3 位 Java Champion 如何用 GitHub Copilot 提升生产力
3 位 Java Champion 分享了用 GitHub Copilot 提升生产力的实践。Vlad Mihalcea 借其把 Hypersistence Optimizer 事件历史应用开发从数周缩短到 2 天；Patrick Baumgartner 用它迁移 15 份演示、约 900 张教学幻灯片（Reveal.js 到 Marp）。他们强调仍需审查生成代码并验证结果。
#Agent
#Agent
今日 1 条GitHub Blog · AI & MLAI 评分3737
n8n ReleasesAI 评分4444 n8n 2.45.0 发布，修复 AI Agent、API 与编辑器多项问题
n8n 2.45.0 发布，修复 AI Agent、API 与编辑器中的多项问题。AI Agent Node 可在回放 Anthropic thinking turns 时携带 tool arguments，API 为 member API keys 的 executions 增加 projectId 过滤。编辑器还修正凭据下拉宽度、移除横向滚动，并支持 SSO 登录后返回请求页面。
GitHub Blog · AI & MLAI 评分3838 如何在 VS Code 中继续 GitHub Copilot 应用会话
GitHub Copilot 应用中的会话可直接在 VS Code 打开继续，对话、代码改动和工作上下文保持完整。教程涵盖逐行审查 diff、在 Copilot 侧边栏继续提问或修改、手动编辑，并用集成终端运行测试。完成后可将更新推送到该会话关联的 pull request。
GitHub Changelog精选AI 评分6767 GitHub 代码扫描告警的 Agentic autofix 正式可用
GitHub 的代码扫描告警 Agentic autofix 正式可用，把告警指派给 Copilot 后，它会检索相关文件、生成修复、重跑 CodeQL 验证修复确实关闭告警，再提交草稿 PR 供审查，PR 内含修复说明和验证步骤。
推荐理由：用 Code Security 的团队可把默认分支上的告警指派给 Copilot，先在一个仓库试点，观察草稿 PR 是否可合并。
NVIDIA BlogAI 评分4747 NVIDIA 宣布向英国创业生态新增投资，覆盖五家 AI 初创公司
NVIDIA 宣布计划投资 Boltz、Foresight、Hiverge、Prima Mente 和 Riverlane 五家英国 AI 初创公司，涉及生物分子建模、基础设施交付预测、算法自动发现、生物基础模型与量子纠错。
NVIDIA Blog精选AI 评分7575 NVIDIA 与 Microsoft 发布 RTX Spark 笔记本，并预览 Windows 版 DGX Station
NVIDIA 与 Microsoft 在旧金山活动上宣布，RTX Spark 把完整 NVIDIA AI 栈装进 Windows 笔记本和紧凑台式机，笔记本当日开启预售、10 月 16 日上市，台式机 11 月开卖。
推荐理由：需要离线跑智能体的团队可以在 RTX Spark 笔记本上本地运行 125B 模型，复用 CUDA 栈无需重写代码。
Hugging Face Blog精选AI 评分7474 H 公司发布 Holo4 智能体模型系列，含 27B 稠密版与 35B-A3B MoE 版
H 公司发布 Holo4 系列智能体模型，含 27B 稠密版与 35B-A3B MoE 版，已在 H Models API 上线并在 Hugging Face 开放权重。
推荐理由：业务团队可以用 H Models API 上的 Holo4 27B 跑桌面与 API 混合流程，先替代重复的点击录入。
Hugging Face BlogAI 评分5454 Hugging Face Hub 上线 RL Environments 筛选与框架标签
Hugging Face Hub 新增 RL Environments 专区，带 rl-environment 标签的数据集仓库会出现在新筛选中。首批注册的框架标签有 Harbor、Verifiers、OpenEnv 和 NeMo Gym，每个标签会在数据集页显示图标并生成对应的运行命令，且没有新增仓库类型、注册表或注册流程。
GitHub Blog · AI & MLAI 评分3030 GitHub Podcast 讨论 AI 热门观点：该不该读 AI 生成代码、RAG 是否已死、Skills 是否杀死 MCP？
