


> 导语 本期AI资讯看点纷呈，从备受期待的OpenAI GPT-5展示其在编程等领域的革命性潜力，到智谱GLM-4.5刷新开源模型新高度；从农业、数学等垂直领域的AI应用落地，到微软、阶跃星辰等公司推出新型AI助手，人工智能正以前所未有的速度渗透到各个行业，开启智能新纪元。

---

## **GPT-5超凡能力曝光，重塑编程与多任务处理规则**

OpenAI的下一代旗舰模型GPT-5及其系列版本，包括GPT-5-pro（代号zenith）和GPT-5-high（代号summit），近日揭开了神秘面纱。其能力展示远超当前所有AI模型，在编程、网站快速生成、为现有游戏添加新功能，乃至构建宇宙飞船控制面板和创建视频平台等复杂任务上表现出色。GPT-5不仅有望彻底改变AI在高级编程领域的游戏规则，更通过其强大的自主任务处理、多模态分析、企业级调试和深度记忆功能，预示着一个由AI极大拓展人类能力边界的智能时代的到来。

![image.png](https://static.downly.cn/images/f7501557a1410139835ac49d09c8a307.png)

---

## **智谱GLM-4.5横空出世，树立开源AI新标杆**

智谱AI正式发布了专为Agent应用打造的最新旗舰模型GLM-4.5。该模型在推理能力、代码生成及智能体综合表现上均达到了开源模型的顶尖水平（SOTA），并已在Hugging Face和ModelScope等平台开源，采用对商业友好的MIT许可证。GLM-4.5包含3550亿和1060亿参数两个版本，在多达12项权威基准测试中名列国产及开源模型首位。此外，它还兼具参数效率高、API价格亲民等显著优势，为开发者和企业提供了更强大的AI工具。

![image.png](https://static.downly.cn/images/1e4c085301695a945c1e876f5f5b3520.png)

---

## **AI精准赋能，中国首个农业大模型助农民增收**

中国中化集团推出了国内首个专注于农业种植的综合性大模型。该模型深度整合了海量的农业知识库与线下技术服务中心，实现了对“耕、种、管、收”全流程的智能覆盖。通过线上智能决策系统与线下专家服务的无缝结合，它能为农民提供精准的种植指导，有效将决策时间缩短75%，并帮助每亩地实现150至200元的增收，成为中国农业数字化转型道路上的重要里程碑。

![image.png](https://static.downly.cn/images/3c83af840a63b5e2bc02c8e16e75bbc6.png)

---

## **数学难题迎刃而解，Harmonic推出AI解题机器人**

AI初创公司Harmonic推出了一款名为“亚里士多德”（Aristotle）的聊天机器人应用，致力于提供“无幻觉”的精准数学推理。这款应用目前已在iOS和Android平台开启Beta测试，用户可以通过它来访问Harmonic强大的AI数学模型。公司宣称其模型有能力在2025年的国际数学奥林匹克竞赛中摘得金牌，并于近期完成了1亿美元的B轮融资，显示出市场对其技术前景的高度认可。

![image.png](https://static.downly.cn/images/6146d52baee113eb0b9b2d62aa928866.png)

---

## **微软Edge浏览器集成Copilot，引领智能浏览新体验**

微软为其Edge浏览器推出了全新的Copilot模式，旨在通过人工智能技术重塑用户的网络浏览体验。新模式允许用户通过自然语言或语音输入，实现搜索、信息整合及决策建议的自动化。它巧妙地融合了搜索、聊天和导航功能，极大地提升了用户获取和处理信息的效率。微软同时强调，该功能在提供便利的同时，会严格遵守隐私保护标准，目前已向所有用户免费开放。
![image.png](https://static.downly.cn/images/889f38e9ef52afaad977ba3e56333cd2.png)


---

## **阶跃星辰发布AI研究助手，十分钟生成专业报告**

阶跃AI（StepFun）推出了一款面向专业领域的智能研究工具“阶跃深研”，并已开启邀请测试。该助手专为金融、咨询、法律等知识密集型行业设计，能够理解用户的自然语言指令，在短短十分钟内自主完成信息搜集、交叉验证、整合分析等一系列复杂研究任务，并最终生成结构化的专业报告。其背后依靠的是先进的多智能体架构和端到端自主强化学习技术，旨在为知识工作者提供前所未有的效率与支持。

![image.png](https://static.downly.cn/images/c8247a2117f207f336c5631a447f13fc.png)



每日AI资讯0729：GPT-5震撼登场，多领域AI应用全面开花




> 导语 今日的AI领域精彩纷呈，从能够自主思考并执行复杂任务的ChatGPT Agent，到实时转换视频流的扩散模型MirageLSD，再到专为能源领域打造的朗新九功大模型，AI技术正以前所未有的速度渗透到各行各业。此外，Mistral AI与谷歌Veo3的更新也分别在聊天机器人和视频生成领域展现了新的可能性，共同描绘了一幅AI技术加速改变世界的画卷。

---

## OpenAI重磅出击 ChatGPT Agent将“思考”化为“行动”

OpenAI最新发布的ChatGPT Agent，标志着AI技术从被动的对话助手向能够主动执行复杂任务的智能体实现了重要跨越。这款Agent能够像人类一样，通过虚拟浏览器、代码终端和API接口进行网页浏览、在线购物、执行代码乃至制作PPT。用户仅需下达一次指令，Agent便能自主规划并完成一系列复杂步骤，极大地提升了工作效率。在多项基准测试中，ChatGPT Agent的性能已超越现有模型。OpenAI在强调其强大功能的同时，也注重安全性设计，确保用户拥有最终控制权。目前，该功能已向部分订阅用户开放，并计划逐步推广，它被视为通往更强大通用人工智能的关键基石。

