亚马逊宣布推出全新的会话式外卖订餐功能,用户可以通过Alexa Plus与Grubhub和Uber Eats进行自然对话来订餐,无需忍受为了加薯条而进行的尴尬语音交互。亚马逊表示,整个订餐过程采用会话式设计,以类似在餐厅点餐的方式来构建订单。
自然语音交互体验升级
这意味着在对话过程中修改订单、调整餐品或添加饮料都能通过简单的语音指令完成,无需等待Alexa说完话。亚马逊表示,Alexa只会在用户需要帮助或有疑问时才会介入。
亚马逊在新闻稿中表示:"多年来,语音助手一直采用呼叫-响应模式:你提问,它回答。现在当你开始订餐时,会看到一个新的会话窗口,可以自然地浏览、决定和订餐,与Alexa的来回交互降到最少。"
Alexa Plus功能扩展
这项更新是亚马逊致力于让数字助手更有用、更具会话性的更广泛努力的一部分。去年,亚马逊推出了Alexa Plus,这是其升级版的生成式AI驱动的Alexa版本。
该功能正在向拥有Echo Show 8及更大设备的Alexa Plus订阅用户推出,将实时显示订单变化。亚马逊没有提供推出时间表,也未说明是否会扩展到其他设备。
使用方法和功能特点
要开始使用,需要通过Alexa应用程序连接你的Grubhub或Uber Eats账户。可以通过选择"更多">"Alexa+ 商店">"食物和预订"来完成此操作。
保存的餐厅和过往订单会自动同步到Alexa,用户可以按名称或菜系搜索餐厅,重新订购之前的餐点,或重新开始。例如,可以要求Alexa"显示甜点"、"显示一些意大利餐厅"或提供儿童友好建议,在购买前会看到购物车中所有内容的摘要。还可以在"为你推荐"部分获取订单更新,或直接询问Alexa食物在哪里。
未来发展规划
亚马逊表示这次更新"只是我们关于客户如何与Alexa互动的长期愿景的开始"。该公司在改进Alexa助手方面投入了大量资金,将传统的命令控制语音助手重建为由AI驱动的Alexa Plus,能够理解和响应自然语言。希望这个更具会话性和智能性的助手能够适应用户需求,帮助亚马逊在拥挤的AI助手市场中保持相关性。
亚马逊表示,计划在未来将更具会话性的订购体验扩展到杂货购物和旅行规划等领域。
Q&A
Q1:Alexa Plus的会话式订餐功能有什么特别之处?
A:Alexa Plus支持自然会话式订餐,用户可以像在餐厅点餐一样与Alexa对话,随时修改订单、调整餐品或添加饮料,无需等待Alexa说完话,大大改善了传统语音助手的呼叫-响应模式。
Q2:如何在Alexa上连接Grubhub或Uber Eats账户?
A:需要通过Alexa应用程序连接账户,选择"更多">"Alexa+ 商店">"食物和预订"即可完成设置。连接后,保存的餐厅和过往订单会自动同步到Alexa。
Q3:Alexa Plus订餐功能支持哪些设备?
A:目前该功能正在向拥有Echo Show 8及更大设备的Alexa Plus订阅用户推出,这些设备可以实时显示订单变化。亚马逊暂未公布是否会扩展到其他设备的计划。
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。