8月6日2026 · 星期四

从 43 条抓取中筛选 12 条 · twitter × 7 账号 · 01:36 UTC 生成

今日信号 · 高度即评分 · 点击直达


  1. 阿里通义千问在fal平台发布Qwen-Image-3.0-Pro,支持高级排版8.0
  2. Qwen3.8-Max 在 Image-to-WebDev Arena 中排名第二,仅次于 Claude Opus 58.0
  3. Anthropic与成立仅数月的初创公司Volta签署100亿美元算力协议8.0
  4. Swiftlet 让 80B Qwen MoE 模型在 Mac 上仅用 4.3GB 内存运行8.0
  5. Jeff Dean 等谷歌 AI 元老创立 Discovery Loop,旨在自动化科学研究8.0
  6. Anthropic 将 Claude Code 系统提示词削减 80% 以上,编码评估无损失8.0
  7. 开发者逆向工程Kimi的PPT功能,为DeepSeek打造开源技能7.0
  8. LangChain 的 Sydney Runkle 提出基于 harness 的企业 AI 智能体愿景7.0
  9. AI 代理将 Markdown 视为协议契约,而非仅仅是文档7.0
  10. Qwen3.8-Max 现已在 Cline 中提供,享折扣订阅7.0
  11. Birth:开源 macOS 启动项管理器,统一管理四层启动项7.0
  12. 开源书籍《The Little Book of Reinforcement Learning》发布,附带PyTorch代码7.0
018.0

阿里通义千问在fal平台发布Qwen-Image-3.0-Pro,支持高级排版

阿里通义千问发布了Qwen-Image-3.0-Pro,这是一款新的文本到图像模型,现已在fal平台和Qwen Cloud上线。该模型擅长渲染复杂密集的排版,并在编辑时保持面部特征。它支持高达4500个token的提示词,可一次性生成报纸、故事板和菜单等内容。 该发布通过将高质量文本渲染与精确图像编辑结合在一个模型中,推动了AI图像生成的边界。它解决了当前模型的一个常见弱点——图像中的文本不准确,使其在商业设计、广告和多语言内容创作中极具价值。其在fal上的可用性和具有竞争力的定价(每张0.04美元)降低了开发者和企业将高级图像生成集成到工作流程中的门槛。 Qwen-Image-3.0-Pro可以渲染小至10px的清晰文本,支持12种语言和100多种艺术风格。它能够处理对象编辑、风格迁移和背景更改,同时保持身份特征。该模型在Arena.ai的文本到图像竞技场中排名中国模型第一、主流模型第二。其定价为每张图像0.04美元,标准版批量生成价格为0.03美元。

@Alibaba_Qwen引用推文1 个视频Let's create with Qwen-Image-3.0-Pro on fal! 🎨原推文媒体预览展开原推文收起原推文

@Alibaba_Qwen

Let's create with Qwen-Image-3.0-Pro on fal! 🎨

@fal

Qwen Image 3.0 Pro is now available on fal - Renders complex, dense typography - Preserves key details like facial features and identity while applying changes - Handles object edits, style transfer, background changes perfectly

背景
Qwen是阿里的大型语言和多模态模型系列。此类文本到图像模型可根据自然语言描述生成图像,但通常难以在图像中准确渲染文本。fal是一个无服务器生成式AI平台,为开发者托管模型,提供快速推理和API访问。Arena.ai是一个基于用户盲测比较对模型进行排名的平台。

8月5日 04:18在 X 打开#AI #image-generation #Qwen #model-release #fal

028.0

Qwen3.8-Max 在 Image-to-WebDev Arena 中排名第二,仅次于 Claude Opus 5

阿里巴巴的 Qwen3.8-Max 在 Image-to-WebDev Arena 基准测试中以 1631 分获得第二名,仅以 39 分之差落后于 Claude Opus 5 (Max)。这一成绩凸显了该模型在从图像生成网站方面的强大能力。 这一里程碑表明,开源 AI 模型在实际编码任务中能够与顶尖闭源系统紧密竞争。它预示着更易获取的高性能 Web 开发工具的出现,可能加速创新并降低全球开发者的成本。 Image-to-WebDev Arena 专门测试从图像或截图生成 React 代码的能力。Qwen3.8-Max 得分为 1631 分,而领先的 Claude Opus 5 (Max) 得分为 1670 分。其他值得注意的模型包括 GPT-5.6 Sol(1581 分)和 Grok-4.5(1578 分)。Qwen3.8-Max 是一个参数超过 1 万亿的多模态模型,可通过 API 使用,价格为每百万 token 0.17 美元。

