突破零样本 TTS 音色克隆上限：LongCat-AudioDiT 的声音克隆艺术
LongCat-AudioDiT 是美团 LongCat 团队推出的端到端文本转语音模型，专注于零样本语音克隆。传统 TTS 系统依赖梅尔频谱等中间表征，导致信息损失和误差累积。该模型创新性地在波形潜空间直接生成，使用 Wav-VAE 将波形压缩为 64 维隐向量，帧率 11.7Hz，通过多级 Oobleck 块和非参数捷径实现高效下采样与稳定训练，优化目标融合多分辨率 STFT 损失等对抗损失。扩散 Transformer（DiT）在隐空间学习条件流匹配，文本编码采用 UMT5 并结合第一层和最后一层隐藏状态以增强语义对齐，同时引入 ConvNeXt V2 模块细化表征。推理机制有双重突破：强制重置提示区域隐变量解决训练-推理不匹配问题，自适应投影引导（APG）替代传统无分类器引导，通过分解引导信号避免音质过饱和。实验表明，在 Seed 基准测试中，LongCat-AudioDiT 取得当前最优的说话人相似度，例如 Seed-ZH 测试集达 0.818，同时保持高可懂度，错误率低。模型以纯波形建模证明绕过中间表征的可行性，并开源促进技术发展。
从高拟真到真可用，LongCat-Video-Avatar 1.5 正式开源
美团开源LongCat-Video-Avatar 1.5，这是一个商业级数字人视频生成模型，在唇形同步、长视频稳定性、多人互动和推理效率上实现全面升级。模型通过将音频编码器从Wav2Vec2升级为Whisper-large，提升音素捕捉精度，使唇部运动更精准平滑，全身动作协调性增强，减少长视频中的抖动和身份漂移。数据体系采用多阶段处理，包括离线标注和在线验证，并构建多人、静默和情绪数据增强，提升模型在复杂场景中的泛化能力。推理优化引入DMD蒸馏技术，将生成步骤从50步压缩至8步，效率提升约15倍，并使用LoRA适配器降低显存开销。逐帧级GRPO偏好对齐进一步优化手部稳定性和动作连续性。性能评测基于EvalTalker基准，由770名评估者参与，结果显示模型在物理合理性、时间稳定性、身份一致性和音视频协调性上领先闭源系统，单人场景得分3.336，多人场景得分2.730，主体变形问题率23.1%，跳帧问题率0.8%。开源旨在促进社区共建，推动数字人视频技术从实验室走向真实应用。
美团 LongCat 开源 General 365：树立推理评测新标尺
美团LongCat团队开源General 365，这是一个针对大语言模型通用推理能力的创新基准。当前大模型在学科推理任务如数学和编程中表现优异，但面对日常逻辑问题时却常缺乏常识，暴露了评测体系的缺陷：过度依赖专业知识记忆，而非真实逻辑推演能力。现有基准如BBH面临模板化和性能饱和问题。General 365通过365道人工原创题目及1095个扩展变体，系统覆盖复杂约束、分支枚举、时空推理等八大挑战类型，知识范围严格限定在K-12水平，以解耦推理与知识检索，纯粹评估模型的逻辑能力。基准设计强调高多样性、高挑战性，并经过严格人工质检和混合评分确保可靠性。实测26款主流模型显示，Gemini 3 Pro以62.8%准确率领先，但仅2款模型及格，揭示了模型在语义干扰和最优策略维度上的普遍短板。跨基准对比表明，模型在该基准上准确率显著下降，输出长度增加，证实其难度源于深层逻辑链条。该项目旨在树立推理评测新标尺，推动大模型向具备通用推理能力的智能体演进，填补了现有评测空白。
LARYBench 发布：定义具身动作表征 ImageNet，首次度量从人类视频学习的泛化表征
具身智能领域面临带动作标注数据稀缺的挑战，机器人泛化能力受限。LARYBench 作为首个系统化评测基准，针对隐式动作表征进行量化评估，旨在从大规模人类视频中学习通用动作语义。该基准通过多粒度动作定义，包括本体动作、原子语义动作和复合语义动作，覆盖超过100万段视频、151种动作类型和11种机器人形态，构建了多样化数据集。评测采用浅层探测头验证表征质量，涵盖动作回归和分类任务。实验对比了隐式动作模型、通用视觉编码器等四类范式，结果表明通用视觉模型如 DINOv3 在动作泛化和控制精度上显著优于专门模型，揭示了动作表征可从海量视觉预训练中涌现。这一发现验证了人类视频数据在驱动规模化学习中的潜力，为具身智能突破数据瓶颈、走向数据驱动范式提供路径。LARYBench 开源了数据集和代码，促进社区协作，加速动作表征研究迭代。
