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。
这条微博介绍开源框架 OpenUI（github.com/thesysdev/openui），针对以往让模型输出交互组件依赖笨重 JSON、耗 Token 且边生成边解析繁琐的问题，提出面向流的紧凑语法 OpenUI Lang，称比传统 JSON 最多节省 67% 的 Token 并降低响应延迟。开发者只需圈定可用组件，系统便提取提示词约束模型并在数据流返回时渐进渲染；核心架构与框架解耦，除 React 外还为 Vue、Svelte、Angular 提供原生运行时，并自带预制组件与对话界面。
这是一条微博社区帖子，讨论当 AI 写下近九成代码时 Claude Code 团队如何重构代码审查：审查标准从逐行通读转为风险分流，把单次人工卡点改为连续验证——提交前由 Agent 自测并经独立视角复核；PR 阶段由多模型并行找错、安全检查与 CI 层层拦截；审批按变更风险分级，低风险自动放行、敏感路径严格人工把关；设置轮次上限与增量复审避免机器互审死循环；发布底线由合并队列与快速回滚守护。材料称工程师的精力从逐行读 diff 转移到架构判断与最终生产责任。适合在团队中推进 AI 辅助编码并关注代码审查流程设计的人阅读。
这是一条微博社区帖子，转述安全团队披露的一起真实风险：伪装成工程规范、放在下载目录里的 Markdown 会通过间接提示注入诱导编程 Agent 执行攻击者意图。材料称实测中这类文本能诱使 Codex 修改全局 MCP 配置并绕过沙盒，或欺骗 Claude Code 篡改模型网关以窃取凭据，并指出纯文本虽不可执行，但拥有系统操作权的 Agent 会把文字变成破坏性动作；给出的防范方向是收紧执行边界，如不在下载目录直接启动 Agent、严格隔离全局配置并做好命令审计。适合使用 Codex、Claude Code 等编程 Agent 并关心提示注入风险与配置安全的人阅读。
一条微博帖子，作者根据论文《为什么 AI 写的让人类越来越难懂了》总结出一段提示词，用于让 AI 输出更像人写的文字。提示词包含五条要求：使用常见的词语搭配；让主语和动词匹配，不给抽象概念配人类动作；把长句拆短，一句只说一件事；不堆叠名词，把名词串展开来说；写完后大声念一遍以找出别扭之处。适合经常用 AI 生成文字、想调整提示词改善输出文风的人阅读。
一条微博帖子，转述 Anthropic 工程师关于搭建企业级 AI Agent 的文章。内容列举多 Agent 架构的问题（子 Agent 结果传给主 Agent 时信息衰减、Agent 数量泛滥、提示词规则互相冲突的“Frankenprompt”、实测同任务耗时翻倍），说明单 Agent 加“渐进式披露”往往足够，并给出多 Agent 仍合适的三种情况（任务过长、可并行、工具过多），最后介绍从多 Agent 迁回单 Agent 的步骤：先搭评测基准，再逐个把子 Agent 折进主 Agent 并复跑评测。适合正在设计或重构 AI Agent 系统架构的开发者阅读。
一条微博帖子，引用了 opencode 项目 AGENTS.md 中的一条规则：在为纯属猜测、几乎不可能发生的竞态条件或安全边界情况新增复杂逻辑之前，先向用户说明会出现什么问题、发生概率多大、需要付出多少复杂度代价，征得同意后再动手，不要为理论上的健壮性悄悄扩大范围。帖子围绕这条规则展开，未提供更多背景。适合正在为编码智能体编写 AGENTS.md 或类似项目规则、关心 AI 写代码时如何控制改动范围的人阅读。
一个 Rust 开源项目，基于 PGM-Index 算法，用分段线性模型预测数据位置再做局部精确查找，无需神经网络训练和 GPU。材料称其 Benchmark 在百万级数据下相比 Rust BTreeMap 构建速度提升约 22 倍、命中查询提升约 3 倍，索引元数据占几 KB 到几十 KB，并提到可能适合时序数据库、日志检索、RocksDB SSTable 等大规模有序、读多写少场景，同时注明项目仍处于研究型阶段、不适合生产环境。适合对索引结构、存储引擎和 Rust 高性能实现感兴趣的人了解。
这是一个 GitHub 仓库（op7418/guizang-product-video-skill），内容为一套提示词，用于让 Grok bot 在其云端虚拟机上搭建“AI 早报 + 讲解视频”流程：每天整理前一天的 AI 资讯生成文字简报，再制作约 90 秒的中文讲解视频。提示词涵盖在 ~/.claude/skills/ 下克隆三个 skill 仓库并安装 Node、Playwright/Chromium、FFmpeg、Python、edge-tts 等依赖，按时区采集 X 收藏与推文等来源，将内容归为 5–7 条主线并附原推链接、核对数字，按 Product Video skill 流程做 60–90 秒横屏 1080p 视频并做交付检查，最后附上建立每天 9 点定时任务的步骤。
vLLM 官方项目，提供基于 vLLM 构建生产级推理服务栈的参考实现，README 有中文版本。材料列出的能力包括：不改业务应用代码即可从单实例扩展到分布式集群、Web 可视化监控面板、智能请求路由与 KV Cache 卸载；教程涵盖 Kubernetes 环境安装、在 AWS/GCP/Lambda Labs/Azure 等云平台部署、搭建最小化栈、自定义 vLLM 配置、加载模型权重、在栈中启动多个不同模型，以及结合 LMCache 开启 KV Cache 卸载。适合需要以 vLLM 部署生产推理服务的工程师阅读。
卡内基梅隆大学 11-785《Introduction to Deep Learning》2026 年秋季课程的主页，页面导航包含 About、Office Hours、Events、Syllabus、Lectures、Recitations & Bootcamps、Assignments、Projects，并提供 F26、S26、F25 等学期入口。线下授课地点为 Baker Hall 的 Giant Eagle Auditorium（A51），页面还给出课程直播链接。适合想了解该课程安排与材料的人查看。
斯坦福大学 2026 年冬季 CS129 应用机器学习课程主页，授课教师为 Andrew Ng 和 Younes Bensouda Mourri。课程强调实践技能，覆盖逻辑回归、线性回归、神经网络/深度学习、决策树等监督学习算法，k-means 等无监督算法，Q-learning 等强化学习算法，以及异常检测和推荐系统等应用。先修要求为 CS106B/106X 水平编程、CS109 或 STATS116 水平概率论、MATH51 水平线性代数。课程采用翻转课堂形式，课前观看视频并完成编程作业和在线测验，课堂深入讲解数学并讨论算法应用，最终以开放式期末项目收尾。
卡内基梅隆大学 11-766 课程“大语言模型应用”2026 年春季学期页面。课程为研究生级别，目标是教授如何将核心 LLM 技术应用于实用、学术和探索性场景。页面列出上课地点 Doherty Hall A302、时间周二和周四 11:00–12:20，以及教师 Daphne Ippolito、Fernando Diaz 和助教的答疑时间与联系方式，课程材料问题走 Piazza、成绩等事务用指定邮箱。更新栏提到新作业“Language Models beyond Natural Language”和项目提案说明已发布。