组合式软件先驱 Bit Cloud 宣布,借助 GitHub Copilot 等生成式 AI 编程工具的能力,推出了一款全新的 AI 代理,该代理的功能远不止于生成代码片段。
Bit Cloud 表示,Hope AI 从今天起正式向公众发布。它让任何人都可以仅通过自然语言提示,从零开始构建和维护复杂的应用程序和网站。
据公司介绍,Hope AI 弥合了简单低代码工具与专业级软件开发之间的差距。与只能生成零散代码片段的编程助手不同,该平台能够创建具有完整架构的应用程序,并且这些应用程序为长期可扩展性而设计,仅需进行基础级别的维护。
创始人兼首席执行官 Ran Mizrahi 告诉 SiliconANGLE,Hope AI 与 GitHub Copilot 等工具最大的区别在于,它使团队能够以专业程序员的方式构建完整的应用程序。所有应用程序均基于组合式架构构建,也就是说,它们由任何开发者都能理解的可复用组件构成。
Mizrahi 强调,这一点非常重要,因为这意味着使用 Hope AI 创建的任何软件都易于维护和演进。“我们帮助团队掌控 AI 构建的内容,”他解释说,“Hope AI 将软件划分为智能、模块化的部分,让你在保持快速开发的同时不失控制力。”
Mizrahi 还表示,目前许多 AI 工具被称为“黑盒”,原因在于用户对它们的工作原理知之甚少。绝大多数由 AI 构建的应用程序也是如此,它们缺乏透明度和结构,没有人能确切知道其底层代码的安全性如何,或这些代码是否仅仅是从其他地方简单拼凑而成。
“AI 确实可以加速开发,但如果没有结构,开发很快就会变成黑盒,”Mizrahi 说,“你虽然得到了输出,却失去了可见性。而当某个部分出问题或有人破坏代码时,要找出解决方案就难如登天。”
Hope AI 则采用了不同的方式。它基于与 Bit Cloud 平台相同的原则,该平台被 AT&T Inc.、Experience Inc. 以及 Red Bull GmbH 等公司用来构建和共享可反复利用、稳定可靠的应用组件,并充当一个集中式中心,方便开发者发现、协作并在不同项目间应用这些组件。
这些可复用的组件构成了 Hope AI 应用程序的基础,使其能够为几乎任何场景构建完整的系统架构。用户只需用朴实的语言描述想要构建的内容,Hope AI 就能够设计出架构、组织所需组件并生成底层代码,同时提供完整的文档和测试覆盖。借助这种方式,它可以迅速构建从客户关系管理系统到电子商务平台,再到医疗手术室管理工具等各类应用,所有模块均由不同组件拼装而成。
Mizrahi 认为,组件化在软件开发中至关重要,即便是 AI 生成的应用程序也不例外。他指出,没有详细的组装方案或标准化、可互换的零部件,没人会批量生产汽车。“既然如此,为什么还要按那种方式构建软件?Hope AI 为团队提供了构件、方案及其演进的能力,而不会让团队受制于 AI 的局限性。”他说。
经过多家机构的早期测试后,Hope AI 从今天起对所有 Bit Cloud 客户开放,同时为有兴趣了解其功能的人提供免费版。该平台原生集成了 GitHub、GitLab、Azure DevOps 和 JFrog Artifactory 等工具,让开发者能充分了解构成每个应用程序的各个组件。
此外,它还支持 Node.js、React、TypeScript、MongoDB 和 GraphQL 等现代应用开发工具,并兼容开源的 Model Context Protocol,使其能够在无人干预的情况下使用这些第三方工具。
“Copilot、Codex 正在改变开发者对代码的思考方式,”Mizrahi 说,“而 Hope AI 则更进一步:从提示到可复用组件乃至可部署的应用程序,一切都包含在内,包括结构和测试覆盖。这正是企业所真正需要的。”
好文章,需要你的鼓励
"当我看到梵高的每一笔中都有他的痛苦时,才明白我们看的不是作品,而是作者的人生。AI正以惊人的速度接近人类水平通用智能,让Google从'伦敦那帮疯子在搞AGI'转变为全公司共识。DeepMind让AI'合理地幻觉'来创造突破,就像Astra技术让用户第一次惊呼'AI能做到比想象更多'——这不仅是技术革命,更是重新定义创造力的开始。"
英伟达2025Q1营收440亿美元创纪录,数据中心业务暴涨73%至390亿美元。黄仁勋直言:"中国是全球最大AI市场,出口管制只会让美国失去平台领导权。Blackwell架构推动推理性能提升30倍,微软已部署数万块GPU,AI工厂正成为各国数字基础设施核心。"
来自耶路撒冷希伯来大学的研究团队开发了WHISTRESS,一种创新的无需对齐的句子重音检测方法,能够识别说话者在语音中强调的关键词语。研究者基于Whisper模型增加了重音检测组件,并创建了TINYSTRESS-15K合成数据集用于训练。实验表明,WHISTRESS在多个基准测试中表现优异,甚至展示了强大的零样本泛化能力。这项技术使语音识别系统不仅能理解"说了什么",还能捕捉"如何说"的细微差别,为人机交互带来更自然的体验。
这项研究提出了"力量提示"方法,使视频生成模型能够响应物理力控制信号。研究团队来自布朗大学和谷歌DeepMind,他们通过设计两种力提示——局部点力和全局风力,让模型生成符合物理规律的视频。惊人的是,尽管仅使用约15,000个合成训练样本,模型展现出卓越的泛化能力,能够处理不同材质、几何形状和环境下的力学交互。研究还发现模型具有初步的质量理解能力,相同力量对不同质量物体产生不同影响。这一突破为交互式视频生成和直观世界模型提供了新方向。