人工智能标签_微软开发者社区

人工智能

技术速递｜一份汉堡套餐带给我的智能体启示：Jev、大语言模型与模型路由器

在一文中，TypeSafe 将 Jev 介绍为其首个公开提供的 System One 模型，并以早期访问形式发布。这个名称借鉴了快速思考与审慎思考之间的区别。你不必将其视为对人类大脑运作方式的字面描述。Jev 接收状态和预先定义的问题，然后返回带有概率信息的类型化决策，而不是自由生成自然语言文本。回到餐厅的场景。传统 LLM 可以解释为什么某份餐食符合你的偏好。Jev 则更像一位能够理解你所说的话

 MicrosoftReactor
2026-10-15 22:05:35

 149

 3

#语言模型 #人工智能 #自然语言处理
技术速递｜AI 正在改变开发者的工作方式。以下是值得重点提升的三项技能。

随着开发者的工作流程不断演变，学会高效地与 AI 协作，并持续提升自身的技术判断力，将有助于你更好地适应变化。将这些理念付诸实践 >

MicrosoftReactor
2026-10-12 19:16:16

 107

#人工智能
技术速递｜从 Jev 到你的笔记本电脑：使用 Mobius 在 ONNX 中构建“System One”决策模型

Mobius 可以直接在 ONNX 中构建生成式模型。这里的关键就在于“在”这个字。根据项目仓库自身的描述，Mobius 通过“使用 onnxscript.nn API 为生成式 AI 提供 ONNX 模型定义”，支持构建*“大语言模型、混合专家模型（MoE）、多模态模型、纯编码器模型、编码器—解码器模型、视觉模型、音频模型和扩散模型，并使用 onnxscript.nn.Module 直接构建 O

MicrosoftReactor
2026-10-10 21:32:50

 223

 1

#AI #人工智能
技术速递｜使用 GitHub Security Lab Taskflow Agent 实现 AI 驱动的模糊测试

我启动这个项目，是因为我看到了每一位安全研究人员都熟悉的局限：模糊测试确实有效，但如果没有人工持续关注，就很难扩大规模，而人工投入恰恰是整个流程的瓶颈。Fuzzing Taskflow 是我尝试突破这一瓶颈的成果。通过将编写测试驱动程序、阅读覆盖率报告、追踪覆盖率缺口和分析崩溃等重复性工作交给大语言模型智能体，同时明确区分智能体的判断职责与实际执行工作的工具，我希望让整个流程具备更强的自动化能力。

MicrosoftReactor
2026-10-09 22:14:22

 322

#github #人工智能 #AI
超越“百里挑一”：评估文生图模型

随着 AI 从实验阶段走向关键业务基础设施，文生图模型评估也需要具备工程化方法，而不能继续依赖几张“效果最好”的展示图片。HEIM 提供了一套覆盖图像质量、推理能力、安全公平、多语言以及生产效率等多个维度的整体评估框架。结合企业自身的真实业务场景建立标准化评估矩阵，能够更客观地比较不同模型之间的能力权衡，帮助团队构建既美观、稳定，又安全、具备成本效益的视觉 AI 应用。

MicrosoftReactor
2026-09-23 22:04:42

 352

 1

#AI #人工智能 #copilot +1
技术速递｜当编码智能体离开代码库：使用 Azure KARS 构建多运行时 AI 智能体基础设施

作者：卢建晖、许豪排版：Alan Wang。

MicrosoftReactor
2026-09-30 00:02:45

 311

 4

#azure #人工智能 #MCP +1
技术速递｜你还需要读代码吗？RAG 已经死了吗？Skills 会取代 MCP 吗？

作者：GPS排版：Alan Wang在最新一期 GitHub Podcast 中，我们围绕这些 AI 热门观点以及更多 AI 话题展开了深入讨论。热门观点会把复杂的话题浓缩成一句听起来非常笃定的话。因此，它们非常适合引发互动，却未必有助于真正理解问题。从表面上看，它们并没有那么重要。你赞同、反对、转发、争论几分钟，然后继续做自己的事。有时候，这个观点方向上是对的；有时候，它完全就是无稽之谈。热门观

