OpenCode 发布 Browse,让编程 Agent 使用已登录的真实浏览器
OpenCode 发布 Browse,让编程 Agent 直接使用用户已登录各种账号的浏览器。该功能由 Chromium 扩展加一个 MCP server 组成,Agent 在后台折叠标签组中开标签页,可读页面、点击、输入、截图和录 tab;遇到登录、2FA 或付款环节时把标签页交还用户。
OpenCode 发布 Browse,让编程 Agent 直接使用用户已登录各种账号的浏览器。该功能由 Chromium 扩展加一个 MCP server 组成,Agent 在后台折叠标签组中开标签页,可读页面、点击、输入、截图和录 tab;遇到登录、2FA 或付款环节时把标签页交还用户。
AWS 博客介绍 Flightscape 在生产智能体中处理 20 MB 以上 JSON 负载时采用的三种可组合策略:把大体积数据存入 S3、会话状态只保留引用,对超大列表按需分页,对超大字典做描述符压缩。
Nutrient(原 PSPDFKit)推出 Data Extraction API,可将 PDF、扫描件、图片和 Office 文件解析为空间 JSON 或 Markdown,并按用户 JSON Schema 提取字段,每个值附带边界框、匹配标签和置信度分数。
Google 宣布 Gemini 任务功能开始向美国、日本、韩国、加拿大、澳大利亚和印度免费开放,使用新的 Gemini 4 Hydrogen 模型,美国用户还可使用一组高级功能。
推荐理由:原文给出 Gemini 代打电话、比价下单等具体任务流程与安全边界,读者可据此判断个人助理能接手哪些日常事务。
异次元软件世界介绍免费开源下载管理器 Mister Download Manager(MDM),它用 Rust 从零重写,界面与功能对标 IDM,并补上 BT 磁力下载和 Windows、macOS、Linux 跨平台支持。
GitHub 发布 agent skills 实践指南,介绍如何用 SKILL.md 目录封装可复用任务指令,并在不同智能体间共享。
Mistral 发布 Mistral Large 4(Le Chonk),并扩展企业平台 Mistral Studio,新增托管智能体、应用、工作流能力以及企业上下文、智能体可观测性和评测。
推荐理由:原文给出 Studio 新增托管智能体、工作流与可观测能力,以及客户在生产环境的部署方式,便于判断企业智能体落地路径。
Cloudflare 介绍与 Commerce.com 合作,在边缘为近 10 万个店铺域名开启 WebMCP,让 AI 智能体直接调用 search_products、add_to_cart 等工具,无需模拟点击页面。
Mistral 发布 Voxtral 3 语音模型家族,包含支持 50+ 语言的转录模型 Voxtral Small Transcribe 3、支持 35+ 语言和 50+ 方言的合成模型 Voxtral Mini TTS 3,以及基于 LiveKit 的语音智能体 SDK,把听、推理、工具调用和说合成一条实时流式管线。
推荐理由:原文给出语音智能体 SDK 与转录、合成模型的完整规格和定价,可据此判断实时语音工作流的落地成本。
宝玉公开了 NotebookLM 视频概览(Video Overview)创建技能的完整提示词文件,展示从读取笔记本来源、生成问卷卡与确认卡到调用 create_artifact 的多步流程。