Product
1. Herdr 0.9 把多台机器收进同一客户端
Herdr 发布 0.9.0。此前每台机器要单独开一个客户端，Agent 跑数小时就得记住它在哪台机器上。新版本把外层 UI 渲染挪到客户端，服务器仍拥有会话和终端画面。用 herdr machine add 加上 SSH 目标后，远程工作区、标签页和 Agent 与本地出现在同一 TUI 里，断开后远程 Agent 继续跑。官方称下载量已超 70 万、插件近 1000。限制也很明确：机器必须 SSH 可达；Agent CLI 仍只看见单台服务器上的 Agent。下一步想做跨机器协作和 Herdr Cloud，用账号把沙箱、虚拟机和自有机器连起来，终端流量端到端加密。
来源：Herdr
2. Grok Bot 市场开放，机器人可一键导入
xAI 上周在 Grok Bot 上线 Bot Marketplace。别人做好的机器人可以一键导入侧栏，马上开聊。入口是 Marketplace 再进 Bots，官方和社区模板都在架上。官方货架覆盖写作、高管支持、客户电话、拓客、设计评审和项目运营。社区热门包括按偏好生成机器人的 dr eggbot、带引用的 Researchy、看近 30 天舆论的 last30days，以及把 API 变成插件的 tinkabot。产品形态已经从“一个 Grok”变成“可分发的机器人货架”。尚未说明审核、分成和企业治理怎么做。
来源：Grok Bot Marketplace is live!
3. PR Lens 把每个 PR 画成可播放的架构图
Coldtea 开源 PR Lens：每个 pull request 被画成动画架构图和数据流，直接评论进 PR。它标出爆炸半径，绿是新增、琥珀是改动、红是删除；数据流按步骤播放。评论里分层折叠，也可打开全尺寸画布平移缩放。可用 GitHub App、Action、CLI，或 npx skills add coldteadotai/pr-lens 让编码 Agent 来画。开源仓库免费。配置写在 .github/pr-lens.yml，用 overlay 做重命名和排除，避免每次改生成的 SVG。它要解决的是 Agent 制造的 PR 人已经读不完。
来源：GitHub
Tutorial
1. PagedAttention：按页分配 KV 显存
Akshay 把 vLLM 的 PagedAttention 写成一份可跟做的讲解。旧做法按 max_token_size 给每个请求预留整块连续显存，短生成也占满，碎片让新请求排空等，vLLM 测过 60% 到 80% 的 KV 显存被浪费。PagedAttention 把 KV 切成默认 16 token 的物理块，逻辑块填满才分配，注意核按块表散集。浪费上限是一块未填满的尾巴，可降到 4% 以下，吞吐因此提高 2 到 4 倍。模型权重和注意力算法不变，改的是服务端怎么发内存。这是把操作系统分页搬进推理引擎的标准课。
2. 去掉 Fable 5.1 书面腔的一条可复用指令
Anthropic 给 Claude Fable 5.1 准备了一段反书面腔指令，elvis 做成可练习的写作课。Fable 容易把句子写长、一段塞太多意思，并用隐喻替换直说。指令先定义 mannered prose，再举“a dial worth turning”这类表演性短语，要求有字面说法就用字面说法。它比“写简洁”有效，因为指出了要删什么、换成什么。短指令可以只说 Please remove all mannered prose。elvis 发现同一段也对 GPT-5.6 Sol 有用。课里还给出客户通知的改写对照，方便做成编辑规则。
来源：Write better with Claude Fable 5.1 | DAIR.AI Academy | DAIR.AI Academy
3. 推理工程要补的数学：从浮点到稳定 softmax
vixhal 写了一份 AI 推理工程数学路线图，从数字精度讲起。浮点由符号、指数、尾数构成；FP32、FP16、BF16、FP8 的差别就是位数怎么分。FP16 指数只有 5 位，容易溢出成无穷；BF16 保住 FP32 的范围、丢掉精度，所以现代训练更常用。INT8/INT4 间距固定，必须另备 scale。长向量在 FP16 里累加会漂，快速核通常用 FP32 做运行总和。还要懂 epsilon、相消，以及 softmax 先减最大值再指数。作者说自己就是卡在量化模型输出乱码，才回头补这些。
来源：X Article
4. Ultrascale Playbook 讲清大规模训练
Hesamation 推荐 The Ultrascale Playbook，认为它是讲清大规模 LLM 训练的最好技术书之一。覆盖 GPU 显存与 profiling，tiling、kernel fusion、FlashAttention，以及 Data、Tensor、Pipeline、Context 四种并行。他读过免费在线版，仍买了纸书。在线阅读入口是 Hugging Face 上 nanotron/ultrascale-playbook 这个 Space。它适合已经会训小模型、要跨到多机多卡的人，而不是入门科普。书把工程选择写成可对照的手册，而不是概念清单。
来源：@Hesamation
5. 笔记本本地跑 LFM2.5 实时语音转写
Liquid AI 更新了完全本地的音频转写 CLI，演示改用 LFM2.5-Audio-1.5B，经 llama.cpp 在笔记本上提供服务。仓库在 Liquid4All/cookbook 的 audio-transcription-cli。用 uv 装依赖，下载样例后 uv run transcribe 即可，首次自动下模型。—play-audio 可边放边转，—quantization 用精度换速度和体积。作者强调这是给手机、车机和智能家居的边侧方案，不依赖云。它证明小音频模型加本地推理已经够做实时转写，而不必等云端 API。
来源：GitHub
6. Addy 的三层代码审查：人只看爆炸半径
meng shao 转述 Addy Osmani 的审查策略。编码 Agent 让 PR 爆炸，人不可能通读。第一层：每个 PR 先过多智能体初审，找 bug、验证、按严重度排序并给修复；批准仍是人。第二层：爆炸半径小、不碰敏感逻辑的改动，初审干净就可以过，用来消化长尾数量。第三层：核心路径必须有 owner 和人类签字，人的时间花在验证、约束和建立对 Agent 覆盖范围的信任，并保持可回滚。Agent 负责第一遍，人负责爆炸半径。这是审查制度，不是新工具。
来源：@shao__meng