搜索“搜索”

级其移动应用，覆盖 iPhone、iPad、Android、Chromebook 及网页与桌面端。 其中最受关注的是 iPhone 版 Claude 的语音模式现已支持 Apple CarPlay，用户无需双手离开方向盘，可在驾驶途中直接向 Claude 提问。IT之家附上相关截图如下： Anthropic 还预告，iPhone 和 iPad 端即将支持下拉搜索功能，用户可快速查找历史对话或项目、跳转设置，并直接在搜索结果中操作对话。 在 iPad 和 iPhone Duo 上，Claude 生成的内容不再覆盖聊天窗口，可以实现并排展示，需要细看时，用户可将其切换为全屏。在实际场景中，用户可以一边与 AI 对话，一边查看其生成的文档、代码或设计内容。 账号管理方面，iOS 与 Android 版 Claude 支持同时保持多个账号登录，并可在账号之间直接切换，无需反复登出和登录。 在大屏与折叠屏设备上，Android 版 Claude 的体验进一步向桌面端靠拢。官方表示，在 Chromebook、Googlebook 及折叠屏手机上，应用现在具备可调整大小的侧边栏、触控板与右键操作，并

匹配字段正文

得不好，这是这门生意的载体自己消失了。按点击付费的前提是用户得点，而AI不给用户点的机会。当用户不再点击，CPC这个计费方式就失去了计量单位。 所以百度真正的危机不是"用户跑了"，是"用户还在问，但那个可以把问题转卖给广告主的机制不见了"。 这一年百度App月活连着三个季度下滑，同比少了几千万，这个趋势是真的。但比数字更致命的，是它下滑的方式：用户不是不需要搜索了，是不用"百度这个搜索"了，因为答案在别的地方。 二、百度换血换得很成功，但换的是毛利 接下来是第二个更隐蔽的问题。 看两组数字的对比：有分析把二季度拆成了两块，AI云收入同比多赚了大约24亿，在线广告同比少赚了大约31亿。季报里营收基本持平，利润却塌了。 为什么？因为这两块钱不是同一种钱。 广告是典型的轻资产高毛利生意。一条搜索结果页多挂两个广告位，成本几乎不增加。它的毛利率常年在高位。 AI云是重资产生意。要买卡、要建数据中心、要付电费、要养几百人的交付团队。它的毛利率低得多，而且要垫资本开支。所以百度正在做的，是用一块钱的高毛利收入，换一块钱的低毛利收入。收入表看起来没怎么变，利润表塌了一半。 营收持平，利润腰斩，这不是

匹配字段正文

确认。AI产出结果后，自动回传至企微会话或审批流，进入下一环节的工作流。 腾讯希望借此把Agent从外挂工具变成组织内的一个节点，但节点能不能站稳，取决于企业是否愿意把审批流和群聊记录交给它。也就是说，这套逻辑成立的前提是，企业相信“给Agent更多上下文”的收益大于风险。 上下文也不只来自企业内部。汤道生提到，当WorkBuddy的任务需要外部信息时，元宝搜索会提供实时数据。依托国内外权威网站、专业数据资源与腾讯内容生态，元宝搜索沉淀了千亿级索引，满足深度调研需求；它既作为ChatBot提供快而准的答案，也通过API向行业开放搜索能力。 当然，拿到上下文只是入场券。企业真正关心的是另一组问题：钱花在哪、错出在哪、慢卡在哪。 10月13日上线的“可观测中心”试图回答这些——实时观测、会话追踪、轨迹详情，三层能力从宏观流量下钻到具体节点的Prompt与模型调用，这是企业敢把Agent放进真实业务流程的前提。 对此，汤道生表示：“这些功能是让客户自己能衡量，能搞清楚他花的钱花在哪儿。”至于安全与可观测，他强调这是平台的共性能力：“企业所需要的可控性、需要的数据安全、需要的可跟踪的能力，其实

