AIGCLINK's banner

AIGCLINK

@aigclink • 37,146 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

阿里最新放出来了一款全新端到端角色图像动画框架：Wan-Animate-2，实时驱动角色，延迟极低 Wan-Animate-2的一大核心是实时交互，直接解锁直播主播、交互式数字人场景首先，Teacher forcing+错误缓冲+Self-Forcing蒸馏+逐块反向传播三阶段训练，这套组合拳把延迟压到了实时，把从几分钟生成一段视频变成实时流式生成其次是端到端不需要中间运动提取，之前的方法先提取骨骼/关键点再驱动，提取一错角色就崩再就是驱动视频的拍摄角度和输出视角可以分开以前驱动视频是从什么角度拍的，生成的视频就只能是什么角度，想让角色换个机位做不到，或者需要额外复杂的相机控制流程现在直接打字就能改变输出视频的机位，动作和视角完全解耦从效果上看，复杂动作、精细表情和物理合理性上复制的还可以，支持单人到多人、多人到多人、跨身份的动作迁移 #图像驱动动画视频 #虚拟人 #虚拟主播 #WanAnimate2

阿里最新放出来了一款全新端到端角色图像动画框架：Wan-Animate-2，实时驱动角色，延迟极低 Wan-Animate-2的一大核心是实时交互，直接解锁直播主播、交互式数字人场景首先，Teacher forcing+错误缓冲+Self-Forcing蒸馏+逐块反向传播三阶段训练，这套组合拳把延迟压到了实时，把从几分钟生成一段视频变成实时流式生成其次是端到端不需要中间运动提取，之前的方法先提取骨骼/关键点再驱动，提取一错角色就崩再就是驱动视频的拍摄角度和输出视角可以分开以前驱动视频是从什么角度拍的，生成的视频就只能是什么角度，想让角色换个机位做不到，或者需要额外复杂的相机控制流程现在直接打字就能改变输出视频的机位，动作和视角完全解耦从效果上看，复杂动作、精细表情和物理合理性上复制的还可以，支持单人到多人、多人到多人、跨身份的动作迁移 #图像驱动动画视频 #虚拟人 #虚拟主播 #WanAnimate2

35,513 views

谷歌的升级版医疗模型出来了，开源了：MedGemma 1.5，可离线运行 MedGemma 1.5在上一代基础上，增加了对3D CT、MRI扫描，以及全切片病理图像的支持能分析胸片时间序列，这对疾病进展监测比较有用；还能解剖定位，在X光片中识别特定的解剖结构能从医疗实验室报告中提取结构化数据，这对于整合患者信息、辅助决策很方便另外，配套还发了一款医疗ASR：MedASR 专为医疗场景微调的语音识别模型，胸片口述词错误率 5.2%，比Whisper-large-v3降低了58% #AI医疗 #MedGemma #MedASR

谷歌的升级版医疗模型出来了，开源了：MedGemma 1.5，可离线运行 MedGemma 1.5在上一代基础上，增加了对3D CT、MRI扫描，以及全切片病理图像的支持能分析胸片时间序列，这对疾病进展监测比较有用；还能解剖定位，在X光片中识别特定的解剖结构能从医疗实验室报告中提取结构化数据，这对于整合患者信息、辅助决策很方便另外，配套还发了一款医疗ASR：MedASR 专为医疗场景微调的语音识别模型，胸片口述词错误率 5.2%，比Whisper-large-v3降低了58% #AI医疗 #MedGemma #MedASR

147,253 views

阿里昨晚放出了最新款TTS：Qwen3-TTS，秒级克隆、一句话设计新音色、实时流式输出，0.6B 可跨语种多语，中文克隆后直接说英日韩德法俄西葡意+ 四川话、北京话等方言，音色不变 Dual-Track双轨架构，输入1个字就能出首包音频，端到端延迟97 ms，可以做直播、实时翻译、AI客服了用它做有声书，可以一人分饰多角，情绪、方言全有了有1.7B和0.6B两个尺寸，1.7B性能最优，具备控制能力，0.6B均衡性能与效率 #tts #Qwen3TTS

