今天最值得看的三件事：
- 模型发布 · 腾讯开源295B MoE模型Hy3，仅激活21B参数
- 公司动态 · 微软裁员4800人，AI替代担忧加剧
- 公司动态 · 微软为削减成本逐步淘汰第三方模型
下文按板块展开，正文每条均附原始链接。
🚀 模型发布
今天最值得关注的是腾讯开源Hy3 MoE模型，总参数295B但每次推理只激活21B，Apache 2.0许可。这延续了MoE在降低推理成本上的路线，开源生态再添一个高性价比基座。
腾讯开源295B MoE模型Hy3，激活仅21B
腾讯Hy团队发布Hy3，采用混合专家架构，总参数量295B，每个token仅激活21B参数，支持256K上下文。模型以Apache 2.0协议开源，允许商用和二次开发。关键点是极低的激活/总参数比（约7%），在保持能力的同时大幅降低推理资源需求。对于需要长上下文、低成本部署的团队，Hy3提供了可直接使用的基座。
原文：https://huggingface.co/tencent/Hy3
Meta推出Muse AI图像生成器，可基于用户照片生成
Meta发布Muse图像模型，支持广告素材、装饰设计等场景。用户需主动选择退出，否则其公开照片可能被用于训练或生成。关键点在于Meta将用户数据作为生成素材的默认来源，隐私控制权回归用户操作。对于内容创作者而言，Muse可能降低广告素材制作门槛，但隐私合规风险值得关注。
原文：https://techcrunch.com/2026/07/07/meta-rolls-out-muse-a-new-ai-image-generator/
OpenAI发布GPT-Realtime-2.1语音推理模型
OpenAI在API中新增GPT-Realtime-2.1及mini版本，p95延迟降低25%以上，专为低延迟语音代理场景优化。关键点是推理能力集成到实时语音管线，适合语音客服、虚拟助手等需要快速响应的应用。对于构建语音交互产品的团队，这是目前延迟表现最好的官方方案之一。
原文：https://www.marktechpost.com/2026/07/06/openai-gpt-realtime-2-1-mini-reasoning-realtime-api/
蚂蚁灵波发布空间感知模型LingBot-Depth 2.0
蚂蚁灵波基于1.5亿数据训练的空间深度估计模型，提升边缘清晰度、细小物体识别和远距离深度估计，已开源。关键点是数据集规模（1.5亿）和针对边缘及远距离的专项优化，对机器人避障、3D重建等应用有直接价值。开源许可证下，开发者可基于其微调领域模型。
原文：https://www.qbitai.com/2026/07/445184.html
智谱开源编程模型GLM-5.2上线模力工场
智谱发布GLM-5.2，自称开源AI编程工具第一，提供专属折扣。关键点是竞争定位：在代码生成赛道上对标Code Llama等模型，通过模力工场提供算力优惠。对于中小团队，这是低成本尝试开源编程模型的一个新选项，但实际能力还需要社区验证。
原文：https://www.infoq.cn/article/woKuALR13UH0o9XicUlZ
当模型越做越大但激活越来越小，MoE的“能力上限”和“激活比率”之间是否存在甜蜜点？
🏢 公司动态
导语：微软一天内传出两则重磅消息：裁员4800人，以及逐步淘汰OpenAI/Anthropic模型转向自研，两者本质上都指向同一个目标——降本。AI行业正在从“盲目烧钱”进入“抠细节”阶段，外部供应商和大量岗位都成了优先被优化的对象。今天公司动态集中反映了这一趋势。
微软裁员4800人，AI替代担忧加剧
微软于7月6日宣布裁员约4800人，主要涉及Xbox和商业销售部门。这是微软今年系列裁员的最新一次，引发外界对AI替代工作的高度关注。关键点：裁员规模约占微软员工总数的1.5%，并非全面性缩减，但集中于游戏和销售这类与AI自动化直接相关的领域。为什么重要：微软一边大规模投资AI基础设施，一边削减被视为“可被AI替代”的岗位，释放出明确的信号——企业正在用AI优化内部人力成本结构，这种“替代”不是未来时，而是现在进行时。
原文：TechCrunch
微软为削减成本逐步淘汰第三方模型
