aiself AI 情报站
← 返回首页

AI 情报日报 — 2026-06-07

🎯 命中战况（与我们正在做的事直接相关）

Microsoft SkillOpt 论文实测：训练 plain-text skill 文件比微调模型涨幅更高

  • 发生了什么：微软研究院 SkillOpt 论文成为本周 Readwise 高亮 PDF。核心方法：模型本身冻结，把 agent 的纯文本 skill 文件当模型权重训练。实测在 GPT-5.5 上无 skill 基线平均准确率 +23.5 分（直接对话）、+24.8 分（Codex agentic loop 内）、+19.1 分（Claude Code 内）。
  • 为什么重要：我们简报里把 SkillOpt 列入对标体系（"me/ 自动重写算法骨架"），但还停留在抽象引用。现在有了具体数据：把"个人文件被 agent 当上下文使用"这件事用迭代算法训练，跨三种 agent runtime 都拿到了两位数提升。这正面验证了 aiself 的核心赌注——me/ 文件夹本身是可以被"训练"的资产，而不只是被 RAG 召回的语料。
  • 对我们意味着什么：我们把"用户主动写 me/"和"agent 给出洞察"看作两个孤立环节，SkillOpt 提供了第三种姿势：agent 反向"训练" me/ 让自己用得更好——可以直接对应到我们"叙事画像生成 pipeline"的 Phase 2，用结果质量反向迭代 me/ 的组织结构。建议把这篇定为本季度必读，验证算法骨架能否套到 me/ 重写上。
  • 想深入：SkillOpt PDF（重点读"frozen model + plain-text skill 训练"那部分的 loss 设计）

MemPalace 发 3.4.0：54k star 的开源记忆系统直接给到 96.6% LongMemEval SOTA

  • 发生了什么：MemPalace（号称"the best-benchmarked open-source AI memory system"）发 3.4.0：可插拔向量后端（qdrant / pgvector / sqlite_exact）、MCP 服务器 + CLI Docker 镜像、wing 命名规范化迁移工具。架构层面：Wings（人/项目）→ Rooms（话题）→ Closets（AAAK 压缩）→ Drawers（原文档），跨 wing 用 Tunnels 连接。LongMemEval 上 96.6% Recall@5（zero-API 最高），加 Haiku 重排达 100%（500/500）。
  • 为什么重要：简报里挑战 1 明确写"MemPalace 的开源 benchmark 可能直接拿来跑"——现在它不只是 benchmark 可用，整套层级结构、矛盾检测（捕捉错代词/名字/年龄）、19 个 MCP 工具的设计都跟我们 KB Manager 思路高度同构。54k star 说明这条赛道（个人记忆系统）的用户需求是真实存在的，且对开源解决方案有强烈兴趣。
  • 对我们意味着什么：两件事：(1) 我们的 KB 健康检查 LLM 层（待实现）可以直接抄 MemPalace 的"contradiction detection"做法，不需要从零设计；(2) 它的 Wing/Room/Closet 层级是验证过的产品语言，可以拿来对比我们 me/ 的目录结构是否过于扁平。同时也要警惕：这是个 SDK/MCP 工具，不是面向终端用户的产品——和我们做"AI 个人 Wiki"的产品形态没有直接竞争，但说明纯技术层已经"卷得很深"，差异化必须靠产品。
  • 想深入：MemPalace GitHub（重点看 benchmarks/ 目录和 MCP server 的 19 个工具定义）

PaddleOCR 新发多语言 API SDK + PaddleOCR-VL-1.5 模型

  • 发生了什么：6 月 4 日 PR 18049 给 PaddleOCR 加了 Python/Go/TypeScript 三语言 SDK 直接调官方异步 API；同期 MCP 服务器重构为 Python SDK；默认文档解析模型升级到 PaddleOCR-VL-1.5。81k star，支持 100+ 语言，明确定位"Turn any PDF or image document into structured data for your AI"。
  • 为什么重要：简报挑战 3 卡在"截图导入的 OCR 选型未定"——各色基因/23魔方需要中文友好 OCR，PaddleOCR 是候选但没落地。现在它官方提供了 TypeScript SDK，可以直接接进我们的 Fastify 后端，不需要 Python 子进程。
  • 对我们意味着什么：这是个工程层面的解锁信号。三步导入第二步（截图导入）从"等选型"变成"今天就能集成"。PaddleOCR-VL-1.5 还是多模态版本，可以同时解析表格/图片/文字，适合各色基因报告这种含图表的截图。建议把 OCR 选型从"未定"挪进"本周决策"。
  • 想深入：PaddleOCR GitHub（重点看 api_sdk/typescript/ 的接口设计）

高度相关

  • CopilotKit 33.2k star，AG-UI Protocol 制定方 — 简报挑战 8 明确点名要参考它，今天看到它 main 分支高频提交（6 月 1-6 日都有合并），插件 1.58.0 已发，是活跃维护的项目。CopilotKit GitHub
  • Daniel Miessler 的 Personal AI Infrastructure (PAI) 15k star — 同赛道竞品级项目，思路是"个人 AI 基础设施 + 40 个 skill packs（Agents / ContentAnalysis / Telos / Thinking 等）"。和 aiself 的"个人 Wiki"形态不同，但用户人群高度重叠（重度 AI 用户搭建自己的 PKM/agent 栈）。PAI GitHub
  • Anthropic 发布 ant CLI — 类似 Claude Code 的官方命令行（腾讯研究院周关键词收录）。我们的 Agent 内部架构可能多一个对标参照系。
  • Anthropic Opus 4.8 实测 + ARC-AGI-3 登顶 — 推理上限继续抬升，对成本侧（MiMo 降价/Token 紧缩）形成两端拉扯。