 MicrosoftReactor
2026-09-28 20:37:32

 95

 2

#人工智能 #MCP #RAG
技术速递｜如何在不牺牲任务质量的前提下，让 AI 编码更具成本效益

作者：Erik Kristensen & Napalys Klicius排版：Alan Wang为什么更短的输出反而可能成本更高，以及 GitHub Copilot 如何在完整的编码任务过程中减少无效工作。在使用 AI 编码智能体时，输出质量固然重要，但真正的效率来自于快速、高效地完成工作，并为模型提供恰当的上下文。因此，仅凭单次交互的 Token 数量，并不能真正衡量效率。目标不应该是使用更少的

 MicrosoftReactor
2026-09-10 21:58:49

 264

#人工智能 #copilot #AI +1
技术速递｜解码 AI 新术语：Loops、Harnesses、Squads、Hill Climbing……到底都是什么？

从 Loop Engineering 到 Harness、Squad，再到 Open Weights，GitHub Podcast 带你拆解开发者社区里频繁出现的 AI 热词，帮助你快速理解 AI 时代的新概念与新实践。

MicrosoftReactor
2026-09-07 22:11:27

 180

 5

#人工智能
技术速递｜借助自有模型在 Visual Studio 中为每位开发者释放 AI 的强大能力

作者：Tanmayee Kamath排版：Alan WangVisual Studio 中最好的 AI，就是你可以带在身边的 AI。如今，开发者已经不再只使用单一模型。你可能会选择一个模型用于日常编码，另一个模型解决特定领域的问题，还可能使用一个经过组织批准的模型，以确保相关工作始终符合企业的治理要求。因此，我们最常听到的问题已经不是“哪个模型最好”，而是：“我可以使用自己的模型吗？

MicrosoftReactor
2026-08-26 00:06:38

 294

 3

#visual studio #人工智能 #ide
技术速递｜Harness 基本就是你需要的一切（大多数情况下）

作者：Burke Holland排版：Alan Wang一个基于 GitHub Copilot 的实用开发工作流：覆盖软件原型设计、规划、实现与代码审查，无需追逐每一个新 AI 工具。如果你现在正被 AI 搞得不知所措，你并不孤单。每天似乎都会冒出一个新的工具、新的 MCP、新的模型、新的 Skill、新的工作流、新的功能，还有新的社交媒体帖子，内容大概都是：“嘿！看这个神奇提示词，我已经彻底搞懂

 MicrosoftReactor
2026-08-10 22:15:46

 294

 5

#人工智能
技术速递｜Harness 驱动的智能体：在 Hyperlight MicroVM 沙箱中构建安全的播客流水线

作者：卢建晖 - 微软高级云技术布道师排版：Alan Wang。

MicrosoftReactor
2026-07-22 21:05:03

 384

 6

#安全 #网络 #人工智能
技术速递｜我们如何打造一款内部智能数据分析助手

作者：Matteo Vasirani & Cynthia Joseph排版：Alan WangQubot 是我们内部基于 GitHub Copilot 打造的智能数据分析助手，它允许任何 GitHub 员工使用自然语言直接查询公司的数据。本文将分享我们在构建 Qubot 过程中积累的实践经验与思考。大型数据与分析团队长期以来一直面临一个难题：如何真正实现数据和洞察的自助化访问。几十年来，整个行业都

 MicrosoftReactor
2026-07-08 22:35:17

 330

 3

#数据分析 #人工智能 #github +1
技术速递｜Token 经济学：智能体 AI 时代的新 FinOps

EvalAgentic 的 README 中描述了三张关键图：架构流程图、路由决策树以及 Token 计量设计图。↓↓↓↓↓↓在演示中，一个三行叙事通常非常有效：Token 不再只是技术细节，而是架构的真实账单。EvalAgentic 展示了同一场景在成本感知设计前后的差异。优化目标不是让模型更便宜，而是让智能体系统具备经济可治理性。面向开发者的更精炼版本：一个优秀的智能体系统，不会在所有地方都使

