狗狗配人怎么配2025 狗狗配人怎么配AI Agent迷局：谁在玩真的，谁在演戏？_ZAKER新闻
2025 狗狗配人怎么配AI Agent迷局：谁在玩真的，谁在演戏？_ZAKER新闻
“最吸引我的是小院的淋浴，有时天气太热衣服都湿了，就可以进去冲个凉，换身衣服，下午再接着干。”余招洪说。
文 | 适道，作者 | 狮刀、Rika2023 年底，斯坦福大学发布了一款引发轰动的 AI 实验项目—— " 小镇模拟游戏 "。在这个虚拟小镇里，25 个 AI 角色能够自主交谈、建立关系、制定计划，展现出了令人惊叹的社交能力。这个实验让人们第一次对 AI Agent（智能体）产生了期待——具有自主意识和决策能力的 AI 助手指日可待。一年过去了，AI Agent 的概念在业界炙手可热。微软、Google 等科技巨头纷纷布局，初创公司们也争相推出各类 "Agent" 产品。然而，当我们仔细观察这些号称是 "Agent" 的产品时，会发现一个尴尬的现实：它们与真正的 Agent 相去甚远，更像是仅仅具备自然语言理解能力的对话机器人。这种 " 形似神不似 " 的现象，在 AI 硬件领域也不断上演。2024 年 10 月，智能戒指品牌 Oura 推出了最新款 Oura Ring 4，并 " 识时务 " 地加入了 AI 功能。很快，Oura 估值超 50 亿美金，成为了商业化最成功的 "AI 硬件 " 厂商之一。然而，一个共识是：Oura 的成功与 AI 关系并不大，其核心价值仍在于健康追踪这一基础功能。相比之下，真正主打 AI 的硬件产品，如 AI Pin、Rabbit R1 却遭遇了 " 上市即翻车 " 的命运。什么称得上 AI Agent？随手打开一个大模型 APP，映入眼帘的 Prompt Agent？还是编程领域的专业 Agent Cursor？亦或是钢铁侠的全能助手 Jarvis？美国 VC Madrona 合伙人 Jon Turow 曾指出：当你聊过足够多的从业者，你会发现有一系列不同概念的东西，它们都叫做 Agent 。如果将 AI Agent 形容为一场马拉松，2025 年的 AI Agent 行至何处？2024 年 AI Agent 观察：一半是海水，一半是火焰热闹的景象：各路玩家就位2024 上半年，大模型价格战还在轰轰烈烈进行；下半年，AI Agent 争夺战就已经蓄势待发。海外市场，OpenAI、Anthropic、微软、谷歌等科技巨头纷纷公布相关进展，将自家 Agent 实力当作牌桌上的重要筹码。10 月，Anthropic 推出了名为 "Computer Use" 的 AI Agent 系统，号称能够 " 像人一样操作计算机 "。这是一个特殊 API，允许开发者指导 Claude 完成各种计算机操作任务——观察屏幕内容、移动鼠标、点击按钮以及打字等等。开发者可以通过该 API 将书面指令转换为具体的计算机指令，从而实现自动化任务。 （图片：Anthropic 开发人员演示 Computer use）微软也是 AI Agent 的重要推动者。2024 年 10 月，微软公布了一项重要计划：面向 Dynamics 365 业务应用平台，开发部署 10 款 AI Agent ——将主要服务于企业的销售环节、会计业务以及客户服务等关键领域。按照时间表，这些 AI Agent 将在年底开放公测，测试阶段预计延续到 2025 年初期。（图片：微软 CEO 展示 Copilot 与 AI 堆栈）谷歌的反应相对较慢，但在年底也赶上了进度。12 月，谷歌发布了全新多模态大模型 Gemini 2.0。在新模型的加持下，谷歌内置了三款 AI Agent —— " 通用大模型助手 "Project Astra、" 浏览器助手 "Project Mariner 和 " 编程助手 "Jules。" 编程助手 "Jules 能够作为自主代理直接集成到 GitHub 的工作流程系统中，分析复杂的代码库，跨多个文件实施修复，并准备详细的拉取请求，无需持续的人工监督；而在游戏《部落冲突》演示中，谷歌 AI Agent 不仅能够向玩家介绍兵种特性，给出组合建议，还可以在 Reddit 检索信息，为玩家提供角色选择建议。