中度相关

动态相关性来源
微软提"Token 紧缩"观点我们成本敏感、靠 DeepSeek 主力，要关注是不是行业拐点腾讯AI周关键词
小米 MiMo-V2.5 降价又一个低价中文模型选项，可纳入 LLM Gateway 备选同上
MiniMax A 股上市 + Anthropic IPOAI 公司资本化窗口打开同上
OpenAI 产品合并大厂在收敛，对我们做窄而深产品是利好信号同上
OpenAI 成立机器人团队大厂往物理世界打，认知/Wiki 这块依然没人专做同上
Sutton 提"生成认知"学术观点，与我们 me/ 是"用户认知模型"的方向呼应同上
Anthropic 发布 Claude 用户数据分析可能有用户行为数据可参考（如有原文需补）同上
教皇 Leo XIV 首封通谕谈 AI非技术界视角："technology is never neutral, it takes on the characteristics of those who devise..." 对我们"数据主权/认知主权"叙事可借力Wisereads Vol.145

背景信息

  • Dan Shipper（Every 联创）在 Lenny 播客上："每次自动化一件事，就需要更多人在上面监督它工作"——FDE（Forward Deployed Engineer）成为最热岗位。
  • Packy McCormick "Riding the Leopard"：在 AI 时代，"differentiation is a moral obligation"——可呼应 aiself "帮人认识自己" 的差异化叙事。
  • Sam Kriss 写了篇激烈反 AI 代笔的文章，反映用户对"AI 生成内容"的免疫力在上升。

PH & GitHub Trending 深研

MemPalace

  • 一句话：开源 AI 记忆系统，54.3k star，号称 LongMemEval zero-API SOTA。
  • 链接：GitHub
  • 核心机制：四层物理结构（Wings/Rooms/Closets/Drawers）+ AAAK 30x 无损压缩方言 + 跨 wing 的 Tunnel 关联 + SQLite 知识图谱（时序实体-关系三元组）+ MCP 19 工具。提供矛盾检测（识别错代词/名字/年龄）。3.4.0 后支持 qdrant/pgvector/sqlite_exact 三种向量后端。
  • 对 aiself 的启发：直接命中简报挑战 1 的"KB 健康检查 LLM 层"——它的 contradiction detection 实现就是我们要的 checker；它的 Wing/Room/Closet 层级也是个验证过的产品语言，对照我们 me/ 结构是否过于扁平。提醒：它是 SDK/MCP 工具不是产品，所以不构成直接竞争，但说明纯技术层卷得很深，差异化必须靠产品体验。

PaddleOCR

  • 一句话：百度开源的 OCR 工具包，81k star，最新版 PaddleOCR-VL-1.5 是多模态文档解析模型。
  • 链接：GitHub
  • 核心机制：异步 Job API（submit → poll → fetch）+ 多语言 SDK（Python/Go/TypeScript 全官方）+ MCP server。模型矩阵：PP-OCRv5 / PP-StructureV3 / PaddleOCR-VL / PaddleOCR-VL-1.5。支持 100+ 语言。
  • 对 aiself 的启发：直接命中简报挑战 3 的截图 OCR 选型。TypeScript SDK 可以无痛接进我们的 Fastify。建议本周就跑一遍 23魔方/各色截图，把选型从"待定"挪进"决策"。

CopilotKit

  • 一句话：Agent 前端栈 + AG-UI Protocol 制定方，33.2k star。
  • 链接：GitHub
  • 核心机制：覆盖 React/Angular/Mobile/Slack 的 agent UI 组件库 + Generative UI 抽象层 + 自家协议 AG-UI（Agent-to-User Interface）。最近重构换了 lint/format 工具链（oxlint/oxfmt），节奏快。
  • 对 aiself 的启发：直接命中简报挑战 8——我们 Web 端 KB proposal 确认交互形态有限。它的"agent 输出 + 用户审批"组件抽象是现成参照。短期不必引入它整套，但要研究它的 API 设计思想，对我们自己实现 PR 模式 UI 有直接借鉴价值。

Personal AI Infrastructure (PAI)

  • 一句话：Daniel Miessler（安全圈著名播主）的"个人 AI 基础设施"开源项目，15k star。
  • 链接：GitHub
  • 核心机制：以 Packs 方式组织 40 个 skill（Agents、ContentAnalysis、Telos 等），每个 pack 有 README/INSTALL/VERIFY + src/。v5.0.0 已发，自带 5-phase AI 安装向导。PULSE 模块（推测是 schedule/automation 层）。
  • 对 aiself 的启发：这是同赛道竞品级信号。用户人群（重度 AI 用户搭自己 PKM/agent 栈）和我们 V1 用户高度重叠。它走的是"自托管 + skill 市场"路线，而 aiself 走"开箱即用 + 个人 Wiki"路线——对照看，我们的差异化必须落在"无需配置即可生成自我洞察"，不能也变成另一个"高级用户工具栈"。建议给团队成员（包括 Suke）做一次专项 demo 对比。

Action Items

  1. 本周决策 OCR 选型：用 PaddleOCR-VL-1.5 跑一遍真实的 23魔方/各色截图，验证中文+表格识别质量，给三步导入 step 2 解锁。
  2. 本周读完 SkillOpt 论文：判断"frozen model + plain-text skill 训练"算法骨架能不能套到 me/ 自动重写上，写 1 页笔记进 decide/。
  3. 本周做一次 PAI 对比研究：clone 跑一遍，重点比对它的 onboarding 体验 vs 我们 V2 三步导入，差异化叙事要有具体支撑点。