GitHub Copilot 应用初学者指南：如何利用 canvases 构建自定义工作流
GitHub Copilot 应用支持通过 canvases 功能让用户与 AI Agent 协同构建自定义界面，无需手动编码即可将特定工作流转化为交互式工具。
推荐理由：原文提供了通过自然语言生成交互式界面的操作方法，读者可以据此探索人机双向协作管理工作流的新模式。
#Microsoft
#Microsoft
今日 0 条GitHub AI精选AI 评分6161
GitHub AI精选AI 评分6363 GitHub：为什么聊天框往往不是与 AI 交互的最佳界面
GitHub 博客发文探讨 AI 交互范式，指出单一聊天输入框在应对具体任务时存在局限，容易导致重复消耗 token 且难以实现人机解耦。文章介绍了 GitHub Copilot 中可与智能体双向通信的全栈自定义微应用 canvas，支持本地代码执行与 API 调用。作者认为应让智能体生成可复用的专用工具来承接后续交互，从而将开发者从繁琐的流水线流程中抽离。
推荐理由：原文指出了用智能体构建专用界面替代频繁对话的思路，读者可以参考这种交互方式优化长流程自动化。
GitHub AIAI 评分4444 GitHub Copilot 应用如何渲染超大 Pull Request
GitHub Copilot 应用重构了 Pull Request 视图，解决了超大代码变更与行内评论混杂时的渲染性能难题。团队在包含 2,200 个文件、超 100 万行变更及 400 多条评论的极端 PR 测试中，将渲染高度拆分为确定性代码几何与动态块几何两套体系。配合虚拟化挂载、延迟测量与视口锚定修正，有效消除了滚动跳跃，确保了超大 PR 审查的流畅体验。
GitHub AI精选AI 评分8282 GitHub Copilot 运行时使用 Copilot 迁移至 Rust 的工程实践
GitHub 团队利用 Copilot 自身将支撑 CLI、App 和多款生态产品的 Copilot agent 运行时从 TypeScript 彻底重写为超 80 万行生产级 Rust 代码，主要由单个开发者在数月内借助智能体协作完成。
推荐理由：详尽拆解了由单个开发者操控智能体集群完成80万行生产级代码重写的编排细节与实测数据，为大型工程系统重构提供了高参考度的工作流范式。
GitHub AIAI 评分4747 代码化市场运营：在 GitHub 上实现活动从策划到跟进的全流程自动化
GitHub 亚太市场团队通过 GitHub Copilot 与平台原生功能实现“代码化市场运营”，将原本耗时数天的活动筹备转为自动化流水线。系统利用 AGENTS.md 引导 Copilot 对话式生成方案，再由 Issue 表单、Labels 标签与 GitHub Actions 调度 API 及 CLI，全自动处理页面配置、名单清洗和 CRM 数据同步。
GitHub AIAI 评分4747 GitHub Copilot App 初学者指南：使用 diff、终端与浏览器面板
GitHub Copilot app 内置了 diff、终端与浏览器面板，让用户无需离开应用即可完成审查、运行和预览 AI 智能体代码的闭环。diff 面板清晰对比代码增删，终端面板支持直接执行命令与脚本，浏览器面板则提供 Pick & Polish 工具微调界面。确认功能无误后，用户可直接在应用内接受变更并创建 pull request。
GitHub AI精选AI 评分7373 GitHub 发布 Project HydraFusion：通过多模型运行时编排降低代码生成成本
GitHub 宣布推出 Project HydraFusion 研究预览版，通过运行时多模型编排来平衡编码任务的质量、成本与延迟。系统会根据任务特征在单模型直出、轻量模型级联升级以及跨模型家族批评修订三种执行模式间自动选择，用户可在 GitHub Copilot CLI 中开启体验。
推荐理由：原文公开了通过单模型、级联与交叉评审三种模式协调多模型的方法，为降低大模型编码调用成本提供了具体设计参考。
GitHub AI精选AI 评分6161 GitHub Copilot app 初学者指南：同时并行运行多个智能体
GitHub 介绍了在 GitHub Copilot app 中同时并行运行多个智能体会话的工作流。每个智能体会话依托独立的 Git worktree 运行并保留自身上下文，互不干扰，支持在同一项目中同时处理功能开发、无障碍审查和运行测试等任务。开发者无需等待前序任务结束即可随时新建会话，将工作重心转向结果审查与决策。
推荐理由：原文展示了如何借助 Git worktree 隔离机制并行执行多个智能体任务，为多任务并行开发提供了具体实践参考。
Hugging Face精选AI 评分6060 Hugging Face 开源模型上线 Microsoft Foundry 托管计算
Hugging Face 联合微软在 Microsoft Foundry 推出精选开源模型目录，支持一键部署至 Foundry Managed Compute 托管 GPU 计算平台并开启预览。
推荐理由：微软与Hugging Face合作将开源权重模型预置在Azure上，读者可以借此了解托管运行时如何简化私有网络部署与多智能体集成。
Hugging Face精选AI 评分7272 Hugging Face 联合发起智能体资源发现规范 ARD 并推出 Discover 工具
Hugging Face 与 Microsoft、Google 等合作推出开放草案规范 Agentic Resource Discovery（ARD），并上线参考实现 Discover Tool，让 AI 智能体能在运行时动态搜索并调用外部工具与技能。
推荐理由：针对现有智能体依赖手动预装工具的痛点，该规范给出了运行时的统一发现层，便于在联邦注册表中动态检索扩展能力。
Hugging Face精选AI 评分6666 开源社区联合推进 OpenEnv：打造智能体强化学习交互协议层
