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。
#教程/实践
Hamel HusainAI 评分2727 TLDR AIAI 评分3434 Claude Projects v2 发布，Google 家庭智能体上线
Claude Projects v2 支持通过对话管理云端项目，利用线程实现并行操作并提升任务执行效率，目前处于 Beta 阶段，面向部分订阅者开放。Google 家庭智能体基于云计算机和账户运行，可处理家庭共享的邮件、文件和日历，协调最多六人活动，美国实验项目需排队等候。
vLLM 官方博客精选AI 评分6060 vLLM 新增 NVIDIA 硬件视频解码支持
vLLM 新增对 NVIDIA 硬件视频解码的支持，通过 PyNvVideoCodec 实现视频解码从 CPU 向 GPU 的迁移，显著提升多 GPU 节点上的视频字幕生成吞吐量。在 8xH100 配置下，GPU 解码性能超过 CPU 解码一倍以上。支持 Qwen/Qwen3-VL-8B-Instruct 等轻量多模态模型，适用于自动驾驶等场景的视频描述任务。
推荐理由：原文给出了硬件视频解码支持的接入方式和性能提升数据，读者可据此评估其对多GPU视频任务的优化效果。
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。
The Pragmatic EngineerAI 评分4343 AI Skills with Matt Pocock
Matt Pocock 讨论了他开发的“grill-me”技能，该技能通过持续提问用户来帮助 AI 智能体深入理解任务。他提到该技能灵感来自 Anthropic 的 Thariq Shihipar，并强调使用“tracer bullets”等引导性术语可提升智能体编码效果。摘要还提到他将编码流程转向云智能体以实现协作，并探讨了代码库需为“无记忆同事”优化的开发理念。
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。
Neo4j 博客AI 评分1111 What is graph visualization? 的中文翻译
图可视化工具通过将连接的数据转化为直观的交互式图表，帮助用户理解数据点之间的关系和影响。节点代表实体，关系以线条连接，属性控制颜色、大小等视觉元素。图可视化在欺诈检测、供应链映射和 AI 智能体记忆分析等场景中尤为关键，能揭示传统图表难以发现的多跳路径关联。Neo4j 提供了 Bloom、Dashboards 和 Visualization Library 等工具支持图可视化。
Together AIAI 评分3333 Together AI 推出从闭源到开源模型的迁移策略
Together AI 发布从闭源模型向开源模型（OSM）迁移的完整策略，支持通过托管服务实现数周至数月的快速迁移，显著降低技术复杂度。该策略强调基于真实业务负载的评估，推荐使用 FrontierCode、LMArena、τ-bench 等基准，并结合实际流量回放进行性能与成本验证。最终目标是实现与闭源模型相当或更优的准确率与延迟表现，支持企业平稳过渡至开源生态。
Neo4j 博客AI 评分2525 图、知识图谱与上下文图谱：你需要哪一种？
图用于展示数据中实体之间的关系，知识图谱在此基础上添加业务定义和组织原则以解释关系含义，上下文图谱则在特定任务或决策时提供相关背景信息。知识图谱可帮助统一企业数据视角并支持 AI 响应与业务逻辑对齐，而上下文图谱能提升 AI 智能体的决策准确性并减少幻觉。GraphRAG 则利用图技术从知识图谱或上下文图谱中检索关联信息，增强 AI 生成内容的相关性。
Neo4j 博客精选AI 评分5858 Neo4j 博客：用富图结构提升AI金融风控效率
Neo4j 博客通过实验对比原始图数据与预计算图指标（如社区检测、中心性）对AI检测金融欺诈的效果，发现富图结构能显著提升模型识别合成身份、可疑桥接账户和洗钱环路的精度与效率，避免模型在大量上下文token中无效消耗。实验使用3万账户、500万交易的合成数据集，验证了预计算拓扑指标对AI代理的增强作用。
