标签: AI Agent

  • OpenAI把自家AI浏览器Atlas关了:它想明白了,浏览器不是终点

    OpenAI关停Atlas AI浏览器概念图
    OpenAI把Agentic浏览能力拆进ChatGPT,而不是再做一个独立浏览器

    OpenAI把自家AI浏览器Atlas关了。这款去年10月才跟着ChatGPT一起亮相的产品,原本被寄望于跟Chrome抢用户的上网时间,结果上线还不到一年,就定在8月9日正式退役。消息是跟着这波”ChatGPT Work”的发布一起放出来的。

    一场还没人赢的”浏览器战争”

    过去大半年,AI公司其实都在打同一场仗——抢占人们上网的那个入口。Perplexity推了Comet,Browser Company做了Dia,谷歌和微软也没闲着,不停给Chrome和Edge塞新的AI功能。大家赌的是同一件事:谁占住了浏览器,谁就握住了下一代的操作系统。Atlas的卖点很直白,它不只是个浏览器,还能替你干活——订机票、填表格、跨页面整理资料,自己在后台点来点去。

    可惜愿意为了”一个会自己上网的浏览器”换掉Chrome的人,远比OpenAI想的少。理想很丰满,现实里大多数人还是习惯用顺手的那一个。

    真正让Atlas下课的,是OpenAI自己

    atlas的退场,根子上是OpenAI战略上的转向。去年底,应用业务一把手Fidji Simo就要求团队砍掉那些”副业项目”,把精力收回来。同一波清理里,连Sora视频生成工具都被关了。对眼下的OpenAI来说,把生产力和办公场景做扎实,比到处开花重要得多。

    OpenAI内部像是想明白了一件事:浏览器是一个功能,不是终点。与其逼用户换掉用了十几年的Chrome,不如把AI代理直接送进他们已经在用的地方。

    浏览器死了,里面的能力留下了

    有意思的是,Atlas虽然关了,但里面试出来的那些能力没浪费。OpenAI把它们拆开,重新塞进了几个用户已经在用的地方:

    • ChatGPT桌面App:内置了更完整的浏览器,能登录账号、下载文件、直接在ChatGPT里逛网页;
    • Chrome插件:能读取你正在看的页面,帮你提问、总结、甚至启动长任务——这明显是冲着谷歌的Gemini侧边栏去的;
    • 云端浏览器:跑在OpenAI的服务器上,让代理替你远程完成各种活儿。

    所以这回Atlas的关闭,不等于OpenAI放弃了”帮人上网”。它只是换了一种更务实的打法:ChatGPT正在变成一个连续的工作空间,横跨Chrome、桌面端和云端代理。对用户来说,可能反而是件好事——不用为了用AI,专门去适应一个全新的浏览器。


    这场AI浏览器大战到现在还没人真正赢。Comet和Dia都还在小圈子里转,Atlas先退了场。接下来要看的,是谷歌和微软能不能把AI真正做进每天几亿人离不开的Chrome和Edge里。

  • Crawl4AI:把全网网页变成 LLM 能直接用的干净 Markdown,RAG 数据清洗一步到位(71.8K★)

    Crawl4AI:把全网网页变成 LLM 能直接用的干净 Markdown,RAG 数据清洗一步到位(71.8K★)

    Crawl4AI 项目封面

    一、项目简介

    Crawl4AI 是一个开源、对大模型友好的网页爬虫与抓取框架,能把任意网页一键转换成结构清晰、可直接喂给 LLM / RAG 的 Markdown,并支持结构化数据提取、截图、动态渲染等能力。对做检索增强、知识库、Agent 联网取数的人来说,它基本等于把”爬虫 + 清洗”两道工序合并了。

    二、安装要求和过程

    环境要求:Python 3.10 及以上;底层基于 Playwright(Chromium),首次使用需下载浏览器内核。

    快速安装(Python 包):

    # 安装
    pip install -U crawl4ai
    
    # 安装后执行一键浏览器配置
    crawl4ai-setup
    
    # 自检环境是否就绪
    crawl4ai-doctor
    
    # 若遇到浏览器相关报错,可手动补全
    python -m playwright install --with-deps chromium

    Docker 部署(推荐生产环境):

    docker pull unclecode/crawl4ai:latest
    docker run -d -p 11235:11235 --name crawl4ai --shm-size=1g unclecode/crawl4ai:latest
    # 监控面板: http://localhost:11235/dashboard
    # 交互 playground: http://localhost:11235/playground

