（来源：上观新闻）
做完之🖨后回头想，这几🇫🇴🦗张知识💭🇾🇹卡片背后🦀是什么？ 表面🇳🇬🛒是AI生成📒🐐的内容🇵🇼，底层是Vib🦸♀️e Coding⤴🔥；AI读懂了我的🇷🇸🐷需求，写了一段代🎥码，渲🍸染出了我想要的🏐样子🦴。图丨具有👥感存算一体🇪🇷🦹♀️功能的光电二极管🙁器件性能（来源：🐳🥎Nature 💲Elect⛔ronics）🚩🇦🇮 基于在氮化镓领🖋🍒域的长🚤期深耕，研究团🇧🇷队提出⏩🏐了一种新的解决🍦🔨方案🚹。
3. Agen🇯🇴t 需要“🚆油表”和“🇱🇮👩💻刹车” ♊论文提到🚕🏧一个值得🤮关注的未🐈来方向—⛰—Budge⏮💱t-awa🇭🇷🥩re tool-🎛😿use poli🇬🇶🇮🇶cies（预算🇰🇿🛂感知的工😰🕛具使用策略♋🦷）🇯🇵🇩🇯。
发现五：连模型自🍞☘己都算不准自🇬🇭己要花多少👩🔬钱 既然💯🥺人算不📻准，那🇺🇳让 AI 🤗自己来预测呢？ 🏨研究者设计了一🎙个精巧的实验：让⏏🎅 Agent 0️⃣在真正开始修 🔟Bug 之😊🦀前，先“ 🍀🚉inspect🐖🚬”一下代码库，🤺🐉然后预估自己🎼♋需要消耗多少🐣 Toke🥟🐇n——但不🏚实际执🚬行修复🇲🇲。
