作者: hiyoho

  • Qualcomm亮出XR新芯片,智能眼镜的算力焦虑有解了

    Qualcomm亮出XR新芯片,智能眼镜的算力焦虑有解了

    智能眼镜这个品类到现在还没真正火起来,但芯片厂商已经在为下一波浪潮做准备了。今天在Augmented World Expo上,Qualcomm发布了新一代XR芯片Snapdragon Reality Elite,专门针对智能眼镜做了全方位升级。

    首款搭载这块芯片的设备已经定了——Xreal的Project Aura Android XR眼镜,今年秋天上市。事实上,上个月Google I/O大会上Xreal和Google就展示过这款眼镜,只是当时双方对用哪块芯片守口如瓶,现在谜底揭晓:就是这块Reality Elite。

    Qualcomm Snapdragon Reality Elite芯片
    Qualcomm Snapdragon Reality Elite芯片将首先搭载于Xreal Project Aura智能眼镜

    参数涨了多少

    Qualcomm给出的数据是:GPU性能提升60%,CPU提升30%,NPU(神经网络处理单元)的提升最猛,最高涨了160%。这意味着眼镜端侧跑AI模型的能力会上一个台阶——语音识别、实时翻译、场景理解这些功能,不再需要把所有计算都丢到手机或者云端去处理。

    显示方面,Reality Elite支持4.4K分辨率,每眼90帧刷新率,延迟也压得更低。对智能眼镜来说,延迟是让人晕不晕的关键指标之一,Qualcomm在这块下了功夫。

    续航和散热是智能眼镜的两个死穴——眼镜戴在脸上,又不能挂个散热风扇。Reality Elite把续航提升了最高20%,同时满载运行时比上一代芯片低12摄氏度,这两个数字对眼镜厂商来说可能比GPU涨60%更有吸引力。

    Android XR的生态牌

    这块芯片的发布时机值得玩味。Google今年在I/O上推了Android XR平台,想把安卓的生态搬到XR设备上。Xreal的Project Aura是第一批吃螃蟹的硬件,Qualcomm这时候把芯片规格亮出来,显然是想给开发者和厂商一个信心:Android XR设备的能力已经够用了。

    和Meta的Ray-Ban眼镜比,走Android XR路线的产品更强调计算和交互能力,而不是只做一个”能录音拍照的蓝牙眼镜”。Reality Elite這块芯片就是为这个路线准备的——NPU性能暴涨160%,说明Qualcomm认定端侧AI是智能眼镜的下一个主战场。

    还没到普通人买的时候

    话说回来,智能眼镜到现在还是一个小众玩物。Xreal的上一款眼镜主要买家是极客和早期用户,Project Aura能不能把受众扩大到普通消费者,还得看秋天发布时的价格和体验。芯片归芯片,最终用户买不买账,还是得看产品本身好不好用。

    但Qualcomm在这时候押注Reality Elite,释放的信号很清楚:它相信智能眼镜会在接下来两三年里从极客玩具变成主流消费品。这场赌局里,Qualcomm不想缺席。


  • SpaceX 600亿美元收购Cursor,刚上市就掏钱买AI编程神器

    SpaceX 600亿美元收购Cursor,刚上市就掏钱买AI编程神器

    SpaceX刚刚创造IPO历史,转头就砸下600亿美元买了一家AI编程工具公司。这周,SpaceX和AI编程创业公司Cursor正式宣布达成收购协议,交易对价全部用股票支付,总价600亿美元。

    时间点卡得相当微妙。SpaceX上周五才完成史上规模最大的IPO,几天之内就宣布这桩收购,显然上市筹到的钱已经有了去处。实际上,早在今年4月,SpaceX就和一帮投资者提前把这事谈好了——当时它对外说的是:要么600亿美元买下Cursor,要么付100亿美元分手费。现在IPO一过,这笔交易正式落地。

    SpaceX收购Cursor概念图
    SpaceX以600亿美元收购AI编程工具Cursor,创下AI工具收购纪录

    Cursor为啥值600亿

    Cursor这家公司2022年才成立,前身叫Anysphere,做的是AI辅助编程工具,让开发者用自然语言描述需求就能生成代码。过去两年,随着AI编程赛道爆发,Cursor的用户量和收入都涨得飞快。

    在被SpaceX收购之前,Cursor本来正在谈一笔200亿美元的融资,投资方包括a16z、Thrive和Nvidia,融资完成后估值将达到500亿美元。SpaceX直接插进来,用600亿美元的股票把这笔融资截胡了。

