Salesforce正在通过招募日程安排应用Clockwise的团队来增强其Agentforce智能体团队的实力,但Clockwise应用本身将不再继续运营。
"我们将把构建可靠智能体软件的深厚专业知识带到智能体企业领域,"Clockwise首席执行官兼联合创始人Matt Martin在LinkedIn帖子中表示。"现在要说的难过消息是:作为这次转型的一部分,Clockwise服务将会停止运营。"
Clockwise表示,从3月27日起,该应用将不再可用。
在给The Register的声明中,Salesforce表示他们并非收购Clockwise或其技术。
"我想澄清这并不是一次收购,"发言人在邮件中说。"Salesforce没有收购Clockwise或其技术。我们期待欢迎Clockwise团队成员加入Salesforce,他们将加入Agentforce团队。"
看起来Clockwise团队将加入由Gary Lerhaupt领导的Salesforce组织。Lerhaupt和Martin共同创立了Clockwise。Martin此前在2014年至2016年期间在Salesforce担任软件工程师,2016年离职创立Clockwise。
The Register已在LinkedIn上直接联系Martin和Lerhaupt,但两人均未回应。
Lerhaupt去年离开Clockwise,在他的告别帖子评论中表示将"走向广阔天地",结果是在Salesforce总部找到了一张办公桌,现在他是Agentforce的产品架构副总裁。
Lerhaupt在LinkedIn上发布了欢迎新同事的消息。
"也许只有硅谷才能写出这样的情节,这个团队正在加入Salesforce,"他谈到Clockwise员工时说。"更具体地说,他们将加入我在Agentforce内部构建智能体互操作性和编排的团队。能再次与他们一起构建AI的未来,我感到无比兴奋!"
Martin显然也将加入该团队,一位Salesforce工程师在LinkedIn上对他说"欢迎回到母舰——入职培训时见",Martin回复说"很快见!"
至于Clockwise产品,它建议用户转移到竞争对手调度器Reclaim,因为Clockwise产品和服务即将消失,所有数据都将被删除。Clockwise表示Reclaim为所有迁移的Clockwise客户提供价格匹配。
在Clockwise的常见问题页面上,它表示Salesforce将无法访问用户数据。
公司正在为在3月27日之后预付服务费用的客户办理退款。
"由Clockwise创建的智能保留事件(如专注时间、旅行时间、会议间隔和个人日历同步事件)将从您的日历中删除。灵活会议将停止移动,绿色Clockwise闪光标记也将被移除。"
Q&A
Q1:Salesforce为什么要招募Clockwise团队?
A:Salesforce希望通过招募Clockwise团队来增强其Agentforce智能体业务的实力。Clockwise团队在构建可靠智能体软件方面具有深厚的专业知识,这些经验将有助于Salesforce在智能体企业领域的发展。
Q2:Clockwise应用还能继续使用吗?
A:不能。Clockwise将从3月27日起停止运营,所有服务都将关闭,用户数据也将被删除。公司建议用户转移到竞争对手Reclaim,该公司为迁移用户提供价格匹配服务。
Q3:这次是收购还是人才招聘?
A:这不是传统意义上的收购。Salesforce明确表示没有收购Clockwise公司或其技术,而是招募了Clockwise的团队成员。团队将加入Salesforce的Agentforce部门,专注于智能体互操作性和编排工作。
好文章,需要你的鼓励
苹果已开始在印度分阶段恢复Apple账户的信用卡支付功能,用户可绑定Visa和Mastercard信用卡及借记卡,用于购买iCloud+、Apple Music订阅及App Store应用。此前,由于印度储备银行于2021年推出新的周期性支付监管框架,苹果于2022年5月暂停了该支付方式。此次恢复标志着苹果在适应各国本地化监管要求方面的持续努力,同时也引发外界对苹果是否将在印度推出Apple Pay的新猜测。
CGGS是华南理工大学与西湖大学联合提出的以自我为中心三维场景生成框架,通过一致性增强多视角扩散模型、光流深度估计和互信息几何优化,实现高保真文本驱动3D场景生成。
Bookshop.org创始人Andy Hunter证实,与Kobo的合作集成将于今年落地。此前该计划历经多次推迟,网页措辞一度从"2026年"改为"未来某时"。Hunter表示,双方已就商业条款达成一致,工程团队正将资源重新投入Kobo支持开发,但尚无具体上线日期。该集成将支持数字版权管理要求,让用户通过Bookshop.org购买电子书,同时支持独立书店。
南加州大学团队发现语音抑郁检测领域存在数据漏洞,并提出CLeaD跨语言对比对齐框架,揭示模型规模越大跨语言性能越差的反直觉规律。