OpenAI 如何构建 ChatGPT 广告栈以提升用户信任与相关性
OpenAI 介绍其如何构建由 LLM 驱动的 ChatGPT 广告栈，用于理解对话意图、保持广告与回答分离，并规模化交付相关广告。
推荐理由：文章概述 ChatGPT 广告栈利用 LLM 理解对话意图并隔离广告与回答的构建思路，便于对照其相关性与信任设计。
内容类型
教程实践 最新动态
拿来就能用的实操内容：提示词技巧、工作流搭建、工具用法与踩坑经验。
190 条精选近 30 天 173 条共收录 223 条
更新
精选归档 · 第 5 页
OpenAI News精选AI 评分4141 OpenAI News精选AI 评分3737 OpenAI 联合 PerturbAI 与 Scripps Research，用数千 AI agent 在脑细胞数据中发现新线索
OpenAI、PerturbAI 与 Scripps Research 合作，用分布式 AI agent 处理来自数百万脑细胞的数据并挖掘出新的研究方向。文章介绍了三方如何借助多 agent 协作推进复杂生物研究。
推荐理由：原文介绍了用分布式 AI agent 处理数百万脑细胞数据的研究方法，可作为同类生物数据研究的参考。
Hacker News精选AI 评分3232 Rohan Mahtani：多数建议只适合给出建议的人
Rohan Mahtani 认为，多数建议只对提出者本人有效，读者应结合自身处境、目标和工作方式判断是否适用。他建议在重大决定前设计小规模实验获取真实数据，并区分表达的自信与实际能力、证据。文中还引用一项今年发表于 Science 的 Stanford 研究，称聊天机器人提供个人建议时，赞同对方的频率比人类高 49%，因此更适合作为辩论伙伴而非答案来源。
推荐理由：文章将判断建议落到核对情境、设计小实验和审视证据上，为避免照搬经验或被自信说服提供可迁移的方法。
Latent Space精选AI 评分6464 Tenex 如何为 Fortune 2000 构建 AI 原生 SDLC
Tenex 以结果导向薪酬、MetaHarness 和智能体工作流构建 AI 原生 SDLC，客户覆盖 Fortune 2000 与中型企业。其 75 人团队把计划、决策和代码记录在 Git 中，Alex 称工程师产出较去年约翻倍。原文链接 https://www.latent.space/p/tenex
推荐理由：文章把 Tenex 的结果导向薪酬、Git 项目记录与智能体工作流放在同一研发流程中，呈现模型提升产出后非编码工作如何被纳入评价。
AWS Machine Learning Blog精选AI 评分5959 Smartsheet MCP Server 接入 Amazon Quick 与 Kiro 的实践指南
Smartsheet 已正式推出 MCP Server，本文介绍如何将其接入 Amazon Quick 和 Kiro，让 AI 智能体用自然语言读取、写入并管理 Smartsheet 数据。
推荐理由：教程分别给出 Amazon Quick 与 Kiro 的接入配置，并对比托管部署与本地轻量连接的适用场景。
AWS Machine Learning Blog精选AI 评分6464 在 Amazon SageMaker HyperPod 上微调 GPT-OSS-20B 提升多语言推理能力
AWS 团队在 Amazon SageMaker HyperPod 上用 SFT 和 GRPO 微调 GPT-OSS-20B，使模型能按指令以英语、法语、德语、西班牙语或意大利语进行推理和回答。
推荐理由：文章提供从数据、LoRA 训练到评测的完整流程，并用 SFT 与 GRPO 对照给出按模型能力缺口选择微调方法的判断框架。
AWS Machine Learning Blog精选AI 评分7171 使用 AWS Agent Registry 在运行时发现并调用 MCP 服务与智能体
AWS Agent Registry 可让编排智能体在运行时搜索已批准、可发现的 MCP 服务、其他智能体和技能，并按描述符为当前请求实例化客户端。文中用 Python 样例实现“发现→实例化→执行”循环，覆盖仅 MCP、MCP+A2A 和语义匹配三类请求；Registry 只提供连接元数据，调用凭据由 Cognito OAuth 或 Boto3/IAM 单独处理。
推荐理由：文章拆解了按请求发现、实例化并执行能力的完整链路，并给出审批、鉴权分离与观测实现，适合评估多工具智能体架构。
GitHub Blog · AI & ML精选AI 评分6767 3 位 Java Champion 如何用 GitHub Copilot 提高生产力
GitHub Blog 采访 3 位拥有 10 年以上 Java 经验的 Java Champion，介绍他们用 GitHub Copilot 提高生产力的实践与人工把关原则。
推荐理由：3 位 Java Champion 的案例覆盖迁移、调试与智能体协作，并给出需求澄清、验证门禁和人工复核等可迁移方法。
AWS Machine Learning Blog精选AI 评分6060 如何在 AWS 上用 AtScale 与 Amazon Bedrock AgentCore 构建智能体语义层
AWS 教程在 AtScale 与 Amazon Bedrock AgentCore 上构建 Customer 360 语义层，让 Strands 智能体和现有 BI 工具共用同一套指标定义。
推荐理由：教程完整展示 SML 语义模型、MCP 接入、身份权限与查询下推，可供团队搭建受治理的企业数据智能体。
AWS Machine Learning Blog精选AI 评分6565 在 Amazon Bedrock AgentCore 上用 Denodo 搭建 Agent 用语义层
AWS Machine Learning Blog 发布教程，演示用 Denodo 在 Amazon Bedrock AgentCore 上搭建面向 Agent 的企业语义层。
推荐理由：通过具体实现演示语义层、Agent 运行时和身份传递如何衔接，可作为跨多源企业数据接入 Agent 的参考。