推荐理由：通过对比原始图数据与预计算图指标对AI检测金融欺诈的效果，展示了结构化语义层如何提升模型效率与精度。
NVIDIA · 开发者博客AI 评分3535 NVIDIA 博客：稠密模型与 MoE 模型对比——激活参数量、吞吐量与选择时机
NVIDIA 博客对比了稠密模型与混合专家（MoE）模型架构的核心差异。以 Nemotron 3.5 Lightning 为例，其总参数量为 300 亿，但每个 token 仅激活约 30 亿参数，这得益于 MoE 架构仅选择部分专家网络处理输入。文章分析了两种架构在激活参数量、推理吞吐量以及适用场景上的权衡。
NVIDIA · 开发者博客AI 评分2525 NVIDIA Groq 3 LPX 确定性执行如何驱动 NVIDIA Vera Rubin 平台实现高能效、高交互性推理
NVIDIA Groq 3 LPX 确定性执行技术提升了 NVIDIA Vera Rubin AI 平台的能效与交互性。该技术旨在最大化有限功耗预算下的输出，将性能功耗比作为衡量 AI 平台价值的最终标准。
Google · Gemini 博客AI 评分2121 Gemini：4 种方式帮你应对家务琐事
Gemini 可通过 4 种方式帮助用户处理家务，如家电维修指导、定制化饮食计划、家庭支出跟踪和大型购物比较。用户可通过上传收据、使用 Gemini Live 拍摄冰箱内容或询问汽车对比信息，获得即时分析与建议。该功能基于 Google AI & Economy ATLAS v1.0 研究，显示超过 86% 的对话式 AI 交互发生在非工作场景。
NVIDIA · 开发者博客AI 评分3030 NVIDIA FLARE 如何跨 Docker、Kubernetes 和 Slurm 扩展联邦学习
NVIDIA FLARE 提供了跨 Docker、Kubernetes 和 Slurm 等异构基础设施扩展联邦学习工作流的能力。该框架使多个研究项目能在共享的 GPU 资源上保持隔离运行，同时确保每个参与组织对其数据和计算资源保持控制权。
LangChain 博客AI 评分5050 LangChain 博客：欧洲与中东地区智能体规模化实践——来自施耐德、沃达丰和monday.com的案例
LangChain 博客分享了施耐德电气、沃达丰和monday.com在欧洲与中东地区规模化智能体的实践经验。
LangChain 博客精选AI 评分5555 LangChain 发布付费媒体智能体并开源
LangChain 发布用于管理付费广告的智能体，支持跨平台数据整合、自动分析与提案，已开源并可通过 Managed Deep Agents 部署至 Slack。该智能体在六个月内使付费媒体贡献营销管道比例从 0 提升至 20%，成本下降 30%，并实现了 40 倍的报告生成效率提升。
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。
NVIDIA · 开发者博客AI 评分3131 NVIDIA Transformer Engine 在 JAX 中加速无丢弃 MoE 训练
NVIDIA Transformer Engine 通过优化 JAX 中的专家路由，实现了无丢弃的 MoE 训练加速。该技术消除了传统 MoE 训练中因容量因子限制而丢弃 token 的现象，提升了训练效率。
IEEE Spectrum · AIAI 评分1212 IBM 举办“负责任 AI 高等教育”互动网络研讨会
IBM 将举办一场关于“负责任 AI 高等教育”的免费互动网络研讨会。会议将介绍 AI 类型、探讨相关担忧、分享 IBM 的负责任 AI 方法，并以 AI 智能体 IBM Bob 为例进行案例应用。参与者还可通过问答环节进行互动。
Weights & BiasesAI 评分4242 RAG 管道教程：常见陷阱（及如何修复）
本教程演示如何使用 LangChain 构建基于文档的问答管道，涵盖分块、嵌入向量、检索、引用和 Weave 评估等步骤，并修复常见陷阱。教程包含具体实现流程和工具使用方法，适合希望优化 RAG 系统的开发者参考。内容基于开源框架，未提及具体模型版本或参数规模。
