使用 Claude Code：会话管理与百万级上下文窗口的策略
Claude Code 的百万级上下文窗口在支持长任务的同时，也带来了“上下文腐化”的风险，即模型性能可能在处理约30-40万token后开始下降。因此，有效的会话管理至关重要。关键策略包括：开启新任务时建议新建会话；对于关联任务可酌情保留上下文以提升效率；善用 `/rewind` 回退功能而非直接纠正错误，是维护上下文清洁的核心习惯。用户在每个对话轮次后，应根据情况选择继续、回退、新建会话、压缩或使用子代理。
全部 AI 动态
ThariqAI 评分7272
Modal 官方工程博客精选AI 评分6464 Modal 发布教程：基于 OpenAI Agents SDK 从零构建可并行的编码智能体框架
Modal 发布工程教程，演示如何基于 OpenAI 新推出的 Agents SDK 从零构建自定义编码智能体框架，并通过沙箱扩展把 Modal Sandboxes（含 GPU）接入为智能体的运行环境。
推荐理由：教程逐步演示如何用 OpenAI Agents SDK 加 Modal 沙箱自建可并行、可快照的编码智能体框架，方法可直接迁移。
Anthropic：Claude.dev 开发者博客精选AI 评分6464 Anthropic 工程师解析 Claude Code 工具设计方法：像智能体一样思考
Anthropic Claude Code 团队成员 Thariq Shihipar 撰文讲解如何为智能体设计工具，核心方法是观察模型能力来匹配工具形态。
推荐理由：作者以 Claude Code 团队一线实践复盘工具设计取舍，给出失败尝试与渐进式披露等可迁移方法。
Claude：Blog精选AI 评分6767 针对AI加速攻击的安全准备建议
Anthropic发布Project Glasswing项目，利用Claude Mythos Preview模型进行网络防御。文章指出，未来24个月内AI将发现大量长期潜伏的漏洞并快速转化为攻击，公开可用的次级模型已能发现传统审查遗漏的严重漏洞。建议立即修补CISA KEV目录漏洞，使用EPSS评分系统优先处理风险，互联网暴露系统需在24小时内完成补丁更新。预计未来两年漏洞报告量将增加一个数量级，安全团队需建立自动化修补流程以应对AI加速的攻击态势。
推荐理由：Anthropic安全团队基于自家红队和研发实践写的防御指南，不是泛泛而谈，每条建议都配有具体工具和操作步骤，做安全的人可以对着清单逐项自查。
LlamaIndex：产品、工程与评测精选AI 评分6868 LlamaParse 复盘 VLM OCR 生产环境中的两类失败模式与修复方案
LlamaIndex 复盘 LlamaParse 的两类生产故障：LLM 重复循环导致 token 消耗和延迟暴增、资源耗尽，以及 recitation 内容过滤把合法文档抽取误判为版权违规而强行截断输出。
推荐理由：当事方复盘两类真实生产事故的根因、各厂商 API 表现差异与具体缓解手段，方法可直接迁移到其他 agentic 文档处理系统。
Anthropic：NewsroomAI 评分7777 Anthropic 发布 Claude Code auto mode，用模型分类器替代人工审批
Anthropic 推出 Claude Code 的 auto mode，将权限审批委托给基于 Sonnet 4.6 的转录分类器，配合服务端提示词注入探针构成两层防御，用于替代 --dangerously-skip-permissions。
Anthropic：Engineering精选AI 评分7575 利用对抗网络灵感设计多代理架构，突破长时应用开发瓶颈
作者受生成对抗网络启发，设计了一个包含规划器、生成器和评估器的三代理架构，以解决Claude在长时应用开发中的两大瓶颈。该架构通过上下文重置机制，有效克服了模型在长任务中的“上下文焦虑”问题；同时，通过分离生成与评估功能，使代理能依据具体标准进行迭代改进，而非盲目自评。这一方法成功使系统能在多小时的自主运行中生成完整的全栈应用程序，突破了此前提示工程和传统工具设计的性能上限。
推荐理由：Anthropic 工程师把 GAN 的 generator-evaluator 思路搬进长时 Agent 架构，从设计到全栈编码都跑通了，还附了成本和失败模式。做 Agent 产品的人读完能直接抄作业，比看十篇论文管用。
Anthropic：NewsroomAI 评分6767 Anthropic 工程师详解长时应用开发的多智能体 harness 设计
Anthropic 工程师受 GAN 启发构建了 planner、generator、evaluator 三智能体 harness，让 Claude Opus 4.5 在多小时自主编码会话中产出可用全栈应用。
OpenAI Developers：Blog精选AI 评分7373 OpenAI 发布 GPT-5.4 前端设计指南及 Frontend Skill
