一条中文推文点燃社区：低谷中用 AI 找回能动性
本文由 AI 自动整理生成，可能存在错漏，请以原文链接为准。
今天想跟你聊两件挺触动的事：一位开发者在人生低谷靠着 Claude Code 做出了系列项目，用一条中文推文点燃了 DeepSeek 社区；另一边，MIT 科技评论发现很多 AI 模型有种「群体思维」——你叫它说个随机数，它十有八九说 7。后面还有一些工具和观点，也许能让你换个角度看待手里的 AI。
灵感百宝袋
他用中文发了一条推文，意外点燃了整个 DeepSeek 开源社区。
这位叫 Hunter 的开发者前阵子经历了一段低谷。在接受 InfoQ 采访时他说，那段时间能做的只有不断做东西，用一个个项目证明自己还在往前走——而 Claude Code 这类 AI 编程工具给了他以前没有的「能动性」：只要有想法，就能真的把它做出来。一条用中文写的推文，把这份靠自己推动的小成果放大到了整个社区。说实话，很多时候我们缺的不是能力，而是那一点点「我能做成点什么」的实感。你今天手头哪个小任务，也能拿 AI 先动手试试找回这种感觉？
原文：https://www.infoq.cn/article/7drQWlqtxBb5euT4eUYB
让 Agent 越用越强，不是靠人工反复调教，而是靠一套自我反思的反馈回路。
Introspection 的联合创始人 Roland Gavrilescu 在近期分享里提出了一个概念叫「autoresearch」——简单说就是给你的 AI 智能体加上一个外层循环，它会根据真实任务里的反馈信号、评估结果甚至人类的输入，自己去调整和改进主流程。他把这比作给软件工厂装了一个不断学习的引擎。但他也强调，人在这个闭环里仍然不可或缺。技术会越来越自动，但决定「往哪个方向改进、什么结果才算好」的始终是我们。如果你现在就在用 Agent 干一些重复活，不妨给它加一小步：跑完任务后让它自己总结哪里可以做得更好，再手动看一眼。
原文：https://www.latent.space/p/autoresearch-introspection
江湖快报
政府机构也能用上顶尖开源模型了，AWS GovCloud 引入 Nemotron 和 GPT OSS。
AWS 在面向政府客户的 GovCloud 环境里，把 NVIDIA Nemotron 系列和 OpenAI 的开源 GPT OSS 模型（120B、20B 等）都接入了 Bedrock。这意味着以前因为合规要求没法用商业云上 AI 的机构，现在也能在安全边界内直接调用这些前沿模型。对多数普通用户来说这事没直接影响。但如果你在需要高合规的行业做事，这算是一个信号：当最保守的环境都开始对开源模型敞开大门时，能早一步摸清怎么合规地用模型，本身就是一种优势。
Google 的智能助手 Gemini Spark 登陆 Mac，帮你整理文件、做表格，像个能动手的秘书。
这个刚上线的 Spark 助手能直接操作你电脑里的东西：让它把下载文件夹里的一堆 PDF 按规则分类，或者用你本地的发票数据直接生成电子表格。之后还会支持你在手机上远程指挥 Mac 干活。不过目前它还处于测试阶段，仅限美国用户，且得每月掏 100 美元订 Google AI Ultra 才能用。对大多数国内用户来说暂时摸不着，但这个「AI 替你操作电脑」的方向值得留意，后续一定会有更普适的替代方案出来。
原文：https://www.engadget.com/2205605/google-gemini-spark-macos-app
贤者视角
你让 AI 说个随机数，它大概率说 7——这不是巧合，而是 AI 陷入了群体思维。
MIT 科技评论用一个小游戏揭示了这点：打开任何主流聊天机器人，让它「从 1 到 10 里随机选个数」，第一个答案十有八九是 7。这种回答的高度可预测性在写代码、查资料时问题不大，但一到头脑风暴或寻找创意时，就成了要命的同质化。澳大利亚创业公司 Springboards 搞了个叫 Flint 的模型，专门训练它给出更出人意料的回答。创始人 Pip Bingemann 甚至说要「欢迎幻觉」——在他看来，那种只求正确的保守倾向，反而扼杀了 AI 在创意场景里的可能性。下次你需要想点子，别只问一个 AI，换两个不同风格的模型交叉看看，可能会撞出意料之外的火花。
