BestBlogs.dev 精选文章 第 67 期

Sam Altman 在 OpenAI 开发者日 2025 的开幕式上，强调了显著增长：拥有 400 万开发者和每周 8 亿 ChatGPT 用户。主题演讲介绍了旨在增强开发者能力的四项核心发布。首先，Apps SDK 允许开发者直接在 ChatGPT 中构建交互式应用。它提供完整技术栈，支持数据连接、操作触发和 UI 渲染，未来可向数亿用户分发并实现商业变现。演示展示了与 Coursera、Canva 和 Zillow 的集成。其次，Agent Kit 提供一套全面的工具，旨在加速智能体从原型到生产的开发过程。这些工具包括用于可视化工作流程设计的 Agent Builder、用于嵌入式聊天体验的 Chat Kit，以及专门的评估功能。示例包括 Albertson's 和 HubSpot。第三，OpenAI 的软件工程智能体 Codex 现已正式发布，由 GPT-5 Codex 提供支持。它提供增强的代码重构、审查和动态推理能力，并为工程团队带来 Slack 集成和 SDK 等新功能。现场演示展示了 Codex 构建软件来控制摄像头、灯光和 Xbox 控制器，而无需手动编码。最后，重要的模型更新包括用于高度精确推理的 GPT-5 Pro、用于高级语音交互的 Realtime Mini，以及面向创作者的 Sora 2 API 预览版，提供可控的、高质量视频生成和同步音频。该活动强调了 AI 将极大地加速软件创建，让每个人都能实现自己的想法。

本文介绍了谷歌的 Gemini 2.5 计算机使用模型，该模型是基于 Gemini 2.5 Pro 的视觉理解和推理能力构建的专业 AI 代理。此模型允许 AI 代理通过模仿人类的操作（如点击、打字和滚动）与图形用户界面 (UI) 交互，从而实现复杂数字任务的自动化，例如填写表格和操作交互元素。核心功能通过 Gemini API 中的 computer_use 工具开放，该工具在一个迭代循环中运行，模型分析屏幕截图和用户请求以生成相应的 UI 操作。该模型主要针对网页浏览器进行了优化，并在移动 UI 控制方面显示出强大的潜力，在多个网页和移动控制基准测试中展示了顶尖性能，以低延迟提供高精度。谷歌强调对安全负责的态度，将功能直接集成到模型中，并为开发者提供安全控制，例如每一步操作评估和高风险操作的用户确认。包括谷歌团队在内的早期测试人员已成功将该模型应用于 UI 测试、工作流自动化和个人助理，并报告了效率和可靠性的显著提高。该模型现已在 Google AI Studio 和 Vertex AI 上提供公开预览版。

文章详细介绍了 Ling Team 推出的 Ling-1T 大模型，这是一款基于 Ling 2.0 架构的万亿参数开源旗舰非思考模型。该模型在复杂推理、代码生成、前端开发和跨领域泛化等任务上均达到 SOTA 水平，实现了高效推理与精准输出的平衡。Ling-1T 支持最高 128K 上下文窗口，通过“中训练+后训练”的演进式思维链（Evo-CoT）提升推理能力。在训练方面，Ling-1T 是已知规模最大的使用 FP8 混合精度训练的基座模型，结合异构细粒度 pipeline 等优化，显著提升了训练效率和稳定性。在后训练阶段，文章提出了以“句子”为粒度的 LPO（Linguistics-Unit Policy Optimization）策略，解决了传统强化学习算法的局限性，提升了训练稳定性和模型泛化性。文章还展示了 Ling-1T 在可视化与前端开发、智能体工具调用等方面的出色表现，并指出了 GQA 架构推理成本高、智能体能力和指令遵循仍需强化等局限性，展望了未来迭代计划，并提供了开源链接和体验页面。

文章详细介绍了 Jina AI 推出的第三代重排器 Jina Reranker v3，该模型仅有 6 亿参数，却在多项多语言检索基准上取得了当前最佳表现（SOTA），特别是在 BEIR 基准上超越了参数量大 6 倍的 Qwen3-Reranker-4B。其核心创新在于采用了“Listwise”（列式）输入和名为“last but not late”（后发先至）的全新交互机制。该机制允许模型在一个上下文窗口内，通过因果注意力机制，一次性完成对查询和所有文档的深度交互，充分利用文档间的全局上下文信息进行排序。文章还展示了模型在英文（BEIR）和跨语言（MIRACL、MKQA）评测中的优异性能，并强调了其在不同输入顺序下的头部结果稳定性。此外，Jina Reranker v3 提供了 GGUF 与 MLX 格式以及 API 接口，方便在多种硬件环境部署和集成。

