一、今日最重要的 5 条

二、按目标分类

A. 前沿模型 / 一手发布

• 事件：Google DeepMind 正式发布 Gemini 3.1 Flash Live

• 核心内容：原生音频 I/O、128K context、实时流式多模态（audio/image/video/text）。价格极低，$0.25/M input tokens（Flash-Lite 定价级别）

• 为什么重要：首个在价格和实时性上都可用的多模态流式模型，对视频分析 pipeline 是 game changer

• 我需不需要点开：需要，尤其关注 video stream 输入 API 文档

• 链接：deepmind.google/models/model-cards/gemini-3-1-flash-live

• 事件：Mistral Small 4（22B，Apache 2.0）+ Voxtral 轻量 TTS 双发

• 核心内容：Small 4 在推理/指令遵循上超越 3-5× 大的模型；Voxtral 支持 9 语言，可跑在智能手表上

• 为什么重要：两个高质量开源模型，一个降低本地推理成本，一个打开边缘语音合成

• 我需不需要点开：需要，Voxtral 直接可用于攀岩 app 语音反馈

• 链接：mistral.ai/news

• 事件：Opus 4.6 达 80.8% SWE-Bench Verified；Computer Use 进入 Pro/Max research preview

• 核心内容：14.5 小时任务持续能力；Computer Use 可在 Mac 上点击/输入/导航真实应用

• 为什么重要：agentic 能力边界大幅扩展，coding agent 流水线进入新阶段

• 我需不需要点开：了解即可，重点关注 Computer Use API 何时 GA

• 链接：Anthropic News | The New Stack 3月汇总

• 事件：GPT-5.4 Standard / Thinking / Pro 三档发布，1M context 窗口，首个集成 computer use 的 mainline 推理模型

• 核心内容：OSWorld-V benchmark 75%（真实桌面生产力任务）；比 GPT-5.2 减少 33% 事实错误

• 为什么重要：coding + agent + computer use 三合一，工程侧可落地的 agentic 基础设施

• 我需不需要点开：了解即可，实用性评测等社区反馈

• 链接：openai.com/index/introducing-gpt-5-4 | TechCrunch

• 事件：1.2B 参数文档解析 Vision-Language 模型，SOTA 识别精度

• 核心内容：专攻复杂文档（表格、公式、多栏版面）解析，可直接用于 RAG pipeline 的文档预处理

• 为什么重要：轻量、开源、文档解析质量好，降低 RAG 数据准备成本

• 我需不需要点开：中等优先，RAG 项目时再深看

• 链接：huggingface.co/papers/trending

B. AI 工程 / Agent / Coding Workflow

• 内容：线性复杂度注意力机制，使 LLM 能够高效处理超长上下文（远超 1M token），无需二次方内存

• 可落地价值：长视频分析、超长文档 RAG、长代码库理解，降低推理成本

• 对我当前开发/学习的意义：若做视频长序列分析，这是关键技术储备；可用于面试表达「我了解 sparse attention 在长上下文中的应用」

• 链接：HuggingFace Papers - March 26

• 内容：MCP 已突破 9700 万次安装，所有主流 AI 厂商均已发布 MCP 兼容工具链，从「实验性」转为「agentic 基础设施标准」

• 可落地价值：开发 agent 时应默认支持 MCP，接入生态工具的成本极低

• 对我当前开发/学习的意义：简历/面试中应提到「熟悉 MCP 协议」；做 side project 时优先考虑 MCP 接口

• 链接：AI Product Launches Blog

• 内容：新一代交互式 agentic 智能 benchmark；前沿系统得分 <1%，人类得分 100%

• 可落地价值：了解 agentic 能力评估的最新标准；可用于评估自己 agent 项目的能力边界

• 对我当前开发/学习的意义：好的面试话题；说明当前 agent 距真正 AGI 还有巨大 gap

• 链接：arXiv cs.AI current

• 内容：LLM 与计算机之间的中间层 agent；用「skills」执行 shell、浏览器、API 任务；集成 WhatsApp/Telegram/Slack/Discord；335K+ stars（60 天内超越 React）

