OpenAI:构建 AI 智能体实用指南
OpenAI 发布了一份构建 AI 智能体的综合指南,涵盖用例、模型选择、工具设计、护栏和多智能体模式。指南覆盖智能体的设计、编排与部署全流程。
OpenAI 发布了一份构建 AI 智能体的综合指南,涵盖用例、模型选择、工具设计、护栏和多智能体模式。指南覆盖智能体的设计、编排与部署全流程。
OpenAI 发布面向创业公司的 GPT-5 系列模型实战指南,覆盖迁移到 Responses API、设计智能体、调优提示词、驾驭 GPT-5 模型以及构建可靠 AI 工作流等环节。指南以实用步骤为主,帮助团队把 GPT-5 落地到真实产品流程中。
OpenAI 介绍了其内部团队如何使用 Codex 理解代码、重构系统、提升性能并加快开发速度,从而优化工程工作流。Codex 是 OpenAI 的代码智能体产品,可用于代码理解、重构与性能优化等工程场景。
Netomi 展示了如何用 GPT-4.1 和 GPT-5.2 扩展企业级 AI 智能体,将并发、治理与多步推理结合,构建可靠的生产工作流。
Hugging Face 发布教程,讲解如何用 NVIDIA DGX Spark 和 Reachy Mini 搭建可本地运行的个人 AI 机器人,复现黄仁勋在 CES 2026 主题演讲中的演示。
NVIDIA 发布 Nemotron 3 Nano 30B A3B 的完整评测配方,用开源的 NeMo Evaluator 库公开配置、日志与产物,供任何人复跑评测管线并独立核验模型卡结果。
OpenAI 提出领导者可通过清晰战略、培训、治理和加速创新来构建 AI-ready 组织。文章围绕这四个方向展开,说明组织如何在 AI 时代保持领先。
OpenAI 借助 Codex 在 28 天内推出了 Sora for Android。AI 辅助的规划、翻译和并行编码工作流帮助精干团队实现了快速、可靠的开发。
Hugging Face 发布教程,介绍让 OpenAI Codex 接入 HF Skills 仓库后完成端到端机器学习实验的流程。
推荐理由:教程给出从数据校验到成本预估的完整操作链,可直接迁移到自己的微调实验。
Hugging Face 发布 hf-llm-trainer skill,让 Claude Code 等编码智能体通过对话完成开源 LLM 微调的全流程,包括校验数据集、选择硬件、生成并提交训练任务、监控进度以及把模型推到 Hub。
推荐理由:教程给出了从数据校验到成本估算的完整闭环,读者可据此评估用对话完成微调的可行性。
Hugging Face 博客从注意力机制和 KV cache 出发,以提升吞吐量为目标推导出连续批处理(continuous batching)。
Tavily 在 Hugging Face Blog 撰文分享其 deep research 智能体的构建经验,称相比 Open Deep Research 减少了 66% token 消耗,并在 DeepResearch Bench 上达到 SOTA。
OpenAI 阐述评测(evals)如何帮助企业定义、衡量并改进 AI 表现,从而降低风险、提升生产力并获得战略优势。文章聚焦评测在企业落地 AI 过程中的作用机制。
Hugging Face 发布教程,介绍如何用 kernels 库的 kernel-builder 构建、测试并把 ROCm 内核分享到 Hub,以 RadeonFlow_Kernels 的 GEMM 内核为例。
OpenAI 发布文章深度解析 OWL 架构,这是其基于 ChatGPT 的浏览器 Atlas 背后的新架构。OWL 解耦了 Chromium,实现快速启动、丰富 UI,并支持与 ChatGPT 结合的智能体浏览。
NVIDIA Isaac for Healthcare v0.4 提供端到端 SO-ARM 手术助手工作流,通过 LeRobot 采集数据、微调 GR00T N1.5、在 IsaacLab 评估并部署到硬件。
NVIDIA Isaac for Healthcare v0.4 提供基于 SO-ARM 的端到端入门工作流,用 LeRobot 采集仿真与真实数据、后训练 GR00T N1.5、在 Isaac Lab 评估并部署到硬件,构建具身手术助理机器人。
Hugging Face 发布 voice consent gate(语音同意门)概念与示例 Space,让语音克隆只有在说话者明确说出同意后才启动。系统由生成同意句、ASR 识别和语音克隆 TTS 三部分组成,用大语言模型为每次会话生成含模型名的唯一同意句与补充语音多样性的中性句,且要求音频直接来自麦克风。
Hugging Face 发布指南介绍如何挑选和使用开源 OCR 模型,覆盖模型能力、输出格式(DocTag、HTML、Markdown、JSON)、评测基准与成本对比。
推荐理由:文章给出模型能力、输出格式与成本的对照维度,读者可据此为自己的文档场景挑选 OCR 模型。
Hugging Face 发起 AI for Food Allergies 项目,旨在建立首个社区驱动的实验室,用 AI 推进食物过敏研究。全球约 220 million 人受至少一种食物过敏困扰,美国约占人口 10%。项目将整合 ProtBERT、ESM-2、AllergenBERT 等模型在过敏原预测、药物靶点相互作用和临床诊断上的进展,并解决数据稀缺、分散与难以获取的瓶颈。
Intel 与 Hugging Face 合作测试显示,Google Cloud C4 虚拟机(搭载 Intel Xeon 6 处理器)运行 OpenAI GPT OSS 大语言模型时,总拥有成本(TCO)较上一代 C3 虚拟机改善 1.7 倍(约 70%)。
