GitHub 博客:构建一次即可在任何智能体运行的 agent 技能实践指南
GitHub 员工 Andrea Griffiths 在 GitHub 博客发表 agent 技能实践指南,讲解如何将重复任务封装为可跨智能体复用的技能。
推荐理由:本文给出了将重复任务封装为可移植智能体技能的具体方法,团队可借鉴其清单与校验点设计来沉淀业务知识。
GitHub 员工 Andrea Griffiths 在 GitHub 博客发表 agent 技能实践指南,讲解如何将重复任务封装为可跨智能体复用的技能。
推荐理由:本文给出了将重复任务封装为可移植智能体技能的具体方法,团队可借鉴其清单与校验点设计来沉淀业务知识。
Granite 发布 granite-4.1-3b-LLMON-preview 与 granite-4.1-8b-LLMON-preview 两款支持 LLMON 标记语言的实验性预览模型。
推荐理由:与常规指令微调模型相比,这两个 Granite LLMON 预览模型在 OPI 等基准上将间接提示注入攻击成功率降至近零,且通用能力不降级。
AWS 团队发布教程,展示在 Amazon SageMaker HyperPod 上向 PyTorch DDP 训练循环加入三种检查以检测静默数据损坏并替换节点。三种检查分别捕获 NaN/Inf 梯度、通过环形重放审计有限错误值、以及优化步后权重指纹分歧,测试在 32 块 NVIDIA H100 上以约 10% 步时间开销捕获注入故障。
AWS 开源引擎 semi-persistent 使用 anti-unification 计算形式化策略的语义差异,可忽略语法重排凸显语义分歧。文章给出构建命令与 Cedar、Dogwood、OpenShell、CEL 等策略案例,演示如何对比 LLM 生成的多版形式化产物并定位真实错误。该引擎基于 e-graph 与代数规范化,在 Apple M3 Pro 上完整运行耗时不足 100 毫秒。
AWS 推出开源评估框架 UAEF,为 LangGraph、LangChain 等框架构建的 AI 智能体提供统一闭环评估。它用适配器将执行轨迹归一化为通用格式,以36个内置指标跨7维度评分并存入 Amazon DynamoDB 与 Amazon S3,支持版本间回归对比与报告生成。该框架已在电信、医疗、金融等行业的12家组织中使用。
今日,AWS 宣布在 Amazon Bedrock 和 Claude Platform on AWS 上提供 Claude Fable 5.2 与 Claude Mythos 5.2 模型可用。
推荐理由:本文介绍Claude Fable 5.2在Bedrock上的可用性与拒绝重试缓存计费方式,并给出迁移技能,便于开发者降本和升级。
开发者可使用 GitHub Copilot 在 Plan、Build、Verify、Observe 四阶段实现代理工程工作流。文章指出 AI 代码生成增多使评审耗时拉长,并演示了整合上下文、云沙箱续跑、堆叠 PR、自动修复等做法。该指南基于 GitHub 现有功能,并在 GitHub Universe 2026 有过现场分享。
AWS 在教程中演示如何使用 Okta Cross App Access 与 Amazon Bedrock AgentCore 治理 AI 智能体代理用户权限。
Microsoft Research 用 PDD Kit 形式化验证 Pet Store 全栈 Rust 应用中智能体写的登录逻辑,开发者免逐行审查代码。该工具将意图转为 Verus 规格并证明代码满足之,不可证部分用测试覆盖,已接入 Chopin 与 CI。这将形式化方法从专家工作拓展至无背景工程师。
Hugging Face 发布 AnySpeechRecognizer 和 AnyDecisionModel 两个 Swift 包,让 Apple 平台开发者用熟悉 API 在设备端运行开源语音识别和决策模型。
推荐理由:这两个 Swift 包让 Apple 平台开发者用熟悉 API 在设备端运行多种开源语音与决策模型,扩展原生能力并支持说话人分离。
AWS解决方案架构团队发文剖析其构建的开源多智能体系统Deep Insight,讲解它如何解决生产环境的五大核心挑战。系统基于Strands Agents SDK与Amazon Bedrock等构建,提供三种部署方式并已在GitHub开源。本文为三部分系列第一篇,后续将涵盖上下文工程与生产部署。
