Greptile 如何用 GPT-6 Astra 将 bug 检测扩展到代码审查之外
Greptile 使用 GPT-6 Astra 将 bug 检测从代码审查扩展到测试用户工作流。文中还介绍了 Daybreak 借助 GPT-6 Astra 加强安全防护，以及用 Codex 减少返工。
#教程/实践
OpenAI NewsAI 评分2020 OpenAI NewsAI 评分3232 OpenAI 工程师如何用 Codex Ultrafast 把事件调查从数小时缩短到数分钟
OpenAI 展示工程师使用 Codex Ultrafast 调查事故的方法，将原本需要数小时的事件调查缩短到几分钟。文中还介绍了它在更快的安全分析、代码重构和日常工作流中的应用。
AWS Machine Learning BlogAI 评分4343 AWS 演示基于 SageMaker SDK v3 的边缘侧全队计算机视觉模型生命周期管理方案
AWS Machine Learning Blog 演示如何用 Amazon SageMaker Python SDK v3 在边缘管理全队（fleet-wide）计算机视觉模型生命周期，每台摄像头各训练一个异常检测器和一个 ResNet18 缺陷分类器。
AWS Machine Learning BlogAI 评分4545 使用 AWS CDK 在 Amazon Bedrock 托管型 Knowledge Base 上构建企业级智能体检索
AWS 博客演示如何用 AWS CDK 在 Amazon Bedrock Managed Knowledge Base 上构建企业级智能体检索。相比传统单轮 RAG，系统由推理智能体决定是否检索、经 Gateway 以 MCP 工具形式调用知识库并多轮规划，AgenticRetrieveStream API 返回带引用的答案。
AWS Machine Learning BlogAI 评分4646 Amazon Bedrock 上使用 OpenAI 模型的提示词缓存模式解析：打破 AI Agent 的“土拨鼠之日”循环
AWS 在 Amazon Bedrock 上讲解如何用提示词缓存优化 OpenAI 模型（如 gpt-6-astra）的 AI Agent 调用。Agent 每一轮都要重发工具定义、指令和历史，缓存可存储 prefill 阶段的 KV 状态并复用。
AWS Machine Learning BlogAI 评分5656 AWS 手把手教程：在 SageMaker AI 上做多轮强化学习，用约 $339 把 GPT-OSS-20B 的 Wordle 解题率从 61% 提到 84%
AWS Machine Learning Blog 发布在 Amazon SageMaker AI 上做多轮强化学习（MTRL）的实操指南，以 Wordle 为教学示例，训练信号只来自整局结果评分，agent 托管在 Amazon Bedrock AgentCore，用 GRPO 更新 LoRA 适配器。
OpenAI NewsAI 评分3636 OpenAI 如何扩展 Habitat 在线存储以服务超 10 亿 ChatGPT 用户（第二部分）
OpenAI 介绍如何扩展 Habitat 存储系统，为超过 10 亿 ChatGPT 用户实现在线存储扩容。方案包括可靠的多租户支持、全球缓存以及 Azure Cosmos DB，最终将读取速度提升 12 倍。
AWS Machine Learning BlogAI 评分4545 用 AWS CDK 编排 SageMaker AI 终端节点自动扩缩容
AWS 博客讲解如何用可复用的 CDK construct 配合 CloudFormation 自定义资源，解决 SageMaker AI 实时终端节点更新时自动扩缩容导致部署失败的问题。
AWS Machine Learning BlogAI 评分4848 Bayer Crop Science 如何基于 Amazon Bedrock AgentCore 与 AWS Unified Operations 构建智能体决策引擎
Bayer Crop Science 在其 Connected Decision Engine（CDE）之上构建了 Agentic Decision Engine（ADE），一个多智能体自然语言界面，运行在 Amazon Bedrock AgentCore 上。
AWS Machine Learning BlogAI 评分3232 IskayPet 如何用 Amazon Bedrock Managed Knowledge Bases 统一企业知识
西班牙宠物护理公司 IskayPet 基于 Amazon Bedrock Managed Knowledge Bases 构建了覆盖 330 多家门店、3 国 4 种语言的企业知识助手，无需自行维护 RAG 基础设施。
Hugging Face BlogAI 评分5656 IBM Research 发布 Granite Timeseries Ensemble R1 时间序列集成预测方案
