秒哒3. 5 全球首发iOS无代码打包与多端共享后端，百度要把应用开发门槛再砍一刀
2026年7月17日 12:01
秒哒3. 5 全球首发iOS无代码打包与多端共享后端，百度要把应用开发门槛再砍一刀AIbase基地发布于AI新闻资讯·1分钟阅读·Jul 17, 202620在7月16日于上海开幕的2026世界人工智能大会（WAIC）现场，百度智能云旗下的无代码应用平台秒哒，端出了它的3.5版本。从今年Create大会上3.0的"一句话，做App"，到这次WAIC的"更简单，更全能"，秒哒的方向始终没有漂移:把开发门槛一降再降，把应用能力无限扩展。一组数据先摆出它的体量平台累计服务超过3500万用户，创造了350万个具备商业价值的应用，每天有近20万人在使用这些应用解决真实问题。3.5版本的关键词，是"更简单"与"更全能"两件事同时发生。更简单，是让不懂代码、不懂SEO、不懂iOS开发的人，也能走完从创作到交付的完整闭环;更全能，是让每个生成的应用都能赢得搜索引擎的青睐、拥有共享后端与多环境保障、抵达更多终端、承载更多想象。3.0把用户推上"人人都是创造者"的台阶，3.5则往前再迈一大步:做完的应用能被更多人搜到、App能直接打包到iPhone、多端共享同一份数据、一句话就能做出专属Skill、后端开发与线上环境彼此隔离、资源按需灵活配置。搜索流量这件事，过去挡住了大量创作者。传统的SEO优化要求理解关键词策略、页面结构、元标签配置等专业知识，对绝大多数人门槛过高。秒哒3.5内置的SEO Agent，把这套专业能力自动化，相当于为每位创作者配了一位随叫随到的搜索优化专家。它逐页检查应用的标题、描述、关键词等要素，识别影响搜索表现的问题，并把专业术语翻译成能直接看懂的建议，比如"页面描述过短""标题未能体现核心内容""搜索摘要不完整"。更实用的是，Agent不仅能诊断，还能直接动手修复:用户可以对单个问题逐一点击修复，也可以通过一键修复批量处理所有可自动修复项，修复完成后还能重新检查、实时查看优化效果。上线前，用户还能直接在搜索结果预览里看到页面在搜索引擎中的标题、摘要和链接展示，提前判断是否有吸引力，避免上线后出现模糊或空泛的默认文案。iOS交付流程，则是另一道长期把开发者挡在门外的门槛。传统方式需要一台Mac、装好Xcode、注册Apple开发者账号、再手动管理证书签名。秒哒3.5的iOS打包能力，把构建、测试、分发全流程压缩成一站式服务。没有Apple开发者账号的用户，可以走免费路线:平台在线生成IPA文件，下载后按指引即可安装到iPhone，适用于个人体验、功能验证和Demo展示。已有Apple Developer Program账号的用户则走付费路线，配置API Key后，平台自动完成证书申请、在线构建与签名打包，无需手动登录Apple Developer Portal;它支持Ad Hoc真机测试（设备扫码注册、自动生成安装链接）、TestFlight内测分发，以及App Store上架应用包上传至App Store Connect，通过苹果审核后即可正式上架。当一个应用要同时服务多个终端，比如电商平台的用户端与商家后台、企业管理的员工端与管理后台，每个终端独立搭建后端，意味着重复的开发成本和数据孤岛。秒哒3.5支持多个应用（Web、App、小程序等）共享同一套后端数据库，真正实现多端数据联动，让一个业务场景对应一套数据闭环。创建新应用时，可以直接选择已有项目作为共享后端，自动复用其数据库、接口、存储等能力，无需重复搭建，就能在同一套后端基础上快速生成Web、App、小程序或管理后台等多个终端应用。每个终端拥有独立的前端页面，可根据自身特点独立设计和迭代，而数据全部统一管理。在管理层面，项目列表新增了"共享后端"分类，所有共享后端的应用自动归入同一目录集中展示，后端运行状态一目了然，一键即可统一开启保活服务;编辑器顶部也能一键切换不同终端应用，无需退出当前项目，就能在Web、App、小程序之间无缝切换。官方技能已经覆盖了AI工具、支付、视频、语音、图像、搜索等场景，但每个用户的需求总有独特性。秒哒3.5带来了自定义技能，在对话框里说出需求，平台就能快速生成一个专属技能。创建方式有三种:一是在首页选择"技能创建"项目类型，说出需求直接生成，或在任何项目中通过对话随时提出需求、直接@已有技能让它按你的要求修改;二是上传技能包快速导入，直接上传.zip文件或SKILL.md即可完成，无需手动配置;三是接入第三方API，把API文档链接贴进对话框，平台自动解析网页内容并生成可调用的技能，或者直接粘贴API说明，包括请求方式、参数、响应格式等，平台也能理解并创建，省去理解鉴权与接口调试的复杂流程。生成的技能可以保存到技能中心，后续在任何项目中通过@方式直接调用，把每一次沉淀下来的方法变成可复用的资产。开发过程中改了数据库、一不小心波及线上业务，是AI开发应用里最常见的痛点。秒哒3.5的数据库多环境能力，让开发环境与线上环境相互隔离，把开发者从"开发战战兢兢，上线提心吊胆"的状态，带到"放心改、安心发、轻松回滚"。创建应用时，可按需选择单环境或多环境模式:单环境下开发与线上共用同一套数据库，修改同步生效，适合Demo、原型、个人轻量应用;多环境下两者使用独立数据库，支持独立开发、测试和发布，不干扰线上正式业务，适合电商商城、企业官网及管理后台、CRM、ERP等生产环境。