小度如何用 Agent 研发闭环把需求吞吐量提升 6 倍
小度 AI 智能助手团队以信息类 Bot Aries 为试点，打通从 bad case 发现、归因到上线解决的 Agent 研发闭环，主张“不确定的交给 Agent，确定的交给代码，不可逆的交给人”。
#部署/工程
#部署/工程
今日 84 条百度Geek说AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Clip设计夹AI 评估 · 37/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 37/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Seedance 2.5 实测：LibTV 更新让 AI 视频抽卡不再焦虑
LibTV 上线 Seedance 2.5 实测体验，火山引擎底层生成模型负责画面质感与动作逻辑，720p 限时 58 折、低至 0.4 元/秒，最高送 60 条免费生成。平台侧新增 AutoLink 多素材智能引用、片段重拍、逐帧拉片和 iOS 风格 TVC 等 Skill，所有生成任务带独立 taskid 可追溯消耗明细。
土猛的员外AI 评估 · 28/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 28/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 企业 AI 落地需要的不是知识库，而是一台"知识引擎"
企业 AI 落地的竞争焦点正从模型能力转向企业上下文，真正需要的是能持续接入、加工、治理、调用知识的知识引擎，而非只存文件的传统知识库。文章给出八个自查问题，并拆解知识引擎的五项核心能力：知识接入、知识工程、知识治理、知识应用与反馈优化。文中指出，RAG 只是知识应用链路中的一个技术环节，Agent 时代对可信、可追溯、带权限的企业上下文需求更强。
QdrantAI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Qdrant 集合如何清理：去重、混合检索与新鲜度过滤实战
在 Qdrant 集合中，重复点占据 top-5 结果槽位会拖垮回答质量：把 8,416 个独立点重复写入至 22,946 个点后，37 个测试问题中有 36 个 top-5 含重复，去重后降至 2 个，回答正确率从 0.57 升到 0.76。
十字路口CrossingAI 评估 · 43/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 43/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Runta 创始人戴冠兰：模型能力已经够了，要卷就卷 infra
Agent Infra 创业公司 Runta 刚完成由 a16z 投资的 2000 万美元 Seed 轮，Jeff Dean、李飞飞以个人天使身份参与。创始人戴冠兰认为模型能力已经够了，下一场竞争在 infra：未来 agent 数量会超过人类，关键问题变成它们跑在哪、怎么管、出事谁负责。他同时提到 token maxxing 在半年内转向 token minimizing。
Milvus(@milvusio)AI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Milvus 分享：AI 智能体答错时，该先查向量检索而非模型
Milvus 指出 AI 智能体答错时问题常出在检索层——系统取错上下文、漏掉正确内容或在 LLM 看到前就过滤掉了。Simon Hearne 的分享用可视化方式讲解向量搜索，覆盖暴力搜索、IVF、HNSW、DiskANN 的取舍，量化对速度与存储的影响，以及过滤器可能切断最佳匹配路径。他建议直接用 recall@k、分数分布和过滤命中率调试检索，把索引和嵌入向量的改动当作质量改动。
v0(@v0)AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 v0 上线 Usage & Activity Dashboard，可按天追踪额度消耗
v0 新增 Usage & Activity Dashboard，可按天追踪 credit 消耗，按成员或项目分析活动，并按日期、模型和成本下钻查看每条消息，入口位于 Settings → Usage & Activity。
Web3天空之城AI 评估 · 37/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 37/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Jeff Dean 最新 YC 访谈：构建人工智能的 1% 原则
Jeff Dean 在 YC 现场访谈中提出 AI 正从预测工具演变为可运行数天至数周的长期智能体，并预测 2027 年 ML 系统本身将实现大幅自动化，通过自动拆解问题与实验循环产出更优系统。
Milvus(@milvusio)AI 评估 · 23/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 23/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Milvus 3.0 改变检索架构的部分假设
Milvus 3.0 引入 lake-native External Collections，并支持分组、分面、排序、过滤和聚合等更丰富的检索能力，让 Milvus 可直接处理数据所在位置的数据。这使应用对检索的控制不再局限于语义相似度，但也带来嵌入向量存放位置、混合搜索调优、过滤对召回与延迟权衡等问题，Milvus 为此开设 Office Hours，提供 20 分钟 1:1 专家咨询。
QdrantAI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Qdrant 为何既不做前置过滤也不做后置过滤：把过滤放进向量搜索内部
