• 2025年06月第一周

202507月第三周

AI Agent开发新突破

• ART框架发布！用Python一键训练AI Agent，邮件搜索到游戏操控全能搞定

  人工智能技术的快速发展为智能Agent的训练带来了全新机遇。近日，一款名为ART（Agent Reinforcement Trainer）的开源强化学习框架正式发布，引发开发者社区的广泛关注。该框架通过集成GRPO技术，为Python开发者提供了便捷工具，可训练AI Agent执行多步骤任务，如邮件搜索和游戏操控等。

  ART框架核心特性：

  • 强化学习新利器: 专注于通过强化学习（RL）提升AI Agent的性能，使其能够从经验中学习并优化任务执行
  • 多模型支持: 支持Qwen2.5、Qwen3、Llama和Kimi等多种语言模型，特别推荐使用Qwen2.5-7B等小型模型
  • 长期运行能力: 支持构建能够处理多轮交互、递归调用子Agent或压缩历史记录的长期运行Agent
  • 客户端与服务器分离: 采用模块化架构，极大降低了使用门槛

  简单集成，开发者友好：

  • 一键安装: 仅需运行 pip install art 即可完成安装
  • 无缝对接: ART客户端与现有代码库无缝对接，通过简单的Python命令即可集成强化学习功能
  • 云端支持: 支持在本地GPU或云端ephemeral GPU环境中运行
  • 强大集成: 与W&B、Langfuse和OpenPipe等平台集成，提供强大的可观测性和调试功能

  多场景应用价值：

  • 邮件搜索与自动化: 训练的Agent能够高效完成多步骤邮件检索任务，快速定位目标邮件
  • 游戏开发: 可训练AI Agent在复杂游戏环境中自主学习，在Atari游戏或自定义场景中实现智能决策
  • 多Agent协作: 支持递归调用子Agent和多轮交互，适合开发复杂的多Agent系统

  技术优势：

  • GRPO算法: 基于GRPO算法，通过并行执行多次rollout收集数据，结合最新检查点进行迭代训练
  • 模型兼容性: 兼容大多数vLLM和HuggingFace Transformers支持的因果语言模型
  • 稳定性保证: 确保模型在长期任务中的稳定性和高效性

  项目地址: https://github.com/OpenPipe/ART

  未来展望: ART开发团队表示，未来将扩展框架功能，支持多模态数据处理和超长上下文推理，满足更复杂的任务需求。其开源特性和模块化设计，使得中小型团队和个人开发者也能快速构建高性能Agent，打破了传统强化学习框架的技术壁垒。

AI视频生成再次突破

• MirageLSD：首个直播流扩散AI模型震撼发布

  近日，全球首个人工智能直播流扩散（Live-Stream Diffusion，LSD）模型MirageLSD正式发布，其强大的实时视频转换能力引发行业热议。这款由Decart AI团队打造的创新模型，能够以不到40毫秒的超低延迟，将任意视频流实时转换为用户期望的场景。

  核心技术突破：

  • 超低延迟: 小于40毫秒的响应延迟，24帧/秒运行速度
  • 实时转换: 支持摄像头、视频聊天、屏幕录制、游戏画面等任意视频流输入
  • 无限生成: 突破传统模型长度限制，支持无限长度视频流处理
  • 效率提升: 整体效率提升超过100倍，彻底打破时延和长度瓶颈

  创新应用场景：

  • 实时场景转换: 将普通视频通话变成星际冒险，木棒对决变成光剑大战
  • 手势控制: 通过简单手势实时改变背景、服装和场景
  • 快速游戏开发: 30分钟内构建一款游戏，自动处理所有图形效果
  • 直播增强: 主播可实时改变直播场景和视觉效果
  • 虚拟换装: 为电商和时尚行业提供创新展示方式

  技术优势：

  • Diffusion Forcing技术: 基于逐帧去噪和历史增强训练
  • 抗漂移训练: 解决传统自回归模型的误差累积问题
  • CUDA Megakernel优化: 显著提升GPU运行效率
  • 时间一致性: 保持长时间生成中的画面质量和连贯性

