二、按我的目标分类

A. 前沿模型 / 一手发布

• 事件：发布 Mistral 3（14B/8B/3B 稠密模型）+ Mistral Large 3（41B active / 675B total MoE）+ Mistral Small 4（119B，整合 reasoning + multimodal + agentic，128 experts）

• 核心内容：Small 4 是首个统一 Magistral/Pixtral/Devstral 能力的单一模型

• 为什么重要：开源阵营正在追平闭源能力边界；Small 4 的统一架构是未来 edge 部署的重要参考

• 我需不需要点开：需要，尤其是 Small 4 的 agentic 能力和 benchmark 表现

• 链接：Mistral 官方

• 事件：Qwen 3.5 9B 在 GPQA Diamond 得 81.7，Video-MME 得 84.5（对比 Gemini 2.5 Flash-Lite 的 74.6）

• 核心内容：9B 模型超越 13x 规模对手，原生支持文本/图像/视频，无需独立视觉适配器

• 为什么重要：轻量模型达到顶级视频理解能力，对攀岩 app 的 mobile/edge 部署方向极其相关

• 我需不需要点开：需要，重点看视频理解能力部分

• 链接：BuildFastWithAI

• 事件：Gemini 3.1 Pro（1M context，ARC-AGI-2 77.1%）+ Flash-Lite（2.5x 更快，$0.25/M tokens）

• 核心内容：多模态全覆盖，Flash-Lite 成本极低

• 为什么重要：Flash-Lite 是 API 调用视频理解的高性价比选择，值得纳入攀岩 app 的模型选型

• 我需不需要点开：中等，关注 Flash-Lite 的视频 token 价格和长度限制

• 链接：LLM Stats

B. AI 工程 / Agent / Coding Workflow

• 内容：Claude Code 以 1M token context + computer use 为核心优势；Cursor 以 tab 补全和 IDE 集成取胜。Claude Code 完成相同任务消耗 token 比 Cursor 少 5.5x

• 可落地价值：混合使用策略——Cursor 做日常迭代，Claude Code 做大型功能和全库重构

• 对我的意义：当前最值得掌握的 coding workflow 模式，面试中可演示实际效率提升

• 链接：Emergent.sh

• 内容：LangGraph 成为最受生产验证的 agent 框架（Klarna/Uber/LinkedIn 使用），CrewAI 次之

• 可落地价值：LangGraph 值得作为 agent 项目的首选框架

• 对我的意义：攀岩 app 的「视频上传→分析→建议生成」流程完全可以用 LangGraph 搭建 agent pipeline

• 链接：LangGraph GitHub

• 内容：Braintrust 估值 8 亿。DeepEval（Apache-2.0，50+ 指标）仍是最完整的开源 eval 工具

• 可落地价值：构建 AI 应用必须配套 eval；DeepEval 可直接集成进 pytest

• 对我的意义：攀岩 app 的动作分析质量评估需要 eval 框架，DeepEval 是起手首选

• 链接：DeepEval GitHub

C. 视觉 / 视频 / 运动人体分析

• 内容：Video-MME 得分 84.5（含字幕），无需独立视觉适配器，原生 multimodal

• 与攀岩动作分析 app 的相关性：高——9B 模型有可能在 edge 设备上运行，直接处理攀岩视频

• 可迁移到项目的点：用 Qwen 3.5 替代更大模型做视频描述 + 动作识别，降低推断成本

• 优先级：高

• 链接：BuildFastWithAI

• 内容：Multi-scale Pose as Compositional Tokens + Distance-Gated Spatiotemporal Transformer，针对复杂工业场景的 3D 姿态重建

• 与攀岩动作分析 app 的相关性：中高——攀岩场景遮挡多、视角复杂，DGST 的时空建模方法可迁移

• 可迁移到项目的点：M-PCT 的多尺度 token 方法可改善攀岩身体部位表示精度

• 优先级：中

• 链接：ScienceDirect

• 内容：Kling 3.0（API $0.075/sec）、ByteDance Helios（单卡实时 60 秒）、Seedance 2.0（Elo 1,269 全球第一）

