Koog 的模型调用层包含 Prompt、LLM 参数、LLM 客户端、Prompt 执行器和提供商。Prompt 用于表达消息与参数，推荐通过 Kotlin DSL 或 Java builder 创建，支持 system、user、assistant 等消息类型及 Markdown、XML 富文本。LLM 客户端直接对接具体提供商，支持执行、流式、多选、模型列表、嵌入和内容审核。Prompt 执行器提供更高层统一抽象，可管理多提供商、路由、回退、重试、超时和缓存。

Prompt仅改变语义概率，无法保证系统可靠。复杂任务存在语义、状态、环境、目标、执行、安全六类不确定性，需通过工作流构建结构、状态、执行、数据、安全、认知六层防线。Prompt负责理解生成，工作流负责边界与恢复。复杂任务应采用混合架构，硬约束外置，不能只依赖Prompt。

IQuest Research推出IQuest-Q1模型，采用稀疏MoE架构，总参数320B、激活15B。实测中，该模型仅凭提示词即可生成反重力赛车、国庆小游戏等HTML游戏，并能排查RL训练中因多余空格导致的奖励曲线异常。模型参与自身研发迭代，在NL2Repo、CyberGym等基准表现不俗。团队此前提出ModularRSI自进化框架，强调AI应把复杂任务做对做完。

蚂蚁灵波与港科大联合提出Zero-WAM，一种因果视频-动作模型，通过上下文学习实现机器人零样本跨任务泛化。它利用人类视频作为任务描述，并构建HumanGen数据集（含8.6K任务、74.2K人机样本），提出上下文未来片段预测目标，避免模型走捷径，从而从视频中提取任务信息执行未见任务。

本文介绍Hermes Agent的长会话架构，核心是稳定Prompt前缀以命中缓存、分层压缩上下文（保留头尾总结中段）、用SessionDB存储快照，并通过SQLite租约机制防止多进程并发写坏历史。压缩失败时有回退或暂停策略，确保长期会话的可靠性与可恢复性。

本文介绍Suno Style API的对接方法。该API仅需一个prompt参数，用于输入风格提示词，如“A song for Christmas”。通过POST请求发送至指定URL，返回结果中data字段的upsampled_tags即为优化后的风格参数，可用于生成增强歌曲。

OpenAI的GPT-5.6成功证明了循环双覆盖猜想，这是图论中的重要问题。该模型通过将问题转化为边标号问题，并利用线性代数方法完成证明。此外，OpenAI分享了详细的提示词，强调清晰的定义、标准的结果和动态调整策略，以提升模型处理复杂任务的能力。这些技巧为未来的AI应用提供了重要参考。

可口可乐的世界杯广告采用了生成技术，展示了创新的广告制作方式，引发了对广告创意的讨论。

可口可乐与百度合作推出的范志毅数字人，具备实时互动能力，24小时在线，响应时间不到2秒。该数字人能够感知用户情绪，并根据对话内容灵活应对，形象和语音表现高度真实，适应多种场景。这一举措凸显了数字人在品牌营销中的重要性，未来数字人将成为常态，降低内容生产和品牌互动的成本。

本文探讨了AI语音聊天机器人的人设与声线设计，强调了三种主要方法：prompt工程、模型微调和声音克隆。prompt工程适合探索阶段，成本低、迭代快；模型微调提高人设辨识度和一致性；声音克隆确保声线独特性。最佳实践是结合三者，根据项目阶段逐步引入，以提升用户体验和产品差异化。

本文介绍了在 Amazon Bedrock 上为 Claude 应用设计的 Prompt Cache 策略，旨在降低输入成本和响应延迟，适用于长上下文应用。讨论了 cache checkpoint 的放置、内容块的定义及其限制，并提出了单个尾部 checkpoint 和三 CP 布局两种策略。建议监控使用情况，以优化性能和降低成本。

作者强调每天写 prompt 的重要性，类似于每天画画。通过不断实践，逐渐掌握技巧，提升思维敏锐度和表达能力。

本文讨论了大模型缓存技术的工程实践，强调通过合理组织Prompt和工具定义来提高缓存命中率。建议使用稳定前缀和动态后缀的结构，避免在稳定前缀中使用动态变量，并确保固定内容版本化。同时，建议建立Prompt Block Registry和缓存观测指标，以实现缓存优化和成本治理，最终目标是构建高效的上下文工程体系，提升模型调用的稳定性和效率。

本文介绍大模型缓存技术的工程实践，核心是“稳定前缀+动态后缀”原则。通过将固定角色、工具定义等稳定内容前置并版本化，动态信息后置，可提升缓存命中率。文章涵盖Prompt结构模板、Tools Schema稳定排序、RAG与多轮对话优化、Context Cache权限管理、Prompt Block Registry建设及缓存观测指标，旨在将缓存收益转化为可治理的工程能力。

字节跳动的Seedream MCP是一个专注于中文的AI画图模型，能够清晰渲染中文文字，解决了其他模型在中文生成中的乱码问题。它适用于国内市场，支持生成多种风格的图像，如国风美学和电商促销Banner，方便项目开发。用户需通过AceData Cloud获取API Token并进行配置。

π0.7是一种新型通用机器人模型，具备强大的组合泛化能力。通过多模态数据和详细上下文标注，该模型能够有效执行多样化任务，并在新任务中展现灵巧技能。它结合了人类视频和机器人自主数据，提升了在复杂环境中的表现。引入子目标图像和任务元数据增强了模型的指令理解和执行能力，使其在多样化数据上训练时表现出色。