 MicrosoftReactor
2026-07-06 22:20:17

 418

 11

#人工智能 #AI
技术速递｜JetBrains AI Assistant 现已支持 GitHub Copilot 智能体

与的集成进一步升级。很多开发者已经在 JetBrains IDE 中使用 GitHub Copilot 插件，把它当作日常编程搭子。与此同时，Copilot 也早已通过接入 JetBrains AI Assistant。现在，这个合作又向前迈了一步：GitHub Copilot 现已成为 AI Assistant 原生默认智能体的一员，你可以按自己的工作流自由选择最顺手的入口。

MicrosoftReactor
2026-07-01 13:21:45

 252

 4

#人工智能 #github #copilot
技术速递｜通过全新开放数据集，加速研究人员和开发者构建多语言 AI

作者：Kevin Xu排版：Alan Wang一项全新的仓库级数据集现已在 GitHub 上以 CC0-1.0 协议开放发布，帮助研究人员和开发者从 README、Issue 和 Pull Request 中发现丰富的多语言开发者内容，为构建和训练多语言 AI 提供高质量的数据支持。软件可以使用编程语言编写，但自然语言才是开发者协作的核心。开发者会在 README 中介绍项目如何使用，在 Issu

MicrosoftReactor
2026-06-30 23:00:42

 275

 4

#人工智能 #github
技术速递｜边缘 AI 的 Token 经济学：基于 WinML CLI 在 Windows NPU 上运行 Qwen3

边缘 AI 值得关注的原因并不在于“新奇”，而在于经济规律和物理规律恰好指向了同一个方向。从Token 经济学的角度来看，云端推理的每个 Token 都需要持续计费，其边际成本永远无法降为零；而边缘推理则通过一次性的硬件投入，让后续 Token 的边际成本不断趋近于零。对于高频调用、交互密集以及隐私敏感的工作负载而言，这并非微不足道的成本优化，而是一种结构性的优势。NPU则是让这一模式真正可行的关

 MicrosoftReactor
2026-06-26 21:11:56

 391

 4

#人工智能 #windows
技术速递｜智能体生成的 Pull Request 已无处不在，如何高效完成代码审查？

一份审查智能体生成 Pull Request 的实践指南：重点关注哪些内容、问题容易隐藏在哪里，以及如何在代码上线前识别并消除技术债务。

MicrosoftReactor
2026-06-10 21:42:50

 356

 6

#人工智能 #copilot
技术速递｜基于 AI Runway 在 Kubernetes 上构建可控推理平台

AI Runway 是一个 Kubernetes 原生的平台，用于部署和管理大语言模型。它的核心理念是通过一个统一的 Kubernetes CRD ——来描述模型部署意图。随后，AI Runway Controller 会基于不同 Provider 的能力，选择或委派给对应的 Provider 专属 Controller。该项目这样描述自己：在 Kubernetes 上部署和管理大语言模型 ——

MicrosoftReactor
2026-05-19 20:53:41

 466

 10

#人工智能 #kubernetes #容器
技术速递｜oBeaver —— 一只可以在你本地机器上运行大语言模型的海狸 [特殊字符]

作者：卢建晖 - 微软高级云技术布道师排版：Alan Wang大家好！我是 oBeaver 的创建者。这个项目起源于一个非常简单的想法：我想在自己的电脑上运行大语言模型。不把数据发送到云端，不需要 API Key，也没有按调用计费。我猜你可能也有过类似的想法。市面上已经有一些很优秀的工具——其中最知名的就是 Ollama。

MicrosoftReactor
2026-04-10 21:08:03

 481

 7

#语言模型 #人工智能 #自然语言处理
技术速递｜使用 Copilot SDK 构建 AI 驱动的 GitHub Issue 分类系统

作者：Andrea Griffiths排版：Alan Wang学习如何将 Copilot SDK 集成到 React Native 应用中，以生成由 AI 驱动的 issue 摘要，并采用适用于生产环境的优雅降级和缓存模式。Copilot SDK 让你可以将驱动的同款 AI 添加到你自己的应用中。我想看看它在实际中的效果如何，于是我构建了一个名为 IssueCrush 的 issue 分类应用。下

