之前介绍过 Google 发布的在线笔记 NotebookLM ，也介绍过 Google 发布的知识学习 Learn About ，Google 虽然在 AI 上落后了 OpenAI 一节，但是内部的各个团队一直都在探索 AI 的不同能力。今天要介绍的就是 Google 刚推出的图片生成工具 Whisk，Whisk 和其他图片生成模型 [[DALL E3]]、 [[Stable Diffusion]] 、[[Midjourney]] 有所不同，抛弃了通过文字生成图片的模式，而是通过图片和图片组合，合成来生成新的图片。
Google Imagen 3
Read more ...
前两天看到字节也发布了一款基于 Claude Sonnet 3.5 的 IDE，起名叫做 Trae（这个名字是 The Real AI Engineer 的缩写），对标我之前介绍过的 Cursor，Windsurf 等等代码编辑器，都是以 AI 为切入点，辅助进行编码，不仅可以进行自动代码生成补全，还可以理解上下文，通过超长的 Context 提供多文件生成修改的能力。
字节在 AI 上的布局不仅包括了经常被提起的豆包（聊天助手，对标 ChatGPT 等），还扣子（对标 Coze，Dify 等），即创剪映等视频内容生成功能，而现在通过 Trae 补齐了
Read more ...
之前的文章中介绍过 AI 支持的编辑器 Cursor，还介绍过 Codium 推出的 AI 智能编辑器 Windsurf，很早之前也介绍过如何在 JetBrains IntelliJ IDEA 中使用 GitHub Copilot 以及如何在命令行终端下使用 GitHub Copilot CLI 可以在终端下完成一些 AI 智能补全，提示等等操作。
今天我要来介绍另外一款基于终端，以及 VS Code 的 AI 编程辅助工具 [[Cline]]。
Cline 是一款 AI 辅助编程的，借助 Cline 可以实现 AI 自主编码，可以创建编辑文件，执行
Read more ...
Meta Muse 使用教程：上手设置、提示词技巧与实用案例
上一篇 Meta Muse 介绍与注册指南：一个会替你跑腿的个人 AI Agent 把 [[Muse]] 是什么、怎么注册、额度怎么算都整理了一遍，但是留了一个结尾：注册完之后到底该让它干什么。Muse 上线这几周，我查阅了一些测评体验，整理了 X 和 Threads 上用户晒出来的用法，发现大家的使用路径其实很像：从提醒和文件这类零风险的任务开始，确认它靠谱之后再慢慢接入邮箱、日历，最后才让它碰钱。这篇就按这个顺序来整理，从界面和设置讲起，再到具体的案例和踩过的坑。
Meta Muse 介绍与注册指南：一个会替你跑腿的个人 AI Agent
2026 年 9 月 8 日，[[Meta]] 发布了个人 AI Agent [[Muse]]，宣传语只有一句：「它去做，而不是告诉你怎么做」。用 [[ChatGPT]] 或 [[Claude]] 时，我们得到的往往是一份说明书，真正动手的部分，打开网页、填表单、下单付款，还得自己来。Muse 想把这一段也接过去：你交给它的不是一个问题，而是一件事，它会自己打开浏览器一步步做完，需要你拍板时再回来问你。这是 Meta 迄今为止在消费级 AI 上下的最大一笔注，两周后的 Connect 2026 大会几乎整场都围绕它展开。
Jev：不聊天只做判断的 System One 决策模型
过去一两年，大模型的发展方向几乎都是更长的思考链、更大的上下文、更强的 Agent 能力。但在日常写代码和搭建自动化流程的过程中，我发现很多地方用到大模型，其实只是为了让它做一个简单的判断，却要付出几秒钟的等待和解析 JSON 的麻烦。TypeSafe AI 发布的 Jev 走了一条相反的路：不聊天、不写代码，只做快速的判断。
Executor：多 Agents 和外部世界之间的统一代理层
同时使用 Claude Code，Codex，Pi，OpenClaw 等等 Agent 工具时有一个非常尴尬的状况，就是不同的 Agent 工具维护了不同的配置格式，如果要配置 MCP server 就需要分别到不同的配置文件中定义，相同的配置散落在系统的各个角落中。同一份 API Key 也需要重复粘贴到不同的配置中，更麻烦的是如果一旦有更新或者 API Key 变动就需要重复修改多个地方，我之前还调查过如何[[跨平台管理 MCP]]，主要的思路还是通过脚本和同步来对齐配置，但本质上还是在管理多个副本，直到我看到了 Executor 这个项目。