清华 Zeva：不更新权重也能越用越聪明，成功率 26%→73%
机器人一直有个老大难问题：换个环境就「失灵」。在实验室里学会的操作，换个场地、换个工具，往往要重新采集数据、重新训练。9 月 1 日，清华 AIR（智能产业研究院）联手域变换发布了一个名为 Zeva 的模型，给出了一条完全不同的路：模型权重不用更新，机器人也能从自己的交互经验里持续学习，越用越聪明。 Zeva 是什么：首个实现 ICCL 的具身世界模型 Zeva 的定位是首个实现 In-Conte…
龙主编
龙主编，AI智习室官方媒体主编。
专注 AI 行业观察与实操分享，擅长将复杂技术转化为通俗易懂的实战指南。
坚信 AI 不是取代人类，而是赋能每个人。
内容风格： 真实案例 + 详细干货 + 可操作性
使命： 让普通人也能抓住 AI 时代的红利。
共 963 篇
用开源 Agent 跑内容流水线？Easel 副业实操全链路
做内容副业的人，几乎都卡在同一个问题上：时间。找选题两小时、写内容三小时、排版发布一小时——一天就没了，产出却只有一篇。浙大实验室开源的社媒 AI Agent Easel（GitHub 99 星），把「发现趋势 → 创作内容 → 发布」整条链路打包成一个 Agent，正好切中这个痛点。这篇不聊工具参数，聊实操：副业党怎么用它搭一条内容流水线。 先理解：副业的瓶颈从来不是内容，是流程 内容副业的本质…
ChatGPT Ads 不到 200 天年化破 10 亿美元：40+ 国家开放
8 月 31 日，OpenAI 官方公布了一个对广告圈、跨境电商和内容创作者都算得上重磅的数字：ChatGPT Ads 上线不到 200 天，年化收入运行率已经突破 10 亿美元。这不仅是 OpenAI 商业化的重要里程碑，更是「AI 对话场景广告」这个新赛道跑通的信号——对想做副业、做投手、做代理的人来说，值得认真拆一拆。 先看硬数据：10 亿美元年化是怎么来的 根据 OpenAI 官方公告，几…
DeepSeek Vision 拆解：视觉编码器+Aligner 塞进 305B MoE
8 月 31 日 DeepSeek 开源了 V4 家族首个多模态模型 DeepSeek-V4-Flash-Vision-Exp，新闻已经刷屏。但大部分报道只讲了「305B 参数、逼近 Opus 4.8」这些结论，很少有人拆开讲：这双「眼睛」在架构上到底怎么装进语言模型的？为什么它不给人类看图、专给 Agent 用？想本地跑起来，到底要什么配置？这篇从技术角度完整拆一遍。 架构：视觉编码器 + Al…
从选题到发布全自动：Easel 开源社媒 Agent 新基建
做自媒体的人都知道，内容生产的完整链路是：找选题 → 写内容 → 发布。过去这三步每一步都要人工参与，尤其「找选题」最烧时间。8 月 28 日，浙江大学实验室（ZJU-REAL）在 GitHub 上开源了一个叫 Easel 的项目，瞄准的正是这条链路——发现趋势、创作内容、发布，一个 AI Agent 一条龙跑完。 Easel 是什么：给社媒运营配的「全自动内容 Agent」 Easel 的官方描…
useagent 开源 AI 同事：每个 Agent 自带云电脑，团队可自建
过去一年，AI Agent 从「聊天机器人」进化成了「能干活的工作流」：写代码、查资料、填表格。但你有没有想过，Agent 能不能不只是「工具」，而是变成团队里的一名「同事」——有自己的电脑、能并行跑任务、能和别的 Agent 协作？8 月 29 日刚创建的开源项目 useagent，做的就是这件事，短短几天已收获 262 星。 useagent 是什么：给每个 Agent 配一台云电脑 usea…
GitHub 7 天破千星的 sepia：93.2% 识别 AI 味，改词没用
用 AI 写稿早已不是新鲜事，但几乎所有用 AI 写过东西的人，都遇到过同一个尴尬：写出来的文字「一眼假」。改改同义词、调调句式，好像也没什么用。这个困扰，本周被一个 GitHub 项目给出了科学答案——sepia，一个 8 月 28 日创建、7 天涨到 1295 星的开源「去 AI 味」写作技能。 它不是玄学，是建立在 6 万篇故事研究上的 sepia 与市面上「去 AI 化」工具最大的不同，是…
Runway 发布首个界面世界模型：不用写代码，界面边用边生成
现在的网页和 App，基本都遵循同一套逻辑：设计师画出界面，工程师把它翻译成代码，用户再按照开发者预先设计好的按钮、菜单和流程操作。8 月 31 日，Runway 公布了一个大胆的方向：如果界面不再由固定代码提前写死，而是由 AI 根据你的动作实时生成，会发生什么？ 这个名为 Solaris 的系统，被 Runway 称为 Interface World Model，也就是「界面世界模型」。它不是…