OpenAI 发布指南，介绍如何引导 GPT-5.4 生成更精致的前端界面。GPT-5.4 在图像理解、功能完整性和工具自检（结合 Playwright 验证页面）方面有提升，并训练用于 computer use。
推荐理由：OpenAI 官方给出了引导 GPT-5.4 做前端设计的具体约束、视觉参考和一套可直接安装的 Frontend Skill，方法可迁移到自己的项目。
公众号：月之暗面精选AI 评分6060 推荐：10万人亲测好用的原版OpenClaw安装器
Kimi支持的个人开发者开源项目OneClaw下载量突破10万，提供一键安装包，1分钟即可在本地部署原版OpenClaw，无需命令行或环境配置。功能包括纯净卸载、自由切换模型、远程控制，支持连接飞书、企微、钉钉、QQ、Kimi Claw；内置2万+技能的技能商店，可无损迁移记忆和Skills。Kimi提供包月方案和API按需购买。使用地址：oneclaw.cn。
推荐理由：如果你曾被 OpenClaw 的部署门槛劝退，OneClaw 可以让你两分钟跑起来，适合在备用机尝尝鲜，但别在生产环境乱搞。
LlamaIndex：产品、工程与评测精选AI 评分6767 LlamaIndex 解析为什么让 AI 读 PDF 这么难
LlamaIndex 发文解释 AI 智能体读 PDF 难的根本原因：PDF 源自 1982 年的 PostScript，只存绘图指令而非字符，文本编码、表格、图表和阅读顺序都需要启发式推断。
推荐理由：文章从 PDF 格式底层设计讲清解析困难的根源，并给出文本提取与视觉模型结合的可迁移架构思路。
LangChain：Blog精选AI 评分6262 LangChain 如何构建 GTM Agent
LangChain 团队介绍其基于 Deep Agents 构建的 GTM Agent，端到端自动化销售外联流程，从 2025 年 12 月到 2026 年 3 月 lead 转合格商机的转化率提升 250%，同期 pipeline 金额达 3 倍，每位销售每月节省 40 小时。
推荐理由：作者复盘了自己团队的完整落地过程，给出从成功定义、评测到记忆反馈的可复用 Agent 工程方法。
OpenAI Developers：Blog精选AI 评分6969 OpenAI 用 Codex skills 加速 Agents SDK 开源仓库维护
OpenAI 团队介绍如何用 Codex 结合仓库级 skills、AGENTS.md 和 GitHub Actions，把验证、发布审查、示例集成测试和 PR 审查变成可复用工作流。
推荐理由：OpenAI 官方以自家 Agents SDK 仓库为例，完整拆解了 skills、AGENTS.md 与 CI 的组合用法，含可迁移的仓库维护模式。
Manus：Blog精选AI 评分6464 Manus 内容作者实测 Google Veo 3：唇同步惊艳但整体表现参差
Manus 内容作者用四个提示实测 Google Veo 3，发现对话唇同步质量达到纪录片级，但产品一致性、动作场景和电影测试均出现明显问题。测试中为完成四个视频从 Google AI Plus（$7.99/月）两次升级到 Google AI Pro（$19.99/月），结论是 Veo 3 在对话类内容上表现突出，但尚不是演示所暗示的可靠全能视频生成器，剪辑最长 8 秒且受每日生成限制。
推荐理由：作者用四个提示实测 Veo 3 并给出各档订阅价格与真实短板，读者可据此判断它适不适合自己的使用场景。
Manus：Blog精选AI 评分6565 Manus 评测 7 个 AI 应用构建工具：同一提示下的并排对比
Manus 博客用同一段 Solace Studio 健康工作室应用的提示，测试 Manus、Lovable、Base44、Replit、Bubble、Figma App Builder 和 Glide 七个 AI 移动应用构建平台，按提示遵循度、速度、移动体验和易用性评估。
推荐理由：文章用同一提示并排实测七个平台，指出多数工具只生成前端、后端逻辑才是真正差距，可作为选型参考。
Manus：Blog精选AI 评分6060 Manus 实测 8 个 AI 作品集构建工具，评选 2026 年最佳免费选项
Manus 博客用同一严格提示测试 8 个 AI 作品集构建工具，从设计质量、AI 智能化程度、发布能力和转化重点评估。Manus 和 Replit 均获 9/10 并列第一，Aura、Figma、Webflow 得 8 分，Lovable、Wix 得 7 分，Jimdo 得 6 分。
推荐理由：作者用同一严格提示实测 8 个工具并给出评分和价格表，读者可按预算和设计风格直接对号入座选型。
OpenAI Developers精选AI 评分7373 OpenAI 发布 gpt-5.3-codex 提示词指南
