已升级！DeepSeek-V4.1-Flash-1017限时加量
DeepSeek-V4.1-Flash 升级至 1017 最新版本，并参加方舟 Agent Plan 个人版限时加量不加价活动。该模型可用量限时翻倍至 12 月 30 日；Agent Plan 与 Coding Plan 可同时持有 4 个活动，活动权益可叠加。
全部技术动态
火山引擎Agent社区AI 评分3535 大淘宝技术精选AI 评分7676 天猫数字员工（协作篇）- 研发的暗物质与 AI Native 组织协作
天猫技术以驻钉钉需求群的数字员工探索端到端研发协作，通过共享需求上下文和沉淀业务资产，减少信息交接、等待检索与隐性知识流失。数字员工已在天猫技术所有业务线落地推广，月均活跃需求交付100+，上下文层按知识、能力、过程、协作四个维度组织资产。文章提出流程协同、单人主导、数字员工主导三级演进路径，目前交付主要运行在前两级，第三级自主推进与定向找人仍在探索，放权前需建立门禁、回滚和升级人工机制。
推荐理由：将研发提效拆成协作路径压缩与隐性知识沉淀两条线，为定位编码之外的交付瓶颈提供了可迁移的分析框架。
京东技术精选AI 评分7575 Jev：当 AI 不再"写答案"，而是直接做决策
Jev 面向结构化问题返回有类型的决策及概率，京东技术围绕其与 LLM 的分工和生产接入展开解读。其 Choice、Score 和 Noul 三种输出分别用于选择、评分和带概率的二元判断，但类型正确不等于语义正确，概率输出也不能替代业务安全约束。落地建议从高频、边界清楚、可评测、可回滚的决策点开始，比较规则、传统分类器、LLM 结构化输出与 Jev，并经过离线评测、影子运行和逐步放量。
推荐理由：将决策模型接入拆成契约定义、基线比较和影子运行，把类型约束、概率评测与执行权限分开处理，可迁移到边界明确的自动化节点。
QoderAI 评分3030 一个更轻的选择：Qoder 国际版推出Lite套餐
Qoder 国际版新增 Lite 套餐，定价每月 10 美元，提供 1000 Credits，智能体、全端支持及 Skills、MCP 等扩展均不缩水。日常任务可用三款 Flash 模型，倍率 0.1x；晚十点至早八点错峰使用 Qwen3.8-Max 倍率降至 0.2x。价格档位为 Free 免费试用两周、Lite 每月 10 美元、Pro 每月 20 美元，首购首月给 2000 Credits。
快手技术精选AI 评分7272 从工程师到全员，从个体到组织：快手企业AI生产力实践
快手科技副总裁王诩在 QECon 大会分享快手两年 AI 生产力实践，路径分为 AI 嵌入研发流程、全员通用智能体、团队级 Agent 协作链和成立企业 AI 生产力（iWork）组织四个阶段。
推荐理由：快手把两年 AI 提效实践拆成四个阶段，并复盘个体提效为何难以带动组织效率。
阿里云云原生精选AI 评分5050 Agent 自进化的数据底座：阿里云 SLS Session Store
阿里云 SLS 推出 Session Store，将接入的 OpenTelemetry Trace / Log 解析、关联为标准化的 Trajectory 执行轨迹，把任务输入、模型与工具交互、执行结果及运行指标组织在一起。
字节跳动技术团队精选AI 评分5858 720P 直升 8K，解密 2026 抖音美好奇妙夜巨幕超分黑科技
火山引擎 AI MediaKit 巨幕超分方案在 2026 抖音美好奇妙夜中，将 720P/1080P 素材增强至 8K 用于 20 米舞台巨幕播放。方案通过逐帧语义级纹理生成、边缘细节重建和时序一致性约束，补全原始素材中不存在的细节并避免帧间闪烁。该能力此前已在 2026 年春晚将 Seedance 2.0 生成的 720P 视频增强至 8K，目前最高支持 16K/32K 分辨率输出。
推荐理由：原文拆解了巨幕超分在纹理生成、边缘重建与时序一致性上的具体做法，可了解生成式补全如何落到工程交付。
火山引擎Agent社区精选AI 评分5858 DeepSeek-V4.1-Flash 新版本登陆火山方舟，效果无损“经济版”八折上线
火山方舟上线 DeepSeek-V4.1-Flash-1017，相较 9 月 10 日首发版本，Agent 与代码能力提升，在 Terminal-Bench 4.0、DeepSWE v1.1、ProgramBench 等基准上较上版显著提升，任务运行时间与输出长度明显缩短。
