跳到正文
7月9日周四
  1. OpenAI:官网动态80

    OpenAI 推出 ChatGPT Work:可跨应用自主工作的 AI 智能体

    OpenAI 发布 ChatGPT Work,一个能跨应用和文件收集信息、将复杂项目分解为小步骤独立完成并持续工作数小时的 AI 智能体。它内置 Codex 技术,目前每周超 500 万用户使用 Codex,其中超 100 万用于非软件开发场景。ChatGPT Work 由今天同步推出的最新前沿模型 GPT‑5.6 驱动,具备多步骤推理和按模板生成材料的能力。该功能今天起面向 Pro、Enterprise 和 Edu 计划推出,未来几天扩展至 Plus 和 Business 计划。桌面版 ChatGPT 在所有计划(含免费版)中提供 Chat、Work 和 Codex 模式,且 Codex 应用已合并至新的桌面应用。

    推荐理由:ChatGPT Work 把代理能力真正派发给了普通用户,配合插件、定时任务和电脑控制,这是 ChatGPT 从问答工具迈向自主完成复杂工作的关键一步。但我更关心 GPT-5.6 的推理提升到底多大,案例里没给数字。

  2. LangChain:Blog64

    LangChain 与 NVIDIA 发布 NemoClaw Deep Agents 蓝图

    LangChain 与 NVIDIA 发布 NemoClaw for LangChain Deep Agents 蓝图,组合 LangChain Deep Agents Code、NVIDIA Nemotron 3 Ultra 和 NVIDIA OpenShell 运行时,帮助企业构建可控的开源智能体系统。

    推荐理由:原文给出评测数字和分层架构细节,读者可以据此评估开源智能体栈在成本与治理上的取舍。

7月8日周三
  1. OpenRouter65

    OpenRouter聊天室推出一键零数据保留

    新功能:聊天室一键ZDR(零数据保留) 在完全隐私保护下横向对比模型:https://openrouter.ai/chat

    推荐理由:OpenRouter 聊天室新加了一键 ZDR,对比模型时请求数据不存储,注重隐私的开发者会开心,但毕竟只是个开关,算不上大新闻。

  2. Hugging Face 社区博客66

    原生速度的 vLLM transformers 建模后端

    Hugging Face 宣布 transformers vLLM 后端现与手写原生 vLLM 实现速度相当甚至更快。模型作者无需移植代码,即可自动利用 transformers 获得超快推理。测试使用 Qwen3-4B(单 GPU)、Qwen3-32B(张量并行)和 Qwen3-235B-A22B-FP8 MoE(数据+专家并行)三种配置,吞吐量均达到或超过原生。该后端通过 torch.fx 静态分析图、AST 重写代码实现动态层融合,支持张量/管道/专家并行及 torch.compile。用户仅需添加 `--model-impl transformers` 标志。目前不支持线性注意力模型但即将支持。

    推荐理由:用 transformers 写的模型,现在不用改一行代码就能在 vLLM 里跑到手写实现的水平,模型作者最大的集成痛被抹平了。虽然主要是工程黑魔法,但生态意义不小。

  3. Gemini Notebook67

    NotebookLM短视频概览正式上线

    短视频概览功能已正式在移动端和网页端面向所有英语用户全面上线! 一如既往,您的意见对我们至关重要。请在下方分享您最喜欢的作品,并告诉我们接下来需要添加哪些功能!❤️

    推荐理由:NotebookLM 把 Audio Overviews 升级成短视频,谷歌想让笔记工具自己「讲」出内容,思路比功能本身更值得关注,但目前只是锦上添花。

  4. Hacker News:AI 热帖73

    Rowboat:开源、本地优先的桌面AI助手

    Rowboat 是一个开源、本地优先的桌面 AI 助手,将邮件、会议、Slack 等数据索引为 Obsidian 风格的知识图谱,提供持久上下文记忆。内置邮件客户端、浏览器、会议记录器、代码模式(可调用 Claude Code 或 Codex 代理),并支持按事件或定时运行的背景代理。用户可通过 MCP 协议接入 Exa 搜索、GitHub 等外部工具。所有数据以纯 Markdown 格式本地存储,无供应商锁定,支持 Ollama/LM Studio 本地模型或使用 API 密钥的托管模型。