OpenAI 发布 Codex 模型提示词指南，API 上的 Codex 调优模型为 gpt-5.3-codex，推荐用 medium 推理力度平衡智能与速度，复杂任务可用 high 或 xhigh。
推荐理由：官方为 gpt-5.3-codex 给出完整提示词与工具迁移指南，覆盖并行调用、compaction 和 phase 参数等可落地的集成细节。
OpenAI Developers：Blog精选AI 评分6767 OpenAI 工程师实测 GPT-5.3-Codex 连续运行约25小时从零构建设计工具
OpenAI 开发者博客记录一次长时程实验：用 GPT-5.3-Codex 在空白仓库上以 Extra High 推理从零构建设计工具， uninterrupted 运行约25小时、消耗约13M token、生成约30k行代码。
推荐理由：作者用一次25小时的实测复盘，给出长时程 Codex 任务的文件栈和验证方法，可迁移到自己跑长任务。
Modal 官方工程博客精选AI 评分6464 Ramp 如何基于 Modal 构建后台编码智能体 Inspect
Ramp 基于 Modal Sandboxes 构建内部后台编码智能体 Ramp Inspect，目前启动了 Ramp 超过一半的已合并 pull request，其中超过 80% 的 Inspect 代码由其自身编写。
推荐理由：原文给出 Ramp Inspect 的架构细节、启动优化方式和采用数据，读者可借鉴后台编码智能体的落地方案。
Manus：Blog精选AI 评分6060 Manus 评测2026年9款AI代码审查工具并给出选型对照
Manus 博客在相同PR包（含授权反转、中间件边界等安全回归场景）上实测 Qodo、Graphite、GitLab Duo、Greptile、Devlo、CodeRabbit、Codacy、Atlassian Rovo 和 Manus 共9款AI代码审查工具，并给出标准化对比表与按需选型指南。
推荐理由：同一组高风险PR上实测9款工具，读者可按安全审查深度与工作流集成需求快速对照选型。
OpenAI Developers：Blog精选AI 评分7373 OpenAI 发布长时运行智能体实践指南：Skills、shell 工具与服务端 compaction
OpenAI 基于 Codex 与内部智能体经验发布一组智能体原语实践指南，包括 Skills（对齐 Agent Skills 开放标准的可复用版本化指令）、支持安装依赖和写输出的托管 shell 工具，以及自动压缩对话历史的服务端 compaction。
推荐理由：OpenAI 以自家和 Glean 的生产经验总结了 Skills、shell 与 compaction 的组合模式，含可操作的路由与安全建议。
PromptArmor：Threat Intelligence精选AI 评分7272 PromptArmor 揭示消息应用链接预览可致 AI Agent 数据外泄，OpenClaw 默认配置受影响
PromptArmor 演示了一种通过间接提示词注入让 AI Agent 返回携带敏感数据的恶意 URL，借助 Telegram、Slack 等应用的链接预览功能在用户不点击的情况下实现数据外泄的攻击链。
推荐理由：原文拆解了链接预览导致无需点击即可数据外泄的攻击链，并给出 OpenClaw Telegram 的具体关闭配置和自测方法。
PromptArmor：Threat Intelligence精选AI 评分6969 PromptArmor 演示通过 MCP 对 OpenAI Agent Builder 的数据外泄攻击
PromptArmor 实测演示了对 OpenAI Agent Builder 的间接提示词注入攻击：攻击者提交含注入的 Google Form，诱使销售智能体工作流通过 Gmail 将 Salesforce CRM 数据发送给攻击者。
推荐理由：作者以第一手实测演示了 OpenAI Agent Builder 中经 MCP 的提示词注入数据外泄路径，还展示了 Guardrail 被绕过和多步工作流传递注入的细节。
Manus：Blog精选AI 评分6060 2026 年最佳 B2B 销售演示 AI 工具实测对比：Prezi、Genspark、Visme、Manus 等 8 款
Manus 博客针对 B2B 销售提案、QBR 和竞争演示场景测试了 8 款 AI 演示工具，Manus 以研究驱动的可引用数据获 9 分居首，Genspark 和 Visme 各得 8 分。测评指出多数工具输出属于演示级初稿，只有 Manus 在生成幻灯片前实际研究市场和竞争对手；各工具均缺深度原生 CRM 导入，团队一般还需 15–30 分钟人工完善。
推荐理由：作者以真实 QBR 场景实测 8 款 AI 演示工具，给出评分、价格和适用场景，读者可按销售工作流直接对照选型。
