-
Jeff Dean 路演幻灯片引爆业界：34位AI创业者亮相，近半数出身谷歌系
Jeff Dean在一场AI创业路演中披露34位顶尖AI创业者名单，近半数（16位）拥有谷歌系背景，涵盖Google Brain、DeepMind等核心团队，印证谷歌在全球AI创业生态中的源头性影响力；杨植麟等华人技术领袖赫然在列。 -
GPT-Live技术深析：OpenAI如何通过底层重构实现95%音频帧零延迟
GPT-Live通过重构Python运行时与深度定制WebRTC握手机制，实现95%音频帧近零延迟，终结单向对话模式，开启AI Agent实时双向语音交互新时代。 -
00后AI新锐巴什坎斯基加盟脑机接口创企Conduit：以非侵入式技术重构人机共生范式
00后AI研究者巴什坎斯基离开OpenAI加盟脑机接口公司Conduit，聚焦非侵入式思维解码技术，提出2027—2035年人机融合三阶段演进路径。其出走折射顶尖人才正从大模型平台向AI制药、神经接口等硬科技创业领域加速迁移。 -
Agent 治理：用 Hook 堵住 LLM 的偷懒、越权与失忆
本文通过 Agent 框架的 Hook 机制、读写离线离载以及 HITL 与上下文闭环，系统性地防止 LLM 在处理长文本时的偷懒、越权与失忆问题。 -
-
-
开源崛起、降价 80%，大模型真的还能赚到钱吗？
本文分析大模型 API 价格下降 80%的背后逻辑，结合摩根士丹利报告与国内创业团队的盈利模型对比，探讨开源模型与闭源模型的竞争策略，以及大模型商业化的盈利变量与未来趋势。 -
意识 × Loop：让 Loop 跨 Session 自进化的最佳实践
本文以 FDE 公司调研实践为例，提出通过「意识层」（AGENTS.md / MEMORY.md / USER.md）实现 Agent Loop 跨会话自进化的方法论，并详细阐述三层对齐、手动阀门保留及搭建步骤。 -
数据研发 Multi-Agent 架构的 Harness 工程实践
文章提出数据研发场景下的 Multi-Agent Harness 工程范式，通过六大核心支柱解决 Agent 可控性、可预测性与可信任问题，核心观点是 Agent 能力不仅取决于模型，更取决于围绕模型的工程框架。 -
驾驭 AI Coding：一份面向团队的 Harness Engineering 落地规范
本文系统阐述 Harness Engineering 理念，结合腾讯内部实践，提供从理念到落地的团队级 AI Coding 规范，涵盖 6 大支柱架构、工具链映射与分阶段实施路线，帮助团队在约束下高效交付高质量代码。 -
从 Prompt 到 Harness：企业级 Agent 工程的完整演进之路
本文系统回顾了企业级 AI Agent 平台从 Prompt 工程到 Harness 工程的完整演进，提出四层上下文防线、三层记忆架构和赋能范式设计哲学。 -
AI 代码生成率 94%：我们用一个 Skill 跑通需求开发全流程
本文详细介绍了腾讯企业微信团队如何通过一个名为 Skill 的 AI 辅助编码流水线，将需求开发流程拆解为 8 个阶段，实现 94%的代码生成率，并重点阐述了五步定位法、代码知识库和需求语义翻译等关键设计。 -
AI Coding 的下一站，不是更会写代码，而是更懂团队
本文详述腾讯 QQ 浏览器团队如何通过主题分组、Review/Dedup/Merge 三层治理链路，将 AI Coding 会话中的零散经验沉淀为可复用的团队知识系统。 -
百亿补贴 C 端 AI Coding 实战：端到端 CodingAgent 设计与实践
本文介绍了大淘宝技术团队自研的 AI CodingAgent，通过规范驱动与知识增强的自反思架构，结合垂直领域知识库和自动化同步机制，实现从需求描述到可交付工程代码的端到端自动化闭环，并在实际场景中验证了技术价值。 -
Harness 工程实践：如何让 Agent 完成自主迭代
本文复盘了阿里技术团队如何借鉴 Harness 工程理念，让 AI Agent 自主运行 17 小时完成 16 轮 prompt 迭代优化，并分享了防止早停、上下文打爆与 reward hacking 的实战方案。 -
-
腾讯 WorkBuddy 实践：如何把 Agent 做成可用产品
本文从模型、上下文、Harness、Loop 四层拆解腾讯 WorkBuddy 如何将大语言模型能力转化为可用的 AI Agent 产品，详解工具调用、MCP、Skill、Plugin、记忆与上下文管理等关键机制。 -
-
Sutton、OpenAI 联创押注的持续学习，有中国团队带着模型进场了
本文介绍持续学习（Continuous Learning）这一新兴 AI 赛道，深度解析 Mind Lab 的 Macaron V1 技术架构与商业路径，并将其置于硅谷同行的竞争格局中，探讨「参数空间迭代」与「提示词空间迭代」两条路线的本质差异与产业意义。 -
Agent 开始“自我进化”：会出题、会反思，还会自己长出新技能
本文深度解析了自进化 Agent 的技术演进路径，将其划分为经验存储型、RL 训练型与 0 数据自学型三大路线，并详细拆解了各路线下的前沿研究工作。
AI 前线
扫码打开当前页
-
✈优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×