  体验地址: https://mirage.decart.ai/

AI语音技术突破

• AI语音，已超乎想象

  如果你对AI语音的印象还停留在抖音里机械又没感情的复读机效果，那你就Out了。最新的AI语音技术已经达到了令人震撼的水平，生成一段高质量音频只需要几十秒、几毛钱。

  ElevenLabs v3 核心能力：

  • 自然流畅的语音合成: 生成的语音自然、有感情、有气息，很难分辨出是合成的
  • 情绪控制: 支持excited（兴奋）等情绪指令，语气词包含吸气、换气声音
  • 音调调整: 支持Whisper等风格指令，可压低人声或调整说话风格
  • 音效生成: 不仅能生成人声，还能生成咀嚼、狗叫、下雨等各种音效
  • 多语言混合: 一句话里说多国语言，完全保留原本风格和音色
  • 多人对白: 一次性生成多人对话，贴上台词即可生成小剧情
  • 声音设计: 通过文本提示词创造全新的人声，无版权问题
  • 声音克隆: 克隆任意人声，用该人声说出任何话

  使用方法: 访问 https://elevenlabs.io/app/speech-synthesis/text-to-speech ，每月有10000字免费额度。

AI视频生成重大突破

• Lightricks 发布 LTXV 模型更新：图像到视频生成突破60秒

  Lightricks 宣布其 AI 视频生成模型 LTX-Video（LTXV）迎来重大更新，新增支持生成长达 60秒 的图像到视频内容。这一突破性进展打破了行业常规的8秒限制，使 LTXV 成为首款支持实时流式生成长篇 AI 视频的开源模型。

  核心技术突破：

  • 60秒视频生成: 通过自回归流式架构，从单一图像生成长达60秒的高质量视频
  • 实时流式传输: 首秒内容几乎瞬时呈现，随后持续构建场景
  • 高分辨率输出: 支持768x512或更高分辨率（如1216x704），帧率24FPS
  • 多尺度渲染: 先以低分辨率捕捉粗略动作，再逐步优化细节

  实时控制功能：

  • 动态场景控制: 视频生成过程中实时调整姿势、深度或风格等元素
  • IC-LoRA 技术: 持续应用控制信号，实现对视频细节的精准把控
  • 多种生成模式: 支持文本到视频、图像到视频、关键帧动画以及视频扩展

  高效性能：

  • 130亿参数模型架构，bfloat16精度优化
  • 硬件友好: 消费级GPU（RTX4090/5090）即可运行，最低8GB VRAM需求
  • 超快速度: H100GPU上4秒内生成5秒视频，RTX4080上生成768x512视频仅需45秒

  开源优势: 代码和权重已在GitHub和Hugging Face免费提供，配套LTX-Video-Trainer和ComfyUI集成工具。

开发工具更新

• SuperClaude - 扩展 Claude Code 的 Python 框架，提供专门的命令、角色和 MCP 服务器集成。通过智能路由、任务自动化和多阶段编排来增强开发工作流程。

  • 核心框架: 9个综合文档文件，指导 Claude Code 行为
  • 命令系统: 16个专门的斜杠命令，用于常见开发任务
  • 角色系统: 11个基于上下文自动激活的领域专家AI
  • MCP集成: 外部工具连接（Context7、Sequential、Magic、Playwright）
  • 安装系统: 统一的CLI安装器，支持模块化组件选择

  GitHub地址

• Traycer - VSCode的AI编程利器，处理大型代码库表现出色

  Traycer作为一款专为Visual Studio Code设计的AI编程助手工具，正迅速在开发者社区中崭露头角。这款由TraycerAI开发的VSCode插件以其强大的任务拆解、代码规划与实时分析能力，显著提升了开发者的编码效率。 产品入口：https://traycer.ai

