VS Code AI 功能无需付费订阅即可使用
许多开发者误以为 VS Code 的 AI 功能与 GitHub Copilot 付费订阅密不可分，但事实上两者是分离的。VS Code 的 AI 体验通过语言模型 API 实现，该接口是开放的，允许任何扩展注册为模型提供者。GitHub Copilot 只是其中一个默认实现，而实际模型来自 Tenure 等第三方服务。用户只需安装 Copilot 扩展并拥有 GitHub 账户，即可免费使用原生 AI 功能，包括聊天、内联补全和代码操作。Tenure 作为自定义语言模型提供者，支持接入 OpenAI、Anthropic、Google Gemini 等多种模型，且不改变 VS Code 原有界面和工作流程。这种架构让开发者无需改变习惯即可享受 AI 辅助，同时保持编辑器体验的一致性。 #VS Code #AI #GitHub Copilot #开源 #开发者工具 #编程
许多开发者误以为 VS Code 的 AI 功能与 GitHub Copilot 付费订阅密不可分，但事实上两者是分离的。VS Code 的 AI 体验通过语言模型 API 实现，该接口是开放的，允许任何扩展注册为模型提供者。GitHub Copilot 只是其中一个默认实现，而实际模型来自 Tenure 等第三方服务。用户只需安装 Copilot 扩展并拥有 GitHub 账户，即可免费使用原生 AI 功能，包括聊天、内联补全和代码操作。Tenure 作为自定义语言模型提供者，支持接入 OpenAI、Anthropic、Google Gemini 等多种模型，且不改变 VS Code 原有界面和工作流程。这种架构让开发者无需改变习惯即可享受 AI 辅助，同时保持编辑器体验的一致性。 #VS Code #AI #GitHub Copilot #开源 #开发者工具 #编程
Kimi Work 发布：专为知识工作者打造的桌面 AI 智能体
Kimi Work 是一款面向知识工作者的下一代桌面 AI 智能体，深度集成本地文件系统与浏览器自动化能力，支持 24/7 后台运行。其内置 Cron 引擎可自动执行重复任务，如清晨自动生成简报或深夜处理海量数据。通过 WebBridge 功能，用户只需提供指令，Kimi 便能像人类一样自主浏览网页、提取数据并完成多步骤操作。Agent Swarm 智能体集群可协同处理复杂任务，并一键将研究成果转化为专业演示文稿或电子表格。此外，Kimi Work 原生整合了 A 股、港股及美股市场数据，支持自然语言查询财报、分析市场异常及核对数据，为金融从业者提供高效分析工具。目前该应用已开放 macOS 版本下载。 #AI #桌面智能体 #知识工作 #自动化 #金融分析 #KimiWork #科技新闻
Kimi Work 是一款面向知识工作者的下一代桌面 AI 智能体，深度集成本地文件系统与浏览器自动化能力，支持 24/7 后台运行。其内置 Cron 引擎可自动执行重复任务，如清晨自动生成简报或深夜处理海量数据。通过 WebBridge 功能，用户只需提供指令，Kimi 便能像人类一样自主浏览网页、提取数据并完成多步骤操作。Agent Swarm 智能体集群可协同处理复杂任务，并一键将研究成果转化为专业演示文稿或电子表格。此外，Kimi Work 原生整合了 A 股、港股及美股市场数据，支持自然语言查询财报、分析市场异常及核对数据，为金融从业者提供高效分析工具。目前该应用已开放 macOS 版本下载。 #AI #桌面智能体 #知识工作 #自动化 #金融分析 #KimiWork #科技新闻
AI 能否解答物理学中的开放问题？