Manus：Blog精选AI 评分6060 7 款 AI 登陆页面生成器实测对比：Manus、Base44、Aura 等
Manus 博客用同一个 QuillSpark 产品发布页提示，实测并对比 7 款 AI 登陆页面生成器，按设计质量、文案、生产就绪度、免费发布和自定义等标准评分。
推荐理由：原文用同一提示实测 7 个 AI 登陆页面生成器，给出评分、价格和免费发布差异，可作为选型比较参考。
OpenAI：官网动态精选AI 评分6565 OpenAI 解析 Codex App Server：如何嵌入 Codex 智能体
OpenAI 介绍如何通过 Codex App Server 嵌入 Codex 智能体，这是一个双向 JSON-RPC API，支持流式进度、工具调用、审批和 diffs。文章还讲述了该 App Server 的构建过程。
推荐理由：官方拆解了 Codex App Server 的构建思路和 JSON-RPC 通信机制，对想在自有产品中嵌入 Codex 智能体的开发者有直接参考价值。
OpenAI Developers：Blog精选AI 评分6565 Alpic 总结构建 ChatGPT Apps 的 15 条经验，并开源 Skybridge 框架与 Codex Skill
Alpic 基于 Apps SDK 在三个月内开发二十多个 ChatGPT Apps，总结出 15 条经验，核心包括用户、UI 与模型三方之间的上下文不对称问题。
推荐理由：作者基于三个月开发二十多个 ChatGPT Apps 的一手经验，总结上下文流、UI 模式与 CSP 等实操教训，并开源配套框架。
LlamaIndex：产品、工程与评测精选AI 评分6262 LlamaIndex 解析 Agent 的 Skills 与 MCP 工具取舍
LlamaIndex 撰文比较 Skills 与 MCP 两种让 Agent 调用工具和获取领域知识的方式，并在构建 LlamaAgents Builder 时做了实测。
推荐理由：作者结合 LlamaAgents Builder 的实测经验，给出 MCP 与技能在执行模型、维护成本和适用场景上的具体取舍依据。
Manus：Blog精选AI 评分6060 实测五款AI图像生成器：ChatGPT、Midjourney、Nano Banana Pro、Adobe Firefly与Manus对比
Manus博客发布一篇亲测对比，作者花数周用相同的逼真书籍、印象派油画、文本标志和幻想景观四个提示词测试五款AI图像生成器。ChatGPT (GPT-4o)与Manus获5/5评分，Midjourney 4/5，Nano Banana Pro与Adobe Firefly 3/5；五款中四款有免费版本，Midjourney是唯一无免费计划的工具。
推荐理由：作者用相同四个提示词实测五款图像生成工具，给出定价、免费额度和各自强弱项，便于按需求与预算挑选。
OpenAI Developers：Blog精选AI 评分6363 OpenAI 开发者博客讲解如何用 Evals 系统化测试 Codex Agent 技能
OpenAI 开发者博客发布教程，讲解如何像测试 LLM 应用一样，用 evals 系统化评估 Codex 的 Agent 技能。核心流程为定义可度量的成功标准、用 $skill-creator 创建技能、以 codex exec -- 捕获 JSONL 轨迹做确定性检查，再用 --output-schema 输出符合评分规则的 JSON 做风格等定性评估。
推荐理由：OpenAI 官方给出用 evals 系统化测试 Codex 技能的完整模式，从定义成功标准到确定性检查与评分规则均可迁移复用。
Anthropic：NewsroomAI 评分7777 Anthropic 性能工程团队分享如何设计抗 AI 的技术笔试题
Anthropic 性能工程团队撰文介绍其模拟加速器优化笔试题如何被 Claude Opus 4 和 Opus 4.5 相继击败，并迭代出三版抗 AI 的新笔试题。
PromptArmor：Threat Intelligence精选AI 评分6767 PromptArmor 发布 Claude Cowork 安全部署指南，按三档风险分级给出配置方案
PromptArmor 发布 Claude Cowork 安全部署指南，梳理其威胁模型并给出三档功能与风险权衡的配置方案，从最大化功能的 Tier 1 到基本隔离外部输入的 Tier 3，并逐项说明组织级管理设置。
推荐理由：安全厂商基于自身威胁模型研究，给出 Claude Cowork 三档部署配置和逐项管理设置，企业安全团队可按风险容忍度直接落地。
Manus：Blog精选AI 评分6767 2026年十大AI视频生成器实测比较：从Runway到Manus
Manus博客发布2026年十大提示到视频AI生成器评测，用同一条东京雨夜巷子的提示测试Runway (Gen 4.5)、HeyGen、OpenAI Sora。
