OpenEvals和AgentEvals提供了預構建的評估器，支援LLM-as-judge、結構化資料和代理軌跡評估。這些開源包幫助開發者快速建立評估流程，確保LLM應用可靠性。

本文深入探討了構建可靠智慧體系統的核心挑戰——確保LLM在每一步都擁有適當的上下文。作者比較了工作流與智慧體、宣告式與命令式方法，並介紹了LangGraph框架的設計理念。文章還批評了OpenAI的智慧體指南，讚賞了Anthropic的定義，並討論了框架的“天花板”與“地板”概念。

LangSmith推出自我改進的LLM評判器，透過將人工修正儲存為少樣本示例，無需提示工程即可使評判與人類偏好保持一致。

Promptim 是一個實驗性的提示最佳化庫，透過自動化迭代改進提示詞，幫助開發者節省時間、提升 AI 系統效能。它利用資料集和評估器進行最佳化迴圈，並支援人工反饋整合。

New Computer利用LangSmith改進其AI記憶檢索系統，實現了50%更高的召回率和40%更高的精確度，透過追蹤迴歸和調整對話提示來最佳化效能。

學習評估深度代理的5種模式：定製測試、單步驗證、完整回合、多輪模擬和環境設定。

Eva 是一款完全離線的 Android AI 助手，所有功能（包括語言模型、語音識別、文件搜尋、地圖、音樂和維基百科）均在裝置上執行，無需賬戶或雲端連線。它提供聊天、離線地圖導航、音樂播放器、文件閱讀、影像管理等功能，並支援透過語音或文本互動。

Spanly是一款新工具，能夠讓你即時觀察AI代理在你的MCP（模型上下文協議）伺服器內部的具體操作和行為。

Recursive公司釋出了自動化AI研究系統的早期成果，在三個基準測試中實現了最先進的效能：固定預算語言模型訓練、小模型訓練速度和GPU核心最佳化。該系統自動化了研究迴圈，透過提出、實現、實驗、驗證和迭代來改進目標。在NanoChat任務中，系統以0.9109 BPB的表現超越了社群最佳結果；在NanoGPT Speedrun中，訓練時間縮短至77.5秒；在SOL-ExecBench中，GPU核心最佳化達到0.754的SOL得分。系統發現了多種創新技術，如雜湊表增強的n-gram嵌入和位元組級特徵。

Degen & Co. 是一個平臺，允許使用者建立具有不同個性的AI投資者，例如動量追逐者、股息保守派或末日預言者。每個AI交易員都有獨立的意見、交易策略，並會撰寫交易日誌。使用者可以選擇原型、調整個性設定、設定硬性規則和初始投資組合，然後觀察AI的執行。

一段關於IBM和挪威主權基金CEO討論人工智慧是否構成泡沫的YouTube影片的頁面資訊。

作者描述了一個AI程式設計助手（Claude Opus 4.6配合GitHub Copilot）在修復GoAWK程式中的bug時，雖然快速診斷出問題，但隨後在7種不同修復方案之間反覆切換了25次以上，暴露了AI模型在決策時的不確定性。

一項新調查顯示，AI使數字工作者每週節省約11小時，但同時也帶來超過6小時的'看管機器人'時間，即檢查AI輸出、修正錯誤和重新執行提示。儘管個人效率提升，但僅有13%的企業報告顯著業務增長。

Edgee Turbo 模型支援與 Claude Code、Kimi K2.7 Code、MiniMax M2.7 等多種程式碼模型協同工作。

Cotypist是一款專為Mac設計的本地AI自動補全工具，可在郵件、Slack、筆記等幾乎所有應用中執行，即時提供建議，按Tab即可接受，所有處理均在本地完成，無需雲端或API呼叫，保護使用者隱私。

康奈爾大學的研究表明，只需13個單詞的文本片段就能操縱ChatGPT和谷歌AI搜尋等工具的搜尋結果。品牌透過Reddit、Quora等平臺植入推廣內容進行AI引擎最佳化（AEO），而AI系統難以區分虛假資訊與真實內容。

