编程与智能体

一个视频学会 Git + GitHub：用「马克待办」练习版本管理

马克的技术工作坊以「马克待办」小项目串联 Git 版本管理与 GitHub 代码托管，面向从零开始的学习者。教程先讲工作区、暂存区和提交历史，说明 git add、git commit 的作用，并按改动所处阶段区分回滚方法；再讲分支合并与冲突处理，以及配置 SSH Key、创建仓库、上传和下载代码。配文称，概念配有动画图解，命令均在终端实际演示。

Diffusers 开发规范：仅支持已发布模型权重实际需要的功能

Hugging Face 的 Diffusers 在开发文档中新增约束：只实现已发布模型权重需要的配置选项、代码分支和类，每个配置参数都须出现在真实发布的配置中。未来模型需要的选项应随该模型的 PR 一起加入；运行时参数也只应添加官方流程、示例或操作方案实际传入的参数。文档还要求删除无法执行到的代码路径，让代码更容易审查。

上手体验 OpenAI DevDay 新功能：Dots、Decisions API 与开源 Codex Harness 更新

作者体验了 OpenAI DevDay 的云端助手 Dots 与 Codex Harness 即时打断：前者在用户离开对话后仍能推进任务，后者可先回应追加要求，再取回后台工具结果。文中还介绍了从有限候选答案中选择结果、用于工单分流等任务的 Decisions API，以及整理、协作编辑成果的 ChatGPT Space。按文中说明，Dots 仅向 Pro 等部分账户开放，对话不占套餐用量；Decisions API 仍处于有限预览。

Mollick 的观点修正：智能体组织与人类方向、授权和复核

人工整理｜Ethan Mollick于2026-10-01回顾并修正1月的管理判断：他不再认为人类必须细致搭建每一步智能体组织结构，认为模型可以承担更多规划协调，而人类仍需设方向、复核结果并关注授权和错报。这是署名观点演变，适合对照思考团队如何定义目标与验收；文中事件、数学证明、公司声明和能力排行未独立核实，本条不转述为事实新闻或已复现实验。仅阅读文章，未连接账号、启动智能体、观看音乐视频、预订书籍或调用模型。

金融 AI 智能体正在落地，真正稀缺的是懂业务的人

懂点AI的Jack认为，金融 AI 智能体正在落地，真正稀缺的是理解金融业务的人。配文提出了这一人才需求判断，但没有展开具体案例或能力要求。

腾讯 AI 大模型应用岗面经

这是一条围绕腾讯 AI 大模型应用岗面试经历的短帖，主题涉及大模型应用与 AI 智能体岗位。现有配文仅重复标题，没有展开面试流程、具体题目、考察方向或准备建议，因此读者暂时只能确认内容主题，无法据此了解岗位要求或面试经验。

2026 年大语言模型发展总结：从编程智能体到本地模型与安全

维小灿！围绕2026年大语言模型的发展做回顾，主题涵盖编程 AI 智能体、个人 AI 智能体、本地模型和智能体安全。配文只列出了这些讨论方向，没有展开具体进展、代表事件或结论。

MemPO 源码学习笔记（5）：用 GRPO 训练智能体记忆

作者从源码解释 MemPO 如何训练长任务中的智能体记忆：除了最终答案奖励，还比较完整轨迹与记忆上下文对正确答案的预测能力，为每轮记忆增加质量信号。结果优势与记忆优势相加，后者仅作用于记忆片段，再通过统一的 PPO 更新训练模型。GRPO 用同题多条轨迹的组内统计替代价值评估网络，但记忆评分会额外增加一次前向计算。

拆解 JEV（下）：AI 智能体系统中的 8 类典型应用场景

作者建议把 AI 智能体中高频、答案有限的判断交给 JEV：输入当前状态和判断标准，返回选择、评分或判断结果及概率，用于下一步动作、工具路由、风险检查等。8 类场景沿用同一分工：大语言模型负责规划与生成，JEV 做快速判断，程序负责执行与验证。作者提醒，当前决策模型不支持视觉理解，也可能误判；是否更快、更准，仍需上线前评估。

Sebastian 的训练笔记：跨 Harness 任务与执行轨迹评分

人工整理｜Sebastian Raschka于2026-09-22的原站短文。作者从MiMo报告提炼Agent任务增加、跨Harness训练、读取执行轨迹的评分器及较大RL批次等方法线索，并认为数据和后训练配方值得重视。可用于列出后续阅读报告和设计评估的问题。本条是作者引述与判断，未读完整报告、下载权重、运行模型或复验数字；最好/No.1和发布时排名不作为已核结论，当前性能、费用和开放条件未独立验证。