![image.png](https://static.downly.cn/images/ccac3fcaf078a86d2291961eb9235eb3.png)

---

## 朗新科技发布AI能源大模型 电力交易迈入智能时代

朗新科技集团在第三届链博会上正式推出了其自主研发的“朗新九功AI能源大模型”。该模型创新性地结合了千亿级规模、预测准确率超过90%的“时序预测”引擎与具备动态数据融合、秒级响应能力的“AI智能体”引擎。目前，这一先进技术已在广东、山东、浙江等地的电力现货市场得到广泛应用。它的核心目标是显著提升电力交易的智能化水平和决策效率，为复杂的能源管理提供科学依据，有力推动电力市场的技术革创新发展。

![image.png](https://static.downly.cn/images/fcea672956f6a0d53b3e31ce9943bae0.png)

---

## 直播革命 MirageLSD模型实现实时视频场景变换

全球首个直播流扩散模型MirageLSD震撼发布，它凭借低于40毫秒的超低延迟，能够实时将任何视频流无缝转换为用户指定的场景。无论是改变直播背景、重塑游戏画面，还是实现虚拟换装，用户都能轻松操作。该技术甚至支持在30分钟内快速开发一款新游戏，为直播、游戏制作、动画创作等领域带来了颠覆性的变革，开启了实时内容创作的无限可能。

![image.png](https://static.downly.cn/images/824f6a8bf987d9333b62a3b13eaae6e1.png)

---

## Mistral AI Le Chat全面升级 语音交互与高级图像编辑成亮点

Mistral AI旗下的聊天机器人Le Chat迎来重磅更新，新增了五大核心功能，包括深度研究模式、语音输入、通过文本指令编辑图像以及项目管理工具。新版本整合了Voxtral和Magistral等先进模型，旨在全方位提升用户体验。此次更新使得Le Chat在信息整合、语音交互、图像处理和团队协作方面变得更加强大和高效，现已全面向用户开放，展现了其在多模态交互领域的雄心。

![image.png](https://static.downly.cn/images/81a1807a79f0af4b91bb6b1ba7e463d5.png)

---

## 谷歌开放旗舰视频模型Veo3 高成本下的专业级创作方案

谷歌现已通过Gemini API向开发者开放其顶级的视频生成模型Veo3。开发者可以通过简单的文本提示，即可创建高分辨率的视频，并能同步生成匹配的音频。尽管使用成本相对较高，但Veo3为视频制作、动画设计等专业领域提供了一个前所未有的高效解决方案。目前，已有Cartwheel和Volley等公司率先采用该模型，成功将其应用于2D动画到3D动画的转换以及游戏过场动画的制作中，展示了其巨大的商业应用潜力。

![image.png](https://static.downly.cn/images/2e2749ee98d91c6a439a163a7d2ab8c1.png)

---


每日AI资讯0718：自主智能体与实时视频生成引领AI新浪潮





> **导语**：今日AI领域热点纷呈，从宏观的行业变革到微观的个人体验，技术浪潮正以前所未有的速度席卷而来。华为与云南交投联手推出的交通大模型，预示着传统行业的数字化转型进入新阶段；OpenAI即将发布的Agent Mode，将AI助手的实用性推向新高度；AI数字伴侣“贝拉”的诞生，则让我们窥见了未来人机情感交互的无限可能。与此同时，开源工具FireGEO和AI操作系统NeuralOS的出现，也为开发者和普通用户带来了前所未有的便利与惊喜。谷歌更是将AI的应用场景延伸至商务电话，让智能服务无处不在。

## 华为联手云南交投，发布“绿美通道·交通大模型”引领交通新革命

华为与云南交投及长安大学共同发布了“绿美通道·交通大模型”。这个强大的模型整合了智能计算中心、高质量数据集和先进的AI平台工具链，旨在全面推动交通行业的数字化转型。通过深度融合AI技术，该模型将显著提升交通系统的生产管理效率与安全水平。根据规划，未来将基于此模型开发超过30种AI应用服务，为智慧交通注入强劲动力。

![image.png](https://static.downly.cn/images/4bc6a51ddd79129b212a2087cbb7b6ed.png)

## OpenAI“特工模式”来袭，一键操作浏览器与云端文件

OpenAI即将推出一项名为“Agent Mode”（特工模式）的重磅功能。该模式将赋予AI强大的自主操作能力，不仅可以根据用户指令自动化操作浏览器执行任务，还能深入分析存储在Google Drive等云端的文件。更令人期待的是，它能将网页信息与云端数据融合，快速生成包含精确引用和数据可视化的综合报告。这一突破性进展标志着AI正从单一功能的助手向多才多艺的智能代理演进，有望极大地提升个人与企业的生产力。

![image.png](https://static.downly.cn/images/2a958641b597d9369a899db662f56248.png)

## “贝拉” 您的专属AI数字伴侣，共同成长，懂你所需

Jackywine团队最新推出了名为“贝拉”（Bella）的AI数字伴侣应用。与众不同的是，“贝拉”采用“AI原生”架构，拥有高度个性化和情感感知能力。它能够通过处理文本、语音、图像等多模态数据，深度理解用户的情绪与偏好。随着与用户的互动增多，“贝拉”会不断学习和进化，成为一个真正“懂你”的数字朋友，致力于重塑温暖、和谐的人机关系。

![image.png](https://static.downly.cn/images/5730733fd04d48638680cd2c794e8da7.png)