多环境模式还有一个贴心设计当开发环境向线上同步数据结构时若合入失败，出现Migration冲突、SQL执行报错或存储结构不兼容，AI Agent会自动分析失败原因，把报错翻译成看得懂的说明，并给出可一键执行的修复方案，点击AI修复即可继续发布，且修复完全免费，不消耗秒点。项目阶段变化时，多环境还能回退至单环境。同时，开发环境每次完成版本变更（如发布、保存版本），系统都会自动记录当前版本的数据库结构(Schema)和业务数据(Data)，生成版本快照，一旦新版出现接口不兼容或功能异常，可快速精准回滚至稳定版本，无需重建环境或手动修数据。后端资源的需求，在不同阶段天差地别。秒哒3.5推出后端资源分级能力，提供基础版、小容量、中容量、大容量、超大容量等多档套餐，覆盖并发数、数据库存储、文件存储等维度，从个人轻量项目到企业级高并发业务均可适配。它支持随业务增长随时升级，数据库容量、文件存储与并发能力同步提升，无需迁移数据或重建后端;资源使用数据实时可视化，额度接近上限时系统自动提醒并引导扩容，让轻量项目与大型业务都能找到合适的配置。2026世界人工智能大会于7月17日至7月20日在上海世博展览馆举行，百度展位位于H1-B107，秒哒3.5将在现场供人体验。另据文末披露，在中国金融大模型市场份额上，百度智能云已连续两年位居第一。秒哒AI新词百度智能云无代码应用平台本文来自AIbase日报扫码查看欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。由AIbase 日报组创作© 版权所有 AIbase基地 2024, 点击查看来源出处 -
信息源：AIBase 来源：https://www.aibase.com/zh/news/29680智谱数亿元收购中科加禾，补强AI Infra与国产算力适配能力
2026年7月17日 12:01
智谱数亿元收购中科加禾，补强AI Infra与国产算力适配能力AIbase基地发布于AI新闻资讯·1分钟阅读·Jul 17, 202629据报道，智谱已斥资数亿元人民币收购AI Infra公司中科加禾（XCore Sigma），进一步补齐模型底层工程能力，强化国产算力适配和推理优化能力。中科加禾是一家聚焦编译技术的AI异构算力软件基础设施公司，技术源自中科院计算所编译实验室。其核心团队曾参与龙芯、神威、寒武纪、华为昇腾等国产芯片编译器研发，具备从虚拟指令集设计、算子生成到优化部署的全链路能力，目标是为国产AI大模型提供统一软件底座。此前，智谱已投资基流科技、无问芯穹、硅基流动等AI Infra企业，覆盖算力集群、推理优化等环节。但随着模型调用规模快速增长，基础设施压力逐渐显现。今年3月GLM-5发布后，Coding Agent日调用量达到数亿次，部分用户反馈复杂任务中出现输出异常。智谱复盘发现，高并发场景下推理架构和KV Cache管理存在工程挑战。此次收购有望提升智谱在多芯片环境下的适配效率。中科加禾的编译器技术可通过中间层连接不同国产芯片生态，提高算力利用率。此外，其SigInfer推理引擎此前宣称可降低推理时延、提升吞吐效率，若能落地生产环境，将进一步降低模型服务成本。随着AI竞争从模型能力扩展至算力、软件基础设施和生态建设，编译器等底层技术正成为大模型企业构建长期竞争力的重要方向。AIInfra中科加禾智谱编译器技术本文来自AIbase日报扫码查看欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。由AIbase 日报组创作© 版权所有 AIbase基地 2024, 点击查看来源出处 -
信息源：AIBase 来源：https://www.aibase.com/zh/news/29679数字永生？面壁智能开源企业数字员工平台StaffDeck
2026年7月17日 12:01
数字永生？面壁智能开源企业数字员工平台StaffDeckAIbase基地发布于AI新闻资讯·1分钟阅读·Jul 17, 202616一家国产AI团队把企业级AI的赌注，押在了一个与聊天机器人截然不同的方向。7月16日晚，面壁智能宣布开源StaffDeck一个用于构建和管理数字员工的企业级平台，代码已托管至GitHub仓库github.com/OpenBMB/StaffDeck。与市面上大量套着企业外壳的对话机器人不同，StaffDeck瞄准的是数字劳动力。它试图将组织内部的专业知识、标准作业流程（SOP）以及各类决策规则，转化为一批能够持续工作、不断改进并保留组织知识的数字员工。在面壁智能的表述里，企业级AI的下一站不是更会接话的聊天框，而是能沉淀经验、替组织把规矩记牢的生产力本身。支撑这一平台的，是一支横跨学界与产业的联合阵容。项目由面壁智能、东北大学与面壁共建的数据智能联合实验室、清华大学自然语言处理实验室（THUNLP）、OpenBMB以及AI9Stars共同打造。多家机构把学术研究能力与企业落地经验一并压了进来，这也让StaffDeck从一开始就不只是单个公司的内部工具，而是面向企业AI落地场景的开放平台。从技术定位看，StaffDeck的核心差异在于知识的持续驻留。传统聊天机器人的尴尬在于，对话一关，上下文随之消散，组织的隐性经验难以沉淀;而StaffDeck要做的，是把散落在老员工脑中的专业判断、白纸黑字的流程规范，以及那些不成文的决策逻辑，翻译成可以被系统长期执行和迭代的数字员工。