GitHub Podcast 最新一期逐一回应“该不该读 AI 生成代码”“RAG 是否已死”“Skills 是否杀死 MCP”等 AI 热门观点。节目认为，开发者仍要对 AI 生成代码负责，但应按风险决定审查深度；Skills 与 MCP 解决不同问题，RAG 也并未死亡。它们可以与 AI 智能体共存于同一工作流，而不是互相取代。
Google DeepMind精选AI 评分7878 Google 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 实时语音模型
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时语音对话模型。
推荐理由：做语音客服的开发者可用 Gemini Live API 接入 3.8 Live，先小流量验证延迟和后台工具调用。
Hugging Face Blog精选AI 评分6565 Hugging Face 开源 funes，为编码 Agent 提供可自持的长期记忆层
Hugging Face 开源 funes，一个面向编码 Agent 的本地记忆层，支持 Claude Code、Codex、pi 和 Hermes。
推荐理由：同时用 Claude Code 和 Codex 的开发者可以装一次 funes，把本地历史会话索引成可召回的长期记忆，换机器或换 agent 时不用重贴上下文。
Google DeepMindAI 评分5757 Google 启动 Fairwind Program，向政府与企业开放 Gemini 3.8 Flash Cyber 漏洞修复能力
Google 启动 Fairwind Program，限量向政府机构、关键基础设施运营商和安全合作伙伴开放 Gemini 3.8 Flash Cyber 与 CodeMender 组合。
Google DeepMind精选AI 评分8181 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8 Flash 和面向安全防御者的 Gemini 3.8 Flash Cyber，延续 3.7 Flash 的价格，每百万输入 token 0.75 美元、输出 token 3.75 美元。
推荐理由：开发者可在 Gemini API 中用它跑长周期编码与智能体任务，先用低 effort 档位控制 token 成本。
Google Research精选AI 评分6868 Google 在 Google Earth AI 下推出行星预测引擎 PPE，自动执行地理空间建模全流程
Google 在 Google Earth AI 下推出实验性研究能力 planetary prediction engine（PPE），可由自然语言查询自主完成地理空间数据发现、特征工程、模型训练与评估，把原本需要数周的人工建模压缩到数分钟。
推荐理由：公共卫生或粮食安全方向的研究者可以用它把自然语言查询跑成地理空间预测模型，省去人工找数据与特征工程，但目前仍是实验性研究能力。
Google DeepMind精选AI 评分7575 Google 发布 Gemini 3.5 Transcribe 语音转写模型，流式 WER 4.0%
Google 发布语音转文字模型 Gemini 3.5 Transcribe，可直接把原始音频转成准确、带格式的书面文本，还能去掉口头语、处理自我更正并识别用户自定义词表。
推荐理由：开发者可以在 Gemini API 里用实时流式接口接语音客服或会议转写，先验证延迟和自定义词表效果。
Google ResearchAI 评分5858 Google Research 提出 AgentHands，为 XR 智能体生成与语音同步的手势
Google Research 提出 AgentHands，一个让 XR 中的 AI 智能体在说话时同步做出空间手势的研究原型，论文将在 CHI 2026 发表。
Hugging Face Blog精选AI 评分6666 IBM 详解 Granite 4.2 推理模型家族如何从预训练做到 Agentic RL
IBM Granite 团队发布 Granite 4.2 系列推理模型，含 3B、8B、30B 三个稠密尺寸，采用 Apache 2.0 许可，均由 Granite-4.1 base 后训练而来。
推荐理由：想在本地跑代码智能体的团队，可用 vLLM 起一个 OpenAI 兼容端点，把 Granite 4.2 30B 接进 OpenHands 或 OpenCode 试任务。
Google Research精选AI 评分6161 Google Research 推出 Biomarker Discovery Framework，从可穿戴数据中筛选候选生物标志物
