微软在 Azure 上线 CUA：用自然语言让 AI 自己点屏幕、填表单
微软在 Azure AI Foundry 推出 Responses API 与 Computer-Using Agent（CUA）。CUA 能看懂图形界面并跨桌面或网页执行点击与表单操作，Responses API 则将多工具调用整合为单次请求。不过针对高风险操作，目前仍强烈建议人工介入确认。
AI工具 · 日报
周二
3月11日 星期二
Harvey 推出法律智能体：庭审笔录分析盲测胜过专业律师
法律 AI 平台 Harvey 推出智能体工作流。它能主动向用户索取上下文并展示「思考状态」，协助完成诉讼与交易任务。官方盲测显示，其在文书起草上达到专业律师水平，分析庭审笔录的表现甚至优于人工。该功能预计 3 月底正式向用户开放。
Perplexity 推出 Windows 桌面端：支持语音听写与快捷键
Perplexity 推出适用于 PC 的官方 Windows 桌面应用。该客户端支持语音听写、快捷键调用以及直接使用最新模型，让用户不用打开浏览器就能直接调用 AI 搜索。
Adobe Stock 上线 Customize：免开 Photoshop 直接 AI 修图
Adobe 为素材库 Adobe Stock 推出基于 Firefly 的 AI 功能「Customize」。用户无需打开外部工具 Photoshop，就能在网页端直接扩图、套用风格或修改比例，并支持查看修改历史。该功能现已向付费订阅用户开放，使用需消耗生成式点数。
OpenAI 推出智能体开发套件：Responses API 整合搜索与电脑操作
OpenAI 推出用于构建智能体的新工具套件，核心是全新 Responses API，内置网络搜索、文件搜索和电脑操作工具，并提供 Agents SDK。最值得关注的是，它大幅简化了多步骤任务的编排，且计划在 2026 年中彻底取代 Assistants API。
周一
3月10日 星期一
Gmail 上线 Gemini 新功能：邮件内容一键转成日历日程
Google 为 Gmail 网页版推出 Gemini 驱动的「添加到日历」按钮。系统会自动识别邮件里的日程信息并弹出快捷入口，点击即可在侧边栏确认并创建事件。最值得关注的是日常排日程省了反复复制粘贴；不过目前仅支持英文，且仅限 Workspace 等付费订阅用户。
周五
3月7日 星期五
Google Calendar 测试 Gemini 侧边栏：一句话查日程、定会议
Google 开始在 Google Calendar 中测试 Gemini 侧边栏。加入 Workspace Labs 的用户可以直接用自然语言查询日程、查找特定人员会议或快速创建周期日程。最值得关注的是，日历管理告别了繁琐的手动点选，不过目前仅面向测试用户开放。
Highlight 推出 MCP 通用界面：把 Cursor 体验搬进电脑所有应用
Highlight 创始人 Pim de Witte 宣布推出面向 MCP 服务器的通用界面。它支持基于屏幕上下文调用服务并通过 Tab 键生成内容，试图把类似 Cursor 的交互体验带到电脑上的所有应用中。
X 上线 Grok 回复提问功能：评论区打「grok」直接调出 AI
xAI 确认在 X 上线直接交互功能，用户在回复任意帖子时输入「grok」即可直接向 Grok 提问。这是 xAI 推出 Grok-2 与 Grok-2 mini 后的更新之一。也就是说，刷帖时无需切换应用，就能在评论流里直接让 AI 补充背景或解答疑惑。
周四
3月6日 星期四
ChatGPT macOS 版更新：能直接在本地 IDE 里修改代码了
OpenAI 宣布 ChatGPT macOS 桌面端支持直接在 IDE 中编辑代码。该功能现已向 Plus、Pro 和 Team 用户开放，免费及企业用户随后跟进。写代码不用再来回复制粘贴，不过有早期测试者反馈多文件联动时偶尔会被批量误改，还得备好撤销键。
Mistral 发布 Mistral OCR：1 美元解析千页复杂文档，已上线 Le Chat