这意味着知识不再随人员流动而流失，而是留在了系统里。此次开源由OpenBMB在社交平台发布，并附上了完整的GitHub仓库链接。对于正在评估企业AI落地、却不愿再堆砌一层聊天皮的团队而言，StaffDeck提供了一个可直接检视与二次开发的技术底座。当行业仍在比拼对话机器人的响应技巧时，面壁智能这一步，选择了一条更偏重组织能力沉淀的路径。项目地址:https://github.com/OpenBMB/StaffDeckAI新词数字员工企业级AIStaffDeck本文来自AIbase日报扫码查看欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。由AIbase 日报组创作© 版权所有 AIbase基地 2024, 点击查看来源出处 -
信息源：AIBase 来源：https://www.aibase.com/zh/news/29677Roblox推出AI创作工具Build，支持文本生成游戏和3D场景
2026年7月17日 12:01
Roblox推出AI创作工具Build，支持文本生成游戏和3D场景AIbase基地发布于AI新闻资讯·1分钟阅读·Jul 17, 202617Roblox宣布推出全新AI创作工具Build，并升级Studio创作者工具体系，利用人工智能降低游戏开发门槛，让更多用户通过文本提示直接生成可编辑的游戏内容。该功能将于7月28日起开启测试，进一步推动游戏由用户创造的平台理念。Roblox表示，过去20年平台持续围绕用户生成内容（UGC）发展，目前已有1.32亿日活跃用户。此次推出的Build是一款移动优先的AI创作工具，用户可直接在Roblox移动应用中输入自然语言提示，例如描述游戏场景、玩法和环境元素，系统即可生成基础游戏版本，创作者随后可以进行修改、测试，并分享或发布作品。Build基于多种AI模型运行，包括开源模型以及Roblox自研模型，能够处理游戏机制、环境设计、角色创建、视觉风格和声音等内容。由于模型基于大量3D数据和游戏专用数据训练，Roblox AI能够生成可直接应用于游戏开发的3D对象和完整场景，并与现有创作工具结合使用。该工具与Roblox Studio深度连接，创作者可以在移动端开始创作，再通过Studio进行更复杂的编辑;同时也可以在Studio中调用AI代理，并通过移动设备查看开发进度。Roblox强调，AI生成内容仍将经过与普通游戏相同的审核流程，并通过用户留存等指标参与平台推荐，不会降低内容质量标准。除Build外，Roblox还计划推出面向专业开发者的AI工具，包括游戏测试代理、数据分析代理和实验代理，帮助创作者发现漏洞、分析玩家行为并优化用户参与度和商业表现。此外，Roblox正在研发更多生成式AI能力，包括基于文本或图片生成参数化3D模型的程序化模型，以及能够根据单一提示生成完整可编辑3D游戏场景的AI模型Cube。随着AI技术快速融入游戏开发流程，Roblox希望通过智能化工具进一步扩大创作者规模，让更多普通用户参与游戏生产，并推动UGC游戏生态向更高效、更自动化方向发展。AI新词RobloxBuild游戏开发本文来自AIbase日报扫码查看欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。由AIbase 日报组创作© 版权所有 AIbase基地 2024, 点击查看来源出处 -
信息源：AIBase 来源：https://www.aibase.com/zh/news/29676京东推出京麦AI经营中心，开放22款AI工具助力商家智能经营
2026年7月17日 12:01
京东推出京麦AI经营中心，开放22款AI工具助力商家智能经营AIbase基地发布于AI新闻资讯·1分钟阅读·Jul 17, 202621京东正式推出京麦AI经营中心，以人工智能为核心驱动，打造集AI工具、专家服务和智能托管于一体的新型商家经营体系，并向商家全面开放22款核心AI工具，推动电商运营向全链路智能化升级。据京东京麦相关负责人介绍，京麦AI经营中心并非简单的AI文案、制图等单点工具集合，而是基于多Agent协作、A2A智能对接、自然语言交互等技术，构建面向商家的综合AI经营平台，帮助商家覆盖从经营诊断、策略制定到执行管理的完整业务流程。目前，京麦AI经营中心首期功能已全面上线，22款AI工具覆盖超过百项日常运营场景，可解决50余项商家高频经营问题，涉及商品管理、客服服务、营销推广、店铺运营等多个核心环节，实现从智能分析到自动化执行的经营闭环。与此同时，京东启动京东商家第三方好工具招募令，向行业开放京麦百万级商家流量入口、应用场景接口及技术底座，吸引更多第三方软件开发商参与生态建设，为商家提供更符合细分行业需求的AI解决方案。此外，京麦AI经营中心还将面向代运营机构、电商培训机构开放共建合作，持续沉淀优秀运营经验，优化AI模型能力。在服务体系方面，京麦AI经营中心整合京东自研专家团队与生态合作伙伴资源，建立AI专家团体系。其中，京东内部专家重点覆盖商品、客服、推广、营销四大领域，同时引入外部专业服务力量，进一步增强垂直行业服务能力。随着AI技术逐渐深入电商运营环节，平台型企业正在从提供交易基础设施转向提供智能经营能力。京麦AI经营中心的推出，标志着电商平台竞争重点正从流量获取进一步转向AI驱动的经营效率提升。京麦AI经营中心AI工具京东商家运营本文来自AIbase日报扫码查看欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。由AIbase 日报组创作© 版权所有 AIbase基地 2024, 点击查看来源出处 -
