Emergent Labs Inc.是一家专注于构建生产级软件的氛围编程平台,该公司近日宣布推出Wingman——一款帮助用户管理日常任务的个人自主人工智能智能体。
此前,该公司已推出一款类似ChatGPT交互界面的氛围编程平台,让没有技术背景的用户只需通过对话描述想法,便能即时构建自己的应用程序。如今,Emergent表示,将把同样的理念延伸至日常工作与生活之中。
自主AI智能体可在后台静默运行,并嵌入用户日常使用的聊天界面,如WhatsApp、iMessage和Telegram等。在这些平台上,智能体会持续监听和学习,逐步积累个性化信息,并协助完成日程安排、待办事项跟进、机票预订、会前信息整理等各类任务。
"大多数人并不是不够努力,而是被永无止境的琐碎任务所淹没,"联合创始人兼首席执行官Mukund Jha表示,"我们通过软件创作已经证明,以正确方式构建的正确技术,可以惠及每一个人。Wingman正是将这一理念应用于自主智能体领域。"
Emergent表示,Wingman在明确的信任边界内运行,作为用户的安全伴侣,在执行重要操作时会主动向用户确认。
由于Wingman在后台自主运行,所需的人工干预极少,它不只是在用户主动触发或输入提示词时才会响应,而是可以按计划定时激活,或在收到新消息和邮件时自动启动检查。这使它能够跟上办公人员、工程师和普通用户繁忙的日常节奏。
Wingman还可连接到普通用户日常使用的各类在线工具,仅需常规登录,无需任何开发者配置或专业知识。已支持的服务包括Gmail、Outlook、Google日历,以及Slack等通讯应用、GitHub等代码平台和其他工具,更多集成服务可通过简单的应用市场进行扩展。
Wingman能够记住用户过去提及的内容和操作习惯,随时间推移持续积累个性化知识。它不仅保有短期记忆以保持当下的上下文连贯性,还会逐步构建复杂的偏好设置和工作习惯,从而简化用户工作流程,让用户无需反复重新说明需求。此外,用户还可以自定义Wingman的语气和性格,以契合个人偏好。
Wingman的推出,代表着初创企业和企业级公司对开源AI智能体浪潮的积极回应。目前市场上已出现多款类似的个人自主助手产品,例如Genspark.ai推出的安全替代方案Genspark Claw、英伟达推出的NemoClaw,以及Zencoder发布的Zenflow Work等。
Q&A
Q1:Wingman是什么?它能做什么?
A:Wingman是由Emergent Labs推出的一款个人自主AI智能体,可在后台静默运行,嵌入WhatsApp、iMessage、Telegram等常用聊天平台。它能帮助用户处理日程安排、待办事项跟进、机票预订、会前信息整理等日常任务,并随时间积累用户的个性化偏好,无需用户反复重新说明需求。
Q2:Wingman需要技术背景才能使用吗?
A:不需要。Wingman的设计目标就是面向普通用户,无需任何开发者配置或专业技术知识,只需常规账号登录即可连接Gmail、Outlook、Google日历、Slack、GitHub等常用工具。更多服务集成可通过简单的应用市场完成,门槛极低,适合办公人员、工程师及普通用户使用。
Q3:Wingman和市场上其他AI智能体产品有什么区别?
A:Wingman的核心特点在于它不依赖用户主动触发,而是可以按计划定时激活或在收到新消息时自动启动,真正实现后台自主运行。同时,它在明确的信任边界内运作,执行重要操作前会主动向用户确认,兼顾自主性与安全性。相比之下,市场上的Genspark Claw、NemoClaw等产品各有侧重,Wingman更强调个性化记忆与无缝嵌入日常工作流。
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。