AI 今日新闻 · 2026-06-24

通过 Pipecat 框架，可在几分钟内将 LangGraph 代理转换为语音代理，适用于现有代理的多模态扩展。

LangChain 推出 Engine，通过自动化分析代理日志和测试，提升代理开发效率。

Notion Workers 是 Notion 2026 年的重要更新，允许用户通过编程实现自动化任务和复杂业务逻辑。

Sakana Fugu 是一种基于多模型协调的系统，宣称能媲美 Fable 和 Mythos，但实际性能略逊，且其本质是模型路由而非单一模型。

Midjourney 推出基于声波的全身扫描仪，速度比 MRI 快 60 倍，成本低 10 倍，计划用于高端水疗中心。

OpenAI 的 Codex 现在可以记录并重放用户在计算机上的操作，实现自动化任务执行。

NotebookLM与Claude结合后，可构建高效AI自动化工作流，提升10倍工作效率。

AI代理正在从工具转变为自主行动的智能体，可能引发新的经济形态和AGI发展。

字节跳动推出SeeDance 2.5，支持生成30秒无拼接视频，预计2026年7月上线。

百度推出 Unlimited OCR 模型，使用 R-SWA 技术实现连续多页 PDF 抄写，无需分页处理。

上下文的重要性超过模型本身，AI对工作内容的理解比模型的智能更重要。

Google Gemini App 提供了多个实用工具，如项目跟踪审核器、新闻简报聚合器等，可提升工作效率。

Google 在 Gemini API 中引入了 Managed Agents，简化了构建自主代理的流程，通过单个提示即可完成复杂任务。

Google 推出 Gemini Interactions API，提供统一接口支持文本、多模态输入、工具使用和托管代理，加速从提示到生产流程。

豆包音频生成模型 Seed Audio 1.0 能生成人声、音乐、音效等复杂声音，标志着声音模型进入新阶段。

Claude Tag 让 Claude 以同事身份常驻 Slack，支持任务分配、多人协作和主动工作，适用于企业团队。

OCR 4 在多语言文档识别测试中表现优异，独立标注者偏好率达 72%。

OCR 4 通过定位和分类文档块，为引用、编辑和 RAG 提供结构化基础。

liteparse 是目前最快的开源文档解析工具，能高效解析 PDF 等文档并转换为 markdown 格式。

本文介绍如何利用 Amazon Bedrock 和 Verified Permissions 实现安全的多租户 RAG 架构，通过动态授权策略控制文档访问。

AI原生领导力是组织转型的关键，通过系统性设计和领导力重塑实现工程效率的显著提升。

前Meta高级工程师分享其基于智能体的工程实践，显著提升开发效率并实现高质量代码输出。

Grafana Assistant 新增自动化功能，可减少重复任务，提升运维效率。

Tempo 3.0 通过 Kafka 兼容架构和 TraceQL metrics GA 降低总拥有成本并提升可扩展性。

使用 Grafana Cloud k6 和生产监控数据生成真实负载测试，可提升测试准确性并减少生产环境中的意外。

Grafana Assistant Investigations 可自动发现并修复根本原因，提升运维效率。

Meta 在大规模实时通信中采用 AV1 编码，显著降低带宽使用并提升视频质量。

Meta 通过重新设计电池结构，成功开发出超窄型电池，为 AI 眼镜提供更长续航和更紧凑的形态。

AWS 通过 SageMaker AI Processing Jobs 支持 ComfyUI 工作流，实现大规模自动化内容生成。

AWS 与 Vexcel 合作，利用多模态嵌入和大语言模型实现大规模航拍图像的自然语言搜索，显著提升地理空间数据查询效率。

Ampersend 使用 Amazon Bedrock AgentCore Payments 构建了基于 x402 协议的按需付费系统，使 AI 代理可自主调用多个模型并支付费用。

