OpenAI 发布餐饮加盟商 Ted Taylor 的使用案例：他经营 3 家 Schlotzsky's 和 Cinnabon 门店，用 ChatGPT Work 汇总分析定价、销售、预测、排班和人力数据，对账时间减少 94%，重新定价耗时降低 95%，菜单调价从 5 天缩短到 1-2 小时，每次薪资核算节省 4 小时。ChatGPT Work 会输出含建议店内价与外卖价的表格，并关联留存、减少价格冲击等整体定价策略。
推荐理由看一个非技术行业的具体用法：调价从 5 天压到 2 小时，可对照自己的数据汇总场景
DEV Community 作者 James Anderson 发文称，近两年开发者社区弥漫着一种压力：公开承认自己享受编程似乎变得不合时宜。他引用 Chris Kiehl 的文章《It's Still OK to Enjoy Programming》，认同其观点——享受一件事不需要经济理由。他认为「编程已死」的叙事并非靠论证说服人，而是靠信息流反复灌输，让人在不知不觉中接受「一件事的价值等于它的经济价值」这一前提。原文信息有限，未给出具体数据或案例。
推荐理由写代码的人可以借此识别「AI 取代论」如何靠重复而非论证影响判断
Fireworks AI 宣布 Muse Glimmer 30B 的监督微调（SFT）免费开放至 11 月 30 日。用 Kalshi 历史市场数据微调后的 tuned Glimmer 在未见过话题上的预测准确率为 58.3%，比 Jev 的 47.1% 高 11.2 个百分点；在历史回测中，扣除模拟交易费后，假设的 1000 美元变成 1071 美元，而 Jev 和 base Glimmer 均亏损。训练集为 2026 年 1 月 4 日前结算的 20051 个问题，评测集为 4 月 8 日后开盘的 33712 …
推荐理由免费 SFT 窗口到 11 月 30 日，附 Kalshi 预测实验完整配方，可直接复现
多位开发者分享用 AI 改造智能电视的方案：cleanyourtv 作者用 Claude Code 通过 Wi-Fi 识别电视型号，移除小米电视上的 25 个预装包并重写启动器，界面接近 Apple TV；他把提示词放到 GitHub 后，两天内有数千人对小米、TCL、索尼、Fire TV、LG 等设备做了同样操作。另一方案 dumbtv 已在 Fire TV Edition 及索尼、TCL、飞利浦、海信、小米、Shield 的 Android/Google TV 上完成端到端测试，目标是去掉电视自带广告、观看追踪…
推荐理由想给电视去广告、关追踪的人可以直接拿到 GitHub 上的提示词和方案，无需 root。
Simon Willison 更新调试插件 llm-echo 至 0.5 版本。该插件提供一个不调用真实 LLM 的「模型」，只回显输入提示词，用于调试。新版模拟 token 用量时会计入工具调用、系统提示词和推理 token。示例中执行 llm -m echo 'hi there' -o thinking 1 --usage 后，输出显示 2 个输入 token、24 个输出 token。
推荐理由用 LLM 命令行工具调试 Agent 时，可以用它零成本验证 token 计费逻辑
一位开发者记录了自己 30 天只用 Claude Sonnet 5.5 免费版、不追新模型的实验。期间他完成了多个客户项目，包括印度客户的电商网站、自己代理公司 TheBitForge 的官网，以及用付费 Floot 搭配 Claude 搭建的全栈博客平台（含管理后台、AI 摘要和邮件订阅）。但他也遇到客户要求整站重做，并由此得出结论：客户品味不在任何 benchmark 里，工作难点在人而非模型。原文信息有限。
推荐理由追新模型追到疲劳的开发者可以看看：作者用免费版模型照样交付了多个项目
开发者用 Thinking Machines 的 Tinker 微调开源模型 Qwen3-8B，做了一个「复杂度打分器」：在把 prompt 发给 AI 之前，先由这个轻量端点给出 0.00 到 1.00 的复杂度评分，应用再据此决定用便宜模型还是强模型，以降低 API 成本。作者称微调后准确率从 50% 提升到 76%，模型保持开源可下载，计划只对托管 API 收费。原文未披露训练成本、数据集规模和评测方法。