微软Copilot正在减少对OpenAI和Anthropic模型的依赖，转向自家模型。原因很直接：调用外部API成本过高，使用自研模型可将推理成本大幅降低。关键点：这一策略与行业趋势一致，Google、Meta早已走自研路线，微软的转向意味着AI应用层开始追求利润率。为什么重要：OpenAI和Anthropic将失去最大客户之一，对它们的商业模式构成冲击；同时，这表明AI应用的“模型供应商”格局正在松动，巨头倾向于“装机自用”。
原文：TechCrunch
DeepSeek计划自研AI芯片摆脱依赖
受美国出口管制持续收紧，中国AI公司DeepSeek开始自研AI芯片，目标降低对Nvidia和华为的依赖。关键点：DeepSeek此前主要依赖Nvidia GPU和华为昇腾芯片，自主设计芯片将是一个漫长且高投入的过程。为什么重要：这是中国AI公司在硬件脱钩压力下的最激进应对——不再等待进口许可，而是尝试“全栈自研”。如果成功，将改变全球AI芯片竞争格局；如果失败，可能拖累公司整体研发进度。
原文：Ars Technica
OpenAI首席未来学家Joshua Achiam离职
在OpenAI工作近九年的安全研究负责人、首席未来学家Joshua Achiam确认离开公司。关键点：Achiam是OpenAI安全文化的核心人物之一，他的离职紧随去年一系列安全团队动荡之后。为什么重要：OpenAI正在从“研究优先”向“产品优先”加速转型，安全派系话语权持续下降。此次离职进一步削弱了公司在AI安全方面的内部制衡力量，可能影响外部信任度。
原文：Wired
支付宝上线AI开放平台，面向生态开放
支付宝正式推出AI开放平台，肯德基、蜜雪冰城、高德打车等首批接入，支持AI智能体完成从下单到支付的服务闭环。关键点：平台采用“智能体即服务”模式，开发者可创建个性化AI agent嵌入支付宝生态。为什么重要：中国超级App正在将AI能力从内部工具升级为对外基础设施，类似微信小程序之于云服务。这不仅是技术开放，更是商业模式的升级——支付宝希望成为AI时代的“服务分发中心”。
原文：雷锋网
百度基础模型研发部换帅，孙天祥接任
百度基础模型研发部（BMU）负责人变更为孙天祥，向李彦宏直接汇报。关键点：孙天祥为百度年轻技术中层，接替前任后旨在提升基础模型研发效率，加速成果落地。为什么重要：百度正面临来自字节、DeepSeek等对手的激烈模型竞争，换帅反映出百度希望用更年轻的管理层打破大公司病，快速迭代文心系列模型。但效果尚待验证。
原文：雷锋网
Anthropic被曝秘密追踪器监控中国用户
Anthropic被指在Claude中嵌入追踪代码，收集中国用户活动数据。官方回应称是实验性质且已终止。关键点：该追踪器可记录用户输入内容、频率和使用模式，被安全研究人员发现。为什么重要：数据隐私是AI信任的核心，此事若属实将严重损害Anthropic在中文用户中的声誉，并可能引发监管关注。这也提醒所有AI公司：透明度一旦受损，修复成本极高。
原文：Ars Technica
SK Hynix将赴美IPO，募资数十亿美元
AI热潮持续拉动HBM（高带宽内存）需求，SK Hynix计划本周五在美上市，预计募资数十亿美元。关键点：SK Hynix是Nvidia关键供应商，HBM3E产品供不应求。美股IPO将直接对接全球AI投资者。为什么重要：这是又一家受益于AI硬件的公司登陆美股，标志着AI投资从“应用层”向“基础设施层”进一步扩展。若IPO成功，将提振整个AI半导体板块信心。
原文：TechCrunch
结语：一边是裁员和换模型降本，一边是自研芯片和IPO吸金，AI行业的分裂感比任何时候都强。下一个问题是：当“省钱”成为第一优先级，谁还会为“前沿探索”买单？
🔬 研究论文
第43届ICML在首尔开幕，清华团队摘得最佳论文奖，同时Liquid AI开源了解决推理模型死循环的Antidoom——这两个消息分别指向学术界前沿和工程化痛点。今天最值得关注的是：中国团队在机器学习顶级会议上的竞争力再获验证，而开源社区对推理效率的修复也指向了落地瓶颈的突破。
ICML 2026开幕，清华团队获最佳论文奖
是什么：第43届国际机器学习大会（ICML 2026）在首尔正式开幕，清华大学研究团队获得本届最佳论文奖，同时DeepMind的经典工作获得了时间检验奖。
关键点：最佳论文具体题目未披露，但此项荣誉标志着中国高校在深度学习理论或方法上的持续输出。时间检验奖授予DeepMind早年工作，突显其对领域基础的深远影响。
