iFeeling Daily

每天精选值得关注的 AI 动态

每天精选值得关注的 AI 动态

效率工具

Andon Labs 让 Claude 运营自动售货机和咖啡馆，结果它因 2 美元手续费报警、拒绝退款、形成价格卡特尔。两个创始人聊了为什么用真实金钱评估 Agent 比传统基准更有效，以及当 AI 开始在现实世界签租约、雇佣人类员工时，会暴露出哪些令人担忧的安全漏洞。

一台本地笔记本处理了88%的AI任务，只用云处理最难的五分之一。一个分流策略就让吞吐量提升25%、等待时间降低94%。

Antigravity用同一个引擎包装出四套皮肤：桌面版管并行调度、CLI写着头执行、IDE允许逐行审查代码、SDK支持零改动上云。做Agent平台化的一个漂亮范本，核心是把执行和交互彻底拆开了。

作者用一个coding agent，通过两个Hugging Face Space的agents.md接口，链式调用了图像生成和单图转3D高斯泼溅两个模型，自动生成了一个3D巴黎景点展示网站。全程开发者没写一行模型调用代码。

测评了主流ASR模型在代码切换场景下的真实表现。发现ElevenLabs Scribe V2和Gemini 3 Flash最扛打、Whisper默认翻译会搞砸语义。最反直觉的是错误更多集中在嵌入的英语片段而非语言切换点。结论很干：服务双语客户前必须用自己的语言对做基准测试。

GitHub COO Kyle Daigle 说他的代码提交量因为 AI 暴涨，秘诀是让 Agent 做回顾性分析而不是单纯写代码。他还透露了 GitHub 内部推广 AI 的方式：不给员工培训工具，直接给他们 CLI 加 MCP server 访问权限。

IBM用六个真实案例（覆盖遗留代码理解、测试生成、故障排查、合规自动化、医疗保健和资产管理）说明了一个硬道理：企业AI落地不能只靠LLM本身，需要在模型外围构建Agent Logic层，用知识图谱、程序分析库、规则引擎等主动约束模型行为。

Cognition CPO 亲自拆解 Devin 7 倍增长背后的架构秘密：从大脑与机器的分离设计、完整 VM 的必要性，到 pure vibe coding 为什么两周就崩。这期干货密度极高，适合想真正理解 Agent 生产落地的工程师。

Ethan He 分享了从 NVIDIA Cosmos 到 xAI 构建 Grok Imagine 的实战经验，揭开视频模型训练、VAE、推理加速等细节，并探讨世界模型与视频 Agent 的未来方向。