@Alibaba_Qwen引用推文1 张图片Qwen3.8-Max hits #2 in Image-to-WebDev Arena! It sees, it builds~😎原推文媒体预览展开原推文收起原推文

@Alibaba_Qwen

Qwen3.8-Max hits #2 in Image-to-WebDev Arena! It sees, it builds~😎

@arena

Exciting news: Qwen3.8-Max by @Alibaba_Qwen is #2 in Image-to-WebDev Arena! With 1,631 pts, it’s trailing only Claude Opus 5 (Max) by 39 pts! Congrats again to @Alibaba_Qwen on this huge release!

背景
Image-to-WebDev Arena 是 Code Arena 平台上的一个基准测试,用于评估 AI 模型从视觉输入生成功能性网站的能力。它专注于 React 代码生成,React 是一种流行的用于构建用户界面的 JavaScript 库。该竞技场采用 Elo 评级系统,通过一对一比较对模型进行排名。Qwen3.8-Max 是阿里巴巴的旗舰多模态模型,属于 Qwen 系列,代表了该公司在大规模 AI 系统领域的推进。

8月5日 02:49在 X 打开#AI #Qwen #benchmark #web development #open-source

038.0

Anthropic与成立仅数月的初创公司Volta签署100亿美元算力协议

Anthropic与云初创公司Volta签署了价值100亿美元的算力协议,而Volta几个月前才刚成立。Volta估值24亿美元,将通过租赁比特币矿商Bitdeer在挪威的121MW站点容量来提供AI训练基础设施,其中Nvidia供应芯片,Dell负责系统组装。这笔交易标志着从传统超大规模云服务商合同转向一种新模式,即优先考虑电力获取速度而非已有的云合作关系。 这笔交易标志着前沿AI算力采购模式的范式转变:电力可用性而不仅仅是资金,已成为关键瓶颈。它为比特币矿商等非传统基础设施参与者进入AI供应链打开了大门,可能重塑竞争格局,并通过绕过超大规模云服务商的长队来加速AI发展。 Volta筹集了3亿美元风险投资,并与Azora达成了50亿美元的融资计划以支持建设。该合同在六年内每年为Volta带来约17亿美元收入。然而,这笔交易存在重大的交易对手风险,因为一家估值24亿美元的公司承诺在租赁的机器上提供100亿美元的服务。Anthropic实际上是在购买时间表的确定性,而不仅仅是服务器。

@Pluvio9yte引用推文2 张图片牛逼,成立才几个月的云公司,居然能跟Anthropic签到100亿美元算力🤣 据SemiAnalysis等报道,@AnthropicAI 和云初创Volta签了大约100亿美元的算力协议。 Volta估值大概24亿,硬件几乎全是租的:算力挂在比特币矿商Bitdeer挪威121MW站点上,芯片Nvidia、组装Dell。 也就是说这单买的不完全是「云厂商」,更像是在买能不能按时把电和GPU拼起来。 这可能是目前最夸张的一单矿场算力进frontier合同。 过去大家默认算力要么自建,要么去大云排队。 现在训练窗口卡得死,谁先把MW和卡亮起来,谁就有资格进这种单子。 算力也开始有拼装厂了。 后面这种故事恐怕只会更多原推文媒体预览+1展开原推文收起原推文

@Pluvio9yte

牛逼,成立才几个月的云公司,居然能跟Anthropic签到100亿美元算力🤣 据SemiAnalysis等报道,@AnthropicAI 和云初创Volta签了大约100亿美元的算力协议。 Volta估值大概24亿,硬件几乎全是租的:算力挂在比特币矿商Bitdeer挪威121MW站点上,芯片Nvidia、组装Dell。 也就是说这单买的不完全是「云厂商」,更像是在买能不能按时把电和GPU拼起来。 这可能是目前最夸张的一单矿场算力进frontier合同。 过去大家默认算力要么自建,要么去大云排队。 现在训练窗口卡得死,谁先把MW和卡亮起来,谁就有资格进这种单子。 算力也开始有拼装厂了。 后面这种故事恐怕只会更多

