BlastLoop：面向 AI 智能体的结构优先编码方法
Ross Shaw 发布 BlastLoop 1.0.0，一套面向 AI 编码智能体的结构优先编码框架，用 Blast、Mid、Inner 三个层级分别编写系统级、子系统级和局部单元代码，再按 T1 结构、T2 bug/ops、T3 对抗测试的顺序依次验证。
#教程/指南
#教程/指南
今日 1 条Hacker News · Show HNAI 评分5050
AWS Machine Learning Blog精选AI 评分6262 用 Amazon Bedrock AgentCore 构建可自我改进的文档处理系统
AWS 发布教程，介绍如何用 Amazon Bedrock AgentCore 搭建由 8 个智能体组成的文档处理系统，自动完成分类、抽取、校验，并在遇到新格式时生成抽取提示词、失败后自动修正并保存复用。
推荐理由：AWS 官方给出多智能体文档处理方案的完整部署步骤，含代码仓库、成本估算与自定义改造路径。
AWS Machine Learning BlogAI 评分5555 用 Amazon Bedrock AgentCore 构建自动生成演示文稿的 AI 智能体
AWS 官方发布教程，介绍如何用 Amazon Bedrock AgentCore runtime 部署一个 supervisor 智能体，通过 Strands Agents 框架调度 generate_pptx 和 generate_summary 两个工具，自动从企业知识库生成 PowerPoint 演示文稿。
AWS Machine Learning Blog精选AI 评分6262 在 Amazon Bedrock 上用全球跨区域推理调用 OpenAI GPT-6 模型
AWS 发布教程，介绍泰国、马来西亚、新加坡、印度尼西亚和台湾的团队如何通过 Amazon Bedrock 的 global cross-Region inference 调用 OpenAI GPT-6 Sol、GPT-6 Luna 和 GPT-6 Astra，其中 Astra 仅从亚太（新加坡）区域提供。
推荐理由：AWS 官方教程，讲清在五个亚太区域通过 global cross-Region inference 调用 GPT-6 的配置、IAM/SCP 与配额监控要点。
AWS Machine Learning BlogAI 评分5858 用 Ray LLM Deep Learning Containers 在 EKS 上运行多节点推理
AWS 发布教程，演示如何用多节点 Ray LLM Deep Learning Containers 在 Amazon EKS 上把单个大语言模型部署到两个 GPU 节点，一个跑 prefill、一个跑 decode，共用一个 OpenAI 兼容端点。
AWS Machine Learning Blog精选AI 评分6060 如何在 Amazon SageMaker AI 上用 llama.cpp 部署决策模型
AWS 发布教程，介绍用 AWS DLC for llama.cpp 在 Amazon SageMaker AI 上部署决策模型，先通过 InvokeEndpoint 提供 OpenAI 兼容的 chat completions，再用 SemIf 适配器返回声明选项上的概率而不生成答案 token。
推荐理由：AWS 官方教程，给出在 SageMaker AI 上用 llama.cpp 部署决策模型的完整步骤与 CPU/GPU 基准数据，含可直接运行的代码示例。
MarkTechPostAI 评分6262 Laya 开发者指南：零样本决策与概率校准实测
MarkTechPost 发布 Laya 开发者教程，用 CLINC150 银行域 15 个意图的 450 条测试查询实测这个 4.21 亿参数非自回归决策引擎。
AWS Machine Learning BlogAI 评分5858 如何在 AgentCore 和 OpenClaw 上构建上下文感知 AI 助手
AWS 官方博客给出在 Amazon Bedrock AgentCore runtime 上运行开源智能体系统 OpenClaw 的完整方案，用 AgentCore memory 的短期事件与长期抽取策略让助手跨会话记住用户，并以 sprout/{chat_id}/long_term 等命名空间隔离数据。
Hacker News · Show HNAI 评分6262 Codebase-guide：让 Claude 为代码仓库生成上手文档
Codebase-guide 是一个 Claude 插件，把 Claude 指向代码仓库后，一条命令读取代码并写出单个 HTML 文件，说明项目做什么、由哪些部分组成、一次真实请求如何穿过代码，以及改动某个功能该打开哪个文件。
Hacker News · Show HNAI 评分6060 AI Agents: Zero to Hero 发布，用纯 Python 从零学 AI 智能体
