久久八

疯疯癫癫

[久久八 @coffeehf4]

@liunairui05 加油

[程序员鱼皮 @yupi996]

微软刚刚更新了免费的 AI Agent 零基础课，GitHub 狂涨 5w+ Star，有中文教程，适合想入门 Agent 开发的同学 😎 建议收藏！
项目叫 ai-agents-for-beginners，一共 15 节课（还在持续更新），每节都有文章 + 视频 + 代码示例。
我帮大家划下重点，帮你节省一个小时：
1）基础概念：AI Agent 是什么、有哪些 Agentic 设计模式、工具调用怎么用？
2）进阶能力：RAG 检索增强、多 Agent 协作、上下文工程、Agent 记忆管理
3）实战部署：怎么把 Agent 跑到生产环境？以及最新的 MCP、A2A、NLWeb 协议
4）微软生态：用 Azure AI Foundry + Microsoft Agent Framework 搭一套完整的 Agent 服务

课程代码示例用 Python，支持 GitHub Models（免费）和 Azure AI Foundry 两种方式跑，没有 Azure 账号也能学，不用担心环境门槛。

以我自己做 AI 项目两年半的经验来看，Agent 开发的入门教程质量参差不齐，很多教程要么光讲理论，要么代码跑不起来。这门课胜在体系完整，而且每节都有配套能跑的代码。不过它主要用微软自家框架，代码得自己改改，更适合有一定编程基础的同学。零基础的同学可以先跟我 免费开源的《Vibe Coding 零基础入门教程》快速实战上手，等能独立做项目了再来啃这门课巩固，效果最好。

大家有学过 AI Agent 开发么？都是怎么入门的？

[govin.eth | G哥 @goan999999]

你必须关注的 15 个 AI 头部账号

很多人刷推特，想学习AI，却不知道哪些账号值得关注

@eptwts → AI 变现之王
@jackfriks → AI 个人应用之王
@karpathy → LLM / AI 研究之王
@steipete → AI Agent / OpenClaw 之王
@levelsio → 独立开发之王
@goan999999 → Codex / Agent 教程之王
@gregisenberg → 创业 Idea 之王
@rileybrown → Vibe Coding 之王
@godofprompt → 提示词工程之王
@EXM7777 → AI 自动化 / 系统之王
@AmirMushich → AI 广告创意之王
@0xROAS → AI UGC 之王
@egeberkina → AI 图像生成之王
@MengTo → AI 设计 / Landing Page 之王
@corbin_braun → Cursor / AI Coding 之王

与大师同行，关注他们并学习

[Musolsol.𝟎𝐱𝐔 @MMMusol]

这可能是全网最好的雅思自学教程视频！

我按它的完整框架，做了个「雅思自学规划师」Agent

只需填：水平、目标分、备考周数

它就会自动生成：
四阶段+逐周计划+每日时间表+资源清单

摸底→打基础→分科攻坚→冲刺，全自动个性化

有需求的老师可以试试让它来帮你规划https://t.co/pzm9KUQilE

[久久八 @coffeehf4]

@Huanusa @grok 帮我总结所有文字内容

[程意 @ChengYi3629]

昨天一位朋友私信我：“老师我用了你的 skill，用 Codex 日更三条，12 天从 0 做到了3000粉！”

我看了一下发现确实牛逼，执行力太高了，有条置顶快100万播放量了！

这条私信很让我开心，说明真有人改成了自己的工作流。能用自己做的东西帮到别人，是开源最开心的时刻。

顺便说一句，native-subtitle-quote-image这个项目已经破1000star了！

仓库：https://t.co/aRc9XlmuHR

[鸟哥 | 蓝鸟会🕊️ @NFTCPS]

Anthropic 这波是真的大方，一口气把 22 门 Claude 课程全免费放出来，一分钱不收。

我硬着头皮全刷了一遍，说实话有的水，有的是真干货。为了让你别像无头苍蝇一样乱点，我按从零到进阶的顺序帮你排好了，照着刷就行。

一、先入门，别一上来就搞复杂的
01 Claude 101
🔗 https://t.co/9wjYPLv3fD
02 Claude 协作入门
🔗 https://t.co/LqyaZZp2oX

