LongWriter 是一个由清华大学数据挖掘研究小组（THUDM）开发的开源项目 旨在让LLMs生成超长文本 LongWriter解决了LLMs生成内容的时候容易出现上下文不连贯或信息重复的情况 同时能在不到一分钟内，生成超过 10000 字，甚至20000 字连贯性、结构合理且逻辑清晰、条理分明的超长内容。 LongWriter是通过一种基于代理的“计划-写作”方法，将复杂的长文本生成任务分解为多个子任务，每个子任务只需生成一段文本。... 这种方法确保生成的每一段内容都是连贯且高质量的，最终合并为一个完整的长文本。通过这种方式，即使是现有的模型也可以生成超过20000字的文本。 详细介绍： GitHub： 在线体验：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

Seedance 2.0 可以从任意小说文本生成视频 你只需要复制小说文本就行，什么都不需要提供 而且还可以通过延长能力不断添加延长新的文本继续生成 延长的视频可以跟之前的保持运镜、人物和环境的一致性 以后每个小说估计都会变成短剧视频，短剧甚至可以跟小说文本同步更新

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

这个方法重要啊！生成一致性更好的长视频，解决长视频上下文难题！Test-Time Training 为解决当前 Transformer 架构依旧难以生成长达一分钟的视频（自注意力机制在处理长上下文时的低效所导致），研究提出了新的 Test-Time Training 层，其隐藏状态本身可以是神经网络，因此比传统层更具表现力，从而实现更具一致性、自然度和美感的长视频生成 项目页（视频来自此）：... 论文： 代码：show more

🔥通过Claude Skill调试脚本，然后用Seedance生成，我之前基本是用Gemini的Gem来完成这些任务，现在试一试Claude，发现它的理解能力和遵循力还是不错的。 👺感受一下这个高速运镜的效果！

谷歌也发布了一个根据输入图片和音频就能生成对应人物讲话视频的项目VLOGGER。看起来没有阿里那个自然。 项目简介： 它可以根据一张人物图像,生成由文本和音频驱动的说话人视频。该方法建立在最近生成式扩散模型取得成功的基础之上。 VLOGGER 包含两个关键组件: 1) 一个随机的人体到 3D 运动的扩散模型;... 2) 一个创新的基于扩散的架构,通过时间和空间控制来增强文本到图像模型的能力。 这种方法可以生成高质量、可变长度的视频,并且可以通过人脸和身体的高级表示进行便捷控制。 与之前的工作相比,我们的方法具有以下优势:不需要为每个人单独训练模型;不依赖人脸检测和裁剪;能生成完整的图像(而非仅限于脸部或嘴唇);适用于广泛场景(如躯干可见或身份多样化),这对于正确合成具有沟通能力的虚拟人至关重要。 项目地址：show more

炸裂： 谷歌刚刚将 Gemini 变成了一个成熟的 AI 学校系统。 教师现在可以为学生分配 AI 专家。... 学生可以自动生成测验和图文解释。 在 Google Workspace 教育版中，这一切都是免费的。 这是刚刚删除👇的内容show more

又发现 GitHub 上一款开源强大的文本转语音工具：Abogen。 能快速将 ePub、PDF 或文本文件转换成高质量音频，并生成匹配的字幕。 GitHub： 主要特性： -... 支持 ePub、PDF、TXT 多种文件格式输入 - 基于 Kokoro-82M 模型生成自然流畅语音 - 自动生成时间同步字幕文件 - 内置语音混合器创建个性化声音 - 支持多种语言包括中文、英文、日语等 - 批量队列处理多个文件 提供 Windows 一键安装器，同时支持 pip 安装和 Docker 部署方式。show more

分享 GitHub 上一款能自动生成 Cursor 高质量的 MDC 规则文件开源工具：MDC Rules Generator。... 利用 Exa 语义搜索和 LLM 技术，自动收集各种库的最佳实践并生成结构化内容，还支持并行处理和进度跟踪，简化 Cursor 规则创建过程。 GitHub： 主要功能： - 为各种库自动生成全面的 MDC 规则文件； - 使用 Exa 语义搜索智能收集最佳实践指南； - 利用 LLM 创建详细、结构化的内容； - 支持并行处理多个库，大幅提高效率； - 智能跟踪进度，允许随时恢复中断的任务。 通过克隆代码到本地，安装依赖并配置 API 密钥即可使用，正在使用 Cursor 同学可以看下。show more