Mistral AI 推出文档理解 API Mistral OCR，能精准提取 PDF 和图像中的公式、图表及交错图文。单节点每分钟可处理 2000 页，API 定价每千页 1 美元，并作为默认能力接入 Le Chat。
Krea AI 接入 Pika 新功能：支持局部视频修改与插帧
Krea AI 宣布接入 Pika 的多项视频新功能。创作者现在可以直接在视频中圈选修改特定区域、添加 AI 元素、执行帧插值以及混合图像，让视频生成的局部微调变得更加精细。
Convergence 推出 Template Hub：数百个智能体工作流，一键就能用
Convergence 推出集中式模版库 Template Hub，上线了数百个即开即用的智能体工作流。只要点一下，AI 代理 Proxy 就会自动接手干活，用户也能分享自己搭建的模版并追踪运行次数。这意味着复杂的日常流程可以直接抄作业，不用再从零搭建。
DuckDuckGo 升级 AI 功能：免登录匿名用大模型，不喜欢还能一键关掉
DuckDuckGo 宣布 Duck.ai 聊天结束测试，并升级搜索 AI 摘要功能。用户无需注册即可免费匿名调用 GPT-4o mini、Claude 3 Haiku 等大模型，聊天记录仅保存在本地设备；如果不想被 AI 打扰，还可以在设置中将出现频率降为 0 彻底关掉。
Anthropic 升级开发者控制台：支持多人协作提示词与深度思考调节
Anthropic 宣布改版 Anthropic Console。开发者现在可以直接在控制台内共享并协作编写提示词，告别以往靠文档复制粘贴的混乱。新版还接入了 Claude 3.7 Sonnet，支持手动控制思考 token 预算，并一键生成上线代码。
国产智能体 Manus 爆火：号称碾压 OpenAI，实测却频频翻车
上周，初创公司 Butterfly Effect 推出通用智能体 Manus 开启内测，邀请码在闲鱼炒至数千元。官方宣称其在 GAIA 基准上超越 OpenAI，但实际调用 Claude 与千问等多模型协作。早期用户实测发现，它在订餐、订票及写游戏时频频崩溃、陷入死循环，目前仍处于压力测试阶段。
周三
3月5日 星期三
Perplexity macOS 版上线语音模式：按快捷键直接开口搜
Perplexity 为其 macOS 客户端上线全新语音模式。用户按下快捷键 ⌘ + ⇧ + M 即可直接开口提问和搜索，无需手动打字。通过 Mac App Store 下载或更新应用即可体验。
D-ID 联手微软 Azure：把实时 AI 数字人做进 Teams 和企业应用
D-ID 宣布与微软合作，将其实时 AI 数字人技术引入 Microsoft Azure。企业和开发者可在 Azure Marketplace 获取工具，为 Teams 等应用接入具备多语言实时口型同步甚至手语翻译能力的数字人，改善无障碍沟通与交互体验。
Google 搜索推出 AI Mode：引入 Gemini 2.0，支持深度追问
Google 宣布将 Gemini 2.0 引入美区 AI Overviews，提升编程与数学推理能力，青少年及未登录用户也可使用。同时，Google 在 Labs 推出实验性「AI Mode」，利用多步检索拆解复杂问题并支持多轮追问。目前优先向 Google One AI Premium 订阅用户开放测试。
iOS 18.4 测试版新看点：App Store 评论区支持 AI 自动摘要
据报道，Apple 在 iOS 18.4 beta 2 的 App Store 中加入了由 Apple Intelligence 支持的评价摘要功能。系统会自动汇总用户评价的核心观点并置顶展示，每周至少刷新一次。目前该功能已在美区面向英文应用开放测试，年内将支持更多语言。
Google Shopping 升级 AI 工具：生图找衣服同款，还能虚拟试全妆
Google 为 Google Shopping 推出多项 AI 工具。全美用户可用 Vision Match 文字描述衣服，由 AI 生图并匹配可买同款；AR 试妆支持一键试全套妆容，虚拟试衣也扩展至裤装。最值得关注的是，搜索正直接把脑内想象变成现实商品。目前主要面向美国开放。