推荐理由想用便宜模型分流请求省 API 费用的开发者，可参考这个 50%→76% 的微调思路和评分分级设计
NVIDIA 推出 Structured Data Models 库，把 TabICLv2、KumoTabular（单表）和 KumoRelational（关系数据库）等预训练表格基础模型统一到一个 PyTorch 接口下。模型通过上下文学习工作：输入带标签的行和待预测行，一次前向传播即返回概率或完整预测分布，无需训练。教程对比了这两个表格模型与训练过的 scikit-learn 基线，演示复用编码上下文、读取回归的校准预测区间、扩展到 20 个类别，并指出默认预处理会丢弃时间戳和文本列、解释器存在两个陷阱，最后用…
推荐理由想跳过训练直接做表格预测的开发者，可拿到安装命令、与 sklearn 基线的对比和默认配置的坑。
作者把深度学习考试里的 10 种 Prompt 技巧（Zero-Shot、Few-Shot、Chain-of-Thought、Tree-of-Thought、角色扮演、生成知识、Maieutic、Least-to-Most、格式指定、多轮对话）全部换成开发者场景的例子重讲，比如用 Few-Shot 让模型按 feat:/fix:/refactor: 前缀自动生成 commit message、把旧 API 响应格式批量转成新格式。原文还附了一张速查表和组合使用技巧。
推荐理由写 commit message、转 API 格式这类重复活，可以直接照抄 Few-Shot 例子省掉一次性脚本
《纽约杂志》发文关注中国的 AI 学习热潮。作者 Afra Wang 描述，经济焦虑和害怕落后的心态，推动了承诺通过 AI 致富的课程市场繁荣。文章以杭州为例：今年 5 月，作者坐在杭州边缘的一间客厅里；杭州是中国技术最先进的城市之一，阿里巴巴、宇树科技和 DeepSeek 的总部都设在这里。原文为付费媒体长文，公开摘要信息有限。
推荐理由想了解国内 AI 培训市场为何火爆，这篇从杭州客厅切入的一线观察提供了一个外部视角。
一位开发者撰文说明在把真实项目交给 AI 应用构建器前，自己会先确认哪些问题。他以 YC 投资的 Floot 为案例：Floot 通过 MCP 连接器接入 Claude、ChatGPT、Cursor，由用户自己的模型完成建项目、写文件、开数据库、运行、读报错和发布，Floot 只提供托管 Postgres、认证、文件存储和托管等基础设施。作者指出，Floot 早期宣传的“三次 AI 处理”来自其独立编辑器产品，在 MCP 连接器路径下并不存在，自我纠错只靠单一模型。作者未用 Floot 构建过生产应用，只给出评估框…
推荐理由想用 AI 构建器上生产的人，可先看清 MCP 连接器模式下没有第二层 AI 复核，纠错只靠单个模型。
Simon Willison 发布实验项目 Chirp Pong：两名玩家各持一部手机靠近，游戏状态通过麦克风发送的声波（chirp）传输，由 Web 麦克风 API 解析，无需网络连接即可对战。他在 Claude Code 中使用 Claude Opus 5.5 Extra 完成开发，称该方案可行。原文信息有限，未披露具体玩法细节。
推荐理由看一个不用联网、靠声波传数据的双人游戏怎么用 Claude Code 做出来
LlamaIndex 推出 ExtractBench Pro，用于评测 schema 化文档抽取在长尾场景下的表现。此前发布的 ExtractBench 含 370 份文档，其结果显示 LlamaExtract v2.5 最低价档位的 value F1 已超过 93%，接近饱和，但未覆盖真实客户的复杂文档与 schema。新基准包含 100 份文档，全部由确定性流水线从种子和配置文件合成，数据来源为网络及客户真实文档的格式与风格，并做了匿名化处理。数据集分为六类挑战，涉及图表中的数值、跨页规则、密集术语和混乱版式等…
推荐理由做文档抽取的团队可以拿这 100 份合成文档测自家 pipeline，看刚性流程在长尾版式上掉多少分。
OpenAI 在教师节宣布，其免费学习平台 OpenAI Academy 上的 AI for Educators 课程新增巴西葡萄牙语版本，面向中小学及高等教育教师，教他们用 AI 备课、设计活动和评估。同时介绍 ChatGPT 的 Study Mode：在工具菜单中选择 Study 即可开启，通过提问、提示、解释和检查理解来引导逐步学习，该功能与教师、科学家和教育学专家合作开发。原文以生物酶复习和蒸发实验为例说明用法。