做自媒体之后，我的下载文件夹，基本长期失控。 素材、品牌资料、截图、PDF 全堆在一起。 今天要交付内容时，我打开文件夹—— 80 个文件，完全炸了 于是，让 AI 接管了我的电脑... 80 个文件， 3 分钟， 1 句话整理完成。 没有插件。 没有脚本。 没有写一行代码。 我只做了这一件事： 打开 EasyClaw 👉 输入一句话： 「“整理我的下载文件夹，按类型分类、重命名、删除重复文件，并生成整理报告”」 然后它开始自己工作： ✔ 自动识别文件类型 ✔ 读取创建时间 ✔ 批量重命名 ✔ 自动建文件夹 ✔ 清理重复文件 我没有拖动一个文件。 这不是“文件整理”。 这是—— AI 直接接管操作系统。 2026 年， 不会写代码的人， 也可以做自动化。show more

.PARTI的定位是一个基于Web3的创作者经济平台，把内容发布、NFT铸造、粉丝互动等功能放到同一个入口，帮助创作者在链上完成从作品生成到出售的一整套流程，平台提供了基础的NFT创作工具，你可以直接在站内生成数字作品、铸造成NFT并上架出售，也支持使用内置的AI功能来快速完成一些内容产出，降低创作门槛，平台目前已经上线token-gated能力，创作者可以用NFT作为通行证来设置粉丝专属内容，不论是私密帖子、社群访问，还是数字藏品，都能通过链上资产来实现粉丝分层和私域构建，在资金流方面，Parti强调去中间方和链上自托管，创作者的收入（例如 NFT 交易的款项）会直接进入自己的钱包，不过需要注意的是，生态仍在早期，交易量与用户规模还不算大，因此100%即时到账更多适用于单笔链上支付，而非大规模结算体系，在费用部分，Parti宣传低费甚至零费激励，确实降低了创作者的使用成本，但可持续性仍取决于项目后续的经济模型与用户增长，总体来说，Parti想构建的是一个让创作者直接和受众连接、减少中间抽成、提高收益占比的Web3创作平台。它确实提供了内容创作+NFT销售+token-gated社群的一体化能力，但整个生态还处在发展阶段，平台人气、流动性、衍生收益等方面需要时间成熟，所以更适合作为一个探索型工具 —— 让创作者提早布局Web3内容变现的可能性，而不是立刻成为高收益创作者的捷径 #Parti

用 Claude Skills 创建一个简单的 Agent 真的太简单了 人人都能创建自己的 Agent 大军，我这里搞了一个... Nano Banana Pro PPT 生成 Skills 基于任何文档生成 PPT，支持风格选择、页数自定义 生成后会导出图片文件以及帮你生成一个全屏预览的网页 也可以作为整个图文混排 Agent 体系的一个部分show more