信息源：AIBase 来源：https://www.aibase.com/zh/news/29675两周搬完一百万行代码：Anthropic用Claude把多年不敢碰的语言迁移压进一个周末
2026年7月17日 12:01
两周搬完一百万行代码：Anthropic用Claude把多年不敢碰的语言迁移压进一个周末AIbase基地发布于AI新闻资讯·1分钟阅读·Jul 17, 202630把一门编程语言整套换掉，这种事放在过去，基本等于给公司立一个两年起步的军令状。工程师们谈之色变，预算委员会闻风丧胆，代码库却年复一年卡在原地动弹不得。Anthropic在7月16日甩出一篇文章，直接把这笔旧账翻了篇:过去一个月里，他们内部的开发者用Claude Fable5、Opus4.8和动态工作流，把10个代码包、每个数万到数十万行的规模，干净利落地搬到了新语言上。这不再是将来时态的设想，而是已经发生在他们自己身上的事实。最刺眼的两个案例像两颗钉子，把想象钉成了现实。Bun的联合创始人Jarred Sumner，用Claude Code把整个Bun从Zig迁移到了Rust，不到两周产出一百万行代码，合并进主干前整条CI测试链100%通过，合并后浮出19个回归，如今已全部修掉，Rust版本6月就已经随Claude Code发布。另一边，Anthropic Labs的联合负责人Mike Krieger，一个周末就把一套Python代码库搬成了16.5万行TypeScript，里面塞了数百个代理、8道阶段闸门、3轮对抗审查，最后还用一套奇偶校验，把每条命令的输出和Python原版逐字比对。Anthropic把这整套打法提炼成一句话，也是全文最锋利的那把刀:你修的不是代码，而是生产代码的那个流程（循环）本身。一旦想通这一点，那些被无限期搁置的迁移项目，就不再是不可触碰的禁区。先说清楚什么时候该动、为什么动，因为这件事的前提早就变了。团队启动迁移，通常是因为项目诞生时的技术地形，和今天已经对不上号:要么当初那个心知肚明的权衡终于卡住了脖子，要么出现了更好的路，要么原来的生态正在萎缩。Jarred当初选Zig，图的是C级别的性能加上极致的简单，特别适合一个创始人在奥克兰狭小的公寓里、大模型还没出现的年代，用一年时间把Bun写出来。那份简单是有代价的，他后来专门写过文章坦白。快进到2026年，Bun的命令行工具月下载量已经突破一千万，在Claude Code内部也被大规模使用。就在上季度，这些代价还不足以让人冻结路线图、押上几个季度的资源去做一件大事。迁移语言确实能换来更小、更快、更安全的系统，可没人有动力去付这笔账。工程师们还得掂量其中的职业风险:你可能并行维护两套代码好几年，最后只换来90%的等价，那比一开始就别动还头疼。现在不一样了。最坏的结果无非是删掉那条分支，重头再来。当然，商业账还是要算的。一百万行级别的迁移，虽然不必再像四年项目那样烧掉三四百万美元的工程师资源，但落地依旧要花数万到数十万美元往上。Bun那次迁移吞掉了59亿个未缓存的输入token和6.9亿个输出token，按API定价约合16.5万美元;Mike主迁移那块也烧了2700万token。真正让Mike下决心动手的，是编译这道坎。他团队的内部工具以单个二进制文件交付用户，用Python工具链为每个平台编译要花大约八分钟，整个构建矩阵一轮下来得等三十分钟。搬完之后，同样的编译只要两秒，二进制启动速度快了6倍，还顺手淘汰了一条独立的部署管线。为什么AI能把这道旧账算平?因为大规模代码迁移恰好是这些高级模型的天选场景。活儿是天然并行的，文件、crate这种成百上千的独立单元，可以让代理同时开干，谁也不用等谁。上下文既清晰又完整，旧代码本身就是给模型最好的规格说明书，也是翻译代理照着走的指南蓝本。更妙的是自带裁判，大型代码库里往往躺着一套测试套件，代理能用它来给自己打分，当验证足够客观，模型可以盯着真相死磕好几天，不需要人坐在旁边判质量。队列还会自己写:编译器或测试一挂，下一个要修的活儿就自动排上了。流程本身让偏差无处藏身，审查员每一条发现都要引用背后的规则，于是一次违规变成一个待办项，而不是悄悄分叉;某个代理撞上边缘情况，修法就成了之后所有代理都要遵守的规则。下面两个案例里，Mike和Jarred都在关键步骤用上了Fable，尤其是一种顾问模式，让多个不同档位的模型分工，把token消耗压到最低。真正能复用的，是他们总结出的六步法，从这两场迁移里熬出来，又做了泛化，能套到多种语言和场景上。开工前得先备好一个铁面无私的裁判，否则你既不知道何时收工，也没法衡量成败。这个裁判必须能站在同一标准上同时评判原代码和目标代码。用原语言写的测试套件，往往依赖目标代码里根本不存在的内部函数。要把它造出来，先用Claude把现有测试分个类，哪些是能用外部调用表达的，哪些依赖搬不过去的内部实现;再把面向外部的测试改写成能同时跑在原始代码和移植版上的断言，并派对抗代理去验证改写没有削弱断言力度;最后拿原始代码跑一遍确认它能过，再拿故意改坏的代码跑一遍确认它会挂，一个抓不出破损的裁判，算不上裁判。