Velar: 离线AI饮食追踪器

Velar 是一款完全在设备端运行的 AI 饮食追踪工具,用户无需联网即可通过拍照或语音记录食物营养。它的出现意味着饮食追踪类应用可能摆脱对云端 API 的依赖,走向本地推理和隐私优先的新路线。

Velar 是一款完全在设备端运行的 AI 饮食追踪工具,用户无需联网即可通过拍照或语音记录食物营养。它的出现意味着饮食追踪类应用可能摆脱对云端 API 的依赖,走向本地推理和隐私优先的新路线。

一款名为“NeuroHelper AI”(神经辅助人工智能)的产品近日在 ProductHunt 上线,据产品页面描述,它聚焦于利用 AI 技术辅助神经科学研究或临床场景(如脑电图分析、认知评估或康复训练)。虽然具体技术细节尚未完全公开,但这类垂直医疗 AI 工具的涌现,意味着大模型正向更专业的领域渗透。

AI 招聘市场出现极端分化——擅长直接使用 AI 工具、能管理多个 Agent 的个人贡献者或 player-coach 极度抢手,而传统“职位主管”类管理者岗位需求急剧萎缩。Swyx 观察到:管理 10 个 AI Agent 的一年经验,比管理 10–100 人的十年经验更受市场追捧。
![[Bug]: JWT team auth fails on /v1/messages unless x-litellm-team-id is explicitly set](https://www.chat-gpts.plus/wp-content/uploads/2026/07/31189-4bc625f4-768x403.jpg)
JWT team auth 在 /v1/messages 端点失败,返回 No team has access to the requested model ,除非显式传递 x-litellm-team-id 。原因是 LiteLLM_JWTAuth.team_allowed_routes 默认列表

该报错在 LiteLLM 使用 routing_strategy: latency-based-routing 且配合 Redis/Valkey 缓存时,对非聊天请求(embeddings、speech、image 等)产生,原因是 lowest_latency.py 中 timedelta 到秒的
![[Bug]: /v1/messages adapter drops reasoning_content → thinking blocks for OpenAI-compatible chat-completions backends (streaming)](https://www.chat-gpts.plus/wp-content/uploads/2026/07/29518-e12a48c7-768x403.jpg)
当 LiteLLM 通过 /v1/messages 代理 OpenAI 兼容后端(如 vLLM、SGLang)并使用流式传输时,模型返回的 reasoning_content (推理链)在转译为 Anthropic 格式的 thinking 块时被静默丢弃。优先排查原始 SSE 流中是否包含 rea

X 平台开发者 Jarrod Watts 公开吐槽,AI 产品 Codex 的模型与功能层级变得混乱,用户无法在 Codex 中访问功能最强的“Pro”级别模型,且对“Sol Pro”等模型的定位感到困惑。尽管产品口碑不错,但这类反馈暴露了产品设计在技术能力跃升后存在的用户体验断层。

分布式数据库厂商 OceanBase 正在洽谈 20 亿至 30 亿元的 A 轮融资,加速从数据库底层切入 AI 数据平台赛道,2026 年其年化收入已超过 14 亿元,同比增长约 70%。

xAI 在 Grok 中上线了名为“Build”的建造模式,用户只需用自然语言描述想法,就能直接生成带独立域名的网站、应用或游戏,且可实时预览和反复迭代。这意味着 Grok 从对话助手向端到端开发平台迈出关键一步,目前仅对月费 300 美元的 SuperGrok Heavy 订阅用户开放测试。

一名顾客在Circle K便利店使用AI自助结账机时,系统错误地识别其捐赠意图并生成了一笔高达85亿美元的慈善捐款账单。这一荒诞事故揭示了当前AI视觉识别与推理模型在零售场景中“幻觉”问题的严重性,也让业界重新审视将大模型直接部署于无人工干预支付环节的风险。