OpenAI API
PulseAugur coverage of OpenAI API — every cluster mentioning OpenAI API across labs, papers, and developer communities, ranked by signal.
8 天有情绪数据
-
OpenAI 发布 GPT-5.6 模型系列，带来新基准和功能 · 跟踪 8 个来源
OpenAI 已推出其新的 GPT-5.6 模型系列，包括 Sol、Terra 和 Luna，这些模型现已在 ChatGPT、Codex 和 OpenAI API 上可用。GPT-5.6 Sol 展现了显著的进步，在人工智能分析编码代理指数（Artificial Analysis Coding Agent Index）和代理最终考试（Agents' Last Exam）上设定了新的最先进基准，性能超越了 Claude Fable 5 …
-
设置OpenAI API使用限制以防止AI代理过度支出
OpenAI API成本可能迅速升级，尤其是在部署AI代理而没有适当控制的情况下。本文详细介绍了设置使用限制、实施硬性上限以及防止意外AI账单问题的方法。通过设置这些财务护栏，用户可以更好地管理在OpenAI服务上的支出。
-
使用 LangGraph 和 OpenAI API 构建对话式航班预订助手
本文详细介绍了如何使用 LangGraph 和 OpenAI API 创建一个对话式航班预订助手。该助手旨在处理复杂的、多轮的交互，用于预订航班、管理网上值机以及提供实时航班状态更新等任务。它旨在超越简单的信息检索，主动引导用户完成业务流程，收集必要信息并验证输入以确保任务完成。
-
Hugging Face 通过 HF Jobs 上的一条命令简化 LLM 部署
Hugging Face 推出了一项新功能，允许用户通过一条命令在其 HF Jobs 基础设施上部署 vLLM 服务器。这简化了为模型测试、评估或批量生成等任务设置私有、OpenAI 兼容端点的过程。该服务仅对作业积极运行的时间收费，并通过指定张量并行性来支持各种 GPU 类型和更大的模型。
-
开发者仅使用 Bash 和命令行工具构建语言模型 REPL
一位开发者仅使用 Bash、jq 和 curl 等标准的命令行工具创建了一个语言模型 REPL（读取-求值-打印循环），最大限度地减少了依赖。这个名为 'llayer' 的代理框架设计灵活，允许用户轻松注入工具来检查和审计代理循环。它支持即插即用后端，已测试过 Ollama，并预计兼容 OpenAI-API 的 REST 接口，将代理内存存储在只追加的历史文件中以提高透明度。
-
Modal Auto Endpoints 提供自有、优化的 LLM 推理
Modal 推出了 Modal Auto Endpoints，一项旨在提供用户可以完全拥有和控制的优化 LLM 推理的新服务。该产品旨在让团队在无需管理底层基础设施的复杂性的情况下，获得自托管推理的好处，例如对服务堆栈的控制和对详细指标的访问。该服务与 OpenAI API 兼容，并支持 GLM-5.2 等开放模型，可以通过简单命令进行部署。
-
大型语言模型通过新的分析框架简化语料库语言学
两篇新研究论文探讨了使用大型语言模型（LLMs）来自动化和标准化语料库语言学任务。第一篇论文介绍了TACOMORE，一个结构化的提示框架，旨在提高LLM在关键词、词语搭配和并列语分析中的准确性和可复制性，但该论文也指出了持续存在的幻觉问题。第二篇论文提出了一个用于LLM辅助语料库标注的大规模流水线，在分析语法变异和随时间变化的方面表现出高准确性，这可以解锁以前无法触及的研究问题。
-
Microsoft、Salesforce 等公司将 AI 代理集成到业务平台 · 追踪 8 个来源
多家公司正在将其平台和服务集成 AI 代理。Microsoft 正在通过一款名为 Coo Kai Agent for Microsoft 365 Copilot 的新工具增强其 Microsoft 365 Copilot，该工具旨在可视化业务数据。Salesforce 正在扩展其在日本的 Tableau Agentic Analytics Platform。此外，Data Section Inc. 正在利用 OpenAI API 加强…
-
oMLX 在 Mac LLM 推理速度上显著优于 Ollama
对在 Mac 设备上本地运行 LLM 的 oMLX 和 Ollama 进行的性能比较显示出显著的速度差异。oMLX 利用 Apple Silicon 的 MLX 框架，与使用 GGUF 后端的 Ollama 相比，其 token 生成速度快了 35%，多轮对话延迟降低了 7 倍。虽然 oMLX 提供了 SSD KV Cache 和 Continuous Batching 等专业功能，但 Ollama 在跨平台兼容性和更广泛的模型生态系…
