安卓AI代理：RikkaHub Agent
RikkaHub Agent 是一个开源安卓应用，将本地LLM聊天客户端转变为功能强大的设备端AI代理，支持80多种设备工具、工作流自动化、Telegram远程控制、SSH、语音转录等功能，所有操作均在设备本地完成，保障隐私安全。
- 基于RikkaHub分支，扩展为设备端AI代理，支持80+原生工具。
- 支持工作流、定时任务、Telegram机器人、内嵌浏览器等功能。
日报
AI 日报
2026-06-20 精选 10 条，按主题聚合。其余新闻折叠归档。
今日必读
在PostgreSQL上尝试AI操作符
samtSQL 允许您在现有的 PostgreSQL 数据库上运行增强型 SQL 查询，支持文本、图像和音频等多模态数据。
- 在 PostgreSQL 数据库上运行带有 AI 操作符的 SQL
- 支持多模态数据：文本、图像、音频
AI让我们更加成为自己
AI并没有让糟糕的工程师变好，只是让他们更快了。它不改变我们的本质，而是放大我们的特质。对于懒惰或草率的程序员，AI加速了他们输出低质量代码的速度，并且由于AI自身倾向于复制现有模式而不质疑，导致技术债务被固化并大规模扩散。
- AI放大现有特质，而非提升能力。
- 糟糕的工程师借助AI输出更多代码，但判断力未提升。
关于AI安全的一些思考
这篇文章谨慎而细致地论证了AI乐观主义：安全性、可解释性、偏见和对齐与原始能力同样重要。作者认为，将AI简化为好与坏是有害的，需要理解内部机制、应对误用和错位，并考虑系统性风险。这是一场能力与理解之间的竞赛，而安全取决于能否扭转这一比率。
- AI的潜力巨大，但风险也相伴而生，需要谨慎平衡。
- 可解释性是理解模型内部机制的关键，目前我们尚未完全掌握。
更精确地模拟金属合金行为的新方法
MIT研究人员开发了一种基于机器学习的建模方法，通过优化训练数据集来捕捉化学无序材料中的原子环境多样性，从而更准确地预测金属合金的性质，并有望加速新材料的设计。
- MIT团队通过信息论方法优化训练数据，使机器学习模型能够捕捉无序合金中多样的局部化学环境。
- 该方法比传统暴力计算方法更高效，预测准确性超过谷歌和微软等公司的大型模型。
在AMD RX 580（2017年GPU）上使用Vulkan运行本地AI——无需CUDA，无需ROCm
本文介绍如何在2017年的AMD RX 580显卡上，通过Vulkan后端运行llama.cpp和stable-diffusion.cpp，实现本地AI推理。无需CUDA或ROCm，即可在Windows上运行LLM和Stable Diffusion。
- AMD RX 580可通过Vulkan运行本地AI，无需CUDA或ROCm
- llama.cpp和stable-diffusion.cpp的Vulkan后端实现了GPU加速
4000亿参数模型：“欧洲”联盟赢得AI竞赛
欧盟委员会宣布“前沿AI大挑战”获胜者，由意大利公司Domyn领导的“欧洲”联盟将获得资源开发最先进的开源AI模型，覆盖所有24种欧盟官方语言。
- 欧盟委员会周五宣布“前沿AI大挑战”获胜者
- 意大利Domyn公司领导的“欧洲”联盟胜出
Show HN：开源工具 Summer 实现 Claude Code、Codex 和 OpenCode 的多用户使用跟踪
Summer 是一款由 Autumn 开发的本地开源工具，用于追踪 AI 编程助手的使用情况和费用。它支持 Claude Code、Codex 和 OpenCode，无需托管，提供本地仪表盘，可以按团队汇总每个工程师的使用量、模型和成本。
- Summer 是本地运行的开源工具，无需服务器托管。
- 支持 Claude Code、Codex 和 OpenCode 三种 AI 编程工具。
五家中国AI实验室将代币价格下调高达99%
字节跳动、腾讯、MiniMax、阿里巴巴和小米在同一竞争窗口内将AI代币价格下调了50%至99%。美国银行证券分析师认为，中国主要AI模型之间的能力差距缩小是引发价格战的原因。阿里巴巴的Qwen3.7-Max降价50%与618购物节挂钩，将AI竞争与消费者促销相结合。
- 五家中国AI实验室在短时间大幅降价50%-99%
- Bank of America认为能力差距缩小使价格成为主要竞争杠杆
IEEE推出大型语言模型虚拟培训课程