匹配字段正文

，无需离开Gemini应用。 此次更新支持的文件类型包括PDF、Google Docs文档、Google Sheets表格、幻灯片、Markdown、TXT文本及代码文件。新功能即日起面向所有Gemini用户开放。其中，PDF预览和编辑功能同时支持网页版与移动端，其他文件类型目前仅支持网页版。 谷歌表示，用户可以将文档展开至全屏模式进行编辑，也可以选中文件中的文字，向Gemini提问或要求其修改内容。例如，用户选中一张表格后，可以直接要求Gemini将其转换为图表。 今年早些时候，Gemini已支持生成和下载文件。此次更新进一步加入应用内编辑功能，让用户能够在同一聊天界面中继续调整生成的文件。 此前，用户也可以通过谷歌Workspace应用中的Gemini集成功能编辑文件，例如使用Google Docs内的Gemini侧边栏。此次更新将文件编辑功能直接引入Gemini聊天界面。Anthropic也在今年早些时候推出了类似功能，允许用户在Claude聊天中生成和编辑文档及演示文稿。（编辑/于雷） 更多一手新闻，欢迎下载凤凰新闻客户端订阅凤凰网科技。想看深度报道，请微信搜索“凤凰网科技”。

匹配字段正文

AgentCore 托管出口访问 MoEngage 的内部服务，而不是通过 MoEngage 自行构建和运维的网络。在入站方向，网关只能通过带有私有 DNS 的 VPC 接口端点访问。不存在通往它的公网路径。接入新 API 只需添加一个目标，而不是更改网络拓扑。这正是打破 乘以七个区域 难题的特性。网络只存在一次，每个 API 都使用它。 作为网关能力的语义搜索。 借助 x amz bedrock agentcore search 能力，智能体可以通过描述任务来查找工具，而不是通过命名工具。这消除了对自定义发现层的需求。它还顺带消除了重命名带来的脆弱性：如果 get segment user count 变成 get segment size，搜索 分群用户数 的智能体仍然能找到它，因为匹配是基于描述而非标识符进行的。 实践中的架构 从智能体到内部 API 的请求流程很短，每一层都有特定的职责。智能体服务通过 VPC 接口端点连接到 AgentCore Gateway，后者评估 Cedar 策略，并通过 Amazon VPC Lattice 上的托管出口将工具调用路由到内部 API。

匹配字段正文

单填写、条件处理、滚动和验证。以下步骤突出了 Nova Act 的差异化模式： 步骤 指令 1 输入用户名并选择 下一步 2 输入密码并选择 验证 3 导航到 创建代理 并选择 设计新规范 卡片 4 如果出现入门导览框，请选择 跳过导览，然后验证加载了正确的页面 5 填写代理名称和描述字段 6 向下滚动，直到 目标陈述 字段可见，然后填写该字段 7 如果技能搜索框不可见，请滚动直到其出现。然后搜索并添加一项技能 8 选择“ 保存，确认成功提示，返回上一页，并验证新代理出现在列表中步骤 4 和 7 展示了 条件逻辑 ：“如果某个元素出现，就处理它”以及“如果目标不可见，就滚动直到它可见。”这些模式在传统框架中需要显式分支。Nova Act 通过语言理解自然地处理它们。运行时隔离 Epsilon 在一个 专用运行器服务 （一个 FastAPI sidecar）中运行 UI 测试，该服务固定使用 3.x 版本，支持 Workflow 和 IAM 身份验证，并包含 Amazon Bedrock AgentCore Browser Tool 客户端。这将依赖项与主后端分离，因此不会与 Stran

匹配字段正文

Phan，BI 开发员，AWS，AWS 的 BI 开发员 Rikhi Singh，AWS 的 ADC 工程师，AWS 的 ADC 工程师 图 2：英国 Amazon Quick 用户小组领导团队 Amazon Quick 社区资源 英国 Amazon Quick 用户小组在 2026 年如何成长 Amazon Quick 社区网站 拥有数万名成员和数千个可搜索的问题。它还提供超过600项学习资源，帮助你借助智能体AI和Amazon Quick提升生产力。 “Quick 社区的核心在于共同学习、建立联系。在这里，任何技能水平的用户都能找到帮助、学到新东西、结识他人。我最喜欢 Quick 社区的地方，是每个人都真心实意地乐于助人。这个地方会为你展现那些你原本不会想到去探索的可能性；你会偶然遇到正在做你根本想不到要问的项目和用例的人，突然间，你的世界就变得宽广了许多。” — Kristin Mandia，AWS 高级社区经理 学习机会包括每周大约两场 免费在线课程 每周、每月功能更新详解与高级自动化课程，以及4小时的沉浸日工作坊。AWS解决方案架构师、产品经理和主题专家活跃在平台上，可直接

