云软件巨头Salesforce一直在围绕AI重塑其业务,在周二于旧金山举行的小型聚会上,首席执行官马克·贝尼奥夫及其团队揭晓了这些努力的最新成果:Slack的更新版本,拥有大量新的AI功能。其中最重要的是其AI智能体Slackbot的重大升级。
这30项新功能将在未来几个月内推出,延续了一月份的更新,该更新为Slackbot提供了智能体能力,包括起草电子邮件、安排会议和筛选收件箱中特定信息的能力。
周二宣布的最值得注意的功能可能是该公司称为"可重用AI技能"的功能,它允许用户为Slackbot定义特定任务,一旦创建,就可以应用于各种不同的场景和环境中。Salesforce表示,Slackbot内置了AI技能库,但用户也可以创建自己的自定义版本。
一旦设置了这些技能,它们就会显著减少员工可能需要做的工作。例如,用户可以使用Slack中的简单命令触发技能——比如为即将到来的活动"创建预算"——促使Slackbot从公司的Slack频道以及任何连接的应用程序或数据源中收集所有相关信息,创建可行的计划。然后,机器人会自动设置会议讨论计划,根据员工职位邀请相关人员。
Slackbot现在还充当MCP(模型上下文协议)客户端——这意味着它可以连接并协调外部服务和工具。其中包括Agentforce,这是Salesforce在2024年推出的AI智能体开发平台。通过该连接,它可以"将工作路由或提示问题发送到Agentforce或企业中的任何智能体或应用程序",该公司表示,智能体会找到信息最相关和高效的路径,无需人工干预。
根据Slack临时首席执行官兼前首席产品官罗布·西曼的说法,Slackbot现在也可以转录会议并进行总结。如果会议参与者碰巧走神,从而错过关键细节,他们只需要求Slackbot生成会议摘要,包括分配给他们的任何行动项目。
该智能体现在还可以在Slack之外运行并监控您的桌面活动——Salesforce将"您的交易、您的对话、您的日历和您的习惯"列为它所依赖的数据类型。基于这种上下文,机器人会为关键任务提出可行的建议或起草后续行动。西曼表示,隐私保护已内置到这种设计中,用户能够根据需要调整权限。
简而言之:Salesforce显然试图将Slack从企业通信工具的根基延伸出来,将其定位为能够处理更广泛商业任务的多功能平台。希望似乎是通过大量注入AI,Slack可以成为企业用户核心业务流程中不可或缺的一部分。
贝尼奥夫让他的团队在周二介绍了主要功能,但在主题演讲中评论说,自Salesforce收购Slack以来的五年是一段"不可思议的旅程",带来了"2.5倍的收入增长"。他补充说:"我们有大约100万家企业在Slack上运行。这是一个巨大的增长故事。"
Q&A
Q1:Slackbot的可重用AI技能是什么?
A:可重用AI技能允许用户为Slackbot定义特定任务,一旦创建,就可以应用于各种不同场景。用户可以使用简单命令触发技能,比如"创建预算",Slackbot会自动收集相关信息并创建可行计划,甚至自动安排相关会议。
Q2:Slackbot如何与其他企业系统集成?
A:Slackbot现在充当MCP客户端,可以连接外部服务和工具,包括Salesforce的AI智能体开发平台Agentforce。它能将工作路由到企业中的任何智能体或应用程序,找到最相关和高效的信息路径。
Q3:Slackbot的隐私保护措施如何?
A:虽然Slackbot可以监控桌面活动和访问交易、对话、日历等数据,但Salesforce表示隐私保护已内置到设计中,用户可以根据需要调整权限设置,确保数据安全。
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。