AI Highlight
围绕 AI、技术领导力和高信号材料的阅读高亮与判断。
-
Agent 化 AI 工程师
本演讲介绍 Mutagent 团队如何用 Agent 化方式构建 AI Agent 生命周期管理系统，覆盖规格说明、构建、评测、部署、诊断、优化六个阶段，并现场演示了评测 Agent 和诊断 Agent 两款处于研究预览阶段的产品。
-
AI 系统设计：从想法到生产
来自 MongoDB 的开发者倡导者 Apoorva Joshi 分享了一套四阶段 AI 系统设计框架：产品需求、系统设计、评估与监控、优化。
-
HTML 就够了：让 Agent 生成图形
这场来自 AI Engineer 频道的短讲提出一个观点：让 Agent 生成幻灯片、文档、视频等图形化产物时，关键不是强迫它操作画布或直接写 SVG 坐标，而是给它使用更符合语言模型思维方式的媒介。
-
Miranda 假说：Hamilton 如何毒化角色评测
这场演讲提出“Miranda 假说”：当文化作品覆盖历史记录时，角色扮演系统会生成流畅但时代错位的复合人格，而现有角色评测往往只衡量声音和人格一致性，无法发现这种失败。
-
提示词就是平台
Dominik Tornow 认为，当 Agent 能够按需根据规范生成面向具体基础设施的实现时，软件平台的价值会从通用实现转向可复用的规范。
-
从研究到现实：把前沿 ML 研究带入生产
Higharc 的高级研究工程师 Vaidas Razgaitis 分享了他们如何把前沿 AI/ML 研究推进到生产环境：用研究原型分类文档提升研究可读性，用 Python 单体代码仓库和解耦微服务承接原型。
-
你无法提示整个房间：AI 最后无法取代的技能
这场演讲的核心判断是：当 AI 让写代码变得便宜之后，软件开发真正稀缺的能力，转向判断该做什么，以及把业务方、用户、决策者拉到同一个房间里，提炼出值得构建的需求。
-
你的 Agent 在生产环境失败了。祝你好运复现它
这场来自 AI Engineer 频道的演讲讨论了 AI Agent 在生产环境中失败后为什么很难复现，以及为什么团队应该把目标从追求模型的逐位确定性（bitwise determinism）。
-
你的 Agent 正在浪费 Token，而你还不知道
AWS 开发者布道师 Eric Hanchett 介绍了降低 Agent token 成本的五种做法：缓存系统提示词，按任务难度路由到不同模型，把大型工具结果移出上下文，限制工具循环次数，以及裁剪多轮对话历史。
-
别再写语气指令了。要分层组织它们
演讲者 Isadora Martin Dye 分享了她在经营婚礼场地、并为场地构建 AI Agent 的过程中总结出的四层提示词架构：不可变身份层、情境模式层、示例锚定语气层、生成后否决层。