Ollama 用于管理本地语言模型：KDnuggets 快速参考指南
Ollama 提供了一条命令即可运行本地语言模型，并通过 HTTP 服务器提供 OpenAI 风格的端点。摘要显示，模型是否适合当前硬件内存是关键问题，且上下文长度可能与预期不符。此外，Ollama 支持通过 JSON schema 约束结构化输出，并兼容 OpenAI 的 /v1 接口，方便客户端切换至本地运行。
全部 AI 动态
KDnuggetsAI 评分3030 O'Reilly RadarAI 评分3838 评估 AI 生成的前端代码：我们实际上应该测试什么？
评估 AI 生成的前端代码时，应优先检查其结构是否合理，例如是否使用了原生 HTML 元素而非通用容器，并确保 ARIA 属性正确应用。还需验证键盘导航路径是否顺畅，包括能否通过键盘操作控件、对话框的焦点是否正确转移。测试错误、加载和空状态的处理也是关键，以确保用户在非理想情况下仍能理解界面行为。
NVIDIA · 开发者博客AI 评分3636 NVIDIA TensorRT Model Connect 构建经验：专为 AI 原生设计
NVIDIA 开源了基于 TensorRT 的 AI 模型参考实现库 TensorRT Model Connect。该项目围绕编码智能体设计，采用了并行工作、模型族隔离、可逆变更和 GPU 验证等核心原则。
KDnuggetsAI 评分4040 如何用 AI 将 Excel 数据转化为 PowerPoint 演示文稿
Julius 的 AI 演示文稿生成工具可将 Excel 或 CSV 数据转换为可编辑的 PowerPoint。先明确演示需回答的问题，检查数据并确认关键指标，再生成包含图表和核心结论的幻灯片。示例中展示了如何通过对比两个季度的收入和广告支出，计算出各渠道变化及广告投入产出比，确保内容基于验证后的数据，不添加未提及的假设或成本。
Simon WillisonAI 评分4040 Photo Scrubber —— 本地人脸模糊与元数据移除工具
Simon Willison 利用 GPT-6 Astra 构建了一个实验性工具 Photo Scrubber，用于在本地自动识别并模糊照片中的人脸。该工具基于 Google 的 MediaPipe C++ 库和 BlazeFace 人脸检测模型，通过 WebAssembly 在浏览器中运行，旨在保护隐私。
AWS · AI 博客AI 评分2828 Amazon Quick 提示工程基础：提升 AI 功能响应准确性的关键原则
Amazon Quick 的提示工程决定了其 AI 功能对自然语言请求的响应准确性和可靠性。本文介绍了适用于所有 Quick 功能的核心原则和结构化框架，包括通过具体性提升清晰度、利用上下文增强相关性、用示例替代抽象描述等方法。CRISPE 框架提供了一种通用的复杂请求结构，涵盖上下文约束、角色责任、意图输入和步骤范围等要素。
AWS · AI 博客AI 评分3131 Amazon Quick 的提示工程：组件解析与常见误区
Amazon Quick 的提示工程通过不同组件实现差异化处理，本文解析了 Quick Research、Quick Flows 和 Quick Sight 的提示设计模式与陷阱。
AWS · AI 博客AI 评分5050 AWS 博客：使用 Amazon Quick 和 Amazon Bedrock AgentCore 构建 AI 驱动的合同智能平台
AWS 博客介绍了一个结合 AI 智能体进行结构化提取和 RAG 进行文档检索的混合架构，用于处理大规模合同文档。该平台使用 Claude Sonnet 进行字段提取，Claude Haiku 进行独立验证，并在签名检测出现分歧时调用 Amazon Textract 作为裁决器。
Replit 博客精选AI 评分7777 Replit Agent 发布支持模型自主决策的新功能
Replit Agent 发布新功能，允许 GPT-6 Astra 等模型在任务执行中自主决定子代理层级、努力程度和复用策略，实现动态 delegation。在 DeepSWE 和 Terminal-Bench 基准上，该架构在成本与性能上均优于 Astra 单独运行及侧边工架构，且无需修改提示或框架。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
AWS · AI 博客AI 评分2424 Condé Nast 如何利用 Amazon Bedrock 构建多模态视频发现系统
Condé Nast 与 AWS 生成式 AI 创新中心合作，基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建了 AI 驱动的多模态视频发现解决方案。
Cloudflare · AIAI 评分4949 Cloudflare 使用前沿 AI 模型测试其 WAF 的发现
