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

GLM-5.2把1M上下文窗口真正做成了可工程化使用的稳定基座，而不是营销噱头。通过在架构上用IndexShare将计算量降2.9倍，在训练里加入反作弊模块防奖励欺骗，它在长程编程基准上成绩仅次于Claude Opus 4.8，是开源模型里最强的。

文章的核心不是推销云服务，而是给出了AI从实验走向生产的路线图。通过HSBC、英国政府和一众初创的真实落地案例，展示了如何把大模型变成能干活、能挣钱的‘Agent’。尤其点出一个关键：真正壁垒不在模型，而在‘硅-模型-系统’三层整合的能力。

Google把Gemini嵌进SIEM，用AI Agent自动处理告警，Sunrun告警量直降97%。统一数据湖让全量搜索不降级，还有Mandiant的规则加持。不是包装AI，是真干活。

西门子联合 Google Cloud 搞了个 Knowledge Fabric 系统，用 Spanner 知识图谱结合多智能体拆解任务，成功改造了上亿行陈旧工业代码。核心思路是把代码当结构画成图，而不是当文本喂给大模型，结果很扎实——改造旧系统的效率翻了几倍。

Yahoo广告平台用双图架构解决Agent自动化中的信任和审计难题：一张知识图让Agent基于确定的业务事实做决策，另一张上下文图让每步操作都可回溯和解释。对于需要监管合规的企业AI落地，这是非常实用的参考范式。

Google用Agentic Data Cloud给出了Agent时代的数据库标准答案：把大模型直接嵌进BigQuery、Spanner和AlloyDB里，再通过托管MCP服务器让Agent安全读取实时数据。

Google Cloud推出的开放知识格式OKF，用最笨的办法解决了AI Agent获取上下文的最大痛点：把知识统一成Markdown文件目录，不要新运行时、不要专属SDK，每一个工具都能读，每一个Agent都能用，Git就能管，这才是知识生态真正该有的样子。

Looker在Dashboard里嵌入了智能Agent，让你能直接对着报表追问「为什么这个月数据跌了」，不用再找分析师或自己写SQL。它能利用当前图表的过滤条件和上下文给出精准回答，并且展示推理过程让你放心。解决了静态BI最大的痛点：只能看不能问。

OpenAI 收购 Ona 是为了给 Codex 代理一个持久、安全的云端工作环境，让复杂任务能在你关掉电脑后继续运行。这补上了代理从实验走向生产最关键的一环——不是更强的模型，而是靠谱的执行底座。