@rohanpaul_ai

Anthropic signs $10B computing deal with infrastructure startup Volta, a cloud company that is only months old. A contract that size used to go to Amazon, Microsoft or Google, because only they owned the land, power and balance sheets for frontier training. That held while money was the scarce input, but power is scarce now, and the big three cannot energize a site faster than a newcomer can. So the deal went to Volta Infra, a startup valued at $2.4B after raising about $300M from backers including Nvidia and Michael Dell's family office. The startup owns almost none of the hardware. Its capacity comes from Bitdeer, a bitcoin miner that leased out 121MW at its Norway site for 16 years in a contract worth about $4.7 B. Nvidia supplies the chips and Dell puts the systems together, which leaves the middle company holding the financing, the contracts and the customer. Paying for all of that is heavy for a firm this young, so Volta lined up a $5B program with Azora to fund the buildout. Chief executive Ricard Boada described the arrangement publicly first, a $10B partnership worth roughly $1.7B a year to his company. The risk sits on the other side, where a $2.4B company has promised $10B of service on machines it leases from a miner. Anthropic is buying schedule here rather than servers, and the price of speed now includes counterparty risk no hyperscaler contract ever carried. --- bloomberg. com/news/articles/2026-08-04/anthropic-inks-10-billion-computing-deal-with-new-cloud-startup

背景
前沿AI模型需要大规模GPU集群进行训练,传统上从AWS、Microsoft Azure或Google Cloud等超大规模云服务商采购。比特币矿商运营着拥有大量电力容量的大型数据中心,这些数据中心最初是为能源密集型的加密货币挖矿而建。随着AI需求激增,电力可用性已成为稀缺资源,使得这些矿场对快速部署AI基础设施具有吸引力。Volta作为中间商,整合电力、硬件和融资,提供一站式AI云服务。
社区讨论
社区认为这是一笔具有里程碑意义的交易,凸显了AI算力中稀缺资源从资金转向电力的趋势。一些人因Volta的规模和依赖租赁基础设施而对交易对手风险表示怀疑,而另一些人则认为这是不可避免的演变,即上市速度胜过传统可靠性。

8月5日 03:21在 X 打开#AI #compute #Anthropic #cloud #infrastructure

048.0

Swiftlet 让 80B Qwen MoE 模型在 Mac 上仅用 4.3GB 内存运行

一个名为 Swiftlet 的新项目利用 Swift 和 Metal,在仅 4.3GB 内存的 Mac 上运行了 800 亿参数的 Qwen MoE 模型。它通过仅将小型稠密核心常驻内存,并按需从存储流式加载专家权重来实现这一点。开发者还声称能在 iPhone 上运行 350 亿参数的模型。 这一突破大幅降低了在消费级设备上运行大型 MoE 模型的内存门槛,有望在边缘硬件上实现先进的 AI 能力。它可能重塑端侧 AI 格局,让强大模型无需昂贵的高内存机器即可访问。该方法可能加速 MoE 架构在移动和桌面应用中的采用。 Swiftlet 是一个专为 Qwen3-Next 和 Qwen3.5/3.6 MoE 混合模型家族设计的 Swift + Metal 运行时。它从存储中流式加载路由专家权重,避免将所有参数加载到内存。该项目已开源并在 GitHub 上可用,但非常新,测试可能有限。除内存声明外,性能指标和具体硬件要求尚未详细说明。

@Pluvio9yte原推文草,有人把 80B 的 Qwen 塞进 4.3GB 内存在 Mac 上跑起来了 项目叫 Swiftlet:Swift + Metal,只把稠密小核常驻内存,路由专家权重按需从存储流式加载。 iPhone 上号称还能跑 35B。 如果是真的,端侧叙事又要重写一轮了。大 MoE 开始学会在消费级硬件上部分驻留。 我去 clone 看看…… http://github.com/leonickson1/Swiftlet展开原推文收起原推文

@Pluvio9yte

草,有人把 80B 的 Qwen 塞进 4.3GB 内存在 Mac 上跑起来了 项目叫 Swiftlet:Swift + Metal,只把稠密小核常驻内存,路由专家权重按需从存储流式加载。 iPhone 上号称还能跑 35B。 如果是真的,端侧叙事又要重写一轮了。大 MoE 开始学会在消费级硬件上部分驻留。 我去 clone 看看…… http://github.com/leonickson1/Swiftlet