Windsurf 发布 Wave 4 更新：网页报错点选回传，Tab 一键补齐 Import
Codeium 正式发布 Windsurf Editor 的 Wave 4 更新。新版本上线 Previews 功能，点击网页元素或报错就能直接把上下文塞回 Cascade 智能体；同时支持 Tab 键自动导包、Linter 自动纠错且修复不扣额度。Vibe Coding 调试时的复制粘贴痛点被大幅减轻。
《我的世界》Jenny Mod 详解：成人向虚拟伴侣模组的玩法与设定
TechBullion 介绍了《我的世界》Java 版的成人向模组 Jenny Mod。该模组在游戏中加入名为 Jenny 的虚拟伴侣，具备传送等技能，部分版本支持 AI 互动与外观定制。模组专供成人单人游玩，需借助 Forge 或 Fabric 安装。
xAI 开放 Grok 语音模式：所有 iOS 用户均可免费使用
xAI 在 Grok iOS 应用中面向所有用户免费上线语音模式（Voice Mode），无需付费订阅即可进行语音对话。这意味着 Grok 正在降低多模态交互的使用门槛，直接在移动端与其他主流 AI 助手竞争。
周二
3月4日 星期二
Google Messages 上线 AI 诈骗检测：端侧实时盯住陌生人套路
Google 宣布为 Google Messages 推出端侧 AI 诈骗检测功能。该工具可在手机本地实时分析 SMS 与 RCS 短信，专门盯防那些看似正常却半路露馅的社交工程套路并弹出预警。目前该功能默认开启，首批推送给美、英、加三国的英语用户。
微软推出原生 Windows Copilot：更新界面与侧边栏
Microsoft 向 Windows 预览体验成员推送新版 Copilot 应用。在转成简易网页版近一年后，该应用换回原生架构，采用类似 macOS 版的新界面和侧边栏，支持语音交互与历史记录查看。新版已上线微软商店测试，预计数周内向全部 Windows 11 推送。
ElevenLabs 接入 Claude 3.7 Sonnet：给语音 Agent 装上推理大脑
ElevenLabs 宣布在其 Conversational AI 平台接入 Claude 3.7 Sonnet。开发者现在可以结合该模型的混合推理能力与拟真语音，构建幻觉更少、长对话表现更稳的客服与虚拟导师 Agent。
周一
3月3日 星期一
Google 升级 Colab：内置 Data Science Agent 帮洗数据写代码
Google 为 Colab 笔记本整合了「Data Science Agent」智能体。它基于 Gemini 2.0，用户上传 1GB 内的 CSV 或 JSON 文件后，用自然语言就能清洗数据、做可视化或写 SQL。本周起免费开放，但受算力额度限制。
Opera 预览 Browser Operator：AI 智能体直接在浏览器帮你跑腿
Opera 预览了内置 AI 智能体 Browser Operator。它直接在本地读取网页 DOM 树来帮用户买东西、订票或整理信息，不靠截屏识别也不走云端服务器，登录数据完全留在本地，关键步骤支持人工接管。该功能近期将加入 AI Feature Drop 测试。
Google 升级 Gemini：支持边拍视频边提问，还能看懂手机屏幕
Google 在 MWC 2025 上展示了 Gemini 的新能力，支持实时共享手机屏幕提问，以及在拍摄视频时边拍边问。比如网购阔腿裤时能直接让它推荐穿搭。两项功能将于本月晚些时候面向 Android 平台的 Gemini Advanced 订阅用户推送。
微软发布 Dragon Copilot：融合听录与环境感知，统一医疗语音助理
微软发布医疗 AI 助手 Dragon Copilot。它整合了 Dragon Medical One 的语音听写与 DAX Copilot 的环境感知能力，支持自动生成多语言病历并处理医嘱，单次就诊可节省 5 分钟。产品预计 5 月在美加正式推出。
周五
2月28日 星期五
Google Sheets 迎来 Gemini 升级：自动挖掘数据洞察，还能画热力图
