Anthropic 建议调整 Claude Opus 5.5 提示词习惯，删除催促思考的指令
Anthropic 建议 Claude Opus 5.5 用户删除“努力思考”等旧式提示词，并从默认的 Medium 推理强度开始使用。公司称，删除这些措辞后，测试中的响应启动更快，质量未出现可测量的下降；Opus 5.5 在 Medium 下的表现可匹配 Opus 5 的 High 设置。
#教程/实践
The DecoderAI 评分7171
AI快讯AI 评分6262 Shopify 介绍 Cyber Chaos Monkey 如何用双 AI 智能体开展生产环境安全测试
Shopify 工程团队介绍内部系统 Cyber Chaos Monkey（CCM），让掌握源码、基础设施知识和测试店铺凭证的 AI 智能体在生产环境开展受控攻击。
AI快讯AI 评分7070 Anthropic 发布始终在线 Agent 架构指南，拆解五类组件的循环协作
Anthropic 应用 AI 团队发布《Building always-on agents》架构指南，用收件箱、计时器、记忆、权限和发件箱五类组件说明如何搭建始终在线的 AI 智能体。
AWS Machine Learning BlogAI 评分5050 使用 NVIDIA NeMo Switchyard 在 Amazon Bedrock 上为编码智能体请求选择合适的模型
本教程演示如何部署 NVIDIA NeMo Switchyard 与 LiteLLM，为编码智能体选择 Amazon Bedrock 模型，并按每项成功解决任务的成本评估路由效果。示例支持按任务阶段或随机权重路由，使用 switchyard-server 0.3.0 和 LiteLLM v1.102.0，仅供非生产环境使用。
AWS Machine Learning BlogAI 评分4747 加快 Amazon Bedrock AgentCore runtime 会话启动的架构模式
Amazon Bedrock AgentCore runtime 的会话启动指南介绍了 V2 快照机制及降低启动延迟的架构模式。V2 在创建或更新运行时准备环境并生成快照，新会话通过恢复快照启动；开发者还可使用构建钩子或在用户开始交互时预热会话。优化前可通过 Amazon CloudWatch 指标区分平台开销与代码耗时。
AWS Machine Learning BlogAI 评分4040 如何使用 Amazon EC2 Spot 优化 AssemblyAI 语音转文字推理成本
AssemblyAI 通过混用 Amazon EC2 Spot 和按需实例，优化大规模语音转文字推理成本，同时维持服务等级协议承诺。其架构结合 Amazon ECS、不同 GPU 实例类型和 Amazon SQS 队列重试机制，应对 Spot 中断，并通过区域部署满足数据驻留要求。
AWS Machine Learning BlogAI 评分4646 Amazon Bedrock 上 AI 开发与生产力工具的成本归因和控制
Amazon Bedrock 提供基于调用者身份的成本归因和用量控制，支持追踪 AI 开发及生产力工具的用户支出。配置 IAM Identity Center 和会话标签后，用户及团队成本可写入 CUR 2.0 并通过 Amazon Athena 查询；CUR 按导出间隔聚合用量，不包含单次请求成本。
AWS Machine Learning BlogAI 评分4242 使用 Amazon SageMaker HyperPod Data Capture 构建模型改进飞轮
AWS 演示了如何使用 Amazon SageMaker HyperPod Data Capture 构建模型改进飞轮，通过捕获推理数据、分析标注和微调改善模型。示例使用合成数据，以 Qwen2.5-3B-Instruct 构建家电支持路由器，并在单个集群上完成数据捕获、训练和重新部署。
GitHub Blog · AI & ML精选AI 评分7070 智能体技能实用指南：如何编写一次并跨客户端复用
