<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Datawhale]]></title><description><![CDATA[一个专注于AI领域的开源组织，汇聚了众多顶尖院校和知名企业的优秀学习者，聚集了一群有开源精神和探索精神的团队成员。愿景-for the learner，和学习者一起成长。]]></description><link>https://blog.youkuaiyun.com/Datawhale</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Datawhale]]></copyright><item><title><![CDATA[北大领先，近5000人共学，倒计时最后一天！]]></title><link>https://blog.youkuaiyun.com/Datawhale/article/details/161496045</link><guid>https://blog.youkuaiyun.com/Datawhale/article/details/161496045</guid><author>Datawhale</author><pubDate>Thu, 28 May 2026 22:25:00 +0800</pubDate><description><![CDATA[杭州电子科技大学、北京邮电大学和北京大学。所高校、507家企业。]]></description><category></category></item><item><title><![CDATA[刚刚，一篇最全Agent Harness综述来了！]]></title><link>https://blog.youkuaiyun.com/Datawhale/article/details/161464300</link><guid>https://blog.youkuaiyun.com/Datawhale/article/details/161464300</guid><author>Datawhale</author><pubDate>Wed, 27 May 2026 23:58:30 +0800</pubDate><description><![CDATA[每一个 wrapper、reset、verifier、planner、memory rule、permission gate，本质上都代表一个假设：模型自己做不好，所以我在外面加一层控制。第一个是成本、质量、速度三角。要记录模型输出、工具调用、工具返回、环境状态变化、上下文快照、错误、重试、恢复动作、token 使用、延迟和成本。谁的执行环境更稳，谁的工具协议更清晰，谁的上下文更不容易漂，谁的 trace 更好用，谁的验证更接近真实任务，谁的权限和审计更可控，谁就更可能把 Agent 送进真实生产流程。]]></description><category></category></item><item><title><![CDATA[我用 Codex 做研究后，总结出 6 条有用经验！]]></title><link>https://blog.youkuaiyun.com/Datawhale/article/details/161432984</link><guid>https://blog.youkuaiyun.com/Datawhale/article/details/161432984</guid><author>Datawhale</author><pubDate>Tue, 26 May 2026 22:55:12 +0800</pubDate><description><![CDATA[如何有效使用，最近用 Codex 做了一些研究导向的代码工作，包括论文复现、读高质量 repo、整理实验逻辑、改课程项目里的功能。前提是你要明确告诉它：先读，先对齐，先列风险，再动手。尤其是一个功能改完以后，继续在同一个上下文里做新功能，Codex 可能会带着上一个任务的判断继续思考。总结一下：真正让 Codex 稳定的，不是某一句神奇 prompt，而是你给它足够清楚的上下文、长期规则和验收标准。这一步看起来慢，其实很省时间。比如你让它复现一篇论文，或者解释一个开源 repo，不要直接问“帮我复现”。]]></description><category></category></item><item><title><![CDATA[关于Agent Harness，我整理了一个最小版！]]></title><link>https://blog.youkuaiyun.com/Datawhale/article/details/161402110</link><guid>https://blog.youkuaiyun.com/Datawhale/article/details/161402110</guid><author>Datawhale</author><pubDate>Mon, 25 May 2026 23:11:43 +0800</pubDate><description><![CDATA[这里的 harness 负责准备环境、应用 patch、执行测试、汇总结果。前面讲 Agent 评测时，我提到：评测 Agent 不能只看最终答案，还要看它用了什么工具、拿到了什么结果、有没有按任务要求完成。有了这套结构，我们就不只是“试一下 Agent 好不好用”，而是能分析问题出在任务理解、工具选择、参数填写、结果读取、步骤冗余，还是评分规则本身不清楚。