（图片：玩家与谷歌 AI Agent 互动）OpenAI 虽然是基础模型的领先者，在 Agent 方面布局却略显迟缓。7 月，OpenAI 更新 AGI 路线图，并指出自己处于第一层，接近达到第二层；而第三层才是 AI Agent。（图片：OpenAI 定义的人工智能发展 5 阶段）OpenAI 预计将于 2025 年 1 月推出全新 AI Agent —— Operator，该系统能够自动执行各种复杂操作，包括编写代码、预订旅行、自动电商购物等。据悉，Operator 可能会在 Computer use 的基础上进行大幅度创新和应用简化，扩大 AI Agent 的使用范围和应用场景。国内市场，百度、阿里、腾讯、智谱等大厂也纷纷入局。在 B 端，百度文心智能体平台、腾讯元器、讯飞星火智能体创作中心、通义智能体、字节扣子等面向企业用户提供了智能体创建平台，并开始在其 AI 智能助手界面中添加 AI Agent 入口。在 C 端，支付宝旗下 AI App 支小宝、智谱 AutoGLM 点燃了消费者用户的激情。根据演示，智谱 AutoGLM 能够浏览并理解屏幕信息，做出任务规划，实现手机上常用操作的模拟执行——只需接收简单的文字 / 语音指令，它就可以模拟人类操作手机，在朋友圈点赞，在美团点外卖，在携程订酒店等等。冷静的现实：当我们在谈论 AI Agent 时，到底是在谈论什么？如果只看到上述的热闹景象，你大概会得出结论—— 2024 年是 AI Agent 的当打之年。但用户能够真正依赖的 AI Agent，其实寥寥无几。只需花 3 秒钟思考——你喜欢用哪几款 AI Agent？如果你是程序员，答案可能只是 Cursor。如果我们换个问题——你喜欢用哪几款 AI 大模型？答案会五花八门，比如 ChatGPT、Gemini、Claude、Kimi 等等。至少从实感来说，目前大热的 AI Agent 仍是 " 虚火 "。主因是 " 不靠谱 " 和 " 鸡肋 "。AI Agent 依赖 LLM" 黑盒 "，本身就存在不可预测性，而工作流程更是要将多个 AI 步骤连接起来，会加剧这些问题，尤其是对于需要精确输出的任务。用户难以确保 Agent 能否始终提供准确、符合上下文的响应。LangChain 发布的 State of AI Agents 可以作为重要参考。其调查涉及的 1300 多位受访者指出，性能质量（41%）是首要关注点，重要性远超成本（18.4%）和安全（18.4%）等因素。甚至对于向来格外关注成本的小企业而言，其中 45.8% 将性能质量列为主要关注点，成本因素仅为 22.4%。同时，报告指出，生产中采用 AI Agents 的主要挑战包括：开发人员很难向团队和利益相关者解释 AI Agent 的功能和行为。此外，虽然 AI Agent 依赖的基座 LLMs 在 Tool use 方面表现不错，但它们速度不快且成本高，特别是需要进行循环和自动重试时。WebArena 排行榜对 LLM 智能体在现实任务中的表现进行了基准测试。结果显示，即便是表现最好的模型 SteP，成功率也只有 35.8%，而 GPT-4 的成功率仅达到 14.9%。那么，市面上不能 " 完全自理 " 的 AI Agent 算得上 Agent 吗？如果我们按吴恩达的思路就很好理解了—— AI Agent 是可以分层级的。他提出了 Agentic System（智能体系统），并认为形容词 "Agentic" 比名词 "Agent" 能更好地帮助我们理解这类智能体的本质。如同自动驾驶汽车 L1-L4，Agent 的进化也是一个过程。BabyAGI 创始人 Yohei Nakajima 对于 AI Agent 的分类，同样值得参考。1、手工制作 Agent：由 Prompt 和 API 调用组成的链条，具有一定自主性，但约束较多。特征：流水线机器人，按照固定步骤完成任务。举例：它就像一个专门订票的助手——当你告诉航班需求时，它能够直接调用 API 搜索并完成预订；然而一旦涉及复杂行程规划，手工制作 Agent 就会 " 卡住 "（欢迎大家代入产品）。