Pi Agent Core 实战（1/10）：400 行循环替掉 LangGraph
作者用 30 个注入故障的排障任务对比固定脚本编排与 pi-agent-core 1.4.0 循环，脚本式通过 6 个、循环式通过 25 个，另 5 个目录不存在的任务由模型停下报告原因。
全部 AI 动态
80aj.comAI 评分6060 80aj.comAI 评分4848 Pi Agent Core 实战：pi 框架三层架构拆解，核心循环仅占 1.7% 代码量
Pi Agent 框架拆成 pi-ai、pi-agent-core、pi-coding-agent 三个包，按 dist 目录物理行数统计，核心循环层仅 1445 行、占 1.7%，模型接入层占 23.7%，产品层占 74.6%。
80aj.comAI 评分4343 Pi Agent Core 实战（3/10）：40 行跑通第一个 Agent
Pi Agent Core 实战系列第三篇用约 40 行代码跑通最小 Agent：只需初始状态、一个 streamFn 和一次 prompt 调用，无需 registry、pipeline 或 chain 组合器。实验注入确定性 streamFn 替代真实模型，一次带两个并行工具调用的 prompt 共发出 27 个事件、耗时 314.7 毫秒，其中框架调度开销不到 5 毫秒。
80aj.comAI 评分4848 Pi Agent Core 实战：工具就是函数，并行执行实测加速 3.94 倍
Pi Agent Core 实战系列第 4 篇指出，工具对模型而言只是 name、description、parameters schema 组成的接口文档，description 与参数约束直接决定调用是否正确。
80aj.comAI 评分4242 Pi Agent Core 实战（5/10）：把事件流当 UI
Pi Agent Core 实战系列第 5 篇演示用 onUpdate 推送工具进度：固定 600 毫秒、分 6 段的任务中，首次可见时间从 611 毫秒降到 103 毫秒，总耗时几乎不变。文章把 agent_start、tool_execution_update 等九种事件视为界面渲染协议，事件按序重放即可还原界面，并建议服务端用 SSE 转发、加自增序号防乱序、落盘事件支持断线补发。
80aj.comAI 评分5050 Pi Agent Core 实战：AgentMessage 与 LLM Message 两套消息模型如何压缩上下文
pi-agent-core 将上下文压缩拆成两个函数：transformContext 负责裁剪与注入、控制长度，convertToLlm 负责过滤与转换、控制可见性。
80aj.comAI 评分6060 Pi Agent Core 实战（7/10）：用 beforeToolCall 拦截钩子约束 bash 命令
Pi Agent Core 实战系列第 7 篇实测对比提示词约束与 beforeToolCall 钩子：同一批 12 条命令请求，仅靠系统提示词写「不要执行 rm -rf、读取 /etc/shadow」时 12 条全部执行，其中 5 条为危险操作；加上三条正则闸门和 8 次调用预算后只执行 4 条只读命令，其余 8 条被拦截且原因可追溯。
80aj.comAI 评分5858 Pi Agent Core 实战（9/10）：把死调用交给模型
Pi Agent Core 系列第九篇讲如何把已在运行的脚本式编排迁移到 Agent 循环，核心是三步改造：把固定调用换成给工具加判断、把退出码换成结构化结果、把暗依赖换成显式参数。
80aj.comAI 评分4646 Pi Agent Core 实战（10/10）：循环上线之后
Pi Agent Core 系列实战最后一篇指出，这个仅 1445 行的极简循环只保证把模型的动作与失败都变成事件发出，日志、预算、回滚、评测四件事都得自己补。20 条失败用例覆盖工具不存在、参数不合 schema、工具抛异常、工具超时四类，各 5 条，错误信号全部送达模型且循环零崩溃。实测中无预算闸门时模型在权限被拒错误上耗尽 30 轮上限，加 8 次预算后第 9 轮收尾。
The Verge · AIAI 评分4040 我用 Waveshare ESP32-S3 开发板自建了一个 AI Tamagotchi，赶在 Meta Muse Charm 之前
The Verge 编辑花 50 美元购入 Meta 官方推荐的 Waveshare ESP32-S3 1.75C 开发板，通过 Claude Code 改造成可对话、能显示头像并玩 Tamagotchi 式养成小游戏的 AI 挂件。他补上了对话历史页、ElevenLabs 语音播报、蓝牙低画质相机预览和智能家居控制等功能，并称主要延迟来自 Meta 服务器。
Latent SpaceAI 评分4040 Arca 如何用 AI 智能体处理长周期财富管理工作
Arca 的 AI 智能体承担财富管理中的大部分后台工作，但交易和资金流动仍由人类顾问最终决策。其智能体任务最长可持续十天，公司自建记忆系统追踪每位客户的进展与责任人，并用内部 benchmark 自动选择 Anthropic、OpenAI 等模型。Arca 还自建 harness，用确定性安全规则和沙箱隔离处理敏感数据。
AWS Machine Learning BlogAI 评分4444 用 Amazon Bedrock AgentCore runtime 在编码智能体构建时实时预览 Web 应用
Amazon Bedrock AgentCore runtime 的 Session endpoints 可为每个智能体会话生成带认证的 URL，把 HTTP 和 WebSocket 请求转发到允许的端口，让编码智能体边改代码边在浏览器里实时预览。
AWS Machine Learning BlogAI 评分4040 Worldwide Express 如何用 Amazon Bedrock 实现货运异常自动化处理
Worldwide Express 基于 Amazon Bedrock 构建多智能体 AI 方案并接入其运输管理系统 SpeedShip，自动处理 LTL 货运账单异常。上线六个月后，活跃异常减少 75%，回款周期缩短 4 周，年节省 100 万美元，并一次性释放 1000 万美元自由现金流。方案由发票匹配、价格差异、附加费验证三个专用智能体组成，准确率超过 99% 后转为批量审批。
GitHub BlogAI 评分5555 GitHub 详解通往智能体规模 Git 基础设施的过渡方案
GitHub 工程团队介绍了其 Git 存储架构迁移的中间方案，把仲裁写入的串行化范围从整个仓库缩小到单个引用，使写入不同引用的操作可以并发进行。内部测试中，写入不同引用的吞吐量提升 3–4 倍且延迟更低。
GitHub Blog · AI & MLAI 评分4747 GitHub 如何用 ModernBERT 分类器更少噪声地检测密钥
GitHub 用微调的 ModernBERT 分类器替换原有 LLM 流水线来识别通用密钥，告警接受率提升 11.5%，推送后扫描中位执行时间降低 86%，服务成本较远程 LLM 调用降低 98%。该方案先用正则高召回生成候选，再由分类器结合文件路径、变量名和上下文判断是否为真实凭据，并已把通用密钥检测扩展到推送保护阶段。
GitHub Blog · AI & MLAI 评分5858 GitHub Copilot 入门教程：如何用 canvases 构建自定义工作流
GitHub Copilot 应用中的 canvas 是一种可自定义界面，用户和智能体共享同一份状态，可做成看板、问题分诊板、发布清单或表格。在智能体会话中输入 /create-canvas 并用自然语言描述工作流、界面操作和智能体可执行的动作，智能体就会生成界面并打开在右侧面板，之后还能继续要求它增加列、筛选或接入未关闭的 PR。