全部资源

全部 AI 精选，可按分级、类型、是否付费、收录时间筛选，按关键词搜索。

全部分级必读值得看
全部类型 帖子博客项目教程书籍课程讲座
全部费用免费部分免费付费未知
全部时间近 7 天近 30 天近 90 天近一年
排序：最新收录 · 推荐808 条精选
教程发布 10-17
YouTube

为什么一个 AI 智能体不够用（以及如何运行 1000 个）——CJ Avilla 与 Harrison Stall（Anthropic）

Why One AI Agent Isn’t Enough (And How to Run 1,000) - CJ Avilla & Harrison Stall, Anthropic

一个 Anthropic 人员主讲的工作坊视频。开场以 Ken Thompson 一个月写出 Unix、IBM 用 1000 名工程师开发 OS/360、Linus Torvalds 在 1998 年遇到瓶颈作类比，引出管理 AI 智能体时的规模问题，随后介绍 Claude Managed Agents 中的 Flows：向 Claude 给出目标，它通过 API 自行规划并运行最多 1000 个智能体的多智能体拓扑。演示包括股票自选股扫描器、在关键阶段投入更多算力的方法、Bug Hunter 与 Explainer Studio 模板，并说明单智能体因惰性、自我偏好偏差和目标漂移而失灵。结尾讨论大规模安全运行：预算、中断、自动模式、凭据保险库和网络锁定。视频含时间轴。

进阶多智能体与工作流智能体架构与框架
查看详情 →
讲座发布 10-18
YouTube

保险理赔是 AI 最难处理的数据问题

Insurance Claims Are AI's Messiest Data Problem — Denys Linkov, Wisedocs

Wisedocs 的 Denys Linkov 讲解保险理赔数据中充斥手写、传真、重复文件和 8GB 级 PDF 等非结构化内容，为何这既是保险 AI 的最大障碍也是最大机会。内容按步骤展开：清洗数据、单份文档内分析、跨理赔洞察，并介绍 Wisedocs 与 Artificial Analysis 合作构建的基准，用于测试模型处理医疗记录的能力。最后谈及处理技术栈以及监管、成本等话题。

进阶文档解析与理解模型基准与比较
查看详情 →
教程发布 10-18
YouTube

高风险 AI 智能体的评估

Evals for High-Stakes AI Agents — Doneyli De Jesus & Annabell Schäfer, Langfuse

Langfuse 的 Annabell Schäfer 和 Doneyli De Jesus 的一场实操工作坊，用一个银行助手演示 AI 工程闭环：带 PII 脱敏的追踪、构建数据集、把领域专家意见转化为失败模式、LLM-as-a-judge 与代码评估器，以及当分数下降时在 CI 中阻止提示词变更。还涉及面向利益相关者的仪表盘和与编码智能体协作。材料列出各章节时间点。

进阶智能体评测模型裁判与质量评估
查看详情 →
教程发布 10-18
YouTube

教会你的智能体证明自己完成了任务

Teach Your Agent to Prove It's Done — Nick Nisi & Zack Proser, WorkOS

WorkOS 的 Nick Nisi 和 Zack Proser 讲解如何为编码智能体构建验证闭环，让智能体检查自己的工作，内容包括设定可检查的目标、CLI 健康检查、浏览器快照、LLM 评判与评估，使失败能驱动下一轮修复而不是落到人手上。演示使用“Midnight Snack Club”示例应用并附有可跟随的代码仓库。适合开发编码智能体或使用智能体写代码的工程师。

进阶代码审查与验证编程智能体
查看详情 →
讲座发布 10-18
YouTube

一个 AI 智能体让它的用户被 Resy 封号——Keycard、摩根大通与 AAuth

An AI Agent Got Its User Banned From Resy — Keycard, JPMorgan Chase & AAuth

这是一场主题讨论录像，由 Keycard 的 Allie Howe 主持，嘉宾包括 Keycard CEO Ian Livingstone、摩根大通全球首席安全架构师 Michael Davis 和 OAuth 共同创造者 Dick Hardt。起因是一个餐厅预订智能体在 90 分钟内发起 200 次调用，导致其用户被 Resy 封禁。讨论涉及 OAuth 权限范围对智能体过于粗糙、像带新人一样引导智能体、给智能体设定“任务”、用预算替代速率限制、把智能体的“大脑”和“手”分离、智能体商业以及“了解你的智能体”等议题。

进阶权限与沙箱隔离
查看详情 →
教程发布 10-18
YouTube

如何判断你的 AI 智能体是否靠谱：用 Phoenix 与 Claude 做评估

How to Know If Your AI Agent Is Any Good: Evals With Phoenix & Claude — Laurie Voss, Arize AI

