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
近期数据显示,2026年5月前企业已宣布约9万个与AI相关的裁员岗位,部分预测称未来五年美国15%的工作将被AI取代。然而,Ramp与Revelio Labs追踪近2.2万家企业的最新报告显示:重度投入AI的企业反而实现了更快的人员增长,包括初级岗位在内的各职能人数均有上升。但这一数据主要来自技术型企业,能否普遍适用仍存疑。报告同时指出,资源匮乏的企业可能在AI浪潮中持续落后。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
AI数据中心开发商向多家电力公司同时提交大负荷接入申请以确定选址,导致区域需求预测虚高、电网投资失衡。美国联邦能源监管委员会(FERC)及ERCOT、PJM、SPP等机构正推动"承诺优先"规划机制,要求项目具备实质性商业承诺方可纳入长期传输规划。谷歌、亚马逊、微软、OpenAI等科技巨头支持建立标准化的项目成熟度评估体系,但各方在具体机制上仍存分歧。发电建设问题尚未被纳入联邦传输改革议程。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。