openai

大数据在线

布局Agentic AI，亚马逊云科技组合拳再升级2026年被视为智能体爆发的元年，OpenClaw、Hermes等智能体的火爆，折射出产业界最为清晰的趋势：即人们不再满足于让AI写一首诗、画一张图，或者像个聪明的实习生一样回答问题，而是希望AI能够在真实业务场景的复杂工作流中自主推理、规划和执行。

为什么我把专利交底书做成 Skill昨晚我把一个新工具推到了 GitHub，名字叫 patent-mining-disclosure-skill。它不是一个“帮你润色专利文档”的小脚本，而是一个给 AI Agent 用的专利挖掘与交底书生成 Skill。

调查研究-168 MiroFish 本地化部署分析：主仓库、Zep Cloud、离线 Fork 与真正可控的多智能体沙盘最近 MiroFish 这个项目热度非常高。它的定位很有想象力：不是让一个大模型回答问题，而是让系统根据用户上传的现实材料，自动构建一个由大量智能体组成的“平行数字世界”，再通过这些智能体之间的互动、争论、传播和行为演化，推演一个复杂事件未来可能的发展方向。

七牛开发者

Skills 是什么？Claude 官方教你做一个好用的 SkillClaude Code 团队上周写了一篇文章，来讲述他们在内部是如何使用 Skills 的。借着他们这篇分享，我们来讲讲 Skill 是什么，以及如何参考 Claude Code 团队的经验来打造我们自己的好用 Skill。

七牛开发者

AI Agent 的 4 个工程关键词：Prompt、Context、Loop、Harness 到底是什么？这周，AI Agent 圈又出现了一个新词：Loop Engineering。它看起来有点陌生，但如果放到我们和 AI 的交互变化里看，就会自然很多。

跨 AI IDE 的协作痛点：用了五六个 AI 编辑器，提示词（Skills）该怎么统一管理？赶时间直接看：【💎 终极玩法：带有 Frontmatter 的按需路由分配（强烈推荐！）】当一个人/团队同时用着 Cursor、Claude Code、Codex、VSCode Copilot 甚至更多 AI 编辑器时，每个工具都有自己对 "Skills / Rules / Instructions" 的定义、路径约定和调用规则。没有人能强迫团队只用一种工具——这篇文章不打算做这件事，而是探讨：在多工具并存的现实里，如何让 Skills 的维护不变成噩梦。

把 GitNexus 接进 Codex：安装、索引、Web UI 和项目分析实操AI 编码工具读文件没问题，但遇到“项目怎么分层”“这个接口后面调用了谁”“改一个类会影响哪些流程”时，只靠搜索文件名和关键字就不够了。GitNexus 的思路是先把项目索引成代码知识图谱，再把这份图谱提供给 CLI、Web UI 和 MCP。接入 Codex 之后，Codex 可以直接读取 GitNexus 的项目上下文、功能聚类和执行流。

"Chat is dead"：OpenAI 正在杀死的不是聊天，是整个 AI 交互范式"Chat is dead."这不是某个 AI 悲观主义者的论断，而是 OpenAI 一位高级员工在接受《金融时报》采访时说出的原话。

【LLM技术全景】规模定律与模型演进：为什么模型越大越强？摘要：本文是《LLM技术全景：从Token到部署》系列第五篇。大语言模型最令人震撼的现象之一是"规模定律"（Scaling Law）——模型性能随参数量、数据量、计算量的增加而可预测地提升。本期将深入解析Scaling Law的数学原理（Kaplan定律、Chinchilla定律）、模型演进的关键里程碑（BERT→GPT→LLaMA），以及为什么"大力出奇迹"在Transformer架构下依然有效。

调查研究-166 VoxCPM 详解：一个值得重点关注的开源 TTS 项目这两年，语音大模型的发展速度非常快。过去我们谈语音合成，更多关注的是“能不能把文字读出来”“声音是否清晰”“有没有机械感”。但到了大模型时代，TTS 的目标已经不只是把文本转成语音，而是要让模型理解语气、情绪、角色、语言、方言、音色，甚至在一定程度上具备“声音设计”的能力。

AINative软件工程

Tool Schema 写得好，模型少出错：5 个工程师必知的设计原则很多团队在排查 LLM Function Calling / Tool Call 问题时，第一反应是加重试、加校验、加执行保护。但在生产环境里，一部分错误并不是执行阶段才出现的，而是在 schema 定义那一刻就埋下了。工具名含糊、description 太短、参数类型过于开放、required 字段随意设计，都会让模型在调用前就走偏。

AINative软件工程

LLM Prompt 版本管理工程实战：如何像管代码一样管理你的 Prompt2026 年初，某家做客服 SaaS 的公司，产品经理往客服机器人的 prompt 里加了三个词——"更有对话感"。

AINative软件工程

AI 写的代码，Review 要怎么改？我们团队的 15 条 PR 检查清单AI 辅助编码进入团队三个月后，很多 Tech Lead 会发现一个反直觉现象：代码产出变快了，Review 却没有变轻。以前一个 PR 的主要风险是“人有没有想清楚”，现在多了一类风险：代码看起来完整、命名像样、测试也能跑过，但它可能是在错误上下文里拼出了一套貌似合理的实现。

每天翻群翻到头疼，我做了个自动总结器——消息全程不离开本机你有没有这种感受：早上开完站会，拿起手机一看，项目群、运营群、技术交流群——三个群加起来 400 条消息，最重要的那条结论被淹没在表情包和「收到」里面，根本找不着。

Codex 大更新！不只写代码，6 套职业技能，开始接手知识工作流OpenAI 这次给 Codex 来了一波挺大的更新。先看几个数字，感受一下它现在的体量。Codex 现在每周活跃用户已经超过 500 万，从桌面版推出以来增长超过 6 倍。

调查研究-165 vLLM 深入浅出：从 PagedAttention 到生产级大模型推理服务如果你正在本地或服务器上部署大语言模型，迟早会遇到三个问题：显存不够、并发上不去、接口不好接。模型本身只是第一步，真正让模型稳定对外提供服务的是推理引擎。

《AI工程》：高质量提示词怎样设计？想要AI为你所用，高质量的提示词极具价值。所谓提示工程，是指精心设计指令，引导模型生成想要的结果的过程。

AI抢工作这笔账终于有人认真算了最近聊 AI 对工作的影响，最别扭的地方不是观点不够多，而是观点太多、证据太少。有人说大模型会让白领大失业，也有人说它只是新的 Excel。两边都能讲得很顺，但真到团队里做预算、改岗位、配培训，大家手里其实没几张能落地的表。

调查研究-164-NVIDIA DGX Station for Windows 解析：不是新显卡，而是企业本地 AI 超算最近 NVIDIA 发布了 DGX Station for Windows，官方标题非常直接：把“万亿参数 AI 超级计算机”放到每一张企业办公桌上。

调查研究-163-MiniMax M3 正式发布：1M 上下文、多模态、Coding Agent 与 Sparse Attention 到底意味着什么？写作时间：2026 年 6 月 1 日关键词：MiniMax M3、MSA、Sparse Attention、1M Context、Coding Agent、Open-weight、Claude Code、MiniMax Code