在众多公司竞相为手机添加AI功能的热潮中,Nothing公司在2025年推出的Nothing Phone 3a上的Essential Space应用程序获得了不错的反响。这款由AI驱动的应用能将屏幕截图和语音录音转换为可操作的待办事项列表和转录文本,现在Nothing正在推出更新,让应用更易于搜索,并能识别新类型的内容。
作为此次更新的一部分,Essential Space现在能够识别"事件",将其显示在独立的卡片中,包含日期、时间和地点等字段。这意味着,例如当你将陶艺课程宣传单的照片添加到应用中时,Essential Space能够提取课程举办的时间和地点详情,并以与跟踪任务或待办事项相同的方式进行管理。Nothing预计事件功能将成为用户使用Essential Space的重要方式,因此还改变了应用界面的布局,在新的"为你推荐"页面中列出事件和任务等内容,这个页面会在你打开应用时首先显示。
为了让用户更容易找到存储在Essential Space中的所有内容,应用现在还支持语义搜索,不仅能匹配输入的文本内容,还会尝试匹配搜索意图的含义。当你寻找图片时,语义搜索功能特别有用,因为你可以输入想要查找内容的描述,Essential Space仍然能够找到相关结果。
使用AI对语音笔记和屏幕截图等数字内容进行分类和索引是这项技术的热门应用。谷歌提供了Pixel Screenshots功能,甚至苹果也为iOS和iPadOS增加了自动识别图片中事件并将其添加到日历的功能。虽然Essential Space现在可能不那么独特了,但Nothing持续更新这款应用的做法让人对其未来发展充满期待。
Nothing表示,新的Essential Space更新从今天开始在"所有支持Essential Key的2025-2026年Nothing和CMF手机"上提供。Essential Space应该会自动更新,但用户也可以在Google Play商店手动更新应用。
Q&A
Q1:Essential Space是什么?它有哪些核心功能?
A:Essential Space是Nothing公司开发的AI应用,主要功能是将屏幕截图和语音录音转换为可操作的待办事项列表和转录文本,现在还新增了事件识别和语义搜索功能。
Q2:新增的事件识别功能具体是如何工作的?
A:事件识别功能能够自动从照片中提取活动信息,比如从陶艺课宣传单照片中识别出时间、地点等详情,并在独立卡片中显示这些信息,就像管理待办事项一样。
Q3:语义搜索功能有什么优势?
A:语义搜索不仅能匹配输入的具体文本,还能理解搜索意图的含义。特别是在查找图片时,用户可以输入内容描述,应用仍能找到相关结果,大大提升了搜索的准确性和便利性。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。