1影片進階EN
Homa: The End of TCP for AI Clusters — John Ousterhout, Stanford（在新分頁開啟原站）
探討 AI 叢集中 TCP 的終極命運，並分析其對架構的影響。
21.9 萬次觀看
※ 摘要僅根據標題與說明
AI Engineer
YouTube ・ 國際 ・ 英文 ・ S 級 ・ 65.2 萬 訂閱 ・ 60 筆內容 ・ 最近更新 2026/09/30
AI Engineer 大會錄影（World's Fair、Summit、CODE、Paris、Europe…）；aietalks.com 的唯一來源
最受歡迎
依人氣
- 2影片進階EN
Building the Document Context Layer for AI Agents — Jerry Liu, LlamaIndex（在新分頁開啟原站）
介紹如何為 AI 代理建立文件層面，並說明 LlamaIndex 工具如何協助實現此功能。
4.3 萬次觀看※ 摘要僅根據標題與說明
- 3影片入門EN
The Dark Arts of Skill Engineering — Paul Bakaus, Renaissance Geek (Impeccable)（在新分頁開啟原站）
探討技能工程中的黑暗面，作者透過案例說明過度依賴自動化可能帶來的風險與代價。
2.7 萬次觀看※ 摘要僅根據標題與說明
- 4影片進階EN
Total Recall: Agent Memory and Harness Engineering — Ignacio Martinez, Oracle（在新分頁開啟原站）
探討 AI 系統中 Agent 的記憶機制與排程工程，由 Oracle 的 Ignacio Martinez 介紹。
※ 摘要僅根據標題與說明
- 5影片入門EN
Beating RL With Reflection: GEPA and Optimize Anything — Lakshya A. Agrawal, GEPA（在新分頁開啟原站）
介紹 GEPA 如何透過反思機制解決 RL 的挑戰，並展示其適用於任何最佳化問題。
1.6 萬次觀看※ 摘要僅根據標題與說明
- 6影片進階EN
Building Self-Improving Agent Software Factories — Suraj Gupta, Warp（在新分頁開啟原站）
影片由 Warp 負責人 Suraj Gupta 介紹，他展示了三個讓 AI 工廠自我改進的實戰方法，包括透過 Git 追蹤並由人工審閱的技能更新、建立持久記憶以避免重複排查問題，以及透過自動模型路由來節省成本。
2.1 萬次觀看※ 摘要僅根據標題與說明
- 7影片進階EN
I Turned Coding Agents Into a Strategy Game — Ido Salomon, AgentCraft（在新分頁開啟原站）
探討 AI 代理為何難以普及，提出 AgentCraft 策略遊戲式工具，透過視覺化介面讓使用者掌握多代理協作與自主性，並提供簡易模式降低使用門檻。
1.8 萬次觀看※ 摘要僅根據標題與說明
- 8影片進階EN
Autoresearch Made Our Models 3x Faster — Tejas Bhakta, Morph（在新分頁開啟原站）
介紹 Morph 工具如何將 Autoresearch 模型加速三倍，並說明其核心功能與使用方式。
7,500次觀看※ 摘要僅根據標題與說明
- 9影片入門EN
Long-Horizon Agents Need Experiments, Not Just Prompts — Erina Karati（在新分頁開啟原站）
探討長時程代理需要實作實驗而非僅靠提示詞，強調透過實際操作來驗證 AI 行為。
9,700次觀看※ 摘要僅根據標題與說明
- 10影片入門EN
How We Built an Agent That Improves Itself — Zubin Aysola, Weights & Biases（在新分頁開啟原站）
介紹了作者 Zubin Aysola 如何開發一個能自我進化的 AI 代理，並展示了其運作機制。
2.4 萬次觀看※ 摘要僅根據標題與說明
最新內容
依發布時間
- 影片進階EN
The State of AI in Software Development: Data from 400+ Orgs — Justin Reock, DX
DX 透過 400 多家組織的資料，發現 AI 雖提升部署頻率，但變更失敗率波動劇增，可維護性上升而信任度下降。 Junior 工程師使用 AI 最多，但 Staff+ 工程師能節省更多時間且消耗更少 Token。
1.6 萬次觀看 - 影片進階EN
The Chief AI Officer: Scientist, Architect, Coach — Rania Khalaf, WSO2
Rania Khalaf 分享她擔任「首席 AI 官」的框架，將工作分為科學家、建築師和教練三職。她強調根據公司型別、AI 成熟度及個人技能設定不同比例，並分享從 IBM 到生物科技獨角獸及 WSO2 的經驗。