Google 宣布为所有 Workspace 商业用户的 Sheets 接入全新 Gemini 分析能力。用户现在可以直接让 AI 分析数据相关性、检测异常值，甚至一键生成热力图等可视化图表。点击右上角火花图标提问即可，省去了手写复杂公式的麻烦。
周四
2月27日 星期四
曝 Meta 拟推独立 Meta AI 应用：测试付费订阅对标 ChatGPT
据 CNBC 报道，Meta 计划在第二季度推出独立的 Meta AI 移动应用，并测试付费订阅服务，直接对标 ChatGPT。此前 Meta AI 仅内置于社交软件与网页端。独立成 App 有助于沉淀聊天记录并跨硬件打通体验。
微软升级 Azure AI Foundry：上线 GPT-4.5，支持私网智能体与百模协同
微软宣布 Azure AI Foundry 迎来重大更新，正式在 Azure OpenAI 服务上线 GPT-4.5 预览版。平台同步增加了代码优先的模型蒸馏工具、私有虚拟网络支持，以及能并行调度数百个智能体的 Magma 协作架构。
Oculus创始人再创业做Sesame：拟真语音叫板主流助手，还要造AI眼镜
Oculus 前 CEO 创办的 Sesame 结束隐身状态，公布极具拟真表现力的语音技术并开放体验，同时宣布正在研发全天候陪伴的 AI 眼镜。该模型支持自然打断与流畅互动，官方计划在未来数月开源并支持 20 多种语言。
You.com 推出企业研究智能体 ARI：5 分钟分析 400 个信源
You.com 推出企业级智能体 ARI。它能在 5 分钟内同时分析多达 400 个信源，展示思维链推理过程，并自动生成带可验证来源、图表甚至格式化 PDF 的专业报告。企业目前可在 You.com Labs 申请预览。
周三
2月26日 星期三
Mark 推出 129 美元 AI 书签 Mark 1：钛金属机身，能自动生成读书摘要
初创公司 Mark Engineering 推出售价 129 美元的 AI 智能书签 Mark 1。它采用钛金属打造，配备小屏幕与旋钮，搭配 App 能记录阅读进度并自动生成章节摘要与重点摘录。它试图把纸质阅读数字化，但具体硬件细节与后续是否收取订阅费尚未完全公开。
Microsoft Copilot 登陆 Mac：快捷键一键唤醒，语音支持随时打断
Microsoft Copilot 正式上线 Mac 平台。新版支持使用 Option + 空格快捷键在任意应用上方全局呼出，内置播客风格的 Copilot Daily 音频资讯，其语音对话还支持随时打断和纠错。Mac 用户无需频繁切换窗口即可随手调用 AI 助手。
Amazon 推出生成式 AI 助手 Alexa+：能跨平台自主办事，Prime 会员免费
Amazon 推出基于生成式 AI 的全新助手 Alexa+。它不仅支持自然对话与四种个性化语气，还能跨第三方平台自主预订服务或处理家务。最值得关注的是它具备完整的代理能力，单月订阅 19.99 美元，Prime 会员可免费使用。
ElevenLabs 推出语音转文本模型 Scribe：支持 99 种语言，准确率超 Whisper
ElevenLabs 推出首个语音转文字模型 Scribe。该模型支持 99 种语言转录，提供词级时间戳、说话人分离及笑声等非语音事件标记，基准测试表现超过 Whisper Large V3。目前已开放 API 和网页端，低延迟实时版本即将上线。
Hume AI 发布 Octave：懂语境的 TTS，能听出讽刺与怒气
Hume AI 推出语音大模型 Octave，主打让 TTS 真正理解文本语境。它能推断台词里的反讽与恐惧，自动调整音调与节奏，还支持用提示词定制音色与表演指令。盲测中其音质与自然度评分均超过 ElevenLabs。
周二
2月25日 星期二
ChatGPT 免费版支持高级语音：GPT-4o mini 驱动，每天限时体验
OpenAI 宣布向所有 ChatGPT 免费用户开放高级语音模式预览，底层由成本更低的 GPT-4o mini 驱动。它的语调与对话节奏接近 GPT-4o 旗舰版，但设有每日使用限额，剩余 3 分钟时会弹出提醒，额度耗尽自动结束。
Poe 推出 Poe Apps：一句话组合多种模型，直接生成可视化应用