文章详细介绍了腾讯混元图像 3.0 模型，该模型在 LMArena 国际文生图榜单中超越谷歌的 Nano Banana、字节跳动的 Seedream 和 OpenAI 的 gpt-Image 等众多模型，位列全球第一。混元图像 3.0 采用原生多模态架构，能够通过单一模型统一处理文字、图片、视频与音频等多种模态的输入与输出，具备绘画能力和语言模型的思考常识。它基于 Hunyuan-A13B 大语言模型，参数规模高达 800 亿，是业界首个开源工业级原生多模态生图模型。文章深入剖析了其技术方案，包括结合文本自回归和图像扩散的混合式离散-连续建模策略、处理异构数据的广义因果注意力机制、兼容预训练 LLM 的广义二维 RoPE，以及根据上下文自动决定图像形状的模式。数据处理方面，模型采用了三阶段过滤流程、中英双语分层级描述体系和思维链（CoT）推理数据构建。模型的训练过程分为四个渐进式阶段，并辅以 SFT、DPO、MixGRPO 等后训练优化。评估结果显示，混元图像 3.0 在机器指标 SSAE 和人工评测 GSB 上均表现出色，生成效果媲美甚至超越行业顶尖闭源模型，展现了强大的技术实力和广泛的应用潜力。

文章详细阐述了上下文工程（Context Engineering）这一概念，并将其与传统Prompt Engineering进行了对比，指出上下文工程更侧重于自动化和全面的输入管理。它强调语言模型本质是文本接龙，要获得理想输出，除了模型训练，优化输入（即上下文）至关重要。文章详细拆解了一个完整上下文的七大组成部分，包括用户Prompt、系统Prompt、对话历史、长期记忆、外部资料源（RAG）、工具使用和模型思考过程。随后，文章深入探讨了AI Agent时代上下文工程的重要性，揭示了长上下文窗口带来的“Lost in the Middle”和“上下文腐烂”等挑战。最后，提出了上下文工程的三大核心策略：选择（Selection）以筛选相关信息、压缩（Compression）以精炼历史记录、以及多Agent（Multi-Agent）分工以隔离和管理各自领域的上下文，从而有效提升AI Agent的稳定性和可靠性。

本次 OpenAI 开发者日 (DevDay) 的演示详细介绍了 OpenAI 生态系统中面向开发者的重大进展和新工具。它回顾了 OpenAI 从强化学习和无监督学习的基础研究到创建 GPT-3 和当前 GPT-5 等强大模型的历程。主要公告包括发布 GPT-5，该模型针对智能体任务和高级编码进行了优化，并阐述了有效使用该模型的原则。该视频介绍了用于高质量视频生成的 Sora 2 应用程序接口，以及更小、更具成本效益的语音和图像生成模型。一个主要的亮点是 GPT-OSS，这是一项旨在实现人工智能民主化的开源计划。演示广泛涵盖了 Codex 的增强功能，包括用于智能体编码的 GPT-5 Codex、Slack 集成、对 Figma 和 Chrome 开发者工具等工具的 MCP 支持、GitHub 代码审查以及新的 Codex 软件开发工具包，用于将编码智能嵌入到自定义工作流程和应用程序中。此外，基于响应 API 构建的代理工具包被引入作为一个强大的框架，用于构建复杂的 AI 代理，并通过 RAMP 的采购代理进行展示。最后，ChatGPT 的应用软件开发工具包正式发布，使开发者可以直接在 ChatGPT 内部创建完全交互式的、自然语言响应的应用程序，并通过控制灯光、创作音乐和个性化学习体验等生动示例进行了演示。总体信息强调开发者在塑造人工智能和软件工程的未来中扮演的重要角色。