AGIRAILS 是一個新平臺，允許AI代理透過非託管鏈上託管在Base上相互僱傭和支付，無需人工干預。創始人展示了透過電子郵件讓兩個AI代理完成談判、鎖定資金、交付和支付的完整流程，所有交易公開可查。

作者描述了他們如何使用 OpenCode（一種與供應商無關的編碼代理，具有 Web UI 和 Git 整合）為其家庭實驗室建立 AI 開發平臺。該設定透過受控的工作流程自動執行容器更新和執行狀況檢查等維護任務，其中 OpenCode 推送分支，作者檢視和合並 PR，然後 GitOps 部署更改。

LangChain透過內部使用LangSmith LLM閘道器，實現對編碼助手AI支出的即時追蹤和預算控制，解決了AI使用成本失控的問題。

據Axios報道，Anthropic與美國政府之間的性格衝突導致其AI模型Mythos和Fable因出口管制而下線。訊息人士稱，解決之道可能是讓模型無法被越獄，或者改善雙方態度。

Cohere釋出其首個開源程式設計模型North Mini Code（Apache 2.0許可），瞄準希望擁有和控制AI基礎設施的開發者。該30B MoE模型可在單張H100 GPU上執行，在代理程式設計任務上與Mistral、Qwen和Gemma競爭。

Tecton Forge AI 是一款基於 FLUX AI 的生成式設計工具，能夠在幾秒鐘內將建築構想轉化為逼真的設計影像。它支援室內、室外、平面圖和立面圖四種設計型別，並整合了 AI 驅動的 Vastu Shastra 合規平面規劃器。無需註冊即可免費使用，提供付費訂閱模式。

美國政府命令Anthropic停止向非美國公民提供其網路安全AI模型Mythos 5和Fable 5，這促使歐盟重申技術自主的重要性。歐盟官員表示，此事件進一步證明歐洲需要減少對美國技術的依賴，並強調歐盟現有的AI和網路安全立法是管理此類風險的工具。此舉引發了關於技術主權和依賴風險的廣泛討論。

Pantheon 是一組 Claude Code 技能，透過多智慧體框架執行編碼任務：規劃、N 個並行實現、對抗驗證和評審。它能捕獲單次提交會遺漏的缺陷，利用獨立審查者來破壞構建。

AI領域的“擁有”與“租賃”模式各有利弊。擁有AI需要高昂的前期投入和長期維護，但提供完全控制權和資料隱私；租賃AI（如API服務）則靈活、低成本，適合快速迭代，但可能面臨依賴風險和資料安全問題。文章探討了兩種模式在成本、控制、隱私和可擴充套件性方面的權衡。

人工智慧並非萬能，但在Linux系統管理領域，無論是新手還是繁忙的管理員，都能借助AI節省時間、降低門檻。本文介紹了七種具體應用場景，包括編寫Bash指令碼、解析日誌檔案、理解journalctl輸出、生成iptables防火牆規則、監控程序、管理使用者賬戶與許可權，以及虛擬化操作。

本文介紹如何使用sktime庫在Python中構建時間序列機器學習模型，包括資料預處理、預測管道構建、模型評估和交叉驗證。透過一個工業HVAC感測器溫度預測的完整案例，展示了sktime與scikit-learn風格一致的API，以及如何處理季節性和趨勢等時間序列特有結構。

本文介紹如何利用LangChain Deep Agents和Amazon Bedrock AgentCore構建一個能夠並行瀏覽網頁、執行資料分析並長期記憶研究結果的競爭情報研究Agent。透過將深度工作委託給隔離的子Agent，有效解決AI研究工作流中上下文視窗受限的問題。

AI程式碼生成工具能快速將提示轉化為應用，但多數應用執行在供應商的雲上，導致鎖定問題。生產環境中面臨可見性、測試、合規性和基礎設施分離的挑戰。本文分析了Lovable、Base44、Replit等工具的鎖定程度，並提出了評估AI應用構建器的標準：可觀測性、測試、合規性和可移植性。

隨著人工智慧的快速採用，企業面臨盈利挑戰。傳統軟體利潤率約80%，而AI驅動業務僅為20-30%。優步和GitHub等公司已遭遇成本超支和定價模式轉變。企業財務團隊需將AI支出作為可變成本進行主動管理。