GPT-6 系列模型指南
GPT-6 系列模型指南讲解创业者如何选择合适的 GPT-6 模型、调节 reasoning effort,并改进提示词与技能(skills)。此外还覆盖工具协调,以及为生产环境准备工作流的方法。
GPT-6 系列模型指南讲解创业者如何选择合适的 GPT-6 模型、调节 reasoning effort,并改进提示词与技能(skills)。此外还覆盖工具协调,以及为生产环境准备工作流的方法。
AWS 介绍 Adjudicated Query 模式,业务用户在 Amazon Quick 聊天界面提出合规问题,通过与违规的判定全部由确定性规则引擎完成,配套参考架构和 GitHub 样例可端到端部署。
教程演示如何通过 Amazon Bedrock AgentCore Gateway 为 Claude Desktop 接入全托管 Web Search,补齐模型实时信息缺口。
Amazon SageMaker AI 的多轮强化学习(MTRL)被用于微调 Qwen3.6-27B,构建可自主调用 BM25 词法搜索与向量搜索两个工具的企业 search agent。
GitHub Blog 指出 AI 正在改变开发者的工作方式,需加强三项技能:学会指挥 AI 智能体而非仅使用它、不轻信 AI 的首个答案、把 AI 省下的实现时间用于解决更大问题。
一个覆盖 300+ 应用的企业迁移项目在 Amazon Bedrock AgentCore 上采用四智能体模式,把每个应用的 IaC 开发时间从 3 到 4 周缩短到几分钟。
AWS 官方教程演示把 Amazon S3 Vectors 实现为 NVIDIA NeMo Agent Toolkit(NAT)的自定义记忆提供者,并部署到 Amazon EKS。
Amazon Payments 在 Amazon SageMaker AI 上用多目标 contextual bandit(LinUCB)做产品获客漏斗个性化,七周在线 A/B 测试中一个客户群体的最终漏斗转化实现高个位数百分比的相对提升,另一群体则无改善——问题出在内容而非模型。
AWS 官方教程展示如何用 Amazon Bedrock AgentCore 构建环境智能体,让 S3 上传等事件自动触发智能体任务,并在需要时通过 ask_human 暂停等待人工答复后从断点恢复。
AWS 官方教程演示如何让生产负载、开发者笔记本和外部 CI/CD 三类环境共用一个 Claude Platform on AWS(CPonAWS)订阅,并按 workspace 隔离生产与开发流量。
uniopen 通过在 Amazon SageMaker AI 中对 Amazon Nova 2 Lite 做监督微调并追加提示词级输出优化,使其适配自身的九类行为×三类对象审核分类。
社交俱乐部 The Den 用 ChatGPT Work 每周腾出 10-15 小时,支撑其开设新门店。准备资助申请从 3 天缩短至 2 小时,酒牌材料从 4 天缩短至 3 小时。
教程演示如何用 Amazon Bedrock Knowledge Bases 和 AgenticRetrieveStream API 构建能以自然语言查询理赔记录并返回带引用答案的助手。
教程演示如何在 Amazon Bedrock AgentCore Runtime Instances 上用作曲、交付、合规三个智能体协作,产出一个可播放的 .wav 音频。
Amazon Quick 提示词工程基础(上篇)讲授跨组件通用的提示词原则与可复用框架,本系列共两篇。
Amazon Quick 各组件对提示词的解读方式不同,需按组件分别定制:Quick Research 要写明目标、受众与焦点,并可从 Quick Index 与 200+ 新闻源中筛选数据源。Quick Flows 要写清触发时间、数据源、计算与输出格式,复杂流程用编号步骤组织,建成后可通过对话迭代调整。Quick Sight 查询需包含业务问题、指标、维度与可视化偏好。
在 AWS 上搭建合同智能平台:用 AI 智能体把合同 PDF 的关键字段结构化入库,解决 RAG 语义搜索无法跨数百份合同做聚合查询的问题。
Condé Nast 与 AWS Generative AI Innovation Center 合作,基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建多模态视频发现方案,将单次内容发现任务耗时从平均 250 分钟降至 2 分钟以内。
Anthropic 的 Thariq Shihipar 在 Latent Space 播客中讲解 Claude Code 的界面演进、Claude Mods 自定义 harness 的用法以及 agent 安全问题。
Simon Willison 让 Opus 5.5 vibe code 出 Bluesky reply bot checker,通过分析打字速度、发帖时间、互动模式等行为信号来检测 Bluesky 上的自动回复机器人。该工具会展示全部测量结果和判定规则,并列出触发信号最多的示例回复供验证。检测信号包括同一账号在数秒内连续回复、只回复高粉丝用户而从不发原创内容或图片链接,以及回复中出现问号。
作者为 WeAreDevelopers World Congress North America 的闭幕主题演讲,用 Claude Opus 5.5 把三张 Kākāpō 照片生成为 HTML 5 canvas 像素动画页面 Kākāpō Party。
GitHub Copilot app 让用户用自然语言描述即可生成可与 agent 共享的双向画布界面,无需写代码或手动设计。创建时在 agent 会话中输入 /create-canvas 技能,说明画布支持的工作流、用户可做的操作和 agent 可做的操作,agent 便会在右侧面板构建界面。