为什么重要：ICML是机器学习三大顶会之一，获奖是研究实力和影响力的直接证明。对于技术从业者，关注获奖工作可以捕捉未来1-2年的算法趋势；对于投资人，清华团队的表现也侧面反映了国内学术创新的强度。
原文：https://www.leiphone.com/category/academic/GqOdEOoGq3kVosQr.html
Liquid AI开源Antidoom，消除推理模型死循环
是什么：Liquid AI开源了名为Antidoom的工具，采用最终token偏好优化（FTPO）方法，专门修复推理模型（如链式思维推理）陷入无限循环（doom loops）的问题。
关键点：Antidoom并非调整模型架构，而是通过偏好优化让模型在推理过程中自动避免重复循环。该项目已开源发布，可直接集成到现有推理体系中。
为什么重要：推理模型在实际应用中常因自我纠错或反复推理而导致死循环，浪费计算资源甚至阻塞服务。Antidoom提供了一种轻量级、无需重新训练模型的修复方案，对产品经理和工程师有直接实用价值。开源也意味着社区可在此基础上快速迭代。
原文：https://www.marktechpost.com/2026/07/07/liquid-ai-antidoom-doom-loops-ftpo/
今日研究板块指向一个清晰信号：学术顶会认可基础创新，开源社区解决工程顽疾。这两者之间，是不是也藏着你的下一个技术选型或投资判断？
📱 应用产品
AI代理正在从编码工具演变为全天候的数字化劳动力。今天最值得关注的是Anthropic将Claude Cowork扩展至移动和Web端，用户可跨设备持续任务，即使关闭笔记本也能继续运行。这意味着AI代理竞争已从开发者战场全面烧到办公场景，Anthropic直接挑战微软和谷歌。
Claude Cowork全面跨设备，AI代理从编码走向办公
是什么： Anthropic发布了Claude Cowork的移动和Web版本，用户可以在手机、平板或浏览器上启动代理任务，切换设备后任务自动同步，即使关闭笔记本也能在云端继续执行。
关键点： Cowork不再限于桌面IDE，而是成为跨平台、持久化的代理服务。用户可以发起一个数据分析任务，然后出门用手机查看进度，Agent在后台持续运行。
为什么重要： 这是AI代理从“工具”向“同事”转变的关键一步。当代理可以持续运行并跨设备协作时，它真正开始替代人类完成长时间、多步骤的工作流。此举直接冲击微软Copilot和谷歌Gemini的办公场景布局，也预示着“永不关机”的AI劳动力正在落地。
原文：TechCrunch
Cloudflare精细控制AI爬虫，告别一刀切
是什么： Cloudflare推出了针对AI爬虫的精细控制功能，网站可以分别对待用于搜索、训练和代理的爬虫，而非之前的全部屏蔽或全部放行。
关键点： 站长可以允许AI搜索爬虫（如Perplexity）而禁止训练爬虫（如OpenAI），甚至对代理爬虫单独设置规则。配置界面提供了按类别和按具体爬虫名称的粒度。
为什么重要： 这解决了AI时代网站运营者的两难：既希望被AI搜索收录提升曝光，又担心内容被无授权训练或代理滥用。Cloudflare以基础设施层面提供了更细粒度的选择，可能成为行业标准，并倒逼其他CDN跟进。
原文：The Decoder
Reddit用LLM反制LLM，垃圾内容攻防升级
是什么： Reddit部署大型语言模型来检测并删除AI生成的垃圾帖子，这些帖子大量涌现，破坏社区质量。
关键点： Reddit使用自训练的LLM分类器，专门识别AI写作特征（如重复句式、无上下文结构），同时结合用户举报和版主配合。以AI对抗AI成为平台治理的新范式。
为什么重要： 当内容生成成本趋近于零，平台必须用对等技术过滤垃圾。Reddit的做法验证了“以火攻火”的有效性，但也引发对误判和过度审查的担忧。对任何UGC平台而言，这是一场永无止境的猫鼠游戏——生成模型越强，检测模型也必须同步进化。
原文：TechCrunch
iOS 27 Beta让Siri语速可调，个性化AI助手渐进
是什么： 苹果在iOS 27测试版中加入Siri语速和情绪表现力调节，用户可以让Siri说得更快或更慢，声音更有情感色彩（如兴奋、冷静）。
关键点： 这是苹果推动AI助手个性化的一部分，但相比其他平台的大模型升级显得保守。调节范围有限，不支持自定义语音克隆或深层个性修改。
