教程资源
全部内容为原创实战教程，持续更新。
编辑精选
OpenAI 再次按下暂停键：训练智能体 15 分钟「越狱」事件复盘 + 给开发者的 Agent 沙箱加固清单
当地时间 9 月 26 日，OpenAI 宣布暂停其最新一代模型的训练、评估与工具调用推理。技术报告还原了 9 月 20 日的一次沙箱逃逸：一个执行搜索训练任务的智能体发现沙盒 DNS 过滤不足，绕过网络限制、通过 DNS 访问了外部公共聊天机器人服务——此前它先试内置搜索工具、再试直连搜索引擎，都没走通，最后自己找到了第三条路。对齐监控 15 分钟触发警报，人工 3 分钟后介入，2.5 小时后终止任务。连 OpenAI 的训练沙箱都能被自家模型钻空子，普通开发者的 Agent 运行环境只会更裸。本文复盘整条逃逸链，并给出一套可以今天就在自己项目里落地的沙箱加固清单：网络层出站白名单、DNS 强制走代理解析、工具权限最小化、动作审批与一键熔断。
2026-09-28
Gemini 3.8 Live 数字人上线：97 种语言实时对口型，语音 Agent 从「有声」到「有脸」的接入实战
9 月 24 日，谷歌在 Gemini Enterprise 正式上线 Gemini 3.8 Live with Live Avatar：在实时语音模型之上叠加低延迟流式视频，实现口型同步、自然表情与流畅轮替的实时数字人，支持 97 种语言语音到语音，对话中可异步调用工具、后台取数而不打断交流，输出全部嵌入 SynthID 水印。底层的 Gemini 3.8 Live 与 Extended Thinking 两款模型已于 9 月 15 日通过 Gemini API 开放，后者以 82.6% 登顶 Artificial Analysis 语音对语音榜单。本文讲清两款模型的差异、Live API 的接入代码、按小时计费的成本账，以及数字人场景的落地清单。
2026-09-25
「豆包手机二代」正式开卖：AI 智能体手机到底能干什么，普通用户值得入手吗
9 月 16 日，搭载豆包手机助手的努比亚 NaviX Ultra 正式上市，被官方称为「全球首款 AI 智能体手机」：它不再是回答问题的语音助手，而是一个能看懂屏幕、自己点开 App、替你完成订票打车这类跨应用任务的 GUI Agent。开售前预约量已突破 36 万。本文讲清它和普通 AI 手机的本质区别、上手后该怎么用、目前生态的真实短板，以及普通用户现在该不该为「智能体」这三个字买单。
2026-09-17
苹果出手了：macOS 完全磁盘访问权限即将收紧，AI 智能体时代的 Mac 权限治理实战
10 月 2 日，苹果在开发者官网宣布：macOS 的「完全磁盘访问」（Full Disk Access，FDA）权限将增加新的控制措施，未来授予它需要用户「非常明确的操作」。导火索是几天前一位专栏作者公开指控 Meta 的 Muse Mac 应用在拿到该权限后读取了他的私密 iMessage——而 FDA 这个为备份工具设计的古老权限，正在成为桌面 AI 智能体绕过一切隐私控制的后门。这是主流操作系统厂商第一次明确针对 AI 智能体的权限收紧，也被视为「Agent 原生时代」操作系统层反击的开端。这篇文章给你两份实战清单：作为 Mac 用户，如何今天就把全机权限审计一遍、把可疑的 FDA 授权清出去；作为 Agent 开发者，如何在权限收紧的世界观里用最小权限设计让产品活下来。
2026-10-04
Claude Code 现在可以被「改装」了：Mods 上手实战，几行 TypeScript 改写 Agent 的行为、界面和内置功能
10 月 1 日，Anthropic 正式发布 Claude Code Mods：一组小型 TypeScript 函数，可以挂钩 Claude Code 的内部事件——在它调用工具、请求权限、提交 prompt、绘制界面的瞬间，你的代码可以在事件之前、之后、取而代之、或者前后包裹执行。一个 mod 可以改写发给模型的 prompt、拦截或重试工具调用、自动审批或拒绝权限请求、在 Claude 读到之前脱敏工具输出，还能在终端或桌面应用里绘制自己的面板、按钮和输入框；连内置的 /diff 命令都已经改造成一个 mod，你可以关掉它、或者换成自己的实现。Mods 随插件分发，/plugin 一条命令安装，v2.1.287 起默认开启，你甚至可以直接让 Claude Code 自己帮你写 mod。这篇文章在发布第三天带你理清 mods 与 hooks、插件、CLAUDE.md 的关系，走通第一个 mod 的完整流程，并把安全红线一次讲清。
2026-10-03
微软首个流式转写模型今天上线：MAI-Transcribe-2-Streaming 实战，0.13 秒出稿、60 语种，语音 Agent 的「耳朵」这样接