机器人／物理 AI 智能体 Harness 综合分析与对比：从「更强的模型」到「更好的系统」

作者比较五个机器人、手机与通用 AI 智能体项目，认为可靠性提升还要靠 Harness，即模型外围的控制与编排层。共通方法是分开决策与执行、把动作封装成可组合技能、将经验外置复用；例如 RPent 让大语言模型规划，冻结的视觉-语言-动作模型只负责接触操作。对比同时提醒：评估基准不等于可部署工具，优化收益需匹配预算验证，模拟器结果也不能直接代表真机表现。

腾讯云开发者：用 Harness 为 AI 编程补上记忆与验证闭环

腾讯云开发者提出，AI 写代码快不等于交付真正提效，关键是给它配一套 Harness：用两级索引知识库沉淀会话中发现的隐性知识，并通过 hook 强制 AI 先查再动手；再把平台 API 封装成脚本和 skill，让它能提交、等待流水线终态并验证线上是否生效。最后用 command 固化排查、编码、本地验证、合入、等待和线上验证，避免 AI 在中途静默停止。小改动用 close-loop，复杂任务再用 close-loop-team，并设置往返轮次上限。

Jev API 工具清单：20 项工具与应用

作者整理了 20 项 Jev API 相关工具与应用，将其定位为帮助 AI 智能体做结构化判断、任务筛选和模型路由的决策能力。清单称，fast-jev-compaction 可过滤无效输出、压缩 Claude Code 上下文，jev-codex-router 则按编程难度选择模型与推理深度。内容属于功能概览，未给出部署步骤或调用费用。

仅基于配文整理

从0到1手把手搭建一个 Agent

这则内容以从0到1搭建一个 Agent 为主题，原文正文仅重复了标题和话题标签，未提供具体步骤、工具、运行环境、功能分工或使用条件。

Jev API 怎么用？从 20 个项目看决策工作流

作者汇总网友分享的 20 个 Jev 项目，核心分工是让 Jev 做分类、筛选、打分等简单决策，大模型负责执行任务。例如先判断任务难度再选择 Codex 模型，或先筛出高风险代码再交给大模型审查。作者认为，这种分工适合调用频繁、判断简单、无需生成长文本的环节，可按自己的工作流选择项目。

仅基于配文整理

一日升一位：Step 5 Preview 升至 AA 全球开源模型第二名

AI圈的那些事称，9月20日，阶跃星辰 Step 5 Preview 在 AA 综合智能指数 v4.3.2 的全球开源模型排名中，从第三升至第二。这一结果仅代表该评测体系，不同平台的结论可能存在差异。文中称模型已上线，面向软件工程、金融和 AI 编程场景；虽然被列入开源模型排名，对外开源仍是官方计划，日期为10月15日。

仅基于配文整理

SREAgent 团队反思：Harness 不再是垂类 AI 智能体的核心竞争力

SREAgent 团队认为，管理上下文、工具调用和长任务运行的 Harness 支撑层，正被模型厂商承接，不再是垂类 AI 智能体的核心竞争力。作者称，新版 SREAgent 结合 DeepSeek Harness 后，自有评测表现变差；删除重复且冲突的部分后，效果恢复甚至更好，但未提供量化成绩。文章提出应重新审视这类工程投入，对新的核心竞争力是什么仍保留悬念。

从零构建 AI 智能体（二）：用 Responses API 与大模型交互

这篇教程用 OpenAI Responses API 演示 AI 智能体与模型交互的基础：管理会话历史，区分流式回答与工具事件，再由客户端执行工具并回传结果。配套 ZeroAgent 示例还覆盖请求取消和订单信息的结构化提取。运行需配置 API 密钥、模型及兼容 Responses API 的服务地址；各服务对存储、推理和工具调用的支持不同，须查文档并实测。

从零构建 AI 智能体（一）：技术选型

作者从零构建 AI 智能体，采用前后端分离架构，以终端交互界面（TUI）作为首个前端，并在尝试 Go 和 Python Textual 后选择全栈 TypeScript。他称切换到 OpenTUI／Ink 生态后，界面卡死与渲染异常得到解决，并以统一技术栈为由选用 TypeScript 后端。工程上，他建议从项目初期建立日志与测试能力；较复杂、脆弱的界面端到端测试则用于低频按需校验，而非高频 CI 阻断。

