安卓AI代理：RikkaHub Agent
RikkaHub Agent 是一個開源安卓應用，將本地LLM聊天客戶端轉變為功能強大的裝置端AI代理，支援80多種裝置工具、工作流自動化、Telegram遠端控制、SSH、語音轉錄等功能，所有操作均在裝置本地完成，保障隱私安全。
- 基於RikkaHub分支，擴充套件為裝置端AI代理，支援80+原生工具。
- 支援工作流、定時任務、Telegram機器人、內嵌瀏覽器等功能。
日報
AI 日報
2026-06-20 精選 10 條，按主題聚合。其餘新聞折疊歸檔。
今日必讀
在PostgreSQL上嘗試AI運算子
samtSQL 允許您在現有的 PostgreSQL 資料庫上執行增強型 SQL 查詢，支援文本、影像和音訊等多模態資料。
- 在 PostgreSQL 資料庫上執行帶有 AI 運算子的 SQL
- 支援多模態資料：文本、影像、音訊
AI讓我們更加成為自己
AI並沒有讓糟糕的工程師變好，只是讓他們更快了。它不改變我們的本質，而是放大我們的特質。對於懶惰或草率的程式設計師，AI加速了他們輸出低質量程式碼的速度，並且由於AI自身傾向於複製現有模式而不質疑，導致技術債務被固化並大規模擴散。
- AI放大現有特質，而非提升能力。
- 糟糕的工程師藉助AI輸出更多程式碼，但判斷力未提升。
關於AI安全的一些思考
這篇文章謹慎而細緻地論證了AI樂觀主義：安全性、可解釋性、偏見和對齊與原始能力同樣重要。作者認為，將AI簡化為好與壞是有害的，需要理解內部機制、應對誤用和錯位，並考慮系統性風險。這是一場能力與理解之間的競賽，而安全取決於能否扭轉這一比率。
- AI的潛力巨大，但風險也相伴而生，需要謹慎平衡。
- 可解釋性是理解模型內部機制的關鍵，目前我們尚未完全掌握。
更精確地模擬金屬合金行為的新方法
MIT研究人員開發了一種基於機器學習的建模方法，透過最佳化訓練資料集來捕捉化學無序材料中的原子環境多樣性，從而更準確地預測金屬合金的性質，並有望加速新材料的設計。
- MIT團隊透過資訊理論方法最佳化訓練資料，使機器學習模型能夠捕捉無序合金中多樣的區域性化學環境。
- 該方法比傳統暴力計算方法更高效，預測準確性超過谷歌和微軟等公司的大型模型。
在AMD RX 580（2017年GPU）上使用Vulkan執行本地AI——無需CUDA，無需ROCm
本文介紹如何在2017年的AMD RX 580顯示卡上，透過Vulkan後端執行llama.cpp和stable-diffusion.cpp，實現本地AI推理。無需CUDA或ROCm，即可在Windows上執行LLM和Stable Diffusion。
- AMD RX 580可透過Vulkan執行本地AI，無需CUDA或ROCm
- llama.cpp和stable-diffusion.cpp的Vulkan後端實現了GPU加速
4000億引數模型：“歐洲”聯盟贏得AI競賽
歐盟委員會宣佈“前沿AI大挑戰”獲勝者，由義大利公司Domyn領導的“歐洲”聯盟將獲得資源開發最先進的開源AI模型，覆蓋所有24種歐盟官方語言。
- 歐盟委員會週五宣佈“前沿AI大挑戰”獲勝者
- 義大利Domyn公司領導的“歐洲”聯盟勝出
Show HN：開源工具 Summer 實現 Claude Code、Codex 和 OpenCode 的多使用者使用跟蹤
Summer 是一款由 Autumn 開發的本地開源工具，用於追蹤 AI 程式設計助手的使用情況和費用。它支援 Claude Code、Codex 和 OpenCode，無需託管，提供本地儀表盤，可以按團隊彙總每個工程師的使用量、模型和成本。
- Summer 是本地執行的開源工具，無需伺服器託管。
- 支援 Claude Code、Codex 和 OpenCode 三種 AI 程式設計工具。
五家中國AI實驗室將代幣價格下調高達99%
字節跳動、騰訊、MiniMax、阿里巴巴和小米在同一競爭視窗內將AI代幣價格下調了50%至99%。美國銀行證券分析師認為，中國主要AI模型之間的能力差距縮小是引發價格戰的原因。阿里巴巴的Qwen3.7-Max降價50%與618購物節掛鉤，將AI競爭與消費者促銷相結合。
- 五家中國AI實驗室在短時間大幅降價50%-99%
- Bank of America認為能力差距縮小使價格成為主要競爭槓桿
IEEE推出大型語言模型虛擬培訓課程