GitHub - leonickson1/Swiftletgithub.com · 直连原文
背景
混合专家(MoE)模型由多个“专家”子网络组成,但每次输入仅激活一部分,从而减少计算量。然而,传统推理需要将所有专家权重加载到内存中,这对消费级硬件上的大型模型来说难以承受。Swiftlet 利用 MoE 的稀疏性,仅在内存中保留一个小型常驻稠密核心,并按需从磁盘获取必要的专家权重。该技术类似于 Flash-MoE 等其他项目,后者曾在 MacBook 上从 SSD 流式加载 3970 亿参数模型。Qwen 是阿里巴巴开发的大型语言模型家族,其 MoE 变体如 Qwen3-Next 以大量参数提供高性能。
社区讨论
该推文引发了对重写端侧 AI 叙事的兴奋,用户表示有兴趣测试该项目。对 iPhone 上的声明存在一些怀疑,社区正在等待实际基准测试和更广泛的模型支持。

8月5日 03:07在 X 打开#MoE #on-device AI #Swift #Metal #model compression

058.0

Jeff Dean 等谷歌 AI 元老创立 Discovery Loop,旨在自动化科学研究

Jeff Dean 与 Sanjay Ghemawat、Oriol Vinyals 和 Quoc Le 共同宣布创立 Discovery Loop,这是一家公益性公司,致力于自动化机器学习、科学和工程,以加速发现。该消息于 2026 年 8 月 5 日公布,公司旨在构建能够自动化科学和工程领域实验循环的 AI 系统。一条相关推文强调了这一新闻,并推荐在 Codex 中使用 /goal 功能搭配 GPT-5.6 Sol,以实现强大的迭代工作流。 这四位极具影响力的 AI 研究员离开谷歌自主创业,标志着 AI 人才格局的重大转变,并可能加速大型科技公司之外的创新。Discovery Loop 旨在自动化科学方法本身,有望极大加快药物发现、材料科学和芯片设计等领域的突破。在同一语境下提及 Codex 和 GPT-5.6 Sol,凸显了日益增长的先进 AI 工具生态系统,这些工具正变得可用于复杂的自主问题解决。 Discovery Loop 是一家公益性公司,强调超越纯粹利润的使命。创始人们在谷歌和 Google DeepMind 共事了 14 到 30 年,为广泛使用的产品和 AI 模型做出了贡献。该推文特别推荐了 Codex 中的 /goal 功能,该功能允许用户设定持久目标,让 AI 在数小时内自主工作。GPT-5.6 Sol 于 2026 年 7 月发布,是 OpenAI GPT-5.6 系列中最强大的变体,在编程、科学和网络安全方面取得了最先进的成果。

@thsottiaux引用推文2 张图片I don't really think these legends needed a pitchdeck. Congrats on taking a crazy, but inspiring leap. I recommend you explore /goal in Codex, it's a pretty powerful loop with GPT-5.6 Sol.原推文媒体预览+1展开原推文收起原推文

@thsottiaux

I don't really think these legends needed a pitchdeck. Congrats on taking a crazy, but inspiring leap. I recommend you explore /goal in Codex, it's a pretty powerful loop with GPT-5.6 Sol.

@JeffDean

Announcing Discovery Loop! I am very excited to announce that, along with my longtime friends and collaborators @Sanjay_Ghemawat, @OriolVinyalsML and @quocleix, we are founding Discovery Loop (@DiscoLoopAI), a Public Benefit Corporation whose mission is to automate machine learning, science, and engineering to accelerate discoveries and progress. The four of us have worked together for 14 to 30 years, and have helped build some of the world’s most used products, infrastructure and AI models, and we’re excited to turn our attention to this ambitious endeavor. ♾ Learn more at: http://www.discoveryloop.com