二、写代码的重点看这几门，Claude Code 现在是真能干活
03 Claude Code 101
🔗 https://t.co/00AVG2bHeP
04 Claude Code 实战
🔗 https://t.co/T2rQFQnJgl
05 Agent 技能入门
🔗 https://t.co/a6xXWSMURm
06 Subagents 子代理入门
🔗 https://t.co/kWoyZpa3KD

三、想接 API、搞开发的，平台这块别跳
07 Claude 平台 101
🔗 https://t.co/95pn8y0R4o
08 基于 Claude API 开发
🔗 https://t.co/lD2FqCnCgu
09 MCP 入门
🔗 https://t.co/JQ1pjnJfZf
10 MCP 进阶话题
🔗 https://t.co/BWLNcENWl0
11 Claude 与 Amazon Bedrock
🔗 https://t.co/nGdhwO4KOU
12 Claude 与 Vertex AI
🔗 https://t.co/Li4Gny9yzw

四、基础素养篇，覆盖的人群特别全，总有一款适合你
13 AI 素养框架与基础
🔗 https://t.co/hELrVhOSvY
14 AI 能力与局限
🔗 https://t.co/Kke307QoRq
15 开发者 AI 素养
🔗 https://t.co/Qn7DG0acBX
16 小企业 AI 素养
🔗 https://t.co/2ABugOMtKx
17 学生 AI 素养
🔗 https://t.co/AviSJKju6p
18 非营利组织 AI 素养
🔗 https://t.co/qbBQizfkVc
19 教育者 AI 素养
🔗 https://t.co/US574g8ADa
20 K-12 教育者 AI 素养
🔗 https://t.co/wHuqfHiejQ
21 K-12 培训师培训
🔗 https://t.co/vWeryDh9ST
22 AI 素养教学
🔗 https://t.co/bWYCgiFzg1

我知道你现在多半会点个收藏，然后就再也不打开了。收藏夹里躺着的课程，跟没有其实没啥区别。

所以我想问一句，你上一门真正从头学到尾的免费课，是什么时候的事了？

我自己挺惭愧，上一门学完的，还是两年前。

免费的东西大家都不当回事，可 Claude 这些课要是真吃透，值的钱可不止一点。别又收藏吃灰了，挑一门今晚就点开看。

[meng shao @shao__meng]

Agent = Model + Harness：生产级 AI 智能体工程六层实战手册

结合 Mitchell Hashimoto、OpenAI Codex 团队、Martin Fowler、LangChain、Cursor 等公开工程资料编撰。
https://t.co/etzeA1qN2S

# Agent = Model + Harness

模型只提供推理能力，决定 Agent 能否从演示走向生产环境的是围绕模型的工程基础设施——Harness。

报告的核心论据是：只改 Harness、不换模型，收益可超过模型升级：
· 同一 Claude Sonnet 4.5 在 GAIA 基准上从 30.91% 升至 74.55%（+43.64 分），差异完全来自 Harness；
· LangChain 不改模型，仅靠 Harness 优化将 Terminal Bench 排名从第 30 提升至第 5；
· OpenAI 团队 5 个月、约 1500 个自动化 PR 产出 100 万行生产代码，零人工手写——人负责设计环境，Agent 负责写代码（"Humans steer. Agents build."）。

这也解释了一个行业现象：约 95% 的企业 AI Agent 止步于预生产阶段——演示效果好，却因安全审查、可观测性、边界情况幻觉、治理缺失而无法上线。

# 行业定位：AI 工程的第三个时代

1. 提示词工程（2023–24）：模型"说什么"
2. 上下文工程（2025）：模型"看到什么"（RAG/MCP/记忆）
3. Harness 工程（2026）：模型"能做什么"

# 六层架构（报告主体）

1. Guides 引导层（前馈控制）：AGENTS.md / CLAUDE.md 等规则文件，在执行前塑造行为。要点：规则必须可执行、可验证、可追溯至真实失败案例；需定期修剪，否则 200 行无日期规则就是技术债。OpenAI 内部将其视为最高事实源——文件与会话冲突时，文件优先。

