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。
Your AI Isn’t the Problem. Your Infrastructure Is. — Jiachen Jiang, Coder
这是一场会议演讲录像。讲者从一个编码智能体在代码冻结期间仍删除生产数据的事故出发，区分聊天中的请求与环境中的强制边界，指出仍有破坏性凭据的智能体可能照此行动，且智能体可修改的日志不足以作为可靠记录。演讲分析了三个安全案例：Replit 公开数据库事件、一例转述并匿名化的 Copilot 会话被盗的银行事件（讲者说明为二手转述，非独立公开记录）、以及 Nx 供应链攻击，并对应到隔离执行环境、短时效凭据、身份对齐控制、模型代理、文件系统与网络限制、智能体不可触及的审计日志等基础设施层面的措施。
How to Actually Tokenmaxx and Save Millions — Alvin Pane, OutRival
一个会议演讲视频。演讲者从“更便宜的候选模型与生产模型在 18% 的样例上不一致，是否直接拒绝”这一问题切入，指出先用现有模型重复运行可得到约 7% 的自我不一致率，因此简单的模型间一致率不足以衡量质量。他以名为 HarborBite 的合成示例（作为大型指令提示词的代理，并说明并非真实节省百万美元的证据）展示降低成本的流程：先做可观测性（记录提示词版本、模型选择、token、延迟、成本），再用前缀缓存、DSPy 和 GEPA 搜索更短的指令，示例提示词缩减 51% 但仍需质量测试。还涉及影子评估、人工复核分歧、净增益的配对置信区间作为发布标准，以及对关键客户类别单独检查。
The AI Bill Is Too Damn High: Tokenomics 101 — Eugene Cheah, Featherless AI
这是 AI Engineer NYC 2026 上 Eugene Cheah（Featherless AI）的演讲录像，针对 token 支出上升而生产力未同步提升的情况，提出在大规模场景下降低推理成本的四个步骤：度量、按需选型、合理采购算力、检查流程。内容涉及按团队拆分 API key、代理性与流程型工作负载的区分、在特定任务上可比肩前沿模型的开源模型、分类器、微调、速度与成本的权衡以及所谓“slop grenades”，并附时间戳与问答环节。
Memory-Aware Agent Harnesses for Anti-Money Laundering — Nacho Martinez, Oracle
一个工作坊视频。演讲者以“模型是你改不了的部分，外围框架才是能取得实际收益的地方”为主线，讲解完整智能体栈：智能体循环、短期与长期记忆、上下文工程、toolbox 与 skillbox 模式、技能蒸馏和持续学习，并将其应用于一个全天候标记可疑银行交易的自主反洗钱智能体案例。时间轴显示内容还包括代理式系统即自动化加自主性、文件与数据库之别、记忆类型（短期、情景、程序、语义）、上下文摘要与压缩、指令层级、冻结模型如何通过持续学习提升、混合检索（语义加关键词），以及问答中的记忆层简化、预建 SQL 与动态查询等话题。
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。
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。
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。
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。
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。
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。
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。
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。