• 与攀岩动作分析 app 的相关性：中——可用于生成标准动作示范视频、合成训练数据

• 可迁移到项目的点：用 Kling API 生成「理想动作」对比视频，增强用户体验

• 优先级：中

• 链接：BuildFastWithAI

D. 产品化 / 商业化 / 行业动态

• 动态：业内普遍认定 2026 年 3 月下旬是「从对话助手转向自主 agent 系统时代」的分水岭

• 背后的趋势判断：agent 不再是 demo，开始进入真实工作流；LangGraph/CrewAI 等框架成为标配工程工具

• 对 side project / 求职 / 项目方向的启发：简历和项目里要有 agent 实际落地案例，而非只是 API 调用

• 链接：LLM Stats

• 动态：WWDC 2026 前预告 Core AI Framework，3 行 Swift 代码接入 Apple Intelligence；同期 Siri 整合 Google Gemini

• 背后的趋势判断：移动端 AI 基础设施在 2026 年迎来重写；iOS 生态 AI 应用开发门槛大幅降低

• 对 side project / 求职 / 项目方向的启发：攀岩 app iOS 版本可原生接入 Apple Intelligence，做 on-device 推断，隐私优势显著

• 链接：9to5Mac

• 动态：Mind Robotics $5 亿 + Rhoda AI $4.5 亿 + Sunday $1.65 亿 + Oxa $1.03 亿；中国控制全球人形机器人市场 90%，Unitree H2 售价低于 3 万美元