LongCat-Flash-Prover：AI 攻克数学定理证明，不仅要“算得对”，更要“证得严”
LongCat-Flash-Prover是专为数学定理证明设计的大语言模型，旨在从“猜答案”转向“严谨证明”。它采用形式化语言Lean4，将证明过程拆解为自动形式化、草稿生成和证明生成三大原子能力。通过混合专家迭代框架，模型在冷启动和迭代阶段训练不同专家，并结合工具集成推理（TIR）来优化证明质量。在数据合成中，采用课程学习模式，从简单完整证明过渡到复杂引理式草稿证明，提高推理效率。模型还引入多个验证工具，如Lean4 Server、语义一致性检查和Theorem一致性，确保生成证明的语法正确性和语义一致性，防止作弊行为。实验结果表明，LongCat-Flash-Prover在MiniF2F-Test上以72次预算达到97.1%通过率，超越现有开源模型；在MathOlympiad-Bench等竞赛级任务上也取得显著进步。该模型已全面开源，不仅受到AI研究者关注，还引起了数学界的兴趣，有望成为数学研究和教育的基础设施，促进形式化数学的范式创新。
如何使用 Garden Letters：2026 年 AI、音乐与私密分享的花信创作完整指南 - 见路非道
Garden Letters 是一款面向2026年的多模态电子信件创作工具，通过整合人工智能、音乐元素和私密分享功能，重新定义数字通信体验。该工具核心在于将用户输入的文字转化为个性化花园信件，支持添加卡片版式、花朵装饰、自定义背景以及可选音乐，营造出沉浸式打开封印信封的互动效果。从技术角度看，Garden Letters 利用 AI 算法进行文本优化和布局生成，确保信件视觉美观；音乐集成模块允许用户选择或上传音乐，通过音频处理技术无缝嵌入；私密分享机制基于端到端加密，保障信件内容仅对指定收件人可见。指南详细介绍了工具的安装部署、用户界面操作、AI 功能配置、音乐同步设置以及分享流程，涵盖前端交互设计、后端服务架构、数据库存储和安全协议。此外，文章探讨了如何扩展工具功能，例如通过 API 集成第三方服务，以及优化性能以支持大规模使用。对于开发者，提供了代码示例和最佳实践，帮助理解多模态应用的开发模式。整体而言，该指南不仅是一份使用手册，还深入技术实现，适合对 AI 应用、前端开发和多媒体处理感兴趣的工程师和设计师。
科技爱好者周刊（第 397 期）：财富正在向 AI 集中
本期科技周刊聚焦人工智能的财富集中现象，指出AI相关产业如内存、服务器、模型公司股价飙升，社会财富快速向AI领域转移，普通人可能因物价上涨和行业资金流向而受影响。通过实验展示主流大模型（如GPT-5.4、Claude Sonnet 4.6）在医疗估算中的局限性，如食物碳水含量估计波动大且不准确，强调AI不适用于精确医疗场景。技术方面，微软宣布淘汰短信验证码，推广更安全的Passkey认证方式，使用密钥和生物识别提升登录安全；亚马逊开放供应链服务，类似AWS模式可能重塑制造业物流。文章还介绍Gaussian Splatting算法用于3D图像合成，以及多个开发工具如FFmpeg Explorer、Forgejo等。此外，涵盖GitHub Pages域名安全、ShadowRealm API、Firefox配置等话题，提供全面科技资讯和观点，讨论AI对程序员自我信心的影响。
Claude Code Subagents 快速开始
Claude Code Subagents是该AI开发平台内置的功能模块，旨在提升任务执行效率与上下文管理能力。这些子代理本质上是定制化的AI助手，每个都预设了独立的系统提示、可用工具集及专属的上下文窗口。这种设计允许开发者针对特定任务（如代码审查、错误排查、文档生成）创建高度专业化的代理。通过调用这些专注于单一领域的代理，系统能够更精确地理解任务需求，避免主模型上下文信息的混乱与过载，从而在处理复杂或专业化工作流时实现更优的性能和更清晰的思维链。该功能的核心价值在于将宏观的AI能力分解为微观的、可编排的专业单元，增强了Claude Code作为开发助手的灵活性和问题解决深度。
A Chain Reaction