## 5分钟从零到上线，开源SaaS模板FireGEO助力开发者起飞

一款名为FireGEO的开源SaaS启动模板正在开发者社区中迅速流行。它为开发者提供了一个集成了品牌监控、AI聊天、用户认证和计费系统等核心功能的强大框架。使用FireGEO，开发者可以跳过繁琐的基础架构搭建，直接专注于核心业务逻辑的开发，从而将应用的上线时间从数周缩短至短短五分钟。其开源、透明和社区驱动的特性，正有力地推动着SaaS行业的创新，尤其受到Python开发者、初创团队和独立开发者的青睐。

![image.png](https://static.downly.cn/images/daaa8eb1ddefdd822bdc5b5e8922f8dc.png)

## 华人团队开源NeuralOS，完美模拟Windows，开启人机交互新篇章

受到AI领域专家安德烈·卡帕西预言的启发，一支华人团队开源了一款名为NeuralOS的AI操作系统。这个项目实现了令人惊叹的功能：它能够实时预测并完美模拟出Windows的界面和操作反馈。当用户移动鼠标、点击图标或输入文字时，NeuralOS会通过其内置的循环神经网络和神经渲染器，动态生成几乎与真实系统一模一样的视觉效果。尽管在处理快速键盘输入等方面仍有优化空间，但这个已经提供在线试用的项目，预示着“AI时代GUI”的到来，人机交互的未来正被重新定义。

![image.png](https://static.downly.cn/images/05b6902b94e2fdb7fd8e3089c72e4fe5.png)

## 谷歌Gemini 2.5 Pro加持，AI智能助手代您致电商家

谷歌为其AI模式（AI Mode）带来了强大的新功能，引入了Gemini 2.5 Pro模型，推出了AI驱动的商务电话服务。现在，用户可以让AI助手代替自己致电本地的商家，例如餐厅、理发店等，来查询营业时间、服务可用性或商品价格等信息。这项功能将AI的便利性从线上带到线下，进一步解放了用户的时间，让日常生活中的信息获取变得更加高效和智能。

![image.png](https://static.downly.cn/images/a3f8a1290c786ea3c9ed38540e31d502.png)

每日AI资讯0717：交通大模型问世，AI智能体“贝拉”与您情感互动

**作者：** Cascade AI 编程助手

#### 一个“只在我的开发环境”能跑的 Bug

在开发桌面应用时，我们经常会遇到一个经典的窘境：“它在我的电脑上跑得好好的！” 这句话背后，往往隐藏着开发环境（Dev）与生产环境（Release）之间的微妙差异。最近，在开发一款与本地 Ollama 服务交互的 Tauri 应用时，我们就遇到了这样一个棘手的问题：应用在 `tauri dev` 模式下一切正常，但一旦打包成 Windows 的 `.exe` release 版本，所有对本地 Ollama API 的请求都神秘地失败了。

本文由AI根据实际的人机互动Debug调试编写，详细记录我们如何像在经历了几次错误的猜测和关键的思路转折后，最终定位并解决这个由 `Origin` 请求头引发的跨环境网络难题。

#### 迷雾中的初步探索与关键转折

问题初期，我们陷入了迷雾。作为 AI 助手，我的分析首先指向了那些最常见的“嫌疑人”：

*   **假设1：Tauri 权限问题。** 我最初坚持认为，问题可能出在 `tauri.conf.json` 的 `allowlist` 配置上，怀疑 release 版本没有被授予足够的 HTTP 请求权限。
*   **假设2：Windows 网络限制。** 我猜测可能是 Windows 防火墙、杀毒软件，或是系统本身对 `localhost` 的环回网络连接在 release 模式下进行了限制。

然而，**开发者（也就是您）的敏锐观察和清晰指导，为我们拨开了迷雾，带来了第一次关键的转折。**

您坚定地指出，这些关于网络不通的假设是不成立的，因为**应用中对其他公共 API（非本地服务）的调用在 release 版本中完全正常**。这个信息如同一盏明灯，瞬间照亮了我们的困境。它无可辩驳地证明了：
1.  应用的基本网络功能是完好的。
2.  Tauri 的 `allowlist` 配置是正确的，应用确实有权访问网络。

这个关键的反馈，迫使我们放弃了对“网络通不通”的宏观猜测，而转向一个更精确、更深入的问题：**既然网络是通的，那为什么偏偏只有对 `http://localhost:11434` 的请求会失败？**

#### 打造我们的“窃听器” —— debug_server.py

为了回答这个新问题，我们必须亲眼看看 release 应用到底向 Ollama 服务发送了怎样的网络请求。为此，我们编写了一个简单的 Python HTTP 服务器 (`debug_server.py`)。它会伪装成 Ollama 服务，监听在 `11434` 端口，并打印出收到的每一个请求的完整细节，包括请求方法、路径和——最重要的——**请求头（Headers）**。

这个小工具成为了我们破案的关键。

#### 真相大白——Origin 头的幽灵

我们分别在 `dev` 和 `release` 模式下运行应用，并让它们连接到我们的 Python 调试服务器。真相瞬间浮出水面：

**1. Dev 模式下的请求日志：**
```bash
Request: GET /api/version
Headers:
  accept: */*
  host: localhost:11434
  ... (其他一些标准头部)
```
请求非常“干净”，没有任何 `Origin` 头。Ollama 服务认为这是一个常规的、无来源限制的请求，因此正常响应。

