

> 苹果正式将以色列音频初创公司 Q.ai 收入囊中，这被视为其重振 Siri 竞争力的关键一步。通过引入顶尖的噪音过滤与微弱语音识别技术，苹果力图解决长期困扰用户的交互痛点。

## 以色列音频团队二次加盟

苹果近日确认完成对以色列 AI 初创公司 Q.ai 的收购，Q.ai 团队目前已整体并入苹果研发部门。值得注意的是，这是 Q.ai 首席执行官 Aviad Maizels 与苹果的第二次结缘——早在 2013 年，他创办的 PrimeSense 就曾被苹果收购，为 Face ID 技术奠定了基础。

苹果硬件技术高级副总裁 Johny Srouji 对此次收购评价颇高，认为 Q.ai 在成像与机器学习的结合应用上极具前瞻性。这表明苹果依然青睐通过精准收购技术型团队，来补齐自身生态中的短板。

![Google_AI_Studio_2026-01-30T03_19_39.174Z.png](https://static.downly.cn/images/e7f62d4f726ce33dc068b982ee8570a5.png) <center>图源备注：图片由AI生成</center>

## 攻克嘈杂环境下的听觉难题

Siri 长期以来在嘈杂背景或用户发音模糊时的识别率饱受诟病。而 Q.ai 的核心技术壁垒，正是在非理想环境下提升设备的语音理解力。

该技术不仅能有效过滤环境噪音，更能精准解析音量极低的“耳语”指令。这一突破极大地拓宽了语音助手的应用场景，使用户在地铁、街道或需要低声交流的会议室中，也能顺畅地与设备交互。

## 追赶 AI 语音助手的浪潮

当前，谷歌与 OpenAI 在 AI 语音助手的对话感与自然度上已先行一步。面对日益激烈的竞争，苹果正在推行 Siri 的深度改造工程。

虽然外界预计 Q.ai 的技术整合无法赶上近期的系统大版本更新，但从长远来看，这将为 Siri 的后续迭代注入关键动力。苹果意在通过引入更深层的机器学习能力，让 Siri 摆脱“人工智障”的标签，重新定义人机语音交互的准确度与流畅度。

苹果收购初创公司Q.ai 意在重塑Siri语音交互体验

在 2026 年1月12日，Windsurf 再次通过 **1.13.6 版本** 证明了它是目前最懂开发者的 AI 编辑器。本次更新引入了核心功能 —— **Skills（技能）**。

简单来说，如果之前的 AI 只是一个“听懂指令的实习生”，那么拥有 Skills 后的 Cascade（Windsurf 的 AI 核心）就进化成了**带工具箱的高级工程师**。

它不再只是根据你的 Prompt 瞎猜，而是能**读取你预设的文档、脚本和模版，严格按流程办事**。


## 为什么你需要 Skills？

你是否遇到过这些痛点？

- **重复劳动**：每次让 AI 写爬虫，都要强调“记得加 User-Agent，记得用 Headless 模式”。
- **规范遗漏**：每次让 AI 写 Java 代码，它总是不记得用 Lombok 或者特定的注解。
- **上下文丢失**：Prompt 越来越长，但 AI 还是会漏掉关键步骤。

**Skills 就是为了解决这个问题而生的。** 它是 Prompt 的“持久化”和“结构化”版本，让你的工程标准成为 AI 的本能。

------

## 一、快速上手（基础篇）

### 目标：创建一个“代码审查 (Code Review)”技能

**场景**：AI 写的代码有时不符合团队规范（例如缺少注释、变量命名随意）。我们要创建一个技能，让 AI 在 Review 代码时自动加载我们的检查清单。

#### 步骤 1：创建技能目录

WindSurf和 [Claude Code Skills](https://github.com/anthropics/skills) 的目录基本一致，只是根目录从`.claude`换成了`.windsurf`，请在您的项目根目录下，创建以下文件夹结构：

```markdown
.windsurf/
  skills/
    code-review/          <-- 技能名称
```