推荐理由教师可直接用 Study Mode 的提问式引导备课，葡语版课程已免费开放
一位维护多个开源项目的开发者用 Codex 生成 Angular Update Skill，自动完成版本升级、迁移和依赖更新。实测中遇到三个问题：CI 因 package.json 与 package-lock.json 不同步导致 npm ci 失败，加入 npm ci 验证步骤解决；npm 发布报 404，原因是 Node.js 22 配 npm 10 不满足 trusted publishing 要求的 npm 11.5.1+；Skill 体积过大，精简后主文件从 1252 词降到 701 词，整体缩短约 4…
推荐理由想用 AI 自动化依赖升级的开发者可参考这套验证步骤和踩坑清单
LangChain 发布文章，集中回答 Agent 评测中的常见疑问，涵盖入门路径、离线评测与在线评测的区别、评测器类型、LLM 裁判、基于 Harbor 的基准测试、多轮对话评测，以及如何控制评测成本。原文为问题清单式概览，未展开具体方法与数据。
推荐理由做 Agent 评测前先看这份问题清单，能少走弯路，尤其适合纠结离线还是在线评测的团队。
开发者发布 Ito，一个用 Lua 编写终端 UI 的交互式工作坊。用户通过 require("ito") 返回构建视图的函数，用 ito.state(value) 管理可变状态，并用 VStack、HStack、Text 等组件组合界面。支持 :spacing(1)、:padding(2)、:grow()、:bold()、:dim() 等修饰符调整布局与样式，编辑时预览实时更新，出错则保留上次可用预览。内置 Input 流程处理键盘导航、编辑和取消，提供全屏展开图标，ito.md 可作为给 LLM 的指南。原文信…
推荐理由用 Lua 写终端 UI 并实时预览，ito.md 可直接喂给 LLM 生成界面代码。
Ramp Stack 团队分享了构建记账 Agent 的评测方法：先拆解人类如何完成对账、录入、差异分析等任务，再用合成业务数据（worlds）模拟真实场景，每个评测用例包含任务、世界、轨迹和评分标准四部分。评分标准由会计师撰写、LLM 裁判打分，能显示 6 项中通过几项而非简单通过/失败。团队发现自动提示优化（GEPA 类）效果无法泛化，高推理投入不提升准确率，真正有效的是像调 ML 模型一样做技能消融。
推荐理由做 Agent 评测的团队可直接借鉴：合成数据要脏、评分标准要分项、技能消融比调提示更有效
开发者文章提出，AI 让写代码成本大幅下降，代码「流失率」应被重新看待。作者引用 GitClear 研究称 AI 助手会让两周内被重写的代码比例翻倍，但认为当功能开发从一整个 sprint 缩短到一个下午，重写往往比小心维护更便宜。他以 Forem 近 6 个月 563 次提交为例，改动最多的文件是 app/models/article.rb（37 次），认为核心模型被频繁改动才是结构性问题，而反垃圾代码的频繁改动是合理的。建议明确区分「一年生」和「多年生」代码层。
推荐理由做 AI 辅助编码的团队可参考：把易变代码和核心代码分层，别让新功能都往核心模型里塞
原文是一篇 Jira 集成工具清单，列举了 GitHub、GitLab 等 10 个集成方案，说明它们如何把代码仓库、CI/CD、沟通工具和 AI 编码 Agent 与 Jira 工单连接起来。文中提到 GitHub 集成可关联分支、提交、PR 和构建部署信息，GitLab 集成侧重 DevOps 与合并请求。原文信息有限，未给出各工具的具体价格、实测数据或 AI Agent 集成的细节。
推荐理由做研发流程工具选型时，可先看这份清单里 GitHub、GitLab 与 Jira 的联动范围。
一份在 Node.js 和 TypeScript 中从零构建大语言模型的教程上线。内容覆盖数据集、dataloader、注意力机制、transformer block、GPT 和训练循环，按章节逐步搭建，不依赖黑盒。每章在 @node-llm/chapters 包中提供可运行入口，代码托管在 GitHub；@node-llm/playground 包还将嵌入基于 WebGPU 的在线演示。原文未给出具体章节数量与发布时间。