匹配字段正文

ectl、Helm，以及 envsubst 来自 GNU gettext。 配额： 两个 g6.12xlarge 实例的 96 个 vCPU 的 G 系列按需容量，且需位于至少有一个可用区提供该实例类型的 AWS 区域。如果你已经持有这些实例的按需容量预留，请设置 CAPACITY RESERVATION ID ，脚本会将节点组启动到该容量预留中，并跳过容量搜索。 预算： 每小时约 9.50 美元，在 GPU 实例运行期间，涵盖两个实例、EKS 控制平面和 NAT 网关。 快速确认 CLI 是否指向你预期的账户： aws sts get-caller-identity 训练代码：一个函数和一个训练器 code/train.py 就是整个任务，其中不包含任何与容器、集群或网络相关的内容。Ray 会在 train func 每块 GPU 执行一次。它向 Ray 请求自己的 rank，加载模型，将其交给 prepare model 用于 FSDP，并运行一个普通的 PyTorch 循环： code/train.py —— 每 GPU 函数（节选） def train func(config)

匹配字段正文

ent-review 只向评审者提供 3 项输入：diff、需求和测试结果，并刻意不提供作者的对话记录。其理由是：继承作者上下文的评审者会重复作者的盲点。 subagent-split-check 指出，只有当上下文是被实测出的问题时才拆分工作。按团队或问题类型拆分不是正当理由。 tool-budget-audit 区分 2 种成本：工具定义和工具结果。工具搜索主要削减前者，程序化工具调用主要削减后者。 harness-experiment 强制每次实验只做 1 项变更。它跟踪翻转的任务、每任务请求数、token 数、缓存命中率和实际耗时。 长命令清单有 10 项。它询问将命令移到后台是否会重新运行进程，也询问未读取的结果能否在压缩后保留。 6 个 engineering- 技能改编自 Google Engineering Practices。根据该技术栈的 NOTICE，该材料仍遵循 CC-BY 3.0。 如何安装 MCode Stack？ 根据 README，有 3 种方式： 单个技能：克隆仓库，将技能文件夹复制到 /.agents/skills/。 整个技术栈作为本地插件：将 s

匹配字段正文

商或芯片厂商，可以在同一个界面上跨厂商比较和试用。 The Register对此有一个尖锐的类比：你不会允许一家汽车制造商收购主要的燃料分销渠道，同时把培训维修技师的体系也一并买下，而英伟达收购Hugging Face，几乎同时做了这两件事。 英伟达承诺“不强制使用英伟达计算资源”，但这恰恰暴露了行为承诺的局限。中立性真正的考验不在显性的强制，而在默认设置、搜索排序、工具链优化方向、文档与教程的倾向性这些日常而隐蔽的层面。当平台的所有者同时是平台上最重要参与者的供应商时，利益冲突是结构性的，而非靠一纸承诺可以消解的。 更值得深思的是，Hugging Face一年前曾拒绝英伟达5亿美元投资，理由正是不希望单一投资方获得过大话语权。从拒绝少数股权投资到接受全资收购，这一转变本身说明：在资本密度极高的AI基础设施竞赛中，独立的中立平台要同时做到“做大”和“保持独立”，几乎是一个不可能三角。 司法部的审查未必会阻止这笔交易，因为政府调查不等于违法认定，工作人员主导的反垄断案件往往历时数年，最终可能以和解或行为性救济收场。但审查本身已经提出了一个超越个案的问题：当AI的基础设施层——算力、框架、

