别再手动比价了，谷歌 AI Flight Deals 已全球铺开，再不用就慢一步
它用 Gemini 2.5 理解“冬天美食之都”这类“人话”需求，帮你搜全球优惠航班。
Gemini 2.5 就像个懂行的旅行助理，把你的模糊想法转成搜索参数，在 Google Flights 实时库里捞数据。
使用与避坑：
1️⃣ 适合谁：灵活出行者。没定日期和目的地，纯找灵感和洼地价格。
2️⃣ 怎么用： 直接在 （https://google.com/flights） 用自然语言描述，比如“10 天滑雪之旅，直飞优先”。
3️⃣ 关键局限 (Beta)： 不适合“刚需”。搜感恩节 SFO-LAS 这种特定行程，传统搜索更好。AI 也可能误判（实测搜“潜水+骑行”推荐了高山）。
4️⃣ 进阶提示： 结果优先按“节省百分比”排。它还能跟 Google Maps 和 Canvas 联动做完整行程规划（目前美国桌面端 AI Mode）。
这不仅是搜索，更是谷歌在垂直领域整合 AI Agent 的一步。
官方工具：https://google.com/flights
#AI旅行 #Google #FlightDeals #生产力工具 #信息差
别再手动比价了，谷歌 AI Flight Deals 已全球铺开
更多动态
还在为 RAG 应用维护两套数据库（SQL + 向量库）？
你的开发架构可能已经过时了 OceanBase 刚刚开源 seekdb，用一套引擎搞定“向量+全文+SQL”混合检索，彻底省去多库同步的维护成本。 简单说，做 RAG（给 AI 外挂知识库）最烦的是数据割裂。以往你得在 MySQL 查库存，再去向量库查相似度，中间还得写代码同步数据。seekdb 相当于把这两个脑子合二为一，一次查询直接出结果。 🔹 极简 MVP 配置 对独立开发者极度友好，不再需要庞大的集群。最低 1 核 CPU + 2GB 内存 即可跑通，支持 pip install 一键安装。既能做嵌入式数据库（像 SQLite），也能做 Server 端部署。 🔹 真混合搜索能力 核心价值在于“语意”与“逻辑”的实时结合。 场景举例：你可以用单条指令查出“近 7 天注册（SQL 标量）且行为模式类似黑产样本（Vector 向量）”的用户。这种查询以往需要跨系统拼接，现在只有毫秒级延迟。 GitHub：https://github.com/oceanbase/seekdb #AI基础设施 #独立开发 #RAG优化 #OceanBase #数据库技术
还在用 AI 聊天？别人已经用蚂蚁“灵光”
30 秒生成可交互 App 了 这款全模态 AI 助手，核心是把自然语言对话直接变成可编辑、可分享的“闪应用”，而不只是给个答案。 🔹 闪应用 (给新手)： 核心功能。不只生成静态页面，是 30 秒生成可交互 App。比如你问“养车成本”，它直接生成一个可调油费、里程的计算器；问“溏心蛋做法”，它生成一个可调熟度的计时器。 🔹 全代码生成 (给开发者)： 重点。所有输出（包括 App、3D 模型、图表）都是模型即时生成的代码，不是简单拼凑或调用模板。 🔹 技术栈： 背后是 Agentic 架构，多智能体协作，动态调用 3D、动画、地图等专用 Agent 和工具。这是从“信息提供”到“工具创造”的转变。 🔹 其他： “灵光对话”会用 3D 模型、可交互地图来回答问题；“灵光开眼”是 AGI 相机，能实时视频流解析。 已登陆安卓与苹果应用商店。 #AI应用 #Agent #蚂蚁灵光 #AIGC #生产力工具
美团 LongCat-2.5发布了。
1.6T 总参、激活约 48B，原生多模态，主推长程智能体，全程国产算力训练。 图像量化成多级离散 token，Visual Coding 与 3D 受益。 大规模长程 RL，把失败轨迹转成可验证训练任务。 W4A4 推理，prefill 吞吐提升 43%。 官方自测介于 Claude-Opus-4.8 与 Opus-5 之间。
商汤开源 SenseNova Loop-9B-Preview。
它不堆参数，堆"层数"。32 层解码器，中间 4–27 层同权重跑两遍 → 前向 56 层计算，只存 9B。 自测 BIRD-Dev 71.38、AutomationBench 13.72，超 Qwen3.5-27B；Terminal Bench依旧落后。
