全部资源

统一边缘 AI：Coral NPU 的开放标准如何把可移植、能耗可行的智能从模型带到芯片

Unifying Edge AI: How Coral NPU’s open standard brings portable, energy-viable intelligence from model to silicon

Google Developers Blog 文章。介绍 Google Research 通过引入 Matrix Execution Unit 完成了 32 位开源 Coral NPU RISC-V 架构，边缘推理性能最高 1 TOPS、目标平均功耗 10 mW；同时发布 v1.0 开源 IREE/MLIR 编译器，使开发者可将 JAX、PyTorch、TensorFlow 模型直接部署到 Coral NPU 硬件而无需编写自定义汇编。文中还提到可借助 Synaptics Astra SR200 MCU 系列和 Coralboard 开发套件来原型验证和部署多模态边缘应用。适合做边缘 AI 推理、编译器或嵌入式硬件开发的开发者阅读。

将 TorchTPU 集成进 TorchTitan 并为 TPU 优化模型

Integrating TorchTPU into TorchTitan and Optimizing Models for TPU

Google 开发者博客 2026 年 10 月 20 日的文章，作者包括 Aleksey Vlasenko、Rob Torres 以及来自 Meta 的 Will Constable。内容讲 TorchTPU 在 PyTorch 中集成原生 torch.device("tpu") 后端，使开发者无需改用 JAX 即可在 Google Cloud TPU 上训练大规模模型；TorchTitan 的 TPU 分支提供 SimpleFSDP、Graph Trainer 和自定义 Pallas 内核等生产级扩展原语，在稠密与 MoE 架构上取得较高模型算力利用率，并提供优化手册、配方和 Hugging Face 建模后端。适合在 TPU 上进行大模型训练的工程与研究人员阅读。

分步指南：用 ADK 构建一个从不沉默的语音智能体

Step by Step guide: Build a Voice Agent That Never Goes Silent using ADK

Google 开发者博客 2026 年 10 月 19 日的文章，作者为 Stephen Allen 与 Kaz Sato。内容介绍如何用开源 Agent Development Kit（ADK）和 gemini-3.8-live，在 Python 中实现非阻塞工具来构建响应及时的语音智能体，包括用流式工具输出进度更新、用后台执行模式在长时间后端查询期间保持对话流畅，以及配置 WHEN_IDLE、INTERRUPT、SILENT 等响应调度行为来控制工具结果何时以何种方式进入对话。适合用 ADK 和 Gemini 实时接口开发语音智能体的开发者阅读。

用 LiteRT Tensor API 在边缘端进行原生模型编写

Native Model Authoring for Edge with LiteRT Tensor API

Google 开发者博客 2026 年 10 月 19 日的文章，作者为 Ping Yu、Quentin Khan、Chintan Parikh、Lu Wang。文章介绍 LiteRT Tensor API，让开发者以原生 C++ 控制模型图，在异构边缘硬件上统一端到端机器学习计算；同时说明最常见的部署路径是把训练好的模型（如用 LiteRT Torch 转换 PyTorch 模型）交给 LiteRT 运行时执行，而在需要完全控制网络表示与优化、支持新架构或试验新的 lowering 逻辑时可采用原生编写方式，并提到 MLX 和 llama.cpp 的相关先例。适合关注端侧 AI 部署、延迟与内存预算受限场景的开发者阅读。

Gemini 4 Argon：为解决你最困难的问题而构建

Gemini 4 Argon: Built to solve your hardest problems

Google 博客文章，宣布 Gemini 4 Argon 面向开发者、企业、科研人员和消费者开放，可通过 AI Studio 与 Gemini 平台的 API，以及 Antigravity、Gemini 应用和搜索 AI Mode 使用。文中称其在编程、金融、法律、网络安全和科学等领域的多步任务上表现突出，并给出每百万输入 token 2 美元、输出 10 美元的介绍价格。

