AI 工程实践
从零起步,构建以人工智能为核心的产品设计与交付流程。
欢迎来到ADN — 问题000
Welcome to ADN — Issue 000
ADN 站点 + 数据 pipeline + AI 评分 + Next.js 前端今天搭好了。明天 09:00 抓第一份真实早报。
Chat SDK 现内置 AI SDK 工具集
Chat SDK now includes AI SDK tools
Vercel 将 AI SDK 的 createChatTools 直接集成进 Chat SDK,开发者可通过新子路径一键把聊天组件的读写能力接入 AI Agent。新版还增加了审批门控、reader/messenger/moderator 角色预设和懒加载,在提升开发效率的同时兼顾了安全性。
别把学习外包出去
Don’t outsource the learning
Addy Osmani 在文中指出,随着 AI 编程工具成为日常,开发者与设计师正面临把「学习」外包给模型的诱惑。他警告说,让 AI 代劳虽能短期提效,却会削弱深层理解与长期成长能力。真正的专业壁垒并非来自工具捷径,而是持续内化知识的过程,否则当模型无法给出答案时,你将无从判断对错。
NVlabs SANA 上新:2.6B 可控世界模型与 RL 训练开源
NVlabs/Sana
NVIDIA SANA 近期密集更新,开源了 2.6B 参数的可控世界模型 SANA-WM(支持 720p/1 分钟视频与 6-DoF 相机控制)、Sol-RL 强化学习训练方案,以及 720p 视频生成模型。设计师与开发者可免费获得工业级视觉生成与世界建模工具,并能基于 Cosmos-RL 做私有化后训练。
Anthropic 开源 Claude 职业角色插件
anthropics/knowledge-work-plugins
Anthropic 在 GitHub 开源 11 个面向知识工作者的插件,兼容 Claude Cowork 与 Claude Code,覆盖生产力、销售、客服等场景。每个插件捆绑 skills、connectors 与 slash commands,企业可按自身工具与流程深度定制,让 Claude 变成具备专业工作流的岗位专家。
Chat SDK 按钮与模态框新增回调 URL
Chat SDK now supports callback URLs on buttons and modals
Vercel Chat SDK 最新支持在卡片按钮与模态框中设置 callbackUrl,可将用户点击或表单提交事件回传至指定工作流端点,实现 AI 对话中的异步任务暂停与恢复。这让设计工程师能在 Slack、Teams 等平台上构建更复杂的交互式 AI 卡片与表单工作流。
全开源AI工程课:435节从数学推导到MCP server
rohitg00/ai-engineering-from-scratch
GitHub Trending 新晋全开源AI工程课程,共435节课、20个阶段约320小时,覆盖Python/TypeScript/Rust/Julia。课程要求从线性代数和反向传播开始手写代码,逐步构建Tokenizer、Attention机制直至MCP服务器和自主智能体集群,每节课均产出可复用工程产物。
Forge:让 8B 本地模型跑通多步 Agent 工作流
antoinezambelli/forge
这是一个为自托管 LLM 提供工具调用可靠性层的 Python 框架。通过救援解析、重试引导和步骤强制等 guardrails,以及 VRAM 感知的上下文压缩,将 8B 本地模型提升到多步 agent 工作流的第一梯队。提供 WorkflowRunner、中间件和 OpenAI 兼容代理三种集成方式。
Vercel 产品团队真正在用的工具
Tools the Vercel product design team actually uses
在 AI 迅速颠覆设计工具格局的当下,Vercel 产品设计师公开了团队真实采用的设计工具栈。这份清单覆盖了从原型到交付的完整链路,为正在重构工具链的设计师和设计工程师提供了可直接参照的一线选型依据。
微软官方 AI Agents 入门课:12 讲从零开始
microsoft/ai-agents-for-beginners
微软在 GitHub 开源了一套面向初学者的 AI Agents 构建课程,共 12 节课,覆盖从基础概念到实际开发的完整路径,并支持 50 余种语言的自动翻译。对需要理解 Agents 技术边界的产品设计师和工程设计师而言,这是一份可直接实践的权威教材。
AI 产品跳过了 undo,改做分支
The undo problem in AI products
AI 产品普遍缺失传统撤销(Cmd+Z)功能,转而用对话分支或重新生成作为补救。但作者指出,分支与撤销是完全不同的交互原语,这种倒退让用户在误操作或回溯时陷入无助,是对50年来文本编辑最成功的交互惯例的背离。
12-Factor Agents:生产级 LLM 应用的 12 条原则
humanlayer/12-factor-agents
开发者 Dex 在遍试 Crew、LangGraph 等主流框架并与众多创始人交流后,提出「12-Factor Agents」方法论,类比经典的 12-Factor Apps。他指出,真正跑在生产环境的 Agent 往往不是「Prompt + 工具循环」的框架堆叠,而是确定性代码与 LLM 在关键节点的精准结合,为构建可靠 AI 应用提供了务实范式。
设计师掌握 AI 的真谛:把工具掰成自己趁手的形状
Designing how designers master AI
本文指出,设计师掌握 AI 的关键并非学会“正确用法”,而是将工具驯化为个人思维的延伸;组织惯用的统一培训计划之所以失效,正因为 AI 精通是发散、个人化且永无止境的。作者团队正尝试重新定义“精通”,并探索更贴合设计师真实状态的培养路径。
Build Your Own X:手把手教你从零造轮子
codecrafters-io/build-your-own-x
这是一个收录了数百个手把手教程的 GitHub 仓库,教你从零开始构建 3D 渲染器、数据库、操作系统、AI 模型等经典技术。对设计工程师而言,深入理解底层实现比调 API 更重要,这是对抗“黑盒焦虑”的最佳实践清单。
别直接问用户:理解用户的四个层次
Four Levels Of Customer Understanding
文章提出真正理解用户需跨越四个层次,而非依赖直接提问。作者指出用户口头反馈往往与真实行为脱节,设计师容易将“可能”误解为真实需求。该框架帮助团队穿透表层假设,捕捉被噪音掩盖的隐藏动机,从而避免基于错误证据做产品决策。
识别误导图表的防御指南
Defense against dishonest charts
FlowingData 推出了一份识别与防御不诚实数据图表的实战指南。在 AI 设计师与设计工程师日常需处理大量数据可视化的背景下,这份权威内容能帮助从业者建立批判性视角,避免在数据叙事中无意识地误导用户或被他人误导。