agentic

【文档解析】2026年技术发展和趋势其一，视觉token极压缩："光学压缩"成了新卖点。其二，推理加速成为显学：多token预测+投机解码被卷到这个领域。 OCR输出长、又高度可预测，成了投机解码的"肥肉"。2026年几乎每家都在解「生成长、解码慢」的问题。代表的：

【VLM】Qwen3.8-Omni-Flash长音视频理解Agentic模型1、向 Qwen3.8-Omni-Flash 提出了一项任务：在 12 小时内提升 Qwen2.5-Omni-3B 的四川话识别能力，并交付可用模型。它自主选定 WenetSpeech-Chuan 评测集、固定评测标准并完成基线测试，随后直接听取语音样本，结合识别结果诊断问题，构建针对性的训练数据。在连续 4 轮实验中，Agent 累计构建了 3,413 条训练数据，并根据评测反馈调整方案、保留有效改进、回退无效尝试。最终，Qwen2.5-Omni-3B 在同一评测集上的字符错误率从 25.79% 降至

【MLLM Agent】多模态理解Agent研究进展（1）框架类（可直接搭建多模态 Agent 基座） DeepSeek‑Harness（DeepSeek 2026）定位：Agent 运行时框架，近期新增 Vision 支持，对接 V4‑Flash‑Vision‑Exp，实现图片输入 + 原生 function call 闭环，可插拔 Agent 循环、工具、记忆、上下文管理仓库：https://github.com/deepseek‑ai/harness

自进化的 Agent 记忆层 —— PowerMem 简易操作手册前两篇关于遗忘机制和记忆生命周期的文章：可能会想：怎么让 PowerMem 这东西在我的电脑上跑起来？

从 Python 到 TypeScript，用 GLM-5.2 跑通 PowerMem SDK 的长程任务工程GLM-5.2 是智谱 6 月 17 日开放的新一代大模型，1M 上下文、兼容 Claude Code 协议。PowerMem 是 OceanBase 开源的 AI 记忆引擎，为 LLM 应用提供长期记忆、检索、智能遗忘等能力。当 GLM-5.2 碰上 PowerMem，能怎么玩？

一条信息在 PowerMem 中的完整旅程，从写入到淘汰的工程拆解第一篇：PowerMem 记忆系统的遗忘设计，从神经元到代码工程上一篇 PowerMem 记忆系统的遗忘设计，从神经元到代码工程从认知科学的角度聊了遗忘机制，包括突触可塑性、艾宾浩斯遗忘曲线、间隔重复和理想的困难。都是一些很有意思的认知学理论。

MateCloud微服务

MateClaw v1.4.0 发布：从“会用工具的 Agent”到“能持续交付的数字员工”版本：v1.4.0 发布日期：2026-05-25 项目地址：https://github.com/matevip/mateclaw 文档：https://claw.mate.vip/docs 在线演示：https://claw-demo.mate.vip

PowerMem 记忆系统的遗忘设计，从神经元到代码工程如果 Agent 将所有我说过的话都记住会是什么场景？乍一听很合理，作为一个合格好用的 Agent 当然是要将对方说过的话都记住，这样就会越用越聪明，就像人类的也是通过不断的学习记忆进行成长。但事实是这里一个反直觉的现实是，真正真实可靠的 memory 并不是将所有内容都记住就万事大吉。在记住的同时进行遗忘是很重要的事情。在 Agent 的记忆系统中也同样，遗忘不是缺陷，而是能力。

混合检索+重排序：当前 RAG 精度提升最成熟的工程路径RAG 的回答有引用，但引用是真的吗？这篇论文用"混合检索→重排序→保守生成→逐条验证"四步流水线，在生物医疗 QA 上做到了 100% 引用准确率。方法不炫，但管用。

阿里云大数据AI技术

千亿级 AI 搜索的效能实战：从混合检索到 Agentic RAG 的三年实战作者：汤祯捷 · 阿里云智能集团计算平台事业部 AI 搜索产品负责人，Elastic 中国 AI 搜索大会演讲实录 · 2026.4.18

【MLLM】GraphWalker：Deepresearch用于图像生成【Deepresearch用于图像生成思路】思路是用于图像生成的多模态深度搜索智能体，进行多跳推理与搜索，以获取图像生成所需的文本知识和参考图像，结论是在KnowGen上使Qwen-Image性能提高约16分，在WISE上提高约15分。GraphWalker: Agentic Knowledge Graph Question Answer-ing via Synthetic Trajectory Curriculum，https://arxiv.org/pdf/2603.28533，https://gen

从CLI到分布式智能体：重新理解AI Agent的演进路径与工程现实过去一年，“Agent”几乎成为AI领域最被高估、也最被误解的概念之一。资本市场热捧其“自主决策”的未来图景，产品经理畅谈“工作流消亡论”，而开发者则在深夜的调试日志里，与无限循环的token消耗和不可复现的模型输出搏斗。这种理念层与工程层的巨大割裂，催生了大量似是而非的讨论：“Agentic是未来”“Workflow限制了AI能力”。然而，一旦真正进入工程落地阶段，一系列更具体、更棘手的问题便会浮出水面：

AppInventor2 AI助手：美化界面还是非常有用的！！使用道具TA的每日心情签到天数: 761 天[LV.10]以坛为家III107517995万管理员积分

星野云联AIoT技术洞察

2026 年 MCP + MQTT：AI Agent 真正控制 IoT 设备的落地路径如果今天还把 MCP + MQTT 理解成“让 Agent 直接发一条 MQTT 消息”，那这条路线在生产环境里大概率走不远。MCP 解决的是 Agent 与工具之间的结构化交互问题，MQTT 解决的是设备侧常见的消息传输问题，但真正决定 AI Agent 能否控制 IoT 设备落地的，是中间那层控制平面是否存在。

Agentic AI时代程序员必备算法思想详解（附实战案例）AI已来，程序员要失业了吗？别慌！Agentic AI时代，程序员最重要的不是写代码，而是教会AI如何思考。有了Agent智能体，更需要掌握算法思想——这是你驾驭AI的"超能力"。

OpenClaw-RL：让AI Agent在对话中自主学习进化想象一下，你的AI助手每与你互动一次，就自动变得更懂你的偏好——无需额外标注，无需人工干预，仅仅是"在使用中学习"。这正是OpenClaw-RL带来的突破性范式：将每一次对话的"下一状态信号"转化为实时在线学习源，实现Agent的持续进化。

GitHub 推出了 Agentic Workflows，并且提供了 Copilot 免费套餐如果你想持续获取更多相关资讯，欢迎关注 x-cmd 博客。GitHub 官方开启了 Agentic Workflows（智能体工作流）的预览

GUI智能体如何应对环境变化_——首个GUI持续学习框架GUI-AiF详解在当今数字化时代,GUI智能体(Graphical User Interface Agents)能够通过自然语言指令在各类数字应用中执行操作,为用户提供极大便利。然而,现实世界的数字环境是不断变化的——新的操作系统版本发布、平台间切换、设备升级带来分辨率变化等。这些变化会导致在静态环境中训练的智能体性能显著下降。本文介绍的GUI-AiF框架是首个针对GUI智能体的持续学习框架,通过创新性的奖励机制使智能体能够在动态变化的GUI环境中保持稳定性能,为解决这一关键问题提供了突破性方案。