搜索
在 AI 时代，最赚钱的可能不是那些会写代码的人，而是那些能把专业经验「产品化」的人。大量专业人士手里握着宝贵的行业 know-how，却找不到一个合适的方式把它变成持续收入。直到我看到 MuleRun，才发现有人正在尝试打破这个困局——让不懂代码的专业人士，也能把自己的工作流变成可交易的「商品」。
大家好，我是袋鼠帝。 国庆那几天，刷抖音，偶然刷到了一个看起来挺🐂🍺的AI工具。 视频里，一个哥们只是发布了一个任务，Agent就自动打开了小红书网站，登录账号，上传图片，写入标题和笔记内容，最后自己
近日，Zen7 Labs正式提出DePA（Decentralized Payment Agent，去中心化支付智能体）概念，并率先在GitHub 上开源其核心产品Zen7 Payment Agent。Zen7 Labs 是一家专注于智能计算与 Agent 技术创新的国际化团队
短视频的游戏规则，彻底被改写了！9月25日，Meta突然扔出一张新牌——Vibes。刷到的不是别人拍的，而是一条条AI秒生的视频：熊猫骑摩托、猫咪打篮球，你看完还能一键remix，立刻变成你的版本，再发到全网。创作门槛被拉到最低，人人都能拍大片。但这股狂潮，是全民狂欢，还是混乱的开始？
虽然浏览器 AI agent 的概念听起来很美好，但实际构建这样的系统却面临巨大挑战。这正是 Kernel 要解决的核心问题。我发现很多开发者想要构建 AI agent，但却在基础设施层面遇到了各种障碍：性能不稳定、运行时间不可靠、定价不合理、身份认证复杂、权限管理混乱，以及一个本来就不是为 agent 设计的互联网世界。
传闻许久的 OpenAI AI Agent 浏览器，如今这个靴子终于正式落地。但 AI 浏览器已经是巨头新贵正在不断涌入的赛道，OpenAI 还未正式下场，就已经有了十足的火药味：预热推文评论区最高赞的评论，就是一名用户表示自己已经卸载了 Chrome，等待 Atlas，颇有点「打扫卫生再请客」的感觉。
今年，流匹配无疑是机器人学习领域的大热门：作为扩散模型的一种优雅的变体，流匹配凭借简单、好用的特点，成为了机器人底层操作策略的主流手段，并被广泛应用于先进的 VLA 模型之中 —— 无论是 Physical Intelligence 的 ，LeRobot 的 SmolVLA, 英伟达的 GR00T 和近期清华大学发布的 RDT2。
来自硅谷一线 AI 创业者的数据：95% 的 AI Agent 在生产环境都部署失败了。 「不是因为模型本身不够智能，而是因为围绕它们搭建的脚手架，上下文工程、安全性、记忆设计都还远没有到位。」 「大多数创始人以为自己在打造 AI 产品，但实际上他们构建的是上下文选择系统。」
都说苹果AI慢半拍，没想到新研究直接在Transformer头上动土。（doge） 「Mamba+工具」，在Agent场景更能打！
近日刚好得了空闲，在研读 Anthropic 官方技术博客和一些相关论文，主题是「Agent 与 Context 工程」。2025 年 6 月以来，原名为「Prompt Engineering」的提示词工程，在 AI Agent 概念日趋火热的应用潮中，