Cloudflare 使用前沿大语言模型对其 WAF 进行动态安全测试，模拟黑客行为迭代攻击载荷。在针对授权客户测试环境的 1107 次攻击尝试中，绝大多数被 WAF 成功拦截。少数未被拦截的请求帮助 Cloudflare 创建了新的检测规则，以增强所有客户的安全防护。
Cloudflare · AIAI 评分3131 Cloudflare 如何利用 AI 规划后量子迁移路线
Cloudflare 正在开发名为 CryptoLabe 的内部 AI 工具，以推动其平台在 2029 年前实现全面的后量子就绪。该工具通过两阶段扫描，在代码库中发现并理解加密技术的使用情况，并生成迁移进度指标。CryptoLabe 高度定制于 Cloudflare 的内部系统，公司分享了相关经验以帮助其他组织进行后量子迁移。
IEEE Spectrum · AIAI 评分1919 揭秘 IC-STAR：从数字到模拟的全流程自主芯片设计
IC-STAR 技术旨在实现从数字到模拟的芯片设计全流程自主化，让工程师从手动管理工具转向定义目标并监督 AI 驱动执行。该技术整合了四项关键技术以实现硅片设计自主，并已在实际生产中部署，例如 Ambiq 公司已应用自主 AI 加速复杂工程工作流。
Google · Gemini 博客AI 评分2121 Gemini 助力布鲁克林杂货店主实现餐饮运营自动化的三种方式
布鲁克林杂货店 Edy's Grocer 使用 Gemini 将家庭食谱按需转换为大型餐饮批量配方，并自动生成按货架分类的购物清单。Gemini 还能快速提供符合饮食限制的创意食材替换方案，帮助店主节省行政任务时间，专注于推广黎巴嫩美食与文化。
LangChain 博客精选AI 评分6262 LangChain发布Jev与LangGraph协同构建生产级智能体
LangChain联合TypeSafe AI发布Jev决策模型，与LangGraph协同构建生产级智能体。Jev在结构化决策任务上比主流LLM快200倍、便宜400倍，支持并行、可预测、自一致的判断输出。
推荐理由：原文给出了Jev与LangGraph结合使用的方法和性能对比，读者可据此评估其在生产系统中的部署价值。
InfoQ · AI/MLAI 评分3939 Forter 演讲：如何在两周内将 200 名团队成员转变为 AI 智能体构建者
Forter 的 AI 工程团队通过为期两周的冲刺黑客松，成功让约 200 名研发人员（包括非技术背景的分析师）亲手构建了自己的 AI 智能体。团队为此创建了一个内部 MCP 服务器作为工具平台，并提供了多种框架选择，以降低构建门槛并帮助参与者建立对 AI 能力的直觉。
开源中国AI 评分5050 Strands 开源组装好的 Agent harness，同模型下可节省 28% token
Strands 开源了一个组装完整、可定制的通用 Agent harness，号称只需一行代码即可接入任意模型。项目声称使用该 harness 能在相同模型下节省 28% 的 token。
TechCrunch · 融资并购AI 评分3434 Synthesia 为记者创建可交互数字分身
视频生成初创公司 Synthesia 为一名记者创建了其专属的可交互数字分身，该分身仅能回答关于其特定报道《为何风投支持的初创公司欺诈更多》的问题。该交互分身结合了语音转文本、视频、语言和文本转语音模型，企业客户还可选择集成 Cartesia、ElevenLabs、Google 或 OpenAI 的模型。
GitHub Blog · AI & MLAI 评分4646 GitHub Copilot app 新手教程：如何用 canvases 构建自定义工作流
GitHub Copilot app 的 canvas 功能允许用户通过自然语言描述创建可自定义的共享界面，如看板或仪表盘。用户只需在会话中输入 `/create-canvas` 技能并描述所需工作流，智能体便会自动生成并打开界面。该界面支持双向实时协作，用户和智能体均可直接操作控件更新内容，且创建好的 canvas 可保存为扩展供重复使用。
Amazon ScienceAI 评分3636 Reactor 与 Amazon Neuron Science 团队合作实现 Trainium 上实时视频生成的内核优化路径
Reactor 与 Amazon Neuron Science 团队合作，通过内核优化策略在 Trainium 上实现世界模型的实时视频生成。他们采用 Rolling Forcing 技术，该技术能以 16 帧每秒的速率生成高质量视频，满足实时播放需求。此次优化结合了世界模型的长序列生成能力与 Trainium 的高性能计算和内存支持，为未来实时视频生成模型提供了基础。
GitHub Blog · AI & ML精选AI 评分5656 GitHub Security Lab 发布 AI 驱动的模糊测试 Taskflow Agent
GitHub Security Lab 发布了 Fuzzing Taskflow，这是一个基于 LLM Agent 的自动化模糊测试管道，用于 C/C++ 项目。
