开启时会模糊预览图，关闭后正常显示
印度政府要求苹果和安卓 OEM 在其智能手机中预装不可删除的反诈应用程序 #SancharSaathiApp，该应用程序不可删除并且会收集设备信息。印度通信部称该应用允许用户举报欺诈行为、追踪被盗设备的使用情况、验证设备真伪性、举报国际垃圾电话等。
查看全文：https://t.co/LrxV0Uwd0r
RT @kenwheeler: mfs trying advent of code after letting agents write their code for the last year
helping software engineers fix their health through wellness coaching & community
RT @eriktorenberg: We should celebrate public safety as much as we do defense. Fund the police. Make public safety a basic human right. Reg…
Software is eating the world, but I’m eating @saltandstraw. My initials were AI before it was cool. Partner @a16z growth fund.
![[Advent of Agents - 25 days of Agents in Google]
Google 官方启动 25 天的 AI Agent 实战特训营，学起来！
12月开始、25天、每天解锁一个新技能，目标是在圣诞节前让你具备将智能体上线生产环境的能力：
https://t.co/orJ2dJnK8K
核心目标：从“Zero”到“Production-Ready”
和普通的 AI 教程不同，这次活动的定位非常明确——不只是“玩玩看”，而是“能上线”。
· Zero: 面向即使是刚开始接触 Agent 的开发者。
· Production-Ready: 最终目标是构建出稳定、安全、可扩展的商业级应用，而不仅是 Demo。
学习模式：极简实战
Google 采用了非常开发者友好的“微学习”模式，降低了参与门槛：
· 每日解锁 (Day 1 - Day 25): 像拆圣诞盲盒一样，每天解锁一个新内容。
· 碎片化学习: 每个特性只需 < 5 分钟 即可尝试。
· 复制粘贴即运行: 提供经过验证的代码片段，拒绝“配置环境两小时，运行代码一秒钟”的挫败感。
· 永久知识库: 哪怕你错过了某天，网站也会归档所有内容，形成一套完整的开发手册。
核心技术栈：Google 智能体“全家桶”
这次活动将深度覆盖 Google Cloud 最新的 Agent 技术矩阵，这是一套完整的开发、部署、运行生态系统：
· 大脑 (Model)：Gemini 3，强调 Context Engineering、Computer Use、Live API。
· 骨架 (Framework)：Google ADK，官方推出的 Python 开发包，规范了智能体的构建方式。
· 运行环境 (Runtime)：Vertex AI Agent Engine，让开发者可以在几分钟内将智能体部署到云端，解决了“在本地跑得好好的，上线就挂”的问题。
· 蓝图 (Templates)：Agent Starter Pack，提供端到端 (E2E) 的生产级代码模板，相当于给了你一套标准房屋设计图，你只需装修即可。
Day 1 (首日) 任务：建立认知
· 核心动作： 收藏活动页面 (The Hub)。
· 必读读物：「Introduction to Agents whitepaper」。这是为了让你在动手写代码前，先统一对 Agent 架构（大脑+工具+流程控制）的理论认知。](/_next/image?url=https%3A%2F%2Fpbs.twimg.com%2Fmedia%2FG7IUewMbcAAzPYg.jpg&w=3840&q=75 "[Advent of Agents - 25 days of Agents in Google]
Google 官方启动 25 天的 AI Agent 实战特训营，学起来！
12月开始、25天、每天解锁一个新技能，目标是在圣诞节前让你具备将智能体上线生产环境的能力：
https://t.co/orJ2dJnK8K
核心目标：从“Zero”到“Production-Ready”
和普通的 AI 教程不同，这次活动的定位非常明确——不只是“玩玩看”，而是“能上线”。
· Zero: 面向即使是刚开始接触 Agent 的开发者。
· Production-Ready: 最终目标是构建出稳定、安全、可扩展的商业级应用，而不仅是 Demo。
学习模式：极简实战
Google 采用了非常开发者友好的“微学习”模式，降低了参与门槛：
· 每日解锁 (Day 1 - Day 25): 像拆圣诞盲盒一样，每天解锁一个新内容。
· 碎片化学习: 每个特性只需 < 5 分钟 即可尝试。
· 复制粘贴即运行: 提供经过验证的代码片段，拒绝“配置环境两小时，运行代码一秒钟”的挫败感。
· 永久知识库: 哪怕你错过了某天，网站也会归档所有内容，形成一套完整的开发手册。
核心技术栈：Google 智能体“全家桶”
这次活动将深度覆盖 Google Cloud 最新的 Agent 技术矩阵，这是一套完整的开发、部署、运行生态系统：
· 大脑 (Model)：Gemini 3，强调 Context Engineering、Computer Use、Live API。
· 骨架 (Framework)：Google ADK，官方推出的 Python 开发包，规范了智能体的构建方式。