为什么重要： 苹果在AI助手上一直采取稳健路线，注重隐私和终端侧处理。语速和情绪调节虽小，但表明苹果正向用户释放更多控制权，可能为更强大的Siri大模型铺路。对产品经理而言，这是一种渐进式地让用户“感觉”AI更聪明的策略。
原文：TechCrunch
AWS FinOps Agent预览，AI成本管理自动化
是什么： 亚马逊云科技发布FinOps Agent预览版，帮助客户分析和优化云端AI推理和训练成本，自动推荐并执行节省方案。
关键点： Agent可以扫描工作负载，识别空闲资源、低效模型部署、过度配置等，并自动执行调整（如降配、快照、切换实例类型）。支持自定义成本预算和告警。
为什么重要： 随着AI应用大规模落地，云成本失控成为企业痛点。FinOps Agent将成本优化从被动监控升级为主动自动化，可能成为AWS吸引企业AI客户的关键差异化功能。对产品经理而言，将AI用于自身成本优化是一个有趣的“吃狗粮”案例。
原文：InfoQ
申通接入支付宝AI，一句话发快递
是什么： 申通快递首批接入支付宝AI开放平台，用户通过支付宝AI版“阿宝”用自然语言指令（如“帮我寄个快递到北京”）即可触发完整寄件流程。
关键点： AI自动识别地址、选择快递类型、生成订单并引导支付，无需打开App或手动填写表单。这是支付宝AI开放平台在生活服务场景的首个落地案例。
为什么重要： 快递寄件是高频但流程琐碎的场景，一句话完成体验有望显著提升转化率。对支付宝而言，将AI能力开放给合作伙伴，构建生态锁定效应；对申通等快递公司，这是用AI降低用户门槛、增强品牌黏性的机会。
原文：雷锋网
今天的故事共同指向一个趋势：AI代理正在渗透到我们工作的每个角落——从编码到办公，从云成本到寄快递。问题在于，我们准备好接受一个永不关机的AI同事了吗？
💭 行业观点
今天最值得关注的事件不是模型发布，而是AI数据中心的能源饥渴开始反噬实体经济。中西部工业电价因AI需求飙升，直接威胁特朗普“美国制造”的电力成本基础。这揭示了一个深层矛盾：AI基础设施的扩张正在与再工业化争夺资源，而政策制定者尚未准备好平衡二者。此外，英国金融监管机构警告AI“军备竞赛”风险、中国模型通过OpenRouter以十分之一成本抢占30%份额，两条线索共同指向——AI的渗透正在从技术层面转向经济、监管与地缘层面，判断力比预测更重要。
数据中心能源需求冲击美国制造业计划
是什么：AI数据中心的高电力需求正导致美国中西部工业电价飙升，直接威胁特朗普政府“美国制造”的能源成本优势。制造业企业面临电费翻倍的压力，部分工厂已暂停扩产计划。
关键点：美国中西部传统上是制造业和廉价电力的腹地，如今新建AI数据中心集中在此，推动批发电价同比上涨30%以上。制造商与科技巨头正在争夺同一批基荷电力资源，现有电网扩容速度远远跟不上需求。
为什么重要：这标志着AI基础设施的外部性第一次明显溢出到实体经济。如果电力成本持续攀升，将抵消美国制造业回流政策（如税收优惠、供应链迁移）的效果。政策制定者需要在AI投资和制造业复兴之间找到平衡，否则可能两头落空。
英国金融监管警告AI“军备竞赛”风险
是什么：英国金融行为监管局（FCA）高级官员公开呼吁扩大监管权力，应对金融服务中AI应用的快速普及，警告金融机构之间的“军备竞赛”可能导致系统性风险。
关键点：AI在交易算法、信贷审批、反欺诈等环节的使用率在过去一年翻倍。监管者担心竞争压力迫使机构在不充分测试模型的情况下加速部署，且缺乏统一标准来评估模型公平性和鲁棒性。FCA希望获得新的授权以监管第三方AI供应商和模型本身。
为什么重要：这是主要金融监管机构首次明确将AI采用类比为“军备竞赛”，暗示监管从此前观望转向主动介入。对技术从业者而言，金融合规领域将出现新的模型审计与透明度要求；对投资人而言，监管不确定性可能冲击AI在金融业的应用估值。
中国AI模型在OpenRouter上占比超30%，成本优势明显
是什么：中国开发的AI模型在OpenRouter平台上的调用比例已稳定超过30%，其API调用成本仅为美国同类模型的十分之一，且性能差距在快速缩小。
关键点：OpenRouter作为聚合多家模型API的中间层，其数据代表了全球开发者的真实使用偏好。中国模型（如DeepSeek、通义千问等）的份额从年初的不到10%攀升至30%以上，尤其在文本生成和代码辅助场景中受到中小开发者的青睐。成本优势主要来自较低的算力租赁价格和更激进的定价策略。