    推荐理由:Rowboat 把整个工作台搬到了本地,知识图谱长期记忆的设计比大多数『聊天+搜索』的 AI 桌面工具更深,如果你受够了云端的隐私焦虑和冷启动,这个开源项目值得关注。

7月7日周二
  1. Google Blog:AI69

    Gemini API Managed Agents 新增后台执行、远程 MCP 与自定义函数等能力

    Google 为 Gemini API 的 Managed Agents 新增后台执行、远程 MCP 服务器集成、自定义函数调用与凭证刷新功能。后台执行通过传入 `background: true` 异步运行任务,立即返回 ID 供轮询状态或流式获取进度。Managed Agents 可直接连接远程 MCP 服务器,无需自定义代理中间件,并能与内置沙箱工具(如 Google 搜索、代码执行)混合使用。自定义函数调用支持本地执行业务逻辑,内置工具自动在服务端运行。凭证刷新通过传递现有环境 ID 和新网络配置完成,沙箱内文件系统、已安装包和仓库保持不变。这些更新旨在帮助开发者构建可靠的生产级 AI 智能体。

    推荐理由:Managed Agents 这次更新解决了异步执行和远程工具调用的痛点,让 Gemini 代理能真正跑在后台,对已经在用 Gemini API 做产品的开发者属于必读更新。

  2. Elon Musk72

    Grok Imagine 更新:支持 15 秒视频

    Grok Imagine 更新。请更新你的 Grok 应用!15 秒 Imagine 视频现已可用,质量令人难以置信。

    推荐理由:Grok Imagine 加入视频生成,xAI 在多模态上再进一步。15 秒视频质量据说惊艳,但推文缺细节,想试的可直接更新 App。

  3. Ethan Mollick75

    MIRA:可玩多人世界模型,20 FPS实时生成“火箭联盟的梦”

    MIRA是一个可玩、多人的世界模型,被形容为“火箭联盟的梦”。它基于10k小时公开机器人收集的数据训练,学习四玩家游戏动态,根据按键实时生成画面,帧率达20 FPS。模型由General Intuition与Kyutai Labs联合构建,Epic Games提供协作。Ethan Mollick称从最早的扩散DOOM玩过来,多人20 FPS效果出色。演示、技术报告及开源代码已公开,在ICML Booth 111现场展示。

  4. 腾讯混元71

    腾讯混元Hy3登陆OpenRouter,免费至7月21日

    腾讯混元Hy3模型已通过Novita Labs作为Day-0合作伙伴在OpenRouter上线,并开放免费使用至7月21日。Hy3采用295B MoE架构(21B active),原生支持256K上下文,提供三种可配置推理模式,在编码、推理及长上下文任务上表现强劲,专为智能体工作流和生产级AI场景优化,兼顾可靠性、效率与成本。

    推荐理由:腾讯混元 Hy3 在 OpenRouter 免费上线,295B MoE 模型直接可用,对想试国产模型海外部署的开发者是个低门槛入口,但模型本身没有给出超越预期的亮点,更像常规渠道拓展。

  5. Hugging Face 社区博客67

    Hugging Face Storage 成为 SkyPilot 一级后端:零出站费跨云存储

    Hugging Face Storage 现为 SkyPilot 的一级后端。用户通过 `hf://` URL 和现有 HFTOKEN 即可将 Hugging Face Bucket(读写)或模型/数据集/Space 仓库(只读)挂载到 SkyPilot 任务中,支持 MOUNT(FUSE 懒加载)或 COPY 模式。SkyPilot 可将任务调度到 20+ 云、Kubernetes、Slurm 及本地集群的任意可用 GPU 上。Hugging Face 不收取出站及 CDN 费用,故跨云读取数据无额外成本。存储价格 $12–18/TB/月,低于 AWS S3 加出站费。Bucket 基于 Xet,增量检查点和模型变体仅存储和传输改动部分。