Tanmay Sah 发布开源教学项目 AI Agents: Zero to Hero，用标准 Python 3.11+ 从第一性原理讲解智能体，覆盖 Observe-Decide-Act 循环、工具与函数调用、状态与记忆、运行时与 Harness、多智能体、失败分类、评测、安全与生产化等 16 个模块。
AWS Machine Learning Blog精选AI 评分6262 如何在 AWS GovCloud 中用 Claude Code 调用 Amazon Bedrock
AWS 发布指南，介绍在 AWS GovCloud (US) 中通过 Amazon Bedrock 使用 Claude Code 的配置方法，支持 bedrock-runtime 与 bedrock-mantle 两个端点，前者支持 Guardrails 和调用日志，后者原生支持 Anthropic Messages API。
推荐理由：面向受监管环境的部署指南，讲清 Claude Code 接入 AWS GovCloud 中 Amazon Bedrock 的三种配置方式与合规取舍。
Hacker News · Front PageAI 评分6262 Anthropic 发布 Opus 5.5 在 Claude 与 Claude Code 中的使用指南
Anthropic 发布指南，介绍如何在 Claude 应用和 Claude Code 中用好 Opus 5.5。相比 Opus 5，Opus 5.5 在长链路多步任务上提升明显，会自主持续工作、每次回复前先思考，并更清楚地汇报做了什么和需要用户决定什么。
MarkTechPostAI 评分6969 决策模型解析：TypeSafe Jev 与 Fastino GLiDE、GLiNER2.5-Decide 及开源竞品对比
决策模型是一类返回选项、分数或概率而非生成文本的模型，TypeSafe AI 结束两年隐身期推出 Jev 后，Fastino Labs 在三周内发布两款竞品，开源社区也出现多个复刻版本。
OpenAI NewsAI 评分5252 OpenAI 发布 GPT-6 系列模型使用指南
OpenAI 发布 GPT-6 系列模型指南，面向创业公司讲解如何选择 GPT-6 模型、调整推理强度、改进提示词与技能、协调工具调用，并为生产环境准备相应工作流。
AWS Machine Learning Blog精选AI 评分6060 如何用 NVIDIA NeMo Agent Toolkit 和 Amazon S3 Vectors 构建智能体记忆
AWS 发布教程，演示如何把 Amazon S3 Vectors 作为 NVIDIA NeMo Agent Toolkit（NAT）的持久记忆层，通过实现自定义 MemoryEditor 插件完成记忆的写入与语义检索。
推荐理由：给出把 Amazon S3 Vectors 接入 NVIDIA NeMo Agent Toolkit 记忆层的完整代码与 EKS 部署步骤，适合自建多智能体记忆的团队参考。
AWS Machine Learning BlogAI 评分5858 AWS 发布 Claude Platform 多环境访问配置指南
AWS 官方博客给出 Claude Platform on AWS 的多环境访问实现方案，用独立 AI Services 账号承载订阅与工作区，再通过三种方式接入推理。
AWS Machine Learning Blog精选AI 评分6262 用 Amazon Bedrock AgentCore 构建环境智能体：从事件驱动信号到人在回路工作流
AWS 发布基于 Amazon Bedrock AgentCore 的环境智能体参考实现，让 S3 上传或定时事件自动生成任务并由智能体执行，需要时通过 ask_human 工具暂停等待人工确认。
推荐理由：AWS 官方给出事件驱动智能体的端到端参考实现，含 ask_human 中断机制与 CDK 部署步骤，可照着搭一套。
AWS Machine Learning Blog精选AI 评分6262 在 Amazon Bedrock AgentCore Runtime Instances 上构建多智能体音乐制作流水线
AWS 官方博客演示在 Amazon Bedrock AgentCore Runtime Instances 上部署三智能体音乐制作流水线，由作曲、交付、合规三个智能体在同一 GPU 实例和共享会话中协作，最终产出可播放的 .wav 文件。
推荐理由：AWS 官方给出三智能体音乐制作流水线的完整代码与部署步骤，可迁移到 GPU 长任务的多智能体协作场景。
AWS Machine Learning Blog精选AI 评分6060 用 Amazon Nova Act 和 Bedrock AgentCore 实现合成监控
AWS 发布教程，介绍用 Amazon Nova Act 与 Amazon Bedrock AgentCore 构建智能体驱动的合成监控，以自然语言动作替代 Selenium、Playwright 的 DOM 选择器脚本，由 EventBridge Scheduler 定时触发、SNS 发送失败告警。
推荐理由：用自然语言动作替代 DOM 选择器做合成监控，给出架构、部署命令与成本估算，适合评估浏览器巡检方案。
