YOHO AI

标签： AI Agent

  • Google I/O 2026：AI代理生态系统为何让普通用户困惑

    Google I/O 2026锛欰I浠ｇ悊鐢熸€佺郴缁熶负浣曡鏅€氱敤鎴峰洶鎯?/h2>

    鏈懆鐨凣oogle I/O寮€鍙戣€呭ぇ浼氫笂锛岃胺姝屾弧鎬€婵€鎯呭湴鎺ㄥ嚭浜嗕竴绯诲垪AI浠ｇ悊浜у搧锛岃瘯鍥惧悜娑堣垂鑰呭睍绀轰汉宸ユ櫤鑳藉浣曟敼鍙樻垜浠娇鐢ㄧ綉缁滅殑鏂瑰紡銆備絾鐜板疄鏈夌偣灏村艾鈥斺€旇繖浜涗骇鍝佷笉浠呭懡鍚嶆贩涔憋紝鑰屼笖澶ч儴鍒嗗姛鑳介兘琚攣鍦ㄤ粯璐瑰鍚庨潰锛屾櫘閫氱敤鎴锋牴鏈懜涓嶇潃杈广€?/p>

    Google AI浠ｇ悊姒傚康鍥? style=
    Google鍦↖/O澶т細涓婂睍绀虹殑AI浠ｇ悊姒傚康鍥撅紙鍥剧墖鏉ユ簮锛歍echCrunch锛?/figcaption>

    涓€鍫嗘柊鍚嶅瓧锛岀敤鎴疯涓嶄綇

    璋锋瓕杩欐鎺ㄥ嚭浜嗗ソ鍑犱釜AI浠ｇ悊浜у搧锛屾瘡涓兘鏈変笉鍚岀殑鍚嶅瓧鍜屽畾浣嶃€傞鍏堟槸”淇℃伅浠ｇ悊”锛坕nformation agents锛夛紝杩欑畻鏄胺姝屾彁閱掓湇鍔＄殑AI鍗囩骇鐗堬紝鍙互鍦ㄥ悗鍙?4灏忔椂杩愯锛屽府浣犺拷韪劅鍏磋叮鐨勮瘽棰橈紝姣斿浠锋牸鍙樺寲銆佸ぉ姘旈璀︾瓑绛夈€?/p>

    鐒跺悗鏄?strong>Gemini Spark锛岃繖鏄竴娆?涓汉”AI浠ｇ悊锛屽彲浠ユ帴鍏ヤ綘鐨凣mail銆佽胺姝屾枃妗ｃ€丟oogle Workspace锛屽府浣犵鐞嗘暟瀛楃敓娲汇€傝胺姝屾紨绀虹殑渚嬪瓙鍖呮嫭浠庨偖浠堕€氳閲屾彁鍙栦富棰樸€佹暣鐞嗗搴簱瀛樸€佽褰曡喘鐗╂竻鍗曪紝鐢氳嚦瑙勫垝鍥綋鏃呰銆傝寰楁尯缇庡ソ锛屼絾鏅€氱敤鎴峰彲鑳戒細鎯筹細鎴戠敤缇よ亰鎴栬€呴偖浠朵笉灏卞浜嗭紵

    杩樻湁Android Halo锛岃繖鏄敤鏉ユ帴鏀禨park閫氱煡鐨勫姛鑳解€斺€斿锛屼綘娌＄湅閿欙紝鍏夋槸閫氱煡鍔熻兘杩樻湁涓嫭绔嬪搧鐗屻€傝嚦浜庝负鍟ヨ杩欎箞鎼烇紝鍚堢悊鐨勭寽娴嬫槸璋锋瓕鍐呴儴浜у搧鍥㈤槦绔炰簤澶縺鐑堬紝鍝€曡鐢ㄦ埛鍥版儜涔熻绐佸嚭鑷繁鐨勫姛鍔炽€?/p>

    Gemini搴旂敤閲岃繕浼氫笂绾夸竴涓悕涓?姣忔棩绠€鎶?锛圖aily Brief锛夌殑鍔熻兘锛屽彲浠ヤ粠浣犵殑Gmail鏀朵欢绠便€佹棩鍘嗗拰浠诲姟涓彁鍙栦俊鎭紝鐢熸垚涓€у寲鎽樿銆傚惉璧锋潵涓嶉敊锛屼絾闂鏄€斺€旇繖浜涗笢瑗垮埌搴曞湪鍝紵

    浠樿垂澧欏悗鐨凙I锛屾櫘閫氫汉鐢ㄤ笉涓?/h3>

    鏇村叧閿殑闂鏄紝杩欎簺浜у搧澶ч儴鍒嗕紭鍏堝悜璋锋瓕鐨?strong>Ultra璁㈤槄鐢ㄦ埛寮€鏀撅紝杩欎釜濂楅姣忔湀瑕?00缇庡厓銆備俊鎭拰Spark浠婂浼氬悜Ultra鐢ㄦ埛寮€鏀撅紝Halo瑕佸埌”浠婂勾鏅氫簺鏃跺€?鎵嶆帹缁欏畨鍗撶敤鎴凤紝Daily Brief姝ｅ湪鍚戠編鍥界殑Ultra銆丳ro鍜孭lus璁㈤槄鐢ㄦ埛鎺ㄩ€併€?/p>

    涔熷氨鏄锛屽鏋滀綘涓嶆槸姣忎釜鏈堢牳100缇庡厓鐨勯偅鎵?AI閲嶅害鐖卞ソ鑰?锛屼綘灏卞彧鑳界湅鐫€杩欎簺鍔熻兘娴佸彛姘淬€傝胺姝岃〃绀轰細鍦?鍚堥€傜殑鏃舵満”鍚戝厤璐圭敤鎴峰紑鏀撅紝浣嗙幇鍦ㄦ樉鐒舵洿鍦ㄤ箮浠樿垂鐢ㄦ埛鐨勫弽棣堛€?/p>

