Browser Use 拆解 Web Agent 基准评测中的判官噪声问题
Browser Use 发布长文分析 Web Agent 基准中判官噪声的影响：同一批已完成运行，仅更换判官模型，最宽松判官报告 83.7%，最严格只有 62.5%，相差 21 分。文章提出让判官作为 Agent 检查整个 workspace、用百分比评分替代 pass/fail、跑三次取中位数等做法，并指出 Opus 5 在低推理档位比高档位低 88 分，调推理强度的影响超过换厂商。
#教程/实践
Browser UseAI 评分5656
Together AI 研究与产品博客精选AI 评分7979 Kimi K3 开发者指南：Together AI 上的用法、定价与基准
Together AI 发布 Kimi K3 开发者指南，讲解如何在自家 API 上使用月之暗面 2.8 万亿参数的开源模型 K3，该模型支持 1M 上下文。
推荐理由：Together AI 直接服务该模型，指南给出推理档位、缓存和动态工具加载等实操要点，可帮助开发者控制 1M 上下文下的使用成本。
Together AI 研究与产品博客AI 评分5151 Together AI 推出 LLM 推理自动扩缩容端点并讲解指标选择
Together AI 在 Dedicated Model Inference 平台上推出自动扩缩容端点，可基于 in-flight requests、TTFT、GPU 利用率等 8 项推理原生指标设置副本上下限、目标值和扩缩窗口。
Berkeley AI Research精选AI 评分6363 研究者用 K-Search 将 CUDA kernel 优化经验迁移到 Apple Silicon 的 MLX
IBM Research 基于加州大学伯克利 Sky Lab 的 K-Search 演进式 kernel 搜索框架，为其新增 MLX 后端和结构化 CUDA 到 MLX 翻译层，把概念映射表、MLX 专有模式和可复用断言作为上下文供进化搜索使用。
推荐理由：原文给出可复现的 CUDA 到 MLX 翻译层做法与分项数据，读者可据此评估跨平台 kernel 迁移的方法是否适用。
Together AI 研究与产品博客AI 评分4242 Together AI 详解 Dedicated Model Inference 的配置方法
Together AI 在博客中讲解其 Dedicated Model Inference 平台的三层资源模型：endpoint（稳定调用入口）、deployment（模型+硬件的副本组合）与 config（运行配方），并以容量感知流量分配将三者关联。
Anthropic：Claude.dev 开发者博客精选AI 评分7777 Anthropic 解析 Claude 5 代模型的上下文工程新规则
Anthropic 工程师 Thariq Shihipar 介绍新一代 Claude 5 模型（如 Claude Opus 5、Claude Fable 5）的上下文工程新实践，团队删除了 Claude Code 超过 80% 的系统提示词，且在编码评测中无可测损失。
推荐理由：Anthropic 以 Claude Code 砍掉 80% 系统提示词的实测经验，总结新一代 Claude 模型上下文工程的六组新旧做法转变。
Together AI 研究与产品博客AI 评分4747 Together AI 解析：99.9% uptime 对推理服务意味着什么
Together AI 为 Cursor、Decagon、Cartesia、Yutori 等团队提供推理服务，并解释不同可靠性等级背后的工程要求：99% 需在请求到达前发现并替换故障节点，99.9% 需权重跨两个数据中心部署并持续承接全量流量，99.99% 需多区域部署并预留可吸收整个区域故障的空闲容量。
Cognition 模型 / Devin 博客精选AI 评分7373 Cognition 实测 Fable 5 单价更高但 Devin 总成本更低
Cognition 在 FrontierCode 1.1 上对比 Fable 5 与 Opus 4.8 发现，尽管 Fable 5 每 token 单价是 2 倍，配合 sidekick 架构后每轮成本反而更低且得分更高（60.7 vs 54.6，$1.86 vs $2.04）。
推荐理由：原文基于 3000 次评测拆解成本去向，读者可以看到智能体计费为何不能只看单价，以及委托风格如何影响成本与质量。
Suno：BlogAI 评分4141 Suno 讲解 Voices 功能的 6 个录制使用技巧
Suno 分享用好 Voices 功能的 6 个技巧：在安静无回声处录制、提前练习、不必追求完美、尽量录长一些（建议至少一分钟）、让嗓音匹配曲风并大胆尝试不同类型。Voices 现已在 Web、iOS 和 Android 上可用，可免费试用，付费计划提供更多功能。
Anthropic：Claude.dev 开发者博客精选AI 评分7878 Anthropic 分享 Claude Code 团队使用 skills 的经验与最佳实践