背景
Jeff Dean 是一位传奇计算机科学家,以领导谷歌的 AI 和基础设施工作而闻名,包括开发 TensorFlow 和许多核心系统。Sanjay Ghemawat、Oriol Vinyals 和 Quoc Le 也是杰出的 AI 研究员,在深度学习和大型系统方面做出了重大贡献。Codex 是 OpenAI 推出的 AI 编程助手,可执行多步骤任务;其 /goal 功能支持自主、长时间运行的工作流。GPT-5.6 是 OpenAI 的大型语言模型系列,其中 Sol 是最先进的变体,针对复杂推理和编程进行了优化。

8月6日 01:22在 X 打开#AI #startup #Jeff Dean #Discovery Loop #machine learning

068.0

Anthropic 将 Claude Code 系统提示词削减 80% 以上,编码评估无损失

Anthropic 将 Claude Code 的系统提示词削减了 80% 以上,在编码评估中没有出现可测量的性能损失。这一变化反映了设计理念的转变,即对于更强大的模型,更好的“舞台设计”比详细的“编排”更重要。该方法在一篇关于 Claude 5 代模型上下文工程的博客文章中进行了详细说明。 这标志着提示词工程的范式转变:随着模型能力增强,它们需要更少的显式指令和更多的结构化上下文。这可能会带来更高效、更具成本效益的 AI 系统,减少 token 使用并加快推理速度。使用 Claude Code 的开发者和企业可能会受益于更简单的集成和维护。 削减幅度超过 80%,但编码评估显示没有可测量的损失,表明新的提示词设计非常有效。博客文章《Claude 5 代模型上下文工程的新规则》提供了更多见解。系统提示词的组成部分,包括工具描述和子代理提示词,可在 GitHub 上公开获取以供分析。

@bibryam原推文1 张图片Anthropic cut 80%+ of Claude Code’s system prompt. Its coding evals showed no measurable loss. The important part isn’t the deletion. It’s the redesign: stronger models need less choreography and better stage design. https://claude.com/blog/the-new-rules-of-context-engineering-for-claude-5-generation-models原推文媒体预览展开原推文收起原推文

@bibryam

Anthropic cut 80%+ of Claude Code’s system prompt. Its coding evals showed no measurable loss. The important part isn’t the deletion. It’s the redesign: stronger models need less choreography and better stage design. https://claude.com/blog/the-new-rules-of-context-engineering-for-claude-5-generation-models

背景
系统提示词是给予 AI 模型的初始指令,用于指导其行为。Claude Code 是 Anthropic 的编码助手。上下文工程是一门新兴学科,专注于在推理过程中优化提供给 LLM 的信息,超越了简单的提示词制作。从“编排”(详细的逐步指令)到“舞台设计”(设置环境)的转变反映了先进模型日益增长的自主性。

8月5日 12:58在 X 打开#AI #Claude #context engineering #prompt design #Anthropic

077.0

开发者逆向工程Kimi的PPT功能,为DeepSeek打造开源技能

一位名为Binaryify的开发者花了几天时间逆向工程了Kimi的PPT生成功能,并创建了一个名为open-kimi-ppt-skill的开源技能。该技能让DeepSeek能够生成质量非常接近Kimi原始输出的演示文稿。该项目已在GitHub上公开,开发者希望这次不会像之前的网易云音乐项目那样收到警告函。 该项目通过为流行的开源模型DeepSeek提供高级AI演示文稿生成功能,实现了技术民主化。它凸显了逆向工程专有AI功能以促进开源替代方案的日益增长的趋势,可能加速创新并减少对单一平台的依赖。偏好或依赖DeepSeek的用户现在无需切换工具即可享受类似的PPT创建能力。 该技能可生成可编辑的PPTD和PPTX文件,并包含一个本地浏览器编辑器。它以npm包的形式分发,便于集成到现有工作流中。开发者此前因针对网易云音乐的类似逆向工程项目收到过警告函,表明存在潜在的法律风险。该项目是非官方的,与Kimi或DeepSeek无关。

@dotey 转推了

@binaryify

花了几天逆向了 kimi 的 PPT, 弄了个 skill, 用 deepseek 也可以做出很逼近 kimi PPT 的效果了, 希望这次不会收到警告函了, 上次网易云音乐就给我发了警告函 https://github.com/Binaryify/open-kimi-ppt-skill

