科技早报 2026-07-13
概览
AI 与机器学习
- Google AI Edge 推动 Gemma 4 12B 笔记本本地智能体工作流
- Google 发布实验性扩散文本模型 DiffusionGemma 开发指南
- Google发布LiteRT.js扩展浏览器端AI推理
- Google 发布 Gemma 4 12B 多模态本地 AI 模型
- Google 发布 ADK Go 2.0 引入图式多智能体工作流
- Google Pathways 弹性训练可在故障后快速恢复
GitHub 热门项目
- OpenAI 开源 Codex CLI 本地编程智能体仓库
- GitHub 热门项目 Bun 集成运行时与包管理能力
- Rust 重写 Postgres 项目 pgrust 目标兼容 18.3
- Vibe-Trading 更新策略技能并披露安全加固措施
- GitHub 热门仓库收录百余个 AI Agent 与 RAG 应用
- GitHub 热门项目 dcg 阻止智能体执行危险命令
开源生态
开发者工具
- Google 推出 Colab CLI 连接本地终端与远程运行时
- Google 提出 A2UI 与 MCP Apps 三种智能体界面架构
- Google推出编码智能体评估飞轮开发者技能
- Google Cloud Workbench扩展正式登陆VS Code
安全与隐私
硬件与芯片
前瞻与传闻
Google AI Edge 推动 Gemma 4 12B 笔记本本地智能体工作流
Google DeepMind 表示，具备智能体与多模态能力的 Gemma 4 12B 可在配备 16GB 内存的日常笔记本电脑上运行。Google AI Edge 同步提供本地代码执行、离线语音处理及端点服务能力。
原文称，Gemma 4 12B 支持本地数据处理和视觉洞察生成，可用于本地化的智能体工作流。
在 macOS 上，用户可通过 Google AI Edge Gallery 使用该模型进行动态 Python 代码执行和可视化。
通过 Google AI Edge Eloquent，用户可进行完全离线的语音听写和文本编辑。
LiteRT-LM CLI 新增 serve 命令，可创建兼容行业标准的本地端点，为完全本地运行的 AI 工具和智能体提供支持。
Google 发布实验性扩散文本模型 DiffusionGemma 开发指南
DiffusionGemma 是基于 Gemma 4 架构构建的实验性文本生成模型，以扩散式并行生成替代逐 token 自回归生成。文章称，该模型已集成
vLLM等常用推理框架。
DiffusionGemma 基于 Gemma 4 架构构建，是一款实验性文本生成模型。
模型采用基于扩散的并行生成方式，通过迭代去噪并行生成和细化 256-token 块，而非逐 token 自回归生成。
文章介绍称，该模型具备更快推理、双向上下文感知及实时自我修正能力，并可部署在消费级 GPU 上。
文章还称，模型可更有效处理数独等复杂约束型任务，且微调后表现出显著增益；相关性能表述来自文章介绍。
DiffusionGemma 已集成 vLLM 及其他常用推理框架。
Google发布LiteRT.js扩展浏览器端AI推理
Google 推出
LiteRT.js，用于让机器学习模型直接在浏览器中运行。该产品支持WebGPU推理，并提供基于WebAssembly的 CPU 回退方案。
LiteRT.js 是 LiteRT 产品家族的最新成员，将 Google 的跨平台边缘 AI 运行时扩展至 Web 平台。
该工具面向 JavaScript 开发者构建，支持在 WebGPU 上执行机器学习模型推理。
在不使用 WebGPU 的情况下，LiteRT.js 提供基于 WebAssembly 的 CPU 回退方案。
文章将 WebNN 列为即将推出的支持目标。
Google 发布 Gemma 4 12B 多模态本地 AI 模型
Google 已发布 Gemma 4 12B，这是一款面向消费级设备高性能本地 AI 执行的稠密型多模态模型。该模型采用将多模态数据直接输入 LLM 主干的新型无编码器架构。
Gemma 4 12B 是 Google 发布的稠密型多模态模型，面向消费级设备上的高性能本地 AI 执行。
