人物
别名：@_philschmid
推文发布者，Hugging Face前团队成员
已跟踪 30 条高相关材料
最近变化
2026-09-07 · 基础模型在Bash任务中表现超越人类工程师
为什么值得关注
Philipp Schmid 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
Seeing more posts on Astra or Fabel using bash and python scripts for everything. They are not the o...
Philipp Schmid(@_philschmid) · 8.5 分
基础模型通过Bash脚本实现超人类级任务处理，正在颠覆传统工具使用方式，工程师需关注脚本自动化新趋势。
https://t.co/UpN8YgfMbI
Philipp Schmid(@_philschmid) · 8.5 分
Google Gemini API整合Google Maps和Search工具，实现单次调用完成搜索、地图定位和自定义功能联动，大幅简化位置应用开发。
I hardly write a blog about an eval, but this one felt interesting. EvoCode is a new eval that tests...
Philipp Schmid(@_philschmid) · 8.5 分
EvoCode是首个测试代理在多轮交互中持续满足演变需求的基准，强调避免破坏已有功能。
已收录 30 条与 Philipp Schmid 相关的内容，按评分排序。
基础模型通过Bash脚本实现超人类级任务处理，正在颠覆传统工具使用方式，工程师需关注脚本自动化新趋势。
入选理由：基础模型在Bash任务中表现超越人类工程师
Google Gemini API整合Google Maps和Search工具，实现单次调用完成搜索、地图定位和自定义功能联动，大幅简化位置应用开发。
入选理由：Gemini API单次调用可整合Maps和Search工具，减少70%的API交互次数
EvoCode-Bench是首个模拟真实开发循环的多轮编码基准，通过持久工作区、演变规范和累积测试提升代理评估的实用性。
入选理由：EvoCode-Bench包含227个连续轮次任务，覆盖5个技术领域
EvoCode是首个测试代理在多轮交互中持续满足演变需求的基准，强调避免破坏已有功能。
入选理由：EvoCode包含26个任务、227轮测试（每任务5-15轮），使用持久容器确保连续性
本文展示如何使用Gemini Live Translate、Next.js、LiveKit和Cloud Run构建实时翻译应用，涵盖音频流处理、翻译优化和部署方案。
入选理由：使用WebRTC将音频流传输至LiveKit Room。
Gemini Interactions API 的入门指南被全面重写，提供从首次 API 调用到运行自主代理的 11 步教程。
入选理由：Gemini Interactions API 入门指南已全面重写，包含 11 个步骤。
Agents' Last Exam (ALE) 是一个评估代理在 55 个行业中 1000 多个真实专业任务上的表现的基准测试。
入选理由：最佳代理在最难任务中的通过率低于 10%。
Google Colab 现在支持 CLI 和 Skills，允许用户通过终端直接访问 Colab 运行时，包括 GPU/TPU 配置和自动训练模型。
入选理由：通过 CLI 可以直接在终端中配置 GPU/TPU，如使用 'colab --gpu A100'。
Gemini API 可以通过一个 API 调用提供一个沙盒化的 Linux 环境，支持代码执行、网页访问和文件 I/O。文章提供了构建数据科学助手的完整示例。
入选理由：Gemini API 通过单个 API 调用提供沙盒化 Linux 环境
Philipp Schmid 发布了一篇关于 Gemini Managed Agents Dev Guide 的文章，介绍了一个通过单个 API 调用实现的功能，包括 Gemini 3.5 Flash、Antigravity Harness 和远程 Linux 沙盒，无需基础设施或编排。
入选理由：通过单个 API 调用实现功能，包括 Gemini 3.5 Flash、Antigravity Harness 和远程 Linux 沙盒。
Philipp Schmid展示了如何使用单个curl命令调用Gemini API来构建一个GitHub问题分类代理，该代理能够克隆仓库、抓取开放问题、分类问题类型并执行复现代码以确认bug，整个过程无需复杂的编排框架或基础设施。
入选理由：Gemini API可通过单个curl命令实现复杂任务，如GitHub问题分类。
Gemini Interactions API更新引入了多域代理步骤，取代了传统的用户和模型角色。
入选理由：Gemini API现在支持`steps`来替代`outputs`和`roles`，每个动作都是独立的步骤。
资深工程师难建AI Agent主因是开发范式从确定性编程转向提示-反馈迭代；文本成为新状态载体，工程师需从‘交通管制员’转为‘调度员’。
