托管 RAG 的新方案：Gemini API 推出 File Search 工具
它把复杂的 RAG 流程（检索增强生成）几乎全托管了，开发者可以专注业务。
RAG 就像给 AI 配了个外挂知识库，让它先查资料（如 PDF）再回答，减少“幻觉”。以前自建 RAG 很麻烦，要自己管数据分块、向量数据库。
File Search 的几个亮点：
1️⃣ 成本极低：文件存储免费、查询嵌入免费。只在首次索引文件时收 $0.15/1M tokens。
2️⃣ 全自动化：自动处理文件存储、智能分块、生成 Embedding（基于 MTEB 榜首模型）和上下文注入。
3️⃣ 结果可溯源：API 自动生成引用（Citations），回答有理有据。
🔹 免费版有 1GB 存储，Tier 1 升至 10GB。
🔹 支持 chunking_config 自定义分块策略。
适合快速搭建企业知识库、客服问答等应用。
官网文档： ai.google.dev/gemini-api/docs/file-search
#GeminiAPI #RAG #AI开发 #AI应用 #GoogleAI
托管 RAG 的新方案
更多动态
实现 AI 视频自由运镜
Google Flow 新增“相机调整”功能，允许在视频生成后修改机位与运动轨迹。 目前该功能仅向 Ultra 订阅用户开放，提供了 2 周的限时免费试用。 它主要提供两类调整： 1️⃣ 位置 (Position)：实现平移、推近 (Dolly In)、拉远 (Dolly Out)。 2️⃣ 运动 (Motion)：添加环绕 (Orbit) 或晕眩变焦 (Vertigo Zoom) 等专业运镜。 背后是 Veo 3 模型支持，在生成视频后点击“编辑”插入指令即可。 在原始视频较静止、主体单一的场景中效果最好。如果原片运动复杂，重制后画质可能下降。 #AI视频 #GoogleFlow #Veo #AIGC #生产力工具
用 AI 几分钟完成金融研究，Google Finance 迎来大幅升级
它集成了 Gemini 模型，把复杂的数据分析工作从几小时缩短至几分钟。 1️⃣ Deep Search：核心功能。利用 Gemini 并发执行数百次搜索并综合推理，几分钟内生成带引用的全面回应。研究过程透明可见。 2️⃣ 预测市场数据：整合了 Polymarket (Polygon 链上) 和 Kalshi (CFTC 监管)。用户可直接搜索市场对未来事件（如 GDP 增长率）的概率。 3️⃣ 财报跟踪：提供财报电话会的实时音频、转录和 AI 摘要。自动对比收入/EPS 与 FactSet、Yahoo Finance 等机构的市场共识。 目前美国区先行，AI Pro / Ultra 订阅者有更高使用限额。 Beta 体验地址：google.com/finance/beta #Google财经 #Gemini #AI #Web3 #金融科技
claude申诉失败了。
订阅费也没法儿退，我甚至怀疑申诉邮件就是钓鱼的，有追踪IP地址。 dhh是美国开发者，前段时间来深圳交流，演示了自己怎么用claude code。 目前最稳妥的方式就是参考dhh方法，把Claude code放在海外机器上，用tailscale远程连接使用。 那就得租一台有家宽的海外机器，在那台机器上注册和登录claude。
分享下现在的纯手机端工作流。
九月底前我都是坐在电脑前开着terminal指挥着pi，跑多subagent，最后再自己看diff，提pr，经常一坐就是一天。 九月底，我工作流改成在手机端用hermes指挥pi，完全解决了久坐电脑前的痛苦，用到现在还挺舒服。 Hermes用旗舰模型（gpt-6-astra/opus-5.5），pi尽量不装插件，用中端模型（ds-v4.1-flash/sonnet/terra），二者间用a2a通讯。 hermes负责分析issues，拆分成多个小任务，然后给每个小任务创建worktree，并在里面派遣pi去完成小任务。 每个pi完成任务都会通知hermes，由它判断提pr还是返工给pi。基本逛一天景点，或一觉醒来十几个pr搞好了，舒服得很。 就是过程太黑盒了，心路历程有点像早期的vibe coding，那会diff至少自己会看一下，现在diff也黑盒，完全交给旗舰模型，属于盒中盒了。 如果没数据焦虑，其实可以直接用grok-bot或者chatgpt-dot，开箱即用，里面内置了grok-cli和codex，原生agents通讯。弊端就是数据不在本地，有监管，万一被封号一切归零。