• 背后的趋势判断：机器人 + VLA 模型是 2026-2027 年最大的硬件赛道

• 对 side project / 求职 / 项目方向的启发：动作分析 + 机器人控制的交叉方向极具含金量

• 链接：RestOfWorld

E. 学习价值 / 求职价值

• 内容：NVIDIA Dynamo 1.0 开源了完整的推断优化 OS；inference 正成为工程重心

• 适合我怎么用：精读 Dynamo 文档 + 复现 speculative decoding 原理，面试中可讲

• 推荐动作：把 speculative decoding 做成一个 demo 或 blog，直接写进项目

• 链接：NVIDIA Dynamo

• 内容：34.5M 月下载量，Klarna/Uber/LinkedIn 生产使用，是当前最值得掌握的 agent 框架

• 适合我怎么用：复现一个完整的 multi-agent workflow（比如「视频上传→分析 agent→建议生成 agent」），直接用于攀岩 app

• 推荐动作：完成官方 LangGraph 教程并记录过程，作为 portfolio 项目

• 链接：LangGraph GitHub

• 内容：50+ 指标，pytest 集成，Apache-2.0，是最完整的开源 eval 工具

• 适合我怎么用：复现一个针对视频描述质量的 eval pipeline，直接用于攀岩 app 质量保证

• 推荐动作：用 DeepEval 给攀岩动作描述的 LLM 输出打分，作为 eval 设计的 portfolio 项目

• 链接：DeepEval GitHub - eval framework

三、今日高分 GitHub Repo

• GitHub 链接：https://github.com/bytedance/deer-flow

• 方向标签：agent

• 这项目是干什么的：字节跳动开源的长程超级 agent，可完成需要多步规划和长周期执行的复杂任务

• 为什么今天值得关注：昨日新增 2,388 stars，总计 47,780，近期增长最快的 agent 项目之一

• 与我的相关性：高——攀岩 app 的「视频上传→分析→建议生成」流程是典型长程 agent 任务

• 上手成本：中

• 是否建议我收藏：是

• 是否建议我复现：是，先跳通 demo

• 一句话判断：字节出品、star 爆发、架构文档完整，值得第一时间复现

• GitHub 链接：https://github.com/confident-ai/deepeval

• 方向标签：eval

• 这项目是干什么的：LLM 应用的测试和评估框架，50+ 评估指标，pytest 原生集成

• 为什么今天值得关注：Braintrust 融资 8000 万让整个 eval 赛道被重新审视；DeepEval 是最完整的免费替代

• 与我的相关性：高——攀岩 app 需要评估动作分析质量

• 上手成本：低

• 是否建议我收藏：是

• 是否建议我复现：是，直接集成进项目

• 一句话判断：LLM 应用开发必备，门槛低、功能全、文档好

• GitHub 链接：https://github.com/langchain-ai/langgraph

• 方向标签：agent / infra

• 这项目是干什么的：生产级 agent 编排框架，支持有状态多 agent 工作流

• 为什么今天值得关注：34.5M 月下载量，Klarna/Uber/LinkedIn 生产使用，是 agent 框架的事实标准

• 与我的相关性：高——是攀岩 app agent pipeline 的首选框架

• 上手成本：中

• 是否建议我收藏：是

• 是否建议我复现：是，官方教程文档完整

• 一句话判断：当前 agent 开发的最优选，不需要犹豫

• GitHub 链接：https://github.com/caramaschiHG/awesome-ai-agents-2026

• 方向标签：agent / app

• 这项目是干什么的：2026 年 AI Agent 生态全景图，涵盖框架/工具/产品分类整理

• 为什么今天值得关注：包含 OpenClaw 历史最快增长记录的分析；最新框架格局总结

• 与我的相关性：中——选型参考和技术雷达用途

• 上手成本：低（阅读为主）

• 是否建议我收藏：是

• 是否建议我复现：否

• 一句话判断：agent 框架选型必读清单，节省大量调研时间

• GitHub 链接：https://github.com/infiniflow/ragflow

• 方向标签：agent / infra

• 这项目是干什么的：深度文档理解 + RAG 引擎，原生支持 multimodal，正在演进为 Context Engine

• 为什么今天值得关注：multimodal RAG 是 2026 年 RAG 进化的核心方向

• 与我的相关性：中高——可用于攀岩动作知识库（文字教程 + 示范视频片段混合检索）

• 上手成本：中

• 是否建议我收藏：是

• 是否建议我复现：中期目标

• 一句话判断：RAG 进化方向最清晰的开源项目，multimodal 支持领先

• GitHub 链接：https://github.com/ai-dynamo/dynamo

• 方向标签：infra / deployment

• 这项目是干什么的：NVIDIA 开源推断 OS，Blackwell GPU 上性能提升 7x

• 为什么今天值得关注：NVIDIA CEO 本周宣布「推断时代拐点到来」

• 与我的相关性：中——推断优化是面试高频话题，理解原理有价值

• 上手成本：高（需要 Blackwell GPU）

• 是否建议我收藏：是（学原理为主）

• 是否建议我复现：待观察（硬件门槛高）

• 一句话判断：了解 inference OS 架构设计的第一手资料，学原理比跑代码更重要

四、今日最值得我看的 3 篇 / 3 个链接

五、今日行动清单

• Mistral Small 4 技术报告 — 等项目用到 multimodal 时重读

• NVIDIA Dynamo 架构文档 — inference 方向深入时再看

• AMI Labs / JEPA 架构介绍 — 技术细节尚未公开，先收藏跟踪

• RAGFlow Blog — 下次做 RAG 时优先读

• Emergent.sh Claude Code vs Cursor — 立即影响开发效率，今天读完

• BuildFastWithAI 3 月模型综述 — 补完本月模型认知缺口

• deer-flow：跳通字节的长程 agent demo，理解多步规划架构

• DeepEval：pip install deepeval，用一个简单 demo 体验 eval pipeline

• Qwen 3.5 视频理解：通过 HuggingFace 或 API 测试一段攀岩视频，看描述质量

• 攀岩 app 技术选型：Qwen 3.5 9B（视频理解）+ LangGraph（agent pipeline）+ DeepEval（质量评估）

• 考虑增加「合成数据」模块：用 Kling 3.0 API 生成标准动作示范视频，解决标注数据稀缺问题

• 长期研究方向：M-PCT + DGST 的 3D 姿态估计方法，适用于攀岩复杂遮挡场景

• iOS 版本规划：待 Core AI Framework 正式发布后，考虑 on-device 推断方案