Modal 官方工程博客发布教程，演示如何在 OpenAI Agents SDK 之上从零搭建自定义编码智能体框架，并接入 Modal Sandboxes 为智能体提供可运行代码甚至 GPU 的隔离环境。教程逐步加入 Session 记忆、orchestrator 与 subagent 分工、异步 SubAgentPool 并行、GPU 配额限制、文件系统快照去重以及 Skills 插件，最终实现可在 GPU 上并行运行 OpenAI Parameter Golf 实验的通用编码框架。文中提到 Ramp 在 Modal 上构建的后台编码智能体已负责其超过一半的 PR。
#教程/实践#Agent#部署/工程
Linear 团队介绍了三类 Linear Agent 工作流，将客户邮件、Slack 讨论和产品经理发现的问题转化为 issue、代码修改及 pull request。团队让智能体在 Intercom、Slack 和 Linear 等工作发生处获取上下文，并结合 Code Intelligence、定制 MCP servers 和编码智能体协助排查与开发。Linear 认为更有效的做法是把任务拆成小而明确的步骤，先观察表现并补充指导，再逐步提高自主程度。
#教程/实践#Agent#编码
Anthropic 的 Claude Code 团队介绍了如何从模型视角设计、测试并持续调整智能体工具。团队用 AskUserQuestion 取代不稳定的文本格式方案，以 Task 替换限制模型协作的 TodoWrite，并从预索引 RAG 转向由 Claude 主动搜索代码库、通过技能渐进获取上下文。Claude Code 目前约有 20 个工具，团队还用独立子智能体检索产品文档，以保持主智能体上下文简洁。
#教程/实践#Agent#编码
Sebastian Raschka 将编码智能体拆解为实时仓库上下文、提示词与缓存复用、工具调用、上下文压缩、结构化会话记忆和受限子智能体六个组件。他以纯 Python 实现的 Mini Coding Agent 为例，说明智能体框架如何管理代码上下文、工具、执行与迭代反馈，并比较了编码智能体与 OpenClaw 的定位差异。
#教程/实践#Agent#编码
Together AI 发布 Aurora，通过强化学习从实时推理轨迹持续更新推测解码的草稿模型，相比训练良好的静态模型额外加速 1.25x，更新期间不中断服务。在涵盖五个领域的 40,000 条提示词混合流实验中，从零开始在线训练的接受长度达 3.08，高于静态基线的 2.63 和预训练后微调方案的 2.99，吞吐量稳定在 302.3 tokens/s。
#开源/仓库#推理#部署/工程
Anthropic Labs 成员 Prithvi Rajasekaran 介绍了用于长时自主应用开发的 harness 设计，借鉴 GAN 思路搭建生成器与评估器分离的多智能体结构，并扩展到规划器、生成器、评估器三智能体架构。在前端设计实验中，评估器通过 Playwright MCP 实际操作页面并按设计质量、原创性、工艺、功能性四项标准打分，单次生成迭代 5 到 15 轮，完整运行最长约四小时。作者随后用 Opus 4.5 和 Opus 4.6 迭代该 harness，发现模型能力提升后部分组件不再必要，例如 Opus 4.6 上可移除 sprint 结构并把评估器改为运行结束时的单次检查。
#教程/实践#Agent#编码
文章梳理现代开放权重大语言模型采用的注意力变体，包括 MHA、GQA、MLA、滑动窗口注意力、DeepSeek Sparse Attention、门控注意力与混合注意力。作者结合 DeepSeek、Qwen、Gemma、Kimi 等架构，比较各方案在 KV cache、长上下文成本、建模表现和实现复杂度上的差异。文章还介绍了一个包含 45 个条目的大语言模型架构图库。
#教程/实践#推理#部署/工程
Mistral AI 基于其开源编码助手 Vibe 搭建了一个自动为 Rails 项目生成和改进 RSpec 测试的智能体，可在 CI/CD 中无人干预运行，并支持多实例并行处理不同文件。该智能体通过仓库级 AGENTS.md 提供分步执行计划、按文件类型拆分 skills 文件，并加入 RuboCop 与 SimpleCov 自定义工具，其中把 SimpleCov 放在最后一步强制运行每个测试是最关键的决定，因为首次执行时只有约三分之一测试通过。在包含 275 个源文件的真实仓库实验中，已有测试文件的 LLM-as-a-judge 评分从 0.49 提升到 0.74，覆盖率达到 100%。