Google Research 推出 Biomarker Discovery Framework，用多智能体在人类监督下把候选生物标志物筛选组织成迭代研究循环，并对候选做对抗校验。
推荐理由：做数字健康研究的团队可以照它的六阶段流程和对候选指标的对抗校验设计，把可穿戴数据的初筛交给多智能体，再人工复核。
Hugging Face BlogAI 评分5757 IBM Research 用 ALTK-Evolve 实测八个模型，Agent 记忆剂量要按能力校准
IBM Research 用 ALTK-Evolve 把 Agent 自身轨迹蒸馏成可复用指南，在推理时注入，不改权重也不需人工标注。在 AppWorld 的 585 个多步任务上，弱模型用核心指南加按任务检索最划算，gpt-oss-120b 任务完成率提升 16.1 个百分点而 token 只多 5%；DeepSeek-V3.2 用全量指南集提升 9.5 个百分点。
Hugging Face BlogAI 评分5050 用 Strands Agents、LeRobot 与 Hugging Face Storage Buckets 一站式录制、训练与部署机器人策略
AWS 开源的 Strands Robots 让同一个 Robot("so100") 录制 LeRobotDataset 并同步到 Hugging Face Storage Buckets，再从 Hub 流式读取训练，无需先下载完整数据集。
Google DeepMind精选AI 评分7777 Google DeepMind 发布 Gemini 3.7 Flash，编码与 Agent 能力提升，首发价减半
Google DeepMind 发布 Gemini 3.7 Flash，称其为面向编码与 Agent 的最强主力模型，距 Gemini 3.6 Flash 仅三周。
推荐理由：开发者可在 Gemini API 或 AI Studio 中接入 3.7 Flash，跑调试、代码生成和多步骤工具调用任务。
Google Research精选AI 评分7575 Google Research 发布 AMIE (Video)，支持实时视频问诊并引导体格检查
Google Research 发布 AMIE (Video)，基于 Gemini 和 Project Astra 实现实时视频问诊，可观察非语言线索、引导虚拟体格检查并同步推理诊断。
推荐理由：做医疗 AI 或远程问诊的团队可以借鉴它的三智能体异步分工，把实时对话与后台推理拆开再搭视频问诊原型。
Hugging Face BlogAI 评分5555 IBM Research 对比 ALTK-Evolve 与 ACE，弱模型上 token 成本约为其七分之一
IBM Research 对比其 ALTK-Evolve 与 ACE 两种 Agent 记忆方案在 AppWorld 上的表现。两者都不把历史经验压缩成摘要，区别在投递方式，ACE 每步注入完整 playbook，ALTK-Evolve 按任务检索少量 guideline。
Hugging Face Blog精选AI 评分7676 Meta 发布 30B 多模态模型 Muse Glimmer 并开源，主打本地智能体场景
Meta 发布 30B 参数的多模态模型 Muse Glimmer，采用 Apache 2.0 许可证，面向本地智能体场景。模型由 2B 的 Perception Encoder 视觉编码器和 28B 文本解码器组成，支持图像与视频问答、多模态工具调用和目标检测，另附可选的 DFlash 推测解码草稿模型。
推荐理由：想在本地跑智能体的开发者可用 transformers 或 llama.cpp 直接加载 30B 权重，先验证编码与工具调用场景。
Google Research精选AI 评分6262 Google Research 提出 Chain-of-Evidence，用证据链让自主科研产出可验证
Google Research 提出 Chain-of-Evidence 可验证性框架，并据此构建自主科研原型 Science One Framework，让论文里每条论断都绑定到真实代码、日志或文献。
推荐理由：做自动化科研 Agent 的团队可以用 CoE Audit 的四项检查自查产出，先拦住虚构引用和不可复现的分数。
Google DeepMind精选AI 评分6868 Google DeepMind 发布 Gemini Robotics ER 2，支持视频理解、任务编排与多机器人协作
Google DeepMind 发布面向机器人的具身推理模型 Gemini Robotics ER 2，作为机器人的高层大脑负责对话、多步任务规划与工具调用，再把动作执行交给下层 VLA 模型。