    三、核心功能

    • LLM 就绪的 Markdown 输出:智能 Markdown 保留标题、表格、代码块,并提供 Fit Markdown(裁剪导航/广告等无关内容)、引用标注,以及基于 BM25 算法的内容过滤,正文噪声大幅降低。
    • 结构化数据提取:支持基于 LLM 的 Schema 提取、CSS 选择器提取、余弦相似度匹配,配合分块(Chunk)策略,直接产出 Pydantic 结构化对象,无需手写正则。
    • 真·浏览器级抓取:基于 Playwright 托管浏览器,支持会话保持、代理、Cookie、用户脚本、Hook、动态视口调整、懒加载处理,还能截图与生成 PDF。
    • 自适应爬取与调度:异步浏览器池 + 缓存机制,能学习网站结构、只爬该爬的页面;内置深度爬取与内存自适应调度,从单页到万级站点都能扛。
    • 部署灵活、可接 Agent:零密钥、CLI + Docker 双形态;新版 Docker 自带监控面板、浏览器池预热、Playground 与 MCP 集成,可直连 Claude Code 等 AI 编程工具。

    四、典型使用场景

    • 搭 RAG 知识库:把公司文档站、竞品官网、行业博客批量抓成干净 Markdown,直接喂进向量库做检索增强,省去大量手写清洗规则。
    • 生成 LLM 训练 / 微调语料:用 LLM 提取策略从定价页、榜单页抽取结构化字段(例如各家模型的价格表),产出干净的 JSON 数据集。
    • AI Agent 联网取数:通过 Docker + MCP 把 Crawl4AI 接进 Agent 工作流,让智能体实时抓取网页、执行 JS、截图后回写结果,补足大模型”看不见实时网页”的短板。

    五、推荐理由

    我自己踩过不少爬虫的坑:传统方案要么反爬头疼,要么抓下来的 Markdown 一堆导航/侧边栏噪音,接 RAG 前还得再写一层清洗。Crawl4AI 的 Fit Markdown + BM25 过滤基本把”正文 vs 杂质”这件事做对了,接检索增强时相当省心;异步 + 浏览器池的性能也不错,小规模到大规模都能用。Docker 镜像开箱即用,MCP 直连 Claude Code 这点对做 Agent 的人尤其香。小提醒:它依赖 Playwright/Chromium,首次部署体积不小;上生产建议走 0.9.0+ 的安全加固 Docker 镜像(已修复路径遍历 / SSRF / RCE)。

    六、下载地址

  • claude-video:让 Claude 真正“看懂”视频的 /watch 技能,6.4K Stars 把视频变成 AI 能读的输入

    claude-video:让 Claude 真正“看懂”视频的 /watch 技能,6.4K Stars 把视频变成 AI 能读的输入

    📌 项目简介

    claude-video 是一个让 Claude(以及 Codex、Cursor、Gemini CLI 等 50+ AI 编程工具)真正”看懂”视频的开源 Agent Skill。它的核心理念只有一句话:Claude 能读网页、能读 PDF、能读代码仓库,但默认它看不了视频——而 claude-video 把”看视频”这件事补上了。你丢给它一个 YouTube 链接或本地视频,它自动下载、抽帧、转写音频,再把画面帧 + 时间戳字幕一起喂给大模型,让 AI 基于真实视听觉内容来回答,而不是靠标题瞎猜。

    🛠 安装要求和过程

    环境要求:

    • Python 3.10+(核心脚本 watch.py / download.py / frames.py / transcribe.py 均为 Python 实现)
    • yt-dlp:负责从 YouTube、Loom、TikTok、X、Instagram 等站点下载视频(首次运行 macOS 上自动 brew 安装,Linux/Windows 会打印安装命令)
    • ffmpeg:负责抽帧、音频提取(同上,首次运行自动引导安装)
    • 带字幕的视频完全免费;无字幕时才需要 Whisper API Key(Groq whisper-large-v3 或 OpenAI whisper-1

    快速安装(三选一):

    方式一 · Claude Code(推荐):

    /plugin marketplace add bradautomates/claude-video
    /plugin install watch@claude-video

    方式二 · 任意 Agent Skills 宿主(Codex / Cursor / Copilot / Gemini CLI 等 50+ 工具):

    npx skills add bradautomates/claude-video -g

    方式三 · 手动 / 开发:

    git clone https://github.com/bradautomates/claude-video.git
    ln -s "$(pwd)/claude-video/skills/watch" ~/.claude/skills/watch
    # 或 ~/.codex/skills/watch

    首次运行会调用 scripts/setup.py --check 引导安装依赖,并在 ~/.config/watch/.env 中生成 GROQ_API_KEY / OPENAI_API_KEY 占位配置。

