技巧与观点

英伟达撰文探讨如何把能感知推理视频内容的智能体接入企业现有系统与工作流。

英伟达详解用BlueField芯片对智能体AI基础设施做协同设计,应对多步骤调用带来的数据搬运压力。

作者分享用多智能体组成"LLM委员会"做AI研究的方法,强调需为各智能体精心设定角色与目标而非简单堆叠数量。

Claude Code团队官方定义"循环工程",将智能体自主干活的模式拆分为回合制、目标、时间、主动四种循环类型。

教程展示如何使用Patter SDK构建餐厅预订电话智能体，包含动态变量和安全检查。

Anthropic的Boris Cherny指出，模型越强越需要规范代码环境，让Agent友好，而非随意。

大淘宝技术提出 AINMM 五级模型，用于衡量 AI 原生转型成熟度。

开发者将 Grok 的 Mermaid 渲染器编译为 WebAssembly，实现在线转换。

作者分享使用Codex和UU远程远程操控家中Mac Mini让Agent干活的方案。

工程师认为 AI 时代代码审查失败本质是自动化失败，应编码领域知识。

Claude Code之父Boris Cherny强调，自动化在AI智能体时代变得前所未有的重要。

NVIDIA 发布 DeepStream 9.1，用于构建多摄像头 3D 追踪应用。

NVIDIA 介绍如何使用 AI 代理加速开发轻量级 USD 运行时。

软件工程即自动化，AI 时代需将领域知识编码为基础设施。

一位作者在博客中解释为何离开谷歌 DeepMind。

Martin Fowler 文章指出 DSL 使 LLM 能够可靠地投入使用。

工程师应通过 AI 智能体将领域知识编码为基础设施以放大产出。

Hugging Face 博客分享构建 Shippy 智能体的经验。

NVIDIA 使用两个提示词通过 Codex 后训练，一天内将模型准确率从 54% 提升至 93%。

研究者发现 Claude 的 web_fetch 工具存在漏洞，可被利用窃取用户隐私数据。