使用离线AI Agent在喜马拉雅山麓进行编程实践
作者在网络不稳定的喜马拉雅山麓地区，尝试使用本地部署的开源AI Agent进行离线编程。通过Ollama运行Qwen3.5 9B模型，结合OpenCode 1.19.4 Agent，可以在断网状态下读取本地文件、提出代码修改并运行现有测试，成功修复了费用计算中的小数运算错误。
全部 AI 动态
Latent SpaceAI 评分7373 Latent SpaceAI 评分6565 Anthropic 讲解如何安全部署 Claude Opus 5.5 分离模型大脑与 Agent 手部
Anthropic 团队解释了 Claude Platform 的工程实现，包括发布 Opus 5.5、分离模型“大脑”与 Agent 的“手”、扩展 API 和构建可靠的托管 Agent。该平台介绍了 Anthropic 的 S-1、改进与投资循环，以及如何通过隔离、凭证和网络控制来约束 Claude。
Simon WillisonAI 评分1515 Game Boy Color 在会议徽章上的演示
会议徽章被改装成带有全彩屏幕的计算机，成功部署了 Game Boy 和 Game Boy Color 模拟器。用户可以在徽章上运行《The Legend of Zelda: Link's Awakening》等 ROM，并可利用徽章内置的控制器触摸按钮进行操作。
AWS Machine Learning BlogAI 评分4545 Exowatt 利用 SageMaker serverless model customization 提升模型准确性
Exowatt 使用 Amazon SageMaker AI serverless model customization 针对能源基础设施构建了可重复的 AI 管道，该管道可将耗时数月的工作缩短至数天。该方法在 Qwen3-1.7B 模型上实现边缘告警分诊，在 Qwen3-14B 模型上实现云端能源市场分析，准确性高于 frontier models 且成本低 49×。
AWS Machine Learning Blog精选AI 评分6666 Property Finder 利用无偏评估和提示词优化提升 Amazon Bedrock 模型性能并降低 86% 成本
Property Finder 发现 96.8% 的评估标签源自单一模型预测而非人工验证，导致模型比较存在评估偏差。团队通过构建无偏的专家标注基准，并应用进化式提示词优化，最终选择 Llama 4 Maverick 17B Instruct，在 356 张图像评估集上达到 Micro F1 0.80，成本降低 86%。
推荐理由：文章分享了如何识别评估偏差、构建无偏基准并应用进化式提示词优化以提升模型性能和降低成本。
AWS Machine Learning Blog精选AI 评分7878 使用SageMaker SDK v3实现边缘端车间级计算机视觉模型全生命周期管理
该文章介绍了基于Amazon SageMaker Python SDK v3的参考架构，用于实现跨车间计算机视觉模型全生命周期管理。
推荐理由：该架构展示了如何利用SageMaker SDK v3实现跨车间的计算机视觉模型全生命周期管理，解决了大规模部署的挑战。
AWS Machine Learning Blog精选AI 评分6666 AI 代理的 Groundhog Day：在 Amazon Bedrock 上使用 OpenAI 模型的提示缓存模式
本文介绍了在 Amazon Bedrock 上使用 OpenAI 模型时，如何通过提示缓存模式让 AI 代理记住上下文，从而降低成本并提升响应一致性。文章演示了显式与隐式缓存的使用方法、缓存边界设置、工具列表变更处理以及多代理协作的热身策略，并给出了 GPT‑6 Astra 在六轮对话中的成本节省数据。
推荐理由：本文展示了在 Amazon Bedrock 上使用 OpenAI 模型的提示缓存模式，帮助读者显著降低成本并提升代理响应效率。
AWS Machine Learning Blog精选AI 评分6565 使用 CDK 在托管 Amazon Bedrock 知识库上构建智能体检索
该方案使用 AWS CDK 构建了基于托管 Amazon Bedrock 知识库的企业级智能体检索系统，支持多知识库语义路由和推理智能体。系统内置了七层可观测性（如 CloudWatch 仪表板）以及按需和连续的评估机制，所有组件均可通过单条 cdk deploy 命令部署。
推荐理由：该方案展示了如何利用托管知识库构建企业级智能体检索，并内置了七层可观测性和评估能力。
AWS Machine Learning BlogAI 评分2222 Amazon SageMaker AI 上的多轮强化学习：实战指南
Amazon SageMaker AI 通过多轮强化学习（MTRL）将 GPT-OSS-20B 在 Wordle 任务中的解题率从 61% 提升至 84%，成本约 339 美元。MTRL 采用无服务器训练，支持 GPT-OSS-20B 与 Gemma 4 31B，并通过 LoRA 适配器微调。
GitHub Blog · AI & MLAI 评分3535 How 3 Java Champions are using GitHub Copilot for increased productivity
三位拥有十年以上经验的 Java 专家分享了如何使用 GitHub Copilot 提高生产力，例如 Vlad Mihalcea 使用 Copilot 将原本需数周的任务缩短至两天。
GitHub Blog · AI & MLAI 评分4747 GitHub Copilot app 如何在 VS Code 中继续会话
GitHub Copilot app 允许用户在 VS Code 中继续已开启的会话，保持对话、代码变更和工作上下文完整。用户可在 VS Code 侧边栏查看差异、手动编辑、运行本地测试，并将更新推送到对应的 Pull Request。
GitHub Blog · AI & MLAI 评分4545 GitHub Copilot app for Beginners: How to teach Copilot about your codebase
GitHub Copilot app for Beginners 通过四种方式帮助 Copilot 理解代码库规则，包括 Custom instructions、Agent skills、Custom agents 和 Model Context Protocol (MCP) servers。
GitHub Blog · AI & MLAI 评分3030 AI is changing developer work. Here are three skills to strengthen
开发者工作正因 AI 而改变，核心技能转向指导 AI、评估输出和做出技术决策。应学习指导 AI agent，而非仅使用 AI 的首个答案，并利用节省的实现时间解决更宏观的客户需求和系统设计问题。GitHub Copilot 的内置 Rubber Duck agent 示例展示了利用第二模型进行代码和测试的批判性评估。
GitHub Blog · AI & MLAI 评分4545 GitHub Copilot app for Beginners: How to build custom workflows with canvases
GitHub Copilot app 引入 canvas（canvas extension）功能，允许用户根据所需工作流创建可定制的界面，而非适应固定屏幕。用户通过 `/create-canvas` 技能并用自然语言描述工作流、界面操作和 Agent 能力来生成界面，如发布说明或看板。该 canvas 是双向的，用户操作和 Agent 更新实时同步，且创建的 canvas 可保存为扩展供团队共享。