2、专业 Agent：在一组任务类型和工具内动态决定要做什么，比手工制作 Agent 约束少。特征：娴熟工匠，能够在特定领域（比如木工）熟练地使用工具，不仅能按照要求制作家具，还能根据实际需求调整设计，调用材料。举例：AutoGPT 通过 CoT 技术分解复杂问题，动态选择最优解决路径。面对一个市场研究任务，AutoGPT 能自动分解任务为 " 搜索趋势 "" 整理数据 "" 生成报告 " 等子任务并完成。3、通用 Agent：Agent 的 AGI ——目前还处于理论概念阶段，尚未实现。特征：全能助手，就像钢铁侠的 Jarvis。你可以询问它任何问题，它不仅能理解你的需求，还能结合知识和环境动态适应，提供创新解决方案。举例：还没有真正能实现的产品，相关研究包括更强的多模态交互和长期记忆优化。处于当前的历史节点，Prompt Agent 数量最多，表现为大模型 APP 里的遍地 Agent；垂直领域的专业 Agent 正处于爆点，并因其实用性备受资本青睐；人类所期待的真正 Agent ——全能助手 Jarvis，有待关键技术突破。这也意味着未来一段时间内，我们能看到更多 "L1-L4" 之间的技术进化。这一年 AI Agent" 皮下 " 技术进化到哪儿了？根据 Lilian Weng 列举的公式：Agent = LLM+Memory+Planning skills+Tool use假设你是黑暗料理界的 " 五虎星 "。LLM 代表你的知识储备，包含所有菜系菜谱；Memory 类似于你的厨师笔记，记录着不同食客的口味需求，输给 " 小当家 " 的历史教训；Planning 好比你的做菜规划，面对不同要求，是先炸再烤，还是先煮再炸；Tools 则是你的魔法厨具，包括如何调用不同刀具（软件），帮助执行复杂的任务。AI Agent 的突破取决于各项技术的进步。首先是 LLM。在 GPT5 这样的强悍 " 大脑 " 出现之前，OpenAI 就发现了推理引擎的能力。2024 年 10 月，OpenAI 高级研究科学家、德扑 AI 之父 Noam Brown 提出：让 AI 模型思考 20 秒所带来的性能提升，相当于将模型扩大 100,000 倍并训练 100,000 倍的时间。Brown 所指的技术便是 System 1/2 thinking，正是 OpenAI o1 长出 " 推理能力 " 的秘诀。System 1，即 " 快思考 "，你看到一只苹果，不需要思考，就知道这是水果；System 2，即 " 慢思考 "，你要做一道 17*24 的数学题，则需拆解步骤来思考，答案才更准确。近期，谷歌 DeepMind 研究人员也将这项技术集成到 AI Agent 中，并开发了 Talker-Reasoner 框架。System 1 是默认运行的 " 快速模式 "，而 System 2 作为 " 备用引擎 " 随时待命。当 System 1 感到困惑时，会将任务交给 System 2 处理。" 双引擎 " 共同运行，对于解决复杂、冗长的任务帮助巨大，突破了传统 AI Agent 执行业务流程的方法，极大提升了效率。其次是记忆机制。当生成式 AI 开始 " 胡言乱语 "，或许不是性能问题，而是记忆力不佳。这时候就需要 RAG（检索增强型生成）来帮忙。它是 LLM" 外挂 " 般的存在，能够利用外部知识库为 LLM 提供相关上下文，防止 LLM 不懂装懂。然而，传统 RAG 流程只考虑一个外部知识源，不能调用外部工具；仅生成一次性解决方案，上下文只检索一次，不能进行推理或验证。在此情况下，融合 Agent 能力的 RAG 应运而生。虽然 Agentic RAG 在整体流程上与传统 RAG 一脉相承：检索 - 合成上下文 - 生成，但其融入了 Agent 自主规划能力，能够适应更加复杂的 RAG 查询任务——决定是否需要检索；自主决策使用哪个检索引擎自主规划使用检索引擎的步骤；评估检索到的上下文，并决定是否重新检索；自行规划是否需要借助外部工具。