一句话生成一份完善的 PRD 文件 🪄 含功能规划、技术栈、UI/UX、数据模型、API 集成及开发路线图。

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

在 GitHub 上发现一款完全本地运行的开源 AI 助手：Eclaire，集成了超多 AI 功能。 支持文档、图片、笔记、书签等数据类型的统一管理，并通过本地 LLM... 模型提供问答对话。 同时内置强大的文档处理能力，支持 PDF、Docx、PNG 等多种格式。 GitHub： 除此之外，还有 OCR 文字识别、批量格式转换等 AI 功能。 通过 Docker 一键部署使用，支持 macOS、Linux、Windows 系统，并提供 API 接口，兼容 OpenAI 标准格式。show more

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

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

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

又一个号称 Notion & Miro 开源平替，集成了文档、白板任务、画图和数据库的融合怪，看起来满不错的。 Beesync

由于最近 Vibe coding 的项目越来越多，外加上个人是一个非常不喜欢整理文件夹的人，导致最近桌面非常乱。 于是尝试拿小模型 Qwen 2.5 (0.5B Instruct... 4-bit) 做了一个 macOS 的本地 AI 文件夹整理工具，看着文件自动分类实在是太太太太太爽了。 能生成分析日报，准备继续再小模型的基础上优化分类和查询的功能。做完功能再做 UI 部分，目前是原生 UI 实在太丑了 😅show more

原来 Omma AI 来自新生代 Web 3D 设计与交互工具 Spline Omma是一个用通过对话... 生成 3D 网站、Web App 和交互体验的新工具。 它不只是 text-to-3D，而是把代码生成、图像生成、3D 模型生成和页面部署整合在一起。你可以从一句 prompt 开始，生成 landing page、产品展示页、小游戏，甚至完整的 3D Web 体验。show more

游戏公司玩完了 有人模拟了一款《海贼王》ARPG 游戏。 起初使用 GPT Image 2 生成了一张截图。 提示词为：生成一张受... [电影/剧集名称] 启发的 ARPG 对话游戏截图。 随后使用 Seedance 2 将其扩展成了游戏画面。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

1 一个人走进 AI 生成的巷子，说了句召唤——天上真飞下来一只鹰。🦅 这不就是《盗梦空间》么？ Alaya World 干的就是这种事：一句话、一张图丢进去，实时长出一个能逛的世界。你挪视角，街巷往前展开；走到一半打一句提示词，里面真会跟着变。不是后期特效，是当场生成的。 说个暴论：未来游戏开发可能要变天了——先生成一个可玩的... demo，然后就直接上线了。🎮 我们现在用的 AI，多半还是打字进、文字出，最多再给你一张图、一段视频。看完就结束，你始终站在屏幕外面。 可以这么理解： • 💬 聊天模型陪你说话 • 🎬 视频模型给你放片 • 🌍 世界模型开始给你一个能走进去晃两下的地方 它还不完美，偏研究向，家用电脑也跑不动——别当成明天就能下载开玩的游戏。但代码开源了，主页上 Demo 很多，光看就能明白：AI 下一步可能不只是更会聊天，而是开始撑起一个空间。 想直观感受，直接刷 Alaya Lab 的 Demo，比看任何介绍都快。 1.🐦‍ 召唤火鸟 冷却好了，点火鸟技能。烟尘里冲出一只燃烧的凤凰，双翼一展，脚下黑烟烈焰show more

发现一个上海交大团队出品的大模型实战开源课程，在 GitHub 已经斩获4.6w+ star 内容从零开始设计，不堆理论，每个章节都能直接上手跑代码 内容包含API调用、模型微调、多模态开发一路递进，还专门开了越狱攻防、多模态模型等进阶模块，配套在线实验环境，学完即可实战 适合想系统补齐大模型知识的人

实现0.5秒出图改图 Black Forest Labs 推出亚秒级速度图像生成模型：FLUX.2 [klein] ⚡ 0.5 秒内生成或编辑图像... 🧩 同时支持：文字生成、图像编辑、多图融合功能 💻 消费级显卡即可运行（13GB VRAM 起） 🖼️ 输出接近商业级成品，质量≈ Midjourney V6 🚀延迟降低 5–10 倍，同时保持领先的图像保真度与风格多样性 4B 模型：Apache 2.0 全开源，可自由商用与再训练 9B 模型：FLUX NCL（非商业许可），用于研究与原型开发show more

