我超，牛逼！ 目前最大的开源CAD操作数据集放出来了，超过1000小时。 Markov Labs发布了面向Computer-Use的CAD数据集，覆盖SolidWorks、Siemens NX、AutoCAD等主流软件。 内容包括屏幕录制、鼠标键盘操作、输入图纸、输出文件、评分标准和旁白讲解。 专业CAD软件操作复杂、界面密集，以前很难找到足够规模的真实操作数据来训练Agent。 现在有了上千小时的开源数据，做能真正操作CAD的GUI Agent有了更扎实的基础。... 当工业软件的操作轨迹开始被大规模开源时，Agent进入专业设计工具的速度会加快。 你觉得CAD会是下一个被Agent深度攻克的专业软件领域吗？ 地址：show more

CAD 1000 Hours：最大的开源 CAD 数据集 工程师或者设计师在电脑上画建筑图纸、做机械零件3D模型时，操作非常复杂。为了让AI学会像真人一样使用这些专业设计软件，创作者录下了工程师真实的电脑操作过程，把视频、鼠标点击、键盘敲击动作全部完整记录了下来。 数据量大：包含了超过 1000 个小时的真实电脑操作录像，总共涵盖了... 597 个不同的完整设计任务。 软件覆盖全面：包含了 10 款主流画图和建模软件，比如画建筑和零件最常用的 AutoCAD、做机械设计的 SOLIDWORKS、做房屋建模的 SketchUp （牛来电影就是用这个做的）等。 细节丰富：每一个任务不仅有屏幕录像，还精准记录了每一秒鼠标点在哪里、键盘按了什么，甚至配有文字解说，告诉AI“这一步设计师在干嘛”。 前后对照清晰：每个案例都提供了最初给设计师的任务说明、参考素材，以及最后做出来的成品文件和评分标准，方便AI对照着学习。 数据集：show more

「Autodesk 掀桌子 百万级 3D CAD 可执行数据集开源」 这可能是 2026 年工业... AI 领域最重要的基础设施。Autodesk 终于把一直锁在私有数据库里的「建模逻辑」以一种极客的方式释放了。 核心要点 - Zero-to-CAD 数据集包含约 1,000,000 个 3D CAD 序列 - 每一条数据都是可执行、可读、可编辑的 CadQuery (Python) 代码 - 涵盖拉伸、旋转、圆角、阵列等全套工业级建模指令 - 采用 Agent 闭环生成机制 确保 100% 几何逻辑合法 以前 AI 学 CAD 像在猜谜（只有导出的结果文件） 现在有了这本「Python 版建模百科全书」 AI 终于可以像人类工程师一样 顺着逻辑写出真正可用的工程图纸。 关注 谁是藏镜人 只看有深度的 AI 工程解读。show more

🔥 Cloudflare 开源黑科技来了！ 给你的 AI Agent 一台真正的电脑 👾 cloudflare/computer... 让 Agent 拥有持久化文件系统 + 可切换执行环境： ✅ 完整 Linux 容器（真实二进制 & 网络） ✅ 闪电 Isolate Shell ✅ 隔离 JS 运行时 读写文件、跑命令、用 Git、发布项目……全在 Durable Object 里搞定！ Agent 不再只是聊天机器人，而是真正会“操作电脑”的数字员工 免费开源已上线 #Cloudflare #AIAgents #开源 #DurableObjectsshow more

有人靠金融市场模拟，在链上赚了 $400,000 而且用到的整套工具，都是 GitHub 开源 能看到的钱包在这，自己点开看： 他们做的不是 crypto 原生叙事... 而是拿 Russell 2000、Dow Jones、SPX、Apple、Google 这些传统金融标的来做 Polymarket 交易 问题也很现实： 这些数据平时都在大型中心化交易所里。 你怎么拿？ 拿到之后又怎么处理，才能真的变成可交易模型？ 这套公开出来的技术栈，大概是这样： 1）Financial Datasets MCP Server 给任意 ticker、任意时间周期提供价格数据解析。 核心卖点就是：免费真实数据。 GitHub： 2）MiroThinker 一个偏深度研究和预测的 agent。 据说在 BrowseComp benchmark 上做到 88.2。 特点是： 长周期推理 先验证再下结论 步骤级 + 全局级校验 单任务最多可调用 300 次工具 它的作用不是直接下单。 而是先通过 MCP Server 拉数据， 把研究、清洗、验证这些环节跑完， 最后整理成可以直接用于模拟的数据集。 GitHub： 3）MiroFish simulation system 把前面准备好的数据丢进去， 再设定模拟参数， 就可以开始跑价格行为模拟。 本质上，它卖的不是一个指标。 而是一种更接近“矩阵视角”的东西： 价格在不同条件下会怎么动 哪些路径更常见 哪些定价其实偏离了历史结构 整个流程串起来就是： 拉传统金融历史数据 → 用 agent 做研究和数据整理 → 把数据送进模拟系统 → 再拿结果去打 Polymarket 上的相关市场 这种玩法最值得看的，不是“开源”两个字 而是它说明了一件事： Polymarket 上很多看起来像事件交易的东西，背后其实已经在被人用传统金融数据 + agent 研究 + simulation当成量化问题来做。 你觉得这种 edge 的核心，更像是数据获取能力，agent 研究能力，还是最后那层 simulation 对市场行为的还原能力？show more