背景
Kimi是由月之暗面开发的AI助手,提供内置的根据用户提示生成PowerPoint演示文稿的功能。DeepSeek是一个强大的开源大语言模型,以其高效性和在各种基准测试中的强劲表现而闻名。逆向工程涉及分析软件的行为以复制其功能,而无需访问原始源代码。开发者之前的项目逆向工程了网易云音乐,结果收到了法律警告,凸显了开源创新与知识产权之间的紧张关系。

8月5日 16:41在 X 打开#AI #reverse-engineering #open-source #PPT #DeepSeek

087.0

LangChain 的 Sydney Runkle 提出基于 harness 的企业 AI 智能体愿景

LangChain 的 Sydney Runkle 分享了一个企业 AI 智能体愿景,这些智能体基于“harness”构建,将模型连接到 Slack、Notion 和 Salesforce 等数据源。这些智能体可在各种工作平台上访问,支持多人协作,并能按计划主动执行或对实时事件做出反应。该概念在首次推文后引起广泛关注,因此作者进一步阐述了细节。 这一愿景为企业 AI 智能体描绘了一种实用架构,从单一用途机器人转向集成化、多人协作的系统。它可能影响企业采用 AI 的方式,强调无缝数据访问和跨平台可用性,从而提升生产力和协作效率。由于 LangChain 是领先的智能体框架,这一观点可能塑造智能体设计的行业标准。 Harness 被定义为模型周围的所有代码、配置和执行逻辑,包括状态、工具执行和反馈循环。该愿景明确集成 Slack、Notion、Ramp、Gmail 和 Salesforce 等工具,并可从 Slack、GitHub 和 Zoom 等平台访问。它强调智能体的主动(按计划)和反应(事件驱动)行为,并指出多人交互的趋势。未提供具体技术实现或发布日期。

@sydneyrunkle@LangChain 转推i tweeted yesterday that i think orgs are going to be built on harnesses! it was surprisingly popular, so sharing more on what i meant! savvy companies build agents that are: * built on a core harness connecting a model to relevant data (slack, notion, ramp, gmail, salesforce, the list goes on...) * accessible anywhere you work (slack, notion, github, gmail, zoom) * increasingly multi-player * both proactive (on schedules) and reactive (to live events)展开原推文收起原推文

@LangChain 转推了

@sydneyrunkle

i tweeted yesterday that i think orgs are going to be built on harnesses! it was surprisingly popular, so sharing more on what i meant! savvy companies build agents that are: * built on a core harness connecting a model to relevant data (slack, notion, ramp, gmail, salesforce, the list goes on...) * accessible anywhere you work (slack, notion, github, gmail, zoom) * increasingly multi-player * both proactive (on schedules) and reactive (to live events)

背景
LangChain 是一个流行的开源框架,用于构建基于大语言模型的应用,提供智能体开发工具。Agent harness 是 LangChain 生态中的一个概念,封装了使模型成为智能体所需的非模型组件,如记忆和工具集成。企业 AI 智能体是自主软件实体,利用 AI 模型和外部工具执行任务,常用于自动化和决策支持。该愿景与工作场所中更具协作性和上下文感知能力的 AI 系统趋势一致。

8月5日 16:51在 X 打开#AI agents #enterprise AI #agent architecture #LangChain #product vision

097.0

AI 代理将 Markdown 视为协议契约,而非仅仅是文档

该推文强调了一种范式转变:AI 编程代理将代码仓库中的 Markdown 文件解读为机器可读的协议契约,而不仅仅是人类文档。它引用了 @bibryam 整理的一系列格式,这些格式已被代理默默执行。这重新定义了 Markdown 作为开发者与 AI 工具之间的活跃接口。 这一观点改变了开发者编写 Markdown 的方式,将其视为对 AI 行为具有约束力的规范。它通过使文档成为开发流程的功能性部分,影响了软件工程工作流。这一转变与 Cursor、Copilot 和 Codex 等代理式编码工具的兴起相一致,这些工具依赖此类文件获取上下文。 该推文指向 @bibryam 的一篇文章,其中列举了代理视为契约的 Markdown 格式。AGENTS.md 惯例是一个关键示例,它提供了构建、测试和编码规范的指令。.agents 协议对此进行了扩展,在可版本控制的文件中配置工具、技能和模型。

@Evose_AI@bibryam 转推When agents read your repo, they're not reading documentation — they're parsing markdown as protocol. The formats bibryam catalogs are the machine-readable contracts coding agents already enforce, silently.展开原推文收起原推文

@bibryam 转推了

@Evose_AI

When agents read your repo, they're not reading documentation — they're parsing markdown as protocol. The formats bibryam catalogs are the machine-readable contracts coding agents already enforce, silently.