非常Nice啊，这模型完全免费，Token终于可以自由白嫖了，甚至视频模型都是免费的，太爽了。 它叫Agnes AI，全球模型榜前十，6 月 1 号起把自己家三个核心模型全免费开放了，无限期。图片模型在 artificial analysis 上榜了，文字模型一周被干了一万亿... Token。我把它接进 Claude Code，配起来十分钟的事，Token 随便用。 这玩意到底是什么呢。 Agnes AI 是全球模型榜单前十的一个 AI Lab，这次免费开放的是三个模型，文本、图片、视频。 文本模型叫 agnes-2.0-flash。能写代码，能做知识问答，能跑 Agent，能规划复杂任务。在 Claw-Eval 智能体评测榜进了 Top 10。说真的，这周它还要上 1M 超长上下文，以前用 200K 的模型跑到 150K 就降智，这种破事不用再忍了。 图片模型叫 agnes-image-2.1-flash。图改图、多图融合、换背景、改文字、图像修复，电商主图和广告素材这种反复改的场景，太合适了。最近还加了 4K 超高清输出，最高 4096×4096，生成的图可以直接进印刷，不是那种看着还行一放大就糊的草稿。 视频模型叫 agnes-video-2.0。原生音画同步，首帧生视频、首尾帧生视频、多镜头切换都支持，720P 和 1080P 随便选。 接进 Claude Code 怎么搞，其实很简单。 第一步，去 注册，拿到 API key。 第二步，打开 cc-switch。右上角选 Claude CLI，右上角点 + 号，选自定义配置。把 API key 填进去，请求地址写 格式选 OpenAI Chat Completions。 第三步，点获取模型列表，选 agnes-2.0-flash。 第四步，点左上角设置，找到路由，打开路由总开关，Claude 打开。 完事。 回到 Claude Code 正常发消息，模型就已经切过去了。我试了一个在酒吧吉他弹唱的视频，和真人区别不大。 现在 Token 不要钱，Agent 该跑几轮跑几轮，该拆几步拆几步。反正我觉得这才是免费开放最爽的部分，不只是省钱，是心理上解放了。 我测试了一下视频模型，能用，就是慢了点，文字模型还是比较快的。 开发者文档在 OpenClaw、Hermes、Claude Desktop 的，也有现成教程。show more

3D 圈的人看到这个应该会沉默几秒 3D 模型再次进化 Hyper3D 这个 BANG to Parts功能有点牛P... 你丢给它一个完整的 3D 模型，AI 会自动帮你把它拆解成一个个独立的、完整的的3D零件 也就是可以将任何完整的 3D 模型自动拆解成多个3D的零件 拆好的零件可以直接用来做动画、改材质、甚至去 3D 打印 这能帮 3D 设计师省下大把“手动擦屁股（清理模型）”的时间 更狠的是：拆完还能接着拆 整车 → 拆出车轮 → 车轮再拆出轮毂、轮胎、螺丝。 理论上你想拆多细拆多细。 而且每个零件都是独立完整的 3D 模型：单独换材质、单独改形状、甚至单独重新生成一个新的换上去 3D 模型第一次变成了“乐高”，而不只是“手办” 还有一个关键点是：拆出来的每个零件都是完整、独立、可编辑的 3D 模型。换材质、改造型、缩放变形、甚至整个重新生成一个换上去,都行 借助目前Codex和Claude code的强大能力，打造一个 3D 模型/开发工作流，非常牛Pshow more

✨科学界迎来新变化：阿里开源首个统一科学语言大模型 阿里通义实验室（ATH-Token Foundry） 联合中国人民大学高瓴人工智能学院， 刚刚开源了 LOGOS — 一个尝试用同一套科学语法处理多领域科学对象的生成基础模型。 核心亮点：... - 预训练数据约 44.87B tokens，覆盖7类科学模态。 - 提供 1B、3B、8B 等规模模型，其中1B参数版本在多个任务上展现出较好的参数效率。 - 无需显式3D几何网络，直接通过序列建模实现生成。 - 完全开源：模型权重 + 推理代码 + 技术报告。 核心价值： - 用同一套模型 + 同一套科学语法， 统一处理原本需要多个领域专用模型的任务（蛋白质、分子、材料、反应等）。 - 参数效率高（1B版本就能在多个任务上表现出色）， 降低科研门槛，让AI辅助从预测转向生成设计。 它把蛋白质、抗体、小分子、化学反应、 材料以及界面互作等异构对象，全部统一编码成离散Token序列，用纯自回归方式进行跨领域生成。 这为AI for Science提供了一个新的统一框架思路，值得相关领域的研究者和开发者关注和测试。show more

听说短剧公司都在搞Minimax H3 本地版 这是视频生成的 Deepseek 时刻 音视频同出，中国的蒜真的不一样 这蒜力，拿来做口播，要起飞 口播的几个流派：... 1. 不露脸 2. 嘴唇模型，分本地和线上 3. 专属数字人模型 4. 视频生成模型 接下来我口播的一个最后的版图，就是使用音视频同出的模型去做数字人，看看接下来能不能保持人物的一致性，应该问题不大。show more

几年前元宇宙火爆，在字节做过3D虚拟人。 那时做一个东西，要协调建模师、绑骨师、贴图师……实在崩溃。 刚试了下 Rodin Gen-2.5，一张图就能生成 3D 资产，太方便了！ 一键下载 obj、fbx、glb等源文件和贴图资源，可以导入到3D软件继续编辑。... 据说 Rodin Gen-2.5 是全球首款实现千万级面数的 3D 生成模型，用了原生 3D 贴图算法，材质纹理超精细，有点遥遥领先。 对游戏、动画、影视等产业来说，这种AI模型产品，是真 · 生产力工具。show more