LangChain 博客精选AI 评分6161 LangChain 发布 GTM 智能体功能
LangChain 发布 GTM 智能体，可自动处理新线索的调研与邮件草稿生成，并聚合账户级信号以支持销售与工程团队。该功能基于 Deep Agents 构建，支持多工具协同、人类审核、学习反馈循环，并已集成至 Slack 与 LangSmith。
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。
LangChain 博客AI 评分3232 Credit Genie 如何用 OpenWiki 保持代码库文档更新
Credit Genie 采用 LangChain 的 OpenWiki 工具，自动化生成和维护代码库文档，解决了文档过时和部落知识问题。该系统每日通过 GitHub Pages 提供统一的可搜索界面，并在代码库中 openwiki/ 文件夹自动生成文档更新。团队通过此工具提升了跨系统协作效率，减少了手动维护需求，目前正计划整合内部跨仓库知识图谱以增强其智能性。
GitHub Blog · AI & MLAI 评分4343 GitHub Copilot 如何实现从策划到跟进的营销活动自动化
GitHub 日本与韩国营销负责人利用 GitHub Copilot 和 GitHub Actions，将营销活动从策划到跟进的全流程自动化。该系统以 GitHub Issue 为起点，通过 Issue 表单、标签和 Actions 工作流，自动处理活动落地页创建、链接生成、邮件发送、CRM 数据同步等重复任务。
InterconnectsAI 评分2121 Open-Source AI & Open Models Reading List
一份涵盖近年关于开源模型的精选阅读清单，包含对开源模型定义、商业策略、安全风险及未来经济影响的分析。清单涉及 Meta 发布 Llama 3 的动机、中美开源模型竞争现状、中国开源历史及结构优势等内容，引用了 Bill Gurley、Mark Zuckerberg、Nathan Lambert 等人的文章。
NVIDIA · 开发者博客AI 评分2525 NVIDIA NIM 全栈优化如何为 Nemotron 3 Ultra 实现 2.5 倍用户并发提升
NVIDIA NIM 通过全栈优化，使 Nemotron 3 Ultra 模型在保持交互性的前提下，支持的并发用户数提升了 2.5 倍。该优化对于提示词较长、需跨步骤复用上下文的智能体 AI 工作负载尤为重要。
Google · AI BlogAI 评分1515 Google Search 的 3 种方式助你备战下一场大赛
Google Search 的 AI 功能可帮助跑者制定个性化训练计划、创建定制播放列表和选购合适装备。用户可通过 AI Mode 中的 Canvas 工具生成包含交叉训练和力量训练的详细日程，并连接 YouTube Music 账户获取跑步歌单。此外，借助涵盖超 600 亿产品列表的 Shopping Graph，Search 能提供符合预算等限制条件的装备推荐与比价。
Together AIAI 评分3939 Together AI 在 NVIDIA Vera Rubin NVL72 上部署 ThunderKittens 2.0 GEMM 内核
Together AI 在 NVIDIA Vera Rubin NVL72 平台上部署了 ThunderKittens 2.0 GEMM 内核，实现 NVFP4 和 FP8 矩阵乘法运算，但性能仅达到理论峰值的 42.1% 和 44.4%。
NVIDIA · 开发者博客AI 评分2424 NVIDIA Dynamo 何时使用 Encode-Prefill-Decode 解耦以加速多模态模型推理
NVIDIA 介绍了使用 Encode-Prefill-Decode (EPD) 解耦技术来优化多模态模型推理。该技术将视觉编码器阶段与预填充和解码阶段分离，尤其适用于图像密集型提示词、中短输出及量化 MoE 模型。结合 NVIDIA Dynamo 使用，可实现高达 5 倍的推理加速。
