相关文章
2409 篇高质量内容
微信AI团队开源WeKnora：给知识库装上"手脚"，AI 从能答到能做
微信AI开源WeKnora，让知识库从仅能问答升级为能检索、推理并持续执行任务，突破传统知识管理瓶颈。核心内容：1. 传统知识库处理局限（文档结构复杂、知识动态更新难、任务需多步骤）2. WeKnora核心设计（RAG、ReAct Agent、Wiki模式，沉淀知识资产）3. 0.8.0版本关键升级（运行时沙箱支持文件操作，Agent从“能答”到“能做”）
我发现了一个很有意思的开源项目：AI真的可以拥有一整个团队
Agency Agents开源项目让AI拥有不同职业角色，如AI公司般协作完成复杂任务，突破单一AI局限。 核心内容： 1. 单一AI难以应对复杂工作，不同专业角色需求各异 2. Agency Agents通过专业角色分工，而非更多Prompt解决问题 3. 多角色组合协作，实现复杂任务的AI团队化分工
腾讯再出 Agent：Octop 开源！内部 Agent 军团混战，路线完全分化
腾讯内部Agent赛道混战，Octop开源本地部署与WorkBuddy云端SaaS路线分化，技术商业化并行。 核心内容： 1. 腾讯Agent产品矩阵及竞争格局 2. Octop与WorkBuddy路线差异对比 3. Octop开源定位、技术特点与优势
14k star！Daily 开源 Pipecat，把语音 Agent 延迟压进 800ms
Daily开源Pipecat（14k+ star），语音Agent延迟压至500-800ms，解耦架构实现实时对话。核心内容：1. 解耦架构：STT/LLM/TTS/传输层独立拼接，灵活适配2. 超低延迟：语音到语音延迟控制在500-800ms，接近真人对话3. 生态兼容：约90+生态集成本身，适配多场景需求
腾讯云自研 AI 助手 Octop 正式开源！
腾讯云自研AI助手Octop正式开源！重构AI助手，从单次对话升级为可长期协作的个人与团队智能体。 核心内容： 1. 解决AI助手四大痛点（记忆不连续、多用户场景等） 2. 多用户与多专家协作能力（独立记忆与角色调用） 3. Connector机制：工具与外部系统连接方案
谷歌放大招了！开源AI项目Artemis，让手机自动化成功率飙升到99%
谷歌开源Artemis AI项目，Android自动化测试成功率飙至99%，自然语言指令直转操作+双模式适配+MCP集成。 核心内容： 1. 99%突破性成功率（20+应用100+任务测试） 2. 自然语言转Android自动化操作核心能力 3. Flash/Pro双模式设计与MCP集成AI IDE联动
我们给DeepSeek Harness接入了MemSearch ，自动把Memory提炼成Skill
DeepSeek Harness接入MemSearch插件，实现永久记忆、跨Agent共享记忆，并将记忆自动提炼为技能，让Agent能力持续进化。 核心内容： 1. 永久记忆能力（跨天跨会话操作持久化，支持语义检索决策依据） 2. 跨Agent共享记忆能力（记忆在不同Agent间自然流动，无需手动迁移） 3. 自进化能力（记忆转化为可调用技能，提升使用体验）
25GB 内存的破电脑，跑起了 744B 大模型
25GB内存笔记本也能跑744B大模型！开源项目colibri用C引擎协同磁盘/内存/显存，破解小团队硬件瓶颈。核心内容： 1. colibri项目简介：C语言推理引擎，多硬件协同调度大模型 2. 核心功能：硬盘当显存，智能预加载与资源层级调度 3. 项目亮点：3w星覆盖多模型，首次实现普通机器模型专家聚类可视化
小红书 AllSpark 发布 Iris：同量级最强开源 Search Agent
小红书AllSpark发布开源Search Agent Iris，同量级最强成绩且搜索能力外溢多场景，开源权重与代码可获取。核心内容： 1. Iris在BrowseComp等4个Search Benchmarks的同量级最强成绩，35B/397B版本表现优异 2. 开源权重、代码及后续数据与训练配方将公布，搜索能力外溢至多场景 3. 针对Search Agent数据、训练、评测三大难点，Iris通过反向构造数据等方式整体突破
1.5 TB 压到 214 GB，Hy4 preview 轻量版来了
腾讯混元Hy4 preview轻量版发布，1.5TB权重压缩至214GB，降低有限资源运行门槛。 核心内容： 1. 轻量版发布背景：开源后社区呼吁更轻版本降低硬件门槛 2. 核心压缩技术：Sherry稀疏三值量化与MIX-STQ1_0混合精度策略 3. 压缩效果：模型降维至214GB，基础任务仍可稳定完成