**WindSurf Skills目录结构示例：**
![image.png](https://static.downly.cn/images/ea439d487290dd9315a4e920320cc6f1.png)

#### 步骤 2：编写核心描述文件 (SKILL.md)

在 `code-review` 文件夹中创建 `SKILL.md`。这是技能的“大脑”，定义了它的触发条件和执行逻辑。

```markdown
---
name: code-review
description: 用于对代码进行审查、重构和优化。当用户要求检查代码、优化代码或进行 Code Review 时调用此技能。
---

# 代码审查专家

你现在是团队的高级技术负责人。请根据以下检查清单对代码进行审查：

## 1. 基础规范
- [ ] 变量命名是否遵循驼峰命名法 (Java/TS) 或下划线命名法 (Python)？
- [ ] 是否存在硬编码的 Magic Numbers 或字符串？
- [ ] 关键逻辑是否有注释说明？

## 2. 安全性检查
- [ ] SQL 注入风险（必须使用参数化查询）
- [ ] 敏感信息（API Key、密码）是否已脱敏？

## 3. 性能优化
- [ ] 循环中是否存在不必要的数据库查询？
- [ ] 集合操作是否高效？

请以列表形式输出审查结果，并给出修改后的代码建议。
```

#### 步骤 3：测试调用

1. 打开 Windsurf Cascade 对话框。
2. 输入：`@code-review 帮我看看这段 Python 代码有什么问题`（或者直接说 `帮我 Review 一下当前打开的文件`，Cascade 会根据 description 自动识别）。
3. **效果**：AI 会严格按照你 `SKILL.md` 中的三个维度（规范、安全、性能）进行输出，而不是泛泛而谈。

**WindSurf Skills 触发 Skills 示例：**
![image.png](https://static.downly.cn/images/22666450e4ba6863ab99b39c4155a591.png)

------

## 二、进阶实战（带模版的生成器）

### 目标：创建一个“Spring Boot 模块生成器”技能

**场景**：开发 Java Spring Boot 应用时，重复写 Controller/Service/Repository 结构非常枯燥，且容易出错。

#### 步骤 1：准备模板文件

在 `.windsurf/skills/spring-feature-gen/` 目录下，放置两个文件：

**1. `ControllerTemplate.java` (辅助资源)**

```java
package com.example.demo.controller;

import org.springframework.web.bind.annotation.*;
import lombok.RequiredArgsConstructor;

// 强制要求：所有 Controller 必须使用 RestController
// 强制要求：必须使用构造器注入
@RestController
@RequestMapping("/api/v1/${resource}")
@RequiredArgsConstructor
public class ${Resource}Controller {
    private final ${Resource}Service service;
    
    @GetMapping("/{id}")
    public ${Resource}Dto getById(@PathVariable Long id) {
        return service.findById(id);
    }
}
```

**2. `SKILL.md` (核心指令)**

```markdown
---
name: spring-feature-gen
description: 为 Java Spring Boot 项目生成标准的 Controller-Service-Repository 分层代码结构。
---

# Spring Boot 功能模块生成器

当用户要求生成一个新的业务模块（Feature）时，请严格遵循以下架构：

## 技术栈要求
1. **框架**: Spring Boot 3.x
2. **构建**: Maven/Gradle
3. **原生支持**: 考虑到后续可能编译为 GraalVM Native Image，避免使用复杂的动态反射。

## 生成步骤
1. 读取当前目录下的 `ControllerTemplate.java` 作为风格参考。
2. 生成 DTO (Record 类型), Service 接口与实现类, Repository (JPA)。
3. 确保所有依赖注入使用 `@RequiredArgsConstructor` (Lombok)。

## 输出格式
请直接生成代码文件内容，不要过多解释。
```

#### 步骤 2：实战调用

在 Cascade 中输入：

> "帮我生成一个用户管理模块（User Management），包含增删改查功能。"

**结果**：AI 会自动读取技能并参考你的 Java 模板，生成一套符合你团队习惯的代码。

------

## 三、实战玩法（用 Skill Creator 创建 AI Skills）

手动编写 `SKILL.md` 还是觉得麻烦？Windsurf 的 Skills 机制与 Claude 官方的 ecosystem 是兼容的。我们可以利用官方的 **Skill Creator** 来让 AI 帮我们写 Skills，除此之外，您也可以参考[Anthropic Claude Code Skills 深度解析](https://www.downly.cn/articles/ee2537e0-00a1-430d-baaa-b0545fcd982c)。