Mike那次Python转TypeScript，就造了一个覆盖7个真实场景的奇偶校验台，任何行为变动都算要修的bug。第一步是立规矩、画依赖图、列缺口清单，给整场迁移打下地基。顺序有讲究:规则手册必须排在缺口清单前面，因为缺口正是由规则手册的默认项覆盖不到的地方定义的，两者还要在联合审计里一起接受检验。规则手册长什么样，取决于你一开始做的核心架构决定:新代码是沿用老结构，还是彻底重做。沿用结构（Jarred那路），手册主要就是一张张把类型和惯用法在两种语言间翻译的查表，遇到难翻的组件再指向缺口清单;彻底重做(Mike那路)，手册就是一份设计文档。Jarred是跟Claude聊出来的，给每个含糊地带立一条政策，还专门派了8个子代理，各盯一类他自己凭直觉列出的常见失败模式。依赖图要摸清文件间的依赖，才能把活儿有效地切成并行流，知道哪些先搬、哪些要打包在一起。有些语言和代码库自带清单文件，这事不难，但面对C/C++、Python这类老代码，依赖得自己探出来、画出来，Claude Code能派出代理跑一个确定性脚本把图生成。缺口清单记的是新旧语言之间的硬差距:Zig转Rust，差在手动内存管理，一个忘了释放的缓冲区，编译能过，漏不漏只有运行时才知道;Python转TypeScript，差在接口和契约，Python不要求声明对象长什么样，TypeScript却要白纸黑字写下来才肯编译。Jarred和Mike都把这些隐性知识记进了缺口清单文件，Jarred是前期就盘清楚，Mike是先翻再补，你可能两头都得做。第二步压一压规则，来一场迷你迁移当试航。Jarred派了一个代理照手册翻三个文件，一个代理像资深Rust工程师那样翻三个，再一个代理拿着两份差异去提炼新规则。就在这个阶段，他逮住了两个致命问题，要是等摊到全部1448个文件上再爆，麻烦就大了。这套压力测试只对结构保持型迁移有效，因为同一份文件的两版翻译能逐行比。要是你的手册是重设计，像Mike那样，等价做法是直接拿对抗审查员去炮轰设计文档，再用一次可丢弃的端到端跑通来验证。无论如何，翻出来的文件全部扔掉，这一步的目的只是把规则磨利，不是攒进度。第三步翻译一切，剩下的步骤都跑同一套多代理循环:实现、审查、修复。实现这种苦力活能甩给小模型，审查留给大块头，Mike铺开12个子代理时用的就是Claude Sonnet。任务队列要机械到无聊:一个批处理脚本看翻译后的文件在不在磁盘上，来决定哪些算完工，再把待办切片丢给实现代理;因为队列每次都从磁盘重建，迁移天生就能断点续跑。代理有时候会过于谨慎、干得太少，解法就是一条干脆利落、带着上下文的指令，提醒它下一步编译器会替它抓错。翻译器没把握的活儿，标上一行// TODO（port）: 原因，留给第四步。从这儿往后，待办清单自己会写:编译器数出错，冒烟测试逮住崩溃，测试套件报出失败。两个对抗审查员用各自的上下文给实现者的活儿打分，两者意见相左就交给第三个代理。当一个审查员在多个文件里反复抓到同一种错，修法不是逐文件打补丁，而是在规则手册里加一句话，把受影响的批次重新生成。这一步里手册不断变厚，代码却从不被手工对着它改。还有一个关键设计决定是编译器放在哪:Mike把TypeScript编译器塞进了每一个循环，因为它几秒就能查一个单元;Jarred则把编译器彻底挡在循环外、推迟到下一步，因为cargo要跑好几分钟。第四、五、六步合在一起说，因为它们共用同一套循环，且越往后越不需要人的判断。第四步编译，取决于语言和规模，它常常融进第三步。Jarred用一个编排脚本在整个工作区调一次编译器，修复代理再并行扫着错误清单干，对抗审查同步进行，构建重跑，如此往复。翻错误清单能帮你抓出系统性的毛病，比如Jarred修完Zig宽松编译所容忍的循环依赖后，冒出几千个Rust模块错误，他给循环加了一段逻辑来分类该删、该挪、还是该重构边界，才算压住。第五步和编译器错误清单一样有机械真相来源:冒烟测试吐出的崩溃，修法依旧是按根因归类、交给对抗子代理审。第六步，也就是故事的尾声，是拿两套代码库的行为逐项比对。文件翻译完、编译完、冒烟完，就把它切碎，把预备阶段那份测试套件套上去跑，失败的交给修复代理对着两套代码审，对抗审查员再查它们的修法。循环再往后是一道构建守护进程，它是唯一被允许重建二进制的角色，修复代理只写补丁，守护进程把它们攒批、重建一次、重跑受影响的测试、再把结果喂回来，把最贵的操作串行化，免得一群代理各自触发。当同一个失败在大量测试里反复出现，修法要往上游走:改掉生出这个bug的规则，只重新生成它碰过的文件。Mike这招尤其值得记:很多开发者手头没有现成或移植好的测试套件，他让Claude写了个小脚本，拿7个真实场景同时跑新移植版和Python原版，比输出差异，每个挂掉的场景配一个修复代理，循环跑到7个全过。他还更进一步，让Claude自己设计了端到端测试套件，通宵自主运行，哪里崩就修哪里，连跑四个晚上，逮住了任何场景清单都预测不到的那些细小的伤。这套打法跑下来，有几条实践在每个项目上都站得住，但Anthropic也提醒，别盲信这份指南，每场迁移都不一样，把它当起点，先跟Claude把你那场的具体方案聊清楚再动手。别盯着单点失败，那是循环的活儿，修复代理会替你把它们磨平，你的注意力该放在规律上。