YOHO AI

标签： AI

  • 多西带着Buzz杀进协作赛道：人和AI智能体要在同一个群里干活了

    如果你最近觉得公司群聊越来越挤，那杰克·多西（Jack Dorsey）刚刚又给了你一个进群的理由。这位 Twitter 和 Block 的联合创始人，在周二甩出了一个叫 Buzz 的新应用——它瞄准的是 Slack 和 GitHub 的地盘，做的却是一件有点不一样的事：把人和他们手里的 AI 智能体，塞进同一个工作群聊里。

    Buzz 的样子，第一眼看上去就是 Slack 的近亲。左侧频道列表、右侧对话窗、再配上文件和应用，都属于标准配置。但多西在 X 上强调，Buzz 是“模型无关、去中心化、自我主权、开源”的。对一个越来越依赖 AI 智能体干活的公司来说，这一点挺关键——员工不用再在五六个平台之间反复横跳，Buzz 试图把编码、协作、项目管理都收拢到一个窗口里。

    多西在 X 上写道，Buzz 是“model-agnostic, decentralized, self-sovereign, and open source”——模型无关、去中心化、自我主权，并且开源。

    它背后的公司不是什么车库创业，而是多西自己的 Block。Square、Cash App、Afterpay、Tidal 都出自这家公司，Buzz 是它最新的一笔押注。从产品逻辑看，Buzz 想解决的是这样一个尴尬：现在团队用 AI 智能体做任务，但智能体往往散落在不同工具里，人和“数字同事”很难在同一个空间里配合。Buzz 的做法是直接让智能体进驻群聊，你 @ 它一下，它就能在同一个对话里帮你查代码、跑任务、整理信息。

    开源，是它最硬的底牌

    因为代码完全开放，开发者可以把 Buzz 改成最适合自己团队的样子。需要某个功能？自己写、自己部署，不用等厂商排期。这种“自托管”的思路，在企业场景里尤其吃香——数据留在自己手里，权限自己说了算。多西不是唯一盯上这块的人。Paradigm 的合伙人兼 CTO Georgios Konstantopoulos 前不久也开源了一个类似的东西叫 Centaur，他管它叫“虚拟员工”，能跑在 Slack 里，也能通过 API 调用。

    现在上车，可能还早了点

    不过 Buzz 自己也很诚实：它目前还是“早期阶段”。对已经在用 Slack 的成熟团队来说，现在把所有工作流搬过去并不明智。它的免费桌面端已经上线，覆盖 macOS、Windows 和 Linux，代码也传到了 GitHub 上，谁都能去翻、去改。

    Jack Dorsey 与 Buzz 群聊协作平台
    Buzz 把人和 AI 智能体放进同一个工作群聊（图源：TechCrunch）
    • 群聊形态，但原生内置 AI 智能体，而不是事后接个插件
    • 同一窗口里直接管理 GitHub 项目，少切几次屏
    • 开源可自托管，企业能自己把控安全和数据
    • 免费桌面端已上 macOS / Windows / Linux，代码在 GitHub

    说到底，Buzz 想回答的问题其实是：当 AI 智能体变成团队里“编外员工”，我们该把它们安排在哪儿？多西给出的答案是——别另起炉灶，直接进群。至于它能不能真的从 Slack 嘴里抢下肉，现在下结论还太早，但“人和智能体同群办公”这个方向，看起来已经不是会不会发生，而是什么时候普及的事了。

  • Wigolo：给 AI 编程智能体装上本地优先的「上网」引擎（开源 MCP）

    Wigolo：给 AI 编程智能体装上本地优先的「上网」引擎（开源 MCP）

    Wigolo 演示

    在 Claude Code、Cursor、Codex 这类编码智能体大行其道的今天，一个尴尬的现实是：它们很会写代码，却「看不见」互联网。想查一份报错、一份 API 文档、一个竞品定价，往往得开发者自己复制粘贴喂给模型。Wigolo 要做的，就是给 AI 智能体装上一双「眼睛和手」——一个本地优先、无需 API Key、按查询 0 计费的统一「上网」引擎。