• 可落地价值：快速搭建本地 agentic workflow 的脚手架，不需要自己写 computer use

• 对我当前开发/学习的意义：值得 fork 研究架构；agent 项目可以以此为基础组件

• 链接：KDnuggets - OpenClaw Explained | The New Stack

C. 视觉 / 视频 / 运动人体分析

• 内容：query-aware 长视频探索 agent，think-act-observe 循环 + 多粒度 toolkit，大幅减少处理帧数同时提升准确率

• 与「攀岩动作分析 app」的相关性：高度相关 — 攀岩视频往往 3-15 分钟，需要精准定位关键动作片段，VideoSeek 框架直接可用于「上传视频 → 定位关键动作帧 → 分析」

• 可迁移到项目的点：借鉴其「视频逻辑流」设计，用于攀岩动作片段的自动切割和时序标注

• 优先级：高

• 链接：papers.cool/arxiv/2603.20185

• 内容：首个支持人体运动 / 自然语言 / RGB 图像「理解 + 生成」统一框架，Cross-Modal Aligned Motion VAE（CMA-VAE）

• 与攀岩动作分析 app 的相关性：高度相关 — 可实现「视频 → 动作理解 → 语言描述 → 动作改进建议」完整链路

• 可迁移到项目的点：motion-language alignment 方法；将攀岩动作表示为连续 motion token 后与语言对齐，生成改进建议

• 优先级：高

• 链接：arXiv cs.CV/cs.AI current

• 内容：大规模动作条件世界建模数据集，包含来自真实感游戏的显式状态标注，支持物理世界动作预测

• 与攀岩动作分析 app 的相关性：中等 — 数据集范式（显式状态标注 + 动作条件）对构建攀岩动作数据集有方法论参考价值

• 可迁移到项目的点：参考标注范式，设计自己的攀岩动作数据集结构

• 优先级：中

• 链接：HuggingFace Papers

• 内容：结合 query-to-segment 相关性 + 跨片段亲和度的长视频问答框架，有效的「线索寻找」机制

• 与攀岩动作分析 app 的相关性：中等 — 适用于「这段视频里运动员什么时候完成了 flag 动作」这类 QA 任务

• 可迁移到项目的点：视频 QA 的 segment relevance 机制可用于攀岩动作检索

• 优先级：中

• 链接：arXiv cs.CV recent

• 内容：原生视频流输入，实时分析，$0.25/M tokens 低成本

• 与攀岩动作分析 app 的相关性：极高 — 直接可用于「视频上传 → 实时帧分析 → 动作反馈」pipeline，成本可控

• 可迁移到项目的点：用 Flash Live API 搭建 MVP，验证核心功能可行性

• 优先级：高

• 链接：deepmind.google/models/model-cards/gemini-3-1-flash-live

• 内容：Temporal Action Localization（TAL）、Action Spotting（AS）、Precise Event Spotting（PES）的 CNN/Transformer 架构综述，含实时运动员追踪和姿态估计

• 与攀岩动作分析 app 的相关性：中等 — 攀岩动作切分 = 运动 action spotting，方法直接可用

• 可迁移到项目的点：Precise Event Spotting 方法定位「关键动作节点」（如完成特定 move 的瞬间）

• 优先级：中

• 链接：arXiv Action Spotting 综述

D. 产品化 / 商业化 / 行业动态

• 动态：GPT-5.4、Gemini 3.1 Pro、Claude Opus 4.6 在 Artificial Analysis 指数上并列前三（57 分左右），实际任务差异越来越小

• 背后的趋势判断：模型本身不再是护城河，产品体验、工具链集成、垂直场景优化才是真正的竞争力

• 对 side project / 求职 / 项目方向的启发：做垂直 app（如攀岩分析）远比拼通用模型有意义；面试时可说「我理解模型同质化趋势，因此专注于 application layer 的差异化」

• 链接：LLM Stats AI Updates

• 动态：Siri 通过 Private Cloud Compute 调用 1.2T 参数 Gemini，实现跨 app 感知和屏幕理解

• 背后的趋势判断：AI assistant 从「对话框」进化为「操作系统级别的 agent」；端侧 AI 体验被重新定义

• 对 side project / 求职 / 项目方向的启发：iOS app 内 AI 功能开发的门槛进一步降低；攀岩 app 可以利用 Siri/Gemini 能力做 on-device 分析

