分类

文章

K–12 教师的 AI 实操课:把技能练到课堂里

来源: openai.com 35
OpenAI Academy 与 Walton Family Foundation 正在面向 K–12 教育工作者推出动手型 AI Skills Jams,重点不是让教师背概念,而是把 AI 用在备课、差异化教学、课堂活动设计和反馈生成这些真实场景里。对学校来说,AI 培训的价值不在“听过一场讲座”,而在教师能否带着边界感,把工具稳妥地嵌入日常教学。 ...

VS Code 1.128:多聊天 Agent、图片上下文和系统级快捷键开始连起来了

来源: oschina.net 36
Visual Studio Code 1.128 的重点不只是“聊天面板又多了几个按钮”。这次更新把 Agent 工作流往真实开发场景推了一步:同一类问题可以开多个相关会话并行探索,聊天里可以直接使用图片,甚至能通过操作系统级快捷键更快唤起编辑器动作。对每天在 IDE 里写代码、查日志、比方案的开发者来说,这些变化会影响你怎么组织问题、怎么比较答案,以...

JuiceFS 社区版 1.4:一次面向长期运行的存储底座升级

来源: oschina.net 42
JuiceFS 社区版 1.4 正式发布,并被定义为长期支持版本(LTS)。对很多团队来说,这类版本号变化不只是“有新功能”,更意味着可以重新评估数据平台的维护周期、升级窗口和成本结构。尤其当社区版已经承载超过 EB 级数据量,文件系统层的稳定性、可控性和可运维性会直接影响上层训练、分析、备份和归档任务。 这次发布的一个明确信号是版本维护策略变化:Ju...

Flink 正在从结构化流处理走向多模态数据底座

来源: my.oschina.net 31
过去的数据工程大多围绕结构化记录展开:订单、日志、点击、交易、指标、维表、事实表。数据被切成一行行 schema 清晰的记录,处理任务也相对明确:清洗、关联、聚合、统计。现在问题变了。业务链路里开始同时出现文本、图片、音频、视频、向量、模型推理结果和传统字段,Apache Flink 这样的流式计算系统,也需要从“处理表和字段”扩展到“承载持续产生的多...

LingBot-Depth 2.0 与 LingBot-Vision:机器人空间感知开始补上关键拼图

来源: oschina.net 29
蚂蚁集团旗下具身智能公司灵波科技在 LingBot-Depth 1.0 开源之后,继续推出新一代空间感知模型 LingBot-Depth 2.0,并同步开源视觉基座模型 LingBot-Vision。这个动作值得关注:对真实世界中的机器人来说,识别“这是什么”只是第一步,更难的是判断“它离我多远、形状怎样、能不能绕过去或抓起来”。 从来源信息看,Lin...

Claude Code 被提示存在回传隐患后,团队该怎么做安全排查

来源: oschina.net 33
近日,工信部网络安全威胁和漏洞信息共享平台监测提示,AI 编程工具 Claude Code 存在安全后门隐患:其内置监控机制可能在未经用户同意的情况下,向远程服务器回传用户地域、身份标识等敏感信息。对研发团队来说,这类风险不只是“某个工具能不能用”的问题,而是代码、凭据、网络出口和供应链治理要一起看。 AI 编程工具通常运行在开发者本机、CI 环境或远...

XYGo Admin 这轮更新,把中后台最容易返工的权限和 CRUD 链路重新理顺了

来源: oschina.net 43
中后台项目最怕的不是页面多,而是权限、菜单、接口、表单四条线各写各的:前端按钮藏了,接口还能调;菜单配好了,接口权限漏了;CRUD 页面生成出来了,表单和权限还要再补一遍。XYGo Admin 最近这轮调整,重点就是把这些容易返工的地方重新串起来,尤其是 RBAC 权限链路和 CRUD 代码生成流程。 这次更新里最值得关注的是 RBAC 权限链路的分层...

Erupt 2.0:Spring Boot 3.5 时代的注解低代码升级

来源: oschina.net 32
Erupt v2.0.3 把一次普通版本升级做成了平台级翻新:底座跟进 Spring Boot 3.5.16,新增 和 两个开源模块, 也完成了 Angular 20 到 21 的全量重写。对正在用 Erupt 做后台、数据管理、内部工具的团队来说,这不是“点一下版本号”的升级,而是一次后端模型、前端运行时、安全策略和 AI 能力一起移动的版本线。 E...

十分钟做一个“AI 玄学硬件”:把传感器、提示词和大模型接到一起

来源: oschina.net 38
7 月的 AI 造物活动把题目定得很有意思:十分钟打造一个“AI 玄学硬件”。它听起来像玩笑,但对开发者很实用,因为这类小项目正好覆盖了 AI 硬件原型的核心链路:采集输入、构造上下文、调用模型、输出一段有仪式感的结果。 这里不把“玄学”当成预测能力来包装,而是把它当成一个交互主题。硬件负责制造参与感,AI 负责生成文本反馈。只要边界讲清楚,它就是一个...

LingBot-VLA 2.0 开源:具身模型开始认真处理“全身自由度”

来源: oschina.net 36
蚂蚁灵波开源了新一代具身基座模型 LingBot-VLA 2.0。相比今年 1 月的 LingBot-VLA 1.0,这次升级的重点不只是模型版本号变大,而是把具身智能落地里很难绕开的几个问题摆到台面上:机器人构型更多、可控自由度更多、从数据到部署的效率要求更高。 VLA 模型通常指 Vision-Language-Action:输入视觉与语言指令,输...