• Augment Code Remote Agent - 云端代码执行解决方案

  将代码push到GitHub后，通过云服务器远程执行agent，实现并行工作。授权后可访问私有仓库，本地电脑可以关机，代码在云端继续执行。

2025年07月第一周

新闻

• 大而美法案 增加美国赤字（拜登之前花了很多钱，导致特朗普现在举债额度很少） 将会先降息，然后再扩表 特朗普对于减税的问题，可能会导致以后更难收税

项目

2025年06月第四周

新闻

项目

其他

Gemini Cli已发布， 对标claude code

Gemini Cli已发布， 对标claude code 评论说效果似乎不如claude code

1panel v2版本 社区版两点

2025年06月第一周

新闻

项目

其他

google vertex 是什么？

Google Vertex AI 是一个由 Google Cloud提供的统一机器学习平台，旨在帮助开发者和数据科学家更轻松、更快速地构建、部署和扩展机器学习 (ML) 模型。它将 Google Cloud 内部用于机器学习的所有工具整合到一个统一的界面和 API 中，从而简化了从数据准备到模型部署和管理的整个机器学习工作流程。

可以把它想象成一个一站式的机器学习“车间”，无论是初学者还是专家，都可以在这里找到合适的工具来完成他们的项目。

核心理念与目标

Vertex AI 的核心理念是简化机器学习的开发流程。在过去，一个机器学习项目通常需要在多个不同的服务和工具之间切换，例如一个用于数据处理，另一个用于模型训练，还有一个用于模型部署。这个过程非常繁琐且容易出错。

Vertex AI 的目标就是解决这个问题，它将整个机器学习生命周期（MLOps）的各个阶段整合在一起，包括：

• 数据准备：连接到各种数据源，并使用工具进行数据清洗、标注和预处理。
• 模型构建与训练：利用 AutoML（自动化机器学习）或编写自定义代码来训练模型。
• 模型评估与管理：在统一的模型注册表中跟踪、评估和管理所有模型版本。
• 模型部署与预测：将模型轻松部署到生产环境中，并提供在线预测或批量预测。
• 模型监控：持续监控已部署模型的性能，并检测数据漂移或概念漂移。

主要功能与工具

Vertex AI 提供了涵盖整个机器学习工作流程的丰富工具集：

主要优势

• 加速模型开发与部署: 传统的机器学习项目可能需要数月时间，而借助 Vertex AI 的 AutoML 和简化的工作流程，可以将时间缩短到几天。
• 降低技术门槛: AutoML 功能让没有深厚机器学习背景的开发者也能构建强大的模型。
• 提高团队协作效率: 统一的平台和共享的工具（如 Feature Store 和模型注册表）使得数据科学家、机器学习工程师和开发者之间的协作更加顺畅。
• 强大的可扩展性与性能: 背靠 Google Cloud 强大的基础设施，无论是训练还是预测，都能够轻松应对大规模的需求。
• 全面的 MLOps 支持: 提供了从数据到部署再到监控的端到端 MLOps 工具，帮助企业实现机器学习流程的自动化和标准化，确保模型的质量和可靠性。
• 拥抱前沿的生成式 AI: 紧跟技术趋势，内置了对 Gemini 等先进生成式 AI 模型的支持，让开发者可以轻松构建下一代 AI 应用。

适用场景

Google Vertex AI 适用于各种规模和行业的机器学习应用，例如：

• 零售业: 用于构建产品推荐系统、需求预测和客户流失分析模型。
• 金融业: 用于欺诈检测、信用风险评估和算法交易。
• 医疗保健: 用于医学影像分析、疾病预测和个性化治疗方案的制定。
• 媒体与娱乐: 用于内容推荐、观众行为分析和自动内容审核。
• 制造业: 用于预测性维护、质量控制和供应链优化。

总而言之，Google Vertex AI 是一个功能强大且全面的机器学习平台，它通过统一的工具和简化的流程，极大地降低了构建和部署高质量机器学习模型的复杂性，是企业和开发者在当今 AI 时代进行创新的重要利器。 Google Vertex AI：一站式机器学习与人工智能开发平台

Google Vertex AI 是一个由 Google Cloud 提供的统一机器学习（ML）平台，旨在帮助开发者和数据科学家更轻松、更快速地构建、部署和扩展机器学习模型与人工智能（AI）应用。它整合了从数据准备、模型训练、模型评估到最终部署和管理的整个机器学习工作流程，提供了一套完整的工具集，无论是初学者还是专家都能高效地利用其进行 AI 开发。