Qdrant 不采用前置过滤或后置过滤，而是让过滤在 HNSW 图遍历过程中原地执行，并由查询规划器按每次查询在可过滤 HNSW、开启 ACORN、直接走 payload 索引和全量扫描四条路径中选择。文中基准显示，宽值过滤会把召回率降到 90.8%，两个宽值的 AND 过滤降到 39.7%，而其他过滤形态均高于 97%；这两种失效形态在开启 ACORN 后恢复到 100%。
QdrantAI 评估 · 26/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 26/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Qdrant 解析 ACORN 修复了过滤向量搜索的哪些问题，以及 ACORN 自身如何被修复
Qdrant 在百万点 deep-image-96 基准上测试了四种过滤向量搜索策略：普通 HNSW 在 1% 选择性过滤下 Recall@10 仅 0.1%。
Cursor(@cursor_ai)AI 评估 · 41/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 41/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Cursor Router 借助每周数百万次产品内用户交互持续优化
Cursor Router 每周基于数百万次产品内用户交互持续改进，通过对请求进行智能分类与路由，按任务类型降低延迟并削减成本。
Milvus(@milvusio)AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Milvus 3.0 让检索架构更有意思：向量不再孤立存在
Milvus 3.0 引入 lake-native External Collection 以及 grouping、faceting、sorting、aggregation 等结构化查询，让向量数据库更贴近团队已有的数据系统。
Weaviate • vector database(@weaviate_io)AI 评估 · 45/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 45/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Weaviate 数据库原生支持 MCP，Claude Code、Cursor、VS Code 可直接连接
Weaviate 数据库现可直接说 MCP，Claude Code、Cursor、VS Code 等兼容客户端无需单独运行 MCP 服务，直接连接与 REST API 同端口的 `/v1/mcp`。
Next.js BlogAI 评估 · 60/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 60/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Next.js 16.3 让 v0 实现即时导航：用 instant() 测试与 Skill 驱动智能体循环
Vercel 在 Next.js 16.3 中引入即时导航能力，并将其应用于自家全栈编码平台 v0，使登录与未登录首页、会话详情页和设置下各子页面从阻塞变为即时。
v0(@v0)AI 评估 · 58/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 58/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 v0 新 API 上线，支持自建应用构建器与 Agent 部署应用
v0 宣布新 API 正式上线，官方列出三类用法：搭建自己的应用构建器、让 Agent 具备构建和部署应用的能力、通过脚本或 CI 任务生成应用。推文附有详情链接 v0.link/v0api。
Milvus(@milvusio)AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Milvus 3.0 推出在线 schema 演进与回填，集合无需下线即可改数据模型
Milvus 3.0 支持在线 schema 演进与回填，团队可在集合持续服务流量时增删字段，无需停机重建或安排迁移窗口。新增字段只创建可空列、不重写既有数据，删除字段则在运行时更新集合元数据，两项操作都只更新 collection manifest。回填方面，Milvus 3.0 支持内联回填，可直接从文本字段生成 BM25 稀疏向量，外部回填（如用 Spark 计算新列值再写回）已在路线图中。
硅谷101AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 对话盛颖：从 xAI 推理负责人到 RadixArk，SGLang 与 AI Infra 的浪漫
xAI 前推理团队负责人、开源推理引擎 SGLang 发起人盛颖离开 xAI，联合创立 RadixArk，原因是 SGLang 社区快速扩张后仅靠开发者业余时间维护已无法支撑项目继续向前。她曾在早期 xAI 参与搭建生产级推理系统，并称那段时间同时拥有 "support" 和 "freedom"。
Hunyuan(@TXhunyuan)AI 评估 · 56/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 56/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 腾讯 Hy3 上线 WorkBuddy 全球版，限时免费至 8 月 31 日
腾讯混元 Hy3 已上线 WorkBuddy 全球版，面向全球用户免费开放至 2026 年 8 月 31 日（PT）。用户可在智能体 AI 工作区中完成研究、数据分析、文档与演示文稿创建以及职场沟通，无需配置。Hy3 同时可通过腾讯设计 Miora 和腾讯云 TokenHub 使用，试用入口为 workbuddy.ai。
开始连接LinkStartAI 评估 · 44/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 44/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 硅谷把 FDE 当 mini CTO 招？聊聊爆火的 AI 新职业
