AIGCLINK
@aigclink • 37,153 subscribers
致力于让每个想拥抱AI的人都能找到适合自己的AI产品，助力企业定制AIGC应用
Shorts
Videos
刚刚，Anthropic发布了一个让AI连接各种硬件的标准：MHS，AI直接操作实验室仪器和工厂设备 让AI像操作软件一样，操作显微镜、机械臂、激光器等，以前AI只动嘴，这次要“动手”了 解决痛点实验室/工厂设备集成慢/麻烦的问题，每台设备都有自己的编程接口互相不通，MHS等于Anthropic给定了一套“设备的普通话”，所有设备都讲这套统一语言 把集成时间从几周或几个月压缩到几小时/几分钟，还能让AI编排24/7 自主实验，逐步推理每一步、实时调参数、硬件出错还能自己恢复 目前是研究预览版，先给科研实验室和制造商试用，之后开源 #MHS #AI操作硬件设备
AIGCLINK24,832 Aufrufe • vor 6 Tagen
阿里最新开源了一个实时语音Harness：Qwen-Audio-Agent，让你的Agent能像打电话一样对话，你边说边想，它边听边干活 简单说就是它给你的OpenCode、OpenClaw、Codex们加上了耳朵和嘴巴，然后你就可以用打电话的方式跟这些AI协作 OpenAI有GPT-Live，Qwen-Audio-Agent等于是给现有的Agent生态提供了一个统一的实时语音前台入口 前台上，全双工实时语音层，支持连续对话和自然打断 后台上，对接OpenCode、OpenClaw、Qoder、Hermes、CodeBuddy、Codex各类Agent，负责搜索、推理、写代码、改文件等深度任务 复杂任务委派给后台Agent，执行结果实时带回当前语音对话 人机协作方式就变成了：你一边说Agent一边干，你可以随时插嘴补充，它边干活边给你汇报进展，对话过程跟打电话一样 #AI语音 #agent语音助手 #qwenaudio
AIGCLINK68,938 Aufrufe • vor 1 Monat
deepseek-harness重磅开源，采用了一切皆插件的架构，也就是中国版的openclaw，体验了下可以称之为私有化的workbuddy。 场景侧冲击：有了deepseek-harness之后，企业域的私有化code、cowork基本用这个就可以了，直接会冲击workbuddy之类的市场。 之前DeepSeek Harness内测招募，本质是一次开源 Agent 生态大摸底，把全球 Agent 基础设施的家底扫了一遍后，预计后续版本应该会在开放生态上做一些事情。 dsh看点不在"又一个 Claude Code"，有3个看点： 1️⃣ 一切皆插件 模型、工具、skill、会话、沙箱、存储、主循环、调度，连 UI 都是插件，配置里全都可换，不动源码。四种运行模式里最有意思的是 Minimal——只留一个 bash 和一个文件编辑器，摆明了是给模型做裸机 benchmark 的。 2️⃣ 每一次运行都可回放 系统提示、推理过程、工具调用与结果、子 agent 调度、所有 context 注入，全部进 append-only 的 session log，resume / fork / search / replay 都跑在同一条事件流上。 3️⃣ 最狠的是内核 dsh 跑在 Cordis 上，它把插件系统拆成两个正交维度：时间可组合性：卸载一个组件时副作用能完整回滚（每个 context 变换都带一个逆，运行时来追踪）；空间可组合性：依赖可声明、且 context 一变就反向通知组件。还给了一套动态组合的演算，证明这个性质能从单个组件传导到整个系统。 总的来说，这次deepseek-harness最大的特点是极致的可替换性，也就是用最小的基础来承载，然后其他都是可插拔的插头。 #DeepSeek #harness #Cordis #编程范式 #北大 #开源
AIGCLINK37,767 Aufrufe • vor 20 Tagen
阿里上线了一款电商版OpenClaw：Accio Work，一人+Accio Work即是一个跨境电商团队 从商品设计、采购、谈判、店铺运营、营销到CRM，一个对话框全搞定 比如，一句“我想开一家卖丑萌毛绒玩具的Shopify店铺”，它即会去市场调研、选品、找货源、预估利润率、上架、做SEO优化、运营推广等等 你可以创建自己的智能体并组成一支AI Agent团队，比如营销、美工、文案团队，每个智能体的模型可选 它内置了电商相关的Skill，相对比较全，开箱即用 支持定时任务，比如晨报/日报、热点追踪、竞品动态、周度回顾等 可以通过微信、钉钉、Telegram、Discord等交互，所有连接数据存在本地 阿里等于把自己的经验在电商垂直场景AI化了，想搞电商的可以看看 #AI电商 #AI企业员工 #AccioWork
