付

Artificial Intelligence Machine Learning @Tencent

[meng shao @shao__meng]

CMU 26年秋季新课「AI Agents」：从零搭 Harness、建评测、用 RL 训智能体，讲义视频全公开

由 OpenHands 作者 Graham Neubig 与 Daniel Fried 联合开设，28 讲贯通工具调用、上下文工程、技能与记忆、SFT/RL 训练、沙箱安全与人机交互。 https://t.co/NsNaeeDXPj

[meng shao @shao__meng]

CS146S: The Modern Software Developer
Stanford University • Fall 2026

斯坦福大学 @mihail_eric 开设的本科/研究生课程（Fall 2025 同样有线上课程，非常期待！），课程为期十周！
https://t.co/9iItZYGIze

Eric 认为：软件开发的主体正在从"人写代码"转向"人定义意图、Agent 执行、人与 Agent 共同评估和迭代"。他这门课程，要教的就是这套新工作流所需的全部能力栈——如何给 Agent 提供上下文和工具、如何把产品需求翻译成可执行的规格、如何设计人机协同的迭代闭环。

# 十周课程的层层递进

第一层：理解 Agent（Week 1） 先拆开黑盒。LLM 是什么、agent loop 长什么样、read/write/edit/bash 四个核心工具如何承载任务。第一课就"用 200 行代码构建 Claude Code"，第二课深读生产级 Agent 的系统提示词。这是全课的地基：只有理解 Agent 的运作机制，后面所有"配置"才不是玄学。

第二层：武装单个 Agent（Week 2–4）
Week 2 上下文工程：高级提示技巧、RePPIT（Research→Propose→Plan→Implement→Test）的规格驱动开发框架、MCP 的完整原理与工具设计的"Agent 人机工学"。
Week 3 Agent Skills：SKILL.md + 脚本如何把工作流编码为可复用能力，以及 CLI 工作方式。
Week 4 定制化：CLAUDE.md / AGENTS.md 该放什么、Hooks 做 lint/测试门禁、planner/implementer/reviewer 子 agent 模式。
这三周解决的问题是同一个：Agent 的能力上限由你给它的上下文、工具和约束决定，而非模型本身。

第三层：改造环境以适配 Agent（Week 5–7）
Week 5 Agent-Ready 代码库：结构、文档、测试、检查——什么让一个仓库对 Agent 友好，如何量化评估"就绪度"。
Week 6 Agentic 代码审查：AI 审查擅长什么、遗漏什么，审查架构和自定义规则，如何嵌入团队 PR 流程。
Week 7 安全：SAST/SCA、依赖与密钥泄露，以及 Agent 特有的提示词攻击面，并用 Agent 辅助分诊和修复。
这一层的洞察是：当 Agent 产出代码的速度大幅提升，瓶颈会转移到验证、审查和安全。代码库本身必须重构为"可被 Agent 理解和检验"的形态。

第四层：规模化与组织化（Week 8–10）
Week 8 后台 Agent：异步云端委派、并行 Agent 集群管理、Issue→PR 自动流水线（Slack/Linear/GitHub 触发）。
Week 9 AI-Native 团队：MCP portals（集中化、带权限的工具访问）、LLM gateway、模型路由与成本优化、组织级推广模式。
Week 10 软件工厂：自运行、自改进的软件系统，部署后 Agent 的运行与安全治理，以及未来展望。
终点是"软件工厂"——软件不再是被人工建造的产品，而是一个持续自我演进的系统。这是全课在理念上最激进的部分。

# 课程两个独特的设计

1. 强制向真实开源项目提交 PR（占 30% 成绩） 这是课程最有分量的创新，作者称"史无前例"。15 个 OSS 合作方（Browserbase、HeyGen、CopilotKit、Semgrep、OpenHands、Milvus、Marimo、Pi、CrewAI、Warp、Vercel、cmux、Arize Phoenix、Unsloth、Anyscale）提供支持与导师制。

目的是培养"软件品味（software taste）"：当 Agent 能生成任何代码时，判断什么值得做、什么是好的、什么能被真实维护者接受，成为核心竞争力。这只能在生产级代码库中通过真实反馈习得，作业沙盒做不到。

