Google AI Agent Clinic 教程：60 分钟为 AI 智能体搭建生产级评测流水线
Google AI 发布本期 AI Agent Clinic 实战内容，由 Google Cloud 工程师 Dani Zamora 与 Merge 的 Matthew Feroz 现场在 60 分钟内搭建端到端、框架无关的 agent 评测流水线。
#教程/实践
Google AI：DEV 作者专属AI 评分5454
Pydantic AI 官方文章精选AI 评分7272 Pydantic Logfire MCP server 教程：在编辑器里让编码智能体直接调试生产数据
Pydantic Logfire 官方介绍如何用 Logfire MCP server 让 Cursor、Claude Code、Codex 等编码智能体直接以 SQL 查询 OpenTelemetry traces、日志和指标，给出三条接入路径和 OAuth/API key 认证方式。
推荐理由：原文给出完整接入方式、SQL 查询设计和两家生产团队的数据，能帮助读者判断让编码智能体直查生产 trace 是否适合自家工作流。
Google AI：DEV 作者专属AI 评分4040 如何在 PostgreSQL 中实现亚秒级语义过滤：将超快的 Jev 模型集成到 AlloyDB
这是一篇教程，讲解如何把 TypeSafe AI 的 Jev 模型接入 AlloyDB for PostgreSQL，在数据库层直接执行亚秒级语义过滤。
vLLM 官方博客精选AI 评分6969 vLLM 分离式推理实战指南：P/D 拆分与无 GPU 前端
vLLM 官方博客发布分离式推理实用指南，讲解如何将 prefill 与 decode 拆分、用 /render 与 /derender 把 tokenization 等工作移到纯 CPU 前端，需 vLLM v0.31.0 及以上。
推荐理由：vLLM 官方给出 P/D 分离和无 GPU 前端的适用条件、实测数据与配置方法，读者可对照自己的负载决定是否拆分。
Google AI：DEV 作者专属精选AI 评分6262 如何用 Gemini Live API 构建实时语音 AI Agent
Google 开发者团队介绍如何用 Gemini Live API 构建可实时对话、可被打断的语音 Agent，架构包括浏览器客户端、Gemini Live API 和基于 google-genai SDK 的 Python 后端，通过 WebSocket 保持双向音频连接。
推荐理由：官方教程讲解了 Gemini Live API 双向音频架构和降低打断延迟的本地缓冲技巧，读者可以直接照做复用。
Google AI：DEV 作者专属精选AI 评分6161 Google AI 详解生产环境加固 AI Agent 沙箱的 7 种方法
Google AI 工程师 Praveen Rajasekar 撰文介绍在生产环境运行自主 Agent 时超越标准 Docker 容器的 7 种沙箱加固方法。
推荐理由：原文给出了 7 条生产环境 Agent 沙箱加固的具体方法，涵盖内核隔离、密钥外置和网络管控，可直接用于生产落地。
SemiAnalysis 长文 RSSAI 评分5858 SemiAnalysis 解析 GLM-5.3 稀疏注意力对 HBM 内存与推理成本的影响
SemiAnalysis 长文解析 GLM-5.3 的稀疏注意力如何影响 HBM 与 NAND 内存需求，指出 top-k 选择仍需完整上下文驻留 HBM，稀疏注意力并不直接省显存。
Anthropic：Claude.dev 开发者博客精选AI 评分7474 Anthropic 讲解用 claude-api skill 自动化评测设计与 hillclimbing
Anthropic 在 claude-api skill 中新增 /claude-api build-eval 和 /claude-api hillclimb 两条命令，并讲解好评测的四要素与防过拟合的攀登原则。
推荐理由：Anthropic 官方给出了好评测的四要素和防过拟合的攀登方法，读者可以直接用这两条命令在自己的代码库里复用这套流程。
Anthropic：Claude.dev 开发者博客精选AI 评分7373 Anthropic 员工详解 Claude Code 中 effort 档位的选择与用法
Anthropic 员工 Thariq Shihipar 深入测试 Opus 5.5 和 Fable 5.1 的 effort 设置，分享在 Claude Code 中如何按任务选择档位。
推荐理由：作者结合自测和 Terminal-Bench 3.0 数据给出各 effort 档位的适用场景，读者可以直接套用这套任务分档方法。
Anthropic：Claude.dev 开发者博客精选AI 评分7575 Addy Osmani 详解 Opus 5.5 上一个任务的成本构成与省钱方法