    ⚡ 核心功能

    1. 多源视频获取:支持 URL(yt-dlp 兼容的几乎所有视频站点)或本地路径(.mp4/.mov/.mkv/.webm),一条命令即可接入。
    2. 智能帧提取:用 ffmpeg 按细节模式抽帧——efficient(关键帧,约 0.5s)到 token-burner(场景切换检测);内置帧去重(默认开启,丢弃近重复帧)与自动 fps / token 预算控制。
    3. 双通道转写:优先用 yt-dlp 提取原生字幕(免费);无字幕时回退 Whisper API,并支持 >25MB 自动分块,确保长视频也能完整转写。
    4. 多模态交给大模型:脚本输出带 t=MM:SS 标记的帧路径 + 时间戳转写,Claude 并行 Read 图像,基于真实画面与声音作答。
    5. 细节模式可调节:--detail transcript|efficient|balanced|token-burner 权衡速度与 token 成本;支持 --start/--end 聚焦片段、--timestamps 指定时刻、--no-whisper 等精细控制。

    🎯 典型使用场景

    • 拆解爆款内容:把竞品发布会、广告片、干货视频丢给它,让它分析钩子结构、叙事节奏、真正的新功能,远快于 2x 倍速硬看。
    • 看录屏诊断 Bug:前端同学把屏幕录制喂给它,它能定位”出错的那一帧”,描述现象与可能原因,把视频变成可调试的输入。
    • 视频转结构化笔记:把一整个播放列表逐条摘要,自动构建可搜索的知识库;或剥离更新视频里的 hype,只提取”真正变了什么”。

    💡 推荐理由(个人使用心得)

    这是个”小而准”的工具,解决的痛点非常真实——我们天天让 AI 读文档读代码,但遇到一个视频链接就瞬间退化成”靠标题猜”。claude-video 最漂亮的设计是零配置起步:有字幕就白嫖字幕,没字幕才花一点点 Whisper 钱;帧去重 + 预算控制又避免了”把整个视频塞进上下文”的 token 爆炸。它本质上是在给 LLM 补上一双眼睛,而且是以”可复用技能包”的形式存在,Claude Code / Cursor / Codex 通吃。如果你经常需要让 AI 处理视频内容,这个 6.4K Star、MIT 协议、纯 Python 的小项目,值得一键装进你的工具箱。

    🔗 下载地址

    • GitHub:github.com/bradautomates/claude-video
    • 安装(Claude Code):/plugin marketplace add bradautomates/claude-video/plugin install watch@claude-video
    • 许可证:MIT(可自由商用、修改、分发)
  • Prime Intellect融资1.3亿美元,帮企业逃离OpenAI和Anthropic

    1.3亿美元、估值10亿,背后站着英伟达和英特尔

    Prime Intellect这家公司做的事听起来有点硬核:它给企业提供算力和一整套专门软件,让这些公司能自己动手训练AI代理。最新一笔钱是1.3亿美元A轮,估值直接站上10亿美元。领投的是Radical Ventures,跟投名单里躺着英伟达创投、英特尔资本、戴尔科技资本、Iconiq,还有一长串创始人天使——Perplexity的Aravind Srinivas、Box的Aaron Levie、Harvey的Winston Weinberg、Cognition的Jeff Wang都来了。

    公司2024年成立,核心念头就一个:让组织不用再依赖那些前沿实验室,也能训出自己的代理系统。这事搁几年前几乎不可能,但强化学习这套”做对了就奖励、做错了就惩罚”的法子成熟之后,企业确实有机会把自己的业务模型打磨成专属的”AI实验室”。

    企业AI代理基础设施概念图
    把算力、强化学习框架和评估工具打包成”全栈”,企业按模块取用

    真正卖点:帮你绕开OpenAI和Anthropic

    底层基础设施那摊事太复杂,绝大多数公司根本没本事把它拼成能上生产的系统,这正好是Prime Intellect切进去的缝。它做的”全栈”包含算力接入、强化学习框架和评估工具,平台像个集市,客户挑自己要的模块,不会被绑死在一整套里。

    Radical Ventures的合伙人David Katz说,别人都只给零碎零件,Prime Intellect的特别之处在于,它把顶级AI实验室的本事做成了”一站式商店”,而且价格企业付得起。

    钱花得值不值,看客户就知道。Ramp、Zapier、Flapping Airplanes都在付钱用它的托管版,这一波 adoption 已经把公司年化收入推到了1亿美元。Ramp拿它搭了个在电子表格里找答案的代理,Ramp联合CEO Karim Atiyeh的说法是:精度压过了前沿模型,速度更快,成本只有零头。


    企业为什么突然想”自己掌握智能”

    • 数据主权:把专有信息喂给OpenAI、Anthropic,企业怕失去对数据的控制权。
    • 断供风险:模型说关就关,上个月Anthropic的Fable就是活例子。
    • 竞争焦虑:Katz反问,我怎么知道合作方不会反过来把我这摊事也做了。