推荐理由:AWS团队以自研Deep Insight为例,梳理生产环境多智能体系统的五大挑战与架构对策,为类似系统提供可复用的设计与部署参考。
ALTK-Evolve 利用从 GPT-4.1 智能体运行轨迹提炼的行为准则注入系统提示词,使该非推理模型在 τ²-bench 零售客服基准达到 67.5% Pass^4,登顶 October 12, 2026 榜单快照且超越微调模型 RAFT-30B-A3B 达 +6.1 点。该方法无需权重更新或人工标注,在航空域换用 GPT-5.5 后同样登顶,Pass^4 达 82.0%。
推荐理由:原文给出从智能体运行轨迹提炼行为准则并注入提示词的做法,读者可迁移至同类客服智能体提升可靠性。
用户可在 VS Code 中直接打开 GitHub Copilot App 会话,保留原有对话、代码变更及工作树上下文。该功能允许开发者在编辑器内逐行审查 Agent 生成的代码,进行手动编辑、本地测试,并继续与 Copilot 交互以完善实现。此教程展示了从 App 移交控制权至 VS Code 进行最终调试与推送的完整工作流。
Mistral 发布首个时间序列基础模型家族 Timestral,其 209M 参数版本在 GIFT-Eval、TIME 和 fev-bench 三项基准均排名第一。
推荐理由:原文显示209M参数模型在三项公开基准均超越更大规模对手,读者可对比精度与算力门槛评估其边缘部署适用场景。
GitHub 推出基于微调 ModernBERT 的两阶段秘密检测流水线,将通用秘密检测扩展至推送保护阶段。该方案使推送后扫描中位执行时间降低 86%,服务成本较 LLM 管道降低 98%,用户接受度提升 11.5%。此前该检测仅支持代码提交后的推送后扫描。
GitHub 在初学者系列中讲解如何通过自定义指令、Agent skills、自定义智能体和 MCP 服务器四种方式教 Copilot 理解代码库。具体给出了 .github/copilot-instructions.md 等文件路径与适用场景,如用 Playwright MCP 在浏览器验证界面。这是 GitHub Copilot app for Beginners 系列文章之一。
GitHub 发布与微软应用科学合作微调的密钥分类器,能在 2 毫秒内评估候选密钥,预计可将阻止泄露的密钥数量翻倍。数据显示,过去三年公开代码中每秒约出现一个新密钥,但开发者主动覆盖拦截的比例从 6.63% 降至 3.93%,表明风险意识提升而非疏忽。此前 GitHub 的推送保护主要依赖结构化模式匹配,该模型旨在扩展对无结构化密钥的防护能力。
OpenAI 发布了内部前沿模型在数学开放问题上的新结果,并在 GitHub 分享 Lean 证明形式化与研究细节。
推荐理由:OpenAI 公开前沿模型在数学开放问题的新结果,并放出 Lean 证明形式化与 GitHub 研究细节,便于学界验证进展。
该教程展示如何使用 Amazon Bedrock AgentCore、Amazon Bedrock Knowledge Bases 和 Amazon Nova 2.5 Sonic 为航空应用构建语音旅行礼宾智能体。架构通过 MCP 将智能体后端解耦,支持实时语音改座、政策问答与人工转接。代码置于 aws-samples GitHub 仓库,模块可复用。
GitHub 发布 ReviewBench,一个基于 103.9M GitHub pull requests 构建的开放 AI 代码审查离线基准,含 219 个跨 19 语言 PR。
GitHub 建议开发者重点强化指导 AI 智能体、批判性评估输出及解决复杂问题三项技能。文中指出,随着 AI 承担更多实现工作,开发者需从单纯写码转向定义问题、审查代码及权衡技术取舍。GitHub Copilot 内置的 Rubber Duck agent 利用第二模型批判首模型方案,以弥补单一模型的盲区。
GitHub Copilot 应用引入 Canvases 功能,允许用户通过 /create-canvas 指令用自然语言描述需求,自动生成可交互的自定义界面。该界面支持用户与 Agent 双向实时协作,无需手动编码即可创建看板、清单等工具,并可通过 Awesome Copilot 社区分享和复用。
GitHub Copilot 推出 Canvas 功能,允许在应用内运行全栈应用并与 Agent 双向通信。作者通过 Connect 4 游戏、Winget 管理器和 SQLite 数据库等示例,展示了 Canvas 如何减少 Token 消耗并实现开发工作流的自动化。