    鐐妧杩樻槸瑙ｅ喅鐪熷疄闂锛?/h3>

    璋锋瓕鍦ㄥぇ浼氫笂鐨勬紨绀轰篃娌″府涓婂繖銆傛瘡涓紨璁茶€呭嚭鍦洪棿闅欓兘鍦ㄥ睍绀篈I鐢熸垚鐨勫浘鐗囷紝杩樻挱鏀句簡涓€娈甸害鐗囬鏍肩殑AI鍔ㄧ敾锛岄噷闈㈢殑Tensor鑺墖锛圱PU锛変細璇磋瘽銆傚湪瀹夊崜鐪奸暅鐨勬紨绀轰腑锛岃胺姝屽睍绀鸿繖娆捐澶囧彲浠ユ妸浣犳媿鐨勭収鐗囪浆鎹㈡垚鍏朵粬鍐呭鈥斺€旀瘮濡傛媿涓€寮犲彴涓嬭浼楃殑鐓х墖锛屼慨鏀瑰悗鍔犱笂涓€鑹樻紓娴殑椋炶墖锛岀劧鍚庡彂鍒板畨鍗撴墜琛ㄤ笂銆?/p>

    鏄尯閰风殑锛屼絾涓轰簡寤烘暟鎹腑蹇冿紝鏈変汉瀹惰寮哄埗寰佹敹鍘讳慨杈撶數绾胯矾锛岃繖鍊煎緱鍚楋紵鏅€氱敤鎴烽渶瑕佺殑鍙笉鍙槸杩欎簺鑺遍噷鑳″摠鐨勫皬鍔熻兘锛屾墠鑳芥帴鍙楀姝ゅ墽鐑堢殑绀句細鍙樺寲銆?/p>

    鐜板疄鏄紝澶у鏁颁汉鐜板湪鎶夾I绛夊悓浜庢浛浠ｄ紶缁熸悳绱㈢殑鑱婂ぉ鏈哄櫒浜恒€備粬浠笉瑙夊緱AI鍥剧墖銆佽棰戞ā鍨嬫槸浠€涔堜护浜烘儕鍙圭殑鍒涗綔绐佺牬锛屽弽鑰岃涓哄畠浠槸鍒堕€?AI鍨冨溇鍐呭”鐨勫伐鍏封€斺€旇繖浜涘唴瀹瑰浠婂厖鏂ョ潃绀句氦骞冲彴锛岃繕瀵艰嚧鑷鍚庨櫌瑕佸缓涓嶉渶瑕佺殑鏁版嵁涓績銆?/p>

    • 鏅€氱敤鎴疯浠樿处鍗曘€佷氦鎴跨銆佸姞娌广€佷拱鑿?/li>
    • 瑕佸湪AI鎷涜仒绯荤粺鍥犱负涓€鐐规妧鏈粏鑺傚氨鎷掓帀绠€鍘嗙殑鎯呭喌涓嬫壘宸ヤ綔
    • 瑕佸钩琛″厖婊″帇鍔涚殑鐢熸椿锛岃€屾渶杩戠殑鎶€鏈繘姝ュ弽鑰屾垚浜嗚礋鎷?/li>

    濡傛灉璋锋瓕鑳芥崟鎹夊埌鐪熷疄鐨勬秷璐硅€呮儏缁紝瀹冩湰鍙互寮鸿皟AI浠ｇ悊鑳藉噺灏戝睆骞曚娇鐢ㄦ椂闂淬€備篃灏辨槸璇达紝鐢ㄦ埛涓嶇敤鑺辨椂闂村仛璋冪爺銆佹暣鐞嗐€佽拷韪俊鎭拰鏂伴椈锛屼唬鐞嗗彲浠ユ帴绠¤繖浜涙棩甯镐换鍔★紝璁╃敤鎴疯兘涓嬬嚎锛屽幓杩囨病鏈夌數鑴戝共鎵扮殑鐪熷疄鐢熸椿銆?

    绔炰簤瀵规墜宸茬粡璧板湪鍓嶉潰

    涓庢鍚屾椂锛孭oke銆丳oppy銆丷PLY銆乄ingman杩欑被涓绘墦娑堟伅浜や簰鐨凙I鍒濆垱鍏徃锛屾鍦ㄥ睍绀轰竴绉嶆洿鑷劧鐨勪笌AI浠ｇ悊浜や簰鐨勬柟寮忥細閫氳繃澶у姣忓ぉ閮藉湪鐢ㄧ殑鐭俊鍔熻兘銆備綘浠ュ悗鑳藉彂鐭俊缁橲park鍚楋紵璋锋瓕I/O涓婄殑浠ｈ〃鍚硦鍦拌〃绀猴紝鏈潵鏌愪釜鏃堕棿鐐逛細瀹炵幇銆?/p>

    杩欏拰璋锋瓕鏃╂湡鐨勭瓥鐣ュお涓嶄竴鏍蜂簡銆傚綋鏃跺畠鎺ㄥ嚭鐨凣mail鏄厤璐圭殑閭欢鏈嶅姟锛屾瘮鐜版湁閫夐」濂藉緱澶氾紱璋锋瓕鎼滅储涔熸槸鍏嶈垂鏁寸悊鏃╂湡缃戠粶锛岃鎵€鏈変汉閮借兘鏇存柟渚垮湴鑾峰彇淇℃伅銆?/p>

    Google I/O鏈彲浠ユ槸AI浠ｇ悊閫氳繃绠€鍗曘€佸厤璐圭殑娑堣垂鑰呬骇鍝佽Е杈炬墍鏈変汉锛屽疄鐜扮牬鍦堢殑鏃跺埢锛堝彧闇€瑕佷竴涓搧鐗屽悕锛侊級銆傝繖涓骇鍝佺敋鑷冲彲鑳戒細璁╁ぇ瀹跺儚褰撳勾姹侴mail閭€璇蜂竴鏍锋姠鐫€瑕併€備絾鐜板疄鏄紝璋锋瓕鐨勬柊AI浠ｇ悊鈥斺€旇繖浜涜兘涓烘垜浠伐浣溿€佹弧瓒虫垜浠釜鎬у寲闇€姹傜殑宸ュ叿鈥斺€斿澶у鏁颁汉鏉ヨ浠嶇劧閬ヤ笉鍙強銆?/p>