大型语言模型（LLM）已从研究实验室进入工程师的日常工作流程。为帮助技术人员掌握LLM的构建与部署，IEEE推出了一个包含五门课程、总计可获专业发展学分和数字徽章的在线培训项目。
- LLM市场预计到2030年每年增长约33%，掌握LLM实现与安全正成为技术人员的核心要求。
- 工程师需要理解Transformer架构和自注意力机制，而非将LLM视为简单的对话机器人。
其余更新（7 条）
华为芯片助力DeepSeek模型精调，中国AI自主可控迈出重要一步
华为使用其昇腾910C芯片成功完成对DeepSeek-V4-Pro模型的后训练，这是中国半导体产业在复杂AI模型训练领域取得的关键突破。该项目由华为与多家研究机构合作，利用1000多颗芯片集群实现了1.6万亿参数模型的全参数后训练，展示了国产芯片从推理到训练的能力跨越。此举有助于提升中国AI产业链的自主性，在美制裁背景下推动国内替代方案的发展。
- 华为与多家机构合作，使用昇腾910C芯片成功完成DeepSeek-V4-Pro模型的后训练。
- 项目采用至少1000颗芯片集群，对1.6万亿参数模型进行全参数精调。
PhD_fleet：通过Slack管理虚拟AI博士生研究实验室
PhD_fleet 是一个Python工具包，允许单一研究人员（导师）通过Slack生成和与Claude Code代理群进行对话。每个代理拥有独立的工作区，通过Slack消息驱动交互，文件系统作为长期记忆。还包括一个教练代理，提供基于证据的反馈以提升指导技能。
- 导师可通过Slack命令生成多个AI学生代理，每个代理有独立工作区和长期记忆。
- 提供教练代理，分析导师的指导行为并提供改进建议。
开源AI技能，让Claude/ChatGPT产生真正的产出，经过评估评分
pm-claude-skills 是一个开源技能库，包含174个面向专业人士的SKILL.md文件，涵盖产品管理、工程、客户成功等多个领域。每个技能都经过评估验证，能指导AI助手生成可直接交付的专业级输出。支持Claude Code、ChatGPT、Gemini等工具，并提供工作流食谱、技能记忆和MCP集成。
- 174个职业技能，覆盖产品、工程、营销等18个职业领域
- 每个技能经过评估评分，确保输出质量
我们如何构建内部数据分析智能代理
GitHub 内部使用 Copilot 驱动的 Qubot 智能代理，让员工能够用自然语言查询数据仓库，无需分析师介入。本文介绍了 Qubot 的架构、上下文层、评估框架及经验教训。
- Qubot 通过 Slack、VS Code 和 Copilot CLI 提供接口，支持探索性数据分析。
- 上下文层对提升准确性和响应速度至关重要，结构化上下文使 Qubot 准确率更高、速度提升三倍。
MiniMax M3 vs. GLM 5.2：自主编程任务代码生成对比
在Thinkbench基准测试中，GLM 5.2在正确性上领先（92%完全通过），而MiniMax M3成本更低、速度更快。代码修改任务表现相当，但全新构建任务GLM更稳健。在处理模糊指令时，MiniMax倾向于构建更完整的系统。
- GLM 5.2正确率92%，MiniMax M3为84%
- MiniMax成本$6.67，GLM$18.47；平均延迟45秒 vs 80秒
Checkmarx 的新 SAST 引擎重点不在 LLM，而在后续处理
Checkmarx 发布了一款新的静态应用安全测试（SAST）引擎，该引擎结合了确定性规则扫描器、基于安全数据训练的 LLM 以及专门用于分类真/假阳性的引擎。公司声称其 F1 得分为 0.499，远高于行业平均水平，并在测试中发现了领先前沿模型遗漏的 327 个真阳性。该架构的核心是编排层，它将三个引擎自动整合在一起，无需客户自行构建多引擎工作流。
- Checkmarx 新 SAST 引擎包含三个引擎：确定性规则扫描器、LLM 和发现分析引擎（FAE），用于在结果到达开发团队前过滤假阳性。
- 公司声称 F1 得分为 0.499，是行业平均水平（0.20）的两倍多，并在测试中找到了领先前沿模型遗漏的 327 个真阳性。
为你的AI用例找到合适的栈
Inferlay是一个帮助开发者为其AI项目选择合适技术堆栈的平台。它通过对比各种工具和框架，简化了决策过程。
- Inferlay旨在简化AI技术栈的选择。
- 平台提供工具对比和推荐功能。