阿里开源实时语音Harness Qwen-Audio-Agent
阿里开源了实时语音Harness Qwen-Audio-Agent，支持全双工实时对话和自然打断，可与OpenCode、OpenClaw等Agent协同工作，实现边说边干的交互方式。
相关文档
浙大发布的 nanoMuse 一款个人 Agent
浙大发布了开源个人 Agent 项目 nanoMuse，对国内软件适配良好。用户可定制个人 AI 助理，可玩性很高。项目支持手机、电脑、个人服务器等多设备，一个账号即可跨设备通用使用。文章认为当前 AI 助理产品众多，走得早、走得好的产品才能走得久，并附上了项目的 GitHub 链接供感兴趣的用户体验。
我把Grok Bot搬上Touch Bar，顺便把SDK开源了
作者基于 Grok Bot 0.70.2 桌面客户端协议，开发并开源了一套非官方 Node.js SDK（grok-bot-sdk），用于在本地环境中与自己账号下的 Bot 通信。文章以 MacBook Touch Bar 集成为真实案例，介绍了 SDK 的设计动机、与现有方案的区别，以及登录、读取 Bot 名单、头像离线计算、发消息、接收 SSE 回复等技术细节。SDK 采用 MIT 协议开源，零外部依赖，要求 Node.js 22.13 以上，目前可通过 GitHub 直接安装。
有人把 Jev 开源复刻了，还给出了「自己微调」的完整闭环
Jared Palmer（Cognition）开源了 Kev，一族建在 Qwen3.5/3.8 之上的 Jev 式小型决策模型（0.8B~27B，Apache-2.0）。文章介绍了 Kev 与 Jev 的对比数据：Kev-27B 在新数据源上与 Jev 相差一个点以内，但作者强调这不是受控比较。最有价值的部分是完整的微调闭环：通过 coding agent 的 skill，可自动从用户代码中找出问题、转换已有标签、在 Modal 上微调并部署，一次 Kev-4B 训练在 H100 上约 1 美元，示例中把准确率从 67.7% 提到 73.6%。文章还总结了校准温度、问题隔离设计等工程细节，以及作者诚实的自我限制态度。
构建实时语音 AI Agent 的四种模式：看、说、想、写代码
本文介绍使用 Gemini 3.8 Live 和 Google Agent Development Kit (ADK) 构建实时保险理赔语音代理的四种核心模式：1）工具标记为 NON_BLOCKING，让代理在执行代码时保持对话流畅，重要信息可打断；2）通过独立记录所见、来电者所述及验证结果，并用第二个模型复核照片证据，避免盲从口头描述；3）一个模型负责通话，后台由七个步骤的 SequentialAgent 团队异步整理理赔文书；4）模型负责理解对话，Python 负责执行金额、日期、安全等硬性规则。文章包含完整开源代码和本地运行指南。
Qwen 发布会观察：从模型训练到芯片协同的完整研发体系正在形成
作者总结了 Qwen 发布会的重点：除了新模型外，更值得关注的是 Qwen 形成了从模型训练、推理优化到芯片协同的完整研发体系。核心亮点是 RSI 递归自我进化，Qwen3.8-Max 在少人工干预下连续运行一个多月完成 33 轮迭代，包括自主优化 SGLang 提升 96% 吞吐、芯片设计中减少 42% 物理实现面积。Qwen3.8-Omni-Flash 统一多模态理解框架支持 1M 上下文，价格大幅下降约九成。Qwen4 已开始训练，未来参数量将扩展到 5 万亿至 10 万亿。开源生态方面，累计下载超 30 亿次，衍生模型超 30 万个。
1分钟，开源模型原生支持移动端
作者分享通过UU远程的最新升级，让本地运行的开源大模型（如Qwen 27B）拥有了手机端入口。相比Codex远程控制只支持自家模型、Claude Code远程有封号风险，本地模型不花钱、不封号且速度快。UU远程基于tmux实现，支持完整TUI渲染、多终端会话、跨端接管和语音输入，且免费。作者还开源了uu-term-bridge工具，让iTerm2中的所有会话自动出现在手机列表，实现桌面与手机双向无缝切换，补齐了与Codex远程体验的差距。
Anthropic开源Claude电商购物Agent及施工经验手册
Anthropic开源了此前为商家打造的Claude购物AI助手（Commerce Agents），提供购物Agent和商家Agent两套完整可运行实现，覆盖零售、旅游、电信、票务四个行业，包含代码、技能、工具契约和安全门禁。文章总结了核心经验：用一个聪明大脑搭配一摞skills而非拆分多个小AI，系统提示词放高频逻辑、技能放长尾功能；智能体应调用企业已有引擎而非自行计算；将UI定义为工具调用输出结构化参数；优化延迟与缓存命中率；用户偏好存数据库而非模型；涉及钱的操作必须人工审批，并辅以自动化测试。
舒服了Codex不用切换Grok模型我直接把Grok封装成了一个Skill而且通过解密算法把推文具体时间也算了出来
作者分享了将Grok模型封装为Codex中的Skill，通过解密算法计算推文具体时间的实践。GitHub地址已开源，Skill合集突破1000星。此外，还提及了用Qwen3.8-Max预览版复刻Obsidian知识库，以及WAIC会议关于出海市场机会的观点。
Hermes Agent 进阶：打造你的专属微信女友
本文介绍如何将 Hermes Agent 接入微信，通过配置 STT、TTS、视觉模型及生图工具，打造具备语音交互、视觉理解和状态分享功能的专属 AI 助手。
开源 DESIGN md 一站式工作台
作者开源了一款 DESIGN md 一站式工作台，支持创建、搜索和管理设计文档、草稿与品牌参考，集成 AI 助手、云端同步和多语言功能。技术栈为 Next + Supabase + Resend，支持主流 AI Key，目前处于 Beta 版本。
我终于可以用真正思考的方式与 ChatGPT 对话
作者介绍了 ChatGPT 桌面应用中推出的新语音功能，该功能允许用户通过自然对话与 AI 协作，能够同时处理多个并行任务。文章详细讲解了语音模式的使用场景、设置方法以及在不同工作流中的实际应用，强调了其在提高工作效率和降低沟通门槛方面的价值。
OpenHuman 横空出世：下一代个人 AI 助手的七个应用场景
文章介绍了开源 AI 助手 OpenHuman，旨在解决现有 Agent 缺乏持续上下文的问题。作为个人的“记忆”和“执行者”，OpenHuman 通过集成 Gmail、GitHub、Notion 等工具，将碎片化的数字生活转化为结构化的项目记忆。文章详细阐述了其在邮件整理、会议记录、素材积累、开发辅助、学习轨迹、团队协作及生活提醒等七个场景中的应用，并探讨了本地化隐私保护的重要性。