该模型引入新型无编码器架构，绕过传统视觉和音频编码器。
在这一架构中，多模态数据被直接输入 LLM 主干网络。
Google 发布 ADK Go 2.0 引入图式多智能体工作流
Google 发布面向 Go 的 Agent Development Kit 2.0，新增一等支持的图式工作流引擎与内置人在回路编排能力。
ADK Go 2.0 可用于组合复杂的多智能体应用，开发者能够通过普通 Go 代码实现动态执行。
新版加入自动化韧性功能，包括指数退避重试。单智能体应用与复杂图式工作流现可运行在同一运行时。
统一执行模型旨在简化遥测与状态持久化。
Google Pathways 弹性训练可在故障后快速恢复
Google 介绍基于 Pathways 与 MaxText 的弹性训练机制，可在硬件故障后仅替换受损 worker，并从检查点续训。
在分布式 AI 训练中，单台机器丢失通常会使整个多节点任务崩溃，并要求重启完整工作负载的基础设施。
Google 的 JAX 生态系统通过 Pathways 使用弹性训练机制，将硬件故障转换为可捕获的 Python 异常，使运行中的进程得以存活。
发生计划外故障时，系统自动仅替换损坏的 worker，并从 Cloud Storage 恢复最后一个可用检查点，在原位置继续训练。
Google 表示，该机制可将总停机时间降至两分钟以内，且无需重启主控制器进程。
OpenAI 开源 Codex CLI 本地编程智能体仓库
公开仓库 openai/codex 将
Codex CLI描述为由 OpenAI 提供、在用户电脑本地运行的编程智能体。项目支持多种编辑器、包管理器及桌面应用入口。
项目说明称，用户可在 VS Code、Cursor 或 Windsurf 等代码编辑器中安装 Codex。
用户可运行 codex app 或访问 Codex App 页面，获得桌面应用体验；云端智能体 Codex Web 则指向 chatgpt.com/codex。
Codex CLI 可通过 npm 包 @openai/codex 或 Homebrew 安装。项目还提供 Mac、Linux 的 shell 安装命令及 Windows 的 PowerShell 安装命令。
发布页提供适用于 macOS Apple Silicon、macOS x86_64、Linux x86_64 和 Linux arm64 的二进制文件。
GitHub 热门项目 Bun 集成运行时与包管理能力
oven-sh/bun 登上 GitHub Trending，仓库记录拥有 94,641 个 Stars，当天新增趋势 Stars 为 162。该项目定位为一体化 JavaScript 工具链。
Bun 主要使用 Rust 开发，项目将自身描述为速度很快的工具。
它集成 JavaScript 运行时、打包器、测试运行器及包管理器，提供一体化开发工具能力。
仓库页面记录显示，oven-sh/bun 获得 94,641 个 Stars，当日趋势新增 162 个 Stars。
Rust 重写 Postgres 项目 pgrust 目标兼容 18.3
pgrust 是一个以 Rust 重写 Postgres 的项目，目标兼容 Postgres 18.3 并支持现有数据目录启动。项目方明确表示，该项目尚未达到生产可用状态。
pgrust 称已在超过 46,000 个回归查询中匹配 Postgres 的预期输出，并与 Postgres 磁盘格式兼容，可从现有 Postgres 18.3 数据目录启动。
项目 README 表示，一个尚未发布的新版本已通过 Postgres 回归测试套件的 100%。该版本采用每个连接一个线程的模型，而不是每个连接一个进程。
README 称，该未发布版本在事务工作负载上比 Postgres 快 50%，分析工作负载约快 300 倍；这些数据为项目方针对未发布版本的声明。
项目表示尚未进行性能优化，且现有 Postgres 扩展，以及 PL/Python、PL/Perl、PL/Tcl 等过程语言扩展通常尚不兼容。
Vibe-Trading 更新策略技能并披露安全加固措施
公开仓库 HKUDS/Vibe-Trading 将自身定位为“个人交易智能体”，称可通过一条命令提供综合交易能力。项目近期更新策略开发技能，并发布安全相关说明。