推荐理由想搞懂 transformer 内部结构的前端或 Node 开发者，可以跟着可运行代码逐章实现一个 GPT。
一位独立开发者用 Grok Bot 运行 PromptBase 一周，该工具是在 Linux 服务器上运行的 agent 团队，可分配任务。他设置了客服 bot（用 Gmail 回邮件）、工程师 bot（写代码）、安全 bot（监控 Cloudflare 和服务器日志）。两个 bot 曾协作修复客户 bug 而无需他介入。他在威尔士 5 小时徒步中用手机指挥 bot 工作。他还让营销 bot 以每周增长 2% 社交触达为目标，开设了 TikTok 和 YouTube Shorts 频道。某晚他让项目经理 bot 在…
推荐理由看一个真实案例：单人创业如何用 agent 团队替代客服、工程、营销岗位
开发者 Sylwia Lask 在 FrontKon 演讲后撰文，实测浏览器内直接运行 AI 模型。她将 Transformers.js 升级到 4.3.1 后重新评估，指出浏览器端推理无需调用 API、无网络往返、不消耗 token 费用，模型下载缓存后可离线运行，数据留在用户设备上。局限是模型体积较小，无法运行前沿大模型，且首次下载和本地推理仍需时间。她提到 WebGPU 可让部分并行计算比 CPU 快数十倍，但现场听众中仅三四人听说过 WebGPU。原文未列出 5 个功能的具体细节。
推荐理由想省 API 成本或做隐私敏感功能的开发者，可先了解浏览器端推理现在能跑到什么程度。
开发者 Rijul 发布教程，介绍如何通过 Browser MCP 把浏览器接入 OpenCode。步骤为：安装 Browser MCP 浏览器扩展，然后在 OpenCode 配置文件中加入本地 MCP 服务配置（command 为 npx -y @browsermcp/mcp@latest）。配置完成后，OpenCode 可执行需要浏览网页的任务，例如打开维基百科「开源软件」页面并列出主要章节标题，而不再只依赖对话中已有的信息。
推荐理由想在 OpenCode 里加浏览器操作能力，照抄那段 mcp 配置即可跑通
LangChain 把文档中内联代码示例迁移为可测试的独立文件，整个迁移工作交给 Deep Agents CLI 完成，无需人工编码。做法是编写一份 Skill 指令，让 Agent 按步骤执行：把代码移到 src/code-samples/{product} 目录、补充 setup 和 teardown、用配置好的 linter 检查、用 :snippet-start: 和 :snippet-end: 标记代码片段、运行示例测试、再根据标记生成片段嵌入文档。之后通过 GitHub Action 在 CI 中定期运…
推荐理由文档代码示例失效是通病，这套 Skill + CI 流程可直接照搬，把迁移交给 Agent 做
DEV Community 用户发文称，浏览社区首页时看到的文章大多集中在 MCP、用 AI 构建的应用、Token、模型和机器学习几类话题，同质化严重，难以找到脱颖而出或容易理解的内容。作者对比 2022 年前的文章，认为当时有 CSS 技巧、开发资源等更多样化的选题。作者承认 AI 已不可避免，自己文章也会涉及 AI，但主张把 AI 当工具而非唯一主题。原文为个人观点随笔，无具体数据。
推荐理由了解开发者社区内容同质化的真实反馈，写作者可据此判断选题差异化方向
一位开发者用 AI 编码代理把闲置的 10 代 Kindle Basic 越狱，做成照片轮播相框。他先试 GPT-5.6 Sol（Extra High 推理），代码能连上 Kindle 但无法在设备上存储数据；再试 Fable 5.1 和 Opus 5.5，两次提示后均被 Anthropic 的网络安全防护拦截；最后用 GPT-6 Astra（High 推理）完成越狱。项目名为 KindleCTL，参考 sparklerfish 与 KindleModding 社区的 SpiderCat 越狱代码，全程通过 Wi-…
推荐理由看三个模型在真实越狱任务上的差异：GPT-6 Astra 能过，Anthropic 两个模型被安全防护拦下。
