Video wird geladen...

Video konnte nicht geladen werden

Beim Laden dieses Videos ist ein Problem aufgetreten. Dies könnte an einem vorübergehenden Netzwerkproblem liegen oder das Video ist möglicherweise nicht verfügbar.

ESP32 + Hermes Studio 桌面 AI 对话小方盒，是一个基于 ESP32-C3 的桌面 AI 硬件入口。它把小屏、麦克风、扬声器和实体按键集中在一个桌面小盒子里，通过网络连接电脑端或者云服务器 Hermes Studio。 ESP32 负责硬件交互，Hermes Studio 负责模型调用、语音识别和语音合成工具调用。一句话说明：它不是独立离线大模型，而是把 Hermes Studio 的 AI 能力延伸到桌面上的一个可看、可按、可听、可反馈的小硬件入口。

libapi

30,595 subscribers

68,644 Aufrufe • vor 3 Monaten •via X (Twitter)

Bildung Gesundheit & Wellness Wissenschaft & Technologie

Anya Rossi• Live Now

Private livecam show

52 Kommentare

Profilbild von yvonuk

yvonukvor 3 Monaten

延迟有点大，你如果能把小方盒接入到

Profilbild von libapi

libapivor 3 Monaten

这么强吗？我看看

Profilbild von Shesaidmewakeup

Shesaidmewakeupvor 3 Monaten

Wow, ESP32 really makes interacting with Hermes so much more convenient. This tiny device easily fits in your pocket. Now I want to tinker and build myself the same kind of physical interface for the agent 🪄

