阿绎 AYi@AYi_AInotes · 4月26日58

说个所有用第二大脑的人都懂的痛，你往里面塞的资料越多，它就越没用， 我自己那个塞了37篇论文的Notebook，打开就是一长串乱码一样的标题，每次找东西都要滚半分钟，滚到最后干脆放弃🤣🤣🤣 NotebookLM昨天的更新，终于把这个问题给解决了👍👍👍 现在只要你往里面放超过5个来源，AI就会自动把所有文档按主题分好组，还会给每个组起好名字， 视频里那个30个来源的园艺指南，被自动分成了堆肥种植日历土壤种子五个大类，点开就能看到里面的具体文档， 你还能自己改名加表情符号，拖来拖去调整， 最狠的是如果一个文档同时属于两个主题，AI会自动把它放到两个组里， 我之前认为NotebookLM最厉害的是生成音频和思维导图， 现在看来真正卡脖子的根本不是输出，是输入的混乱，当你的知识堆成一团毛线球的时候，再强的生成能力也没用， 这次更新最聪明的地方是那个5个来源的门槛， 少于5个的时候人工整理更快，AI绝对不插手， 多了才自动出来帮你干活， 挺感慨的，它终于明白最好的AI不是什么都替你做，而是在你刚好需要的时候出现🥳🥳🥳

译NotebookLM最新更新解决了资料过多导致混乱的核心问题。当用户添加超过5个来源后，AI会自动按主题对所有文档进行智能分组并命名，例如将园艺资料分为堆肥、种植日历等类别。文档可跨组归属，用户也能手动调整。此次更新的关键在于AI仅在资料量达到需要整理的阈值（5个以上）时才自动介入，既避免了过度干预，又有效帮助用户从繁琐查找中解放出来，更专注于思考与学习。

Google Gemini@GeminiApp · 4月22日

If you’re not already using Gems to optimize your workflow in Gemini, it’s time to start. Gems allow you to quickly reuse a prompt and add reference files. Open the side panel, create a gem, and turn your repetitive tasks into a single click.

译如果你还没有使用 Gems 来优化 Gemini 中的工作流程，现在是时候开始了。 Gems 让你能够快速复用提示词并添加参考文件。 打开侧边面板，创建一个 gem，将重复性任务变成一键操作。

AK@_akhaliq · 4月18日39

UniDoc-RL Coarse-to-Fine Visual RAG with Hierarchical Actions and Dense Rewards paper: https://huggingface.co/papers/2604.14967

译UniDoc-RL 具有分层动作和密集奖励的从粗到细视觉 RAG 论文: https://huggingface.co/papers/2604.14967

Google Gemini@GeminiApp · 4月17日

This event is happening soon! Join the Gemini Discord here: http://discord.gg/gemini

译这场活动即将开始！在此加入 Gemini Discord：http://discord.gg/gemini [引用 @GeminiApp]：准备好充分利用 Gemini 中的笔记本了吗？ 加入 @GoogleDeepMind 产品经理 Rebecca Zapfel 的直播演示，了解如何掌握多模态上下文、持久记忆、项目组织，以及如何使用 @NotebookLM 笔记本作为来源。随后将进行实时问答。 📅 本周四，4 月 16 日上午 11:30（太平洋时间） 👉还没加入我们的 Discord？在此加入：http://discord.gg/gemini

宝玉@dotey · 4月15日

开源项目推荐：BlockNote BlockNote 是一个开源的 React 富文本编辑器，基于 ProseMirror 和 Tiptap 构建，走的是 Notion 风格的 Block 编辑体验，拖拽、嵌套、斜杠菜单、格式工具栏这些开箱即用。 对于需要在自己的应用里嵌入编辑器的开发者来说，它最大的吸引力在两个地方。 第一是上手门槛低。几行代码就能跑起来一个带完整 UI 的编辑器，不用像直接用 ProseMirror 或 Tiptap 那样先啃一堆底层概念。Block 类型、键盘快捷键、自定义样式都可以配置，但不配也能直接用。 第二是原生支持 AI 集成。通过 @blocknote/xl-ai 这个扩展包，可以在编辑器里直接接入 AI 能力，用户选中文字点 AI 按钮、或者在斜杠菜单里输入 /ai，就能让 AI 帮忙写、改、续写内容。后端支持接 OpenAI、Anthropic 或者自己的模型端点，也能接 RAG 管道给 AI 补充知识库。AI 的操作过程对用户完全透明，改了哪里、加了什么，用户可以逐条接受或拒绝。 这意味着如果你在做一个内容管理系统、知识库、或者任何需要"编辑器 + AI 辅助写作"的产品，BlockNote 省掉了你同时造两个轮子的功夫。 实时协作也内置支持（需要借助第三方服务），基于 Yjs 实现多人同时编辑。另外还有导出 PDF、Word、ODT 的扩展包，适合需要生成正式文档的场景。 许可方面需要注意：核心编辑器功能用的是 MPL-2.0 协议，商业项目可以自由使用。但 AI 集成、多列布局、文档导出这些 xl- 开头的高级包用的是 GPL-3.0，闭源商业项目需要购买商业许可。 如果你现在的选型在 Tiptap 和 BlockNote 之间纠结：Tiptap 更适合需要深度定制编辑器行为的场景，但学习曲线陡，需要理解 ProseMirror 的 Schema 和插件体系。BlockNote 封装层级更高，适合想快速出活、不想在编辑器底层花太多时间的团队。 项目地址：http://github.com/TypeCellOS/BlockNote，文档在 http://blocknotejs.org。