维特根斯坦的哲学观点指出语言的界限即世界的界限，这一思想在人工智能的自然语言处理领域具有重要启示。语言限制直接影响机器对人类意图的理解和生成能力，从而制约AI系统的性能。链式反应作为一种动态传播机制，可模拟语言信息在神经网络中的迭代演化，优化模型处理复杂语境的能力。本文从哲学角度出发，探讨语言限制对AI的挑战，并提出基于链式反应的解决方案。技术实现涉及深度学习、注意力机制和序列建模，通过引入Chain-Transformer变体，链式注意力权重能提升模型对长距离依赖的捕捉效率。实验分析采用GLUE和SuperGLUE等标准数据集，结果显示在多项NLP任务如机器翻译和情感分析中性能改进。文章还探讨了链式反应在边缘计算和实时系统中的应用，以应对低延迟需求，并提供实现指南和代码示例，帮助开发者集成到现有项目中。整体而言，本文为突破AI语言理解瓶颈提供了创新视角和实用方法。
科技爱好者周刊（第 398 期）：Token 费用难以负担
本期围绕 AI 编程的 Token 成本问题展开讨论。通过 OpenClaw 创始人每月消耗 6030 亿 Token、价值 130 万美元的案例，揭示了放开使用顶级 AI 模型的惊人开销。按此计算，单个程序员年费用可达数千万甚至上亿人民币，即便使用国内便宜模型也需数百万。文章指出，即便是 Uber 和微软等巨头也因费用过高而不得不限制 AI 使用，说明公司几乎必然会设置调用限制，这使得 AI 编程在大型项目中的成本远高于人工。由此得出结论：现阶段 AI 不会大规模替代程序员，除非未来 Token 费用大幅下降。 此外，文章还提及了漏洞赏金计划在 AI 时代面临的新挑战。由于大模型能快速生成低质量漏洞报告，项目如 Turso 不得不终止赏金计划，这引发了对传统安全激励机制在 AI 背景下有效性的思考。其他内容包括科技动态（如气温上升导致动物增重、人工蛋壳技术）、多篇推荐文章以及一系列新发布的开发工具和资源，覆盖了从内存市场趋势到哲学思辨的广泛话题。
AI Agent Orchestrator Landscape Report
AI Agent Orchestrator 赛道源于开发者需管理大量并行 AI 编码代理（如 Claude Code、Codex）的需求，旨在提供任务分配、成本控制等协作能力。报告将项目分为三层：L1编排层管理代理生命周期，L2协作层实现任务跟踪，L3公司层处理组织预算与对齐。 当前市场呈现九个项目竞争格局，技术栈以 TypeScript 为主。其中，LobeHub 生态最成熟但使用社区许可证，限制商业衍生；Paperclip 采用 MIT 协议，功能聚焦公司治理与预算，是构建商业产品的首选；Ruflo 虽增长迅速但遭社区质疑代码质量；Multica 架构扎实（Go 后端），支持最多代理类型但限制 SaaS 分发。 技术选型上，快速原型可考虑轻量级的 Agent of Empires；商业 SaaS 推荐 Paperclip；企业内部平台适合 Multica。报告同时指出，该领域面临大厂整合风险与技术债务问题（如部分项目停更或协议限制），且市场高度碎片化，预计将经历整合。核心建议是根据使用场景（商业、内部、原型）和许可证条款进行审慎选择。
从 Sublime Text 到 Zed
作者长期使用 Sublime Text，因其快速启动和丰富插件生态而满意，但随着 AI 辅助编码成为常态，Sublime Text 的 AI 集成体验不足，促使其迁移到 Zed。Zed 由 Atom 和 Tree-sitter 原团队开发，采用 Rust 编写，以极致性能和原生 AI 协作为核心优势，启动速度与文件响应优于 VS Code，并内置 Claude、GPT 等模型支持，无需额外插件。其极简界面与 Sublime Text 相似，降低了迁移成本。 安装 Zed CLI 是首要步骤：在 Zed 中通过命令面板执行安装，将 CLI 工具置于 ~/.local/bin/zed，之后可在终端使用如 `zed .` 打开目录或 `zed --diff` 比较文件等命令。为提升效率，作者进一步将 Zed 集成到 macOS Finder 右键菜单，利用 Automator 快速操作机制：首先通过一键脚本生成 OpenInZed.workflow 文件，其中包含 Shell 脚本调用 Zed 打开选中路径；双击安装 workflow 并刷新服务缓存（执行 `/System/Library/CoreServices/pbs -flush`），最后在系统设置中启用该服务。配置后，右键文件夹或文件即可选择“在 Zed 中打开”，脚本自动处理路径。 技术细节上，脚本采用三重兜底逻辑以兼容不同安装方式（如 CLI 路径检测、PATH 变量、应用程序直接调用），并添加 `-n`