核心理念：统一与简化

在 Vertex AI 推出之前，机器学习的各个阶段——例如使用 AutoML 进行自动化模型训练和使用自定义代码进行模型开发——通常需要通过不同的服务和界面来完成。Vertex AI 的核心优势在于将整个机器学习流程统一到一个平台和 API下。这意味着团队可以在同一个环境中进行数据工程、数据科学和机器学习工程的协作，从而大大提高了开发效率和协作的流畅性。

主要功能与核心组件

Vertex AI 提供了涵盖机器学习全生命周期的丰富功能，主要包括以下几个核心组件：

• Vertex AI Studio：这是一个用于快速测试、调整和部署生成式 AI 模型的可视化界面。开发者可以在这里与 Google 最先进的模型（如 Gemini）进行交互，通过编写提示（Prompt）来生成文本、图片、代码等内容，并根据特定需求对模型进行定制。

• Model Garden（模型花园）：Model Garden 提供了一个丰富的模型库，其中包含了 Google 自主研发的先进模型（如 Gemini、Imagen 等）、第三方模型以及众多流行的开源模型。用户可以在这里发现、测试、自定义和部署最适合其业务场景的模型。

• AutoML：对于没有深厚机器学习背景的用户，AutoML 提供了强大的自动化能力。用户只需提供结构化数据、图像、文本或视频，AutoML 就能自动训练出高性能的模型，无需编写任何代码。

• Custom Training（自定义训练）：对于需要更高灵活性的专家用户，Vertex AI 提供了完全受控的自定义训练环境。开发者可以使用自己喜欢的机器学习框架（如 TensorFlow, PyTorch, scikit-learn），编写自定义训练代码，并进行超参数调整。

• Vertex AI Workbench：这是一个基于 Jupyter 的集成开发环境，为数据科学家提供了从数据探索、分析到模型训练和部署的统一笔记本体验。它深度集成了 Google Cloud 的其他数据服务，如 BigQuery 和 Cloud Storage，方便用户无缝访问和处理数据。

• MLOps 工具链：Vertex AI 提供了一整套 MLOps（机器学习运维）工具，包括 Vertex AI Pipelines 用于构建和自动化工作流，Vertex AI Feature Store 用于管理和共享特征，以及 Model Registry 和 Monitoring 服务，帮助用户管理、版本控制和监控已部署模型的性能，确保其长期稳定运行。

核心优势

选择 Google Vertex AI 进行 AI 开发具有以下显著优势：

• 加速模型开发与部署：通过统一的平台和强大的自动化工具，将模型从实验到生产部署的时间从数月缩短到数周甚至数天。
• 降低技术门槛：AutoML 和 Vertex AI Studio 等工具使得没有专业机器学习知识的开发者也能构建和使用强大的 AI 模型。
• 强大的生成式 AI 能力：可以直接访问和利用 Google 最前沿的生成式 AI 模型（如 Gemini），快速构建具备内容创作、对话、摘要等能力的下一代 AI 应用。
• 开放与灵活：不仅支持 Google 的专有技术，还广泛兼容各类开源框架和第三方模型，为开发者提供了极大的灵活性和选择空间。
• 企业级的安全与可靠性：依托于 Google Cloud 强大的基础设施，Vertex AI 提供了企业级的安全性、数据治理和可扩展性，确保应用稳定可靠。

典型应用场景

Google Vertex AI 已经被广泛应用于各个行业，解决复杂的业务问题，典型的应用场景包括：

• 智能客服与聊天机器人：利用生成式 AI 模型构建能理解并进行多轮对话的智能客服，提升用户体验。
• 个性化推荐：训练推荐模型，为用户提供更精准的商品、内容或服务推荐。
• 图像与视频分析：通过图像识别和视频内容分析，实现产品质检、内容审核、场景理解等功能。
• 欺诈检测：分析交易数据，实时识别并预防金融欺诈行为。
• 文档处理与分析：自动从大量文档中提取关键信息、进行摘要和分类。

总之，Google Vertex AI 是一个功能强大且全面的平台，它通过简化和加速机器学习的整个生命周期，让企业和开发者能够更专注于创新和解决实际问题，从而在人工智能时代获得竞争优势。