Profilbild von Jask

Jaskvor 3 Monaten

我at你，你是不是没有收到

Profilbild von GM Wallet 华语

GM Wallet 华语vor 3 Monaten

@0xajc 这个

Profilbild von libapi

libapivor 3 Monaten

@0xajc 无以言表👀

Profilbild von GM Wallet 华语

GM Wallet 华语vor 3 Monaten

@0xajc 给一次

Profilbild von libapi

libapivor 3 Monaten

@0xajc 好爽了谢谢私发我的黑丝

Profilbild von GM Wallet 华语

GM Wallet 华语vor 3 Monaten

@0xajc 不看有毛的，看看那个

Profilbild von Vex

Vexvor 3 Monaten

等半天预报员居然是猴哥

Profilbild von libapi

libapivor 3 Monaten

对啊猴哥2.0

Profilbild von Bandit and Bluey

Bandit and Blueyvor 3 Monaten

Esp32真是神板，可玩性太高了

Profilbild von libapi

libapivor 3 Monaten

真的是，还不贵

Profilbild von Bandit and Bluey

Bandit and Blueyvor 3 Monaten

能定制一个和四岁小朋友聊天或者学英语的设备吗

Profilbild von libapi

libapivor 3 Monaten

自己设定就好了，

Profilbild von Bandit and Bluey

Bandit and Blueyvor 3 Monaten

稳定吗？tts这些都是让Hermes自己完成吗？

Profilbild von Fenizzz🇭🇰

Fenizzz🇭🇰vor 3 Monaten

感覺有點屌

Profilbild von libapi

libapivor 3 Monaten

必须整酷的

Profilbild von Bitget70%手续费优化

Bitget70%手续费优化vor 3 Monaten

这小盒子放在桌上挺极客的

Profilbild von witcheer

witcheervor 3 Monaten

super cool

Profilbild von 晚晚

晚晚vor 3 Monaten

这类小盒子放桌面上还挺有陪伴感的

Profilbild von 花椰菜

花椰菜vor 3 Monaten

期待看到塔麻可吉

Profilbild von libapi

libapivor 3 Monaten

@indes_yo 可是就一个按键哈哈

Profilbild von 花椰菜

花椰菜vor 3 Monaten

我感覺可以把它可愛化

Profilbild von libapi

libapivor 3 Monaten

@indes_yo 可以做个身体

Profilbild von Vex

Vexvor 3 Monaten

太棒了这个我也想做一个

Profilbild von 凡高

凡高vor 3 Monaten

牛逼

Profilbild von libapi

libapivor 3 Monaten

快来

Profilbild von 凡高

凡高vor 3 Monaten

目前还没怎么有这个需求

Profilbild von TOM 🦋🔶🅿️

TOM 🦋🔶🅿️vor 3 Monaten

这响应时间也太慢了吧🙄🙄🙄

Profilbild von libapi

libapivor 3 Monaten

老大哥，这是真调用模型调用工具，第一步说话要走火山的api语音转文文字。你给我一个很快的方法。明天看不到，我就哭

Profilbild von Nick.Simple

Nick.Simplevor 3 Monaten

感谢，闲置了好久的东西终于可以派上用场了

Profilbild von Michael 宝塔镇河妖🧙🏿‍♀️

Michael 宝塔镇河妖🧙🏿‍♀️vor 3 Monaten

这小玩意儿真香

Profilbild von sam

samvor 3 Monaten

大佬可以分享硬件清单嘛？我想手戳一个给孩子玩😈

Profilbild von libapi

libapivor 3 Monaten

Esp32

Profilbild von sam

samvor 3 Monaten

三扣

Profilbild von 燎原

燎原vor 3 Monaten

这不是小智吗？

Profilbild von bullstars

bullstarsvor 3 Monaten

小智秒回，你的反应太慢

Profilbild von libapi

libapivor 3 Monaten

这是真的

Profilbild von 币天天

币天天vor 3 Monaten

能不能送一个

Profilbild von libapi

libapivor 3 Monaten

不好，才刚刚开业这不得亏本 😭

Profilbild von 苏

苏vor 3 Monaten

这个和小爱同学接入ai的区别是什么

Profilbild von bbshare

bbsharevor 1 Monat

你这个跟小智的很像啊，为啥还要再造一次呢？

Profilbild von libapi

libapivor 1 Monat

长得一样

Profilbild von 岁月流年

岁月流年vor 3 Monaten

实时语音调用接口，这卖88，成本能收回来吗

Profilbild von 徐跑跑

徐跑跑vor 3 Monaten

孙悟空的声音改成软妹的声音不香吗

Profilbild von libapi

libapivor 3 Monaten

必须的

Profilbild von Jb18cm

Jb18cmvor 3 Monaten

几把了等他个回复累死了

Profilbild von 钱无敌🎒

钱无敌🎒vor 3 Monaten

这个商业化的路还长着

Profilbild von 三海

三海vor 3 Monaten

我有一个主意

Profilbild von onecode

onecodevor 3 Monaten

牛，只是这响应太慢了，拿来对话交互的话体验不好

Profilbild von a股做空王

a股做空王vor 3 Monaten

拿货多钱嘛

Ähnliche Videos

通过 Hermes Studio 小方盒控制电脑/Agent 操作，生成了这段视频。比奇堡大战孙悟空视频实况！🦀🐒 小方盒不是普通语音 AI 设备，它是一个桌面 AI Agent 控制入口：用语音、按键和小屏，把指令交给 Hermes Studio，让 Hermes Agent 去调用工具、控制电脑、执行任务。这次演示使用的是 Grok 4.3 模型。Grok xAI Nous Research witcheer Teknium 🪽 Hermes community never disappoints! 👀

通过 Hermes Studio 小方盒控制电脑/Agent 操作，生成了这段视频。比奇堡大战孙悟空视频实况！🦀🐒 小方盒不是普通语音 AI 设备，它是一个桌面 AI Agent 控制入口：用语音、按键和小屏，把指令交给 Hermes Studio，让 Hermes Agent 去调用工具、控制电脑、执行任务。这次演示使用的是 Grok 4.3 模型。Grok xAI Nous Research witcheer Teknium 🪽 Hermes community never disappoints! 👀