Anthropic Claude Code 团队成员 Thariq Shihipar 撰文分享内部数百个 skills 的使用经验，将其归纳为库参考、产品验证、数据取数等九个类别，其中验证类 skills 对输出质量的提升最为可测。
推荐理由：Anthropic 团队基于数百个内部在用 skills 的实践，归纳出九类划分和撰写技巧，读者可以对照改进自己的 skills 设计。
Anthropic：Claude.dev 开发者博客精选AI 评分7676 Anthropic 详解 Claude Code 动态工作流的原理、模式与使用建议
Anthropic Claude Code 团队成员撰写文章，讲解上周发布的 Claude Code 动态工作流：Claude 可即时编写针对任务定制的 harness，通过 agent()、parallel()、pipeline() 组合子智能体。
推荐理由：Anthropic 员工结合一手使用经验讲解动态工作流的原理与模式，并给出适用边界和 token 开销等实操建议。
Cognition 模型 / Devin 博客精选AI 评分6060 Cognition 分享 Devin 云端自主测试能力的构建经验
Cognition 工程师复盘 Devin 在云端虚拟机中自主测试代码变更的做法。Devin 进入测试模式会先写出基于源码的测试计划，再用截图、点击等 computer use 工具运行应用并验证改动，将登录等重复流程沉淀为仓库中的确定性测试技能，最后返回带标注截图、章节和通过/失败断言的测试报告与视频。
推荐理由：Cognition 工程师复盘 Devin 自主测试的构建经验，给出测试计划、测试技能和回放产物等可直接借鉴的工程做法。
Anthropic：Claude.dev 开发者博客精选AI 评分7474 Claude Code 团队成员解析为什么用 HTML 替代 Markdown 作为 Agent 输出格式
Anthropic Claude Code 团队成员 Thariq Shihipar 撰文介绍用 HTML 替代 Markdown 作为 Claude Code 输出格式的实践。他认为 HTML 在信息密度、可读性、分享便利和双向交互上优于 Markdown，并给出规格探索、代码审查、设计原型、报告和临时编辑界面五类用例及示例提示词，相关模板已发布在 GitHub。
推荐理由：Claude Code 团队成员分享用 HTML 替代 Markdown 作为输出格式的实践，给出五类用例和可直接套用的示例提示词。
OpenClaw：BlogAI 评分5959 OpenClaw 说明安全方向：fs-safe、Proxyline 与 ClawHub 插件信任
OpenClaw 官方发布安全路线说明，区分已落地、在途和仍在研究的能力。
Cognition 模型 / Devin 博客AI 评分4444 Cognition 分享 Devin 部署于汽车 HIL/SIL 工作流的实践：自动失败分诊与 10 倍测试生成
Cognition 总结过去一年将 Devin 部署到 RV Tech、Mercedes 等车企 HIL/SIL 工作流的经验。
OpenClaw：BlogAI 评分5353 OpenClaw 复盘近期版本故障，宣布精简核心并单独发布 LTS
OpenClaw 官方复盘 2026.4.24 和 2026.4.29 两个版本引发的问题：gateway 变慢、插件依赖修复循环、Discord 和 Telegram 等渠道表现异常，部分用户被迫降级。
OpenAI Developers：BlogAI 评分5959 OpenAI 发布 Realtime 语音智能体提示词指南
OpenAI 发布实时语音智能体的提示词指南，讲解如何为语音智能体撰写 prompt。内容涵盖 Realtime 2 推理、preambles、工具使用和精确实体捕获。
Anthropic：Claude.dev 开发者博客精选AI 评分7878 Claude Code 团队分享构建 Agent 的 Prompt 缓存优化经验
Anthropic Claude Code 团队发文分享围绕 prompt caching 构建 Agent 的经验：缓存按前缀逐字节匹配，静态内容前置、更新信息通过消息而非改系统提示传递。文中还说明不要中途换模型或增删工具、用 defer_loading 延迟加载工具、压缩对话时复用父对话前缀的 cache-safe forking，并建议像监控 uptime 一样监控缓存命中率。
推荐理由：Claude Code 团队把缓存命中率当事故监控，文中给出的前缀排序、消息更新、工具延迟加载等做法可直接迁移到自己的 Agent 工程。
OpenClaw：BlogAI 评分5959 OpenClaw 复盘公开化安全治理：1309 份报告中的加固与误报