-
新的MCP-Persona基准评估AI在个人情境下的工具使用能力
一篇新论文MCP-Persona介绍了一个基准，用于评估AI模型在用户特定情境下使用工具的能力，而非仅仅是通用的API调用。该基准发布在arXiv上，专注于个性化工具使用，适用于个人助理和企业副驾驶等应用。研究强调了评估代理理解用户偏好、推断情境相关性以及尊重界限的能力的重要性，超越了简单的工具调用检查。
-
开发者寻求关于使用 2500 美元 OpenAI API 积分的建议
一位 Reddit 用户正在寻求关于如何最好地利用他赢得的 2500 美元 OpenAI API 积分的建议。这位用户是一位开发者，不确定在积分过期（一年内）前有哪些潜在的应用或项目可以有效利用这些积分。他还询问了转让或出售这些积分的可能性。
-
GitHub 推出 API 以审计 Copilot 云代理安全设置
GitHub 发布了用于审计 Copilot 云代理配置的 REST API 的公开预览版，使安全审查员和平台所有者能够在更广泛采用之前检查设置。该 API 允许对存储库级别的策略进行详细检查，包括 MCP 服务器继承、审查工具、工作流审批和防火墙配置。这个新端点对于希望负责任地实施编码代理的组织至关重要，因为它提供了一个清晰的治理清单以做好准备。
-
GitHub Copilot SDK 正式发布，推出代理运行时沙箱
GitHub 已发布其 Copilot SDK 至通用可用版本，并同时推出云端和本地沙箱的公开预览版。该 SDK 使开发工具团队能够将代理运行时与访问控制、策略执行和执行隔离等功能集成。公告包括对多种编程语言的支持，并强调了“控制平面”的重要性，以定义代理被允许执行的操作，确保买家的可信度。
-
开发者使用Python、React和Asterisk构建AI语音应用
一位独立开发者使用Python/React架构，结合FastAPI、React、Vite和Postgres，构建了Speakroom，一款AI驱动的语言练习应用。该应用允许用户围绕选定主题与AI进行选定语言的口语练习，并获得实时的对话反馈。另外，另一位开发者使用Asterisk、LLMs和RAG创建了一个用于技术支持的语音AI代理系统，将电话通信与AI集成，实现自动化客户支持。
-
Hacker News 帖子揭示 AI 招聘需求和可用技术人才
Hacker News 发布了其月度“谁在招聘？”和“谁想被雇佣？”帖子，展示了各种招聘职位和可用人才。Guac、PrairieLearn 和 JustPark 等公司发布了工程职位，其中 Guac 专门为其专注于杂货需求预测的 AI 平台招聘后端和全栈工程师。拥有包括全栈开发、机器学习和移动开发在内的多样化技能的个人也发布了他们的求职信息，许多人愿意接受不同地区的远程职位。
-
开源AI工具可本地整理婚礼照片
一位开发者创建了一个开源Python工具，可自动整理大量照片集，例如婚礼照片。该工具使用AI对图像进行分类，并能生成影集或故事板。虽然目前需要OpenAI API，但开发者计划集成Qwen进行本地处理，并可能添加Flux 2进行图像增强。
-
OpenAI API 指南涵盖用于产品开发的 GPT-4 功能
这篇帖子是关于使用 OpenAI API 构建 AI 产品的系列文章中的第100篇，最终将提供一份利用 GPT-4 的综合指南。它涵盖了聊天补全、函数调用、流式传输、视觉能力和嵌入等基本 API 功能。该教程还讨论了代币计数、成本管理和速率限制等实际问题，并以一个完整的 AI 助手项目示例结束。
-
免费网页工具让用户提示模拟生物体的生长
一位开发者创建了一个名为 Solasterid Studio 的免费网页工具，允许用户提示模拟生物体的生长。该生物体被描述为高效、多智能体且不断生长。用户可以下载他们的创作并将其用于任何目的，前提是他们拥有 OpenAI API 密钥。
-
开发者创建自定义AI剪贴板助手以简化工作流程
一位开发者使用C++和Qt 6创建了一个名为Clipboard Assistant的自定义应用程序，以简化AI驱动的任务。该工具允许用户定义由热键触发的自定义工作流程来处理剪贴板内容。它集成了OpenAI API和Google Gemini API等服务，用于文本翻译或图像解释等任务，并支持正则表达式、JavaScript处理和外部程序执行以提高效率。
-
提示工程指南详述从公告中提取结构化数据
本教程详述了一种从非结构化文本中提取结构化数据的方法，特别关注网络安全公告。它概述了使用 OpenAI API、用于模式定义和验证的 Pydantic 以及用于重试逻辑的 `tenacity` 库的过程。该指南涵盖了系统提示设计、少样本示例以及处理歧义字段，以可靠地将 CVE ID、受影响的产品和修复步骤等信息解析为 JSON 格式。