大型語言模型（LLM）已從研究實驗室進入工程師的日常工作流程。為幫助技術人員掌握LLM的構建與部署，IEEE推出了一個包含五門課程、總計可獲專業發展學分和數字徽章的線上培訓專案。
- LLM市場預計到2030年每年增長約33%，掌握LLM實現與安全正成為技術人員的核心要求。
- 工程師需要理解Transformer架構和自注意力機制，而非將LLM視為簡單的對話機器人。
其餘更新（7 條）
華為晶片助力DeepSeek模型精調，中國AI自主可控邁出重要一步
華為使用其昇騰910C晶片成功完成對DeepSeek-V4-Pro模型的後訓練，這是中國半導體產業在複雜AI模型訓練領域取得的關鍵突破。該專案由華為與多家研究機構合作，利用1000多顆晶片叢集實現了1.6萬億引數模型的全引數後訓練，展示了國產晶片從推理到訓練的能力跨越。此舉有助於提升中國AI產業鏈的自主性，在美製裁背景下推動國內替代方案的發展。
- 華為與多家機構合作，使用昇騰910C晶片成功完成DeepSeek-V4-Pro模型的後訓練。
- 專案採用至少1000顆晶片叢集，對1.6萬億引數模型進行全引數精調。
PhD_fleet：透過Slack管理虛擬AI博士生研究實驗室
PhD_fleet 是一個Python工具包，允許單一研究人員（導師）透過Slack生成和與Claude Code代理群進行對話。每個代理擁有獨立的工作區，透過Slack訊息驅動互動，檔案系統作為長期記憶。還包括一個教練代理，提供基於證據的反饋以提升指導技能。
- 導師可透過Slack命令生成多個AI學生代理，每個代理有獨立工作區和長期記憶。
- 提供教練代理，分析導師的指導行為並提供改進建議。
開源AI技能，讓Claude/ChatGPT產生真正的產出，經過評估評分
pm-claude-skills 是一個開源技能庫，包含174個面向專業人士的SKILL.md檔案，涵蓋產品管理、工程、客戶成功等多個領域。每個技能都經過評估驗證，能指導AI助手生成可直接交付的專業級輸出。支援Claude Code、ChatGPT、Gemini等工具，並提供工作流食譜、技能記憶和MCP整合。
- 174個職業技能，覆蓋產品、工程、營銷等18個職業領域
- 每個技能經過評估評分，確保輸出質量
我們如何構建內部資料分析智慧代理
GitHub 內部使用 Copilot 驅動的 Qubot 智慧代理，讓員工能夠用自然語言查詢資料倉儲，無需分析師介入。本文介紹了 Qubot 的架構、上下文層、評估框架及經驗教訓。
- Qubot 透過 Slack、VS Code 和 Copilot CLI 提供介面，支援探索性資料分析。
- 上下文層對提升準確性和響應速度至關重要，結構化上下文使 Qubot 準確率更高、速度提升三倍。
MiniMax M3 vs. GLM 5.2：自主程式設計任務程式碼生成對比
在Thinkbench基準測試中，GLM 5.2在正確性上領先（92%完全透過），而MiniMax M3成本更低、速度更快。程式碼修改任務表現相當，但全新構建任務GLM更穩健。在處理模糊指令時，MiniMax傾向於構建更完整的系統。
- GLM 5.2正確率92%，MiniMax M3為84%
- MiniMax成本$6.67，GLM$18.47；平均延遲45秒 vs 80秒
Checkmarx 的新 SAST 引擎重點不在 LLM，而在後續處理
Checkmarx 釋出了一款新的靜態應用安全測試（SAST）引擎，該引擎結合了確定性規則掃描器、基於安全資料訓練的 LLM 以及專門用於分類真/假陽性的引擎。公司聲稱其 F1 得分為 0.499，遠高於行業平均水平，並在測試中發現了領先前沿模型遺漏的 327 個真陽性。該架構的核心是編排層，它將三個引擎自動整合在一起，無需客戶自行構建多引擎工作流。
- Checkmarx 新 SAST 引擎包含三個引擎：確定性規則掃描器、LLM 和發現分析引擎（FAE），用於在結果到達開發團隊前過濾假陽性。
- 公司聲稱 F1 得分為 0.499，是行業平均水平（0.20）的兩倍多，並在測試中找到了領先前沿模型遺漏的 327 個真陽性。
為你的AI用例找到合適的棧
Inferlay是一個幫助開發者為其AI專案選擇合適技術堆疊的平臺。它透過對比各種工具和框架，簡化了決策過程。
- Inferlay旨在簡化AI技術棧的選擇。
- 平臺提供工具對比和推薦功能。