### 1. 引入官方 Skill Creator

[Claude Code Skill Creator](https://github.com/anthropics/skills/blob/main/skills/skill-creator/SKILL.md)是 Anthropic 官方提供的一个“元技能”，专门用来生成其他技能。

1. **创建目录**：`.windsurf/skills/skill-creator/`
2. **下载文件**：将官方仓库中的 `SKILL.md` 内容复制进去。
   - **源码地址**：[Claude Skill Creator Template](https://github.com/anthropics/skills/blob/main/skills/skill-creator/SKILL.md)

### 2. 如何使用

安装好这个技能后，你就可以套娃操作了：

> **用户**：`@skill-creator 我想要一个专门写 Python 单元测试的技能，要求使用 pytest，并且覆盖率要达到 90% 以上。`

> **Cascade**：(自动调用 skill-creator) 好的，我为您生成了 `python-tester` 的技能结构，包含 `SKILL.md` 和推荐的测试规范...

### 3. 更多官方灵感

Anthropic 官方维护了一个 Skills 仓库，里面包含了很多开箱即用的简单教程和案例（如数据分析、文档编写等），建议收藏并在 Windsurf 中尝试：

- **官方仓库**：https://github.com/anthropics/skills

------

## 核心技巧总结

1. **Description 是关键**： Cascade 依靠 frontmatter 中的 `description` 字段来决定是否**自动**调用技能。写得越具体，AI 自动触发越精准。
   - ❌ `description: 代码工具`
   - ✅ `description: 当用户询问有关 Playwright 爬虫编写、浏览器自动化脚本时使用此技能。`
2. **全局 vs 项目级**：
   - **全局习惯**（如“总是用 Python Type Hint”）：放在 `~/.codeium/windsurf/skills/`。
   - **项目规范**（如“本项目使用 MyBatis”）：放在 `.windsurf/skills/`。
3. **Skills vs Rules**：
   - 使用 **Rules** (.windsurf/rules) 设定你的基本身份（“我是谁”）。
   - 使用 **Skills** 处理具体任务（“怎么做”）。

现在，打开你的 Windsurf，试着创建你的第一个 Skill，把重复的工作流“外包”给 AI 吧！

Windsurf 1.13.6 重磅更新 - 支持 Claude Skills

> 近日，**谷歌正式发布了其旗舰AI模型 Gemini 2.5 Pro 和 Flash 的稳定版本**，标志着这两款性能强劲、效率卓越的模型全面向开发者和企业开放。 更令人振奋的是，谷歌还**同时推出了速度最快的 Gemini 2.5 Flash-Lite 预览版**。 此次发布不仅带来了显著的**性能提升和上下文窗口扩展**，更强调了**稳定性和可靠性**，旨在赋能全球开发者，加速AI应用的创新与落地，进一步巩固谷歌在AI领域的领先地位。



自谷歌推出 Gemini 系列模型以来，其在多模态理解和推理能力上展现出强大潜力，备受业界关注。 如今，谷歌将这一前沿技术推向了一个新的里程碑，正式发布了 **Gemini 2.5 Pro 和 Gemini 2.5 Flash 的稳定版**，供开发者和企业广泛使用。

![image.png](https://static.downly.cn/images/e417f9580cb250784bf5dfbf54641e38.png)

此次发布不仅是简单的版本更新，更是谷歌在确保模型性能、可靠性和可扩展性方面迈出的重要一步，旨在为开发者提供更坚实、更强大的AI构建基石。 更值得一提的是，**谷歌还同步推出了速度最快的 Gemini 2.5 Flash-Lite 预览版**，进一步拓展了AI模型的应用边界。