    Cursor在2024年通过了OpenAI的创业加速器项目,随后融资节奏明显加快——2025年6月完成9亿美元C轮,年底又融了23亿美元,在SpaceX出手之前估值就已经冲到约290亿美元。

    xAI的烂摊子靠Cursor来收拾

    这笔收购背后有一个尴尬的背景。SpaceX今年早些时候把Elon Musk的AI公司xAI合并进了自己体内,准备在AI赛道大干一场。但xAI过去几个月过得相当狼狈——11个联合创始人全部在3月底前离职,Musk公开承认”xAI第一次没建好,正在从地基开始重建”。

    更严重的是xAI的产品Grok多次出现严重问题。去年Grok聊天机器人曾自称”MechaHitler”,今年初又被曝光允许用户生成女性和儿童的性化深度伪造内容,加州总检察长为此发出了停业令。SpaceX在IPO文件里明确把这些行为列为业务风险。

    收购Cursor显然是Musk想为SpaceX的AI业务找一条技术上的出路。Cursor在代码理解和生成上已经积累了大量真实开发者的使用数据,这恰恰是训练编程AI最值钱的资产。SpaceX在IPO路演时告诉投资者,AI基础设施和企业应用加在一起是一个近25万亿美元的市场机会,现在它得拿出真东西来证明这不是吹牛。

    股价先涨为敬

    投资者似乎买账。SpaceX IPO定价135美元一股,到本周二早上,盘前交易已经突破200美元,短短几个交易日市值增加了将近1万亿美元——换算下来,相当于16个Cursor的收购价。

    这笔交易预计在今年第三季度完成。到时候,Cursor的AI编程能力将被整合进SpaceX的AI基础设施里。至于这和发射火箭到底有什么关系,Musk还得给投资者一个更清楚的解释。


  • CrewAI — 53.7K+ Stars,让多个AI智能体像团队一样协作的Python框架

    CrewAI — 53.7K+ Stars,让多个AI智能体像团队一样协作的Python框架

    🚀 CrewAI — 让多个 AI 智能体像团队一样协作

    📌 项目简介

    CrewAI 是一个完全独立、轻量、高性能的 Python 多智能体编排框架,专门用于协调角色扮演型自主 AI 智能体。它从零构建,不依赖 LangChain 或其他智能体框架,兼顾高层级开发的简洁性和底层控制的精准性,让多个 AI Agent 像真实团队一样分工协作,高效完成复杂任务。

    目前已有超过 10 万名开发者通过官方学习平台完成认证,CrewAI 正快速成为企业级 AI 自动化的标准框架。

    ⚙️ 安装要求和过程

    环境要求

    • Python: ≥ 3.10 且 < 3.14
    • 依赖管理: 推荐使用 UV(极速 Python 包管理器)
    • LLM 接入: 需配置 OpenAI API Key 或兼容接口(支持 Ollama 本地模型)

    快速安装

    # 安装基础版本
    uv pip install crewai
    
    # 安装带常用工具的完整版本
    uv pip install 'crewai[tools]'
    
    # 创建新项目(推荐)
    crewai create crew my_project
    

    常见问题排查

    报错信息 解决方案
    ModuleNotFoundError: No module named 'tiktoken' 显式安装: uv pip install 'crewai[embeddings]'
    Failed building wheel for tiktoken 安装 Rust 编译器 + Visual C++ Build Tools,或使用预编译包

    ✨ 核心功能

    1. 完全独立的轻量框架

    CrewAI 从零开始构建,完全不依赖 LangChain 等第三方智能体框架。执行速度比 LangGraph 快 5.76 倍(QA 任务场景),资源占用更低,定制更灵活。你可以在任意层级深度自定义 —— 从整体工作流到智能体内部提示词,全部开放。

    2. 双模式编排:Crew + Flow

    CrewAI 提供两种互补的核心编排能力:

    • Crew(智能体组):支持智能体自主协作和动态决策,适合需要灵活交互的任务
    • Flow(工作流):企业级生产架构,提供细粒度、事件驱动的流程控制,支持单 LLM 调用精准编排,原生兼容 Crew

    两者可无缝结合,兼顾灵活性与可控性。

    3. YAML 配置驱动开发

    通过 agents.yamltasks.yaml 声明式配置智能体角色、目标和任务描述,将业务逻辑与代码逻辑完全解耦。@CrewBase 装饰器自动加载配置,开发体验极佳:

    # config/agents.yaml
    researcher:
      role: "{topic} Senior Data Researcher"
      goal: "Uncover cutting-edge developments in {topic}"
      backstory: "You're a seasoned researcher with a knack for ..."
    