AIGCLINK251,960 Aufrufe • vor 5 Monaten
阿里悄悄上线了workbuddy的对标产品：千问办公，挤进了AI智能办公赛道 它把自家的QoderWork、悟空、MuleRun三个工具捏在了一起 除了Office全套、多模态内容生成和自动化执行等功能外，一个亮眼的能力是它把开发+部署+上线打通了，等于把开发的后半段也包了 比如说生成网页后可以直接上线，连同域名、数据库和托管一站式搞定了，对一般用户来说一句话就能有一个带数据库的在线站点 小道消息，据说未来其旗舰版针对复杂任务可能会用A社的模型 在AI时代，人们打开电脑的第一件事或不再是打开Word、Excel，而是唤起一个Agent，这个习惯被培养起来后，可能会是下一代办公的超级入口 #AI办公 #千问办公
AIGCLINK53,035 Aufrufe • vor 1 Monat
花了几天把 Grok Bot 测完了，整体感受是它把人类白领的工作接管了，相当于24小时不停歇的云端人类白领： 你建一个 bot，系统给它分配一台云端电脑：这台机器上有真实的浏览器、文件系统和终端。你把活派给它，它自己登录你现有的工具，一步步做完，你合上笔记本它还在跑。 一开始我对它期望挺高的，用完后还是蛮失望的：测试之前感觉它是一个AI员工，测试完更感觉Grok Bot 是 RPA 的重做版，是chatgpt work、claude cowork的阉割版，唯一的差异就是提供了一个可显示的云端电脑。 1、先说好的一面 Grok Bot 核心是让它像白领一样操作屏幕，这对于国内各家都没有统一接口的时候，很多场景非常有意义，比如公司的一个 SaaS系统就算没有开放 API，AI员工照样能进去干活。 还有一个有意思的功能是teach a task：不写流程，人把这件事做一遍给它看，它录下来变成可复用的自动化。然后设置 routine 可以定点跑，比如每天早上七点出简报、也可以被事件触发、比如 Slack 来了新消息回复，你在一个 bot 上连过 Gmail 或者 GitHub，其他 bot 直接共用这个连接。 写自动化的门槛，就这样从会写代码的人，降到了会干这件事的人。 2、当然也有不好的一面 不能选模型：派哪个模型干哪个活由系统自己决定，界面上没有开关，个人用户无所谓，团队要做成本核算或者合规审计就很难受。 账单也糙：用量按周结算，超出部分按原始 token 成本计费，目前还没有花费上限。发布那周有人专门买了 Cursor Ultra 去测，后台仪表盘显示零用量，app 里却显示已经用掉 48%。 稳定性同样是 beta 水平，不同网站上的表现差距明显，复杂的多步骤指令会被理解错，说明grok的能力还有待提升。 目前Grok Bot 更像一个白领里的搬运工，比如从各种网站或后台之间搬运数据和内容，它挺合适的。 不过grok带来的影响是，AI 员工这个形态的底层单位已经清楚了：一个身份，一台机器，一组账号权限，一份持续的记忆。剩下的问题是这套东西归谁，xAI 的方案要求你把公司账号的钥匙交给一朵美国云，绝大多数中国企业或注重隐私的估计不会干，未来国内相信也会出来类似的产品。 #grok #grokbot
AIGCLINK24,446 Aufrufe • vor 16 Tagen
复刻Manus，无需邀请码，开源版Manus！ 支持在电脑上完成很多任务，包括网页浏览、文件操作、写代码等 OpenManus使用了传统的ReAct模式，优势是基于当前的状态进行决策，上下文和记忆方便管理，无需单独处理，需要注意，Manus有使用Plan进行规划 OpenManus目前也已初步加入了具有 Plan&ReAct的功能，正在优化调试，大家也可以尝试更改System Prompt 让OpenManus学会记录文档和Todo List的习惯 主要依赖的几个工具： 1. PythonExecute：执行Python代码与电脑系统交互，可以进行文件操作、数据处理、自动化任务等 2. FileSaver：保存文件到本地，比如txt、python、html等 3. BrowserUseTool：打开、浏览和控制浏览器 4. GoogleSearch：进行网络信息检索 开源链接见下条
AIGCLINK348,888 Aufrufe • vor 1 Jahr
刚刚，Meta开源了一个30B本地端侧Agent模型：Muse Glimmer，能看屏幕、调工具、失败了会自己重试 从Muse Spark专门针对Agent能力蒸馏出来的，在单张消费级GPU（Mac/ PC）上能跑，无需联网 与同尺寸级的Gemma4-31B、Qwen3.6-27B对比，在智能体、编程、多模态、安全和推理等多个基准上表现强劲 多模态输入（文本+图像），能理解屏幕截图、图表、文档，支持OpenClaw等、100+语言 支持本地代理、函数调用、本地编程、LLM评判等场景 搭载DFlash推测解码，在RTX 5090上速度快了3.1倍 #MuseGlimmer #meta最新开源模型