玩币的过年坐小孩那桌！ 截止目前，上证连着第18个阳，反观加密近30天的恐惧指数有28天低于40。 有这样一种感觉：你打开一个新的应用，点了几下，突然发现——“嘿，这比我想象中顺手多了！” 真正让人愿意重复进入一个产品的，并不是一堆炫酷的功能，而是细节上的 “无感优化”、行为路径上的 连贯性提升。这些项目正在悄悄做的，正是这种让体验变得自然的改进。 Spaace 🟠 —... NFT 不只是市场，而是用户体验的“积木场” Spaace 走得不是那种一次性爆发交易量的路线，而是在逐步把 NFT 交易转变为一种可持续参与的行为链条。在它的生态里，每一次挂单、浏览、任务参与不仅能获得奖励，还会形成一个更连贯的用户轨迹。你不再是“来一次、走一次”的游客，而是一个在生态里慢慢“成长”的参与者——这让 NFT 使用不再像一笔单一操作，而像一个可以反复进入、反复体验的互动空间。 Veera — 让链上入口变成你愿意点开的“探索入口” Veera 的方向并不只是做一个钱包，它试图把 Web3 的入口从命令式的“按钮堆栈”变成一种更像信息流的自然浏览感。你打开它，不是看到一墙按钮，而是像打开一个可以滑动、查看和探索的界面。这种把“入口”变成“探索空间”的思路，让用户从“被迫了解复杂操作”转向“顺手发现有趣内容”的习惯性行为，这对提高留存和用户连续参与是非常重要的一步。 MagicBlock ✨⬜ — 把实时体验和可扩展性带到链上应用 MagicBlock 是一个基于 Solana 的实时执行引擎，目标是让链上应用具备Web2 级的交互性能，并且保持去中心化的安全性。它使用 Ephemeral Rollups 技术，在不拆分状态的前提下提供极低延迟、几乎零手续费的执行环境，这适合实时游戏、DeFi 以及需要高频交互的场景。其设计让开发者不再为性能牺牲链上特性，同时也极大提升了用户“无延迟感”的体验可能性。 除了技术本身，MagicBlock 还在孵化器层面发力，吸引开发者来构建更具创意和实时性质的应用，这让生态不仅是底层引擎，更成为创新场景的催化器。 Altura — 资产不再只是标签，而是可调用的“行为构件” Alturax 的核心变化在于，它让链上资产具备更强的生态参与能力：不是只有买和卖的逻辑，而是一种资产在不同协议与玩法之间调用的能力。资产不再是静止的符号，而是可以参与多种逻辑、被策略调用的构建块。这种思路让资产在链上进一步融入生态协同，而不是只能在市场上看价格。 Konnex — 把现实世界的任务纳入链上协作图谱 Konnex 的有趣点在于：它不单是一个链上协议，而是试图把现实世界的不确定性直接带进链上。在它的构想中，机器人、自动化系统和协议之间可以协作，通过链上可验证的数据完成现实任务的结算 —— 使得现实世界的执行与去中心化结算建立起一种可验证的信任。 这是 Web3 往现实落地迈出的一步，不再把链上交互限定在数字资产，而是融入实体世界的执行逻辑之中。show more

把 design-dna 的 skill 开源了，现在你可以把你喜欢的风格通过这个 skill 转为 json 的风格文件。再把你的内容（文本... / 素材）丢给 ai 就能将你的内容变成对应的风格 安装 npx skills add zanwei/design-dna 测试结果如下，在两次 prompt 内完成👇show more

Gemini Omni：全新视频模型。 看这个视频模型演示，最惊奇的不是画面清晰度，而是黑板文字的连续性。 过去 AI 视频最容易露馅的地方，就是文字。 第一帧还能看，镜头一动，字母开始融化，公式变成乱码，黑板像被梦境污染过。 但这段演示里，粉笔书写、手部运动、黑板痕迹和公式结构，在时间线上保持了相对稳定。 这意味着... AI 视频正在跨过一个很关键的门槛： 它开始不只是生成每一帧好看的画面，它开始维持一个连续世界。 人、手、粉笔、公式、黑板，不再是随机拼出来的视觉碎片，而是同一个场景里持续存在的对象。show more

作为国内最早开始在浏览器Agents上发力的智谱又整了一个大活 发布了AutoGLM沉思，支持在推理过程中多次搜索，而且还具备操作你浏览器自主检索内容的能力 可以想象为一个成本更低而且可以访问更多信息的Manus 下面是具体的介绍和使用方式👇

