AWS 实操教程：在 Amazon Bedrock AgentCore Runtime Instances 上搭建三智能体音乐制作流水线
AWS 博客发布实操教程，在 Amazon Bedrock AgentCore Runtime Instances 上部署三个智能体（作曲、交付、合规）协作完成音乐制作并产出可播放的 .wav 文件。
推荐理由：AWS 官方手把手教程，用三智能体音乐制作流程演示 Runtime Instances 的 GPU、共享会话和多日持久化等可迁移的多智能体部署模式。
10月2日 · 周五
精选
最新精选
AWS Machine Learning Blog精选AI 评分6060 
AYi@AYi_AInotes精选AI 评分8080
引用Andrej Karpathy@karpathyWe'll be spending a lot more time trying to understand the outputs of language models. A few thoughts, tips & tricks: Writing. Something I've had success with: Ask your LLM to explain something in ASD-STE100, it's a controlled language specification originally developed for aerospace maintenance documentation. LLMs well-versed in this language and it comes with heavy constraints on clean writing style that I often find a lot more readable. Sometimes I've tried to soften it a bit e.g. ask for "80% of the way to ASD-STE100" because the spec is quite stringent. But even better: Diagrams / images. Instead of writing, ask your LLM to create a diagram. These can be a lot easier to process, parse, and understand. But even better: Web pages. Ask for output "in HTML" to get a beautiful, interactive webpage. LLMs are getting really good at frontend and can create beautiful experiences, animations, etc. But even better: Explainer videos. The output format I am most bullish on is fully custom / bespoke explainer videos generated on any arbitrary topic. Experiment with things like "Create a 3b1b style video explainer on X. Use my ElevenLabs API key for audio narration". (you'd need an API key for the latter or you can ask your LLM to find you decent free alternatives that use your local compute). This is actually starting to work! In summary: - As LLMs get better, they will do more and more of the legwork autonomously, and a lot more of our work will rise up the abstractions into oversight and understanding. - Luckily, LLMs can help here too because as intelligence and code are increasingly abundant, you can ask for large, custom, discardable software artifacts (e.g. web apps, video explainers) that would have never made sense to create before. Push the boundaries here and you'll be surprised.
推荐理由：Karpathy 提出的四层输出格式阶梯和可抛弃软件制品概念，为理解大模型输出提供了可上手的做法。
