开发者朋友们大家好：

这里是「RTE 开发者日报」，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE（Real-Time Engagement） 领域内「有话题的技术」、「有亮点的产品」、「有思考的文章」、「有态度的观点」、「有看点的活动」，但内容仅代表编辑的个人观点，欢迎大家留言、跟帖、讨论。

本期编辑：@koki、@鲍勃

01 有话题的技术

1、钉钉开源 dws 跨平台命令行工具 面向 AI Agent 场景 

钉钉现已开源了名为 DingTalk Workspace 的跨平台命令行工具，旨在将钉钉的全套产品能力统一打包，专为人类用户与 AI Agent 双重场景设计。该工具无需编写样板代码即可调用各项服务，所有响应默认为结构化 JSON 输出，并内置了 Agent Skills，使大语言模型（LLM）无需自定义工具即可开箱即用地管理钉钉工作台。

目前，该项目已在 GitHub 上采用 Apache-2.0 许可证发布，提供针对 macOS、Linux 和 Windows 的自动化一键安装脚本。

由于当前处于共创阶段，开发者在配置环境变量并创建钉钉企业内部应用后，还需加入官方共创群以完成白名单配置方可正常使用。

Github 链接：

https://github.com/DingTalk-Real-AI/dingtalk-workspace-cli

（@橘鸦 Juya）

2、北大团队发布 ProactiveVideoQA 基准测试 ：通过 GRPO 强化学习与 PAUC 指标实现视频多模态模型原生主动交互

北京大学王选计算机研究所研究团队发布 MMDuet2 模型与 ProactiveVideoQA 基准测试，旨在解决视频多模态模型（Video MLLM）从「被动响应」向「主动交互」的范式转移。通过引入基于 PAUC 指标的强化学习训练框架，MMDuet2 实现了无需精确时间标注即可在视频流中自主决策回复时机，在保持通用理解能力的同时达到 SOTA 性能。

ProactiveVideoQA 是首个专门评估视频多模态模型主动交互能力的综合基准测试。它的核心特征有三个：

• 多轮开放式问答：不同于大多数视频问答基准使用选择题，ProactiveVideoQA 要求模型生成多轮、完全开放的文本回复，更接近真实对话场景。

• 多样化的任务和多模态输入：ProactiveVideoQA 涵盖网络视频、第一人称视角、电视剧、监控视频四大类任务，整合文本、视频、语音多种模态，共 1377 个视频、1427 个问题。Benchmark 的数据示例如下图所示，每条数据含有一个问题和一个以上的答案，每个答案对应一个时间片段：

• 提出和回复时间相关的评估指标 PAUC：提出 Proactive Area Under Curve（PAUC）指标，通过绘制 「时间 - 质量」 曲线并计算曲线下面积来评估模型回复的及时性和准确性，而非仅评估文本内容。

MMDuet2 是在 ProactiveVideoQA 基准上达到 SOTA 性能的支持主动交互的视频多模态模型。核心突破在于将「交互时机」转化为 RL 优化目标中的策略偏好，实现了回复内容与回复时机的端到端对齐。

两者共同构建了视频多模态模型主动交互的完整解决方案：

• ProactiveVideoQA 提出了 PAUC 评估指标，提供了测试 benchmark

• MMDuet2 通过无需精确时间标注的 RL 方法解决了训练问题，构建了训练数据，达到了 SOTA 性能。

Github 链接：

https://github.com/yellow-binary-tree/MMDuet2

（@机器之心）

02 有亮点的产品

1、Sentience 获 6.5M 美元融资：构建全加密个人数字孪生，实现跨平台上下文捕获与行为模拟

Sentience 获 650 万美元融资，旨在为个体构建专有的 AI 数字孪生模型。该平台通过在桌面及移动端采集全量数字足迹，实现高精度的个人知识检索与自动化决策模拟，试图解决通用大模型（One-size-fits-all）导致的个体思维同质化问题。

单人单模（Personalized LLM）： 为每位用户生成唯一的数字孪生模型，不仅复刻历史上下文，还通过解析用户交互数据模拟其价值观、情感驱动力及决策目标。

全量数字记忆库（Digital Memory Bank）： 支持桌面端与移动端同步采集，自动整合保存的链接、即时通讯消息及网页浏览历史，消除跨应用搜索和手动复制上下文的需求。

智能体行为模拟（Agentic Execution）： 该模型可作为代理执行任务，根据用户历史风格起草邮件、安排日历及处理行政事务；支持模拟用户语气与逻辑进行团队协作。

细粒度权限与端到端加密： 强调模型与数据 100% 归用户所有，支持选择性共享特定知识模块，允许团队在受控范围内通过数字孪生进行 24/7 知识检索。

目前已上线官网并开启 Waitlist 预约，产品处于早期开发阶段，强调数据完全加密。

参考链接：

https://sentience.com

( @The Sentience Company)

2、谷歌发布 stitch2.0，用语音说出 UI，开启 vibe design 时代

谷歌将其定位为「从想法到界面的 AI 设计画布」，核心价值是在一个支持图片、代码、文本的统一画布里，让设计代理理解全局上下文，帮你生成、改版、对比多个方向，并保持风格统一。

目标用户是产品经理、设计师、初创团队以及不会设计但需要界面的开发者；他们的痛点是「从 0 起稿慢、改稿靠来回截图说不清、生成式工具容易风格跑偏」。Stitch 要解决的是「如何在一个 AI 画布里快速出稿、反复 vibe、还不丢设计系统」。

核心功能与差异化优势：

• 多模态生成 + 语音控制：在同一画布里用文字、语音、参考截图甚至代码生成 UI，AI 设计代理能「看见」你在操作什么，并用对话方式实时给改稿建议。

• 上下文感知设计代理 + Agent 管理：代理能理解整个项目历史和画布上下文，支持「给我再来 3 个菜单版本」「采访我再帮我出一版」的工作流，并用 Agent Manager 管理多个探索分支。

