企业官网建设流程全解析

这周又把各大技术榜单、开源仓库和几个AI社群刷了一遍，值得摊开聊一聊的东西不少。这一轮新进展覆盖面很广，从机器人推理层的思路转变，到Agent框架的底层拆分，再到视频生成工具链的爆发，最后还有一堆和本地部署、微调、AI编程相关的务实更新。我把它们整理成16个进展，按“推理能力—Agent—视频生成—部署与开发工具”四条线串起来，方便你直接挑自己关心的板块读。不管你是刚入门想找学习方向的，还是已经在做Agent开发、视频工程、端侧部署的，这篇速览都能帮你快速建立本周的行业坐标。

先说一个总体的感受：这周的新东西不再是单纯刷榜单、刷参数的阶段了。大家开始认真讨论“推理到底怎么落到真实任务里”，比如机器人该不该先思考再动手、Agent的每一步该怎么记账和回退、视频生成怎么既可控又高速。这种转向，比单纯多几个模型版本更有看点。

1. 推理能力的第一梯队：机器人、视频生成与“世界模型”的交叉

这个话题往深了说是AI最硬核的部分，往浅了说就是一句话——模型不再只是“会聊天”，而是开始理解物理世界的时间、空间和因果关系。这一周，这方向的几个进展尤其值得留意。

1.1 第1项：机器人推理从“模仿动作”转向“先规划后执行”

机器人领域这周讨论最集中的是“慢思考”进决策链路。过去很多机器人方案走端到端模仿学习：输入图像，输出动作，训练完直接动。这套路在小范围场景好用，但换个光照、换个物体摆放就崩，因为模型把“看到什么就做什么”绑定死了，并没有真正理解任务。

这周的新共识是解耦：把“任务规划”和“运动控制”拆成两层。上层用大模型做推理，负责把一个长指令拆成有序子目标，比如“把红色杯子放到托盘上，再把托盘端到厨房”；下层用视觉-语言-动作模型也就是常说的VLA模型，把每个子目标映射成具体的电机动作。一些团队还引入了世界模型模块，在动手前先在内部模拟一遍操作结果，相当于机器人真正“想了想再动手”。

这种分层思路对工程实践的启发很大。如果你在做机器人相关的项目，别指望一个大模型端到端扛住所有事，把意图解析、轨迹规划、低层控制做成可插拔的模块，反而更容易在真机上稳定跑通。这类项目对算力要求很高，仿真环境里验证通过之后再上真机，是当前比较稳妥的路线。

1.2 第2项：视频生成模型开始反哺视觉推理预训练

视频生成本身是个生成任务，但这周更值得关注的是它作为“视觉推理预训练”的价值。生成一段视频，模型必须学会预测帧与帧之间的变化：物体怎么移动、遮挡之后会发生什么、光源变化是否合理。这个过程本质上就是在训练空间因果理解。

已经有团队把视频生成模型当骨干网络，拿去跑目标跟踪、遮挡恢复、场景问答这些下游任务，效果有明显提升。直观类比就是：一个人看大量连续镜头，慢慢掌握了“接下来会发生什么”的直觉，这种直觉迁移到其他视觉任务上同样管用。这也解释了为什么一些视频生成产品看起来“不太像传统生成模型”，反而更像一个通用视觉理解器。

对普通开发者的启示是：别把视频生成只当成“做短视频的工具”，它的推理能力可以被复用。如果你在做视觉Agent或具身智能项目，完全可以借鉴视频生成模型的中间特征层来做场景理解，甚至直接用它做视觉记忆模块，省掉不少标注成本。

1.3 第3项：8B级开源模型把推理成本打到新档位

这周社区里讨论比较多的几款8B左右的开源模型，在代码生成、函数调用、Agent工具选择这些任务上，已经逼近几个月前只有几十B甚至上百B模型才能达到的水平。背后的关键不是参数变大了，而是训练数据变了——大量高质量合成数据配合真实工具调用轨迹，让小模型在“使用工具”这件事上变得非常精准。

这对普通开发者的意义很直接：8B模型可以放进消费级显卡，甚至一些高端笔记本都能全天运行。本地私有化、低延迟、不依赖云服务，这几点在Agent开发里是刚需。一些提供免费额度的API平台，也开始把这类模型作为主力档位供开发者调用。

我自己的测试方法是拿“工具选择准确率”来快速评估：给模型一堆用户指令和一堆工具定义，看它能不能选对工具、填对参数。这个指标比跑全套大而全的评测便宜得多，几分钟就能判断一个8B模型适不适合做你的Agent底座。

1.4 第4项：长上下文的新解法：分段记忆与检索锚点成为标配

大模型厂商还在卷百万token，但真实项目里“把100万字文档直接灌进去”早就被证明不划算：模型容易“迷失在中间”，而且推理成本成倍上涨。这周的新动向是业界开始务实了，流行的方案是“分段工作记忆加检索锚点”。