推荐理由：火山方舟上线 DeepSeek-V4.1-Flash-1017，并给出标准版与经济版同权重、8 折计费的差异，便于对比选型。
腾讯技术工程AI 评分3030 从0到1打造AI电影！基于WorkRally的创作实践
作者用10个晚上、借助WorkRally我可接力等AI工具独立完成了AI漫剧《龙舟》，并在PCG·AI漫剧主题赛中获亚军。全流程覆盖混元写剧本与人物设定、GPT-image2与Nano Banana Pro生成画面、WorkRally无限画布生成788张图和850段视频，以及Suno制作9首配乐。
腾讯WorkBuddyAI 评分2525 WorkBuddy 多款模型上新、更新公告
WorkBuddy 接入 Xiaomi MiMo-V2.6-Pro、MiniMax-M3.1-Flash，并将 DeepSeek-V4.1-Flash 更新至 V4.1-Flash-1017 版本。
腾讯技术工程精选AI 评分7272 从 BERT、GPT 到 Jev：一文看懂大模型架构的演进与分化
文章梳理 Transformer 以来大模型架构的演进，指出 BERT、T5、GPT 三条路线的实质差异在于注意力可见范围和预训练任务。文中分析 2026 年 9 月 TypeSafe AI 发布的 Jev 在 prefill 后不进入 decode，直接读出各选项概率，并对照开源项目 Laya 说明去掉生成不难、难的是底层网络的理解能力。
推荐理由：文章把 BERT、GPT 到 Jev 的架构差异落到注意力可见范围与输出方式两点上，便于读者理解判断类模型与生成式 LLM 的分工。
大淘宝技术精选AI 评分8282 告别 AI Demo 页面：构建支持淘内货品运营、可C端投放的会场 Agent Harness
大淘宝技术介绍方舟 AI 会场 Agent Harness，把用户一句话需求经策划、视觉设计、数据装配与页面构建链路转化为可投放淘内或端外的 page.html 会场。
推荐理由：淘天团队拆解会场 Agent 的 Harness 环境，涵盖 Skill 体系、SubAgent 上下文隔离与质检观测，可供构建生产级 Agent 参考。
腾讯技术工程精选AI 评分8888 3 个月用Harness重构90万行旧项目：实战经验与踩坑总结
腾讯技术工程团队用Harness工作流在3个月内将约90万行的视频剪辑旧项目重写为约12万行代码、15万行文档和6000+测试用例，测试覆盖率86%，7、8两个月迭代了30+新功能需求。
推荐理由：团队用3个月把90万行旧项目重写为12万行，文中给出Harness工作流各阶段的具体做法与踩坑。
高德技术精选AI 评分7272 高德发布ABot-ER：具身大脑，不该只会一招！用“数据—模型自进化”解锁一脑多能
高德视觉技术中心推出统一具身推理模型 ABot-ER，以智能体驱动的数据—模型自进化引擎将模型错误转化为下一轮数据需求，并用任务条件化训练协调多任务学习。单个 9B 权重在十二项具身推理基准上取得综合 SOTA，其中 RoboVQA 达 71.79、Cosmos 达 68.96、VABench-P 达 63.33。
推荐理由：高德开源五种规模的具身推理模型与训练数据，读者可了解其数据与模型自进化的训练方法。
阿里技术AI 评分1818 清华×阿里 AI Native人才培养计划暨格造社启动日活动举行
清华×阿里 AI Native 人才培养计划暨格造社启动日活动在清华大学举行，格造社首批近40个课题发布，涵盖算力与系统、模型与智能应用、公益创新三大方向。格造社由清华大学无穹书院与阿里巴巴共建，是学生 AI 开源俱乐部，学生可借助平头哥真武算力、魔搭社区模型与工具，用一个学期形成可运行、可演示的阶段成果，并开源发布在魔搭社区。
千问AI平台AI 评分2222 千问 AI Arena × 沙利文｜联合发布二期任务，聚焦“消费决策助手 Agent”
千问 AI Arena 第二期任务「消费决策好帮手：智能选购顾问」正式上线，由沙利文、阿里云高校合作团队与千问 AI 平台联合推出。参与者需开发能理解用户预算、场景与偏好，并从商品信息、用户评价和媒体评价中整理比较、推荐三款产品的 Agent。本期提供开发代金券补贴，优秀作品可获奖品，大学生还可领取高校专属优惠券参与能力测评。
京东技术精选AI 评分7272 大表治理之分表实践：带你手搓一个简单的数据库分表组件