90 天 2 万 Star：腾讯把 Agent 的记忆做成了团队资产
90天2万Star的腾讯开源项目，突破AI记忆复用难题，将对话、技能与知识转化为可分配的团队资产。 核心内容： 1. Chat Memory对话记忆：四层蒸馏实现偏好、事实与历史的结构化存储 2. Skill技能库：沉淀可复用的排查、执行等能力，经审核后团队共享 3. LLM-Wiki知识图谱：产品文档与运维手册的结构化知识转化与关联
2天，拿 Deepseek Harness 框架，干一个“豆包”出来！
小傅哥用Deepseek Harness框架，2天复刻字节豆包！技术人可快速上手的AI办公助手开发指南。核心内容：1. 字节豆包的功能定位与办公场景覆盖2. Deepseek Harness框架核心特性（插件/流式/跨端渲染）3. 2天复刻豆包的技术实现方案与开源成果
DeepSeek Harness 官方桌面端，抢鲜版！
DeepSeek Harness官方桌面端开发者预览版上线，可源码编译体验；V4.1 Flash模型测试惊喜，附插件设计改造空间解析。核心内容：1. DeepSeek Harness桌面端抢鲜版发布及使用方式（源码编译）2. DeepSeek V4.1 Flash模型接入Pi Agent测试结果（复刻网页风格）3. 模型接入不同Harness效果差异及插件设计改造空间
让 Agent 像人一样记忆：本地长期记忆系统 HL-Mem 的设计与取舍
像人一样记忆的Agent系统来了！HL-Mem以认知治理重构长期记忆，本地独立部署，低成本支持中文场景。 核心内容： 1. HL-Mem设计理念：受治理的认知系统，双通道架构（事件+事实） 2. 工程实现关键：本地优先，SQLite单文件部署，后台异步处理 3. 解决的核心问题：记忆动态修正、时间解释与成本平衡
DeepSeek Harness 实战手册：一切皆插件到底怎么玩？
DeepSeek Harness（DSH）以“一切皆插件”为核心理念，从插件生态、推荐插件与案例，助开发者快速掌握其能力边界与使用路径。 核心内容： 1. DSH“一切皆插件”的内核哲学与架构解析 2. 插件生态与社区插件市场情况 3. 推荐插件及落地应用案例
基于阿里云 AgentLoop 的 DeepSeek Harness 评测实践
聚焦Agent工程核心，解决Harness评测难题，基于阿里云AgentLoop的DeepSeek Harness评测实践提供可复现方法论与实证。 核心内容： 1. DeepSeek Harness工程架构定位与核心机制分析 2. 阿里云AgentLoop平台评测接入与任务设计 3. 三维度（完成度/合规性/可靠性）评测方法及结果展示
DeepSeek Harness 0.1.2-rc.1 实测:首个候选版,离 1.0 还有多远
DeepSeek Harness 0.1.2-rc.1实测：双任务自主跑通，含自动校验与纠错能力，看开源Agent冲刺1.0细节。核心内容：1. 迭代节奏：连续三天快速迭代，rc.1版本功能冻结转向稳质量2. 实测亮点：双任务（随机数生成、热榜抓取）的自动校验与自我纠错能力3. 版本更新：透明度与审计优化，会话流内容折叠等改进
阿里开源 TTS 新一代：CosyVoice 3.0，0.5B 参数吊打一众大模型
阿里开源CosyVoice 3.0，0.5B参数性能碾压大模型，9种语言18种方言+零样本克隆，延迟仅150ms。核心内容：1. 技术迭代：从1.0到3.0的三代发展历程2. 核心功能：多语言方言支持、零样本声音克隆、发音修正等3. 性能优势：参数对比与实际效果表现（CER/WER数据）
DeepSeek Harness 保姆级使用教程
DeepSeek Harness保姆级教程，照做即通「装→配→跑→写插件」全流程，0.1.2-alpha.1版本官方源码实操指南。 核心内容： 1. DeepSeek Harness的定义与架构（Agent=Model+Harness，插件化设计） 2. 环境准备要求（Node.js/pnpm版本、API key、DSH_HOME配置） 3. 安装启动双路径（npm快速入门与源码运行）
Google重磅发布Teamwork，最新的多智能体研究！
Google开源Teamwork多智能体框架，突破协作难题，实测成果与设计原理启发Agent协作设计。核心内容：1. 多智能体协作的核心矛盾（分工vs组织）2. Teamwork关键设计（循环迭代、协作模式与Agent分离、动态团队规模）3. 不同问题的协作方式差异