今日摘要

GitHub karpathy：Karpathy 新发布的最小 ChatGPT 复现项目，训练到推理的完整栈只有几千行可读代码，目标是把“百美元跑一个 ChatGPT”压到个人可动手的范围。

GitHub karpathy：Karpathy 早期的教学级 GPT 实现，代码短到可以一口气读完，长期用作理解 Transformer 训练与推理最短路径的入口。

GitHub anthropics：Anthropic 公开其内部工程师 take-home 面试题，可作为理解他们工程品味和评估标准的一手材料。

GitHub openai：OpenAI 新开源的多 agent 编排框架，重点不是写代码的 coding agent，而是任务隔离、委派与团队级协作。

GitHub openai：OpenAI 官方示例库更新，通常折射出他们希望开发者优先采用的新模式（tool use、structured output、responses API 等）。

总结 + 观点：Karpathy 用 Rust 重写的 BPE tokenizer 训练器，把 tiktoken…｜中文观点：rustbpe 补上了 tokenizer 训练这块的“黑盒”：它让 tokenizer…

总结 + 观点：OpenAI 官方 Python SDK 更新，通常先于公告暴露出新接口细节、参数变化或默认路径…｜中文观点：官方 SDK 的 commit 经常是 API 方向的早期指示灯，对做集成和多模型平台的团…

总结 + 观点：Anthropic 官方的 Claude Agent SDK 示例仓库，覆盖代码 agent、文…｜中文观点：demos 仓库往往比文档更早暴露 SDK 的边界和推荐模式，对正在选型 agent 栈的…

总结 + 观点：Anthropic 的官方交互式 prompt 工程教程，沿用他们内部训练素材的结构，适合团队系…｜中文观点：它价值不在炫技，而在把 prompt 工程从“艺术”收敛成“可教可测”。对刚上手 Clau…

总结 + 观点：OpenAI Full Fan Mode 比赛规则页面，覆盖参赛条件、评判、奖项等。｜中文观点：这类 marketing 页值得收录的理由只有一个：它暴露 OpenAI 把产品往哪种用户…

karpathy/nanochat

来源：GitHub karpathy

标签：#github_orgs #extended

作者：

原文：Karpathy 新发布的最小 ChatGPT 复现项目，训练到推理的完整栈只有几千行可读代码，目标是把“百美元跑一个 ChatGPT”压到个人可动手的范围。

链接：https://github.com/karpathy/nanochat

观点：nanochat 最值得看的不是性能，而是它第一次把 ChatGPT 训练+推理的全流程压到个人能读懂、能跑通的粒度，对想吃透底层的开发者最有价值。

karpathy/minGPT

来源：GitHub karpathy

标签：#github_orgs #extended

作者：

原文：Karpathy 早期的教学级 GPT 实现，代码短到可以一口气读完，长期用作理解 Transformer 训练与推理最短路径的入口。

链接：https://github.com/karpathy/minGPT

观点：minGPT 的价值不是生产就绪，而是教材级清晰：它最适合那些想从零搭一遍训练循环、确认自己真的理解 GPT 的工程师。

anthropics/original_performance_takehome

来源：GitHub anthropics

标签：#github_orgs #extended

作者：

原文：Anthropic 公开其内部工程师 take-home 面试题，可作为理解他们工程品味和评估标准的一手材料。

链接：https://github.com/anthropics/original_performance_takehome

观点：这条的信号不是题目本身，而是 Anthropic 把招聘标准开放出来，对想了解他们工程文化与评价尺度的人非常有用。

openai/symphony

来源：GitHub openai

标签：#github_orgs #extended

作者：

原文：OpenAI 新开源的多 agent 编排框架，重点不是写代码的 coding agent，而是任务隔离、委派与团队级协作。

链接：https://github.com/openai/symphony

观点：Symphony 的定位更像工作流基础设施：真正的价值在于它把“多 agent 协作”的实现细节标准化，而不是又出一个 coding agent。

openai/openai-cookbook

来源：GitHub openai

标签：#github_orgs #extended

作者：

原文：OpenAI 官方示例库更新，通常折射出他们希望开发者优先采用的新模式（tool use、structured output、responses API 等）。

