Cognition 推出 DeepWiki，将 Devin Wiki 和 Devin Search 免费公开，把 URL 中的 github.com 换成 deepwiki.com 即可查看任意仓库的 AI 文档。已索引超过 50,000 个热门公开仓库，涵盖 Model Context Protocol、LangChain 等；公开仓库可免费添加，私有仓库需 Devin 账号。
推荐理由：原文给出了使用方式和已索引规模，读者可以据此判断如何用 DeepWiki 快速理解陌生代码仓库。
Cognition 发布 Devin 2.0，带来 Agent 原生 IDE 体验和 $20 起的新方案。用户可并行运行多个 Devin，各自配备云端 IDE，可在 IDE 内用 Cmd+I、Cmd+K 等快捷键审查和修改 Devin 的代码。
推荐理由：官方公告列出新 IDE 体验、三项新功能和 $20 起的新定价，读者可据此评估 Devin 在编码工作流中的可用性变化。
OpenRouter API 上线首个深度研究工具，API 响应中直接包含完整引用。同时平台新增多款模型。
推荐理由：第一个通过 API 可调用的 deep research 工具，直接返回带引用结果，想在自己产品里加 research 能力的开发者不容错过。
LlamaIndex 推出 LlamaExtract，现已通过 LlamaParse 的 web UI 和 Python SDK 开放公测，用户定义 schema 后即可从非结构化文档提取 JSON 格式的结构化数据。工具支持 PDF、扫描件和 100 页以上长文档，基于 LlamaParse 构建，无需手动处理 OCR 和表格解析，输出符合 schema 的类型化数据，并提供免费和付费方案。
推荐理由：官方介绍 LlamaExtract 的 schema 定义和提取流程，读者可据此评估它能否替代手工或规则式文档处理。
OpenRouter 为所有模型上线 :nitro 和 :floor 快捷方式：前者按吞吐量（tokens per second）优先选最快供应商，后者优先选最低价供应商。
OpenRouter 发布 Reasoning Tokens 功能，在 Chatroom 和 API 中展示模型的推理步骤，请求时加上 include_reasoning: true，即可从 message 的 reasoning 字段读取推理内容。
OpenRouter 在其 API 中新增了网页搜索功能，使所有请求能够结合最新的网络搜索信息，从而获取更及时的响应结果。
推荐理由：这是OpenRouter在2025年初推出的搜索API，当时让开发者能更方便地在请求中整合实时信息，现在看已经算不上新鲜事，但对当时需要这个功能的人来说还算实用。
OpenRouter 对 finish reasons 进行标准化，内容发布于 OpenRouter Blog。正文未披露涉及的模型、字段细节或生效时间，页面仅说明订阅其邮件简报可获取模型用量数据、产品更新与研究报告，约每周一封，可随时退订。
OpenRouter API 新增 web search 功能，所有模型均可使用，开发者可在模型 slug 后追加 :online 或启用 web 插件，把实时搜索结果注入消息流。
LlamaIndex 推出 AgentWorkflow，一个基于其 Workflow 抽象的智能体系统构建与编排框架。它负责智能体间协调、状态维护和实时事件流监控，支持 FunctionAgent 与 ReActAgent 两种类型、全局 Context 状态管理，以及通过 InputRequiredEvent 集成人工审批，官方提供了单智能体和多智能体研究报告系统的代码示例。
推荐理由：官方介绍了 AgentWorkflow 的多智能体协作、内置状态管理和事件流监控能力，并附可直接运行的代码示例，适合评估是否引入现有 Agent 开发流程。
Cognition 宣布 Devin 正式全面可用，无席位限制，所有工程团队可在 app.devin.ai 开始使用，并提供 Slack 集成、IDE 扩展（VSCode 及分支，Beta）和 API，以及 Cognition 工程团队的 onboarding 支持。