译BlockNote是基于React的开源富文本编辑器，采用Notion风格Block模式，基于ProseMirror和Tiptap构建。通过高层封装显著降低集成门槛，几行代码即可部署完整UI。核心亮点是原生AI支持，可接入OpenAI等模型实现写作辅助。协议分层需注意：核心功能采用MPL-2.0允许商业自由使用，但AI集成等xl-系列高级包基于GPL-3.0，闭源项目需购买商业许可。适合追求快速落地的CMS、知识库等场景。

Sundar Pichai@sundarpichai · 4月15日

Small businesses are the engine of the American economy. Our 2025 US Economic Impact Report shows how Google is helping, from connecting 19.5M businesses with customers to training 350,000+ owners in digital skills. But the true impact is in the stories behind these numbers, like Atlas Automotive Repair in Oklahoma using Gemini to prep customer reports or The Boardwalk Cleaning Co. in Texas using NotebookLM as an internal knowledge base. Google is helping businesses grow in every state: https://economicimpact.google/

译Google发布2025美国经济影响报告，揭示其通过数字生态助力小企业发展的成效。数据显示，Google已连接1950万家企业与客户，并为超35万名企业主提供数字技能培训。报告同时指出，Gemini、NotebookLM等AI工具正被广泛应用于客户报告生成、内部知识库构建等场景，帮助小企业提升运营效率。目前，Google的数字化支持网络已覆盖全美各州。

TestingCatalog News 🗞@testingcatalog · 4月14日

NotebookLM will be overpowered 👀 > Google is working on a new Canvas experience and Connectors support for NotebookLM. > Canvas mode lets users generate any visual representation of the data from notebook sources. > A new Connectors option has been added to the settings menu recently (currently hidden). > Looks like at Google I/O, we will see a new NotebookLM with Canvas, Connectors, and Personal intelligence support.

译NotebookLM 将会变得超强 👀 > Google 正在为 NotebookLM 开发新的 Canvas 体验和 Connectors 支持。 > Canvas 模式让用户能够从笔记本来源生成任何数据的可视化呈现。 > 最近设置菜单中新增了一个 Connectors 选项（目前隐藏）。 > 看起来在 Google I/O 上，我们将看到支持 Canvas、Connectors 和 Personal intelligence 的新版 NotebookLM。

TestingCatalog News 🗞@testingcatalog · 4月10日40

Kimi released Professional Data integration, allowing users to access data from Global Finance Data, Stock Finance Data, Academic Data, and World Bank Data. Data data data 👀

译Kimi发布了专业数据集成功能，允许用户访问全球金融数据、股票金融数据、学术数据和世界银行数据。 数据数据数据 👀

Claude@claudeai · 4月3日

Microsoft 365 connectors are now available on every Claude plan. Connect Outlook, OneDrive, and SharePoint to bring your email, docs, and files into the conversation. Get started here: https://claude.ai/customize/connectors

译Microsoft 365 connectors 现已向所有 Claude 套餐开放，支持连接 Outlook、OneDrive 和 SharePoint，将邮件、文档及文件直接导入对话。用户可通过官网链接启用该功能。

karminski-牙医@karminski3 · 3月30日

速报一波，GLM-5.1 真的猛，应该是从国产模型SOTA要跃升到真正的全球SOTA了，我的 vector-db-bench 直接刷到了第一，我已经在剪视频了，稍后马上为大家带来GLM-5.1详细评测视频~ (另, GPT-5.4-Pro(xhigh) 真的贵, 为了跑这个昨天干进去150刀....其实也算好消息, 当模型价格比我工资贵, 那它就没太多竞争力了...[允悲]) (测试在这里：http://vector-db-bench.kcores.com)

译GLM-5.1在vector-db-bench向量数据库基准测试中登顶第一，实现从国产SOTA到全球SOTA的关键跨越。测试数据显示其性能已超越国际主流模型，展现强劲竞争力。相比之下，GPT-5.4-Pro(xhigh)单次测试成本高达150美元，价格劣势显著。作者将发布详细评测视频进一步解析GLM-5.1的技术表现与性价比优势。

OpenAI@OpenAI · 3月24日

It’s now easier to find, reuse, and build on the files you upload and create in ChatGPT. You can quickly reference files in a chat using recent files in the toolbar, ask ChatGPT about something you’ve uploaded, or browse your files in the new Library tab in the web sidebar. Rolling out globally for Plus, Pro, and Business users, and coming soon to users in the EEA, Switzerland, and the UK.

