方说明 Codex 开源 harness 的集成层与 app-server、SDK 的分工，开发者可以据此把智能体嵌进自己的产品而非通用聊天窗口。
Claude Tag 如何担任 Anthropic CI/CD 故障的一线响应者
Anthropic 的 CI 工程师用 Claude Tag 构建了值班智能体，作为 CI/CD 故障的一线响应者。Claude 在事故发生后中位 14 分钟发布首份基于证据的分析，最快案例中 3 分钟内验证修复并确认错误率恢复基线。该方案通过 Slack 频道、Datadog 或 Grafana 工具访问及 GitHub 技能文件实现，Anthropic 已发布通用设置套件供其他团队部署。
推荐理由：文章把 AI on-call 从概念落成可复制的工程架构，用 markdown 技能文件和 lessons.md 实现自我迭代，并给出 14 分钟首报、最快 4 分钟定位等实测数据。
8月18日 周二4 条
设计 AI 评测：先求清晰，再谈可视化
本文演示如何用开源评测框架 Inspect AI 和 Harbor 评估 agent 技能，并借助 Google Sheets 和 Data Studio 进行可视化分析。
推荐理由：把技能评估拆成模型基线、技能条件与多维事实打分，让团队用同一套脚本量化技能增量，而不是凭单次演示做判断。
一个实用的深度思考Prompt：用“双向钢人论证”让AI帮你挖出最本质的答案
作者基于Reddit上“让Claude真正开始思考”的帖子，引入逻辑学中的“钢人论证”（steelman）概念，并自创了一个“双向钢人Prompt”。该Prompt通过重述真实问题、强化正反双方观点、找出关键变量、逼AI给出明确判断四步，旨在避免模型谄媚，帮助用户找到问题最本质的答案。作者以自己选择公司司庆日的真实案例演示了使用效果。
推荐理由：这个 Prompt 把钢人论证做成可复制步骤，先重述问题、强化正反观点、再定位决定结论的变量，比直接要建议更能绕过模型顺意回答。