具体说，就是把长文档切块，按需召回相关内容进入上下文；同时要求模型在输出里嵌入可点击的来源引用，方便用户溯源验证。这其实是把RAG的思路内化到长上下文处理里。对知识库Agent来说，与其迷信长上下文，不如老老实实配一套“先检索后回答”的管线，并设置好召回数量和分数的阈值。

我见过太多项目栽在“我有长上下文就不做检索了”这种偷懒上。实际上，就算上下文窗口再大，模型对隔着十万八千里信息的注意力都会衰减。检索锚点这套组合，短期之内仍是长文本场景最可靠的工程方案。

2. Agent框架的底层变化：harness、执行链、评测与轻量规划

如果说第一板块是“模型怎么变聪明”，那这一板块就是“Agent怎么变得靠谱”。这周Agent圈讨论的已经不是简单的“用大模型调工具”，而是把Agent本身拆开研究——从执行框架、评测机制到任务规划范式，都在快速迭代。

2.1 第5项：harness 与 agent 的区别，终于被社区讲清楚了

“harness和agent区别”是这一周的热搜词，说明不少人在Agent开发里都栽过跟头。简单说，Agent本体是负责决策的那部分，通常是一个大模型加一套提示词策略；而harness是承载决策的外壳，负责上下文维护、工具调用、执行循环、异常重试、结果校验这些脏活。

为什么要分得这么清？因为一旦分开，你就能给harness加各种工程能力——换模型、加权限控制、做审计日志，而决策层完全不用动。反过来，如果你的Agent项目里根本没有harness层，只是把工具调用写死在流程里，那它其实只是一个普通脚本，不是Agent。

我跑开源Agent框架时经常看到报错信息里出现“Agent execution terminated due to error.”，很多新手以为模型崩了，实际上大部分情况是harness的工具调用抛了异常后没被接住，执行循环直接退出。解决办法也很常规：给每个工具调用包一层重试和结果校验逻辑，超时就返回一个结构化错误，让决策层决定下一步怎么走。这条经验写进周报也不夸张。

2.2 第6项：Agent评测从“结果对不对”转向“过程对不对”

以前评测Agent只看最后任务完成没完成，很多项目甚至用字符串匹配来判断成功。但这周社区越来越多人在讨论“过程正确性”——任务虽然完成了，但过程中是不是盲目调用了很多工具？是不是烧了大量token？是不是执行了超过权限边界的操作？这些都要纳入评分。

可以理解为：一个员工把工作做完，但中途乱花钱、乱承诺，公司不可能觉得他靠谱。Agent也是这个道理。过程成本、动作合法性、步骤链条的合理性，正在成为新一代Agent评测的核心维度。

实操上，我们现在跑Agent批量任务时会记录完整trace，把每一步的规划、工具名、参数、返回结果全部存下来，然后用LLM作为评委去打分，对照“任务完成质量”和“过程合理性”两个维度。这个做法门槛不高，但能暴露模型在单任务里不会暴露的坏习惯，建议做Agent开发的朋友尽早把trace体系建起来。

2.3 第7项：pi-agent式递归规划：把长任务拆成可回滚的子任务

“pi agent”这周出现在不少技术群里，不是指某个厂商的产品，而是社区正在流行的一类轻量级Agent范式，核心是递归规划。以前让Agent处理长任务，最常见的做法是让模型一次生成完整计划，然后按部就班执行。问题在于只要中途某个环节偏离预期，整个计划就崩了。

pi-agent的思路是让决策体只负责回答一个简单问题：“在当前位置，下一步做哪件最值得做的事？”每完成一步，重新评估，继续拆下一步。整个过程像写代码时不写一个大函数，而是分解成多个小函数，每步都有明确的输入输出和回滚点。这个“随时能停、能退回去”的特性很关键，因为真实世界中很少有任务能完全按计划推进。

我自己的经验是：给Agent每一步都写清楚“成功后的下一步”和“失败时的回退操作”，效果远好于在系统提示词里堆一大段详细规划。这种“小而多步”的范式尤其适合自动化运维、数据处理流水线这些容易出意外的场景。

2.4 第8项：Agent开发框架的可视化编排，正在吃掉工程化门槛

以前搭一个Agent，至少要会写代码、懂工具调用协议、会管理上下文状态。这周看到很多Agent开发框架开始提供可视化编排能力，把模型调用、工具节点、记忆模块、重试逻辑都做成可拖拽的组件，用户连一条线、填几个参数就能跑通一个Agent流程。Dify、Coze、n8n这些项目都在朝这个方向使劲。