推荐理由：原文详细介绍了自动化模糊测试管道的架构、工作流程和实际使用方法，为安全研究人员提供了可复现的工程实践。
ZDNet · AIAI 评分99 Apple Watch Series 12 与 Ultra 4 随机重启问题及 watchOS 27.0.1 修复方案
Apple 已发布 watchOS 27.0.1 更新，以修复 Apple Watch Series 12 和 Ultra 4 设备上出现的随机重启问题。该问题可能与 Neural Engine 超时有关，用户可通过 iPhone 或手表本身的设置菜单下载并安装此更新。
Machine Learning MasteryAI 评分4848 AI 智能体与工作流：判断何时需要智能体的实用测试
文章提出了一个核心测试来区分 AI 工作流与智能体：能否在模型运行前绘制出完整的任务流程图。若能，则构建工作流；若后续步骤取决于执行中的发现，则可能需要智能体。文章还提供了一个包含五个要点的检查清单，用于在构建前根据输入可变性、成本延迟、审计合规等需求做出决策。
Vercel 博客AI 评分2929 Klaviyo 如何在 Vercel 上两周内交付 356 个内部应用
Klaviyo 在 Vercel 上构建了一个内部应用交付平台，并向全体员工开放。该计划启动前两周，超过 2000 名员工中的 512 名构建者共部署了 356 个应用，其中 196 个为拥有独立数据库的全栈应用。
NVIDIA · 开发者博客AI 评分3535 NVIDIA 指南：在 AI 工作负载部署前验证 GPU 集群就绪状态
NVIDIA 发布指南，强调在 AI 工作负载实际部署前验证 GPU 集群就绪状态的重要性。即使所有 GPU、网络链路和容器都报告健康，一个 512-GPU 的训练任务仍可能因单个慢速 GPU 或链路在负载下性能下降而失败。该指南旨在帮助运维人员提前发现潜在问题，避免任务在运行数小时后才遭遇性能不佳或失败。
Together AI精选AI 评分5757 如何用 17 美元训练自己的 Jev 分类模型
Together AI 发布教程，指导用户用 Qwen3.5 4B 作为基础模型，通过 38,000 个示例数据集微调出类似 Jev 的分类模型，成本仅 17 美元。教程包含数据集选择、数据标准化、模型训练和部署到 API 端点的完整流程，最终模型可处理客户支持意图识别等分类任务。
推荐理由：详细展示了如何用 17 美元和 25 分钟训练一个分类模型，包含数据集选择和部署步骤。
LangChain 博客AI 评分3030 The Reliability Layer for Healthcare AI: Common LangSmith Use Cases
两家医疗AI组织使用 LangSmith 将临床专家判断转化为可复用的评估资产，以提升系统准确性并减少人工审核负担。他们通过构建标注数据集、校准评估器和自动化发布门禁，使专家意见在多个测试和迭代中持续生效。Abridge 采用参考无关和参考相关的评估方法，分别直接评分和对比特定医学场景的示例，兼顾广泛性和精确性。
PyTorch 博客精选AI 评分6969 Shopify 如何用 PyTorch 和 vLLM 构建持续学习循环
Shopify 分享了其构建持续学习循环的完整方法，使专用模型在质量上超越前沿模型，同时将服务成本降低 96%。该方法始于定义质量评估标准并校准离线评估器，然后通过自动化研究优化提示和工具定义，再利用生产中的困难案例通过强化学习更新模型权重。
推荐理由：Shopify 分享了从评估标准定义到模型压缩的完整工程实践，为构建持续学习系统提供了具体路径。
NVIDIA · 开发者博客AI 评分3030 NVIDIA 如何利用 AI 智能体和 Isaac ROS 加速 ROS 2 节点
NVIDIA 通过将 AI 智能体与 NVIDIA Isaac ROS 结合，加速 ROS 2 节点，以解决 GPU 加速机器人工作负载时因消息在节点间序列化或通过 CPU 内存复制而导致的性能瓶颈。该方法旨在确保感知和 AI 工作负载在 GPU 上的性能优势。
Together AIAI 评分5151 Together AI 推出生产环境模型滚动升级方案
Together AI 发布 Canary rollouts 功能，支持在生产环境中无停机升级模型。该功能提供三种升级策略（Canary、Blue-green、Rolling），包含详细的健康检查机制和回滚方案。用户可通过 CLI、REST API 或 Python SDK 控制升级流程，系统会确保容量充足且流量只导向已就绪的副本。
NVIDIA · 开发者博客AI 评分4343 NVIDIA 如何评估 AI 智能体：从工具调用到任务完成
NVIDIA 提出 AI 智能体评估需从评估单一函数调用转向评估完整任务完成度。关键在于衡量智能体能否在真实环境中执行包含数十个顺序工具调用的工作链，并在步骤失败时恢复。仅评估模型输出“听起来”是否正确，无法判断工作是否实际完成。
PyTorch 博客精选AI 评分5555 TinyTorch：一个纯 Python 教学框架，让你从零构建 PyTorch