这是 Laurie Voss（Arize AI 开发者关系负责人、npm 联合创始人）的一场工作坊录像，以一个由 Claude 驱动的金融分析师智能体为例，搭建完整的评估闭环：用 Arize Phoenix 做追踪、阅读追踪记录、编写代码评估和 LLM-as-a-judge 评估、测试评判模型本身是否可信、用实验验证提示词修复效果、从 Claude Haiku 4.5 升级到 5.5，并在 CI 中用 npm test 做门禁。开场用例是智能体写出“116% 分析师同意”这类自信错误。适合构建生产级智能体、关心评估流程的工程师。

进阶智能体评测追踪与故障诊断
查看详情 →
讲座发布 10-19
YouTube

受版本控制的搜索：过去的网络样貌——Exa 的 Ryan Ahern

Version-Controlled Search: The Web as It Was — Ryan Ahern, Exa

这是一个演讲视频，Exa 的 Ryan Ahern 介绍 Exa Snapshot 功能，使智能体能够检索任意历史日期下网页当时的样子。内容涵盖智能体成为主要搜索方时搜索质量的重要性、快照结果与实时结果的对比，以及团队如何用时点搜索构建和测试预测信号并避免过拟合；视频附有分段时间轴。

进阶RAG 与搜索
查看详情 →
博客发布 10-19
YouTube

用昨天的网页回测你的智能体——Ryan Ahern，Exa

Backtest Your Agent Against Yesterday's Web — Ryan Ahern, Exa

这是 Exa 的 Ryan Ahern 的实操演讲录像，演示如何用带版本控制的搜索按过去某一天的日期查看当时的网页，并据此把智能体的预测与后来实际发生的情况对照回测。动手示例以高管变动等信号预测公司收购，并讨论如何在不泄露未来信息的前提下调参，章节涵盖搜索基准、网页版本化、避免前视偏差、回测与调优、实操演示以及结果与过拟合。

进阶业务应用与决策智能体评测
查看详情 →
博客发布 10-19
YouTube

别再告诉智能体怎么做

Stop Telling Agents How

OpenProse 团队介绍如何用纯 markdown 把多智能体工作流写成声明式契约，由 Claude Code、Codex 等任意 harness 编译并运行，主张描述想要什么而不是怎么做。演示包括由 webhook 和 pull request 触发的事件驱动任务、一个“脾气差的老资深”PR 评审者，以及端到端的银行模型文档工作流；还讨论了契约组合、把成功运行固定为可复用工作流，以及与 DSPy 的对比。

进阶多智能体与工作流
查看详情 →
讲座发布 10-20
YouTube

为什么 AI 智能体需要自己的银行账户

Why AI Agents Will Need Their Own Bank Accounts — Lincoln Murr, Coinbase

Coinbase AI 产品负责人 Lincoln Murr 讲解“智能体金融”：会花钱的智能体和会赚钱的智能体。内容包括从给 AI 一个钱包的早期实验 AgentKit，到基于长期闲置的 HTTP 402“需要付款”状态码构建的开放标准 x402，据其介绍该标准每月处理数亿笔智能体交易；还谈到微交易作为广告经济替代、智能体按简单指令执行交易，以及 Coinbase 两年建设中的经验——信任是一步步赢得的，AI 是使能者而非产品本身。结尾展望能支付自身运维费用的智能体。

入门业务应用与决策
查看详情 →
讲座发布 10-20
YouTube

如何判断 AI 智能体何时可以无人监督地工作

How to Know When an AI Agent Can Work Unsupervised — Evan Kormos, Coinbase

Coinbase 的 Evan Kormos（有 15 年企业金融服务经验）介绍把智能体引入政策驱动、受监管工作流的实用方法：把流程建模为 DAG 和循环，说明一个循环的可信度取决于它的检查，并展示评估与追踪如何成为新的信心机制。智能体随后经历三个阶段：完全监督、抽样监督、仅由人处理异常。材料按章节列出讲解顺序。

进阶智能体评测追踪与故障诊断
查看详情 →
讲座发布 10-20
YouTube

智能体外壳（harness）已死？

Is the Agent Harness Dead? — Jediah Katz, SpaceXAI

Jediah Katz（SpaceXAI，此前是 Cursor 任职最久的智能体外壳工程师）讨论模型变强对编码智能体、Grokbot 和智能体外壳未来的影响。他论述复杂外壳不再为编码智能带来额外智能，因为数据飞轮让模型学会了外壳原先补上的技能；但同时认为外壳比以往更重要，它开拓 Grokbot 等新领域，并承担模型无法吸收的基础设施、信任与安全、效率问题。结尾给出对 AI 智能体的预测，包括六个月内 90% 的智能体工作将离开笔记本电脑运行。

进阶智能体架构与框架编程智能体
查看详情 →
加载更多精选 ↓