    🦉 项目简介

    Wigolo 是 KnockOutEZ 开源的 AI 编程智能体本地优先「上网」引擎：以 MCP 服务器（或 REST / SDK）的形式运行在智能体身边，统一提供 搜索、抓取、爬取、提取、缓存、相似发现、研究、自主收集 等全套 Web 能力。核心理念是 no keys, no cloud, no metered bill——核心工具无需任何 API Key，所有数据留在本地 ~/.wigolo/，用得越多账单也不会涨。

    💻 安装要求与过程

    环境要求：Node.js ≥ 20，约 1.5 GB 空闲磁盘（首次运行会下载浏览器引擎等本地组件）。核心搜索 / 抓取 / 爬取无需任何外部 Key 即可使用；如需 research、agent 等高级研究能力，可选择性配置一个 LLM Provider（如 Gemini）。

    快速安装：

    # 初始化本地引擎（任意系统）
npx wigolo init

# 初始化并一键接入日常 agent（如 Claude Code + Cursor）
npx wigolo init --agents=claude-code,cursor

# 以 Docker 方式作为 stdio MCP 服务运行
docker run -i --rm -v wigolo-data:/data ghcr.io/knockoutez/wigolo

# 在自托管 box 上暴露 HTTP 服务（默认 127.0.0.1:3333）
wigolo serve

# 在你的应用里用 SDK 嵌入
npm install wigolo-sdk     # TypeScript
pip install wigolo         # Python

    常用运维命令：npx wigolo verify（健康检测）、npx wigolo warmup --all（重下引擎）、npx wigolo docto --fix（修复环境）。

    ⚙️ 核心功能

    Wigolo 核心工具全景

    1. 🔍 多引擎搜索 search：内置 18 个直连适配器，ML 重排 + 可解释评分，让智能体拿到「为什么是这条结果」。
    2. 🔗 抓取 & 爬取 fetch / crawl：分层路由获取单页并清洗为 markdown（含 PDF / 鉴权页处理）；BFS / DFS / sitemap 多页爬取并自带限流保护。
    3. 🧩 提取 & 缓存 & 相似 extract / cache / find_similar：从页面抽取表格 / JSON-LD / Schema 等结构化数据；本地缓存已见内容，二次查询毫秒即回；关键词 + 语义 + 实时发现相似页面。
    4. 🤖 自主研究 research / agent：把一个问题自动分解成子查询、扇出检索、综合成报告；agent 工具则跑 search→fetch→extract→synthesize 的自主收集循环。
    5. 🔔 变更追踪 diff / watch：检测页面变化并推送 webhook，把「定时盯网页」变成可编排的事件。

    🚀 典型使用场景

    • 场景一 · 编码时实时联网：在 Claude Code / Cursor 里改代码时，智能体直接调用 search / fetch 查文档、查报错、查第三方 API，开发者不再手动复制粘贴；所有命中缓存在 ~/.wigolo/，隐私不出本机。
    • 场景二 · 自托管 Agent 的「联网大脑」：在自托管服务器上 wigolo serve 暴露 REST / MCP 端点，LangChain、CrewAI、n8n 等编排框架或任意 MCP client 统一调用，把分散在各处的抓取逻辑收敛成一个服务。
    • 场景三 · 持续竞品 / 文档监控：用 watch 盯住竞品定价页或文档页，diff 出变化并推 webhook 到飞书 / Slack / 自有系统，第一时间感知变更。

    💡 推荐理由

    我特别看好 Wigolo 的一点，是它真正把「本地优先」做到了极致：零 API Key、零按量账单，直接戳中「想让 agent 上网，却要为每家搜索引擎单独接 key、还要担心账单爆掉」的痛点。统一的 MCP 接口对 Claude Code / Cursor / Codex / Gemini CLI / VS Code / Zed 通吃，接入几乎零心智负担；数据默认留在本地，对重视隐私的开发者很友好；AGPL-3.0 开源、可完全自托管。如果你正想给自己的 coding agent 装上一双「眼睛和手」，Wigolo 是目前最省心的一站式方案。