Quora 旗下 Poe 推出 Poe Apps 功能。用户只要在 App Creator 中用自然语言描述需求，就能借助 Claude 3.7 Sonnet 自动编写界面与 JavaScript 逻辑，随意混搭 GPT-4o、Flux 等不同模型。应用支持公开分享，目前仅限网页端，未来还将开放创作者变现。
微软 Copilot 全面取消限制：免费无上限使用语音与 o1 深度思考
微软宣布向所有免费用户无限制开放 Copilot 的语音模式与 Think Deeper 深度思考功能，直接解除之前的次数与时长限制。其中深度思考由 OpenAI o1 模型驱动，支持更长的连续复杂推理。每月 20 美元的 Pro 订阅依然保留，高峰期免费版可能会遇到延迟。
Adobe 推出新版 iPhone Photoshop：自带图层，支持 Firefly 生成式填充
Adobe 推出全新的 Photoshop iPhone 应用，整体体验更接近桌面版。免费版支持图层、蒙版以及 Firefly 生成式填充与扩展功能；魔棒与仿制图章等高级工具需订阅。Android 版预计年内上线。
周一
2月24日 星期一
Google Drive 上线视频逐字稿：支持关键词搜索，点击文字直接跳转画面
Google 宣布为 Google Drive 视频新增可搜索逐字稿功能，向所有 Workspace 用户推送至 3 月 26 日。界面类似 YouTube，侧边栏文本会随播放高亮并配有搜索框，点击文字可跳到对应画面。只要视频开启字幕即可使用，没有字幕的也可以右键一键自动生成。
Cursor 上线 Sonnet-3.7：实战智能体编程表现亮眼
AI 代码编辑器 Cursor 宣布接入 Sonnet-3.7 模型。团队表示对其编程能力印象深刻，尤其是在真实世界的智能体任务中表现突出，称其似乎代表了最新的业界最高水平。
Perplexity 宣布研发 Comet：主打「智能体搜索」的 AI 浏览器
Perplexity 宣布正在开发名为 Comet 的全新网页浏览器，主打「智能体搜索」，已开放早期体验预约。它试图将 AI 深度整合进底层浏览体验，让智能体不仅能查资料，还能代用户在网页上执行复杂任务。不过官方尚未公布具体上线时间。
Google AI Studio 上线对话分支：Gemini 测提示词不用从头再来
Google AI Studio 上线「对话分支」功能。Gemini 用户可以在任意消息节点开辟新分支探索，且随时能返回主干，不会打乱原有上下文。这极大方便了多轮提示词调试。不过使用前需在设置中开启云端硬盘访问和自动保存。
周日
2月23日 星期日
AI 互相打电话嫌费劲？Gibber Link 让智能体直接用音频信号密聊
开发者推出通信协议 Gibber Link。当两个 AI 智能体通电话并识别出彼此身份时，会自动从人类语音切换到基于 GGWave 的音频信号协议。跳过语音生成后，不仅算力开销省下 90% 以上，通话耗时也缩短了最高 80%。
周五
2月21日 星期五
X 推出 Grok 广告工具：输个网址自动出图写文案，还能直接做复盘
X 面向广告主上线两项 Grok AI 功能。用户输入官网网址，Prefill with Grok 就能自动生成文案、配图和行动号召；另一项功能则能直接分析投放表现并给出优化建议。新工具正分阶段向广告主开放。
Hostinger 推出 Horizons：动嘴就能做 Web 应用，打包域名与托管
Hostinger 推出无代码平台 Hostinger Horizons。用户只需在聊天框输入需求、上传草图或发送语音，就能实时预览并微调 Web 应用。平台直接集成了域名、托管和邮箱，个人卡路里记录器这类简单工具几分钟就能做好上线。
OpenAI 扩大 Operator 范围：英日韩加等国 ChatGPT Pro 用户可用
OpenAI 宣布将 AI Agent「Operator」推向澳大利亚、加拿大、日本、韩国、英国等多数支持 ChatGPT 的国家和地区。它能在独立浏览器窗口中帮人订票或网购。不过目前它仍仅面向每月 200 美元的 ChatGPT Pro 用户，且欧盟地区暂未开放。