Ahead of AI · Sebastian RaschkaAI 评分6262 从词袋模型到 Jev：语言模型做文本分类的技术史与实测
Sebastian Raschka 梳理了文本分类从词袋加朴素贝叶斯、逻辑回归，到 RNN、CNN、BERT、GPT 和 T5 的技术演进，并实测了 TypeSafe AI 的 Jev 模型。
GitHub Blog · AI & MLAI 评分5858 GitHub Copilot app 入门：如何用 canvases 构建自定义工作流
GitHub Copilot app 的 canvas 是一种可自定义界面，用户与智能体共享同一份状态，看板、发布清单、仪表盘等都能按工作流生成。在 agent 会话中输入 /create-canvas 并用自然语言描述要支持的工作流、界面操作和智能体可执行的动作，智能体就会生成界面并显示在右侧面板，无需手写代码或调整布局。
GitHub Blog · AI & MLAI 评分5555 GitHub Copilot app 入门：如何同时运行多个智能体
GitHub Copilot app 支持在同一个项目里并行运行多个智能体会话，每个会话运行在独立的 Git worktree 上，互不干扰，并各自保留上下文，可随时切换。会话视图以卡片展示每个任务的标题和进度，用户可同时发起功能开发、无障碍审查和测试等任务，完成后统一查看结果。官方建议先同时启动两个小任务来体验并行会话。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分6060 用 Sentence Transformers 训练和微调多向量嵌入模型
Sentence Transformers v6.0 新增 MultiVectorEncoder 模型类型，支持 ColBERT 式后期交互检索，并给出从模型、数据集、损失函数到 Trainer 的完整训练流程。
推荐理由：Sentence Transformers v6.0 新增多向量编码器训练教程，含完整脚本与单卡 14.5 小时微调实测对比。
Ahead of AI · Sebastian RaschkaAI 评分6060 Claude 文本水印如何工作：从采样到检测的机制讲解
Sebastian Raschka 发布 48 分钟视频与 52 页讲义，讲解 Anthropic 对 Claude 输出加水印的机制。水印作用在采样阶段而非模型内部，用密钥结合前几个 token 推导随机种子，使原本可互换的候选词选择变得确定，因此无需重新训练模型。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分6262 用 Strands Agents、LeRobot 和 Hugging Face Storage Buckets 打通机器人数据闭环
AWS 开源 SDK Strands Robots（Apache 2.0）发布教程，演示在单个 Strands agent 内完成机器人数据的录制、存储、训练与部署闭环。
推荐理由：AWS 开源 SDK 的实操教程，讲清机器人数据从录制、去重存储到流式训练和部署的完整闭环，附可运行 notebook。
Ahead of AI · Sebastian RaschkaAI 评分6262 如何用 Ollama 和开源 harness 搭建本地编码智能体
Sebastian Raschka 发布教程，讲如何用 Ollama 本地部署 Qwen3.6 35B-A3B 等开源权重模型，并接入 Qwen-Code、Codex、Claude Code 三种编码 harness。
Ahead of AI · Sebastian RaschkaAI 评分6060 编码智能体的六大组件：从仓库上下文到子智能体委派
Sebastian Raschka 撰文拆解编码智能体（coding harness）的六个核心组件：实时仓库上下文、提示词结构与缓存复用、结构化工具与权限校验、上下文压缩、结构化会话记忆、以及受限子智能体委派。
Ahead of AI · Sebastian Raschka精选AI 评分7878 从 DeepSeek V3 到 V3.2：架构、稀疏注意力与强化学习更新
Sebastian Raschka 撰文梳理 DeepSeek V3 到 V3.2 的技术演进，指出 V3.2 沿用 V3.2-Exp 的架构，核心变化是加入 DeepSeek Sparse Attention（DSA），把注意力复杂度从 O(L²) 降到 O(Lk)，token selector 的 top-k 在官方代码中设为 2048。
推荐理由：梳理 DeepSeek V3 到 V3.2 的架构与训练变化，说明稀疏注意力和自验证如何影响效率与数学能力。
Ahead of AI · Sebastian RaschkaAI 评分6262 从 GPT-2 到 gpt-oss：架构演进逐项解析
Sebastian Raschka 通过阅读 gpt-oss 的模型代码和技术报告，逐项对比了 gpt-oss-20b/120b 与 GPT-2 的架构差异，包括去掉 Dropout。