• 链接：AI Product Launches Blog

• 动态：OpenAI 完成约 1100 亿美元融资轮（待验证具体金额），用于全球 AI 访问基础设施建设

• 背后的趋势判断：AI 基础设施投资正进入「建设超级工厂」阶段，推理成本将持续下降

• 对 side project / 求职 / 项目方向的启发：2026-2027 年 API 成本将大幅降低，现在不因成本而砍掉的功能设计，未来可能都能做到

• 链接：Digital Applied - March 2026 Roundup

• 动态：Mistral 同周发布 Voxtral（TTS）和 Leanstral（6B Lean 4 形式化验证 agent），持续用高质量开源冲击闭源生态

• 背后的趋势判断：开源模型在特定垂直场景（语音、数学推理、代码）已追平甚至超越闭源；开源不再是妥协方案

• 对 side project / 求职 / 项目方向的启发：开源优先的技术栈是 cost-effective 的创业选择

• 链接：mistral.ai/news

E. 学习价值 / 求职价值

• 内容：长视频 agent 框架 + 统一运动理解/生成框架

• 适合我怎么用：精读 + 复现（VideoSeek 优先）；面试表达「我了解视频 agent 的 think-act-observe 架构和 motion-language alignment 方法」

• 推荐动作：收藏两篇论文；先精读 VideoSeek 的 framework 部分；UniMotion 的 CMA-VAE 结构作为攀岩项目中期升级参考

• 链接：papers.cool/arxiv/2603.20185

• 内容：线性复杂度 attention，支持超长序列，面向 LLM serving 和长视频分析

• 适合我怎么用：收藏精读；面试表达「我了解 sparse attention 变体在长上下文处理中的关键 tradeoff」

• 推荐动作：精读一遍，理解与 FlashAttention/Longformer 的区别；写一篇技术笔记

• 链接：HuggingFace Papers March 26

• 内容：低成本实时多模态 API，直接可用于视频流分析

• 适合我怎么用：立刻试用；做一个小 demo（上传攀岩短视频 → 调用 API → 输出动作描述）放进 portfolio

• 推荐动作：今天注册 API key，跑通官方 quickstart；这个 demo 可以直接写进简历「Built video analysis pipeline using Gemini 3.1 Flash Live"

