搜索“搜索”

ge 参考「人设」生成了一张「自拍」 知识获取和文档整合 面对「我想学 Next.js，帮我调研一下」这类指令，Moltbot 会启动浏览器，检索最新官方文档与教程，最终总结出一条学习路径给予用户。 Agent 会根据用户任务自行使用多种工具研究并收集结果。也会记住和遵循用户随时的指示（如使用英语沟通） 让它「用今天的新闻编个故事」，Moltbot 熟练调用搜索工具抓取素材，并根据记忆文件中的偏好，完成信息筛选和总结。 有记性而像人的 Agent 除此之外，Moltbot 还能处理如代码编写、整理文件、自动化浏览器操作等一系列任务。在这些操作背后，有几个「惊喜」让我们印象深刻： 简单实用，像人一样的「记性」： Moltbot 的上下文窗口「看起来」无限长，即使任务多次切换，依然记得之前的对话细节。Moltbot 的记忆机制类似日志文件系统，会将关键决策写入本地 Markdown 文件，通过检索和压缩实现长期记忆。 Agent 主动找你聊天： Moltbot 会主动在群组中闲聊，得益于 Ling-1T 对语境的敏锐捕捉，也会随时回应其他人的聊天。这是一种很聪明的对于 Cronjob 和

匹配字段正文

了几个具有强大工具调用支持的选项：Meta 的 Llama 系列、阿里巴巴的 Qwen 模型、Google 的 Gemma 变体，以及 DeepSeek 以推理为核心的架构。 该工具还与模型上下文协议（Model Context Protocol，简称 MCP）集成，这是一种将 AI 智能体连接到外部服务的新兴标准。通过 MCP，Goose 可以访问数据库、搜索引擎、文件系统和第三方 API——将其能力远远扩展到基础语言模型所能提供的范围之外。 对于有兴趣搭建完全免费、保护隐私的配置的开发者来说，这个过程涉及三个主要组件：Goose 本身、Ollama（一款用于在本地运行开源模型的工具）以及一个兼容的语言模型。 第 1 步：安装 Ollama Ollama 是一个开源项目，它极大地简化了在个人硬件上运行大型语言模型的过程。它通过简单的界面处理下载、优化和提供模型服务等复杂工作。 从 ollama.com 下载并安装 Ollama。安装完成后，你可以用一条命令拉取模型。对于编码任务，Qwen 2.5 提供强大的工具调用支持： ollama run qwen2.5 模型会自动下载并开始在你

匹配字段正文

排定优先级，而不是把每封邮件都当作悬念剧来读。 以下是一个你可以与小组一起试点的简单工作流程： 创建三个标签或类别：“今日行动”、“本周行动”和“仅供参考”。 在Outlook中配合Copilot，选择过去24小时的一批邮件并提问：“总结这些邮件，按主题分组，并告诉我哪些需要今天回复、哪些本周回复、哪些只需阅读。”在Gmail中配合Gemini，对会话视图或搜索结果集使用类似提示。 对于每个分组，让AI起草一行后续步骤和建议回复，然后快速接受、编辑或删除。 每天早上安排一个25分钟的“分诊时段”，只处理AI摘要和建议回复，而不是原始收件箱。 周末用两个指标衡量成功：未回复的关键邮件数量，以及花在邮件上的分钟数与平时估计相比。 为何重要：这将AI从新奇事物转变为日常操作习惯，并为你提供一种可重复的方法，在不遗漏重要消息的情况下夺回时间。 专业提示：给你的AI一个职位头衔，而不只是一项任务 不要用“重写这封邮件”，试试“你是我的销售运营经理，重写这封给重要客户的邮件，使其简洁、明确后续步骤，并与我们第一季度的续约目标保持一致。”多一行上下文往往能产生更接近你团队实际沟通方式的输出。 为何重

匹配字段正文

Video-Avatar，模型在动作拟真度、长视频稳定性与身份一致性三大维度实现显著突破。模型原生支持音视频联合生成及视频续写等功能，通过创新的跨片段隐空间拼接技术，有效解决了长视频生成中的画质退化问题，可稳定生成5分钟高质量视频。来源：龙猫LongCat 通用Agent模型Seed1.8正式发布 字节跳动正式发布通用Agent模型Seed1.8，模型集成了搜索、代码生成与图形界面交互等多元能力，支持图文输入并具备原生视觉理解功能。在多项基准测试中表现优异，其在GUI Agent任务上的OSWorld得分达61.9，搜索任务BrowseComp-en得分67.6，均处于行业领先水平。来源：字节跳动Seed 更大更强！限时免费！阶跃星辰GUI Agent全面升级 阶跃星辰宣布其GUI Agent模型Step-GUI全面升级，新版模型支持200多个任务场景，具备更长推理步骤、更强语义理解与泛化能力。模型可在手机、PC、汽车等多端使用，并实现最短10分钟快速部署。公司开放了API供免费使用，并公开发布了技术报告与GUI-MCP协议。来源：阶跃星辰 Meta发布SAM Audio，多模态音频分

