Gemini Mac App 新增電腦操作功能,可協助完成多步驟工作
在 Mac 上處理多個步驟,常得在檔案、App 和網頁之間來回切換。Google 的 Gemini Mac App 新增電腦操作功能,可跨這些地方協助填表、做簡報或整理待售物品;使用者能選擇 Gemini 可以存取哪些 App,也能在聊天視窗裡即時檢視它的操作畫面。目前功能正以英文向美國使用者推出。文章也提到,Apple 即將對要求完整磁碟存取權的 Mac App 加上新限制,原因是 AI 助理操作電腦可能帶來風險。
在 Mac 上處理多個步驟,常得在檔案、App 和網頁之間來回切換。Google 的 Gemini Mac App 新增電腦操作功能,可跨這些地方協助填表、做簡報或整理待售物品;使用者能選擇 Gemini 可以存取哪些 App,也能在聊天視窗裡即時檢視它的操作畫面。目前功能正以英文向美國使用者推出。文章也提到,Apple 即將對要求完整磁碟存取權的 Mac App 加上新限制,原因是 AI 助理操作電腦可能帶來風險。
CrewAI 1.15.44 新增一項功能,能把檔案存成有版本紀錄、可以分享的檔案。這次更新也修正多個問題,例如讓 AI 助理和團隊在流程檔案中的動作參照更正確,並限制 Pillow 開啟圖片時只接受 PNG、JPEG、GIF 和 WEBP。這些改動能讓檔案更方便儲存與分享,也改善了部分流程和圖片處理問題。
需要從音訊或圖片中找出特定資訊時,單靠生成文字不一定方便整理答案。Vercel AI Gateway 現在提供 Liquid AI 的 d1.2 和 d1.2-ultra,這兩個決策模型會直接回傳結構化結果,可回答是或否、選出類別、依規準評分,也能辨認音訊內容或找出圖片物件的位置。d1.2 速度較快、成本較低;d1.2-ultra 則是 Liquid AI 準確度最高的決策模型。使用者可在同一個請求中提出多個問題,請求也會記錄在 AI Gateway 的紀錄中並計入預算。
做檔案、試算表和簡報,通常得在不同的 Office 程式間切換。Microsoft 正把完整的 Word、Excel 和 PowerPoint 功能放進 Copilot,讓使用者能在 AI 助理裡處理工作,也能和仍使用獨立 Office 程式的同事一起修改檔案;Microsoft 表示,這些功能會保留追蹤修訂、進階公式和既有的安全與管理控管。新功能會逐步推出,Copilot Today 目前仍在預覽版。作者認為,工作可能逐漸從傳統程式移到以自然語言操作的 AI 助理,但這項改變如何發展仍未確定。
筆電常會闔上帶著走,不適合長時間開著執行 AI 助理和排程工作。NVIDIA 的 RTX Spark 開始推出小型桌上型電腦,ASUS、Dell 和 MSI 的機型已開賣,搭載 N1X 晶片,最高可配 128 GB 共用記憶體,也能連線 10 Gbps 乙太網路。這些電腦可用來在本機執行 AI 助理、生成圖片和影片,或微調模型;桌上型設計也讓電腦能一直開著,並改善筆電散熱較不理想的問題。不過,它們不能像 DGX Spark 一樣串接多臺來增加容量。
同時使用多個 AI 助理時,常得在不同視窗間切換,也很難知道它們各自做了什麼。JunctionBox AI 可在 Linux、macOS 和 Windows 電腦上管理 Claude Code、Codex、Grok 與 Ollama,也能把工作交給其他 AI 助理,或把同一個問題送給幾個助理比較答案。它還能在其他電腦上執行工作,並讓人從 Roku、Google TV 或 Fire TV 操作終端機、聊天和螢幕分享。Linux 和 macOS 有沙箱與許可權設定;Windows 目前沒有同等的沙箱,助理會使用你帳號的許可權。免費版可同時執行 2 個助理,Pro 每年 $49,可使用不限數量的助理和全部外掛。
開發者期待已久的功能終於來了。Antigravity 現在支援透過 SSH 連線遠端伺服器。 繼續使用 Neon 開發!