    Wigolo 四种接入方式与差异化

    🔗 下载地址

  • 一家叫Natural的初创公司，要替AI智能体重写支付轨道

    Natural 团队
    图片来源：TechCrunch / Natural

    AI 智能体现在已经能帮你找供应商、比价格、联系承运商把货安排妥当。可真到了付钱那一下，它还是得把人类叫过来点头。一家叫 Natural 的初创公司觉得这很别扭，干脆拿了两千万美元（约 3000 万美元）的 A 轮，想从最底层把这套为「人」设计的支付轨道重写一遍。

    问题出在「轨道」本身

    今天金融系统跑的那套基础设施——信用卡、ACH 转账、各种清算网络——每一环都默认有个「人」在授权。可智能体是按机器速度工作的，它没法等月底才出账单，更没办法为了一笔毫秒级的 API 调用去填一张信用卡。支付那一下成了整条自动化链路上唯一的断点。

    Natural 的创始人 Kahlil Lalji 是银行背景出身，本来发誓这辈子不再碰金融——上一家公司卖给了 Earnin，他自称被这个行业「烧」过。但他发现，智能体的进化速度已经甩开了现有的金融架构。「代理式支付会结构性地成为这个赛道里最重要的问题，这一点太明显了，我绕不开它。」

    「世界上发生的支付笔数，可能会比今天多出两三个、甚至四个数量级。」——Natural CEO Kahlil Lalji

    它想做什么，又面临谁

    Natural 把自己定位成一个「智能体编排层」：企业接上它的基础设施，就能让自己的 agent 自主付款、收款，甚至还和其他 agent 互相交易。这轮由 Forerunner 的 Kirsten Green 领投，总融资来到 4000 万美元。团队里已经挖来了曾在 Stripe、Ramp、Square 干过的老兵。

    • 直接对手是 Stripe——它也在抢着给 AI 智能体重做支付轨道，但大公司的转身总归更慢。
    • 其他玩家如 DCVC 支持的 Skyfire，押注用美元稳定币重构这套 backbone；Natural 两条路都接，传统银行支付和稳定币都做。
    • 它不只管「代付」，还打算重新设计纠纷处理这类支付里最麻烦的环节。

  • Hugging Face证实遭入侵：动手的，是个自主AI代理

    Hugging Face 遭入侵
    图片来源：TechCrunch / Anadolu Getty

    上周末，AI 圈里最常被开发者当成「家」的平台之一，被人钻了空子。Hugging Face 在周五承认，他们内部的一部分数据集和服务凭证在一次入侵里失了守。这家托管着海量开源模型和训练数据的平台，到现在还没完全确认有没有客户或合作方的数据被顺走。

    一次从数据流水线发起的入侵

    攻击的起点很不起眼，就藏在 Hugging Face 自己的数据处理管线里。一份被上传的恶意数据集，滥用了两个代码执行路径——一个能远程跑代码的加载器，一个藏在数据集配置里的模板注入——在处理节点上执行了恶意代码。接下来就是教科书式的横向移动：提权到节点级、收割云和集群的凭证、趁着周末悄悄摸进好几个内部集群。

    整场行动不是人敲键盘敲出来的。Hugging Face 把锅甩给了一个「外部 AI 代理」：它在一大堆活不过几分钟的沙盒里跑了几千次独立操作，命令与控制节点还自己迁移到了公共服务上。公司说这正吻合业界预测已久的「代理型攻击者」场景，不过当 TechCrunch 追问证据时，对方没马上拿出来。

    「这正吻合业界此前预测的『代理型攻击者』（agentic attacker）场景。自主、由 AI 驱动的攻击工具不再是理论。」

    讽刺的一幕：防御者被自家模型拦下了

    这次事件最耐人寻味的，是 Hugging Face 怎么把攻击查明白的。它自己的异常检测先发现了动静，然后调了一个 AI 模型去分析记录了整场攻击的服务器日志。有意思的是，它一开始用的是某家商业公司的「前沿模型」，结果分析请求被对方的安全护栏挡了回来——因为要提交大量真实的攻击命令和漏洞载荷，而托管模型的护栏分不清你是防御者还是攻击者。