推荐理由：官方宣布 Devin 全面开放并给出适用任务、使用建议和多个开源 PR 实例，读者可据此评估如何把 Devin 接入自己的工程流程。
LlamaIndex 发布 LlamaExtract beta，这是一个托管服务，可从非结构化文档中抽取结构化数据：能从候选文档集推断 schema（用户可后续编辑），并按指定 schema 抽取字段值。
推荐理由：原文来自 LlamaIndex 官方，介绍了从文档推断 schema 并抽取结构化数据的用法，读者可以评估它在 RAG 数据处理管线中的适配性。
SenseVoice 是一个语音理解基础模型，支持 ASR、语种识别、语音情感识别和音频事件检测。发布的 SenseVoiceSmall 检查点支持普通话、粤语、英语、日语和韩语，并输出情感与事件标签；采用非自回归端到端架构，同参数量级下推理速度比 Whisper-Small 快 5 倍以上、比 Whisper-Large 快 15 倍以上。
推荐理由：官方仓库文档同时给出基准对比、部署路径和微调方案，读者可以据此评估 SenseVoice 在中英文语音识别场景的可用性。
LlamaIndex 宣布开源框架 llama-agents 的 alpha 版发布，用于构建和部署生产级多智能体 AI 系统，可将每个 agent 变成独立运行的微服务。
推荐理由：官方发布开源多智能体框架 alpha 版，介绍了微服务架构、编排方式、监控工具和从本地到生产部署的具体用法。
Suno 发布 Audio Inputs 功能，所有 Pro 和 Premier 用户可上传或录制 6-60 秒的音频片段，通过“Extend”模式选择起始时间戳、设定风格，并可添加歌词来创作歌曲。社区创作者已用其提供自定义音频引子来设定氛围、节奏和乐器灵感。该功能会阻止受版权保护作品的上传，且所有包含人声的输入将保持私密并不可搜索。
推荐理由：Suno 把上传录音做歌的门槛降到极低，对音乐创作者和普通用户都友好，只是这已经是前年的更新，之后的同类功能可能更完善。
LlamaIndex 推出 Property Graph Index，用带标签属性图表示替代传统三元组知识图谱，支持节点类型与元数据、向量嵌入和混合检索。
推荐理由：官方详细给出了属性图谱的抽取方式、检索组合和底层存储接口，读者可以对照自己的数据场景评估是否迁移。
LlamaIndex 发布 LlamaParse 正式版，定位为首个 GenAI 原生文档解析平台，公测 3 周内已有超过 2000 名用户解析超过 100 万页。
推荐理由：官方宣布 LlamaParse 正式版上线，解析指令、JSON 模式和定价等细节齐全，做文档 RAG 的读者可据此评估是否采用。
Cognition 发布 AI 软件工程师 Devin，可规划并执行需要数千次决策的复杂工程任务，配备 shell、代码编辑器和浏览器等沙盒开发环境，并能实时汇报进度、接受反馈与用户协作。
推荐理由：官方宣布 Devin 并给出 SWE-bench 13.86% 的成绩与具体能力示例，读者可据此评估智能体在真实工程任务中的可用性。
LlamaIndex 发布 LlamaParse 和 LlamaCloud，为 LLM 与 RAG 应用提供托管解析、摄取和检索服务。
推荐理由：官方发布新解析与托管数据管线服务，给出公共预览的用量限制、试用方式与存储伙伴集成，读者可据此评估是否引入现有 RAG 工作流。
LlamaIndex 推出面向 LLM 与 RAG 应用的托管解析、摄取与检索服务套件 LlamaParse。LlamaParse 专注解析含表格和图表的复杂文档，已进入公开预览，当前聚焦 PDF 并对公开用户设用量上限；托管摄取与检索 API 处于私有预览，支持通过 LlamaHub 接入超过 150 个数据源和 40 多种数据存储方案。
推荐理由：LlamaIndex 官方公告，列出 LlamaParse 的解析能力、公开预览状态和配套托管 API 的开放范围，便于评估是否引入 RAG 工作流。
LlamaIndex 发布 v0.10.0，是其 Python 包迄今最大更新。核心变化包括：拆出精简的 llama-index-core 包，数百个集成（150+ 数据加载器。
推荐理由：官方发布说明了包拆分、导入路径变化和迁移工具，正在迁移或维护 LlamaIndex 项目的开发者可以直接对照升级。