京东技术团队分享了其自研分表组件的设计与实现，基于 MyBatis 插件机制，用策略模式加责任链模式完成 SQL 拦截与重写。组件按仓库编号分表，支持单写单读、双写单读、单写双读等多种读写策略，双写时用分号拼接两条 INSERT 同时写入旧表与分表，双读时用 UNION ALL 合并结果并对 COUNT、SUM 做外层聚合。
推荐理由：京东团队公开自研分表组件的设计思路与双写双读 SQL 重写细节，可作为大表治理的工程参考。
腾讯技术工程精选AI 评分7878 把逆向工程交给 Agent：一文拆解爆火的 REA 技术原理
腾讯技术工程发文拆解 GitHub 项目 REA（Reverse Engineer Anything）的技术原理，该项目把 Hopper、Ghidra、IDA、JADX 等逆向工具包装成 MCP 接口供 Agent 调用。
推荐理由：文章拆解 REA 如何用 MCP 桥接 Ghidra、IDA 等工具，把逆向调查流程交给 Agent，并附社区案例与边界说明。
美团技术团队同事件AI 评分8888 SLM 生成式高并发推理引擎：延迟约束下的有效吞吐优化
美团技术团队公开了面向搜索推荐场景 SLM 有界生成负载的推理引擎，以静态 DAG 组织完整业务请求，结合 AOTInductor 编译、Packed Prefill、请求内 K/V 共享与选择性 FP8 压缩调度和计算开销。
同一件事，精选收录的是《SLM 生成式高并发推理引擎：延迟约束下的有效吞吐优化》
美团技术团队博客精选AI 评分8888 SLM 生成式高并发推理引擎：延迟约束下的有效吞吐优化
美团技术团队公开了面向搜索推荐场景 SLM 的推理引擎，以静态 DAG 组织完整业务请求，结合 AOTInductor 编译、Packed Prefill、请求内 K/V 共享和选择性 FP8 压缩调度与计算开销。
推荐理由：美团公开了面向搜推有界生成负载的推理引擎设计，含分层 A/B 数据与适用边界，可供同类低延迟场景参考。
vivo互联网技术精选AI 评分5858 Agent 不能只记录调用了什么，还要记录为什么调用 | KDC 系列 03
vivo 互联网存储团队在 KDC 系列第三篇中提出推理对象（Reasoning Object），用于记录 Agent 做出判断的目标、知识引用、证据、风险与行动授权，而不只是记录 Tool 调用。
推荐理由：文章用一次误退款案例拆解 Agent 行动审计缺口，提出推理对象与 Tool、Skill、Capability 的分层责任，可供设计高风险 AI 行动治理时参考。
得物技术精选AI 评分8282 动态规则的 Agent 实践：用确定性工程驾驭 LLM 的资产智能验收
得物技术介绍了资产验收场景的 Agent 实践，把验收规则以文本配置下发，由 LLM 负责材料提取与规则比对，文件解析、印章检测、数值核对等环节交给确定性代码。系统配套用户反馈推导标准答案、试跑与回测双阈值门禁、三种流量四道隔离闸门，并采用提取与判定分离的双制品模型、关键判定多模型投票和盖章检测三级流水线。文中称月均验收单审批量数百单，规则发布需回测一致率超过配置阈值（如≥90%）才允许常规发布。
推荐理由：得物技术公开资产验收 Agent 的确定性工作流设计，含试跑回测门禁与防幻觉护栏的具体实现。
阿里技术精选AI 评分7272 手把手带工程同学从零实现一个完整的 LLM（CS336）——Transformer 篇
阿里技术作者以工程背景学习斯坦福 CS336 课程，跟随 Assignment1 从零手写一个 Llama 风格 decoder-only Transformer，并逐模块拆解实现。
推荐理由：作者以工程背景从零手写 Transformer 各模块，并附参数量与 FLOPs 核算，可作为理解 LLM 底层结构的实操参考。
阿里技术精选AI 评分7272 深度解析 RSI：当 AI 开始实现自我迭代提升
阿里技术系统梳理了 RSI（递归自我改进）的概念边界，指出它与 Agent 自进化、持续学习的关键区别在于改进必须由 AI 自身完成。
推荐理由：文章把 RSI 从概念争议到 DGM、SEAL、AlphaEvolve 等代表工作串成一条线，并给出可复用的六步闭环框架。
腾讯技术工程精选AI 评分6262 三万字长文：大语言模型从零入门
腾讯技术工程发布近三万字长文，用猜数字和“他口渴了，于是喝了一杯____”等同一组例子，从预测下一个 token、熵与交叉熵讲到神经网络、Transformer 和从模型到 ChatGPT 的后训练流程。文章称不需要机器学习背景，数学只用到加减乘除和对数，带计算过程的公式可跳过。文中还梳理了幻觉、知识截止、上下文有限等局限，并引用 DeepSeek-R1 报告说明可验证奖励的推理强化学习。
