Sentence Transformers v6.0 新增 MultiVectorEncoder 支持多向量延迟交互检索
Hugging Face 官方博客介绍 Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder，可加载 PyLate、Stanford-NLP ColBERT 及 colpali-engine 检查点。
推荐理由：官方教程给出多向量模型的原理、代价实测和落地选项，可帮助读者判断是否在自己的检索栈里采用。
教程实践
全部主题拿来就能用的实操内容：提示词技巧、工作流搭建、工具用法与踩坑经验。
当前仅显示精选新闻最新精选
第 61–80 条 · 共 117 条Hugging Face Blog精选AI 评分7878
Claude Blog精选AI 评分6161 如何最大化 Claude Code 会话的价值
Claude Code 官方博客解释了会话的 token 成本构成，输出 token 单价约为输入的 5 倍，缓存读取按输入价的 0.1 倍计价、写入最高为 2 倍。
推荐理由：官方拆解了 prompt 缓存与上下文如何影响会话成本，并给出可直接照做的会话管理方式。
Google Developers Blog精选AI 评分6161 Google 用 ADK 和 Gemini 演示如何构建零信任 AI 智能体
Google 开源了一个基于 Agent Development Kit 和 Gemini 的零信任客服退款智能体参考实现，展示单条提示词注入即可触发越权退款和环境变量泄露。
推荐理由：原文用可运行的开源示例拆解智能体三层零信任防护，读者可以照着在自己的 ADK 工作流里落地签名、沙箱和网关。
LangChain Blog精选AI 评分6161 LangChain 如何为 Kubernetes 部署构建自主 SRE 智能体
LangChain 的 Deployed Engineer 介绍了其为 Kubernetes 部署构建的自主 SRE 智能体，目标是缩短故障排查与修复时间。
推荐理由：LangChain 公开了自建 SRE 智能体的架构取舍，读写分离与人工审批门的设计可迁移到其他生产运维场景。
LangChain Blog精选AI 评分6060 LangChain 解释什么是 AI 智能体，并给出自治程度六级划分
LangChain 在博客中把 AI 智能体定义为使用大语言模型决定应用控制流的系统，自治程度取决于模型掌握多少控制流。文章用六级图谱区分工作流与智能体，从手写代码、单次 LLM 调用、链式调用一直到能自行构建并记忆工具的完全自主智能体，并指出模型控制权越多，对可观测性、评测、记忆、权限和安全执行的要求越高。
推荐理由：文章给出以控制流归属划分智能体的定义和六级自治图谱，并列出落地生产所需的基础设施与评测方法。
LangChain Blog精选AI 评分6060 客服智能体落地生产：Lyft、Vodafone 与 LATAM 航空的实践经验
LangChain 复盘 Lyft、Fastweb + Vodafone 和 LATAM 航空三家企业客服智能体的生产实践。
推荐理由：三家企业的生产案例给出了评测、观测与架构调整的具体做法，便于对照自身客服智能体的上线流程。
GitHub Blog精选AI 评分6767 AutoGPT：贡献者已 AI 优先，开源项目如何把规则写进代码库
AutoGPT 创始 AI 工程师 Nicholas Tindle 分享应对 AI 智能体提交 pull request 的做法：把 AGENTS.md 和技能文件放到代码旁边，用 pull request 模板和覆盖率门槛当硬闸门，并让 CLA 签名充当人类识别器。
推荐理由：AutoGPT 把 AGENTS.md、技能和 CI 门槛放到代码旁的做法，可以迁移到其他开源项目的维护流程里。
Linear Now精选AI 评分6060 Linear 官方解析 Linear Agent 的构建方法：用边界而非固定路径控制 Agent
Linear 官方详解 Linear Agent 的构建思路：不为 Agent 设计固定路径，而是通过系统提示词、工具设计、对 Linear 产品的语义建模、system skills 按需加载和自研 harness 来划定边界。
推荐理由：Linear 官方复盘 Agent 的设计取舍，涉及系统提示词、工具设计、system skills 和自研 harness，方法可迁移到类似 Agent 构建。
OpenRouter Announcements精选AI 评分6161 OpenRouter 讲解如何治理团队 AI 支出的 6 项控制
OpenRouter 官方详解治理团队 AI 支出的 6 项控制：per-key 信用限额、guardrails、workspace 预算、presets、组织角色和 Activity 仪表盘，分别覆盖花多少、花在哪和谁在花。
推荐理由：官方详解 6 项团队支出控制的功能边界和叠加规则，读者可按团队规模选择最省成本的控制组合。
Claude YouTube精选AI 评分7070 Claude Code 的自动模式如何运作
Claude Code 的 auto mode 通过一个单独的分类器逐条筛查每个操作，代替用户逐次确认，从而减少打断、完成长时间任务。视频解释该分类器的工作方式，以及为什么 Claude 不会批准自己的操作，还介绍了如何按自身环境和团队配置 auto mode，并附有官方博客链接。
推荐理由：视频拆解 Claude Code 自动模式如何用独立分类器逐条筛查操作，并给出按环境与团队配置的入口。
Cursor Blog精选AI 评分6666 Cursor 团队讲解如何搭建云端智能体开发环境