    馃搸 鍘熸枃鏉ユ簮锛?a href=”https://techcrunch.com/2026/05/21/google-is-pitching-an-ai-agent-ecosystem-to-consumers-who-may-not-buy-it/” style=”color:#6366f1;” target=”_blank”>Google is pitching an AI agent ecosystem to consumers who may not buy it – TechCrunch

  • 谷歌I/O 2026的尴尬：AI智能体这么强，为啥普通人无感？

    谷歌I/O 2026的尴尬：AI智能体这么强，为啥普通人无感？

    谷歌I/O 2026大会上周落幕，整场活动最值得期待的新功能之一，是面向消费者的AI智能体（AI agents）。但说实在的，这也是整场发布会里最让人摸不着头脑的部分。

    信息智能体（information agents）正式亮相，这是老牌Google Alerts服务的AI升级版。这类智能体可以7×24小时在后台运行，帮你跟进感兴趣的主题——市场趋势、价格追踪、恶劣天气预警之类的。

    还有Gemini Spark，这是一款”个人”AI智能体，可以集成Gmail、Google Docs、Google Workspace等谷歌产品，帮你管理数字生活。谷歌说，这个助手可以处理日常任务：整理通讯邮件主题、清点家庭库存、记录需要补货的物品，或者帮你规划和协调朋友的组团旅行。

    “谷歌在演示中举了一个非常偏向工程师思维的例子：你可以用它组织社区街区派对——好像这种事除了群聊或者发几封邮件之外还需要什么管理一样。”

    功能很多，但得先掏钱

    上面说的这些产品，很多还没正式上线，至少不会立刻向大众开放。目前谷歌的目标用户是重度用户：也就是订阅了每月100美元的Google Ultra计划的”AI信仰者”。

    美国地区的Google Pro和Ultra订阅用户今年夏天就可以用上信息智能体，Spark很快会向Ultra订阅用户开放。Halo（追踪Spark通知的功能）将在”今年晚些时候”推送给安卓用户。Daily Brief（每日简报）正在向美国的Ultra、Pro和Plus订阅用户逐步推出。

    Google I/O 2026 AI Agents
    Google I/O 2026 展示的AI智能体功能（图片来源：TechCrunch）

    这么多功能陆续上线之后，我们可以用AI智能体的入口会多到让人不知道从哪里开始用。但这得先付费。

    普通消费者为什么不买账？

    谷歌在这场活动上没能挽回口碑。每个演讲者上台间隙都在闪一些傻乎乎的AI生成图像，还放了一段很尬的AI生成动画，里面有类似肉桂Toast Crunch的会说话的Tensor芯片。

    在安卓眼镜的演示中，谷歌展示了这款设备（后续会支持拍照功能）如何用AI把用户拍的照片改成别的内容。演示内容是，演讲者拍了一张台下观众的照片，然后修改成头顶有一艘飞艇的样子，再发给自己的安卓手表。

    好吧，是有点意思，但为了给数据中心建新的输电线，有人家的房子要被强制征收拆掉，这值得吗？

    人们真正需要的是什么？

    人们需要的可不止是这些花里胡哨的小功能，才会接受如此剧烈的社会变化。

    往年的谷歌I/O会推出新的消费电子设备，比如Pixel手机、Nest Hub，还有新的安卓功能，比如2018年让所有人惊叹的餐厅、沙龙预订服务。那些技术都被定位成解决日常生活小麻烦的工具。

    现在这家科技巨头展示的是新模型（不过还没准备好发布的Gemini Pro 3.5没亮相），还有开发者平台，却基本忘了自己做的这些东西是给谁用的：普通老百姓。他们不想去记这东西叫Gemini还是Spark、Halo还是信息智能体，也不想知道要去哪里才能用上。

    这些人有真正想要解决的问题：他们要付账单、交房租，要加油、买groceries，还要在AI招聘系统因为一点技术细节就拒掉简历的环境里找工作。他们要平衡充满压力的生活，而最近科技的发展反而成了负担。

    AI智能体的真正价值是什么？

    如果谷歌真的调研过消费者的真实想法，就会发现，AI智能体其实可以降低屏幕使用时间。也就是说，不用花时间调研、整理、追踪信息和新闻，智能体可以接管这些日常任务，让用户离线去好好过现实生活。

    这个信息其实会引起消费者的共鸣，尤其是年轻人，他们现在正在追捧怀旧复古技术，通过”老人式”的爱好和手工艺来缓解压力，还正在通过放弃约会软件、参加线下活动来重新发现现实社交的力量。

    简单来说，谷歌没能成功推销AI智能体有多酷，原因有两个：一是没有演示智能体能为普通用户解决什么问题，二是把这些工具放在付费墙后面，限制了触达范围。

  • andrej-karpathy/skills：144.5k Stars！基于Karpathy编程哲学的Claude Code技能集合，让AI帮你避开编程陷阱

    andrej-karpathy/skills：144.5k Stars！基于Karpathy编程哲学的Claude Code技能集合，让AI帮你避开编程陷阱

    🎯 项目简介

    andrej-karpathy/skills 是一个基于Andrej Karpathy（前OpenAI创始成员、特斯拉AI前主管）总结的LLM编程陷阱而创建的Claude Code技能集合，拥有超过14.4万Stars，帮助AI编程助手避免常见错误，提升代码质量。

    💻 安装要求和过程

    环境要求

    • Claude Code 或兼容的AI编程助手
    • 支持技能导入功能

    快速安装

    # 克隆仓库
git clone https://github.com/multica-ai/andrej-karpathy-skills.git

# 进入目录
cd andrej-karpathy-skills

# 将 CLAUDE.md 文件复制到你的项目根目录
# Claude Code 会自动读取该文件作为行为规则

    ✨ 核心功能

    1. 🎯 避免LLM编程陷阱：基于Karpathy总结的常见错误模式，帮助AI生成更可靠的代码
    2. 📝 最佳实践集成：内置经过验证的编程模式和架构决策
    3. 🔧 Claude Code优化：专门为Claude Code调优的技能集合
    4. 🚀 提升代码质量：减少调试时间，提高代码可维护性
    5. 📚 持续更新：跟随LLM能力演进，持续添加新的最佳实践