#教程/实践#Agent#编码
METR 用简单 ReAct 脚手架让 Opus 4.6 复刻《杀戮尖塔》和《小丑牌》的 CLI 版本，给出 6000 万 token 总量、64,000 token 上下文窗口和 max 推理强度，结果两个游戏都基本可玩但存在不少缺陷。作者各试玩约两小时，发现卡牌效果偏差、地图导航混乱、部分遗物与事件缺失、优惠券逻辑错误等问题，并估计自己达到同等质量需 2 到 8 周。作者在 7 月 27 日的更新中表示深入检查《杀戮尖塔》成品后发现了更多初看不易察觉的问题。
#评测/基准#Agent#编码
蚂蚁百灵针对万亿参数预训练模型 Ling-2.5-1T-base 给出超长上下文训练的工程优化方案，在 256K 上下文训练中实现 token 吞吐 2.5 倍提升。方案包括 AllGather 与 All2All 两种 CP 并行实现，以及 linghe（灵核）高性能算子库的算子融合，后者在显存仅增加 2.8G 的情况下额外带来 43.7% 性能收益。团队还记录了 Ring Attention 调用 cuDNN 在 causal=False 下的性能问题、Linear Attention 朴素实现的 kernel launch 开销，以及 Triton 精度与竞态条件等踩坑经验。
#教程/实践#数据/训练#部署/工程
OpenHands 官方博客介绍 Agent Skills，即用 SKILL.md 等文件把重复性任务固化为可复用工作流，仅在触发时加载完整技能以保持上下文精简。文章给出创建、团队共享（仓库目录、GitHub、Extensions registry）以及用 OpenTelemetry 日志、自动评测和仪表盘持续改进技能的完整流程，并提到用 Gemini-3-Pro 汇总反馈提出改进建议。相关代码大多开源。
#教程/实践#Agent#部署/工程
Replit 介绍其视频渲染引擎的实现：向页面注入约 1200 行 JavaScript，替换 setTimeout、setInterval、requestAnimationFrame、Date 和 performance.now() 等时间 API，让时间只在渲染时按 1000/fps 毫秒推进，从而把任意网页逐帧渲染成 MP4。由于页面内容不受控且视频由 AI 智能体生成，团队没有采用 Remotion，而是从外部对任意网页施加确定性。音频方面通过 monkey-patch Web Audio API 和 HTMLMediaElement 拦截播放意图，再由服务端 FFmpeg 混音；视频元素则经服务端转码为 fragmented MP4、mp4box.js 解复用、WebCodecs 解码后绘制到 canvas。该实现受开源项目 WebVideoCreator 启发，团队计划将其开源。
#教程/实践#视频#部署/工程
作者对 2026 年 1—2 月的主要开放权重 LLM 发布进行架构对比，并补充了 3 月 6 日发布的 Sarvam 30B 和 105B。文章逐一分析 Trinity Large、Kimi K2.5、Step 3.5 Flash、Qwen3-Coder-Next、GLM-5、MiniMax M2.5、Nanbeige 4.1 3B、Qwen3.5、Ling 2.5、Ring 2.5 与 Tiny Aya，重点比较 MoE、混合注意力、MLA、Gated DeltaNet、滑动窗口注意力和 MTP 等设计。作者认为，近期架构普遍加入计算效率优化，但模型表现也很大程度取决于数据质量和训练方案。
#教程/实践#开源生态#推理
Browser Use 分享了其 Agent 沙箱架构的演进：从最初在 AWS Lambda 上运行浏览器智能体，到把整个智能体放进沙箱、通过控制平面持有全部凭证的 Pattern 2。生产环境每个智能体运行在独立的 Unikraft micro-VM 中，启动不到一秒，仅接收 SESSION_TOKEN、CONTROL_PLANE_URL 和 SESSION_ID 三个环境变量，本地开发和评测则用同一镜像跑 Docker 容器。控制平面作为无状态 FastAPI 代理，统一处理 LLM 调用、S3 文件同步和计费，代价是每次操作多一次网络跳转。
