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
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
随着医疗数据数字化与互操作性的进步,跨机构纵向患者数据的研究应用成为可能。本研究通过对20位领域专家的访谈,识别出8种数据收集方法,涵盖智能手机应用、结构化数据导出、区域/全国研究查询及聚合数据源等。研究发现,各方法均有其优缺点,无单一最优方案。参与者中介交换方式可绕过复杂治理安排,但存在数据缺口;全国性网络尚不支持研究查询。公共政策的持续推进将对该领域发展起关键作用。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。