🤣来了朋友们！！！现在可以用 AuraSR 在 ComfyUI 中放大视频了！ AuraSR in ComfyUI 插件已上线！优化了模型加载和自动配置文件，可以同时... 4x 高清放大图像和视频 AuraSR：基于 GigaGAN 的 4x 开源超分模型，速度快，对细节较好的放大效果好！ 项目地址（已含工作流）：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

炒美股的兄弟们有福气了。龙哥找了一个开源软件，胜过彭博。 彭博终端一年订阅费够买辆二手车，FinceptTerminal零元。 这不是玩笑。彭博那玩意儿起步价两万美金一年，专业版往二十万走。普通散户、刚起步的量化团队、小型投资机构，基本被这个门槛挡在外面。 FinceptTerminal 干的事就一个：把这堵收费墙拆了。 2.7万星，纯 C++ 写，说明不是花架子。打开终端，股票、期货、外汇、宏观数据全在一个界面里，不用切来切去。行情实时刷新，技术分析工具直接能用，想跑量化模型也行，不是那种只能看 K... 线的半成品。 几个实在的亮点：。 数据覆盖广。美股、欧股、亚太市场，外汇和大宗商品都进来了，宏观指标也能拉。不是只盯一个市场的玩具，是真的能当工作台用。 交互式探索。看数据不是死盯屏幕等刷新，可以自己下钻，点开某个行业、某只股票、某段时间，层层扒下去，找到你想看的那个数字。 开源免费。代码全在 GitHub 上，想改就改，想集成进自己的系统也行。彭博打死不让你碰它的数据接口，这个反过来。 举个场景。你想研究美股科技板块最近一周的资金流向，打开 FinceptTerminal，调出行业列表，点进科技板块，叠加宏观指标和个股资金数据，一套下来不用切软件、不用导 CSV、不用手动算比例。 安装也不麻烦，GitHub 上有详细说明，Linux 和 macOS 都支持。 金融圈一直有个怪现象：干活的人用的工具最贵，最需要数据的人反而买不起数据。这种开源项目能跑出来，说明大家真的受够了。 不是要替代彭博，专业机构该买还是买。但对于还在摸索阶段、想认真研究市场、但预算有限的人来说，这玩意儿就是真香的答案。 有兴趣的去 GitHub 翻代码就知道了。show more

今年三月底在 Let's Vision 上介绍了我们正在做的让 agent 参与 mobile 开发自主验证的一些微小工作。现在终于可以把其中一部分我们日常使用的工具开源了。 sim-use... 是让 AI agent 能看到模拟器/设备的屏幕并操作它的命令行工具。一条命令把整个屏幕变成 agent 能理解的紧凑表示，再一条命令点击任意元素，以完成验证循环。iOS Simulator 和 Android 通用。 Plan, code, verify, ship — verify 这一环现在可以交给 agent 了。欢迎大家试用/加星/反馈/一同改进！show more

前几天在推特刷屏的基于LCM和SDXL Turbo每秒生成110张图像的项目居然开源了， 有想做相关实时图像生成产品的可以关注一下。 StreamDiffusion是一种扩散模型管道，主要是为了实时图像生成服务的，为实时图像生成提供了显著的性能增强。 支持的模型和输出帧率： ◆SD-turbo，1步，t2i每秒帧率106，i2i每秒帧率93。 ◆LCM-LoRA+KohakuV2，4步，t2i每秒帧率38，i2i每秒帧率37。 主要特点： ◆通过高效的批处理操作实现了数据处理的流程优化。... ◆改进的指导机制可以最大程度地减少计算冗余。 ◆通过先进的过滤技术提高GPU利用效率。 ◆有效管理输入和输出操作，以实现更顺畅的执行。 ◆优化缓存策略以加速处理。 ◆利用各种工具进行模型优化和性能提升。 项目地址：show more

