今日 AI 速览
头条
QQ 机器人接上 DeepSeek Harness，群里也能跑 AI 助手
腾讯 QQ 8 月 15 日宣布，QQ Bot 已有 DeepSeek Harness 官方插件。接好后，机器人可以在单聊和群聊里做 AI 助手。每个人、每个群都有独立的对话记忆，重启后可以接着聊，聊天中也能换模型。
官方给出的接入过程是安装插件、启动配置、扫码绑定 QQ Bot。群主还可以设成只有被 @ 时才回答。正式放进群聊前，管理员仍应先讲清机器人能看什么、会记住什么、什么时候回应。
点评：Agent 真正走向大众，不只靠模型更强，也靠它进入大家每天都在用的聊天入口。
Ollama 修好两个常见小故障：WebP 图片读不了，Qwen 对话容易卡住
Ollama 在 8 月 15 日发布 v0.32.14。新版会先把 WebP 图片转换成 llama-server 更容易处理的格式，减少本地模型读图片时因为格式不合而失败的情况。
它也调整了 Qwen 对话渲染器。现在，即使系统说明没有放在对话最前面，也可以继续处理。这不是大功能，但能让已有工作流少踩两个常见的坑。
点评：本地 AI 工具变成熟，往往不是靠一次大改版，而是把这些不该坏的地方一件件修好。
产业观察
英国和爱尔兰二手书店收到杂乱大订单，卖家怀疑买家在收集 AI 训练材料
《卫报》报道，英国和爱尔兰多家二手书店突然收到数量很大、主题却没有明显联系的订单。部分卖家猜测，买家可能想扫描这些旧书，用作 AI 训练数据。
报道没有证实买家就是 AI 公司，也没有证明这些书最终被拿去训练模型。能确定的是，旧书的数字版权、作者许可和训练数据来源，正在从抽象争论变成书店和出版行业的现实问题。
工具与产品
社区热议
和 AI 一起做事，更像带人，不像按计算器
Allen Bargi 写道，AI 虽然运行在软件上，却不会像编译器那样每次都给出完全可预测的结果。同一句要求，它可能答得很好，也可能漏掉显而易见的事。把它只当成“下命令就出结果”的机器，常常会失望。
作者建议借用带团队的做法：先讲背景和目标，再画清边界，看到结果后给反馈，并把常用要求保存下来。他也明确提醒，AI 不是人，没有生活经验、责任和人的判断力。
点评：好提示词不是堆术语，而是把要做什么、为什么做、不能做什么说明白。
Debian 要给 AI 代码定规矩，社区争的不是“能不能用”这么简单
Debian 的修正选票邮件发于本期窗口开始前 15 分钟，不算本期新发布。不过相关讨论在窗口内进入 Hacker News，可以作为社区信号。选项包括禁止 AI 参与、允许但附带条件，以及强调人工创作、谨慎使用和环境影响等不同路线。
争论背后是很实际的问题：AI 写错了谁负责，代码来源和许可证怎么查，用了 AI 要不要说明，大量自动生成的修改会不会压垮审核者。Debian 还没有给出最终答案，只有 Debian Developer 可以投票。
AI 做数学很强，也许先赢在“记得多”，而不是“想得更深”
Davide Piffer 的文章提出一种解释：AI 在数学题上的优势，可能不只是推理更强，也可能来自它能在很长的上下文里同时保留大量符号、公式和中间步骤。人做长题时容易忘掉前面的小条件，模型则能把更多东西一直摆在眼前。
这篇文章原发于 8 月 4 日，不是本期的新研究，也不是同行评审论文。它在本期窗口内进入 Hacker News 后引发大讨论，因此这里只把它当作社区正在争论的一种看法。
点评：把“会记很多步骤”和“真的理解问题”分开看，能让我们更准确地判断模型到底强在哪里。
今天最清楚的信号是，AI 正在从单独的工具走进日常入口。QQ 把 Agent 放进熟悉的聊天窗口，Ollama 和 ThoughtDAG 则在本地工具层一点点修好兼容与安全。能力之外，入口、规则和责任正在决定 AI 能不能真正被人放心使用。
本期为历史补刊。GitHub Trending 和部分社交榜单没有可靠的历史快照，因此没有用恢复当天的热度数据假装成 8 月 15 日数据。