2026年3月18日 AI 每日动态

2026年3月18日 AI 每日动态

1. 【AI Coding 工具】Claude Code 终于有了"长期记忆"——claude-mem 爆红

Claude Code 用起来顺手,但每次开新会话就像把同事的记忆清零——项目背景要重新交代,之前做过的决策一问三不知。现在有个叫 claude-mem 的开源插件彻底改变了这件事。

它的工作方式很直接:自动抓取每次会话里的工具调用记录(读了哪些文件、改了哪些代码、跑了什么命令),会话结束后用 AI 把这些信息压缩成结构化摘要,下次开工时自动注入进来。一万 Token 的操作记录,最终压缩到 500 Token 左右,同时还支持自然语言检索历史("上次那个 React 重复渲染是怎么解的?")。

目前已有超 3 万人收藏,宣称能节省 90% 的 Token 消耗。对重度使用 Claude Code 的开发者来说,这东西值得装一装看看。

📌 为什么值得关注:记忆问题是目前所有 AI 编程助手的共同痛点,claude-mem 用了一种轻量但很务实的方式切入,比等 Anthropic 官方"原生解决"要实际得多。


2. 【AI Coding 框架】LangChain 发布 DeepAgents:Agent 从"聊天"走向"干活"

LangChain 这周在 GitHub 悄悄推送了一个新框架 DeepAgents,基于 LangGraph 构建,主打三件套:任务规划工具 + 文件系统持久化 + 子智能体动态派生

说白了就是:主智能体接到任务后先写计划、可以把子任务分包给专门的子智能体去跑、过程中产生的数据实时存文件系统而不是靠上下文窗口撑着。这套架构解决了 Agent 处理长流程任务时最头疼的几个问题:上下文撑不住、多步骤走着走着就偏了、任务结果没地方落地。

LangChain 创始人 Harrison Chase 最近也公开说了一句让人印象深刻的话:"模型能力正在商品化,真正决定 Agent 上限的,是运行框架。" DeepAgents 可以理解为他对这句话的实践版答案。

📌 为什么值得关注:Agent 领域不缺想法,缺的是能跑起来的工程框架。DeepAgents 完全开源,架构设计偏实战,值得有 Agent 落地需求的团队认真看一下。


3. 【具身智能产业】7 家百亿独角兽,"四肢"生意让位给"大脑"

36氪今天发了一篇很有意思的产业梳理:2026 年开年两个月,具身智能赛道融资总额已经逼近 150 亿元,百亿估值独角兽冒出了整整 7 家,包括宇树科技、智元机器人、银河通用机器人、星海图等。

更值得关注的是资本押注方向在悄悄转移——从机器人"四肢"(关节、驱动器等机械性能)转向"大脑"(多模态大模型与决策系统)。千寻智能开源了 Spirit v1.5 物理交互模型,智平方推出 GOVLA 全身 VLA 大模型,星海图则在尝试绕过语言中介、让机器人直接从动作里学物理逻辑。

当然,真实情况也没那么完美:全球实际部署机器人还不足千台,数据规模不到自动驾驶的十分之一,部分企业估值靠的是对未来的想象而非今天的订单。

📌 为什么值得关注:产业正从"做出来"走向"怎么用起来",VLA 路线基本收敛,谁能在真实产线跑通闭环,谁就拿到了下一轮的底牌。


4. 【前沿技术】NVIDIA 把 AI 数据中心送上了太空轨道

在 GTC 2026 上,黄仁勋亮出了这届发布会最科幻的一张牌:Vera Rubin 太空模块——专门为轨道数据中心设计的 AI 计算单元,目标是在太空里直接跑大型语言模型和基础模型。

技术上,它采用紧耦合 CPU-GPU 架构配合高带宽互连,AI 算力是 H100 的 25 倍,能实时处理太空仪器产生的海量数据流,整体走 100% 液冷 + 无线缆路线,方便轨道部署。

配合地面的 Vera Rubin 平台(单 POD 含 2 万枚芯片,Token 生成速率 7 亿/秒,比两年前快了 350 倍),NVIDIA 的算力版图正在从地面向太空延伸。

📌 为什么值得关注:太空轨道 AI 计算不是概念,是 NVIDIA 针对地球观测、通信卫星、深空探测等实际需求的系统性押注,这条线会和具身智能、自动驾驶的数据采集需求紧密咬合。


5. 【行业活动】AI Show 2026 今日北京开幕,人形机器人量产元年的第一次集体亮相

今天,2026 北京国际人工智能应用与机器人创新博览会(AI Show 2026) 在中国国际展览中心(朝阳馆)正式开幕,为期三天,超过 200 个品牌集中参展。