    # config/tasks.yaml
    research_task:
      description: "Conduct a thorough research about {topic}"
      expected_output: "A list with 10 bullet points ..."
      agent: researcher
    

    4. 丰富的工具生态与集成

    内置 crewai_tools 工具包,包含 SerperDevTool(Google 搜索)、ScrapeWebsiteToolPDFSearchTool 等常用工具。同时支持:

    • 对接 Ollama / LM Studio 本地模型
    • 对接 OpenAI / Anthropic / Gemini 等主流 LLM
    • 自定义 Tool 类,轻松扩展能力边界
    • 与企业现有系统、数据源和云基础设施无缝集成

    5. 企业级可观测性与安全

    CrewAI AMP Suite 提供企业级综合解决方案:

    • 追踪与可观测性:实时监控 AI 智能体和 Workflows,提供指标、日志、调用链路追踪
    • 统一控制平面:集中管理、监控、扩缩 AI 智能体和自动化流程
    • 高级安全能力:内置安全与合规机制,支持本地/云端灵活部署
    • 7×24 小时企业支持:专属支持团队保障业务无中断运行

    💡 典型使用场景

    场景一:AI 行业动态自动研究报告

    配置一个「资深研究员」智能体和「报告分析师」智能体,前者利用搜索工具搜集最新资料,后者将分析结果整理为结构化 Markdown 报告。全程自动化,每天早上收到一份行业动态简报。

    inputs = {'topic': 'AI Agents'}
    LatestAiDevelopmentCrew().crew().kickoff(inputs=inputs)
    # 输出: report.md — 完整的研究报告
    

    适用:市场调研、竞品分析、技术趋势跟踪

    场景二:股票分析自动化流水线

    结合 SerperDevTool 获取实时财经新闻,多个分析智能体分别负责基本面分析、技术面分析、风险评估,最终由汇总智能体输出投资建议报告。CrewAI 官方示例仓库中提供了完整的 Stock Analysis 案例。

    适用:量化投研、财经内容自动生成、投资决策辅助

    场景三:旅行规划智能体组

    「目的地推荐师」「酒店比价员」「行程安排师」三个智能体协同工作:推荐师根据预算和偏好输出目的地清单,比价员自动抓取酒店价格,安排师生成逐日行程表。CrewAI 官方 Trip Planner 示例可直接运行。

    适用:个性化推荐系统、旅行/餐饮/购物助手、智能客服

    🌟 推荐理由

    在多智能体框架的选型上,我曾对比过 LangGraph、AutoGen 和 CrewAI,最终选择深入使用 CrewAI,原因主要有三点:

    1. 学习曲线最平缓。YAML 配置 + Python 代码的分离设计让业务逻辑一目了然,官方 learn.crewai.com 学习平台提供从入门到精通的系统课程,还有 DeepLearning.AI 的 免费短课程,上手速度远超同类框架。
    2. 生产就绪。很多多智能体框架停留在 Demo 阶段,CrewAI 在设计之初就考虑了生产环境需求 —— Memory(记忆)、Delegation(任务委托)、Human-in-the-loop(人工介入)等生产必备功能一应俱全,且有企业级 AMP Suite 提供运维保障。
    3. 性能优势明显。官方基准测试显示 CrewAI 比 LangGraph 快 5.76 倍,在实际项目中我也感受到明显差异,尤其是多智能体并行执行场景下,响应速度和稳定性表现出色。

    如果你正在考虑引入多智能体架构,CrewAI 是目前最成熟、最易上手的选项之一。建议从官方示例仓库 crewAI-examples 挑一个最接近你需求的案例跑起来,15 分钟就能感受到它的威力。

    📥 下载地址

  • Android 17来了,Google把最新的Gemini直接塞进了你的手机

    Android 17来了,Google把最新的Gemini直接塞进了你的手机

    Google周二发布了Android 17操作系统的最终版本,配套的智能手表系统Wear OS 7也一起出来了。新系统先在Pixel设备上推送,同时带来了新一轮的Pixel Drop功能更新。

    Android 17与Gemini AI
    Android 17集成了最新的Gemini AI功能(图片:生成配图)

    Google的打法:用手机秀AI肌肉

    这一波更新说白了就是Google在秀:看,我的AI最新技术可以直接装进你的口袋。竞争对手Apple那边还在追赶,计划9月才推出Siri的AI升级和iOS 27,Google已经把Android 17和最新的AI模型绑定在一起了。

