原材料价格震荡不安 运动服饰企业纷纷押注废旧纤维回收领域
知名运动装企业露露乐蒙（Lululemon）入局法国创新公司Syntetica的A轮融资，规模达3000万美元。这家初创企业突破性地开发出尼龙循环利用新技术：尼龙因卓越性能难以被取代，然而其回收再生却长期面临技术瓶颈。Syntetica掌门人Marco Bertone透露，消费者丢弃的纺织废品成分繁杂，尼龙6与尼龙66两类材质难以实现机械化分拣，而该公司技术可同步处理这两类尼龙材料实现再生利用。大量服装最终归宿是垃圾填埋场。时尚品牌之所以大力推进循环经济模式，首要考量是维护品牌形象与消费者认知，高端服装企
AI编程智能体的进化之路：用循环工程构建可靠代码生成系统
许多开发团队已将AI融入编码环节，但阻碍实际应用的关键并非模型智能不足，而是我们仍采用“单次生成、人工补救”的方式来驾驭一个本质上高度不可预测的系统。AI能产出一个看似无误的修复方案，不代表它能在真实工程链条中稳定输出正确成果；它能通过单元测试，也不意味着它能跨越依赖、配置、迁移、权限、灰度、回滚等生产环境障碍。正因如此，当AI编程真正步入生产场景后，重心会从提示工程逐渐转移到循环工程。前者聚焦于“怎样让模型更擅长应答”，后者则关注“如何让智能体在多次失败中持续收敛，并且始终在受控边界内运作”。如果说提示
AI技术报告错误解析：废水循环量计算失误及环评监测报告初审
问题一：**废水循环用水量核算存在偏差-背景：涉及P12页的“表2-7项目用水及排水一览表”以及P13页的“水平衡图”。-表格分析：**用水总量1.84m³/d，废水产生量1.656m³/d，然而回用水栏填写的却是1.656m³/d。这里需要明确，循环水的含义是本工序内部回用，并非新增水量。-图示矛盾：水平衡图里循环水被标注为1.796 m³/d，而表2-7中回用水却是1.656m³/d，两者数据存在出入。-逻辑梳理：**平台循环水系统，应补充新鲜水0.184m³/d（用于损耗），同时循环利用1.656m
智能时代，货币将走向何方？
眼下的人工智能领域，存在一个引人深思的矛盾：模型技术日新月异，AI已能胜任写作、编码、数据分析、方案设计，甚至接手以往需多人配合的繁杂任务，然而企业、政府乃至整个社会的运转效能，似乎还未展现出同等的飞跃；与此对应，我们也未见证劳动生产率和财富创造实力迈入一个崭新纪元。症结或许不全在AI自身，而在于支撑它的“组织架构”，仍深陷工业时代的窠臼。现代企业的内部结构，本质上是基于人类信息处理能力受限、跨部门协调成本高昂的背景下成型的，公司被划分成多个分支，依靠层级传递来维系。这种组织模式曾极具成效，但它也意味着，
自立自强与对外开放协同推进中国式现代化
◇推进中国式现代化，必须坚持独立自主、自立自强，坚持把国家和民族发展放在自己力量的基点上，坚持把我国发展进步的命运牢牢掌握在自己手中。 ◇把握好自立自强与对外开放的辩证统一关系，让二者相互促进、同向发力，有利于以高水平自立自强筑牢发展根基，以更高水平对外开放拓展发展空间，在统筹国内国际两个大局中，不断提升我国的综合国力和国际竞争力，为实现中华民族伟大复兴的中国梦提供坚实支撑。 ◇正确处理好自立自强与对外开放的关系，更好推进中国式现代化伟大事业，需要把握四个关键点。 党的十八大以来，以习近平同志为核心的党中
AI自动化核心在于明确循环逻辑
工作流实战指南避免Agent盲目执行AI自动化成功的关键：精准定义工作循环预计阅读时长约 4 分钟快速阅读 · 精简版AI自动化项目频频受挫，根源往往不在模型本身，而在于workflow spec不够明确。loop-me的价值在于通过持续提问，将“每天帮我整理信息”这类笼统需求，转化为触发条件、输入输出、判断依据和人工审核节点都清晰明确的工作流规格说明书。完整阅读 · 全文版第一部分自动化项目为何越做越复杂？当前许多人提及AI Agent，便急于配置工具、设置触发器、制定定时任务和自动回复机制。流程虽然运
AI机器人技术前沿 | 智能体驾驭与具身机器人的融合探索
开篇：随着具身智能与通用智能体技术加速落地，智能体驾驭框架与实体机器人之间的融合交互成为行业聚焦的关键方向。两者在调度逻辑、硬件适配、任务协同等方面存在大量技术冲突与整合难题，这同样是制约具身机器人规模化应用的核心瓶颈。本文由黄浴博士（深耕自动驾驶、机器人智能体、具身智能领域二十余年，兼具海内外顶尖大厂研发负责人，现任清科灵境资深专家，为清科灵境研发团队提供技术指导与关键难题攻关支撑）执笔，结合一线研发实践，系统拆解智能体驾驭与具身机器人碰撞产生的各类技术问题、适配思路与落地方案。作为本系列技术分享开篇，
AI Native 的真相：重写组织的运转逻辑
