独立 AI 资讯库
从自动抓取数据库实时读取，适合快速浏览、检索和后续扩展成完整资讯站。
本期周刊深入探讨了人工智能对软件工程全生命周期的系统性颠覆，指出从代码审查、单元测试的失效，到敏捷开发的式微与“Token 为王”时代的到来，AI 已不可逆地重塑了传统软件开发范式与开发者角色。文中还评析了美国安全机构对国产大模型 Qwen3-Coder 存在安全漏洞偏见的荒谬指控，以及印度证书颁发机构（CA）因单字节弱密钥遭遇瞬间破解的安全笑谈。此外，本期整理收录了 Simon Willison 总结的大模型年度技术路线、陶哲轩对 AI 求解数学难题的反思，以及 Mac.apk、siltop、Parcel 等多款开源开发工具与学习资源。
P4：把 Agent 的记忆搬进 Redis —— AgentScope-Java 工程化实战 你能获得什么 理解 AgentScope-Java 的状态存储体系：两种内置实现 + Redis 扩展，
这次 PHP2Shell 远程代码执行漏洞只在 PHP 8.2～8.5 的新版本里修复（8.5.12 / 8.4.27 / 8.3.36 / 8.2.35），PHP 8.1 及以前的版本不会再出补丁。
本文对比了两种多 Agent 协作方式：Eino 的 Host MultiAgent 将 specialist Agent 注册为 tool，由 host LLM 通过 tool call 决定分派；DeepFlux 则将 subagent 作为 workflow 中可编排的步骤执行。Eino 支持单意图直接返回、多意图汇总以及 host 直接回答三条路径，并通过 HandOff 回调观测任务交接。DeepFlux 的 subagent 会接收图状态 JSON、调用外部 Agent，并将结果回写 workflow 状态，还支持在子 Agent 工具调用阶段进行 HITL 审批中断。对开发者而言，对话式任务更适合 Host MultiAgent，DAG 工作流编排更适合 DeepFlux subagent，而通用的 Agent 封装调用可使用 AgentTool。
Elastic 的 Jeffrey Rengifo 构建了一套 Elastic workflow，用于将大语言模型与小语言模型分工协作。该流程先将数据样本发送给大模型，由其提出分类标签，再由人工审核确认标签。审核完成后，小模型将已确认的标签应用于完整数据集，从而将高成本推理集中在需要判断和设计的环节。该方法可帮助开发者在保持分类质量与人工可控性的同时，降低大规模数据处理中的 LLM 成本。
今天，商汤科技正式开源轻量级、原生统一多模态大模型 SenseNova U1.5 Lite。与预览版（U1.5 Lite Preview）呈现的原生统一多模态模型能力相比，正式版更关注的是，这些能力能否更准确、更稳定地进入真实视觉创作流程。模型重点围绕真实视觉任务重新完善训练数据、任务设计与后训练流程，强化视觉质量、复杂指令遵循、文字与布局、原生4K、图像编辑和精细视觉控制等，提供更高可控性、更高清、更高性价比的能力工具，推动 AI 视觉生成真正跨越到“稳定完成真实视觉交付”的新阶段。目前模型已面向全球开源，开发者与创作者可直接部署体验。GitHub：https://github.com/Op
点击查看原文>
点击查看原文>
Open-Connector 是一个面向 AI Agent 和应用开发者的开源连接器网关。项目旨在解决 AI Agent 接入外部 SaaS 服务时普遍存在的认证管理、权限控制、接口适配和运行审计等问题。 OpenConnector 可以将用户已经使用的应用账号连接到统一运行时，并向 Agent 暴露标准化的 Actions。项目目前提供覆盖 GitHub、Gmail、Notion、...
DeepSeek 今天给 V4-Flash 补上了视觉能力。 新模型叫 DeepSeek-V4-Flash-Vision-Exp，一个实验性质的版本，已通过 deepseek-v4-flash-vision-exp 这个 model id 在 DeepSeek API 平台上开放调用。 纯文本不降级，视觉大幅跃升 最关键的指标：在纯文本能力（Agent、推理、世界知识等）上，Vision-Exp 与 V4-Flash 正式版...
原文未提供可翻译的正文内容，仅显示“Please wait...”。根据所给摘要，文章介绍火山引擎日志服务 TLS 为 DeepSeek Harness（DSH）开发的可观测插件。该插件可将模型请求和工具调用转换为 OpenTelemetry Trace 并上报至 TLS，且无需修改 DSH 代码。
Hikyuu Quant Framework 基于 C++/Python 的超高速量化交易框架，同时可基于策略部件进行资产重用，快速累积策略资产 2.8.2 版本主要更新 :rocket: 新增特性 新增指标：RSRS_BETA、RSRS_BULL、ADX、ADX2 feat(indicator): 添加origin-id用于缓存身份标识，提升指标计算缓存准确性 feat(draw): 更新热力图和柱状图标题以包...
点击查看原文>
点击查看原文>
由开源中国主办的 2026 上海开源软件应用创新大赛已正式启动报名，作为上海市的年度重磅技术赛事，本次大赛总奖池累计 100 万元，面向全国征集开源项目，无论是企业团队、高校学生还是个人开发者，都可以报名参赛。 这篇攻略把大赛从报名到总决赛的关键信息一次讲清楚，帮你判断项目怎么报、材料怎么交、评审看什么、什么...
文件上传与下载是 Web 服务最基础也最高频的能力，从网盘、CMS 到 OSS 网关几乎无处不在。实现逻辑无非两件事：把 multipart/form-data 里的文件流式存到磁盘；再把磁盘上的文件送回客户端。 本文用同一个"上传文件到服务器、再把它下载回去"的小服务为例，展示 wastnet 在上传与下载场景下的 API 设计。 场景 一个文件服...
