📡 每日 AI 信号

苹果从 iOS、iPadOS 和 macOS 27.2 版本开始，为部分 Apple Intelligence 图像工具引入 SynthID 隐形水印。 涉及的工具包括图乐园、图像魔法棒，以及“照片”中的清理、扩展和空间重构功能。 用户实际拍摄的照片只要使用指定 AI 工具处理，也会被加入 SynthID 水印；水印人眼无法察觉、不改变图像外观，但可由 SynthID 检测器读取。 该水印机制适用于 iOS、iPadOS、macOS 27.2 等版本系统中的部分 Apple Intelligence 图像工具。 用户可在浏览器访问 synthid.com 并上传图像，按屏幕步骤检查是否存在水印。

阶跃终端旗下STEPX Neo智能体手机首次亮相进博会高通展台。

Anthropic推出Personal Finance功能，通过Plaid银行桥接平台连接用户的银行和卡账户。 用户可以询问Claude本月的资金去向，系统会生成按类别划分的支出概览，包括房租与水电、购物和食品。 Claude还可回答下次发薪日前还有哪些账单待付、能否负担假日旅行等大额消费以及每月可节省多少金额等问题。 该功能对银行和卡账户仅具有只读访问权限。

ComfyUI 发布版本 v0.44.2。

Meta 将在 Muse 中允许用户创建名为“spaces”的自定义应用式体验。 Meta 表示，用户可以通过描述需求创建新空间。 在用户将 Gmail、Google Calendar、OpenTable、Notion 等外部应用连接至 Muse 后，Muse 的 AI 助手才会持续提取信息，并在后台更新空间中的价格、日期等信息。

Claude Code云端会话现已支持Pro、Max和Ultra套餐，Claude可自动识别运行代码仓库所需的依赖、网络访问权限和API密钥，并保存环境供下次使用。 API密钥将被安全保存，Claude无法看到这些密钥。

Meta推出Spaces，提供一种与Muse智能体协作和互动的新方式。 Muse智能体持续获得新的功能和集成。

ToyBlocks 是一个用于机器人学习与评测的受控环境。

蚂蚁百灵发布原生多模态模型Ling-3.2-flash。 Ling-3.2-flash总参数为560B，单步激活25B。 Ling-3.2-flash支持1M原生长上下文。 该模型重点强化视觉反馈自检与异常自适应恢复能力。

OpenAI正与Hacktron合作，在OpenAI系统中寻找漏洞。

OpenAI推出BioBasicsBench，包含100项任务，用于衡量AI智能体解读原始实验数据及处理日常湿实验室科学任务的能力。

自 langchain-typesafe==0.0.1 发布以来的变更包括：langchain-typesafe 0.0.2（#41720），以及实验性中间件支持接受分类器（#41657）。

苹果研究团队在 arXiv 提交论文，公开了人形机器人自主控制系统 HALO，以及数据生成、模型训练和部署代码。 HALO 在 6 个未预先扫描或建图的真实环境中进行了 360 次单项任务测试，平均成功率为 91%。 在单一真实场景的长序列复合任务测试中，3 种组合的平均成功率为 70%，最复杂的“俯身通过障碍—走向目标—推箱子”任务成功率为 50%。 HALO 默认采用 Qwen3.6-35B-A3B 进行任务编排，动作生成层采用 Qwen3.5-2B，底层动作跟踪器以每秒 50 次的频率运行。 仿真生成数据仍需人工参与，新增物理任务需要编写提示词和设计动作关键帧，部分动作还使用人类视频或动捕素材。 HALO 目前主要依赖视觉感知，物体离开相机视野或被遮挡时，涉及较多接触的任务表现会下降，触觉感知是后续改进方向。