GitHub Security Lab 发布了 Fuzzing Taskflow,一个针对 C/C++ 项目的自主模糊测试流水线,默认使用 Claude Sonnet 5 驱动。该工具通过 MCP 工具调用 AFL++ 和编译器,自动完成入口点识别、Harness 编写、覆盖率分析及崩溃分诊,并生成包含漏洞判定和修复建议的报告。
推荐理由:展示了 LLM Agent 如何接管模糊测试中编写 Harness、分析覆盖率及分诊崩溃等重复性人工环节,为 C/C++ 项目自动化安全审计提供了可复用的工程范式。
GitHub Copilot 应用重构了 Pull Request 视图,以支持包含 2,200 个文件和超百万行变更的超大 diff 渲染。通过采用双几何架构,将代码行高度与动态评论块高度分离,解决了评论高度未知导致的滚动卡顿问题。该方案确保了在极端负载下,即使存在 400 多条内联评论,审查体验依然保持快速流畅。
GitHub Podcast 最新一期分析了五个 AI 热门观点,指出开发者仍需审查 AI 生成的代码以承担结果责任。节目澄清 Skills 与 MCP 解决不同问题,前者提供打包的专家知识,后者提供连接工具的标准接口。此外,RAG 并未过时,而是与 Agent、Skills 和 MCP 共同构成完整的工作流。
GitHub 团队利用 Copilot 智能体将 Copilot 运行时从 TypeScript 完全重写为 80 万行 Rust 代码。该过程采用增量式原地迁移策略,通过 128 个 Pull Request 逐步替换组件,最终实现了性能的数量级提升。作者详细复盘了智能体在代码审查、上下文管理及多会话协作中的具体表现,揭示了 AI 辅助大规模代码重构的工程细节。
推荐理由:展示了利用 AI 智能体在数周内完成 80 万行 Rust 代码迁移的工程实践,提供了大规模自动化重构的方法论参考。
GitHub 日本和韩国市场营销负责人 Tomoko Tanaka 分享如何利用 GitHub Copilot 和 GitHub Actions 自动化活动运营流程。
推荐理由:展示了非技术人员如何利用 GitHub Copilot 和 Actions 将重复性营销工作流转化为代码,提供了可复用的自动化模式。
GitHub Copilot app 内置 diff、终端和浏览器面板,允许用户在不离开应用的情况下审查代码变更、运行命令及预览界面。用户可通过 diff 面板接受或修改变更,在终端面板执行如 `npm run dev` 等脚本,并利用浏览器面板的 Pick & Polish 工具迭代 UI。这种集成工作流消除了应用切换,帮助用户在合并前验证 AI 生成代码的功能与正确性。
GitHub 发布 Project HydraFusion 研究预览,通过运行时编排在多个提供商的模型间选择执行方案,用户可在 GitHub Copilot CLI 中用 /experimental 启用,按各模型标准费率计费。
推荐理由:GitHub 给出多模型编排的三种执行模式与三个基准上的质量成本对比,可据此判断编排式编码智能体的取舍。
GitHub Copilot app 支持同时运行多个智能体会话,每个会话运行在独立的 Git worktree 上,互不干扰且各自保留上下文。用户可在 sessions view 中查看各会话标题与任务进度,并随时切换、无需重新说明背景。文中以 tailspin-toys 仓库为例,演示了并行处理 funded sort、无障碍审查和测试三项任务。
Google 发布 TimesFM-3,这是其新一代时间序列基础模型,原生预训练支持多变量预测,参数量 3.3 亿,预训练语料超过 1 万亿个时间点。模型支持多目标、历史协变量和已知未来协变量,采用交替注意力架构与 Contiguous Patch Masking,单次前向传播即可生成整个预测区间,并为每个目标输出 10 到 90 分位的 9 个分位数。
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,将表格预测建模为上下文学习问题,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 的架构设计与 TabArena 基准表现,读者可据此判断零样本表格预测能否替代传统树模型流程。