靈光開放生態持續擴容，新增微信讀書、夸克、哈囉打車、麥當勞等多項服務連接
11 月 4 日，螞蟻靈光迎來新一輪升級，新增播客訂閱、夸克網盤、哈囉打車、麥當勞和微信讀書等連接器服務，將能力延伸至信息管理、內容訂閱、運動閱讀及生活消費等更多日常場景。在此之前，靈光已接入支付寶、網易郵箱、飛書等連接器服務。至此，靈光開放生態下已打通40項外部連接器。隨著AI助手能夠連接越來越多的外部服務，其價值開始體現在跨工具、跨場景的任務管理能力上，作為一款能管事的個人AI助手，靈光的此次升級進一步體現了這一趨勢。
在內容消費方面，播客訂閱、RSS 閱讀器和微信讀書的加入，讓用戶能夠圍繞個人興趣持續獲取和管理信息；在生活服務方面，哈囉打車和麥當勞等服務的接入，則將 Agent 的能力進一步延伸至出行與日常消費。這些服務看似分散，卻共同指向一個變化：AI的能力邊界，正在從單一數字工具擴展到用戶真實生活中的連續管理。從靈光用戶請求的分類來看，財務與消費場景佔比達到 23.83%，健康與習慣場景佔比達到 21.46%。這意味著，用戶正在把 AI 從通用問答工具，轉變為處理個人財務、健康管理和日常事務的服務入口。
例如，在財務場景中，用戶希望 Agent 幫助梳理消費賬單、分析支出結構；在健康管理中，用戶會查詢運動數據、調整飲食計劃；在工作和家庭生活中，郵件跟進、日程提醒和待辦事項管理也逐漸成為真實需求。更值得關注的是，用戶向靈光提出的要求也更加接近真實生活中的工作方式。用戶開始要求 AI 不僅理解指令，還要理解任務之間的關係，並對後續執行狀態保持關注和跟蹤。在出行場景中，需求不再侷限於查詢路線或推薦交通方式，而是進一步延伸為“10 分鐘後幫我打車”“繼續盯著我的特惠快車訂單”。這類請求不僅涉及即時操作，也涉及時間安排、訂單狀態跟進等持續性任務。
在學習和個人效率場景中，用戶則會提出“把其他課程任務往後排”“完成情況是否已經同步？”等要求。據瞭解，靈光是螞蟻集團研發的一款個人AI助手，於2025年11月18日正式上線，上線6天下載量突破200萬。2026年10月27日，靈光2.0正式發佈，推動AI助理從“任務執行者”走向“事務管理者”。
Related
相關文章
AI日報：百度發佈物理AI世界模型Apollo World；騰訊 Hy4 正式版亮相；阿里雲發佈AI投研工作臺Qovest
百度首次發佈物理AI世界模型Apollo World，蘿蔔快跑近百輛無人車搭載新架構運營百度Apollo World將交通參與者建模為自主智能體，單日可虛擬路測約10萬公里，用於驗證端到端架構安全性，體現L4從實車測試向仿真閉環演進。但世界模型仍難以完整模擬真實環境，需與實車數據結合。
靈光開放生態持續擴容，新增微信讀書、夸克、哈囉打車、麥當勞等多項服務連接
在此之前，靈光已接入支付寶、網易郵箱、飛書等連接器服務。至此，靈光開放生態下已打通40項外部連接器。隨著AI助手能夠連接越來越多的外部服務，其價值開始體現在跨工具、跨場景的任務管理能力上，作為一款能管事的個人AI助手，靈光的此次升級進一步體現了這一趨勢。
當10萬個智能體已在運行，安全防線到底在哪？｜CNCC 2026專家激辯智能體安全挑戰
2026年，智能體從概念走向了生產系統。螞蟻集團3萬多名員工背後，已有10萬餘個智能體在運行。華為內部同樣部署了成千上萬個智能體，覆蓋客服、辦公、運維、研發各條業務線。放眼更廣的產業圖景，個人助手、AI for Science、網絡安全自動化攻防、企業級工作流編排，智能體正在逐步接管人類過去親力親為的工作。Gartner將智能體列入了2027年十大戰略技術，安全圈裡，非人類身份（NHI）成了RSAC大會上的新賽道。
阿里雲發佈AI投研工作臺Qovest:99元/月開放個人邀測
投研空間可沉澱研究結果，讓研究得以延續推進，無需從零開始。官網www.qovest.cn已對個人用戶開放邀測，訂閱分每月99元與199元兩檔，近期將推出面向金融機構及企業投研團隊的企業版。針對專業投資者對數據實時準確、結論出處明確的要求，團隊採購權威金融數據庫並部署於阿里雲，自研金融場景Agent工程框架Harness，打通數據調用到分析輸出的全流程。
谷歌為 Antigravity 加入化學信息學技能
November 3, 2026 ScienceAgentic cheminformatics with Google AntigravityZoi Tsangalidou, Ruijie (Kelly) Zhang, Sukhdeep Singh and Michael V.
Kiro 用 Lean 檢查代理底座性質
Back to all postsWe built an automated way for Kiro to model parts of its own code in Lean, prove theorems about those models, and check each model against TypeScript / Rust / Python code.