    创始人兼CEO Vincent Weisser把话挑得更明:企业正在集体离开闭源前沿模型,而他的公司就是那个让转型能落地的底座。”不该只有旧金山玻璃塔里那几个极客才配训AI模型,”他说,”每一家企业、每一个国家,都该有这个能力。”

  • TencentDB Agent Memory:腾讯开源的 AI Agent 本地长期记忆引擎(7.8K+ Stars)

    TencentDB Agent Memory:腾讯开源的 AI Agent 本地长期记忆引擎(7.8K+ Stars)

    TencentDB Agent Memory

    TencentDB Agent Memory 是腾讯云开源的、为 AI Agent 提供完全本地化长期记忆的方案,通过四层渐进式记忆流水线让 Agent「记得住、说得清」,且零外部 API 依赖。它把散落的对话逐步蒸馏成结构化、可追溯的长期记忆,是当下少见的、能直接落地的 Agent 记忆引擎。

    安装要求和过程

    环境要求

    • Node.js ≥ 22.16(官方徽章要求)
    • 需配合 OpenClawHermes Agent 使用
    • 默认本地后端:SQLite + sqlite-vec(无需额外数据库服务)
    • 短上下文压缩需插件版本 ≥ 0.3.4;Hermes 的 Docker 部署需 Docker,Gateway 监听 :8420

    快速安装(OpenClaw,最常用)

    openclaw plugins install @tencentdb-agent-memory/memory-tencentdb
    openclaw gateway restart

    零配置启用,写入 ~/.openclaw/openclaw.json

    {
      "memory-tencentdb": { "enabled": true }
    }

    可选开启短上下文压缩(版本 ≥ 0.3.4):

    {
      "memory-tencentdb": { "config": { "offload": { "enabled": true } } }
    }

    Hermes Docker 部署

    cd docker/opensource
    docker build -f Dockerfile.hermes -t hermes-memory .
    docker run -d --name hermes-memory --restart unless-stopped -p 8420:8420 \
      -e MODEL_API_KEY="your-api-key" \
      -e MODEL_BASE_URL="https://api.lkeap.cloud.tencent.com/v1" \
      -e MODEL_NAME="deepseek-v3.2" \
      -e MODEL_PROVIDER="custom" \
      -v hermes_data:/opt/data hermes-memory
    curl http://localhost:8420/health

    核心功能

    1. 四层记忆架构(L0→L1→L2→L3):原始对话(L0)逐步蒸馏为原子事实(L1)、场景块(L2)、人物画像(L3),从宏观抽象一路保留到可追溯的真相证据。
    2. 符号化短期记忆(Symbolic Short-term Memory):把冗长的工具日志压缩成 Mermaid 符号图,并卸载历史,大幅降低 token 消耗。
    3. 白盒可调试(White-Box Debuggability):每一层都是可读文件——L2 场景是纯 Markdown、L3 画像在 persona.md、短任务画布是 Mermaid,原始负载通过 result_ref / node_id 可回溯,记忆不再是黑盒。
    4. 生产级工程(Production-Ready):OpenClaw 插件自动捕获/提取/召回 + Hermes Gateway 适配器(TdaiCore + HostAdapter)+ 本地 SQLite 后端 + BM25/向量/RRF 混合检索 + tdai_memory_search / tdai_conversation_search Agent 工具。
    5. 完全本地、零外部依赖:记忆全部存本地,隐私可控,不依赖任何外部 API 或云服务即可运行。

    典型使用场景

    • 长程连续任务:如 SWE-bench 单会话连续 50 个任务,Agent 跨会话记住项目背景与 SOP,无需反复解释。集成 OpenClaw 后 token 用量最高降 61.38%,成功率相对提升 51.52%,PersonaMem 长期记忆准确率从 48% 提升到 76%。
    • 个性化 AI 助手:跨会话持续沉淀用户画像(L3)、场景块(L2)、原子事实(L1),让 Agent「越用越懂你」,而非每次都从零开始。
    • 长任务上下文压缩:搜索结果、代码片段、错误栈等冗长日志通过 Mermaid 符号图卸载,显著降低 token 成本——基准上 WideSearch 成功率 33%→50%,SWE-bench 58.4%→64.2%,AA-LCR 44.0%→47.5%。

    推荐理由

    这是目前少数把「Agent 记忆」做成可落地工程、而非论文玩具的项目。四层金字塔设计既保留了宏观人物画像,又保留了可追溯的证据链(result_ref / node_id),白盒可调试对排查「它为什么记错了」极其友好。本地优先 + MIT 许可意味着可以放心用在私有数据场景,接入 OpenClaw / Hermes 几分钟就能跑起来。对做 AI 产品的团队来说,几乎是「给 Agent 装上长期记忆」的最低成本方案。