AntV 在外滩大会用 5 分钟介绍 Sive

AntV 在外滩大会演示了 Sive，一个把数据上传、AI 分析和网页报告生成串在一起的可视化分析创作平台。用户提问后，系统执行查询和计算，生成可追溯数据来源的简报；选中结果后，可生成、预览和发布网页报告，获得分享链接。已有本地 AI 智能体或自动化流程的用户，可申请 API Key，通过 Open API 调用其数据分析与可视化能力。

Qoder Mobile Use 在 AI IDE 中构建鸿蒙、安卓与 iOS 的智能体验证闭环

Qoder 推出 Mobile Use 插件（Beta），支持安卓、鸿蒙与 iOS 从代码修改到设备交互、结果确认的验证闭环。开发者通过 Canvas 圈选问题区域，智能体通过 CLI 在同一设备会话中运行应用、执行交互并收集验证证据，结果不符时可返回代码修改后再次验证。插件已在 Qoder 桌面端与 Qoder IDE 中上新，通过各平台适配器接入现有开发环境，并以统一的技能与 CLI 提供观察、操作和验证流程。

真实项目 Design-to-Code 实测：Kimi K3、Claude Opus 5 与 GPT-5.6 Sol 对比

这是一场在真实企业前端项目中的 Design-to-Code 对比实测：作者用 GitHub Copilot CLI、自定义 Agent、Skill 和 Figma MCP，让三款模型把 Figma 设计稿还原为受 React 19、VDS、CSS Modules、i18n 与三道门禁约束的页面。测试中 Kimi K3 和 Claude Opus 5 均通过门禁，视觉分数分别为 74.8 和 60.4；GPT-5.6 Sol 因编译错误无法运行。作者认为，截图与节点树交叉验证、主动管理上下文和强制自检，比单看生成速度更影响可交付性。

Better Harness：把 Agent 调用记录连接到交付结果

Better Harness可读取多种Coding Agent的本地记录，跨项目查看模型、工具、Skill和token活动。文章进一步提出，将这些活动关联到需求、代码变更和验收结果，才能判断方法是否有效、是否值得复用。当前看板已能观察执行活动，完整任务证据关联仍在探索，不能把调用次数当成交付成效。

皮皮卜自研 AI 电商视觉平台：串联提示词、出图与精修

皮皮卜称，自己用3个多月开发了一个面向电商视觉的 AI 智能体平台，将提示词编写、AI 出图和后期高清精修串成一站式流程。平台目前处于最后内测稳定阶段，配文未给出公开使用入口或开放时间。

仅基于配文整理

29岁Java女被裁后转Agent，三个月拿下30K

这条抖音配文称，一名29岁Java开发者被裁后转向Agent，三个月后拿到30K。原文只给出转型方向和结果，没有说明具体学习路径、岗位类型、薪资单位或验证方式，读者无法据此判断可复用的转型方法。

AI 代码生成如何用 Harness Engineering 管理理解债务与代码审查

AI 大量生成代码后，代码生成成本下降了，但团队理解系统的成本没有同步下降，这种缺口被称为“理解债务”。文章讨论如何用 Harness Engineering 把任务边界、测试、类型检查、Linter 和独立评估写进 Agent 工作环境，把人的注意力留给架构、业务语义和高风险变更。规格驱动开发能对齐需求，却不能替代对实现的理解；更现实的方向是按风险决定自动合并或人工审查，而不是完全跳过代码阅读。

我的 AI 编程全流程：如何使用 AI 稳定交付高质量产品

马克的技术工作坊分享以 AI 编程稳定交付高质量产品为主题的全流程，但现有正文只有标题和标签，未提供具体步骤、工具用法或交付验证方法。

Chip Huyen 征询技能使用经验：你最多为 AI 智能体安装过多少项技能？

Chip Huyen 正在研究 AI 智能体技能的最佳实践，向读者询问：实际使用中，曾为自己的智能体安装过的技能最多有多少项。这是一则经验征集，尚未提供推荐安装数量、具体方法或研究结论。

小公司应用 AI：用财务流程助手智能体梳理付款流程

悟道智元丨AI实战营认为，小公司不一定要先增员，可以先用财务流程助手智能体整理付款范围、审批流程和角色分工，改变付款工作依赖一个人记、一个人管的做法。作者主张，企业应用 AI 的重点是推动制度和流程标准化，而非替代财务人员；配文未展开具体操作步骤。

多智能体体育内容生产：先呈现推理过程，再决定发布

作者主张，体育相关内容生产应先让 AI 呈现推理过程，而不是直接给出结论。其提出让多个专家 AI 智能体围绕数据源、赛程、赔率、历史比分和风险点交叉讨论，最后由主智能体做发布决策，并将这种分工视为企业级内容生产方式。

