5/25/2025 AI速递 | AI新进展：谷歌发布Gemma模型，微软开源Qlib

Langflow是一款强大的可视化工具，用于构建和部署基于人工智能的代理和工作流，无需编写任何代码。

这款工具支持所有主流的大规模语言模型（LLM）和向量数据库，为开发者提供了极大的灵活性。通过直观的拖放界面，用户可以轻松创建复杂的AI应用场景，涵盖从客户服务到自动化决策等多个领域。

Langflow的核心优势包括：

• 完全开源，拥有超过62,000颗星的支持。
• 支持多种主流技术栈，确保与现有系统无缝集成。
• 提供丰富的预设组件，加速开发流程。

对于希望快速实现AI解决方案的企业和个人来说，Langflow无疑是一个值得考虑的选择。

项目链接：https://t.co/v3Gv4smWbv

无限工具调用（infinite tool use）是一种引人深思的观点。

仅仅实现“充分工具调用”（full tool use）、只能调用 8 个内部工具的 openai o3，已经让每天的工作变得高效。如果未来真的实现这一设想，其潜力将不可限量。

核心主张是理想的大型语言模型（LLM）在推理或创作时只输出工具调用及其参数；所有具体状态（如记忆、草稿、中间产物、目标等）都应外化到专用工具里。这样模型负责即时推理，工具负责持久、结构化的任务状态，实现二者分工与互补。

**为何要“无限工具化”？**

• 外部化智能：把复杂操作交给高效、领域特定的程序，可显著降低上下文窗口压力并提升结果质量。
• 显式遗忘 & 回溯：借助编辑工具，模型可随时删改、分层细化，而不必一次性正向生成长文，从而减少错误积累。

**示例场景**包括：

• 文本写作/编辑：人类写作常“跳跃-修改-回退”；LLM 若拥有全功能文本编辑器，可像人类一样在多粒度层面交替操作，避免“前向一次成文”的局限。
• 3D 生成：通过 CAD 库＋查看/旋转工具＋笔记文件，模型可迭代塑造任意规模的 3D 对象，而非被固定体素上下文限制。
• 长视频理解：模型可反复“观看”片段、记录/编辑笔记，在有限窗口内完成数小时乃至数天视频分析。

此外，无限工具化还有安全与可解释性优势。完整的版本控制与编辑轨迹对人类和模型都可见，使潜在欺骗更耗费“推理预算”，提高输出的可信度与可审计性。

**训练思路**主要依赖强化学习训练模型学会在工具空间中规划与修正。由于模型上下文有限，只要能从多样起点恢复并编辑，就可能泛化到“无限”上下文。

**架构设想**倾向于常数或上限推理预算/Token的结构，如滑动窗口注意力、SSM、RWKV、Mamba 等，并鼓励“易忘”以促进与工具的角色分离。作者提出一种“反向混合”构想：先用局部高精度的滑窗注意力层，再接长距离 SSM 层，实现宏观+微观双视角。

目前，Tool-use 已在 o3、Agentic RAG 等产品初现端倪，但仍局限于短上下文、部分流程。作者呼吁把所有与外部世界的交互都通过工具完成，并用廉价存储+有限推理成本的模型，向真正的“无限工具化”迈进。

近日，Google推出了三款基于Gemma模型的变体：MedGemma、SignGemma和DolphinGemma。这些模型分别针对不同的应用场景进行了优化。

MedGemma是专为医疗领域设计的模型，提供了两个版本：

• 4B多模态模型：该模型能够处理图像与文本的组合任务，特别适用于医疗数据。它已经针对胸部X光片、皮肤科图像、眼科图像和病理切片等进行了预训练。
• 27B文字推理模型：这个版本拥有更强大的纯文本处理能力，适合深入推理任务。它同样针对医疗文本和图像数据进行了预训练，覆盖了放射影像、病理切片、眼科图像、皮肤科图像等多种医疗数据。

SignGemma则是一款支持多种语言的手语翻译模型，能够实现手语到文字或语音的转换，极大地提高了聋哑人群体的沟通效率。

DolphinGemma是一款独特的声音合成模型，专注于生成海豚声音。这一模型在海洋生物研究和保护方面具有潜在的应用价值。

这三款模型的推出，不仅展示了Google在人工智能领域的技术实力，也进一步推动了相关领域的创新和发展。

在GitHub上，一个名为AgenticSeek的开源项目引起了广泛关注。该项目提供了一个100%本地化的智能代理系统，旨在替代Manus AI。

基于本地推理模型和智能代理技术，AgenticSeek能够自主浏览网页、编写代码、规划任务，并支持语音交互功能，为用户带来类似钢铁侠电影中的Jarvis（贾维斯）般的体验。

• 完全本地化运行：所有数据保留在设备上，零云端依赖。
• 智能网页浏览：自动搜索信息和填写表单。
• 自主编程助手：支持Python、C、Go、Java等多种语言。
• 智能代理选择系统：自动匹配最适合的任务处理方式。
• 语音交互功能：支持语音输入和文本转语音输出。
• 复杂任务规划执行：能将大型任务分解为步骤完成。

AgenticSeek提供了详细的安装配置教程，建议至少使用DeepSeek 14B以上参数的模型，对电脑性能有一定要求。对于开发人员和研究人员来说，AgenticSeek是一个非常有价值的工具，可以大大提高工作效率并保护数据隐私。