阿里昨晚放出了最新款TTS：Qwen3-TTS，秒级克隆、一句话设计新音色、实时流式输出，0.6B 可跨语种多语，中文克隆后直接说英日韩德法俄西葡意+ 四川话、北京话等方言，音色不变 Dual-Track双轨架构，输入1个字就能出首包音频，端到端延迟97 ms，可以做直播、实时翻译、AI客服了用它做有声书，可以一人分饰多角，情绪、方言全有了有1.7B和0.6B两个尺寸，1.7B性能最优，具备控制能力，0.6B均衡性能与效率 #tts #Qwen3TTS

125,016 views

清华最新的开源项目，OpenMAIC：AI多智能体互动课堂，给定任何主题或文档，AI自动生成完整的互动课程有趣的是，里面有AI老师和AI同学，类似真实的虚拟教室，不止有AI老师讲课，还有AI同学陪学集成了OpenClaw，可以直接在飞书、Slack、Telegram里生成课堂给定主题一键生成课堂内容，包括幻灯片讲义、测验、HTML交互式模拟、项目制学习（PBL）课堂中的AI老师和AI同学可以语音讲解在白板上画图、写公式主动发起讨论或点名让学生发言进行圆桌辩论 OpenMAIC相当于一个AI原生的教育基础设施，从慕课看视频时代升级到了和AI 一起上课的虚拟课堂时代 #AI虚拟课堂 #OpenMAIC

清华最新的开源项目，OpenMAIC：AI多智能体互动课堂，给定任何主题或文档，AI自动生成完整的互动课程有趣的是，里面有AI老师和AI同学，类似真实的虚拟教室，不止有AI老师讲课，还有AI同学陪学集成了OpenClaw，可以直接在飞书、Slack、Telegram里生成课堂给定主题一键生成课堂内容，包括幻灯片讲义、测验、HTML交互式模拟、项目制学习（PBL）课堂中的AI老师和AI同学可以语音讲解在白板上画图、写公式主动发起讨论或点名让学生发言进行圆桌辩论 OpenMAIC相当于一个AI原生的教育基础设施，从慕课看视频时代升级到了和AI 一起上课的虚拟课堂时代 #AI虚拟课堂 #OpenMAIC

41,079 views

一款主动式AI渗透测试工具：shannon，给它源码+测试网址，它自动把网站黑一遍，然后告诉你它咋黑的在无提示有源码的XBOW基准中成功率96.15% 开发vibe-coding天天上线，Shannon也可以让每次发版都能“一键红队” 它用Claude跑侦察、并行漏洞分析、攻击、写报告，全程零人工，能打出SQL注入、XSS、SSRF、越权等20+真实漏洞并给出可直接复制的PoC 注意它会真的改数据、注册用户，千万别在生产环境跑 Lite版开源AGPL-3.0 #shannon #AI黑客

一款主动式AI渗透测试工具：shannon，给它源码+测试网址，它自动把网站黑一遍，然后告诉你它咋黑的在无提示有源码的XBOW基准中成功率96.15% 开发vibe-coding天天上线，Shannon也可以让每次发版都能“一键红队” 它用Claude跑侦察、并行漏洞分析、攻击、写报告，全程零人工，能打出SQL注入、XSS、SSRF、越权等20+真实漏洞并给出可直接复制的PoC 注意它会真的改数据、注册用户，千万别在生产环境跑 Lite版开源AGPL-3.0 #shannon #AI黑客

50,659 views

这个工具火了，可以用自然语言一键生成安卓和iOS App，Emergent刚上的新功能以前可以用vibecoding做网页，现在直接出Android / iOS 安装包，比如“帮我做个记账App”即可另外还上了一个Emergent Pro模式，Agent能力更强，能处理错误、动态调整计划，内置Linux 虚拟机，可访问互联网网友反馈Emergent的一键生成体验比较好，输入需求即可获得完整应用，从规划到编程、测试、调试和部署，端到端自动化 #AIagent #Emergent #APP生成工具