    架构一览

    TencentDB Agent Memory 检索下沉链路

    下载地址

  • Notion 砍了邮箱 App,转头做了个「Agents」:把 ChatGPT、Gemini、Claude 全塞进一个聊天框

    Notion Agents iPhone 应用界面示意图
    Notion Agents 把 ChatGPT、Gemini、Claude 收编进一个聊天框(配图由 AI 生成)

    Notion 这公司最近有点”拆东墙补西墙”的意思。上个月它刚宣布砍掉做了刚好一年的邮箱 App Notion Mail;这个月,它就端出了一个全新的 iPhone 应用,叫 Agents。

    它不是另一个笔记 App

    7 月 7 日上线的 Notion Agents,和它家那个主力的笔记 App 不是一回事。它不让你写文档,而是专门用来”聊”——跟你自己的 AI 代理聊,也跟接进来的大模型聊。目前支持三个:Anthropic 的 Claude、Google 的 Gemini,还有 OpenAI 的 GPT。换句话说,Notion 自己不下场做模型,而是做了个”代理集散中心”,把别人的模型都接进来。

    用法上挺直白。你可以在里面问代理问题,也可以随手记点东西:打一段文字、录一段语音、拍张照片,代理会自己判断这些内容该归到哪。它连着你真实的 Notion 工作区和你那一整套工具栈,所以回答不是凭空编的,而是从你自己的文档和数据里长出来的。

    Notion 主 App 是个”仓库”,你把东西存进去;Agents 是个”前台”,你动动嘴,它去仓库里翻、去帮你办。

    砍邮箱、做代理,Notion 在赌什么

    把 Notion Mail 的退场和 Agents 的登场放一起看,逻辑就清楚了。做邮箱那一年,Notion 想的是”AI 帮我处理收件箱”;现在它发现,比起替你盯邮件,更值钱的是做一个”你随时能调度的代理中枢”。邮箱是入口之一,但不是非争不可的入口;而”代理能连你的全部工作”这个位置,谁占住谁就掌握主动。

    • “懂你的工作”:接的是你真实的文档和工具,不是凭空编的答案
    • “即时捕捉任何东西”:文字、照片、语音,代理自己决定放哪
    • 能直接干活:建页面、起草周报、跨工具搜东西,全在一个聊天框里

    当然,Agents 现在还是个 iPhone 专属应用(iPad 和 Mac 上能勉强跑,但没专门适配)。对于一个主打”随时随地处理工作”的工具来说,桌面端的缺位有点尴尬。而且它本质上是个聚合层——模型能力好不好,最终还是 Claude、Gemini、GPT 说了算。

    Notion 的护城河,在于它握着你的文档、数据库和项目,也就是”上下文”。代理再聪明,没有你的真实数据也是空转。所以这事挺典型的:大厂做 AI,拼到最后往往不是谁模型最强,而是谁最贴近你的真实工作流。Notion 把赌注压在”上下文”上,砍掉边缘业务、All in 代理,这一步走得够干脆。


  • CubeSandbox:给 AI Agent 的 60ms 硬件级安全沙箱,腾讯云开源(8.9K Stars)

    CubeSandbox:给 AI Agent 的 60ms 硬件级安全沙箱,腾讯云开源(8.9K Stars)

    CubeSandbox

    📌 项目简介

    CubeSandbox 是腾讯云开源的、面向 AI Agent 的即时、并发、安全、轻量沙箱服务。它基于自研的 RustVMM + KVM 微虚拟机(MicroVM)构建,主打「硬件级隔离」——每个沙箱都跑在独立的 Guest OS 内核里,从根上杜绝了 Docker 共享内核的逃逸风险。平均冷启动 <60ms、单实例内存开销 <5MB,可以放心拿它来跑 LLM 生成的不受信任代码、Agent 自动执行等高风险任务。

    🛠 安装要求与过程

    环境要求:

    • x86_64 Linux 服务器(推荐 OpenCloudOS 9,Ubuntu / Debian / CentOS 同样支持)
    • ≥ 4 核 CPU、≥ 8 GB 内存,建议挂载独立数据盘给 /data/cubelet
    • 需要 KVM 支持(云服务器若无 /dev/kvm,可开启腾讯云 PVM 嵌套虚拟化)
    • v0.5.0 起原生支持 ARM64 全栈

    一键安装:

    # 标准安装(需 /dev/kvm)
    curl -sL https://github.com/tencentcloud/CubeSandbox/raw/master/deploy/one-click/online-install.sh | bash
    
    # 云服务器无嵌套虚拟化时,开启 PVM 安装
    curl -sL https://github.com/tencentcloud/CubeSandbox/raw/master/deploy/one-click/online-install.sh   | CUBE_PVM_ENABLE=1 bash
    