译ChatGPT 推出文件管理功能升级，支持通过工具栏快速引用最近文件、在对话中询问已上传内容，并在网页版侧边栏新增 Library 标签页集中浏览文件。该功能已向全球 Plus、Pro 及 Business 用户开放，EEA、瑞士和英国地区即将上线。

Google Gemini@GeminiApp · 3月18日

Personal Intelligence is rolling out to more users for free across the Gemini app and Gemini in @GoogleChrome in the U.S. Access smarter responses uniquely relevant to you if you choose to connect your @Google apps like Search, @Gmail, @GooglePhotos, and @YouTube.🧵

译Google 在美国将 Personal Intelligence 功能向更多用户免费开放，覆盖 Gemini 应用和 Chrome 浏览器中的 Gemini。用户可选择连接 Search、Gmail、Google Photos 和 YouTube 等 Google 应用，获取更智能、个性化的回答。

Jeff Dean@JeffDean · 10月9日

Today we're rolling out a whole slew of new capabilities for using contextual data relevant to you and your organization and for building and using agent-based systems on top of Gemini and @googlecloud! Learn more at: https://cloud.google.com/blog/products/ai-machine-learning/introducing-gemini-enterprise Using Gemini and agents to extract information or accomplish things based on data from your organization makes lots of things easier. For example: (1) "Based on past meeting notes, what are the project's pending action items"

译Google 为 Gemini 和 Google Cloud 推出一系列新功能，支持基于组织上下文数据构建 Agent 系统，实现企业数据信息提取与任务自动化，例如根据历史会议记录自动整理项目待办事项。

Andrej Karpathy@karpathy · 8月29日

Transforming human knowledge, sensors and actuators from human-first and human-legible to LLM-first and LLM-legible is a beautiful space with so much potential and so much can be done... One example I'm obsessed with recently - for every textbook pdf/epub, there is a perfect "LLMification" of it intended not for human but for an LLM (though it is a non-trivial transformation that would need human in the loop involvement). - All of the exposition is extracted into a markdown document, including all latex, styling (bold/italic), tables, lists, etc. All of the figures are extracted as images. - All worked problems get extracted into SFT examples. Any referenced made to previous figures/tables/etc. are parsed and included. - All practice problems are extracted into environment examples for RL. The correct answers are located in the answer key and attached. Any additional information is added as "answer key" for a potential LLM judge. - Synthetic data expansion. For every specific problem, you can create an infinite problem generator, which emits problems of that type. For example, if a problem is "What is the angle between the hour and minute hands at 9am?" , you can imagine generalizing that to any arbitrary time and calculating answers using Python code, and possibly generating synthetic variations of the prompt text. - All of the data above could be nicely indexed and embedded into a RAG database for later reference, or maybe MCP servers that make it available. Then just as a (human) student could take a high school physics course, an LLM could take it in the exact same way. This would be a significantly richer source of legible, workable information for an LLM than just something like pdf-to-text (current prevailing practice), which simply asks the LLM to predict the textbook content top to bottom token by token (umm - lame). As just a quick and crappy example of synthetic variations of the above example, GPT-5 gave me this problem generator (see image), which can now generalize that problem template to many variations: - When the time is 11:07 a.m., what is the degree measure of the angle between the hands? (Answer: 68) - Determine the angle in degrees between the clock’s hands at 4:14 a.m.. (Answer: 43) - What angle do the clock hands form when the time reads 11:47 a.m.? (Answer: 71) - At 7:02 a.m., what angle separates the hour hand and the minute hand? (Answer: 161) - At 4:14 a.m., calculate the angle made between the two hands. (Answer: 43) - What angle is formed by the hands of a clock at 4:45 p.m.? (Answer: 127) - What is the angle between the hour and minute hands at 8:37 p.m.? (Answer: 36) (infinite practice problems can be created...)

译教科书等知识载体应从人类可读格式转为LLM优化格式：提取正文为结构化markdown，例题转为SFT训练数据，练习题转为RL环境并附加答案作为评判标准，同时支持合成数据无限扩展（如将时钟角度问题泛化为任意时间的自动出题器），最终构建RAG或MCP服务供LLM像学生一样系统学习，远比简单PDF转文本更高效。