如果说，原始 RAG 是坐在图书馆查看特定问题；那么，Agentic RAG 就像拿着 iPhone，调用 Google 浏览器、电子邮件等等搜索问题。此外，2024 年 YC 孵化的开源 Mem0 项目，也有望成为 RAG 助手，并为 AI Agent 插上个性化记忆的翅膀。Mem0 像是大脑的 " 海马体 "，为 LLM 提供了一个智能、自我优化的记忆层。它能进行信息分层存储——将短时信息转化为长期记忆。类似于，你会整理 " 新学知识 "，而后存入脑海；它还能建立语义链接——通过语义分析为存储的知识创建关联网络。类似于，你告诉 AI 自己喜欢看侦探电影，它不仅能记住，还会推测你可能喜欢的犯罪纪录片。基于此，Mem0 能够显著提升 AI Agent 个性化记忆——动态记录用户偏好、行为和需求，创建 " 私人记事本 "。例如，当你告诉 AI Agent 下周是妈妈生日，它不仅会及时提醒你送上祝福，还会根据 " 记忆中 " 你和妈妈的喜好，给出送礼建议，甚至能够跨平台 " 货比三家 "，奉上购物链接。在 RAG 方面的突破不止于此，俄亥俄州立大学和斯坦福大学的科学家团队提出了一个有趣的思路：让 AI 拥有一个类似人类海马体的 " 记忆大脑 "。他们从神经科学的角度出发，模仿人脑海马体在长期记忆中的作用，设计出一个名为 HippoRAG 的模型，像人脑一样高效地整合和搜索知识。实验表明，" 记忆大脑 " 能够在多跳问答等需要知识整合的任务上取得大幅提升。或许探索出让大模型具备 " 类人 " 记忆的一个全新方向。Tool use 的进步更是肉眼看见。例如，Claude 的 Computer Use，通过构建 API，将自然语言提示转化为各种电脑操作指令，由开发者自动化重复性的任务、进行测试和质量保证，以及开放式研究。从此，AI 不需要一个个专门的 API" 钥匙 " 也能 " 一次性 " 调用各种软件完成各种操作：用 Word 写文档，用 Excel 处理表格，用浏览器搜索信息。虽然如此，目前 Computer Use 能力还不完善：不能在内部数据上训练该功能；受限于上下文窗口等等。Anthropic 团队也表示，现在 Claude 的计算机使用水平只处于类似 "GPT-3 时代 " 的早期阶段，未来还有很大提升空间。值得注意的是，AI Agent 的视觉能力也取得了进步。例如，智谱发布的 GLM-PC 将其通用的视觉 - 操作模型 CogAgent 应用到了计算机上。其能够模拟人类的视觉感知来从环境中获取信息输入，以进行进一步的推理和决策。规划能力方面。Planning 包含任务分解——将大任务划分成小任务；反思和提炼——基于已有动作进行自我反思，从错误中学习优化接下来的动作。目前，有论文提出更为新颖的分类法：任务分解、多计划选择、外部模块辅助规划、反思与细化、记忆增强规划。其中，多计划选择，即给 AI Agent 一个 " 选择轮 "，生成多个计划，挑一个最好的来执行；外部模块辅助规划，即借助外部规划器，类似强化学习的判官。记忆增强规划，就像 一个记忆面包，记住过去经验，为将来规划提供帮助。这些方法并不孤立，而是相互交织，共同提升 AI Agent 的规划能力。一年以来，Agent" 皮下 " 各项能力均取得了进步，其中 Tool use 能力已经初步落地；记忆机制的进步非常值得期待；LLMs 的进步则取决于巨头的能力边界等等。但对于 Agent 而言，其能力的最大化并非各项技术简单的加成，任何一项技术的突破均有望使其迎来质变。未来，AI Agent 进化的重要挑战包括但不限于：如何实现低延迟、带视觉理解的实时反馈；如何构建个性化的记忆系统；如何在虚拟与物理环境都具备鲁棒的执行能力等等。只有当 AI Agent 从 " 工具 " 到 " 工具使用者 " 时，真正的 Killer Agent 就会出现。资本的选择——大模型遇冷，AI Agent 当立有人说，现在大模型卷不动了，要卷就卷 AI Agent。2024 年，曾经争做 " 做中国 OpenAI" 的大模型公司不得已食言，以 " 六小虎 " 智谱 AI、零一万物、百川智能、MiniMax、月之暗面和阶跃星辰为例，多数公司已经开始进行业务调整，甚至人员缩减。