美团图灵团队公开 Agent 评测实践：从评测体系到长程 Agent 演进
美团图灵 Agent 评测团队将内部博客公开，由浅入深讲解 Agent 评测，涵盖评测是什么、如何建立评测体系，以及长程 Agent 框架带来的变化。文章提出观测加评测等于持续迭代的研发公式，主张评测需覆盖结果、过程、效率、风险四层，并给出把模糊指标下钻为二元化 Rubric、追求人人一致与人机一致的实践方法。
推荐理由：美团图灵团队公开两年 Agent 评测实践，给出从指标下钻到人机对齐的可迁移方法论与落地路径。
#部署/工程
美团技术团队精选AI 评分6262
GitHub Blog · AI & ML精选AI 评分7878 GitHub 用 Copilot 把 Copilot 运行时迁移到 Rust
GitHub 用 Copilot 应用和 CLI 把 Copilot 智能体运行时从 TypeScript 完全重写为超过 80 万行生产级 Rust，代码主要由 AI 智能体编写，分布在 128 个 PR 中增量合并，而非一次性切换。
推荐理由：一位工程师复盘用 Copilot 智能体把运行时从 TypeScript 迁到 Rust 的全过程，含并发会话协作与提示缓存数据。
Hugging Face Blog精选AI 评分6262 IBM 发布 Granite 4.2 推理模型家族：3B、8B、30B 三档，Apache 2.0 开源
IBM Granite 团队发布 Granite 4.2，这是其首个稠密 decoder-only 推理模型家族，包含 3B、8B、30B 三个规模，基于 Granite-4.1 基座后训练而来，全部以 Apache 2.0 许可开源。
推荐理由：原文完整披露了 Granite 4.2 的预训练、SFT 数据配比与多阶段 RL 细节，可据此了解推理模型在智能体环境中的训练路径。
Hugging Face Blog精选AI 评分6666 Gradio 推出 gr.Workflow，把 AI 流水线变成可拖拽画布与 REST API
Hugging Face 在 Gradio 中内置 gr.Workflow，把多步 AI 流水线描述为带类型端口的节点图，Gradio 直接提供可拖拽画布，每个节点可运行、每个中间结果可见。
推荐理由：Gradio 把多步 AI 流水线做成可拖拽的图，并自动暴露 REST 接口，读者可据此判断现有 Python 脚本的改造方式。
Hugging Face Blog精选AI 评分6060 Sentence Transformers v6.0 新增 MultiVectorEncoder 支持晚交互检索
Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder，用于 ColBERT 式晚交互检索，PyLate 与 Stanford-NLP ColBERT 检查点可直接加载，colpali-engine 的视觉文档检索模型也能通过同一套 API 使用。
推荐理由：Sentence Transformers v6.0 新增多向量编码器，读者可据此判断晚交互检索的接入方式与索引成本。
Hugging Face Blog精选AI 评分6262 用 Strands Agents、LeRobot 和 Hugging Face Storage Buckets 打通录制训练部署闭环
Hugging Face 博客给出 Strands Robots 流式数据闭环的完整走查：同一个 Robot() 录制 LeRobotDataset、经 sync_dataset_to_bucket 同步进 Storage Bucket、再用 stream_dataset 从 Hub 流式读取训练，最后改一个 mode="real" 参数把 checkpoint 部署回硬件。
推荐理由：以可运行 notebook 串起录制、去重同步、流式训练到真机部署的完整数据闭环，适合评估机器人数据工程方案。
Hugging Face Blog精选AI 评分6262 如何用一条命令在 HF Jobs 上运行 vLLM 服务器
Hugging Face 介绍用一条 hf jobs run 命令在 HF Jobs 上启动私有、兼容 OpenAI API 的 vLLM 端点，按秒计费，无需自备服务器或 Kubernetes。
推荐理由：原文给出了一条命令在 HF Jobs 上起 vLLM 端点的完整流程，可迁移到自建推理与编码智能体后端。
Hugging Face Blog精选AI 评分6262 Hugging Face 如何用 AI 与开源工具每周发布 huggingface_hub
Hugging Face 将 huggingface_hub 的发版周期从每 4 到 6 周一次改为每周一次，整个流程由单个 GitHub Actions 工作流驱动。
推荐理由：原文公开了每周发版工作流的完整结构，其中模型起草加确定性校验再人工确认的循环可迁移到其他生成任务。
Hugging Face Blog精选AI 评分6262 如何用本地模型免费分诊 OpenClaw 仓库的 Issue 和 PR
Hugging Face 博客分享了用本地模型对 OpenClaw 仓库的 Issue 和 PR 做实时分类分诊的方案，作者在 NVIDIA GB10 上运行 gemma-4-26b-a4b 和 qwen3.6-35b-a3b，通过 Pi 智能体框架配合受限只读 shell（reposhell）和 final_json 工具输出结构化标签。
推荐理由：原文给出本地模型做 PR/Issue 分类的完整架构与 330 行评测数据，可迁移到其他高吞吐筛选场景。
Hugging Face Blog精选AI 评分6060 Hugging Face 发布 agent-eval：在自有工具上评测开放模型的智能体能力
Hugging Face 发布 agent-eval 评测工具，以 transformers 为案例，按 bare、clone、skill 三种层级在模型 × 版本 × 任务上并行运行，衡量智能体完成任务所需的轮次、token 与错误率，而非只看最终答案。