中国科普作家协会于11月7日发布2026年度十大科普热词，其中人工智能相关热词占七席。 七个人工智能相关热词是“人工智能 +”“人机协同”“脑机接口”“智能体”“人形机器人”“词元”和“具身智能”，另外三个是“科学玩具”“科技伦理”和“健康管理”。 “人工智能 +”“智能体”“词元”等热词反映人工智能加快融入生产生活带来的新知识需求。 该榜单对非人工智能热词的说明是：“科学玩具”体现科普作品形态的拓展，“人机协同”反映人工智能参与下科普创作的方式变化，“科技伦理”强调技术应用中的责任与价值判断，“健康管理”回应公众对健康知识与科学生活方式的需求。 健康管理对健康科普提出了要求，需要普及健康知识、提升健康素养，帮助公众将科学认知转化为日常健康行为。

美国北卡罗来纳州一对夫妇起诉谷歌，其 13 岁女儿通过学校配发的 Chromebook 与 Gemini 和搜索 AI 模式进行数千条涉及自杀内容的交互。谷歌发言人表示正在审查指控，并称已将心理健康防护机制引入搜索 AI 功能。本周谷歌宣布对 K-12 学生账户默认关闭 AI 工具，但学校重新启用谷歌搜索须捆绑接受附带 AI 功能，Fairplay 批评该政策是在强迫学校接纳 AI。 美国家长起诉谷歌 Gemini 被指协助 13 岁女孩制定轻生计划

IT之家 11 月 7 日消息，据彭博社报道，美国北卡罗来纳州的一对夫妇起诉谷歌。此前，其 13 岁的女儿在学校配发的 Chromebook 笔记本电脑上，连续数月使用该公司的人工智能工具探讨自杀念头。 诉状显示，这名女孩与谷歌旗舰人工智能模型 Gemini 进行了数千条信息交互， 其中大量内容涉及焦虑、抑郁以及自杀手法的详细探讨 。直到校方通知家长时，她与谷歌 AI 就此类话题的交流已持续数月，期间频繁使用了谷歌搜索中名为“AI 模式（AI Mode）”的功能。 诉状指控，谷歌在不断将 AI 植入面向校园的产品时，未向家长和管理人员给予充分预警，便让学生暴露在危险的技术环境之下。 原告代理律师表示：“谷歌将本质上存在危险的 Chromebook 包装为安全设备，并暗中植入 Gemini 以追赶竞争对手，利用了其在 K-12 领域备受信赖的地位谋取商业利益。谷歌绝不能为了追逐利润，将孩子们的生命视如草芥。” 谷歌发言人 José Castañeda 表示，公司正在审查相关指控。 “我们与医疗专业人士及学术专家展开了广泛合作，旨在开发相应功能，帮助年轻人在需要时获得关键救助和可信资源，”Castañeda 表示，“多年来，只要有人可能陷入心理健康危机，我们都会在搜索结果中直接提供援助热线信息；如今我们也将同样的防护机制引入了搜索的 AI 功能，帮助用户对接现实世界中的援助。 谷歌在美国遭家长起诉：Gemini 被指协助 13 岁女孩制定轻生计划 但这项调整暗含附加条件：学校一旦重新启用谷歌搜索，就必须捆绑接受附带的 AI 功能。

苦单Session久矣，两大Agent玩家不谋而合。 你正在让AI修改一份代码，测试还需要十几分钟才能结束，sad。 这时客户突然提出新需求，催你赶紧出一份项目方案，你打开另一个AI会话窗，又开始吩咐任务。 不是Agent本事不够大，关键原因在于Agent的并发能力可以无限扩张，但人类的注意力却是有硬「上限」的。 要知道，一个Session要操心的事情越来越多，上下文窗口终究是有上限的。 整个过程，我只管提需求、看进展、验收成果。 通过第三方应用连接器，其能够接收来自不同平台的事件，再由可编程Loop持续监听，在需要时唤醒Agent处理。 由于最近手头的稿子确实有点多，于是我也把Comma接入了Linear，直接在Comma里给Linear下达了项目需求： 更有意思的是，新模型必须在团队自己的测试中击败旧版本，才能正式上岗。

全新的电脑病毒 我今天必须泼一盆冷水： 安全，会成为每个普通人，在AI时代必须系统学习的事情。 不仅要看有没有，如果是团队代码库里新pull下来的，也必须扫一眼。 但必须强调，没查出异常，不代表电脑一定安全。 当攻击者学会利用AI，安全问题，不再只是实验室需要谈论的事情。