Anthropic 开发者博客发文详解 Opus 5.5 上 Claude Code 任务的成本构成，Opus 5.5 输入输出 token 比 Opus 5 便宜 20%、cache 读取便宜 60%，典型会话按相同 token 计算降价约 31%。
推荐理由：原文拆解了任务成本的四个决定因素和缓存、effort 等设置的具体影响，读者可以据此计算并降低自己的 Claude Code 用量。
Browser UseAI 评分5252 Chrome DevTools Protocol（CDP）是什么：原理、用途与实践示例
Browser Use 发布 CDP 科普文章，讲解这个用于检查和控制 Chromium 浏览器的底层协议的工作原理。
Lovable Blog精选AI 评分6161 Lovable 详解 Chats 背后的多智能体协作架构
Lovable 工程师详解新功能 Chats 背后的架构：Trajectory System 以类 Git 的 append-only 事件日志记录智能体历史，支持近乎零成本的 fork，配合持久 inbox 和 Agent Control Plane 的 activation 机制编排多智能体协作。
推荐理由：作者以当事方身份拆解自家电报级事件日志与 inbox/activation 架构，可迁移到自建多智能体产品的工程决策。
Anthropic：Claude.dev 开发者博客精选AI 评分8181 Anthropic 团队复盘如何用 Claude 在两周内把 claude.ai 提速约 3 倍
Anthropic 团队复盘两周冲刺，将 claude.ai 与桌面端核心体验提速约 3 倍：75 百分位首次可输入时间从 3.1 秒降至 0.55 秒，Claude Cowork 云会话加载从 2.6 秒降至 0.73 秒。
推荐理由：原文由当事团队复盘两周优化过程，给出了具体提速数字、测量方法与 Claude 驱动的工程循环，读者可借鉴其可迁移的做法。
Together AI 研究与产品博客AI 评分4848 如何花 $17 训练你自己的 Jev 分类模型
Together AI 博客演示如何微调一个 Jev 风格的分类模型：以 Qwen3.5 4B 为基座，从 MultiNLI、BoolQ、Banking77 等 6 个数据源采样 37,840 条训练样本，成本约 $17.0，训练约 25 分钟完成。
Anthropic：Claude.dev 开发者博客精选AI 评分7575 Anthropic 发布 Opus 5.5 在 Claude 与 Claude Code 中的使用指南
Anthropic 官方博客发布 Opus 5.5 使用指南，讲解如何提示、驱动长任务和核查结果。要点包括一次给出完整任务和完成标准、删除 think carefully 类提示、用 CLAUDE.md 设定何时继续何时停下、拆分 subagent、把任务清单存文件；还说明被安全拦截时会切换到旧模型，可用 /model 或模型选择器切回，fast mode 作为研究预览可用 /fast 开启。
推荐理由：Anthropic 官方总结了 Opus 5.5 与以往不同的提示词写法和长任务管理方法，读者可直接照清单迁移到自己的工作流。
vLLM 官方博客精选AI 评分6262 用一个 uv 构建开关为 vLLM 启动节省约 18 秒
vLLM 作者介绍通过环境变量 UV_COMPILE_BYTECODE=1 让 uv 在镜像构建时预编译 Python 字节码，避免新容器反复编译源码。
推荐理由：作者用配对实测验证一个 uv 构建开关可为 vLLM 启动省约 18 秒，并给出官方镜像版本和自建镜像注意事项。
SemiAnalysis 长文 RSSAI 评分4343 SemiAnalysis 分析：MoE 模型推理的计算与数据流动
SemiAnalysis 发文解析 MoE 架构下大模型推理的服务与经济结构，指出 MoE 改变了每个 token 激活的张量、数据搬运和带宽需求。
Browser UseAI 评分4949 Browser Use vs Browserbase：价格、隐身能力与性能对比
Browser Use 与 Browserbase 两大浏览器智能体基础设施平台对比：Browser Use 按量计费无需订阅，browser hour 为 $0.02/h、代理 $5/GB。
LiveKit 产品与工程博客AI 评分5656 LiveKit 官方对比 LiveKit Agents 与 Pipecat 两大开源语音视频 Agent 框架
LiveKit 博客发布指南，从架构、采用度、开发体验和生产就绪度对比 LiveKit Agents 与 Pipecat 两大开源语音视频 Agent 框架。核心差异是 LiveKit Agents 构建在高抽象的会话模型上并绑定自家 WebRTC/SIP 服务器，Pipecat 则让开发者自选 transport 并逐级组装 pipeline，适合非对话式或并行分支场景。
