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

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。

一个编码代理只靠调用两个Hugging Face Space（图像生成+3D重建），自动生成图像并重建3D高斯散点，建起巴黎地标画廊，展示AI粘合组件的新范式。

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。