AWS 通过 Amazon Bedrock AgentCore 实现多租户 AI 应用的基础设施共享与租户隔离，适用于 SaaS、企业解决方案等场景。

本文展示如何使用 Amazon Bedrock AgentCore 构建蛋白质研究助手，实现自然语言查询、向量相似性搜索和 AI 结果总结。

Hugging Face 使用本地模型 Gemma 和 Qwen 实现 OpenClaw 仓库的自动化分类，无需依赖云端模型。

PP-OCRv6 是 PaddleOCR 的新一代通用 OCR 模型，支持 50 种语言，参数量从 1.5M 到 34.5M，检测和识别准确率显著提升。

跨域存储 API 可减少浏览器中模型资源的重复下载和缓存，提升性能。

Hugging Face 通过结合 AI、开源工具和人工审核，实现了每周发布 huggingface_hub 的自动化流程。

可口可乐世界杯TVC由AI生成，百度一镜技术实现数字人实时互动。

华人博士Alisa开源AI求职经验，含57场面试细节与OpenAI入职攻略。

豆包2.1 Pro模型在芯片设计、代码生成等任务中表现优异，性能接近甚至超越国际头部模型，且价格仅为国外同类产品的四分之一。

小鹏汽车借助亚马逊云科技构建AI研发平台，实现代码覆盖率超70%，缺陷修复时间压缩至10分钟。

OpenAI 推出 Patch the Planet 计划，联合 Trail of Bits 等机构，为开源项目提供免费安全支持，以应对 AI 漏洞检测带来的挑战。

ASML 的高 NA EUV 机器以 4 亿美元单价主导芯片制造，其技术对 AI 和芯片发展至关重要。

AI数据中心可能成为下一个泡沫破裂的导火索，因巨额支出与低回报并存，且依赖持续增长的开支。

AI团队必须重视数据合规问题，因为训练数据的来源和使用直接影响模型性能和法律风险。

使用大语言模型（LLMs）可以高效发现代码漏洞，但验证、分类和修复仍是主要瓶颈。

构建网络安全评估需关注沙盒目标、输入难度、工具和评分机制，以衡量模型在漏洞利用和防御中的表现。

Mozilla团队利用Claude Mythos模型和自定义工具链，在一个月内修复了423个安全漏洞，其中包含一个15年未被发现的bug。

AI代理循环设计在Claude Code和Codex中实现，通过目标驱动和子代理机制提升自动化效率。

本文推荐了12个值得尝试的开源AI项目，涵盖视频生成、智能代理等，适合开发者关注。

Odysseus 是一个本地运行的 AI 工作空间，不依赖云端服务器，但并非 ChatGPT 竞品。

Claude Tag 可通过多种方式定制，适用于不同场景，文章列举了6种常见流程。

Perplexity Agent API 现支持 GLM-5.2 模型，适用于长周期编码和智能代理工作流。

594.Fiona Fung：AI 时代工程师如何不掉队，代码不再稀缺后的团队重构 - 跨国串门儿计划 小宇宙 - 听播客，上小宇宙 📝 本期播客简介 本期我们克隆了：硅谷顶尖创投播客《Lenny's Podcast》 What happe...

595. Lambda CTO：GPU 神话破灭后，AI 时代最稀缺的到底是什么 - 跨国串门儿计划 小宇宙 - 听播客，上小宇宙 📝 本期播客简介 本期我们克隆了：The MAD Podcast with Matt Turck: The...

AI技术正在颠覆内容创作行业，素材、流程与版权面临挑战，但创作者有机会在AI时代重生。

GLM 5.2 是一款开源本地 AI 模型，但文章缺乏具体技术细节和实践指导。

Cursor 通过与 SpaceX 的合作获得大量算力资源，可能在编码 AI 领域占据领先地位。

AI简历生成工具Job Right通过智能匹配和简历优化，提升求职效率。

文章讨论了工程实践向异步操作转变的趋势，特别是通过自动化工具如 Claude 的 Routine 实现任务自动化。