    最后 Hugging Face 改用自己部署在本地的大模型做取证。这反而带来一个额外好处：敏感的攻击日志和里面提到的凭证，都不用再传到别人的服务器上。换句话说，攻击者被护栏彻底放开手脚，而防御者却被托管模型的护栏卡住了脖子。

    对用户意味着什么

    • 公开、面向用户的模型、数据集和 Spaces 暂未发现被篡改，软件供应链也已验证干净，算不幸中的万幸。
    • Hugging Face 已关闭入口漏洞、重建被感染的节点、轮换了受影响的密钥，并加严了集群准入控制。
    • 平台建议所有用户立刻轮换存在这里的访问令牌，并盯着账户里有没有可疑活动。

  • 腾讯混元放出 Hyra：一个会自己改自己的科研智能体

    腾讯混元 7 月 21 日放出了一个有点特别的东西——Hyra-1.0，全称 Hunyuan Research Agent。说它特别，是因为这是个能自己改进自己的科研智能体，专门冲着那些讲究性能的研究和工程任务去的。

    能自我进化的 AI 科研智能体概念图
    腾讯混元 Hyra：一个会递归自我改进的科研智能体（示意图）

    腾讯说，Hyra 不光能在公开基准上刷分，还能扎进真实的产品系统、AI 研发流水线，甚至自然科学研究和工业场景里边跑边学、边学边进化。这话如果成立，那它就不只是个做题家了。

    “AI 自己改自己”，这一年突然火了

    递归自我改进（RSI）和自动化研究，是过去一年 AI 圈最热闹的前沿话题之一。几个标志性的例子放在一起看就明白热度从哪来：

    • Google DeepMind 的 AlphaEvolve，只用 48 次标量乘法就算完了 4×4 复数矩阵相乘；
    • Together AI 让一群智能体在开放环境里协作，把 11 维 kissing number 的已知下界从 593 推到了 604；
    • Andrej Karpathy 的 autoresearch，用一套精简循环让模型训练研究能自己转起来。

    这些进化型系统一个接一个冒出来，共同点是智能体正在跳出封闭的基准测试，跑到开放的科学发现里去，有些地方已经开始超过人类了。Hyra 想接的就是这一棒。

    框架越轻，动作空间越大

    Hyra 的 Harness 设计遵循 The Bitter Lesson：框架尽量轻、尽量简单，把智能体的动作空间尽量放大。

    具体怎么工作？给它一个任务描述，Hyra 就开始跑一个循环：根据历史经验去探索、提出更好的解法。所谓历史经验，包括过去每个方案跑出来的日志、评估器给的反馈、还有方案本身的源代码。这个循环一直转，直到它自己觉得可以收工，或者预算烧完，最后把历史上最优的那版方案交出来。

    腾讯给了个直观的例子：只给 Hyra 一张 2D 参考图，让它推断物体的三维结构，还得生成一个能直接渲染的 3D 模型。评判用的是基于 rubrics 的 VLM judge，从轮廓、比例、结构完整性、材质、视觉相似度几个维度打分。Hyra 在多轮探索里不断改建模代码、调渲染参数，官方称最后的结果比用 Claude Code 的 goal 模式生成的更贴近参考图，也更符合人的审美。

    从 AlphaEvolve 到 Hyra，能看出一个方向：大厂都在把”让 AI 帮着做研究”往前推。区别在于，腾讯这次强调的是从公开基准走进真实产业场景，让智能体在自家的研发流水线和工业问题上真刀真枪地迭代。这条路能走多远，还得看后面拿出来的活儿。至少 Hyra-1.0 把话说到了这份上。