推荐理由：长文用同一组例子把预测下一个 token、交叉熵、Transformer 到后训练串成一条线，适合作为入门路径参考。
腾讯技术工程精选AI 评分6565 Agent、MCP、Skill、Cli、Model 一次讲透：老系统接入 AI 的概念地图与三条路径
腾讯技术工程以数字化团队作类比，梳理 Model 是大脑、Agent 是数字员工、Skill 是岗位手册、MCP 是转接头、CLI 是对讲机的关系，并说明 MCP 与 CLI 可以嵌套。
推荐理由：文章用团队类比理清 Agent、MCP、Skill、CLI、Model 的关系，并给出老系统接入 AI 的三条路径与选型决策树。
腾讯技术工程精选AI 评分8282 别只盯着AI Coding，真正的变化发生在整个研发流程
腾讯技术工程复盘 OK 平台端到端 AI 研发实践，安全中心项目空间 4 月至 6 月提交的 254 条需求中，AI 端到端完成 172 条（68%），51% 的需求在 2 小时内完成。
推荐理由：腾讯 OK 平台公开了端到端 AI 研发的九阶段流程与真实运营数据，可看到各环节质量门的具体设计。
阿里技术精选AI 评分8080 高德本地生活分析 Agent 的 AI Native 实践全景（万字长文回顾）
高德本地生活分析 Agent 在 FY27 S1 完成建设，支撑本地生活多个业务单元例行经营诊断，全行业经营简报一小时内产出。文章按 L0–L4 能力分级梳理进展，认为绝大部分任务已具备 L3 特征，部分场景走到 L4。作者复盘了分析执行、知识复用、经营判断三段返工，并给出指标口径更新 Pipeline、事实绑定与三层检查等做法。
推荐理由：高德本地生活分析 Agent 的万字复盘，记录了分析执行、知识复用与经营判断三段返工中的具体取舍。
阿里技术精选AI 评分7878 AI Native 回忆录：稳定性前端 S1 实践复盘
阿里稳定性团队复盘 S1 的 AI Native 研发转型，通过结构化技能、Anchor 插件和质量门禁，将跨角色生成的代码纳入团队交付流程。设计原型库与正式库分离但共享规范，AIOps 原型代码复用率从不足 30% 提升至 80%，还原、走查和修改从两三天压缩到半天。跨端开发仍需专业 owner 评审与结对支持，返工、缺陷、长期维护成本及应急助手的诊断效果尚未形成完整衡量结果。
推荐理由：把技术栈识别、规范加载和提交检查嵌入代码生产流程，为跨角色使用 AI 后如何减少交接返工提供了可迁移的工程方法。
阿里技术精选AI 评分8181 从榜单走向真实业务负载：Kernel Agent 刷新 Qwen3.8-Max 核心推理算子性能
阿里 TRE AI 系统工程团队用 AKA 优化 Qwen3.8-Max 的三类核心算子，在 60 个真实业务 shape 上均取得低于专家版本的几何平均时延。AKA 与算子库 atrex-kernels 已开源，地址为 https://github.com/alibaba/atrex-kernel-agent 和 https://github.com/alibaba/atrex-kernels。
推荐理由：文章用 60 个真实业务 shape 对比生产基线与专家实现，并拆解三条算子线的结构优化，呈现 Kernel Agent 从榜单验证走向生产交付的工程路径。
阿里技术精选AI 评分7979 代码生成越来越快，软件交付真正的瓶颈转向了哪里？
阿里巴巴 AI Native 研发实践论坛的六组分享指出，代码生成提速后，软件交付瓶颈转向需求澄清、上下文衔接、环境复现、结果验证和生产治理。现场分享称，阿里巴巴编码通常只占软件交付总时长的 20%—30%；飞猪平台技术团队通过需求检查及流程线上化、标准化，将需求从评审到上线的端到端平均周期由 2—4 周缩短至 1 周，各团队指标口径不同，不宜直接横向比较。
推荐理由：将编码提速与端到端交付拆开考察，为团队识别需求澄清、跨角色协作和验证环节的瓶颈提供了具体的分析框架。
vivo互联网技术精选AI 评分5858 知识不是文件，也不是向量 | KDC 系列 02
vivo 互联网存储团队在 KDC 系列 02 中区分知识与文件、向量及 RAG，并将知识定义为已经验证、可复用且能降低不确定性的认知成果。文章以旧版退款政策被检索误用为例，提出知识对象应管理来源、证据、版本、成熟度和适用边界，并介绍了 Knowledge Card 的实践检查项。作者说明 KDC 仍处于开放研究阶段，相关定义与框架尚非成熟的行业标准。
