模型蒸馏不只是压缩：从教师模型到后训练技术栈
蒸馏是把大模型的行为、偏好和推理轨迹迁移到更小模型的一种训练系统。真正落地时，它会和 SFT、LoRA、QLoRA、DPO/RLHF、RLAIF、量化、剪枝、MoE、自训练和评测闭环一起工作。
AILLMTraining
意图识别不再只是分类器：Agent 时代的 Intent Router 技术栈
Agent 时代的意图识别已经从单轮 intent classification 演变成 intent routing：它要处理多意图、多轮上下文、越界检测、工具选择、风险分级和不确定性门控。
Intent RecognitionAgentLLM
前沿模型被当成基础设施以后，治理问题也开始前移
近期 X 上围绕 Fable、Mythos、Five Eyes 警告和模型出口控制的讨论，说明前沿模型正在从产品问题变成基础设施和国家安全问题。技术团队需要把红队、准入、审计和可中断部署前移。
AI SafetyXAnthropic
AI 人才战：为什么一个研究员跳槽会变成市场事件
最近 X 上围绕 Noam Shazeer、John Jumper 和 AI 顶级人才流动的讨论，表面是跳槽八卦，实质是市场在重新给模型公司的人才、产品速度和组织吸引力定价。
AIXOpenAI
Agent 进企业以后，最先要补的不是模型，而是控制平面
企业开始部署 AI agent 后，真正的工程重点会从 prompt 转到控制平面：身份、权限、上下文、工具、评估、成本、审计和失败恢复。
AgentEnterpriseSecurity
AI 基础设施上生产前，Kubernetes 这几道边界必须收紧
GPU 集群一旦多租户，就不能只靠命名空间隔离。镜像、RBAC、RuntimeClass、Device Plugin、ResourceClaim、secret、网络和节点池都要有硬边界。
AIKubernetesGPU
从客服到购物车：企业 AI 真正开始落地的业务闭环
企业 AI 的价值正在从“生成内容”转向“完成业务闭环”。客服、金融、零售和运营场景的共同点，是 AI 能接入数据、判断意图、推动下一步动作，并留下可评估结果。
AIEnterpriseCustomer Service
企业 AI 落地的第一性问题：它到底改了哪一层工作系统
企业 AI 已经从“给员工一个聊天框”进入“重写工作系统”的阶段。真正能落地的项目，不是模型演示，而是把知识、流程、权限、评估和组织学习连成闭环。
AIEnterpriseAgent
Agent 多层记忆架构：从向量召回到可治理的长期状态
2026 年的 Agent 记忆系统已经不再是“向量库 + top-k”。更稳妥的生产方案是事件日志做真源，语义、情景、图谱、程序性记忆做多层投影，再用准入门控控制哪些记忆能进入上下文。
AgentMemoryArchitecture
GPU 容量规划不要按卡数算，要按 token、队列和 SLA 算
GPU 平台的容量规划要把训练 GPU 小时、推理 tokens/sec、P95 延迟、KV cache、队列等待和失败重试放到一张账本里。卡数只是输入，不是答案。
AIKubernetesGPU
AI 公司 IPO 热度背后的三张资本账
围绕 OpenAI、Anthropic 和 SpaceX 的 IPO 与融资讨论，本质是在问 AI 公司能否把算力支出、模型价格和企业收入讲成一个可持续资本故事。
AIBusinessOpenAI
前沿 AI 治理的关键：从安全口号到可验证发布系统
OpenAI、Anthropic 等前沿实验室一边提醒风险一边发布强模型，真正的问题不是态度是否真诚，而是发布系统是否能被外部验证。
AISafetyPolicy
Tokenmaxxing 退潮：AI 生产力评估必须回到账单和任务结果
tokenmaxxing 从热潮变成反思，企业开始发现 AI token 消耗不是生产力指标，而是成本、路由和 ROI 的压力测试。
AIBusinessCost
Fable 5 管制事件：前沿模型正在成为战略基础设施
美国政府对 Fable 5 和 Mythos 5 的限制说明，前沿 AI 已经从 SaaS 服务变成战略基础设施，企业需要重新设计模型依赖和降级路径。
ClaudeFable 5Policy
Fable 5 项目案例：视觉、记忆与行动闭环如何进入生产
Fable 5 的游戏通关、研究工具和金融分析案例说明，强 Agent 的核心不是单次推理，而是视觉输入、工作记忆、行动策略和验收反馈的组合。
ClaudeFable 5Agent
多模态和 RAG 上生产，瓶颈经常在模型外面
多模态和 RAG 不是在 LLM 前面加个向量库。它们会引入 embedding、reranker、OCR、图像编码、对象存储、缓存和异步索引流水线。
AIKubernetesRAG
Fable 5 评测框架：长任务闭环比榜单分数更重要
Fable 5 的关键不是某个榜单多高，而是长任务、工具调用、视觉输入、安全路由和成本控制同时进入同一个评测闭环。
ClaudeFable 5Benchmark
Fable 5 企业迁移案例：大型代码库改造的 Agent 流水线
Stripe 级代码迁移案例的价值，不是模型能写很多 patch，而是它把依赖发现、改写计划、测试门禁和人工验收压缩成一条迁移流水线。
Claude CodeFable 5Software Engineering
Fable 5 的循环实操：从 /loop、/goal 到 grader 和 memory
Fable 5 更适合放进有反馈、有独立验收、有外部记忆的长任务循环里，而不是当成更贵的默认模型。本文给出一套可落地的闭环方案。
Claude CodeFable 5Agent
Harness Engineering 14：从单次协作到完整 Harness 闭环
实操篇：把计划、执行、验证、观测、记忆和清洁交接连起来，形成可长期运行的 Agent 工作闭环。
Harness EngineeringAgentCodex
Loop Engineering：Agent 工作方式正在从提示词迁移到系统设计
Loop Engineering 的重点不是写更长的 prompt，而是把发现、计划、执行、验证、记忆和再次触发做成一个可审计、可恢复、可控成本的系统。
AgentClaude CodeCodex
稀有龟背竹 12：Sierrana 的热度来自大叶和野性气质
Sierrana 不靠锦化取胜，而是靠更原生、更大叶、更有野性气质的成熟形态。它适合喜欢物种感和空间感的玩家。
龟背竹稀有植物品种鉴赏
Claude Code 的 loop、Routines 和生产化 Agent：别把循环误会成自动驾驶
/loop 适合在 CLI 里做短周期轮询，Routines 适合云端定时和事件触发，生产化 harness 还需要队列、状态、幂等、补偿、审计和人类控制面。
Claude CodeAgentWorkflow
Claude Code 最新架构观察：while-loop 只是表层，真正重要的是运行时
Claude Code 的核心不是一个模型加一个 shell，而是由上下文装载、工具执行、权限规则、hooks、skills、subagents、MCP 和 compaction 组成的 agentic runtime。
Claude CodeAgentMCP