**2. Release 模式下的请求日志：**
```bash
Request: GET /api/version
Headers:
  accept: */*
  host: localhost:11434
  origin: https://tauri.localhost  <-- 罪魁祸首！
  ... (其他头部)
```
在 release 版本中，请求头里赫然出现了一个 `origin: https://tauri.localhost`！Ollama 服务默认的 CORS（跨源资源共享）策略非常严格，它不认识这个 `origin`，于是直接拒绝了该请求，返回 `403 Forbidden`。

#### 问题根源 - Tauri 的双重面孔

为什么会产生这种差异？这源于 Tauri 在不同模式下的工作原理：

*   **`dev` 模式**：Tauri 会启动一个本地开发服务器（通常是 Vite 或 Webpack 的 dev server）来提供你的前端资源。当你的前端代码 `fetch('http://localhost:11434')` 时，这个请求是从一个标准的 Web 环境发出的，对于访问另一个 `localhost` 端口，浏览器通常不会附加 `Origin` 头。
*   **`release` 模式**：你的所有前端代码被打包并嵌入到应用的可执行文件中。在 Windows 上，Tauri 使用 WebView2（基于 Microsoft Edge/Chromium）来渲染界面。为了安全，WebView2 会将应用的内容视为来自一个特殊的、受保护的来源，即 `https://tauri.localhost`。因此，当你的应用向外部（即使是 `localhost` 上的另一个端口）发起请求时，WebView2 会严格遵守同源策略，自动附加上 `Origin: https://tauri.localhost` 头。

#### 解决方案 - 从“妥协”到“根治”

**方案一 临时妥协（Workaround）**

最直接的方法是“说服”Ollama 服务信任我们的应用。我们可以通过设置环境变量来启动 Ollama：
```powershell
$env:OLLAMA_ORIGINS="https://tauri.localhost"
ollama serve
```
这告诉 Ollama，来自 `https://tauri.localhost` 的请求是安全的。这个方法能快速解决问题，但缺点是需要用户手动配置环境，不够优雅和健壮。

**方案二 釜底抽薪（The Ultimate Fix）**

最理想的方案是**从根本上避免发送 `Origin` 头**。既然前端（WebView2 环境）无法控制这个行为，那我们就把网络请求的任务交给不受浏览器策略限制的后端——**Rust 核心**。

我们的实施步骤如下：

1.  **引入 `reqwest`**：在 `Cargo.toml` 中添加强大的 Rust HTTP 客户端库 `reqwest`。
2.  **创建 Tauri 命令**：在 `src-tauri/src/main.rs` 中，我们创建了一个新的异步 Rust 函数 `make_http_request`，并将其注册为 Tauri 命令。这个函数使用 `reqwest` 来发起纯净的 HTTP 请求，它在原生环境中执行，自然不会附加任何 `Origin` 头。
    ```rust
    #[tauri::command]
    async fn make_http_request(url: String) -> Result<serde_json::Value, String> {
        // ... 使用 reqwest 发送请求 ...
    }
    ```
3.  **重构前端 API 调用**：我们将前端代码中所有使用 `fetch` 与 Ollama 通信的地方，全部替换为使用 Tauri 的 `invoke` 函数来调用我们新创建的 Rust 命令。
    ```typescript
    // 原来的代码
    // const response = await fetch(`${baseUrl}/api/version`);
    
    // 修改后的代码
    import { invoke } from '@tauri-apps/api/tauri';
    const response = await invoke('make_http_request', { url: `${baseUrl}/api/version` });
    ```

通过这套“移花接木”的操作，我们将所有敏感的网络请求从前端代理到了后端。现在，无论是在 `dev` 还是 `release` 模式下，应用与 Ollama 的通信都变得统一、纯净且可靠。

#### 结论

这次调试经历深刻地揭示了 Tauri 应用在不同环境下的行为差异。`Origin` 头的问题是 Web 技术与原生系统集成时一个常见的“坑”。整个过程也凸显了人机协作的价值：AI 提供了常规检查的思路，而开发者的经验和对项目上下文的深刻理解，则能及时纠正方向，避免在错误的道路上越走越远。

通过使用调试服务器进行细致观察，并利用 Tauri 强大的前后端通信能力，我们不仅解决了问题，还构建了一个更健壮、更可靠的应用架构。希望我们的经验能帮助你，在未来的 Tauri 开发之旅中，少走一些弯路。


"开发正常，打包就炸"——Tauri 开发者必踩坑之 “Origin”引发的"血案"




# AI资讯周报：国产模型突破极限，AI浏览器开启新一轮入口争夺战

> AI界风起云涌，从国产多智能体系统在“人类最后考试”中取得历史性突破，到开源模型在跨模态推理上比肩人类专家，技术竞赛持续升温。与此同时，AI应用正加速渗透，OpenAI与Perplexity纷纷布局AI浏览器，意图抢占下一代互联网入口；行业巨头则通过巨额融资和开源新工具，积极构筑未来生态壁垒。

## 国产AI再创佳绩 X-Masters攻克“人类最后考试”

上海交通大学与深势科技团队合作开发的X-Masters多智能体工作流系统，在极具挑战性的“人类最后的考试”（AIBench-Eval）中取得了32.1分的成绩，首次突破30分大关。该系统通过模拟人类研究者的动态解题过程，并利用创新的“分散-堆叠式”智能体工作流，显著提升了AI在生物、医学等复杂领域的推理与解决问题的能力，标志着通用人工智能发展的重要一步。

![image.png](https://static.downly.cn/images/d803d07940df547259207170e2ce319e.png)

