谷歌将为 #Android17# 带来继续功能，与 iOS 的接力类似，可以跨设备无缝切换正在运行的应用。目前该功能仅支持安卓手机与安卓平板，不过后续谷歌还要推出安卓 PC，所以到时候用户可以在 PC 上轻松继续手机上正在进行的活动。查看详情：

Google 开源的 ARTEMIS 能让 AI 像人一样操作真手机，一句话说清要测什么，它自己在手机上把整个流程点完。 在谷歌研究院的 AndroidWorld 评测里，100 多个跨 App 的多步骤任务，它的完成率在 99% 以上。 GitHub： 能直接接进 Claude Code、Codex、Antigravity 这些编码 Agent。 README 里的例子是一句话让它打包最新代码、装到手机上，用测试账号登录后截图看有没有意外弹窗。 执行分两档，快的那档每步三到五秒，另一档先列测试计划，每步动手前再核对一遍，适合跑上百步的长流程和稳定性测试。 第一次跑会在手机上装一个读屏幕布局的小助手，通知栏里能看到，README 写明它只在手机本地监听、不往外发东西，这点交代得挺清楚。

吴说获悉，NEAR 基金会宣布加入 Linux Foundation 旗下 x402 Foundation，成为普通会员（General Member）将与谷歌、微软、AWS 及 Stripe 等成员共同推进 AI 代理经济基础设施与交易标准建设。根据规划，NEAR 将在 x402 支付协议的基础上，为代理经济提供跨链流动性（支持超 30 条链及 180 种资产）、隐私推理、机密执行以及代理发现等底层技术支持。x402 是由 Coinbase 创建并贡献给 Linux Foundation 的开源互联网支付协议。

⚠️⚠️⚠️又是天价账单！谷歌 GCP 存在缺陷可能会让开发者创建的旧令牌调用 Gemini API 且不受消费层级和支出限制。 建议在 GCP 平台申请过各类免费或付费 API (例如用于谷歌地图或 Firebase) 的开发者立即轮换密钥并设置限制，这些旧密钥可以跨服务直接调用 Gemini API。 👉🏻

river 的推特api每小时都会掉是什么原因？ 使用的谷歌浏览器，窗口一直打开，但还是坚持不了多久就自己掉了，无法识别。 11月9日加密市场又燃了！ 比特币24小时内反弹2.05%，稳守10.3万美元关口，注入满满信心。 $RIVER 今日逆势领涨1.40%，直奔7.24刀，，这波爆发像River链抽象的脉搏——动态空投如精密齿轮，日增30%供应激励，社区化作价值交响，转化率飙至0.004大关！流动性池包容一切波动，FDV在朝阳中闪耀。 Day 1先驱回报已超35倍：River不止是多链桥梁，更是DeFi心脏，化混沌为和谐序曲，开启跨链黄金时代。从Smart Vault Phase 2的42% APR，到积分耕耘的甜头，势不可挡！继续刷Pts，一起奏响River凯歌！@River4fun @RiverdotInc #4FUN# #River4fun# #DeFi# #RiverPts# $satUSD

去年 babymoon 我們去了好多地方，其中一站住的是南京園博園悅榕莊。 園區本身人不多，加上正值盛夏、熱到不行，幾乎沒辦法在外面逛，最後大多時間都待在飯店裡 staycation。 這間是江蘇第一家悅榕莊，蓋在湯山一座廢棄的石灰岩礦坑裡，整棟建築貼著崖壁而建，像一座橋橫跨在礦谷之上，崖頂還有人造霧瀑一路灑下來，很有「秘境」的感覺。 湯山本來就是溫泉區，房間陽台就有私湯，一邊泡一邊看崖壁，氛圍直接拉滿，隨手一拍都好看。 不過服務普通，在我住過的悅榕莊裡算是偏弱的一間。 整體來說，如果你是景觀＋氛圍控，還是很值得一住。