    # 国内加速镜像
    curl -sL https://cnb.cool/CubeSandbox/CubeSandbox/-/git/raw/master/deploy/one-click/online-install.sh   | CUBE_PVM_ENABLE=1 MIRROR=cn bash

    安装完成后打开 Web 控制台:http://<控制节点IP>:12088,三步即可上手:查看 Overview → 从 Template Store 准备模板 → 创建沙箱(Sandboxes → + New sandbox)。

    如果只想在本地 Python 里玩,也可以 pip install cubesandbox 拉起组件做开发联调。

    ⚡ 核心功能

    • 亚 60ms 冷启动 + 高密度:单实例开销 <5MB,支持空闲自动挂起/唤醒(AutoPause/AutoResume),单机可并发跑成百上千个沙箱。
    • 硬件级隔离:每个实例独立 Guest OS 内核,基于 KVM MicroVM + eBPF 虚拟交换机(CubeVS)做内核级网络隔离,不存在容器共享内核的逃逸面。
    • 无缝兼容 E2B SDK:原生兼容 E2B 协议,业务代码零改动——只把 E2B_API_URL / E2B_API_KEY 指向你自己的 CubeSandbox 即可迁移。
    • 企业级安全:凭据保险库(密钥不进沙箱/上下文/日志)、出口控制(域名白名单 + 未授权出口即时阻断 + 审计日志)。
    • 快照·克隆·回滚:基于 CubeCoW 写时复制引擎,百毫秒级打检查点,可回滚或开分支,Agent 试错零成本。

    🎯 典型使用场景

    1. 跑 LLM/Agent 生成的不受信任代码

    把模型吐出来的 Python/Shell 丢进沙箱执行,硬件隔离 + 出口白名单保证即使代码作恶也伤不到宿主。E2B 兼容意味着你现在的 Code Interpreter 代码直接换环境变量就能用:

    export E2B_API_URL=http://<你的控制节点IP>:12088
    export E2B_API_KEY=<你的API Key>
    
    from e2b_code_interpreter import Sandbox
    sandbox = Sandbox()
    execution = sandbox.run_code("x = 1 + 1; print('result =', x)")
    print(execution.logs.stdout)   # result = 2

    2. 浏览器自动化 / 数据抓取 Agent

    给爬虫、RPA、AI 操作员一人一个干净隔离的浏览器环境,跑完即销毁,避免指纹污染和横向污染。配合 Template Store 预置好带登录态的镜像,开箱即用。

    3. 强化学习 / SWE-Bench 类大规模评测

    官方用 CubeSandbox 做 SWE-Bench RL 训练,上千个独立环境并发创建、秒级回收,单节点高密度把评测成本打下来。

    💡 推荐理由

    这两年「让 Agent 自己写代码自己跑」成了标配,但把模型生成的代码直接丢宿主机执行,等于把大门钥匙交给一个偶尔会发疯的实习生。CubeSandbox 的价值就在于:它把「隔离」这件事做到了又快又便宜又省心——60ms 启动让你几乎感觉不到沙箱的存在,<5MB 开销让并发成本可控,而 E2B 兼容意味着你不用重写一行业务代码就能把云端沙箱换成自建的、数据不出域的版本。

    对国内团队尤其友好:有 CN 镜像、有 PVM 解决云厂商嵌套虚拟化痛点、有中文文档和微信社群。想自建一套「AI 代码执行底座」,CubeSandbox 是目前最省事的开源选择之一。

    📥 下载地址

    许可:Apache-2.0(仓库主协议,部分组件为其他开源协议)。当前 Star 数约 8.9K,仍在快速增长中。

  • 亚马逊秘密项目Moonraker曝光:要让Alexa真正像个能办事的Agent

    亚马逊 Alexa AI 代理概念图
    亚马逊秘密项目 Moonraker 旨在让 Alexa 升级为 AI 代理(概念图)

    Amazon 的 Alexa 一直被吐槽”听懂了但办不成事”。最近 Business Insider 翻出一批内部规划文件,曝光了一个此前没对外说过的项目,代号”Moonraker”——亚马逊想让 Alexa 从一个”问答机”变成能一口气跑完多个动作的 AI 代理。

    从”一句话”到”一串动作”

    现在的 Alexa+ 已经能帮用户叫车、买票,不过得靠 Uber、Ticketmaster 这些合作伙伴接好接口,本质上还是”你说一句、它办一件”。Moonraker 要做的,是让一次请求触发一连串操作。文件里举了个例子:”帮我叫辆车,再给我朋友发条消息”——以前 Alexa 大概率会卡在第二步,现在它要自己把这两件事都办了。

