AIGCLINK
@aigclink • 38,129 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
有人开源了小学全学科知识图谱：os-taxonomy，数据涵盖1590个知识点、3221条依赖关系 可以拿来做AI家教或者RAG外挂，也有人把它包成MCP，让Agent直接查询“学这个之前要掌握什么”、“到这个目标的最近路径” 我认为值得关注的地方是：它把知识之间的先后依赖关系显式化了，AI不只能回答孩子眼前的问题，还可以结合测评结果识别可能缺失的前置知识，来规划下一步应该学什么 比如说，孩子要理解水为什么会沸腾，就需要先理解温度、热量以及水的状态变化 那知识图谱能把这些前置知识与后续概念连接起来，让学习不再只是孤立的硬记课本内容 它解决了教育的三个关键问题： 学什么？ 把分散的课程内容拆成结构化知识单元 先学什么？ 显式标记知识之间的依赖关系 怎么学？ 为AI辅导、知识缺口诊断、个性化学习路径提供结构化基础 他们自家也基于这个图谱，做了一个孩子可以交互实验式学习的产品 图谱目前覆盖了科学、数学、英语等8个学科，对齐的是美英课标，NGSS/Common Core/英国国家课程 #AI教育 #教材知识图谱 #AI小学教育
AIGCLINK116,228 görüntüleme • 5 gün önce
有人把谷歌EmbeddingGemma 2改造成了语音识别模型，实现了非常惊人的端侧推理速度，快得离谱 M3 MacBook Air，1小时音频转写约13秒，处理速度288× WER 5%，领先的STT在2%～3%，如果后续reader迭代能把WER压到3%以下，估计专用端侧STT市场要重新洗牌了 传统STT需要专门训练一个声音→文字生成模型，但是今天，EmbeddingGemma 2已经能把文本、图片、音频和视频映射到同一个语义空间，让声音的“你好”和文字的“你好”在向量空间中相互靠近 于是网友在不修改EmbeddingGemma 2参数的情况下，只在上面训练一个轻量Reader，把音频切片编码成向量后，直接在模型的文本空间里检索最近的词，把转录从生成问题变成了检索问题，把它“歪”成了一个语音转文字模型 目前5%的WER，用在容错要求相对较高的比如说会议录音整理、采访转写、语音笔记、视频字幕初稿等场景，有一定的实用潜力 来自 Shahir #EmbeddingGemma2 #STT #语音转文字
AIGCLINK47,932 görüntüleme • 9 gün önce
阿里刚刚放出了下一代实时同声传译模型：Qwen3.8-LiveTranslate，字均延迟从2.8秒压到2.3秒，支持60种语言 如果延迟稳定压到2.3秒这个水平，并且在多说话人、长音频场景下DER可控，那会议、展会、跨境电商谈判等大量这种“够用就行”的场景可能会率先被AI接管 它这版做了架构重造，把同传重构为了音频—文本交织的单流形式，已听音频和已出译文都可缓存复用，从效果看整体翻译的忠实度、流畅度还可以 另外增加了三个新能力，实时说话人分离、原文译文同帧同出双语同屏、长上下文消歧 比如说多人轮流发言的场景，它知道每句话是谁说的，译文用的还是那个发言人的音色 原文译文同屏对照，这个相当于可以随时对账，翻译最大的疑虑就是“是不是给我漏了、翻歪了”，有同屏那就省心很多 #AI同传 #QwenLiveTranslate
AIGCLINK90,324 görüntüleme • 1 ay önce
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
AIGCLINK254,559 görüntüleme • 7 ay önce
微软搞的一个去中心化多AI框架：Agensh，去掉“AI大管家”，让最多1024个Agent自协作，自己商量、分工、干活 结果是人越多越快，128个AI半小时就突破的进度，1个AI 两小时都达不到，有意思的是AI还自发长出了组织能力 随着AI数量增加，涌现出了类似人类社会的现象： 8个AI：先约定接口，然后各自独立开发 32个AI：出现多人评审，发现bug会撤回批准、要求返工 当128个AI：出现专业分工和标准化流程，还发明了一套整合协议（更新+测试+发哈希验证），后来被其他AI复用和修订 当1024个AI：出现专职的“整合者”角色，某个AI失败后会有专长者接手，组织不再依赖任何单一个体 现在的多AI系统一般是“一个老板带一群员工”，老板要负责派活、协调、汇总 Agensh的解法是，不要老板，每个AI都拿到同样的任务说明，然后循环做五件事： 1、看进展，项目做到哪了？别人发现了什么？ 2、认领任务，并公开声明（撞车了就和对方私下协商） 3、动手干活，写代码、跑测试 4、自检结果，不达标就继续修 5、提交合并，提交Pull Request，把成果并入主干 配套的是三件套基础设施，很像GitHub工作流：共享工作区（Git管代码和合并冲突）、消息接口（频道公告+私聊，类似Slack）、共享上下文（记录事实、失败教训、任务认领的团队Wiki） 这对费时费力的长时工程倒是一种新解法。在把单个模型做大和让单个模型多想一会儿之间给出了第三条路，固定模型不变，增加Agent数量，让整体能力提升 #Agensh #Agent
AIGCLINK23,155 görüntüleme • 23 gün önce
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
AIGCLINK70,026 görüntüleme • 2 ay önce
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 görüntüleme • 1 yıl önce
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
AIGCLINK54,308 görüntüleme • 2 ay önce
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 görüntüleme • 10 ay önce
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
AIGCLINK107,370 görüntüleme • 7 ay önce
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
AIGCLINK39,274 görüntüleme • 2 ay önce
阿里刚刚一口气发了五款语音模型：Qwen-Audio-3.1系列，并全线降价，ASR降95%、Realtime降85%、TTS降70% 同时覆盖理解、生成、创作、实时交互的完整链条。阿里这次直接打出了语音模型的三板斧：能力全栈化、价格断崖下探、语音被推到Agent/硬件入口位置 它这次的Realtime不是只会聊天，是全双工可打断、能识别情绪、能多语言切换，还能调用工具，这就会把语音从搜索式问答推向事务式对话 实时语音从“功能”变成“交互入口”，直接冲击客服、助手以及硬件，AI眼镜、办公Agent、硬件结合等无屏化任务场景或将迎来一波热潮 ASR：能转写30种语言+16种中文方言、原生转写润色（去语气词/重复、语义重组）、分角色转写（谁在什么时候说了什么，带时间戳，支持插话/重叠语音）、流式低延迟（首字约160毫秒） ASR-Next：从“语音转文字”扩展到“理解整个音频”，能听出情绪、环境声、机械声，理解事件时间、进行音频问答 TTS：重点是同一音色跨语言/方言不变味，还能控制情绪和语速 TTS-Next：这个比较狠，从“配音”升级到“做完整音频作品”，一次生成人声、音效、环境音，多角色音色一致、全程不变声；48kHz输出 直接瞄准播客、有声书、影视、游戏、广告等场景 Realtime：全双工，可同时说和听，可打断、能共情、能无缝切换语言、对话中能调用Agent工具完成任务 #阿里语音模型 #QwenAudio
AIGCLINK16,367 görüntüleme • 29 gün önce
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
AIGCLINK25,215 görüntüleme • 1 ay önce
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 görüntüleme • 2 ay önce
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
AIGCLINK86,307 görüntüleme • 10 ay önce
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
AIGCLINK160,730 görüntüleme • 2 yıl önce
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 görüntüleme • 5 ay önce