OpenClaw 创始人复盘项目自 1 月以来的公开安全治理：GitHub 显示截至 4 月 30 日共 1,309 份安全通告，535 份发布、746 份判为无效，109 份 critical 报告中 95 份为误报。
Cognition 模型 / Devin 博客精选AI 评分6262 Cognition 复盘两年构建 Devin 云智能体的经验教训
Cognition 复盘两年多构建 Devin 云智能体的经验，指出容器化方案的三大短板：共享内核带来安全风险、无法跨异步间隙保存状态、编排与治理集成需数季度投入。
推荐理由：Cognition 以两年自建 Devin 的第一手经历，拆解云智能体在内核隔离、状态快照、编排治理三层上的真实成本与组织改造路径。
Cognition 模型 / Devin 博客精选AI 评分7373 Cognition 复盘多智能体实践：写入单线程、智能体只贡献智能的模式正生效
Cognition 发文复盘 10 个月前《Don't Build Multi-Agents》之后的转变：并行写入的 agent 集群仍难落地，但多 agent 贡献智能、写入保持单线程的窄类模式已在实际中生效。
推荐理由：作者以亲历视角复盘 Cognition 的多智能体实践，提炼出写入单线程的可行模式与沟通瓶颈，方法可迁移。
OpenAI Developers：Blog精选AI 评分7474 OpenAI 发布 API 部署清单，覆盖 Responses API 与 GPT-6 模型选型优化
OpenAI 发布 API 部署检查清单，建议始终从 Responses API 起步，并按负载在 gpt-6-astra、gpt-6.1-sol、gpt-6-luna 等模型中选型。
推荐理由：OpenAI 官方按质量、成本、延迟、可靠性逐项给出部署取舍建议，开发者可对照检查自己的 Responses API 工作流。
Anthropic：Claude.dev 开发者博客精选AI 评分6767 Anthropic 团队讲解 Claude Code 工具设计方法：像智能体一样思考
Anthropic Claude Code 团队成员 Thariq Shihipar 撰文讲解如何为智能体设计工具，核心方法是通过阅读模型输出和实验来理解模型能力。
推荐理由：Anthropic 团队以 AskUserQuestion、Task 等实际设计案例，说明如何根据模型能力取舍工具，方法可迁移到自己的 agent 开发。
Cognition 模型 / Devin 博客AI 评分5151 Cognition 讲解 Devin 如何在财富500强企业推进 COBOL 现代化
Cognition 发文说明 Devin 在多家财富500强企业承担 COBOL 现代化工作的方法与边界。
OpenAI Developers：Blog精选AI 评分7171 OpenAI 发布 Sora 2 提示词指南，详解角色复用、视频延展与分辨率更新
OpenAI 更新 Sora 2 提示词指南，涵盖最新 API 能力：角色参考上传后可跨视频复用、最高支持 1920×1080 导出、时长上限从 12 秒升至 20 秒、以完整原片为上下文的视频延展，以及批量异步生成。指南给出描述式提示词模板，强调分辨率、时长和角色 ID 须通过 API 参数显式设置，建议单一镜头配单一运镜与动作，视频可延展最多 6 次合计 120 秒。
推荐理由：官方指南给出提示词结构、API 参数边界和迭代方法，读者可直接套用到 Sora 2 的视频生成工作流中。
Cognition 模型 / Devin 博客AI 评分5656 Cognition 拆解如何用 Devin 开发 Devin：上周合并 659 个 Devin PR
Cognition 介绍公司内部如何用 Devin 开发 Devin 本身，上周合并了 659 个 Devin PR，高于 2025 年最好一周的 154 个。
OpenAI Developers：Blog精选AI 评分7979 OpenAI 发布 gpt-5.3-codex 提示词指南
OpenAI 在 Cookbook 发布 Codex 模型提示词指南，API 上的 Codex 调优模型为 gpt-5.3-codex。
推荐理由：原文给出 gpt-5.3-codex 的迁移步骤、完整标准提示词与工具实践，读者可据此直接优化自己的 agent harness 配置。
TransluceAI 评分4747 Transluce 用 Docent 诊断 GPT-5.1 Codex 在 Terminal-Bench 上的性能回退
Transluce 用其 trace 分析工具 Docent 诊断 GPT-5.1 Codex 在 Terminal-Bench 上落后 GPT-5 Codex 6.5 个百分点的回退原因。
OpenAI Developers：BlogAI 评分5252 OpenAI 演示 Codex 在 JetBrains IDE 中的使用方法
OpenAI 发布一段操作演示视频，讲解如何在 JetBrains IDE 内使用 Codex。视频以实际操作为主，展示 Codex 在 JetBrains 各 IDE 中的具体用法。
