-
人工智能为组织转型的挑战带
-
国产Sora们躺着跑
-
AI 编程工具不只要会写代码：Impeccable 把界面审美变成可执行规则
开源项目 Impeccable 通过 59 条确定性设计检测规则和面向 LLM 的 Skill 评审命令，为 AI 编程助手补充界面设计、无障碍与性能约束，减少前端生成中的同质化“AI 味”。
-
Nothing被曝布局智能眼镜：一款集成ChatGPT，另一款专注音频
10月14日，据9to5Google报道，知名科技爆料人士Roland Quandt透露，消费电子品牌Nothing正在准备推出两款智能眼镜。与单一产品冲线相比，这次披露的信息显示，Nothing可能同时规划了两种形态：一种面向AI交互，另一种面向更轻量的音频使用场景。由于官方尚未确认，相关细节仍属于爆料阶段。
-
Agent 慢在哪里：用 OpenTelemetry 追踪大模型多轮推理与工具调用
单次大模型调用可以用日志记录，但 Agent 涉及多轮推理、工具调用和外部依赖，需要更结构化的观测方式。OpenTelemetry 通过 Trace / Span 树记录层级、因果和耗时，并结合 Metric 与日志形成排障链路。
-
联合光电Micro-LED光机进入规模出货阶段，AR眼镜供应链开始跨入三色导入期
联合光电披露，公司Micro-LED光机已实现规模化出货，单色绿色光机仍是当前市场主流应用方案，三色光机处于小批量导入阶段。公司客户覆盖逸文科技、大朋、谷东、光粒、迈测等工业级及消费级AR眼镜厂商。
-
Claude Task Master 将 Pull Request 交给 Agent：自动处理 CI、评审与合并
Claude Task Master 基于 Claude Agent SDK，将任务规划、代码修改、Pull Request、CI 修复、评审回复和合并纳入同一个自动化流程，为研发团队提供了将 Agent 接入真实开发流水线的路径。
-
大模型测试落地的工程账：窄任务、硬预算和失败后人工介入
当企业团队评估大模型参与软件测试时，最常被问到的不是模型能否生成用例，而是成本能否预测、人工何时介入、哪些环节必须保持确定。掘金上一篇技术总结文章回顾了此前 13 个测试项目验证结果，把大模型自动化测试的落地问题归纳为三件事：测试场景的 Token 成本量级、人工确认门应该放在哪一步，以及哪些场景明确不适合使用 LLM。
-
AI云建设不再只买GPU：联想全球交付英伟达 Vera Rubin NVL72，系统级交付成为新焦点
联想集团宣布已开始在全球交付英伟达新一代 Vera Rubin NVL72 机架级 AI 系统，并将完整的 Vera Rubin 平台纳入联想 AI 云超级工厂解决方案。这显示，面向云服务商的 AI 基础设施建设，正在从单独采购 GPU，转向以机架和完整平台为单位的系统级交付。
-
5mW视觉AI芯片进入千问N1，AI眼镜常开感知有了低功耗选项
奇景光电5mW超低功耗AI处理器HX6538进入阿里千问AI眼镜N1系列，为常开视觉感知提供端侧AI支持。低功耗协处理器正在成为AI眼镜平衡实时感知与续航的关键变量。
-
当 AI 团队也有“企业文化”：Gemini 4 与 DeepSeek 的协作开发实验
掘金开发者在“AI 软件公司”实验中，为 Gemini 4 与 DeepSeek 加入企业文化模块，通过岗位性格、团队阵容和系统提示词观察多模型协作对开发效率与成本的影响。
-
MCP 从协议热词走向工程落地：一个真实天气服务器跑通 Agent 工具调用
在 AI Agent 相关讨论中，MCP（Model Context Protocol）经常被当作生态关键词提及。但对开发者而言，真正值得关注的是它如何把工具接入变成可复用的工程流程。Dev.to AI 近日发布的一篇文章，通过一个实际运行的天气服务器，展示了 MCP 从工具注册、发现、调用到返回结果的完整过程，也把 MCP 从概念层面拉回到 Agent 开发现场。
