标签: 大模型

AI agents 正让公共服务涌来大量新请求

AI agents 正让公共服务涌来大量新请求

AI 让填表、写申诉、递交请愿变得前所未有地简单,全球多地公共服务正被大量新申请淹没。研究者 Chris Schmitz 把这称为“智能体洪泛”,他追踪的 84 个案例中,多数请求来自本就有资格申请、过去却被繁琐流程挡住的真实用户。

Athenic AI

Athenic AI

Athenic AI 在 Product Hunt 上线,主打用自然语言对话替代传统 BI 拖拽操作,让非技术岗位也能直接查询数据、生成分析结论。这是 AI 应用层继续向企业数据分析场景渗透的一个新样本。

OpenObserve 推出 AI 可观测性

OpenObserve 推出 AI 可观测性

开源可观测性平台 OpenObserve 在 Product Hunt 上线了 AI 可观测性能力,把大模型应用的调用链路、延迟与成本纳入统一监控。这类需求正随着 AI 应用从 Demo 走向生产而快速增长。

最近恰逢秋季开学,我也连续推荐了好几门北美顶尖高校新开的 Agent 课程,一个信号越来越明显: Agent Engineering 开始大量被正式写进顶尖高校的课程体系了。 这次是 CMU 新开的 11-768《AI Agents》,看完 syllabus 后感觉内容真的很贴近现在一线在做的东西。 Tool Use、Context、Skills、Memory、Planning,往后还有 Coding Agent、GUI、Deep R…

最近恰逢秋季开学,我也连续推荐了好几门北美顶尖高校新开的 Agent 课程,一个信号越来越明显: Agent Engineering 开始大量被正式写进顶尖高校的课程体系了。 这次是 CMU 新开的 11-768《AI Agents》,看完 syllabus 后感觉内容真的很贴近现在一线在做的东西。 Tool Use、Context、Skills、Memory、Planning,往后还有 Coding Agent、GUI、Deep R…

CMU 新开了一门编号 11-768 的《AI Agents》课程,把 Tool Use、Memory、Planning、Coding Agent、SFT/RL、Sandboxing 与安全等内容正式纳入教学,作业从搭建 Agentic Harness 到 Agent Eval、RL 训练再到研究项目,课程资…

💥必读:DeepSeek V4.1 Flash论文里面暗藏的玄机!V4.1 Pro将是大杀器!2000张GPU+存储集群将是最大助推器! 论文核心要点速览: 1️⃣Flash 反杀 Pro,是产品线信号 不是“小模型勉强接近大模型”,而是新结构系列的最小尺寸已经全面超过上一代旗舰。Pro 被路由、被计划下线,说明他们认准了:密度比绝对规模更重要。 2️⃣CED 是给 Agent 账单改写的 Prefill 8B / Decode 16…

💥必读:DeepSeek V4.1 Flash论文里面暗藏的玄机!V4.1 Pro将是大杀器!2000张GPU+存储集群将是最大助推器! 论文核心要点速览: 1️⃣Flash 反杀 Pro,是产品线信号 不是“小模型勉强接近大模型”,而是新结构系列的最小尺寸已经全面超过上一代旗舰。Pro 被路由、被计划下线,说明他们认准了:密度比绝对规模更重要。 2️⃣CED 是给 Agent 账单改写的 Prefill 8B / Decode 16…

DeepSeek 发布 V4.1-Flash 并公开论文与权重,把 100 万 token 上下文的全局 KV 压缩到约 890MB 量级(每 token 890 字节),同时用新结构让最小尺寸模型全面超过上一代旗舰,配套招聘指向 2000 张 GPU 加存储集群的推理部署。

剪映可以退出历史舞台了! AI 剪辑已经达到专业剪辑师水平,几乎零成本 AI 剪辑方案,Antigravity ➕ chatcut 完美配合,不用担心 Token 不够用。 chatcut 接入 Antigravity ,使用 Gemini 3.8 flash 模型是又快又稳! https://t.co/GBYDrMvbLr

剪映可以退出历史舞台了! AI 剪辑已经达到专业剪辑师水平,几乎零成本 AI 剪辑方案,Antigravity ➕ chatcut 完美配合,不用担心 Token 不够用。 chatcut 接入 Antigravity ,使用 Gemini 3.8 flash 模型是又快又稳! https://t.co/GBYDrMvbLr

有开发者称,将 chatcut 接入 Antigravity 后可实现接近专业剪辑师水平的 AI 剪辑,成本极低且不受 Token 限制,并使用了 Gemini 3.8 flash 模型。但评论区多位用户质疑其实际体验,称 chatcut 效果一般。

1/6 大多数 AI Agent(智能体)的失败并非源于模型本身,而是源于数据问题。 大语言模型(LLM)掌握的是过去的信息,而互联网每时每刻都在变化。 要构建真正智能的 AI Agent、RAG 系统和 SaaS 应用,你需要一套现代化的网络数据流水线。 这是一份完整的 2026 年“Web-to-AI”(从网络到 AI)指南 🧵👇

1/6 大多数 AI Agent(智能体)的失败并非源于模型本身,而是源于数据问题。 大语言模型(LLM)掌握的是过去的信息,而互联网每时每刻都在变化。 要构建真正智能的 AI Agent、RAG 系统和 SaaS 应用,你需要一套现代化的网络数据流水线。 这是一份完整的 2026 年“Web-to-AI”(从网络到 AI)指南 🧵👇

WebPipe.ai 发布了一份 2026 年“Web-to-AI”指南,认为多数 AI Agent 失败的原因不在模型能力,而在数据管道——LLM 的知识停留在过去,无法感知实时变化的互联网。其核心主张是:用抓取加清洗后的 Markdown 流,替代把原始 HTML 塞进向量库的做法。

如果我是一个不懂任何大语言模型机理的人, 那么我会认为在同一个会话窗口和Agent聊所有事情,完成所有任务,并几乎记住我的所有信息,才是真正的人工智能。 而不是上下文稍长就需要切换个会话出来,并告诉它前述信息才能继续工作。 而现在即使模型能力已经足够强大,我潜意识里仍然会将其归类为一种工具,而很难下意识地和它聊一些与真人才会聊起的话题。 即使在哲学层面上,现在的AI已经开始模糊工具定义的界限了。

如果我是一个不懂任何大语言模型机理的人, 那么我会认为在同一个会话窗口和Agent聊所有事情,完成所有任务,并几乎记住我的所有信息,才是真正的人工智能。 而不是上下文稍长就需要切换个会话出来,并告诉它前述信息才能继续工作。 而现在即使模型能力已经足够强大,我潜意识里仍然会将其归类为一种工具,而很难下意识地和它聊一些与真人才会聊起的话题。 即使在哲学层面上,现在的AI已经开始模糊工具定义的界限了。

开发者 @AnXin_37 提出一个关于“什么才算真正人工智能”的判断:用户期待的是在同一会话窗口里跨任务持续对话、并被长期记忆,而不是上下文一长就换窗口、重新交代前情。这指向当前大模型产品体验与大众直觉之间的落差。