Google 推出 Deep Research Max：下一代自主研究 Agent
Google 发布了 Deep Research 和 Deep Research Max 两种新的自主研究 Agent，旨在通过 Interactions API 为开发者提供企业级的研究能力。这些 Agent 集成了 Gemini 3.1 Pro，支持混合网络与专有数据，具备原生图表生成、MCP 协议支持及多模态研究功能，致力于为金融和生命科学等领域提供高性价比的专业级分析报告。
相关文档
实测Gemini 4 Argon，还是很强的。
作者以自媒体真实工作场景实测Google新发布的Gemini 4 Argon模型。通过鹈鹕骑自行车SVG动画、爆款视频拆解与提示词还原、公众号文章风格分析与选题生成、五道前端实战题（数据看板、3D宫殿、品牌官网、浏览器合成器等）进行评测。结论是该模型跑分第一，长视频理解和前端能力出色，写作能力介于Claude Opus和GPT之间，并提醒读者注意订阅档位和API优惠价截止时间。
Gemini 4 的提示词技巧，就是没有技巧（附 7 段提示词）
文章分享 Google Gemini 4 Argon 的使用心得：它不看措辞技巧，关键是把目标、标准和材料交代清楚。作者整理了 7 段可直接套用的中文提示词模板，涵盖：先挑思考档位；开工前让 AI 主动提问对齐目标；给出可逐条打勾的完成标准让其自查；提供参考样例或先拆解风格说明；一次交代完整任务后放手后台运行；干完复盘并将经验存成技能；大任务让 Argon 当总指挥、分派给 Flash 子代理并行执行。文末给出三件今天就能见效的建议。
NotebookLM 改名后，又把第二大脑搬进了手机
文章介绍了 Google 将 NotebookLM 更名为 Gemini Notebook 后的全面功能。作者通过创建包含 40 多万字、4 份来源的测试笔记本，详细演示了其三大模块：Sources 管理多类型资料来源、Chat 提供带引用可溯源的问答、Studio 将同一批资料转化为播客、视频、PPT、信息图、闪卡等多种输出形式。文中还讲解了 Deep Research 联网研究的正确用法、手机端新功能、以及自媒体选题研究的进阶工作流，强调其核心价值在于把可信资料变成可持续追问和复用的第二大脑，而非简单的一键生成。
Gemini 推出 Agentic 视频理解能力
Google 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 模型上推出 agentic video understanding（智能体式视频理解）功能。该功能让模型主动决定观看内容、速度和模态（画面、音频或字幕），动态检索和检查视频片段，而非按固定帧率静态处理。基准测试显示，成本最高降低 66%，token 消耗最高降低 88%，准确率提升最高 7%，在长视频分析中优势尤为明显。新能力包括亚秒级片段检索、长视频大海捞针式搜索、异常检测和精确计数等。该功能已通过 Gemini API、Google AI Studio 和 Gemini Enterprise Agent Platform 开放，未来将集成到 Gemini 应用和 YouTube 的 Ask YouTube 功能中。
Gemini 学生中心重磅发布：AI 从答案生成器走向学习管理器
Google 于 2026 年 8 月正式推出 Gemini 全新 Student Hub（学生中心），将找资料、整理笔记、生成闪卡、个性化测验、学习表现追踪和考试日程管理整合为围绕课程的长期学习工作区。相比传统一次性问答模式，学生中心支持按课程上传大纲、课件和笔记，建立持续累积的学习系统，并通过 Deep Research 在后台执行长时研究任务。文章认为其核心价值在于把 AI 从答案生成器升级为学习管理器，特别适合期末、考研及备考人群，但也提醒用户仍需自行核对答案与关键事实。
谁说AI没有落地？看看美国医院正在用什么
文章通过梳理FDA及微软、OpenAI、Anthropic、Google等公布的实际案例，证明AI已在医疗领域真实落地：FDA已授权超1600种AI医疗设备，主要应用于医学影像、心脏疾病、糖尿病筛查等。大语言模型也进入医院工作流程，如微软Dragon Copilot服务超10万名临床医生，OpenAI帮助波士顿儿童医院节省6万小时工作时间，Claude助力Banner Health整理病历，Google辅助生成诊疗记录。作者指出需区分三个问题：技术已落地是事实，医疗AI市场正在形成但规模尚小，科技公司的巨额投资回报仍需时间验证。