OpenAI Developers：Blog精选AI 评分7474 OpenAI 发布 gpt-image-1.5 提示词指南
OpenAI 发布 gpt-image-1.5 提示词指南，介绍这款新图像生成模型在真实感、准确性和可编辑性上的改进。
推荐理由：官方 cookbook 给出 gpt-image-1.5 的提示词结构与生成、编辑两类用例，读者可以据此调整自己的图像工作流写法。
OpenAI Developers：Blog精选AI 评分7575 OpenAI 发布 GPT-5.2 提示词指南
OpenAI 面向企业和智能体工作负载的旗舰模型 GPT-5.2 发布提示词指南，指出其在指令遵循、结构化推理、工具调用可靠性上优于 GPT-5.1，但默认 verbosity 更低且对提示词敏感。
推荐理由：官方给出 GPT-5.2 与旧模型的差异点和可直接复用的提示词模板，适合迁移或调优生产级智能体的团队参考。
OpenAI Developers：BlogAI 评分5656 OpenAI Cookbook 演示用 Realtime 模型做带外用户语音转写
OpenAI Developers 发布 Cookbook 教程，演示在同一个 Realtime WebSocket 会话内用第二个 response.create 请求（conversation 设为 none、output_modalities 设为 text）调用 Realtime 模型对用户语音做带外转写。
OpenAI Developers：BlogAI 评分5252 OpenAI 发布 Codex CLI 代码现代化 Cookbook，以 COBOL 为例演示五阶段改造流程
OpenAI 发布 Codex Cookbook 教程，演示如何用 Codex CLI 现代化遗留代码库，以 COBOL 投资组合系统的日报流程为示例。
Cognition 模型 / Devin 博客AI 评分4747 Coding Agents 101：Cognition 讲解如何真正用好编程智能体
Cognition 团队发布《Coding Agents 101》，分享客户及自身使用 Devin 等编程智能体的实践经验。文章指出资深到 Staff 级别工程师更易快速取得成功，并总结了让智能体真正完成任务的要点。
Cognition 模型 / Devin 博客精选AI 评分6262 Cognition 开源 blockdiff：秒级 VM 磁盘块级快照文件格式
Cognition 开源 blockdiff（github.com/CognitionAI/blockd…），一个对 VM 磁盘做块级差异快照的文件格式与工具，其自研 hypervisor otterlink 借此把磁盘快照时间从 EC2 的 30+ 分钟降到几秒，约 200 倍提速，VM 启动时间也比 EC2 快约 10 倍。
推荐理由：原文复盘了 Cognition 自研磁盘快照格式的动机、设计与取舍，读者能了解 VM 快照从 30 分钟降到秒级的实现路径。
Cognition 模型 / Devin 博客精选AI 评分6868 Cognition 发文提出上下文工程原则，称多智能体架构在 2025 年仍易碎
Cognition（Devin 团队）发文 Don't Build Multi-Agents，基于实战提出两条构建 Agent 的原则：共享完整 Agent 轨迹的上下文，以及行动隐含决策、冲突决策带来坏结果。
推荐理由：作者基于 Devin 的实战经验提出上下文工程两条原则，并解释为何多智能体架构在实际中易碎。
Cognition 模型 / Devin 博客精选AI 评分6060 Linktree 分享用 Devin 处理 300 个 PR 的实践经验
Linktree 团队复盘用 Cognition 的 Devin 辅助开发的实践经验。过去一个月 Devin 提交约 300 个 PR、合并约 100 个，主要用于修复用户上报的 bug、实现小功能和原型验证。
推荐理由：Linktree 团队复盘近一个月用 Devin 的实战经验，给出任务选择标准、Playbook 编排和多 Devin 并行的可迁移做法。
Cognition 模型 / Devin 博客AI 评分5353 Cognition 教你用 Devin API 搭建 GitHub Actions 自动化 PR 代码审查
Cognition 发布教程，讲解如何用 Devin External API 配合 GitHub Actions，在 PR 打开、更新或重新打开时自动拉起 Devin 实例进行代码审查。
Cognition 模型 / Devin 博客AI 评分4040 Crossmint 案例分享：用 Devin 扩展开源项目 GOAT SDK 的开发
Crossmint 团队分享在 Cognition Open Source Initiative 提供的 Devin 额度支持下，用 Devin 扩展开源库 GOAT SDK 开发的经验。