推荐理由：机器人开发者可通过 Gemini API 调用 ER 2，把 VLA 模型和导航 API 声明为工具，配合 GitHub 示例跑通取物流程。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber
Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite，以及面向代码安全的 3.5 Flash Cyber。
推荐理由：做生产级 Agent 的开发者可先用 3.6 Flash 压降单任务 token 成本，再用 Flash-Lite 承接高吞吐的检索与文档处理。
Google DeepMind精选AI 评分8383 Google DeepMind 发布 Gemma 4 12B 无独立编码器多模态模型
Google DeepMind 发布 Gemma 4 12B，一款不设独立编码器的统一多模态模型，视觉和音频输入直接流入 LLM 主干。它是其首个支持原生音频输入的中等规模模型，定位在 E4B 与 26B MoE 之间，基准表现接近 26B 模型，16GB 显存或统一内存的笔记本即可本地运行。
推荐理由：开发者可在 16GB 显存的笔记本上用 Ollama 或 LM Studio 本地跑它，做多模态和 Agent 原型验证。
Google ResearchAI 评分5252 Google 在 Gemini Enterprise Agent Platform 推出 Agentic RAG 跨语料检索
Google 在 Gemini Enterprise Agent Platform 上线由 Agentic RAG 驱动的跨语料检索，目前为公开预览。
Google DeepMindAI 评分5959 Project Genie 接入 Street View 实景生成，向全球 Google AI Ultra 订阅者开放
Google DeepMind 为实验性原型 Project Genie 加入 Street View 实景锚定能力，可把生成的可交互世界绑定到真实地点。用户在美国地图上选点、挑风格（Ocean World、Desert Sands、Stone Age、B&W film 等）并描述角色后，Genie 会生成以该地点为起点的可探索场景，目前仅支持美国境内地点。
Google DeepMindAI 评分4848 Google DeepMind 与新加坡政府启动国家 AI 合作，聚焦医疗、科研与教育
Google DeepMind 与新加坡政府启动国家 AI 合作，聚焦医疗与生命科学、科学发现和教育。合作预计到 2040 年通过加快 R&D 为新加坡额外创造 33 亿新元（25 亿美元）经济价值。其将向所有中小学至初级学院教育者提供 Gemini for Education，并与 SG Enable 测试基于 Gemma 的低视力跑者辅助工具。
Google DeepMindAI 评分5151 Google DeepMind 的 Co-Scientist 加速发现 MASH 肝病机制
Google DeepMind 介绍爱丁堡大学团队借助 Co-Scientist 推进代谢功能障碍相关脂肪性肝炎（MASH）的机制研究。该系统综合肝生物学与药理学证据，指出值得关注的机制，并提出可供团队测试的候选组合疗法。
Google DeepMind精选AI 评分8787 Google DeepMind 发布 Gemini 3.5 系列，3.5 Flash 今日上线
Google DeepMind 发布 Gemini 3.5 模型系列，首个上线的是 3.5 Flash，已在 Gemini 应用、搜索 AI Mode、Gemini API、Google AI Studio、Android Studio 和 Google Antigravity 中可用。
推荐理由：开发者可在 Google Antigravity 或 Gemini API 里调用 3.5 Flash，先替自己跑一遍长周期编码和多步 Agent 任务，再人工复核结果。
Google Research精选AI 评分7474 Google Research 提出 ReasoningBank 记忆框架，让智能体从成功与失败经验中学习
Google Research 在 ICLR 论文中提出智能体记忆框架 ReasoningBank，把成功和失败轨迹都蒸馏成结构化记忆，供智能体在测试时自我进化。
推荐理由：做长任务智能体的团队可以参考论文把成功与失败轨迹都蒸馏成记忆条目，先对照开源代码在自有基准上跑一轮对比。