AI 资讯 🤖

2026-07-03 | 自动收集

1. 阿里发布 Page Agent：通过自然语言操控网页界面的 JavaScript 智能体

阿里巴巴推出 Page Agent，一个基于 JavaScript 的页面内 GUI 智能体，能够直接通过 DOM 操作理解并控制网页界面。用户只需用自然语言描述目标，Agent 即可自动点击按钮、填写表单、导航页面，无需依赖视觉模型或浏览器扩展，为网页自动化提供了更轻量、更精准的解决方案。

• 来源: MarkTechPost

2. Simon Willison 发布 llm-coding-agent：零配置的 LLM 编码助手

知名开发者 Simon Willison 开源了 llm-coding-agent，一个可与他的 llm CLI 工具配合使用的编码 Agent 插件。该工具能够在命令行环境中直接调用 LLM 完成代码生成、重构和调试任务，强调极简配置和与现有 Shell 工作流的无缝集成。

• 来源: Simon Willison

3. Anthropic Fable 回归全球市场

Anthropic 的 AI 创意写作工具 Fable 在经历区域性下架后，现已重新面向全球用户开放。Fable 专注于协助小说家和编剧进行故事创作、角色发展和情节推演，此次全球回归标志着 Anthropic 在垂直创作工具领域的持续投入。

• 来源: The Rundown AI

4. ByteDance 发布 Seed2.0 模型卡：迈向真实世界复杂性的智能前沿

字节跳动（ByteDance）在 arXiv 上发布了 Seed2.0 模型技术报告，详细介绍了该模型在应对真实世界复杂性任务上的能力边界。Seed2.0 在推理、规划和多模态理解方面取得显著进展，标志着国产大模型在追求通用智能（AGI）道路上的又一重要里程碑。

• 来源: arXiv

5. RAG-Anything 教程：在 Colab 中构建多模态检索管道

一份详尽的教程发布，指导开发者如何在 Google Colab 中从零构建支持文本、表格、公式和图片的多模态 RAG（检索增强生成）管道。该方案整合了文档解析、多模态嵌入和跨模态检索技术，为需要处理复杂混合文档的企业知识库应用提供了实用参考。

• 来源: MarkTechPost

6. Google Health API 获得开源 CLI 工具 ghealth

开发者社区推出了 ghealth，一个针对 Google Health API 的开源命令行工具，可方便地导出和管理 Fitbit 及 Android 健康数据。对于希望将个人健康数据集成到自建分析管道或本地备份的超级个体和量化自我爱好者而言，这是一个即拿即用的数据接口工具。

• 来源: MarkTechPost

7. RareDxR1：AI 在罕见病诊断上超越人类标注水平

研究人员发布了 RareDxR1，一种专为罕见病诊断设计的自主医学推理系统。该模型能够在缺乏充分人类标注数据的情况下，通过多步推理和知识整合完成罕见病的鉴别诊断，在多项基准测试中表现超越人类医生的平均水平，为医疗资源匮乏地区的罕见病筛查提供了新可能。

• 来源: arXiv

8. BaRA：基于 BFS 与反射的网页数据采集 Agent

研究者提出 BaRA（BFS-and-Reflection Agent），一种用于开放网页数据收集的新型智能体框架。该 Agent 结合广度优先搜索（BFS）和反射机制，能够在采集过程中自主评估数据质量、识别采集失败场景并进行自我修正，显著提升了大规模网络数据抓取的可靠性和完整性。

• 来源: arXiv

9. 《AI Native Games：综述与路线图》发布

一篇系统性综述论文全面梳理了「AI 原生游戏」（即由 AI 实时驱动核心玩法、叙事和世界生成的游戏）的研究现状与发展路径。论文分析了当前大型语言模型、生成式 AI 与游戏引擎结合的技术瓶颈，并提出了从辅助开发工具到完全自主游戏世界的演进路线图。

• 来源: arXiv

10. 用 DSPy 优化 Datasette Agent 的 SQL 系统提示

Simon Willison 分享了如何使用 DSPy（声明式语言模型编程框架）来系统性地评估和改进 Datasette Agent 的 SQL 生成提示。通过引入自动化的提示优化流水线，Datasette Agent 在复杂数据库查询的准确率和覆盖率上均有显著提升，为构建可靠的「自然语言到 SQL」应用提供了工程化方法论。

• 来源: Simon Willison