一个安全研究者用 AI 找到了美国音乐节票务系统的漏洞，能随便给自己开 VIP 票。
据 Wired 报道，安全研究员 Ian Carroll 借助 Claude Opus 4.7，发现了 Front Gate 票务平台的后台漏洞。这家平台几乎包揽了 Lollapalooza、Bonnaroo 等所有主流音乐节，漏洞允许他给自己开出价值数千美元的任意门票，还能查阅数百万用户或员工记录。这事的另一面是提醒：当 AI 被用在安全测试上时，发现问题的速度会快得惊人。如果你所在的公司有数字产品，不妨认真考虑一下，能不能借助 AI 对自己系统做一轮更主动的排雷——当然是在授权和合规的前提下。
当 AI 席卷教室，教育者们最关心的不是技术，而是「人」该做什么。
Google 在纽约召集了 150 名教育者和行业领袖开了一场 AI 峰会。会上被反复提及的，不是哪个工具更厉害，而是「ai 的真正价值在于它所赋能的问题解决能力」以及人的适应力、协作和判断变得更加关键。说白了，技术能把流程变快，但决定「什么值得教、什么值得学」的始终是人。对我们每个用 AI 干活的人来说也差不多：工具帮你省下时间，不等于你就不需要判断——反而更需要。
原文：https://blog.google/products-and-platforms/products/education/nyc-ai-summit
开发者补给站
AWS 教你搭个无服务器网关，统一管理和控制多个 AI Agent 之间的通信。
这篇 AWS 官方博客给出了一个完整的教程：用 API Gateway、Lambda、DynamoDB 等组件构建一个无服务器 A2A 网关。所有 Agent 通过单一域名、基于路径路由（/agents/{agentId}）同步对接，权限认证也集中在网关层，不用再为每个 Agent 单独配一套。如果你已经在跑多 Agent 系统，这个方案能帮你把点对点的连接逻辑收拢到一个地方，减少运维负担和安全隐患。就算你还在早期探索，看一遍它的架构思路也很有参考价值。
在 VS Code 里直接用 Google Cloud 的云端算力跑机器学习，不再来回切窗口。
Google Cloud 新发布的 Workbench Notebooks 扩展正式上线，让开发者能从本地 VS Code 直接连上云端托管的 Jupyter 环境。这意味着你可以在熟悉的编辑器里调试代码，需要大算力时无缝调用云端 GPU 或 TPU，不用再手工同步文件或切换工作台。对于日常在本地把实验跑起来、关键时刻又需要大规模算力的数据科学家和 ML 工程师来说，这个扩展省掉的不只是时间，更是一种「被打断」的烦躁感。
AReaL 2.0 开源：给你的 Agent 装上「从工作中学习」的系统，越用越聪明。
今天刚开源的 AReaL 2.0 是一套在线强化学习基础设施，专门解决 Agent 上线后「只干活不成长」的问题。它通过统一推理入口记录 Agent 在真实任务里的交互轨迹、工具调用和反馈信号，把这些数据安全地接入后续训练流程，让模型在实际使用中持续进化。项目源自蚂蚁、清华和港科大团队，现在已独立为开源社区，并加入了 PyTorch Foundation 生态。对于已经把 Agent 投放到生产环境的团队来说，这是一条从「发布即固定」走向「边用边强」的明确工程路径。
原文：https://www.infoq.cn/article/IeXGCZqbv5WQ5zFQXoup
好物挖掘机
三星连送七年电视，这次的无障碍 AI 功能，能让视障听障用户看节目更方便。
三星连续七年向韩国视听障碍人士免费供应智能电视，今年这批 43 英寸的电视机型搭载了好几项针对不同需求的 AI 功能：黑白模式帮色觉障碍者更清楚地辨认画面；SeeColors 模式可以分别调节红绿蓝；AI 手语位置自动搜索还能调整字幕位置，避免遮挡手语画面。这些功能本身不是什么惊天动地的技术，但它们提醒我们，AI 在「无障碍」这件事上的应用潜力远比想象中大。如果你身边有听视障碍的朋友，或许可以从这些细节里得到些灵感，看看有没有 AI 工具能帮他们更顺畅地获取信息。