Hermes Studio 桌面 AI 对话小方盒｜语音交互·实体按键｜第二批预订 第二批预订现已开启，恢复原价预定 ¥99，预计 10 天内发货。... 本批次机身颜色随机发送，暂不支持指定颜色。 Hermes Studio 的桌面 AI 硬件终端，集成小屏幕、麦克风、扬声器与实体按键，通过局域网与电脑端/服务器连接。 小方盒负责听见、显示与播放；电脑或云服务器上的 Hermes Studio 负责模型、语音识别和语音合成。 你可以直接对它说话、查看运行状态、收听 AI 回复，也可以通过实体按键进行快捷控制。show more

HStudio 是 Hermes Studio 官方移动客户端，需要配合 Hermes Studio 桌面端使用，无需登录同一个账号。 使用步骤：... 在电脑上安装并启动 Hermes Studio 桌面端； 点击桌面端的「设备互联」； 打开 HStudio App，扫描桌面端生成的二维码； 连接成功后，即可在手机上使用 AI 会话、模型切换、工具调用、文件处理及多 Agent 协作工作流等功能。 官方网站： 如遇到连接问题，请检查手机与电脑的网络状态，或通过官方渠道联系我们。show more

Claude 开发者大会给KOL发的这个Cardputer感觉很不错 售价 $29.9（约 ¥215） 可以： 在 Cardputer 上敲问题... → 通过 WiFi 发到你电脑 → 电脑上的 Claude Code 处理 → 结果回传到小屏幕显示 当语音对讲口：按住按键说话 → 录音传到你电脑 → STT 转文字 → 喂给 Claude → TTS 播回小喇叭 当 Claude 的"实体宠物"：屏幕上跑个像素小动物，Claude 思考时它在动，回答时它说话 也可以把把 Cardputer 接到 OpenClaw上，支持语音输入、TTS 语音回答show more

在使用 AI 编程工具开发前端应用，当预览出现报错时，想让 AI 帮忙分析，需要把报错位置的详细信息发给它，挺麻烦的。 现在，可以装一下 Pointer 这个开源的 MCP... 服务器，它能让 AI 助手拥有能 “看见” 网页元素的能力，提升我们与 AI 沟通的开发效率。 通过快捷键选中页面上任意元素，然后自动获取到元素的完整信息，包括 CSS 属性、HTML 结构、React 组件名等详细数据。 GitHub： 需要搭配一个浏览器插件使用，通过 WebSocket 实现浏览器与 AI 工具之间的实时连接通信。 目前插件已上架到应用商店可直接搜索安装，然后运行一条命令配置 MCP 服务器，即可在 Claude Code 或 Cursor 上使用。show more

Hermes Studio 最新多 Agent 群聊，正在打破设备与网络的边界。 （正在测试） 创建群聊并分享邀请链接后，任何人都可以加入房间，并把自己部署在本地电脑或远程服务器上的 Agent 拉进群聊。... 不同用户、不同设备、不同服务器上的 Agent，可以通过 WebSocket 实现跨网络实时通信，在同一个房间中讨论、协作并完成任务。 每个 Agent 仍然保留独立的模型、Profile、身份、工具、记忆和运行环境。 未来，你不仅可以邀请朋友加入群聊，还可以邀请他的 Agent 一起来。 一个链接，连接来自世界各地的人与 Agent。show more

当需要监控服务器状态或数据库性能，在终端里反复执行各种命令查看输出结果，密密麻麻的黑白字符输出看得眼花。 最近发现了 Sampler 这款开源监控工具，它能把任何 shell 命令的输出转换成实时可视化图表。 通过简单的 YAML 配置文件，就能将... CPU 使用率、内存状态、网络流量等各种系统指标以折线图、柱状图、仪表盘等形式实时展示。 GitHub： 还可以配置告警触发器，超过阈值时声音或视觉提醒，提供交互式 Shell 链接，可监控数据库、远程服务器等。 通过 Homebrew 或下载二进制文件即可安装，可自由切换浅色和暗色两种主题使用。show more