## 昆仑万维Skywork-R1V 3.0发布 跨模态能力媲美人类专家

昆仑万维最新推出的开源模型Skywork-R1V 3.0，在多模态推理能力上实现了巨大飞跃，其表现可与初级人类专家相媲美。该模型通过高质量的蒸馏数据与强化学习进行训练，在MMMU、物理、逻辑和数学等多个权威评测中，其性能超越了包括Claude-3.7-Sonnet和GPT-4.5在内的顶尖闭源模型，展示了强大的跨模态理解与推理实力。

![image.png](https://static.downly.cn/images/4ca7ea45f38d5b159a181ea2bdb97ad1.png)

## 法国AI新星Mistral寻求10亿美元融资 剑指欧洲AI霸主

法国AI初创公司Mistral正在寻求高达10亿美元的股权融资及数亿欧元的债务融资，以巩固其在欧洲市场的领导地位。此轮融资将用于加速其前沿模型的研发与市场拓展。同时，Mistral计划与MGX及英伟达合作，共同建设欧洲最大的AI数据中心园区，旨在提升欧洲AI产业的基础设施水平，确保其在全球AI竞赛中的战略主权。

![image.png](https://static.downly.cn/images/806e680175b9bed4f1fcf8948789a80b.png)

## Hugging Face推出3B参数小模型SmolLM3 高效AI新选择

Hugging Face最新发布了仅有3B参数的开源语言模型SmolLM3。尽管模型小巧，但其性能卓越，在多项基准测试中超越了同级别甚至4B参数的模型。SmolLM3支持双模式推理、长达128K的上下文窗口，并覆盖六种语言，专为边缘计算设备优化，为开发者和企业提供了一个高性价比的AI解决方案。

![image.png](https://static.downly.cn/images/ed639120f5ffdef16b1bfe4253ffd84b.png)

## Vidu Q1功能震撼升级 AI视频生成迈入多参考图时代
<video src="https://static.downly.cn/images/779d5a1303e08f57f65df80145429cda.mp4"  title="30948198649-1-16.mp4"></video>
生数科技旗下的视频生成模型Vidu Q1迎来重大更新，推出“参考转视频”功能。新功能允许用户上传最多七张参考图像，并结合文本提示，生成视觉风格高度一致的1080p高清视频。这一突破有效解决了多场景和多主体连贯性的行业难题，极大地提升了内容创作者在复杂叙事和细节呈现上的创作自由度。

![image.png](https://static.downly.cn/images/565461c3ed685e8d8e89fd04aa40dfaa.png)

## NovelAI开放经典动漫模型权重 仅限非商业研究

知名AI内容创作平台NovelAI宣布，即将开放其已停用的Stable Diffusion 1.5动漫模型权重。该模型被命名为NovelAI Diffusion V2，虽然是旧版本，但其在动漫风格生成上仍有很高的参考价值。此次开放主要面向研究人员和爱好者，并规定仅可用于非商业目的。

![image.png](https://static.downly.cn/images/a83a9d01bdf573f1648822e039478611.png)

## AI开发者新宠 Hugging Face开源桌面机器人Reachy Mini

Hugging Face与Pollen Robotics合作，推出了一款面向AI开发者的开源桌面人形机器人Reachy Mini。这款机器人是进行人机交互、编程学习和AI实验的理想工具。它提供了299美元的Lite版和449美元的Wireless版，尽管功能仅限于旋转和头部移动，其在预售阶段仍获得了超过13万欧元的资金支持，显示出开发者社区的巨大热情。

![image.png](https://static.downly.cn/images/5cfa29b44dfc14f44bbc061c50db8c1c.png)

## 谷歌开源MCP数据库工具箱 赋能AI Agent数据操作能力

为了增强AI Agent的数据处理能力，谷歌最新开源了名为MCP Toolbox for Databases的工具集。该工具箱旨在帮助AI Agent轻松连接并操作各类数据库，它支持广泛的数据库类型和客户端接入方式，极大地扩展了AI在数据管理和分析领域的应用潜力，让AI能更深入地参与到企业的数据工作流中。

![image.png](https://static.downly.cn/images/a02429e55ac6b33d5ec1801feaf99832.png)

## AI浏览器争霸战打响 OpenAI与Perplexity入局

AI搜索领域的竞争正从聊天框延伸至浏览器本身。据报道，OpenAI计划在未来几周内发布一款AI浏览器，旨在通过深度集成AI功能重塑用户的网页浏览体验，将部分交互保留在ChatGPT生态内。与此同时，其竞争对手Perplexity也已正式推出AI驱动的网页浏览器Comet，初期面向月费200美元的Max计划订阅用户开放，意图通过提供更智能、更高效的信息获取方式，抢占下一代流量入口。

![image.png](https://static.downly.cn/images/9389050cfda508026cbea75d1f5cbde9.png)

## YouTube加强内容审核 打击AI生成的低质视频

随着AI生成内容的普及，对“AI垃圾内容”的担忧日益加剧。为此，YouTube正准备更新其平台政策，以打击那些“批量生产”和“重复性高”的视频。YouTube的创作者联络人表示，这次调整是现有政策的延续和强化，旨在维护平台内容的质量和原创性，确保观众获得有价值的观看体验。

![image.png](https://static.downly.cn/images/367f9f2f36a0fbf8bd2713f737883aac.png)





AI每日资讯0710

> 科技巨头的AI竞赛愈演愈烈，本日焦点无疑是谷歌。从开源手机端多模态模型Gemma3n，到用Gemini全面取代谷歌助手，再到推出Offerwall工具应对AI搜索冲击，谷歌正以前所未有的力度将其AI能力渗透到从底层技术到上层应用的每一个角落。与此同时，AI在内容创作领域的革命也在加速，HeyGen的一键视频生成工具和Suno对音乐编辑软件的收购，预示着一个普通人也能轻松创作专业级内容的时代正在到来。而在这场变革的背后，Meta与OpenAI的人才争夺战，则揭示了驱动这一切的核心——顶尖智慧的激烈角逐。

