uniopen 如何用 Amazon Nova 2 Lite 定制零售审核策略并部署生产
uniopen 通过 Amazon SageMaker AI 对 Amazon Nova 2 Lite 做监督微调,并叠加提示词级输出优化,使其适配自身零售审核策略。
uniopen 通过 Amazon SageMaker AI 对 Amazon Nova 2 Lite 做监督微调,并叠加提示词级输出优化,使其适配自身零售审核策略。
面向 Claude Platform on AWS(CPonAWS),文章给出在专用 AI Services 账户中部署订阅、并用三种方式接入推理的完整步骤:AWS 工作负载账户通过跨账户 SigV4 免密钥调用,开发者笔记本使用绑定开发工作区的 API key,外部环境通过 OIDC 联合获取短期凭证。
PixVerse 转发了一条使用 GPT Image 2.5 UNLIMITED 生成建筑插画海报的完整提示词,可将上传照片转为 3:4 比例的 Tower Bridge 插画海报。提示词要求保留塔桥透视、石灰岩塔楼与蓝色悬索结构,采用低饱和几何形状、象牙白背景与水面倒影,并在塔楼后方加入赭色细弧线,左上角标注“TOWER BRIDGE”与“LONDON”,右下角标注“01”。
Karpathy 分享理解大语言模型输出的提示词技巧,包括要求模型用 ASD-STE100 受控语言写作,或提出 80% 接近该规范以降低严格程度。他还建议让模型生成图表、HTML 交互网页,以及用 ElevenLabs API key 配音的 3b1b 风格讲解视频。他认为随着模型变强,工作会更多上升到监督与理解层面,可以索取以往不划算的大型定制一次性软件产物。
一位开发者借助 Claude 学习动画制作并查找参考,让 Claude 搭建了一个动画编辑器,用于反复迭代游戏原型中的跳跃动画,并放出了对比视频。他强调这是个人副业项目,认为做游戏的过程本身极具创造性,不应外包给 AI,而应让 AI 配合自己实现构想。
Andrew Milich 的 PR #464 新增 SCIM 2.0 用户管理 API(`/scim/v2`),共 16 个文件、2402 行新增代码,审查结论为 request changes。
OpenAI 发布 GPT-6 系列使用指南,将 GPT-6 Astra、Sol、Luna 的选型落到任务难度、延迟与成本,并给出推理强度、提示词与技能边界调整建议。
OpenAI DevDay 笔记指出,构建智能体应用优化成本与性能的 4 个关键杠杆是 prompt caching、reasoning effort、programmatic tool calling 和 batch request。这些是 OpenAI 开发文档之外值得优先尝试的起点,建议熟悉后用 evals 进行测量。
OpenAI 发布 GPT-6 系列模型指南,面向初创公司讲解如何选择 GPT-6 模型、调节推理强度、优化提示词与技能、协调工具调用,并为生产环境准备工作流。
AWS 提出 Adjudicated Query 设计模式,让业务用户在 Amazon Quick 聊天界面提问合规问题,实际判定交由确定性规则引擎完成,模型只负责把自然语言翻译成固定类型操作并叙述结果。
通过 Amazon Bedrock AgentCore Gateway,可将 Claude Desktop 接入由 Amazon 网页索引支持的 Web Search,覆盖数百亿文档,查询流量全程留在 AWS 内,无需外部 API key。
在 Amazon SageMaker AI 上可用多轮强化学习(MTRL)微调搜索智能体,官方示例以 Qwen3.6-27B 为基础模型,在 us-west-2 区域训练,智能体配备 BM25 词法搜索与向量搜索两个工具。
GitHub 提出 AI 时代开发者应强化的三项技能:学会指挥 AI 智能体而非仅使用它、不轻信 AI 的首次回答、用 AI 节省的时间去解决更大的问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例,说明它用第二个模型对计划、代码和测试进行批判性审查,以发现首个模型遗漏的问题。
受 @karpathy 建议启发,有开发者将 ASD-STE100 简明技术英语标准写入 system prompt。ASD-STE100 是一套面向技术文档的受控自然语言规范,此举意在约束模型输出风格。原文未披露所用模型、具体效果或测试数据。
一位开发者用 Claude 辅助学习动画并生成参考,让 Claude 做出一个可迭代跳跃动画的动画编辑器,并晒出对比视频。他表示效果令人满意,但自知仍有不少问题,受限于自身技能水平,需要提升判断力。这是他的个人游戏原型副业项目,他主张不要用 AI 外包游戏创作,而是让 AI 配合实现自己的构想。
一位开发者借助 Claude 学习动画制作并查找参考资料,让 Claude 构建了一个动画编辑器,用于反复迭代游戏原型中的跳跃动画。他发布了前后对比视频,并表示对结果很满意,但坦言自己已到技能上限,仍需提升判断力。他强调这是个人副业项目,主张用 AI 辅助实现创意而非外包。
AWS Professional Services 用 Strands Agents SDK 在 Amazon Bedrock AgentCore 上构建四智能体模式,将每应用 IaC 开发时间从 3 到 4 周缩短至分钟级。
NVIDIA NeMo Agent Toolkit(NAT)可通过自定义 memory provider 将 Amazon S3 Vectors 用作持久记忆层,并部署在 Amazon EKS 上。