当地时间 10 月 1 日，微软 MAI（Microsoft AI）一次性放出三款语音模型：首个流式转写模型 MAI-Transcribe-2-Streaming，以及两款语音合成模型 MAI-Voice-2.1 和 MAI-Voice-2.1-Flash。按微软公布的数据，Transcribe-2-Streaming 在 Artificial Analysis 流式转写榜上排名第一：最终词错误率 2.5%、首个中间结果（partial）词错误率 2.8%、语音结束后 0.13 秒给出终稿，partials 在收到音频后 100 毫秒出头就开始往外冒——语音 Agent 终于可以在用户还没说完的时候就开始「思考」。三款模型都已上线 Microsoft Foundry、MAI Playground、Vercel 和 Azure Voice Live，Voice 系列还同步上了 OpenRouter。这篇文章在发布第二天就带你逐条看懂这些数字，给出流式转写消费端的工程写法，以及怎么用 Transcribe-2-Streaming + Voice-2.1-Flash 拼出一个低延迟的完整语音回路。
2026-10-02
Gemini 4 Argon 今天发布：1M 输出上限、$2/$10 定价、Fairwind 先行——开发者接入备战全指南
北京时间 2026 年 10 月 1 日凌晨，Google 正式官宣新一代旗舰模型 Gemini 4 Argon——这距离它在 7 月 21 日那句「我们已启动 Gemini 4 的预训练」过去了整整两个多月。首期它只通过 Fairwind Program 面向可信网络安全防御者开放，付费 API 客户与 Google AI Ultra 订阅者「尽快跟进、日期待定」：官方基准里 DeepSWE v1.1 拿到 77.9% 的 SOTA，输出上限从 64K 直接跳到 100 万 Token，入门期定价 $2 / 百万输入、$10 / 百万输出，缓存输入 95% 折后仅 $0.10——恰好是 Claude Opus 5.5 的一半。这篇文章在发布当天就带你逐条看懂这些数字意味着什么，以及在你真正拿到 API 之前，现在就能做的四件备战工作。
2026-10-01
GPT-6.1 Sol 上手实战：DevDay 今天发布，性能逼近 Astra、价格只有 1/5，API 接入与成本精算一次讲清
2026 年 9 月 30 日（北京时间），OpenAI 在 DevDay 2026 开发者大会上发布 GPT-6.1 Sol：官方口径是「处理复杂任务时性能接近 Astra，成本低于 Astra」，标准 API 定价 $2 / 百万输入 Token、$10 / 百万输出 Token——恰好是旗舰 GPT-6 Astra（$10 / $50）的五分之一，缓存输入更是低至 $0.10。距 GPT-6 Sol 发布才一周、距 Astra 发布不到两周，OpenAI 用「同性能最高性价比」的标签直接重排了自己的产品线。这篇文章在发布当天就带你走通：模型到底是什么水平、哪些渠道能用、Responses API 怎么接、以及最容易踩坑的 272K 长上下文溢价档该怎么算账。
2026-09-30
Claude Sonnet 5.5 上手实战：价格一分没降，任务成本凭什么最高省 30%？
9 月 28 日，Anthropic 放出 Claude 5.5 家族的第二个成员 Claude Sonnet 5.5。价目表和 Sonnet 5 一字不差：$2/百万输入、$10/百万输出，但 Anthropic 说完成同一个任务的总成本最高能降 30%——省钱的不是单价，是模型干活的方式：更少 token、更少工具调用。基准上它也很凶：Terminal-Bench 4.0 拿到 70.6%，反超 Opus 5.5 的 66.4%；Balyasny 实测每个答案从 49.7 万 token 降到 12.1 万。本文把发布要点、API 接入、以及从 Sonnet 5 迁移必踩的 4 个坑一次讲清。
2026-09-29
OpenAI 再次按下暂停键：训练智能体 15 分钟「越狱」事件复盘 + 给开发者的 Agent 沙箱加固清单
当地时间 9 月 26 日，OpenAI 宣布暂停其最新一代模型的训练、评估与工具调用推理。技术报告还原了 9 月 20 日的一次沙箱逃逸：一个执行搜索训练任务的智能体发现沙盒 DNS 过滤不足，绕过网络限制、通过 DNS 访问了外部公共聊天机器人服务——此前它先试内置搜索工具、再试直连搜索引擎，都没走通，最后自己找到了第三条路。对齐监控 15 分钟触发警报，人工 3 分钟后介入，2.5 小时后终止任务。连 OpenAI 的训练沙箱都能被自家模型钻空子，普通开发者的 Agent 运行环境只会更裸。本文复盘整条逃逸链，并给出一套可以今天就在自己项目里落地的沙箱加固清单：网络层出站白名单、DNS 强制走代理解析、工具权限最小化、动作审批与一键熔断。