    这次的Pixel Drop加了一堆新东西,核心是三个AI模型:音乐生成模型Lyria 3、多模态的Gemini Omni,还有Pixel 10a上用的语音翻译工具(靠AudioLM驱动)。

    Gemini Omni现在可以在对话里直接编辑视频,Lyria 3让你用文字描述(或者丢一张图片)就在Gemini应用里生成音乐轨道。

    不只是AI,多任务处理是重头戏

    Android 17搞了一个叫”气泡栏”(bubble bar)的东西,是个新的界面元素。你把最近用的应用弄成气泡,贴在屏幕底部,点一下就能快速切换。这个设计明显是为了让你同时跑多个应用更顺手。

    喜欢拍reaction视频发TikTok、YouTube、Instagram的人会喜欢这个新功能:前置摄像头和屏幕录制可以同时开启,你自己和屏幕内容一起入镜,不用额外折腾。


    隐私和安全也没落下

    家长控制和安全功能这回有升级。Find Hub里加了”标记为丢失”功能,还有实时威胁检测之类的防护。屏幕使用时间限制和内容过滤工具现在可以设PIN码,不需要绑定Google账号。

    Pixel Watch这边也加了紧急检测:如果手表检测到你出车祸、摔倒、或者没脉搏了,它会自动联系急救服务和你预设的紧急联系人。这个功能迟早能救几条命。

    手表和AI眼镜也要连起来

    今年夏天,Wear OS会加更多Gemini Intelligence功能,比如你描述一下想要的小部件,它就能直接给你生成一个。它还能连上你的Google应用和聊天记录,给你提供所谓的”个人智能”。

    电池续航声称能提升10%,多步骤自动化也会加到新的Wear OS里。另外,手表会和Google即将推出的AI眼镜以及耳机之类的硬件更好地配合。

    对普通用户来说,这一波更新的信号很清晰:Google要把AI塞进你所有的设备里,不只是手机。手表、眼镜、耳机,全都得连起来。Apple那边还在慢慢磨Siri,Google已经先跑了。

  • SpaceX估值飙到2.6万亿美元,短暂超过亚马逊

    SpaceX估值飙到2.6万亿美元,短暂超过亚马逊

    SpaceX本周二短暂超过亚马逊,成为全球第五大最有价值的公司,股价在周二收盘前回落,几乎触碰到微软的市值。

    这家刚上市的公司周一股价已经涨了20%——这是它第一个完整交易日。周二传出SpaceX要收购AI编程公司Cursor的消息,加上SpaceX股票期权交易启动,股价被进一步推高,估值一度冲到2.9万亿美元,最后回落。

    SpaceX估值暴涨
    SpaceX估值在IPO后暴涨(图片:生成配图)

    亏钱的公司,为什么估值这么高

    这里有个问题:SpaceX去年营收187亿美元,但亏了49亿美元。对比一下,亚马逊2025年营收7170亿美元,赚了780亿美元利润。

    但投资者不在乎。SpaceX最近新增了和Anthropic、Google的计算资源租赁业务,等Cursor收购完成,还会把Cursor的收入并进来。Anthropic和Google的这些合作协议其实没有强制约束力,但投资者好像并不在意这个。

    马斯克的这家太空加AI公司,自周五上市以来,估值增加了大约1万亿美元。

    IPO筹了860亿美元,靠的是AI故事

    这次IPO给马斯克的公司筹了将近860亿美元,主要靠一个承诺:SpaceX能创造一个价值数万亿美元的AI业务。这个说法有点疯狂,毕竟这家公司前不久刚把AI部门拆了重建。

    SpaceX四月份就透露和Cursor有合作,当时马斯克说他的AI公司xAI(现在已经并入SpaceX)”第一次没做对”,他正在”从地基开始重建”。SpaceX用600亿美元的公司股票做这次收购。

    SpaceX的IPO历史上规模最大,上市时估值大约1.7万亿美元。专家说SpaceX只放了大约4%的总股份出来交易,这会导致股票很容易被炒上炒下。


    交易量惊人,波动还会继续

    周二这天,交易员换了超过3亿股SpaceX股票——占IPO后公开市场上5.55亿股的一多半。数据来自纳斯达克交易所。

    盘后交易还在继续波动,SpaceX的估值第二次短暂超过亚马逊市值,然后又掉下来。

    这个故事还没完。SpaceX把AI和太空放在一起讲了一个大故事,投资者买不买账,接下来几个月见分晓。

  • KPMG的AI报告因为幻觉被撤,这家刚拿900万美元的公司说他们有解法

    KPMG的AI报告因为幻觉被撤,这家刚拿900万美元的公司说他们有解法

    AI可靠性与幻觉检测
    AI幻觉问题正催生新的技术解决方案

    前几天KPMG撤掉了一份关于AI使用的报告,原因是报告里引用了多家机构的数据,但那些机构纷纷表示”我们没说过这个”。调查发现,这些错误来自AI幻觉——也就是说,这家全球顶级专业服务公司在制作一份关于AI的报告时,自己先被AI骗了。