GM GN 距离2027年 仅剩164天 早上5点多就醒了，刷抖音学了一小时王虹搞定的挂谷猜想到底是什么。 我自己描述的话，就是拿一根没有粗细的木棍，放到桌面上挪动、转动这根木棍，让木棍朝向平面上所有方向，然后计算木棍扫过区域的占地面积，数学结论能做到无限接近于0，这是2D。王虹解决的是3D,文章结尾有个视频讲解。 顺便一起看看今天的Ai新闻 polo的AI日报 7月25日，13条精选 ⬇️ 1. Midjourney V8.2正式发布，重点提升美学质量、图像创意与个性化理解，低质量图像出现频率将显著降低。 💡Midjourney终于更新了 2. Anthropic发布Claude Opus 5，智能水平接近Fable 5但价格减半，Frontier-Bench多项测试表现亮眼。 💡Opus 5的性价比直接把Anthropic自家产品线打乱了 3. 蚂蚁百灵发布Ling-3.0-flash原生混合推理模型，124B总参数但仅激活5.1B，在传统推理、指令遵循与长文本上对标甚至超越上代旗舰。 💡蚂蚁在推理效率上的追求已经卷到了极致 4. Black Forest Labs发布FLUX 3多模态基础模型，联合训练图像、视频和音频，单次生成20秒视频带原生音频，视频预测占训练算力95%以上，与机器人公司mimic合作推进具身智能。 💡95%算力押注视频 5. Runway Agent推出自然语言工作流功能，用自然语言构建、运行或编辑基于节点的工作流。 6. 百度搭子更新支持电脑手机接力、桌面端内嵌浏览器上线，复杂任务可跨端连续执行。 💡电脑上没干完的活手机接着干 7. OpenRouter上线Classifiers测试版，支持自定义分类法自动标记每次AI请求的任务类型、部门归属、合规状态等。 💡AI调用量大了之后连账都算不清 8. 英伟达、微软和Meta联合警告应避免对开放权重模型过度监管，否则将削弱美国AI竞争力。 💡别把开源模型管死了，不然美国AI要被自己人卡脖子 9. Kimi K3在网络安全漏洞利用测试中大幅落后美国前沿模型，ExploitBench得分32.2%对比76.3%，知识蒸馏或为原因。 💡编程跑分第一但安全测试垫底，K3的偏科比想象中严重 10. 佛州男子因相信ChatGPT拒绝就医险丧命，起诉OpenAI及Sam Altman。ChatGPT-4o多次建议无需就医，致其双肺血栓引发大面积肺栓塞。 💡AI的医疗建议第一次闹出人命诉讼了，ChatGPT这个无需就医这个傻逼建议太行了 11. Anthropic联合Andon Labs发布Drone-Bench，评估AI模型自主操控无人机在室内定位追踪指定人员的能力。 💡先进的战争生产力 12. Anthropic为Claude Opus 5和Fable 5删除了Claude Code超过80%的系统提示词，新一代模型的上下文工程规则正在被重写。 💡模型越强需要的指令越少 13. Claude-thermos通过本地反向代理监控Claude Code会话，在主智能体空闲超5分钟时自动发送预热请求刷新缓存，避免重新编码费用。 💡智能体等人也能烧钱？ #AI# #人工智能#