本播客在 OpenAI DevDay 现场录制，采访了来自 SchoolAI、Jam.dev、Abridge 和 Cursor 的代表。每家初创公司都讨论了他们如何利用人工智能，特别是 OpenAI 的工具，在各自的领域（教育、网页开发、医疗健康和软件工程）进行创新。他们分享了关于产品开发、Agent Builder 和 GPT Builder 等新型人工智能工具的变革性影响，以及他们对人工智能未来的愿景的见解。主要主题包括：利用人工智能导师赋能教育工作者和学生；AI 还使非技术用户能够修复网站问题，减轻医疗文档负担，并通过 AI 赋能的编码助手改进软件工程。讨论强调了向更直观、协作和自我优化的人工智能应用转变，强调了用户体验、在高风险环境中建立信任，以及由可访问的人工智能实现的软件创建的“寒武纪爆发”的重要性。软件开发的“寒武纪爆发”，指的是 AI 技术普及后，软件创新如寒武纪生命大爆发一样涌现。该播客还为开发者和创始人提供了建议，强调了人工智能采用的早期阶段以及对实用、以用户为中心的解决方案的持续需求。

本文基于 OpenAI 的演示文稿，强调了人工智能模型评估的关键重要性。它介绍了 OpenAI 的内部 “GDP 评估” 框架，该框架旨在评估前沿模型在具有经济价值的真实世界任务中的性能，从而超越了传统的学术基准。GDP 评估采用专家配对评分，将模型输出与各行各业和职业的人类表现进行比较，从而证明了 GPT-5 等模型取得了显著进步。它还有助于前瞻性地追踪人工智能对劳动力市场的影响，并作为内部研究的 “北极星” 指标。但是，它也承认其局限性，主要是在明确定义的任务上衡量性能，而不是涉及优先级或迭代的真实工作的全部复杂性。第二部分重点介绍 OpenAI 的 “Evals 产品”，这是一套帮助开发者严格评估其 AI 应用和智能体的工具。主要新功能包括用于构建评估的数据集、用于调试多智能体系统的追踪功能、用于加速迭代的自动化提示优化、对第三方模型的支持以及企业级功能。演示强调，强大的评估对于构建高性能 AI 应用至关重要，尤其是在敏感领域，它通过解决诸如大语言模型 (LLM) 非确定性和智能体系统中的复合错误等挑战来实现。最后，它总结了开发者的最佳实践，倡导使用真实的人工数据和专家指导的自动化进行早期和持续的评估。

本文深入探讨了 LangChain 不开发可视化工作流构建器的战略决策，并将其方法与 OpenAI 的 AgentKit 等近期行业举措进行了对比。文章强调，构建此类构建器的主要动机是授权非技术用户创建智能体（Agent），原因是工程资源限制和领域知识。文章区分了“工作流”（可预测性高于自主性）和“智能体（Agent）”（自主性高于可预测性），强调了对“足够可靠”的结果的追求。作者认为，可视化工作流构建器并非真正低门槛，并且对于复杂的任务而言，会变得难以管理。相反，文章提出，未来的解决方案将倾向于简单的无代码智能体来解决低复杂度问题，以及基于代码的工作流（如 LangGraph）来解决高复杂度场景，尤其是在代码生成能力提高的情况下。核心的“有趣问题”在于如何使创建足够可靠的无代码智能体变得更容易，以及如何增强用于 LLM（大型语言模型）驱动的工作流/智能体的代码生成模型。

文章深入探讨了传统故障复盘面临的挑战，如人工分析深度不足、信息碎片化、归因不客观等，并提出了一种基于大语言模型（LLM）的智能复盘 Agent 解决方案。该方案通过多 Agent 协作，实现了故障数据的全景聚合、一键智能生成初步复盘报告、对话式深度挖掘故障原因和改进措施。核心技术实现包括异构数据采集与预处理、智能化的 Memory 管理机制（减噪、提要、保鲜）、基于任务/风格分治的多 Agent 意图识别体系、流式动态页面交互，以及通过 RAG（检索增强生成）进行知识增强。文章还详细介绍了从 ROUGE/BLEU 到业务价值导向的评测机制演进，以及从泛化生成到回归问题本质的四阶段提示词调优过程。最终，该系统旨在将故障复盘从“事后诸葛亮”转变为“风险先知”，赋能技术支持、研发和普通用户，提升故障处理的效率与深度，沉淀高质量的稳定性知识资产。