    这个方向一点都不新鲜,Google、OpenAI、Anthropic 早就推出了能自己上网、跑多步流程的 agent 产品。亚马逊只是终于坐不住,要把 Alexa 也推进这条赛道。

    代价是真贵

    但让 Alexa 变聪明,烧钱也烧得吓人。内部文件直接把 Moonraker 标成 Alexa+ 这轮升级里”成本最高”的新项目,预计 2026 年光 GPU 费用就要超过 1 亿美元。有文件甚至建议,要么推迟、要么缩水,给成本压力降降温。

    一些亚马逊高管觉得,团队在喂 Alexa 的 AI 模型上花超了,运行这些模型的费用已经成了内部越来越大的心病。这其实不是亚马逊一家的问题——整个硅谷都在经历一场”token 账单”的清醒:当先进 AI 真正铺开,账怎么算都肉疼。

    Alexa 的”成长的烦恼”

    翻翻 Alexa+ 的履历,麻烦一直没断过。助手在美国的铺开被推迟了好几回,年初才扩大可用范围;内部 beta 测试的时候还曝出幻觉、答非所问的问题,有个员工的 Alexa 误把鱼缸过滤器关了,鱼当场没了。CEO 贾西在最新的股东信里倒是很乐观,说大家跟 Alexa+ 聊天翻了一倍、下单频次是以前的三倍,但也没忘补一句:”Alexa 离成为全世界最好的个人助理,还早得很。”

    为了撑起 Moonraker,亚马逊去年底就备好了几百张英伟达 GPU,测试时还用了 Anthropic 的 Sonnet 模型做高级推理和视觉回应。不过面对 BI 的提问,亚马逊选择了不置评。


    说到底,Moonraker 是亚马逊给 Alexa 的一场豪赌:它想让语音助手真正”办成事”,而不只是”聊聊天”。只是这门生意的账,目前怎么看都不便宜。

  • OfficeCLI:让 AI Agent 一句话掌控 Word / Excel / PowerPoint 的开源办公套件

    OfficeCLI:让 AI Agent 一句话掌控 Word / Excel / PowerPoint 的开源办公套件

    release license

    📌 项目简介

    OfficeCLI 是全球首个专为 AI Agent 打造的 Office 办公套件,用一行命令就能让任意 AI 智能体读取、编辑、自动化生成 Word / Excel / PowerPoint 文档。它采用单一可执行文件、无需安装 Microsoft Office、零依赖、跨平台运行,目前已斩获 11.5K+ Stars(Apache-2.0 协议)。

    “OfficeCLI’s built-in HTML rendering engine reproduces documents with high fidelity —— and that’s what gives AI eyes.”

    ⚙️ 安装要求和过程

    环境要求

    • 单一二进制:自包含可执行文件,无需安装 Microsoft Office无需 .NET 运行时
    • 跨平台:macOS / Linux / Windows 均可运行。
    • 仅需基础的命令行环境,内存占用极低。

    快速安装

    # macOS / Linux
    curl -fsSL https://raw.githubusercontent.com/iOfficeAI/OfficeCLI/main/install.sh | bash
    
    # Windows (PowerShell)
    irm https://raw.githubusercontent.com/iOfficeAI/OfficeCLI/main/install.ps1 | iex
    
    # 或任选其一
    brew install officecli
    npm install -g @officecli/officecli

    安装后运行 officecli install 将二进制加入 PATH,并自动把 officecli skill 注入 Claude Code、Cursor、Windsurf、GitHub Copilot 等 AI 编程工具,Agent 立刻就能替你创建 / 读取 / 编辑 Office 文档。

    30 秒上手

    # 1. 创建一个空白 PPT
    officecli create deck.pptx
    
    # 2. 启动实时预览(浏览器打开 http://localhost:26315)
    officecli watch deck.pptx
    
    # 3. 另开终端添加一页,浏览器即时刷新
    officecli add deck.pptx / --type slide --prop title="Hello, World!"

    ✨ 核心功能

    • 三格式全读写改:Word(.docx)、Excel(.xlsx)、PowerPoint(.pptx) 全部支持创建、读取(文本 / 结构 / 样式 / 公式)、修改与重组,告别 python-pptx 等一堆库。
    • 内置 HTML 渲染引擎:把文档渲染成 HTML / PNG,给 AI 装上“眼睛”,形成 渲染 → 看 → 改 的闭环,AI 能看见自己生成的成品并自动修正。
    • 路径寻址 + 结构化 JSON:用 /slide[1]/shape[1] 这样的 XPath 式路径精准定位任意元素,并可输出结构化 JSON,便于程序化操作。
    • 实时预览officecli watch 启动本地预览服务(localhost:26315),每次 add / set / remove 命令即时刷新浏览器,所见即所得。
    • 为 Agent 而生:一行 curl -fsSL https://officecli.ai/SKILL.md 即可让 AI Agent 自动读取技能文件并安装使用;自动把 skill 装进主流 AI 编程工具。