6,075次觀看 - 影片進階EN
The Death of the Code Review: What the Data Actually Says — Laurie Voss, Arize AI
探討 AI 自動編寫程式導致人工程式碼審查面臨新瓶頸。研究顯示開發者使用 AI 寫出 741% 程式碼卻僅產出 30% 軟體，且人工審查效能在超過 400 行時急劇下降。
2.7 萬次觀看 - 影片進階EN
Your Agents Are in Solitary Confinement: Why MCP & A2A Aren't Enough — Vlad Luzin, Band
Vlad Luzin 指出當前 AI 工具無法讓多個 Agent 真正協作，因為它們處於孤獨監禁狀態。他解釋了為何 MCP 和 A2A 協議不夠用，並介紹了 Band 平台作為全球 Agent 協作層，提供即時傳輸、持久化與身份驗證，讓不…
- 影片入門EN
Beating RL With Reflection: GEPA and Optimize Anything — Lakshya A. Agrawal, GEPA（在新分頁開啟原站）
介紹 GEPA 如何透過反思機制解決 RL 的挑戰，並展示其適用於任何最佳化問題。
1.6 萬次觀看※ 摘要僅根據標題與說明
- 影片入門EN
Long-Horizon Agents Need Experiments, Not Just Prompts — Erina Karati（在新分頁開啟原站）
探討長時程代理需要實作實驗而非僅靠提示詞，強調透過實際操作來驗證 AI 行為。
9,700次觀看※ 摘要僅根據標題與說明
- 影片入門EN
How We Built an Agent That Improves Itself — Zubin Aysola, Weights & Biases（在新分頁開啟原站）
介紹了作者 Zubin Aysola 如何開發一個能自我進化的 AI 代理，並展示了其運作機制。
2.4 萬次觀看※ 摘要僅根據標題與說明
- 影片入門EN
AI-Generated Code Is Already Competing With Human Code — Daksh Gupta, Greptile（在新分頁開啟原站）
探討 AI 生成的程式碼是否已能與人類程式碼競爭。Daksh Gupta 分析 Greptile 的百萬個程式碼請求，發現 AI 生成的程式碼在錯誤率與修復率上與人類相當，但人類更可能引入嚴重 Bug。
1.4 萬次觀看※ 摘要僅根據標題與說明
- 影片進階EN
Get Out of the Model's Way — Kevin Hou, Google Antigravity（在新分頁開啟原站）
Kevin Hou 介紹 Google Antigravity 如何透過動態子代理與側邊車，讓 AI 從幹擾者變為協作夥伴。
※ 摘要僅根據標題與說明
- 影片進階EN
Software Engineering Is Becoming Factory Engineering — Zach Lloyd, Warp（在新分頁開啟原站）
Zach Lloyd 指出軟體工程正轉化為工廠工程，所有專案都將採用 CI/CD 式的軟體工廠流程。他介紹 Warp 如何透過開放原始碼建立生態系，並展示工廠從輸入到監控的全流程，強調自動化能解決噪音與錯誤問題。
※ 摘要僅根據標題與說明
- 影片入門EN
GLM-5.2: Open Weights, Near-Frontier Intelligence — Zixuan Li, Z.ai（在新分頁開啟原站）
Z.ai 執行長 Li 介紹 GLM-5.2，該模型在長程程式碼與代理任務的測試中表現優異，甚至超越非思考模式。Li 解釋了 GLM 名稱的由來及其超越程式碼的潛力，並強調 Z.ai 開放權重策略，讓企業與政府能自行部署與調教模型。
8,733次觀看※ 摘要僅根據標題與說明
- 影片入門EN
Orchestras, Not Factories: How the Fastest Builders Work — Charlie Holtz, Conductor（在新分頁開啟原站）
Charlie Holtz 分享 Conductor 的理念，強調應將 AI 視為「指揮家」而非單純的生產線。他建議建立緩衝區供人工審視，並透過單一資料庫整合所有資訊以賦能 AI 自主運作。
3.3 萬次觀看※ 摘要僅根據標題與說明
- 影片入門EN
Scale the Judgment, Not the Model — Andrew Orobator, Reddit（在新分頁開啟原站）
Andrew Orobator 指出模型並非瓶頸，而是周圍的判斷機制才是問題所在。他提出將人的判斷轉化為程式碼，透過工作紀錄、角色設定與驗證階梯，讓 AI 具備明確的決策依據。
7,591次觀看※ 摘要僅根據標題與說明
- 影片進階EN