一项针对前沿AI模型在物理学领域表现的研究显示，截至2026年中期，AI在解决研究级物理问题方面取得了显著进展。例如，在2025年11月的评估中，顶级模型在研究级物理基准测试中仅得12.6%，但九个月后，最高得分已超过30%，且有10个模型超越了此前的冠军。另一项针对理论物理问题的TPBench测试显示，2025年2月时模型在研究生级物理上得分约50%，研究级约15%；而到2026年，GPT-5.5（xhigh）在研究生级问题上得分约85%，研究级问题高达55%。然而，这些基准测试的问题通常为人工设定且答案已知，可能存在答案泄露风险。为此，研究者设计了一项新实验，将前沿AI模型应用于真正的开放物理问题——即从arXiv上抓取一周内的量子物理预印本，识别出200多个候选开放问题。这些问题是真正未解的，解决它们将推动人类知识进步，且难度未知。初步观察表明，大多数开放问题目前仍不适合AI直接处理，但部分简单问题可能成为AI的突破口。 #AI #物理学 #开放问题 #基准测试 #GPT5 #科研 #arXiv #前沿科技
一项针对前沿AI模型在物理学领域表现的研究显示，截至2026年中期，AI在解决研究级物理问题方面取得了显著进展。例如，在2025年11月的评估中，顶级模型在研究级物理基准测试中仅得12.6%，但九个月后，最高得分已超过30%，且有10个模型超越了此前的冠军。另一项针对理论物理问题的TPBench测试显示，2025年2月时模型在研究生级物理上得分约50%，研究级约15%；而到2026年，GPT-5.5（xhigh）在研究生级问题上得分约85%，研究级问题高达55%。然而，这些基准测试的问题通常为人工设定且答案已知，可能存在答案泄露风险。为此，研究者设计了一项新实验，将前沿AI模型应用于真正的开放物理问题——即从arXiv上抓取一周内的量子物理预印本，识别出200多个候选开放问题。这些问题是真正未解的，解决它们将推动人类知识进步，且难度未知。初步观察表明，大多数开放问题目前仍不适合AI直接处理，但部分简单问题可能成为AI的突破口。 #AI #物理学 #开放问题 #基准测试 #GPT5 #科研 #arXiv #前沿科技
Apple 发布新一代 Siri AI 与 Apple Intelligence 系统
在 WWDC 大会上，苹果公司正式公布了其新一代人工智能系统 Apple Intelligence 及更智能的 Siri。两年前，苹果首次披露 Apple Intelligence 计划，但更聪明的 Siri 迟迟未能实现。此次更新中，Siri 获得了更强的个性化能力，能够更深入地理解用户上下文，并提供更精准的响应。Apple Intelligence 系统将整合设备端与云端 AI 能力，在保护隐私的同时提升用户体验。新系统预计将在今年秋季随 iOS 更新推送。 #苹果 #Siri #AppleIntelligence #AI #WWDC #科技新闻
在 WWDC 大会上，苹果公司正式公布了其新一代人工智能系统 Apple Intelligence 及更智能的 Siri。两年前，苹果首次披露 Apple Intelligence 计划，但更聪明的 Siri 迟迟未能实现。此次更新中，Siri 获得了更强的个性化能力，能够更深入地理解用户上下文，并提供更精准的响应。Apple Intelligence 系统将整合设备端与云端 AI 能力，在保护隐私的同时提升用户体验。新系统预计将在今年秋季随 iOS 更新推送。 #苹果 #Siri #AppleIntelligence #AI #WWDC #科技新闻
AI 资产包管理器 sx 发布，解决团队协作中的版本混乱问题
随着 AI 编码工具普及，团队项目中出现了大量提示词、规则文件等 AI 资产，但缺乏统一管理导致版本混乱。一个团队运行五个仓库，每次修复共享技能都需手动复制到所有仓库，数月后各副本逐渐偏离，形成“不同时代的版本”。为解决这一分发问题，开发者推出了名为 sx 的包管理器。它借鉴了 npm 和 Cargo 的清单与锁文件结构，但针对 AI 资产特性做出关键调整：锁文件不提交到仓库，且每位开发者拥有不同锁文件。此外，sx 还解决了不同 AI 客户端格式不兼容的集成问题，支持资产无需手动命令即可安装，并能在本地运行服务以支持 Web 客户端。 #AI #包管理器 #sx #版本管理 #开发工具 #团队协作 #AI资产