    这件事在AI圈子里传开之后,很多人把它当成一个笑话。但笑完之后,一个更严肃的问题摆在所有AI用户面前:如果连KPMG都用不好AI,普通人该怎么办?

    “机甲套装”思路

    Peter Elias创办的Probably公司刚拿了900万美元种子轮,领投方是Andreessen Horowitz。他们的思路说起来不复杂:既然大模型天生就会犯事实性错误,那就不要让用户直接碰到原始模型的输出,在模型和用户之间加一层”套装”——Elias自己用的词是”mech suit”(机甲套装)。

    具体做法是:大模型的初版回答先经过一个确定性验证系统(deterministic validator)检查,验证系统会根据已知的数据集来核对结果,任何对不上的回答都会被打回去重算。关键是,大模型本身也针对这个验证系统做了训练,整个链条是一起优化的,而不是各干各的。

    Elias总结了一句话:”你的套装工程设计得越好,你需要的模型就越弱。”意思是,如果你能把上下文整理得足够精确,模型其实不需要很聪明也能给出正确答案。本质上,这是在减少歧义。

    用小模型干大事

    这套架构带来一个有趣的副作用:因为验证层承担了大部分”把关”工作,Probably的数据科学工具实际上跑的是一个比前沿模型”弱四个级别”的模型。换句话说,他们不需要GPT-4o或者Claude Sonnet这种级别的模型,也能给出准确率极高的回答。

    这意味着什么?意味着整套系统可以跑在本地硬件上,不需要把每一次查询都发到OpenAI或者Anthropic的服务器。对于企业用户来说,这省掉了一大笔token费用,也不用担心敏感数据离开自己的网络。

    Elias说他们当前版本的模型跑在桌面级硬件上就没问题。这个定位很聪明——在大家都拼命往云端跑的时候,他选择了往本地走。

    大AI实验室为什么不做这个

    Elias在接受TechCrunch采访时说了一段挺直接的话:”有趣的是,大型AI实验室甚至没有尝试过这样做。他们的激励机制不支持他们这样做,因为用户越是需要反复纠正模型,他们就越赚钱。”

    这个观察很犀利。OpenAI、Anthropic、Google这些公司的商业模式本质上建立在”模型还不够好”这个前提上——如果一次就能给出正确答案,用户就不需要多次调用API,收入就会下降。所以让他们主动把准确率做到99.99%,相当于让他们自己砍自己的收入。


    Probably目前的第一款产品是一个数据科学工具,但Elias说这套引擎可以扩展到任何对精度敏感的场景——会计、医疗、法律分析,这些都是容错率极低的领域,也是目前AI最难真正落地的领域。

    KPMG的尴尬撤稿事件其实正好给市场做了一次普及教育:AI幻觉不是小问题,它会导致真实的、可量化的损失。能解决这个问题的人,值得那900万美元。

  • OpenAI遭多州总检察长联合调查,AI监管的铁拳终于落下来了

    OpenAI遭多州总检察长联合调查,AI监管的铁拳终于落下来了

    OpenAI遭多州总检察长调查
    OpenAI正面临来自多州总检察长的联合调查

    6月13日,OpenAI收到一份来自纽约州总检察长办公室的传票。跟在这份传票后头的,是一个由多个州总检察长组成的联盟,对OpenAI展开正式调查。这件事目前公开的细节还不算多,但已经足够让人意识到——AI监管不再是喊口号了,有人开始动真格的了。

    传票里写了什么

    根据《华尔街日报》的报道,这份传票要求OpenAI提供涉及范围相当广泛的文件,包括公司的广告业务、用户参与度和留存策略、模型的”谄媚性”(sycophancy,指模型过度迎合用户偏好的倾向)、消费者数据处理和健康数据处理方式,以及针对未成年人和老年人的保护措施。

    这个调查清单其实透露了很多信息。总检察长们关注的不仅仅是隐私或数据安全这类传统议题,他们还在追问:AI公司到底有没有在故意让用户上瘾?模型会不会为了讨好用户而放弃给出负责任的回答?未成年人用ChatGPT的时候,到底有没有足够的保护机制?