链接：https://github.com/openai/openai-cookbook

观点：cookbook 的更新值得单独跟踪：它折射出 OpenAI 想让开发者默认走哪些新 API 和用法路径，是路线图的早期信号。

karpathy/rustbpe

来源：GitHub karpathy

标签：#github_orgs #extended

作者：

原文：Karpathy 用 Rust 重写的 BPE tokenizer 训练器，把 tiktoken 里不透明的训练流程变成可学习、可实验的代码。

链接：https://github.com/karpathy/rustbpe

观点：rustbpe 补上了 tokenizer 训练这块的“黑盒”：它让 tokenizer 变体实验、教学与复现都更直观，研究者最先受益。

openai/openai-python

来源：GitHub openai

标签：#github_orgs #extended

作者：

原文：OpenAI 官方 Python SDK 更新，通常先于公告暴露出新接口细节、参数变化或默认路径调整。

链接：https://github.com/openai/openai-python

观点：官方 SDK 的 commit 经常是 API 方向的早期指示灯，对做集成和多模型平台的团队比市场通稿更有参考价值。

anthropics/claude-agent-sdk-demos

来源：GitHub anthropics

标签：#github_orgs #extended

作者：

原文：Anthropic 官方的 Claude Agent SDK 示例仓库，覆盖代码 agent、文件编辑、工具链编排等典型用法。

链接：https://github.com/anthropics/claude-agent-sdk-demos

观点：demos 仓库往往比文档更早暴露 SDK 的边界和推荐模式，对正在选型 agent 栈的团队是最值得先跑一遍的材料。

anthropics/prompt-eng-interactive-tutorial

来源：GitHub anthropics

标签：#github_orgs #extended

作者：

原文：Anthropic 的官方交互式 prompt 工程教程，沿用他们内部训练素材的结构，适合团队系统补齐 prompt 基础功。

链接：https://github.com/anthropics/prompt-eng-interactive-tutorial

观点：它价值不在炫技，而在把 prompt 工程从“艺术”收敛成“可教可测”。对刚上手 Claude 的团队尤其值得跑一遍。

OpenAI Full Fan Mode Contest: Terms Conditions

来源：OpenAI Blog

标签：#ai_engineering_blogs #core

作者：

原文：OpenAI Full Fan Mode 比赛规则页面，覆盖参赛条件、评判、奖项等。

链接：https://openai.com/index/full-fan-mode-contest-terms-conditions

观点：这类 marketing 页值得收录的理由只有一个：它暴露 OpenAI 把产品往哪种用户场景上推。信息密度低但信号清晰。

A New Framework for Evaluating Voice Agents (EVA)

来源：Hugging Face Blog

标签：#ai_engineering_blogs #core

作者：

原文：A New Framework for Evaluating Voice Agents (EVA)

链接：https://huggingface.co/blog/ServiceNow-AI/eva

观点：对 A New Framework for Evaluating Voice Agents (EVA) 来说，更值得判断的是它会不会进入团队默认工具链，而不是短期讨论热度。

How Kensho built a multi-agent framework with LangGraph to solve trusted financial data retrieval

来源：LangChain Blog

标签：#ai_engineering_blogs #core

作者：

原文：Discover how Kensho, S&P Global’s AI innovation engine, leveraged LangGraph to create its Grounding framework–a unified agentic access layer solving fragmented financial data retrieval at enterprise scale.

链接：https://blog.langchain.com/customers-kensho/

观点：How Kensho built a multi-agent framework with LangGraph to s... 的价值在于它是否能真正降低智能体落地门槛，而不是再提供一层概念包装。

How we build evals for Deep Agents

来源：LangChain Blog

标签：#ai_engineering_blogs #core

作者：

原文：TLDR: The best agent evals directly measure an agent behavior we care about. Here's how we source data, create metrics, and run well-scoped, targeted experiments over time to make agents more accurate and reliable. Evals shape agent behavior We've been curating evaluations to measure and

链接：https://blog.langchain.com/how-we-build-evals-for-deep-agents/

观点：比起表面参数，How we build evals for Deep Agents 更需要观察它是否在推理质量、检索效果或可用性上带来真实改进。

Agent Evaluation Readiness Checklist

来源：LangChain Blog

标签：#ai_engineering_blogs #core

作者：

原文：A practical checklist for agent evaluation: error analysis, dataset construction, grader design, offline online evals, and production readiness.