Hugging Face 用 Optimum Intel 和 OpenVINO 演示了 3 步在 Intel CPU 上本地运行 VLM 的流程,无需 GPU,示例模型为 HuggingFaceTB/SmolVLM2-256M-Video-Instruct。
Hugging Face 发布三部分系列第一篇,讲解如何把 RedNote 的 3B 参数 OCR 模型 dots.ocr(在 OmniDocBench 上超过 Gemini 2.5 Pro)通过 Core ML 和 MLX 组合转到端侧运行,其中视觉编码器用 Core ML、Qwen2.5-1.5B 语言骨干用 MLX。
Hugging Face 博客发布 VibeGame,一个基于 three.js、rapier 和 bitecs 构建的高层声明式游戏引擎,专为 AI 辅助游戏开发设计,采用类 XML 声明式语法与 ECS 架构,并附带面向 AI 的 llms.txt 文档。
Hugging Face 用 OpenVINO.GenAI 的投机解码把 Qwen3-8B 在 Intel® Core™ Ultra 上的生成速度提升约 1.3×,再对 Qwen3-0.6B 草稿模型剪掉 28 层中的 6 层并微调,加速比推到约 1.4×。
Hugging Face 推出 SyGra,一个面向 LLM 和 SLM 的低代码/无代码数据构建框架,支持 Q&A 生成、DPO 偏好对、推理增强、多语言转换、质量过滤等数据创建与对齐任务。SyGra 提供 Python 库,可集成 vLLM、Hugging Face TGI、Triton、Ollama 等多种推理后端,让用户专注提示词工程而无需编写复杂脚本。
Hugging Face 官方博客详解为支持 OpenAI gpt-oss 系列而对 transformers 库做的多项升级,包括可从 Hub 下载的零构建 kernels、MXFP4 量化、Tensor Parallelism、Expert Parallelism、动态滑动窗口层与缓存、连续批处理与 Paged Attention 以及更快加载大模型。
推荐理由:逐项拆解了可直接复用的配置参数与代码片段,读者可按需移植到自己的模型上。
Hugging Face 官方博客介绍如何在 ZeroGPU Spaces 中接入 PyTorch ahead-of-time (AoT) 编译,利用 spaces 包提供的 aoti_capture。
推荐理由:文章给出可直接复用的 AoT 编译接入步骤和多种进阶技巧,读者可据此改造自己的 ZeroGPU 应用。
Hugging Face 官方教程介绍如何把 Claude 连接到 Hugging Face MCP Server,从而调用 ZeroGPU 驱动的 Spaces 生成图像。
Hugging Face 介绍如何通过 MCP(Model Context Protocol)让 AI 用自然语言调用研究工具,自动完成跨 arXiv、GitHub、Hugging Face 的论文、代码、模型与数据集检索。
Hugging Face 官方博客给出使用 kernel-builder 库从零构建 CUDA kernel 的完整教程,以 RGB 转灰度图为例,演示项目结构。
Hugging Face 在 Accelerate 中通过 ParallelismConfig 类支持任意组合 DP、FSDP、Tensor Parallel、Context Parallel 等并行策略,并同步集成进 Axolotl,配置只需在 config 文件中添加 dp_shard_size、tensor_parallel_size 等字段。
Mistral AI 演示了用 LoRA 微调 Pixtral-12B 在 Aerial Image Dataset(AID)上做卫星影像场景分类的完整流程。
Hugging Face 官方博客介绍如何用 Gradio 的 MCP 集成把 Python 函数自动转成 LLM 可调用的工具,并以 IDM-VTON 虚拟试衣模型为例构建 AI 购物助手。
Intercom 分享了构建可扩展 AI 平台的三个关键经验,涵盖从评估(evaluations)到架构设计,以在客户支持领域保持领先。文章由 OpenAI News 发布,聚焦 AI 平台的可持续优势建设路径。
Hugging Face 官方博客介绍了在 Diffusers 和 PEFT 中优化 Flux.1-Dev 模型 LoRA 推理速度的方案,通过 Flash Attention 3、torch.compile、FP8 量化和支持热交换的加载方式,在 H100 上相比基线取得 2.23 倍加速。
Hugging Face 发布 Arc Virtual Cell Challenge 入门指南,面向无生物学背景的 ML 工程师,讲解如何训练模型预测 CRISPR 沉默基因对细胞的影响。
Consilium 是在 Gradio Agents & MCP Hackathon 中构建的多 LLM 协作平台,让多个模型通过结构化辩论就复杂问题达成共识,提供 Gradio 可视化界面和 MCP server 两种形态,可集成到 Cline 等应用。
Hugging Face 官方博客详解其 hf.co/mcp MCP Server 的构建过程与设计取舍,生产环境采用 Streamable HTTP 的无状态 Direct Response 配置,理由是资源开销最低且现有工具无需在请求间维护状态。
Hugging Face 官方博客介绍异步推理方案,将策略推理与动作执行拆分到 PolicyServer 和 RobotClient 两个进程,通过 gRPC 通信,让机器人在推理期间继续执行当前动作队列,消除空闲等待。