iFeeling Daily
每天精选值得关注的 AI 动态
加速基础模型升级的教训
Google Cloud团队分享了一个agentic工作流，将模型升级时间从数月缩短到数小时。核心是用自动化评估器替代人工审查，并构建灵活的agent系统来适应不同数据格式和边缘情况，而不是僵化的传统自动化。
用BigQuery桥接SQL与Python
BigQuery的%%bqsql魔法让你在笔记本里直接用SQL查询本地pandas DataFrame，结果自动存为BigQuery DataFrame，实现零拷贝的SQL-Python链式处理。从此不用再手动搬运数据，迭代效率直接翻倍。
NVIDIA Nemotron 3 Embed在RTEB排名第一，推动Agent检索
NVIDIA新出的Nemotron 3 Embed在RTEB上拿了第一，但更有意思的是它证明了检索质量对Agent效率的决定性影响——更好的检索能让Agent少绕弯子、省token。1B小模型通过剪枝蒸馏做到了接近8B的水平，还支持Blackwell上的NVFP4量化，吞吐翻倍。想认真做Agent的朋友建议看看这套方案。
CLaRa：用连续潜在推理桥接检索与生成
RAG模型又慢又割裂？CLaRa直接把文档压缩成连续向量，用可微top-k让检索器和生成器端到端一起训练。16倍压缩后效果反而更好，这种路子可能让我们不再需要硬塞超长上下文。
AlloyDB AI函数突破索引限制
当数据库遇到中文分词难题，传统方案又慢又复杂。AlloyDB直接把Gemini AI集成到SQL里，不用搬数据就能实现智能分词和混合搜索。这篇教程手把手教你用存储过程批量处理，比外部管道快得多。
模型路由：看似简单，实则复杂
模型路由不是给任务选最佳模型，而是优化整个系统。实际成本受缓存影响巨大，难度往往事后才知道，延迟看基础设施。一个轻量级优化算法能在成本、精度、延迟间做灵活权衡，比基于难度的路由好用得多。
建造Shippy教会我们如何构建AI代理
Shippy是Ai2为海事安全构建的高可靠性AI代理。这篇文章详细解析了其架构：通过soul/skills/config分离、确定性CLI工具以及沙盒隔离，解决了LLM在高风险场景下的不确定性问题。对构建生产级Agent有直接参考价值。
用 BigQuery 分析和治理大规模 Gemini 企业部署
企业部署 Gemini Enterprise 后，默认仪表盘根本不够用。这篇文章教你用 BigQuery 抓取所有日志，把治理从猜变成算——精确到部门的 Agent 使用率、对话长度，甚至能交叉分析员工实际节省的工时。
IDC：代理式AI的网络基础设施新思路
AI试点多失败也多，根本原因不是模型不行，而是网络扛不住。IDC报告指出，安全、自动化和人才是三大死穴。这篇文章的核心洞察是：别指望靠应用框架解决一切，你得把网络变成基础设施层的一个统一控制面，才能让Agent在生产环境里安全地跑起来。