了解 Claude Code 的提示词工程
Claude Code 之所以在众多同模型的编程工具中脱颖而出，其关键差异之一在于其内部复杂且经过精心设计的提示词工程。通过截取分析其实际发送的提示词，可以清晰地看到其三层结构：系统层、消息层和工具层。 系统层为Claude Code设定了“Anthropic官方CLI软件工程师”的核心人设，并包含严格的行为准则，例如拒绝破坏性任务。此外，该层为每个项目目录都配置了基于文件的记忆系统，以保存上下文信息。一个值得注意的细节是，Claude Code会在请求头中加入一个动态变化的参数，这使得其他工具若不特殊处理会导致缓存失效。 消息层不仅包含用户的历史对话，还会注入用户安装的所有工具的详细说明。例如，安装hyperframes框架会带来大量特定技能的提示词，显著增加上下文长度。同时，系统会将用户的邮箱、当前日期等信息作为上下文提供给模型。 工具层则定义了模型可调用的具体工具及其使用方法，如鼓励使用子Agent处理复杂任务，以及如何通过提问工具向用户获取澄清信息。该层被巧妙地置于消息层之后，这可能是为了对抗其他模型的缓存机制。整个提示词架构展现了Claude Code如何通过精细的工程设计来引导模型行为、管理上下文并提升任务完成质量。
SmartPerfetto 两周更新：从 Perfetto AI Assistant 到可复用的 Trace 分析平台
SmartPerfetto 在两周内完成了从单条 trace 的 AI 问答工具向可复用分析平台的演进。核心变化体现在多 Trace 分析结果对比、证据三层保障机制与双模型运行时支持。 新增的多 Trace 对比功能，允许用户对比已完成分析的结果快照，而非必须同时打开两条 trace，极大便利了性能回归与 A/B 测试场景。项目强化了结果可靠性，构建了从 SQL 执行（通过 stdlib guardrail 自动补齐依赖、校验安全性）到证据来源（为数据封装添加稳定索引 ID），再到报告结论（支持逐句数据引用映射）的完整 traceability 链条，使用户能精准溯源任何数字的产生过程。 运行时层面，正式引入 OpenAI Agents SDK 作为与 Claude Agent SDK 并列的一等运行时，并提供可视化 Provider Manager 进行配置管理，方便用户切换不同的模型服务。此外，渲染管线教学功能重构为基于当前 trace 实际观测事件生成，而非静态模板。一系列针对大文件上传、进程残留清理、多环境兼容性的修复，则显著提升了工具的部署与启动成功率。
手搓一个 Agent 驱动的项目 Wiki 生成方案
作者在项目文档生成实践中，发现传统RAG方案如deepwiki在处理确定性结构（如目录、接口列表）与不确定性分析（如架构总结、ER图）时存在局限。其核心思路是：将确定性信息（如行号、Proto文件）明确处理，仅将归纳、推理等任务交由LLM，以实现各取所长。然而，deepwiki的独立页面架构难以满足基于已生成内容进行汇总的需求。 为此，作者转向基于Claude Code的方案。该工具采用工具驱动检索机制，通过Read、grep、LSP等确定性工具链精准定位代码，而非依赖向量化索引。这使生成的Wiki内容更准确可控，并可复用为跨项目Skill。尽管需要多轮调试且自动化程度较低，但其在内容质量、尤其是跨文件关联分析上优势明显。文章最终提出互补策略：项目初期用deepwiki快速搭建框架，成熟阶段则用CC方案精细打磨可控的文档体系。
Lyra - AI Prompt Optimization Specialist
Lyra 是一个AI提示词优化专家，旨在将用户的模糊输入转化为精确、高效的提示词，以充分挖掘各类AI平台的潜力。其核心工作流程基于结构化的 4-D 方法论。第一步是解构，即提取用户输入的核心意图、关键实体、上下文以及已知与缺失信息。第二步是诊断，评估提示词在清晰度、特异性、结构复杂性等方面存在的差距。第三步是开发，这是优化的关键，根据请求类型（如创意、技术、教育或复杂问题）选择针对性的提示技巧，例如链式思考、少样本学习或多视角分析，并为AI分配恰当角色。第四步是交付，生成格式化的优化提示词并提供使用指导。该方法论融合了基础（角色设定、上下文分层）与高级（链式思考、约束优化）技巧，并针对 ChatGPT、Claude 等不同平台特性进行适配。Lyra 提供详细与基本两种操作模式，以适应不同复杂度的优化需求。