本文介绍了一种有纪律、负责任的 “Vibe engineering” 方法，适用于经验丰富的软件工程师，它与快速、不负责任地使用 AI 的 “Vibe 编码” 截然不同。得益于涌现的编码代理 （比如 Claude Code、Codex CLI 和 Gemini CLI），它们可以迭代、测试和修改代码，这让经验丰富的开发者能用 LLM 更快地完成工作，同时保证软件的质量绝对靠谱。作者强调，玩转 LLM 并没有那么容易，并且 LLM 能够放大现有的顶级软件工程实践。这些实践包括自动化测试、全面的文档、完善的版本控制流程、有效的自动化、代码审查文化、独特的管理形式、强大的手动 QA、强大的研究技能、发布到预览环境的能力、判断哪些任务适合交给 AI 做的直觉以及与时俱进的评估能力。作者认为，这些工具能更好地发挥高级工程师的价值，放大他们的专业能力。同时，'Vibe engineering' 这个名字虽然可能有些争议，但它清晰地表达了与传统方式的不同，而且让人印象深刻。

Albert Cheng 是一位来自 Duolingo、Grammarly 和 Chess.com 的增长负责人，他分享了他独特的 “探索与利用” (Explore & Exploit) 框架，用于识别和扩展增长机会。他强调快速实验、对用户心理的深刻理解以及用户留存对于用户订阅产品至关重要。主要见解包括 Grammarly 通过让免费用户体验高级功能以使转化率翻倍的成功策略、“复活” 流失用户的重要性，以及人工智能在加速增长实验（例如，文本转 SQL 机器人、AI 原型设计）方面的变革性应用。讨论还涵盖了用户应用的用户留存基准、免费增值与试用模式的细微差别、成功的游戏化策略（核心循环、元游戏、个人资料），以及人工智能如何影响产品功能（如 Chess.com 的教练）和增长专家不断变化的角色。Cheng 强调了团队建设中 “高自主性” 个人的价值，以及培养实验驱动的公司文化的重要性，并从他在非常成功的公司中的多样化经验中吸取了教训。

这段视频采访了内容创作者 Dan Koe，他分享了他全面且高效的 AI 驱动的内容创作系统。他详细介绍了如何利用 Claude 和 ChatGPT 等 AI 工具，这些工具主要用于深入研究、创意生成和解构成功的内容结构。通过这种方式，他可以保持自己独特的声音，避免直接依赖 AI 写作。一个关键的创新是他的 “元提示” 方法，即 AI 帮助设计复杂的提示来提取上下文并生成 “创意组件”。Dan 强调，该系统通过实践增强人类的能动性和学习能力。它专注于迭代实验、扩展成功内容和持续改进，从而以最小的时间投入实现高产量、高质量的输出。

本文介绍了一种严谨的方法——意图原型设计。该方法利用 AI 来弥合设计意图（UI 草图、概念模型、用户流程）和功能性、实时原型之间的差距。它通过强调清晰、明确的规范来解决以模型为中心的设计导致的结构性问题和“即兴编码”的模糊性。该工作流程包括四个步骤：表达意图（草图，通过多模态 LLM（如 Gemini 2.5 Pro）构建概念模型），准备技术规范和计划（AI 生成），执行计划（自主智能，如 Gemini CLI 构建数据访问层和 UI），以及通过用户测试进行持续学习和迭代。这种方法特别适用于复杂的企业应用程序，允许早期测试底层逻辑并防止设计债务。作者将意图原型设计与 Figma 和 Axure 等其他设计工具进行了对比，突出了其在缓解架构设计中的风险方面的独特优势。最终，它将设计重点从创建“产品的图片”转移到使用 AI 作为强大的推动者来架构“系统的蓝图”。

本次 AMA 邀请了 Decagon (AI 客户支持代理) 和 Clay (AI 驱动的 GTM 平台) 的创始人以及一位 a16z 投资人。他们深入探讨了扩展企业 AI 应用的关键方面，包括评估新型 AI 模型和确保在快速发展市场中基础设施灵活性的方法。讨论还涵盖了平衡 AI 实验与必要的企业安全措施的策略，包括关注可量化的投资回报率和迭代发布。此外，他们还探讨了通过独特的市场理念和赋能业务人员，在拥挤的 AI 领域中实现产品差异化的方法。最后，他们为新的企业 AI 项目提供了资源优先级和关键考虑因素的建议，强调自我认知和保持对技术和市场趋势的敏锐洞察力。