但我得泼一点冷水：可视化编排降低了入门门槛，并没降低设计复杂度。配置图一旦超过二十个节点，数据流混乱程度可能比代码还难查。我的习惯是无论界面上能拖多少节点，新项目一律用三个基础节点起步——输入校验、模型路由、工具沙箱。先把最小闭环跑通，再逐渐加节点。可视化编排适合快速验证想法和交给非技术成员调整，真到生产级复杂链路，代码里的注释和可测试性还是更可靠。

3. 视频生成的新战场：帧生成、工作流与显卡实测

视频生成是大众感知最强的板块。这一周，大家已经不满足于“生成一段视频看看效果”，而是开始思考“怎么高效、可控、低成本地生成符合需求的视频镜头”。新战场明显从“整段生成”转向“帧生成”和“工程化工作流”。

3.1 第9项：视频帧生成成为新的生成主线

这周值得关注的第一个方向是“视频帧生成”，而不是传统的文生视频。帧生成的意思是：用户先决定关键帧的内容，比如首帧、中间几个姿态帧、尾帧，模型负责把帧与帧之间的过渡补齐。这很接近传统动画的做法——原画师画关键张，动画师补中间帧。

帧生成最大的优点是可控性。文生视频一锤子买卖，很难精确控制镜头内容和持续时间；而帧生成允许你在关键环节卡死画面，再让模型填补运动路径。它也更省算力，因为模型不需要从头想象整段视频，只需要根据已有帧做插值。操作上要注意关键帧之间的间隔，我实测4到6帧比较合理：间隔太小，补帧基本是浪费钱；间隔太大，模型容易产出跳变和穿帮。生成后可以用光流差检查帧间一致性，这是比肉眼更快发现问题的方法。

3.2 第10项：ComfyUI工作流爆发：从单图到长镜头

网上把ComfyUI拼成“comuify”之类的词条越来越多，其实说的是同一个东西：节点式AI图像/视频生成工具。它原本在图像生成圈已经很火，这周社区里大量视频生成工作流模板集中爆发，覆盖了“文本—首帧—补帧—输出”的完整链路，也有不少配合ControlNet、局部重绘的高级模板。

如果你还没接触过ComfyUI的视频工作流，我的建议是别一上来就打开几十个节点的大模板，那会让你晕头转向。先从最小工作流开始，加载一个视频生成模型，加一个文本转首帧节点，再接补帧节点，最后输出。跑通之后再逐步加姿势控制、镜头控制这些高级节点。另外一定记得打开慢速预览和帧缓存，这两个功能在显存不够时是救命稻草，能帮你边看边调整，而不是生成到最后才发现问题。

3.3 第11项：免费生成视频的正规入口，这两天又多了几个

“免费生成视频入口”一直是热门搜索词。这周国内外几款视频生成产品又陆续放出了新的体验额度，可灵AI、即梦AI、海螺AI、Vidu、腾讯智影这些平台都有注册赠送积分的机制，海外像Runway、Pika、Luma也保留了基础免费档位。对个人创作者来说，利用这些额度做风格测试和分镜验证完全够用。

我的实践经验是：先用免费入口确定几条备选风格和镜头方案，把分镜脚本写死，再投入额度或者转去本地开源模型做正式生成，这样能省下不少钱。平台会员权益和免费额度变化很快，具体以官方页面为准。值得提醒的是，免费档位通常会限制分辨率、时长和生成次数，别等做到一半才发现额度不够，提前规划好每一版要试的内容很重要。

3.4 第12项：不同显卡的2K视频生成速度实测：显存带宽比想象中还重要

这周很多人开始晒“不同显卡跑2K视频生成”的实测数据，比如有人在MiniMax系视频模型上测了一圈各档次显卡的生成速度。综合我自己做过的测试和大家的分享，结论很一致：2K视频生成真正卡的瓶颈不是算力而是显存带宽和容量。分辨率一上来，模型中间特征图对显存的消耗是指数级增长，显存不够只能走精度回退或者分块生成，速度自然掉得厉害。

测速度时建议大家固定一个统一口径：固定模型、步数、分辨率，记录每帧耗时和峰值显存占用，最后折算成“每生成1秒视频花多少秒”。有了这个指标，不同显卡之间的对比才有意义，而不是只看一个笼统的“快或慢”。如果你主要做视频生成，买卡前先按这个口径跑一遍目标模型，比看跑分更有参考价值。预算有限的话，优先保证显存容量和带宽，而不是单纯追高核心频率。

4. 训练、部署与开发工具的务实升级

最后一组进展对开发者和研究者最实用：从消费级显卡跑微调的底线，到手机App里集成大模型的路径，再到免费API选型和AI编程工具的升级。这里没有特别惊艳的技术突破，但每一条都能省下你大量试错时间。