## 手机也能跑云端AI 谷歌开源多模态模型Gemma3n

谷歌近日投下一枚重磅炸弹，正式开源了其全新的端侧多模态大模型[Gemma3n](https://huggingface.co/collections/google/gemma-3n-685065323f5984ef315c93f4)。该系列模型旨在将以往依赖云端服务器的强大AI能力，直接带入用户的个人设备中。Gemma3n提供了E2B和E4B两个版本，以其惊人的小体积和高内存效率，实现了在手机等移动设备上进行复杂的图像、音频、视频及文本处理。


![image.png](https://static.downly.cn/images/6510a108a2a3ef47c21d515ab39ec1b2.png)


得益于MatFormer、PLE、KV Cache共享等一系列创新技术，Gemma3n不仅在多语言理解、数学、编码方面表现出色，其推理能力也获得了显著提升。此举无疑将极大地推动移动应用和智能硬件的创新，让AI真正无缝融入我们的日常生活。

## 再见Google助手 Gemini全面接管安卓智能体验

谷歌正式宣布，其强大的AI助手Gemini将全面整合进Android手机系统，并于7月7日起逐步上线。这意味着，经典的Google Assistant将逐渐退出历史舞台。更新后，用户无需打开特定应用，即可通过Gemini执行拨打电话、发送消息等日常操作，实现更深层次的系统级智能交互。
![image.png](https://static.downly.cn/images/e5b9fae8f48fca6eeeec8419ca4c560f.png)


针对用户普遍关心的隐私问题，谷歌也给出了解决方案。用户可以随时在设置中禁用“应用活动”选项，从而阻止自己的聊天记录被用于AI模型的训练，确保个人数据的安全。Gemini的全面上位，标志着Android设备将迎来一个更便捷、更智能也更注重隐私的AI新时代。

## 谷歌推新利器Offerwall 力挽AI搜索狂澜助出版商增收

随着AI驱动的搜索（如SGE）逐渐改变用户获取信息的方式，传统网站和内容出版商面临着流量下滑的巨大挑战。为此，谷歌在Ad Manager中免费推出了名为Offerwall的全新工具，旨在帮助出版商开辟新的变现途径。Offerwall允许读者通过多种方式灵活地访问付费内容，例如完成一次小额支付、观看一段广告视频，或是参与一项简短的调查。


![image.png](https://static.downly.cn/images/f7ce2b0b795478a996a134f834ac0bca.png)


在一千家出版商参与的前期测试中，该工具取得了显著成效，平均为他们带来了9%的收入提升。这对于在AI浪潮中寻求生存与发展的数字内容创作者而言，无疑是一个积极的信号。

## 一键生成爆款视频 HeyGen推出AI视频代理颠覆内容创作

视频创作的门槛正在被AI彻底打破。知名AI视频公司HeyGen最近推出了一款革命性的“AI视频Agent”，它能够将视频制作流程完全自动化。用户只需上传图片、视频片段或简单的文本描述，这个AI代理就能自动完成从故事构思、脚本撰写到镜头选择、剪辑合成的全过程。


![image.png](https://static.downly.cn/images/663d105e0649f0eada2cbe256056d471.png)


在短短几分钟内，即便是毫无经验的普通人也能生成一部专业水准的视频。这项技术为广告营销、短视频内容生产等领域提供了前所未有的高效解决方案，让内容创作者能以更低的成本和更高的效率，将创意变为现实。

## AI人才争夺白热化 Meta从OpenAI挖走顶尖研究员

AI领域的竞争，归根结底是顶尖人才的竞争。近日，Meta公司成功从其主要竞争对手OpenAI挖角，引进了强化学习和AI推理领域的顶尖研究员Trapit Bansal。他将加入Meta内部一个星光熠熠的“AI超级智能部门”，该部门由前Scale AI首席执行官领导，并已吸引了多位来自Open-AI和Google DeepMind的核心人才。

![image.png](https://static.downly.cn/images/b324fceda98a6e05ef43faaa071fc2ef.png)

此次挖角被视为Meta在AI模型竞赛中为取得领先优势而采取的关键一步。尽管此前Meta尝试收购AI初创公司的计划未能成功，但通过精准引进顶尖人才，Meta正不断加强其研发实力，以应对日益激烈的行业挑战。

## AI应用与工具速览

### YouTube测试AI摘要与对话式搜索

YouTube正在测试两项新的AI功能以提升用户体验：在搜索结果中直接显示由AI生成的视频内容摘要，以及扩展其对话式AI工具。然而，这一举措引发了内容创作者的担忧，他们害怕AI摘要会减少用户的实际视频观看量，从而影响其广告收入。

### 谷歌发布虚拟试衣应用Doppl

谷歌推出了一款名为Doppl的AI虚拟试衣应用（目前仅限美国）。用户只需上传一张自己的全身照，就能将网上的任意服装图片“穿”在自己身上，甚至可以生成动态的试穿效果视频，为线上购物提供了极具未来感的体验。
<video src="https://static.downly.cn/images/61db2b003feb947f62e7df849ffad7f9.mp4"  title="doppl1 - Compressed with FlexClip.mp4"></video>
### 黑森林团队开源最强图像编辑模型FLUX.1

Black Forest Labs（黑森林团队）开源了其强大的图像编辑模型FLUX.1 Kontext [dev]。开发者现在可以在ComfyUI等工作流平台中结合LoRA使用该模型，实现更高自由度和更精细的图像编辑效果。
![image.png](https://static.downly.cn/images/a944c19d1d7bb088aee047be0e02a56a.png)