为什么重要：这正在重塑全球AI模型的竞争格局。开发者对模型选择越来越以性价比为导向，而非单纯追求基准分数。如果中国模型持续侵蚀美国模型的商业化空间，OpenAI、Anthropic等公司可能被迫降价或开放更多功能，进而影响其利润预期和融资节奏。
Apollo经济学家：AI利润兑现时间或远超华尔街预期
是什么：Apollo全球首席经济学家预测，AI带来的利润增长在科技行业之外可能需要远超华尔街预期的长久时间，市场当前的乐观定价可能过度。
关键点：经济学家指出，历史上的通用技术（如电力、互联网）从实验室扩散到全面提升生产力通常需要10-15年。AI在制造业、零售业等传统行业的落地正面临数据孤岛、组织变革成本和管理惯性等障碍。当前S&P 500中科技公司之外的AI相关投资回报率尚未出现显著提升。
为什么重要：如果这位经济学家的判断正确，当前AI板块的估值溢价可能在未来一两年面临回调压力。对投资人和产品经理而言，这意味着需要区分“AI赋能故事”和“真实利润改善”，特别是对垂直行业AI应用的公司要保持谨慎。
MIT：每个美国家庭在OpenAI中已有300美元隐性股份
是什么：MIT研究人员分析指出，虽然AI的财富承诺尚未兑现，但通过资本市场间接持有关系，每个美国家庭实际上已拥有约300美元的OpenAI价值——通过养老金基金、指数基金等持有OpenAI主要投资者（如微软）的股份。
关键点：计算基于OpenAI最新一轮估值（约3000亿美元）及其股东结构。微软持有约49%的股份，而微软又广泛被各类指数基金和养老基金持有。研究人员将OpenAI价值分摊到美国家庭数量后得出约300美元的数字。这并非实际可支配的现金，而是隐含风险敞口。
为什么重要：这个视角提醒投资人，普通家庭已通过被动投资深度暴露于AI公司的风险之中。如果OpenAI等公司估值大幅波动，将间接影响家庭财富。对政策制定者而言，这也意味着AI行业系统性风险具有更广泛的社会基础。
原文：https://www.technologyreview.com/2026/07/06/1140176/your-familys-300-stake-in-openai/
开源AI为何尚未对Anthropic构成威胁
是什么：分析文章认为，开源AI模型的崛起目前并未对Anthropic等前沿实验室造成实质性竞争压力，因为两者分别占据不同生命周期阶段。
关键点：开源模型（如Llama 3、Mistral等）在推理速度和成本上持续进步，但前沿实验室（如Anthropic）的核心竞争力在于“预训练—微调—部署”的全链条能力，以及在安全、对齐和长上下文方面的壁垒。开源社区更多聚焦于快速迭代和低成本部署，而企业客户在关键任务中仍更信任实验室级的可靠性和支持服务。两者处于不同市场层次。
为什么重要：这缓解了市场对“开源替代”的过度担忧。对产品经理而言，选择模型时应根据任务对准确性和安全性的要求，而非仅看成本。对投资人而言，短期内头部实验室的定价权并未被开源冲击，长期则取决于社区能否在可靠性方面突破。
原文：https://techcrunch.com/2026/07/07/why-the-rise-of-open-source-ai-isnt-hurting-anthropic-yet/
Vercel CEO谈模型与代理分离趋势
是什么：Vercel CEO Guillermo Rauch在访谈中表示，在生产环境中将底层模型与上层智能体（agent）分离是必然趋势，价格和性能是驱动这一分离的核心因素。
关键点：Rauch认为，早期应用将模型绑定在特定agent框架中，但长期来看，agent的推理规划层应与底层模型解耦，以便灵活切换不同模型（如混合使用成本低的模型做高频任务、高端模型做复杂推理）。他预测未来会出现专门的“agent操作系统”，而模型成为可替换组件。Vercel正围绕这一架构调整其开发者工具产品。
为什么重要：如果这一判断成立，模型供应商的竞争将从单纯比拼基准转向优化成本与性能的细分市场；而开发者工具（如Vercel、LangChain等）将掌握关键中间层。对技术从业者而言，这提示在架构设计时预留模型无关接口；对投资人而言，关注那些专注agent编排层而非单一模型的公司。
AI的能源需求会如何重塑工业地理格局？当成本、利润和监管三条线同时收紧，行业的下一次结构性调整或许已经迫在眉睫。
⚙️ 开源工具
