Deep
一个名为 Scientific Agent Skills 的开源项目，正在重新定义 AI Agent 的能力边界。该项目为 Agent 注入 135 个覆盖生物信息学、药物发现、临床研究、材料科学等领域的编程技能，同时打通 78 个公共数据库的统一访问接口，实现“一行命令”将通用 AI Agent 升级为全栈 AI Scientist。项目上线 208 天即斩获 22,205 个 GitHub Star，日均增长 106.8 颗，fork 率达 10.8%，远超行业平均水平，标志着科研自动化工具正从“尝鲜”迈入“深度使用”阶段。
Deep
传统语音AI如同盲人——无法感知用户的情绪状态，只能机械地转换文字并平板地朗读回复。Stream公司联合Anam与Inworld发布的开源AI Agent“Crashout Buddy”，彻底打破了这一局限。该Agent能够实时捕捉用户的面部表情、视线方向与参与度，并动态调整说话内容与语气。当用户沉默或显得沮丧时，它会主动感知并做出柔和反应，标志着AI交互从单向指令响应迈入多模态情感对话的新时代。 从“盲人”语音助手到“会读脸”的AI：实时表情驱动交互 大多数现有语音Agent仅依赖语音转文本（STT）处理，缺乏视觉通道。Crashout Buddy运行在Stream的全球边缘网络上，每秒采集8帧面部52个混合形状（blendshapes），通过MediaPipe进行情绪、视线与参与度分类。这些数据被注入Gemini大语言模型，动态引导Inworld的TTS-2语音模型输出自然语言化的表达（如“用温暖轻松的语气说”），同时由Anam的CARA模型生成逼真且唇形同步的虚拟形象。Deepgram负责语音识别，整套流程实现端到端实时响应。 技术架构：多模态感知栈与边缘网络实时处理
Deep
当AI助手开始记住你的血压、工作日程乃至银行卡号，隐私与个性化之间的天平正在剧烈摇摆。2026年5月，记忆张量MemTensor与荣耀HONOR联合推出的开源框架MemPrivacy，以突破性的“本地可逆伪匿名化”技术，在保护用户敏感数据的同时，将智能体效用损失控制在1%以内。更令人震惊的是，在同一评测基准上，其隐私识别F1分数高达85.97%，一举超越OpenAI同期发布的privacy-filter模型整整50个百分点，为端云协同的Agent长期记忆难题提供了可落地的工程解法。 OpenAI仅8类标签，MemPrivacy F1飙升至85.97% OpenAI于2026年4月22日开源的privacy-filter模型采用1.5B参数（激活50M），支持128k上下文，但仅提供8类基础隐私标签。在针对200用户、超15.5万隐私项构建的MemPrivacy-Bench基准测试中，该模型综合F1分数仅为35.50%。相比之下，记忆张量团队联合荣耀推出的MemPrivacy-4B-RL模型在同一测试中达到85.97%，领先幅度高达50.47%。即使在跨分布数据集PersonaMe
Latest
全球工业AI领导者Cognite近日推出Cognite Flows™，标志着工业级体验平台的范式革新。该平台首次实现“软件适应用户”而非反之，通过将实时数据与AI洞察整合至高度自定义的单屏工作空间，彻底打破传统割裂系统对一线团队的限制。依托与Cognite工业知识图谱的原生集成，Flows以高达百倍的效率帮助企业构建、扩展并落地生产级工作流程，目前已有超过30%的客户及核心合作伙伴启用，包括B. Braun、Idemitsu Kosan以及Radix、L&T Technology Services和RoviSys。 以“软件适应用户”为核心：Flows重塑工业一线与开发者体验 Cognite Flows作为Cognite平台的核心执行层（Action Layer），彻底改变了操作人员与工程师在多系统间频繁切换的低效模式。它依据岗位需求，在恰当时间、场景与界面中精准呈现关键洞察及Agentic AI驱动的智能建议，使团队保持“持续专注的工作状态”。对于开发者，平台借助原生Agentic AI编码工具与AI原生架构，实现高达百倍的构建效率，将以往数月甚至数人的开发周期压缩至数天。ID
CxO