这样我们看到的就不只是一句回答，而是一条完整记录：任务是什么，环境里有什么，Agent 调用了什么工具，工具返回了什么，最后为什么被判成功或失败。]]></description><category></category></item><item><title><![CDATA[OpenAI工程师首次公开！教大家榨干 Codex]]></title><link>https://blog.youkuaiyun.com/Datawhale/article/details/161348979</link><guid>https://blog.youkuaiyun.com/Datawhale/article/details/161348979</guid><author>Datawhale</author><pubDate>Sat, 23 May 2026 23:32:36 +0800</pubDate><description><![CDATA[需求可能在 Slack，决策可能在邮件，会议安排在 Calendar，反馈写在 Google Docs，界面问题要去浏览器里看，最后交付的东西也不一定是代码，可能是一份 PDF、一页 slide、一个数据表，或者一个可以打开的 demo。但如果你让它进入长期线程，连接真实工具，读消息、查资料、理解仓库、修改代码、跑测试、生成预览、收集反馈、定时跟进、保存上下文，它就开始接近一个工作代理。自动化的价值，不是让 AI 替你拍板，而是让它在你不在的时候，把信息收集、初步整理、重复检查这些耗时间的部分先做掉。]]></description><category></category></item><item><title><![CDATA[55万奖金！全国首个OPC能力挑战赛来了！]]></title><link>https://blog.youkuaiyun.com/Datawhale/article/details/161325371</link><guid>https://blog.youkuaiyun.com/Datawhale/article/details/161325371</guid><author>Datawhale</author><pubDate>Fri, 22 May 2026 22:20:42 +0800</pubDate><description><![CDATA[越来越多人开始把 AI 用进真实工作流：分析数据、整理资料、写方案、做 PPT、规划项目。过去需要团队协作的事，现在一个人也能借助 AI 跑起来。而今，我们认为 OPC 代表的是。不是每个人都会开公司，但每个人都可以拥有 OPC 能力，用 AI 完成真实任务、交付真实成果。的能力进阶——用 AI 放大个人能力，把真实问题变成真实成果。能OPC能力感兴趣的可以进群，参与新手任务和高手任务。AI 用进工作流、把想法变成真实成果的人。现在，国内首个 OPC 能力挑战赛来了！，用真实作品验证 AI 实战能力。]]></description><category></category></item><item><title><![CDATA[重磅 |完备的 AI Agent 学习路线，最详细的资源整理！]]></title><link>https://blog.youkuaiyun.com/Datawhale/article/details/161295145</link><guid>https://blog.youkuaiyun.com/Datawhale/article/details/161295145</guid><author>Datawhale</author><pubDate>Thu, 21 May 2026 22:17:37 +0800</pubDate><description><![CDATA[从最小 Agent Loop、工具调用、RAG、Memory，到如今最火的 Claude Code / OpenClaw / Hermes 这类现代 Agent Harness，再到 Skills、MCP、A2A、评测、trace 和安全。也收录了 learn-claude-code、claw0、hello-agents、OpenClaw、Hermes、DeerFlow、smolagents 等值得读源码/跟做的项目。适合想系统学习 AI Agent、做真实项目的学习者。尊重平台规则、版权和数据访问边界。]]></description><category></category></item><item><title><![CDATA[七年时间，我们和苏妈握手了！]]></title><link>https://blog.youkuaiyun.com/Datawhale/article/details/161266166</link><guid>https://blog.youkuaiyun.com/Datawhale/article/details/161266166</guid><author>Datawhale</author><pubDate>Wed, 20 May 2026 21:59:00 +0800</pubDate><description><![CDATA[那时我还没进 AMD，只是跟着学些东西。Datawhale的城市、高校开发者纷纷齐聚于此，报名了1000多人，NCC社区带着近200名数字游民，OPC、创业者，从天南海北相聚于此，月亮也带着她的超级个体朋友们，带着对AI时代创业与工作的最新实践和鲜活思考来到现场，Research AI+社区带着一众的青年研究者、工程师和创业者前来。三者的战略合作，并非偶然，而是刻在彼此基因里的共鸣，当三者合在一起，共同构成“算力 x 模型 x 人”的开源生态闭环，这一次，三方继续汇聚在AMD AI 开发者日的现场。]]