项目于 2026 年 7 月 12 日称新增 strategy-dev-manager 技能，可将学术论文和券商研究转化为已注册的因子或策略，并提供自动化 IC、Sharpe 衰减监控。
项目于 7 月 13 日称，已关闭外部安全审计在 7 月 10 日发现的全部 10 个问题。仓库称加固措施涵盖 Docker 重建、回测沙盒、SSE 认证票据及 Docker Compose 配置。
上述审计问题关闭及安全加固效果均为仓库自身声明。项目同时警告，VibeTrading_HKU、Virtuals 项目 101845 及指定合约地址并非官方资产。
项目称从未发行或认可任何代币或迷因币，并提醒用户不要购买相关资产、连接钱包或签署任何内容。
GitHub 热门仓库收录百余个 AI Agent 与 RAG 应用
GitHub Trending 仓库 Shubhamsaboo/awesome-llm-apps 以 Python 为主要语言，收录 100 多个可运行的 AI Agent 与 RAG 应用。
仓库描述称，所收录应用可被克隆、定制和发布。
文章所述统计数据显示，该仓库拥有 118,816 个 Stars，当天新增趋势 Stars 为 408 个。
Stars 数及当天新增趋势 Stars 为文章发布时统计，可能随时间变化。
GitHub 热门项目 dcg 阻止智能体执行危险命令
Destructive Command Guard（
dcg）登上 GitHub Trending，旨在阻止智能体执行危险的 Git 与 Shell 命令。该 Rust 项目目前拥有 3,211 个 Stars，当日新增 444 个 Stars。
Dicklesworthstone/destructive_command_guard 是 GitHub Trending 中的一个仓库，主要使用 Rust 语言开发。
项目名称为 Destructive Command Guard，简称 dcg，其用途是拦截智能体可能执行的危险 Git 和 Shell 命令。
仓库页面显示，该项目累计获得 3,211 个 Stars，并在当日新增 444 个 Stars。
Genkit 推出预览版 Agents API 构建智能体应用
开源框架 Genkit 推出
Agents API，将消息历史、工具循环与流式传输整合为单一接口。
Agents API 支持由服务器或客户端管理状态持久化，并可处理历史分支、长时间运行的分离任务及多智能体协作等工作流。
该 API 通过统一线协议连接后端与前端，面向智能体全栈应用的构建需求。
Agents API 目前以预览版形式提供 TypeScript 和 Go 支持。
该 API 已集成 Genkit Developer UI，开发者无需编写客户端代码即可测试、调试和检查智能体快照。
Google 推出 ARD 开放规范用于发现和验证 AI 能力
Google 宣布推出 Agentic Resource Discovery（
ARD）开放规范，用于在网络上发布、发现和验证 AI 能力。该规范旨在帮助智能体查找工具、技能及其他智能体，并验证连接安全性。
ARD 由行业合作伙伴共同开发，旨在支持跨底层框架、协议和提供商安全共享及连接工具与服务。
该规范允许组织在自有域名下发布能力目录，并由联邦注册表建立索引，以支持智能体动态发现资源。其架构包括目录（catalogs）和注册表（registries）两类原语。
目录描述组织提供的能力，域名所有权构成身份与信任的密码学基础。注册表抓取并索引目录，在发现请求中返回匹配能力及验证发布者、建立信任所需的元数据。
发现完成后，ARD 会向智能体交付可验证的信任元数据，使其能够通过工具原生协议直接建立安全连接。
Google 推出 Colab CLI 连接本地终端与远程运行时
Google 宣布推出 Google Colab CLI，可将本地终端及 AI 智能体连接至远程 Colab 运行时执行任务。该工具支持申请高性能 GPU、运行本地 Python 脚本及获取训练工件。
Google Colab Command-Line Interface（CLI）可让开发者和 AI 智能体通过本地终端连接远程 Colab 运行时。
用户可借助 CLI 请求高性能 GPU，并在远程运行时执行本地 Python 脚本。