链接：https://blog.langchain.com/agent-evaluation-readiness-checklist/

观点：比起表面参数，Agent Evaluation Readiness Checklist 更需要观察它是否在推理质量、检索效果或可用性上带来真实改进。

Liberate your OpenClaw

来源：Hugging Face Blog

标签：#ai_engineering_blogs #core

作者：

原文：Liberate your OpenClaw

链接：https://huggingface.co/blog/liberate-your-openclaw

观点：Liberate your OpenClaw 更值得从实际采用价值来判断，而不是只看它有没有制造新的讨论热度。

AI for American-Produced Cement and Concrete

来源：Meta Engineering

标签：#engineering_ai_infra_blogs #extended

作者：

原文：Meta is continuing its long-term roadmap to help the construction industry leverage AI to produce high-quality and more sustainable concrete mixes, as well as those exclusively produced in the United States. Concurrent with the 2026 American Concrete Institute (ACI) Spring Convention, Meta is releasing a new AI model for designing concrete mixes Bayesian Optimization Read More... The post AI for American-Produced Cement and Concrete appeared first on Engineering at Meta

链接：https://engineering.fb.com/2026/03/30/data-center-engineering/ai-for-american-produced-cement-and-concrete/

观点：AI for American-Produced Cement and Concrete 更值得从实际采用价值来判断，而不是只看它有没有制造新的讨论热度。

Latest open artifacts (#20): New orgs! New types of models!

来源：Interconnects AI

标签：#hidden_high_value #hidden_high_value

作者：

原文：New orgs! New types of models! With Nemotron Super, Sarvam, Cohere Transcribe, others

链接：https://www.interconnects.ai/p/latest-open-artifacts-20-new-orgs

观点：Latest open artifacts (#20): New orgs! New types of models!... 更值得从实际采用价值来判断，而不是只看它有没有制造新的讨论热度。

Announcing the LangChain MongoDB Partnership: The AI Agent Stack That Runs On The Database You Already Trust

来源：LangChain Blog

标签：#ai_engineering_blogs #core

作者：

原文：Build production AI agents on MongoDB Atlas with vector search, persistent memory, natural-language querying, and end-to-end observability built in.

链接：https://blog.langchain.com/announcing-the-langchain-mongodb-partnership-the-ai-agent-stack-that-runs-on-the-database-you-already-trust/

观点：更值得关注的是 Announcing the LangChain + MongoDB Partnership: The AI Agent... 是否真正改变产品落地、工程效率、分发格局或平台控制力，而不只是制造声量。

Meta Adaptive Ranking Model: Bending the Inference Scaling Curve to Serve LLM-Scale Models for Ads

来源：Meta Engineering

标签：#engineering_ai_infra_blogs #extended

作者：

原文：Meta continues to lead the industry in utilizing groundbreaking AI Recommendation Systems (RecSys) to deliver better experiences for people, and better results for advertisers. To reach the next frontier of performance, we are scaling Meta’s Ads Recommender runtime models to LLM-scale & complexity to further a deeper understanding of people’s interests and intent. This increase Read More... The post Meta Adaptive Ranking Model: Bending the Inference Scaling Curve to Serve LLM-Scale Models for Ads appeared first on Engineering at Meta

链接：https://engineering.fb.com/2026/03/31/ml-applications/meta-adaptive-ranking-model-bending-the-inference-scaling-curve-to-serve-llm-scale-models-for-ads/

观点：Meta Adaptive Ranking Model: Bending the Inference Scaling C... 更值得从实际采用价值来判断，而不是只看它有没有制造新的讨论热度。

Granite 4.0 3B Vision: Compact Multimodal Intelligence for Enterprise Documents

来源：Hugging Face Blog

标签：#ai_engineering_blogs #core

作者：

原文：Granite 4.0 3B Vision: Compact Multimodal Intelligence for Enterprise Documents

链接：https://huggingface.co/blog/ibm-granite/granite-4-vision

观点：围绕 Granite 4.0 3B Vision: Compact Multimodal Intelligence for E...，真正重要的是它会不会影响团队的模型选型、性能边界和产品体验。