在AI浪潮席卷全球的背景下，软件即服务（SaaS）行业正面临前所未有的估值压力与生存挑战。据SaaS Capital报道，2026年第一季度，SaaS估值跌至十多年来的历史低点，市场将AI视为生存威胁，导致年度经常性收入（ARR）倍数大幅下调。资本市场的核心担忧聚焦于AI对传统SaaS模式的三重冲击：席位冲击、自建冲击和架构冲击。这迫使SaaS企业必须从根本上重构产品架构与商业模式，从“给人用的工具”转向“给Agent用的系统”，并探索按结果或Token计费的新路径。同时，AI时代的护城河建立依赖于垂直深度、组织能力重塑，以及如何在协作层中占据战略位置。本文基于国金证券的最新研究报告，深度剖析软件企业AI转型的现状、挑战与未来方向，为行业参与者提供关键洞察。 SaaS估值已至历史低点，AI时代资本市场担忧的是什么 2026年第一季度，SaaS估值（ARR倍数）跌至十多年来的最低点，因为市场将AI视为生存威胁。SaaS Capital Index (SCI) 的年度经常性收入 (ARR) 倍数中位数是衡量SaaS商业模式整体健康状况的关键指标。在新冠疫情期间过度扩张后，该倍数从20
Deep
过去一年，Agent赛道经历了一场螺旋式上升的范式循环，从Manus的产品化启蒙，到OpenClaw验证市场对AI操控电脑（Computer Use）的付费意愿，再到Claude Code以原生系统级能力冲击工业级市场。这场由GAIR Live圆桌讨论揭示的变革，标志着Agent竞争已从模型智力的单点突破，转向工程能力、场景落地、数据主权和生态构建的全方位较量。随着Computer Use成为核心战场，Coding被确立为Agent扩展能力的第一性原理，行业正从“单体能力比拼”进入“系统工程与生态卡位”的深水区，创业者的生存空间面临剧烈波动，而真正的产业变革才刚刚开始。 Manus、OpenClaw、Claude Code的定位与跃迁 Agent产业的爆发遵循清晰的阶段化规律。根据OpenManus核心贡献者张佳钇提出的“六阶段论”，Manus处于“预定义环境自主Agent”阶段，其目标与环境权限由人类预设。反直觉的是，技术演进顺序应为Claude Code/CodeX在前，OpenClaw在后——正是Claude Code等工具验证了Coding与系统操控的极强可用性，才催生O
Startups
AI 重度用户正陷入多工具订阅的“四分五裂”状态：每月近 100 美元的四份账单、因地区管控导致的合规访问隐性成本、以及一旦切换平台就需从头“调教”Agent 的心智消耗。个人 AI 代理平台 Starchild 试图终结这一困境，通过直连 47 个模型的官方 API、推出 Agent 迁移系统与开放技能市场，将碎片化的 AI 能力整合进一个账户，并明确主张“Agent 的历史状态是用户的私人资产”。从支付到迁移再到长期积累，Starchild 正在构建一道以“永久所有权”为核心的留存护城河。 四份订阅与 100 美元账单：用户为 AI 工具付出的真实代价 一位典型的重度用户每月同时订阅 Gemini AI Pro（20 美元）、Claude Pro（20
Latest
链上AI代理游戏赛道迎来新玩家。AgentCypher 团队在推出首款自主代理卡牌游戏 Joker King 两个月后，于 Neo X 主网正式上线第二款博弈游戏 Spot。该游戏采用四位 AI 代理通过秘密选择地图位置进行博弈的机制，碰撞者得分归零，唯一占据高价值点位者赢得全部奖池。团队将其定义为“代理困境”（Agent’s Dilemma），强调游戏围绕博弈论、隐藏选择与策略推理构建，本质上是让用户配置 AI 代理运行时（如 Claude、OpenCode），由代理自主完成注册、决策与对战。 地图五据点与碰撞零分机制 Spot 游戏地图提供五个可选位置（A、B、C、D、E），各自对应不同分值。第六个位置 F 为默认零分点，代理若在计时器结束前未提交选择则自动落入。得分规则明确：若某位置仅被一个代理选中，该代理获得该位置分值；若两个或以上代理选中同一位置，所有落在该位置的代理得零分。官方示例显示，
Latest
