基于 OpenMontage 开发的 AI 视频助手「宝葫芦」:一句话在群里生成成片
作者基于开源项目 OpenMontage 开发了 AI 视频助手「宝葫芦」,可配置到飞书、企微或微信 ClawBot 群中,用户一句话即可完成写脚本、出分镜、生成素材、配音配乐到剪辑合成,成片直接发回群。它整合了 20 多个视频生成模型、15 个左右生图模型、10 个配音服务和 7 个音乐来源,支持 13 种视频类型,并内置成本估算与广告法自查。
作者基于开源项目 OpenMontage 开发了 AI 视频助手「宝葫芦」,可配置到飞书、企微或微信 ClawBot 群中,用户一句话即可完成写脚本、出分镜、生成素材、配音配乐到剪辑合成,成片直接发回群。它整合了 20 多个视频生成模型、15 个左右生图模型、10 个配音服务和 7 个音乐来源,支持 13 种视频类型,并内置成本估算与广告法自查。
TRAE 新版将 TRAE Work 和 TRAE Code 合并为一个产品,Agent 工作台与 IDE 合二为一,两个界面的 AI 对话同步,可随时切换并接着聊。Agent 工作台聚焦 Vibe 创造体验,提供文档生成、设计系统管理及插件、Skill、模板;IDE 界面保留类 VS Code 编辑器体验,支持 Git 与编辑器扩展。作者用 Gmail 换肤插件走通了全链路开发流程。
人力资源社会保障部就《新就业形态劳动者权益保障办法(征求意见稿)》公开征求意见,首次以部门规章形式将新就业形态劳动者纳入劳动法律制度保障。征求意见稿要求平台企业对有劳动管理但不符合确立劳动关系情形的劳动者订立书面用工协议,并建立责任穿透机制,禁止诱导注册个体工商户、多层转包等规避用工义务行为。
Anthropic 推出轻量模型 Claude Haiku 5.5,10 万 tokens 以内每百万 tokens 输入 0.10 美元、输出 0.50 美元,单价仅为上一代 Haiku 4.5 的 1/10;OpenAI 同期全量上线 GPT-6,免费用户可用 GPT-6 Luna。
AI 产品经理的技术门槛不是会训练大模型,而是技术知识能否改变产品决策。文章以售后客服助手为例,把需求拆成政策解释、订单查询、退款执行三层,分别对应检索、工具调用与人工接管,并指出评估需覆盖答案正确性、任务完成、错误代价与响应成本,只有现有模型、数据和评估仍达不到业务目标时,才值得讨论微调或训练。
设计系统负责人建立"约束显化"评审能力的最小可行方法,是找到评审会上出现频率最高的那条"绝对不能",补全"管谁、违反了怎么办、机器怎么判断"三个答案,写成结构化边界定义,交由下游编码成YAML契约,让AI生成前注入上下文、代码提交时由CI执行、违反即阻断。规则入库后设每月提醒扫一眼拦截日志即可保鲜,无需把整本设计规范代码化。
TypeSafe 推出首个模型 Jev,它不逐字生成答案,而是接收上下文和一组问题后一次性返回带置信度的类型化答案,定位为软件运行时的快速决策层。Jev 于 9 月 15 日上线后 24 小时内成为 Vercel AI Gateway 史上采用最快的模型,无需标注数据和训练团队即可用于评估打分、请求路由、工单分诊等场景。TypeSafe 已完成由 a16z 领投的 Series A。
TypeSafe AI 为其非文本 AI 模型 Jev 完成 8.7 亿美元融资,估值达 75 亿美元,由 Andreessen Horowitz 领投,Sequoia 与现有投资方 DCVC 参投。
Asana 借助 Codex 中的 GPT-6 Astra,在测试中让其浏览器智能体成本降低 76 倍、速度提升 5 倍,从而为客户提供能力更强的模型。
OpenViking 是面向 AI Agent 的统一上下文数据库,作为共享 Context 层让豆包、Trae、Codex 等 Agent 读写同一套项目上下文。
OpenViking 团队围绕 Agent 记忆的“怎么记、怎么存、怎么找”发布三项研究:VikingMem 在 LoCoMo 长期记忆评测得 88.83,超过第二名 MIRIX 的 78.66。
Chick-fil-A CEO Andrew Cathy 表示不会用 AI 取代得来速点餐员,称人工互动带来的"热情服务"对顾客体验至关重要,公司仅在后台探索 AI。麦当劳则在测试 AI 语音点餐系统 Archy,支持英语和西班牙语,声称准确率超过 90%,并否认其定价推荐系统帮助协调加盟店涨价的诉讼指控。
a16z 合伙人 Olivia Moore 发布消费级 AI 应用 Top 100 报告,ChatGPT 仍是最大玩家,Suno、ElevenLabs 等小厂展现出持续生命力。
