教程精选。
From the Hugging Face Hub to robot hardware with Strands Agents and LeRobot
Amazon 的企业文章，介绍把 Hugging Face Hub 上的模型部署到真实机器人硬件的工作流程。文中按步骤说明：搭建示例、录制演示数据并推送到 Hub、在仿真中运行策略、将策略部署到物理硬件、通过 mesh 协调多个机器人，并给出示例应用和安全注意事项。
Run a vLLM Server on HF Jobs in One Command
介绍如何用单条命令在 Hugging Face 基础设施上启动私有的、兼容 OpenAI 接口的 LLM 端点，无需自行配置服务器或 Kubernetes，按秒计费。文中给出前提条件（付费方式或预付余额、huggingface_hub >= 1.20.0、本地登录）、以 vllm/vllm-openai 镜像和 hf jobs run 启动并暴露端口的示例命令，并说明适用于测试、评测或批量生成场景，同时提示需要托管式生产服务时应考虑 Inference Endpoints。
Multi-Vector (Late Interaction) Embedding Models with Sentence Transformers
文章介绍 Sentence Transformers（用于使用和训练嵌入与重排序模型、面向 RAG 和语义搜索等应用的 Python 库）在 v6.0 更新中新增的第四种模型类型 MultiVectorEncoder，用于 ColBERT 式后期交互检索。文中说明 PyLate 和 Stanford-NLP ColBERT 检查点可直接加载，colpali-engine 的视觉文档检索模型也可通过同一 API 使用；多向量模型为每个 token 保留一个向量并用 MaxSim 打分，代价是索引更大，并给出了加载不同检查点的示例。
Fine-tuning a 350M Model for Better Structured Outputs in 100 GRPO Steps
文章给出一份完全公开、成本低廉的配方，用 TRL 库的 Group Relative Policy Optimization 微调 LFM2.5-350M，并在 IFStruct 基准上评估其结构化输出遵循能力。整个训练约 500 个样本、100 步，可在免费层级的 Colab 或 Kaggle GPU 上完成，代码已在 GitHub 公开；结果显示 IFStruct 基准成绩从 22.6% 提升到 29.7%。文中说明该训练流程不同于 IFStruct 博客中训练 RL 模型所用的流程，目标不是复现该基准分数。适合想在小模型上试验 RL 微调的读者。
How to Test Your Agents on Real Tasks With Harbor - Xander Song, Arize AI
这是 Arize AI 工程师 Xander Song 介绍 Harbor 的演讲视频，Harbor 是一个在隔离沙箱中用真实数据评估智能体在真实任务上表现的开源框架。内容涵盖任务、Docker 环境、验证器与奖励、试验与作业、在消耗 token 前校验配置的 oracle，以及 ATIF 轨迹；随后演示团队如何在 Daytona 与 Phoenix 上大规模运行 Harbor，用于测试一次将智能体导向新 SQL 工具的提示改动，最后是问答环节。
Agents That Self Improve While You Sleep - Fuad Ali, Arize AI
这是 Arize AI 的 Fuad Ali 的一场工作坊视频，讲解如何为 AI 智能体搭建自我改进闭环：追踪全部数据，让常驻智能体 Signal 按计划读取轨迹并提交去重后的问题，把失败转化为评估与持续更新的回归数据集，运行实验证明修复有效，并在评估设计、数据集整理和修复审查等环节保留人工参与。演示基于一个预先植入了缺陷的玩具购物智能体，并包含关于定性输出评估、决策模型与成本的问答。
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。
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。
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。
Continuously Improving Agents with Langfuse — Annabell Schäfer & Lotte Verheyden, ClickHouse
这是一场工作坊，讲者 Lotte Verheyden 和 Annabell Schäfer 以示例 IT 支持代理 Specs 展示如何用 Langfuse 把生产中的用户挫败反馈转化为可用的信号。演示把基于 OpenAI Agents SDK 的 TypeScript 应用接入 Langfuse，并添加三类评估器：针对用户不认同的 judge 评估器、针对全大写输入的代码评估器，以及比较用户请求与系统提示的范围检查，各评估器通过显式变量映射定位相关消息。随后用预置的生产轨迹让编码代理通过 Langfuse CLI 与 skill 分析不必要工具调用、重试、延迟和评估覆盖不足等问题，并提出代码改动；结尾把在线监控放入持续改进循环：将观察到的失败转为代表性数据集、离线实验、检查回归并随真实使用变化重复。
Build a Platform and Watch It Burn — Michael Forrester, Accenture & Whitney Lee, Datadog
这是一场工作坊，讲者用一个卷饼点单助手演示代理权限过大的风险：该助手部署了外部容器镜像，并从 Kubernetes 环境中暴露出一份秘密配方，观众被邀请突破点单范围进行攻击，再在加入基础设施与 AI 护栏后重复这些攻击。工作坊分三种配置：第一种完全不设防；第二种加入基础设施控制，如用 Kyverno 规则限制镜像来源和部署要求，但预期的运行时防护并未稳定阻止配方被读取；第三种可开关 LLM Guard 的输入输出过滤，对比暴露敏感内容的回应、被脱敏的回应和在模型处理前被拦截的请求。此外，一个天气工具的描述要求代理在执行正常任务时读取内部配置，OpenTelemetry 追踪可在 Datadog 中查看提示、工具调用和结果。
From Zero to Leaderboard: Agent Evaluation — Wolfram Ravenwolf, Weights & Biases
这是一场演讲，讲者 Wolfram Ravenwolf 以“代理修复损坏的 git 仓库并得满分、但因只测了一个任务而未进入默认排行榜”为例，介绍一套每个分数都能追溯到其条件的评估流程。WolfBench 会比较平均、最好与最差运行、至少成功一次的任务和每次都成功的任务，并说明配置包含基准、运行器、沙箱、代理、模型服务和设置六层，版本、供应商路由、系统提示、资源限制与超时都会影响结果实际衡量的内容。现场流程通过 Harbor 启动 Terminal Bench 任务，收集结果，在 Marimo 仪表盘过滤不完整运行并生成交互式排行榜，Weave 保留轨迹供审查命令、消息与失败，讲者还讨论了更便宜模型耗 token 抬高总成本、更高推理投入反而降分、基础设施故障与真实任务失败的区分等问题。