标签
免费的开源“从零开始的 AI 工程”课程，以原始数学原理为起点，教授如何使用 Python、TypeScript、Rust 和 Julia 构建反向传播、分词器、注意力机制、Transformer、混合式 RAG 和智能体，并提供终端内交互式辅导和可运行的模拟。
Matt Dancho 解释了为什么理解分词是转向 AI 工程的数据科学家必备的技能，重点介绍了词元如何影响上下文窗口、成本、嵌入和多语言表现，并提供了一本分词手册和一场免费工作坊的链接。
DeepLearning.AI 宣布举办 AI Dev NYC 大会（11月30日至12月1日，切尔西码头），由 Yann LeCun、吴恩达以及来自 OpenAI、贝莱德、Hugging Face 和 Neo4j 的工程师讲授评估驱动开发、智能体系统构建与生产环境规模化运维等主题。
swyx 宣布 AI Engineer Code Summit 2026 将于 11 月 10-12 日在旧金山举办，聚焦这一年 agentic coding 的进展，汇集顶尖 AI 工程师、研究者与创始人，涵盖 coding agents、代码审查、评估与生产级基础设施等主题。
作者指出 AI 功能在 demo 阶段表现优异却在生产环境中失灵的常见原因：示例是由人工挑选的理想输入。建议在写第一个 prompt 前先收集 50-100 个真实（尤其是糟糕的）输入并定义理想答案，用作回归评测集。
一位在企业做AI落地的程序员反思技术人容易陷入'技术自嗨'，强调技术能力不等于产品与商业能力，真正的难点在于找到需求、交付价值并获得收入。
OpenAI 分享了工程师如何在内部使用 Codex 的 Ultrafast 模式，将事故调查时间从数小时缩短至 10-15 分钟，从多个数据源获得近乎实时的答案，并实现更快的代码重构。
SF Software Factory Meetup（SF2M）将于11月14日在 Vercel 位于旧金山的总部再度举办，与 AI Engineer Code Summit 携手，邀请工程领域的领导者探讨 AI 驱动的软件开发。
Latent Space 的文章介绍了 Claude Mods——一种允许用户用 TypeScript/JavaScript 自定义 Claude Code 行为的插件系统，将其描述为『注意力界面』（Attention Interface）的早期形态，认为 agent harness 最终会成为其他公司在其上构建人机交互界面的平台。
BotsCrew 公布了 GPT-5.6 Luna 与 GPT-5.2 的基准测试对比结果。此次测试在 OpenAI 于 1 月 14 日停用 GPT-4o 和 GPT-4.1 之前进行，结果发现，价格更低的 Luna 模型在成本方面占优，但在大量使用工具的长对话和安全防护方面表现较差。
a16z 的一篇文章认为，尽管超人级 AI 硬件工程师即将出现——CAD/PCB 基准测试的不断提升以及 GPT-6 Astra 的 3D 设计演示便是佐证——但由于比特与原子之间的接口存在有损性，AI 在将数字设计转化为可运行的物理硬件方面仍将面临困难。
Omar Santos 推荐了关于使用决策模型（如 System One 模型 Jev）进行 LLM-as-a-Judge 评测的资源，这些内容建立在 Hamel Husain 关于为评测选择和调优决策模型的博客文章之上。
推出 SKY-001，首个工程世界模型，在 CAD 和 BIM 任务上超越了 GPT-6 Astra 等前沿模型，速度快 51-125 倍，成本低 150-210 倍，由 Maluuba 深度学习实验室团队打造，面向自主制造领域。
本文作者探讨了RAG评估应如何区分系统回答"我不知道"的三种不同原因——检索失败、证据缺失和来源冲突——并提出了一种评估方法，该方法标注的是期望的未解决状态，而不是简单地将答案判定为正确、错误或拒绝回答。
swyx 认为，构建数据密集型应用的数据工程师的需求远高于普通的"RAG 专家"式 AI 工程师，并通过 Latent Space 招募一个以使命为导向的岗位，提供搬家和签证支持。
作者预告将于周一/周二发布一篇关于 AI Engineering 的长文，涵盖上下文工程、RAG、Agent 编排、评估、推理服务等 20 个核心主题，已投入约 10 天深度调研并收集 112 个资源。
Zach Lloyd 分享了他在 AI Engineer NYC 的演讲，认为软件工程正在演变为工厂工程，并指出工厂基准测试正在成为工程师需要关注的新兴领域。
作者分享在客户聊天机器人中降低幻觉的实战经验，按影响力排序总结了 RAG、允许模型说不知道、来源引用、缩小作用域、外部护栏、低温度、人工介入、严谨评测和透明声明九个关键做法。
Modular首席科学家Abdul Dakkak在AI Engineer World's Fair 2026上分享了公司为何从零重建推理栈，以及如何在碎片化的芯片与加速器生态中实现高效运行。
Cockroach Labs 分享其为期五个月的实验：将 bug 视为病人、把编码代理组织成一支"医疗团队"（MOLT Sinai），使 MOLT 新增 IBM Db2 支持仅用不到两天、花费 $4172，相比此前 Oracle 支持耗时 9 个月、成本约 $16 万美元，速度快 164 倍、便宜 38 倍，且无人工编写代码、测试覆盖率相当。