这个工具火了，可以用自然语言一键生成安卓和iOS App，Emergent刚上的新功能以前可以用vibecoding做网页，现在直接出Android / iOS 安装包，比如“帮我做个记账App”即可另外还上了一个Emergent Pro模式，Agent能力更强，能处理错误、动态调整计划，内置Linux 虚拟机，可访问互联网网友反馈Emergent的一键生成体验比较好，输入需求即可获得完整应用，从规划到编程、测试、调试和部署，端到端自动化 #AIagent #Emergent #APP生成工具

64,446 views

字节、港中文等最新搞了一个专用于人-物交互的端到端视频生成模型：OmniShow，妥妥的电商广告专用模型全模态，一个模型通吃图+音+姿势+文本输入任务可以覆盖R2V、RA2V、RP2V、RAP2V四种生成模式，目前应该是唯一一个支持同时用图像+音频+姿势+文本混合输入的人脸保持、物理合理性、表现力及口型同步看起来效果都还可以原生长镜头生成，最长可生成10秒连续视频目前代码还没放出来 #人物视频生成模型 #OmniShow #电商视频生成

字节、港中文等最新搞了一个专用于人-物交互的端到端视频生成模型：OmniShow，妥妥的电商广告专用模型全模态，一个模型通吃图+音+姿势+文本输入任务可以覆盖R2V、RA2V、RP2V、RAP2V四种生成模式，目前应该是唯一一个支持同时用图像+音频+姿势+文本混合输入的人脸保持、物理合理性、表现力及口型同步看起来效果都还可以原生长镜头生成，最长可生成10秒连续视频目前代码还没放出来 #人物视频生成模型 #OmniShow #电商视频生成

22,776 views

一款5分钟即上线企业级AI应用的平台：Zion（国外版Momen），比coze、dify更强大 Zion是首个将AI Agent、前端、后端、数据库整合的AI应用构建托管平台，支持agent构建、托管，发布为小程序、网站、saas服务等（重点是支持支付配置、登录注册都给封装好了，直接发布就可以提供agent收费服务，国外版叫Momen，国内版叫Zion） zion： Momen： youtube： #Zion #Momen #AIagent

一款5分钟即上线企业级AI应用的平台：Zion（国外版Momen），比coze、dify更强大 Zion是首个将AI Agent、前端、后端、数据库整合的AI应用构建托管平台，支持agent构建、托管，发布为小程序、网站、saas服务等（重点是支持支付配置、登录注册都给封装好了，直接发布就可以提供agent收费服务，国外版叫Momen，国内版叫Zion） zion： Momen： youtube： #Zion #Momen #AIagent

77,190 views

阿里刚刚开源了TTS：Fun-CosyVoice3 0.5B，zero-shot音色克隆，可本地部署还开源了款ASR【Fun-ASR-Nano 0.8B】，Fun-ASR的轻量化版本，推理成本更低，可以本地及定制化微调另外，Fun-CosyVoice3模型做了升级，首包延迟比之前降低了50%，WER降低了56.4%，复杂场景字符错误率降低了26% 支持9种通用语言、18种中文方言、9种情感控制，可以跨语种音色复刻，比如说，用一段普通话录音可生成粤语、日语、英语等支持双向流式合成，“输入即发声”，这个适用于语音助手、直播配音、无障碍阅读等等实时场景 Fun-ASR也升级了，噪声场景下准确率到了93%，新增歌词与说唱识别能力，支持31种语言自由混说无需预先指定语种覆盖7大方言和26种地方口音，流式识别模型的首字延迟降低到了160ms #TTS #ASR

阿里刚刚开源了TTS：Fun-CosyVoice3 0.5B，zero-shot音色克隆，可本地部署还开源了款ASR【Fun-ASR-Nano 0.8B】，Fun-ASR的轻量化版本，推理成本更低，可以本地及定制化微调另外，Fun-CosyVoice3模型做了升级，首包延迟比之前降低了50%，WER降低了56.4%，复杂场景字符错误率降低了26% 支持9种通用语言、18种中文方言、9种情感控制，可以跨语种音色复刻，比如说，用一段普通话录音可生成粤语、日语、英语等支持双向流式合成，“输入即发声”，这个适用于语音助手、直播配音、无障碍阅读等等实时场景 Fun-ASR也升级了，噪声场景下准确率到了93%，新增歌词与说唱识别能力，支持31种语言自由混说无需预先指定语种覆盖7大方言和26种地方口音，流式识别模型的首字延迟降低到了160ms #TTS #ASR