随着 AI 编码工具普及，团队项目中出现了大量提示词、规则文件等 AI 资产，但缺乏统一管理导致版本混乱。一个团队运行五个仓库，每次修复共享技能都需手动复制到所有仓库，数月后各副本逐渐偏离，形成“不同时代的版本”。为解决这一分发问题，开发者推出了名为 sx 的包管理器。它借鉴了 npm 和 Cargo 的清单与锁文件结构，但针对 AI 资产特性做出关键调整：锁文件不提交到仓库，且每位开发者拥有不同锁文件。此外，sx 还解决了不同 AI 客户端格式不兼容的集成问题，支持资产无需手动命令即可安装，并能在本地运行服务以支持 Web 客户端。 #AI #包管理器 #sx #版本管理 #开发工具 #团队协作 #AI资产
如何降低长AI代理线程的成本（且不降低智能水平）
Viktor是一个运行在Slack和Microsoft Teams中的AI员工，负责处理真实工作，如分类支持收件箱、审计CRM管道、分析QA屏幕录制或构建报告。单个任务通常涉及数十次模型调用的线程，每次调用都携带系统提示、用户技能和记忆、对话历史以及不断增长的工具结果。如果简单实现，这种工作负载会导致高昂成本。本文探讨了问题、数学原理以及Viktor线程引擎中的具体架构决策，以保持前沿模型代理的经济可行性。所有内容来自生产代码库，并以Claude Opus 4.8定价为例。模型API是无状态的，每次调用必须包含模型所需的一切。每次轮次都会重新发送整个历史记录，新令牌只占小部分，而重新发送的令牌占主导。成本呈二次增长：如果上下文以P令牌开始，每步追加s令牌，则N次调用的总输入令牌约为N·P + s·N²/2。任务长度翻倍，尾部成本增加四倍。提供商引入了提示缓存：将提示前缀的处理状态（KV缓存）短暂保存，如果下一个请求以完全相同字节开头，则从缓存状态恢复，而非重新计算。对于Claude Opus 4.8，写入缓存需支付25%溢价，但每次读取仅需正常价格的十分之一。在代理循环中，几乎所有输入令牌都变为缓存读取，大幅降低成本。此外，缓存还降低了延迟，因为跳过了预填充计算，80K令牌上下文的首次令牌时间从数秒降至处理新后缀的成本。 #AI #代理 #成本优化 #提示缓存 #ClaudeOpus #技术架构 #生产代码
Viktor是一个运行在Slack和Microsoft Teams中的AI员工，负责处理真实工作，如分类支持收件箱、审计CRM管道、分析QA屏幕录制或构建报告。单个任务通常涉及数十次模型调用的线程，每次调用都携带系统提示、用户技能和记忆、对话历史以及不断增长的工具结果。如果简单实现，这种工作负载会导致高昂成本。本文探讨了问题、数学原理以及Viktor线程引擎中的具体架构决策，以保持前沿模型代理的经济可行性。所有内容来自生产代码库，并以Claude Opus 4.8定价为例。模型API是无状态的，每次调用必须包含模型所需的一切。每次轮次都会重新发送整个历史记录，新令牌只占小部分，而重新发送的令牌占主导。成本呈二次增长：如果上下文以P令牌开始，每步追加s令牌，则N次调用的总输入令牌约为N·P + s·N²/2。任务长度翻倍，尾部成本增加四倍。提供商引入了提示缓存：将提示前缀的处理状态（KV缓存）短暂保存，如果下一个请求以完全相同字节开头，则从缓存状态恢复，而非重新计算。对于Claude Opus 4.8，写入缓存需支付25%溢价，但每次读取仅需正常价格的十分之一。在代理循环中，几乎所有输入令牌都变为缓存读取，大幅降低成本。此外，缓存还降低了延迟，因为跳过了预填充计算，80K令牌上下文的首次令牌时间从数秒降至处理新后缀的成本。 #AI #代理 #成本优化 #提示缓存 #ClaudeOpus #技术架构 #生产代码