推荐理由：旧版退款政策被高相似度检索误用的案例，具体呈现了版本、有效性与适用边界治理的重要性，文中还给出 Knowledge Card 的检查框架。
得物技术精选AI 评分8888 别再只卷向量检索了，得物交易搜索如何用“生成式”实现召回范式跃迁？
得物交易搜索团队复盘过去一年从判别式检索转向生成式召回的实践，覆盖LLM文本索引增强、多模态四塔向量召回、HLLM语义表征、HSTU行为序列建模与基于语义ID的统一生成式召回。
推荐理由：得物交易搜索团队完整复盘从判别式检索转向生成式召回的工程路径，包含量化方案与线上架构取舍。
字节跳动技术团队精选AI 评分5858 OpenViking × LLM-Wiki：让团队文档不再“各说各话”
字节跳动技术团队以客户赔付口径冲突为例，演示如何用 OpenViking 零代码搭建 LLM-Wiki 团队知识库。流程包括通过本地上传、链接、飞书文档同步和 add-resource 命令导入资料，再用 Compile 配合自定义或官方 llm-wiki skill 将原始数据编译成带交叉引用的 Wiki，成员可在控制台编辑修正。
推荐理由：以赔付口径冲突的案例串起导入、Compile 编译、人工修订到 Agent 检索的完整链路，可作团队知识库落地参考。
腾讯技术工程精选AI 评分6262 腾讯15年资深后台工程师，转战大模型推理的抉择
腾讯资深搜索后台工程师吴银光讲述自己2025年初放下T12与管理头衔、转入大模型推理工程团队的经历与思考。他给出推理工程入门路径，包括建立模型结构与推理体系认知、阅读nano-vLLM和mini-sglang源码、深入PD分离与分布式KV Cache等方向，并设计同批次共享前缀、Beam Search等自检练习。
推荐理由：一位15年后台工程师复盘转岗大模型推理的路径与自检方法，并给出AI Infra与通用Infra同源分流的判断。
美团技术团队博客精选AI 评分8888 MTFM：美团统一推荐基座大模型在外卖多业务场景的落地实践
美团技术团队提出统一推荐基座大模型 MTFM，在 MTGR 基础上首次实现外卖多个主要业务的统一精排模型，相关工作已被 KDD 2026 收录。模型以异构 Tokenizer 与动态掩码实现多场景特征免对齐，用混合注意力与 Target Scale-Up 提升 Scaling 能力，并借鉴 LLM 的初始化、Muon 优化器等实践改善深层网络训练。
推荐理由：美团公开了推荐基座模型从多场景统一建模到训推优化的完整工程路径，可看工业级 Scaling 如何落到业务指标。
阿里云云原生精选AI 评分6767 看清 Coding Agent：从执行记录到风险调查
阿里云云原生介绍 LoongSuite-Pilot 与 AgentLoop 组合的 Coding Agent 审计方案：前者把会话日志和 Hook 记录整理成统一事件时间线并支持脱敏，后者用规则加模型结合任务上下文判断操作是否越权。
推荐理由：文章用提示词注入和误删两个真实案例，说明审计 Coding Agent 需要把用户要求与实际调用放在一起核对。
大淘宝技术精选AI 评分7575 Loop engineering：把 agent 放进工程循环
大淘宝技术团队撰文讨论 loop engineering，主张工程师不再逐轮提示 agent，而是设计包含读取状态、判断任务、执行、验证、记录状态和停止条件的自动化循环。
推荐理由：文章把 loop engineering 拆成六个组件并给出可落地的 CI triage 示例，读者可据此判断哪些任务适合交给 agent 循环。
阿里云云原生精选AI 评分6060 云效智能评审：让团队规则持续生效
阿里云云效智能评审新增「评审记忆」能力，团队可在 MR 评论中把已澄清的规则保存为当前代码库的评审记忆，后续评审自动将其纳入判断依据。云效团队在内部测试集上对比测试，使用评审记忆后错误评审意见减少 96.9%，该数字仅反映本次测试集上的降幅。
推荐理由：原文给出评审记忆的沉淀方式、治理开关和内部测试集上错误意见降幅，可据此判断团队规则如何进入代码评审。
大淘宝技术AI 评分1010 让Agent可评、可控、可迭代：业务效果导向的评测体系与场景实践
大淘宝技术分享面向业务效果的 Agent 评测体系与场景实践，目标是让 Agent 可评、可控、可迭代。文章从评测体系与业务场景落地两方面展开，讨论如何用评测支撑 Agent 的持续迭代与可控性。