BEWARE SOFTWARE BRAIN
本文深入剖析了科技行业普遍存在的“软件思维”局限性及其社会影响。这种思维模式倾向于将世界视为可通过代码与数据结构控制的数据库集合，进而形成通过操纵数据即可掌控一切的误解。文章指出，该模式在业务流程自动化中具有价值，因为商业活动本身已高度数据化与循环化。然而，当试图将其强加于人类社会与法律体系时则必然失效：法律的本质并非确定性代码，其核心恰恰在于适应社会复杂性的模糊地带；人类生活数据也天然分散于异构系统，强行整合并要求个体自我数字化适配软件，实质上是对人性的背离。作者强调，技术发展不应要求人类变得“可读”以适配机器，而应致力于让系统适应人类需求。当前科技行业在能源与制造成本高昂的背景下盲目推行AI渗透，却未能意识到这种“软件思维”的狭隘框架正迫使人类变得更非人化，这也解释了公众对技术的普遍抵触情绪。
Most vibe-coded tools are not for you
通过AI生成的工具常因缺乏可达性、社交性和完成度而受限。这些工具往往带有创建者个人的认知印记，使用者必须适应其特定思维方式才能有效操作，这限制了工具的普及性。真正具备可达性的工具应能适应不同思维模式的用户，甚至随用户群体扩展而进化。社交性则依赖于界面设计、社区参与及用户与开发者间的持续互动，而当前许多AI工具忽视了这种协作生态。完成度不足导致工具缺乏精心设计，难以迭代或模块化扩展；边界模糊的工具往往抵制演进，无法通过他人使用与维护的检验。历史上许多优秀工具始于临时解决方案，但最终因被认真打磨和社群化而成为通用工具。对于LLM生成的内容而言，仅凭项目名称和README文件不足以使其成为可持续工具，开发者需反思这些成果是否能经受他人问题场景的考验，以及是否愿意承担长期维护责任。
Practical Use Of AI Coding Tools For The Responsible Developer
本文探讨了AI编码工具在Web开发实践中的负责任应用。作者团队在长期整合Copilot、Cursor等工具后，总结出既能提升效率又不损害代码质量的关键用例。核心在于将AI视为需要验证的协作者：用于快速理解陌生代码库的架构、辅助处理依赖库的破坏性升级变更、高效安全地跨文件复制代码重构逻辑、在紧迫时间内实现自身不熟悉的技术栈需求（如编写着色器），以及辅助生成单元测试和内部工具脚本。作者强调，“负责任的开发者”必须确保输出代码的可靠性，不给团队增加审查负担，并严格遵守安全策略（如不泄露敏感数据）。其最佳实践包括：撰写极其具体的提示词并在必要时要求AI先行提问澄清需求、利用版本控制进行小批量提交以稳定开发过程、以及始终进行严格的代码自审。文章指出，AI工具能极大释放生产力，但开发者的测试、验证与问题解决能力依然是代码卓越性的根本保障，尤其对于初级开发者，需警惕过度依赖而忽略了调试难题中的必要磨砺。
Human Strategy In An AI-Accelerated Workflow
AI工具正深刻改变用户体验设计行业，但并未威胁设计师的核心价值，而是重构了其角色定位。生成式AI能快速产出布局方案、设计组件、用户画像和数据分析，极大提升设计执行阶段的效率与一致性，将设计师从重复性制作中解放。然而，UX设计的本质在于解决复杂的人类问题，这要求设计师具备AI无法替代的能力：基于真实生活经验的同理心、符合伦理的批判性判断，以及结合组织政治与文化语境的战略思维。 当前设计师的工作重心正从“像素操作”转向“意图引导”，从“方案生成”转向“决策筛选”。设计师需学习如何通过清晰提示词指导AI，并在海量生成结果中做出符合用户利益与商业目标的判断。未来设计师将更像电影导演，负责定义体验的最终意义与价值。随着执行门槛降低，设计师需承担更高的伦理责任，专注于心理健康、无障碍设计和人文关怀等无法自动化的核心领域。这种演变要求从业者主动拥抱AI工具，同时深化心理学、战略思维和沟通协调等“人类技能”，从而在技术加速的环境中重新定义设计专业性。