入选理由：AI Agent开发采用“定义目标→运行→观察→调整提示/工具→再运行”的迭代闭环，而非传统“需求→编码→测试→部署”线性流程。
Gemini API 的文件搜索工具现已支持多模态检索，使用 `gemini-embedding-2` 模型可构建统一处理 PDF 和图像的 RAG 系统，索引与查询分离计费，存储和查询嵌入免费。
入选理由：Gemini 新增多模态文件检索能力，支持 PDF 与图像混合检索。
文章系统梳理2026年AI智能体协同演进的四大子智能体模式：同步/异步工具调用、独立await派生、持久化工作池、多智能体消息协作团队。
入选理由：子智能体不再仅是函数式调用，已发展出生命周期管理与状态共享能力。
Gemma 4 12B通过移除独立视觉与音频编码器，采用原生多模态架构实现单模型处理文本、图像和音频。该设计摒弃传统外挂编码器拼接模式，直接在统一表征空间内完成跨模态对齐，显著降低推理延迟并提升端侧部署效率。
入选理由：Gemma 4 12B移除独立视觉/音频编码器，采用原生多模态统一架构
GEPA 是一个通用框架，可用于自动优化 CLI 工具的提示，支持自定义 CLI、本地模型和 API 代理。
入选理由：GEPA 可以优化任何 CLI 工具的提示，只需提供一个 `(str) -> str` 类型的可调用函数。
Google 推出 Gemini API 的 Managed Agents 功能，通过单个 API 调用即可创建能推理、编写和运行代码的 AI 代理，并在托管的 Linux 沙箱中管理文件，简化了 AI 代理开发流程。
入选理由：通过单个 API 调用即可启动一个具备推理、编码和文件管理能力的 AI 代理。
Gemini Managed Agents 结合 Interactions API 可为 AI 提供安全的 Linux 沙箱环境，实现代码执行与内存管理能力。
入选理由：通过单个 API 调用即可构建具备独立计算资源的 AI Agent。
Gemini API推出Managed Agents功能，可通过单个API调用创建具有独立Linux沙箱环境的智能代理。
入选理由：Gemini API支持单次调用创建带有隔离Linux沙箱的智能代理
Philipp Schmid 在 Android 开发者大会上介绍了 Gemini，它使 Android 成为一个代理系统，允许应用程序通过新的 @AppFunction 注解公开功能，实现跨应用操作。
入选理由：Gemini 使 Android 成为一个代理系统，支持跨应用操作。
Philipp Schmid分享了正确使用MCP服务器的两种模式：显式使用和子代理，以避免资源浪费。
入选理由：MCP服务器只有在用户@提及的时候才被包含。
Google DeepMind开源了Science Skills工具集，为AI Agent提供基因组学、结构生物学及文献检索等科研任务的标准技能接口，加速科学智能体工作流构建。
入选理由：Google DeepMind发布science-skills开源库，专为科研AI Agent设计。
Gemma 4 12B是首个支持原生音频输入的中型多模态模型，采用无编码器统一架构，仅需16GB显存即可运行，性能接近26B模型且遵循Apache 2.0开源协议。
入选理由：Gemma 4 12B采用无编码器统一架构，直接将视觉与音频信号输入LLM，降低推理延迟。
Philipp Schmid 分享了第三方对 Gemini 3.5 Flash 的评测结果，表明其在 agent、coding、vision 和 finance 领域表现良好。
入选理由：Gemini 3.5 Flash 在多个评测维度中表现出色，包括 agent、coding、vision 和 finance。
Philipp Schmid宣布为Gemma 4模型推出多令牌预测（Multi-Token Prediction）drafters技术，实测推理速度提升最高达3倍，且输出质量零损失。
入选理由：Multi-Token Prediction drafters使Gemma 4推理速度最高提升3倍
本文介绍如何使用 Gemini Live API、LiveKit 和 Google Cloud Run 构建实时翻译应用，适合前端工程师参考。
入选理由：Gemini Live API 支持实时语音翻译，适用于多语言场景。
Philipp Schmid利用GoogleDeepMind的Gemini 3.1 Pro观看cursor_ai SDK的发布视频并生成制作脚本，随后使用Remotion无提示重现视频，展示其视频理解能力。
入选理由：Gemini 3.1 Pro能够理解视频内容并创建生产脚本。
Google Gemini API 推出 Managed Agents 功能，单次 API 调用即可获得具备代码执行、网页浏览和文件管理能力的完整 Agent，基于 Gemini 3.5 Flash 和 Antigravity 架构运行。
入选理由：单次 API 调用即可部署完整 Agent，无需自建基础设施
Gemini 3.8 Flash在多模态任务中表现卓越，尤其在图像推理和数据提取方面领先，速度提升30%。
入选理由：Gemini 3.8 Flash在图像推理和数据提取任务中排名第一