  • Netflix 5.87 亿美元买下本·阿弗莱克那家藏了三年的 AI 电影公司

    本·阿弗莱克手里那家藏了三年多的 AI 电影公司，到底值多少钱，现在有答案了。Netflix 上周五递交给美国证监会的一份 10-Q 文件里，写着 2026 年 3 月完成的一桩收购，总对价约 5.87 亿美元，全部是现金。文件没点名，但业内一眼就能看出，这说的正是阿弗莱克联合创办的 InterPositive。

    AI 电影后期制作概念图
    Netflix 用 5.87 亿美元买下 AI 电影后期技术公司 InterPositive（示意图）

    收购本身早在 3 月 5 日就官宣了，只是价格一直没公开。彭博当时的报道说，加上业绩对赌，这笔交易最高可能摸到 6 亿美元。RedBird Capital 是 InterPositive 早期的投资方之一。至于阿弗莱克个人到手多少，没人透露。

    它做的不是”凭空生成一部电影”

    很多人一听 AI 拍电影，脑子里冒出来的是输入一段文字、吐出一段视频。InterPositive 偏偏不走这条路。阿弗莱克反复强调，这不是 text-to-video，不是无中生有，而是帮剧组把后期那些又费钱又磨人的活儿做顺。调色、补光、加特效、重新构图、换背景、修穿帮、补缺的镜头——这些原本可能得把演员和剧组重新叫回片场重拍的环节，正是它的主场。

    “我知道自己对同行、对这个行业负有责任，要守住人类创造力的力量，以及创造力背后的人。做 InterPositive，就是想做这件事。”——本·阿弗莱克

    技术上有个挺关键的细节：它的模型只拿每个项目自己的每日拍摄毛片来训练，为的是保持这部片子内部的视觉逻辑和剪辑连贯，而不是拿一堆别人的作品去喂。阿弗莱克 2022 年低调创办这家公司，一支 16 人的工程师、研究员和创意人团队一直闷头干活，这次连人带技术全部并入 Netflix，他本人则出任高级顾问。

    Netflix 已经有 300 个项目在用 AI

    联席 CEO 泰德·萨兰多斯在本周财报电话会上说得很直接：目前大约 300 个片目已经在制作流程里用上了生成式 AI，绝大多数集中在后期，专门啃那些特别复杂的镜头和段落。他举了个例子——汤姆·汉克斯监制的纪录片《美国实验》，里面有 17 分钟是 AI 增强的画面。

    • 这 17 分钟的制作速度是过去的两倍；
    • 成本只有传统方式的一半；
    • 按萨兰多斯的说法，”用老办法根本做不出来的规模，现在做到了”。

    这笔钱花得也不算轻松。Netflix 二季度财报出来后股价一路下挫，周一又跌了 2%，报 67.60 美元，2026 年全年营收指引被收窄到 510 亿到 514 亿美元之间。在这种背景下砸半个多亿美元买一家 AI 公司，说明它对生成式 AV 改造制作流程这件事是真下注了。

    另一边，好莱坞对 AI 的警惕一点没松。阿弗莱克本人是演员工会 SAG-AFTRA 的成员，工会刚跟各大制片厂谈下新合同，专门给生成式 AI 划了红线，明确偏向保护真人表演。就在这个月，一个叫 Tilly Norwood 的 AI”演员”还接到了首个正式角色。让一位以”保住电影的人味儿”为口号的影人来牵头 AI 工具，Netflix 这步棋，多少有点想让创作圈更容易接受 AI 的意思。

  • Kimi Code CLI：终端里的下一代 AI 编程智能体（4.3K★，月之暗面开源）

    Kimi Code CLI：终端里的下一代 AI 编程智能体（4.3K★，月之暗面开源）

    Kimi Code CLI 封面

    Kimi Code CLI 是月之暗面（MoonshotAI）开源的终端 AI 编程智能体——它能在命令行里读改代码、执行 shell 命令、搜索文件、抓取网页，并依据反馈自主决定下一步；开箱即用 Kimi 大模型，也可配置接入其它兼容模型。