AIGCLINK22,181 Aufrufe • vor 23 Tagen
阿里高德团队刚刚也开源了一个关于长程Agent任务的工具：LongHorizon-Harness，解决的是Agent自己判断自己的进展，错误会滚雪球的问题 它通过把任务状态管理从执行过程中分离出来，解决传统单一会话模式中的错误累积和上下文腐烂问题 一句未经核实的声明和事实长得一模一样，Agent没法区分，一旦一个错误前提进入了记录，后面每一步都建立在这个错误上，那么目标漂移、重复尝试、提前放弃，都是同一个根因 LongHorizon-Harness核心方案是MEA循环，它把一次长程任务拆成三个角色，Manage、Execute、Audit（管理、执行、审计） 循环，各干各的互不干扰 三个角色可以分别配置不同模型，比如Manager用轻量模型，Executor用强模型 关键机制：只有审计者能更新任务状态，且必须基于对环境的独立验证，审计报告是跨轮次的唯一记忆 效果上，使用相同模型（Qwen 3.7-Plus）和相同执行后端，仅替换框架后： WeaveBench，通过率从51.8%提升至 80.7%（+28.9） OSWorld 2.0，完成率从2.8%提升至8.3%（3倍） Terminal-Bench 2.1，成功率从69.7%提升至77.2%（+7.5），token消耗减少24% Qwen 3.7-Plus配LongHorizon-Harness的一些指标甚至超过了Claude Opus 4.7裸跑Claude Code 同时支持GUI桌面操作和CLI命令行，一个任务可以在浏览器、终端、桌面软件之间无缝切换 #LongHorizonHarness #Harness #长程agent
AIGCLINK23,437 Aufrufe • vor 29 Tagen
目前看到的在医疗方向最大的养虾OpenClaw技能库：OpenClaw-Medical-Skills，872个技能 涵盖临床医学、基因组学、药物发现、生物信息学、医疗器械等 用上，你的OpenClaw就可以变成专业的医学科研助手，能进行PubMed查询、临床试验检索、药物相互作用分析、基因变异解读、生成SOAP病历、出院小结等等 每个技能就是一个SKILL.md 文件，包含专业知识、连接API指令、结构化输出 实时数据连接PubMed、 具体包含：通用工具9个、临床与医疗30+、药物发现与安全20+、科学数据库35+、生物信息学 228个、组学工具50+、蛋白质设计15+、健康管理19、医疗器械法规47、BioOS扩展套件285+、ClawBio管道22、模拟与本体论17 #OpenClawMedicalSkills #医疗skill #AIskill
AIGCLINK106,980 Aufrufe • vor 5 Monaten
又一个Phone Use开源项目：android-action-kernel，让AI直接动手操作原生Android应用，单次调用成本降低95%、延迟<1秒 它主路径不用视觉模型，而是利用Android系统原生的Accessibility API，拿到界面XML树，包括按钮文字、坐标、是否可点状态等，直接获取屏幕语义信息给LLM决策 省掉截图-OCR-视觉模型的高成本，每次操作$0.01，便宜了95%；延迟从3-5秒缩短到<1秒，快了5倍；准确性提升至99%+ 项目来自 #phoneuse #AndroidUse #手机AI
AIGCLINK149,924 Aufrufe • vor 8 Monaten
开源软件著作权申请Skill：SoftwareCopyright-Skill，自动生成申请材料，让你一个软著怒省几百块代办费 它会让AI读取本地项目，从项目分析、业务理解、申请表信息、操作手册到代码材料，自动生成全套软著申请材料 包括操作手册DOCX、代码材料DOCX、申请表信息TXT等 在理解代码结构和业务功能基础上，写操作手册并非直接套用模板 代码材料只来自开发者已有项目，禁止AI编造源码 源码足够时按常见鉴别材料要求生成前30页和后30页，不足60页时按规则生成全部代码材料 关键节点比如业务口径、申请表字段、代码选择等会让人工确认 默认在当前项目目录生成材料，代码、文档和草稿都留在本地 对于小团队或个人开发者比较实用，让AI做这些文书工作 #SoftwareCopyrightSkill #软著skill #skill
AIGCLINK42,375 Aufrufe • vor 3 Monaten