### 性能、效率与极致速度并驾齐驱

Gemini 2.5 系列的稳定版和预览版，在继承Gemini家族优秀基因的基础上，带来了多项关键改进，以满足不同场景下的AI应用需求

#### 1. Gemini 2.5 Pro 性能再升级

作为Gemini家族的旗舰模型，**Gemini 2.5 Pro 稳定版在复杂推理、代码生成、多模态理解等核心能力上表现更为出色**。 它拥有强大的上下文窗口，能够处理海量的输入信息，无论是长篇文档、视频片段还是复杂的代码库，都能进行深入分析和高效响应。 这使得Gemini 2.5 Pro 成为开发高级AI应用，如智能助手、内容创作工具、复杂数据分析系统的理想选择。

#### 2. Gemini 2.5 Flash 高效轻量化

与 Pro 版的“全能”不同，**Gemini 2.5 Flash 稳定版则专注于速度和效率**。 Flash 模型经过优化，在保持强大性能的同时，拥有更快的响应速度和更低的计算成本。 这使得它特别适合需要实时交互、高吞吐量或对延迟敏感的应用场景，例如聊天机器人、实时翻译、物联网设备上的AI功能以及大规模的批处理任务。 它有效地降低了AI部署的门槛和运行成本。

#### 3. Gemini 2.5 Flash-Lite 极致速度预览

此次发布的亮点之一，是**同时推出了速度最快的 Gemini 2.5 Flash-Lite 预览版**。 这一版本进一步压缩了模型体积，优化了推理速度，旨在为对延迟要求极高的边缘计算、快速响应或超大规模并发场景提供解决方案。 Flash-Lite 的推出，意味着谷歌在AI模型的轻量化和效率提升方面，正在进行更深层次的探索，为开发者在极端性能约束下的AI部署提供了新的可能。

#### 4. 稳定可靠的生产级支持

“稳定版”的发布意味着谷歌对 Gemini 2.5 Pro 和 Flash 这两款模型在**可靠性、安全性和可扩展性方面进行了全面验证和优化**。 开发者可以放心地将其集成到生产环境中，用于构建面向用户的应用或企业级解决方案。 这将大大缩短开发周期，降低部署风险，加速AI技术的商业化落地。

![image.png](https://static.downly.cn/images/65ced0038844e8eded3ba20e46fe9bc1.png)
### 赋能开发者 拓展应用边界

Gemini 2.5 Pro、Flash 稳定版以及 Flash-Lite 预览版的发布，为全球开发者提供了前所未有的强大工具组合，有望在多个领域引发创新

*   **更强大的AI助手** 开发者可以利用 Pro 模型的长上下文能力，构建能够理解和处理更复杂、更长时间对话的智能助手。
*   **高效的内容创作** Flash 模型的高速响应，可以助力实时生成文本、代码、图像描述等，极大提升内容生产效率。
*   **极致实时交互** Flash-Lite 的超快响应速度，将为要求毫秒级延迟的AI应用（如语音助手、游戏AI）提供可能。
*   **智能数据分析** Pro 模型的强大推理能力，能够从海量非结构化数据中提取洞察，辅助决策。
*   **个性化推荐系统** 结合用户行为和偏好，Flash 模型可快速生成个性化推荐，提升用户体验。
*   **企业级AI解决方案** 三款模型结合使用，可满足企业在客户服务、知识管理、自动化流程等方面的多样化AI需求。

谷歌表示，将继续投入资源，不断迭代和优化 Gemini 系列模型，致力于让AI技术更易于访问、更强大、更安全，最终赋能全球开发者，共同塑造AI的未来。 此次稳定版的发布以及 Flash-Lite 的同步推出，无疑是AI发展道路上又一个坚实的里程碑。




 谷歌正式发布 Gemini 2.5 Pro 和 Flash 稳定版


> 对于全球数百万创意工作者和 AI 艺术爱好者而言，Midjourney 无疑是他们释放想象力的强大工具。其不断迭代的技术，尤其是在图像生成质量上的突破，一次又一次地刷新着人们对 AI 艺术的认知。近日，Midjourney 团队发布了一系列重要更新，不仅显著提升了核心功能 V7 的生成速度，还邀请社区共同参与未来的功能规划，并增强了平台的内容审核能力。这些举措不仅提升了用户体验，也展现了 Midjourney 持续创新和构建健康社区生态的决心。