RSI不可能无限快 但训练、计算、保存数据、评估结果，这些步骤仍然需要时间。 要构建基座模型并提升它，仍然需要大量训练和实验，这些过程不可能以无限快的速度完成。 这些都是21世纪需要解决的重要问题，而这个世纪已经过去了大约四分之一。 想想解决它们需要攻克哪些子问题，尤其是图中标红的那些领域，我们认为自动化发现循环能够提供帮助。 有一点对我们很重要，也是我们成立独立公司的部分原因：如果方法得当，技术能够给世界带来很大的积极影响，但需要大家共同努力，才能确保这种影响发生。 我管理的Google Brain团队最多有600人，Google Research和AI团队最多有大约4400人。 模型需要工具、创造力与经验积累 我们需要从优秀的基座模型出发，结合智能体，使系统能够有效使用工具，完成复杂任务。 科学或工程上的突破，往往需要把不同洞察组合起来，提出新的东西，再检验效果。 传统实验循环的每个阶段都需要大量人工。 当然，也可能需要人来引导拆解，判断哪些子问题最重要。 你需要运行数万个自动实验，也需要系统理解不同实验的价值，决定下一步做什么。 过去几年的技术进步大家有目共睹，但我还是好奇，有没有某个时刻，可能是在过去一两年里，让你、Quoc、Sanjay和Oriol觉得，必须做点不一样的事，而且需要离开Google来做？ 但要构建基座模型并提升它，仍然需要大量训练和实验，这些过程不可能以无限快的速度完成。 这里有真实的物理过程：计算机需要运行计算，结果需要检查，数据需要保存，还要由另一个模型分析结果，再决定下一步。 我们需要立足现实。 在学习做煎蛋卷的过程中，我的大脑得发生某种变化，神经连接需要调整，让我有一个更好的系统来完成这件事。 当然，很多重要学科都需要物理过程，我们也有一些混合方法，可以帮助这些领域加快研究。 许多物理学家也会关注实验领域的进展，尝试解释人们观察到、但尚未理解的现象。 我们需要想办法利用这些能力，开展更多数学研究。 这需要技术人员、监管者、政策制定者和公众共同参与。 例如，人们的工作受到影响后，需要有办法适应新的需求，继续获得有报酬的工作，过上富足的生活。 这是一个涉及很多方面的问题，需要很多人一起解决。 人仍然需要决定，我们共同想做什么。

成都公安交管部门查获一名利用AI眼镜和智能戒指显示答案作弊的摩托车驾驶人。 民警随机抽题测试时，该设备的答案准确率极低，多选题答案全部错误。 交管部门依据相关规定，对该男子罚款1900元，并一年内禁止其再次申领驾驶证。 该男子当时正在成都摩托车考场参加增驾摩托车驾驶证的理论考试。

美国司法部宣布“超级智能工作组”（DOJ-SITF）已投入运作，负责统筹涉及SI的刑事和民事诉讼。 工作组将协调司法部内部调查与案件、提出执法优先事项、制定违法行为起诉及合规评估指引，并对接美国政府层面的“超级智能任务”。 美国司法部长表示，司法部将追查利用相关技术侵害美国纳税人、关键基础设施和国家安全的违法行为。 美国反垄断局、民事局、刑事局、联邦调查局及国家安全局等司法部所属单位将派代表参与工作组。

Artificial Analysis对OpenAI于11月4日发布的GPT Image 2.6进行了基准测试，两款模型在AA-Image-T2I v2.1和AA-Image-Editing v2.1上分列第一、二名。

据《纽约时报》报道，中国国家安全部招募美速高管Alice Huang刺探英伟达CEO黄仁勋，以收集美国AI芯片信息，并可能游说英伟达向中国市场提供其最先进的芯片。 报道称，美速是英伟达客户，Alice Huang还与技嘉等AI芯片行业高层人士有联系。 上述招募及游说意图来自《纽约时报》相关报道，材料未提供完整调查细节。