    推荐理由:Hugging Face 和 SkyPilot 把存储和算力真正解耦了,跨云读取模型零出口费,用过 SkyPilot 的团队可以立刻省下那块 egress 账单。

  6. Gemini69

    Gemini Spark 可智能追踪话题实时反应

    Gemini Spark 现在可以智能追踪话题并实时反应事件。 试试下一篇帖子中的提示词,在你支持的球队比赛结束后,获取定制化的比赛分析邮件。

    推荐理由:Gemini Spark 加入实时话题跟踪和事件响应,相当于给 AI 助手装上了耳朵。做信息监测和体育内容自动化的可以直接抄作业。

  7. Claude Code:GitHub Releases67

    Claude Code v2.1.202 发布

    Claude Code v2.1.202 在 `/config` 中新增“Dynamic workflow size”设置,可控制动态工作流的 agent 数量规模(小/中/大),作为指导性建议而非硬性上限。工作流派生的 agent 现在会发射 `workflow.run_id` 和 `workflow.name` 的 OpenTelemetry 属性。修复了 mTLS 握手失败、远程控制发送命令失败、移动端发送无说明图片被静默丢弃、语音听写在麦克风故障时无限重试(改为暂停输入)、重载已有技能导致重复指令等问题。改进了工作流 agent 列表布局,MCP 错误消息更清晰。`/review <pr>` 恢复为快速单次审查,多 agent 审查请使用 `/code-review`。

    推荐理由:这波修复让远程控制和工作流终于稳了,以前被 silent drop 的文件和无线重试的 bug 都治好了,Claude Code 重度用户升级后体验会好一个档次。

  8. OpenClaw65

    OpenClaw 登陆 HuggingFace 本地应用

    OpenClaw 登陆 @huggingface 本地应用 🦞🤝🤗 1. 在 hf 上挑任意 GGUF/MLX 模型 2. 复制 openclaw onboard 设置 3. Voila,你得到一个完全本地的工具调用智能体。无云端、无密钥、无人监控。 让你的 claw 本地化到极致。抵抗是徒劳的 🦞

    推荐理由:OpenClaw 把本地工具调用代理做成了 HuggingFace 的一键部署,隐私敏感场景下的 Agent 开发终于有了低门槛方案,做本地自动化的值得一试。

  9. Claude:Blog71

    Claude Cowork 向移动端和网页端开放

    Claude Cowork 正在向移动端和网页端开放,让会话和文件跨设备同步。Beta 版将在未来几周内首先面向 Max 用户推出。Cowork 可让 Claude 跨文件、日历、邮件、即时通讯等工具完成复杂任务,其中超过 90% 的使用场景并非软件开发,而是日常知识工作(业务运营和内容创作)。工作可跨设备跟随用户:在桌面端开始任务,从手机查看进度;关闭笔记本后 Claude 可继续后台运行,支持定时任务(如周一 6 点自动准备客户简报)。当需要用户决策时,Claude 会将问题推送到手机。桌面端保留完整 Cowork 体验,支持无法安装桌面应用的用户。聊天和 Cowork 已在网页端和桌面端合并。为庆祝上线,双倍 Cowork 使用额度延长至 8 月 5 日。

    推荐理由:Claude Cowork 把它从桌面解放到手机和浏览器,90% 的日常知识工作被它接住了,跨设备、后台运行让 AI 助手真正能替你干活,不是聊天。

7月6日周一
  1. MarkTechPost71

    Synthetic Sciences 发布 OpenScience:面向机器学习、生物学、物理学和化学研究的开源模型无关 AI 工作台

    Synthetic Sciences 推出开源(Apache 2.0)AI 科研工作台 OpenScience,覆盖机器学习、生物学、物理学、化学。它运行从文献、假设、代码、实验到分析与撰写的完整科研循环,支持按请求切换任意模型(Claude、GPT、Gemini、GLM、Kimi、DeepSeek 及本地微调模型)。内置 250 余项可编辑技能和 UniProt、PDB、ChEMBL、arXiv 等约 30 个科学数据库作为智能体工具。用户可自带 API 密钥在自己的基础设施上免费运行,安装命令为 `npm install -g @synsci/openscience`,运行 `openscience` 启动浏览器工作台。另提供可选托管层 Atlas。该项目定位为 Anthropic Claude Science 的开源替代方案。