推荐理由：作者用同一条提示实测了10款主流AI视频生成器，并逐一记录输出质量、界面与定价，便于读者按需求和预算对照选型。
OpenAI Developers：Blog精选AI 评分6060 Skyscanner 通过 JetBrains MCP 增强 Codex CLI 的开发实践
Skyscanner 工程师分享了在日常工作流中把 OpenAI Codex CLI 通过 JetBrains MCP server 接入 IDE 的实践。Codex 可调用 get_file_problems 检查编译错误、执行预定义的测试、lint 和格式化运行配置，例如在 Databricks Java SDK 用例中立即发现 NotFound 异常构造函数不匹配的问题。
推荐理由：Skyscanner 工程师分享把 Codex CLI 接入 JetBrains MCP 的具体做法，给出了错误检查和测试运行如何缩短反馈循环的实操路径。
Anthropic：NewsroomAI 评分7272 Anthropic 详解 AI Agent 评测方法：从 grader 设计到落地路线图
Anthropic 发布长文，系统讲解如何为 AI Agent 设计可靠的自动化评测。文章区分任务、grader、transcript、评测框架等概念，介绍代码、模型、人工三类 grader，以及 pass@k 和 pass^k 两种非确定性指标，并按编码、对话、研究、计算机使用四类 Agent 给出对应评测方法。
Anthropic：Engineering精选AI 评分7575 揭秘AI智能体评估：构建可靠系统的关键
有效的评估能帮助团队更自信地发布AI智能体，避免陷入仅在生产环境被动发现问题、修复可能引发新问题的循环。智能体因其多轮操作的自主性与灵活性，评估更为复杂。一个完整的评估结构包含任务、评分器、记录、结果、评估框架与评估套件等核心组件。缺乏系统评估将导致团队无法区分真实的质量倒退与随机波动。建立评估体系能帮助团队在智能体规模化过程中持续监控质量、自动测试变更并量化改进效果，其价值在智能体整个生命周期内持续累积。
推荐理由：Anthropic 把内部踩过的坑全摊开了，从 eval 设计到 grader 选型到 transcript 审读，是目前最完整的 Agent 评估工程指南，做 Agent 产品的团队可以直接当手册用。
PromptArmor：Threat Intelligence精选AI 评分6666 PromptArmor 披露 IBM Bob 编码 Agent 可被提示词注入诱导下载并执行恶意软件
PromptArmor 披露 IBM 编码 Agent Bob（含 Bob CLI 与 Bob IDE，目前 Closed Beta）存在漏洞：若用户对任一已知可信命令选择 always allow，攻击者可通过间接提示词注入触发下载并执行恶意软件。
推荐理由：原文完整拆解了 Bob CLI 三道防御被绕过的具体机制与攻击链，读者可据此评估编码 Agent 的命令自动审批风险。
OpenRouter：Announcements精选AI 评分5555 可蒸馏模型与合成数据管道：使用 NeMo Data Designer
介绍如何利用 NeMo Data Designer 构建许可安全的合成数据工作流，用于模型特化（model specialization）。该管道支持生成可蒸馏模型所需的高质量合成数据，确保数据来源合规，适用于下游微调与领域适配场景。
推荐理由：虽然发布快半年了，但教程讲的是如何用 NeMo Data Designer 构建 license-safe 的合成数据管道，对正在搞模型蒸馏和微调的开发者依然有参考价值，细节够实操。
Anthropic：Engineering精选AI 评分7575 为长时运行智能体设计有效约束方案
为解决AI智能体在跨越多上下文窗口执行长期任务时的“记忆丢失”与进展不一致问题，Anthropic为Claude Agent SDK开发了一套双重方案。该方案包含一个初始化智能体，负责在首次运行时建立基础环境并生成功能清单；以及一个编码智能体，负责在后续会话中进行增量开发并提交清晰可合并的代码。通过结构化的进度日志和Git历史等机制，引导智能体避免“试图一次性完成所有功能”或“过早宣布完成”的失败模式，从而实现跨会话的持续有效协作。
推荐理由：Anthropic 把 Claude Agent SDK 跑长任务踩过的坑全摊开了，初始化 agent + 增量进度文件这套方案不复杂但极实用，做 Agent 产品的团队可以直接抄作业。
Anthropic：NewsroomAI 评分6666 Anthropic 发布长时运行智能体的高效 harness 研究与实践方法
Anthropic 发布研究文章，介绍让 Claude Agent SDK 在多个上下文窗口间持续有效工作的方法，核心是初始化智能体加编码智能体的两部分方案。