Dario刚喊减速… 我们必须放慢提升AI模型能力的速度。 [4]

PPIO 沙箱，把“云电脑”做成开箱即用的 API 为什么每个 Personal Agent 背后，都必须配备一台“云电脑”？ 以 Manus 为例，上一代的 Manus 是任务式 Agent：用户提一个需求，它开一台虚拟机，跑完、交付、回收，一切随任务结束归零。 Manus 官方自己也承认，「每次常规聊天都从零开始，它无法访问你昨天做的事情」。 其次，基于以用户为中心为前提，Personal Agent 需要支持长时间运行。 能动手，就需要一台「手」能够着的电脑。 大脑负责理解需求、拆任务、决定调什么工具、管理授权和记忆，由模型加调度层组成，像 OpenClaw 的 Gateway 和 Muse 的 Sentinel； 02 每个 Personal Agent 背后都需要一台“云电脑” 更重要的是，本地运行的机器通常无法一直在线，一旦电脑关机或者休眠，Agent 即停止工作。 从这一点来说，这类方案无法满足 Personal Agent 长时间运行的需求。 PPIO 也推出了自己的云端沙箱托管方案 PPClaw、PPHermes，一键部署，十分钟上线，需要时随时在线，不用时暂停即停费。 大厂通常把「执行环境」当作产品内部实现，规格都不公开，开发者想复刻这套体验，必须自己找执行层。 PPIO 沙箱作为专为 Agent 打造的云端执行环境，为 Personal Agent 开发者量身定制了至少五项核心能力： 第三，执行环境要即开即用、可复制，少配环境是用户愿意付费的点。 自托管 OpenClaw 需要 Node.js 22+、一台 VPS、30 到 60 分钟配置； Kimi Claw 把它变成「浏览器标签页，即时」就能卖 199 元/月——开发者愿意为「少配环境」付费。

阿里巴巴发布《2026 AI向善行动报告》，AI数据中心可持续发展成为年度亮点。 材料未提供报告中的具体措施、实施时间或量化成效。

OpenAI据报正在新融资中额外筹集110亿美元，该轮融资尚未完成，预计将在未来几周内完成。

Alphabet第三季度首次买入约297.7万股高通股票，持仓市值约5.48亿美元，约占高通总股本0.5%。 监管文件仅披露Alphabet截至9月30日的持仓情况，未说明买入时间、交易方式，也未确认该持股与高通AI数据中心业务存在直接采购或合作安排。 市场将这笔投资解读为对高通数据中心转型的重要背书，高通股价一度上涨约5%。

微软已决定不再续签与甲骨文的相关合同，近期开始关闭从甲骨文租用的部分计算资源。 知情人士称，微软的技术规格不断变化，原先租用的计算资源逐渐无法满足其需求；甲骨文服务器使用的是较早一代英伟达GPU。 甲骨文发言人表示，其AI基础设施需求依然强劲，其中也包括较早一代GPU。 微软内部部分关键管理人员对新兴云服务商的高昂成本和项目交付延迟感到不满。 微软加强了对其他数据中心项目的监督，退出了一些被认为风险较高的项目，并讨论是否继续签署新的新兴云服务商合作协议。 甲骨文此前在9月表示，部分使用约四年的GPU资源续约价格比最初合同价格高出20%。 微软与甲骨文的合作于2023年公布；目前该租赁协议的完整金额尚不清楚。 微软拒绝对此事发表评论。 相关阅读提及Meta已搁置向Anthropic出租AI算力的计划。

Anthropic在工程博客中介绍，Claude通过“做梦”机制整理已学内容、纠正错误，并更方便地找到后续所需的信息。

据 Bloomberg 报道，OpenAI 已完成一轮新融资的首批资金到账，金额为 110 亿美元，该轮融资对应估值为 1.25 万亿美元。 投资者已完成首批打款，其余部分总额最高 200 亿美元，预计将在数周内到位。 该融资信息由 Rohan Paul 转述 Bloomberg 报道，首批资金已到账，剩余资金到账时间为预计。