4.1 第13项：消费级显卡微调的底线：6750 GRE 与 QLoRA 的现实

“rx6750gre训练大模型”能成为热搜词，说明不少朋友手里就是这类消费级显卡，还想折腾本地微调。先说结论：全量微调在消费级显卡上基本不用想，但是QLoRA这条路完全走得通，7B甚至14B级别模型的参数高效微调，16G到24G显存是可以承受的。

用6750 GRE这类AMD显卡时要注意一点：大量训练生态工具如bitsandbytes主要针对NVIDIA的CUDA优化，在AMD上要走ROCm支持，环境配置会多花不少时间。所以我的建议很直白：如果你选择微调这条路，优先用N卡会顺畅很多；如果只有A卡，可以考虑先跑通llama.cpp生态里的训练工具链，或者干脆用小一点的模型试。

第一次做微调，别一上来就上大型真实数据集。挑几十条样本，验证loss能稳定下降、生成结果有变化，整个链路跑通之后再逐步加大数据量。另外记得，微调不一定比提示词工程更划算，50条高质量样本往往就足够把一个模型调出特定风格，先试提示工程再决定要不要微调。

4.2 第14项：GGUF 成为端侧集成大模型的默认姿势

“android app集成ai大模型gguf”这个热搜词很具体，背后其实是一套已经非常成熟的方案。GGUF是llama.cpp生态的标准模型格式，它的特点是把模型量化、版本管理、内存映射这些细节打包好，让端侧集成变成“下载模型文件，加载推理”这么简单。

在Android或iOS上集成大模型，最通用的路径就是通过llama.cpp或MLC-LLM加载GGUF格式的模型。集成时几个常被忽略的细节：一是不要在UI线程跑推理，必须用异步任务队列，否则界面一卡就是十几秒；二是首次加载模型很慢属于正常现象，可以在启动时预加载并保留在内存里；三是尽量使用内存映射加载，避免把模型文件整个拷贝进内存。

端侧模型适合的任务是意图识别、文本摘要、离线对话、关键词抽取这类轻量场景，长文章写作和高难度推理暂时还是交给云端模型更稳。这套方案最大的价值是私有化——数据不出设备，对不少行业场景是硬需求。

4.3 第15项：免费大模型API档位对照，选型别再拍脑袋

现在提供免费或免费额度的开放平台API越来越多，DeepSeek开放平台、智谱GLM、Kimi/Moonshot、阿里百炼、硅基流动，以及海外的Google AI Studio等都有不同程度的免费档。很多人选型只比较“谁便宜”，但在Agent开发里这是很容易踩坑的思路。

我建议至少从四个维度看：上下文长度、限流策略、工具调用或者说function calling的支持度，以及多模态能力。有些API虽然便宜，但上下文窗口偏小，做复杂Agent任务时频繁截断；有些API价格稍高，但工具调用稳定、结构化输出做得好，能省下大量清洗数据的时间。

我还想提醒一点：API选型要按模块来选，而不是整个项目绑定一家。比如对话模块用便宜的模型，工具调用模块用支持稳定、限流宽松的模型，视觉模块单独选多模态模型。这样组合出来，性能和成本往往比单一供应商更理想。

4.4 第16项：AI编程从“补全代码”升级到“重构项目”

AI编程工具这周的进化方向，已经从“猜你下一行代码”升级到“帮你重构整个项目”。PyCharm这类IDE里的AI插件，已经不只是补全，还能生成测试、解释报错、批量改代码结构。OpenCode这类开源AI编辑器也持续热门，把模型接入、上下文管理、多文件修改做进了编辑器本身。

我自己用AI编程最大的体会是，提示词质量决定使用效果。写提示词时要包含四件事：任务背景、约束条件、验收标准和边界案例。比如“帮我重构这段爬虫代码，要求保留原有接口，处理连接超时，并补充单元测试”就比“帮我优化代码”管用得多。另外，别装一堆AI插件，先挑一个用熟，把提示词习惯和代码审查习惯培养起来，再扩展其他工具。

这周的进展里还有一些应用层面的小变化，比如AI辅助专利预检索和科研论文写作工具开始整合到研发工作流里，成了一些研究者日常的辅助环节，工具本身没有特别惊人的新东西，但把“检索—总结—起草—校对”串成一条线，确实能省不少时间。

我自己的排序是：如果这周只能挑一件事上手，我推荐先去试第14项的GGUF端侧集成，或者第11项的免费视频生成额度，这两个都是立刻能玩起来、成本又低的方向。至于学习路径，不需要去囤一堆框架。把一个Agent的执行循环真正跑明白、把一条视频生成工作流完整调通，比翻一百个仓库都有用。下周大概率还会有新东西冒出来，还是老思路：少看榜单，多动手试。