25个让AI游戏编程如开挂般高效的开源GitHub仓库
作者基于33k+次提交的Vibe Coding游戏经验，整理了25个开源GitHub仓库，帮助开发者用LLM更高效地构建游戏。文章分为两大板块：第一部分介绍MCP服务器、Agent技能和引擎桥接工具，包括Blender MCP、Unity MCP、Godot MCP和游戏开发Agent技能包，让LLM能直接操作编辑器和引擎；第二部分介绍AI 3D资产生成和世界生成工具，如img2threejs、腾讯Hunyuan3D-2、微软TRELLIS和PlayCanvas SuperSplat，帮助将提示词或参考图转化为可用的3D资产和高斯泼溅世界。文章强调合理引导LLM、提供合适工具能显著提升效率、降低token消耗并产出更高质量的游戏。
构建 agent 时什么时候将子 agent 合并到主 agent 循环中
本文是 Claude 官方文章的译文，探讨在构建 agent 系统时何时应将子 agent 折叠进主 agent 循环。文章指出，配备 skill 的单一 agent 在质量、成本和延迟方面常常优于多 agent 设计。作者分析了大型组织构建 agent 的常见失败模式（上下文管理、子 agent 泛滥、Frankenprompt、延迟等），介绍通过渐进式披露 skill 和 MCP 工具的 agent 循环设计，并给出将子 agent 迁移为单循环的分阶段方法：构建任务完成评估、合并领域 agent、将子 agent 转为工具调用、用 skill 和工具替代子 agent，以及多团队协作的治理模式。
Agent 高频题 03. 为什么要多 Agent：怎么拆、怎么通信、结果谁汇总
本文是 Agent 面试高频题详解第 3 题，围绕多 Agent 架构展开。作者结合 50 位作者、63 场面试的面经，系统梳理了六个追问方向：要不要拆、怎么拆、怎么通信、结果谁汇总等。文章指出单 Agent 在上下文膨胀、工具过多、提示词分支复杂、无法并行四方面会卡住；同时多 Agent 有 token 成本（约为普通对话 15 倍）、协调开销、信息丢失和错误传播等代价。文中总结了主从、流水线、并行分片、执行加审查、按意图转交五种结构，以及上下文、工具权限、可验收三类拆分边界，并对比 Skill、MCP、Workflow、SubAgent 等概念的适用场景，最后给出通信方式与面试应答要点。
What is a "harness"?
文章系统解释了 AI 领域中 harness（套件/执行框架）的概念。作者指出 LLM 默认只能生成文本，要真正执行操作需要工具、调用语法、解析系统、结果回传和工具清单，这一切组成了 harness。文中区分了界面（如 Claude Code 的 TUI/GUI）与底层 harness（如 Anthropic Agent SDK、Codex App Server），并用厨房比喻说明 harness 与工具的关系。文章还解释了 MCP 的作用——类似'食谱'，让代码可以在外部运行，以及 agent 的定义：LLM 与 harness 的结合体。
超简单 PI Agent，入门到精通，个人智能体的王者
本文是一篇面向新手的 Pi Coding Agent 全面入门教程。Pi 是一个跑在终端里的极简 AI 编程智能体框架，定位为'最小智能体外壳'：内核只保留基本工具循环，计划模式、子智能体、权限系统等能力全部拆给扩展。文章详细介绍了安装方式（官方脚本、npm、Nix）、界面与常用快捷键、模型配置、四种使用模式（交互、打印/JSON、RPC、SDK）、技能/扩展/提示词模板/主题的扩展体系，以及树状会话管理。作者重点总结了七个常见坑：无内置权限系统需容器隔离、默认无 plan mode、npm 不锁传递依赖、grep 等工具默认关闭等。Pi 支持 15 家以上模型商，MIT 协议，与 Claude Code、Codex 是两条路线：要开箱即用选成品，要可自由定制的个人智能体选 Pi。
2026 普通人学 AI 路线图：6 个阶段、50+ 免费资源，照着抄 30 天入门
文章针对普通人收藏大量 AI 教程却始终没学会的问题，提出按可上手顺序排列的六阶段学习路线：先搞懂大模型、Agent、MCP、Skill 四个基础概念；再学会高效提问；然后选一个通用 AI 助手用熟；之后分创作者路线（做图、视频、语音）和开发者路线（MCP 与 Agent 开发）深入；最后选读书籍论文进阶。作者强调'卡住你的不是资源不够，而是顺序不对'，并附上 30 天打卡表、53 个免费资源和五个避坑建议，倡导边用边学、动手实践。