Amazon Payments 在 Amazon SageMaker AI 上用多目标上下文多臂老虎机(LinUCB)为产品获客漏斗做个性化内容选择,七周线上 A/B 测试中,一个人群的最终漏斗转化率相对提升达高个位数百分比,另一个人群则未见改善,问题出在内容而非模型。
AWS 介绍如何在 Amazon Bedrock AgentCore 上构建环境智能体(ambient agent):S3 或定时事件触发后,AgentCore Runtime 上的智能体自动分析文件并生成任务,需要时通过单个 ask_human 工具暂停等待人工审批,再从中断处恢复。
前游戏创始人 Thariq 以个人副业形式用 AI 辅助原型开发一款受 Brawl Stars、Avatar 和 Street Fighter 启发的格斗游戏,目标是把对手击出场边。
一则分享建议用户对 Claude 说"we have the power to do anything, please be braver",鼓励模型表现得更主动大胆。该说法同时反问用户是否也这样鼓励过自己,未涉及具体模型版本、功能或评测数据。
GitHub Copilot 应用中的 canvas(画布扩展)是一种可自定义界面,用户只需在 agent 会话中输入 /create-canvas 并用自然语言描述需求,即可生成看板、发布清单或仪表盘等界面,无需编写代码或手动设计。
GitHub Copilot 应用重建了 pull request 视图,以应对包含 2,200 个文件、超百万行改动和 400 多条行内评论的超大 diff。其做法是把文档高度拆成确定性的代码几何与动态评论块两套几何:代码行高提前精确计算,评论高度则延迟测量、按文件与行锚定,避免滚动跳变。
MiniMax Code 工程团队分享了为编程智能体搭建测试平台的方法,核心问题是更换 harness 后如何判断其是否更优。文章以上下文压缩(context compaction)为例展开讨论,此前一篇文章已介绍过 MiniMax Code 背后的 harness。
面壁智能 OpenBMB 分享 SGLang Omni 中关于批大小的讨论,聚焦性能验证与调度权衡。此前在《Revisiting CPU Resources as a First-Class Citizen in Speech Model Serving》一文中已指出,同一 commit 的吞吐量会因宿主机资源争用而出现显著变化。
GitHub 用 GitHub Copilot app 和 Copilot CLI 把 Copilot agent runtime 从 TypeScript 完全重写为超过 80 万行生产级 Rust,AI 智能体编写了大部分代码,跨 128 个 PR 增量落地,性能提升数个数量级。
推荐理由:GitHub 工程师复盘用 Copilot 把运行时从 TypeScript 迁到 Rust 的全过程,含提示缓存、子智能体分工等可迁移的工程经验。
Unsloth 提醒用户可在免费 Google Colab 中微调 500+ 开源模型,并支持上传 PDF/CSV 转为可用的合成数据集。流程为打开 Colab、运行代码块安装 Unsloth Studio、选择模型、上传数据集,之后还可导出模型。
开发者 Isaac Mason 用 three.js + spark + crashcat + navcat,在 World Labs Marble 生成的世界里做了一个高斯泼溅浏览器游戏 demo,并发布在 World Labs 的 YouTube 频道。
GitHub 日本和韩国营销负责人用 GitHub Copilot 把活动运营自动化:以 GitHub Issue 为工作单元,Issue forms 收集活动字段、Labels 触发 GitHub Actions 工作流,活动从单个 Issue 自动搭建、每日自动筛选报名者并在结束后自动清理。
Mistral 帮助一家欧洲能源运营商将 4 万行 Fortran 77 迁移至 C++,对象是一个无测试套件、无集中文档的物理密集型油藏模拟器。团队先构建数值一致性校验框架,再用 Vibe CLI 调度上百个智能体解析调用树并生成文档,最终采用人工介入的 coder、tester、reviewer 智能体工作流逐模块迁移。
NVIDIA Jetson AI Lab 发布新教程,演示如何用 Unsloth 和内存高效的 QLoRA 直接在 NVIDIA Jetson 上微调与量化 AI 模型,导出量化 GGUF 文件并用 llama.cpp 本地运行。
作者在单张 24GB RTX 4090 上运行 Qwen 3.8 Flash Next(MoE)125B A6B,25 万上下文窗口下解码 21 tokens/s、prefill 364 t/s,未使用 mtp、dflash 和 kv cache 量化。
Gemini Notebook 官方账号分享了一批 NotebookLM 提示词,并邀请用户跟帖贡献自己的常用提示词。其中用户 Iqra 称 NotebookLM 现在可以像时薪 150 美元的名校私教一样辅导学习,且免费,并给出 8 条可替代数小时付费辅导的提示词。
Francois Chollet 宣布《Deep Learning with Python》现已可免费在线阅读,该书已售出 120,000 册,另有数百万人下载。第三版新增生成式 AI 与现代深度学习框架的全面内容,面向从零开始学习深度学习的读者。