No, That's Not a Software Factory — Ryan Cooke, WorkOS（在新分頁開啟原站）
WorkOS 的 Ryan Cooke 指出，傳統軟體工廠只計數程式碼行數或 PR 數量，無法反映真實成效。他介紹了 WorkOS 將工程流程嵌入系統的做法，透過 TARS 與 Horizon 等工具自動追蹤專案，並建立內部 MCP 門路…
2 萬次觀看※ 摘要僅根據標題與說明
- 影片進階EN
What It Actually Takes to Build a Software Factory — Tereza Tížková, Factory（在新分頁開啟原站）
介紹 Factory 軟體工廠的概念，即自主執行的完整軟體生命週期。講者提出三大原則：保持中立、自主運作及持續改進。她強調人工決策比程式碼更重要，並分享如何透過自動路由模型與最佳化上下文引擎來降低成本。
7.8 萬次觀看※ 摘要僅根據標題與說明
- 影片進階EN
I Turned Coding Agents Into a Strategy Game — Ido Salomon, AgentCraft（在新分頁開啟原站）
探討 AI 代理為何難以普及，提出 AgentCraft 策略遊戲式工具，透過視覺化介面讓使用者掌握多代理協作與自主性，並提供簡易模式降低使用門檻。
1.8 萬次觀看※ 摘要僅根據標題與說明
- 影片進階EN
Building Self-Improving Agent Software Factories — Suraj Gupta, Warp（在新分頁開啟原站）
影片由 Warp 負責人 Suraj Gupta 介紹，他展示了三個讓 AI 工廠自我改進的實戰方法，包括透過 Git 追蹤並由人工審閱的技能更新、建立持久記憶以避免重複排查問題，以及透過自動模型路由來節省成本。
2.1 萬次觀看※ 摘要僅根據標題與說明
- 影片進階EN
Autoresearch Made Our Models 3x Faster — Tejas Bhakta, Morph（在新分頁開啟原站）
介紹 Morph 工具如何將 Autoresearch 模型加速三倍，並說明其核心功能與使用方式。
7,500次觀看※ 摘要僅根據標題與說明
- 影片入門EN
An AI Research Agent That Runs Your Experiments — Tim Sweeney, Weights & Biases（在新分頁開啟原站）
Tim Sweeney 介紹了 Weights & Biases 的 AI Research Agent，讓使用者能自主管理實驗流程。
7,400次觀看※ 摘要僅根據標題與說明
- 影片入門EN
The Loop Is the Product — Roland Gavrilescu, Introspection（在新分頁開啟原站）
探討 Roland Gavrilescu 提出的「迴圈即產品」理念，認為產品不僅是功能，更是使用者與系統之間不斷互動的迴圈過程。透過例項分析，觀眾能學習如何從使用者行為反饋中最佳化系統，並建立持續迭代的思維模式。
1.1 萬次觀看※ 摘要僅根據標題與說明
- 影片入門EN
Fixing the PR Bottleneck — Matt Pocock, AIHero（在新分頁開啟原站）
介紹了如何解決 PR 瓶頸問題，並由 Matt Pocock 分享相關策略。
8.4 萬次觀看※ 摘要僅根據標題與說明
- 影片進階EN
We Let Claude Code and Codex Race Human Researchers — Elie Bakouch, Prime Intellect（在新分頁開啟原站）
探討 AI 研究員 Elie Bakouch 如何讓 Claude Code 與 Codex 進行人類研究者對決，測試其自提升能力。兩者在六天賽程中表現迥異，但均未發明新最佳化器，僅結合現有技術取得微幅進步。
1.5 萬次觀看※ 摘要僅根據標題與說明
- 影片入門EN
Teaching LLMs to Speak Spotify — Yves Raimond & Jacqueline Wood, Spotify（在新分頁開啟原站）
Yves Raimond 與 Jacqueline Wood 探討如何讓大語言模型學會說歌單，並分析 Spotify 的資料如何影響 AI 的學習。
7,200次觀看※ 摘要僅根據標題與說明
- 影片入門EN
Why LLM Recommenders Will Be AI's Biggest Consumer App — Devansh Tandon, Meta（在新分頁開啟原站）
Meta 的 Devansh Tandon 在影片中探討 LLM 推薦器將成為 AI 領域最大的使用者應用程式，並分析其發展趨勢。
※ 摘要僅根據標題與說明
- 影片進階EN
Distill the LLM, Don't Serve It: Search & Personalization at DoorDash — Raghav Saboo, DoorDash（在新分頁開啟原站）