    这几个问题每一个都戳在AI行业的痛处。尤其是”模型谄媚性”这一点,学术界讨论了很久,但监管机构正式把它写进调查要求里,这还是头一回。

    OpenAI的回应

    OpenAI的发言人发了一份声明,措辞很标准:”AI是一项全新且强大的技术,我们每天都在努力以负责任的方式将它的好处安全地带给人们。我们严肃对待各州总检察长提出的关切,并打算以建设性的方式与他们的办公室合作。”

    声明里还特意提了几句他们已经做了什么:ChatGPT对未成年人提供了”更具保护性的体验”,有引导困难用户联系现实资源和可信人类联系人的安全机制;他们”相信孩子就应该被当作孩子对待”,所以做了年龄预测、推出了家长控制工具,并且不允许针对儿童的广告。

    这些话说得没毛病,但时间点很微妙。就在同一周,OpenAI刚刚秘密提交了IPO申请。一家公司一边准备上市、一边面临多州联合调查,这种组合对任何CEO来说都是巨大的压力测试。

    不是第一次,也不会是最后一次

    OpenAI眼下还背着一堆官司。版权侵权诉讼就不用说了,来自《韦氏词典》和《大英百科全书》的索赔还在进行中。更棘手的是,至少有七起诉讼指控ChatGPT在用户自杀事件中扮演了角色——这些家庭的律师认为,OpenAI没有尽到保护义务。

    上个月的佛罗里达州是一个更鲜明的信号。佛州总检察长James Uthmeier直接起诉了OpenAI和Sam Altman本人,声称OpenAI”无视内部和外部的安全警告,把儿童置于巨大风险之中,让一个危险的产品触达了数百万佛罗里达人”。这是美国历史上第一起由州总检察长亲自下场、起诉AI公司及其CEO的诉讼。

    再把时间往前推一点,加拿大Tumbler Ridge社区发生大规模枪击案之后,Altman不得不公开道歉——因为OpenAI在事发前就已经标记并封禁了嫌疑人的ChatGPT账户,但没有通知执法部门。Altman说这是公司的失误。


    这一连串事件拼在一起,画面就清楚了:监管机构对AI公司的”信任红利”正在快速消耗。过去两年里,AI公司很大程度上是在自我监管,靠的是”我们会在出事之前自己搞定”的承诺。但现在,越来越多的政客和监管者开始问一个更难听的问题:你们真的能把自己管好吗?

    多州联合调查的意义在于,它表明各州的监管者不再等联邦政府出手,他们准备自己干。这种模式在美国并不少见——当年针对大型科技公司的反垄断调查,也是由多个州的总检察长联合发起的。AI行业可能正在进入同样的周期。

  • n8n – 192K+ Stars,安全工作流自动化平台,原生AI能力加持

    n8n – 192K+ Stars,安全工作流自动化平台,原生AI能力加持

    📦 项目简介

    n8n 是一个面向技术团队的安全工作流自动化平台,兼具代码的灵活性与无代码的速度优势。它采用fair-code许可证,支持自托管和云服务两种部署方式。

    截至2026年,n8n在GitHub上已获得 192,000+ Stars,拥有400+第三方集成、900+现成工作流模板,是当前最热门的开源自动化工具之一。

    🚀 核心功能

    1. 灵活编码支持:支持编写JavaScript/Python代码、添加npm包,也可使用可视化界面搭建流程
    2. 原生AI能力:可基于LangChain构建AI智能体工作流,支持使用自定义数据和模型
    3. 400+集成:与主流应用和服务无缝集成(Slack、GitHub、Google Workspace等)
    4. 900+模板:社区贡献的现成工作流模板,一键导入使用
    5. 企业级能力:支持高级权限管理、单点登录(SSO)、离线部署

    💻 安装要求与步骤

    环境要求

    • Node.js:版本 18.10 或更高
    • npm:随Node.js安装
    • Docker:(可选)用于容器化部署

    快速安装 – 方式1:npx一键启动(推荐)

    # 需要预先安装 Node.js
    npx n8n

    启动后访问 http://localhost:5678 即可进入编辑器。

    快速安装 – 方式2:Docker部署

    docker volume create n8n_data
    docker run -it --rm --name n8n -p 5678:5678   -v n8n_data:/home/node/.n8n   docker.n8n.io/n8nio/n8n