用户体验始终是 Midjourney 关注的重点之一。在最新的更新中，Midjourney 宣布其 V7 模型在图像生成速度上取得了显著突破。

据官方消息，Midjourney V7 的生成速度提升了约 40%。具体表现为

*   **Fast 模式下** 作业渲染时间从原来的 36 秒减少到约 22 秒。
*   **Turbo 模式下** 作业渲染时间从原来的 13 秒减少到约 9 秒。



这次速度优化被 Midjourney 称为在 V7 全面默认启用前的“最终优化”步骤。 这对于需要大量生成图片的专业用户或希望快速迭代创意的用户来说，无疑是一个重大利好。 更快的生成速度意味着更高的工作效率和更流畅的创作体验。 官方表示，这次优化也是为了在 V7 全面推广后，避免出现 GPU 资源不足的情况，保障平台的稳定运行。

值得注意的是，Omni-reference 等非默认设置的作业生成速度可能不会受到此次优化的影响。 同时，用户如果希望模型“花费更多时间”来生成图片，仍然可以使用 –q 2 或 –q 4 等参数，未来这些参数的优化也将进一步完善。

## 社区共建未来 功能创意排行榜上线

Midjourney 深知社区的力量，并一直积极与用户互动，收集反馈。 在此次更新中，Midjourney 推出了一项全新的社区参与机制——功能创意排行榜（ideas ranking party）。

这项机制旨在邀请用户直接参与到 Midjourney 未来的功能路线图中来。 运作方式如下

1.  用户访问 midjourney.com/ideas 页面。
2.  每次会看到 5 个待排名的功能创意，并获得 25 个积分。
3.  用户根据自己对这 5 个创意的重视程度，将 25 个积分分配给它们。 越重要的创意，分配的积分越多。
4.  用户可以重复进行多次积分分配，帮助系统收集更多数据。
5.  通过排行榜（leaderboard），用户可以看到社区对所有功能创意的整体排名情况，了解哪些功能最受用户期待。

![image.png](https://static.downly.cn/images/20250530023512.172892135.png)

这一创新的用户反馈机制，不仅让用户感受到了参与感和被重视感，也为 Midjourney 团队提供了宝贵的决策依据，帮助他们更准确地把握用户需求，从而开发出更符合社区期待的功能。 通过社区的共同努力，Midjourney 的未来将更加符合用户的实际使用场景和需求。

## 强化 AI 审核 构建健康创作环境

随着 AI 生成内容的普及，如何有效管理和审核平台上的内容，维护一个健康、积极的社区环境，成为了所有 AI 生成平台面临的重要挑战。 Midjourney 在这方面也持续进行投入。

此次更新中，Midjourney 宣布对其编辑器中的 AI 审核系统进行了升级。

在此次升级前，Midjourney 对被标记为违规的提示词（prompts）的拦截准确率约为 58%。 这意味着仍有相当一部分违规内容未能被有效阻止。

经过对新的 AI 审核模型进行训练后，目前的拦截准确率已大幅提升至 96%。



这一显著的提升，表明 Midjourney 在构建更安全的创作环境方面取得了重要进展。 高效的 AI 审核有助于减少平台上的不当内容，保护用户的权益，并维护社区的整体氛围，让用户能够更安心、更专注于进行他们的创意探索。

## 总结与展望 持续进化中的 Midjourney

Midjourney 近期的这一系列更新，无论是核心功能的提速、社区参与度的提升，还是内容审核的强化，都体现了其作为行业领先者持续自我优化和进化的决心。 Faster V7 提升了效率，功能创意排行榜让未来充满期待，更强的 AI 审核则为社区的健康发展保驾护航。



这些改进共同推动着 Midjourney 向着更强大、更开放、更健康的 AI 艺术创作平台迈进。 对于用户而言，这意味着更快的生成速度、更多符合需求的功能以及更安全的创作环境。 我们期待 Midjourney 未来能带来更多惊喜，继续引领 AI 艺术生成领域的创新。



搜索结果: 版本更新