OpenRouter Announcements精选AI 评分6464 OpenRouter 详解六大 Agent 框架的工具调用 Schema 处理，并提出在 API 层统一格式
OpenRouter 比较了 LangChain、LangGraph、CrewAI、OpenAI Agents SDK、Claude Agent SDK、Microsoft Agent Framework 和 Google ADK 如何定义工具 Schema 并在不同提供商的 wire format 之间做翻译。
推荐理由：原文逐一拆解六大框架的工具调用格式翻译位置，并给出在 API 层统一格式的可行做法，便于开发者选型前对齐自己的技术栈。
OpenRouter Announcements精选AI 评分6868 OpenRouter 发布 Agent 模型成本与质量权衡的三步选型框架
OpenRouter 发布一套为 Agent 任务选模型的三步框架，主张选满足任务质量门槛的最便宜模型，而非排行榜最高分模型。
推荐理由：原文给出按任务质量门槛选模型的三步方法和示例脚本，读者可迁移到自己的 Agent 成本优化。
OpenRouter Announcements精选AI 评分7474 OpenRouter 教程：如何在 CI 中用 LLM eval 门禁拦截 Pull Request
OpenRouter 发布教程，讲解用固定的 eval 集合在 GitHub Actions 中门禁 PR，当 pass rate 低于阈值时阻止合并。
推荐理由：OpenRouter 官方给出可落地的 CI eval 门禁方案，包含阈值测量和 provider 路由等易踩坑细节，方法可直接迁移到自己的仓库。
OpenRouter Announcements精选AI 评分6767 OpenRouter 指南：用置信度阈值实现便宜模型到强模型的升级路由
OpenRouter 发布教程，讲解基于置信度的升级路由：让便宜模型通过结构化输出返回 0 到 1 的置信度字段，低于阈值时把请求转给更强模型。教程强调分数只是自报排序而非校准概率，阈值须按自己流量的分错误率设定，示例中阈值 0.7 升级 14% 的请求，把保留答案的错误率从约 10% 降到约 4%。
推荐理由：原文给出用结构化输出实现置信度分级的完整流程，含阈值校准示例和常见误区，方法可直接迁移到自己的流量。
LangChain Blog精选AI 评分7070 LangChain 如何在 harness 中构建模型路由器，Open SWE 单线程中位成本降 64%
LangChain 为其开源编码 Agent Open SWE 构建了模型路由器，在 973 条线程的 A/B 测试中，相比始终使用 GPT-6 Astra，中位成本从 $2.61 降至 $0.94（降 64%），PR 合并率无显著差异（29.2% vs 27.3%，p=0.49）。
推荐理由：作者用自身 Open SWE 的 A/B 数据说明路由放在 harness 内的理由和成本收益，方法可迁移到其他多任务 Agent。
OpenRouter Announcements精选AI 评分6666 OpenRouter 教程：如何测试 AI Agent 的工具调用准确性
OpenRouter 发布教程，讲解如何测试 Agent 的工具调用准确性，核心是分开测试工具选择与参数正确性这两类失败。
推荐理由：原文区分了工具选择错误与参数错误两类失败模式，并给出 LLM judge、JSON Schema 校验和轨迹比较三种可落地的测试方法。
OpenRouter Announcements精选AI 评分7070 OpenRouter 教程：Prompt 或模型变更后如何对 AI Agent 做回归测试
OpenRouter 发布教程，讲解在 Prompt、模型、工具定义或检索设置变更后如何对 Agent 做回归测试：用锁定的用例集配合结构断言和硬性不变量，模型测试固定用具体 slug 而非 alias。
推荐理由：教程给出锁用例集、结构断言和固定 slug 对比的完整回归方法，并以一次实测换模型跑通说明落地方式。
OpenRouter Announcements精选AI 评分6868 OpenRouter 教程：如何从生产流量构建 Golden 评测数据集
OpenRouter 发布教程，讲解如何从生产流量构建 golden eval 数据集，用于在每次部署前检测提示词或模型变更引起的回归。内容涵盖五步流程：抽样生产流量、去重聚类、添加经审核的预期输出、首轮评估修正评分标准、纳入 Git 与 CI，建议探索性问题约 10 条、完整回归集 100 到 1,000 条，并以生产数据为基础、合成数据补足覆盖缺口。
推荐理由：原文给出从生产流量构建评测集的五步流程和规模建议，可迁移到自己的模型回归测试工作流。
Databricks Blog精选AI 评分6565 Databricks 如何让 12,000 名员工在模型发布首日即可用新模型
Databricks 介绍其通过 Unity Gateway 让全体员工在 Opus 5.5、GPT-6 Sol 和 GPT-Luna 发布首日即获得实验性访问的完整流程：先用实验标签和按用户预算（月度上限、每日 runaway 限额、质量前沿预算、实验预算四类）控制风险，再依据内部基准、用户反馈和 OpenTelemetry 成本追踪评估。