卧槽，感谢前端哥，又学到了一个拥有28.7K开源小可爱 Herdr 。它是目前仅有18M的Rust终端，装上它可以让你轻松放羊了。 之前一直在用tmux，初步上手感觉我的tmux可以丢到垃圾桶了，tmux 拥有一套完整的键盘快捷键体系，而 Herdr 在设计上选了鼠标优先的路线。从分屏、调高宽到标签页切换，全部支持可视化操作。同时 Herdr 依然保留了快捷键机制。... 同时 Herdr提供了开源的skill，可以让你轻松管控一大堆Agent，比如Claude Code、Codex、Grok Build、OpenCode等等，而且使用herdr可以让各个Agent之间轻松实现相互的通信。 最后，他目前也支持window，评论区我放上开源项目地址和视频酷炫终端使用指引，有兴趣的可以试试看show more

最近我用了 Grok Bot 一段时间，这是我最近最喜欢的 Agent 产品之一。 原因甚至不是 Grok 有多聪明。... 是它真的有一台自己的电脑。 AI Agent 的最终形态，其实就是给 AI 发一台电脑。 xAI 给 Grok Bot 配了一台持续存在的云电脑，里面有浏览器、文件系统和终端。登录状态、文件、浏览器 Session 都会留下来，你把电脑关了，它也可以继续干活。 听起来只是一个产品功能，实际用起来，我觉得它把 Agent 的体验往前推了一大截。 比如我每天都要刷 X。 以前让我用 AI 帮忙看 X，工作流通常是这样的： 我刷到一条东西，复制给 AI；AI 觉得有意思，我再去找原帖；再开几个链接；再把资料复制回来；让它查证；最后再让它帮我写。 AI 干了很多活，但真正操作互联网的那个人一直是我。 Grok Bot 让我第一次很自然地把这部分也扔掉了。 我直接在它那台电脑上把 X 登录好，然后告诉它去刷我的 timeline，看看今天大家在讨论什么，发现有意思的东西就点进去，把原帖、引用、相关讨论都看一遍，再去外面查资料，最后觉得值得写的，帮我整理成帖子。 它就真的去操作浏览器了。 网页没有 API 没关系，没有 MCP 也没关系。只要人能打开网页、登录、点击，它就有机会自己完成。xAI 自己对 Grok Bot 的定义其实也很明确，它可以登录并使用网站和 App，用 computer use 处理那些没有干净 API 的软件。 这才是 Agent 真正重要的一步。 过去一年大家一直在给 Agent 加工具，Search、Browser、Code、MCP、Connector… 工具越来越多，可我的体验经常还是我才是所有 Agent 背后那个最累的 Agent。 我同时开着好几个 AI。这个查资料，那个写代码，另一个做图，还有一个跑 Deep Research。 A 做完以后我复制给 B，B 做完以后再扔给 C。 名义上我有一支 AI 团队，实际上我是这支团队里专门负责复制粘贴、开网页和催进度的项目经理。 Grok Bot 有一个特别戳我的能力**，它甚至可以去操作另一个 Agent。** 我可以在它的浏览器里登录其他 AI 产品，然后告诉 Grok Bot 这个任务你去交给它。 等它跑完，把结果拿回来，然后继续完成后面的事情。 到这里整个关系就开始发生变化了。 以前是我管理五个 Agent。 现在我开始尝试只管理一个 Agent，然后让它去管理剩下几个。 而 Grok Bot 本身也支持多个 Bot 协作，它们可以互相发消息、传递上下文、交接任务，同时共享用户的云电脑、文件和登录状态。 我觉得这才是真正让我兴奋的地方。 过去我们把 Agent 想成一个会调用很多工具的模型。Grok Bot 给我的感觉，更像是第一次给 AI 分了一张办公桌。 电脑在那，账号在那，浏览器开着。有什么事情直接发消息给它，它自己去开网页、找东西、操作软件、叫别的 Agent 干活。 这和在聊天框下面再塞十个按钮，完全是两种产品感受。 只要 Agent 真正获得了电脑，它能接管的就不再是一两个 AI 功能，而是今天已经存在的整个软件世界。 几十年来所有软件，最终都默认一个前提是屏幕前坐着一个人。 现在这个人，第一次可以不是我了。show more

