AI Agent & LLM

下午好。趋势榜上 Agent 工具链依然活跃，学术侧也有几篇值得关注的工作。

重点动态

VellumVault

把互联网上的一切内容塞进你的 Markdown 知识库，视频文章文件通吃，LLM 做语义层面的结构化。

知识管理赛道从来不缺选手，VellumVault 的思路是做笔记工具的「信息收集前置层」。输入端用 yt-dlp 抓视频、爬网页文章、导入本地文件，输出端统一到 Markdown 格式。

底层靠 LLM 做内容提取和摘要，所以它不只是格式转换工具，而是有语义结构化能力。对需要处理大量多源信息的研究者来说，省了不少手动整理的功夫。

Browser Use 官方部署模板

Browser Use 出了 Vercel 一键部署模板，fork 之后直接跑云端浏览器 Agent，连基础设施都不用搭。

Browser Use 这段时间热度一直在涨，这次出的 template 面向想快速上线的团队。配合他们的 cloud browser 服务，部署门槛降到了 fork-and-deploy 的程度。

坦率的讲，这种模式的上限取决于云浏览器的稳定性和调用成本。高频场景下费用可能比自建 headless Chrome 还高，选型时得算清楚这笔账。

dots.mocr 容器化服务

OCR 模型 dots.mocr 的容器化部署方案，FastAPI 封装，支持 vLLM GPU、昇腾 NPU、Transformers CPU 三种后端，可完全离线。

多后端设计是亮点，一套接口适配三种硬件环境。GPU、NPU、纯 CPU 各有适用场景，特别是国内用昇腾芯片的团队，开箱即用省了不少适配工作。

离线部署对政务和金融场景尤其重要，这些环境通常不能调用外部 API，本地跑模型是刚需。

跨尺度推理增强病理 VLM

arXiv 新论文，针对病理图像的多尺度特性设计显式跨尺度推理目标，让 VLM 模拟病理医生从低倍到高倍的诊断流程。

病理图像天然是多尺度的，病理医生需要从全局组织结构到细胞形态逐级放大观察。现有病理 VLM 数据集虽然包含不同倍率图像，但缺少显式的跨尺度推理训练目标。

这篇工作的核心贡献是补上这个缺口，设计了跨尺度表示学习框架。对医学影像 AI 领域的研究者来说，思路值得借鉴。

大规模无标签数据驱动 AEB

自动紧急制动系统的学习方案，用 meta-feedback 半监督学习 处理海量车队无标签数据，在量产约束下提升性能。

核心思路是教师模型给无标签驾驶数据打伪标签，再用小规模标注锚点集做安全关键反馈来更新教师。车队数据量级巨大但标注成本极高，半监督方案在这里的价值很明显。

种子引导的半监督聚类

基于 a-contrario 异常检测的半监督聚类框架，用统计对偶性统一分组原则和异常检测，解决噪声环境下聚类不稳健的问题。

密度方法对全局超参数敏感，划分算法容易把异常点误分进聚类里。这篇用 a-contrario 统计推理和格式塔邻近原则来定义稳健的聚类边界，理论框架挺优雅。

Claude Code Linux 桌面版

社区做的 Claude Code Linux 桌面客户端，给不想在终端里操作的开发者一个图形界面选择。

Claude Code 目前只有 CLI，这个项目补上了 Linux 桌面端的空缺。具体功能完成度得看实际体验，社区项目的维护节奏不好说。

Claude Code .NET 开发者工具链

专门给 .NET 开发者定制的 Claude Code harness，把 Claude Code 的能力接入 .NET 开发工作流。

Claude Code 生态在快速扩展，对 C# / .NET 技术栈的团队来说，终于不用看着 Python 和 JS 生态眼馋了。

CesiumJS 矢量瓦片渲染增强

cesium-vectortile-gl-plus，原生 Primitive 实现，不依赖 ImageryProvider 和第三方渲染器，支持 MVT/PBF 和 GeoJSON，兼容 MapLibre 样式规范。

虽然是 GIS 工具而非 AI 项目，但对做三维地理可视化的团队来说，GPU 剔除和合批优化在大数据量渲染时优势明显。