推荐理由：原文给出企业内部让全体员工 Day 1 用上新模型的完整流程和成本数据，方法可迁移到类似的模型接入评估场景。
GitHub Blog · AI & ML精选AI 评分6060 GitHub Copilot app 新手教程：如何用 canvases 构建自定义工作流
GitHub Copilot app 提供 canvas 功能，运行 /create-canvas 技能并用自然语言描述工作流、界面操作和 agent 职责三要素，即可生成看板、清单等自定义界面并保存为可共享的 extension。
推荐理由：官方教程给出从描述到生成可复用 canvas 界面的具体步骤和三个提问框架，读者可以直接照做迁移到自己的工作流。
GitHub Blog · AI & ML精选AI 评分6363 GitHub Security Lab 发布 Fuzzing Taskflow：用 LLM 智能体自动化 C/C++ 模糊测试
GitHub Security Lab 的 Antonio Morales 基于自家的 Taskflow Agent 框架构建了 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线。
推荐理由：原文给出完整的架构设计、覆盖反馈循环和分层判断方法，读者可以据此把 LLM 智能体接到自己的模糊测试流程里。
Cursor Blog精选AI 评分6565 Cursor 通过精简系统提示和缓存断点等手段将智能体 token 成本降低 7%
Cursor 官方博客介绍其智能体 harness 的多项 token 效率优化，整体将用户 token 成本降低 7% 且质量未下降。
推荐理由：Cursor 自述其 harness 层的多项 token 优化手段与量化收益，读者可以借鉴这些方法来降低长时智能体运行成本。
OpenRouter Announcements精选AI 评分6464 OpenRouter 评测 2026 年最佳嵌入模型并按用例给出推荐
OpenRouter 发布 2026 年嵌入模型选购指南，通过对 19 个模型发起 28 项 API 实测，按用例给出推荐：英文 RAG 首选 openai/text-embedding-3-small。
推荐理由：OpenRouter 用自家端点实测 19 个嵌入模型并按用例给出推荐表，读者可直接按输入类型和价格约束对号入座。
Claude Blog精选AI 评分6767 Anthropic 工程师分享如何为 AI 驱动的代码现代化项目做准备
Anthropic 前线部署工程师在 Notes from the Field 系列中分享管理大规模代码现代化项目的经验：原本需数年的项目现在可在数月或数周内完成，但瓶颈从编写变更转移到组织动员。
推荐理由：来自 Anthropic 一线工程师的实战经验，给出 AI 代码现代化项目启动前的组织性准备工作清单和可复用六步流程。
Linear Now精选AI 评分6767 Linear 分享如何把 CI 等待时间从 6 分钟降到 5 分钟以适应 AI 编码节奏
Linear 因 AI 智能体加速写代码使 CI 成为瓶颈，系统性改造后把 PR 等待时间从 6 分多钟降到 5 分多钟，单个测试的 runner 时间约减半。
推荐理由：原文给出完整的 CI 优化路径和各步骤量化收益，其他团队可对照迁移到自己的流水线。
GitHub Blog · AI & ML精选AI 评分7878 GitHub 用 Copilot 将 Copilot agent runtime 迁移到 Rust
GitHub 用 Copilot 智能体将 Copilot agent runtime 从 TypeScript 完整重写为 832,378 行生产 Rust，共 128 个 PR，于 8 月 21 日完成。
推荐理由：作者以第一手移植经历拆解了 AI 智能体团队完成大规模重写的具体策略、会话数据和教训，方法细节对类似工程迁移有直接参考价值。
OpenRouter Announcements精选AI 评分6767 OpenRouter 教程：用 TypeScript SDK 构建可靠的工具调用 Agent 循环
OpenRouter 发布教程，演示如何用其 TypeScript SDK 从零构建工具调用 Agent 循环，示例使用本地天气数据可独立运行。教程覆盖停止条件设计、按 toolCallId 返回结果、指纹计数拦截重复调用、models 参数实现有序模型回退，以及 Auto Exacto 默认按工具调用成功率重排提供商；并说明 MCP 只改变工具执行位置，循环控制仍是必要的。
推荐理由：教程给出了完整的停止条件、重复检测和模型回退实现，可用作自建 tool-calling 循环的参考骨架。
OpenRouter Announcements精选AI 评分6262 OpenRouter Ori Eval 教程：用 LLM-as-a-Judge 自动评估 AI Agent 输出
OpenRouter 发布教程，讲解如何用独立的 judge 模型按书面评分标准自动给 Agent 输出打分，弥补确定性测试无法检查最终回答质量的问题。
推荐理由：原文给出可复用的评测方法和 Ori Eval 具体代码，覆盖评分模式选择与 judge 校准的实操细节。