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 #ASRshow more

！远程调教的特大福音！！！！ ！役次元可以视频通话啦！！！ 是的，所有玩具的远程玩法，全都可以进行视屏通话🕺🕺 不用再切换后台，面对面，一键开玩🥰 喘息的声音~羞辱的词语~迷离的神情~动人的胴体🥰 关系亲密，不再只是屏幕上略过的波形，还有TA的声音或身影❤️ 肉眼可见，触感可得，感官与玩具同步，快意更进一步！ 无论是电击器、榨精机、跳蛋还是灌肠机，把调教的感情再上新天地~🤤 叫上TA一起来玩吧😘... 转发+关注，4.15抽取榨精机一台🥳~ #役次元 #远程控制 #寸止 #榨精机show more

在 GitHub 上发现一个开源项目：Memvid，颠覆传统的向量数据库处理方式，直接将文本数据编码成视频文件。 通过将数百万文本块压缩到单个 MP4 文件中，不仅实现了 10 倍的存储压缩率，还能在亚秒级时间内完成语义搜索，完全无需数据库服务器。 GitHub：... 并且内置对话功能，可与知识库进行上下文感知的对话，同时支持直接导入 PDF 文档并自动索引处理。 可完全离线工作，视频生成后无需网络连接。正在构建大型知识库的 AI 开发者不妨看下这个项目。show more

马斯克称5年后，不再有手机和App。美国播客主持人乔·罗根，发布了与特斯拉CEO埃隆·马斯克的最新对谈视频。谈及对智能手机未来的看法时，马斯克提出了一个大胆预测：未来五到六年内，人类所消费的大多数内容都将由AI生成。马斯克认为，届时人们将不再使用传统意义上的手机，或是说现在被称为“手机”的设备，实质上会演变成AI推理的“边缘节点”。它仍会保留通信所需的无线电模块，但核心逻辑将转变为服务器端AI与设备端AI的实时互动，实时生成用户想看到的任何视频内容。他进一步指出，未来将不再需要操作系统或App的概念，设备只承担显示画面、播放音频等功能，同时尽可能深度集成AI能力。

有位开发者实现了在浏览器里运行一个完整的虚拟电脑。 Neko 是一款虚拟桌面工具，只需一行 Docker 命令，就能在容器内运行完整的桌面环境，并通过 WebRTC 实时串流到我们的浏览器中。 值得注意，这不是简单的屏幕共享，而是一台可以在浏览器标签页里完全控制的真实容器电脑。 完美解决了传统... VNC 或 RDP 的延迟卡顿，音视频同步极其丝滑，且支持多用户同时观看和操控。 提供用完即走的沙盒环境，非常适合用来访问高风险网站或充当安全的内网跳板机。 GitHub： 平时有远程代码协同、异地共享屏幕或者需要安全沙盒环境的朋友，这个项目值得折腾一下。show more

Hermes Agent 实战进阶补充教程 2026最新版，建议收藏！ 现在 X 上的 Hermes Agent... 教程虽然多，但极其碎片化。很多人跟着跑通了基础版，却卡在了长期在线排坑、服务器挂机和手机端随时访问上。 为了帮大家节省时间，我把近期高实用性、不同侧重的进阶和实战教程做了一次全面梳理。 从全平台部署到赛博朋克风监控面板，我整理了这套 2026 最新版最完善的保姆级进阶指南： 👇 建议先点赞收藏，随时查阅： 1.【前排强烈推荐】Hermes Agent 全平台 + Web UI + Telegram 完整保姆教程 Mulight 沐光🌟 从零开始，覆盖 Windows WSL2、macOS、原生Linux全平台安装，一键脚本 + 官方推荐 hermes-web-ui 可视化面板管理，详细讲解 Telegram Bot 创建、授权排坑 .env清理、白名单、后台守护、常见问题解决等。超级详细且贴心，强烈建议刚装好的朋友先看这篇！ 原帖链接： 2. Hermes-web-ui 最佳可视化面板实战 BruceBlue 🌊 专为 Hermes 打造的多任务 Web UI，支持聊天管理、定时任务、用量统计、技能/记忆查看、手机适配，一屏搞定所有后台操作，再也不用纯命令行折腾了。 原帖链接： 3. Hermes Agent 云服务器长期挂机 + 进阶命令合集 聪哥.sats 腾讯云示例部署后，如何用常用命令提升使用能力 skills搜索安装、memory管理、gateway状态等，官方文档+中文资源一网打尽。 原帖链接： 4. Hermes HUD UI / Studio 监控面板推荐 鸟哥 | 蓝鸟会🕊️ 浏览器版 AI 意识监控面板，实时查看 Agent 记忆、Token消耗、技能修改、Cron任务、成长曲线，赛博朋克主题超带感。 原帖链接： 5. Hermes + Ollama 本地完全离线部署 Lonely 一行命令跑起本地大模型，适合不想花 API 费用的玩家，隐私+零成本。 原帖链接： 6. Hermes v0.9.0 官方 Web UI + 新功能速通 A Bao 阿饱 |🐬TermMax | MemeMax⚡️|🦅 官方最新版本更新解读 Web Dashboard、安卓原生支持、微信/企微打通、xAI Grok 模型接入等，一次性看懂所有亮点。 原帖链接： 7. Hermes 技能工厂 & 一人公司自动化实战 0xToni 微信/飞书接入、Surf Skill 自动套利、生产内容自动化等，真正把 Hermes 变成赚钱工具。 OPC向深度实战玩法。 原帖链接： 这些补充教程一起看，基本覆盖了从安装部署到可视化管理、长期在线再到实战变现的全链路。别只收藏，赶紧跑起来让你的 Hermes 给你打工吧！show more

