模型如何边看边听边回应：流式多模态的能力阶梯与技术分野技术分享从”每秒传一张图”到原生全双工 AV2AV，一次拆清持续视频理解、共享时间轴、响应时机、异步思考与因果音视频生成。2026-8-24 多模态学习 Multimodal Learning 多模态模型 视频 VLM LLM Transformer AI_Agent
为什么 Voice Agent 不能照搬 Coding Agent：实时对话与长任务如何共存技术分享Voice Agent 的关键不在“把文字换成声音”，而在于同时维护持续的实时对话与可取消、可追踪的长任务。本文以 GPT-Live 和 Qwen-Audio-Agent 为例，拆解模型、媒体、调度与后台 Agent 如何分工。2026-8-10 AI_Agent Voice_Agent Coding_Agent Audio 智能体 GPT-Live Qwen-Audio-Agent Qwen-Audio
企业 AI 转型路线图：从单点试验到可规模化能力企业管理本文基于微软《The AI Strategy Roadmap》，总结企业 AI 从单点试验走向规模化的关键：从边界清晰、结果可测的真实业务问题开始；把数据契约、评测集、权限、监控和人工接管沉淀为可复用资产；再用清晰的组织责任与治理机制，把一次成功复制到下一个用例。真正值得规模化的，不是又上线一个 Agent，而是又验证并积累一套能重复交付业务结果的组织能力。2026-7-25 AI 战略路线图 企业 AI 转型 AI 规模化 企业级 AI AI_Agent GenAIOps 组织变革 AI 治理
AI Agent 中的上下文工程 (Context Engineering)技术分享本文聚焦 AI Agents 上下文工程技术，揭秘了从静态提示词工程到动态上下文工程的进化逻辑，还拆解了 Manus 应对上下文腐烂的核心技术与简化至上的实践原则。2025-11-28 LLM Generative 大语言模型 ChatGPT Prompt 提示词 OpenAI RAG Manus AI_Agent 上下文工程 Context Engineering Langchain
AI Agent 性能优化：核心策略与实战技巧技术分享本文深度拆解 AI Agent 性能优化的五大核心维度，提供超多可落地的实战技巧，助力打造更智能、鲁棒且高效的 AI Agent！2025-10-13 LLM Generative 大语言模型 ChatGPT Prompt 提示词 RAG Manus AI_Agent 上下文工程 Context Engineering Prompt Engineering Anthropic
🤖Mobile-Agent-v3：新的 GUI Agents 开源王者技术分享Mobile-Agent-v3 凭借多模态 GUI-Owl 模型、自我进化数据生成和 TRPO 强化学习，在多平台 GUI 自动化上超越主流开源方案，部分场景甚至优于 GPT-4o、Claude 3.7。2025-9-6 AI_Agent Multi-Agents UI Agents Web Agents Compute Use Phone Use Mobile Agents VLM LLM 智能体 GUI Agents Mobile-Agent-V3 GUI-Owl
Pix2Text 新版数学公式检测和识别模型：V1.5开源工具Pix2Text (P2T) 的数学公式检测模型（MFD）和数学公式识别模型（MFR）发布新版 V1.5 系列模型，效果得到进一步提升。2025-7-24 数学公式识别 Math-Formula-Recognition MFR Pix2Text P2T LaTeX-OCR Math-OCR 数学公式检测 工具 版面恢复 LaTeX V1.5
🤖MONDAY：从视频自动构建 GUI Agents 轨迹数据技术分享本文提出了一种自动化框架，该框架利用公开可用的视频内容生成 GUI Agents 训练使用的任务轨迹数据集，无需手动标注。2025-6-8 AI_Agent Multi-Agents UI Agents Web Agents Compute Use Phone Use Mobile Agents VLM LLM 智能体 GUI Agents MONDAY
🤖InfiGUI-R1：从反应式执行向推理式决策的进阶之路技术分享InfiGUI-R1 引入一种以推理为中心的渐进式训练方法，将 GUI Agents 从反应式执行模型转变为深思熟虑的推理模型。2025-4-29 AI_Agent Multi-Agents UI Agents Web Agents Compute Use Phone Use Mobile Agents VLM LLM 智能体 GUI Agents Reinfocement_Learning InfiGUI-R1 Reason
🧬《控糖革命》：了解血糖影响与控糖策略生活分享《控糖革命》的笔记，介绍了高血糖峰值对健康的负面影响，并详细介绍了通过调整饮食顺序、餐前饮醋、饭后运动、为碳水“穿衣”等实用策略来稳定血糖、促进整体健康的方法。2025-4-10 控糖 血糖管理 饮食顺序 餐后血糖 健康饮食 抗糖化 控糖革命 果糖 葡萄糖 碳水化合物
🤖GUI Agent 中使用 RL 提升模型泛化能力技术分享介绍 GUI Agent 如果利用强化学习（RL）算法训练模型，以提升模型的 OOD 泛化能力。2025-3-3 AI_Agent Multi-Agents UI Agents Web Agents Compute Use Phone Use AutoGLM Mobile Agents VLM LLM 智能体 ShowUI GUI Agents Reinfocement_Learning Digi-Q VEM
♾️估计KL散度的艺术：平衡偏差与方差的实用指南技术分享介绍 KL散度（KL Divergence）的不同预估方法。2025-2-10 Machine Learning Deep Learning Math KL-Divergence GRPO DeepSeek