DeepSeek 开源首个多模态模型：305B 免费商用，读屏能力逼近 Opus 4.8
过去我们聊多模态模型，第一反应都是「AI 看图说话」——你发一张照片，它给你描述一段话。但 8 月 31 日 DeepSeek 在 Hugging Face 开源的 V4 家族首款多模态模型 DeepSeek-V4-Flash-Vision-Exp，方向完全不一样：这双「眼睛」不是给人看图，而是专供 AI Agent 看屏幕干活。 305B 参数的「眼睛」，MIT 许可直接免费商用 先说硬指标。D…
测试工程师的 AI 进阶指南开源了：AI 辅助测试、自动化测试、Agent 测试开发全路线，GitHub 免费学
AI 编程正在重塑每一个技术岗位，而「测试」可能是其中最容易被波及、也最有机会借势转型的一个。最近 GitHub 上一个中文开源项目火了——「AI 测试开发学习路线大全」，把测试工程师在 AI 时代的进阶路径整理成了一份持续更新的路线图，涵盖 AI 辅助测试、自动化测试、Agent 测试开发等方向，对想转型的测试工程师和零基础学习者都很友好。 这份开源路线图里有什么 这个仓库（GitHub 上搜索…
Grok Bot 更新：接 Stripe Link 全网自动下单，每笔付款生成一次性虚拟卡、真实卡号对 AI 隐形，美区桌面端已全量上线
AI 会替你买东西了。8 月 29 日，Grok Bot 官方更新：接入 Stripe Link 钱包后，它可以在全网自动比价、加购并完成结账，你只需要在最后审批一下账单。同日，它还上线了 X 平台插件，能搜索帖子、读取时间线、查看提及。这是「AI Agent 接管真实交易」第一次以这么完整的产品形态落地。 它能做什么：从「帮你找」到「替你买」 过去 AI 购物助手最多做到「帮你比价、给你链接」，…
英伟达拟 129 亿美元收购 Hugging Face：全球最大开源模型平台（托管 270 万+ 模型）要被「卖铲子的」收编？
多家媒体 8 月 30 日报道，英伟达已同意以约 129 亿美元收购全球最大的开源 AI 模型平台 Hugging Face。目前这一消息仍属「据公开报道」层面，未经英伟达或 Hugging Face 官方证实。但如果成真，这将是 AI 产业格局里一枚分量极重的棋子：一家「卖铲子」的芯片公司，要买下全球开发者分发模型的那座「仓库」。 129 亿美元买的是什么 Hugging Face 是今天开源 …
MiniMax H3 Max 上线：5 秒视频不到 3 秒生成，AI 视频「比播放还快」，24 小时 AI 电视台已开播
8 月 31 日，MiniMax 宣布 H3 Max 768P、H3 Max 480P 正式接入 MiniMax 开放平台和 MiniMax Design。这款由 fal 基于 MiniMax H3 开源权重做后训练和推理优化的模型，把一段 5 秒、768p 的完整音视频生成时间压到了不到 3 秒——生成速度第一次跨过了播放速度。与此同时，海外开发者已经用它搭出了 Twitch 实时直播和 24 …
零基础语音工作流入门：用 Gemini 3.5 Transcribe 把会议、采访、周报变成文字，10 分钟就能上手
如果你从没用过语音转文字，这篇是给你写的。不需要懂 API，不需要装软件，读完你就能把「说话」接进自己的日常工作流。 我们从一件最烦的事说起：会议纪要。 一、先搞清楚它能替你做什么 语音转文字工具的定位很明确：它负责把声音变成文字，不负责替你思考内容。所以正确的用法不是「录完扔进去就完事」，而是把它当成流程里的第一道工序。 以 Google 8 月 26 日发布的 Gemini 3.5 Trans…
大模型不靠蛮力：拆解混元 Hy4 的 MoE 稀疏激活 + 1M 上下文，看懂参数背后的成本与算力账
先抛一个反直觉的事实：腾讯混元 8 月 28 日发布的 Hy4 preview，总参数 770B，每次推理只激活 49B，上下文 1M，API 输入定价 6 元每百万 token。 大，通常意味着贵。但这次是又大又便宜。中间的矛盾，靠一个叫 MoE 的架构给抹平了。 这篇不讲公式，只把三件事讲明白：MoE 稀疏激活到底省了什么、1M 上下文意味着什么、以及这次发布里真正值钱的那条信息是什么。 一、…
Claude 能自己操作浏览器了：不会写代码也能接「网页自动化」私单，批量填表、抓数据、抢券全包
「我不会写代码，能不能接自动化的活？」 过去这个问题的答案很尴尬：能，但你得先学 n8n、学影刀、学一堆节点配置，学习曲线比想象中陡。8 月 26 日 Claude in Chrome 全面上线之后，答案变了一点——你把活儿说清楚，让 AI 自己在浏览器里点。 这篇不聊技术原理，只聊一件事：这个能力能变成什么服务，怎么接第一单，以及有哪些坑必须提前知道。 一、Claude in Chrome 现在…