匹配字段正文

是新品突围的重要战场。CODEMINT纨素之肤通过“全域联动+多维补贴”，成功将新品势能转化为大促销量，GMV同比提升超80%，消费券成交占比超50%。 围绕主推产品矩阵，品牌提前完成货盘分层、库存与预售节奏规划，针对爆款面膜组合设计专属直播节奏。直播间内，叠加多重补贴互动讲解，拆解新品升级点与性价比，引导用户组合用券下单，缩短决策链路。 在流量承接上，结合搜索关键词与补贴权益优化商品卡标题，承接场内外溢流量；同时品牌分梯度安排达人开播，结合粉丝画像匹配专属货盘，实现自播与达播联动，并做好爆款库存跟进与售后体验优化。最终，CODEMINT纨素之肤直播间日均GMV同比提升超43%，实现新品爆发与长效经营的双赢。 秦磊男装：把大秀搬进直播间，明星联动创下账号GMV历史峰值 “边看秀边下单”，正在成为双11男装消费的新体验。秦磊男装将“时装大秀”搬进直播间，直接创下账号GMV历史峰值，登上抖音带货总榜TOP2。 大促前期，品牌以「头排看秀」IP为核心，提前7天发布预热视频，通过明星矩阵造势，前置建立了品牌期待。在货盘端，品牌细致地搭建了梯度矩阵：日常卫衣承接降温走量，羊绒大衣拉宽价格带，并拓

匹配字段正文

030年上车。（蓝鲸汽车） OpenAI计划购买谷歌AI芯片 10月28日消息，据外媒援引知情人士消息报道，OpenAI 计划采购谷歌的 AI 芯片。报道没有披露交易金额与更多细节。谷歌暂未回复外媒的置评请求，OpenAI 方面则拒绝发表评论。 若该计划落地，将进一步深化 OpenAI 与谷歌母公司 Alphabet 之间的合作关系。两家公司在 AI 产品、搜索业务上互为竞争对手，却接连达成商业合作。上周，OpenAI 刚刚宣布，将通过谷歌云对外开放其前沿大模型。 随着企业寻求更便宜且适合运行人工智能模型的芯片，谷歌的张量处理单元(TPU)作为英伟达市场领先的AI芯片的替代方案，越来越受欢迎。谷歌今年开始直接向部分客户销售TPU。此举也体现了OpenAI多管齐下、急迫提升自身AI算力的战略意图。（三言科技、财联社） SK海力士称未来三年DRAM和HBM产能基本售罄 10月28日，SK海力士在财报会上表示，截至2029年的未来三年，公司DRAM和高带宽内存（HBM）产能基本已售罄，长期销售前景显著改善。公司已于第二季度完成下一代HBM4E样品出货，HBM4开发与认证进展符合客户时间表。（

匹配字段正文

。 这些活的共同点是量大、重复、有固定口径，正好是 AI 擅长的。所以别指望它当交易员，让它当那个不会累的研究助理更实在。 二、四类活，15 个技能分头接 把日常投研拆开，无非四类活。 第一类是看着。 自选股管理把清单存在本地，分好组，随时改随时加。它自己会生成一个带行情和基本面的展示页，不用你每天早上手动刷新一遍。 第二类是读着。 这块有三个技能分工。公告搜索按分类筛公告，把 PDF 原文下下来转成 Markdown，股票、ETF、可转债都支持。智读新闻汇总多源报道，去重归并、按主题分类，还出客观统计：哪天报道最密集、媒体来源分布、热度前几是哪些、舆情环比怎么走。研报摘要把机构的评级和目标价拎出来做统计，每条还能单独存成 Markdown 供精读。三个都不做倾向判断，只做转述和计数。 第三类是找着。 形态猎手内置 34 类 K 线形态，分趋势延续、底部反转、顶部反转、整理突破四族，能对沪深 300/500/1000 成分股甚至全 A 做形态雷达扫描。它给两层分：规则命中一层，形状相似度一层，13 个 K 线周期都支持，阈值按周期自动缩放。还有个偏门但好用的功能，你手绘一个形状，或者截