在使用Selenium编写自动化脚本时，开发者常常会遇到元素加载时机问题导致测试失败的情况。此外，手动处理各种浏览器驱动也是一项繁琐且容易出错的任务。

为了应对这些挑战，SeleniumBase应运而生。这是一个基于Python的强大框架，专门用于简化Web自动化测试过程。它通过深度封装Selenium，内置了多项实用功能，使复杂的浏览器操作变得简单可靠。

SeleniumBase主要特性包括：

• 智能等待机制，自动解决页面加载不稳定的问题；
• 支持多种编写方式，如BaseCase类继承和SB上下文管理器，满足不同开发需求；
• UC Mode隐身模式，帮助绕过Cloudflare等反爬检测，提升测试成功率；
• 自动生成详细的测试报告和实时仪表板，可视化展示测试结果，便于团队协作与问题追踪；
• 自动管理浏览器驱动，无需人工干预，降低维护成本。

对于从事Web应用开发或测试工作的专业人士而言，采用SeleniumBase可以显著提高工作效率，减少因环境配置不当引起的错误。

GitHub项目地址：https://github.com/seleniumbase/SeleniumBase

微软在GitHub上开源的Qlib项目，可能是目前业内最完整的AI量化投资平台，截止目前已狂揽20k+星。基于强大的数据处理引擎和丰富的模型库，Qlib涵盖了监督学习、强化学习等多种范式，帮助开发者快速构建从想法到生产的完整量化研究流程。

Qlib的主要特性包括：

• 高效数据服务器，处理速度比传统数据库快几十倍；
• 集成30+种最先进的量化模型，包括Transformer、LSTM、LightGBM等；
• 支持强化学习交易策略，能够建模连续的投资决策过程；
• 覆盖完整的投资链条：因子挖掘、风险建模、组合优化、订单执行；
• 提供自动化研究工具qrun，一键完成建模到回测全流程；
• 支持市场动态适应和概念漂移处理，提升模型稳定性。

Qlib不仅提供了详细部署安装使用教程，还特别适合想要从事金融AI领域的开发者进行研究和学习。

对于金融科技公司和个人投资者来说，Qlib是一个非常有价值的工具，可以帮助他们更好地理解和应用AI技术在金融市场中的实际应用场景。

UQLM是一种用于检测大型语言模型（LLM）中幻觉的库，通过多种评分方法来量化不确定性。这种技术对于提高AI应用的可靠性和准确性至关重要。

UQLM与LangChain平台无缝集成，使开发者能够更方便地构建和部署更加可靠的AI应用程序。该库支持多种评分方法，包括但不限于基于概率的方法、基于校准的方法和基于置信度的方法。

应用场景：

• 自然语言处理（NLP）任务中的错误检测
• 聊天机器人和虚拟助手的可靠性提升
• 自动文本生成的质量控制

UQLM的出现为解决AI模型在实际应用中的不确定性和幻觉问题提供了有力工具，有助于推动AI技术的进一步发展。

更多详情请访问：UQLM官方网站

距离谷歌发布Veo 3仅仅四天，这款新产品已经在全球范围内引起了巨大轰动。

用户们已经开始利用Veo 3创建出令人难以置信的内容。以下是其中13个令人惊叹的例子：

• 自意识AI角色：这些角色能够自我学习和进化，展现出前所未有的交互能力。

Veo 3的突破性技术不仅在视觉效果上带来了革命性的变化，还在人工智能和机器学习领域展现了新的可能性。这一工具的出现，使得创作者能够以前所未有的方式表达自己的创意，无论是游戏开发、虚拟现实还是电影制作，都能从中受益。

应用场景包括但不限于：

• 游戏开发中的高智能NPC（非玩家角色）
• 虚拟现实体验中的沉浸式互动
• 电影特效中的逼真角色生成

随着更多用户开始探索Veo 3的功能，我们有理由相信，这款产品将会在未来几年内继续引领创新潮流。

微软的经典应用程序记事本（Notepad）和画图（Paint）最近迎来了人工智能（AI）驱动的新功能，为用户提供了更多创意和效率的提升。

记事本现在集成了名为“Write”的AI助手，可以生成和优化文本内容。这项功能不仅能够帮助用户快速撰写文档，还能通过自然语言处理技术改进文稿质量，提高写作效率。

Paint则新增了“AI Stickers”功能，用户可以通过简单的输入或草图，自动生成个性化的贴纸。这一功能利用图像识别和生成模型，使得用户的创意得以快速实现，并且可以根据需求进行定制。

此外，截图工具（Snipping Tool）也得到了升级，增加了“Perfect Screenshot”功能，可以自动优化截图质量，同时内置了一个便捷的颜色选择器，方便用户在截图中选取和使用颜色。

这些新功能不仅提升了用户体验，还展示了AI技术在日常应用中的广泛应用潜力。

对于企业和个人用户来说，一个令人兴奋的消息是，现在可以将Box和Dropbox账户连接到ChatGPT的深度研究功能。这项新功能允许用户在使用ChatGPT时直接访问存储在Box和Dropbox中的文件和数据。

通过这种集成，用户可以更方便地利用ChatGPT的强大自然语言处理能力来分析、总结和提取存储在云端的数据。这对于需要进行大量文本分析和研究的专业人士来说尤其有用。

应用场景包括：

• 市场研究
• 学术文献分析
• 企业内部文档管理

这种无缝集成不仅提高了工作效率，还为用户提供了一个全新的数据分析视角。

无论是企业还是个人用户，都可以通过这一功能更好地管理和利用他们的数据资源。更多详情请访问：https://t.co/owNtgrPSV8