    推荐理由:一个开源、模型无关的科学AI工作台,填补了通用研究流程的开放空白,本地运行和API自带密钥的设计对数据合规和成本控制很友好,做生物学、化学、物理建模的团队值得上手试试。

  2. xAI:News68

    xAI 为 Grok Voice 新增 21 个旗舰语音

    xAI 发布 21 个新旗舰语音,加入原有的 5 个语音。所有新语音均支持多语言,已在实时 Voice Agent API、Text to Speech API 及新推出的 Grok Voice Agent Builder 中可用。每个语音针对客服、角色、解说、广告、教育等场景定制,支持通过 `[pause]` 等语音标签控制表达。原始 5 个语音(Ara、Eve、Leo、Rex、Sal)经重训练后,节奏、措辞和重音的自然度提升。所有语音原生支持 Grok Voice 的 25 种以上语言。

    推荐理由:Grok 一口气放出21种多语言语音,对做语音 agent 的团队是个弹药库更新,但影响的半径基本止于 xAI 生态内部。

  3. LMSYS Blog63

    SGLang 集成 DSpark 推测解码:置信度驱动的可变长度验证

    SGLang 团队将 DSpark 推测解码算法集成到开源推理引擎中。该算法采用半自回归块起草器一次生成一组 token,并利用置信度头与顺序温度缩放(STS)为每个请求动态分配可变验证长度,从而在高负载下裁剪无效验证成本。SGLang 支持密集模型(如 Qwen3)和稀疏模型(如 DeepSeek-V4),通过全 CUDA 图处理不规则的每请求验证长度。提供三种验证模式:`static`(全长)、`compact`(生产路径)和 `cap-accept`(接受上限测量)。还引入了零开销调度、基于离线成本表的在线调度器、融合 Triton 核等优化。在 H200 上使用 DeepSeek-V4-Flash 的测试中,DSpark 在整个并发扫描范围内比 MTP 和非推测基线实现了更优的吞吐量-延迟权衡。

    推荐理由:DSpark 这版推测解码的工程落地比论文本身更有看头——SGLang 用 ragged CUDA Graph 和动态调度把 trimm 掉的计算按字节级回收,383 tok/s 的单请求速度对部署方是即时可用的性能增益。

7月3日周五
  1. 公众号:京东JoyAI65

    JoyAI App上线UGC数字人功能,一张照片即可“捏”出专属虚拟玩伴

    JoyAI App正式上线UGC数字人功能,用户上传一张照片即可生成高度还原的写实数字分身,或搭配模板重塑为卡通形象,并支持复刻音色。该功能复用“万能博士”技术底座,实现全双工对话能力,可随时打断、自然接话,同时提供点外卖、金融咨询等生活服务。

    推荐理由:照片生成数字人并不新鲜,但把全双工对话和京东生活服务(点外卖、金融咨询)集成进一个虚拟玩伴,让陪伴型智能体有了更直接的服务抓手。

  2. 公众号:京东JoyAI68

    JoyAI App 上线 UGC 数字人功能,用户可“捏”出专属虚拟玩伴

    JoyAI App 近日上线 UGC 数字人功能,用户只需上传一张照片即可生成专属虚拟数字分身,支持一键复刻写实形象或通过模板重塑为卡通风格,搭配用户自己的语音即可解锁专属陪伴。该功能复用“万能博士”技术底座,集成 JoyAI 语言、语音、数字人大模型,实现行业领先的全双工对话,支持随时打断、自然接话。数字人兼具情绪陪伴与全能助手属性,可提供点外卖、金融咨询、学英语、规划行程等生活服务。

