AI进家庭

“ 智能体中，大模型就是人，工具就是人使用的工具，提示词就是你想让大模型做什么，以及怎么做。” 智能体作为AI领域潜力无限的一个应用方向，很多技术从业者都扑在了智能体上，同时也有更多的人想入行智能体开发；但面对智能体领域各种乱七八糟的新概念，新名词很多人都不知道该从哪下手，以及怎么下手。 特别是智能体是结合大模型LLM+Prompt+Tools组成的一个...

最近AI应用爆款频出 Manus的问世又加速了通用Agent在各行业的崛起 让大模型更广泛渗透到各垂类应用市场 这也导致AI人才缺口大、价格贵 腾讯、阿里等一线大厂纷纷开出60- 100W 挖掘能用AI 驱动业务、高效落地更多应用场景的 “大模型应用开发人才”！！ 不懂AI的普通开发真的没机会了吗？ 如何不被时代淘汰、享受AI技术带来的就业红利？ 📢诚邀您加...

今天是2025年6月25日，星期四，北京，晴 我们回答文档智能进展，来看一个自动生成PPT 的项目，其中流程的设计，以及用到的爬虫代码以及Agent的prompt都可借鉴。 代码层面看MultiAgentPPT实现思路 关于PPT自动生成，看一个项目，MultiAgentPPT(https://github.com/johnson7788/MultiAgen...

近年多模态推理模型在数学题、学科题上表现出色（MathVista, MMMU等），但 OCR 相关 的复杂任务——比如看促销海报算计算最便宜买法、分析财务报表、规划最优路线、处理票据信息——它们的“真本事”到底如何？ 长期以来，竟然没有一个系统性的评测标准来检验这些核心 OCR 推理能力！现在，填补这一巨大空白的基准——OCR-Reasoning——终于发...

近年来，大型语言模型（LLM）在自然语言处理领域取得了革命性进展。然而，其底层的 Transformer 架构在处理复杂推理任务时仍有不足。尽管「思维链」（CoT）提示技术提供了一条实用路径，但多数方法依赖通用指令，导致提示工程高度依赖反复试验，缺乏理论指导。 ▲ 图1：Prompt 模板深刻影响着答案空间的配置和导航方式。左侧展示了不同的 Prompt...

Magenta RealTime 是由 Google 开发的一个开源音乐生成模型，基于用于创建 MusicFX DJ 和 Lyria RealTime 的相同研究和技术。Magenta RealTime 允许通过文本提示、音频示例或多个文本提示和/或音频示例的加权组合来持续生成音乐音频。其相对较小的体积使其能够在资源有限的环境中部署，包括现场表演环境或免费可...

一水 发自 凹非寺 量子位 | 公众号 QbitAI AI大牛何恺明最新动向来了！ 才刚拿下MIT终身教职没多久，这转眼又加盟谷歌DeepMind任杰出科学家。 目前这一消息已在个人主页同步更新： 也是在最近，MIT官网发布公告称： 今年MIT工程学院一共有11位教职人员获得终身教职，而何恺明也在名单中。 要知道他去年3月才正式在MIT开讲，这中间几乎只隔...

第一作者孙秋实是香港大学计算与数据科学学院博士生，硕士毕业于新加坡国立大学数据科学系。主要研究方向为 Computer-using agents 和 Code intelligence，在 NLP 和 ML 顶会 ACL，EMNLP，ICLR，COLM 等发表多篇论文。本文的 OS-Copilot 团队此前已发布了 OS-Atlas、OS-Genesis ...

作者_｜陆 邮箱｜_xiaoyu@pingwest.com 当华为常务董事、终端 BG 董事长余承东在 2025 年华为开发者大会（HDC 2025）上宣布 HarmonyOS 6 开发者 Beta 正式启动时，台下热烈的掌声回应着鸿蒙生态的又一次进化。令人惊喜的是，就在一周前，华为 Pura 80 系列才刚刚向用户展示了 HarmonyOS 5.1 的新...

鱼羊 发自 凹非寺 量子位 | 公众号 QbitAI 开源且免费！谷歌对编程Agent出手了。 推出Gemini CLI，让你在终端里就能访问Gemini，并且提供“业界最高免费限额”： 100万上下文窗口的Gemini 2.5 Pro，每分钟允许60次模型请求，每天的上限则是1000次。 官方还着重提醒： Gemini CLI写码很强，但不只能拿来编程哦...