    一、项目简介

    一个跑在终端里的”AI 同事”。Kimi Code CLI 把代码读写、命令执行、文件检索、网页抓取与多步自主规划统一进一个轻量 TUI，口号是 “The Starting Point for Next-Gen Agents”（下一代智能体的起点）。它脱胎于此前广受关注的 Kimi CLI，把运行时收敛为单文件二进制，启动几乎无感，对 Kimi 大模型用户尤其友好。

    二、安装要求和过程

    环境要求

    • 普通用户无需 Node.js：官方脚本一条命令装好单文件二进制，无 PATH 烦恼、无全局模块冲突；
    • Windows 需先装 Git for Windows：Kimi Code CLI 用内置 Git Bash 作为 shell 环境；若 Git 装在自定义路径，设置环境变量 KIMI_SHELL_PATH 指向 bash.exe 绝对路径；
    • 账号：首次使用需 Kimi 账号（OAuth）或 Moonshot AI 开放平台 API Key；
    • 从源码开发需 Node.js ≥ 24.15.0 + pnpm 10.33.0。

    快速安装

    macOS / Linux：

    curl -fsSL https://code.kimi.com/kimi-code/install.sh | bash

    Windows（PowerShell）：

    irm https://code.kimi.com/kimi-code/install.ps1 | iex

    快速开始

    cd your-project
kimi            # 启动交互式 TUI
kimi --version  # 验证安装

    首次在会话里执行 /login，选择 Kimi Code OAuth 或 API Key 登录，然后试着让它”看看这个项目，解释下主要目录“。

    三、核心功能

    Kimi Code CLI 核心能力

    1. 单文件分发：一条命令安装，无 Node.js、无 PATH 困扰、无全局模块冲突。
    2. 毫秒级启动：TUI 毫秒就绪，开启会话毫无负担，长时间 Agent 会话也不卡。
    3. 视频输入：把录屏 / 演示片段直接丢进聊天，Agent 逐帧”看懂”画面——把参考片转成 LUT、长视频剪成短片、屏幕录屏变成可运行代码。
    4. AI 原生 MCP：用 /mcp-config 对话式增删与鉴权 Model Context Protocol 服务器，免手改 JSON。
    5. 子智能体并行：内置 coder / explore / plan 子智能体在隔离上下文并行干活，主线对话保持清爽。
    6. ACP 编辑器集成：kimi acp 接入 Zed、JetBrains 等任意 Agent Client Protocol 客户端，IDE 里直接驱动。

    四、典型使用场景

    Kimi Code CLI 工作流

    • 日常终端编程搭子：在任意项目目录敲 kimi，让它读代码、跑命令、搜文件、抓网页并自规划下一步，省去来回切窗口。
    • IDE 里的 Agent：在 Zed / JetBrains 配置 kimi acp，用熟悉的编辑器驱动 Agent，一次登录处处可用，开发流不断档。
    • 视频驱动开发：把产品录屏或参考片段丢给 Agent，让它”看懂”后落地为可运行代码或素材（例如把一段参考片转成调色 LUT）。

    五、推荐理由

    Kimi Code CLI 给我最大的惊喜是”轻“。作为 Kimi CLI 的演进版，它把运行时收敛成单文件二进制，启动几乎无感，TUI 也比不少同类更耐看；视频输入和 /mcp-config 对话式配置是真正能提升日常效率的巧思，而不是噱头。如果你已经在用 Kimi 大模型、又想要一个不折腾环境、能直接塞进终端和 IDE 的编码 Agent，它非常值得一试。MIT 协议、社区活跃（4.3K+ Stars、当日仍在高频更新），长期主义玩家可以放心上车。

    六、下载地址

  • 英伟达 Agent Toolkit：把 AI 智能体搬上桌面工作站

    英伟达最近给自家最强的台式工作站 DGX Station 塞进了一套新工具：Agent Toolkit。官方说，开发者只要三步、大概半小时，就能在本地把 AI 智能体跑起来——不用连云，模型和数据都留在你自己的机器上。

