Ask HN: 能够协同工作的多大语言模型（LLM）编排框架？
一位 AI 开发者在 Hacker News 上提出，现有基于“子代理”的 LLM 编排框架并没有真正实现多模型协同工作，主模型在子代理运行时常处于闲置状态。该问题揭示了当前 Agent 框架在利用率与任务编排上的关键缺陷，并促使社区寻找更有效的多模型协作方案。
标签： 人工智能
刚刚，Codex 大更新，你在电脑的操作正在成为AI 经验包
OpenAI 为其 Codex 客户端推出 Record&Replay 功能，允许 AI 观察并学习人类在电脑上的完整操作流程，将其打包为可复用的技能（skill），从而绕开传统 API 限制，直接通过图形界面自动化执行重复任务。这意味着人类正在从软件操作者转变为 AI 训练者。
全球首个 AI 艺术博物馆：谷歌协力打造，生成 12 亿像素超现实画面
谷歌与艺术家 Refik Anadol 合作，于 6 月 20 日在洛杉矶开放全球首座 AI 艺术博物馆 Dataland。该博物馆将自然世界数据实时转化为 12 亿像素的动态声景与气味空间，背后依赖 Gemini 模型、GANs 和 Google Cloud 算力支撑，是 AI 从工具转向“生成环境”的一次…
[Claude] Claude 额度又重置了，本周已重置 2 次
![[Claude] Claude 额度又重置了，本周已重置 2 次](https://www.chat-gpts.plus/wp-content/uploads/2026/06/ai_cover_2-747-768x403.jpg)
部分 Claude 用户发现周使用额度在未到期时被提前重置，本周已发生至少两次，可能意味着 Anthropic 在调整额度分配机制或进行测试，值得关注其后续对用户使用习惯的影响。
美国掀起抵制人工智能数据中心的浪潮，短短3个月内价值1300亿美元的项目遭到叫停或推迟
根据数据监测机构 Data Center Watch 于2026年6月发布的报告，2026年第一季度，美国至少有75个人工智能（AI）数据中心项目因当地社区、环境组织及立法机构的反对而受阻或延期，涉及总投资额约1300亿美元。这标志着AI基础设施扩张正面临前所未有的社会与政治阻力。
wrapped tools using annotations fail
用户在 MCP Python SDK 中使用 @logfire.instrument 等装饰器包装一个工具函数，且该函数所在模块开启了 from __future__ import annotations 。当通过 Tool.from_function() 注册该工具时，触发 InvalidSign
Salesforce CodeGen教程：生成、验证并重排序Python函数（含单元测试与安全检查）
Salesforce 发布了一篇面向开发者的 CodeGen 实战教程，演示如何利用大语言模型生成 Python 函数后，再通过单元测试自动验证其正确性，并结合安全检查与重排序机制筛选出最优代码，为 AI 辅助编程工具的安全落地提供了可操作的技术方案。
[Local LLM] 有支持 6000 Ada 使用 deepseek v4 flash 推理 的框架吗
![[Local LLM] 有支持 6000 Ada 使用 deepseek v4 flash 推理 的框架吗](https://www.chat-gpts.plus/wp-content/uploads/2026/06/ai_cover_4-741-768x403.jpg)
V2EX 社区用户在寻找能利用多张 RTX 6000 Ada（架构为 SM_89）运行 DeepSeek v4 Flash 推理的本地框架，目前主流方案如 llama.cpp 尚未合并相关补丁，社区给出了几个备选方向，包括等待补丁合并或试用非主流推理项目。
Show HN: Iamspeed.dev – 类似 Fast.com，但面向大型语言模型（LLMs）
开发者推出了一款名为 Iamspeed.dev 的在线工具，旨在像测速网站 Fast.com 测试网络带宽一样，帮助用户测量大语言模型（LLM）的推理速度（tokens/秒）。目前它允许用户自行配置 API 密钥，运行测试。
[AI Agent 智能体] Loop Engineering 和 oh-my-opencode 区别？
![[AI Agent 智能体] Loop Engineering 和 oh-my-opencode 区别？](https://www.chat-gpts.plus/wp-content/uploads/2026/06/ai_cover_2-746-768x403.jpg)
V2EX 社区用户围绕“Loop Engineering”与“oh-my-opencode”这两个 AI Agent 设计理念展开讨论，核心关注点在于两者究竟属于不同的技术框架，还是后者的长期任务验证机制只是前者“循环迭代”理念的一种具体实践。这场讨论折射出开发者对 Agent 稳定性与持续反馈机制的底层思考…