背景
AI 编程代理(如 Cursor、GitHub Copilot 和 Claude Code)使用 Markdown 文件来理解代码仓库的结构和规范。AGENTS.md 文件是一个新兴标准,放置在仓库中以指导代理行为。这是 Markdown 因其在训练数据中的普遍性而成为 LLM 通用语言的更广泛趋势的一部分。“协议契约”的概念意味着 Markdown 定义了预期的交互,类似于 API 规范。

8月5日 16:47在 X 打开#AI agents #markdown #software engineering #developer tools

107.0

Qwen3.8-Max 现已在 Cline 中提供,享折扣订阅

阿里巴巴通义千问宣布其最新旗舰模型 Qwen3.8-Max 现可通过 AI 编程代理 Cline 使用。用户可通过 ClinePass 订阅服务(约 5 折优惠)或 Cline CLI 的 4.99 美元特别促销活动访问该模型。 此次集成使拥有 2.4 万亿参数 MoE 架构的 Qwen3.8-Max 对开发者更加实惠和易用,有望加速其在编程和智能体工作流中的采用。这也反映了 AI 模型提供商与开发者工具合作以降低使用门槛的趋势。 Qwen3.8-Max 是一款多模态大语言模型,拥有 100 万 token 上下文窗口和 13.1 万最大输出 token。ClinePass 通常每月收费 9.99 美元,提供开放编码模型 2-5 倍的使用量。CLI 的 4.99 美元促销是限时优惠,是目前使用 Qwen3.8-Max 最经济的方式。

@Alibaba_Qwen引用推文1 张图片Try npm i -g cline on Cline!👀原推文媒体预览展开原推文收起原推文

@Alibaba_Qwen

Try npm i -g cline on Cline!👀

@cline

Qwen3.8-Max is now available in ClinePass, a subscription for ~5x discounted access. Use it on Cline CLI w/ $4.99 special promo: npm i -g cline This is currently the most affordable way to access Qwen.

背景
Qwen 是阿里云开发的大语言模型系列,Qwen3.8-Max 是最新旗舰模型。Cline 是一个开源的智能体 AI 编程工具,可在终端或看板中运行。ClinePass 是一项可选订阅服务,以折扣价提供精选开放权重模型的访问,无需单独申请 API 密钥。

8月5日 04:14在 X 打开#Qwen #Cline #AI model #discount #CLI

117.0

Birth:开源 macOS 启动项管理器,统一管理四层启动项

Birth 是一款新的开源 macOS 应用程序,将用户级、全局级、系统守护进程和登录项整合到一个界面中。它会显示每个启动项的开发者签名身份,对可疑项标红提示,并支持一键禁用或移除。该工具还支持按名称、开发者或路径搜索,并能通过进程 ID 定位对应的启动项。 macOS 上的启动项管理通常分散在多个系统设置和隐藏目录中,用户难以完全控制开机启动的内容。Birth 通过提供统一视图简化了这一过程,增强了透明度和安全性,尤其适合需要审计启动代理和守护进程的高级用户和开发者。其签名验证功能有助于检测潜在的恶意或伪装进程,解决了常见的 macOS 安全问题。 Birth 在 GitHub 上可用,仓库地址为 iAmCorey/birth。它会自动备份被移除的项目,方便用户日后恢复。该工具覆盖四个层级:用户级 LaunchAgents、全局级 LaunchAgents、系统级 LaunchDaemons 和登录项。对于开发者签名无效或不匹配的项,它会以红色高亮显示,提供即时的视觉警告。

@GitHub_Daily原推文1 张图片Birth,一个开源的 macOS 启动项管理器,把用户级、全局级、系统守护进程、登录项四层全拉到一个界面里。 每个启动项都能看到开发者签名身份,冒充系统签名的会直接标红提示,一键禁用或移除。 GitHub:http://github.com/iAmCorey/birth 还支持按名称、开发者或路径搜索,输入进程号也能定位是哪个启动项拉起来的。 对于移除的项目会自动备份,后面可以随时恢复。想搞清楚 macOS 开机启动时都跑哪些服务,可以装一个看看。原推文媒体预览展开原推文收起原推文