该工具还可获取工件日志或模型，例如经微调的 Gemma 3 适配器。
CLI 可直接整合进标准终端环境，并可由 Antigravity 或 Claude Code 等 AI 智能体管理复杂机器学习流水线。
Google 提出 A2UI 与 MCP Apps 三种智能体界面架构
Google 介绍将 MCP Apps 与 A2UI 结合的三种架构模式，以处理高度定制
iframe环境和原生声明式渲染之间的取舍。相关模式覆盖原生界面提供、安全嵌入复杂应用及遗留系统集成。
文章介绍将 Model Context Protocol（MCP）Apps 与 Agent-to-User Interface（A2UI） 结合的三种架构模式。
这些模式面向高度定制的 iframe 环境与原生声明式渲染之间的权衡。
其中一种模式可由 MCP 服务器直接提供具有原生体验的用户界面。
另一种模式可在声明式视图中安全嵌入复杂且有状态的 iframe 应用；还有一种可将生成式 UI 组件注入遗留系统。
文章称，这些混合框架可帮助工程团队按项目约束交付安全、高性能且品牌一致的智能体用户体验。
Google推出编码智能体评估飞轮开发者技能
Google 推出面向编码智能体的新开发者技能，自动化覆盖五个阶段的评估飞轮。开发者可用自然语言描述测试目标，并由独立评估服务验证实际性能改进。
文章指出，开发者通过调整提示词修复单个错误时，可能难以判断是否会在生产环境引发广泛回归。
这项技能的评估流程包括准备数据、运行推理、使用自适应 AutoRaters 评分、分析失败集群，以及执行针对性优化。
该工具可持续基于生产流量运行，也可基于合成场景按需运行。
独立评估服务将验证并统计实际的性能改进。
Google Cloud Workbench扩展正式登陆VS Code
Google Cloud Workbench Notebooks 扩展正式面向 VS Code 发布，可将本地 IDE 连接到可扩展的云端 Jupyter 环境。该扩展已完全开源，并可通过 GitHub 和 VS Code Marketplace 获取。
该扩展允许开发者从本地 VS Code 连接云端 Jupyter 环境，并直接访问高性能 Google Cloud 基础设施。
这项集成旨在减少开发过程中的上下文切换，从而简化机器学习生命周期。
Google Cloud Workbench Notebooks 扩展已完全开源，可在 GitHub 与 VS Code Marketplace 获取。
Google 登录新增会话元数据支持风险访问控制
Google 正为 Sign in with Google 引入
auth_time与amr两项 OpenID Connect 标准声明。开发者可据此实施逐步增强认证等细粒度安全策略。
auth_time 可帮助已验证的应用确认用户登录的“新鲜度”，即认证发生的时间信息。
amr（Authentication Methods Reference）则提供用户所采用认证方法的信息，例如多因素认证（MFA）或硬件密钥。
Google 表示，这些会话元数据可支持更动态、基于风险的访问控制，并帮助平台防范账户接管和欺诈。
开发者可利用这些联邦身份信号，针对敏感操作实施 step-up authentication 等安全策略。
Google 推出 TPU Developer Hub 集中开发资源
Google 正式推出 TPU Developer Hub，为模型构建者和开发者提供集中式教育资源。该平台旨在帮助用户提升 Google Cloud TPU 的使用与性能优化能力。
TPU Developer Hub 提供代码优先资源、开源方案及深度文档，内容覆盖硬件架构、软件优化、调试、并行化和网络。
相关材料面向人类开发者及 AI 辅助工具，覆盖从大规模训练到低延迟推理的工作负载。
Google 解释构建 ADK 2.0 的原因与升级考量
Google 发文说明构建 ADK 2.0 的开发理由，并介绍部分功能及开发者升级考量。文章计划在
ADK go 2.0发布后的第二天发布。
Google 的文章聚焦为何构建 ADK 2.0，说明这一版本的开发背景与理由。
文章还介绍了 ADK 2.0 的部分功能，并讨论开发者应考虑升级的原因。
该文称计划在 ADK go 2.0 发布后的第二天发布，具体时间属于计划安排。