Context Engineering Is Changing. Here’s What It Means for Data Scientists
如何将最新的上下文工程指南应用到日常数据科学工作中后上下文工程正在发生变化。这对数据科学家意味着什么首先出现在《走向数据科学》上。
AI Agents Don’t Need More Context — They Need Typed Context
人工智能代理不仅存在上下文问题，还存在上下文输入问题。当指令、内存、检索到的证据和工具输出被扁平化为一个字符串时，它们的语义边界就会消失。我构建了一个轻量级、零依赖的 Python 运行时，它可以使这些边界保持明确，跟踪出处，并在无效的上下文转换到达模型之前拒绝它们。本文介绍了实现、测试以及这种方法的作用和不保证的内容。《人工智能代理不需要更多上下文 — 他们需要类型化上下文》一文首先出现在《走向数据科学》上。
Kimi K3’s 1M Token Context Window vs. RAG: Cost, Latency and Answer Quality
对相同 12 个问题、相同系统提示和相同模型的前 5 个 RAG 管道和完整的 127,000 个令牌提示进行受控比较。对正确性、完整性和接地性进行盲评分。Kimi K3 的 1M 令牌上下文窗口与 RAG：成本、延迟和答案质量一文首先出现在 Towards Data Science 上。
Microsoft reveals customizable context menu for Windows users - how to try it out
您将能够调整 Windows 中的右键单击上下文菜单以删除不需要的项目，从而减少混乱。
Context Rot in Large Language Models
为什么重要：上下文腐烂使得法学硕士在窗口填满之前就失败了。了解原因、如何测量以及确保答案可靠的上下文工程修复。
How to Build a Context Layer and a Company Brain
将公司分散的知识转化为法学硕士可以可靠使用的东西实际上需要什么——以及为什么演示占工作量的 5%。如何构建上下文层和公司大脑的帖子首先出现在走向数据科学上。
Coding Agents Don’t Need Bigger Context Windows — They Need a Context Compiler
大多数编码代理将提示构造视为检索：收集更多文件，添加更多上下文，希望模型能够弄清楚。但这种方法很快就会失效。随着上下文的增长，不相关的代码会争夺注意力，当窗口填满时，智能体开始压缩自己的内存——通常是在任务中。看似“遗忘”的东西通常只是退化的环境。本文探讨了一种不同的方法：将提示构造视为编译器，决定保留什么、减少什么以及完全丢弃什么。编码代理不需要更大的上下文窗口 - 他们需要上下文编译器首先出现在走向数据科学上。
グローバル株式市場動向(2026年8月)－成長期待とインフレ懸念が交錯
■概要 由于人工智能和半导体投资支持企业业绩增长的预期，全球股市上涨。但世界经济的未来仍令人担忧，包括能源价格上涨、中东冲突导致利率上升等风险，未来走势将受到密切关注。 ■目录 1 -- 企业业绩稳健，但油价和利率上涨令人担忧 2 -- 国家和行业趋势 3 -- 全球主要企业股价走势 4 -- 未来展望和值得关注的主题 2026 年 8 月，全球股市上涨。虽然人工智能相关的需求和企业业绩扩张的预期支撑了市场，但中东局势、高油价和长期利率上升抑制了市场的上行。全球代表性股票指数（包括新兴国家）MSCI All Country World Index（MSCI ACWI），2026年8月波动率为+
Airlink stadium flypast sparks safety debate after aircraft appear just metres above Cape Town venue
8 月 29 日星期六，在跳羚队与全黑队橄榄球测试赛之前，两架 Airlink 巴西航空工业公司喷气式飞机在开普敦 DHL 体育场上空进行了壮观的飞行表演。飞行表演的视频（见下文）很快就在网上疯传，飞机似乎距离体育场屋顶仅几米。虽然许多南非橄榄球迷称赞这一奇观，但其他人 [...]
Build agentic creative workflows with Amazon Quick and fal
创意团队生产的资产比以往任何时候都多，但分散的工具和手动上下文传输会减慢生产速度。本文展示了如何使用 Amazon Quick 和 fal 构建可重复使用的代理工具，并通过模型上下文协议 (MCP) 连接，并使用两个实践工作流程：八面板故事板和音乐视频概念原型。
当你停止提供模型上下文并让它自己寻找自己的内容，在严格的限制内遍历知识图时会发生什么，以及四个模型和一个错误的预测揭示了这是否值得做。停止给你的人工智能代理一个搜索框并开始给它输入类型的工具，硬边界和一个它不能说话的门首先出现在走向数据科学上。
以下文章最初出现在 Tim O’Brien 的 Medium 博客上，经作者许可在此重新发布。人工智能成本易算难懂，用代币量来判断努力程度？虽然这可能感觉像是价值或复杂性的有效衡量标准，但它并没有捕获定义 [...]
The Local AI Stack for Productive SLMs
一个实用的框架，用于在本地人工智能设置的每一层（从模型服务到上下文检索）选择正确的工具。
Reduce RAG costs on Amazon Bedrock with query-aware compression
输入令牌通常是大规模运行检索增强生成 (RAG) 成本的重要组成部分。本文介绍了 Amazon Bedrock 上的查询感知上下文压缩模式：检索后，较小的模型会在主模型回答之前根据查询过滤检索到的块，从而减少输入令牌和成本，同时保持答案质量。
以下文章最初出现在 Addy Osmani 的博客网站上，经作者许可在此重新发布。如果人工智能层擅长某件事，那么它就会是任何有答案的事情。学校曾经是一路下来的答案。学校是成功的最终锚定，因为它 [...]
Harvey Tenet, Nashville, Legal Innovators +
由于即将到来的纳什维尔音乐节，本周的新闻前沿变得非常疯狂（请参阅下文），但我们首先报道...
Is Open-Source AI Really the Dangerous Path?
以下文章最初出现在 Tech Policy Press 网站上，经作者许可在此重新发布。在华盛顿，人工智能越来越被视为需要控制的东西。政府认为人工智能首先是国家安全资产，这意味着必须将其隔离以防止 [...]