Hacker News精选AI 评分5454 推测解码为何能提升速度
推测解码变快不是因为减少了每个 token 的工作，而是低批量时用更多总 FLOPs 填补 GPU 的空闲算力。小型草稿模型先提出一段 token，大模型在一次前向传播中并行验证，用同一序列的“深度”替代多序列的“广度”。
推荐理由：文章以内存受限和计算受限作对照，解释低批量场景下推测解码用更多总 FLOPs 换取更快生成的原因。
Hacker News精选AI 评分4848 Vite+：面向 AI 智能体开发的工具链
作者在四个项目中使用 Vite+ 的 `vp create`、`vp check`、`vp test`、`vp build` 命令，为 AI 智能体提供统一工作流，避免命令分散和 CI 行为不一致。
推荐理由：作者把 Vite+ 的命令收敛成统一提示模板并给出 CI 从 4 分钟降到 50 秒的实测数据，方便读者直接套用到 AI 智能体工作流。
Hacker News精选AI 评分4242 在 ASUS ProArt P16 上安装 Arch Linux ARM 以本地运行 Qwen 推理
Arch Linux 包维护者 pfeifferj 在 128GB RAM、6,144 CUDA 核心的 ASUS ProArt P16 上跑通 Arch Linux ARM，让系统与 CUDA 共用 116.0 GiB 统一内存池。
推荐理由：作者在 ASUS ProArt P16 上跑通 Arch Linux ARM 并实测本地 Qwen 推理，给出统一内存池带来的显存差异和端侧部署的可复用路径。
GitHub Blog · AI & ML精选AI 评分3636 如何在 VS Code 中继续 GitHub Copilot App 会话
GitHub Blog 教程演示如何把 Copilot App 的会话直接在 VS Code 中打开，继续使用同一份任务记录、对话历史和 worktree，无需复制或重建上下文。
推荐理由：给出在 VS Code 中接力 Copilot 智能体会话的完整步骤，让审阅、手工修改、本地测试与 PR 推送共用同一会话上下文。
AWS Machine Learning Blog精选AI 评分4949 在 vLLM 中通过双向 KV 传输改善多轮智能体工作负载的 TTFT
vLLM 引入双向 KV 缓存传输机制，让 P-D 分离部署中的 decode 节点把保留的 KV 回传给 prefill 复用，从而降低多轮智能体场景的反复预填充开销。
推荐理由：在 1P1D 部署上以 Qwen3-32B 与 GLM-5-FP8 对比双向与单向 KV 传输的 TTFT 数据，读者可据此判断多轮智能体场景下是否值得启用。
AWS Machine Learning Blog精选AI 评分5454 vLLM 中基于推送模式的 KV 传输降低拆分解码推理的 TTFT 与 TPOT
AWS 工程师向开源推理引擎 vLLM 贡献了基于推送模式的 NIXL KV 传输连接器，将传输准备移到后台线程以缩短到首个 token 的关键路径。在 EC2 P5en 搭配 EFA 的 1P1D 部署中以 Qwen3-32B 基准测试，高负载下推送模式 TTFT 最高约为拉取模式的 3 倍，TPOT 改善约 30%；拉取模式仍适用于需要负载感知路由的工作负载。
推荐理由：给出了在 vLLM 中实现 push 模式 KV 传输的架构与复现步骤，读者可在自己的拆分解码部署中参考其后台线程与注册时机设计。
AWS Machine Learning Blog精选AI 评分3838 Deepgram 如何借助 AWS Trainium 规模化优化语音 AI 推理
Deepgram 与 AWS Forward Deployed Engineering 团队合作，将 Nova-3 语音转文字模型移植到 AWS Trainium2，在离线批量任务上每美元可处理的音频量较此前方案提升 11–70%。
推荐理由：完整记录 Nova-3 移植到 Trainium2 的工程步骤与吞吐成本收益，可作为同类语音模型推理优化的实操参照。
Hacker News精选AI 评分3737 Netflix 分享本体驱动的可观测性实践：构建端到端知识图谱
Netflix 技术博客发布文章《Ontology-Driven Observability: Building an End-to-End Knowledge Graph at Netflix》，介绍如何使用本体驱动方法构建端到端的可观测性知识图谱，并覆盖 Netflix 规模下的设计与落地思路。
推荐理由：原文介绍 Netflix 如何用本体驱动方法将可观测性数据组织成端到端知识图谱，读者可以参考其在规模化场景下的落地思路。
Hacker News精选AI 评分5151 《Harness Engineering 101》从零搭建 AI 智能体，把 LLM 当大脑、Harness 当身体
作者 Isuru Wijesiri 在 GitHub 开源《Harness Engineering 101》教程，以 16 章从零搭建一个约 300 行 Python 玩具智能体，把 LLM 当大脑、Harness 当身体。
推荐理由：用一个 300 行的 Python 玩具智能体把主流 Agent 框架共用的设计取舍拆成 16 章，读者可以把这套搭法迁移到自己的项目。
Hacker News精选AI 评分5252 Tmux 与 Claude Code 协作指南：会话、send-keys 及其局限
tmux 与 Claude Code 配合可为 AI 编程智能体提供可分离、可脚本化的会话环境。指南覆盖 --worktree --tmux 内置标志、多会话布局、send-keys 与 capture-pane 命令、.tmux.conf 关键配置及状态栏监控，并指出 tmux 在多智能体场景下无法识别智能体状态、屏幕抓取脆弱、跨会话无共享状态、滚动日志成本高等局限。
推荐理由：原文给出了 tmux 与 Claude Code 搭配的完整工作流配置，读者可直接复用 send-keys、capture-pane 等命令片段。