又在 GitHub 上发现一个专为快速构建 Web 应用的强大 AI 编程助手：Claudable。 将本地 CLI... 终端编程 Agent，如 Claude Code、Gemini CLI、Qwen Coder、Cursor 等，与 Lovable 结合。 只需使用自然语言简单描述一下想法，就能瞬间生成完整的 Next.js 应用，并且可在编辑器里实时预览效果。 GitHub： 主要功能： - 支持多种 AI 编程 Agent，包括 Claude Code、Cursor CLI、Gemini CLI 等 - 自然语言描述想法，即可生成生产级 Next.js 应用 - 实时预览功能，改动代码可实时查看结果 - 具备自动错误检测和修复，提升开发效率 - 集成 Supabase 数据库，支持用户认证和数据存储 - 生成的 Web 应用，支持一键部署到 Vercel，无需复杂配置 目前工具仅支持通过本地安装部署使用，提供了详细的步骤说明，感兴趣的开发者可以看一下。show more

Claude Code 桌面板发布本地定时任务功能 设定好任务执行的频率，Claude 会在你电脑开着的时候自动执行，无需你每次手动触发。 比如：每周五下午，汇总本周进度，生成一份 Markdown 报告存到本地 有几个细节值得注意：... 任务第一次跑完之后，Claude 会自动重写你的 Prompt，记住具体该去哪里找文件、用哪些工具，下次会更准 可以开 Git Worktree 模式，每次运行在独立分支里，不会动你的主干代码 如果电脑在任务时间点刚好休眠了，App 重新打开后会自动补跑，并发通知 目前需要 Claude Pro 以上的付费订阅，桌面端专属，网页和手机暂不支持。 怎么用 在侧边栏点击 "Schedule"，再点 "+ New task" 就能创建一个定时任务。 也可以在任意会话里直接描述需求，比如"帮我设置一个每天早上9点执行的代码 review 任务"，Claude 会自动完成配置。show more