NVIDIA 开发者用 GPT-6 Astra 等前沿 AI 模型配合 Omniverse 库,通过自然语言指令构建仿真应用。一个仓库仿真在 80 条传送带、40 条机械臂和 800 个箱子的规模下,以全高清分辨率维持 30 帧/秒,机械臂完成 640 次成功放置。另有开发者用 Claude Fable 5 智能体对比 ovrtx 相机与原始 LiDAR 输出和录制数据,用于数字孪生校准。
Datawhale「AI+X 创造节 · 泰州专场」开放招募,活动于 10 月 17 日 13:30—17:30 在泰州海陵区梅兰东路 179 号青年和人才一站式服务中心举行。
TRAE 将 TraeWork 和 TraeCode 双端合并为全新 TRAE,新增 Agent 模式,可在同一窗口管理所有项目、调度多个 Agent,并一键切回 IDE 修改同一工程。新版还提供「我的产物」自动归集代码变更、HTML 报告、PPT、Word 文档及图片视频,模板库和自动化任务支持回归测试与定时巡检,桌面端、网页端和移动端同步升级,手机端已去掉 Work / Code 区分。
腾讯技术工程公开 OK 平台端到端 AI 研发实践,该平台让 AI Agent 走完需求评审、技术方案、编码、Code Review 到部署的全链路。2026 年 4 月下旬至 6 月,安全中心项目空间提交 254 条需求,AI 端到端完成 172 条(68%),51% 的需求在 2 小时内完成,而传统模式下简单需求中位耗时 3~5 个工作日。
推荐理由:腾讯 OK 平台公开了端到端 AI 研发的九阶段流程与真实运营数据,可对照自身研发流程判断哪些环节能被 AI 承接。
国务院国资委与中国科学院10月8日在京召开2026年度合作会商会议。双方将围绕“十五五”规划深化战略合作,加强人才双向交流与平台共建共享,并共同开展面向产业创新的工业人工智能体系研究,打造一批人工智能赋能标杆项目。
Atomic Machines 结束六年隐身状态,推出 AI 原生制造系统 Matter Compiler,可从代码直接构建微型机械,首个产品为 9.5 mm 继电器 PrimeSwitch PS-150,承载 150 安培、50 微秒断开,速度约为接触器 1000 倍,已开始向早期客户发货。
布鲁克林机器人租赁公司 Ultra 完成 6200 万美元融资,包括 Framework Ventures 领投的 5000 万美元 A 轮和 1200 万美元种子轮,并深化与机器人 AI 公司 Physical Intelligence 的合作。Ultra 以月度“机器人即服务”模式向仓库出租设备,客户支付前期集成费和月度软硬件支持费,其机器人已累计处理超 50 万笔订单。
谷歌下一代模型 Gemini 4 Argon 已密集现身多个平台并对部分 Pro 用户开放,最快本周甚至数小时内发布。它已登录 Google Cloud,在新编程工具 Antigravity 中被设为默认模型,并已直接提交真实代码。数千名谷歌员工正将其用于专业编码、大规模代码库迁移和量子计算研发。
Aether AI 发布因果原生智能体系统 CRIS-0,在真实机械臂上实现 0.2 秒安全急停与平均 2 秒的实时重规划。在咖啡制作干扰测试中,CRIS-0 于 10 次随机扰动下完成 9 次有效恢复;在 20 条模糊指令的 Personal Pick and Place 测试中实现 18 次精准抓取放置。
联想天禧 AI 自研的代码智能体框架 TianxiCode 配合 DeepSeek-v4.1-Flash,在 SWE-bench-Live(Lite 分榜)中以 71% 的问题解决率登顶全球第一,并通过官方 Verified 核验。该框架具备跨文件多跳检索、自驱动规划与多轮工具调用、闭环补丁生成与测试驱动自愈三项工程能力,未来将应用到联想 AI 硬件产品中。
TRAE 将 TraeCode 与 TraeWork 双端融合为新的 TRAE,提供 Agent 模式和 IDE 模式两种玩法,切换入口在右上角。Agent 模式主打全局工作台,可在同一窗口管理项目并把写代码、出文档、准备交付材料分给多个 Agent 并行推进,产物自动存入“我的产物”并可直接分享。新 TRAE 还支持绑定飞书或微信跨平台调用,手机端同步。
谷歌发布 Gemini 4 系列首款模型 Gemini 4 Argon,背后是 DeepMind 对 RSI(递归式自我改进)的激进押注。仅 9 月,谷歌就接连公布 Dream-RSI、RRSI 等四项进展,让 AI 参与改进训练代码、智能体工作流与芯片调度,试图把模型、智能体与基础设施串成一条自我迭代的研发生产线。