探討 DoorDash 如何將大型語言模型用於搜尋與個人化，而非直接服務使用者。
9,200次觀看※ 摘要僅根據標題與說明
- 影片進階EN
AI Engineer Paris 2026 Main Stage: Google DeepMind, ElevenLabs, Hugging Face & Stripe | Day 2（在新分頁開啟原站）
Google DeepMind、ElevenLabs、Hugging Face 與 Stripe 於 2026 年巴黎 AI 工程師大會主舞台進行合作演講，探討 AI 在企業應用中的整合策略。
3 萬次觀看※ 摘要僅根據標題與說明
- 影片入門EN
I Gave an AI a Body — Cyrus Clarke, MIT Media Lab（在新分頁開啟原站）
MIT 媒體實驗室 Cyrus Clarke 將 AI 具象化為一個可互動的機器人，透過影片讓讀者體驗 AI 如何思考與行動。
6,200次觀看※ 摘要僅根據標題與說明
- 影片進階EN
One Operator, Many Drones: Inside Skydio's Autonomy Stack — Suchet Bargoti, Skydio（在新分頁開啟原站）
探討 Skydio 如何透過單一操作控制多架無人機，並解析其自主性架構。作者透過實地訪談與影片內容，闡述該系統如何結合感測器、決策與執行，實現高可靠性的自主飛行。
5,800次觀看※ 摘要僅根據標題與說明
- 影片入門EN
Robot Demos Are Easy. Reliability Is Hard — Jason Ma, Dyna Robotics（在新分頁開啟原站）
Jason Ma 解釋了為何機器人演示容易，但實際應用中的可靠性卻極難達成。
9,200次觀看※ 摘要僅根據標題與說明
- 影片入門EN
Physical AI's Next Bottleneck Is Finding the Right Video — Rafael Levi, Bright Data（在新分頁開啟原站）
探討 AI 領域中尋找合適影片的挑戰，並指出這是下一個瓶頸。
5,300次觀看※ 摘要僅根據標題與說明
- 影片高階EN
World Models Need Causality, Not Pretty Pixels — Christopher Manning, Moonlake AI（在新分頁開啟原站）
探討 AI 模型為何需要因果關係而非僅是漂亮的畫素，強調因果理解對提升模型真實性的關鍵作用。
※ 摘要僅根據標題與說明
- 影片入門EN
Robotics Has Been Stuck for 70 Years — Deepak Pathak, Skild AI（在新分頁開啟原站）
探討機器人技術近 70 年未突破的困境，並介紹 Skild AI 如何透過 AI 解決此問題。
2.1 萬次觀看※ 摘要僅根據標題與說明
- 影片入門EN
AI Engineer Paris 2026 Opening Keynotes: Mistral, Langfuse & Sizzy | Day 1（在新分頁開啟原站）
AI Engineer Paris 2026 開場演講，聚焦 Mistral、Langfuse 與 Sizzy 等 AI 相關主題，內容涵蓋最新趨勢與技術應用。
※ 摘要僅根據標題與說明
- 影片入門EN
From Scratch to SOTA: Training a 3B State-Space Vision Model — Krishna Prasad Srinivasan, Sarvam（在新分頁開啟原站）
介紹 Krishna Prasad Srinivasan 如何從零開始，使用 3B 狀態空間視覺模型，詳細展示訓練過程與架構。
5.7 萬次觀看※ 摘要僅根據標題與說明
- 影片進階EN
From VLM/VLA's to Embodied Agents — Armen Aghajanyan, Perceptron AI（在新分頁開啟原站）
Armen Aghajanyan 探討從視覺語言模型到具身智慧的演進，介紹如何打造能自主行動的 AI 實體。
4,400次觀看※ 摘要僅根據標題與說明
- 影片入門EN
You’re Not Thinking Big Enough: Rebuilding Food Systems with AI Agents — Cody Menefee, Firecrawl（在新分頁開啟原站）
探討如何透過 AI 代理重建食物系統，並介紹了 Firecrawl 工具。
1.3 萬次觀看※ 摘要僅根據標題與說明
- 影片入門EN
The Best Models Still Reason Like Toddlers — Andrew Dai, Elorian（在新分頁開啟原站）
介紹了安德魯·戴與埃洛裡安討論的兩個仍像幼兒般思考的 AI 模型，並分析其優點與缺點。
4,500次觀看※ 摘要僅根據標題與說明
- 影片入門EN