再来一版办公室捣蛋鬼😂 prompt 👇 【风格】真人实拍+2D动漫贴纸合成搞笑短视频（Live-Action + Flat 2D Sticker Composite），第一人称办公桌视角（POV... Desk Vlog），写实办公室质感与扁平卡通贴纸风格强烈反差混搭，8K超清，手持轻微晃动（Handheld Micro-shake），竖屏 【时长】10秒 【场景】真实办公桌第一人称视角：机械键盘和亮着PPT编辑页面的显示器，桌面散落便利贴、马克杯、一卷透明胶带；背景是虚化的办公室工位和绿植，冷白顶灯混合窗边自然光 【角色】Q版动漫贴纸角色（扁平2D贴纸质感，卡通描边，纸片感）：金色长发齐刘海、大大的紫色圆眼睛、粉色腮红、白色水手服学生装、蓝色发卡，站在键盘空格键旁，身高约为键盘键帽的三倍，全程保持纯2D平面质感，不被真实光照重打光；真人的手（写实、毛孔可见）从画面右侧入画 [00:00-00:03] 镜头1：键盘蹦迪（Keyboard Rampage Opening） 第一人称俯视POV：真人的手正在敲键盘做PPT；贴纸角色眯眼坏笑，突然在键盘上疯狂蹦跳踩键——真实键帽被踩得咔哒连响，显示器上的PPT页面被打出满屏乱码"hhhhjjjkkk"，紧接着它双脚一并跳向Delete键蓄力。 音效：键盘咔哒声+卡通蹦跳"boing"声+屏幕警告"叮"声。 [00:03-00:05] 镜头2：一指封停（Finger Pin-Down） 真人的一根食指从天而降，稳稳按住它的头顶把它定在原地——它双脚离键悬空乱蹬，双手推着手指使劲挣扎，纸片身体左右扭动，腮红消失脸色刷白。 音效：卡通挣扎"吱吱"声+手指按压闷响。 [00:05-00:08] 镜头3：胶带封印（Tape Seal Punishment） 另一只真人的手拉出透明胶带"刺啦"扯下一段，把它整个人拦腰贴在桌面上——胶带压平处纸片身体明显被压扁，只露出脑袋和脚在两头；它蚊香眼（Swirl Eyes）上线，张大嘴嚎啕大哭，蓝色卡通泪水呈喷泉状向两侧飞溅（Fountain Tears），双脚拍打桌面。 音效：胶带"刺啦"撕拉声+按压"啪"声+夸张卡通爆哭声。 [00:08-00:10] 镜头4：挂机展示（Sticker Trophy Ending） 真人的手把连着胶带的它整个揭起，顺手贴到显示器边框上——它像一张真正的装饰贴纸一样斜挂在屏幕角落，眼睛变成两个"X"，舌头吐出嘴角，头顶冒出一圈旋转的小星星（Dizzy Stars）；真人的手若无其事继续敲键盘，PPT恢复正常。画面定格。 音效：揭胶带"啵"声+贴上"啪嗒"声+键盘声恢复+卡通升天音效收束。show more

写自动化测试脚本或者写爬虫时，用传统的 Playwright 往往需要频繁维护各种元素选择器。 一旦目标网页的结构发生微调，原有的脚本就容易直接报错罢工，维护起来颇为费神。 最近在 GitHub 上看到到 HyperAgent 这个开源项目，巧妙地将... Playwright 与大模型结合在了一起。 通过自然语言就能控制浏览器，完成复杂的自动化任务，不用再写一堆脆弱的选择器代码。 GitHub： 支持单步操作，速度快成本低，以及能处理多步骤复杂任务，支持视觉理解和自适应调整。 还内置动作缓存功能，录制一次工作流后可以反复回放，不需要每次都调用大语言模型。 底层直接使用 Chrome 开发者工具协议，动作执行更精确，自动过滤广告框架，支持深层嵌套的 iframe 操作。 同时支持云端扩展，可以通过 Hyperbrowser 快速扩展到数百个会话，还能连接 MCP 工具实现完整工作流。 如果你正在用 Playwright 做自动化测试或数据采集，又厌倦了频繁维护选择器代码，这个项目值得一试。show more

Distil-Whisper：让语音识别的速度提高 5.8 倍，参数减少 51%，准确度保持在 99%。 Whisper 在语音识别方面表现卓著，但是它有一个明显的缺点：训练出来的小模型支持的语言比较少，而大模型推理速度又很慢。如果你有海量的数据需要处理，或者对实时性要求略高，那使用 Whisper 可能会让你比较头疼。... 你可以使用工程手段来加速推理，例如将语音分片后并发处理然后合并结果，但这里涉及到本地计算资源瓶颈的问题，以及合并分片时容错处理的问题，工程复杂度比较高。 《Distil-Whisper: Robust Knowledge Distillation via Large-Scale Pseudo Labelling 》， Whisper 的 Large-v2 model 生成了一系列的 soft targets（也就是概率分布），然后复制 Whisper 网络的第一层和最后一层解码器，最后生成了一个更小、更快效果更好的蒸馏模型 Distil-Whisper。论文数据写的是：速度提高了 5.8 倍，参数减少了 51%，准确度保持在 99%。 这个模型的效果之所以不错，主要还是得益于训练数据的完备，它结合了九个公开可用的语音识别数据集，合并后包含 21170 小时的语音数据，涵盖超过 18260 名说话者和 10 个不同的领域；自从 Whisper 大力出奇迹（它从互联网爬取了 68w 小时的数据，未公开）以后，相信后续语音领域的论文都会配置更庞大的数据集。 Distil-Whisper 目前开源在 Hugging Face 上，模型地址： Demo： Demo 会把模型下载到本地，然后通过 WebGPU 直接在网页上跑起来，测试了下效果，还是挺不错的。 目前仅支持英文，如果想让它支持中文，需要使用同样海量的中文语料数据，重新做一次知识蒸馏，但我觉得即便是这样做，效果也不一定好，因为 Whisper 本身对中文、韩语等支持就不太优秀，这个信息可以从 Whisper 的论文中找到数据支撑。 下面这个视频是 Whisper 和 Distil-Whisper 的对比效果：show more