在网络安全攻防的军备竞赛中，人工智能正从辅助工具跃升为关键作战单元。继Mozilla借助Anthropic Mythos大规模修复Firefox漏洞后，微软于5月13日正式公布其自主研发的代理式AI漏洞检测系统MDASH（Microsoft Security multi-model agentic scanning harness）。这一系统在本周补丁星期二中成功定位了16个Windows漏洞，标志着AI驱动的漏洞发现从理论探索正式进入工程化落地阶段。微软副总裁Taesoo Kim强调，MDASH通过协调超过100个专门AI代理，在多个前沿与精简模型之间进行协同、辩论与验证，实现了端到端的可利用漏洞发现。 MDASH架构：百个AI代理协同，零误报证明工程能力 不同于依赖单一模型的传统方案，MDASH采用“多模型代理编组”策略。据微软官方博客披露，该系统在一个私有测试驱动程序上，以零误报的结果成功发现了全部21个植入漏洞（planted vulnerabilities）。在对过去五年微软安全响应中心（MSRC）确认的漏洞案例进行回顾性测试中，MDASH对clfs.sys的召回率达到
Latest
在2026年5月11日的Red Hat Summit 2026大会上，Red Hat发布了Red Hat AI 3.4版本，将AI推理速度最高提升3倍，并宣布与NVIDIA、Voyager Technologies及Nissan等公司达成新的战略合作。这一系列动作标志着Red Hat正从传统的开源软件提供商，向大规模AI推理、航天边缘计算和软件定义汽车等前沿领域深度渗透，其核心策略是帮助企业利用现有数据优化模型，而非从零构建。 推理速度最高提升3倍：推测解码与Agent管理成核心更新 Red Hat AI 3.4是此次大会的重磅发布。新版本引入了“推测解码”技术，能将推理速度最高提升至3倍。该版本还新增了模型服务能力，企业可以通过统一网关管理模型访问、追踪使用情况，并实施相关策略。此外，Agent管理和可观测性功能也得到显著增强，并新增对模型上下文协议网关和目录的支持。Red Hat AI业务副总裁Joe Fernandez表示，AI推理将成为企业场景的核心工作负载，而AI Agent的普及将进一步提升推理需求。 在生态合作方面，Red Hat与NVIDIA的合作进一步深化，新
Latest
在人工智能技术快速演进的背景下，企业正寻求更智能、更集成的解决方案来优化数据驱动的工作流程。Snowflake作为数据云平台的领先者，近日宣布对其Snowflake Intelligence和Cortex Code进行一系列重大更新，旨在强化其平台上的代理式AI能力。这些更新不仅聚焦于企业数据整合、工作流自动化和开发者环境扩展，还通过引入新功能如Deep Research和移动应用支持，为业务用户和开发者提供更无缝的体验。此举标志着Snowflake正从传统的数据存储和分析平台，向一个全面的AI驱动操作环境转型，有望重塑企业如何利用AI处理复杂任务和提升生产力。 核心更新：强化代理式AI与数据整合 Snowflake的更新主要集中在Snowflake Intelligence和Cortex Code两大组件上，旨在为业务用户和开发者提供一个统一的平台。Snowflake Intelligence通过整合来自Project SnowWork的见解和客户反馈，演变为一个个性化的AI代理，能够学习用户偏好和工作流，自动执行任务如准备演示文稿或多步骤分析。同时，Skills功能的普遍可用
Events
在运营韧性成为零售业核心竞争力的当下，7-Eleven 通过整合 Databricks 数据平台与 Agentic AI 代理工作流，成功将预测性维护解决方案的交付周期从传统的六周缩短至两周以下。这一突破性实践不仅验证了智能体驱动架构在规模化数据处理中的效率优势，更直接保护了因设备故障可能损失的数百万美元收入。在 Data + AI Summit 2026 上，该项目的架构师 Rajeshkumar RS 详细拆解了从 Delta Tables 元数据架构到 Windsurf、GitLab 及 Databricks Asset Bundles 的技术栈组合，展示了如何通过“代码生成-集成-部署”全链路的智能化加速，实现零售巨头在高频传感器数据下的毫秒级故障预测。 两周交付：从六周压缩的预测性维护方案 7-Eleven 拥有数千家门店，结构化传感器遥测数据持续产生，设备故障直接冲击营收。传统开发流程难以快速扩展预测性维护方案。借助 Databricks 的 medallion 架构（基于 Delta Tables）