MCP Python SDK v2.0.0a3 发布说明
Model Context Protocol (MCP) Python SDK 已发布其第三个 Alpha 版本 v2.0.0a3，在保持对稳定版 1.x 用户向后兼容的同时，引入了重大的协议和架构变更。
llama.cpp b9811 发布，包含 Vulkan 编译器修复方案
llama.cpp 项目已发布版本 b9811，其中包含针对 Vulkan 中 conv2d coopmat2 路径的编译器 bug 的修复。根据 NVIDIA 工程师 Jeff Bolz 的建议，此修复方案也应用于基于 CONV_3D 的实现。
llama.cpp b9810 版本发布，新增 cublasSgemmBatched 映射及新二进制文件
llama.cpp 项目发布了 b9810 版本，在 HIP/MUSA 供应商头文件中引入了 `cublasSgemmBatched` 的 CUDA 映射。此次更新附带了适用于 macOS、Linux、Windows、Android 和 openEuler 平台的全面预构建二进制文件。
模型上下文协议 Python SDK v1.28.1 发布
模型上下文协议 Python SDK 已发布 1.28.1 版本，引入了流处理和传输安全方面的更新。
Pendo 在纽约为 Novus 招聘 Staff 和高级 AI 工程师
Pendo 正在纽约市现场招聘 Staff 和高级 AI 工程师，以参与 Novus 的开发。Novus 是一个生产级产品代理，旨在自主读取实时代码库并检测真实用户的痛点。
Go 中的 eBPF：为 AI 生成服务提供可观测性
本文介绍了一种使用 Go 和 eBPF 实现内核级可观测性的教程，旨在解决在调试 AI 生成服务时因缺乏可见性而导致的问题。
llama.cpp b9804 发布：Mamba2 修复与新增二进制文件
llama.cpp b9804 版本通过移除硬编码的 2x 扩展因子和无效的参数检查，引入了对 Mamba2 架构的修复，从而支持任意 expand 值。此更改更新了 `convert_hf_to_gguf.py` 脚本，使 expand 参数变为可选，默认值为 2。
JoeBro：一个零依赖的本地 macOS AI 工作区
JoeBro 是一款本地优先的原生 macOS 应用程序，旨在提供无需 pip 或 Docker 等外部依赖的 AI 工作区。它包含捆绑的 Python 后端和 SQLite 存储，以确保所有数据保留在用户机器上，从而消除遥测和账户要求。
如何将某人添加到 Hugging Face 数据集/数据库？
提供的源内容表明，原始帖子主题已被作者删除。因此，本摘录中没有任何关于将用户添加到 Hugging Face 数据集或数据库的具体信息。
crewAI 1.15.0 发布说明
crewAI 1.15.0 版本引入了对 Flow 定义的显著增强，包括统一的声明式加载、内联 crew 支持以及 `each` 和单代理动作等新组合动作。
llama.cpp b9803 版本发布，修复 OpenCL 性能分析问题
llama.cpp 项目已发布 b9803 版本，其中包含针对 OpenCL 的修复，用于在关闭时刷新不完整批次的性能分析数据。此更新为 macOS、Linux、Windows、Android 和 openEuler 提供了跨各种硬件后端的二进制文件。
AutoGPT Platform Beta v0.6.65 发布说明
AutoGPT平台已发布0.6.65版本，对Copilot系统、用户界面导航和基础设施可靠性进行了重大更新。
llama.cpp b9802 版本提供 macOS、Linux、Windows 和 Android 的二进制文件
llama.cpp 项目已发布 b9802 版本，提供跨多个操作系统和硬件架构的预构建二进制文件。此更新支持在 macOS、Linux、Windows、Android 和 openEuler 等平台上的 CPU、GPU 以及专用 AI 加速器。
v0.5.14
本文宣布了版本 0.5.14 的发布。
Claude Code v2.1.193 发布说明
Claude Code 版本 2.1.193 引入了多项增强功能，涵盖自动模式分类、遥测日志记录和后台代理管理。此更新还包括对 UI 状态问题、MCP 服务器中的身份验证处理以及各种后台处理错误的修复。
使用 AI 代理自动化分支维护
本文介绍了一种利用 AI 编码代理自动化软件分支维护的方法，并将其应用于 Cohere 对 vLLM 的分支。该方法通过用自动反馈循环取代人工干预，将吸收上游版本所需的时间从数周缩短至数天。
v1.39.0
此版本尝试修复 Flatpak 构建。
利用AI驱动的解释和实验理解大脑
研究人员开发了生成式因果测试（GCT），这是一种将不可解释的基于LLM的大脑预测模型转化为关于皮层功能的简洁、可检验的口头假设的框架。该方法将模型参数提炼为描述特定脑区响应内容的简短短语，例如“食物准备”，然后通过针对性的fMRI实验验证这些解释。
Google Finance 结束测试版，推出全新安卓应用
Google Finance 正式告别测试阶段，并为安卓设备推出专属应用程序。
一条命令在 HF Jobs 上运行 vLLM 服务器
Hugging Face 推出了一项新功能，允许用户通过 Hugging Face Jobs 平台使用单条命令直接部署 vLLM 服务器。