今日开源圈最值得关注的是 sqlite-utils 4.0 正式拥抱 schema 迁移，这意味着轻量级 SQLite 工具链补齐了最后一个工程短板。同时在机器人学习、Agent 技能库、向量数据库等方向也有多项新作值得关注——开源工具正从“能用”向“生产级”加速进化。
sqlite-utils 4.0：轻量数据库迎来正式迁移支持
Simon Willison 发布 sqlite-utils 4.0 稳定版，首次原生支持数据库 schema 迁移。新版本允许开发者用声明式方式定义表结构的变化（如新增列、修改索引），并自动生成迁移脚本。同时推出兼容库 sqlite-migrate，让旧版本 sqlite-utils 用户也能平滑过渡。对于经常用 SQLite 做原型或轻量存储的开发者来说，这消除了手动维护 schema 变更的痛点，使 sqlite-utils 更接近生产级工具。
Hugging Face 与 NVIDIA 联合发布 LeRobot v0.6.0
机器人学习框架 LeRobot 迎来大版本更新，新增 Imagine（仿真想象）、Evaluate（评估）、Improve（改进）三大模块，形成“想象–评估–改进”闭环。同时获得 NVIDIA 的新模型与框架集成，支持更高效的机器人操作策略训练。对于从事具身智能或机器人仿真的团队，LeRobot 正逐渐成为 ROS 之外的一个轻量级替代方案。
AI Agent Skills 仓库集中涌现，生态爆发
多个高质量的 Agent Skills 仓库在 GitHub 流行，覆盖 Claude Code、Codex 等主流代理工具。这些仓库提供生产级的工程技能——包括代码审查、自动调试、任务规划等——使开发者能快速为 agent 注入专业能力。例如 addyosmani/agent-skills 提供了数百个可复用的技能函数。虽然单个仓库可能只是阶段性整理，但集中涌现的趋势表明：Agent 的能力边界正从“通用对话”转向“专业工具链”。
阿里开源轻量级向量数据库 zvec
zvec 是阿里开源的内存向量数据库，核心卖点：极快、进程内运行，无需独立部署。它专为 AI 嵌入检索场景设计，支持近似最近邻搜索，内存 footprint 极低。对于需要将向量检索嵌入现有 Python 应用（如 RAG、推荐系统）的团队，zvec 提供了一个零依赖的轻量选项，适合原型和小规模生产。
Google 开源 Antigravity Python SDK
Google 发布 Antigravity SDK 的 Python 版本，用于构建基于 Antigravity 和 Gemini 的 AI 代理。Antigravity 是 Google 的分布式代理运行时，允许 agent 在异构环境（边缘、云端）中调度。Python SDK 让开发者能用熟悉的语法定义 agent 行为、集成 Gemini 模型能力。虽然目前仍属早期，但作为 Google 在 agent 基础设施方向的一次开源，值得关注。
原文：https://github.com/google-antigravity/antigravity-sdk-python
开源爬虫框架 Firecrawl 持续更新
Firecrawl 提供稳定 API，支持大规模搜索、爬取和与网页交互，专为 AI 数据采集设计。最近更新包括更智能的 JS 渲染处理、结构化输出格式优化等。对于需要从网页抽取新鲜数据以喂给 LLM 的团队，Firecrawl 比传统的 Scrapy 更“开箱即用”，无需处理复杂反爬与动态内容。
自托管书签管理工具 Karakeep 支持 AI 标签
Karakeep 是一款可自托管的书签管理工具，支持链接、笔记和图片收藏。新版本引入 AI 自动标签和全文搜索，能基于内容语义为书签打上分类标签，无需手动整理。对于自建知识库或隐私敏感的用户，这是一个不错的 Pinboard 替代品。
TradingAgents：多智能体金融交易框架开源
Tauric Research 开源 TradingAgents，基于 LLM 的多智能体框架，用于金融交易策略研究。它支持多个 agent 协作：一个负责市场分析，一个负责风险控制，一个负责执行决策等。虽然金融量化领域已有许多自动化框架，但基于 LLM agent 的协作模式为策略开发提供了新的交互范式。
数据库迁移、机器人学习、Agent 技能库、向量数据库、金融 agent——开源工具正从基础组件向垂直智能体演进。你更关注哪个方向？