    🎨 典型使用场景

    场景1：AI辅助代码审查

    在代码审查阶段，让Claude Code加载这些技能，自动识别代码中的潜在问题，如性能陷阱、安全漏洞、反模式等。

    场景2：学习LLM编程

    对于刚开始使用AI辅助编程的开发者，这个项目是一个完美的”避坑指南”，帮助你理解LLM在编程时的常见失误。

    场景3：团队标准化

    在团队中统一配置这些技能，确保所有成员在使用AI编程助手时遵循相同的最佳实践。

    💡 推荐理由

    Andrej Karpathy作为深度学习领域的先驱，其编程哲学和对LLM的理解非常深刻。这个项目将他的经验转化为可执行的技能，让每个开发者都能受益于顶级专家的见解。

    特别适合：

    • 频繁使用Claude Code或其他AI编程助手的开发者
    • 希望提升AI生成代码质量的团队
    • 对LLM编程能力边界感兴趣的研究者

    这个项目最打动我的是其实用性——不是空洞的理论，而是可以直接提升日常编程效率的实战技巧。144k+的Stars数也证明了社区对这类实用资源的渴求。

    📥 下载地址

    如果你正在使用Claude Code或其他AI编程助手，强烈建议试试这个技能集合。它可能会改变你对AI辅助编程的认知！

  • 谷歌I/O 2026：Gemini Spark来了，AI智能体时代正式开启

    谷歌的AI大跃进

    昨天凌晨1点，谷歌I/O大会又在加州山景城拉开帷幕。CEO皮查伊开场就甩出一组数字：过去12个月，谷歌处理的Token量达到3.2千万亿个，同比增长7倍。Gemini应用的月活用户突破9亿。这些数字背后，是谷歌把AI智能体全面塞进所有产品的野心。

    这场发布会的核心逻辑很清楚：Gemini不再只是那个你打开对话框才能聊天的助手，它要变成一个持续运行、跨应用执行任务的智能代理。你可以理解为，谷歌想把AI从”工具”升级为”同事”。

    Gemini将从一个对话助手进化为持续运行的全天候AI代理，可以替你追踪信息、生成内容、调用工具，甚至直接完成下单和操作流程。

    几个值得关注的发布

    AskYouTube功能会在YouTube里加入聊天机器人式交互界面。你可以通过自然语言找到符合搜索意图的视频片段，直接跳转过去。这个功能预计今年夏天在美国扩大推广范围。

    DocsLive功能支持用户通过语音与Google Docs互动，不需要输入提示词。演示中，Gemini可以自动提取演讲要点，还能从Google Drive和Gmail调取信息，辅助用户高效创建和编辑文档。

    Gemini 3.5 Flash模型是这次发布的重头戏。谷歌称其生成速度是其他前沿模型的四倍，专为复杂任务和现实开发场景设计。在AI代理和编码工具领域，这个速度优势会让它更有竞争力。

    Gemini Spark是基于Gemini 3.5运行的全天候个人AI助手。即使你的电脑关闭，它也可以继续工作。这是谷歌对OpenAI的ChatGPT和Anthropic的Claude直接发起的挑战。

    硬件和基础设施布局

    谷歌在AI基础设施上的投入也在加速。2026年，谷歌AI相关支出预计达到1800亿-1900亿美元。最新一代TPU（张量处理单元）TPU8分为两类，分别用于大规模AI训练和快速响应用户请求。

    还有AndroidXR智能眼镜，谷歌预告会与GentleMonster、WarbyParker和三星合作推出这款硬件。分为语音交互和信息投影两种形式，用户可以通过眼镜完成导航、下单等操作。

    这意味着什么

    谷歌这次发布会传递的信号很明确：AI智能体不再是概念，而是要全面落地到每个人的日常工作中。从搜索、文档、视频到购物，谷歌想把AI渗透进你数字生活的每一个角落。

    对于用户来说，这意味着更便捷的体验。但对于谷歌的竞争对手来说，这意味着更激烈的竞争。OpenAI、Anthropic、Meta，大家都在抢这个”AI智能体”的入口。2026年的AI赛道，会比去年更精彩。

  • 阿里千问Qwen3.7-Max发布：从对话模型到工程代理的关键一跃

    三个月连更三次，千问在争什么

    5月20日，阿里巴巴在杭州发布了千问新一代旗舰模型Qwen3.7-Max。如果只看标题，这像是一次常规的模型迭代——但从最近三个月的节奏来看，千问正在以不太常见的速度连续推出新版本。

    3月20日，Qwen3.5-Max-Preview亮相；4月20日，Qwen3.6-Max-Preview发布；5月20日，Qwen3.7-Max正式登场。三个月、三个大版本，这个节奏即便放在全球大模型厂商里也不算慢。背后反映的是一个明确判断：模型竞争的重点正在转移，从”谁的参数大、榜单分数高”，转向”模型能不能真正进入工作流，稳定执行复杂任务”。

    Agent能力成了新的主战场

    Qwen3.7-Max延续了千问3.x系列的一个明显转向：强化Agent能力。这不是一个抽象的方向——具体体现在编程、长上下文、工具调用、跨框架兼容和长程任务处理这几个维度上。

    在第三方机构Arena的全球大模型盲测总榜中，Qwen3.7-Max超过了Kimi-K2.6、DeepSeek-v4-pro、GLM-5.1，与GPT、Claude、Gemini等国际顶尖模型接近，位列国产模型第一。

    Qwen3.7-Max在MCP-Atlas、MCP-Mark、SkillBench等现实能力测试中表现优异，超过GLM-5.1、Kimi-K2.6等模型，创下国产模型新高。