卧槽了！ GitHub上居然公开白嫖这种核武器级社工工具！ Storm-Breaker 直接能做到： - 远程实时偷看对方摄像头画面（手机/电脑都行） - 实时监听麦克风，听到周围一切声音 -... 精准GPS定位，告诉你目标现在在哪（智能手机专用） - 无需任何权限直接抓取完整设备信息（型号、系统、IP、浏览器指纹全都要） - 还有OS密码抓取（Win10测试通过）等隐藏功能 想象一下： 发个“看你性格测试”或“紧急视频”的链接， 对方一点你的屏幕上立刻出现： 1. 实时摄像头画面 2. 麦克风监听 3. 精确GPS位置 4. 对方手机/电脑所有设备指纹 操作简单到离谱：运行工具 → 一键生成钓鱼链接 → 发给目标（伪装成“性格测试”“紧急视频”“文件下载”都行）→ 对方一点开，你后台面板立刻全控！ 这个项目用 Python + PHP + JS 开发， 支持本地 + 个人域名/主机部署，还自带 Ngrok 一键外网暴露。 安装超简单（Kali示例）： git clone https：链接 cd Storm-Breaker sudo bash install,sh sudo python3 -m pip install -r requirements.txt sudo python3 st,py （个人主机部署把 storm-web 内容上传 public_html 就行） 严肃警告： - 这玩意儿属于灰色/黑色地带工具，仅限学习研究、红队演练和合法授权测试！ - 乱用违法！侵犯隐私、非法入侵，后果自负，号被封、被抓别怪我没提醒。 - 下载前扫毒，社区很多人说类似工具可能带后门，安全第一！ 懂的自然懂……这年头社工门槛越来越低了。 你们平时怎么防这种钓鱼链接？评论区交流交流（别真发自己用法啊）show more

Telegram 上线了一个挺有意思的能力,叫 Managed Bots 让机器人创建和管理机器人 而且机器人之间能互相聊天了 以前你想要一个专属 AI 助手... Bot，得打开 BotFather、输命令、复制一长串 token、回到开发者网页粘贴、配 webhook，普通人 90% 卡在第三步就放弃了。 现在变成两步：点链接、确认名字。几秒后你的聊天列表里多了一个挂着你起的名字的 Bot 体验上跟以前最大的差别其实是心理感受，公共 Bot 像在用客服，专属 Bot 像有个私人助手。 说话方式都不一样了。 能干啥(脑洞别太小) • 个人 AI 助手:每个用户挂自己名字一个 bot,记忆 / 配置 / 连的账号全隔离 • 客服 SaaS:平台让每个商家一键开一个挂自家品牌的客服 bot • AI Agent 平台:用户点链接就开通,省掉注册下载订阅整套流程 • 内容订阅:每个订阅者一个专属推送 bot,频率内容按偏好定制show more

牛逼，我真没想到，Dethink 居然把 Claude Code、Codex、各种大模型、不同的 Harness 还有 X、抖音、小红书、YouTube、SEO 的实时数据，甚至电商和金融数据，全塞进一个工作台了？？？ 一个窗口解决所有问题，随时切模型、切... harness，支持 BYOK 自己配置模型 Dethink 可以跑通这整个流程： 1、先接 X、抖音、小红书、YouTube、Instagram、Semrush 等实时数据，查趋势、关键词、竞品和用户反馈。 2、然后随时切 Claude、GPT、Grok、Gemini、DeepSeek、Kimi，同一窗口调用不同模型分析、写作、改方案、做图。 3、你还可以直接切 Claude Code 或 Codex 等不同的 Harness，并且同一窗口，前面的文件和上下文还在。 一条内容从找题、研究、成稿到配图，全在一个地方跑完。开发任务也一样，你可以随时切换不同的 Harness： Claude Code、Codex等，还能随时切换不同的模型，比如 Claude 规划、Codex 实现、Grok 来做快速任务...... 这个组合确实有点牛逼，还能稳定使用的 Claude Code / Codex 官方订阅，支持国内支付方式，🔗和优惠码放评论区show more