大厂凭借其雄厚的家底，还能继续卷研发；更多初创企业被迫直面现实，转向大模型应用层面，寻求更低的成本和更快的回报。同时，敏锐的资本也将目光投向了 AI 应用层。桔子 IT 数据显示，2024 年前 9 个月，国内 AI 领域发生了 317 起融资案例，月均融资金额 42 亿元，不到去年的两成。其中，融资最多的 5 家公司拿走了超 212 亿，相当于今年国内 AI 融资总额的 63%。值得注意的是，大模型和 AI Agent 项目受投资人的关注度最高——大模型发生 19 起融资案，AI Agent 发生了 18 起。其次是 AI 视频生成（10%），剩下 50% 投资案例的方向较为分散，被 19 个方向瓜分。由此，在大模型 " 赢家通吃 " 的局势下，AI Agent 既是 AI 初创公司的最佳方向，也是海内外资本的笃定之选。YC 合伙人、资深投资人 Jared 指出，垂直领域 AI Agent 作为一种新兴 B2B 软件，有望成为比 SaaS 大 10 倍的新兴市场。凭借替代人工操作、提升效率的显著优势，这一领域可能催生出市值超过 3000 亿美元的科技巨头。投资人所看中的 AI Agent 都长什么样？最出圈的当属 AI 编程神器 Cursor。原因不外于代码是 LLMs 最容易掌握的能力，其生成的训练数据主要来自 GitHub 上的开源代码，大部分都是 " 有效数据 "。此前，Cursor 是根据用户需求，提供建议代码。如今，Cursor 可以直接以实现需求为目的，一口气帮助你创造代码文件，准备好运行环境。你只需点击启动按钮，就可以运行代码。除此之外，即便 2024 年尚未产生真正的 Killer Agent，但实际上在细分领域，Agent 已经有遍地开花之势了。根据 YC 团队的最新分享。目前已经获得投资的 Agent 项目大多在 toB 领域。问卷调查和分析：Outset 将 AI Agent 应用于问卷调查和分析领域，可以替代传统的人工调查和分析工作，例如 Qualtrics 等公司提供的服务。软件质量测试：Mtic 利用 AI Agent 进行软件质量测试，可以完全取代传统的 QA 测试团队。与之前的 QA 软件即服务公司（如 Rainforest QA）不同，Mtic 不仅提高了 QA 团队的效率，还能完全取代人工测试。政府合同竞标：Sweet Spot 利用 AI Agent 自动搜索、填写政府合同的标书，可以替代人工完成这些繁琐的任务。客户支持：Powerhelp 利用 AI Agent，自动完成人工接听电话、回复邮件和解决问题，并且能够根据用户提问和历史记录提供个性化的解决方案，提升其满意度。人才招聘：Priora 和 Nico，利用 AI Agent 进行技术筛选和初步招聘，可以替代人工完成这些任务。用吴恩达的发言做总结：通往 AGI 的道路感觉更像是一段旅程，而不是一个目的地。但我认为 Agent 式工作流，可以帮助我们在这个非常漫长的旅程中向前迈进一小步。换句话说，即便我们暂时无法拥有 " 全能 Agent"，但多个垂直领域的专业 Agent 逐渐出现，将让我们不断获得近似拥有 Jarvis 的体验。2025 年：有望成为 AI Agent 商用爆发元年近日，前 OpenAI 联创、SSI 创始人 Ilya Sutskever 直接宣布：预训练从此将彻底终结——我们只有一个互联网，训练模型需要的海量数据即将枯竭，唯有从现有数据中寻找新的突破，AI 才会继续发展。Sutskever 用人类大脑发展进行类比：正如人类大脑体积停止生长后，人类智慧仍在进步。AI 未来发展将转向在现有 LLM 上构建 AI Agent 和工具。他预测，以后的突破点，就在于智能体（Agentic）、合成数据和推理时计算。其中，能够自主完成任务的 AI Agent，是未来的发展方向。值得注意的是，与吴恩达一样，Sutskever 同样使用 " 形容词 "Agentic 描述智能体。