合作方名单本身也是一份 2026 年 AI 基础设施生态图谱：浏览器自动化、Agent 框架、代码安全、向量数据库、可观测性、模型微调、分布式计算——学生的贡献对象就是他们未来要用的工具链。

2. 嘉宾阵容即行业一线 Lee Robinson（SpaceX/Cursor）、Boris Cherny（Claude Code 创造者）、Eno Reyes（Factory）、Silas Alberti（Cognition/Devin）、Isaac Evans（Semgrep）、Rajesh Bhatia（Cloudflare）、Amjad Masad（Replit）、Elad Gil。

[Pavian @meta_pavy]

Jev 관련 TypeSafeAi 공식 유즈케이스 모음

오피셜이 역시 좋을수 있겠다👍

https://t.co/hC4eDsqtH8

[AK @_akhaliq]

An Empirical Study of Harness Design for Coding Agents

paper: https://t.co/pqcxSfs1h0

[Miguel Ríos Berríos @MiguelriosEN]

https://t.co/CCMCHMgGYk() https://t.co/RXRExsPeiS

[Z.ai @Zai_org]

We’re sharing how GLM-5.3 helped build and optimize the inference infrastructure serving GLM-5.3-Flash.

The system went from its first successful run to production readiness in less than two weeks, with end-to-end throughput tripling relative to the initial baseline.

The key was dense feedback: local correctness tests, execution traces, microbenchmarks, and end-to-end measurements that enabled targeted hypothesis testing rather than reliance on aggregate performance metrics alone.

https://t.co/yUf6OpJD7c

[PJ Ace @PJaccetturo]

This film cost $29,575 and took 10 days to make.

AI ≠ Cheap

Our Nexus feature will still cost millions next year. But it'll look like a $200M film.

I have a Claude skill you can copy that makes this easy.

Full process and Dreamina prompts below👇🏼🧵

[付 @yarkkray]

@imblank18 SORA2

[付 @yarkkray]

@OfficialLoganK @Google everytime we run in the vertex cloud consolevery well，but when we run in local machine，it failed without any warning。Is there any guide or script for the enviroment setting？ （OpenAI have no this problem）

[付 @yarkkray]

@_jasonwei its the difference between startup and big giant？

[Golang News & Libs & Jobs - human 🗣️ , no 🤖 @golangch]

An identity-aware document & graph database written in Go with support for gRPC and graphQL.
#golang

https://t.co/9tJdKfXc10

[CNCF @CloudNativeFdn]

[NEWS] #CNCF's new survey is out! 📣🔎As #cloudnative adoption becomes mainstream, deployments are growing in size and speed 📈📊Check out all the GREAT insights 👇🏼https://t.co/lK7R8alhHC

[CNCF @CloudNativeFdn]

Happy Friday! Nice guest post on the blog today for your weekend reading pleasure 🤗➡️ "The Difference Between #API Gateways and #ServiceMesh" https://t.co/5gIOECB23Y

[付 @yarkkray]

#新头像

[Google Cloud Tech @GoogleCloudTech]

Our big data and #ML courses are now free for 7-days on @Coursera. Get started → https://t.co/50FOGaUiE7

[Towards Data Science @TDataScience]

“How Not to Sort by Popularity” by @jbochi https://t.co/jriXr3jGMY #MachineLearning #RecommendationSystem #MultiArmedBandits

[Brandon Walker @bsethwalker]

Explore how to build a basic #RecommendationSystem

https://t.co/88N6Y4Xeda

#ECommerce #MachineLearning #Innovation #AI #ML #ArtificialIntelligence #DataScience #Analytics #DataMining

[Bastian Tenbergen, PhD @BTenbergen]

First #paper talk of the day: Klym Shumaiev et al.: An expert #recommendationsystem for #designdecision making - Who should be involved in making a design decision? #ICSA2018

[Michael Nielsen @michael_nielsen]

Peter Norvig has just put his book (+code) "Paradigms of Artificial Intelligence Programming" on GitHub: https://t.co/NO13x3n2F5 This is a very beautiful book in the good old-fashioned AI tradition. via @abecedarius