如何用脚本让 AI 技能更可预测
Steadily 首席软件工程师 Dhruv Dang 在 newsletter 中介绍，AI 技能是包含 SKILL.md 指令与脚本的文件夹，把脚本打包进技能可让智能体按代码执行特定任务。
全部 AI 动态
Hacker News AIAI 评分5858 AWS Machine Learning BlogAI 评分4141 在 Amazon EKS 与 SageMaker HyperPod EKS 上部署 NVIDIA Nemotron 模型加速智能体 AI
NVIDIA Nemotron 3.5 Super VL 已可在 AWS 上使用，这是一个 120B 参数的 MoE 多模态模型，每个 token 激活 12B 参数，支持最长 1M token 上下文和文本、图像、文档、视频输入。
NVIDIA BlogAI 评分3838 NVIDIA 开发者如何用前沿 AI 智能体在 Omniverse 中将创意转化为仿真应用
NVIDIA 开发者借助 GPT-6 Astra 等前沿 AI 模型与 Omniverse 库，通过自然语言指令构建仿真应用。其中仓库仿真在 80 条传送带、40 个机械臂和 800 个箱子的规模下，以全高清分辨率维持 30 帧每秒，两分钟内完成 640 次成功装箱。SimReady Central Library 在 GTC Berlin 发布，提供超过 2,000 个仿真就绪的 USD 资产。
Hacker News AIAI 评分3434 如何在 Oxide 上运行自托管 AI 智能体
Oxide 给出在云计算机上运行自托管 AI 智能体的方案：把编排器跑在长期虚拟机里，按会话动态创建临时虚拟机执行 Claude Code 或 Amp 任务，结束后关机回收。文章强调智能体需要 CPU 执行工具调用，虚拟机比容器隔离更强但启动需数秒、体积达 GB 级。
Hacker News AIAI 评分2222 Tenstorrent Blackhole 如何在同一芯片上服务 Agentic AI 的 Prefill 与 Decode
Tenstorrent Galaxy 系统在 Blackhole 芯片上同时处理 prefill 与 decode，让运营方按负载变化在两者间调配容量，而不必在购买硬件时就固定分配。
Hacker News AIAI 评分3030 The AI-Augmented Developer：用智能体编写生产代码的流程
文章提出一套“AI 增强开发者”流程，用于借助 AI 智能体编写生产级代码。内容围绕把智能体纳入实际开发环节的方法展开，而非仅做演示性尝试。
Hacker News AIAI 评分5858 开发者分享把开发服务器、部署监控等日常任务交给 AI 智能体的做法
一位在 GitHub Copilot 工作的开发者总结了自己把日常开发任务交给 AI 智能体的经验，包括让智能体启动开发服务器并用 curl 跑通主要路径、在部署或切换功能开关前后轮询指标和日志、调用其他模型获取第二意见，以及每天 6 点定时梳理未读消息并做初步排查。作者表示自己仍亲自写消息和报告、做设计决策和审查代码，但越来越多重复性任务会先想到交给模型处理。
Hacker News AIAI 评分3636 如何让 Claude 写出无“slop”的代码：一套严格的 AI 编程规则
开发者针对 Claude 制定严格规则以避免代码“slop”，核心是禁止 AI 在代码中写注释，改由人工审阅后自行添加。作者在 2026 年 8 月用 Claude 为 Odin 编写的 Karl2D 库开发功能时，发现自己逐渐接受未完全理解的代码，随后清理了所有 AI 生成的代码。规则还包括只写命令式过程式代码、未经明确指示不得 commit 或 push。
Hacker News AIAI 评分2222 如何用自己照片制作 Outstanding Tiny Desk AI 演唱会视频
Outstanding Tiny Desk AI 工具可将1–5张人物或宠物照片替换进 Charlie Wilson 的 NPR Tiny Desk《Outstanding》演出模板，生成15秒竖屏9:16视频。480p 版本需50 credits，720p 需100 credits，支持 JPG/PNG/WebP、单图最大10MB，无需写提示词或剪辑。成品含原曲音频、无水印，生成后保留7天。
Hacker News AIAI 评分3030 如何将生产会话转化为 AI 智能体的回归测试
文章讲解如何把 AI 智能体在生产环境中的真实会话记录转化为回归测试用例。正文未提供具体模型、工具或数据指标。