Google Developer 这场圆桌干货真多。 Google Developer 这场圆桌讨论含金量非常高，推荐所有的程序员和产品经理都可以看看。 几位嘉宾都是谷歌非常资深的工程师和管理者，他们分享了各自对接下来程序员职业发展的看法，应该是我今年听过最有见地和接地气的判断了。 下面是我的笔记： 1、程序员应该主动放下对语法的执念。过去学习一门语言，往往要花大量时间记忆各种语法细节。 现在这些工作越来越适合交给 AI。真正值得投入精力的，是理解这门语言为什么这样设计、适合解决什么问题，以及不同技术方案背后的取舍。语法越来越容易获得，判断力反而越来越稀缺。 2、Senior Engineer 的定义变了。过去资深工程师的价值，是能写出别人写不出来的代码。 现在资深工程师的价值，更多体现在理解复杂系统、拆解复杂问题，以及做出正确的权衡判断。 面对同一个需求，他知道哪些方案适合业务长期发展，哪些方案只是看起来很先进，实际却会带来新的复杂度。 3、AI 正在模糊职业边界。谷歌有团队做过一次统计，一周时间里，软件工程师大部分时间都在补文档、写设计文档，而 UX Researcher 反而开始写代码。 过去很多需要跨团队协作的事情，正在被 AI 压缩到一个人身上完成。 确实，AI 会让每个人获得一些跨领域能力，但大多数时候只能达到入门水平。产品经理能写一点代码，工程师能做一点设计，研究员能做一点原型。 但真正的竞争力，依然来自自己专业领域里的高级判断力。 4、AI 时代，内部文档的重要性反而在上升。当团队开始大量使用 Agent，相当于团队规模突然翻倍，而且新增成员几乎没有任何背景知识。 如果设计决策、业务规则和历史上下文没有被记录下来，再聪明的 Agent 也很难发挥作用。 5、AI 时代最危险的事情是把思考让渡给 AI。 很多人现在写代码的方式是，把需求告诉给 AI，让它生成，错了再让 AI 修改。 时间久了之后，系统虽然还能运行，但自己已经说不清楚为什么这样设计、为什么这样实现。 这就是所谓的 Cognitive Debt。 AI 给出答案之后，不验证、不质疑、不追问，直接接受，表面上效率很高，实际上是在逐步放弃自己的判断能力。 短期看是在省时间，长期看是在搭纸牌屋。等系统真正出问题的时候，你会发现自己根本不知道它为什么会这样工作。 6、以前开发者负责的是实现路径，诸如用什么语言、什么框架、怎么写每一行代码。 现在越来越多时候，开发者要描述的是 end state，也就是最终想要什么。 你要把问题、目标、约束、边界、质量要求讲清楚，然后让 AI 去实现。 但这件事没那么简单。不是随便写一句 prompt 就完了。 你得非常清楚地知道：什么叫 done，什么叫 good，用户真正要解决什么问题，系统要满足哪些质量标准。 比如功能正确只是 done 的一部分，性能、可访问性、交互体验、稳定性，也都应该写进意图里。 7、架构能力正在往下沉。以前可能只有高级工程师、架构师才经常考虑系统拆分、模块关系、通信方式。 现在只要你用 Agent，你就得想这些问题。 比如，一个任务应该交给一个 Agent 跑一天，还是拆成十个 Agent 各跑一小时？哪些任务适合后台跑？ 哪些任务必须人盯着？一个 Agent 的职责边界在哪里？多个 Agent 怎么协作？这些都已经变成普通开发者也要面对的问题。 8、很多人把 AI 当工具用，但更高阶的玩法是把 AI 当成一个持续成长的协作者。 真正有价值的动作，是分析 Agent 的错误。Agent 为什么会犯这个错？是上下文缺失？规则不清晰？还是需求本身有歧义？ 很多人遇到错误之后第一反应是赶紧修复。 但优秀的工程师遇到错误之后第一反应是总结。因为修复一次错误，只能解决今天的问题。理解错误产生的原因，才能解决未来的问题。 9、一个特别实用的方法，是把 AI 当成一个专门挑刺的导师。 代码写完之后问它：我漏了什么逻辑没？哪里会出问题？别人会怎么反对这个方案？文档写完之后也问同样的问题。 很多时候最有价值的，是让 AI 帮我们发现自己看不见的盲区。 10、不要把忙碌误认为生产力。 很多人喜欢吹嘘说自己同时启动了 20 个 Agent 干活，并行在干 10 个任务，看起来很厉害。 理论上确实可以同时开很多个 Agent 干活，但人的注意力不能并行。Agent 多了以后，我们可能会花大量时间分配任务、检查结果、修正方向，最后看起来很忙，其实生产力不一定高。 真正重要的能力，是知道哪些事情应该交给 Agent，哪些事情必须自己深度参与。 忙碌和有产出是两回事。 11、不要试图跟上所有变化。AI 时代很容易陷入一种错觉，好像每天都有新工具出现，自己只要慢一步就会被淘汰。 一个具体的方法是，给自己设定固定的实验预算。比如每个月认真研究一个工具，或者每周固定留出几个小时做实验。 适合自己的就留下，不适合自己的就快速放弃。 变化越来越快之后，真正重要的能力已经不是追热点，而是筛选热点。