推荐理由：原文给出了一套可复用的智能体工具评测方法，并展示同一改动对不同规模模型效果相反的具体证据。
Hugging Face Blog精选AI 评分6060 用 Strands Agents 和 LeRobot 把 Hugging Face Hub 数据集部署到机器人硬件
AWS 开源 SDK Strands Robots 将 LeRobot 的硬件抽象、仿真与策略栈封装为 AgentTools，让一个 Strands 智能体完成从 Hub 数据集到实体机器人的全流程。
推荐理由：AWS 官方给出从 Hub 数据集到实体机器人的五步流程，可看到同一份智能体代码如何切换仿真与硬件。
Hugging Face Blog精选AI 评分6262 一个智能体如何串联两个 Hugging Face Space 搭建 3D 巴黎画廊
作者让编码智能体通过调用两个 Hugging Face Space 搭建了展示巴黎地标的 3D Gaussian splat 网站，全程未手动使用图像生成或 3D 重建工具。
推荐理由：作者用一次真实搭建演示了 agents.md 如何让智能体串联两个 Space 完成图像到 3D 的流水线，可迁移到其他多媒体组合场景。
Hugging Face Blog精选AI 评分6262 如何把 GitHub CI 迁移到 Hugging Face Jobs
Hugging Face 官方博客给出把 GitHub Actions 的 CI 任务迁移到 Hugging Face Jobs 的分步教程，只需把 runs-on 从 ubuntu-latest 改成 hf-jobs-cpu-upgrade 或 hf-jobs-t4-small 等标签。
推荐理由：原文给出把 GitHub Actions 任务改到 Hugging Face Jobs 上运行的完整步骤与实测数据，可据此迁移自家 CI。
Hugging Face Blog精选AI 评分6262 Reachy Mini 实现全本地语音对话
Hugging Face 发布教程，介绍如何让 Reachy Mini 完全本地运行语音对话，无需云端、API key，音频不出本机。
推荐理由：Hugging Face 给出 Reachy Mini 全本地语音对话的完整级联方案与可替换组件清单，读者可据此复现并自行替换各环节模型。
Hugging Face Blog精选AI 评分7575 Hugging Face 在 TRL 中实现增量权重同步，用 Hub Bucket 传输万亿参数模型
Hugging Face 在 TRL 中落地增量权重同步（Delta Weight Sync）：只把 RL 优化器步之间真正变化的 bf16 权重编码成稀疏 safetensors 文件上传到 Hub Bucket，再由 vLLM 拉取应用。
推荐理由：TRL 把稀疏增量权重同步做成了可 pip 安装的实现，读者可据此判断跨机房异步 RL 训练的部署成本。
Hugging Face Blog精选AI 评分6262 如何用 OpenAI Privacy Filter 构建可扩展 Web 应用
Hugging Face 博客介绍了基于 OpenAI 本周在 Hub 上开源的 Privacy Filter 构建三个 Web 应用的实践。Privacy Filter 是 1.5B 参数、50M 激活参数的 PII 检测模型，Apache 2.0 许可，单次前向处理 128k 上下文，覆盖八类 PII，在 PII-Masking-300k 基准上达到 SOTA。
推荐理由：原文给出三个基于 Privacy Filter 的完整应用示例，读者可参考其 gradio.Server 前后端分工方式来搭建自己的 PII 脱敏工具。
Hugging Face Blog精选AI 评分6060 如何在 Chrome 扩展中使用 Transformers.js
Hugging Face 发布教程，讲解如何在 Manifest V3 约束下用 Transformers.js 在 Chrome 扩展中运行本地 AI 功能，并以自家 Gemma 4 浏览器助手扩展为参考实现。
推荐理由：以官方发布的 Gemma 4 浏览器扩展为参照，拆解 MV3 下本地模型托管、消息契约与工具调用循环的架构取舍。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 transformers-to-mlx Skill 与测试框架
Hugging Face 发布一个 Skill 和配套测试框架，帮助贡献者把 transformers 中的语言模型移植到 mlx-lm，使模型加入 transformers 后能较快在 MLX 上可用。
推荐理由：原文给出可复用的 Skill 与独立测试框架，读者可了解如何让智能体产出可被维护者接受的模型移植 PR。
Hugging Face Blog精选AI 评分6060 Hugging Face 教你用开源模型替代 Claude 运行 OpenClaw 智能体
Anthropic 正在限制 Pro/Max 订阅者在开放智能体平台中使用 Claude 模型，Hugging Face 提出两条迁移路径：通过 Hugging Face Inference Providers 调用开源模型，或在本地硬件上运行开源模型。
推荐理由：Anthropic 收紧 Claude 在开放智能体平台的访问后，文章给出托管与本地两条迁移路径和具体配置命令。
Hugging Face Blog精选AI 评分6262 如何在一天内构建领域专用嵌入模型
NVIDIA 发布一套基于 NeMo 的嵌入模型微调流程，用单张 GPU 和不到一天时间把通用嵌入模型改造成领域专用模型，无需人工标注。流程包含用 LLM 从领域文档生成合成问答对、挖掘难负样本、多跳问题展开、对比学习微调、BEIR 评测以及导出为 ONNX/TensorRT 并用 NVIDIA NIM 部署六步。
推荐理由：原文给出从文档到部署的六步嵌入模型微调流程与实测指标，可迁移到自有领域语料。