    推荐理由:京东把数字人技术做成了「传一张照片就能捏」的大众玩具,虽然看不出硬核突破,但对普通用户来说,这是第一次零门槛体验有形象有语音的 AI 玩伴,上手即用。

  3. 公众号:面壁智能65

    面壁智能发布AI全自动预训练框架ForgeTrain,8小时追平Megatron-LM

    面壁智能发布全球首个完全由AI编写、无人类干预的生产级大模型预训练框架ForgeTrain。该框架针对特定模型和硬件从零自动“锻造”专用训练代码。基准测试显示,ForgeTrain在8小时内追平Megatron-LM,1.5至2天内实现稳定反超,模型FLOPS利用率提升约8%~10%,且可迁移至不同模型(MiniCPM4-0.5B/8B)和硬件(H100及昇腾NPU)。其采用四阶段Harness优化流程,全程自动判定。面壁智能将其工程思想概括为Forge Engineering。

    推荐理由:这是AI编写生产级训练框架的首个实证,8小时追平Megatron-LM并反超,证明AI打穿Infra的范式已到临界点,做训练框架和Infra的都该看看。

  4. MarkTechPost70

    阿里巴巴发布 Page Agent:开源 JavaScript 库实现网页 DOM 自然语言操控

    阿里巴巴发布 Page Agent,一个开源的 JavaScript 客户端库,嵌入网页后可通过自然语言指令直接操作 DOM 元素。与 Playwright、Puppeteer 等外部浏览器自动化工具不同,Page Agent 不依赖截图或多模态模型,而是将实时 DOM 脱水压缩为 FlatDomTree 文本映射,让纯文本模型精准执行点击、表单填写等操作。它继承用户 cookies 和会话,无需独立后端,并支持任意 OpenAI 兼容端点的模型(示例使用 `qwen3.5-plus`)。项目采用 MIT 许可证,适合在自有应用内构建 AI 副驾、智能表单填充或无障碍控制等场景,但限于单页面范围,风险操作仍需服务端验证。

    推荐理由:Page Agent 把浏览器自动化从外部驱动变成页面内 JS,读 DOM 而非截图,让 SaaS 内的 AI 助手成本更低、更精准,适合自己产品内嵌 copilot 的团队。

  5. LangChain:Blog64

    OpenWiki:为编码智能体生成并维护开源仓库文档

    LangChain 推出 OpenWiki,一个为编码智能体自动生成和维护代码库文档的开源工具。它让智能体能直接检索所需的仓库上下文,无需将所有内容加载到单个指令文件中。

    推荐理由:LangChain 开源的这个文档生成代理解决了编码代理上下文管理的一个痛点,对重度使用 agent 做开发的团队很实用。

7月2日周四
  1. MarkTechPost72

    Google Health API 推出 CLI:ghealth 是一款针对 Fitbit 数据的开源工具

    ghealth 是一款封装 Google Health API v4 的开源命令行工具,以单个 Go 二进制文件发布(Apache 2.0 协议)。它提供 40 种已验证的数据类型(包括步数、心率、睡眠、体重、血氧饱和度、心率变异性等)的结构化 JSON 输出。工具采用 Agent 优先设计,具备确定性退出码、--dry-run 和 --raw 标志,并附带两个 SKILL.md 文件供 AI 智能体使用。用户需自行创建 OAuth 凭据,通过 PKCE S256 认证。数据来源覆盖 Fitbit、Pixel Watch 及连接的第三方设备。

    推荐理由:把 Google Health API 封装成终端和 AI 代理友好的 CLI,一次性解决了认证、JSON 输出和分页这些烦人细节,想用 Fitbit 数据做健康分析或喂给代理的人可以直接上手,但它的影响仅限于个人健康数据爱好者这个小圈层。