在2026世界机器人大会主论坛上，明略科技创始人、CEO 兼 CTO 吴明辉带来题为《Agent＋具身：应用需求牵引机器人智能的进化路径》的演讲，分享其在Agent、具身智能与产业应用方面的最新思考与实践。他提出，机器人真正进入生产系统，不仅需要更聪明的个体“大脑”，还需要连接机器人、Agent与IT系统的“组织大脑”，并跨过工程交付、业务流程重构和现场部署的最后一公里。 以下为演讲速记：很多朋友可能会好奇，明略科技过去更多参加的是世界人工智能大会，为什么这次会来到世界机器人大会？实际上，12年前我曾参与创办一家机器人公司，也就是专注于酒店服务场景的云迹科技，去年已经在港交所上市。我本人一直从
Bloomberg Businessweek 8 月 20 日发了一篇数据量极大的专题报道，标题直白：US Lead in the AI Race With China Is Rapidly Narrowing。文章拉了十几张图表，从模型能力、成本、下载量、区域市场份额等维度做了对比。 几个关键数据： Moonshot 的 Kimi K3 在 Artificial Analysis 综合基准上追平了 Anthropic 的 Fabl...
面向 RAG 场景的语义化文件切片与向量入库工具，Java 17 构建，从切片到检索一气呵成。 一、背景：RAG 落地的第一道门槛 检索增强生成（RAG，Retrieval-Augmented Generation）已经成为企业把私有文档、代码库接入大模型的标配方案。但真正动手落地时，开发者往往要自己拼接一条并不轻松的流水线：切分 → 向量化 → 入库...
第6章：工具执行流水线——pre-execute 到 post-execute 模型说「帮我读文件」，但读之前要查权限，读之后要检查结果，中间还要处理超时和重试。 上一章我们看了 agent-loop
雷峰网独家获悉，快手可灵AI核心技术骨干王鑫涛离职。王鑫涛本科毕业于浙江大学，博士毕业于香港中文大学多媒体实验室（MMLab），师从汤晓鸥等。他长期研究图像与视频生成，也是Real-ESRGAN、GFPGAN等开源项目的主要作者，在视觉生成领域具有较高影响力。在加入快手前，他曾任职于腾讯AI实验室及ARC实验室。2024 年王鑫涛加入快手，担任可灵团队高级研究员，带领团队推进视频内容生成方向的工作。他也被认为是可灵从0到1的关键推手之一。目前快手及王鑫涛本人均未对此人事变动做出官方回应。作为国产视频大模型标杆，可灵正处于激烈的市场竞争关键期，此时核心技术带头人的离开，势必为项目后续研发节奏带来
Cordis 所称的“可逆”并不意味着让程序或计算过程逆向运行。它指的是撤销对运行时结构空间所做的变更。若将这类变更视为副作用，Cordis 管理的并非全部副作用，而是影响多个插件复合交互的一类特殊副作用。这一区分有助于开发者理解 DeepSeek Harness 架构中状态管理与插件协作的边界。
DeepSeek Harness 插件开发实战：从最小插件到自动化日报 导语 DeepSeek 开源的 Harness（代号"黑色鲸鱼"）不是新模型，而是给大模型套在外面的"执行层"。核心口号"一切皆
FydeOS v23: Chromatic Cadence 正式发布了，大家久等了 🎉。 本次更新将 ChromiumOS 底座从 r144 升级至 r150，并带来了全新的开源安卓子系统、焕新的系统应用，以及面向企业设备的远程桌面增强。与以往相比，FydeOS v23 更侧重于基础能力的更新，为后续的应用兼容性、系统维护和企业设备管理奠定更稳固的基础。 以下...
当大语言模型化身为智能体走向真实世界，它们面临的困境，与十年前在十字路口指挥交通的强化学习模型如出一辙。 作者丨岑峰 幸丽娟 编辑丨岑峰 在通往 AGI 的浪潮中，基础模型智能体（Foundation Model Agents）正以前所未有的速度接管各种任务。业界曾普遍乐观地认为，凭借大模型海量的预训练知识，智能体可以无缝适应各种真实场景。但在现实中，当我们将一个在英文语境下
美团核心本地商业 CEO 王莆中最近做了一次公开复盘，话题是内部那场轰轰烈烈的 AI 运动——「全员养虾」。 「养虾」是美团内部的戏称。今年 2 到 3 月，美团十万员工中约八万人放开使用 AI Agent，token 不设上限。公司希望用规模换认知，快速完成组织级 AI 扫盲。 效果确实立竿见影——每天算力账单上千万元。 钱烧出去...
经典的“吉列刀架与刀片”模式，正在具身智能领域上演？ 编辑丨岑峰 过去两年，具身智能行业掀起了一场激烈的“硬件军备竞赛”：能后空翻的人形机器人、刷新奔跑速度纪录的机械腿，以及在精密设定下倒水、叠衣服的机械臂层出不穷。但在这些炫酷的展示背后，一个极其现实的问题摆在了所有从业者面前：具身智能到底该怎么赚钱？目前，行业的主流玩法依然是“卖机器”：将昂贵的硬件本体搭配针对特定场景写死的工作流软件
“大模型时代 SaaS 可以没有了，但数据不能没有。”
Mistral 最新推出的 Agentic Search 用多步检索循环替代传统单次查询，在 FinanceBench 测试中将复杂文档问答准确率从 26.7% 提升至 86%。这套方案通过 sear
点击查看原文>