AI日报：开源模型降本，企业争抢上下文入口
2026年6月25日 先看结论 今天的AI新闻有两条主线特别突出：一条是模型能力持续下沉，开源模型将长任务、代码和智能体成本不断压缩；另一条是企业AI开始争夺“上下文入口”，谁能接入团队消息、代码、文档和业务系统，谁就更容易成为日常工具。 AI竞争正从“谁更会回答”转向“谁更懂现场”。模型需要能处理长任务，应用需要能融入团队上下文，基础设施需要能支撑成本，物理AI需要能被验证和管理。 今日五大方向 01｜大模型与产品：Z.ai 发布 GLM-5.2，开源模型继续逼近长任务场景（Z.ai）。 02｜算力与基
AI Agent如何实现真正应用
去年商业闭源Manus与字节开源AI工作流编排Coze爆红，今年免费开源Openclaw及Hermes走红，腾讯主推的Work Buddy同样备受瞩目。然而大众依然认为AI Agent表面在飞速迭代，可实际投入工作时却总显得力不从心。为此我为大家整理分析，Agent究竟需达成哪些条件，方可切实应用落地。撰写完本文，我深有感触，AI Agent的落地，依旧维持我去年的判断：2026年，原型用2027年，项目用2028年，产品用 （1）个性化记忆 当前Agent在个性化记忆维度表现皆佳： Hermes的自动智
“会用AI”和“会用AI思考”之间的本质差异
如今不少人都在使用AI。会向它提问，让它撰写文案、归纳要点、优化标题，甚至请它协助制定方案、准备汇报、起草初稿。表面上看，似乎人人都迈入了“会用AI”的行列。然而，“会用AI”和“会用AI思考”完全是两个概念。前者涉及工具操作层面，后者关乎思维质量层面。能够使用AI的人，通常已具备一项基础技能：懂得如何将任务交给工具，从而更高效地产出结果。这确实有其意义。但若使用AI的方式仅停留在“替我写”“替我搜”“替我整理”“替我汇总”的阶段，那本质上仍属于效率层面的应用。你收获的是更快的产出，却未必带来更深的认知。
AI并非不管用，关键在于如何提问（Prompt指南）
你有没有发现：同样是使用AI，有人三分钟就能拿到一份可用的内容，而你问来问去，AI却只回你一堆正确但毫无用处的话。很多时候，并非AI不够聪明，而是我们给它的指令太模糊。Prompt这个词听起来像技术术语，其实并没有那么神秘。它就是你向AI说的话。你说得越明确，AI就越不用猜；你说得越笼统，AI越容易给你一份“看似很努力，却完全不匹配”的答案。可以把Prompt理解为给AI的一张“任务清单”。你输入的问题、提供的背景、附上的资料、要求的语气、规定的格式，都属于Prompt。比如“帮我写一封邮件”是一条Pro
AI时代,真正改变格局的是会用AI挖掘存量的人
这恰恰是AI时代最容易被忽略的关键：如何运用AI工具去发掘已有的数据资源。AI的核心能力往往不在于凭空构建新蓝图，而是将历史论文、档案数据、往来邮件、合同文本和实验记录重新串联，揭示那些被信息孤岛、思维惯性及人工检索局限所遮蔽的规律、异常与机遇。真正有价值的AI实践，并非“让AI替我给出答案”，而是“借助AI从十年积累的资料中，挖掘出过去未被系统识别的重要线索”。
神舟二十三号航天员在中国空间站积极开展任务
在中国这座“四季如春”的空间站中，神舟二十三号航天员正有条不紊地执行着预定任务。让我们一起走近他们的日常工作。
AI 不淘汰专家，只淘汰不懂 AI 的专家
AI 不会淘汰专家，但会淘汰不会用 AI 的专家 近期一种观点颇为流行——在 AI 编程时代，专业知识的价值已大幅缩水。只需会表达，AI 便能代写代码，技术懂不懂已无关紧要。事实果真如此吗？ 上周，Anthropic 发布了一项基于约 40 万段 Claude Code 会话、覆盖约 23.5 万用户的数据研究报告。时间跨度从 2025 年 10 月延续至 2026 年 4 月。这是我见过的最为扎实的 AI 编程行为数据。 研读之后，我的结论是：这场所谓的"颠覆"论调，可以休矣。 许多人眼
AI开发高效指南
控制CLAUDE.md大小，懒加载非关键内容。仅保留当前项目必需的规则。大文件分段处理。每次只向AI展示相关片段，别全盘提交代码库。新话题前用/clear清空上下文。别指望AI记住十轮前的对话。一个prompt只完成一个任务。"重构项目"不如"将UserService中的同步逻辑改为异步"。将复杂任务拆解为子任务，逐项让AI完成。每完成一项确认后再继续。先让AI制定计划，再执行。花5分钟规划，胜过盲目编码。建立清晰的验证循环，减少AI反复试错。写完立即运行测试，别堆积代码再