ElevenLabs BlogAI 评分2525 ElevenLabs 如何用 ElevenAgents 每月在日常运营中节省 1,200 小时
ElevenLabs 内部智能体每月为团队节省超 1,200 小时日常运营时间，每月回答 5,000 多个问题，并生成数十个客户定制 demo、上月创建 150 多张工单。
Hacker News AIAI 评分3535 企业 AI 系统选开源还是自研？AI 让代码变便宜后工程判断更稀缺
企业 AI 交付中，代码助手让团队产出的代码量超过可有效评审的量，PR 数量、改动行数等速度指标在 AI 辅助下已成弱信号。文章指出质量问题集中在集成边界：上游 API 认证差异、分页边界、部分失败与重试、超时与限流处理，以及把混乱的上游响应映射为稳定工具输出。稳定智能体系统需要确定性契约，包括显式重试与超时策略、稳定错误封装和可预测的降级行为。
Hacker News AIAI 评分4747 智能体 AI 基础设施的 5 个控制平面：如何实现可靠的软件交付
文章提出用 Context、Containment、Validation、Rollout、Accountability 五个控制平面来安全扩展智能体软件工程。作者建议按生产风险将 AI 生成改动分为低、中、高三档，认证授权、计费、权限模型、数据迁移等高风险区域需加强上下文供给与人工判断。高风险改动应通过特性开关、行为测试和回滚计划部署，并保留人类对关键决策的所有权。
Hacker News AIAI 评分2222 用 Qwen2.5-VL、Gemma 3 与 gpt-6.1-sol 搭建香蕉分拣 AI 的实测
有人用 Qwen2.5-VL 3B、Gemma 3 4B、Liquid d1-2B 和 gpt-6.1-sol 四个模型做香蕉分拣判断，各跑 100 次区分新鲜与丢弃。Qwen2.5-VL 3B 与 Gemma 3 4B 对带黑点的香蕉几乎全部判为丢弃，gpt-6.1-sol 在重斑点香蕉上仅 16 至 38 次判丢弃，结果不稳定。作者据此认为高端模型仍难以替代人在关键判断上的作用。
Hacker News AIAI 评分1212 HN 讨论：工作场景中高效使用 AI 的技巧
一位软件工程师在 Hacker News 发帖询问同行如何在工作中高效使用 AI，他目前用 Opencode 作为结对编程工具梳理方案结构，再以约 35% AI、65% 自己手写的方式完成代码。他担心这种偏爱精心编写代码的风格未来是否还有立足之地，希望了解其他人的 AI 使用技巧以判断职业可持续性。
Hacker News AIAI 评分5050 用显式分类构建更好的 AI 产品
前 Steadily 首席软件工程师 Dhruv Dang 提出用显式分类替代隐式分类来构建 AI 产品：把分类拆成独立步骤，让应用代码在模型执行前检查结果。显式分类带来两项优势——可对不确定请求追问而非误执行，并能按请求复杂度在昂贵与廉价模型间调度。文中以 AI 博客智能体为例，将单模型单提示词流程重构为专门的 intent-agent 分类步骤。
Hacker News AIAI 评分4646 从 120 个工具、17 个可写权限看 AI 平台如何约束智能体权限
Antalpha 的 MCP server 向智能体开放 120 个工具，其中 17 个具备写入能力，16 个集中在交易类，仅 wallet-revoke-page 属安全工具。
Hacker News AIAI 评分3636 用 Azure Cosmos DB 为 AI 智能体集群构建隔离环境的 Agentic CI/CD 实践
微软展示用 Azure Cosmos DB 模拟器为每个 AI 编码任务分配独立数据库环境，并以 GitHub Copilot 在 GitHub Actions 中修改 FleetCharge 为例验证。
Databricks BlogAI 评分2828 Procore 如何用 OpenSharing 驱动建筑数据分析
Procore 基于 Databricks 的 OpenSharing 构建 Procore Analytics 2.0，取代原先基于 SQL Server 和公共 API 抽取的第一代架构，刷新频率从每天最多三次的限制中解放。
OpenRouter Announcements精选AI 评分6565 OpenRouter 实测 13 类提示词注入攻击：Armor 拦截全部 73 封攻击邮件
OpenRouter 用自建 13 类加外部模型生成的 12 类提示词注入攻击，在 Claude Haiku 5.5、GPT-6 Luna、DeepSeek V4.1 Flash 和 GLM 5.3 Flash 上测试三层防护。