• 内置 DESIGN.md 设计系统：每套设计自动抽出一个 DESIGN.md，明确颜色、组件、间距和交互规则，不仅保证同一项目内视觉一致，还能把这个文件丢进代码侧，让 LLM 按同一设计系统去实现前端。

在用户体验上，它更像一个「坐在你旁边的 AI 首席设计师」：你用文字或语音说 vibe 和需求，它一边在无限画布上出高保真界面，一边帮你守住设计系统，从头脑风暴到能交给工程的稿子都在一处完成。

参考链接：

https://blog.google/innovation-and-ai/models-and-research/google-labs/stitch-ai-ui-design

( @Z Potentials)

3、支持眼动追踪，仅 47 克，全彩显示 AI 眼镜 Maverick AI 即将开售

一款名为 Maverick AI 的全彩智能眼镜，即将于 3 月 31 日在 Kickstarter 上开启众筹。这款产品由以色列公司 Everysight 推出，截至目前已累计收获 2000 多位关注者；该产品也曾在 2026 年 1 月在拉斯维加斯举行的 CES 国际消费电子展亮相过。

全彩显示的智能眼镜，应用场景更为丰富，UI 界面也更加复杂，对交互方式要求更高。今天介绍的 Maverick Pro 版本全彩显示智能眼镜，则选择采用眼动追踪作为其交互方式（Maverick 普通版本则不支持眼动追踪）。

Maverick 的 GazeIntent 眼动追踪系统可以追踪用户细微的眼球运动，并将其转化为眼镜上的输入信号用于交互。

如下图展示的，是用眼动追踪系统控制指针，查看不同时段的股价。

另外，眼动追踪还可以用于自动抓取视线聚焦的内容方便 AI 进行识别和解读，而不用对于视野内所有信息进行无差别识别，从而降低算力损耗。

产品支持丰富的应用场景，用户可以通过 AI 询问天气、查询股票或者进行对话，相应的回答会显示在眼镜画面的右侧。

产品预装了一系列自研的应用，支持导航、实时翻译、AI 识物购物、场景理解、运动（骑行、高尔夫、跑步）数据显示等应用场景。

( @XR Vision)

4、农业科技公司 Halter 估值升至 20 亿美元：Cowgorithm 智能项圈算法实现定义虚拟围栏

新西兰农业科技公司 Halter 近期完成新一轮融资，由 Peter Thiel 旗下的 Founders Fund 领投，投前估值由一年前的 10 亿美元翻倍至 20 亿美元。该公司核心产品为基于「Cowgorithm」算法的智能项圈，通过高频传感器数据监测与多级反馈调控，将物理牧场管理转变为软件定义的自动化流程，目前已覆盖全球超过 60 万头奶牛。

项圈与高频多模态传感器融合，内置传感器以每分钟 >1000 个数据点的频率采集位置、运动轨迹、反刍行为、发情周期及健康指标，实现对单头牲畜生理状态的亚秒级实时监控。采用「声音提示 - 振动控制 - 低能量电脉冲」的三级反馈逻辑。牧场主通过 App 划定虚拟边界，算法根据 GPS 坐标自动触发反馈，约 10 天训练周期即可实现无人值守的自动化轮牧。

根据实际应用数据显示，该系统每管理 400 头奶牛可节省 1 个全职人力（FTE）。在美国市场，Halter 已部署超过 11,000 英里的虚拟围栏，累计为牧场主节省约 2.2 亿美元的物理围栏建设与维护开支。

该产品采用订阅制 SaaS 模式，单头牛月费 5–8 美元，基站安装费约 4,500 美元。相较于传统一次性硬件销售，该模式通过积累 60 万头牛的行为数据库构建模型壁垒，提高用户迁移成本。

（@新智元）

03 有态度的观点

1、王兴兴：具身智能「GPT 时刻」大概还需两到三年

据央视新闻报道，宇树科技创始人兼 CEO 王兴兴昨天亮相 2026 中国网络媒体论坛，以《当机器人刷屏》为题发表演讲，就人形机器人的运动能力与具身智能的发展前景作出多项预测。

王兴兴表示，下月在北京亦庄举行的人形机器人半程马拉松比赛中，多家公司的机器人将「跑得比人快」，半马成绩有望跑进 1 小时以内。

此前，宇树科技已在去年 8 月举办的 2025 世界人形机器人运动会上斩获 1500 米、400 米、4 × 100 米接力及 100 米障碍赛多项冠军，其中 1500 米成绩已进入 6 分钟区间。

在行业前景方面，王兴兴谈到具身智能的「ChatGPT 时刻」：将一台机器人带入陌生场景，通过语音指令，机器人能完成 80% 至 90% 的任务。

他认为，这一拐点大约还需两到三年才能到来，但他也提到，一位从美国硅谷回国的朋友对此持更乐观的态度，认为 18 个月内即可实现。王兴兴同时强调，「今年或明年一定会有非常大的技术进步在等待着大家」。

( @APPSO)

阅读更多 Voice Agent 学习笔记：了解最懂 AI 语音的头脑都在思考什么

写在最后：

我们欢迎更多的小伙伴参与「RTE 开发者日报」内容的共创，感兴趣的朋友请通过开发者社区或公众号留言联系，记得报暗号「共创」。

对于任何反馈（包括但不限于内容上、形式上）我们不胜感激、并有小惊喜回馈，例如你希望从日报中看到哪些内容；自己推荐的信源、项目、话题、活动等；或者列举几个你喜欢看、平时常看的内容渠道；内容排版或呈现形式上有哪些可以改进的地方等。

作者提示：个人观点，仅供参考