根据线性资本 Bolt 观点：我们可以用少量的、适量的、高度的 Agentic" 能力 " 描述 Agent 应用的能力。例如，Router（路由）类系统使用 LLM 将输入路由到特定的下游工作流中，具有少量的 Agentic 能力；State Machine（状态机）类系统使用多个 LLMs 来执行多个路由步骤并且有能力确定每个步骤是继续还是完成，具有相当的 Agentic 能力；而 Autonomous（自主体）类系统更进一步，能够使用工具甚至创造合适的工具去推进系统的进一步决策，具备完全的 Agentic 能力。基于此，厂商在强调产品的 Agent 属性前，不妨先回答 "How agentic my system is？"当前不少领域的专业 AI Agent 依然不够成熟。相关调查显示，输出不精确、性能差强人意、用户不信任等问题困扰其落地。但如果我们换个思路：短期内商业化最成功的 AI Agent，不一定是看起来 "Agentic 化 " 最高的产品；而是能够平衡性能、可靠性，以及用户信任的产品。顺着这条思路，专业 AI Agent 最有前途的发展道路可能是：先重点应放在利用 AI 增强现有工具，而不是提供广泛的全自主独立服务。用人机协同的方法，让人类参与监督和处理边缘案例。根据当前的能力和局限，设定不脱离现实的期望。通过结合严格约束的 LLMs、良好的评估数据、人机协同监督和传统工程方法，在自动化等复杂任务方面实现可靠且良好的效果。例如，红杉投资组合中的 Rocks 公司，其 Agent 是将人类员工融入其中。最初，Rocks 开发了一项自动撰写、自动发送电子邮件的技术。但他们发现将人类销售纳入流程时，表现提升了 333 倍。于是，Rocks 移除了自动发送的功能。根据具体业务场景，有些公司可以开发 Agent 完成任务的技术，比如网络安全领域的 Expo；而有些公司则尽量选择用 Agent" 增强 " 人类员工，比如 Rocks。那么，2025 年会发生什么？首先，不止是编程，更多垂直领域将跑出 " 种子选手 "。红杉合伙人 Konstantine Buhler 预测：医疗和教育等 " 高服务成本 " 领域将成为 AI 技术的下一个重要战场。同时，根据 LangChain 报告显示：人们希望将耗时任务交给 AI Agent ——充当 " 知识过滤器 "：快速提炼关键信息，用户无需自己手动筛选海量数据；" 生产力加速器 "：协助用户安排日程、管理任务，让人类专注于更重要的工作；" 客服神助攻 "：帮助企业更快地处理客户咨询、解决问题，大幅提升团队的响应速度。换句话说，所有耗时、耗力、耗成本的工作有望率先被垂直领域专业 AI Agent 替代。其次，AI Agent 部署将由 " 单 " 变 " 多 "。一方面，AI Agent 将从单一智能体发展到 " 群体协作 " 模式。2025 年会出现更多 Multi-agent 模式，多个 Agent 扮演不同角色合作完成任务。例如，清华面壁智能的开源项目 ChatDev。每个 Agent 被赋予了不同的身份，有的是 CEO，有的是产品经理，有的是程序员，它们能够彼此互相合作，共同完成任务。另一方面，随着⼤模型对图像和视频信息的处理能⼒快速提升，2025 年将开始出现更为综合性的多模态交互，AI 能够通过物联⽹、特定信息等多种感知通道进⾏协同。多模态输⼊和输出使 AI 交互性更强、交互频次更⾼，适⽤场景也更加丰富，AI 产品整体⽔平显著提升。其中，Agent 作为融合感知、分析、决策和执⾏能⼒的智能体，其交互的主动性和⾃动化远超现有工具。根据量子位智库观察：从技术和配套设施两⽅⾯发展来看，从 2025 年开始，AI Agent 即将⼴泛投⼊使⽤。AI Agent 有望带来独属于 AI 2.0 时代的交互⽅式、产品形态和商业模式。结语在电影《2001：太空漫游》的开头，一群草食人猿挣扎在饥饿和死亡的边缘，人猿首领偶然挥舞了一下手里的棒骨，" 发现 " 它居然是一件趁手的工具。从此，他们开始狩猎小动物，成为食肉动物，逐步站上了食物链顶端。如果未来的人类俯瞰 2025 年，可能会发现，这又是一个人类进化的关键时刻，而 AI Agent 正是那根趁手的 " 棒骨 "。正如 Andrej Karpathy 所言，AI Agent 代表着一个疯狂的未来。有趣的是，Agent 一词源于拉丁语的 Agere，意思是 "to do"。如何抓住这个疯狂的未来？你可能只需要 "Agent"。koa12jJid0DL9adK+CJ1DK2K393LKASDad