  2. 公众号:昆仑万维67

    昆仑万维天工3.2发布Skywork Tags,AI智能体加入工作群聊

    昆仑万维天工3.2发布Skywork Tags,将AI智能体以团队成员身份接入Slack、飞书、钉钉、Discord、Telegram等即时通讯工具。团队可在原有工作群中@Skywork参与讨论,无需切换窗口或迁移数据。共享版Agent持续吸收多样上下文后表现反超精心调教的个人版,团队最终完全改用共享版。Skywork Tags不要求改变工作方式,让AI积累团队上下文并越用越强。

    推荐理由:Skywork Tags 的思路走对了——不逼团队搬家,而是让 AI 进群,内部测试也证明共享 Agent 能远超个人调教,做协作工具的产品人可以借鉴。

  3. IT之家·人工智能80

    AI 版支付宝开放公测,蚂蚁阿宝无需邀请码即可体验

    支付宝阿宝 AI 助手今日正式开放公测,iOS 和安卓用户可在应用商店或支付宝 App 搜索“阿宝”或“蚂蚁阿宝”直接体验。开通后右滑进入新版,以对话方式安排办事,例如说出“查公积金”,阿宝会自动匹配对应小程序和服务入口,用户点击确认即可完成。支付宝承诺所有资金变动与支付环节均需用户本人确认,扫码、转账等功能已预留入口。

    推荐理由:支付宝把 AI 助手从内测推进公测,对话式办事对普通用户来说很直观,省去了多层菜单跳转,虽然支付等敏感环节还是手动确认,但体验上的进步是实在的。

  4. Claude Code:GitHub Releases64

    Claude Code v2.1.198 发布

    Claude Code v2.1.198 更新。Claude in Chrome 现已全面可用。为 claude agents 新增后台智能体通知(agent_needs_input / agent_completed)。新增 /dataviz 技能,提供图表与仪表盘设计指导及配色验证器。Gateway 增加 AWS 上的 Claude Platform 作为上游提供商。后台智能体在 worktree 中完成代码后自动提交、推送并创建草稿 PR。内置 Explore 智能体现继承主会话模型(上限 opus)。修复网络短暂断开导致响应中断、后台任务卡在“Running”状态、智能体团队队友因 API 错误失败等问题。

    推荐理由:如果你是Claude Code用户,这次更新很实在,Chrome版终于正式可用,背景agent的自动提PR和通知功能能省不少事,/dataviz也能辅助可视化。

  5. Google Developers Blog68

    Google Cloud Workbench Notebooks 扩展发布:在 VS Code 中连接云端 Jupyter 环境

    Google Cloud Workbench Notebooks 扩展正式上线,开发者可在 VS Code 中直接连接可扩展的云端 Jupyter 环境,无需切换上下文即可利用高性能 Google Cloud 基础设施完成机器学习全流程。该扩展已完全开源,可在 GitHub 和 VS Code Marketplace 获取。

    推荐理由:这个扩展把Google Cloud的Jupyter环境直接嵌进VS Code,做ML的开发者不用再切换窗口,工作流会流畅不少,但对行业格局影响不大。

  6. Claude:Blog61

    Claude Enterprise 新增用量与成本分析及支出管控功能

    Claude Enterprise 推出更丰富的管理分析工具和成本控制功能。仪表板现可按群组和用户分析用量与成本,支持按 SCIM 群组筛选,展示制品创建、文件编辑、技能和连接器对应的成本。Claude Code 管理控制台新增“使用量”和“价值”选项卡,分别显示活跃开发者、会话次数、常用命令,以及生产力提升估算、每次提交成本和年度价值估算。分析聊天支持自然语言查询并返回可导出图表。Analytics API 可将数据接入 Datadog Cloud Cost Management 和 CloudZero。管理员可设置模型默认和权限控制,并配置组织级支出限额的 75%、90% 告警通知;用户在 75% 和 95% 时收到应用内提醒。Admin API 支持自动审批额度增加、标记接近限额用户及快速变化的用量。

    推荐理由:企业版管理员终于有了按群组和用户的成本明细、模型权限和花费警告。我觉得规模化部署 Claude 的团队会很看重这些,尤其能把 Claude Code 的价值量化成 ROI,财务团队可以直接拉进现有系统,不是一次性噱头。