    🎯 典型使用场景

    1. AI 自动生成汇报 PPT:让 Agent 一句话产出季度汇报、融资路演、技术分享等演示文稿,自动处理排版、配色与图表。
    2. 批量处理 Excel 报表:自动生成预算表、成绩册、销售看板,支持公式、图表与条件格式。
    3. 程序化生成 Word 文档:一键产出学术论文、项目方案、年度报告,支持多语言 i18n 与 RTL 从右到左排版。

    💡 推荐理由

    以前用 python-pptx 写个 PPT 要 50 行代码还容易错位,OfficeCLI 一行命令就搞定;更关键的是它自带渲染闭环,让 AI 能“看见”自己生成的样子并自我修正——这对想给 Agent 接上“办公能力”的开发者几乎是开箱即用的利器。Apache-2.0 协议、单一二进制、零依赖,本地运行也保障了文档隐私。如果你正在做 AI 办公自动化、RPA 或 Agent 工具链,非常值得一试。

    🔗 下载地址

  • Claude Cowork登陆手机和网页:Anthropic把AI代理带出代码圈

    Claude Cowork 跨设备办公AI代理
    Claude Cowork 想当那个「在后台帮你把杂事干完」的同事(配图由 AI 生成)

    Anthropic 把 Claude Cowork 从桌面搬到了手机和网页上。这款长得像 Claude Code、但面向「通用知识工作」的 AI 代理,今年 1 月先以桌面App的形式上线;从 7 月 7 日这天起,Max 订阅用户能在网页和手机上用上它。也就是说,你可以在办公桌前开个任务,路上用手机看进度,哪怕笔记本合着,回头也能拿到成品。

    这个动作背后的意思很清楚:Anthropic 不想让 Cowork 给人「给小白用的编程工具」的印象,它更想把它做成那种能在后台默默干活、跟着你在不同设备间切换、遇到只有你拍板的事才跳出来问你的「行政搭档」。一句话,写代码的代理大战,正顺着办公区一路烧进其他工位。

    聊天框之外,抢的是「干活的那块地」

    这股劲头不只在 Anthropic 一家身上。OpenAI 的 Codex 走的也是同一条路——它本来是个软件开发工具,现在越来越多被非程序员拿去写报告、理表格、做PPT、搞研究、分析数据。对这两家实验室来说,赌注正从「谁的聊天机器人最聪明」悄悄变成「谁占住了大家真正干活的那块屏幕」。

    Anthropic 没把 Cowork 局限在独立App里。之前它刚推出 Claude Tag——一个常驻在 Slack 里的 Claude,像队友一样待在群里。把 Cowork 做成跨平台应用还有一个实际好处:代理能在后台继续跑任务,不要求某台设备一直在线。

    「把周一的客户准备设在早上 6 点:Claude 过一遍邮件串、会议记录和最近的新闻,把简报文档搭好,跟进邮件也写好但先不发出去。你喝咖啡的时候审一遍就行。」

    Anthropic 自己举了上面这个例子。深活儿还是留在桌面App里干——那里 Claude 能碰本地文件和浏览器;但网页和手机版让没装App的人也能用。聊天和 Cowork 在网页、桌面端先打通,项目和数据产物在两端共享。

    数据说了大实话:它八成不是在写代码

    Anthropic 顺手放出了 Cowork 的早期数据,挺能说明问题。他们抽样了 5 月最后两周、来自 60 多万家组织的 120 万次匿名会话,想看看大家到底拿它干什么。

    • 最大的一块占 33.4%,是「业务流程运转」:把散落的进展汇总成一份报告、做入职清单、对齐表格。这类活儿在财务、人事、行政岗最常见。
    • 排第二的 16.4% 是内容创作和文案:草稿、幻灯片、社媒帖子、方案书,通常是市场和管理的活。
    • 软件开发呢?只占 8.7%。

    Anthropic 自己的总结是:写代码虽然最吸睛,但 AI 在日常业务里的使用正在往上走,而且大家觉得最有用的那类任务,画像越来越清楚。他们把 Cowork 最对味的场景叫做「工作之外的工作」——那些撑起一家公司运转、却往往不是某个人核心职责的杂事。

    所以别被「Claude Code 的亲戚」这个标签带偏了。Cowork 真正想抢的,是每天淹没我们的那堆准备、汇总、草稿和跟进。它能后台跑、跨设备跟人走,这恰恰戳中了很多职场人最头疼的地方。接下来要看的,是它能不能真的把「喝咖啡时顺手审一遍」这件事,做得比人自己动手还省心。