推荐理由：OpenRouter 用 13 类攻击在 4 个模型上实测三层防护，给出可复用的规则配置与误拦边界。
OpenRouter Announcements精选AI 评分6262 OpenRouter 教程：如何用 LLM 从 PDF 中抽取表格
OpenRouter 发布教程，介绍用 LLM 从 PDF 抽取表格的方法：把 PDF 作为文件输入，配合描述单行结构的严格 JSON schema，模型直接返回带类型的行数据。
推荐理由：OpenRouter 用 5 份 PDF、644 个单元格的实测，给出可直接复用的表格抽取代码和两条静默失败检查。
Hacker News AIAI 评分5858 Funnel 的 AI 智能体把同一条成功 SQL 查询执行了 254 次
Funnel 在内部数据智能体平台 Reef 上对 GLM-5.2 与 Claude Opus 4.8 做随机 A/B 测试，GLM 单次模型调用平均 7.8 秒、Opus 为 18.1 秒，但 GLM 工具调用次数多 66%（平均 19 次对 11 次），端到端任务耗时反而长 14%。
ElevenLabs BlogAI 评分2323 银行业中的对话式 AI：用例、优势与实例
对话式 AI 通过处理自然语言请求为银行客户提供 24/7 支持，无需增加运营成本即可解答常规问题、验证身份并处理支付纠纷。这类系统依靠严格的网络安全协议，并遵循 SOC 2 Type II、ISO 17001 和 PCI DSS 合规要求来保护金融数据。运营负责人可通过首次接触解决率和升级频率等指标衡量各类银行聊天机器人用例的表现。
AWS Machine Learning BlogAI 评分2323 用 Amazon Nova Act 智能体式 QA 自动化加速软件交付（第 3 部分）：应用与团队权限管理
AWS 博客介绍 QA Studio 新增的两项能力：以“应用”为单位组织测试并汇总健康指标，以及基于团队的用户权限管理。健康视图给出通过率、执行次数、失败数和 0–100 健康分，并对不稳定测试扣分；指标支持 7 天按小时、30 天按天查看，可按环境过滤。权限分 Admin、Team Lead、Editor、Executor、Viewer 五级，每个应用只归属一个团队。
AWS Machine Learning BlogAI 评分3636 在 EKS 上用 Ray Train DLC 与 EFA 做分布式训练
AWS 发布 Ray Train DLC 镜像（train-ml-cuda-v1.1），内置 Ray 2.58.0、PyTorch 2.13.0、CUDA 13.0.2、NCCL 2.29.7 及 EFA 与 AWS OFI NCCL 插件，无需自行构建镜像。
AWS Machine Learning BlogAI 评分4242 如何在 Amazon Bedrock AgentCore 上构建企业级 Agentic AI 平台
AWS 发布基于 Amazon Bedrock AgentCore 的 Enterprise Agentic AI Platform Blueprint，以可部署的基础设施即代码形式补上所有权、账户边界、可观测性与成本治理等企业级契约。
Google Developers BlogAI 评分5858 Google 用 Agents CLI 演示智能体评测循环：从基线到回归告警
Google Developers Blog 以 Agents CLI v1.8.0 的 LangChain 模板为例，完整走了一遍智能体评测循环：eval generate 生成轨迹、eval grade 打分、eval compare 对比两次运行。
Hacker News AIAI 评分5858 Synadia 发布 NATS 智能体协议，用发现、对话、心跳统一多智能体通信
Synadia 发布面向 AI 智能体的开源 NATS 协议，让任意框架构建的智能体在同一 NATS 系统上被寻址、提示和监测。
Pydantic AI Articles精选AI 评分7474 Pydantic AI 基准测试：code mode 让长任务成本降 58%、耗时减半
Pydantic AI 团队用五个小型 CRUD 应用、八款模型和 5,276 次评分运行对比 code mode 与普通工具调用，长任务上成本降 58%、实际耗时降 51%、成功率提升 16 个百分点。
推荐理由：作者用 5,276 次自建基准测试对比 code mode 与普通工具调用，给出长任务下成本、耗时与正确率的具体变化。
Baseten BlogAI 评分5555 Baseten 优化 Qwen3-ASR 1.7B 批式转写，单卡吞吐提升 7 倍