    编程智能体能力的提升尤为明显。在SWE-Pro、SWE-Multilingual、Terminal Bench 2.0-Terminus等测评中，Qwen3.7-Max较Qwen3.6-Plus有大幅提升，并超过了DeepSeek-v4-pro-Max、Claude-Opus4.6、Kimi-K2.6等模型。

    一次完整的工程任务：35小时、上千次工具调用

    阿里内部做了一个挺有说服力的测试：把千问3.7放到一个陌生的新硬件平台上（平头哥真武M890），任务是优化一个生产级注意力内核算子。

    模型没有现成的性能profile，没有硬件文档，也没有示例实现——只拿到了任务描述、SGLang+Triton参考代码和评测脚本。在这个环境中，千问3.7连续工作了35小时，执行了数百次内核评估和上千次工具调用，完成了代码编写、编译、性能分析和迭代优化的完整流程。最终，内核速度在参考实现基础上提升了一个数量级。

    更值得注意的细节是：在连续运行30小时后，模型仍然能发现新的优化空间。这说明它并不是在完成一次性的指令执行，而是在较长时间内保持了目标感，能根据反馈调整路径。

    这个测试背后的意图很明显：当大模型具备较强的推理、编程和工具调用能力，并被放入真实的工程环境中，它有机会承担过去需要专业工程师长时间推进的复杂任务。

    阿里的真正优势：场景和基础设施

    千问的特殊性在于，阿里拥有大量真实的业务和基础设施场景。芯片（平头哥）、云（阿里云）、数据库、电商、物流、支付、出行、本地生活——这些都可以为Agent提供复杂的任务环境。场景既能测试模型，也能为模型迭代提供反馈数据。

    2026年3月，阿里成立了Alibaba Token Hub（ATH），由吴泳铭直接负责。这个调整的背景是：企业使用AI的方式正在变化。过去买的是算力时长，现在消耗的是Token——模型处理任务、生成内容、调用工具、完成工作的能力，最终都会体现在Token使用上。

    公开信息显示，阿里AI模型和应用服务ARR已突破80亿元，百炼MaaS开发平台客户数截至2026年3月同比增长8倍，覆盖电商、金融、制造等多个行业。

    在这个布局里，Qwen3.7-Max不只是一次模型能力更新，而是阿里把”芯—云—模型—推理”这条链路进一步打通的一个节点。模型越强、推理越快、成本越低，Agent越容易在企业中规模化应用——这个逻辑决定了下一阶段大模型竞争的重心。

  • RAGFlow：基于深度文档理解的开源RAG引擎，让AI精准理解你的文档

    RAGFlow Logo

    ## 📖 项目简介

    **RAGFlow** 是一款基于**深度文档理解（DeepDoc）**的开源 RAG（检索增强生成）引擎。它能够结合大语言模型（LLM），从各种复杂格式的数据中精准提取知识，为 AI 应用提供可靠的问答能力。无论你是个人开发者还是企业团队，RAGFlow 都能帮你构建专属的知识库问答系统。

    **GitHub Star:** 81k+ ⭐
    **最新版本:** v0.25.5 (2026年5月)
    **开源协议:** Apache-2.0

    —

    ## 🔧 安装要求和过程

    ### 环境要求

    | 环境项 | 最低配置 |
    |——–|———-|
    | **CPU** | ≥ 4核 |
    | **内存** | ≥ 16 GB |
    | **磁盘** | ≥ 50 GB |
    | **Docker版本** | ≥ 24.0.0 |
    | **Docker Compose** | ≥ v2.26.1 |

    **⚠️ 重要：** 需确保系统参数 `vm.max_map_count` ≥ 262144

    “`bash
    # 临时生效
    sudo sysctl -w vm.max_map_count=262144

    # 永久生效
    echo “vm.max_map_count=262144” >> /etc/sysctl.conf
    “`

    ### 快速安装（Docker部署）

    **1. 克隆仓库**
    “`bash
    git clone https://github.com/infiniflow/ragflow.git
    cd ragflow/docker
    “`

    **2. 启动服务（CPU版本）**
    “`bash
    docker compose -f docker-compose.yml up -d
    “`

    **3. 访问服务**
    服务启动后，浏览器访问 `http://服务器IP地址`（默认端口80）

    **4. 配置LLM**
    在 `service_conf.yaml.template` 中配置你使用的LLM厂商和对应的API_KEY

    **💡 提示：** 如需GPU加速，修改 `.env` 文件设置 `DEVICE=gpu`

    —

    ## ⚡ 核心功能

    ### 1️⃣ 高质量数据处理
    基于**深度文档理解（DeepDoc）**技术，从格式复杂的非结构化数据中提取知识，支持Word、PPT、Excel、TXT、图片、扫描件、网页等多种异构数据源。

    ### 2️⃣ 智能分块与可视化
    提供丰富的模板化分块选项，分块逻辑可解释、可调整。支持分块可视化，允许用户人工干预优化，确保知识切分的精准性。

    ### 3️⃣ 降低幻觉，可追溯来源
    回答附带**可追溯的引用来源**，支持查看关键参考信息。可视化展示文本分块逻辑，大幅提升结果可信度。

    ### 4️⃣ 自动化RAG工作流
    适配个人和大型企业的RAG编排需求，支持自定义配置LLM和嵌入模型，支持多路召回+融合重排，提供直观的API，可无缝集成到业务系统中。

    ### 5️⃣ Agent能力与生态集成
    支持**Agent工作流**、**MCP协议**、**记忆（Memory）功能**。最新版本已支持 DeepSeek v4、Gemini 3 Pro、GPT-5 系列模型，并支持 Confluence、Notion、Discord、Google Drive 等数据源同步。

    —

    ## 🎯 典型使用场景

    ### 场景1：企业知识库问答
    **问题：** 企业内部文档分散，员工查找信息困难
    **解决方案：** 使用 RAGFlow 构建统一知识库，上传公司文档、手册、规范，员工通过自然语言提问即可快速获取准确答案，并附带原文引用。