GissingAI入门①｜懂得提问，AI才能真正派上用场：如何写出一个好问题？
不少人在初次接触 AI 时，往往会这样提问：帮我写一份通知。AI 自然会给出回应。然而它产出的内容，表面上看起来完整，实际上却难以直接使用：受众不明，时间缺失，要求模糊，语气也不符合公司内部通知的规范。问题未必出在 AI 身上。多数情况下，是我们没有把需求描述清楚。本篇只聚焦一个技巧：情境 + 意图 + 素材 + 呈现形式今后向 AI 提问时，先把这四项交代明白，输出质量会立刻提升。与 AI 沟通的关键，不在于测试它是否足够聪明，而在于把任务描述到位。你越像在给同事布置工作，AI 越能输出可用的结果。你只
AI任务分三档：新手快速上手指南
蜜桔AI学堂 · 新手模板新手用 AI，先不要纠结哪个模型最强。先把任务分成三档。适合交给 AI 快速处理。分类客户问题。 提炼会议要点。 整理资料目录。 归纳评论区高频问题。这类任务目标是节省时间，不需要过度追求完美。这类任务需要给 AI 更多背景。写一条朋友圈。 写一段短视频口播。 改一版产品介绍。 生成一篇初稿。你至少要给它三个东西：资料、风格样本、不能越过的边界。这类任务不能完全交给 AI。要不要买某个工具。 要不要改产品方向。 要不要做一个活动。 客户为什么没有成交。AI 可以给你依据、风险和备
放弃囤积AI应用，未来属于管理AI职员
近期探讨 AI ，往往容易产生一种倦怠感： 今天有人安利 10 款写作神器，明日有人汇总 8 款 PPT 利器，后日又涌现一堆检索、表格、会议记录应用。 收藏夹日益臃肿，工作量却未必减轻。 根本原因在于：实际工作并非工具罗列，而是一套业务流程。 你并非缺少一款“撰写周报神器”，你匮乏的是从工作留痕、会议决议、项目进度直至周报定稿的完整链路。你也不是缺少一款“会议提炼神器”，你匮乏的是将纪要转化为待办事项、责任人、期限及追踪提醒的闭环机制。 AI 办公的核心变革，并非工具数量增加，而是 AI 开始从“协助你
AI浪潮席卷家庭消费场景
昨日，八部委联合发布的"人工智能+消费"实施方案持续引发关注。该政策涉及AI手机与电脑、智能家居、可穿戴设备、智能网联汽车、人形及陪伴机器人等多个领域，并将居家康养、养老服务、文旅休闲、教育培训、零售商业与物流配送确定为重点发展方向。文件同时明确了财政补贴、首发平台建设、标准规范制定以及数据安全保障等配套措施。核心意义在于：AI的产业发展逻辑正从大模型和算力资源向终端设备迭代、服务型消费以及城市数字基础设施延伸。真正的市场增量将取决于后续补贴标准、试点项目推进进度以及产品实际落地效果。意大利米兰某医疗机构
AI科普：为何对话越久，AI显得越笨？
事情的经过是这样的。不少朋友初次深度体验 AI 时，常会碰到一个令人费解的状况。起初交流时，它相当机智，响应迅速，也能精准领会你的意图。你叫它润色一段文字，它清楚你的诉求。你叫它梳理一份策划，它也能顺着你的逻辑延伸。然而随着互动深入，感觉就不对了。你明明先前否决了某个思路，它后续却又把该思路捡回来。你明明早已更换了标题，它却又围绕旧标题做文章。你叫它继续打磨稿件，它越改越像把此前的所有版本揉成了大杂烩。你批评它一句，它态度诚恳地认错。没过几个回合，它故态复萌。此时许多人的直觉反应是，搞什么鬼，这 AI 怎
一文读懂《“人工智能+信息通信”创新发展实施意见(2026—2028年)》
近期，工信部印发了《“人工智能+信息通信”创新发展实施意见（2026—2028年）》（简称《实施意见》）。为了更透彻地领会与执行该文件，特作如下解读。一、《实施意见》出台的背景是什么？如今，人工智能技术加速演进，正深度融入实体经济，成为驱动产业升级和重塑全球竞争格局的关键变量。中央高度重视，在“十五五”规划中提出全面实施“人工智能+”行动，全方位赋能各行各业。国务院发布相关意见，推动AI与科技、产业、消费、民生等领域的广泛融合。与人工智能融合创新已成为信息通信行业的核心趋势，主要体现在“应用AI、支撑AI
企业AI核心：学会交接，而非盲目提问
原创 九天青年工作室 2026-06-20AI正在从单纯的“回答疑问”，转变为“承接具体任务”。这绝非空谈。近期多方的技术动态显示，趋势已定：微软在Build 2026上聚焦于让智能体掌握企业信息、会议邮件及工作系统；Gartner将企业级AI编程智能体定位为从代码补全演进至覆盖软件全生命周期的系统；OpenAI也将Codex置于企业编程智能体范畴，强调其能读懂代码库、调用工具、调试代码并提交结果供人工核查；Intel的SuperClaw则侧重本地与云端结合，确保敏感高频任务在终端或边缘处理。这些来自不同