Cursor 团队分享如何为云端智能体搭建开发环境，让智能体能在其单体仓库中运行和测试代码。做法包括用 Dockerfile 统一 Ubuntu VM 环境、构建 anydev CLI 简化智能体操作、通过 Cursor Cloud MCP 和 Cloud Doctor 实现环境自愈与持续优化。云端智能体编写 PR 的占比从去年 12 月的约十分之一升至今日的超过一半。
推荐理由：Cursor 团队分享了自家云端智能体环境的搭建细节，含 anydev CLI 和 Cloud Doctor 等可借鉴做法。
ByteByteGo精选AI 评分6666 ChatGPT 如何优化智能体循环：harness、API 与推理层
ByteByteGo 访谈 OpenAI 工程师，详解 Codex 与 ChatGPT Work 背后的智能体循环如何在 harness、API 和推理三层做效率优化。
推荐理由：沿一次请求穿过的三层链路，拆解 OpenAI 在 harness、API 与推理层的具体优化手法，可迁移到自建 Agent 系统。
Claude Blog精选AI 评分8080 Anthropic 分享 Claude 5 代模型的上下文工程新规则
Anthropic 为 Claude Opus 5、Claude Fable 5 等新代模型删掉了 Claude Code 超过 80% 的系统提示词，编码评测未出现可测损失。
推荐理由：文中给出系统提示词、CLAUDE.md 与 Skill 的简化方向，可对照调整自家 Agent 的上下文组织方式。
Claude Blog精选AI 评分6565 Claude Design 设计者如何用它先探索想法再动手构建
Anthropic 产品设计师 Nate Parrott 撰文介绍自己如何用 Claude Design 在正式构建前探索和迭代视觉想法，从交互原型、幻灯片到动画。
推荐理由：作者作为 Claude Design 的设计者，记录了从想法到视觉稿的实际用法和提示词习惯，可供设计流程参考。
Sierra Blog精选AI 评分6464 Sierra 复盘 MCP Gateway 建设：AI 优先工程组织的七条经验
Sierra 分享为内部 agent 搭建 MCP Gateway 的七条经验，包括抓住所有权减少协调、用 mcp-gateway.md 提升编码 agent 一次成功率、多阶段流程防止跨客户数据访问，以及优先用 gh CLI 等 agent 熟悉的工具。目前 89% 的 Sierra 员工通过它连接 45 个服务，近三分之二提交来自社区。
推荐理由：Sierra 工程师复盘 MCP Gateway 建设全程，给出协作机制、权限审计和工具取舍七条可迁移经验。
Claude Blog精选AI 评分6868 在 Claude Code 中用 skills 构建验证循环
Claude Code 团队成员撰文介绍如何用 skills 在 Claude Code 中构建验证循环，可以先用 skill-creator 插件或手写 SKILL.md 把重复检查固化成 skill。
推荐理由：文章给出把验证步骤写成 skill 的四种挂载方式并附示例文件，可作为搭建自动化验证流程的参考。
OpenRouter Announcements精选AI 评分6464 OpenRouter 解析提示词缓存与粘性路由如何降低 Agent 多轮成本
OpenRouter 发布教程讲解提示词缓存与粘性路由如何降低 Agent 多轮成本。缓存读取为输入价格的 0.1x 到 0.5x，Anthropic 缓存写入为 1.25x（5 分钟 TTL）或 2.0x（1 小时 TTL），未被复用的单次写入比不缓存更贵。
推荐理由：原文给出各厂商缓存读写倍率、session_id 粘性路由用法和缓存未命中排查方法，读者可以直接照做降低 Agent 多轮成本。
Claude Blog精选AI 评分7272 Anthropic 如何用 Claude Code 完成大规模代码迁移
Anthropic 分享了用 Claude Code 做大规模代码迁移的六步流程，从规则手册、依赖映射、缺口清单，到压力测试、全量翻译与编译运行，核心是 implement、review、fix 的多智能体循环。
推荐理由：Anthropic 公开了用多智能体循环做大规模代码迁移的完整流程，其中的规则手册与对抗式评审可迁移到其他跨语言迁移项目。
InfoQ · 微信公众号精选AI 评分8383 Claude Code 用 11 天把 Bun 的 53 万行 Zig 代码重写为 Rust
Bun 项目于 2026 年 5 月借助 Claude Code，用 11 天完成从 Zig 到 Rust 的代码迁移，涉及超 100 万行代码变更、6778 次提交和约 50 个动态工作流。
推荐理由：Bun 借助 Claude Code 在 11 天内把 53 万行 Zig 重写为 Rust，文中给出多工作流协作方式与 16.5 万美元成本账，可供评估 AI 大规模重构的现实边界。
Claude Blog精选AI 评分6363 Claude Fable 5 使用指南：如何发现自己未考虑到的信息
Anthropic 技术人员 Thariq Shihipar 发布 Claude Fable 5 使用指南，提出用提示词让 Claude 帮自己发现未考虑到的信息。文章把未知信息分为已知的已知、已知的未知、未知的已知和未知的未知四类，并给出 blind spot pass、头脑风暴与原型、访谈、代码参考、实施计划、实施笔记、讲解文档和测验等模式及对应示例提示词。
推荐理由：作者把发现未考虑到的信息拆成一套可复用的提示词模式，读者能直接照着改善与 Claude 的协作。