文章通过对连续创业者刘夜的深度访谈，展现了他从教育独角兽“作业盒子”创始人到 AI 语言学习产品“Talkit”的转型历程。在“双减”政策重创教育行业后，刘夜经历了长达三年的迷茫与探索，期间研究过医疗、连锁咖啡等多个方向，最终重新 all in AI+教育赛道。他认为 AI 彻底解决了语言学习中的口语难题，并基于任务型语言教学（TBLT）理论，打造了 Talkit——一个专注于口语练习的 AI x 3D 虚拟世界，旨在让用户像移民到英语国家一样学习语言。文章详细介绍了 Talkit 的“Course”、“Rehearsal”和“社交”三大模块，以及其通过“Gen World Engine”生成虚拟人物、场景和任务的核心技术理念。访谈还深入探讨了刘夜对多邻国等竞品的理解，以及他关于创业哲学、应对行业巨变的心态调整，和给新一代 AI 创业者的建议。他强调创业应追求“毋庸置疑有价值”且“足够难”的事，并秉持“愿力 > 业力 > 能力”的信念。

本期播客对话 Lovart 创始人陈冕，深入分析了 OpenAI Sora 发布后对 AI 行业，特别是 AI To C 应用和社交领域的深远影响。陈冕分享了 Sora 的使用体验，强调其在视频生成质量、镜头语言及社交属性（如 Remix 共创）上的创新，并预言 Sora 可能成为数十亿用户级别的虚拟社交超级应用。播客还复盘了 Lovart 在四个月内实现 20 万日活和 3000 万美元年度预测订阅收入的快速增长历程。陈冕阐述了 Lovart“创作平权”的产品定位，强调其作为 AI 设计代理辅助全民创作的价值。此外，对话涵盖了全球化创业策略、中美 AI 市场认知差异、AI 应用公司如何通过预测模型演化实现增长、以及创业者在技术加速迭代背景下保持焦虑与高频迭代组织的重要性。播客最终强调了 AI 时代 To C 市场的巨大潜力与创业公司面临的挑战与机遇。

OpenAI 的 Sam Altman 和 LoveFrom 的 Jony Ive 深入探讨了他们之间旨在创造新型 AI 驱动设备的合作。Jony Ive 回忆说，ChatGPT 的出现清晰地阐明了他们的目标，即打造卓越的创意团队，这也促成了他们与 OpenAI 的合作。他们探讨了迭代设计流程，强调了深刻的动机和“精益求精”的重要性——这是一种对未见细节的极致追求，源于对更高品质人机交互体验的追求。双方都强调，现有设备形态已不足以充分释放 AI 的潜力，需要彻底重新思考人与智能技术交互的方式，创造能够唤起愉悦感、减少焦虑的界面，并从根本上重新构想操作系统和用户界面。他们也承认，AI 的快速发展带来了挑战，大量涌现的创新产品理念使他们难以保持专注。最后，他们共同希望 AI 工具能最终带来更充实、更平和、更少疏离感的人类体验，并拒绝将当前这种令人感到疏远的技术互动视为理所当然。

本 Lightcone 剧集深入探讨了汉密尔顿·赫尔默的“七种力量”框架，并将其应用于当代人工智能初创公司的环境。它解决了创始人越来越关注的关于建立“护城河”（防御性策略）以对抗竞争的问题，特别是考虑到人工智能应用被认为是容易复制的“基于 ChatGPT 的简单应用”（或“ChatGPT 的套壳应用”）。讨论强调，早期初创公司应优先考虑速度 作为其最初的护城河，并专注于解决实际客户问题，因为其他护城河只有在有价值的产品存在时才相关。然后，本文重新解释了赫尔默的七种力量，包括流程力量 ：构建复杂、任务关键型 AI 代理，需经大量实践优化；核心资源 ：专有数据、精调模型或战略性的政府/监管合作；转换成本 ：深度定制 AI 代理逻辑，融入复杂工作流程；反向定位 ：通过创新的结果导向定价和敏捷开发，颠覆现有市场格局；网络效应 （数据驱动的模型改进）和规模经济 （基础模型基础设施）。它还强调品牌 作为一个重要的护城河，尤其是在消费者人工智能领域，并讨论了人工智能对劳动力替代的影响，最后为创始人提供建议，即在过度考虑长期防御性之前，应关注紧迫的痛点。