2. Sensors 传感层（反馈控制）：执行后验证输出。优先使用确定性、零成本的计算型传感器（linter、测试、schema 校验）；LLM-as-judge 等推理型传感器慢、贵、不确定，只用于无法用规则表达的语义判断，且应作参考信号而非硬门禁。

3. Agentic Loop 执行循环：计划→执行→验证→修复→前进或升级，必须有界——默认每步最多重试 3 次、30 分钟、10 万 token、5 美元、50 次工具调用。预算耗尽时返回最佳半成品并说明原因，不允许用流利的最终答案掩盖部分失败。正确升级的 Agent 比自信地给出错误答案的 Agent 更有价值。

4. Memory 记忆层：模型每次会话都从零开始，Harness 负责状态连续性。最简方案是文件系统（plan.md、decisions.jsonl、checkpoint），对多数场景比向量数据库更便宜可靠。检验标准：中途关闭会话重开，Agent 应能断点续作。

5. Permissions 权限层：模型无法自我约束，Harness 是唯一安全边界。按范围、速率、可逆性、可见性四个维度设定能力预算；不可逆操作（部署、删除、外发消息）必须人工批准；必须隔离可信指令与不可信数据以防提示注入。

6. Observability 可观测层：结构化日志 + 成本归因 + 熔断告警（trip wire）。真正的度量不是 token 数，而是无需人工干预即完成且证据合格的任务数；成本应按"每个验证通过的结果"而非按天计算。

# 方法论精髓：棘轮原则（Ratchet）

Hashimoto 的原始定义："每当 Agent 犯错，就工程化一个方案，让它永远不再犯这个错。"

六步循环：复现失败→归类根因→选择最强修复层→编码修复→验证防复发→监控回归。

修复强度呈阶梯上升：对话补丁 < 提示词 < 引导规则 < 传感器 < 环境约束——提示词只修一次对话，环境约束让错误在结构上不可能发生。

Cursor 的 Lauren Tan 补充了实操信号：同一条评审意见出现三次，就应固化为结构性约束。Harness 成熟的标志是规则增速下降（从每天 5 条降到每周 1 条）。

# 落地路径与边界

七天最小可用路径：Day 1–2 建引导文件 → Day 3–4 接入测试套件与有界循环 → Day 5–6 加检查点与权限 → Day 7 加日志与熔断。之后按"一次只改一层、可度量、可回滚"扩张，完成率 ≥80% 等六道闸门全过才允许扩大规模。

何时不需要 Harness：一次性问答、创意脑暴、低风险个人任务——"如果以上都不适用，对话本身就是 Harness"。

多智能体扩展：需要类型化交接（"done, looks good" 不能推进生产流程）、共享状态模型而非共享上下文（避免上下文污染）、以及生产者不可覆盖的独立验证者。

[meng shao @shao__meng]

AI Engineering 学习全路线 —— 来自 @akshay_pachaar —— 从 Python 基础到 LLM 原理、AI Agent 开发，再到实战项目，层层递进，非常系统。Akshay 强调不要盲目追逐框架，专注于掌握核心原理，这样才能在快速变化的 AI 领域站稳脚跟。

1. 打好 Python 基础
Python 是 AI 领域的通用语言，扎实的编程基础能让你脱颖而出。推荐从哈佛的 CS50p 课程开始，系统学习 Python 编程。

2. 了解 Python 在 AI 中的应用
掌握 Python 后，可以通过吴恩达老师 @AndrewYNg 4小时课程「AI Python for Beginners」，快速了解 Python 如何用于 AI 开发，适合初学者入门。

3. 深入理解大语言模型 (LLM)
通过 @3Blue1Brown 的三个视频，深入浅出地了解 LLM 的工作原理、Transformer 结构及注意力机制。这些视频用可视化方式讲解，非常直观。

4. 学习构建 LLM
了解 LLM 原理后，可以跟随 AK @karpathy 的「Neural Networks Zero-to-Hero」系列，学习如何从零开始构建神经网络和 LLM，AK 的教学深入且实用。