• 链接：deepmind.google/models/model-cards/gemini-3-1-flash-live

• 内容：97M 安装量、所有主流厂商支持，已成 agentic infra 标准

• 适合我怎么用：面试表达「我熟悉 MCP 协议设计，理解 agentic 系统中 tool use 的标准化趋势」

• 推荐动作：看一遍 MCP 官方文档；在一个 side project 中实现 MCP server 接口

• 链接：modelcontextprotocol.io

三、今日高分 GitHub Repo

• GitHub 链接：github.com/pspdfkit/openclaw （⚠️ 待验证官方 repo URL）

• 方向标签：agent / app / infra

• 这项目是干什么的：LLM 与计算机之间的通用 agent 中间层，通过「skills」系统执行 shell/浏览器/API 任务，集成主流 IM 平台

• 为什么今天值得关注：60 天内从 0 → 335K+ stars，超越 React 成 GitHub 最多 star 项目，社区讨论度极高

• 与我的相关性：agent 架构参考；可基于此快速搭建 coding agent 或任务自动化 workflow

• 上手成本：中

• 是否建议收藏：是

• 是否建议复现：是（fork 后做一个小 task automation demo）

• 一句话判断：2026 年 agent 工具链领域最值得关注的开源项目，架构值得认真研读

• GitHub 链接：（待论文作者公开，可跟踪 arXiv 主页）

• 方向标签：video / agent / multimodal

• 这项目是干什么的：长视频理解 agent，query-aware 视频探索框架

• 为什么今天值得关注：arXiv 新鲜出炉，与攀岩 app 需求高度契合

• 与我的相关性：极高，直接服务攀岩视频分析核心功能

• 上手成本：中

• 是否建议收藏：是

• 是否建议复现：是（等代码公开后第一时间跑通）

• 一句话判断：视频 agent 方向必看论文，代码一旦公开立刻复现

• GitHub 链接：（跟踪 arXiv 主页）

• 方向标签：video / motion / multimodal / training

• 这项目是干什么的：统一人体运动理解与生成框架，motion-language-RGB 三模态对齐

• 为什么今天值得关注：攀岩动作分析 app 的理想技术底座之一

• 与我的相关性：极高，motion → language → feedback 链路完整

• 上手成本：高

• 是否建议收藏：是

• 是否建议复现：中期计划（先理解框架，数据不多时考虑 fine-tune）

• 一句话判断：motion AI 方向的重要论文，列入项目 roadmap

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

• 方向标签：agent / infra / RAG / dev tools

• 这项目是干什么的：LLM 应用开发框架，RAG/Agent/Chain 工具链标准库

• 为什么今天值得关注：突破 100K stars，GitHub 历史增速最快 dev tools 之一

• 与我的相关性：高，agent 项目开发的基础工具

• 上手成本：低

• 是否建议收藏：是

• 是否建议复现：已很成熟，重点是跟上新 feature（v0.3+ 的 LangGraph）

• 一句话判断：agent 工程必备，重点关注 LangGraph 的状态机 agent 设计

• GitHub 链接：github.com/opendatalab/MinerU

• 方向标签：RAG / infra / deployment

• 这项目是干什么的：1.2B 参数文档解析 VLM，支持表格/公式/多栏版面结构化提取

• 为什么今天值得关注：RAG pipeline 中文档预处理的 SOTA 开源方案，HuggingFace 上近日热门

• 与我的相关性：中（做 RAG 类项目时直接用）

• 上手成本：低

• 是否建议收藏：是

• 是否建议复现：可以，文档完整，pip install 即用

• 一句话判断：RAG 项目文档处理的最佳开源选择，收藏备用

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

• 方向标签：agent / app

• 这项目是干什么的：300+ agent 相关资源合集，20+ 分类，每月更新

• 为什么今天值得关注：快速浏览 agent 生态全貌的最高效方式

• 与我的相关性：中，帮助快速找到 agent 领域值得参考的项目

• 上手成本：低（纯浏览）

• 是否建议收藏：是

• 是否建议复现：否（是资源合集）

• 一句话判断：agent 选型前必逛一次

四、今日最值得看的 3 个链接

五、今日行动清单

• awesome-ai-agents-2026 GitHub 合集

• LangGraph 最新文档（重点：状态机 agent 设计）

• WildWorld 数据集页面（攀岩数据集设计参考）

• VideoDetective 论文（等 VideoSeek 消化完再看）

• VideoSeek 论文（重点：framework 设计 + experiment 部分）

• Memory Sparse Attention 论文（理解线性复杂度 attention 的 tradeoff）

• 立刻做：Gemini 3.1 Flash Live API quickstart → 上传一段攀岩视频 → 看输出质量

• 本周做：MinerU2.5 pip install，测试文档解析效果

• 等代码公开后：VideoSeek 复现

• 攀岩 app 视频分析 backbone：Gemini 3.1 Flash Live（短期 MVP）→ UniMotion fine-tune（中期升级）

• 长视频定位模块：参考 VideoSeek think-act-observe 框架

• 语音反馈模块：Mistral Voxtral TTS（边缘部署方案）

• Agent 工具层：研究 OpenClaw 架构，考虑用于任务编排

• 点 1（技术深度）：「我在研究 VideoSeek 提出的视频 agent 框架，它用 think-act-observe 循环 + 多粒度 toolkit 解决长视频中的 query-aware 片段定位问题，我正在将这个框架应用到我的攀岩动作分析项目中。」

• 点 2（行业判断）：「2026 年初的一个核心趋势是前沿模型能力快速趋同，真正的差异化在 application layer。以 Gemini 3.1 Flash Live 为例，低成本实时视频分析 API 的出现使得之前不可行的垂直视频应用变得商业可行，这正是我做攀岩分析 app 的时机判断依据。」