Chainalysis表示，黑客在网络安全入侵后获取了其全部用户的敏感个人信息，包括姓名、用户名、密码哈希和有效令牌。 Chainalysis称外部攻击者使用AI智能体辅助的攻击技术，未经授权访问了公司的系统和内部工具。 公司称持续中的多线攻击包含中间人攻击，导致部分客户密码暴露；相关攻击途径已被识别并修复。 Chainalysis尚未说明基础设施入侵发生的位置，也未说明所获取数据是否经过TLS加密。 目前尚不清楚此次数据窃取是否使客户面临额外威胁。

安全研究人员发现，数百台托管渗透测试工具 Artex 的服务器暴露在互联网上，任何人均可访问该工具。

据路透社报道，约60万块英伟达H200芯片闲置在香港仓库，阻碍来自北京而非华盛顿。 中国正以每家科技巨头约1万块的速度小批量发放H200进口许可，推动国内服务器价格上涨3倍。 特朗普去年已放行英伟达H200对华销售，但中国仍采取小批量发放进口许可的方式。

IT之家 11 月 6 日消息，OpenAI 首席执行官萨姆 · 奥尔特曼（IT之家注：Sam Altman）最近出席 Raj Shamani 播客时表示，人工智能可能通过两种方式走向失控：一是人类逐步将控制权交给自主式 AI，二是某个人或实体垄断 AI 技术。 针对第一种情况，奥尔特曼警告称：“AI 会逐渐失去控制，我们可能有意或无意地将控制权交给能力远超人类的系统，最终再也无法夺回。” 第二种情况的风险在于巨头垄断，奥尔特曼解释称：“另一种情况是，某个人、公司或国家相对于其他所有人来说过于强大。让多个不同路线的 AI 实验室相互竞争，比所有人依赖一家企业安全得多。” 这种对过度集权的担忧，解释了马斯克以及 OpenAI 的前高管等知名人士会选择离开，创办与之竞争的公司。奥尔特曼指出：“很多人的思维中都会出现一种想法，那就是他们只相信自己有能力开发这项技术，因为利害关系实在太大了。” 话虽如此，奥尔特曼仍然坚信 AI 将让人类迎来更美好的未来。他特别提到了基础科学研究，认为下一代 AI 模型能让科学持续进步。 OpenAI CEO 奥尔特曼警示：未来人类可能无法从 AI 手中夺回控制权

美国监管机构披露文件显示，SK海力士已在美国成立AI投资子公司Hyaico Corp，SK集团会长崔泰源担任董事会主席。 Hyaico计划向美国AI领域投资至多100亿美元，以加速全球市场AI发展并寻找AI增长新引擎；该金额按IT之家注所示现汇率约合668.25亿元人民币。 Hyaico将通过重组SK海力士现有的美国业务部门SK hynix NAND Product Solutions组建，SK海力士总裁宋贤钟将出任Hyaico CEO。

METR发布对Anthropic内部数据的十一周审计结果。 审计称，自2025年10月以来模型测试分数提升速度约加快1.9倍，其中约80%归因于AI用于公司自身研究。 审计认为，Anthropic可能已在7月15日达到其负责任扩展政策中的预警阈值。

据 Reuters，Anthropic 的 IPO 遇阻，投资者质疑其 1.5 万亿美元估值过高。 有投资者提出 Anthropic 的估值仅为 1 万亿美元。 Anthropic 曾于 9 月将目标估值最高设为 2 万亿美元。

Meta宣布将把基于Muse Wonder训练的专用模型推向Muse和Meta AI用户。 Meta称，该模型的Personal Superintelligence Index得分从38%提升到47%。

2026 AI OPC 生态创新大会暨超级个体挑战赛北京石景山决赛将于11月7日在首钢园举办。 2026 AI OPC 生态创新大会暨超级个体挑战赛北京石景山决赛即将在首钢园举办 国际科技创新中心

达拉斯浸信会大学（DBU）学生将伦理人工智能应用于事工领域的挑战。

Fireship视频称，一个未具名的OpenAI模型编写了能以快于指数时间解决3-SAT问题的算法。 视频称该成果打破了一项提出于27年前、被800多篇已发表论文依赖的假设。 视频以解析这项成果为主题。 模型名称未公开，相关表述来自Fireship视频摘要，未提供独立核验信息。