匹配字段正文

的新图像生成AI，Nano Banana Pro（是的，AI公司仍然不擅长命名）。它结合了两项进步：一个非常好的图像创建模型和一个非常聪明的AI，后者可以帮助指导模型，按需查找信息。例如，如果我向Nano Banana Pro提示我的水獭测试的终极版本：“科学家是水獭，他们正在用白板解释ethan mollicks的水獭在飞机上使用WiFi的AI测试（你必须搜索这个），并通过一整墙水獭在飞机上使用笔记本电脑的照片来证明它已经通过。”我得到了这个： 连贯的词语、不同的角度、阴影、没有重大拼写错误。相当惊人的东西。记住，提示“水獭在飞机上使用wifi”在2021年得到了这张图： 但事实证明，真正好的图像生成是许多新能力的瓶颈。例如，拿PowerPoint演示文稿来说。每家主要AI公司都一直试图让他们的AI制作PowerPoint，他们通过让AI编写计算机代码（它们非常擅长这个）从头创建PowerPoint来实现这一点。这是一个艰难的过程，但Claude和ChatGPT都进步了很多，即使它们的幻灯片有点乏味。例如，我拿我的书《Co-Intelligence》扔进Claude，要求做一个幻灯片

匹配字段正文

ert Consumers 评为“最佳生产力 AI 助手”，击败了 Alexa 和 Siri。秘诀是什么？与业务流程深度集成，并坚持不懈地专注于把小事做对。 为何重要：如果你还没在日常工作流程中使用 Gemini，那你就错过了这场 AI 生产力军备竞赛。 来源：Yahoo Finance 摘要：知识管理平台 ProcedureFlow 现已具备 AI 驱动的搜索和流程自动化功能。团队可以查找、更新并遵循标准操作流程，无需没完没了的 Slack 讨论串。 为何重要：AI 驱动的知识管理正从“有了更好”转变为“没有它我们以前是怎么活过来的？” 来源：Yahoo Finance 你知道那种你总想发却从没发过的会议跟进吗？让我们把它自动化吧。使用 Microsoft Copilot 或 Google Gemini 自动生成会议纪要、标出行动项，并在你的咖啡变凉之前把摘要通过电子邮件发给参会者。 在 Outlook 或 Gmail 中，录制你的会议（或使用内置的转录功能）。 让 Copilot 或 Gemini 总结要点和行动项。 把摘要复制到邮件草稿中，按需个性化，然后点击发送。 额外提示：把

匹配字段正文

al。在几乎任何 AI 评级系统中，这些 AI 模型的变体合计占据了前 35 名。你使用的任何其他提供前沿 AI 的服务，从 Microsoft Copilot 到 Perplexity（两者都提供一定的免费使用），都是以这九种 AI 中的一个或多个为基础驱动的。 你应该如何在它们之间做选择？一些免费系统（如 Gemini 和 Perplexity）擅长网络搜索，而另一些则完全无法搜索网络。如果你想要免费的图像生成，最佳选择是 Gemini，ChatGPT 和 Grok 紧随其后。但归根结底，这些 AI 在许多细微之处存在差异，包括隐私政策、访问级别、能力、它们处理伦理问题的方式，以及“个性”。而所有这些都会随时间波动。因此，基于这些因素选择一个你喜欢的模型并使用它。不过，如果你正在考虑可能升级到付费账户，我建议从 Anthropic、Google 或 OpenAI 的免费账户开始。如果你只想使用免费模型，开放权重模型和 Microsoft Copilot 之类的聚合服务有更高的使用限额。 现在说难的部分。 如果你想认真使用高级 AI，你需要付费，每月 20 美元或约 200 美元，取

匹配字段正文

一份工作，但它也可能戏剧性地改变人类事业的整个领域。是什么让这一切成为可能？AI智能体已经变得好得多，而且非常快。 自最初的 ChatGPT 以来，生成式AI已经帮助许多人完成任务，但限制始终在于人类用户。AI会犯错出错，因此，如果没有人类在每一步上加以引导，就无法完成任何有价值的事情。自主AI智能体的梦想——即给定一项任务后，能够规划并使用工具（编码、网络搜索）来完成它——似乎遥不可及。毕竟，AI会犯错，因此在智能体为完成任务而必须遵循的漫长步骤链条中，一次失败就会导致整体失败。 然而，事情的发展并非如此，另一篇新论文解释了原因。事实证明，我们关于AI智能体的大多数假设都是错的。即使准确率小幅提升（而新模型出错的可能性要低得多），也会带来AI能完成的任务数量的巨大增长。而最大、最新的“思考”模型实际上能够自我纠错，因此不会因错误而停滞。所有这些都意味着，AI智能体能够完成比以往多得多的步骤，并且能够在没有大量人工干预的情况下使用工具（这基本上包括你的电脑能做的任何事情）。 因此，有趣的是，过去几年中少数几个覆盖从 GPT-3 到 GPT-5 全系列AI模型能力的衡量指标之一，是 ME

