跳到正文
10月3日周六
  1. OpenAI News27

    GPT-6 系列模型选择与使用指南

    OpenAI 发布 GPT-6 系列模型使用指南,涵盖初创公司如何选择合适的模型、调整推理努力(reasoning effort)、优化提示词和技能(Skills)、协调工具以及为生产环境准备工作流。指南旨在帮助开发者充分发挥 GPT-6 系列的性能。

10月2日周五
  1. GitHub Blog · AI & ML28

    AI正在改变开发者工作方式:强化这3项技能

    GitHub指出AI正在重塑开发者工作流程,建议强化三项核心技能:学会定义问题并协调多个AI智能体协作;不盲目信任AI首个答案,用第二模型或自身判断进行验证;利用AI处理实现工作,腾出时间专注于需求理解、权衡评估和技术决策。GitHub Copilot已内置Rubber Duck智能体,用第二模型批判性检查计划、代码和测试。

  2. AWS Machine Learning Blog64

    在 Amazon Bedrock AgentCore 上构建环境智能体:从事件驱动信号到人机协作工作流

    Amazon Bedrock AgentCore 支持构建环境智能体(ambient agents),区别于传统的聊天式 AI 交互,环境智能体通过监听事件流(如 S3 文件上传、定时任务)自动触发任务执行,并在需要时调用 ask_human 工具暂停等待人工审批。

    推荐理由:文章给出了完整的环境智能体架构设计和代码实现,读者可以据此将 AWS 事件驱动基础设施与 AI 智能体结合,实现文档处理等场景的自动化。

  3. AWS Machine Learning Blog49

    在 AWS 上实现 Claude Platform 多环境访问

    在 AWS Organizations 中建立专用 AI Services 账户托管 CPonAWS 订阅和 workspace,workload 账户通过跨账户角色调用推理 API。配置三种访问模式:AWS 工作负载使用跨账户 SigV4 签名调用,开发者笔记本持有 workspace 范围的长期 API key,外部 CI/CD 环境通过 OIDC 联合获取短期凭证实现零持久化凭据访问。

9月30日周三
9月26日周六
9月25日周五
  1. GitHub Blog · AI & ML71

    GitHub Security Lab 发布基于 LLM Agent 的自动化模糊测试框架 Fuzzing Taskflow

    GitHub Security Lab 发布了 Fuzzing Taskflow,一个基于 LLM Agent 的自动化模糊测试管道,专为 C/C++ 项目设计。

    推荐理由:原文展示了将传统需要安全专家手动完成的多步骤模糊测试工作流交给 LLM Agent 执行的完整方案,读者可以了解如何将专家经验转化为可复用的自动化管道。

9月24日周四
9月21日周一
9月17日周四
  1. GitHub Blog · AI & ML87

    GitHub Copilot 运行时迁移至 Rust 全过程记录

    GitHub Copilot agent runtime 从 TypeScript/Node.js 迁移至纯 Rust,作者记录了历时约 14.5 周、完成 128 个 pull request、最终交付 832,378 行生产 Rust 代码的全过程。

    推荐理由:作者作为主要执行人记录了超过 80 万行 TypeScript 迁移至 Rust 的完整过程,包含具体策略、工具调用数据和团队协作方法,读者可据此评估大规模 AI 辅助代码迁移的实际可行路径。

9月12日周六
9月11日周五