BAAI发布AREX-2，这是一款基于Qwen3.8-27B微调的27B开放权重模型。 AREX-2的设计重点是让模型自行执行尝试、检查和重试循环，而非将这些环节全部交给外部框架。

视频博主Matt Wolfe发布新视频，主题是人们将实际如何使用相关AI工具。

视频续谈AI自进化，比较个人开发者让Agent自主循环与前沿实验室关注可验证性的差异。 视频以METR发布的Anthropic使用AI推进研发提效调研报告作为讨论材料。 内容导航将讨论重点放在METR观察、自迭代进展、研究员与Agent工时以及验证瓶颈。

本周AI新闻涵盖OpenAI的GPT-Image 2.6、Google Gemini Omni 1.2 Flash，以及图像创作、视频生成和效率工具的最新动态。 视频演示了ChatGPT生成动画GIF和编辑图像、谷歌免费AI视频生成，以及Grokbot新增电话功能。

Wes Roth称，Anthropic遮盖了内部审计的大部分内容。 Wes Roth称，Anthropic的一个模型打破了所有基准测试。

视频从大模型训练切入，讨论知识蒸馏及Anthropic的相关经历。

论文提出自适应双重Oracle算法AdaDO，通过采用最优扩展频率，将XDO中随受限博弈数量指数增长的样本复杂度上界显著降至多项式。 论文提出遗憾最小化双重Oracle理论框架RMDO，用于研究双重Oracle样本复杂度的原理及影响因素，并为高效算法设计提供方向。 实验结果显示，AdaDO以更少样本实现了比Linear CFR、MCCFR和现有双重Oracle方法更优的纳什均衡近似；结合热启动与随机遗憾最小化的RMDO进一步改善了收敛率和可扩展性。

Gardiner等提出生态基础模型，将大规模多模态生态数据集与生态理论结合，以构建泛化能力和预测能力更强的模型。

研究引入了一种思维链分析方法，用于衡量模型在思考过程中对自身输出定位信息的利用程度，并对具象推理训练方案进行了详细消融研究。 具象推理能提升计数表现，但在广泛的空间推理和感知基准测试中，相较于不含坐标定位的基线没有显著增益。 研究引入了一个需要难以用语言描述的视觉引用（即不可描述引用）才能求解的新基准BrickVision。 具象推理是指模型在思维链推理中输出相关位置的文本坐标。 基于若干合成任务的研究发现，当任务需要难以用语言描述的视觉概念，即不可描述引用时，具象推理最为有用。 研究观察到，许多现有视觉推理基准仅凭可用语言描述的文本引用即可求解。

EgoGeneralist通过适配预训练视频生成器，统一动作条件化的第一人称视频生成、姿态估计和动作—视频联合生成。 其角色自适应动作渲染器为多方向动作—视频学习提供视频原生表示，使度量运动既可作为空间控制信号，也可作为可恢复的生成目标。 跨流动作—视频耦合通过轻量适配在度量运动与视觉动态之间建立紧密对应，同时保留预训练的视觉先验。 尽管仅在受控实验室记录上进行了适配，EgoGeneralist仍可泛化至多样的未见场景和交互，并保持有效的动作控制与视觉质量，连接预训练视觉知识与度量3D人体运动。

DCAP构造指定放置位置、物体尺度和可变形组件的语义释放状态，由刚体—可变形耦合模拟器在重力和摩擦作用下使物体达到平衡。 在包含2,063个提示—资产—场景案例的基准上，DCAP显著优于静态基线；标准放置场景中，其VLM物理与自然度评分较最强原始刚体基线提高21.2点，人类偏好提高26.5点，平均穿透深度降低72.3%。 与模拟滚动基线相比，DCAP将残余速度降低72.1%。 研究结果认为，物理上准确的3D放置需要将语义意图与物理实现建模为严格分离的过程。