Modal 宣布所有用户现在都能使用 NVIDIA H100 GPU。按 NVIDIA 基准，H100 对比 A100 最高带来 4 倍训练加速和 30 倍推理加速，单卡 80 GB 显存、每小时 7.65 美元，最多可 8 卡通过 NVLink 互联。在 Modal decorator 中把 GPU 类型设为 “H100” 即可运行，且只按实际用量付费。
LlamaIndex 推出 llamaindex-cli 命令行工具，随 pip install llama-index 安装，底层使用 Chroma 向量数据库，可不经写代码完成 RAG。
推荐理由：官方发布零代码 RAG 命令行工具，给出完整上手步骤和可换本地模型的自定义路径，读者可以直接照着试。
LlamaIndex 发布 AutoTranslateDoc，一款命令行工具，可从 GitHub 仓库抓取 .md 和 .mdx 文档，用 GPT-3.5、GPT-4 分块翻译并自动校验后合并输出。
推荐理由：工具通过分块翻译加多重校验来保证文档翻译质量，并支持差量更新，适合需要维护多语言文档的开发者参考。
LlamaIndex 推出 Llama Packs，一个社区驱动的预打包模块合集，用于快速启动 LLM 应用，已在 LlamaHub 上线 16+ 个与 Streamlit、Weaviate、Voyage AI 等伙伴合作的模板。模块可通过 CLI 或 Python 一行代码下载，支持开箱即用运行 RAG 管线，也可查看和修改全部代码，例如将默认 OpenAI LLM 替换为 Anthropic。
推荐理由：原文给出下载方式和代码示例，读者可以据此了解如何用预打包模块快速搭建 LLM 应用并自由定制。
LlamaIndex 发布 RAGs，一个 Streamlit 应用，无需写代码即可用自然语言创建并定制 RAG pipeline，对自己的数据实现「ChatGPT over your data」。
推荐理由：原文给出了用自然语言搭建 RAG pipeline 的三步流程、可编辑参数清单和开源仓库，读者可以直接部署复用。
LlamaIndex 发布 0.9 大版本，引入 IngestionPipeline 数据摄取抽象，转换步骤自动缓存以加速重复运行。
推荐理由：官方梳理了 0.9 的数据摄取缓存、接口精简和 tokenizer 默认值变化，开发者可据此评估升级成本与迁移要点。
LlamaIndex 推出 create-llama 命令行工具，通过 npx create-llama 即可交互式生成一个可与自己数据对话的全栈应用。
推荐理由：原文给出了脚手架工具的技术选项和数据接入方式，开发者可以据此快速判断是否用它搭建 LlamaIndex 应用。
LlamaIndex 发布多模态 RAG 支持能力，新增 OpenAIMultiModal、ReplicateMultiModal、MultiModalEmbedding（CLIP）和 MultiModalVectorStoreIndex 等抽象，可对文本和图像统一索引与检索。
推荐理由：原文由 LlamaIndex 给出多模态 RAG 的新抽象与代码示例，读者可以直接了解 GPT-4V、CLIP 与 Qdrant 在同一管线中的组合方式。
LlamaIndex 在 OpenAI 开发者日当天更新库，支持 gpt-4-1106-preview（GPT-4 Turbo，128,000 token 上下文窗口、JSON mode、并行函数调用等）和 gpt-4-vision-preview 多模态模型。同时新增 Azure OpenAI 端点、嵌入抽象与函数调用示例，其 RAG 演示 SEC Insights 已改用最新版 GPT-4。
推荐理由：LlamaIndex 当天即完成对 OpenAI 新模型的支持，读者可借此了解新能力在 RAG 工作流中的接入方式。
LlamaIndex 发布 Data Agents，LLM 驱动的知识工作者可对非结构化、半结构化和结构化数据执行读取与写入任务。
推荐理由：发布方亲自讲解 Data Agents 的推理循环与工具抽象设计，并给出可直接复用的代码示例，适合想在自己的数据上搭建智能体的开发者参考。