来自 Anthropic 的提示词技巧
Anthropic 分享提示词技巧,Ben’s Bites 在本期 newsletter 中整理相关内容,并汇总多款 AI 产品动态。文中提到 Gemini 4 Argon 全面开放、Claude Code desktop app 获得设计升级,以及为编程智能体添加文档链接可将任务完成率从 41% 提升至 84%。
Anthropic 分享提示词技巧,Ben’s Bites 在本期 newsletter 中整理相关内容,并汇总多款 AI 产品动态。文中提到 Gemini 4 Argon 全面开放、Claude Code desktop app 获得设计升级,以及为编程智能体添加文档链接可将任务完成率从 41% 提升至 84%。
Apple 使用 MLX v0.30.1 和 Thunderbolt 5 RDMA 在 Mac Studio 集群上运行 Muse Spark Open、Mistral Medium 3.5 与 Qwen 3.8,并比较流水线并行和张量并行方案。
推荐理由:文章提供单机和多机推理方案、配置命令与对比数据,便于评估大模型在 Mac Studio 集群上的部署表现。
该视频拆解 Pi Durable 的主动智能体架构,并演示 JEV 分类器从实时日志中发现生产事故后触发 ON-CALL Pi agent。智能体可跨客户端保持共享状态和持续任务,在调查根因、编写修复后等待人工批准再部署。
推荐理由:视频通过生产事件触发、持久化状态和人工审批流程,展示了主动智能体的可落地实现方式。
Micky Shimeles 在访谈中介绍其四步智能体工程工作流,包括隔离任务、按明确结构构建、通过验证循环证明结果,以及让智能体审查 PR 后交付。隔离阶段用独立 worktree 并行运行多个智能体,构建阶段采用服务层架构和结构化返回,验证阶段录屏比对应用改动前后状态,交付阶段使用 Greptile 将 PR 改进至 5/5 且无未解决评论,通常仍由 Micky 最终人工检查。
Hamel Husain 在面向社区成员的免费课程中,讲解如何发现真实的 AI 故障并构建实用的评测体系。完整版付费节目仅向 Behind the Craft 的付费订阅者开放。
Greg Isenberg 演示 8 个经他在夜间及周末测试的 GitHub 仓库与 AI 技能,覆盖发布视频、社媒调研、本地配音、可编辑演示文稿、编码智能体团队和设计指导。多数工具可免费下载,主要成本是运行模型;Brag、Agent Reach 被列为首选,并以 10 位客户每月 $1,000、即 $10,000 现金流说明服务收入可支持转向技术。
Cliff Sentell 与两名合伙人各投入 20,000 美元、购置 1 台服务器创业,转向直接向雇主销售医疗价格查询服务后,Compass 在 3-4 年内实现约 100 万美元营收。公司拒绝融资以保留控制权,后来扩张至约 3,000 万至 4,000 万美元营收和 200 名员工。其经验是将销售对象转向掌握预算的一方,并以 AI 强化难以复制的行业专长。
Creator Economy 的 Peter Yang 在新一期节目中邀请 Granola 联合创始人 Sam Stephenson,分享用 AI 应对并享受会议的方法。Granola 估值已达 $1.5B,最常用 recipe 是 “What did I miss?”;讨论还涵盖隐藏实时转录、MCP/API 绕开 UI、Nacho 智能体,以及 Figma 使用率降至 20%。
Anthropic投入 $100 million 推出 Claude Frontier Academy,目标是在 2027 年底前培养 10,000 名 Frontier Deployed Engineers。首期项目涵盖模拟企业部署和 12 周真实业务驻留,工程师在完成安全审查、交付及能力评估后获得相应认证,首批学员来自 Accenture、Bain、Capgemini 等机构。
推荐理由:项目通过模拟企业部署、实战项目和能力评估培养人才,其训练与认证流程可供企业 AI 人才培养参考。
Varick 的 FDE 团队通过重构企业流程并将 AI 智能体嵌入现有业务系统,为企业创造可衡量的效率收益。方法包括访谈、流程挖掘、步骤分类和系统内构建智能体;一个应付账款改造案例将每张发票成本从 $31 降至 $6,节目还提供五日起步计划。
IndyDevDan 用10个层级讲解 Jev 如何嵌入智能体工程,让编码智能体处理复杂工作,并由单一模型处理窄范围决策。Jev 通过 JSON 接收状态、问题和允许的答案,可用于提示词注入检查、工单与代码审查风险评分,以及在执行 bash 命令或写入受保护文件前设置安全门控。
吴浩哲在42章经播客中介绍开源项目 Vibe-Trading,并将其概括为在低成本决策与高成本行动之间建立可验证、可审计通道的 AI Trading。该项目开源半年已有 3.4w 个 Star,节目还拆解了 AI Trading 与传统量化的区别、系统四大组成部分及 Jev 的作用。吴浩哲强调,交易决策的关键是可解释性,用户需理解判断来源及其可信度。
IndyDevDan 构建了一个可感知上下文并自主决定压缩时机的 Pi 智能体,还开发了可主动压缩上下文并留下续接说明的 Self Compact Tool。该方案支持 Notice、warning 和 force 三级阈值,并允许替换默认压缩提示词,作者将同一计划交给 Pi、Claude Code 和 Codex 运行 Fable、Astra 与 GLM 进行比较。
Ethan Mollick 认为 GPT-6 Astra 与 Fable 5.1 已能在适当引导下承担数周的人类工作,并应把关注点从未来模型转向现有能力。他展示了模型将 Zork 重制为 3D 游戏、重建 Umberto Eco 图书馆以及制作书籍预告片的过程,并提出深度知识、广泛知识、品味和行动力四种人类优势。
研究员逯雨鑫以个人开发者身份用 2 周和数百美元后训练出两个曾登顶 Hugging Face Model Trending 榜首的小模型。对谈介绍其完整 Pipeline、数据来源与配比、合成数据表现、Capacity Gap 和蒸馏路线,并讨论主权 AI、Personal Intelligence、Local AI 及应用公司与 AI Lab 的分工变化。
本期学习播客邀请清华大学计算机系博士候选人孙宇涛领读Kimi K3技术报告,系统梳理模型架构、预训练、后训练与基础设施。Kimi K3是总参数扩展至2.8T并全量开源的MoE模型,讲解涵盖线性注意力、Gated MLA、Attention Residuals、Stable LatentMoE和SiTU-GLU。节目还串联十多篇相关论文,介绍三维扩展、多教师在线策略蒸馏及训练和推理优化。
Ethan Mollick 建议根据任务类型选择 AI,低风险日常任务可用免费聊天模型,高风险问题应选择 Claude Opus、Fable 或 ChatGPT GPT-5.6 Sol,并至少设为 High 思考等级。