超酷，Gemini 3做的一个3D交互式网站，它通过摄像头识别手势并可实时交互，可以用手操控粒子 Gemini 3可以生成带three.js的3D交互场景，生成的场景可以用手进行互动 对线下的展会、橱窗或广告牌可以搞成隔空操控体验了 方法： 打开Google AI Studio，把提示词贴进去 把生成的代码复制出来 新建一个文本文件，把代码粘进去，然后把文件名从默认的 .txt 改成 index.html 最后双击用浏览器打开 提示词： Create a real-time interactive 3D particle system with Three.js. requirements: 1. Control the scaling and expansion of the particle group by detecting the tension and closing of both hands through the camera. 2. Provide panels that can choose hearts/flowers/saturn/Buddha statues/fireworks and other templates 3. Support the colour selector to adjust the particle colour 4. Particles need to respond to gesture changes in real time. The interface is simple and modern. 5. The interface is simple and modern 用例来自于 el.cine #Gemini3 #AI交互网页
AIGCLINK86,010 Aufrufe • vor 9 Monaten
阿里刚刚发布了：Qwen3.5-Omni，原生全模态，自然涌现出Audio-Visual Vibe Coding能力 也就是说它能看着画面写代码，给它看一段界面需求视频，它能直接生成对应代码，不是专门训练来的，模型自己学会的 好比说你看一眼就会了，AI也做到了 Qwen3.5-Omni能无缝理解文本、图片、音频/音视频输入，支持细粒度、带时间戳的音视频Caption生成 支持256K上下文、113种语言识别，能处理10小时音频或1 小时视频 原生支持WebSearch和复杂Function Call 支持语义打断、音色克隆及语音控制 给了Plus、Flash、Light三个版本 #Qwen35Omni #LLM
AIGCLINK50,637 Aufrufe • vor 5 Monaten
超酷！Romain刚刚在OpenAI伦敦的DevDay现场，在Cursor里用o1 -MINI大约2分钟捏了一个应用，控制无人机在舞台上飞行，表演后空翻 #openai #openaio1 #DevDay
AIGCLINK160,639 Aufrufe • vor 1 Jahr
发一下港大数据智能实验室搞的一款4000行代码版“Clawdbot”：nanobot，代码体量较43万行Clawdbot减少99% 体量小但核心智能体功能具足，网页搜索、代码与文件操作、定时任务、记忆等能力都有 内置了24h实时行情分析、全栈开发、日程管理、知识库四个场景模板，可以用来做24小时盯盘写行情分析，或者当程序员外挂用 已集成Telegram/WhatsApp，Telegram可直接用token，WhatsApp扫码接入 下一步会做多模态、长记忆、自改进，以及接入Discord、Slack等更多平台 #ClawdBot #Openclaw #nanobot #MoltBot
AIGCLINK59,692 Aufrufe • vor 6 Monaten
这几天搓了一个开源的生成式引擎优化（GEO）自托管平台GEOLook，打通了GEO全流程：geo诊断 → AI 答案采样 → 工单 → 资产 → 验收 → 交付，一条完整的GEO流水线。 为什么做这个？ 看到很多人留言问geo之类的，加上之前我自己公司也买过geo服务，大都做的差强人意，而且完全黑盒，服务一塌糊涂，所以后来就找了专人搞geo，执行过程基本上都是比较脏活累活的一些操作，所以就把这个sop（同时也借鉴了姚金刚老师的一些思路），打造成了geolook这个产品，来替代中间过程，人更多只做结果监测和观察，以及相关的导入自动化发布。 能解决什么问题？ geo问诊、geo执行工单、geo实施方案、geo执行自动化、优化过程中的前后结果对比。 对研究geo有兴趣的朋友，可以拿回去自己diy成自己的想要的定制化版本，许可证没限制随便用。 #GEO #AI搜索优化 #生成式引擎优化 #开源 #自托管
AIGCLINK14,397 Aufrufe • vor 1 Monat