09:21airtap_ai@airtap_aiAirtap 展示了一个购物智能体的关键能力:在快速执行任务的同时保持安全护栏。其工作流程为“查找→验证→尺寸→装袋”,智能体在真实应用内按序操作,确保在关键步骤前产品与尺寸匹配。这不仅是自动化表演,而是兼顾时序与正确性的实用代理。AI产品智能体购物AIAirtap移动端AIAgentUX推荐理由:做购物类 AI 代理的开发者可以看看这个 demo——它展示了如何在真实应用中平衡速度与准确性,避免自动化变成花架子。原文
06:56AI Engineer@aiDotEngineer72°TLMs 项目展示了如何在边缘设备上运行小型语言模型和智能体。其中 Function Gemma 模型仅有 2.7 亿参数,在 Pixel 7 上预填充速度接近每秒 2000 token,开箱即用对固定应用意图的准确率达 46%。通过合成数据集微调后,在十个函数中的八个上准确率超过 90%。Cormac 介绍了两种设备端 AI 路径:基于 Gemma 4 的技能框架(含全设备端运行的餐厅轮盘演示)和 Eloquent 转录应用(通过串联两个子十亿参数模型构建)。AI模型Tiny LLM边缘设备Function Gemma智能体移动端AI推荐理由:边缘设备上跑 LLM 和智能体终于有了可落地的方案——2.7 亿参数的 Function Gemma 在手机上就能达到 90%+ 准确率,做移动端 AI 应用的开发者可以直接参考其微调路径和架构设计。原文