35,508 views

牛，30.5K星，收集了包括Cursor、Manus、Devin、Windsurf等在内的AI工具系统提示词库库里提供了6500+行、9个工具的系统提示词参考，包括开源和闭源的，可以了解不同AI工具的设计思路，用来学习研究 v0、Manus、Cursor、Same、Lovable、Devin、Replit Agent、Windsurf Agent以及VSCode Agent 这9个 Cursor的提示词强调了代码修改的安全性、可用性以及工具使用规范，来约束AI减少幻觉；Manus也有200多行 #提示词 #AI编程助手 #Cursor #Manus

牛，30.5K星，收集了包括Cursor、Manus、Devin、Windsurf等在内的AI工具系统提示词库库里提供了6500+行、9个工具的系统提示词参考，包括开源和闭源的，可以了解不同AI工具的设计思路，用来学习研究 v0、Manus、Cursor、Same、Lovable、Devin、Replit Agent、Windsurf Agent以及VSCode Agent 这9个 Cursor的提示词强调了代码修改的安全性、可用性以及工具使用规范，来约束AI减少幻觉；Manus也有200多行 #提示词 #AI编程助手 #Cursor #Manus

39,982 views

英伟达版的“Banana”，英伟达开源了一款物理级图像编辑模型：ChronoEdit-14B，静态图+一句话，4秒生成一张符合物理的图像 ChronoEdit具备“时间观念”和“物理常识”，它能理解动作，比如说“推倒”、“拿起”这种动作，可以根据它学到的物理常识，画出这个动作发生后，世界应该变成什么样子 8 步扩散完成一次图像编辑，在H100上约4秒一张图从效果看，预测动作发生结果的能力比较强，改变姿势后，人物、服装、背景风格的一致性也保持的比较好，光影、反射效果处理的也比较符合逻辑可以用在游戏制作、电影特效、机器人训练等场景上 #ChronoEdit #AI图像编辑

英伟达版的“Banana”，英伟达开源了一款物理级图像编辑模型：ChronoEdit-14B，静态图+一句话，4秒生成一张符合物理的图像 ChronoEdit具备“时间观念”和“物理常识”，它能理解动作，比如说“推倒”、“拿起”这种动作，可以根据它学到的物理常识，画出这个动作发生后，世界应该变成什么样子 8 步扩散完成一次图像编辑，在H100上约4秒一张图从效果看，预测动作发生结果的能力比较强，改变姿势后，人物、服装、背景风格的一致性也保持的比较好，光影、反射效果处理的也比较符合逻辑可以用在游戏制作、电影特效、机器人训练等场景上 #ChronoEdit #AI图像编辑

26,876 views

让OpenClaw越用越聪明的自动学习系统：MetaClaw，即插即用，实时从对话中学习和AI聊天，MetaClaw会在后台自动总结对话经验，提炼成技能注入后续对话，无需额外操作相当于是在LLM和OpenClaw 之间架一个代理层，每轮对话自动注入最相关的技能指令，即时提升表现每次对话结束后，会自动总结提炼新技能，技能库随着使用增长全异步架构，服务、评分、训练解耦，AI正常响应的同时后台处理支持两种模式，轻量技能模式无需GPU，RL模式可在Tinker云端训练并热更新权重 #MetaClaw #RL #AI助手训练 #openclaw

让OpenClaw越用越聪明的自动学习系统：MetaClaw，即插即用，实时从对话中学习和AI聊天，MetaClaw会在后台自动总结对话经验，提炼成技能注入后续对话，无需额外操作相当于是在LLM和OpenClaw 之间架一个代理层，每轮对话自动注入最相关的技能指令，即时提升表现每次对话结束后，会自动总结提炼新技能，技能库随着使用增长全异步架构，服务、评分、训练解耦，AI正常响应的同时后台处理支持两种模式，轻量技能模式无需GPU，RL模式可在Tinker云端训练并热更新权重 #MetaClaw #RL #AI助手训练 #openclaw

