根据 @AndrewYNg 的信息，新课程《Semantic Caching for AI Agents》将由来自 @Redisinc 的 @tchutch94 与 @ilzhechev 授课，聚焦在 AI 应用中落地语义缓存的方法（来源：@AndrewYNg 于 X，2025 年 11 月 19 日）。他指出，语义缓存能显著降低 AI 推理成本与延迟，使对语义相似问题的响应更快且更省成本，这对生产级 AI 代理尤其重要（来源：@AndrewYNg 于 X，2025 年 11 月 19 日）。对加密市场的交易者而言，此公告提升了“AI 代理效率/成本优化”叙事的关注度；可跟踪项目动态中对“语义缓存”或“Redis”的提及，以观察该效率主题在公告后的市场关注度（来源：@AndrewYNg 于 X，2025 年 11 月 19 日）。

根据@DeepLearningAI，该课程教你搭建基于语义而非字面匹配的缓存，以复用回答，从而降低API成本并加快响应速度，来源：@DeepLearningAI。 课程明确用命中率、精确率与延迟评估缓存表现，量化AI智能体的性能，来源：@DeepLearningAI。 同时通过交叉编码器、LLM校验与模糊匹配提升准确性，并演示如何将缓存集成到会随时间变得更快、更省钱的智能体中，来源：@DeepLearningAI。 对于关注加密市场中AI基础设施敞口的交易者，来源强调可通过语义缓存优化与呈现的关键运营指标，包括单次请求成本与延迟，来源：@DeepLearningAI。

根据@AndrewYNg，AI Dev 25 纽约大会将由来自Google、AWS、Vercel、Groq、Mistral AI与SAP的开发者分享量产AI系统实践经验（来源：@AndrewYNg）。 议程涵盖代理式架构的取舍、面向边界案例的自主规划，以及编排框架何时助益、何时累积误差（来源：@AndrewYNg）。 还将讨论复杂推理下检索的局限、知识图谱如何连接向量搜索遗漏的信息，以及保持关系的记忆系统构建方法（来源：@AndrewYNg）。 基础设施主题包括硬件、模型与应用的扩展瓶颈、用于降本与降延迟的语义缓存策略，以及更快推理如何带来更优编排（来源：@AndrewYNg；ai-dev.deeplearning.ai）。 生产就绪与工具链将聚焦系统化智能体测试、将AI治理落地为工程实践、MCP实现、具上下文的代码审查系统及可复用的演示（来源：@AndrewYNg）。 对交易者而言，议程所强调的低延迟、降本与编排效率，体现当前企业AI落地的优先级，可用于跟踪AI基础设施板块与AI加密叙事的市场情绪与主题配置（来源：@AndrewYNg）。