搜索
来自浙江大学 APRIL 实验室、快手主站技术部和清华大学的研究团队提出了 MobileForge，试图把手机 GUI Agent 的适配过程变成一个 “无标注、自探索、自反馈、自优化” 的闭环系统。
多模态 Agent 的记忆系统，过去很容易被理解成一个升级版 RAG：图片、图表、PDF 进来之后，先抽取内容、做 embedding、写进向量库；用户提问时，再用 query 做检索，把命中的top-k图片、文档页或图表一并塞进上下文，再交给多模态模型回答。整个过程中，所有原始模态信息都会不加选择的塞给大模型。
前言 好久没有给大家整理开源工具了，最近我又翻到几个挺有意思的 AI 项目~ 今天这篇不是很重的教程，每个项目我都简单说一下它是干嘛的、适合谁、我觉得值得看的一点。 感兴趣的小伙伴可以先收藏，后面真用
近期知名高性能开源项目 Bun 将核心代码大规模重写为 Rust ，则给出了一个更具体的产业信号：当 AI 降低迁移成本之后，软件基础设施正在重新向更强约束、更高性能、更易被机器检查的语言迁移。但 Rust 毕竟诞生于生成式 AI 爆发之前；其核心设计目标是安全的底层编程，而非 Agent 之间的高效协作。
开发 AI Agent 最崩溃的不是写代码，而是调 Bug——你根本不知道它中间经历了什么。 你精心设计了一个 Agent 工作流：接收需求 → 拆解任务 → 调用工具 → 返回结果。测试通过，信心满满地上线。
这个问题，在 AI 行业有一个专业的说法：无状态（Stateless）。而解决这个问题，正是 EverMind 过去一直在做的事情。今天，这个探索走到了一个新的节点：基于自研记忆系统 EverOS 的自进化Harness——Raven Agent 正式发布。
现在的 AI Agent 动辄需要处理超长上下文，既要看系统提示词、工具说明，又要翻阅历史对话和检索文档。为了省钱、省算力并降低延迟，很多开发者会给系统加上 “提示词压缩”（Prompt Compression）模块，把冗长的上下文浓缩后再喂给大模型。
刚刚，DeepSeek 在官方 API 文档里给出了一个 thinking mode 和 tool call 结合使用的样例。表面上看，这只是一个常规的工具调用演示：用户提出问题，模型判断需要调用工具，工具返回结果后，模型再继续生成答案。
Greg Isenberg 最近在他自己的播客 The Startup Ideas Podcast 里讲的一个判断，他说了一句很直白的话，building agents is the new SaaS，做 agent 就是新时代的 SaaS。
两个月的时间，混元 3 正式版上线。结合了用户对预览版的反馈以及对模型稳定性和可用性的提升，Hy3 在 Agent 和 Coding 能力上有了实质的提升。我们做了多个前端网页的生成测试，大多数都包含复杂的 3D 网页模拟、严格的游戏逻辑，以及需要调用不同的框架和库文件，Hy3 交付的内容要比预览版好上一个等级。