 MicrosoftReactor
2026-04-09 20:06:46

 651

 10

#copilot #人工智能 #github
技术速递｜使用 Copilot CLI 中的 /fleet 一次运行多个智能体

你可以在。

MicrosoftReactor
2026-04-03 19:52:43

 787

 9

#copilot #人工智能
技术速递｜如何使用 GitHub Security Lab 的开源 AI 驱动框架进行漏洞扫描

任务流是 YAML 文件，用于描述我们希望通过 LLM 完成的一系列任务。借助它们，我们可以编写提示词来完成不同任务，并让任务之间相互依赖。框架负责按顺序运行这些任务，并将一个任务的结果传递给下一个任务。例如，在审计一个代码仓库时，我们首先根据功能将仓库划分为不同组件。然后，对于每个组件，我们会收集一些信息，例如其接收不可信输入的入口点、预期权限以及组件用途等。这些结果会被存储在数据库中，为后续任

 MicrosoftReactor
2026-03-26 23:38:37

 520

 13

#github #开源 #人工智能 +1
技术速递｜“AI 作为文本”的时代已经结束执行才是新的界面

看看 GitHub Copilot SDK 如何让智能体式工作流直接嵌入到你的应用中。

MicrosoftReactor
2026-03-24 20:56:36

 348

 9

#人工智能 #copilot
技术速递｜面向无障碍的持续 AI：GitHub 如何将反馈转化为包容性

作者：Carie Fisher排版：Alan WangAI 自动化处理无障碍反馈的分类工作，使我们能够专注于修复障碍——将混乱的积压转变为持续、快速的解决方案。多年来，在 GitHub 上，无障碍反馈一直没有一个明确的去处。与典型的产品反馈不同，无障碍问题不属于任何一个单一团队——它们横跨整个生态系统。例如，一位屏幕阅读器用户可能会报告一个涉及导航、身份验证和设置的工作流程中断的问题。一位仅使用键

 MicrosoftReactor
2026-03-20 21:44:54

 513

 8

#人工智能 #github
技术速递｜AI 如何重塑开发者选择？Octoverse 数据给出了证明

作者：Andrea Griffiths排版：Alan WangAI 正通过便利性循环重构开发者偏好。Octoverse 2025 揭示了 AI 兼容性正如何成为技术选择的新标准。你是否有过这样的体验：某种感官触发会瞬间把你拉回人生中的某个时刻？对我来说，那就是 Icy Hot。只要闻到那个味道，我就仿佛回到军队里清晨 5 点集合的时刻。肩膀绷紧，身体记忆被唤醒。这并不理性，这只是记忆的运作方式。我

 MicrosoftReactor
2026-02-28 20:55:02

 810

 10

#人工智能
技术速递｜社区驱动的 AI 安全：一个面向安全研究的开源框架

宣布 GitHub Security Lab Taskflow Agent——一个面向安全研究的开源协作框架。

MicrosoftReactor
2026-02-13 19:08:54

 1276

 28

#人工智能 #安全 #开源
技术速递｜借助 GitHub Security Lab Taskflow Agent 的 AI 支持漏洞分流

Taskflow 是一种 YAML 文件，用于描述我们希望借助 LLM 完成的一系列任务。通过这种方式，我们可以为不同任务编写提示词，并让任务之间形成依赖关系。seclab-taskflow-agent 框架负责按顺序执行这些任务，并将一个任务的结果传递给下一个任务。例如，在审计 CodeQL 告警结果时，我们首先需要获取代码扫描结果。随后，对于每一条结果，我们可能会有一系列需要检查的任务。例如，

MicrosoftReactor
2026-02-11 00:14:35

 841

 18

#github #人工智能 #开源
技术速递｜GitHub Copilot SDK 与混合 AI 实践：README 到 PPT 的自动化转换流程

混合 AI 模型是在同一个应用中，有策略地将本地运行的小语言模型（SLM）与基于云的大语言模型（LLM）结合起来，并根据任务的不同特性，为每个任务选择最合适的模型。核心原则敏感数据的本地处理：隐私敏感内容的分析在本地设备上完成云端用于价值创造：复杂推理和创造性生成依赖云端能力成本与性能的平衡：高频、简单任务在本地运行，以减少 API 成本于 2026 年 1 月 22 日以技术预览形式发布，是

 MicrosoftReactor
2026-02-02 22:40:22

 1505

 10

#github #copilot #人工智能