5. 掌握 AI Agents
在追逐 AI Agent 热潮前，先阅读 Anthropic「building effective agents」，学习如何用简单、可组合的模式构建高效 AI Agent，避免复杂框架的干扰。

6. 实践应用 AI
通过 @crewAIInc 课程学习如何构建多 AI Agent 系统，模拟人类协作。课程由 @joaomdmoura 创建，内容清晰且注重实战。

7. 连接外部工具与项目实践
· MCP 协议：学习如何将 AI Agent 与外部工具、API 和数据库连接。@akshay_pachaar 和他的团队提供了一份免费的 MCP 指南，包含10+个实战项目，已被下载超4万次。
· 项目驱动学习：通过 GitHub 上的「AI Engineering」，获取75+个开源项目，涵盖 LLM、RAG 及现实世界的 AI Agent 应用，适合实践和扩展。
· 推荐书籍： @chipro 的「AI Engineering」是构建现实应用的必读之作，内容全面，适合不想啃多本书的读者。

感谢 Akshay 的分享，资源链接见 Akshay 原文 🔗🔽

[Uday👨‍💻 @uday_devops]

🔥 AI Engineer Roadmap - 2026

Stage 1: 🐍 Python
Stage 2: 🔧 Git + GitHub
Stage 3: 🗄️ SQL + Databases
Stage 4: 📊 Machine Learning Fundamentals
Stage 5: 🧠 Deep Learning - PyTorch
Stage 6: 🤖 LLM Fundamentals
Stage 7: ✍️ Prompt Engineering
Stage 8: 📚 RAG - Retrieval-Augmented Generation
Stage 9: 🧩 Vector Databases + Embeddings
Stage 10: 🛠️ AI Agents - Tools, MCP & Function Calling
Stage 11: 🚀 AI Deployment - Docker + Cloud
Stage 12: 💻 Build & Ship AI Applications

🏆 Complete these + build real projects = AI Engineer unlocked.

[meng shao @shao__meng]

最近分享的 5 门来自 Stanford、CMU 和 MIT 三所大学的 AI 课程，我再整合分享一次，视频内容很多，可以先收藏慢慢学习 🔖

1. 斯坦福大学 CS329A Self-Improving AI Agents
人定义意图、Agent 执行的新软件工程
https://t.co/qkXLsdlDmT

2. 斯坦福大学 CS 329Z: Engineering AI Agents
从模型到系统：流水线 → 复合 AI → 自主 Agent
https://t.co/q7whzZSWub

3. 斯坦福大学 CS146S: The Modern Software Developer
人定义意图、Agent 执行的新软件工程
https://t.co/AhFJW6xl8V

4. MIT 多模态 AI 课程 2026 版
YouTube 全集上线，融合对齐 → 推理智能体
https://t.co/GhRjioday0

5. CMU 秋季新课 AI Agents
OpenHands 作者亲授，从零搭 Harness、建评测、用 RL 训智能体，讲义视频已公开
https://t.co/8WMWTkDwSN

[meng shao @shao__meng]

[开源推荐] 从零构建 AI 工程 (52.6K 🌟)

20 个阶段、523 节课、342 小时，从线性代数到自主智能体，为读者提供一条连贯的学习主干，作者 @ghumare64
https://t.co/w8EJjcICiw

# 课程结构：20 个阶段、523 节课、约 342 小时

依赖关系是分层的，数学是基础，Agent 和生产是上层。

1. 基础 P0–P3
环境工具、数学基础（22 课）、经典 ML（18 课）、深度学习核心（13 课，含手写 autograd 与 mini 框架）

2. 感知与语言 P4–P9
计算机视觉（28 课，到 3DGS、SAM3、世界模型）、NLP（29 课）、语音（17 课）、Transformer 精讲（16 课）、生成式 AI（15 课）、强化学习（12 课，直到 RLHF）