IBM Research 在 Hugging Face 发布 Granite Timeseries Ensemble R1，将四个预训练 Granite 时间序列模型组合为免重训练的集成配方，输出中位数和分位数预测。
OpenAI NewsAI 评分2727 OpenAI 如何理解 Forward Deployed Engineering（FDE）
OpenAI 介绍了其 Forward Deployed Engineering（FDE，前置部署工程）的定位与工作方式。FDE 团队直接与客户协作，将 OpenAI 的模型能力落地到实际业务场景中。
Hugging Face BlogAI 评分5353 Dharma AI 提出词表专用化方法 VocabX，在葡语作文批改器上实测推理成本降低 77%
Dharma AI 介绍其 VocabX 方法，按每个 token 的成本而非出现频率为领域专用小模型重建词表，并同时在子词层和多词宏 token 两层做压缩。
Hugging Face BlogAI 评分4747 TorchNeuron 性能剖析（第一篇）：在 AWS Trainium 上做系统级剖析
Hugging Face 演示如何在 AWS Trainium 上用 TorchNeuron 及其 PyTorch 后端系统性分析推理性能。
GitHub Blog · AI & MLAI 评分5353 三位 Java Champion 畅谈使用 GitHub Copilot 提升生产力的实践经验
GitHub Blog 采访 Vlad Mihalcea、Patrick Baumgartner 和 Frank Delporte 三位 Java Champion，分享他们在生产和开源项目中使用 GitHub Copilot 的具体做法。
GitHub Blog · AI & MLAI 评分4545 如何在 VS Code 中继续 GitHub Copilot 应用的会话
GitHub Copilot 应用中的智能体会话可直接在 VS Code 中打开继续，对话、代码改动和工作树上下文完整保留。开发者可在 VS Code 中逐行审查智能体的 diff、手动编辑文件、用集成终端本地运行验证（如 npm test、npm run dev），并将改动推送到会话关联的 pull request。
GitHub Blog · AI & MLAI 评分5656 GitHub 详解基于 ModernBERT 的密钥检测模型如何减少误报
GitHub 讲解其新的上下文感知密钥分类器，采用两阶段流水线，用微调的 ModernBERT 分类器替代原有 LLM 流水线，并借此将通用密钥检测扩展到 push protection。
GitHub Blog · AI & MLAI 评分4747 GitHub Copilot 新手系列：如何让 Copilot 了解你的代码库
GitHub Blog 的 Copilot for Beginners 系列文章讲解四种让 GitHub Copilot 适配项目的方式：通过 .github/copilot-instructions.md 自定义指令、.github/skills 中的 agent skills 打包可重复流程、.github/agents 自定义 agent 处理跨文件的大型任务。
GitHub Blog · AI & MLAI 评分4040 GitHub 谈 AI 时代开发者需要加强的三项技能
GitHub 发文介绍 AI 正在改变开发者工作方式，并提出三项值得加强的技能：学会指挥 AI 智能体而非仅使用它、不轻信 AI 的第一个答案（可用第二个模型进行批判性评审，GitHub Copilot 内置的 Rubber Duck 智能体即采用此方式）、以及利用 AI 节省的实现时间去解决更大范围的问题。开发者仍需为结果负责，判断力和权衡取舍能力将更加重要。
GitHub Blog · AI & MLAI 评分5252 GitHub Copilot app 新手教程：用 canvases 搭建自定义工作流
GitHub 官方教程介绍 GitHub Copilot app 的 canvases 功能，用 /create-canvas 技能以自然语言描述工作流即可生成可共享的自定义界面，如看板、发布清单或仪表盘。画布双向同步，用户操作与 Agent 更新实时共享；创建的画布会保存为扩展，可团队共享或个人复用，社区已通过 Awesome Copilot 提供现成扩展。
Mistral AI精选AI 评分6161 Mistral 复盘用 AI 智能体将 4 万行 Fortran 77 迁移到 C++ 的方法
Mistral 介绍其为欧洲能源运营商迁移 4 万行 Fortran 77 油藏模拟代码到 C++ 的实践，目标是 30 万行代码库的第一阶段。项目先构建数值对齐验证框架，用 Vibe CLI 启动上百个智能体结合 Mistral OCR 生成文档并提交 PR；对比完全自治和纯手动两种极端后，落地为规划、编码、测试、审查智能体加人工审查节点的模块化工作流。
推荐理由：Mistral 复盘 AI 智能体迁移大型遗留代码的完整方法，先建数值对齐验证、再补文档、最后用带人工审查的结构化工作流。