Google · Gemini 博客AI 评分2020 Gemini 如何用四种方式简化行政事务处理
Gemini 提供四种方式帮助用户快速处理行政事务，包括填写表格、参与公民生活、查找政府机构和获取社会服务信息。用户可通过提示词获取具体步骤和所需文件清单，如“注册纽约市购买的二手车需要哪些文件和费用”。超过 40% 的用户在处理政府事务时会咨询 Gemini，以理解复杂流程和术语。
Mistral AIAI 评分4848 Mistral AI 如何用智能体现代化复杂遗留代码
Mistral AI 帮助一家欧洲能源运营商将 40,000 行 Fortran 77 代码迁移至 C++，并重构了物理密集型的油藏模拟器架构。项目首先构建了数值对等性验证框架，确保新旧代码输出一致，并利用上百个 AI 智能体自动解析代码调用树、整合分散文档。通过采用“规划-编码-测试-评审”的多智能体工作流与人机协同检查点，最终在保障代码质量的同时完成了现代化重构。
Together AIAI 评分5050 Together AI 详解开源AI栈：从模型选择到工具集成的完整指南
Together AI 发布了一篇关于开源AI栈的深度指南，将栈分解为模型、推理、网关、工具等独立层，并解释了如何组合这些组件来构建自定义的AI开发工作流。
Neo4j 博客AI 评分4242 决策轨迹在上下文图中是什么？它们如何揭示智能体的推理过程
决策轨迹记录了AI智能体在做出决策时的推理步骤、工具调用和上下文信息，使决策过程可追溯和可查询。这些信息存储在上下文图中，与对话、事实和其他相关数据保持连接，便于后续审查和分析。决策轨迹支持可解释性、调试、合规审查、一致性提升和跨智能体的知识共享。
LangChain 博客AI 评分5252 LangChain 发布多智能体系统中的上下文管理新模式
LangChain 在 deepagents 框架中引入了 subagent 的两种上下文模式：isolated（隔离）和 fork（分叉）。isolated 模式下子智能体从零开始，仅接收任务描述；fork 模式下子智能体继承监督智能体的完整对话历史，避免重复上下文获取。
Weaviate 博客AI 评分3838 Building Foundry 第三部分：从档案库到创意搜索
Building Foundry 第三部分介绍了如何将现有档案库转化为可搜索的创意资源库，通过只读扫描、准备元数据并同步至 Weaviate 实现。该流程生成包含文件名、路径、类型、标签、描述和源 URI 的记录，无需移动或重命名文件。用户可通过关键词、语义或混合搜索模式查找内容，并通过项目、文件类型等过滤器缩小范围。
Neo4j 博客AI 评分5353 Neo4j 发布 Aura Agent 功能，支持无代码集成 Salesforce Agentforce
Neo4j 发布 Aura Agent 功能，实现 Salesforce Agentforce 与 Neo4j 知识图谱的无代码多智能体集成。该功能通过 MCP 协议连接，将图谱计算与工作流分离，使 Agentforce 仅需发送自然语言问题，Aura Agent 负责解析、执行 Cypher 查询并返回带证据的推荐结果，无需自定义代码。
Neo4j 博客AI 评分1818 Writing Cypher Queries That Don’t Lose Your Data
本文展示了如何编写不会丢失数据的 Cypher 查询，通过构建三个测试用户（Beyoncé、Kelly 和 Michelle）来演示查询逻辑对数据可见性的影响。Michelle 的账户未被首次查询返回，因其没有完成课程的关联，而查询条件要求用户必须有指向课程的注册记录。修正后，查询直接锚定用户自身，通过允许空值的表达式返回所有用户信息，包括课程列表和完成数量。
NVIDIA · 开发者博客AI 评分3434 使用 NVIDIA NemoClaw 构建记忆驱动型智能体
NVIDIA 团队利用 NemoClaw 构建了一个记忆驱动的“参谋长”智能体。该智能体通过维护一个名为“自我模型”的人类可读知识层来存储相关记忆，使 AI 能够理解并处理随时间变化的企业消息、决策、项目和职责等上下文信息。