编辑:李四光
TOP1热点：丁宁说作为亚冬会执旗手很荣幸
4、可能暴露于麻疹病例的医务工作者和教职员工等；。
（2）以“责任教育，自主发展”为课程主线，根据《上海市洋泾中学2024年拔尖创新人才培养项目实施方案》，传承学校科技教育特色，提高拔尖创新人才培养水平。
TOP2热点：沈月 广州
根据《上海市广告协会数字广告证明商标使用管理办法(试行)》，经企业申报、评审专家组初审、审查委员会终审、公示后公布，上海东方网股份有限公司获评《数字广告证明商标》首批数字广告企业数字综合服务类2级认证；上海嵩媒网络科技有限公司获评数字媒体服务类3级认证。
TOP3热点：蒯曼生日当天夺冠XXXXXL196_2222
会议要求，统筹兼顾、突出重点，增强备战迎评的针对性和有效性。要协调好创建考评的准备工作，根据双拥模范创建的职责分工，逐项对照、查漏补缺。要营造好创建考评的良好氛围，把牢宣传阵地、加强典型示范、创新军民共建活动形式。
TOP4热点：梁永棋女婿误入姐妹群XXXXXL196_2222
4.限制屏幕暴露时间，睡前1h避免屏幕暴露，屏幕发出的蓝光会抑制人体自然褪黑激素的释放，从而影响睡眠。
课程简介：社区手工达人施汉英老师将带领大家利用牛仔布等材料，制作好看又实用的包包。在传递环保理念的同时，也能让大家体验动手的快乐。手工包活动每期公开招募8名女性，两个月为一期。
TOP5热点：韩聪说担任执旗手激动又紧张宝宝才两根手指就疼哭了怎么回事
为进一步做好新就业群体的关心关爱工作，当天，长宁区向即将入住晨建公寓的住户代表赠送了暖“新”家电和入住大礼包。同时，成立了上海市首个“新时代城市建设者管理者之家”功能性团支部——晨建公寓新就业群体团支部，凝聚更多青年力量，激发社区治理内生动力。
“今年暑假，我当了环保‘小卫士’，不仅参与了垃圾回收活动，还加入了很多垃圾分类有趣课程。”这几日，随着孩子们陆续返校，黄浦爱心暑托班的周仕弘碰到同学们，就兴致勃勃地分享起了这个暑期的收获。
TOP6热点：林诗栋请全场祝蒯曼生日快乐欧美肥妇BWBWBWBXX小说
顾卫星表示，以美丽健康产业为特色，以开发区美妆企业资源为基础，以综保区跨境电商功能为优势，“美谷美购跨境购”作为开发区一张靓丽的“名片”，已经吸引凝聚了大批跨境电商企业，也发展成为东方美谷国际化建设中的重要组成部分，此次韩国众多跨境品牌选择“美谷美购跨境购”作为进入中国市场的“孵化器”，既是对美妆品牌运营的“精准定位”，更是两国美妆产业的强强联合。随着韩国品牌国家馆的入驻，开发区与韩国美妆企业链接的纽带将更加紧密，双方将携手续写出更多更精彩的“开放共享、共创未来”的品牌故事，也将为中韩两国美妆领域的经贸合作做出新的贡献。
4.限制屏幕暴露时间，睡前1h避免屏幕暴露，屏幕发出的蓝光会抑制人体自然褪黑激素的释放，从而影响睡眠。
TOP7热点：封神剧组谈殷郊法相read[长弓燧龙]
由东大盈港、上达河
TOP8热点：运动员滑冰点燃主火炬少妇大叫太大太粗太爽了
每一步都因为自己精彩
TOP9热点：揭秘80%股权被1元拍下公司日日承欢NP
为了进一步统筹全区资源、为小哥提供便利，区总工会已陆续组织开展了健康服务、清凉度夏、幸福集市、法律服务、安康护航、互助保障、驿站强基、公益接力等八项行动。特别是动员了一批爱心企业单位，在户外劳动者之家植入了“爱心冰柜”“爱心便当”“爱心雨披”等功能。记者看到，不少小哥进来后便顺手从“爱心冰柜”里取一瓶矿泉水、一包小面包给自己补充能量。
TOP10热点：韩聪说担任执旗手激动又紧张多人换着玩
会议期间隆重发布《2023中国物业服务企业品牌价值研究报告》，同期揭晓2023中国物业服务企业品牌价值100强、物业服务品牌特色企业以及各区域物业服务品牌企业榜单。