匹配字段正文

尼迪(Matthew Kennedy)表示，人工智能基础设施是今年IPO市场的“头号主题”，“但它也是过去几周抛售潮中受冲击最严重的板块之一”。 投资银行家已警告企业，它们可能无法获得两个月前还在考虑的估值。高盛CEO大卫·所罗门(David Solomon)本月在一次财报电话会议上表示，尽管公开募股市场“完全开放”，但如果企业仍希望获得接近今年夏季讨论的估值，可能会选择暂缓上市。“9月份的行情有所走软。”他说。 Anthropic的营收数据进一步加剧了市场疑虑。此前，市场预计该公司上市时的估值最高可达2万亿美元。但据一位知情人士透露，在看到营收增速放缓以及市场持续低迷后，一些投资者已开始讨论1.5万亿美元至1.7万亿美元的估值区间。 人工智能行业高管一直在努力安抚市场情绪。本月，为人工智能行业供应芯片的台积电CEO魏哲家表示，公司的利润增长“没有上限”。 上周晚些时候，随着市场对人工智能支出的担忧日益加剧，股市进一步下跌。以科技股为主的纳斯达克综合指数创下6月以来最大单日跌幅。(作者/箫雨) 更多一手新闻，欢迎下载凤凰新闻客户端订阅凤凰网科技。想看深度报道，请微信搜索“凤凰网科技”。

匹配字段正文

或程序员，Personal Agent触及的是更广泛的用户需求：购物比价、机票和酒店盯价、账单与自动续费管理、家庭出游安排、班级群和工作群信息整理，乃至宠物照护、车辆年检和疫苗提醒。 这些生活小事有一个共同点：事情本身未必复杂，却需要长期记住，相关信息还会不断变化。用户需要的，是有人替自己持续盯着，有变化及时提醒，需要处理时再往前推进。 当AI能围绕用户目标搜索、比较并持续跟进，用户的选择便从“打开哪个App找服务”，转向“把事情交给哪个AI”。平台和商家的竞争也会随之变化：服务能否被Agent发现、调用，并完成交易与履约。Personal Agent因此有机会成为新的服务入口，成为全球巨头布局的重点。 Muse更强调围绕目标自主执行。在其官方介绍的场景中，AI可以处理网页、邮箱和在线服务，帮助用户发送邮件、预订旅行、填写表单，也可以在用户关闭应用后继续推进长期目标。涉及发送邮件或购买等敏感动作时，Muse会要求用户批准。 这一路径与海外的互联网服务环境有关。在海外，邮箱是人们管理日常事务的信息中枢，承载着订单、账单、预约和行程等信息；网站与在线平台则是获取服务、完成交易的重要入口。A

匹配字段正文

型 MoE 模型的低延迟目标下，TPU 8i 的每美元性能提升高达 80%，两款芯片的每瓦性能均提升高达 2 倍。该公司还表示，借助其 JAX 框架和 Pathways 软件，它可以将分布式训练扩展到单个集群中超过 100 万颗 TPU 芯片，并且 Virgo Network 可以连接超过 134,000 颗 TPU 8t 芯片，提供高达每秒 47 petabits 的无阻塞对分带宽。 当前产品阵容与可用性 Google Cloud 的 TPU 产品页面将 TPU 8t 和 TPU 8i 均列为即将推出。第七代 Ironwood TPU 每个 pod 采用 9,216 颗液冷芯片，额定性能为 42.5 exaflops，与第六代 Trillium 一同被列为正式可用。Google 将 TPU 描述为定制设计的专用集成电路，为其 Gemini 模型以及包括搜索、照片和地图在内的旗舰产品提供支持，并原生支持 PyTorch 和 JAX 软件以及用于推理的 vLLM 引擎。 两家公司表示，OCI 上的 Google TPU 将于 2027 日历年内提供，并在多年内逐步扩大规模以满足客户需求。

匹配字段正文

、来源、成本和知识产权保护方面的要求为每项创作任务选择模型。 Oracle AI Media Models是Oracle开发的模型，专注于视频生成、图像生成和图像编辑。Oracle表示，这些模型旨在帮助媒体工作室和娱乐公司加速内容创作，同时保持创意控制，在Oracle Cloud Infrastructure（OCI）上实现受治理的大规模媒体处理、智能策展和搜索以及前沿模型定制。 Oracle Video Edge是一个AI赋能的托管平台，面向举办大规模直播活动的广播公司和流媒体提供商。Oracle表示，它利用实时网络和播放信息来协调容量，并将观众引导至OCI以及参与的内容分发网络和互联网服务提供商网络中的合适交付位置，旨在保持高视频质量和低延迟，使播放在观众规模达到峰值时能够快速启动并保持流畅。 Oracle此前的视频交付工作 被宣布为Oracle Video Edge的交付组件与Oracle Video @ Edge同名，后者是该公司媒体服务团队在公告发布前数月一直公开记录的一项服务。在2026年3月16日发表于Oracle Cloud Infrastructure博客的一篇文章中