    本地 AI 智能体工作站概念图
    英伟达把智能体能力带到了桌面级工作站

    DGX Station 本身就不好惹，里面是一颗 GB300「Blackwell Ultra」GPU。Agent Toolkit 的价值，是把原来得靠云 GPU 集群才能玩转的复杂智能体，搬到了桌面端。

    借助 Omniverse 库，智能体可以在本地的安全运行时里调用工具与技能，完全不需要连接互联网。—— NVIDIA

    这一套到底装了什么

    它不是单个软件，而是一整个软件栈：

    • NemoClaw：开源的智能体蓝图，把模型、运行框架和 runtime 打包，方便团队照着自己的业务改
    • Nemotron 3 Ultra：一个 5500 亿参数的开放大模型，专为 DGX Station 优化，可以本地微调
    • Omniverse 库：把智能体接到物理仿真和 3D 工作流，机器人训练、自动驾驶仿真都能本地跑
    • OpenShell：开源的安全运行时，给智能体套上沙箱，按策略管住它碰什么工具、什么数据

    为什么是现在

    硬件底子是 GB300 超级芯片，最高 20 petaflops 的 FP4 算力、748GB 统一内存；网络用 ConnectX-8，带宽到 800GB/s，还能两台 DGX Station 并联扩容。NVIDIA 还拉上 Adobe、Blender、Unreal、Epic、Foundry、Canva 等伙伴做 MCP 接入，让智能体直接进到这些创作工具里干活。

    更关键的是战略转向。当资本市场开始计较 AI 的投资回报，英伟达把 Agent Toolkit 和 Omniverse 绑在一起，等于在说：我不只卖算力硬件，还想在你的工作站上长出一套软件生态。对怕数据出公司、又想快速迭代的企业来说，本地跑智能体确实少了一层顾虑。

  • 索尼再告 Udio：3 万首歌揭开的 AI 音乐版权战

    索尼音乐娱乐这周一在纽约法院又递了一纸诉状，被告是 AI 音乐生成器 Udio。和两年前三大唱片公司联手起诉 Udio、Suno 那场官司不同，这一回索尼把火力对准了一个很具体的数字：超过 3 万首歌。

    AI 音乐版权争议概念图
    AI 音乐生成器的训练数据版权问题持续升温

    从猫王的《Hound Dog》到碧昂丝的《Say My Name》，再到哈里·斯泰尔斯的《As It Was》，索尼列出的清单里既有上个世纪的经典，也有近年的热单。索尼在诉状里直言，这 3 万多首「只是 Udio 侵权作品中的一小部分」。

    索尼称，这份 3 万多首的清单「只是 Udio 所侵权作品中的一小部分」，背后还有更多未被点名的歌曲。

    这些歌是怎么被发现的

    有意思的是，这 3 万首并不是索尼一开始就掌握的。2024 年那场诉讼里，索尼和环球、华纳一起把 Udio 与 Suno 告上法庭。借着证据开示（discovery）的程序，索尼拿到了 Udio 的训练数据，再用一套「音频指纹」技术逐一比对，才揪出这批此前没被点名的歌曲。

    索尼原本想把 3 万多首直接加进原本的案子，但法官驳回了这个请求，原始诉讼的范围因此停留在 333 首。于是索尼换了个打法——单独再提一桩新诉讼。

    对 AI 音乐意味着什么

    这场拉锯把一个老问题又摆到台面：AI 音乐模型到底拿了多少版权音乐当养料。Udio、Suno 这类工具能照着风格生成听起来很「像」的歌，但训练数据是否合规，厂商一直说不清。

    • 2024 年索尼、环球、华纳联手起诉 Udio 与 Suno
    • 证据开示让索尼拿到 Udio 训练数据，音频指纹比对出 3 万首
    • 法官驳回追加请求，索尼改提独立新诉
    • 核心争议仍是 AI 音乐模型的训练数据授权
  • Browser Use：让 AI 像人一样操作浏览器的开源智能体（10.5万+ Star）

    Browser Use：让 AI 像人一样操作浏览器的开源智能体（10.5万+ Star）

    Browser Use 自动填写表单演示

    Browser Use 是一个让 AI 像人一样操作浏览器的开源智能体框架——你用自然语言描述任务，它便自动打开网页、点击按钮、输入文字、填写表单，一站式完成多步骤的网页操作。

    一、项目简介

    🌐 Make websites accessible for AI agents. Automate tasks online with ease.