TITO 是什么：Miles 如何保持多轮 AI 智能体训练轨迹一致

这篇解读说明，TITO 要求上一轮的完整模型 token 序列原样成为下一轮提示词的开头，保证训练使用的上下文与实际推理一致。满足这一条件，多轮交互可拼成每个任务一个训练样本，减少训练计算量；上下文不一致则可能引发策略梯度异常和训练震荡。文中以 Miles 为例：为每条轨迹保留独立推理会话，只追加新消息和 token，并用增量分词避免改写历史序列。

大模型调用知多少：AI 智能体全链路拆解

作者拆解了 AI 智能体调用大模型的完整链路：结构化消息经聊天模板变成提示词，再编码为模型 token ID；生成结果经解码与解析，返回助手消息或工具调用。文中用 vLLM 与 LangGraph 说明分工：前者处理底层推理与采样，后者保存消息状态、调度工具并维持多轮执行，帮助读者理解不同调用接口各自负责哪一段。

Raschka 的代码勘误：Listing 6.5 的随机种子为何影响复现

人工整理｜作者2026-07-25的具名勘误指出《Build a Reasoning Model (From Scratch)》第198页清单6.5应把torch.manual_seed(0)改为torch.manual_seed(5)，以对应书中生成响应和第6章后续log-probability数值。作者同时说明使用0的代码仍正确，只是数值可能不同。适合排查该书读者复现输出不一致的问题，不能推广为所有推理项目的默认种子。本批核静态文字，未运行代码、训练模型、观看视频或核新版印刷是否已修正。

Sebastian 的五任务观察：模型成功数与 Harness token 支出分开看

人工整理｜Sebastian Raschka于2026-06-26发布的技术短文和原站比较图。作者在同一组五个本地Agent任务上并列不同模型与Harness，图中同时给出累计token和完成任务数，提示执行框架的资源支出与任务成功应分别考察。适合设计自己的小规模评估记录。本条只报告作者特定样本的观察，不把它升级为当前通用排名、每token费用或跨硬件性能结论；本批未运行模型、复验或读取失败的长文。

从 OpenClaw 到 FastClaw：如何设计优秀的多 AI 智能体架构

FastClaw 作者结合 OpenClaw 托管经验，提出多人智能体平台应优先设计存算分离、用户隔离和故障回退。其做法是让网关无状态、数据库保存会话，按用户隔离记忆，插件在独立进程运行，外部服务失败时切换备用。作者称项目免费开源，可用作个人助理或产品后端运行时；本地用 SQLite，生产环境用 Postgres，文件可通过 S3 共享。

ShipAny 新版发布：面向 AI 智能体编程的开发框架

ShipAny 新版上线3套起步模板，核心做法是让编程智能体通过内置技能，在对话中调用登录、支付、存储等现成能力，开发 AI SaaS 网站。新版主推 TanStack + Vite 生态，并支持部署到 Cloudflare。老用户支付 $1.99 可获得新模板；新用户须通过文中邀请链接购买 Premium 会员，并输入优惠码 NEXT，才能立减 $50。

聊聊 FastClaw 的 AI 智能体预装技能方案：最少内置，按需补充

作者为 FastClaw 只预装 3 个技能：find-skills 在无法直接处理任务时搜索并安装技能；找不到合适技能时，由 skill-creator 创建并保存供后续复用；camoufox-cli 负责网页抓取、截图等浏览器操作。作者主张按任务动态补充技能，同时指出，这依赖模型智能与意图识别，成功存在不确定性；预装常用技能则可由管理员提前筛选和配置。

AI实战阿C的 AI 智能体搭建教程：从基础框架到项目实现

AI实战阿C整理了一份面向复杂任务自动执行的 AI 智能体搭建教程，称覆盖基础框架搭建到真实项目实现。配文将核心环节概括为感知、记忆、规划与决策、行动及工具使用，并强调这项技能对 AI 产品经理求职的价值。正文仅给出教程范围，未展开具体搭建步骤、所用工具或运行条件。

AI Agent 搭建流程图：详细代码解析

这条内容展示 AI Agent 的搭建流程图，并称配有详细代码解析。现有文字只给出主题和相关标签，没有展开具体步骤、代码、所需环境或可直接复用的实现细节；想了解完整流程，需要查看配图。

分析代码修复 PR #342 合并：在 y 轴缩放前定义 best_bpb

分析代码修复 PR #342 已合并，调整为在 y 轴缩放前定义 `best_bpb`。该拉取请求来自 `kaizen-38/feat/bug-fix`，原文未提供其他改动细节。