让审查保持对抗、让验证保持机械，对抗审查能撑起更长的任务，多花的那点token往往值;让编译器、差异比对、测试套件这些脚本去当裁判。别什么事都上最大模型，token开销集中在你的循环里，要刻意设计，小模型扛得住高吞吐的实现铺开，把最大的模型留给审查员，以及任何写规则手册、要被其他代理照着走的人。把人的工时前置，规则手册和压力测试最耗时间，之后基本就是队列在烧。让任务队列机械且可续跑，完工的定义就是输出文件已经躺在磁盘上。回到结果本身，而不是代码细节。Jarred的Bun迁移已经上线生产，当然任何迁移都有取舍，大约4%的Rust代码待在unsafe块里，主要是C/C++边界上那些单行指针操作。但新代码库是肉眼可见地更好:团队工具能侦测到的内存泄漏全修干净了，一个重复构建2000次的基准测试，内存占用从6745兆字节掉到609兆;二进制在Linux和Windows上小了19%;跨语言优化让它在HTTP服务和next build、tsc这类真实负载上快了2%到5%。那些你一直忍着没动、将就着用的代码库，也许是时候重新算算这笔账了。挑出那个你容忍最久的家伙，问问Claude，为它做一场迁移到底长什么样。AI新词品牌产品词编程语言代码迁移本文来自AIbase日报扫码查看欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。由AIbase 日报组创作© 版权所有 AIbase基地 2024, 点击查看来源出处 -
信息源：AIBase 来源：https://www.aibase.com/zh/news/29674NotebookLM改姓Gemini了：一次更名背后，谷歌给笔记本塞进了会写会跑代码的云电脑
2026年7月17日 09:00
NotebookLM改姓Gemini了：一次更名背后，谷歌给笔记本塞进了会写会跑代码的云电脑AIbase基地发布于AI新闻资讯·1分钟阅读·Jul 17, 20264用惯了NotebookLM的人，可能得重新认识这位老朋友了。当地时间16日，谷歌宣布把旗下AI笔记助理NotebookLM正式更名为Gemini Notebook，让它彻底并入统一的人工智能品牌旗下。名字变了，身份却没被稀释谷歌强调，它依然是一款独立产品，只是从此要在包括Gemini应用和Google搜索在内的整个谷歌生态里，扮演一个分量更重的角色。真正的看点藏在更名背后的能力升级。Gemini Notebook用户将逐步收到一项关键更新:为笔记本接入安全的云端计算机支持。这一步等于给一本安静的笔记本装上了会动手的大脑它由此获得了原生的代码编写与执行能力，用户可以直接基于自己的数据源展开复杂的数据分析，而不必再把资料搬到别处另起炉灶。笔记本不再只是记录和检索的容器，而变成了一个能就地运算、就地出结果的工作台。这项更新目前已率先向Google AI Ultra用户，以及拥有AI Ultra Access和AI Expanded Access的Workspace企业客户开放。谷歌透露，未来几周内它还将陆续覆盖所有网页版Pro用户，届时会一并带来全新的输出格式与更深入的分析能力。一次看似寻常的改名，实则是谷歌把AI笔记本往生产力工具更深处又推了一大步。NotebookLMGeminiNotebookAI笔记助理云端计算机本文来自AIbase日报扫码查看欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。由AIbase 日报组创作© 版权所有 AIbase基地 2024, 点击查看来源出处 -
信息源：AIBase 来源：https://www.aibase.com/zh/news/296642. 8 万亿参数、 100 万词元上下文，Kimi K3 把开源大模型的天花板顶到了全球最高
2026年7月17日 09:00
2. 8 万亿参数、 100 万词元上下文，Kimi K3 把开源大模型的天花板顶到了全球最高AIbase基地发布于AI新闻资讯·1分钟阅读·Jul 17, 20268世界人工智能大会还没开锣，国产大模型就先放出一颗重磅炸弹。2026世界人工智能大会暨人工智能全球治理高级别会议即将举行之际，月之暗面于16日正式发布新一代模型Kimi K3，参数规模达到2.8万亿，一举坐上目前全球参数最大开源模型的交椅。这不仅是一次数字上的登顶，更意味着开源阵营第一次在体量上把闭源巨头甩在了身后。Kimi K3不是只靠堆参数撑场面。北京月之暗面科技有限公司介绍，这款模型原生支持视觉理解，并具备100万词元的超长上下文窗口，相当于一口气吞下整本专著还能记得开头写了什么。它被针对性地优化用于软件工程、知识工作、深度研究、多模态理解等复杂任务场景，复杂任务的处理能力由此再上一个台阶从读图识物到长程代码工程，K3试图把过去要拆成多步才能啃下的硬骨头，一把攥进同一个模型里。资本端已经闻风而动。中信建投在研报中给出了一组颇具信心的判断:全球大模型调用量预计将连续11周环比走高，国产模型凭借高性价比稳稳占据流量前列，海外头部厂商的营收预期也被顺势上调。更值得玩味的是商业化节奏的此消彼长国内厂商明显提速，DeepSeek准备推出分时定价，豆包已经上线多档会员;另一边，Anthropic收紧了Claude的访问限制，在合规与地缘因素的交织下，国产替代的逻辑被进一步照亮。沿着这条主线，财联社主题库梳理出几家与之共振的上市公司。三六零在AI领域以360智脑与360安全大模型为核心布局，自研的千亿参数通用大模型360智脑已具备多模态理解、逻辑推理、代码生成等能力。昆仑万维则在7月2日宣布，旗下天工AI在2026年第二季度实现历史性突破，其AI Native模型与产品业务的年度经常性收入（ARR）已跨过8亿美元大关。当2.8万亿参数的开源巨兽落地，国产大模型的景气度，正被推向一个肉眼可见的新高点。KimiK32.8万亿参数开源模型月之暗面本文来自AIbase日报扫码查看欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。由AIbase 日报组创作© 版权所有 AIbase基地 2024, 点击查看来源出处 -