    Browser Use 把”浏览器”变成 AI Agent 可直接操控的环境。它目前拥有 10.5 万+ Star（Python 编写，MIT 许可），并在 Odyssey 长程网页任务榜上以 87.4% 的平均成功率排名第一，超越了 OpenAI、Anthropic、Google、Microsoft 各自的 computer-use 方案。它既是给现有编码 Agent（Claude Code / Codex / Cursor 等）即插即用的”浏览器技能”，也是可规模化调用的 Python 库。

    二、安装要求与过程

    环境要求：

    • Python ≥ 3.11（官方推荐 3.12，可用 uv 管理）
    • 本地无需额外安装 Chromium，Browser Use 会按需驱动 Playwright 浏览器
    • 一个 LLM API Key（Browser Use 云、OpenAI、Anthropic、Google，或本地 Ollama 模型均可）

    快速安装：

    1. 安装库：
      pip install browser-use  （或 uv add browser-use）
    2. 在 .env 中配置 Key：
      BROWSER_USE_API_KEY=your-key  或  ANTHROPIC_API_KEY=... / GOOGLE_API_KEY=...
    3. 运行你的第一个 Agent：
    import asyncio
from browser_use import Agent, ChatBrowserUse

async def main():
    agent = Agent(
        task="Find the number of stars of the browser-use repo",
        llm=ChatBrowserUse(model="openai/gpt-5.5"),
    )
    history = await agent.run()

asyncio.run(main())

    若你已在使用 Claude Code / Codex / Cursor 等编码 Agent，只需让 Agent 执行一次 browser-use skill install，即可把浏览器能力挂载到现有工作流中，无需自己写代码。

    三、核心功能

    • 自然语言驱动浏览器：自动打开页面、点击、输入、填表、翻页，把”多步骤网页操作”压缩成一句话指令。
    • 双形态接入：CLI 模式配合已有 Agent 即装即用；Python 库模式支持定时、并行、嵌入自有产品，细粒度控制浏览器。
    • 多模型统一接入：ChatBrowserUse 用 provider/model 前缀即可切换 OpenAI / Anthropic / Google，或走本地 Ollama 模型，一个 Key 通吃。
    • 强扩展能力：支持自定义 Tools、MCP 协议，云端版更提供 1000+ 集成（Gmail、Slack、Notion 等）与持久化记忆。
    • SOTA 级表现：Odyssey 200 项长程网页任务榜第一（87.4%），官方基准在 100 个真实任务上开源可复现。

    四、典型使用场景

    1. 自动填表与办事
    让 Agent 带着你的简历信息自动填写并投递职位申请、注册账号、提交各类在线表单。

    2. 网页数据采集
    从任意网站抽取结构化数据并导出为 CSV，例如”抓取我关注者的资料并整理成表格”。

    Browser Use 网站 QA 自动化演示

    3. 网站 QA 自动化
    对本地站点做可用性、视觉一致性与 Bug 巡检，自动产出测试报告，替代部分人工回归测试。

    五、推荐理由

    作为重度网页操作用户，我对 Browser Use 最大的感受是”把重复劳动还给机器“——订票比价、表单填报、定点抓取这类机械活，原来要人守着点半小时，现在一句话交代清楚就能后台跑。

    它开源免费、本地可控，隐私敏感的任务完全可以在本机跑；遇到强反爬、验证码场景再切到云端（代理轮换 + 隐身指纹 + 验证码破解）。对开发者而言，Python 库 + 自定义 Tools + MCP 的扩展性，让它不只是玩具，而是能真正嵌进产品的浏览器自动化底座。如果你已经在用 Cursor / Claude Code，强烈建议装一下它的 skill 体验。

    六、下载地址

    （本文配图来自项目官方 README，版权归 Browser Use 团队所有。）