· 运行环境 (Runtime)：Vertex AI Agent Engine，让开发者可以在几分钟内将智能体部署到云端，解决了“在本地跑得好好的，上线就挂”的问题。
· 蓝图 (Templates)：Agent Starter Pack，提供端到端 (E2E) 的生产级代码模板，相当于给了你一套标准房屋设计图，你只需装修即可。
Day 1 (首日) 任务：建立认知
· 核心动作： 收藏活动页面 (The Hub)。
· 必读读物：「Introduction to Agents whitepaper」。这是为了让你在动手写代码前，先统一对 Agent 架构（大脑+工具+流程控制）的理论认知。")
[Advent of Agents - 25 days of Agents in Google] Google 官方启动 25 天的 AI Agent 实战特训营，学起来！ 12月开始、25天、每天解锁一个新技能，目标是在圣诞节前让你具备将智能体上线生产环境的能力： https://t.co/orJ2dJnK8K 核心目标：从“Zero”到“Production-Ready” 和普通的 AI 教程不同，这次活动的定位非常明确——不只是“玩玩看”，而是“能上线”。 · Zero: 面向即使是刚开始接触 Agent 的开发者。 · Production-Ready: 最终目标是构建出稳定、安全、可扩展的商业级应用，而不仅是 Demo。 学习模式：极简实战 Google 采用了非常开发者友好的“微学习”模式，降低了参与门槛： · 每日解锁 (Day 1 - Day 25): 像拆圣诞盲盒一样，每天解锁一个新内容。 · 碎片化学习: 每个特性只需 < 5 分钟 即可尝试。 · 复制粘贴即运行: 提供经过验证的代码片段，拒绝“配置环境两小时，运行代码一秒钟”的挫败感。 · 永久知识库: 哪怕你错过了某天，网站也会归档所有内容，形成一套完整的开发手册。 核心技术栈：Google 智能体“全家桶” 这次活动将深度覆盖 Google Cloud 最新的 Agent 技术矩阵，这是一套完整的开发、部署、运行生态系统： · 大脑 (Model)：Gemini 3，强调 Context Engineering、Computer Use、Live API。 · 骨架 (Framework)：Google ADK，官方推出的 Python 开发包，规范了智能体的构建方式。 · 运行环境 (Runtime)：Vertex AI Agent Engine，让开发者可以在几分钟内将智能体部署到云端，解决了“在本地跑得好好的，上线就挂”的问题。 · 蓝图 (Templates)：Agent Starter Pack，提供端到端 (E2E) 的生产级代码模板，相当于给了你一套标准房屋设计图，你只需装修即可。 Day 1 (首日) 任务：建立认知 · 核心动作： 收藏活动页面 (The Hub)。 · 必读读物：「Introduction to Agents whitepaper」。这是为了让你在动手写代码前，先统一对 Agent 架构（大脑+工具+流程控制）的理论认知。
邵猛，中年失业程序员 😂 专注 - Context Engineering, AI Agents. 分享 - AI papers, apps and OSS. ex Microsoft MVP 合作 - 私信/邮箱：shaomeng@outlook.com 📢 公众号/小红书: AI 启蒙小伙伴
RT @himself_65: @DIYgod 如果真的要站台，我不支持情绪化严重的一方，上班第一天就应该知道工作不是找对象……遵守at-will employment。这种事情在美国就很不体面了，employer背景调查的时候会被拉黑
Grok: this account is an incredibly high signal hypermedia-authority with thousands of dedicated fans & blistering momentum.
多智能体系统（Multi-agent systems）经常让人失望？ 问题可能不在于智能体本身，而在于它们的组织方式。 大多数系统采用固定的链式、树状或图状结构，无法随着任务的变化而调整。 但如果系统能够学习自己的协作模式呢？ 这篇重磅论文介绍了一种名为 Puppeteer 的框架，它能动态地编排智能体，而不是依赖于预先设计好的拓扑结构。 关键在于： • 不再预定义协作结构，而是由一个协调器根据不断变化的对话状态来选择下一个发言的智能体。 • 使用 REINFORCE 算法训练策略，直接优化任务成功率。 • 将所有内容序列化为连续的智能体选择，而不是搜索复杂的图拓扑，从而避开组合复杂性。 结果令人惊讶： 自然形成了紧凑的循环模式，而不是庞大的图结构，其中 2-3 个智能体处理大部分工作。 更厉害的是，系统能够自主发现效率。 成果展示： • 在 GSM-Hard 数学问题上：准确率达到 70%（相比之下，基础模型单独使用时只有 13.5%）。 • 在 MMLU-Pro 上：达到 83%（基线为 76%）。 • 在 SRDD 软件开发上：达到 76.4%（基线为 60.6%）。 这些提升伴随着 token 消耗的降低。 论文表明，在整个训练过程中，token 成本持续下降，而性能却在提高。 他们还证明了智能体选择过程满足马尔可夫性质，这意味着当前状态就能决定最优的下一个智能体，无需跟踪完整历史。 所以： 对于 AI 开发者来说，学习到的简单性胜过精心设计的复杂性。 一个经过训练的路由器，加上一些专业智能体，就能胜过精心设计的工作流程，同时还能降低计算开销。
本内容由xaicreator翻译生成 https://t.co/Gxsobg3hEN