信息源：AIBase 来源：https://www.aibase.com/zh/news/29663医疗AI新突破：云知声发布U2-Med三医大模型深耕智慧医疗
2026年7月17日 09:00
医疗AI新突破：云知声发布U2-Med三医大模型深耕智慧医疗AIbase基地发布于AI新闻资讯·1分钟阅读·Jul 17, 202611云知声近日宣布，在U2 基座模型的基础上完成迭代升级，正式推出行业内首个聚焦医疗、医保及医药领域的专业大模型U2-Med三医大模型。这一创新成果标志着云知声在智慧医疗赛道布局的进一步深化。作为一款针对性极强的专业模型，U2-Med三医大模型被设计用于深度融入医疗、医保及商保协作的各类核心业务场景。云知声方面表示，该模型的应用将有效提升三医数字化协同效率，并预期在未来为公司的大模型业务提供长期且稳定的收入支持。在市场落地方面，云知声的医疗大模型业务近期表现亮眼，已成功中标多家国内顶级三甲医院的人工智能建设项目。这些合作机构不仅涵盖了首都医科大学附属北京佑安医院，还包括山东第一医科大学附属省立医院以及南京同仁医院等区域性医疗标杆单位。通过此次技术迭代，云知声正加速将其人工智能技术向医疗产业的纵深地带推进，旨在以更精准的数字化解决方案，助力医疗体系的智能化转型。云知声U2-Med三医大模型人工智能医疗本文来自AIbase日报扫码查看欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。由AIbase 日报组创作© 版权所有 AIbase基地 2024, 点击查看来源出处 -
信息源：AIBase 来源：https://www.aibase.com/zh/news/29662简历石沉大海?千问把写简历、做PPT、筛脏数据拆成了一套可复制的AI办公流水线
2026年7月16日 18:01
简历石沉大海?千问把写简历、做PPT、筛脏数据拆成了一套可复制的AI办公流水线AIbase基地发布于AI新闻资讯·1分钟阅读·Jul 16, 202611简历投出去石沉大海，写报告时盯着空白文档抓破头皮，拿到一张满是乱码的销售表不知从何下手这些职场人的日常窒息瞬间，昨天在武汉被千问APP当面拆解了一遍。这场AI求职实战课由武汉市人力资源和社会保障局指导，千问APP与武汉发布联合承办，没有照搬枯燥的理论，而是带着现场众多求职者和应届生，把简历诊断、商业报告撰写、销售表分析三类任务用AI一步步跑通。把材料变成文件，而不是多写几行字，这是千问APP产品经理金师兴对AI文档价值的判断，也定下了整场课程的基调。写简历这件事，千问给出的方法先要交代清楚五件事:给全材料、说明目标、定义标准、划定边界，最后索要一个可编辑的文件。很多人习惯丢一句帮我写段话，但真正产出好简历，得先把散落的经历当作原始材料。以目标岗位的要求为标尺，反向强化对应的事实经历，把参与策划某活动这类平淡描述，升级为带背景、动作、结果的表达，说服力立刻不同。千问现场还亮出了一套三段式提示词作为可以直接复刻的模板。第一步只做诊断，让AI读取附件后先别急着改写，而是把岗位要求归纳成不超过七项核心要求并按重要程度排序，再建立岗位核心要求、简历已有证据、证据强度、缺口或待确认信息、建议动作的五列对照表，凡是附件里没有的信息一律标注未提供，严禁推测或虚构，最后给出三条最优先的修改建议。第二步基于事实定向改写，只使用原始简历里的真实内容，把个人简介和工作经历改写成动作、方法、结果的结构，每段保留三到四条、每条尽量不超过六十五个汉字，材料里没有的证据标记待补充，并附上修改内容与事实来源的对照表供本人核验。第三步才生成排版好的Word简历，文件名、页边距、字号、行距、模块标题样式都有明确规则，还要求生成后自查分页、字体和标点。临时被丢来一堆陌生文件、要求明天做个PPT救场，是职场另一大噩梦。千问APP产品经理透镜演示了紧急救场的三步走。第一步先把做任务的上下文补齐，具体要交代四类背景:目标与主题、演示人与对象、参考资料、演示形式。比如向团队负责人汇报短剧转型调研，就要把短剧是重点突破方向这个核心结论、策划身份、梳理报告聚焦的为什么适合自媒体转型、如何快速起量、变现路径，以及十五页左右十五分钟讲述的形式都讲清楚。第二步让AI读取各类文件做总结，再结合演讲者的部门职责和团队近期业务重点，代入你的视角重新编排内容结构、产出初稿。第三步用上千问的四大技能套件做微调，让PPT更有个人特色。最见功力的，是用AI从脏数据里筛出关键指标。金师兴用一个虚构的茶饮店经营案例，手把手演示了建、理、算、析、呈这套表格方法论。