整理檔案、填表等重複工作常要在不同 App 和網站間來回處理。Google 把電腦操作功能加入 macOS 版 Gemini,使用者交代任務後,AI 助理可以在背景操作 Mac 上的 App、檔案和網站,完成多個步驟;進行中的操作會顯示在聊天預覽裡,使用者也能暫停、停止,或在操作前核準。這項功能目前僅在美國以英文提供,需使用 Gemini Mac App,並訂閱 Google AI Plus、Pro 或 Ultra;Google 尚未公佈何時擴充套件到其他地區或平臺。
保險理賠被拒時,醫院的帳務人員得打電話查原因,一通可能花上 10 分鐘到 1 小時。Candid Health 用 ElevenAgents 打電話詢問保險公司,找出拒賠原因和接下來該怎麼處理;一開始就處理了 12,860 通電話,替員工省下超過 850 小時,並成功解決 59% 的試辦電話。像是查出醫療人員在看診當天沒有完成保險公司的資格登記,修正這類問題就能避免後續理賠再被拒。客服和帳務團隊也能自己調整、測試 AI 助理,讓工程師專心處理系統穩定和擴充。
AI 助理的對話紀錄和設定常存在電腦裡,電腦出問題或紀錄消失時,工作進度也可能跟著不見。IDrive 在桌面應用程式加入 AI Agents Backup,會自動找出 Claude Code、Cursor、Codex 和 Cline 的本機資料並備份到 IDrive 帳戶,還原時會放回原本位置。備份包含工作紀錄、設定和部分工具資料,不含程式碼、儲存庫或暫存檔;換電腦還原時,兩臺電腦必須使用相同作業系統。Claude 的還原可能會取代原有檔案。
處理即時客服電話時,模型要聽懂來電者的話,也得及時回答。PolyAI 的 Dialog-RSN-1 現在可透過 AWS Marketplace 或 Amazon SageMaker JumpStart 部署到自己的 AWS 帳戶,直接聽取電話音訊並即時回應,不必先轉成文字再交給另一個模型處理。部署後,通話音訊和逐字稿留在使用者控制的環境中;團隊也能依需求選擇偏重回應速度、處理量、成本或平衡的設定檔。模型目前只支援英文,連線最長為 30 分鐘。
某個 AWS 區域的 GPU 容量不夠時,模型請求可能逾時,即使其他區域還有空間也用不上。Amazon SageMaker AI 推出跨區域推論路由,讓應用程式透過同一個入口呼叫已經部署在不同區域或帳號的端點;本地端點狀況不佳時,路由器會把新請求送到其他可用端點,恢復後再逐步切回。端點擁有者也能設定跨區流量上限,避免外地請求擠壓本地服務。這項功能不支援串流回應,路由器本身不另收費,端點和 CloudWatch 指標仍依標準費率計費。
推薦理由:SageMaker AI 會依端點健康狀態把新請求轉往其他區域,並在恢復後逐步切回;文中也說明重試條件與跨區流量上限。
在海灣地區找家庭幫傭,常常是先從朋友或 Facebook 社團拿到電話,但家人不一定知道仲介有沒有政府核發的執照。GCC Domestic 整理了阿聯酋、沙烏地阿拉伯、卡達、科威特、巴林和阿曼的 1,600 多家仲介,其中 1,300 多家能對上官方名冊;每家有查證標章的仲介,都連到 MOHRE 或 Musaned 的政府紀錄,讓家人可以自己確認。沙烏地阿拉伯的名冊每週更新,對不上官方資料的仲介仍會列出,但不會有查證標章。 網站也公開各國和不同國籍工作者的薪資範圍,並讓 AI 助理透過公開的 MCP 伺服器查詢仲介、執照和薪資資料,回答時會附上來源。家人免費使用,仲介只在獲得合格客戶詢問時付費。
Kling 4.0 現在能在 fal 生成原生 4K 影片,可從文字、圖片或參考素材開始,也能編輯現有影片。若需要更豐富的色彩,還可選擇 10-bit HDR 輸出,支援 4K 和 1080p。
推薦理由:Kling 4.0 在 fal 支援原生 4K 影片生成,也能編輯現有影片,並提供 10-bit HDR 輸出選項。