SemiAnalysis 长文 RSSAI 评分6565 SemiAnalysis 实测 DeepSeek-V4.1 Flash 的 Engram 卸载：DRAM 收益明显，SSD 不划算
SemiAnalysis 发布长文，分析 DeepSeek-V4.1 Flash 的 Engram 多 token 嵌入查找机制，并给出模型与 DRAM/SSD 卸载协同设计的实测结果。
Together AI 研究与产品博客AI 评分5151 Together AI 讲解从闭源模型迁移到开源模型的策略
Together AI 发布从闭源模型迁移到开源模型（OSM）的迁移策略概览，覆盖发现、评估、适配、决策和生产五个阶段。核心方法是用现有闭源流量回放做真实数据评估，而非依赖通用基准；适配按系统提示词、推理参数、上下文工程、微调四个杠杆迭代。文中称部分客户迁移后成本最多降低 70%，可用金丝雀部署从 10% 流量开始上线，全程可缩短到数周至数月。
Browser Use精选AI 评分6060 Browser Use 复盘浏览器 Agent 的苦涩教训：让模型自己选择观察与动作
Browser Use 作者回顾其架构演进，核心观点是复用成熟 agent harness，暴露模型能用的最简底层接口，让模型自己决定观察和行动。
推荐理由：作者复盘了 Browser Use 从预定义动作到直接暴露 CDP 的演进，读者可以借此思考模型变强后该怎样简化 Agent harness。
Browser UseAI 评分4949 Playwright vs Selenium vs Puppeteer：三大浏览器自动化工具如何选型
Browser Use 发文对比 Playwright、Selenium、Puppeteer 三款浏览器自动化工具在浏览器支持、语言、等待机制和测试工具上的差异，并探讨何时适合改用 AI 浏览器智能体。
Armin Ronacher AI 博客AI 评分5555 Armin Ronacher 实测 Pangram 对 AI 检测的误判：人工改写仍被判 100% AI
Armin Ronacher 针对 David Sacks 推文被 Pangram 判为 AI 引发的争论做实验：先用 Opus 5 按提示词生成类似风格的推文，再完全不靠 LLM 逐段改写，Pangram 仍将该人工改写文本判为 100% AI。他总结经验是若用 LLM 搭建文本结构，即使大量编辑也难逃检测，并提到自己的博客已 AI 辅助约两年，担心 100% AI 判定对重度编辑的作者有误导。
Cognition 模型 / Devin 博客精选AI 评分7777 Cognition 研究员用 Devin 构建 GPU 格子筛，完成 RSA-260 分解
Cognition 研究员 Eric Lu 用多个 Devin 会话构建了高性能 GPU 格子筛，改进 CADO-NFS 并完成 RSA-260（260 位）分解，成本约 4,900 GPU 天、约 40 万美元，比此前公开最优低约 10 倍，刷新了 RSA Factoring Challenge 公开最大解题纪录（此前纪录为 2020 年 2 月的 RSA-250）。
推荐理由：原文给出 RSA-260 分解的成本拆解和 GPU 格子筛实现细节，可据此理解 Agent 驱动科研计算的可行性与边界。
LiveKit 产品与工程博客AI 评分4747 LiveKit 解读语音智能体「VAD inference slower than realtime」警告的含义与修复方法
LiveKit 发文解释语音智能体日志中「inference is slower than realtime」警告：它与所用 STT、TTS、LLM 模型无关，而是智能体进程内的 VAD 模型未能在 32ms 内处理完每 32ms 音频窗口，警告中的 delay 表示 VAD 落后实时音频的距离，Python 按秒、Node.js 按毫秒报告。
Together AI 研究与产品博客精选AI 评分6969 Together AI 详解从闭源迁移到开源模型的 MIGHT 编码栈
Together AI 发布长文，讲解开发者如何从闭源模型迁移到开源模型构建 AI 编码栈，提出 MIGHT 分层框架：模型、推理、网关/路由、Harness 和工具（Skills 与 MCP）。
推荐理由：原文把开源编码栈拆成 MIGHT 五层并给出模型选型、路由和上下文管理的具体做法，开发者可按层迁移自己的工作流。
Fireworks AIAI 评分5353 Fireworks AI 讲解如何从租用模型走向训练自己的专属智能
Fireworks AI 发布系列文章首篇，讲解团队何时以及如何训练自己的模型。文章梳理了从封闭前沿模型加提示词、上下文与 harness 工程，到换用更便宜的开源模型，再到微调的升级路径，并归纳任务特化、风格、蒸馏、Agent 强化学习和持续训练五种训练模式。
Browser UseAI 评分4444 什么是无头浏览器（Headless Browser）？
无头浏览器是不带图形界面的浏览器，靠程序控制，二十年来主要用于自动化测试、网页抓取、数据提取和截图，近年因 AI browser agents 采用而热度上升。