用Claude自动设计评估并进行爬山式优化

Automating eval design and hillclimbing with Claude

claude.dev 博客的 Playbooks 类文章，作者 Lance Martin，2026 年 9 月 28 日发布，约 12 分钟阅读量。文章讲设计评估以及依据评估做爬山式优化时避免自我误判的原则，并介绍 claude-api skill 中的 build-eval 与 hillclimb 命令如何落地这些原则；hillclimb 通过留出样本集来发现过拟合。适合在代码库中构建评估的开发者阅读。

用Claude Sonnet 5.5构建应用

Building with Claude Sonnet 5.5

claude.dev 博客的 Playbooks 类文章，作者 Addy Osmani，2026 年 9 月 28 日发布，约 9 分钟阅读量。文章介绍 Claude Sonnet 5.5 的构建指南，涵盖 Sonnet 5.5 与 Opus 5.5 的取舍、定价、模型细节、从 Sonnet 5 迁移、调优、拒答与回退以及可用性，并给出示例调用代码。

Claude Code mods 入门

Getting started with Claude Code mods

claude.dev 博客的教程类文章，作者 Addy Osmani，2026 年 10 月 1 日发布，约 11 分钟阅读量。文章说明 mod 是运行在 Claude Code 会话中的小型 JavaScript 或 TypeScript 文件，可观察会话、改变 Claude Code 的行为或在终端和桌面应用中绘制自定义界面，底层是随插件分发的 hooks。内容包含从空文件夹构建第一个 mod（Token Weather）、分享 mod、两个更大的 mod 案例和几条习惯建议。

构建有效的智能体自动化

Building effective agent automations

claude.dev 博客 Agents 类文章，作者 Lance Martin 和 CJ Avilla，2026 年 10 月 8 日发布，约 9 分钟阅读量。文章使用 Claude Managed Agents（beta）搭建了一个参考实现：按计划读取 Slack、GitHub 仓库等自定义来源，追踪上次运行以来的变化，并把需要知道的内容发布到 Slack。文中逐步讲解来源、目的地、智能体、调度、记忆、防护栏等环节，并提供参考代码和一条可在 Claude Code 中运行的配置命令。

详解 OpenAI 流体 PDE 构造与凸积分创新

这是一条 X 帖子，Scott Armstrong 用引用推文回应一条他无法回复的讨论串，评论 OpenAI 一篇流体 PDE 论文的构造，认为其与凸积分关系更大：凸积分中振荡通常靠手工构造、迭代产生病态弱解，而该论文巧妙设计了一种流体不稳定性，让流动自身从背景剪切中吸取能量产生振荡，雷诺应力则成为造出坍缩光滑涡的力。他指出用物理不稳定性制造应力没有先例，使之得到光滑而非粗糙的力，并提到相关想法部分见于 Leibovich–Stewartson 1983 等文献，但组合方式前所未见，也无人提出凸积分会参与此类爆破解。适合研究流体 PDE、凸积分与数学分析的人关注。

分享用独立对抗审查Agent做发现工作的方法

fofr 在 X 上列出一套做“发现类”工作的流程要点：让流水线能在盲测条件下复现已知结果，同时能拒绝已知的冒牌案例与仪器故障；不轻信自身结果，反复启动带有非诱导性提示的独立 Agent 做对抗式审查，并要求审查者从原始数据重新验证；每当审查发现问题，就尝试提炼成通用的技能或流程。适合用 AI Agent 做实验、数据探测或自动化研究工作的人关注。

用AI时不断把目标做更雄心直到摸清边界

Ethan Mollick 在 X 上给出使用 AI 的通用建议：不断问自己“怎样把正在做的事做得更有野心”，如此推进直到撞墙，从而摸清能力前沿的形状，或发现 AI 能做的比自己以为的更多。回复中有用户提到常在使用额度上先撞墙，也有用户分享把“提升抽象层次的野心”做成技能的做法。适合希望系统摸索 AI 能力边界的从业者与普通用户关注。