15,650 views

集截屏、OCR、搜索、翻译、贴图、屏幕翻译、以图搜图、滚动截屏、录屏于一身的工具：eSearch OCR后可调用翻译，跨平台支持 github：

集截屏、OCR、搜索、翻译、贴图、屏幕翻译、以图搜图、滚动截屏、录屏于一身的工具：eSearch OCR后可调用翻译，跨平台支持 github：

40,099 views

酷，浙大、vivo最新出的一款视频虚拟试衣模型：MagicTryOn，服装的时空一致性、稳定性、服装细节都保持的不错，效果可以直接用于电商广告了支持图像试穿、视频试穿，以及自定义试穿擅长在比如跳舞这种人体大幅度运动，和复杂场景中试穿具备泛化能力，可以在玩偶上进行虚拟试衣其用扩散Transformer取代U-Net架构，来提升模型的表达能力；结合全自注意力机制联合建模视频的时空一致性，确保试衣效果在时间和空间维度上自然流畅 #虚拟试穿 #MagicTryOn #tryon #AI穿衣

酷，浙大、vivo最新出的一款视频虚拟试衣模型：MagicTryOn，服装的时空一致性、稳定性、服装细节都保持的不错，效果可以直接用于电商广告了支持图像试穿、视频试穿，以及自定义试穿擅长在比如跳舞这种人体大幅度运动，和复杂场景中试穿具备泛化能力，可以在玩偶上进行虚拟试衣其用扩散Transformer取代U-Net架构，来提升模型的表达能力；结合全自注意力机制联合建模视频的时空一致性，确保试衣效果在时间和空间维度上自然流畅 #虚拟试穿 #MagicTryOn #tryon #AI穿衣

28,402 views

一个不错的个人知识库项目：Supermemory，可以保存网络信息，比如网页、推特、笔记等内容，然后基于这些内容进行AI搜索开源的，比X的书签搜索好用特点： 1、ChatGPT for Bookmarks：支持将网页、推特帖子等保存到 Supermemory，使用其内置的 AI 功能进行搜索、提问 2、知识画布：以二维画布的形式组织信息，方便理解和关联 3、写作助手：支持基于保存的数据进行AI写作 4、集成：支持 Telegram 和 Twitter 等平台的集成 github：网站： #个人知识库 #AI搜索 #Supermemory #知识库

一个不错的个人知识库项目：Supermemory，可以保存网络信息，比如网页、推特、笔记等内容，然后基于这些内容进行AI搜索开源的，比X的书签搜索好用特点： 1、ChatGPT for Bookmarks：支持将网页、推特帖子等保存到 Supermemory，使用其内置的 AI 功能进行搜索、提问 2、知识画布：以二维画布的形式组织信息，方便理解和关联 3、写作助手：支持基于保存的数据进行AI写作 4、集成：支持 Telegram 和 Twitter 等平台的集成 github：网站： #个人知识库 #AI搜索 #Supermemory #知识库

39,062 views

一个轻量级的数字人项目：MiniMates，支持语音和表情两种驱动模式，可在普通电脑上实时运行 one-shot单图驱动，最低只需要一张图片可以说话、眨眼、转头、做表情等支持实时交互，实时摄像头表情捕捉、实时头部跟踪、实时语音对话 github： #数字人 #AI虚拟人

一个轻量级的数字人项目：MiniMates，支持语音和表情两种驱动模式，可在普通电脑上实时运行 one-shot单图驱动，最低只需要一张图片可以说话、眨眼、转头、做表情等支持实时交互，实时摄像头表情捕捉、实时头部跟踪、实时语音对话 github： #数字人 #AI虚拟人

35,360 views

这数字人效果看起来也太真实了这是一个叫Tavus的产品，整合了视觉、语音和情感智能，让虚拟人拥有情感表达、情感理解能力由三个核心模型组成 1、Phoenix-3 实时全脸渲染模型，能生成复杂的微表情和情绪，包括眉毛、脸庞、眼睛等，可以实时调整表情 2、Raven-0 能持续处理视觉上下文，读取情绪，理解情绪变化，并智能回应 3、Sparrow-0 用来控制对话的节奏，判断什么时候该说、什么时候该听，响应速度快 #数字人 #虚拟人 #AI数字人 #Tavus

