Mistral AI 基于开源编码助手 Vibe 构建了一个自动生成和改进 Rails RSpec 测试的智能体，可读取源文件、执行测试并通过 RuboCop 和 SimpleCov 自我校正。该智能体处理了 275 个源文件，测试通过率和平均代码覆盖率均为 100%，RuboCop 违规数为 0，LLM-as-a-judge 得分为 0.74。
推荐理由：文章拆解了用 AGENTS.md、分类技能和自定义工具约束智能体生成测试的做法，并给出真实代码库中的量化结果。
Mistral AI 定位了 vLLM 在启用 graph compilation 和 NIXL 的 Prefill/Decode disaggregated serving 中出现的内存泄漏，根因是 UCX 的 mmap hook 机制导致匿名内存持续增长。
推荐理由：文章以真实的 vLLM 生产前测试故障为例，串联 Heaptrack、pmap、BPFtrace 和 GDB 的定位过程，并给出 UCX 配置层面的修复路径。
Mistral AI 介绍使用 LoRA 微调 Pixtral-12B 进行卫星图像分类的方法，并通过 Aerial Image Dataset 展示领域适配效果。
Mistral AI 介绍一种用 LLM 作为评审器评估 RAG 系统的方法，采用 RAG Triad 检查上下文相关性、groundedness 和答案相关性。
推荐理由：文章把 RAG 评估拆为上下文相关性、答案相关性和 groundedness，并结合结构化输出给出可复用的机器可读评分方案。
Mistral AI 展示了 TranscriptToPRDTicket 智能体工作流，可从会议转录自动生成 PRD 和开发工单。流程由 PRDAgent 和 TicketCreationAgent 组成，基于 Mistral Large 2，并可将工单创建到 Linear 或 Jira；完整实现已发布在 Google Colab notebook 中。