22:21LangChain@LangChainAILangChain 的 Sydney Runkle 在 X 上分享了关于 AI 循环的 5 种类型:Token 循环(模型生成)、Agent 循环(模型+工具+重复)、深度验证循环(Agent+验证+重复)、部署元循环(事件触发 Agent 运行)以及待完善的引擎循环(通过分析追踪优化系统)。这些循环覆盖了从单次推理到系统级优化的不同抽象层次,帮助开发者理解如何用 LangChain 构建更复杂的 AI 工作流。AI产品LangChainAgent 循环工作流元循环AI 架构推荐理由:LangChain 把 AI 循环分成了 5 个清晰的层次,做 Agent 开发或工作流编排的团队可以对照自己的场景找到合适的抽象级别,建议收藏作为架构参考。原文
19:36IT之家(博客/媒体)科大讯飞将于 6 月 10 日在香港举办全球发布会,率先发布智能空间 Agentic 架构 SpaceMind。该架构让 AI 具备自主思考、真实记忆和自学习能力,能感知、理解、决策、执行,使家庭、酒店、办公等空间越来越懂用户。目前已有数十家全球合作伙伴达成战略合作,SpaceMind 正加速将 AI Agent 带入真实空间。发布会还将展示 WallEX 等智能硬件,并启动 AI Agent 创新应用大赛。AI产品智能体智能空间科大讯飞SpaceMindAI 架构推荐理由:SpaceMind 把 AI Agent 从概念落地到家庭、酒店、办公等真实场景,做智能家居或空间设计的团队值得关注,可以直接看看它如何让空间自主学习和决策。原文
08:04Gary Marcus@GaryMarcusGary Marcus 回应批评者,重申他从未说深度学习完全失败,而是认为需要神经符号 AI 作为补充。他指出 Claude Code、代码解释器、工具使用和符号框架等正是他多年来主张的方向。Marcus 强调,不理解这一点的人对 AI 架构缺乏基本认知。这条推文是对他 2022 年文章《深度学习撞墙》的辩护,并认为当前 AI 进展验证了他的观点。行业深度学习神经符号 AIClaude CodeAI 架构Gary Marcus推荐理由:Gary Marcus 的回应澄清了关于深度学习局限性的常见误解,关注 AI 架构争论的读者会看到他的预测如何被 Claude Code 等产品验证,值得点开了解他的完整论点。原文
09:05Aravind Srinivas@AravSrinivas精选76°Perplexity CEO Arav Srinivas 宣布,公司正从传统的“搜索作为网络抓取工具调用”转向“搜索即代码”架构。新架构让 AI 智能体直接编写 Python 代码调用搜索栈,而非逐次循环函数调用。这一转变旨在适应未来智能体环境中代码执行成为知识工作主流方式的趋势,使多步骤原语组合更自然,对智能体框架的变更更具适应性,并能受益于下一代模型在编程能力上的持续提升。该架构已通过 Perplexity Agent API 提供,并默认用于 Computer 模式。AI产品搜索即代码Perplexity智能体AI 架构代码生成推荐理由:Perplexity 把搜索从工具调用升级为代码生成,解决了智能体多步搜索效率低、难适配的问题。做 AI 智能体或搜索产品的开发者值得关注,可以直接在 Agent API 里体验。原文