这数字人效果看起来也太真实了这是一个叫Tavus的产品，整合了视觉、语音和情感智能，让虚拟人拥有情感表达、情感理解能力由三个核心模型组成 1、Phoenix-3 实时全脸渲染模型，能生成复杂的微表情和情绪，包括眉毛、脸庞、眼睛等，可以实时调整表情 2、Raven-0 能持续处理视觉上下文，读取情绪，理解情绪变化，并智能回应 3、Sparrow-0 用来控制对话的节奏，判断什么时候该说、什么时候该听，响应速度快 #数字人 #虚拟人 #AI数字人 #Tavus

28,779 views

Videos

Anya Rossi

sweetdream.ai

SweetDream.ai•Sponsored•Livecam

Watch Anya Live

Anya is streaming live right now! Join her private show and enjoy exclusive content.

Exclusive private shows

1.2k viewers online

Private Show

Join now for exclusive access

Free preview available • Premium content

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

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

24,884 views • 6 days ago

Hugging Face刚刚竟然上了一款小机器人，像只小鸭子，叫Microduck，399美元一个会走路、抓取物品、摔倒后自己爬起来，还能溜旱冰身高25cm、重800g，4 色可选可以用强化学习训练它 #AI机器人 #Microduck

Hugging Face刚刚竟然上了一款小机器人，像只小鸭子，叫Microduck，399美元一个会走路、抓取物品、摔倒后自己爬起来，还能溜旱冰身高25cm、重800g，4 色可选可以用强化学习训练它 #AI机器人 #Microduck

26,144 views • 7 days ago

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

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

68,938 views • 1 month ago

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

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

37,767 views • 21 days ago

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

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

251,960 views • 5 months ago

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

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

53,035 views • 1 month ago

过去30天，128家基于openclaw的初创公司，总计产生了28万美元的真实营收，平均每家月收入约2200刀其中排名第一的月营收5万刀 TrustMRR上目前收录了128家，还在不断增长中当下这128家产品的商业模式还比较集中，这其中80%的公司都在做降低OpenClaw使用门槛的活儿，做应用层的只有3-5家，目前商业场景挖掘的还不够深 #Openclaw #openclaw赚钱 #AIagent

过去30天，128家基于openclaw的初创公司，总计产生了28万美元的真实营收，平均每家月收入约2200刀其中排名第一的月营收5万刀 TrustMRR上目前收录了128家，还在不断增长中当下这128家产品的商业模式还比较集中，这其中80%的公司都在做降低OpenClaw使用门槛的活儿，做应用层的只有3-5家，目前商业场景挖掘的还不够深 #Openclaw #openclaw赚钱 #AIagent

213,574 views • 6 months ago

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

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

24,446 views • 17 days ago

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

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

348,888 views • 1 year ago

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

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

22,181 views • 24 days ago

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

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

23,437 views • 1 month ago

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

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

106,980 views • 5 months ago

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

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

149,924 views • 8 months ago

OpenClaw的"弹药库"，也是GitHub上最热门的仓库之一：public-apis，一个免费公共API大全找免费API的第一站，覆盖了40+领域1000多个API，从猫狗图片到NASA数据，从天气预报到股票行情，基本能想到的公开数据源这里都有了类别都是分好的，每个API都包含名称、描述、认证方式、HTTPS支持、CORS支持 #API #publicapis #openclaw

OpenClaw的"弹药库"，也是GitHub上最热门的仓库之一：public-apis，一个免费公共API大全找免费API的第一站，覆盖了40+领域1000多个API，从猫狗图片到NASA数据，从天气预报到股票行情，基本能想到的公开数据源这里都有了类别都是分好的，每个API都包含名称、描述、认证方式、HTTPS支持、CORS支持 #API #publicapis #openclaw

85,444 views • 5 months ago

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

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

42,375 views • 3 months ago

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

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

86,010 views • 9 months ago

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

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

50,637 views • 5 months ago

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

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

160,639 views • 1 year ago

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

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

59,692 views • 6 months ago

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

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

14,397 views • 1 month ago