GitHub 通过 Data Forge 和 Proof Agent 示例，讲解如何构建可在多个智能体客户端复用的技能，并设置检查与人工审批环节。技能以 SKILL.md 为核心，将项目配置放入独立清单，让多个技能共享上下文和平台访问路径，再生成适用于 Claude Code、Cursor 和 GitHub Copilot 的客户端文件。
推荐理由：将项目配置与技能指令分离，并让相关技能共用执行路径，为团队把隐性业务经验整理成可跨客户端复用的工作流提供了具体方法。
Latent SpaceAI 评分5757 OpenAI 在 AI Engineer Code Summit 演示 Codex 的云端、语音与个人智能体工作方式
OpenAI 在 AI Engineer Code Summit 工作坊演示了 Codex 的新工作方式，包括云端任务交接、语音调度和个人智能体 dots。此前公布的 Codex Cloud version 2 可复用已发布的环境，在隔离实例中运行多个任务；工程师承认本地与云端之间的交接仍需简化，并涉及上下文差异管理。
GitHub Blog · AI & MLAI 评分4848 超越代码生成：GitHub 智能体工程开发者指南
GitHub 介绍了利用 Copilot 开展智能体工程的工作流，涵盖规划、构建、验证和观察等软件开发阶段。规划阶段可用 Copilot 整合上下文并创建 GitHub Issues；构建阶段可跨设备延续会话，让任务在云端沙箱中运行。
Microsoft ResearchAI 评分5858 Microsoft Research 演示如何用 PDD Kit 形式化验证智能体编写的全栈 Web 应用
Microsoft Research 用 PDD Kit 演示了对 Rust 全栈应用 Pet Store 登录逻辑的形式化验证，将开发者意图转为规范，再由 Verus 检查代码是否满足规范。
Microsoft ResearchAI 评分4343 从合成企业数据评估到提升 Microsoft Copilot AI 可信度
Microsoft 介绍了用于评估 Microsoft Copilot 的 Industry Evaluation Data Generation Platform，通过合成企业环境模拟真实业务场景。平台利用 O*NET、在线招聘信息和 SEC 文件等公开数据，并通过自动化查询生成和内容安全检查构建评估数据，无需使用客户数据。
GitHub Blog · AI & ML精选AI 评分6262 3 位 Java Champion 如何使用 GitHub Copilot 提升开发效率
GitHub 采访了 3 位 Java Champion，介绍他们使用 GitHub Copilot 开发功能、迁移资料和排查缺陷的实践。
推荐理由：案例将提效落实为可迁移的工程方法，通过明确上下文、设置任务验收关卡并沉淀技能，让智能体执行与人工责任保持分工。
GitHub Blog · AI & MLAI 评分5454 如何在 VS Code 中继续 GitHub Copilot app 会话
GitHub 讲解如何将 Copilot app 会话直接转入 VS Code，保留对话、代码改动和工作上下文。用户选择 Open in VS Code 后，编辑器会打开该会话关联的工作树，并在 Copilot 侧栏显示原有会话，支持逐行审查差异、继续对话、手动编辑和本地测试。完成修改后，在原分支提交并推送即可更新关联的拉取请求，无需复制文件或重新关联工作。
GitHub Blog · AI & MLAI 评分5454 GitHub 解读机密检测模型：如何发现更多真实凭据并减少误报
GitHub 详解机密扫描的两阶段管线，以正则筛选候选字符串，再由微调的 ModernBERT 结合上下文区分真实凭据与相似的非敏感字符串。相比此前的 LLM 管线，同一公开流量上的离线评估显示精确率提高 13%、召回率提高 19%；客户 A/B 实验中，按仓库所有者加权的告警接受率提高 11.5%，提交后扫描执行时间中位数降低 86%，服务成本降低超过 98%。
GitHub Blog · AI & MLAI 评分5757 GitHub Copilot app 入门：如何让 Copilot 理解你的代码库
GitHub Copilot app 入门教程讲解如何结合自定义指令、智能体技能、自定义智能体和 MCP 服务器，让 Copilot 理解项目规范并执行相关工作流。