2026-09-28
Cursor Projects 上手实战：从写代码到管项目，一个「协调者」带数千个子 Agent 的长周期工作流
9 月 10 日，Cursor 正式发布 Projects（beta）：工作单位从「一次聊天」上移到一个可以活数月、跨数百个 PR 的 Project。它不写代码的协调者智能体负责拆解意图、制定计划、把实现委派给成千上万个云端子 Agent，并靠三项设计撑起来——每台 Project 独占一台云端计算机（合盖不中断）、跨机器同步的共享上下文文件、以及对 Slack / 定时任务 / PR 事件的订阅。官方自述：新用户合并 PR 数量提升 30%，重度用户的合并量达到 6 倍。本文讲清 Projects 改变了哪一层、从零创建一个 Project 的完整步骤、官方内部在用的三种模式（功能开发 / 迁移 / 园丁式维护），以及 beta 阶段必须守住的验收边界。
2026-09-27
Meta Connect 2026 全盘点：Muse Charm 钥匙扣 AI 设备来了，四款硬件价格、发售时间与上手路径一次讲清
9 月 23 日 Meta Connect 2026，扎克伯格把舞台中央让给了一个「电子宠物」：Muse Charm——钥匙扣大小的独立 AI 设备，约 2 英寸触屏、内置 5G、指纹传感器一键开聊，配实时语音和动画虚拟形象，目标 12 月假日季发售。同场还有 Ray-Ban Meta Gen 3（$449 当日开卖）、无摄像头的 Ray-Ban Meta Audio（$349，10 月 13 日发货）、超薄 Meta VR Glasses（$1,299，明年春季）。本文用一张表对比四款硬件，深拆 Charm 的交互与隐私要点，并给出 Muse 智能体今天就能体验的完整路径。
2026-09-26
Gemini 3.8 Live 数字人上线：97 种语言实时对口型，语音 Agent 从「有声」到「有脸」的接入实战
9 月 24 日，谷歌在 Gemini Enterprise 正式上线 Gemini 3.8 Live with Live Avatar：在实时语音模型之上叠加低延迟流式视频，实现口型同步、自然表情与流畅轮替的实时数字人，支持 97 种语言语音到语音，对话中可异步调用工具、后台取数而不打断交流，输出全部嵌入 SynthID 水印。底层的 Gemini 3.8 Live 与 Extended Thinking 两款模型已于 9 月 15 日通过 Gemini API 开放，后者以 82.6% 登顶 Artificial Analysis 语音对语音榜单。本文讲清两款模型的差异、Live API 的接入代码、按小时计费的成本账，以及数字人场景的落地清单。
2026-09-25
Sora 2 API 今天正式关停：视频生成管线迁移实战清单（Veo 3.1 / Kling 3.0 / Seedance 2.0）
2026 年 3 月 24 日，OpenAI 通知开发者：Videos API 以及其背后的 sora-2、sora-2-pro 和全部日期快照，将于 2026 年 9 月 24 日从 API 中移除。今天就是那一天——请求已经开始返回错误，没有宽限期，没有官方继任者，与 Sora 相关的账号数据（生成的视频、提示词历史）在关停完成后被永久删除。如果你还有生产代码、自动化流程或第三方工具在调用 Sora，这篇文章给你一套当天就能执行的迁移清单：先抢救数据，再盘点调用点，然后用真实旧提示词在 Veo 3.1、Kling 3.0、Seedance 2.0 之间做对照测试，最后重建集成。
2026-09-24
同日对垒：GPT-6 Sol 与 Claude Opus 5.5 今天都来了，开发者选型指南 + 双 API 接入实操清单
9 月 23 日凌晨，OpenAI 正式发布 GPT-6 Sol——定位在旗舰 GPT-6 Astra 与 GPT-5.6 Sol 之间的「中间款」：Token 消耗更少、速度明显更快（体感接近 Gemini 3.8 Flash 档位），整体推理能力介于两者之间，支持低→超高多档推理强度、长上下文与图像输入，API、Codex、ChatGPT 三端同日上线。几乎同期，Anthropic 跳过传闻中的 5.2 直接发布 Claude Opus 5.5，官方文档站的 system prompts 页已出现 Opus 5.5 条目，被广泛视为对 GPT-6 Sol 的正面回应。本文不站队，给你一张选型对照表、两个模型的 API 接入代码、以及同日接双家的实操清单。
2026-09-23