    启动后访问 http://localhost:5678 使用。

    快速安装 – 方式3:npm全局安装

    npm install -g n8n
    n8n

    🌟 典型使用场景

    场景1:AI智能体工作流

    结合LangChain和自定义数据,构建智能化的AI Agent工作流。例如:自动从邮件中提取任务、调用AI分析优先级、自动创建Trello卡片并通知团队。

    场景2:多系统数据同步

    连接CRM、营销工具、数据库等多个系统,实现数据自动同步。例如:当Salesforce新增客户时,自动在Mailchimp中创建订阅者、在Slack中通知销售团队。

    场景3:定期报告自动生成

    定时从多个数据源拉取数据、生成可视化报告并自动发送。例如:每周一早上9点,自动汇总上周的网站分析数据、生成PDF报告并邮件发送给团队。

    💡 推荐理由

    • 开源可控:fair-code许可证,自托管完全掌控数据,无供应商锁定风险
    • 技术友好:支持写代码也支持可视化,开发者和非开发者都能高效使用
    • AI原生:深度集成LangChain,轻松构建AI驱动的工作流
    • 生态丰富:400+集成、900+模板,几乎覆盖所有主流工具
    • 社区活跃:GitHub 192K+ Stars,社区论坛活跃,问题响应快

    🔗 下载地址


    标签:#n8n #工作流自动化 #AI Agent #开源 #Python #自动化 #低代码

  • 前a16z合伙人倒戈:硅谷用1.25亿美元试图堵住AI监管的嘴

    前a16z合伙人倒戈:硅谷用1.25亿美元试图堵住AI监管的嘴

    AI监管与政治
    前a16z合伙人John O’Farrell在《纽约时报》发表署名文章,批评前东家(配图由AI生成)

    John O’Farrell在Andreessen Horowitz干了将近15年。2025年,他辞职了。2026年6月11日,他在《纽约时报》发表了一篇署名评论文章,把前东家——以及整个硅谷AI投资圈——推到了一个相当尴尬的位置上。

    他的核心指控是:以a16z为首的一批AI行业大佬,正在用巨额政治献金”渗透”美国民主制度,目的是阻止任何严肃的AI监管讨论。

    “Leading the Future”:1.25亿美元用来吓唬谁?

    这场争议的中心是一个叫”Leading the Future”(简称LTF)的政治行动委员会(PAC),去年8月成立,宣称要支持”对AI持前瞻态度”的候选人。背后果然不出所料——a16z、OpenAI联合创始人Greg Brockman、Palantir联合创始人Joe Lonsdale、SV Angel创始人Ron Conway,还有AI搜索公司Perplexity。

    这个PAC已经筹了超过1.25亿美元。O’Farrell在文章里说,这笔钱的目的不是”阐述AI政策的愿景”,而是——用他的原话——”恐吓那些在AI监管问题上表现得太积极的政客”。

    “AI不是又一个普通技术。它可能把生产力推到新高度,同时把数百万人的工作自动化掉。它可能找到癌症的治疗方法,同时也可能加速我们还没准备好的生物风险。它可能改变我们的孩子如何学习,同时也可能让他们分不清真假。它可能把经济权力集中到让’镀金时代’看起来像过家子的程度。”
    ——John O’Farrell,前a16z普通合伙人

    加密货币的剧本,现在搬到AI上了

    O’Farrell在文章里点名了一个参照对象:加密货币行业。加密行业之前的策略就是——用政治献金把”对行业友好”的政客选上去,把监管掐死在萌芽状态。a16z在O’Farrell在职期间,也向支持加密的PAC”Fairshake”捐了数百万美元。

    现在,同样的玩法被搬到了AI身上。LTF就是那个工具。

    这个策略有多大的影响力?看看2024年大选就知道了。a16z的两位创始人Marc Andreessen和Ben Horowitz公开表态,通过PAC向特朗普的竞选活动捐款,理由是特朗普的”小科技议程”更符合他们的利益。特朗普今年签署的AI行政令——自愿性质、细节稀薄——基本上就是科技行业想要的那一种。

    OpenAI想撇清关系,但已经晚了

    LTF背后有OpenAI联合创始人Greg Brockman的名字,这件事让OpenAI很不舒服。本月早些时候,OpenAI发了声明,说公司”不指导LTF的活动,也不了解他们的运作情况”——措辞很谨慎,意思也很明确:别把OpenAI跟这个PAC绑在一起。

    但这个”撇清”能有多大用,不好说。Brockman是OpenAI的联合创始人兼总裁,他的个人政治行为很难跟公司完全切割。更何况,LTF的成立本身就打着”AI行业”的旗号,OpenAI是最大的AI公司之一。