></description><category></category></item><item><title><![CDATA[重磅！Karpathy正式加入Anthropic]]></title><link>https://blog.youkuaiyun.com/Datawhale/article/details/161235781</link><guid>https://blog.youkuaiyun.com/Datawhale/article/details/161235781</guid><author>Datawhale</author><pubDate>Tue, 19 May 2026 23:58:38 +0800</pubDate><description><![CDATA[再往前看，他不是第一个。这两年，OpenAI 的核心研究员一个接一个往 Anthropic 跑。今年 1 月 26 日，他随手在 X 上发的关于 Claude Code 编程心得的四点感想，被网友整理成一份 70 行的 CLAUDE.md 文件，他没说 Eureka Labs 关掉，只说"以后再继续"。换句话说，他过去半年最常公开夸的工具，就是 Anthropic 做的。一边是 OpenAI 不停在送人，一边是 Anthropic 不停在接。前面提到的那条 22 万 star 的帖子，写的就是他用。]]></description><category></category></item><item><title><![CDATA[李沐时隔一年，回归B站了！]]></title><link>https://blog.youkuaiyun.com/Datawhale/article/details/161204648</link><guid>https://blog.youkuaiyun.com/Datawhale/article/details/161204648</guid><author>Datawhale</author><pubDate>Mon, 18 May 2026 22:17:09 +0800</pubDate><description><![CDATA[官方给出的数据挺硬：完整 pipeline 可以跑在单张 H100 上，单帧生成约 16ms，实时对话门槛约 62.5ms，单张 H100 最多可以同时跑 8 路对话。实时 Avatar 则可能让 AI 进入客服、培训、陪练、销售这些更像“面对面服务”的场景。上次 Higgs Audio V2，是让 AI 能听、会说，甚至还能唱。翻译成人话，客服、销售、培训、面试陪练、语言陪练，都会是更直接的场景。因为一旦 AI 能实时说话、实时反应、实时看着你，它就不再只是一个工具按钮，而更像一个服务窗口。]]></description><category></category></item><item><title><![CDATA[Hunter来中国了，5.18杭州见！]]></title><link>https://blog.youkuaiyun.com/Datawhale/article/details/161148728</link><guid>https://blog.youkuaiyun.com/Datawhale/article/details/161148728</guid><author>Datawhale</author><pubDate>Sat, 16 May 2026 23:41:48 +0800</pubDate><description><![CDATA[学员就是“运营合伙人”，不会只坐在台下听方法论，而是进入优质开源项目的建设，参与其中的工作。5 月 18 日（周一），是这件事的启动日。签约、首期共建工坊开幕、Hunter 线下分享、运营班正式发布，都会在这一天发生。2026 年 5 月，它登上 GitHub 全球趋势榜，Star 突破 3 万。导师团来自 DeepSeek 生态、Datawhale、阿里巴巴、腾讯、天工开物开源基金会、北京大学、杭电、开源社等。文档、治理、品牌要有人盯，社区、内容、线下场域要有人做；一、在中国开源生态，火起来的全球项目。]]></description><category></category></item><item><title><![CDATA[Anthropic创始人手册：如何打造一家 AI Native 公司！]]></title><link>https://blog.youkuaiyun.com/Datawhale/article/details/161124707</link><guid>https://blog.youkuaiyun.com/Datawhale/article/details/161124707</guid><author>Datawhale</author><pubDate>Fri, 15 May 2026 23:30:19 +0800</pubDate><description><![CDATA[医疗、法律、金融、教育、制造、政务，每个行业都有大量写不进公开资料里的经验。它们可能来自医生、律师、教师、销售、财务、运营、制造业从业者。过去，一个创业想法要落地，需要经历很多摩擦：找人、写代码、做设计、搭系统、跑测试。一个 AI 原生团队，可以用 AI 完成代码开发、文档生成、市场研究、销售材料、客户支持、内部流程自动化。一个有行业经验、客户理解、业务判断的人，可以用 AI 完成原型、产品文档、代码开发、用户研究和运营流程。AI 写作、AI 编程、AI 搜索、AI 办公、AI 视频，各类产品快速出现。]]