From Ingestion to Agents: How AI Teams Build on Document Intelligence — Adit Abraham, Reducto（在新分頁開啟原站）
介紹 Adit Abraham 如何透過 Reducto 工具，從資料收集到 AI 代理的完整流程，教導讀者如何建立高效能的 AI 團隊。
1.4 萬次觀看※ 摘要僅根據標題與說明
- 影片入門EN
Modality Misalignment and Originality Attribution in Short-Form Video — Aditya Gautam, Meta（在新分頁開啟原站）
探討短影音內容中模態不匹配（如文字與圖片不一致）與原創性歸因的挑戰。作者提出解決方法，並分析短影音平台如何影響內容創作與版權歸屬。
※ 摘要僅根據標題與說明
- 影片入門EN
Skill issue: stop deploying vision language models, use them with Skills — Merve Noyan, Hugging Face（在新分頁開啟原站）
指出，部署大型視覺語言模型存在風險，建議改用專為特定技能設計的模型來解決問題。
※ 摘要僅根據標題與說明
- 影片進階EN
Building the Document Context Layer for AI Agents — Jerry Liu, LlamaIndex（在新分頁開啟原站）
介紹如何為 AI 代理建立文件層面，並說明 LlamaIndex 工具如何協助實現此功能。
4.3 萬次觀看※ 摘要僅根據標題與說明
- 影片入門EN
The Dark Arts of Skill Engineering — Paul Bakaus, Renaissance Geek (Impeccable)（在新分頁開啟原站）
探討技能工程中的黑暗面，作者透過案例說明過度依賴自動化可能帶來的風險與代價。
2.7 萬次觀看※ 摘要僅根據標題與說明
- 影片入門EN
Weight Folding, CUDA Streams, and the Bug That Made My Model Speak Backwards — Filip Makraduli（在新分頁開啟原站）
介紹了 Weight Folding 與 CUDA Streams 技術，並揭露了一個導致模型反向運算的 Bug。
1.5 萬次觀看※ 摘要僅根據標題與說明
- 影片進階EN
Two Bugs That Hid in Plain Sight: A vLLM Debugging Detective Story — Asaf Gardin & Yuval Belfer（在新分頁開啟原站）
探討 vLLM 模型推論中隱藏的兩個常見錯誤，並提供實戰解法，幫助工程師快速定位並修復問題。
8,900次觀看※ 摘要僅根據標題與說明
- 影片入門EN
The Frontier AI Inference Cloud for Agents — Byung-Gon (Gon) Chun, FriendliAI（在新分頁開啟原站）
介紹了 FriendliAI 推出的 AI 推理雲端服務，讓開發者能輕鬆部署 Agent 應用。
1.6 萬次觀看※ 摘要僅根據標題與說明
- 影片入門EN
Large clusters for small models — Daniel Svonava, Superlinked（在新分頁開啟原站）
介紹如何在小模型上運用大規模叢集技術，並說明其運作原理。
9,900次觀看※ 摘要僅根據標題與說明
- 影片入門EN
What's New in Inference Engineering — Philip Kiely, Baseten（在新分頁開啟原站）
Philip Kiely 介紹 Inference Engineering 的新發展，探討如何加速模型推理。
1.3 萬次觀看※ 摘要僅根據標題與說明
- 影片入門EN
Vertical Mobility: Inference from MVP to Trillion-Parameter Workloads — Sitanshu Gupta, CoreWeave（在新分頁開啟原站）
介紹了從 MVP 到萬億引數級工作量的垂直移動策略，核心 Weave 團隊分享了具體方法。
9,600次觀看※ 摘要僅根據標題與說明
- 影片入門EN
Are LLM Performance Benchmarks Reliable? — Ashok Chandrasekar & Jason Kramberger, Google（在新分頁開啟原站）
探討大型語言模型（LLM）的效能基準是否可靠，並分析其潛在問題。
※ 摘要僅根據標題與說明
- 影片進階EN
Routing LLM Inference in Production: From Engine Signals to Policy — Qianru Lao & Lu Zhang, OpenAI（在新分頁開啟原站）
介紹了如何將路徑模型（LLM）部署於生產環境，涵蓋從引擎訊號到策略的完整流程。
※ 摘要僅根據標題與說明