    ### 场景2：技术文档智能检索
    **问题：** 技术文档篇幅长，开发者难以快速定位关键信息
    **解决方案：** 将 API 文档、开发手册导入 RAGFlow，结合 LLM 实现智能问答，开发者可以直接询问”如何在XXX中实现YYY功能”，系统会返回精准的代码段和说明。

    ### 场景3：个人学习笔记管理
    **问题：** 学习资料繁多，复习时难以高效检索
    **解决方案：** 将课程笔记、论文、书籍导入 RAGFlow，构建个人知识助手，随时提问巩固知识点，实现智能化学习。

    —

    ## 💡 推荐理由

    作为一名 AI 开发者和内容创作者，我为什么强烈推荐 RAGFlow？

    **1. 真正理解复杂文档**
    不同于简单的文本切片，RAGFlow 的**深度文档理解**能力可以识别表格、公式、多栏布局等复杂结构，这在处理技术文档和学术论文时特别有用。

    **2. 可视化的分块调试**
    很多 RAG 系统的痛点是”黑盒分块”，你不知道文档是怎么被切分的。RAGFlow 提供**分块可视化**，让你可以直观看到知识切分效果，并手动调整，这大大提升了问答质量。

    **3. 开源且活跃**
    81k+ Star，Apache-2.0 协议，社区非常活跃。相比闭源的商业 RAG 服务，你可以完全掌控数据安全，也能根据需求定制功能。

    **4. 完整的 Agent 能力**
    最新版本支持 Agent 工作流和记忆功能，不仅能回答问题，还能执行复杂任务，比如”帮我总结本周所有文档的更新内容”。

    **5. 部署简单**
    一条 `docker compose` 命令就能跑起来，对新手非常友好。同时也支持源码部署，方便深度定制。

    —

    ## 📥 下载地址

    – **GitHub 仓库：** https://github.com/infiniflow/ragflow
    – **官方网站：** https://ragflow.io
    – **云服务入口：** https://cloud.ragflow.io
    – **官方文档：** https://ragflow.io/docs/dev/
    – **中文文档：** https://ragflow.com.cn/docs
    – **Discord 社区：** https://discord.gg/NjYzJD3GM3

    —

    ## 🏷️ 相关标签

    `RAG` `RAGFlow` `AI` `LLM` `AI Agent` `开源项目` `知识库` `检索增强生成`

    —

    **📌 系列文章：** 本文是”GitHub热门AI开源项目介绍”系列的第10期。欢迎关注我的博客，获取更多 AI 开源项目的深度介绍！

  • 140万亿Token背后：中国AI应用的五个关键转向

    140万亿Token背后：中国AI应用的五个关键转向

    5月20日，量子位在北京办了第四届中国AIGC产业峰会。会上发了一份《2026年中国AI应用全景图谱报告》，里面有几个数字让我挺震撼的。

    2026年4月，国内AI应用的Web端月访问量突破了9亿，APP端月下载量超过2.4亿，日活同比增长223%。更夸张的是——中国日均Token调用量突破了140万亿，两年增长超千倍。

    2026中国AI应用全景图谱报告
    第四届中国AIGC产业峰会发布的AI应用全景图谱报告 | 来源：凤凰网科技

    这些数字不是虚无的增长率，而是真实用户在用脚投票。AI应用已经从”尝鲜”进入了”日常”阶段。

    报告里提到的五大趋势

    我把报告归纳了一下，其实是五个正在同时发生的转向：

    1. Agent化：从”回答问题”到”替你做事”

    传统AI是你说什么它答什么，Token消耗其实很小。但Agent不一样——它要拆解任务、调用工具、循环推理，单次Token消耗是传统AI的100倍。

    Agent化的本质是让AI从”顾问”变成”执行者”。这个转变一旦完成，每个人的工作效率都会被重新定义。

    2. 模型普惠化：API价格战打响

    DeepSeek V4-Pro的API价格做到了0.025元/百万tokens，是GPT-5.5的七分之一。当模型成本低到这个程度，很多之前”算不过账”的场景突然就成立了。

    价格战对开发者是好事，对用户更是——更多的AI能力会以更低的成本嵌入到日常工具里。

    3. 入口化：四大巨头砸45亿抢用户

    春节前后，字节、阿里、腾讯、百度合计投入超过45亿元，争的就是一件事：让用户把自家的AI助手设为默认入口。

    这个仗还会继续打。入口意味着数据、意味着用户习惯、意味着生态。谁能留住用户，谁就掌握了下一阶段的主动权。

    4. 付费化：用户开始买单了

    Kimi K2.5发布不到20天，收入就超过了2025年全年。智谱API提价之后，调用量不降反增。

    这说明什么？说明AI服务的价值正在被市场认可。用户不是不愿意付费，是不愿意为”不够好”的产品付费。

    5. 垂直深化：AI进工厂、进医院、进法院

    报告特别提到，医疗、金融、法律等B端场景正在开启规模化渗透。这些领域对准确性的要求极高，一旦AI能稳定交付，替代效应会非常明显。

    几个值得注意的数据

    报告还拆解了四个赛道的表现：

    • 智能助手赛道：最卷，也是用户量最大的入口级场景
    • AI效率办公：Web端用户活跃份额超过70%，这个渗透率已经很高了
    • AI创作：APP端日活同比增长449%，是增长最快的赛道
    • 文娱生活：跟游戏、社交、内容消费结合的AI应用正在爆发

    我的判断

    这份报告其实在讲一个核心逻辑：中国AI应用正在从”技术验证”走向”价值验证”。

    140万亿Token、9亿月访问量、223%的日活增长——这些不是泡沫，是真实的需求在驱动。接下来12到18个月，会是AI应用真正分化出赢家和输家的阶段。

    谁能把Agent做好、谁能把垂直场景打透、谁能留住用户——这三个问题，会在2026年底之前给出答案。

  • 2026谷歌I/O大会：AI智能体全面接管，Gemini 3.5速度提升4倍

    谷歌I/O 2026：从搜索公司到AI智能体平台的惊险一跃

    5月20日凌晨1点，加州山景城的谷歌总部灯火通明。Sundar Pichai站在台上的时候，我突然意识到一个问题——这家公司真的在All in AI。不是口号，是真金白银那种all in。