推荐理由:以 /create-canvas 为例讲清双向共享界面的搭建步骤,读者可照此把自己的工作流做成画布。
GitHub Copilot 官方博客提出聊天往往是错误的 UI,主张让用户按任务现场生成自定义 canvas。
推荐理由:作者解释了聊天成为默认界面的原因,并结合 Winget 和 SQLite 等 canvas 实例,给出何时该改用自定义界面的判断。
GitHub 在 GitHub Copilot 应用中重建了 Pull Request 视图,让一个含 2,200 个文件、超百万行变更和 400 多条行内评论的开源 PR 像普通 PR 一样打开和滚动。
一个用 Fable 5.1 Medium 生成的交互式 artifact,以实时示例讲解 CSS 的 Shadow roots,覆盖样式封装、继承、slots、parts 与 JavaScript 访问。Shadow roots 会创建带有私有样式表和元素的隔离 DOM 树,与页面 DOM 以特定的受控方式交互。
OpenAI Academy 迎来两周年,正把 AI 技能带入更多社区。内容仅宣布这一里程碑,未披露具体的参与人数、覆盖地区或课程数据。
invideo 借助 GPT-6 Astra 规划剪辑以获得更精准的编辑,把色彩校正与调色效率提升 3 倍,并在一天内产出 50 个自定义特效。
llm 插件 llm-typesafe 0.1a0 发布,为 LLM 命令行工具接入 TypeSafe AI 的新模型 Jev,可用 `llm install llm-typesafe` 安装、`llm keys set typesafe` 设置 API key。
GitHub 借助 GitHub Copilot app 和 Copilot CLI,把 Copilot agent 运行时从 TypeScript 重写为超过 800,000 行生产 Rust,128 个 PR 合入 main,8 月 21 日运行时达到 100% Rust,性能提升若干数量级。
推荐理由:原文用会话日志量化了智能体写代码时的探索比例与编译器报错分布,并给出原地原子替换的迁移方法,可迁移到其他大规模重构。
ChatGPT Work 与 Codex analytics 的分析能力帮助团队了解 AI 使用量与支出、识别培训需求,并将 AI 采用情况与业务成果对应起来。
Fyxer 借助 OpenAI 模型、微调(fine-tuning)、记忆功能和真实用户反馈,打造了一款能整理收件箱并起草邮件的 AI 行政助理。它会按每位用户各自的口吻撰写邮件草稿。
GitHub 日韩市场营销负责人 Tomoko Tanaka 用 GitHub Copilot 把活动从筹备到会后跟进的流程自动化,原本手工拼几天的搭建如今由一个 GitHub Issue 触发完成。
推荐理由:文章给出把日常流程写成 runbook 交给 Copilot 执行的完整路径,其中用一个 DRY_RUN 开关先演练再上线的做法可迁移到其他自动化。
OpenAI 将 Habitat 从一个 Python 库演进为全球分布式存储平台,服务 10 亿 ChatGPT 用户,峰值处理 22M requests per second。文章介绍了这一在线存储系统快速扩展背后的设计与演进过程。
GitHub Copilot app 内置 diff、terminal、browser 三个面板,审查、运行、预览 agent 改动无需离开 app。diff 面板以绿色高亮新增、红色高亮删除,可接受改动或让 Copilot 再改;terminal 面板可运行项目命令与 Run 脚本,支持同时开多个窗口。
César de la Fuente 的实验室使用 Codex 和 ChatGPT 在现存与已灭绝基因组中搜索抗菌候选分子,以对抗耐药性(drug-resistant)感染。
Google DeepMind 介绍其 Co-Scientist 帮助生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 的实验室加速细胞衰老研究:它扫描数万篇论文后提出 20 多个新颖的候选基因因子,实验室测试验证了其中数个假设,其推荐的因子成功让细胞进入更年轻、整体功能改善的状态。同时它把大型基因筛选数据结合多年分散文献的分析工作从最长六个月缩短到几天。
剑桥大学教授 Clare Bryant 使用 Google DeepMind 的 Co-Scientist 生成并排序研究假说,锁定了一个此前不在她视野中的蛋白及与其关联的多条信号通路,其团队正在构建含该氨基酸突变的细胞系来验证这些细化后的假说。
Calico Life Sciences 的 Matt Onsum 与 Katherine Labbé 使用 Co-Scientist 连接衰老生物学中分散的发现并生成可检验的假设,已就 integrated stress response(ISR)如何受代谢调控产出新发现,团队计划发表结果。
Google DeepMind 介绍爱丁堡大学生物工程师 Filippo Menolascina 团队用 Co-Scientist 检索文献并生成假说,其中把 NLRP3 inflammasome 认定为 MASH 中连接炎症与代谢的分子桥梁的假说随后经实验验证。
Google DeepMind 的 Co-Scientist 帮助 MIT 的 Ritu Raman 快速梳理 ALS 领域庞杂且相互矛盾的文献,把原本需数月的工作压缩,并将想法转为可检验假设、按可行性和风险回报排序研究方向。