◆ AI 总结

本期重点关注Code Arena升级至全栈开发能力，Stanford AI Lab提出两项新方法优化偏好学习与推理计算，以及社区分享的Seedance 24K视频生成体验和DSPy提示词优化技巧。

产品工具

Code Arena 升级至 Fullstack，支持全栈应用开发

Code Arena新增全栈开发能力，支持数据库、API keys和快速部署，模型可充当agent进行结构化调用，从原型走向真实软件。体验地址：https://arena.ai/code[1][2][1][3]
Meta

LlamaIndex 展示 LiteParse 集成邮件处理助理

LiteParse可在agent运行时中运行，结合flueai、Resend和Turso数据库实现自动阅读附件、总结邮件并起草回复。代码：https://github.com/run-llama/flue-liteparse-resend[6]
Claude

LangSmith 统一追踪 Claude Code、Cursor、Copilot 等多工具活动

解决多编码agent工具日志格式不统一问题，LangSmith将各工具活动转为一致格式，提供统一查询语法。详情：https://www.langchain.com/blog/fix-your-coding-agent-bill[7]

技巧教程

Simon Willison 分享与编码 agent 协作的 'understand to participate' 理念

提出【认知债务】概念：使用编码agent时需理解其行为才能参与创造过程，而非简单从属关系。博客：https://simonwillison.net/2026/Jul/2/understand-to-participate/[8][9][10]

Justine Moore 分享 Seedance 2 4K 视频生成体验与 Prompt 技巧

Seedance 2在4K下效果惊艳，15秒片段花费$47。通过详细Prompt描述主体、场景、镜头风格和分镜，可实现高度逼真的早期2000s DV纪录片效果。[11]

Simon Willison 使用 DSPy 评估和优化 Datasette Agent 的 SQL 提示词

利用Fable 5和DSPy自动化评估系统提示，发现schema缺失列名导致agent错误猜测，给出改进建议。[12]

行业资讯

Stanford AI Lab 提出 Freeform Preference Learning 优化机器人偏好学习

新方法允许标注者用【自然语言】描述偏好轴，学习条件奖励，提取更优策略，避免传统单一偏好丢失信息。论文：https://arxiv.org/abs/2606.32027 博客：http://freeform-pl.github.io/fpl.website/[4]

Stanford AI Lab 提出 QuasiMoTTo 降低推理计算成本

通过相关样本替代独立采样，减少25-47%的测试时样本数，RL训练步骤减少50%，同时保持性能。相关论文已发布。[5]