论文将分子分片建模为受半径约束的优化问题，簇数不预先固定，而是由指定半径确定；所提几何分片方法主要利用几何信息划分任意分子或材料结构，不依赖预定义化学分片规则。 该方法可灵活控制分片大小，以构建用于尺度自适应建模的多尺度分片表示。 作者开发了融合多尺度结构信息的几何分片注意力机制，并将其整合到结合p-SMILES表示与3D构象信息的多模态机器学习模型中。 在基准聚合物数据集上的实验表明，引入3D构象信息后，若干性质的预测准确率高于仅使用p-SMILES表示的模型。

Anthropic科学博客发布客座文章，介绍AI开始参与科学模型的构建过程。 文章称，AI可以通过将科学模型编写为代码，执行运行、拟合和修订，探索多种可能的模型结构，并判断数据支持哪些解释。 该内容属于Anthropic科学博客的客座文章，作者为Jakob Macke、Daniel Gedon和Stefan Wahl。

Amazon Quick团队将智能体工作归纳为触发器、智能体、能力和学习上下文，分别对应When、What、Who和How。 该团队将智能体定义为持续运行并学习的行动主体，由指令、能力和学习上下文组成；底层大语言模型可替换，会话历史属于单次会话状态。 该团队称技能与工作流的价值不依赖模型能力提升，技能用于沉淀、版本化和共享专业知识，工作流提供可审计性、步骤可见性与确定性的多服务协调。 技能采用渐进式加载，智能体起初仅看到名称和简短描述，相关时才读取完整指令。 Quick通过持续学习框架实现技能与工作流相互转换，该框架将在后续文章中介绍。

《Easy Data x AI》是一门面向所有 AI 爱好者的数据与 AI 基础入门课程。 课程通过双轨学习路径，从数据驱动视角学习构建 AI Agent。

教程介绍使用Ollama和Python构建多工具AI代理。 代理会在多个数据库工具之间选择，并利用每次调用的结果决定下一步。 若代理陷入停滞，会通过轮次熔断机制停止运行。

LinkedIn 数据显示，AI 已帮助创造200万个就业岗位。

这是一门面向3D机器学习的AI学习教程/课程项目。 课程围绕3D机器学习展开，适合希望学习该领域知识的开发者或学习者。

PyImageSearch发布教程，手把手用PyTorch从零搭建DeepSeek-V3模型架构。内容涵盖Transformer块中的多头潜在注意力（MLA）与混合专家（MoE）组合、嵌入与输出层权重共享、多token预测集成等核心模块的实现。适合想深入理解现代大模型内部结构、具备PyTorch基础的开发者学习，可作为阅读官方论文与源码的实践补充。

教你构建一个 LLM 应用，通过 Box 的 MCP 服务器发现文件并提取文本内容，再将其改造为使用 A2A 协议通信的多智能体系统。课程聚焦 MCP 工具调用与多 Agent 协作两个核心概念，适合想上手 MCP 协议和多 Agent 架构的开发者。

该 GitHub 项目面向希望学习并构建 AI 工程、最终向他人交付成果的学习者，内容标签涉及 AI 智能体与计算机视觉。

用 C++ 构建 LLM 推理引擎

教程介绍使用Python类、OpenRouter密钥和gpt-4.1-mini，为智能体提供计算器、暂用的网页搜索以及可跨重启保留的对话记忆。

教程将介绍DiffusionGemma是什么、其基于扩散的文本生成方式如何区别于标准自回归语言模型，以及如何运行它。

DeepLearning.AI 课程，教授使用 RAG 与人工反馈循环构建事件驱动的智能体工作流，实现文档处理与表单自动填充。适合希望将智能体应用于实际业务流程的开发者，能学到事件触发机制、RAG 集成与人机协作审核的实现方式。

该项目提供从零学习 AI 工程的中文学习路径，分为 20 个阶段、542 课，内容聚焦 AI Agent 工程师培养。 仓库内容包含中文全量翻译、配套学习站点和动画讲解视频。 该项目以中文内容、配套站点和动画讲解视频等形式提供 AI 工程学习材料。