libapi

38,288 Aufrufe • vor 3 Monaten

Hermes Studio 开始于今年四月。当时我们想使用 Hermes Agent，却没有找到一套顺手的 Web UI。于是团队做出了第一版界面 Hermes web ui，开放给社区使用。 5月收到第一批用户反馈后，我们继续推出桌面客户端，并持续支持 macOS、Windows 和 Linux，Hermes Studio上线。 Hermes Studio 把文件系统、终端、浏览器、Coding Agent、MCP 和多平台消息渠道集中到一个工作台里。用户可以让 Agent 搜索和整理文件、运行命令、操作网页、修改代码、执行测试，也可以连接知识库、数据库、GitHub、邮件和企业内部服务。项目目前获得超过 9,000 个 GitHub Star，npm 下载量超过 35 万次，Docker 拉取量超过 31 万次。 Hermes Studio 在 OpenRouter 累计使用约 476.9 亿 Tokens。2026 年 6 月 8 日，桌面客户端进入 OpenRouter 全球 Tokens 日榜第 9，Web UI 位列第 17。 6月 Hermes Studio 小方盒。它可以放在桌面或户外，通过语音、实体按键和小屏接收指令，再交给电脑或远程服务器执行。这个硬件入口也会连接后续的手机 App、MCP 工具和自动化服务。 7月 Hermes Studio 已与阿里云旗下无影云电脑展开合作，相关 Web UI 镜像已经上线，用户可以一键完成部署。未来 6 到 12 个月，团队会继续更新打磨桌面端，发布并打磨手机 App，推进 ESP32 与软件工具链的连接，同时建设Hermes Studio社区。

Hermes Studio 开始于今年四月。当时我们想使用 Hermes Agent，却没有找到一套顺手的 Web UI。于是团队做出了第一版界面 Hermes web ui，开放给社区使用。 5月收到第一批用户反馈后，我们继续推出桌面客户端，并持续支持 macOS、Windows 和 Linux，Hermes Studio上线。 Hermes Studio 把文件系统、终端、浏览器、Coding Agent、MCP 和多平台消息渠道集中到一个工作台里。用户可以让 Agent 搜索和整理文件、运行命令、操作网页、修改代码、执行测试，也可以连接知识库、数据库、GitHub、邮件和企业内部服务。项目目前获得超过 9,000 个 GitHub Star，npm 下载量超过 35 万次，Docker 拉取量超过 31 万次。 Hermes Studio 在 OpenRouter 累计使用约 476.9 亿 Tokens。2026 年 6 月 8 日，桌面客户端进入 OpenRouter 全球 Tokens 日榜第 9，Web UI 位列第 17。 6月 Hermes Studio 小方盒。它可以放在桌面或户外，通过语音、实体按键和小屏接收指令，再交给电脑或远程服务器执行。这个硬件入口也会连接后续的手机 App、MCP 工具和自动化服务。 7月 Hermes Studio 已与阿里云旗下无影云电脑展开合作，相关 Web UI 镜像已经上线，用户可以一键完成部署。未来 6 到 12 个月，团队会继续更新打磨桌面端，发布并打磨手机 App，推进 ESP32 与软件工具链的连接，同时建设Hermes Studio社区。