#教程/实践#部署/工程#Agent
Ollama 官方博客给出用 Ollama 快速安装个人 AI 助手 OpenClaw 的教程，需要 Ollama 0.17 或更高版本、Node.js 以及 Mac 或 Linux 系统，Windows 用户可通过 WSL 安装。运行命令后 Ollama 会自动检测并安装配置 OpenClaw，随后即可在终端中对话；选择 Ollama 云端模型时会自动安装网页搜索插件，本地模型则无需额外插件。OpenClaw 可连接 WhatsApp、Telegram、Slack、Discord 或 iMessage，官方建议智能体使用至少 64k 上下文长度，并提醒在隔离环境中运行以控制文件读取和操作执行的风险。
#教程/实践#Agent#部署/工程
Browser Use 公开其网页智能体评测系统的工程实现：用 Blacksmith runners 在 GitHub Actions 上并行跑 100 个复杂网页任务，端到端耗时不到 5 分钟，并把 LLM judge 直接内建在智能体代码中。评测任务取自数百万条 LLM 标注的用户 span，而非合成站点，通过多次重复运行、固定 agentic 设置和统计 bootstrapping 处理真实网页的方差。其最终 judge 由 gemini-2.5-flash 驱动，在 200 条人工标注轨迹上达到 87% 的人类一致性，并已开源 benchmark 与 judge prompt。
#教程/实践#Agent#评测/基准
Ramp 基于 Modal Sandboxes 构建内部后台编码智能体 Inspect，目前 Ramp 前后端仓库约一半的已合并 PR 由它发起，Inspect 自身超过 80% 的代码也由它编写。每个会话运行在包含 Postgres、Redis、Temporal、RabbitMQ 等完整开发环境的沙箱中，OpenCode 作为编码智能体，配合 VS Code server、Web 终端和带 Chromium 的 VNC 做前端可视化验证。Modal 的 Cron 每 30 分钟克隆仓库并生成文件系统快照，会话从最新快照启动，几秒内即可开始处理提示词，并支持 Slack、Web、Chrome 扩展等多客户端与多人协作。
#教程/实践#Agent#部署/工程
Ethan Mollick 发布第八版 AI 使用指南，指出使用 AI 已从聊天转向智能体，选型需同时考虑模型、应用和 harness 三层。他给出的三大前沿模型是 GPT-5.2/5.3、Claude Opus 4.6 和 Gemini 3 Pro，并建议做实际工作时手动选择高级模型而非默认的自动模式。他认为模型差距已经缩小，应用与 harness 的差异更关键，Claude Code、Claude Cowork、OpenAI Codex 等工具在工具调用和自主执行上领先，Gemini 网页端在生成文档和引用方面仍较弱。
#教程/实践#Agent#OpenAI
Anthropic 研究员 Nicholas Carlini 用 16 个并行 Claude 智能体从零编写 Rust 版 C 编译器，在近 2000 次 Claude Code 会话和约 2 万美元 API 成本下产出 10 万行代码，可在 x86、ARM、RISC-V 上构建 Linux 6.9。他总结了长时自主智能体团队的关键设计：用高质量测试和 CI 约束智能体行为、用 git 锁文件避免重复任务、用 GCC 作为对照编译器让多个智能体并行修复不同文件的 bug。该编译器仍依赖 GCC 处理 16 位 x86 阶段，没有自己的汇编器和链接器，生成代码效率低于关闭全部优化的 GCC。
#教程/实践#Agent#编码
Browser Use 开源了首个评测基准 BU Bench V1，包含 100 项从五个来源挑选的高难度浏览器任务，任务集加密以防训练污染。评测由 gemini-2.5-flash 以真/假二元判定打分，与人工标注的一致率为 87%。结果显示 Browser Use Cloud 得分 78%，比最好的开源模型高 16 个百分点，且以约每小时 14 个任务成为最快方案；基准代码已开源于 github.com/browser-use/benchmark。
#评测/基准#Agent#开源生态