團隊接入多家模型時,常得管理不同 API;供應商出錯時,也可能讓請求失敗。Perplexity 推出 Orchestrator API,讓開發者用一個入口呼叫多家公司的模型,遇到供應商錯誤、限流或逾時時,會改由另一個部署提供相同模型。每次請求仍按實際回答的模型費率計費,失敗且未產生輸出的請求不收費。另一項 perplexity/auto 路由功能還在預覽,會依對話內容和開發者寫的路由說明選擇模型;文中測試也顯示,加入路由後,Claude Fable 5.2 在 63 項 Terminal-Bench 4.1 任務中的完成數從 38 項增加到 41 項,但每項任務的估計成本較高。
推薦理由:Perplexity Orchestrator 把多家模型與供應商放在同一個 API 入口,文章也比較了故障切換、路由方式與收費差異。
企業想讓更多員工使用 AI,常會擔心人數增加後費用難以掌握。Databricks 說明,Azure Databricks 每位使用者每月有 $10 的 Genie 免費額度,並可設定預算門檻,超額使用時發出提醒或擋下新請求。Genie One 和 Genie Agents 對使用者免費至 2027 年 1 月 31 日;之後每月 $10 額度會由三種 Genie 服務共用。預算追蹤接近即時,但只是估算,實際費用可能略高或略低,進行中的請求也會完成;SQL 倉儲運算費另計。文章也介紹 Genie 如何連線 Microsoft Teams、Microsoft 365 Copilot、Excel 和 Copilot Studio,並沿用 Unity Catalog 的資料存取許可權。
焦慮時想做心理練習,常會遇到工具收費或擔心個人資料外流的問題。一位曾受焦慮困擾的開發者做了免費 CBT 工具包,包含記錄和整理想法、練習呼吸、建立逐步面對恐懼的計畫等功能;工具在瀏覽器中運作,資料儲存在使用者的裝置上。作者也提供原始碼,讓人檢視、修改或自行架設。工具包還有供開發者使用的焦慮練習資源。
處理 PR 常得反覆等 CI、修正程式碼、回覆審查意見,再重新推送。Claude Task Master 的 claudetm merge-pr 會等待 CI 結果,失敗時分析問題並修正程式碼,也會處理新收到的審查意見,等核准後再合併。作者說明,這個工具曾用來合併該專案的 PR #147 到 #150,維護者不必一路盯著流程。它也能從任務描述開始安排工作、測試並開啟 PR,讓開發者把重複的處理步驟交給工具。
有些團隊希望自己決定 AI 助理在哪裡執行,也能檢視和修改軟體。n8n Labs 推出 Nod,作為研究預覽版,採用 Apache 2.0 授權,可在 macOS、Windows 或自行架設的環境執行。Nod 目前沒有列出適用所有工作的固定功能,團隊需要挑選明確的小任務測試,並先想好誰負責維護、哪些資料可以存取,以及如何檢查它的操作。
Google 宣佈 Genie 4 開放開發者使用,可透過 Gemini API 和 Google AI Studio 打造新的世界模型體驗。原文沒有提供更多功能或使用方式細節。
想查團隊用了多少服務、發票在哪裡,或下期可能要付多少錢,現在可以用 Vercel CLI 處理。帳單相關指令統一放在 vercel billing 底下,可以檢視帳單概況、檢視和下載發票,也能預覽下一期帳單及各項費用。所有方案都能檢視帳單概況和發票紀錄;預覽下期費用則需要有效的付費訂閱,而且金額可能在帳單週期結束前改變。這些功能讓人可以直接在命令列整理帳務;更新 Vercel CLI 後就能開始使用。
想做能即時互動的虛擬世界,開發者需要能生成畫面並接收操作的工具。Google 在 Gemini API 和 AI Studio 推出 Genie 4,可從文字或圖片生成 720p、每秒 24 格的世界,再用 WASD、提示詞和 48 kHz 立體聲即時操控。串流可透過 WebRTC 或 WebSocket 進行,相關檔案列在 Gemini API 檔案頁面。
推薦理由:Genie 4 提供畫面規格與兩種串流接法,方便開發者評估如何把即時互動世界接進自己的應用。
推薦理由:Genie 4 可用文字或圖片建立可即時操控的 720p 世界,並透過 Gemini API 或 AI Studio 使用,呈現了互動式影片生成的操作方式。