匹配字段正文

序员的“圣经”。尽管它有数千页之多，却只包含约90种不同的算法，而这些算法往往构成了整个软件工程职业生涯的基础！因此，CLRS中的算法可以构成我们所需的坚实的“基础处理器”集合，我们着手让构建和训练NAR处理器来执行CLRS中的算法变得容易。 在其第一个版本中，我们发布了CLRS-30，这是CLRS中三十种算法的数据集和处理器生成器集合，涵盖多种技能：排序、搜索、动态规划、图算法、字符串算法和几何算法。 CLRS-30的特别之处在于它向用户暴露了丰富多样的数据、模型和流水线：给定目标算法变量的适当规范、目标算法的实现以及理想的随机输入采样器，CLRS将自动以时空图结构格式生成该算法变量的完整执行轨迹、相关的编码器/解码器/处理器模型以及损失函数。因此，我们通常将CLRS称为“数据集和基线生成器”，而不是单个数据集。 例如，下面是对列表[5, 2, 4, 3, 1]进行插入排序时由CLRS生成的轨迹： 这条轨迹完整地暴露了算法的内部状态：列表的指针（绿色）如何随时间变化、当前正在排序的是哪个元素（红色），以及它需要被排序到的位置（蓝色）。默认情况下，这些可用于逐步监督，不过最近人们提出了

匹配字段正文

立起一项业务并赚到钱”—— Steve Moraco 什么是 DATA？ DATA 是一款为 iPhone 打造的高级 AI 数字助手。借助 Apple 快捷指令，DATA 可以通过语音轻松调用，并能在 Apple 应用和设备上完成各种任务。例如，DATA 用户可以通过语音命令完成以下操作： 使用 Apple 地图确定最近的海滩位置，然后在 Safari 中搜索冲浪报告 使用邮件 App 汇总邮件往来并起草回复 使用日历 App 安排工作项目或多日假期 创建名为“Guides”的 Notion 页面，以可视化形式呈现想法，并配有图表和图形 对于那些渴望借助 iOS 钩子探索 AI Agent 未来的人来说，DATA 承诺了一种以用户为中心的方式，强调效率、集成和适应性。 它是如何工作的？ 要开始使用，你可以在 HeyDATA.org 上创建账户，并在 iPhone 上完成设置流程。 设置很简单——它会询问你的新 AI 的名称、你的电话号码以及你的 OpenAI API key。 初始化机器人 设置好 DATA 后，它会安装若干快捷指令。这些快捷指令都有各自特定的功能，具体如下所述。 D

匹配字段正文

定外界激励下，实现可循环的“储能—释能—复位”闭环极难，需要同时实现能量回收、空中姿态稳定与落地续能。该工作以扭转储能替代弯折、拉伸储能，以几何约束将复位“编码”进结构本身，为软体连续跳跃提供了一条极简路径。 这种结构并不局限于陆地跳跃。研究团队进一步改造材料和尾部设计，使软环能够漂浮、划水并重返岸边，实现“跳跃—游泳—再次跳跃”的两栖运动。在水面上，尾部由“拍地起跳”转为“拍水推进”；当抵达倾斜岸边时，尾部弹跳产生的推力还能帮助它克服水面张力回到陆地。 在应用前景方面，尹杰认为，这类毫米级软体机器人体积小、重量轻、结构柔顺，适合进入草地、碎石、泥沙、浅水及水陆交界等复杂环境，开展环境感知、目标搜索和局部监测。未来如果实现多机协同，还可能拓展到集群化环境探索和大范围分布式监测。 从实验室走向实际应用仍有距离。下一步，研究团队希望探索利用自然光，使其摆脱对固定人工光源的依赖。尹杰表示，这项工作的意义不在于形成成熟的户外机器人产品，而在于证明一种非常简单的毫米级软体机器人，也能依靠材料与结构本身的物理智能获得持续、自适应的自主运动能力，为未来微型机器人进入真实非结构化环境提供新的设计思路。

匹配字段正文

对话嘉宾： 中国教育科学研究院数字教育研究所所长、研究员 曹培杰 我的大学阶段是在AI（人工智能）大模型环境中度过的。过去，遇到不懂的概念，大家会去翻教材、问老师；后来，会打开搜索引擎输入关键词检索；现在，更多人习惯了用AI工具“一键求答”。AI时代的教育，不再停留于“会不会算”，而是逐步转向“会不会判断、会不会提问”。在这样的背景下，我们该如何提出更高质量的问题，如何更好地应用AI？ ——某高校学生小刘 AI时代，会提问的人，或许要比只会答题的人走得更远。当AI能快速给出完整解答，能够提出高质量问题、辨别答案真伪，正成为学习者的关键素养。怎样通过一个巧妙的问题去开启知识的大门，收获更有价值的答案？记者对话多名嘉宾，共同探讨“面对AI，如何成为会提问的人”。 学生如何成为“定义问题和评判答案的人”？ 【场景】 上个学期期末，复旦大学“数据挖掘技术”课程考试打破常规，学生没有坐在考场里答题，而是全部成了出题人。每个人要设计10道题，去“考倒”3个AI大模型，AI答错的题越多、被难倒的大模型越强，出题学生的得分就越高。结果显示，有50名学生至少让AI答错过一题，4名学生甚至让部分大模型得了

匹配字段正文