TinyTorch 是一个免费开源的纯 Python 教学框架，旨在让学生从零开始构建一个可工作的 ML 框架，涵盖从张量到 Transformer 的 20 个模块。它完全复刻 PyTorch API，无需 GPU，在仅 4 GB 内存的笔记本电脑上即可运行。该项目源于哈佛大学的课程，现已发展为包含自动评分、里程碑验证和社区地图的完整教学体系，并被全球多所大学采用。
推荐理由：文章详细拆解了 TinyTorch 作为教学框架的设计哲学和模块结构，为教育者和自学者提供了清晰的实施蓝图。
NVIDIA · 开发者博客AI 评分2020 NVIDIA AIPerf 大规模大语言模型推理基准测试
NVIDIA 发布了 AIPerf 基准测试工具，用于评估大语言模型在真实生产环境中的推理性能。该工具解决了单进程性能限制和 Python GIL 并发瓶颈等问题，能更准确地衡量模型部署后的实际速度。
Hamel HusainAI 评分2727 AI Evals：一切你需要知道的
AI Evals 是用于测试 AI 系统是否符合预期目标的评估方法，能帮助团队发现产品偏离用户需求或业务目标的问题，并提供改进数据。常见评估基准包括 GPQA Diamond、Terminal-Bench 和 MMLU，用于衡量模型在科学推理、命令行任务和多领域知识上的表现。评估设计建议使用二元（通过/失败）评分而非 1-5 分评分，并需注意评估工具的选择与标注流程的优化。
Together AIAI 评分3232 Together AI 推出 Dedicated Model Inference 支持 GLM-5.2 编码智能体高并发负载
Together AI 为一家全球金融科技公司部署 Dedicated Model Inference，支持 GLM-5.2 在 256K 上下文窗口下实现高并发编码代理负载，峰值并发达 178K tokens。该方案提供自服务端点控制、可编程指标 API 与模型灵活切换能力，实现零停机配置更新与团队级可观测性。
fal 博客精选AI 评分6363 fal 平台详解 H3 Max 视频模型的训练、部署与分发全流程
fal 平台发布文章，详细介绍了视频生成模型 H3 Max 如何在其平台上完成从训练、部署到分发的全生命周期。H3 Max 在 fal Compute 上进行后训练，以在保持质量的同时最小化推理时间。
推荐理由：原文详细拆解了从模型训练优化到大规模部署的完整技术栈，展示了如何通过基础设施设计同时降低推理延迟和端到端延迟。
LangChain 博客AI 评分4242 Included Health 如何用 LangGraph 和 Deep Agents 构建联邦医疗智能体
Included Health 通过 LangGraph 和 Deep Agents 构建了一个联邦医疗智能体架构，用于其 AI 驱动的医疗导航平台 Dot。该架构允许智能体在不同子流程间保持语气和行为一致性，并通过共享文件系统传递上下文信息，避免用户重复说明。Deep Agents 还支持将临床能力封装为技能，供各智能体按需调用，提升对话的自然度和导航效率。
GitHub Blog · AI & ML精选AI 评分7070 GitHub Copilot 运行时使用 Copilot 自身重写为 Rust
GitHub Copilot 团队使用 GitHub Copilot 应用和 CLI，将 Copilot 智能体运行时从 TypeScript 完全重写为超过 80 万行生产级 Rust 代码。该项目主要由一名开发者在几个月内完成，性能提升了数个数量级，并支持通过 C ABI 进行进程内嵌入，为所有六种 SDK 语言版本提供了更优的性能和资源使用方案。
推荐理由：原文详细记录了用 AI 辅助将核心运行时从 TypeScript 重写为 Rust 的完整过程、技术决策和量化结果，为大规模工程迁移提供了具体参考。
NVIDIA · 开发者博客AI 评分3333 NVIDIA 如何利用 AI 智能体为仿真准备 3D 场景
AI 智能体工作流可用于为物理 AI 系统准备和验证数字孪生。智能体能检查 3D 场景、在 OpenUSD 中编写仿真相关数据、添加物理属性、渲染预检视图，并根据仿真就绪（SimReady）要求验证结果。该流程可将 Blender 中的场景转化为仿真就绪的 OpenUSD 文件。
NVIDIA · 开发者博客AI 评分3838 NVIDIA cuTile Rust 如何利用智能体 AI 将 CUDA Tile 操作从 Python 翻译到 Rust
NVIDIA 的 cuTile Rust 库借助智能体 AI 工具，可将基于 CUDA Tile 的 GPU 内核操作从 Python 自动翻译为 Rust 代码。该库将 Rust 的所有权模型扩展至基于 tile 的 GPU 内核，将可变输出拆分为互不相交的部分，并在内核启动间保持主机端的所有权契约。程序员在需要底层控制时，也可选择局部退出此安全模型。