2025年05月第二周

新闻

• Flow-GRPO技术大幅提升图像生成模型能力，解决复杂场景生成难题。
• manus开放注册，目前看免费版本明显不如gemini

项目

• 18中RAG技术对比
• Google Agent白皮书解析：模型、工具与编排层全面指南
• Claude MCP 使用及搭建
• 聊天记录生成数字分身

感悟

2025年05月第一周

科技新闻

• Qwen3发布

github项目

• 全新的跨平台浏览器内核，浏览器界面使用Qt开发

• 分享github项目的github项目

• aws推出的agent框架

        主要功能
        智能意图分类：自动识别用户查询，并动态分配合适的 AI 代理进行处理。
  
        双语支持：框架支持 Python 和 TypeScript 两种语言。
  
        灵活的代理响应：支持 流式（streaming） 和 非流式 的响应方式。
  
        上下文管理：多个 AI 代理之间共享和维护对话上下文，确保连贯性。
  
        可扩展架构：用户可以轻松集成新的 AI 代理，或定制现有代理的能力。
  
        跨平台部署：支持 AWS Lambda、本地环境、云平台 等多种运行方式。
  
        内置 AI 代理与分类器：提供预构建的代理，支持各种应用场景。
  

• 实时的deepfake

• 一个子托管的dashboard，感觉可以和我的Upick结合一下

• 具有本机AI功能的公平代码工作流程自动化平台。将视觉构建与自定义代码，自宿主或云相结合，400+集成。

• 电子书阅读器，支持多格式，pdf、EPUB等

• huggingface推出的agent课程

• 科技爱好者周刊

2025年04月第三周

科技新闻

• 真我推出首款 AI 翻译耳机 Bud Air7 Pro，支持 32 种语言翻译！ [感觉如果再结合手机作为声音输出源，真香！]
• ​哥伦比亚大学退学生开发 “AI面试作弊神器”Interview Coder ，成功融资500万美元 [可能以后的面试形式会变一变，不在是像现在这样的八股文了]

github项目

• https://github.com/microsoft/markitdown 【微软推出，用于将各类文件转换为markdown，现在提供mcp】 期待度：★★★★★

• https://github.com/Byaidu/PDFMathTranslate 【多语言的pdf翻译转换工具】 期待度：★★★★★ —- 20250423试了，效果还可以，而且我还是用的默认的google翻译，可能用ai会更好

• https://github.com/dgtlmoon/changedetection.io?tab=readme-ov-file 【监控网页变化】

• https://github.com/pocketbase/pocketbase?tab=readme-ov-file 【一个小型的后端数据库】

• https://github.com/drawdb-io/drawdb 【可视化的操作/创建数据库】

• https://github.com/microsoft/generative-ai-for-beginners 【面向初学者的生成式AI课程】

2025年03月第三周

科技新闻

1. OpenAI Chat Playground升级为Prompts Playground 更好测试、迭代提示词
2. 百度正式发布文心大模型4.5及文心大模型X1，效果如何？ https://www.zhihu.com/question/13661056614
3. 小米大模型团队登顶音频推理 MMAU 榜，受到DeepSeek-R1启发
4. 首个国产Agent开发框架!仓颉社区发布Cangjie Magic，原生支持鸿蒙等全平台!
5. 2025.3.18-Mistral开源Mistral-Small-3.1-24B 多模态、多语言，各项评分超过Gemma 3 27B、GPT-4o mini，OCR能力强。
6. 腾讯更新混元3D模型 新发布3D 2.0 MV（多视角效果更好）和3D 2.0 Mini（参数更小）。

github项目趋势

1. https://github.com/glanceapp/glance/tree/main?tab=readme-ov-file 像newsnow

2. https://github.com/xpipe-io/xpipe shell connection hub

3. https://github.com/calcom/cal.com 有点像滴答清单

4. https://github.com/langchain-ai/ollama-deep-researcher

5. https://github.com/patchy631/ai-engineering-hub ai的教程

6. https://github.com/langchain-ai/ollama-deep-researcher ollama

7. https://github.com/graviraja/MLOps-Basics 分周了解机器学习运维基础

8. https://github.com/block/goose?tab=readme-ov-file agent-tool