3. LLM P10–P12
从零训练 LLM（24 课，含 DeepSeek-V3、NSA、MTP、投机解码等 2025–26 前沿架构）、LLM 工程（RAG、微调、评估、护栏）、多模态（25 课，ViT → VLM → 计算机操控）

4. 智能体 P13–P16
工具与协议（31 课，MCP 占 17 课、Agent Skills 5 课、A2A、OTel）、Agent 工程（54 课）、自主系统与安全栈（22 课）、多智能体与群体智能（25 课）

5. 生产与责任 P17–P19
基础设施（vLLM/SGLang 内核、量化、路由、FinOps、合规）、伦理安全对齐（30 课，覆盖 sleeper agents、alignment faking、红队工具）、Capstone（17 个端到端产品 + 9 条深度构建轨道，共 85 课）

P13 + P14 合计 85 课，MCP 单独占 17 课并有专属学习路径，P14 后半段（31–54 课）实际上是一套"如何可靠地使用 coding agent"和"实现前如何界定需求"的方法论课程，与传统 AI 课程差异明显。

# 教学方法论：每课固定六拍

每节课目录结构统一：code/（可运行实现）、docs/en.md（叙述）、outputs/（产出物）、quiz.json。

内容按 Motto → Problem → Concept → Build It → Use It → Ship It 展开。

核心是 Build It / Use It 分离：先用原始数学手写算法，再用 PyTorch / sklearn 复现同一件事。

# 每课交付一个可复用产物

这是该项目区别于普通教程的设计：每课在 outputs/ 产出 prompt、SKILL.md、agent 定义或 MCP server，全库累计 396 个 skill、99 个 prompt，可用 scripts/install_skills.py 按阶段、标签安装到 Claude / Cursor / Codex 等任意读取 SKILL.md 的 agent。

P14 的 capstone 还提供 scaffold_workbench.py，把 AGENTS.md、任务板、init/verify/handoff 脚本一键脚手架到任意仓库。

# AI 原生的学习方式

课程本身可以被 coding agent "教授"：
npx skills add rohitg00/ai-engineering-from-scratch

安装 8 个学习 skill（start-learning 定位测验、learn 单课辅导循环、course-guide 主题路由、learn-mcp、learn-agent-skills、claude-certification 等），进度持久化在 LEARNING.md。

此外提供 12 条 JSON 定义的学习路径、6 卷 EPUB/PDF 电子书（CI 自动编译）、Claude 认证备考学院，以及 12 种语言的落地页。

[Miles Ma @miles_mazy]

AI 领域一些顶级的博主，

我选出了必须关注的 12 个 AI 头部账号，第一波⬇️

AI 变现必看：@eptwts
LLM / AI 研究必看：@karpathy
AI Agent / OpenClaw 必看：@steipete
独立开发必看：@levelsio
AI 广告创意必看：@AmirMushich
Codex / Agent 实战必看：@miles_mazy
创业 Idea 必看：@goan999999
Vibe Coding 必看：@rileybrown
提示词及资讯必看：@dotey
AI 自动化 / 系统必看：@EXM7777
AI 图像生成必看：@egeberkina
AI 设计 / Landing Page 必看：@MengTo

与大师同行，关注他们并学习

[范凯说AI @fankaishuoai]

我今天决定：停更国内除微信之外的所有社交媒体，今后专注海外的 X、YouTube 和 Instagram。

在断断续续更新了三年之后，我得出了一个残酷的结论：

对我这种知识型博主来说，国内社交媒体没有任何商业价值，在动辄莫名删帖限流的今天，连流量价值都没有了。

我现在的线下咨询和培训业务，和社交媒体账号没有任何关系，都来自于原有的线下社交关系。

唯独微信视频号还有点社交价值，因为别人第一次加我好友的时候，会看到他的很多微信好友是我的粉丝，节省了和陌生人建立信任的成本。

以后 AI 实战入门教程在 YouTube 更新横屏长视频，AI 观点类在 Instagram 更新竖屏短视频。

微信视频号同步长视频和短视频，公众号同步发文字稿，就不再国内投入更多关注度了。

中文内容，全球平台！

欢迎关注我的 Instagram

https://t.co/hI6nCfSnww

[Fuli Luo @_LuoFuli]

Nearly half a year of silence. We spent it studying one problem: how far RL can scale.