FDE（前线部署工程师）成为 AI 行业爆火新职业，OpenAI、Anthropic、AWS 等公司争抢相关人才，一年内招聘增长约 7 倍。FDE 需把 AI 能力带进真实业务流程，搭建可运行的工作流并将一线经验反哺产品。国内 FDE 月薪大多 2–5 万，顶尖可达 8 万，硅谷以 mini CTO 标准招人但薪水未必匹配。
QdrantAI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Qdrant 1.19 发布：TurboQuant 数据类型与内存分层
Qdrant 1.19.0 发布，新增 Turbo4 数据类型，仅保留 4-bit TurboQuant 压缩表示、不保存全精度副本，存储相比 36 bits/坐标降至 4 bits，减少九倍。
Mistral AI(@MistralAI)AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Mistral 发布 Shieldstral：单张 16GB GPU 上的多模态内容审核模型
Mistral 推出多模态内容审核模型 Shieldstral，可在单张 16GB NVIDIA GPU 上运行，官方称其效率为业界领先。该模型还允许企业对"何为安全内容"进行自定义控制。
Milvus(@milvusio)AI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Milvus 3.0 发布：面向演进式 AI 数据的稳定快照与批处理
Milvus 3.0 推出 Collection Snapshot 和 Spark connector，为持续变化的 AI 数据提供一致的只读视图与分布式批处理能力。
Weaviate • vector database(@weaviate_io)AI 评估 · 26/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 26/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Weaviate 谈数据导入校验：HTTP 200 不等于导入成功，批内单个对象仍可能失败
Weaviate 指出，导入返回 HTTP 200 不代表校验结束，单个对象仍会因限流、向量化器报错或 schema 不匹配而失败。其建议的弹性导入流程包括流式传输数据、由服务端处理批处理与背压、用稳定源键生成确定性 UUID、只重试失败对象，以及记录检查点并将反复失败的对象送入死信队列。确定性 ID 可让重试具备幂等性，避免重复创建对象。
idoubi(@idoubicc)AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 ShipAny Image Lite 上线：AI 图片生成器 + 落地页的扁平化图片站模板
ShipAny Image Lite 图片站模板上线，核心功能为 AI image generator 加落地页，主打极速上线。该模板采用扁平化设计，访问地址为 shipany.ai/zh/templates/i…
Modal BlogAI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Modal 将 Serverless Functions 迁至区域化 I/O 平面，端到端延迟降低约 80ms
Modal 已完成所有 Functions 向新区域化 I/O 平面的迁移，Function Call 端到端延迟在 p50 下降约 80ms。此前所有输入输出都要绕经 us-east 的 I/O 服务器，可能给每次调用增加最多几百毫秒网络延迟。新 I/O 平面覆盖至少 4 个区域，可通过 routing_region 标志指定路由区域，服务端已用 Go 重写。
Elastic BlogAI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Elastic 9.5 正式发布：列式存储、VectorDB 索引模式与 AI 告警分诊
Elastic 9.5 正式 GA，为 Elasticsearch 引入列式存储 Columnar Mode 技术预览、开箱即用的 VectorDB 索引模式与自动校准，并原生支持 Prometheus 和 PromQL。
晚点聊 LateTalkAI 评估 · 70/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 70/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 详解 Kimi K3：强到冲击 Anthropic 估值的模型什么样？
晚点聊邀请 RadixArk 与 SGLang 创始成员赵晨阳和华盛顿大学博士生曾致远，从推理与算法两条线拆解 Kimi K3。
Microsoft Research(@MSFTResearch)AI 评估 · 40/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 40/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Microsoft Research 开源 Orchard：跨任务类型训练与评估 AI 智能体的框架
Microsoft Research 推出开源框架 Orchard，供研究社区跨任务类型训练和评估 AI 智能体，通过复用同一套基础设施降低复杂度，并帮助较小模型保持强劲表现。
v0(@v0)AI 评估 · 9/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 9/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 v0 发布 v0.app/docs/api/v2 文档
v0 上线 v0.app/docs/api/v2 文档页面，供开发者查阅其 API v2 的使用方式。该消息由 v0 官方账号发布，原文未披露更多细节。
v0(@v0)AI 评估 · 55/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 55/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 v0 发布新 API，开放应用构建能力的程序化访问