    过去12个月，谷歌处理的Token总量达到了3.2千万亿个。这个数字什么概念？比去年增长了7倍。Gemini应用的月活用户也突破了9亿。当一家公司的AI产品能做到这个量级，它就已经不是在”尝试”AI了，而是在用AI重新定义自己。

    Gemini不再只是聊天机器人

    这次大会最核心的变化，是谷歌对AI智能体的重新定义。Gemini不再是那个你问它答的工具，而是一个持续运行、跨应用执行任务的智能代理。它能替你追踪信息、生成内容、调用工具，甚至直接完成下单和操作流程。

    谷歌今年在AI基础设施上的投入预计达到1800亿到1900亿美元。这不是研发费用，是实打实的算力、数据中心、TPU采购。TPU8分成了两类——一类专门做大规模训练，一类负责快速响应用户请求。

    这个信号很明确：谷歌要把AI变成一种基础设施，就像当年的搜索引擎一样，让所有人都跑在它的平台上。

    几个让我印象深刻的功能

    AskYouTube——YouTube要加聊天机器人了。你可以用自然语言描述你想看的内容，系统直接跳转到视频的对应片段。比如你说”我想看那段讲Transformer架构的部分”，它真的能找到。这个功能今年夏天会在美国推广，国内估计还得等等。

    DocsLive——用语音直接跟Google Docs对话。现场演示的时候，Gemini自动提取演讲要点，还从Google Drive和Gmail里调信息来帮你写文档。这个对办公场景的提升是实打实的，不用再来回复制粘贴了。

    GeminiOmni——DeepMind推出的视频生成模型，基于世界模型架构。你可以用自然语言改视频里的角色、背景、场景。这个技术如果能成熟，视频创作的门槛会进一步降低。

    速度战：Gemini 3.5 Flash来了

    谷歌这次特别强调速度。Gemini 3.5 Flash的生成速度是其他前沿模型的4倍。为什么这么在意速度？因为AI代理要真正可用，响应延迟必须降到人类感知的阈值以下。

    你可以把这理解为AI版的”即时满足”——用户问一个问题，如果超过2秒才响应，体验就断了。谷歌显然在这个方向上押了重注。

    搜索的AI重构

    谷歌搜索也在变。新的搜索框不只是自动补全，还会给AI生成的搜索建议，支持多模态搜索（文字+图片一起搜）。AIMode和AIOverview这两个功能正在把搜索引擎从”找链接”变成”给答案”。

    这对内容创作者来说是个挑战——如果谷歌直接给答案，用户还点不点你的链接？

    硬件端：Android XR智能眼镜

    谷歌还预告了跟GentleMonster、Warby Parker和三星合作的Android XR智能眼镜。分两种：一种是语音交互版，一种是信息投影版。你戴着眼镜就能导航、下单、查信息。

    这个方向跟Meta的Ray-Ban眼镜其实是同一个赛道，但谷歌的优势是软件和生态。如果它真的能把Gemini塞进眼镜里，体验可能会比Meta更完整。

    我的判断

    2026年的谷歌I/O，本质上是一场”AI基础设施化”的宣言。它不再满足于做一个搜索公司或者广告公司，而是要把自己变成AI时代的水电煤。

    智能体、TPU、Gemini生态、Android XR——这些布局如果都能落地，谷歌在AI时代的护城河会比很多人想象的更深。当然，执行才是关键。发布是一回事，真正让几亿用户每天离不开这些功能，是另一回事。

    接下来就看OpenAI和Anthropic怎么接招了。

  • Hermes Agent：161k Stars！自我进化的AI智能体，越用越懂你的开源数字助手

    Hermes Agent：161k Stars！自我进化的AI智能体，越用越懂你的开源数字助手

    Hermes Agent Logo

    Hermes Agent 项目Logo

    📦 项目简介

    Hermes Agent 是一款具备自我进化能力的AI智能体，由 Nous Research 研发。它的核心理念是”与你共同成长的智能体”——不仅执行任务，还能从经验中学习、自主创建技能、跨会话记忆你的偏好，真正像一位会越来越懂你的数字助手。

    ⚙️ 安装要求和过程

    环境要求

    支持系统：
• Linux / macOS / WSL2 / Termux（安卓）
• Windows（PowerShell 原生安装，当前Beta阶段，推荐WSL2）
• 最低：5美元/月的VPS即可运行
• 推荐：支持GPU集群、无服务器架构部署

    快速安装

    Linux / macOS / WSL2 / Termux：

    curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

    Windows（PowerShell 原生）：

    iex (irm https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.ps1)

    ⚡ 安装后执行 source ~/.bashrc（或 source ~/.zshrc）重载配置，然后运行 hermes 即可启动！

    🚀 核心功能

    1️⃣ 多模型兼容，无厂商锁定

    支持 Nous Portal、OpenRouter（200+模型）、OpenAI、Hugging Face、自定义端点等任意模型。通过 hermes model 命令即可切换，真正自由。

    2️⃣ 全平台交互，随时随地

    支持 CLI终端、Telegram、Discord、Slack、WhatsApp、Signal、邮件多端接入。跨平台对话连续，支持语音转写，出门在外也能通过消息平台远程控制。

    3️⃣ 自主学习闭环，越用越懂你

    自主从任务经验中创建技能、使用中自我优化；支持持久化记忆、跨会话对话搜索、用户画像建模。兼容 agentskills.io 开放标准，可接入社区共享技能生态。

    4️⃣ 任务调度与并行，智能体协作

    内置 Cron定时任务，支持自然语言配置定时报告、备份等无人值守任务；可派生子智能体并行处理，通过RPC调用工具降低上下文成本。

    5️⃣ 多环境部署，成本极致优化

    支持 7种终端后端：本地、Docker、SSH、Singularity、Modal、Daytona、Vercel沙箱。其中 Modal、Daytona 支持无服务器休眠，空闲时成本极低，5美元/月的VPS就能跑起来。