AI in Company 和 AI Native，不是一回事我最近越来越觉得，很多企业对 AI 的理解，卡在一个很微妙的位置。它们不是不用 AI。相反，它们可能买了很多账号，上了很多工具，开了很多培训，也统计了很多使用率。但组织的基本运转方式没有变。原来怎么开会，现在还是怎么开会。原来怎么审批，现在还是怎么审批。原来怎么分工、汇报、复盘、追责，现在还是怎么来。AI 只是被塞进旧流程里，承担一部分“加速器”的角色。这更像是 AI in Company。公司里有 AI，但公司本身不是 AI Native。A
南京大学研发新型电解液 助力锂金属电池提升容量与寿命
7月8日，记者从南京大学获悉，该校周豪慎教授课题组成功研发出一款新型电解液，能够在显著提高锂金属电池能量密度的同时，大幅延长其循环使用周期，有望加速该储能技术的商业化落地。国际权威期刊《自然》于8日在线刊发了此项研究成果。周豪慎表示，锂金属电池因能量密度突出，被视为下一代电动汽车及消费电子设备的优选电源。然而，传统电解液与该电池负极材料兼容性较差，不仅会损害电池寿命，还会诱发针状锂枝晶在电极表面生长。一旦锂枝晶刺破隔膜，极易引发短路，严重时甚至导致起火事故。近年来，业界普遍倾向于采用"局部高浓度电解液"方
AI神话破灭：理性审视当前技术边界与产业困局
2026褪去神话滤镜：理性看清AI的价值边界、产业循环与未来01市场回顾2026.7过去一周（20260628-20260705）国际股市震荡转强，国内A股与港股先抑后扬，重新上涨，只是港股表现更强。7月3日万德全A收盘6995点，一周小幅上涨0.20%，上证指数收于4044点，上涨0.41%。恒生指数上涨2.99%，恒生科技指数上涨5.72%，港股扭转前几周下跌态势，强劲反弹。与上周行情类似，全球AI产业链经过几个月的大幅上涨，目前已经显露疲态，进入震荡状态，韩国股市的震荡更为明显，三星与海力士的波动很
智能体系统的四大核心架构
本质上，智能体就是一个While循环，其内部执行模型运行、工具调用和上下文组装，直到不再需要工具调用时终止。整个循环实际上包含四个工程层级：提示词工程、上下文工程、Harness工程和Loop工程。提示词工程定义了模型在单次调用中接收到的输入，通常由角色、指令、示例和输出格式组成。根据接收到的文本信息，它可以改变模型内部的计算和推理方式。常用技巧包括：少样本提示、思维链提示、提示分层、角色规范提示、反向提示、结构化提示和ARQ推理查询、自洽性抽样等。上下文工程包含了模型在回合中看到的所有内容，而不仅仅是提
AI产品纷纷聚焦"循环"：智能体Loop究竟是什么？
比特原点 · AI Agent / 智能体 / 工程化大模型刚兴起时，大家关注的是"它能否给出答案"。到了智能体时代，真正关键的问题变成了：它能否自主查看结果、调整计划、运用工具、重新尝试，并且准确判断何时该终止。过去一年，"智能体"这个词被提及得过于频繁。各类产品都声称自己是Agent，各类框架都在讨论Agent，各类演示都在暗示：未来只需说一句话，AI就能帮你完成所有事情。但剥去宣传的外衣，智能体最核心的东西并没有那么神秘。它不是一个更擅长对话的机器人。它也不是一个套了系统提示词的问答界面。它真正新增
AI与塑料的关联：被忽视的增长机遇
从AI服务器、人形机器人到数据中心，洞悉未来增长最快的工程塑料与循环材料AI正在深刻改变世界。多数人认为，AI时代最大的受益者必然是GPU、芯片、服务器、电力和数据中心领域。然而，很少有人关注到，AI产业链背后还隐藏着一个重要赢家——高性能塑料。从AI服务器，到机器人，再到自动驾驶、新能源汽车、人形机器人，未来数年，高性能工程塑料和循环再生塑料都将迎来新的增长契机。那么，AI究竟需要哪些塑料？很多人认为：AI就是软件。事实并非如此。真正支撑AI运行的是：几乎所有AI硬件，都离不开塑料。原因在于：塑料具备：
智能检测+健康实体:利用数据循环构建客户信赖
2025年，国际智能健康监测领域规模突破八千亿人民币，中国市场占比约为35%。同期，国家五个部门共同出台《有关推进和规范"人工智能+医疗健康"应用落地的指导办法》，清晰指出至2030年基础诊疗智慧辅助功能将广泛部署，支持开展智慧体检、健康维护等创新服务模式。政策助力与广阔市场交汇，健康类实体店铺正迎接一次系统性升级契机——通过智能检测工具，从"经验驱动销售"转变为"数据驱动服务"。四亿高血压高血糖高血脂群体、六亿慢性病管理对象——这不是遥远的统计，而是每家健
AI使用指南：多数人卡在第一步，不是技术问题，而是不知道让AI做什么
核心关键词：AI应用、AI能做什么、AI使用场景、AI落地"AI到底能干什么？"这个问题被问及的频率，远远超过了"AI怎么用"。很多人下载了DeepSeek、Kimi、豆包，兴致勃勃地打开对话框，盯着光标发呆几分钟，然后默默关掉了页面。不是AI不好用，而是不知道让AI做什么。我在观察大量公开AI使用案例时发现，绝大多数人不是被技术门槛难住，而是被"任务识别"门槛难住。换句话说，AI应用的第一步，不是学会提问，而是发现哪些任务值得交给AI。这篇文章给你一个判断