Baseten 对开源模型 Qwen3-ASR 1.7B 的推理栈做了优化，在单张 RTX PRO 6000、64 并发下批式转写吞吐较原生 vLLM 提升 7 倍以上，5 分钟音频的实时倍率达到 2,645 倍。
Hacker News AIAI 评分4242 租模型、自建 harness：如何打造模型无关的 AI 智能体
Werk 提出用自建 harness 与模型解耦的方式构建模型无关的 AI 智能体：模型只负责理解与提议，harness 决定读取、修改和记录什么。其四项做法包括通过自有接口调用模型、按任务等级而非指定模型分配、统一输入格式、把不变内容放在前面；文中引用 DeepSeek Harness 上一名用户在 650 次请求中测得 98% 缓存命中率。
Hacker News AIAI 评分5555 面向 AI 任务的渐进式确定性：让 Agent 把探索测试固化为 Playwright 脚本
作者提出“渐进式确定性”方法，让 AI Agent 先动态探索应用结构完成测试，再把交互固化为可复用的 Playwright 脚本，下次优先运行脚本。脚本失败时 Agent 回到探索模式定位原因并自动修复，例如把按钮定位从 Add 改为 Create task，修复后需通过原有断言才保留；功能确实消失时则交由人工或 LLM 判断是否删除测试。
Hacker News AIAI 评分6060 AI 智能体为何成为混淆代理：授权该以谁的身份执行
文章指出，给 AI 智能体一个宽泛的服务账号，会让它的每次工具调用都以平台而非用户身份被授权，一条藏在工单里的提示词注入就能变成合法写入。作者提出有效权限应是用户、智能体与租户三者的交集，并在模型之外的网关按工作负载认证、on-behalf-of token 校验、租户绑定、策略评估的顺序逐级 fail closed。
OpenRouter AnnouncementsAI 评分5858 Claude Code 用量额度用尽后如何继续编码：OpenRouter 给出切换教程
OpenRouter 发布教程，说明 Claude Code 触及 Claude 套餐的五小时和每周额度后，可改用 OpenRouter API key 按 token 计费继续编码，模型仍是 Anthropic 的 Claude。
OpenRouter AnnouncementsAI 评分3838 Claude 529 Overloaded 错误是什么、如何修复
Claude API 返回 529 overloaded_error 表示 Anthropic 对该模型的容量暂时耗尽，与用户密钥、套餐和请求无关，通常几秒后重试即可通过。
Allen Institute for AI BlogAI 评分3838 研究者如何将 olmOCR 2 适配于历史与考古档案
Ai2 的开源模型 olmOCR 2 正被研究者用于历史与考古档案的转录：ArtificeOCR 让历史学家 Maurice Casey 在本地电脑上转录信件、报纸等照片，并接入 Tropy 实现关键词检索。TU Wien 团队则用 LoRA 在 57 条标注记录上微调 olmOCR 2，在 CENTURIA 基准的 450 条测试记录上把转录错误率从 15.58% 降至 1.11%。
Hacker News AIAI 评分2828 如何在快速发展的 AI 时代打造一款“慢产品”
Mole 作者用两个月把版本从 1.13 迭代到 1.18，新增 AI 工具清理与 System Data 清理，Windows 版于 10 月 14 日晚发布，GitHub 仓库星标突破 72.9K。
Hacker News AIAI 评分2525 用 OpenRouter 在 Python 应用中接入多个 AI 模型
OpenRouter 可用于在 Python 应用中统一接入多个 AI 模型。该文章围绕这一用法展开，介绍如何在 Python 应用里通过 OpenRouter 调用多个 AI 模型。
Hacker News AIAI 评分4343 Uber 如何构建法律红线批注智能体 LRA
Uber 在 2024 年至 2025 年间构建了第一代法律红线批注智能体 LRA，以 Microsoft Word 插件形式嵌入律师现有工作流，可识别客户修改、判断意图、给出政策对齐建议并标注风险。
Hacker News AIAI 评分2020 GPU vs. CPU：如何降低直播与 AI 处理成本？
文章讨论在直播与 AI 处理场景下如何在 GPU 与 CPU 之间做取舍以降低成本。原文未给出具体模型、参数规模或价格数据，也未提供可验证的 benchmark 分数或速度倍数。