搜索
多模态 Agent 的记忆系统，过去很容易被理解成一个升级版 RAG：图片、图表、PDF 进来之后，先抽取内容、做 embedding、写进向量库；用户提问时，再用 query 做检索，把命中的top-k图片、文档页或图表一并塞进上下文，再交给多模态模型回答。整个过程中，所有原始模态信息都会不加选择的塞给大模型。
现在，我依然会使用AI，但是我不再把AI的产出当成最终答案。AI可以帮我提高效率，却不能替我承担结果。它写错一个字、弄错一条信息，最后向客户解释的是我，被领导追责的也是我。该自己做的判断，一个都不能省。
葬AI身边的朋友常常有个疑问：为什么MiniMax M3做的不够好（问了很多在做模型测评的朋友，也是类似看法），但市场仍然觉得他们是第一梯队？我朋友@朱亦辉的解释是，MiniMax M3的核心科技是叙事能力，让外界觉得他们和Kimi是一个级别，达到一个强行双骄的效果。
最新世界模型 LingBot-World 2.0 正在试图实现的事情。「一个世界只需要几秒钟就能造出来」不再仅限于预制的世界，而是让每一次生成，都是一次全新的创造。这是一个秒级生成、支持实时交互的开源世界模型。
我最近又玩了一个新的视频制作平台，名叫 Flova，它的思路就是我上边说的这个方向。它不仅仅是一个调用单个模型的生成工具，而是一个面向 AI 视频 / AI 影视创作的全能六边形 Agent。
前言 好久没有给大家整理开源工具了，最近我又翻到几个挺有意思的 AI 项目~ 今天这篇不是很重的教程，每个项目我都简单说一下它是干嘛的、适合谁、我觉得值得看的一点。 感兴趣的小伙伴可以先收藏，后面真用
从ChatGPT掀起生成式AI浪潮到现在，不过短短两三年，AI能力的进化速度已经让"AI自我进化"这件事从科幻走进了现实。上个月，Anthropic在一份公开报告中预测，AI未来将进入"递归自我提升"（Recursive Self-Improvement, RSI）阶段，并呼吁人类共同为AI的发展设计出一个减速或暂停机制。
AI 行业尤其明显。Founder、产品经理、独立开发者都得有公众号/小红书/X 三件套（可能还要加一个即刻）。连平时不爱说话的 i 人，也要在朋友圈里输出几句“行业观察”。表达变多当然是好事，但话说多了，翻车概率也会跟着上来。
我天天在ai news radar里刷呀刷，真刷出了个新的开源项目，Tutti。光看Readme的时候，我以为它又是一套给Agent套GUI的桌面壳，实际上它提供了一个实时共享的工作空间，我所有agent可以共享上下文，文件，应用和任务。
这个 JavaScript 运行时原本拥有 535,496 行 Zig 代码，不包括注释；同时，约 20% 的代码由 C++ 编写，并嵌入了多个 C/C++ 库。此次借助 AI 重写为 Rust，整个过程涉及超过 100 万行代码变更、6778 次提交，并在 Claude Code 中运行了大约 50 个动态工作流（dynamic workflows）。