7月1日周三
  1. 智谱 Z.ai67

    智谱推出GLM-5.2官方开发环境ZCode

    推出 ZCode,GLM-5.2 的官方开发环境 - GLM Coding Plan 订阅用户:现可在 ZCode 获得 1.5 倍使用配额 - 支持 BYOK:可与您现有的订阅和 API 配合使用 - 适用于 macOS、Windows 和 Linux 立即下载:http://zcode.z.ai/en

    推荐理由:智谱为 GLM-5.2 推出官方 IDE,1.5 倍配额和自带密钥对已有订阅的人挺实用,但整体只是常规产品完善,算不上行业级事件。

  2. xAI:News77

    xAI 发布 Voice Agent Builder 测试版

    xAI 推出 Voice Agent Builder 测试版,这是一个基于 Grok Voice 的无代码平台,可在两分钟内创建生产级语音智能体。它集成电话、知识检索、工具、MCP、Guardrails 及可观测性,支持连接现有 SIP 号码、API 和 WebSocket,采用语音到语音路径。在 τ-voice Bench 上,Grok Voice Think Fast 1.0 得分 67.3%,领先 Gemini 3.1 Flash Live(43.8%)和 GPT Realtime 1.5(35.3%)。定价为每分钟音频 0.05 美元、电话费 0.01 美元,提供 80+ 种语音及声音克隆,每个账户附赠一个免费电话号码。

    推荐理由:xAI 用 Grok Voice 原生的语音到语音路径,把生产级语音代理的搭建门槛降到了无代码、两分钟,计费也简单,做语音业务的人值得试试。

  3. Gemini Notebook68

    NotebookLM Short Video Overviews 全量上线 Web 英文版

    NotebookLM 正式向 Web 英文用户全量推出 Short Video Overviews(短视频概览)功能。该功能可将复杂资料自动转化为 60 秒竖屏视频,深入讲解任意概念。此前,这一功能已面向 Google AI Ultra 和 Pro 订阅者(移动端及 Web)推出,免费用户即将可用。

    推荐理由:NotebookLM 把资料源变成 60 秒竖屏视频,想法不新但落地很实用,学生和内容创作者可能会高频用上,只是颠覆性谈不上。

  4. TechCrunch:AI72

    Acti 将 AI 智能体直接放入手机键盘

    新加坡初创公司 Acti 发布基于 Google Gemini 的智能体键盘,可代替用户在应用中执行操作。核心功能 Skills 允许用自然语言创建快捷方式,如长按 T 键翻译消息、C 键发送会议链接。早期测试者两周内创建超 1000 个 Skills。采用本地优先架构,默认不访问私人消息。公司获 530 万美元种子轮融资,由 BITKRAFT Ventures 领投,现已开放下载。

    推荐理由:Acti 想用 AI 代理重塑手机键盘,把 Gemini 塞进输入法,离不离开 App 都能用 AI 的思路很讨巧,但换键盘的阻力不小,目前更像一个有趣的试验品。刚拿到 530 万美元种子轮,有试错空间。

  5. Google Developers Blog67

    ADK Go 2.0 发布:构建可靠的多智能体应用,新增基于图的工作流引擎、人工参与循环与动态编排

    Agent Development Kit (ADK) for Go 2.0 发布,引入了一类基于图的工作流引擎,用于组合复杂多智能体应用。新版本内置人工参与循环(HITL)编排、使用纯 Go 代码的动态执行、以及指数退避重试等自动弹性特性。统一执行模型后,单智能体应用与复杂图均运行在同一运行时上,简化了遥测与状态持久化。

    推荐理由:Google 给 Go 生态补上了多智能体编排的关键一环,图工作流引擎和人机协同直接内置,比之前拼积木的方式可靠很多,做 Agent 的 Go 开发者值得跟进。

  6. Claude76

    Claude Science 科研应用 beta 版发布

    推出 Claude Science,一款面向研究每一阶段的全新应用。 构件可追溯至其代码,环境按需管理,并可连接 60 多个可选科学数据库。 现已开放 beta 版。