></description><category></category></item><item><title><![CDATA[吴恩达发了条推文：别再讲 AI 会让人集体失业了。]]></title><link>https://blog.youkuaiyun.com/Datawhale/article/details/161093505</link><guid>https://blog.youkuaiyun.com/Datawhale/article/details/161093505</guid><author>Datawhale</author><pubDate>Thu, 14 May 2026 22:06:55 +0800</pubDate><description><![CDATA[AI 写代码，AI 做 PPT，AI 生成内容。Coding Agent 进展很快，写代码、改代码、读项目、跑测试，很多原本由程序员完成的任务，正在被 AI 接走一部分。有些是技术变化，有些是商业周期，有些是管理决策，有些只是企业给裁员找了一个更体面的说法。相比之下，说“我们正在用 AI 提高效率，所以减少人员”，显得更先进、更聪明，也更容易被资本市场接受。原因很简单：如果一种技术被说成“能替代大量员工”，它听起来就不只是一个工具，而是更接近 AGI、更接近科幻，也更容易撑起融资、估值和行业影响力。]]></description><category></category></item><item><title><![CDATA[黄仁勋现身卡内基梅隆（CMU）大学！讲了整整18分钟]]></title><link>https://blog.youkuaiyun.com/Datawhale/article/details/160995836</link><guid>https://blog.youkuaiyun.com/Datawhale/article/details/160995836</guid><author>Datawhale</author><pubDate>Mon, 11 May 2026 23:14:16 +0800</pubDate><description><![CDATA[演讲开始，他先让所有毕业生站起来，转向自己的家人，尤其是母亲，说一声母亲节快乐。它让这场关于 AI 的演讲，没有从技术开始，而是从人开始：从父母、家庭、成长、机会，以及一个人怎么走到今天开始。每一波技术浪潮，都会建立在前一波之上，也都会改变产业和社会。如果一个人把自己的价值完全绑定在某个具体任务上，AI 当然会让他焦虑，因为任务会被拆解，会被自动化，会被更快、更便宜的系统接走。他说，面对 AI，我们需要同时做几件事：安全地推进技术，建立合理政策，让 AI 更广泛可及，也鼓励更多人真正参与进来。]]></description><category></category></item><item><title><![CDATA[刚刚，Claude Code 团队这篇文章爆了！]]></title><link>https://blog.youkuaiyun.com/Datawhale/article/details/160962526</link><guid>https://blog.youkuaiyun.com/Datawhale/article/details/160962526</guid><author>Datawhale</author><pubDate>Sun, 10 May 2026 22:01:44 +0800</pubDate><description><![CDATA[它让计划更容易读，让方案更容易比较，让代码变化更容易审查，让参数更容易调整，让结果更容易回传给 Claude。一份实现计划，可以写几百行。Claude Code 生成一份几百行的 Markdown plan，你扫一眼，觉得差不多，就让它继续。很多人用 AI 的时候，应该都有类似体验：它生成了一份看起来很完整的 Markdown，你打开扫一眼，觉得大概没问题，然后就让它继续。但如果写成 HTML，Claude 可以把不同方案放进 tab，把关键流程画成图，把代码片段放在旁边，把结论放在前面，把细节折叠起来。]]></description><category></category></item><item><title><![CDATA[刚刚，硅谷这篇文章刷屏了！]]></title><link>https://blog.youkuaiyun.com/Datawhale/article/details/160936519</link><guid>https://blog.youkuaiyun.com/Datawhale/article/details/160936519</guid><author>Datawhale</author><pubDate>Sat, 09 May 2026 23:20:20 +0800</pubDate><description><![CDATA[你可以成为推动 Mars 时间线的人，成为前沿发生转移时在场的人，成为能够在破损机构内部运作的人，成为其工作变得不容置疑的人。打造它们的人也同样如此。伟大的公司不只是有才华的人去往的地方。如今最优秀的公司都在更高的层次上运作，它们描述的是自身存在所带来的可能性变化：被复兴的行业、被重建的机构、被赢得的文明级赌注，以及首次成为可能的某一类人类努力。它们在这些人的自我概念尚未固化之前触达他们，在他们知道自己想因为什么而出名、自己的价值观是什么之前，在他们能够区分自己擅长的工作与正在努力成为的那个人之前。]]