    O’Farrell的警告:这招不会成功

    O’Farrell在文章结尾写了一段话,值得全文引述:”我相信AI行业这种试图’政治渗透’的行为终将失败。美国人普遍认为这个制度被有钱有势的人操纵了。他们对AI也深感担忧——一种反弹正在聚集,当选民们了解到少数几个亿万富翁总共花了九位数、 apparently就是为了阻止监管讨论进一步展开的时候,这种反弹会变得更猛烈。”

    他的建议是:科技行业不应该试图”堵住讨论的嘴”,而应该认真参与讨论、赢得信任。

    这话从一个在a16z干了15年的人嘴里说出来,分量不轻。至于a16z和其他LTF的支持者们会不会听,那是另一回事。

    但可以肯定的是,AI监管这个议题,已经从”技术圈的内部讨论”变成了”真金白银的政治战场”。而这场战斗,才刚刚开始。

    📎 原文来源:CNBC报道 | The Verge报道
  • 西雅图紧急叫停新建数据中心:AI热潮下,这座城市选择先停下来想想

    西雅图紧急叫停新建数据中心:AI热潮下,这座城市选择先停下来想想

    西雅图数据中心
    西雅图市议会通过紧急禁令,暂停新建大型数据中心(配图由AI生成)

    6月9日,西雅图市议会做了一件在全美范围内都相当罕见的事——针对大型数据中心的建设,全票通过了一项紧急禁建令,立刻生效,先停一年再说。

    这个禁令针对的是功率容量超过20兆伏安的大型设施。说白了,就是那些为训练大模型而建的AI数据中心,普通的服务器机房不在此列。

    369兆瓦,相当于30万户家庭的用电量

    禁令背后有一组很具体的数字。今年4月,有四家公司接洽西雅图城市照明局(Seattle City Light),提出建设五座大型数据中心的计划。这五座设施的最大电力需求加起来是369兆瓦——够30万户普通家庭用。

    西雅图全市才多少人口?大约75万人。也就是说,这几座数据中心如果全建起来,消耗的电力相当于全市相当一部分居民用电的总和。电价会怎么变?市政电网扛不扛得住?没人知道,因为还没有人认真算过。

    “大型AI数据中心正在全美各地冒出来,推高了居民和小企业的公用事业成本,同时还制造了空气、水和噪音污染。西雅图人不应该用自己的钱包去补贴AI热潮中大型企业的创纪录利润。”
    ——市议员Eddie Lin(第2选区,土地使用委员会主席)

    连亚马逊的员工都站出来支持禁令

    这件事最耐人寻味的地方在于,支持禁令的最积极的一群人里,居然包括亚马逊的员工。

    亚马逊在西雅图是最大雇主之一,而亚马逊本身就是数据中心的最大使用者之一。按理说,员工应该站在公司一边,帮公司争取更多的数据中心建设空间。但这一次,亚马逊员工选择站在了居民这一边,多次出席市议会听证会,表态支持禁令。

    他们的逻辑并不复杂:数据中心的电力和冷却成本,最终会摊到所有用电户头上,包括他们自己。AI热潮带来的收益归科技公司,账单却寄到了每个居民的邮箱里。这笔账,算不过来。

    禁令不是永久的,但信号很明确

    这次通过的禁令时限是一年,必要时可以再延长六个月。在此期间,西雅图市政府会做一件事:把大型数据中心对电网、水资源、电价、土地使用、就业和公共健康的影响,系统地研究一遍。

    陪同禁令一起通过的还有一项政策框架决议(Resolution 32204),由第5选区市议员Debora Juarez牵头,明确要求以”西雅图价值观”来审视任何未来的数据中心提案。

    市议长Joy Hollingsworth说得很直白:”技术跑得很快,但我们的责任是确保增长不会以居民和电力用户的利益为代价。这一年给我们机会在做出永久性决定之前,先把影响搞清楚。”


    这件事为什么值得关注

    西雅图不是第一个面对数据中心扩张压力的城市,但它是第一个以全市议会全票通过的方式,正式按下暂停键的主要科技城市。

    这个先例一旦立起来,其他城市——尤其是那些同样在被数据中心”找上门”的地方——很可能会跟进。俄勒冈、弗吉尼亚、得克萨斯,各地都在面对同样的问题:科技公司要建数据中心,电从哪来?水从哪来?账单谁付?

    西雅图给出的答案是:先别急,让我们先弄明白再说。