打工人效率神器实测：Gemini 3.5 Transcribe 自动去「嗯啊」、自动格式化，会议纪要字幕采访稿一键出
一场两小时的会议开完，最痛苦的不是开会本身，是整理纪要。 录音听一遍要两小时，边听边打字要四小时，中间还得反复倒回去听清某句话。采访、播客、课程、客户沟通——凡是涉及「把说的话变成文字」的场景，都在吃这份苦。 8 月 26 日，Google DeepMind 发布了 Gemini 3.5 Transcribe，官方称它是目前最精准的语音转文本模型。我们来看看它到底强在哪，以及普通人能怎么用。 一、…
Gemini Omni 1.1 Flash 发布：AI 视频能续写到 40 秒，360p 草稿便宜 2/3，过稿再上 4K
做 AI 视频的人，大概都经历过同一种无力感：抽了二十次，终于出来一条满意的镜头，但你没法让它「接着往下演」。 想让镜头再往后走两秒？只能重新生成，而新生成的画面里，人物的脸、衣服的颜色、光线的方向全都变了。AI 视频过去最大的问题不是画质，是不可控——你只能抽，不能改；只能重来，不能接续。 8 月 27 日，Google 发布的 Gemini Omni 1.1 Flash，就是冲着「可控」这两个…
Midjourney 首个编辑模型 V8.2 全员开测：一句话改图、4 张图合成、局部重绘扩画，不用再重画
用 AI 生图最崩溃的时刻，不是生成得丑，而是「就差一点点」。 背景对了、人物对了，就是衣服颜色不对；构图很好，就是画面太窄撑不满海报；想要的效果只差换个道具，结果只能重抽十几次，抽到一张更差的。 8 月 27 日，Midjourney 把这个问题正式摆上台面——首个 V8.2 图像编辑模型开始向所有用户开放测试。AI 绘画从「只能生成」进入「能改了」的阶段。 一、这次开放的是什么 Midjour…
腾讯混元发布并开源 Hy4 preview：770B 总参 / 49B 激活 / 1M 上下文，输入只要 6 元，WorkBuddy 免费 2 周
先问一个问题：你觉得现在用一次「旗舰级」大模型，要花多少钱？ 很多人的印象还停留在「能力越强越贵」。但 8 月 28 日腾讯混元发布的 Hy4 preview，把这个印象按在地上摩擦了一遍——770B 总参数、1M 上下文的旗舰模型，开源免费拿走，API 输入只要 6 元每百万 token，还有产品端限时 2 周免费。 这不是一个小版本更新，而是国产大模型第一次把「旗舰能力」和「白菜价格」同时摆到…
大模型降价，副业党受益：API 成本降 33% 意味着什么
标题里说”API 成本降 33%”，这个数字是准的——它特指这一轮最猛的一刀：OpenAI 把旗舰 GPT-5.6 Sol 的输出 token 从 30 美元砍到 20 美元，降幅正好 33%（输入降 20%），多家媒体 8 月 22 日已坐实。全行业不是都降 33%，而是 20%–33% 不等。对靠 API 吃饭的副业党来说，结论不变：用 AI 的成本，正在肉眼可见地变便…
用 AI 精读大型开源仓库：四阶段方法论 + 28 条踩坑清单
你有没有过这种经历：老板甩来一句”研究下这个开源项目，下周汇报”，你兴冲冲 git clone 下来，打开目录，几百个文件、十几个包，瞬间懵了。从头读 main 函数？读了三天还在 import 里打转。这是绝大多数人精读大型仓库的死法——不是不努力，是方法错了。本文给你一套用 AI 四阶段精读大型开源仓库的方法论，再附上我们整理的「28 条踩坑清单」。 为什么传统读法必然…
刚刚！小米玄戒 O100 发布，手机本地跑大模型再提速
手机本地跑大模型这事儿，过去总卡在一个字上：慢。参数一大，云端来回传、显存带宽不够，体验就垮了。8 月 24 日，小米一口气发了三颗自研玄戒芯片，其中专门盯住”端侧大模型加速”的那颗——玄戒 O100——就是冲着这个瓶颈去的（来源：新华网客户端 xinhuanet.com，2026-08-25；21世纪经济报道，2026-08-25）。 玄戒 O100 到底是什么 玄戒 O…
打工人新装备：TabTin 让你和一群 AI Agent 一起干活
你有没有这种感觉：一天的工作被切碎在十几个工具里。写代码用一个窗口，整理数据用一个表格，做对外文档又开一个，剪视频再开一个。更累的是，每个工具里的 AI 都得重新认识你——你是谁、你要干嘛、之前的上下文是什么。于是”全栈”成了常态，可工具链还停留在石器时代。这正是 TabTin 想解决的事。 一句话说清：它到底是个啥 TabTin 是一个开源的人与 AI Agent 协作平…
每周一封 AI 技巧，只发能立刻用上的
精选工具、实操步骤与副业思路，免费送到邮箱。不推销、不打扰，随时退订。
每周一封，随时退订。