@GitHub_Daily

Birth,一个开源的 macOS 启动项管理器,把用户级、全局级、系统守护进程、登录项四层全拉到一个界面里。 每个启动项都能看到开发者签名身份,冒充系统签名的会直接标红提示,一键禁用或移除。 GitHub:http://github.com/iAmCorey/birth 还支持按名称、开发者或路径搜索,输入进程号也能定位是哪个启动项拉起来的。 对于移除的项目会自动备份,后面可以随时恢复。想搞清楚 macOS 开机启动时都跑哪些服务,可以装一个看看。

背景
在 macOS 上,启动项可以配置在多个位置:系统设置中的登录项、用户或系统资源库文件夹中的 LaunchAgents,以及 /Library/LaunchDaemons 中的 LaunchDaemons。LaunchAgents 在用户登录时运行,而 LaunchDaemons 在系统启动时运行,无论用户是否登录。苹果已弃用旧的启动项机制,转而推荐使用 launchd 管理的代理和守护进程。手动管理这些需要浏览隐藏目录和编辑 plist 文件,容易出错。Birth 将这些整合到一个图形界面中,使检查和控制所有持久性后台进程变得更加容易。

8月5日 13:30在 X 打开#macOS #open-source #startup manager #security #developer tools

127.0

开源书籍《The Little Book of Reinforcement Learning》发布,附带PyTorch代码

一本名为《The Little Book of Reinforcement Learning》的开源书籍新近发布,从基础概念到PPO等算法,提供了强化学习的简明介绍。书中包含每个算法的完整PyTorch实现,并附有动态规划的详细数学推导作为补充。该书可在GitHub仓库alxndrTL/little-book-rl获取。 该资源填补了初学者觉得研究论文太艰深、博客文章太零散的空白。通过将理论、代码和数学以紧凑的形式结合,它降低了强化学习的入门门槛,可能加快学生和从业者的学习曲线。其开源性质鼓励社区贡献和广泛采用。 该书从基本概念逐步深入到PPO等高级算法,所有实现均存放在GitHub仓库的'algos/'文件夹中。它设计得简短易懂,避免了长篇教科书的压迫感。补充的动态规划推导满足了希望深入数学细节的读者需求。该项目由Alexandre Torres Leguet维护。

@GitHub_Daily原推文1 张图片想学强化学习,看论文太硬核,看博客又太碎片,找一份系统又不劝退的入门资料不容易。 《The Little Book of Reinforcement Learning》这本开源书籍,篇幅不长,从基础概念讲到常用算法。 附带全套 PyTorch 代码,书里讲到的每个算法都有可运行的实现,边读边练。 GitHub:http://github.com/alxndrTL/little-book-rl 还有一份动态规划的详细推导作为补充,想深入数学细节的可以对照看。 对强化学习感兴趣、想从零入门的朋友,这本小书适合当起点。原推文媒体预览展开原推文收起原推文

@GitHub_Daily

想学强化学习,看论文太硬核,看博客又太碎片,找一份系统又不劝退的入门资料不容易。 《The Little Book of Reinforcement Learning》这本开源书籍,篇幅不长,从基础概念讲到常用算法。 附带全套 PyTorch 代码,书里讲到的每个算法都有可运行的实现,边读边练。 GitHub:http://github.com/alxndrTL/little-book-rl 还有一份动态规划的详细推导作为补充,想深入数学细节的可以对照看。 对强化学习感兴趣、想从零入门的朋友,这本小书适合当起点。

背景
强化学习(RL)是一种机器学习范式,智能体通过与环境交互学习决策,以最大化累积奖励。PyTorch是一个流行的开源深度学习框架,以其灵活性和易用性著称。Stable Baselines3和TorchRL是PyTorch生态中其他知名的RL库,但它们通常假设读者已有一定基础。本书旨在提供一个自包含、动手实践式的入门,连接理论与应用。
社区讨论
用户对本书简洁的格式和实用的代码表示兴奋,认为它能快速激发对密集主题的热情。该发布受到好评,许多人赞赏其理论与可运行实现的结合。

8月5日 10:00在 X 打开#reinforcement learning #open source #education #PyTorch #book