今天大家都约会跨年了吧？是不是饭店爆满？酒店爆满？至于我还在一线奋斗吗？ 如果回到最底层去看区块链，其实它只解决了一个问题。 程序是不是按照约定执行了。 EVM 时代，这个问题的答案是，用全网重复执行来换确定性。 所有节点跑一遍同样的程序，用资源浪费换信任。 但这个模型一旦遇到复杂程序，就开始崩。 状态越复杂，成本越高。 逻辑越多，执行越慢。... ZK 的出现，并不是为了让链更快，而是为了换一种证明方式。 不是你跑过，而是你能证明你跑对了。 问题在于，大多数 ZK 系统，只解决了证明问题，没有解决编程问题。 开发者写的依然是“执行逻辑”，只是最后被翻译成电路。 而 Miden 真正不一样的地方，在于它一开始就假设。 程序不是给机器跑的，是给人验证的。 这就是为什么 Miden 要单独设计一套 VM。 不是因为 EVM 不够好，而是因为 EVM 从来不是为可证明性而生。 Miden VM 的核心不是 Gas，不是吞吐，而是可组合的证明语义。 每一段程序，在设计时就已经被拆解成可以被证明的最小单元。 你写代码的时候，不是在思考执行顺序。 你是在定义一条可被验证的状态转换路径。 这听起来抽象，但它会直接改变开发者的行为方式。 在 Miden 上，状态不是默认共享的。 状态是本地的、私有的、按需提交证明的。 这意味着什么。 意味着你不再被迫把所有中间状态暴露给链。 你只需要在关键节点，证明结果成立。 这对应用层的影响非常大。 比如钱包逻辑。 在传统模型里，账户状态是公共的。 余额、nonce、授权路径，全在链上。 在 Miden 的模型里，账户更像一个本地程序。 你控制状态。 链只验证结果。 这让很多过去“不可能”的设计，第一次变得合理。 比如复杂账户抽象。 比如多步条件执行。 比如带隐私的业务逻辑。 更重要的是，这套模型天然降低了应用复杂度对链的压力。 在 Miden 上，复杂性不会扩散。 你写复杂逻辑，只会增加你自己的证明成本，而不会拖慢全网。 这和 EVM 体系是反的。 EVM 的复杂性是外溢的。 一个复杂合约，会影响所有人。 Miden 的复杂性是内收的。 复杂度由使用者自己承担。 这背后其实是一种非常明确的价值取向。 让写复杂程序的人，为复杂性买单，而不是让整个系统为其兜底。 这也是为什么 Miden 更像一台操作系统，而不是一条普通公链。 它不是在堆功能，而是在重新划分责任边界。 链负责验证正确性。 程序负责证明自己。 当你站在这个角度看，就会明白 Miden 为什么不急着追 TPS。 也不急着推生态数量。 因为它赌的是一个长期趋势。 链上程序一定会越来越复杂。 而复杂程序，必须有更强的可验证结构。 如果你只用 Miden 来写简单合约，那你感受不到它的优势。 但一旦你开始尝试写有状态的、长期运行的、需要隐私的逻辑。 你会发现，传统模型根本撑不住。 所以 Miden 的真正目标用户，不是短期应用开发者。 而是那些想把“业务逻辑本身”搬到链上的团队。 当链不再只是结算层，而开始承载程序可信度。 Miden 这种设计，就会显得非常超前。 这也是我对 Miden 的核心判断。 它不是为当前周期服务的链。 而是在为下一代链上程序，提前搭好运行环境。 在 ZK 赛道里， 速度会被追平，成本会被压低。 真正拉开差距的，只会是编程模型本身。 而 Miden，走的是一条非常少有人敢走的路。 从源头重写规则，而不是在旧规则上修补。 Miden #Miden #KAITOshow more

给大家分享个开源项目和一点思考 💡 gitpodcast 可以把 GitHub 仓库转成播客和 Slide 预览，很有意思！ 我看了代码写的简洁优雅，前后端都开源出来了。... 是不是可以基于这个项目，开发AI听新闻/RSS/博客类产品。 把文字内容，甚至博客新闻变成有声内容，再加入高质量的中文音色？ 你有什么奇怪的想法么🫢show more