展会覆盖大模型、具身智能、人形机器人、AI+制造等核心方向。业界普遍把 2026 年称为"人形机器人量产元年",这届展会算是这个判断的第一次产业级检验——能不能量产、能不能用,在展馆里一看便知。

📌 为什么值得关注:技术发布会看的是 PPT,展会看的是真机。这几天会有大量一手产品信息和落地案例流出,值得持续关注。

Read more

SkyWalking - 告警通知渠道集成:Webhook、Slack、钉钉、企业微信

SkyWalking - 告警通知渠道集成:Webhook、Slack、钉钉、企业微信

👋 大家好,欢迎来到我的技术博客! 📚 在这里,我会分享学习笔记、实战经验与技术思考,力求用简单的方式讲清楚复杂的问题。 🎯 本文将围绕SkyWalking这个话题展开,希望能为你带来一些启发或实用的参考。 🌱 无论你是刚入门的新手,还是正在进阶的开发者,希望你都能有所收获! 文章目录 * SkyWalking - 告警通知渠道集成:Webhook、Slack、钉钉、企业微信 * 🚨 SkyWalking 告警机制基础 * 告警规则(Alarm Rules) * 通知渠道(Notifiers) * 🔗 Webhook:最通用的集成方式 * 配置 SkyWalking 使用 Webhook * Webhook 接收端开发(Java 示例) * Webhook 集成的优势与注意事项 * 💬 集成 Slack 通知 * 在 Slack 中创建 Incoming Webhook * 配置 SkyWalking * 自定义 Slack

CSS 颜色函数和渐变:打造绚丽多彩的前端界面

CSS 颜色函数和渐变:打造绚丽多彩的前端界面 代码如诗,色彩如画。让我们用 CSS 颜色函数和渐变创建令人惊叹的视觉效果,为用户带来沉浸式的色彩体验。 什么是 CSS 颜色函数? CSS 颜色函数是一组用于生成和操作颜色的函数,它们允许我们以更加灵活和动态的方式定义颜色。这些函数包括 rgb()、rgba()、hsl()、hsla()、hwb()、lab()、lch() 以及最新的 color-mix() 等。 常用颜色函数 1. RGB 颜色函数 /* 传统 RGB 函数 */ color: rgb(255, 0, 0); /* 红色 */ /* RGB 函数的百分比形式 */ color: rgb(100% 0% 0%); /* 红色 */ /* RGBA 函数(带透明度)

【人工智能之深度学习】20. 交通流量预测实战:用GCN构建城市路网预测模型(PeMS数据集+PyTorch Geometric全流程)

【人工智能之深度学习】20. 交通流量预测实战:用GCN构建城市路网预测模型(PeMS数据集+PyTorch Geometric全流程)

摘要:城市交通流量预测是智慧交通的核心任务,传统LSTM/CNN模型因忽视路网拓扑结构(如传感器间的道路连接关系),难以精准捕捉拥堵传播规律。本文以公开PeMSD4数据集(旧金山湾区交通数据)为基础,采用图卷积网络(GCN)构建预测模型——通过将交通传感器视为“节点”、道路连接视为“边”,结合PyTorch Geometric工具实现端到端时空预测。全流程涵盖:数据获取与清洗(处理12个时间步历史数据)、路网图结构构建(基于距离的邻接矩阵)、GCN模型搭建(含两层图卷积层)、模型训练与评估(对比历史平均法、LSTM)。实验显示,本文GCN模型在整体RMSE(15.1)和关键路口RMSE(19.6)上均优于传统方法,预测稳定性显著提升。需特别说明:本文为教学虚拟案例,所有结果基于离线回测,不可直接用于真实交通调度决策,实际落地需解决实时性、动态路网等问题。 优质专栏欢迎订阅! 【DeepSeek深度应用】【Python高阶开发:AI自动化与数据工程实战】【YOLOv11工业级实战】 【机器视觉:C#

基于 DevUI 与 MateChat 构建企业级 AI 智能助手的实践与探索

基于 DevUI 与 MateChat 构建企业级 AI 智能助手的实践与探索

基于 DevUI 与 MateChat 构建企业级 AI 智能助手的实践与探索 目录 基于 DevUI 与 MateChat 构建企业级 AI 智能助手的实践与探索 摘要 1. 引言:智能化转型的技术挑战与机遇 2. 技术架构设计与选型 2.1 整体架构概述 2.2 技术栈选择 3. 核心功能实现详解 3.1 环境搭建与基础配置 3.2 智能对话界面构建 3.3 大模型服务对接实现 3.4 性能优化与用户体验提升 DevUI 与 MateChat 核心技术介绍 DevUI:企业级前端解决方案 MateChat:前端智能化场景解决方案 MateChat