多個 AI 助理一起寫程式時,常需要有人傳話、分配工作,還得追蹤每個人的進度。Vercel 推出實驗性功能 Board,讓不同工具的 AI 助理在共同的討論區領取任務、交換發現和更新進度,開發者也能檢視工作並介入。Board 可連線 Slack、GitHub 和 Linear;例如有人在 Slack 提出需求,AI 助理可以把工作拆開交給其他助理。團隊也能設定誰可以進入頻道,並檢視活動紀錄。Vercel 提醒,AI 助理可能把訊息當成指令,因此要限制誰能發文,也不要把 API 金鑰和權杖放進 Board。
大型模型分散在許多 GPU 上訓練時,只要一張 GPU 或網路出問題,整個工作就可能變慢,找出原因也得翻查多套監控工具。Amazon SageMaker HyperPod 新增監控與診斷功能,會比較同一訓練工作中的 GPU 使用率、溫度和耗電等狀況,找出和其他 GPU 不同的裝置,也會標示硬體錯誤、網路變慢、過熱或降速等問題,並列出受影響的工作與裝置。功能支援 EKS 和 Slurm,可將資料送到 CloudWatch 或 Prometheus;進階指標可自行開啟,但會增加資料量與相關費用。
推薦理由:新功能把 GPU、網路和主機的狀況放在同一處檢查,並標出異常裝置與可能原因,呈現大型訓練排查問題的做法。
想調整圖片中的商品細節、衣服顏色或海報文字時,不一定要重做整張圖。Ideogram 4.6 現在可在 fal 使用,能依照文字指示修改既有圖片,也支援照片和文字較多的設計稿,方便反覆調整設計。
兩小時的直播裡可能只有幾個精彩片段,手動翻找很花時間。Tahir Younas 做了免費開源命令列工具 ClipForge,讀取自己擁有的直播影片和聊天室紀錄,根據訊息突然變多、關鍵字和驚嘆號等線索找出熱鬧時刻,再用 ffmpeg 剪成 1080×1920 直式短片,並附上縮圖和貼文文字。它也能即時檢視正在增加的聊天室紀錄。這套方法靠觀眾反應猜精彩片段,結果不一定準;工具只處理使用者自己的檔案,也不會自動發布內容。
處理身分證明、銀行明細等檔案時,許多免費網站會要求先上傳,讓人擔心個人資料外流。獨立開發者 Vinod Kumar Yadav 做了 DailyEZTools,提供 48 種在瀏覽器內處理檔案的工具,不必註冊,也不會把檔案上傳到伺服器。例如,簽名圖片工具會調整圖片品質,讓檔案大小符合招考網站的規定;PDF 工具則能壓縮檔案或加上頁碼。網站也提供試算表轉換和貸款計算工具,讓日常處理檔案和計算費用更方便。
整理資料表時,不能因為維護工作影響正在進行的作業。PostgreSQL 19 新增 REPACK (CONCURRENTLY) 指令,可在不中斷作業的情況下整理資料表;也加入 pg_plan_advice 擴充功能,讓使用者更能控制查詢計畫的穩定度與查詢效能。這個版本還包含多項效能改進,完整變更可查閱發布說明。
推薦理由:PostgreSQL 19加入可在不中斷作業時整理資料表的指令,也提供控制查詢計畫穩定度的新擴充功能,可從這些改動瞭解這次更新的重點。
AI 助理做重複工作時,常需要人手動新增技能,才能記住怎麼處理。Perplexity Computer 的 Brain 會檢視過去的工作紀錄,包括工具使用、推理和結果;看到足夠多次相似做法後,才提議建立或更新個人技能。每項變更上線前,還要用過去失敗的情境重新測試,並由工程師審核。為期 8 週的隨機測試中,72.9% 的使用者至少新增了一項技能;工具呼叫失敗率下降 11%,不滿意的對話減少 7.6%,成本和延遲則沒有可測量的變化。
推薦理由:這項為期 8 週的隨機測試比較了自動建立技能前後的使用情況,呈現個人化技能對工具失敗率與成本、延遲的影響。
生日提醒常在忙碌時跳出來,等想起要傳訊息時,生日可能已經過了。獨立開發者 V340RK 做了 Android App Forgetta,連結 Telegram、Facebook Messenger,也可選擇讀取手機裡的 Google 聯絡人;設定好祝福內容後,App 每天早上會自動傳送。聯絡資料、生日、祝福內容和寄送紀錄都留在手機上,不需要伺服器。它目前在 Google Play 提供,前 14 天免費,之後需訂閱。