拿到一份原始销售明细，先在保留原表的基础上清洗脏数据、统一命名格式，再输入公式算出毛利和毛利率等指标，业务细节便有了复盘基础。最终，一份有着486行杂乱数据的销售表，被浓缩成一页结论清晰的PPT。配套的六步数据分析提示词，把这套方法论拆得极细。第一步建立分析工作区，只基于上传的文件处理、不联网补充、不推测缺失事实，保留原始数据，所有结论必须能追溯到表格中的数据和计算口径，新建清洗数据、数据处理日志、指标汇总、经营报告、口径说明五个工作表并设置筛选、冻结表头、统一格式。第二步清洗原始数据，统一三家门店和四种渠道的别名、统一产品名称、日期统一为YYYY-MM-DD、把带货币符号或文本格式的金额转成数值、删除完全相同的重复记录、缺失项标记待确认而非猜测，并输出处理前后行数、各类问题数量和待确认事项。第三步写入可追溯公式，用Excel公式而非静态结果填充标准销售额、商品成本、毛利润、毛利率、优惠率、单杯实收、日期类型等指标，除法处理分母为0和缺失值，金额保留两位小数、比例保留一位小数，同步把指标定义写进口径说明并生成总体验证表。第四步用自然语言做经营分析，分别按门店、产品、渠道、时段汇总，回答哪家门店规模最大、销量最高是否也是毛利最高、哪个渠道规模大但毛利低、哪两个时段贡献最多实收，每条结论列出数据、对比对象和计算依据，并提醒不得将虚构样本推断为长期趋势。第五步生成一页经营报告，顶部展示核心指标，产出门店实收对比、产品杯数与毛利对比、渠道毛利对比、时段实收对比四张图，每张图标题直接表达主要发现而非使用空泛标题，图表下方写三条数据发现和三条行动建议。第六步作为数据审核员做最终检查，核对清洗前后行数、各类汇总是否等于总计、公式是否全覆盖、百分比分母是否一致、图表是否有误导、结论是否超出数据范围，输出检查项、结果、证据、需要人工确认事项四列表而不直接改数据。AI新词千问APP求职实战课AI文档本文来自AIbase日报扫码查看欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。由AIbase 日报组创作© 版权所有 AIbase基地 2024, 点击查看来源出处 -
信息源：AIBase 来源：https://www.aibase.com/zh/news/29661通义千问正式接入苹果生态，国内Apple智能体验迎来重磅升级
2026年7月16日 18:01
通义千问正式接入苹果生态，国内Apple智能体验迎来重磅升级AIbase基地发布于AI新闻资讯·1分钟阅读·Jul 16, 202621阿里巴巴发言人日前正式确认，阿里自研大模型通义千问已完成接入，将全面集成至中国区苹果设备的Apple智能（Apple Intelligence）功能中。此次集成覆盖了iOS、iPadOS、macOS以及visionOS四大操作系统。这意味着，国内苹果用户在不久的将来，可以直接在系统层面调用通义千问的强大能力，实现包括图文深度理解、高质量图文生成在内的多项智能化操作，彻底告别以往需要频繁切换不同APP的繁琐体验。在此之前，网信中国公布的备案信息已经透露了相关布局。苹果技术开发（上海）有限公司的Apple智能大模型已顺利通过备案，明确将应用于苹果手机。除了阿里巴巴之外，百度也位列苹果的国内合作伙伴名单中，主要负责开发基于AI的搜索功能，并对中国版Siri进行智能化升级。随着通义千问正式融入苹果生态，苹果在华的AI产品矩阵正变得愈发清晰。通过与国内头部大模型厂商的深度协作，苹果正致力于为中国用户提供更加本土化、更流畅的智能体验。这一举措不仅简化了用户的操作路径，也标志着国产顶尖AI技术正加速在国际顶级消费电子生态中落地。通义千问Apple智能AI大模型苹果设备本文来自AIbase日报扫码查看欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。由AIbase 日报组创作© 版权所有 AIbase基地 2024, 点击查看来源出处 -
信息源：AIBase 来源：https://www.aibase.com/zh/news/29659百度文库网盘 7 月底升级GenFlow，打造金融行业多端通用Agent平台
2026年7月16日 18:01
百度文库网盘 7 月底升级GenFlow，打造金融行业多端通用Agent平台AIbase基地发布于AI新闻资讯·1分钟阅读·Jul 16, 202611据媒体报道，百度文库与百度网盘将于近期升级GenFlow，面向专业人群和场景提供更专业的服务。升级后的GenFlow将上线独立网页端和客户端，定位为专为金融、教育、办公等专业从业者打造的"多端通用Agent平台"，计划于 7 月底开启内部邀测。据悉，GenFlow升级版本首期将聚焦金融领域，为金融从业者、爱好者以及金融公司和团队提供定制化金融行业解决方案。百度试图通过GenFlow将文库和网盘的内容资源优势与Agent能力结合，切入专业垂直场景，从通用工具型产品向行业解决方案平台转型。GenFlow百度文库百度网盘AI新词本文来自AIbase日报扫码查看欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。由AIbase 日报组创作© 版权所有 AIbase基地 2024, 点击查看来源出处 -
信息源：AIBase 来源：https://www.aibase.com/zh/news/29658