匹配字段正文

大小为 7，高于 LFM2 中的 3。还有三项进一步的变化定义了该骨干：逐头门控注意力，其中 sigmoid 门控缩放每个注意力头的输出，可抑制损害量化的激活离群值；部分 RoPE，其中全局注意力层仅对每个头的最高频一半进行旋转，而滑动窗口层保留完整 RoPE；以及三明治归一化，对每个块的输入和输出进行归一化。 该设计来自 Liquid AI 的硬件在环架构搜索，为 LFM3 扩展到 14 种设备和后端组合，包括手机（Samsung Galaxy S26 Ultra 和 OnePlus 15）、Raspberry Pi 5、笔记本电脑（Apple M4 Max 和 AMD Ryzen AI）、Arm 和 x86 云 CPU、GPU，以及 Qualcomm Hexagon NPU。 LFM3-1.7B-Base 在 22T token 上预训练，其中最后 3.5T token 构成在精选数据上的中期训练阶段，智能体轨迹和工具调用的占比更高，同时将上下文窗口扩展到 256K token。后训练分四个阶段进行：在 1.75T token 上进行监督微调、混合强化学习、从六个专家强化学习教师进

匹配字段正文

目的核心。对话式系统可以建议一次旅行，但要完成它，需要可用的库存、一致的定价信息以及能够执行该请求的预订服务。Travelport 的现有产品显示了这种连接必须在何处实现。 Travelport 运营着一个全球分销系统，将旅行供应商与旅行社、在线旅行销售商和旅行管理公司连接起来。其 Travelport+ 平台将来自航空公司、酒店、租车公司及其他来源的内容与搜索、预订和服务工具相结合。旅行社可以通过 Smartpoint 应用程序开展工作，或通过 API 进行集成。 这些内容通过不同渠道到达，包括传统分销格式和使用新分销能力（NDC）的航空公司 API。在 AI 系统能够有意义地比较报价之前，这些不同的表示形式需要变得足够一致，以便进行搜索和操作。否则，一个看似令人信服的推荐可能会掩盖实际包含内容或可预订性方面的差异。 Travelport 的内容策展层通过规范化、丰富化和去重报价来解决这一问题的一部分。其内容优化器增加了一个由旅行社控制的规则引擎，用于决定哪些传统航空和 NDC 报价出现以及如何确定其优先级。这些是现有的零售能力，为更广泛的 AI 计划提供了超越对话界面的基础。 该公

匹配字段正文

力时容易变形，而且不会轻柔地合上，而是有些生硬地拍下去。这一点本可以做得更优雅，但也不算严重——产品并不会散架。这些都是日常使用中几乎不造成困扰的小问题。 设置：Roborock Qrevo Curv 2 Flow 多快能投入使用？ 设置流程遵循扫地机器人的常规模式。首先在 Roborock App 中登录并扫描机器人上的二维码。然后授予 App 定位和周边搜索所需的权限，同时按下 Home 键和电源键使机器人进入配对模式。随后设置 WLAN——仅支持 2.4 GHz 频段。 设置完成后紧接着有一次较大的软件更新，大约需要十分钟。之后开始绘制住宅地图，视面积大小需要 15 到 20 分钟。生成的地图比 Saros 20 的略显毛糙——边缘看起来不那么清晰利落，而是有些凹凸不平。这对清洁性能没有影响，房间之间仍能被清晰分隔。Roborock Qrevo Curv 2 Flow——App 与设置 Roborock Qrevo Curv 2 Flow——App 与设置 heise 最佳榜单 Roborock App 属于市场上最均衡的应用之一。它结构直观，功能丰富，运行可靠，没有错误或图形故

匹配字段正文