Hugging Face 宣布 OpenEnv 成立多方联合治理委员会，并将其明确为智能体强化学习环境的标准化互操作协议层。OpenEnv 基于客户端与服务端架构提供类 Gymnasium API，通过 HTTP、WebSocket 和 Docker 部署并原生兼容 MCP，不绑定具体的奖励计算逻辑。
推荐理由：原文阐述了 OpenEnv 作为环境互操作协议层的设计与多机构治理路线，为开源智能体训练提供了标准化的环境交互与部署方案。
OpenAIAI 评分3232 OpenAI 与微软联合声明
OpenAI 与微软发布联合声明，表示双方立足于多年的深度合作与共同成果，将继续在研究、工程和产品开发等领域保持紧密合作。
Hugging FaceAI 评分4444 Differential Transformer V2
Differential Transformer V2（DIFF V2）正式公开，通过将 Query 头翻倍但保持 KV 头数量不变，无需自定义注意力算子即可达到媲美标准 Transformer 的解码速度。该版本还移除了 V1 中的逐头 RMSNorm，解决了大规模预训练时的梯度暴增与数值不稳定问题，并可消除注意力黑洞，相关代码已在 GitHub 开源。
OpenAIAI 评分5656 OpenAI 与微软签署新协议深化长期合作
OpenAI 与微软签署了一项新协议，旨在深化双方的长期合作关系。该协议将进一步扩大创新合作，并确保负责任的 AI 发展进程。
OpenAIAI 评分4747 OpenAI 与微软发布联合声明
OpenAI 与微软签署了一份新的谅解备忘录（MOU）。此举旨在进一步强化双方的合作伙伴关系，并重申两家公司对 AI 安全与创新的共同承诺。
Hugging Face精选AI 评分6767 微调微软 Florence-2 视觉语言模型教程
Hugging Face 发布在 DocVQA 数据集上微调微软 Florence-2 视觉语言模型的实操指南，将验证集 Levenshtein 相似度从 0 提升至 57.0。教程通过冻结 DaViT 视觉编码器，使 0.2B 与 0.7B 模型能够在单张 A100 或 T4 GPU 等低算力环境下完成训练，并公开了 Colab 代码与在线 Demo。
推荐理由：教程展示了冻结视觉编码器在单卡环境微调小参数多模态模型的可行路径，为低算力条件下的文档问答任务提供了可迁移方案。
Hugging FaceAI 评分5858 Hugging Face 与微软深化战略合作：扩展 Azure 模型目录并支持 Spaces 与 VS Code 集成
Hugging Face 在 Microsoft Build 大会上宣布深化与微软的战略合作，推出涵盖云端部署、硬件优化与开发工具的多项新特性。
Hugging FaceAI 评分5252 Hugging Face 与 Wiz 达成合作以加强 AI 平台安全
Hugging Face 宣布与云安全公司 Wiz 达成合作，全面加强平台及开源 AI 生态的安全防护。Wiz 研究团队此前在其沙箱计算环境中发现了利用 pickle 运行任意代码的漏洞，目前相关漏洞已全部修复。Hugging Face 已接入 Wiz 的漏洞管理与 CSPM 服务来监控多云环境，并呼吁社区逐步淘汰高风险的 pickle 格式并迁移至 Safetensors。
Hugging FaceAI 评分5050 笔记本上的聊天机器人：在 Intel Meteor Lake 上运行 Phi-2
Hugging Face 演示了通过 Optimum Intel 与 OpenVINO 对微软 2.7B 参数模型 Phi-2 进行 4-bit 权重量化，并在搭载 Intel Meteor Lake 处理器的笔记本上实现本地推理。该方案结合 Core Ultra 芯片的 CPU、iGPU 与专用 NPU 硬件加速，无需调用云端 API 即可在端侧离线运行低延迟且保护隐私的聊天机器人。
Hugging FaceAI 评分4545 借助 ONNX Runtime 与 Olive 加速 SD Turbo 和 SDXL Turbo 推理
ONNX Runtime 结合 Olive 工具加速了 SD Turbo 与 SDXL Turbo 在 NVIDIA GPU 上的推理，相比 PyTorch 吞吐量提升最高达 229%（SDXL Turbo）和 120%（SD Turbo）。
OpenAIAI 评分5454 OpenAI 与合作方公布前沿模型论坛进展并设立 1000 万美元 AI 安全基金
OpenAI 联合 Anthropic、Google 和 Microsoft 宣布任命前沿模型论坛（Frontier Model Forum）新任执行董事，并设立规模为 1000 万美元的 AI 安全基金。
Hugging FaceAI 评分5252 Hugging Face Optimum 集成 ONNX Runtime 训练加速工具
Hugging Face 联合微软推出 Optimum 与 ONNX Runtime 的训练集成方案，通过 ORTTrainer 接口帮助 Transformer 模型训练提速 35% 以上。
Hugging FaceAI 评分5454 Hugging Face Diffusers 支持 VQ-Diffusion 离散扩散模型与原理解析
中科大与微软提出的离散潜空间扩散模型 VQ-Diffusion 已集成至 Hugging Face Diffusers 库，支持通过极简代码加载预训练权重。该模型基于 VQ-VAE 将图像转为离散 token，并在离散空间中完成加噪与双向 Transformer 去噪，在保证生成质量的同时将推理速度较自回归模型提升最高 15 倍。
Hugging Face精选AI 评分6969 Hugging Face 详解 176B 大语言模型 BLOOM 训练背后的工程与硬件技术
Hugging Face 与 BigScience 团队详细公开了 176B 参数大语言模型 BLOOM 训练的技术与工程细节，整个训练在法国国家超算 Jean Zay 上耗时 3.5 个月（约 100 万计算时）完成。
推荐理由：文章拆解了百亿级多语言模型在数百张 GPU 上的 3D 并行拓扑与数值稳定性方案，适合需要攻克超大规模模型分布式预训练工程细节的团队参考。