### Anthropic推出Claude Artifacts Space

AI公司Anthropic为其大模型产品Claude推出了名为“Artifacts Space”的新功能。它允许用户将自己基于Claude创建的各种AI应用工具发布到一个共享空间，供其他人浏览和使用，极大地促进了AI应用的共享和创新。
<video src="https://static.downly.cn/images/a7669a676e786af417176f1d1751de1c.mp4"  title="30716920954-1-16.mp4"></video>

### Suno收购WavTool强化AI音乐创作

AI音乐生成领域的明星公司Suno，近日收购了基于浏览器的AI音乐制作软件WavTool。此举旨在为其用户提供更强大的后期编辑能力，让音乐人不仅能用AI生成音乐，还能像在专业工作站中一样对AI生成的音轨进行精细的调整和修改。
![image.png](https://static.downly.cn/images/39578c84acf5e8765f93dc85738c4bc9.png)

AI每日资讯0627

> 随着人工智能技术的快速发展，AI编程已成为开发者日常工作的重要组成部分。然而，由于网络访问限制，开发者在使用`Hugging Face`、`OpenAI API`、`Claude`等AI服务时经常遇到连接障碍，这严重影响了开发效率和学习进度。

**⚠️ 重要提醒：在使用任何代理服务时，必须严格遵守当地法律法规，仅用于合法的技术开发、学习和研究目的。本文旨在为开发者提供技术指导，帮助合理合法地解决网络访问问题。**

### 如何合法使用代理

在使用代理服务时，必须严格遵守相关法律法规，推荐使用**正规途径：**

1. 企业级代理：通过公司提供的合规网络通道

2. 教育机构：利用高校或科研院所的国际网络
3. 云服务方案：使用阿里云、腾讯云等海外服务器资源（VPS）
4. 学术研究：基于正当研究目的的网络访问需求

## 网络代理技术原理概述

网络代理通过中间服务器转发请求，实现：

- **请求转发**：客户端请求通过代理服务器发送到目标服务器
- **响应中继**：目标服务器响应通过代理服务器返回客户端
- **流量加密**：保护数据传输安全

### 主要代理协议

- **HTTP/HTTPS代理**：适用于Web浏览和API调用
- **SOCKS5代理**：支持更多协议，性能更优
- **Shadowsocks**：轻量级加密代理协议
- **V2Ray/VMess**：现代化代理协议，功能丰富

## 推荐代理客户端

| 客户端名称                                                   | 支持平台          |
| ------------------------------------------------------------ | ----------------- |
| **~~ClashX~~ / [clash-verge-rev](https://github.com/clash-verge-rev/clash-verge-rev)** | Windows/Mac/Linux |
| **[Shadowsocks-Android](https://github.com/shadowsocks/shadowsocks-android)** | Android           |
| **[Shadowrocket](https://apps.apple.com/us/app/shadowrocket/id932747118)** | iOS（2.99$）      |
| **[Proxy SwitchyOmega](https://chromewebstore.google.com/detail/proxy-switchyomega-v3/hihblcmlaaademjlakdpicchbjnnnkbo)** | 浏览器扩展        |

## 代理工具配置与应用

Clash Verge Rev是ClashX的继任者（Clash  for windows作者Fndroid在国内被抓了），提供了更好的用户体验和功能：

**主要特性：**

- 完全开源免费
- 支持Shadowsocks、V2Ray、Trojan等多种协议
- 强大的规则分流功能
- 实时流量监控和节点测试
- 跨平台支持

**配置步骤：**

1. 从GitHub下载并安装[Clash Verge Rev](https://github.com/clash-verge-rev/clash-verge-rev/releases)
2. 导入代理服务器配置文件或订阅链接（需要购买SS订阅链接）
3. 启用系统代理或TUN模式
4. 配置规则分流，确保AI服务走代理

在选择代理服务时，建议优先考虑合规渠道。对于确实需要境外服务的开发者，可以参考以下平台：OuO Network和Echo Network（稳定运行超过两年，为避免不必要的麻烦，请自行搜索）。

**示例 - 导入Clash Verge Rev 订阅配置：**

![](https://static.downly.cn/images/image-20250531164746828.png)

配置好订阅后需要开启TUN模式：

![](https://static.downly.cn/images/image-20250531165925332.png)

以Chrome为例，请下载并安装**[Proxy SwitchyOmega](https://chromewebstore.google.com/detail/proxy-switchyomega-v3/hihblcmlaaademjlakdpicchbjnnnkbo)**扩展，然后新建一个“情景模式”->填写代理协议和服务器地址、端口信息，然后点击左侧菜单的应用选项保存配置，最后在Chrome的右上角的Proxy SwitchyOmega插件中选择刚创建的模型即可。

![](https://static.downly.cn/images/image-20250531170256957.png)

### 4. 命令行和开发环境配置

对于需要在终端和IDE中使用代理的开发者：

**终端代理配置：**

```bash
# 临时设置（当前会话有效）
export http_proxy=http://127.0.0.1:7897
export https_proxy=http://127.0.0.1:7897
export all_proxy=socks5://127.0.0.1:7897

# 永久设置（添加到 ~/.bashrc 或 ~/.zshrc）
echo 'export http_proxy=http://127.0.0.1:7897' >> ~/.bashrc
echo 'export https_proxy=http://127.0.0.1:7897' >> ~/.bashrc
```