开发者用 llamadart 在本地运行 EmbeddingGemma，为虚拟世界 Llama Village 实现信息共享判定：把角色台词和事实分别转成向量，用余弦相似度比较，取每条事实与说话者台词的最高分，再决定听者是否获得该信息。文中以「Pip 的红围巾在池塘芦苇里」为例，说明措辞不同但语义相近的句子也能匹配。作者提醒相似度不是真假或蕴含的判定，且 Google 模型卡建议新应用使用任务特定前缀，改格式需重新评估阈值。
推荐理由想在本机跑嵌入做语义匹配的，可参考 EmbeddingGemma 加 llamadart 的缓存与阈值做法
开发者 Sindre Sorhus 将其个人网站从 Astro 迁移到纯 Swift 实现，页面、组件和样式全部用 Swift 编写，浏览器端仍输出普通 HTML 和 CSS 加少量 JavaScript。他自建了一套小型框架，HTML 部分基于 Elementary，样式以 SwiftUI 风格的修饰符挂在元素上，编译时生成带文件名和哈希的类名，避免样式泄漏。共享样式和变体用 enum case 表达，拼写错误无法通过编译。语法高亮由 swift-syntax 在构建时完成，不依赖 JavaScript。CSS …
推荐理由看一个真实案例：用编译器替代浏览器做校验，链接和样式错误在构建期暴露，适合想减少前端工具链的人参考
一名 2030 年毕业的学生因担心 AI 取代编程而不断更换方向，从游戏开发跳到 Web 开发再到嵌入式系统。他在 DEV.to 发帖询问「学 C 还有价值吗」，用户 @francistrdev 回复建议：别追市场，市场波动极大，应专注一个方向并动手做项目，专精比会用某门语言更受市场青睐。作者随后停止从 ESP32 转向 STM32 的计划，继续用 ESP-IDF 开发，并开始动手做嵌入式项目。原文信息有限，未给出具体项目细节。
推荐理由想看清「AI 会不会取代程序员」焦虑下该怎么选方向的人，可以看这条被顶起来的评论逻辑。
尼日利亚开发者发布开源项目 Light don go：笔记本切换到电池供电超过 30 秒后，自动弹出全屏页面，用 Gemma 生成一条活动建议（如出门拉伸、去小卖部买冷饮），配 60 秒计时器和关闭按钮，同一轮断电内不再重复弹出。页面完全离线运行，不加载 CDN 和网络字体。日志显示 10 月 8 日至 9 日记录到多次真实断电，其中一次 Gemma 超时后使用兜底文案。项目面向尼日利亚、南非、印度、巴基斯坦等经常停电地区的笔记本工作者。
推荐理由用电池状态触发本地 Gemma 生成建议的完整开源案例，含真实断电日志和离线实现细节
The Verge 记者在 M5 Ultra Mac Studio（256GB 统一内存）上安装开源 AI Agent 桌面应用 Hermes Agent，并选择 1250 亿参数、约 105GB 的 Qwen 3.8 Flash Next 模型运行，还通过 Telegram 机器人用手机控制。作者称本地跑模型无需按 token 付费，可随意选大模型，但模型数量繁多、选择困难，且装好后面对输入框不知该让它做什么。后续计划在 M6 Mac Mini、M5 MacBook Air、华硕 TUF Gaming A14 等…
推荐理由想本地跑大模型的人可参考：256GB 内存跑 125B 模型、Hermes 免费自托管、Telegram 远程控制
前端工程师 @nyaomaru 发布 changelog-bot，一个 AI 辅助的 CHANGELOG 生成工具，提供 CLI 和 GitHub Action，npm 包名为 @nyaomaru/changelog-bot。核心思路是：WHAT 容易提取，WHY 很难，且不希望 AI 凭空编造理由，因此把 WHY 提取当作「选择问题」而非「生成问题」——先预处理 PR 描述，寻找信号定位候选句，再交给模型。工具可选接入 OpenAI 或 Anthropic，无 API key 时回退到启发式规则；能自动开 PR、…
推荐理由做 CI 自动生成 CHANGELOG 可直接用，npm 包 @nyaomaru/changelog-bot