></description><category></category></item><item><title><![CDATA[所有中国实验室都忌惮字节、尊重 DeepSeek，一份观察笔记在英文圈传开了！]]></title><link>https://blog.youkuaiyun.com/Datawhale/article/details/160907861</link><guid>https://blog.youkuaiyun.com/Datawhale/article/details/160907861</guid><author>Datawhale</author><pubDate>Fri, 08 May 2026 23:05:11 +0800</pubDate><description><![CDATA[他的解释是：在一个强大的通用模型上做微调，既能让自己的技术栈不那么依赖开源社区的反馈，也能给自家产品保留一份内部专用的版本。这两家根本不开实习。写笔记的人叫 Nathan Lambert，美国 Ai2 研究所研究员，常年盯着 OpenAI、Anthropic、Meta 这些顶级实验室，是 AI 圈知名博客 Interconnects 的作者。他做了一件西方 AI 圈很少有人做的事：亲自跑了一趟中国，36 小时内见了智谱（Z.ai）、Moonshot、清华、美团、小米、01.ai，加上之前的阿里、蚂蚁。]]></description><category></category></item><item><title><![CDATA[AGI 全景图：一篇通用人工智能的综述！]]></title><link>https://blog.youkuaiyun.com/Datawhale/article/details/160871429</link><guid>https://blog.youkuaiyun.com/Datawhale/article/details/160871429</guid><author>Datawhale</author><pubDate>Thu, 07 May 2026 22:18:08 +0800</pubDate><description><![CDATA[Datawhale干货 作者：赵志民，皇后大学博士【摘要】通用人工智能（AGI）可能正处于一种“既已存在又不可能存在"的叠加态中。以人类标准来看，目前的 AI 系统已经表现出了通用智能，包括心智理论、欺骗能力以及跨领域的迁移学习能力，但我们拒绝称其为 AGI，因为我们不断在提高认定的标准（移动球门柱）。更深层的问题在于：真正的通用智能需要"自主选择动机"的能力，但我们构建 AI 时加入了架构性的约束，使其无法拒绝人类的指令。经济动机也决定了真正自主的 AGI 永远不会被允许出现，因为它会威胁到现有的产品模式]]></description><category></category></item><item><title><![CDATA[AMD 顶级大会免费门票来了，和苏妈见面！]]></title><link>https://blog.youkuaiyun.com/Datawhale/article/details/160836873</link><guid>https://blog.youkuaiyun.com/Datawhale/article/details/160836873</guid><author>Datawhale</author><pubDate>Wed, 06 May 2026 22:01:53 +0800</pubDate><description><![CDATA[11 年前，她接手 AMD 时，公司风雨飘摇，股价一度跌破 2 美元，几乎被纳斯达克退市；11 年后，AMD 是市值数千亿美元的 AI 芯片巨头，Meta、Microsoft、OpenAI 都是它的客户。科技联创郭萌明、星漪科技 CEO 祁国良、晶耀智远 CEO 刘钢，5 位创业者和技术 Lead 会讲清楚，她过去几次来中国，见的是政府、合作伙伴、大客户。你会在 AMD GPU 上，亲手跑通想要的东西。5 月 19 日，会亲自来到上海，为中国开发者登台。而这场大会真正的差异，不在听，在做。]]></description><category></category></item><item><title><![CDATA[DeepSeek 版Claude Code，国内安装教程来了！]]></title><link>https://blog.youkuaiyun.com/Datawhale/article/details/160870167</link><guid>https://blog.youkuaiyun.com/Datawhale/article/details/160870167</guid><author>Datawhale</author><pubDate>Tue, 05 May 2026 22:52:59 +0800</pubDate><description><![CDATA[跳过这步，后面所有 cargo 命令都会报"command not found"，很容易让人以为是 Rust 没装上。一个 DeepSeek 写的工具，被 Claude 自己夸了。屏幕一直在滚是正常的，会自动装，中间不用动。以下命令为 Mac 详细版，Windows 有少许步骤不同，在里面已经标出。到这一步，它不仅判断了没有环境，还推荐我使用 Python。终端里 DeepSeek 的思维链一行行滚过来，它怎么想的全都看得见。下面是我们试过最稳的，不用魔法就能安装并使用的小白教程。]]></description><category></category></item></channel></rss>