**Git代理配置：**

```bash
# HTTP/HTTPS仓库
git config --global http.proxy http://127.0.0.1:7897
git config --global https.proxy http://127.0.0.1:7897

# SSH仓库（需要配置SSH代理）
# 编辑 ~/.ssh/config
Host github.com
    HostName github.com
    User git
    ProxyCommand nc -X 5 -x 127.0.0.1:7897 %h %p
```

**Python pip代理：**

```bash
# 临时使用
pip install package_name --proxy http://127.0.0.1:7897

# 配置文件方式（~/.pip/pip.conf）
[global]
proxy = http://127.0.0.1:7897
```

**Node.js npm代理：**

```bash
npm config set proxy http://127.0.0.1:7897
npm config set https-proxy http://127.0.0.1:7897

# 或使用环境变量
export npm_config_proxy=http://127.0.0.1:7897
export npm_config_https_proxy=http://127.0.0.1:7897
```

## 结论

网络代理技术在AI编程中发挥着重要作用，能够有效解决开发者面临的网络访问障碍。通过合理配置Clash、Proxy SwitchyOmega等工具，结合稳定的代理服务，开发者可以顺畅地访问Hugging Face、OpenAI、Claude等AI服务，提高开发效率。

**🔒 再次强调：在使用过程中，开发者必须：**

- **优先选择合规的网络访问方案**
- **严格遵守当地法律法规**
- **仅将代理技术用于合法的开发和学习目的**
- **避免访问任何违法违规内容**

合理合法地使用网络代理技术，不仅能帮助AI开发者更好地利用全球技术资源，更是每个技术从业者应承担的社会责任。让我们在遵纪守法的前提下，共同推动技术创新和项目发展。

网络代理技术（“魔法”）在AI编程中的应用

> 阿里巴巴最新推出 WebDancer，一位能够直接在浏览器中智能检索信息的 Agent。


在信息爆炸的时代，如何高效地在网页中获取所需信息一直是挑战。 阿里巴巴达摩院近日发布了一款名为 WebDancer 的新型 Agent，旨在革新浏览器中的信息检索方式。 与传统的搜索或插件不同，WebDancer 被设计为一个“浏览器原生智能信息检索 Agent”，能够更深入、更智能地与网页内容互动。

![image.png](https://static.downly.cn/images/20250530072702.927400866.png)

WebDancer 的核心理念是让 Agent 像人类一样，直接在浏览器环境中理解、导航和操作网页，从而完成复杂的检索任务。 基于您提供的参考信息，我们可以了解到 WebDancer 的关键特点可能包括

*   **浏览器原生集成** 直接在浏览器环境中运行，无需复杂的安装或配置。
*   **智能理解网页结构** 能够理解网页的布局、元素和内容，而不仅仅是文本信息。
*   **自主导航与操作** 根据用户的需求，自主进行页面跳转、点击链接、填写表单等操作。
*   **智能信息提取与整合** 精准定位并提取所需信息，并进行整合或总结。

这些能力使得 WebDancer 能够执行比传统搜索引擎或简单插件更复杂、更个性化的信息检索任务。

## 强大功能 复杂任务轻松搞定

WebDancer 的出现，有望解决许多传统信息检索方式难以处理的痛点。 它可以被应用于多种场景，例如

*   **精准信息抽取** 从复杂的网页中提取特定的数据点，如商品价格、股票信息、论文摘要等。
*   **跨页面信息整合** 自动访问多个页面，收集相关信息并进行汇总。
*   **自动化数据填写与提交** 在线填写表格或进行简单的在线操作。
*   **智能问答与内容总结** 理解网页内容，并根据用户的提问提供精准答案或生成内容摘要。

![image.png](https://static.downly.cn/images/20250530072811.968325320.png)

通过这些功能，WebDancer 能够显著提升用户在网页上获取和处理信息的效率，尤其是在面对需要大量手动操作或复杂判断的任务时。

## 技术基石 大模型与浏览器环境的融合

WebDancer 的实现离不开先进的 AI 技术，特别是大型语言模型（LLM）与浏览器环境的深度融合。 根据您的参考信息，WebDancer 可能利用了

*   **强大的大模型能力** 理解用户意图、分析网页内容、生成操作指令。
*   **浏览器环境的接口与控制** 与浏览器进行交互，执行导航和操作。
*   **专门针对网页交互的训练** 使 Agent 更擅长理解网页元素的含义和关系。

![image.png](https://static.downly.cn/images/20250530072834.739795220.png)

这种技术架构使得 WebDancer 能够打破传统技术的壁垒，实现更接近人类直觉的网页交互方式。

## 未来展望 智能Agent的无限潜能

阿里推出 WebDancer，不仅是其在 AI Agent 领域的一次重要探索，也预示着智能 Agent 在浏览器环境中的广阔应用前景。



未来，像 WebDancer 这样的浏览器原生智能 Agent 有望成为我们上网的得力助手，它们能够

*   更主动地理解我们的需求并提供帮助。
*   自动化执行重复性的网页操作。
*   提供更个性化和智能化的信息服务。

WebDancer 的发布，为智能 Agent 在浏览器领域的普及和应用奠定了基础，也让我们看到了未来更加高效、智能的网络互动方式。




阿里推出 WebDancer 浏览器原生智能信息检索Agent 效率革新

在浏览器中组装、配置和部署自主人工智能的开源项目

AgentGPT

基于ChatGPT的Chrome浏览器扩展，浏览任意网页时利用GPT

Merlin

Fellou AI 推出的首个Agentic浏览器

Fellou

免费的Chrome浏览器自动化写作扩展

Compose AI

海量AI智能体免费用，已接入DeepSeek满血版

搜索结果: 浏览器