Google今天在伦敦举行的云峰会上发布了Firebase Studio的更新,新增了Gemini命令行界面(CLI)集成、初步的模型上下文协议(MCP)支持以及"智能体模式"。
智能体模式融合了熟悉和全新的功能元素。该模式提供三个不同层次的AI协作方式。"Ask"是用于头脑风暴和规划的对话模式。还有一个人机协作智能体,Gemini会建议代码更改,但开发者必须在应用前进行审批。最后是第二种智能体模式,几乎完全自主运行——敏感操作仍需获得许可——但Gemini可以自主编写代码、修复错误并构建功能。
这些更新在Google伦敦云峰会的第二场主题演讲中展示,相比4月发布的版本有了显著改进。Google声称已有"数百万"应用使用该平台开发,但对于将开发者分为实验用户和生产用户的具体数据则较为保守。
我们进行了试用,虽然能够通过提示语启动应用程序,但提示语的制作需要谨慎。该服务还未达到非工程师用户能够轻松制作精美应用的程度,但正在朝这个方向发展。
至于其他更新,Gemini CLI集成对于偏好命令行工作且不喜欢切换窗口的开发者来说是一个受欢迎的补充,MCP集成也很实用,尽管这可以说是AI驱动工具集应该具备的基本功能。
Firebase完全聚焦于AI智能体——在此情况下,Google对该术语的定义是无需人工批准即可自主构建代码。这对于快速生成原型或概念验证很有用,但距离生产就绪还有一定距离。例如,目前无法为用户应用基于角色的访问控制——管理员可能希望某些用户只有只读权限。
当我们上次关注Firebase时,它展现出了前景,但也充满了炒作(这在AI领域很常见)。最新发布在一定程度上兑现了承诺。虽然所创建的应用和服务仍相对简单,但复杂性有所提升,且创建的内容在Google云上运行。然而,开发速度令人印象深刻。
虽然编程助手工具众多,但Firebase致力于闭环开发的努力暗示了一个可能让开发者夜不能寐的未来——或者,如果AI布道者是对的,将迎来一个新的生产力时代。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。