北京为老实验室在2026北京养老服务行业发展四季青论坛上正式揭牌,定位为养老领域"政产学研用"一体化创新服务平台,旨在打通"基础研究—技术攻关—成果转化—产业应用"全链条。实验室重点推动科技养老成果在居家、社区、机构养老场景普惠落地,论坛同期发布"京智养"首都智慧康养AI服务平台及创新养老服务场景建设合作倡议。
谷歌云在 Gemini at Work 2026 发布会上推出面向企业客户的通用工作智能体 Gemini Agent,支持 Gemini 和 Claude 模型,未来将兼容更多闭源、开源模型并提供 API。
斯坦福大学李飞飞、吴佳俊等人发布开源世界动作模型框架 OpenWAM,基于 Wan2.2-5B 视频模型在约 334 万条交互视频上预训练,采用共享 MoT 架构和四种可配置交互方式。消融实验显示,将原版 Wan2.2 底座换成因果化机器人视频预训练底座后,VTA 在 LIBERO-Long 上成功率从 68.4% 升至 97.8%。团队已开源训练、评测与组合代码及预训练视频模型权重。
生数科技推出视频模型 Vidu Q4 Preview,首发价 0.09 元/秒起,图生视频速度约为同类模型的 2 倍,5 秒视频最快约 110 秒完成。该预览版支持最多 15 张参考图、3 段参考音频输入及 2K、4K 画质输出,重点提升人物演绎、镜头语言与复杂视效。生数科技将其定位为通用世界模型公司,Vidu 对应其五级路线中的第一级「生成世界」。
Aether AI 发布因果驱动的机器人智能系统 CRIS-0,由因果驱动机器人 Agent 和因果世界模型两大组件构成,在有人干扰的真实场景中抗干扰反应速度达 0.1s 级。该系统将机器人智能分为高层任务规划与底层物理变化预测两个层次,每完成一个阶段即验证状态,局部失败可当场拦截,长程任务和模糊指令执行能力优于端到端模型。
腾讯 WorkBuddy 新增独立文件浏览器,右键本地文件选择用 WorkBuddy 打开,即可在左侧查看文件、右侧与 AI 对话,并支持一键上传至知识库。该功能支持多标签页且各文件对话上下文独立,Word、Excel、PPT 改完可直接存回原文件,Markdown 实时渲染并自动保存,HTML 也能查看和编辑。
星动纪元自研世界动作模型 VPP2 登顶 RoboDojo 仿真榜单,综合平均成功率 32.26%、平均得分 39.26 分,两项均列第一,领先 GPT-6-Astra 的 22.48% 和 28.97 分。
Sharpa 在 IROS 发布首款全自研通用人形机器人 D01、新一代灵巧手 W02 和外骨骼数据手套 AE01。D01 手臂载荷自重比接近 1:1,末端执行器速度超 10.5m/s,重复定位精度 0.2mm,电子皮肤覆盖上半身;W02 主动自由度从 W01 的 22 个减至 21 个,整手尺寸缩小约 30%,并实现零抓握半径。
GitHub 上出现三款 Personal Agent 的开源平替:Rakazo 对标 Grok Bot,可为每个 Bot 配置独立对话、记忆与电脑环境,并支持多 Bot 互相交派任务。
尼尔森2006年提出的F型视觉模型指出,用户浏览网页时视线呈F形扫描,重要信息应放在左上方的一横一竖上。报表设计可结合信息三层结构,顶部放汇总核心数据、越往下越细,与麦肯锡金字塔原理一脉相承。AI报表工具智能小V可自动理解分析目标,按经营分析思路生成符合阅读习惯的报告页面。
作者给 Grok Bot 建了定时任务,从 10 月 9 日起每天早九点整理前一天的 AI 资讯,采集、写简报、做视频、交付四步全跑在它的云端虚拟机上,并公开了完整提示词。
博锐创合与诺华就一款临床前放射性配体疗法达成全球独家许可协议,潜在总额最高9亿美元,含首付款及开发、监管和销售里程碑付款。同月,血霁生物全球首创人造血小板注射液获NMPA临床默示许可,丹擎药业DAT-6618成为中国首个进入临床的PPARγ抑制剂。
2027届秋招中,AI面试已成为国有大行、股份制银行、城商行及农商行招聘的普遍环节,通常设在简历筛选之后、笔试之前,题量两到七八道不等,时长5-20分钟。有受访者称面试约5分钟,缺乏互动性,感觉像对着空气作答。二手平台同时出现宣称可实时监听考题、毫秒级生成答案的“AI面试辅助神器”,售价几十元到上百元。
openJiuwen 发布并开源企业级 AgentOS,将多智能体协同、自演进、算力亲和与企业级安全可靠能力融入统一底座,并通过插件化架构与开放生态连接上层应用与底层模型、算力资源。
LinearGame 旗下 Yoroll 正在内测 AI 游戏与娱乐陪伴产品 Yyo,角色先在互动影游中与玩家积累共同经历,通关后带着记忆进入 Yyo 成为长期陪伴的 Agent,底座为 Nous Research 开源的 Hermes Agent。