Standard AI 联合创始人兼 Anthropic 的 AI 对齐研究员 Jordan Fisher，为 AI 创始人们提出了一系列关键问题，引导他们思考在距离通用人工智能 (AGI) 仅有数年之遥的时代里应该如何应对。他强调，当前的迷茫期正是创新的良机，并强调创始人必须规划 AGI 对战略、产品和团队建设的影响，将目光超越未来 6 个月，放到 2 年的时间维度。关键主题包括软件的潜在商品化、向 AI 原生团队的转变，以及在一个日益依赖 AI 代理的世界中，信任、安全和对齐的至关重要性。Fisher 还探讨了初创公司在面对未来强大模型和大型企业时，如何建立“应对挑战的能力”，以及追求改变世界的影响与仅仅赚钱之间的伦理困境。本次演讲旨在鼓励进行深刻的批判性思考，从而更好地应对人工智能带来的前所未有的变革。

本期播客对话明略科技创始人吴明辉，详细回顾了公司 19 年的漫长创业史，从最初的秒针系统到明略数据，再到三家公司合并为明略科技并即将上市。访谈深入探讨了 AI 技术，特别是 Agentic Model 在企业级服务中的应用前景与挑战，强调了私有数据构建护城河的重要性。吴明辉分享了他在创业过程中经历的多次转型、并购决策、融资困境以及从技术理想主义者到成熟经营者的成长心路。讨论还涉及了 AI 时代生产关系的重构、人机协作的未来模式，以及如何在复杂商业环境中利用 AI 提升效率和创造价值。整体内容展现了 AI 在企业级应用领域的广阔潜力及实际落地所面临的深层思考。

本文作者分享了在国庆假期期间，通过与 AI（Gemini）进行深度辩论，发现了一种在 AI 时代最高效的学习方式。作者首先提出了自己关于 AI 时代信息爆炸导致“筛选失效”的观点，并基于此与 AI 展开了一场“毫不留情的以干死自己为目的的辩论”。AI 针对作者的三个推断（信息生产效率失衡、注意力总盘恒定、内容辨别成本过高）进行了犀利反驳，指出 AI 本身亦是强大的信息过滤工具，能提高注意力效率，并可能通过技术取代人际信任。作者随后对 AI 的反驳进行了回击，提出了“筛选过滤工具的成本”和“AI 摘要带来的选择成本”等新问题，并强调在高风险领域信源声誉的重要性。最终，双方的辩论在“品味引擎”、“去中心化信任”和“吟游诗人”的哲学层面进行了升华。作者总结，辩论的输赢和结论并非最重要，而是通过与 AI 纯粹、无情感干扰的思维交锋，直面自身无知和偏见，从而锤炼思想、重塑认知，达到更深刻的自我学习和成长。

本文概述了最近的人工智能发展，首先是吴恩达的新“Agentic AI”课程，该课程重点介绍了构建有效、可评估的 AI 代理的关键设计模式和最佳实践。然后详细介绍了 Anthropic 的 Claude Sonnet 4.5，展示了其在编码和推理方面的高级性能。增强型 Claude Code SDK 旨在提高工作场所生产力，并解决企业 AI 投资回报率 (ROI) 问题。本文还介绍了 OpenAI 和 Meta 向面向消费者的人工智能产品进行战略多元化，包括社交视频应用程序（Sora 2、Vibes）、个性化简报（ChatGPT Pulse）和聊天内购物（Instant Checkout）。这标志着一种更广泛的参与和新的收入模式的转变。介绍了阿里巴巴扩展的 Qwen3 系列，包括大型 Qwen3-Max 和强大的开放权重多模态模型（Qwen3-VL、Qwen3-Omni）。它们擅长理解各种媒体，使开发人员更容易构建高级 Agentic AI 应用程序。最后，介绍了 Sakana AI 的创新 Text-to-LoRA 研究。该研究提供了一种简化且经济高效的方法，用于从自然语言描述生成特定于任务的 LoRA 适配器，从而增强模型对不断变化的需求的适应性。