v0 发布新的 v0 API，将其应用构建能力开放为程序化访问。该 API 支持从提示词、代码仓库或 ZIP 包发起对话，渲染 dev server 预览，发送后续消息，并部署到 Vercel。
Google AI Developers(@googleaidevs)AI 评估 · 11/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 11/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google 用 Gemini 生态构建部署 AI 原生应用，Build with Gemini @XPrize Hackathon 报名进行中
Google 展示了如何用其生态构建并部署 AI 原生应用，相关演示面向 Build with Gemini @XPrize Hackathon，该活动持续至 8 月 17 日。视频内容聚焦于创意规划完成后的应用搭建与上线环节。
Next.js BlogAI 评估 · 45/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 45/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Next.js 16.3 正式发布：开发内存降低 90%，构建提速 5.5 倍
Next.js 16.3 正式发布，Turbopack 在 next dev 下最高减少 90% 内存占用，磁盘缓存默认启用于 next build，部分项目 CI 构建提速 5.5 倍，App Router 改用原生 Node.js 流后负载下请求处理量提升 22%。
Milvus(@milvusio)AI 评估 · 44/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 44/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Milvus 3.0 推出低成本时间点只读快照，解决 AI 生产数据与离线计算冲突
Milvus 3.0 引入低成本、时间点、只读的集合快照，解决持续变化的生产数据与稳定离线计算之间的冲突。快照通过引用已有数据、索引和元数据文件而非复制全量数据集来降低开销，支持 A/B 评测、去重、回填验证和离线测试等隔离批处理流程，并通过对象存储服务端复制加速数据恢复与克隆。
mem0(@mem0ai)AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 mem0 将向量搜索延迟降低 70 倍：从 8–14 秒降至约 110–120 ms
mem0 把向量搜索延迟降低 70 倍，从 8–14 秒降到约 110–120 ms，关键在于将向量搜索迁移到 turbopuffer，让 Postgres 专注其擅长的事。这一改动面向构建 AI 智能体记忆基础设施的开发者。
Eric Jing(@ericjing_ai)AI 评估 · 51/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 51/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Genspark 开源 GenOffice 全功能 AI 办公套件
Genspark 开源 GenOffice，称其为面向 PC 和 Mac 的首个全功能开源 AI Office，免费且无广告，包含 Docs、Sheets、Slides 和 PDF 等编辑工具。
海外独角兽AI 评估 · 37/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 37/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Agent Infra 赛道更新：一年后为 Agent 设计的基建发展如何？
Agent Infra 的机会正沿两条主线展开：提高 Agent 可控性与拓展能力边界，其中 Runtime、Identity、Eval 负责可控性，Search、Payment、Context 负责能力拓展。
皮蛋漫游记AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 引入 AI 员工的代价是什么？OpenClaw 落地实践讨论
播客节目结合团队近几个月使用经验，讨论 OpenClaw 能否真正进入实际工作，而非又一个需要折腾的新工具。节目指出接入 IM 是 OpenClaw 与普通 AI 客户端的重要差异，Memory 和 Skill 让它有持续演化的可能；但没有结构化数据，它只是另一个聊天机器人，且目前还不能替代员工。
奇舞精选AI 评估 · 33/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 33/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 AI 时代的学习方式：从愚昧山峰上不断跌落
前端开发者 Tapir 借助 Codex 在 ESP32-S3 开发板 LILYGO T-Embed 上做出名为 CadenzaOS 的操作系统，随后尝试让 AI 用 kicad-happy 画 PCB，却在嘉立创 SMT 环节因大量报错崩溃。他退回做 PCB Art 艺术板跑通闭环，并新开项目 PCB Atelier，可像 PS 一样操作图层并导出嘉立创 EDA 工程直接下单。
土猛的员外AI 评估 · 44/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 44/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 企业Agent好不好用，关键不是模型，而是上下文
企业Agent的有效性被拆解为大模型能力、企业上下文、工具能力与治理评测四者相乘，其中企业上下文被视为最难被复制、也最可能拉开差距的差异。企业上下文分为规则、事实、经验、任务、组织与用户五类，需按任务动态装配最小充分上下文，而非把文件一股脑塞给模型。作者认为，企业Agent的竞争最终是知识管理、流程与组织治理能力的竞争。