    推荐理由:这不是又一个AI聊天界面套壳,而是把artifacts溯源码和60+科学数据库深度整合的科研工作台,实验室里被数据管理折磨的科研狗值得立刻看一眼。

  7. Apple:Newsroom66

    Apple Creator Studio 更新:更智能、更快速、更互联

    Apple Creator Studio 推出多项 AI 增强更新。Final Cut Pro 新增 on-device AI 驱动的 Generate Captions(自动转录音频生成字幕)和 Edit Detection(自动检测剪辑点)。Mac 版加入 Auto Mask(自动识别皮肤、天空等主体)、增强的 Match Color 和 Advanced Trimming。支持将帧发送至 Pixelmator Pro 编辑,并在 Keynote、Pages、Numbers 中直接调用 Pixelmator Pro 修改图片。Logic Pro 新增 Grammy 制作人制作的 Producer Project 及 Chord ID 改进。订阅价 $12.99/月或 $129/年,新用户免费试用一个月,教育用户 $2.99/月。

    推荐理由:Final Cut Pro 的自动字幕和遮罩是实打实的工作流提升,Pixelmator Pro 的深度整合也让设计更顺畅,虽然没有颠覆性突破,但创意工作者今天就能用上。

  8. Simon Willison 博客73

    用 shot-scraper video 让 AI 智能体录制工作演示视频

    shot-scraper 1.10 新增 shot-scraper video 命令,支持通过 storyboard.yml 文件定义操作步骤,并利用 Playwright 录制浏览器视频。演示视频展示了 Datasette 中从粘贴的 CSV/TSV/JSON 数据创建新表的功能。该功能依赖 Playwright 1.61.0 新增的 screencast 机制,解决了此前视频开头白帧、宽度固定 800px 等问题。开发者 Simon Willison 强调,将 --help 输出设计得足够详细,可使编码 Agent 直接利用该命令生成演示视频。

    推荐理由:Simon 把 agent 的产出从文字推到了视频,这个 shot-scraper video 让 agent 自己生成 storyboard 并录屏,等于给自动化流程加了一双眼睛,开发者可以立刻用上这套 demo 生成方案。

  9. Boris Cherny68

    Claude Desktop Linux版正式发布

    你们要求,我们听取。Claude Desktop Linux版来了! 下载链接:https://code.claude.com/docs/en/desktop-linux

    推荐理由:Claude Desktop 正式支持 Linux,对常年用 Claude Code 的开发者是补上了最缺的一环,不用再在终端和浏览器之间来回了。

  10. Claude Devs67

    Claude Desktop 推出 Linux 公测版

    Claude Desktop 现已在 Linux(Ubuntu 和 Debian)上推出测试版。 除了浏览器和终端,你现在可以在所有付费计划中获得一流的桌面体验,包括 Claude Code、Claude Cowork 和聊天。

    推荐理由:Claude 桌面端终于来到 Ubuntu,补齐了 Linux 开发者工作流里缺失的一环,beta 状态不影响它与终端、浏览器的深度打通。

6月30日周二
  1. 公众号:卡尔的AI沃茨70

    AI News Radar 大更新:新增自媒体板块,支持订阅多平台账号

    AI News Radar 迎来大更新,新增自媒体板块,支持订阅某书、某音、某站、某X等平台账号,每日按热度推荐 Top10 信息(无热门则不硬凑),同时保留时间轴视图,可在热度优先和时间优先间切换。官方来源包括 OpenAI、Anthropic、Google 等一手消息及 GitHub AI&ML 更新日志。信息流按来源、类型、信号等级分类,标注高优先级与多源认证。项目完全开源,可零 API 部署独立 AI 日报页面,支持手机移动端及暗色界面。

    推荐理由:我觉得这是目前最实用的AI信息过滤工具,新版直接整合了社媒热榜和官方源,内容创作者可以拿来当选题雷达,普通人也能一键部署自己的AI日报,省去每天刷各个平台的时间。