GitHub Blog · AI & MLAI 评分AI 正在改变开发者工作，GitHub 给出三项需要强化的技能
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。
#GitHub
#GitHub
- GitHub Blog · AI & MLAI 评分
- GitHub Blog · AI & MLAI 评分
GitHub Copilot 应用入门：如何用 canvases 构建自定义工作流
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 Blog · AI & MLAI 评分
GitHub Copilot 应用如何渲染超大 pull request
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。
- GitHub Blog · AI & ML精选AI 评分
GitHub 用 Copilot 将 Copilot 运行时迁移到 Rust
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。
- GitHub Blog · AI & MLAI 评分
GitHub 如何用 Copilot 把营销活动变成代码：从策划到跟进全自动
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。
- GitHub Blog · AI & MLAI 评分
GitHub Copilot 应用新手指南：使用 diff、终端与浏览器面板
GitHub Copilot 应用内置 diff、终端和浏览器三个面板，让开发者无需在编辑器、终端窗口和浏览器之间来回切换，即可完成审查、运行和预览 AI 生成代码的完整闭环。
- GitHub Blog · AI & ML精选AI 评分
GitHub 推出 Project HydraFusion 多模型编排研究预览
GitHub 发布 Project HydraFusion 研究预览，在运行时通过多模型编排完成任务，已面向所有 GitHub Copilot 套餐开放，可在 GitHub Copilot CLI 中通过 /experimental 启用。
推荐理由：GitHub 官方披露 HydraFusion 的三种编排模式与三套基准的成本质量对比，可据此判断多模型编排在编码任务上的取舍。
Google Research精选AI 评分Google 发布 TabFM：面向表格数据的零样本基础模型
Google 发布 TabFM，一个面向表格数据分类与回归的零样本基础模型，将表格预测重构为上下文学习问题，无需手动训练、超参数调优和特征工程，单次前向传播即可对未见过的表格生成预测。
推荐理由：原文给出 TabFM 的零样本表格预测机制与 TabArena 基准表现，读者可据此判断它能否替代传统树模型工作流。
Hugging Face Blog精选AI 评分
用 Strands Agents 和 LeRobot 从 Hugging Face Hub 走到机器人硬件
AWS 开源 SDK Strands Robots 将 LeRobot 栈封装为 AgentTools，让一个 Strands 智能体在单次循环中完成从 Hub 数据集到实体机器人的流程。
推荐理由：AWS 团队给出从 Hub 数据集到实体机器人的完整五步流程，可据此理解智能体如何编排 LeRobot 工具链。
如何将 GitHub CI 迁移到 Hugging Face Jobs
Hugging Face 发布 jobs-actions 桥接方案，让 GitHub Actions 把 CI 任务调度到 Hugging Face Jobs 上运行，Trackio 借此将 CPU 任务 CI 时间缩短约 30%，并新增了在 GPU 机器上运行的测试套件。
GGML 与 llama.cpp 团队加入 Hugging Face，推动本地 AI 长期发展
Hugging Face 宣布 GGML（llama.cpp 的创建者）加入 HF，Georgi Gerganov 及团队一同加入，目标是持续支持 ggml 与 llama.cpp 社区，让未来 AI 保持开放。
推荐理由：GGML 与 llama.cpp 团队加入 Hugging Face，读者可了解本地推理项目在资源与维护模式上的变化。