大半夜体验完 Manus AI, 达到了今天的使用限制，说一下自己的感受🧵 整体来讲，真的很强大， 主要体现在 Manus 能够： 🔧展示完整的推理逻辑，有个... Manus 电脑的东西为你呈现所有过程和进展； 🏗️调用各种API 协同完成任务； 📃最终非常实际的交付给你一个可用的文件。 🌟「真正能干活」的AI Agent，这个定位真的太准确了。 以下是一些实例： 1️⃣基础任务完成度高 比如最近日本可以看樱花了，整理一个具体的旅行清单包括日程、推荐景点、住宿、交通等等； 家里领导喜欢看红楼梦，梳理一下红楼梦的人物关系。 以下是分别让他做的一个 pdf 文档和可以互动的网页，完成度是真的很高，不过人物关系上有一点小错误，无伤大雅。 其他比如让他阅读视频给到总结，甚至让他剪辑播客都是可以的（只是效果不太好）。 但是我尝试让他给我画一些图🗺️，这方面还有所欠缺，给到的理由是第三方 API 接口出错。同时网上说她可以做ppt，确实是可以的，但是能做ppt的工具都存在一个共同问题，逻辑还行，但就是丑。所以“美术”相关工作我理解还是做不了的。 另外，他是一个完成特定任务的助手，不要把它当作聊天机器人，不然他每次跟你聊天都要思考十几分钟，真的很难受。 2️⃣测一测他懂不懂Web3 给了两个任务： a) 我们今天发了一个depin的研报，花了一个多月，自认为还行，让他给这个研报评分，并且给到其他更好的文章推荐。 我们的depin报告如下 他给到的内容如图3，更详细的评价文档我传了一个Google 链接，放在最后了，各位可以自行查看（包括前面的红楼梦人物关系图）。 整体来看，他快速学习和阅读了大量 web3 depin 的报告，并且从多个维度给出了我们报告的评价，以及推荐的其他报告和对应的评价。 b) 假设我是一个 交易所cmo，如何做华语市场的传播策略，包括华语媒体和华语kol的整理和评级。很遗憾，我已经等了一个多小时他还没思考完，如果明天有结果，我也会传到Google link里。（Manus 可以离线、多任务思考，所以可以同时开启多个任务，或者关机后之前的任务仍然会运行） 不过我看到了他的实时分析过程，在阅读各个媒体、kol 的官网文章，历史推文等等，形成自己的分析。见图4 所以我理解在他的大脑里是有 web3 内容，并可以实时学习的。 3️⃣除了懂，他能否与 Web3 交互 以上的推理其实都和 Web3 没有实际关系，我更关心他能否拿到链上数据，甚至能够交互。比如是否知道 $SOL $ETH 能在哪些地方质押，收益如何等等，还有一些深入的分析问题。 很遗憾，今天的使用次数达到限制了。明天再说吧👋 -------------------------------------------- 等待 Manus 思考结果的时候，我也看了一些其他的博主评价和官方的介绍，我觉得有一点说的很好： “没有开源，就没有 Manus AI” 从一个体验过多个AI产品的小白角度，我其实觉得 Manus 会这么火爆的原因主要在于：调用了多种 API 接口，配合自己的推理算法最终呈现了一个很好的产品。 这让我想到 ai16zdao 每周都有新的人贡献 plugin(比如 微信，deepseek)，让这个网络不断壮大； Virtuals Protocol 通过打通 agent 得底层框架，形成 agent 经济体；还有 Hey Anon 不只是有链上数据，还能直接帮你交互等等。 某一天，web2 和 web3 的 AI 产品肯定会更加紧密的相互协作，并出来几个不错的case。 最近有一些 betting 的产品已经初现端倪。 Manus 也会开源自己的能力，为了更大的 AGI 世界。 如果真到了那一天，我就真的要失业了🥲 ( Google drive 素材链接：show more

这位推友分享了使用 Cursor 的时候添加的一个实用的 Cursor Rule，Agent 生成代码的时候让 Claude 添加一个类似 R1... 的 thinking 过程（当然原理不一样），包裹在一个 thinking 的 tag 当中，从三种解决方案里面选最合适的一种，确实是一个特别棒的技巧，我亲自测试了一下，效果很不错，非常实用，可以看我的测试视频，推荐给大家。 文字版提示词提供给大家：show more