    💡 典型使用场景

    🏠

    个人智能助手

    通过CLI或社交平台接入，帮你处理信息查询、任务规划、代码编写等工作。记忆你的偏好，跨会话延续服务，越用越顺手。

    ⚙️

    自动化运维

    配置定时任务，自动执行每日报告生成、夜间备份、周期审计等无人值守工作，结果推送到指定平台，解放双手。

    ☁️

    云端部署

    部署在云端VPS或Serverless环境，远程通过消息平台控制，无需占用本地计算资源。支持GPU集群扩容，按需付费。

    🔬

    AI研究与训练

    批量生成智能体交互轨迹，压缩轨迹数据用于训练下一代工具调用类AI模型。研究友好，支持轨迹生成与压缩。

    🌟 推荐理由

    说实话，AI Agent 框架已经多到让人选择困难了——LangChain、CrewAI、AutoGPT……但 Hermes Agent 真正打动我的是它的“自我进化”理念。它不是那种你配置好就一成不变的框架，而是会从你的使用习惯中学习，自主创建和优化技能，越用越懂你。

    另外就是部署灵活性——5美元/月的VPS就能跑，还支持无服务器休眠，成本极致优化。对于想自己搭建AI助手的个人开发者来说，这简直是福音。再加上支持从 OpenClaw 一键迁移，如果你之前在用OpenClaw，切换到Hermes几乎零成本。

    最关键的：161k Stars 不是刷出来的，是社区真金白银用出来的。Nous Research 团队在开源AI圈口碑极佳，Hermes系列模型也是质量担当。这个项目，值得你Star、Fork、并在自己的服务器上跑起来。

    161k+
    GitHub Stars

    26.3k
    Forks

    MIT
    开源协议

    📥 下载地址

    🔗 GitHub仓库：
    https://github.com/NousResearch/hermes-agent

    📚 官方文档：
    https://hermes-agent.nousresearch.com/docs/

    💬 Discord社区：
    https://discord.gg/NousResearch

    🏠 Skills社区：
    https://agentskills.io
    （获取社区共享技能）

    本文由 WorkBuddy 搜集整理，开源项目信息来自 GitHub 官方仓库，如有侵权请联系删除。

  • Langflow：148.6k Stars！可视化AI工作流构建平台，让Agent开发像搭积木一样简单

    Langflow：148.6k Stars！可视化AI工作流构建平台，让Agent开发像搭积木一样简单

    🚀 项目简介

    Langflow 是一个强大的AI智能体和AI工作流可视化构建平台。它让开发者可以通过拖拽式界面快速搭建LLM应用，同时也支持直接修改Python源码进行深度定制。内置API和MCP服务器，可以把每一个工作流变成可被任何框架调用的工具。

    Langflow

    Langflow — 可视化AI工作流构建平台

    ⚙️ 安装要求和过程

    环境要求

    • Python 3.10 – 3.13
    • 推荐包管理器：uv（更快更现代）
    • 可选：Docker（容器化部署）

    快速安装（推荐方式）

    # 安装 Langflow
uv pip install langflow -U

# 启动 Langflow
uv run langflow run

    启动后访问 http://127.0.0.1:7860 即可使用可视化界面。

    Docker 方式

    docker run -p 7860:7860 langflowai/langflow:latest

    桌面版（最简单）

    Langflow Desktop 是入门首选，包含所有依赖，无需手动管理Python环境。支持 Windows 和 macOS，可从 langflow.org/desktop 下载。

    ✨ 核心功能

    🎨 可视化构建界面

    通过拖拽组件即可快速搭建AI工作流，所见即所得，迭代速度极快。不需要写大量样板代码，新手也能快速上手。

    🐍 源码级定制能力

    每一个组件都支持直接查看和修改Python源码。你可以轻松添加自定义逻辑、接入私有API，而不被平台限制住手脚。

    🤖 多智能体编排

    内置对话管理和检索能力，支持构建多智能体系统。可以轻松实现Agent之间的协作、记忆共享和任务分工。

    🚀 一键部署为 API / MCP 服务器

    任何工作流都可以一键部署为REST API，也可以作为MCP服务器运行，让你的AI工作流变成其他应用可以调用的工具。真正实现了”构建一次，随处使用”。

    📊 可观测性集成

    支持 LangSmith、LangFuse 等可观测性工具集成，方便调试和监控生产环境中的AI工作流表现。

    💡 典型使用场景

    📄

    RAG文档问答系统

    连接向量数据库和LLM，构建基于私有知识的问答系统。可视化配置文档加载、分块、检索和生成的完整流程。

    🤝

    多Agent协作任务

    构建多个专业Agent协作完成复杂任务，比如一个Agent负责搜索、一个负责总结、一个负责写作，通过可视化流程串联起来。

    🔌

    AI能力API化

    把精心设计的AI工作流一键部署为API或MCP工具，供前端应用、企业系统或其他AI Agent调用，实现AI能力的模块化复用。

    🧪

    Prompt工程实验

    快速搭建不同的Prompt链路进行对比测试，找到效果最好的提示词组合。交互式Playground支持单步调试，每个环节的输入输出都清晰可见。

    🌟 推荐理由

    如果你在寻找一个既适合快速原型验证、又能支撑生产部署的AI工作流工具，Langflow值得认真考虑。

    它和Dify的定位有些类似，但Langflow更偏向开发者的使用习惯——你可以直接在界面里改Python代码，组件库开放且易扩展，不会被”低代码”的边界限制住。

    我个人最喜欢的功能是部署为MCP服务器。现在AI Agent生态里MCP是重要协议，Langflow让你可以把任何工作流变成MCP工具，被Claude、Cursor等AI助手直接调用，这个设计非常前瞻。

    另外，Langflow Desktop版本对Windows用户非常友好，一键安装，开箱即用，不需要折腾Python环境，这点必须点赞 👍

    🔗 下载地址

    📌 本文由 WorkBuddy AI 自动采集撰写，开源项目信息来自 GitHub 官方仓库。