黄仁勋在GTC台湾大会又点名了8家软件公司，AI智能体不是掘墓人而是送钱人！ 被老黄点名的8个方向赶紧看过来 👇 1. 楷登电子 Cadence $CDNS 做芯片设计EDA工具的龙头，英伟达、AMD等背后的设计发动机。 2.... CrowdStrike $CRWD 全球网络安全SaaS龙头，AI Agent进入企业后安全需求爆炸式增长。 3. 达索系统 Dassault $DSY 工业仿真与3D设计软件巨头，航空、汽车、制造业核心工具。 4. Palantir $PLTR AI数据分析与决策平台龙头、政府与大型企业数据中枢。 5. SAP $SAP 全球企业ERP霸主，掌握财务、供应链、采购等核心数据。 6. ServiceNow $NOW 企业工作流自动化平台龙头，未来AI Agent接管办公。 7. 西门子 Siemens $SIE 工业自动化与数字化工厂巨头，AI+工业结合的核心平台之一。 8. 新思科技 Synopsys $SNPS 芯片设计EDA三巨头之一，与Cadence双雄并立。 总而言之，软件公司不想死的，都来用英伟达建设 Agent！ $NVDAshow more

MiniMax 推出MiniMax Design 是一款面向商业视频与内容创作者的 AI Agent 客户端 配合其H3模型 通过... AI Agent把策划、分镜、生成、剪辑到交付的全流程串联了起来 下面是根据拍摄制作的一个特效AR视频 他内置了针对不同商业场景的专属模板，直接套用就能出片： 自动理解意图 无限画布（节点图协作） 技能与插件生态 开箱即用的预设技能 配合MiniMax H3 视频模型非常划算，不仅开源，且 API 价格极低（768P 约 0.5 元/秒，2K 约 0.8 元/秒，年卡低至 0.4 元/秒）show more

#工程师工具 今天给申请到了 ChatGPT Plugin 的权限，想聊聊体验和如何申请。 💡使用体验有些震惊到我，试想后面成熟了，YY 下是不是后面用户操作习惯就是一个大的输入框入口了，什么交互体验、用户设计、写前端全部被一个输入框和协议展示给一把梭替代了，直接回归本源，用最朴素的方式最快最完美来实现用户需求，甚至强大的上下文功能会比纯工具类查询更加方便。 😂 那到时候我们软件行业应该会发生些有趣的变化，应用开发没有所谓的前端、交互了，甚至... Api 的开发都可以你给到 AI 数据自动帮你生成了，到时候数据变得反而更重要。 🏂 试用 Plugin 过程，发现有累计几十个插件可以被使用，涉及工具、旅游、生活、游戏、学习等场景，不过太多是国外开发，也可以自己按照 Manifest 开发定制发布插件，每次最多使用3个插件，当前速度比 GPT4 还慢一点，有时候数据没有查到，他会换一种方式继续查询。 🤖 让 Expedia 帮我安排去东京的行程，会自动帮忙安排好机票、酒店、游玩、租车等服务，甚至出现了商品卡片，点击直接将参数带到官网一键预定，同时这里也具备交互以及上下文记忆的功能，相比自己去搜索要方便不少。 🔮 此外玩了一个文字类的游戏，类似于成长那种，能够让你一步一步选择要做的事情，并计算成长值啥的，适合喜欢养成类游戏的同学，不过这一块也有一定想象空间，好比上次给大伙推荐的那个电报机器人 Samantha 😂 我参考的此文档快速申请到的 Plugin 😂 此文档快速申请 GPT-4 Apishow more

一人一企业，真的可以实现了？ 最近 GitHub 上有个超火的项目 Paperclip，短短几天就狂揽 16000+ Star。 我们构建的 OpenClaw... 龙虾军团、或使用的 Claude Code、Codex、Cursor 等 Agent。 全部都能把它们招进 Paperclip 这家开源 AI 公司里，进行企业化管理。 GitHub： 而我们人类则作为一名董事长角色，可协调各大 Agent 实现共同目标。 其中重大的动作需要我们确认，同时我们也可以随时暂停或终止任何 Agent 工作。show more

发现一个开源小模型，在GitHub上已经斩获 5w star，还登上了Trending榜单。 用它可以让你只用3块钱、花两个小时，就能训练出一个仅有25.8M参数的超小语言模型。 主打极致轻量化，最小版本体积只有 GPT-3 的 1/2700。 而且还开源了... tokenizer 分词器训练，包含 Pretrain、SFT等全过程训练代码，甚至拓展了视觉多模态的MiniMind-V。 所有训练脚本均为 PyTorch 原生实现，兼容MoE混合专家模型架构，基本实现了对大语言模型全阶段的开源复现show more