Timothy B. Lee：Understanding AIAI 评分4545 Google 如何让 LLM 控制机器人并掀起机器人浪潮
Google 在 2023 年 7 月发布 RT-2，通过训练多模态 LLM 直接生成机器人动作，开启机器人的“GPT-3 时刻”。RT-2 参数规模达数十亿，远超此前 35M 参数的 RT-1，展现出对物体、场景和指令的泛化能力，Google 将其命名为视觉-语言-动作（VLA）模型，该方法和术语迅速成为行业标准。
Waymo：BlogAI 评分5454 Waymo 总结 2 亿英里全无人驾驶带来的 10 条 AI 经验
Waymo 基于 2 亿英里全无人驾驶里程总结出十条构建 AI 的基本原则。要点包括多模态传感器与高精地图不可或缺、转向更少更大的基础模型、以独立验证层避免黑箱风险、采用闭环仿真和 AI Critic 评估驾驶行为，并用 Gemini 训练的 VLM 处理长尾场景推理；文章强调 L2 辅助驾驶改进无法替代真正的全无人驾驶经验。
Lovable BlogAI 评分4747 Lovable 如何让应用连接到其他服务：近 100 个连接器背后的故事
Lovable 介绍其过去 6 个月从零建成近 100 个应用连接器、每周新增 1–3 个连接器的历程。团队先支持 MCP 和 Firecrawl、ElevenLabs、Perplexity 等无状态连接器，再构建 Connector Gateway 代理统一管理 OAuth 凭证与刷新逻辑，部署的应用不接触任何密钥，凭证安全存储在 Spanner 中。
LiveKit 产品与工程博客AI 评分5353 LiveKit 详解语音智能体中短语句导致静音的排查方法
LiveKit 博客讲解语音智能体对 "yes"、"no" 这类短回复失去响应的排查方法，核心是 turn 闭合需要 final_transcript 和 end_of_speech 两个事件。文中逐项分析 STT 缺失最终转录、endpointing 设置过激或过松、噪声消除误删用户音频、SIP 通话质量差和 backchannel 被误判为打断等根因，并给出对应修复方案与按序诊断清单。
Lovable BlogAI 评分4444 Lovable 应用如何通过 Google 验证获取第三方数据访问
Lovable 通过 Matthew Canaday 的 SkyRingAI（家庭服务行业 AI 电话接待员）案例，讲解应用接入用户 Google 等第三方数据的验证流程。
Lovable Blog精选AI 评分6767 Lovable 如何将 lovable.dev 从 Next.js 迁移到 TanStack Start 并用自家平台托管
Lovable 工程师 Alexander Lebedev 复盘了将月活 4200 万+ 访客、约 91 万行代码的 lovable.dev 从 Next.js 迁移到 TanStack Start 并托管在自家平台的全过程，迁移由一名开发者加多个 Agent 在约六个月内完成。
推荐理由：作者是这次迁移的一线工程师，给出了双框架并行、共享代码层和 AI 辅助迁移的可复用方法，还复盘了一次内存事故。
LiveKit 产品与工程博客AI 评分4646 LiveKit 讲解 LiveKit Inference 如何默认实现零数据保留（ZDR）
LiveKit 在博客中讲解其语音 AI 平台如何处理零数据保留（ZDR）：通过 LiveKit Inference 的 inference.LLM、inference.STT 和 inference.TTS 提供的所有模型默认开启 ZDR，不保留、不记录、不训练、不聚合用户数据，且适用于所有 LiveKit 套餐，无需配置开关。
Figma AI / Agent / MakeAI 评分5858 Figma 开放为设计 agent 自创 skills，并推荐 10 个社区技能
Figma 宣布用户可直接在 Figma 中与 agent 协作创作 skills（纯文本 markdown 指令文件），流程包括用设计帧生成草稿、预览、在聊天中使用并迭代修改。
Nathan Lambert：InterconnectsAI 评分4848 Nathan Lambert 的新后训练教材正式发售：5 个值得学的内容
Nathan Lambert 宣布其由 Manning 出版的后训练教材《Reinforcement Learning from Human Feedback: Aligning and Post-training LLMs》现已从 Manning 和 Amazon US 发货，Amazon UK 版将于十月发售。
Browser UseAI 评分5656 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。
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。