Asana has acquired Stack AI, a no-code agent builder. The company plans to incorporate Stack AI into its growing AI workflow tools suite. The article provides limited details, with no disclosed deal terms, model support, product roadmap, or integration timeline in the provided text.
Google AI Studio's newly launched native Android app development feature has enabled the creation of over 250,000 apps within its first week. According to product lead Logan Kilpatrick, over 99% of these creators had zero prior Android development experience. This milestone highlights the rapid democratization of software development through AI-driven, no-code tools.
Vercel 宣布將極簡建站服務 new.website 整合至旗下的 AI 網頁生成平台 v0。這次聯手旨在消除「從 AI 生成 UI」到「正式上線網站」之間的阻礙。用戶未來將能透過 v0 的自然語言介面,不僅能生成精美的網頁組件,還能直接一鍵發布並部署,大幅降低網頁開發與上線的門檻。
Hugging Face 宣布為其試算表 AI 工具「AI Sheets」引入影像處理功能。使用者現在可以直接在試算表儲存格中插入影像,並調用各類視覺語言模型(VLM)進行批次處理,例如自動生成描述、提取文字(OCR)、進行圖像分類或物件偵測。這項更新大幅降低了非開發人員處理大量影像資料的門檻,將試算表的便利性與先進的電腦視覺技術完美結合。
Hugging Face 發表 VibeGame 專案,深入探討「氛圍編碼(Vibe Coding)」在遊戲開發中的應用。創作者只需透過自然語言與 LLM 對話,無需手寫程式碼即可生成、修改並在 Hugging Face Spaces 上一鍵部署互動遊戲。這項探索展示了 AI 如何將開發重心從「語法除錯」轉移至「創意與玩法設計」,大幅降低遊戲創作門檻。
Vercel 官方宣布將旗下熱門的 AI 輔助 UI 生成工具 v0 的官方網域正式從「v0.dev」遷移至「v0.app」。這一轉變不僅是網址的變更,更暗示了 v0 的定位升級——從最初專注於前端開發者(.dev)的 UI 元件生成,演進為能協助更廣泛用戶群體構建完整 Web 應用程式(.app)的強大平台。
Hugging Face 發表全新工具「AI Sheets」,旨在降低數據集處理的門檻。使用者無需編寫複雜代碼,即可在類似 Excel 的試算表介面中導入數據,並調用 Hugging Face 上的開源 AI 模型進行批量文本分類、翻譯、情感分析或數據增強。這項工具結合了開源生態系的靈活性與直觀的無程式碼操作,大幅提升了數據準備與標記的效率。
AI 開源模型託管平台 Replicate 宣布在其網頁端 Playground 中加入更便利的短影片生成工作流。使用者現在可以直接在瀏覽器中輸入提示詞、調整參數,並快速預覽與生成 AI 影片。這項更新降低了測試開源影片生成模型的門檻,非常適合開發者與創作者進行快速原型設計與效果測試。
Hugging Face 發表「Synthetic Data Generator」工具,旨在降低 AI 模型訓練資料集的構建門檻。用戶只需用自然語言描述需求,系統便會利用 distilabel 框架與開源大模型(如 Llama 3.1)自動生成高品質的指令微調(SFT)或偏好對齊(DPO)資料集。生成的資料可直接上傳至 Hugging Face Hub,並支援匯出至 Argilla 進行人工標註與微調。
開源數據標註平台 Argilla 發布 2.4 版本,主打與 Hugging Face Hub 的深度無程式碼整合。用戶現在可以直接在 Hugging Face Spaces 上部署 Argilla,並透過直觀的 UI 介面進行數據導入、協作標註與導出。這大幅降低了為大語言模型(LLM)準備指令微調(SFT)和偏好對齊(DPO)數據集的門檻,讓非技術背景的領域專家也能輕鬆參與數據策劃。
本指南專為非工程師設計,介紹如何使用 Hugging Face AutoTrain 無程式碼平台微調 Meta 的 LLaMA 2 模型。讀者只需準備好對話資料集並上傳,即可在雲端自動完成訓練,並能一鍵部署至 Hugging Face Spaces 進行測試。這極大地降低了客製化 AI 的門檻,適合創作者與中小企業快速上手。
本文分享了 Notion 轉網站工具 Potion.so 的創業歷程。創辦人 Noah Bragg 利用 Vercel 的強大基礎設施(如自訂網域 API 與邊緣網路),在沒有龐大運維團隊的情況下,成功為客戶託管了超過 4,000 個網站。這套高效且可擴展的架構,讓 Potion 能專注於產品體驗,最終實現從靈感、快速成長到成功被收購的完整創業閉環。
Hugging Face 介紹了其無程式碼平台 AutoTrain 在圖像分類任務上的應用。使用者只需上傳整理好的圖片資料集,系統便會自動進行模型選擇、超參數調優與訓練。訓練完成後,模型會直接託管於 Hugging Face Hub,並自動生成 Inference API,極大地降低了電腦視覺應用的開發門檻。
Hugging Face 宣布推出「Evaluation on the Hub」功能。用戶無需編寫任何程式碼,即可直接在瀏覽器中評估 Hub 上的模型與數據集。該功能與 AutoTrain 整合,評估結果會自動發布並連結至模型卡片,大幅提升了 AI 模型評估的便利性、透明度與可重複性。
本教學介紹了一套無程式碼/低程式碼的 NLP 工作流。首先利用 Kili Technology 平台進行高效的文本數據標註與品質管理,接著將標註好的輿情數據集導入 Hugging Face AutoTrain。AutoTrain 會自動嘗試多種開源模型架構並進行微調,讓開發者在無需編寫複雜深度學習程式碼的情況下,快速構建出高精度的輿情與觀點分類模型。