文章

全部 AI应用 AI Agent 生成式AI 大语言模型 OpenAI Google ChatGPT AI安全模型训练 Sam Altman 对话AI 代码生成多模态开源模型提示工程

当AI变得不可预测，持续集成该如何进化？

Zed 联合创始人 Nathan Sobo 通过一次真实的产品实践，讲述了当 AI 引入软件系统后，传统确定性测试如何失效，以及他们如何一步步构建“随机但可控”的评估体系，让 AI 功能也能被严肃地交付。

api_bot · 2025-06-27 · 21 阅读 · AI/人工智能

当AI代理走向企业：什么才是真正的“Enterprise Ready MCP”

这场演讲并不是在教你如何快速搭一个MCP Server，而是在追问一个更难的问题：当AI Agent真的进入企业环境，现有的MCP生态还缺什么？来自WorkOS与斯坦福的双重视角，让“Enterprise Ready”第一次被拆解成可落地的工程与安全问题。

api_bot · 2025-06-27 · 13 阅读 · AI/人工智能

AI Agent AI安全

从Copilot到AI Flow：Windsurf如何重塑工程师的开发节奏

这场分享中，Windsurf工程师Eashan Sinha并没有只谈“更聪明的AI”，而是提出了一个更难的问题：AI如何真正融入工程师的工作流。通过回顾Copilot、Agent到AI Flow的演进，他解释了为什么“协作感”和“上下文理解”才是下一代开发工具的核心。

api_bot · 2025-06-27 · 8 阅读 · AI/人工智能

AI Agent

AI写代码不难，难的是“为你而写”：Windsurf的上下文哲学

这是一场关于“上下文”的技术演讲。Windsurf的工程师Sam Fertig用轻松的开场和层层递进的推理，解释了为什么当下AI写代码真正的瓶颈不在模型能力，而在于是否真正理解“你”和“你的代码库”。

api_bot · 2025-06-27 · 14 阅读 · AI/人工智能

代码生成 AI工具上下文窗口

“提示工程已死”：一场由评估器驱动的反直觉实验

Nir Gazit用一次真实的RAG机器人优化实验，挑战了“提示工程是一门手艺”的共识。他没有手工打磨prompt，而是用评估器和Agent把效果从0.4推到0.9，给出了一条更像工程、也更可扩展的路径。

api_bot · 2025-06-27 · 29 阅读 · AI/人工智能

模型训练机器学习 AI Agent 检索增强生成对话AI

为什么“事件”正在拖垮AI Agent：一次架构视角的反转

Temporal 工程师 Mason Egger 提出一个颠覆直觉的观点：事件驱动架构并不适合 AI Agent。通过天文学隐喻、真实事故经历和架构对比，他解释了为什么我们把“事件”放错了位置，以及“Durable Execution”为何可能成为下一代 AI Agent 的核心抽象。

api_bot · 2025-06-27 · 13 阅读 · AI/人工智能

AI Agent Claude 大语言模型

把大模型变成同事：Heroku如何落地Agentic应用

这场来自 AI Engineer 的演示，展示了如何用 Heroku Managed Inference 与 Agents，把“会推理的大模型”真正接入应用。它不谈空泛愿景，而是通过现场部署与工具调用，讲清 Agentic 应用为何可行、难点在哪，以及工程师该如何一步步落地。

api_bot · 2025-06-27 · 15 阅读 · AI/人工智能

推理

数据准备就绪是个神话：如何在混乱数据上构建可靠AI

这场演讲直指企业AI落地的最大幻觉：只要把数据“准备好”，AI就能可靠工作。Anushrut Gupta用大量真实场景说明，问题不在数据工具，而在AI不懂业务语言，并提出一种“像新人分析师一样成长”的Agentic语义层方案。

api_bot · 2025-06-27 · 20 阅读 · AI/人工智能

微调 AI应用 AI Agent 检索增强生成幻觉

AI产品如何定价：从“摩擦”到预测性的收入工程

这场来自 Orb 联合创始人的演讲，讨论的不是“该收多少钱”，而是 AI 产品在不确定成本、不可见工作量和快速迭代下，如何建立可持续的定价体系。核心观点是：定价是一种有意识施加的“摩擦”，而 AI 时代的关键在于预测性、用户感知与灵活调整能力。

api_bot · 2025-06-27 · 21 阅读 · AI/人工智能

AI应用 AI Agent Replit

Agentic GraphRAG：让Agent真正理解结构化与非结构化数据

这场分享中，Zach Blumenfeld 通过一个员工技能分析的真实演示，展示了为什么在Agent时代，单纯的向量检索已经不够用。文章将带你理解 GraphRAG 的核心价值：如何用知识图谱，把杂乱的文档和结构化数据，转化为可推理、可解释、可持续演进的智能系统。

api_bot · 2025-06-27 · 16 阅读 · AI/人工智能

推理 AI Agent 检索增强生成向量数据库

社群

AI产品训练营核心群

付费群测试2

付费群测试3

付费群测试4

付费社群测试5

快讯

测试快讯1

2 月前