MiMo-V2.6 is in the middle of its RL run right now. Three things we scaled: compute (~2B tokens per step, 1568 prompts × 16 rollouts, fully async), environments and harnesses (multi-task agentic RL, mixed across multiple harnesses in one run), and grader compute (agentic in-group credit assignment, with test-case and rubric-based rewards). We'll open-source the details piece by piece over the coming weeks.

Streaming the run: https://t.co/ZSxahzJRju

[久久八 @coffeehf4]

@goan999999 超200了，求拉一下

[鸟哥 | 蓝鸟会🕊️ @NFTCPS]

千万不要让你的敌人看到这篇开盒思路推文：

老杨分享了网警同款的开盒思路，五个免费开源工具，查人查公司查设备，几乎你能想到的场景全覆盖。先说清楚，这套东西不提倡去查别人，我是希望你拿来护住自己。

五个工具各干各的，地址和介绍我给你一条条对上：

1️⃣ Blackbird（6300 Star），用户名和邮箱都能查，接了 600 多个平台，查完还能免费调 AI 生成人物画像，PDF 一键导出，新手先上手这个。
🔗 https://t.co/PNyP5EdkLS

2️⃣ Maigret（33000 Star），用户名查人的专精版，覆盖 3000 多个平台，狠在递归追踪，发现你在别的平台还有个马甲，它自己拿这马甲接着挖，顺藤摸到底。
🔗 https://t.co/RIQ9P7NFYj

3️⃣ SpiderFoot（18000 Star），重炮，手机号邮箱域名 IP 全吃，200 多个模块一起上，能查数据泄露、暗网、子域名，出可视化关系图。
🔗 https://t.co/L4vXw1PFKT

4️⃣ theHarvester（16500 Star），给它一个域名，自动从谷歌必应 LinkedIn、DNS 记录 40 多个源里，把公司员工邮箱、子域名、IP、URL 批量扒出来，查公司专用。
🔗 https://t.co/CLq0XaFRxr

5️⃣ Shodan Python（2800 Star），Shodan 就是设备版谷歌，全网扫暴露在公网上的摄像头、路由器、服务器、工控系统，这个库让你用代码去查它的数据库。
🔗 https://t.co/n4VgZhQdGj

说句实在的，很多小公司的 NAS、摄像头、打印机，配置都没改过，密码还是出厂默认，Shodan 一搜就出来。你以为藏住的东西，其实比你想的少太多了。自己先跑一遍，知道暴露了啥，才是第一步。

好东西，转给需要的兄弟。

[白骏知识分享 @cj3214567667]

这本书朴实无华，教会你最基础的生活常识

《高性价比人生指南》让你用做少的钱，时间和精力，换回寿命，金钱和自由。

阅读地址：https://t.co/InvENALxyg

[lumxss @bkdgiffug]

想学 AI Agent，别一上来就被各种框架和术语劝退。

微软这套免费的 AI Agents for Beginners，从基础一路讲到实际构建，内容覆盖 Tool Use、RAG、Planning、Multi-Agent、Memory、Context Engineering 等核心方向。

目前有 18 节课，每节配教程、视频和可运行的 Python Notebook，适合从零开始系统过一遍。

想入门 Agent，又不想东拼西凑资料的，可以收藏。
🔗 https://t.co/gWS8MkXHvd

[govin.eth | G哥 @goan999999]

这个开源项目有点离谱！最直接的赚钱方式，就是拿来做 YouTube、多语言短视频、AI 数字人和海外账号

不会配音的有救了，短视频出海的有救了

以前要花钱找翻译、配音，现在一个声音就能批量做 600+ 种语言版本

OmniVoice，丢一小段你的声音进去，就能复刻音色，不用提前训练，年龄、音高、方言、气声都能调，生成速度也是嘎嘎快，GitHub 已经冲到 1.1 万 Star

少花外包的钱，多测几个国家、多跑几个账号，变现自然就出来了