一名 12 岁开发者发布 KODA v32，一个移动优先的 AI 编程导师应用，整个应用体积仅 142KB，可在 3G 网络下即时加载，运行于 150 美元的 Android 手机。功能包括实时语音对话、多人学习房间（可共享同一聊天界面并语音结对编程），以及按成本分级的模型路由：20b 快速模型用于语法检查，120b 模型用于复杂调试。开发者称通过放弃重型 UI 框架、使用原生 JavaScript 来控制体积和算力成本。
推荐理由142KB 的体积和 3G 可用性给做轻量 AI 应用的人一个具体参考：不用重型框架也能塞进语音和多人协作。
开发者 Maneshwar 分享了他用 Claude Code 在 Blender 中逐条 prompt 制作 3D 动画的经验，并提出让 Claude 从一段文字直接产出完整 YouTube 视频所需的技术栈。核心思路是按能力分工：LLM 负责写 bpy 代码、重链贴图、时间线排片和拼接根运动，人体动作从 Mixamo 等动捕库获取，音效交给专门的音频模型。架构包括 Claude Code 导演技能、YAML 分镜表、Blender MCP 桥接、Mixamo/CMU/Rokoko 动作库、Poly Haven/…
推荐理由想用 AI 自动化 3D 动画流程的开发者可参考这套按能力分工的架构思路。
Hacker News · AI10/10资讯论文研究海外数学家 Thomas Hales 在陶哲轩博客发表客座文章，讨论 Lean 定理证明器的可靠性及其与 AI 的关系。文章介绍形式化数学：形式化证明在数学基础和逻辑规则层面被穷尽检查，通常由计算机完成。已被形式化的定理包括四色定理、Feit-Thompson 定理、开普勒猜想、球面翻转、8 维和 24 维球堆积问题、Navier-Stokes 强制爆破和费马大定理，后三项于今年完成。Lean 由 Leo de Moura 于 2013 年在微软开发并开源，mathlib 库现有近 30 万个定理、超 10 万个定义、…
推荐理由了解 Lean 形式化数学的现状：mathlib 已有 30 万定理，费马大定理等今年刚完成形式化
软件工程师 Jesse Waites 受历史学家 Benjamin Breen 用 Opus 5.5 在荷兰东印度公司档案中发现 1615 年渡渡鸟目击记录的启发，搭建了一套多模型串联的 AI 研究流水线，并行检索 GLOBALISE 项目数字化后的数百万页手写档案。他找到了一份被遗忘的陨石坠落报告、三头失落的犀牛记录，以及未被记载的火山喷发。所有结论都要求能追溯到原始档案扫描件和可查证的档案编号，以应对模型自信出错的问题。
推荐理由想用 AI 做历史档案检索的人可以直接抄这套多模型串联、结果回溯原始扫描件的流水线
Google Research 发布 RRSI（正则化递归自我改进）教程，让 LLM Agent 在冻结模型的前提下重写自己的 harness、提示词、工具、记忆、控制流和子 Agent，同时避免 harness 对演化任务过拟合。完整循环用 Claude Opus 在 Vertex AI 上起草修改，并在 Docker 基准中打分；教程重点拆解决定保留哪些修改的纯 Python 规则，包括估计器、校准噪声带、选择算法两个分支、退火编辑预算、确定性泄漏筛查和编辑历史。原文信息有限，未给出具体评测数字。
推荐理由想动手做自我改进 Agent 的开发者可拿到官方仓库代码和可审计的纯 Python 选择逻辑
Simon Willison 更新了其基于 OpenAI 开源 tiktoken 库的 token 计数 CLI 工具 ttok，发布 0.4 版本。此次更新修复了一个 Click 警告、更新了 CI，并新增 --list-models 命令用于列出可用模型。该工具已停更约两年，支持通过 uvx 直接运行，例如 cat file.txt | uvx ttok 即可统计文本 token 数。
推荐理由用 uvx ttok 一行命令统计任意文本 token 数，新增 --list-models 可查可用模型
Simon Willison 博客引用 Carson Gross 的观点：计算机编程本质上只有两件事——用计算机解决问题，以及在解决问题时学会控制复杂度。他认为，很难想象未来「用计算机解决问题」和「控制方案复杂度」的能力会比今天更不值钱，因此即便 AI 工具出现，编程仍将是可行的职业。原文为引语摘录，信息有限。
推荐理由一句话观点，适合用来回应「AI 会不会取代程序员」的讨论