libapi

82,324 Aufrufe • vor 2 Monaten

一个放在桌面上或者户外的 AI Agent 控制小方盒：用语音、按键、小屏，去控制电脑/远程服务器、调用所有工具、执行任务在做这个产品的时候有做过调研，现在市面上大都是纯对话的语音AI Hermes Studio 小方盒可以做什么？（视频演示） 1. 控制电脑 /远程服务器小方盒本身是 ESP32，但它可以作为入口，把指令交给 Hermes Studio 在电脑 /远程服务器上执行。（它就是Hermes Agent）可以做：打开/关闭本地应用或网页在电脑/远程服务器上运行命令读取、搜索、整理本地文件上传文件给 Agent 分析下载 Agent 生成的文件控制浏览器访问网页、查资料、填表、抓取信息调用本地 Coding Agent，让它改代码、跑测试、生成项目查看运行日志、任务状态、错误信息用语音触发“帮我总结这个文件夹”“打开今天的任务”“跑一下测试” 2. 调用工具（生产力有待研究） Hermes Studio 的核心优势是 Agent 工具链。小方盒可以作为物理触发器，让 Agent 调用工具。文件工具：浏览文件、搜索文件、读取内容、上传下载、重命名、复制、移动、删除。终端工具：执行 shell 命令、启动服务、查看进程、跑脚本、拉代码、跑测试。浏览器工具：打开网页、搜索资料、读取网页内容、自动化页面操作。代码工具：启动 Codex / Claude Code 等 coding-agent 会话，做代码修改、调试、检查。 MCP 工具：接入外部系统，比如数据库、知识库、Notion、GitHub、邮件、企业内部 API、智能家居等。语音工具：STT 语音转文本，TTS 回复朗读，多种 TTS Provider。自动化工具：定时任务、周期汇报、监控任务、Kanban 工作项。多平台工具：Telegram、Discord、Slack、WhatsApp、Matrix、飞书、微信、企业微信等渠道。一句话：小方盒不是自己完成所有任务，而是唤醒 Hermes Studio 里的工具系统。产品功能：语音唤醒桌面 Agent 实体按键触发本地文件读取、搜索与整理电脑/远程服务器命令执行与任务自动化浏览器自动化与网页信息获取 Coding Agent 启动 MCP 工具扩展，连接外部服务多模型、多 Profile 切换多平台消息接入 TTS/STT 语音输入输出 Nous Research witcheer Teknium 🪽 Hermes community never disappoints! 👀

libapi

31,786 Aufrufe • vor 3 Monaten

这个脑洞好酷！把你的桌面绿植打造成可交互的电子宠物。 Sajal Kumar Sajal Kumar 用 Rive 的数据绑定、GPT 和一些硬件（ESP32 和几个传感器如触摸、湿度、湿度、光照、温度）制作了这个超酷的演示，后面还计划加入语音交互。

这个脑洞好酷！把你的桌面绿植打造成可交互的电子宠物。 Sajal Kumar Sajal Kumar 用 Rive 的数据绑定、GPT 和一些硬件（ESP32 和几个传感器如触摸、湿度、湿度、光照、温度）制作了这个超酷的演示，后面还计划加入语音交互。

sundyme

12,706 Aufrufe • vor 8 Monaten

劲爆功能： Hermes Studio 接下来会上一个新的「设备」功能。简单说：同一个局域网里的设备，可以互相发现、连接和协同使用。比如你的主力电脑、备用机器、局域网服务器、手机、平板、NAS，后面都可以接进同一个 Hermes Studio 工作流里。第一阶段会先做局域网互联。后续会继续拓展远程互联能力，不过远程场景需要你自己有服务器，用来做中转和管理。这个方向会更偏企业级服务：多设备、多环境、多节点，统一接入、统一管理。 Hermes Studio 届时不只是单机工具，而是在往团队和企业级 Agent 基础设施走希望我们能成功，感谢大家支持！

劲爆功能： Hermes Studio 接下来会上一个新的「设备」功能。简单说：同一个局域网里的设备，可以互相发现、连接和协同使用。比如你的主力电脑、备用机器、局域网服务器、手机、平板、NAS，后面都可以接进同一个 Hermes Studio 工作流里。第一阶段会先做局域网互联。后续会继续拓展远程互联能力，不过远程场景需要你自己有服务器，用来做中转和管理。这个方向会更偏企业级服务：多设备、多环境、多节点，统一接入、统一管理。 Hermes Studio 届时不只是单机工具，而是在往团队和企业级 Agent 基础设施走希望我们能成功，感谢大家支持！

libapi

24,465 Aufrufe • vor 3 Monaten

ChatGPT 桌面端（原来的 Codex App）今天加入了语音控制，macOS 和 Windows 用户可以直接用嘴指挥 AI 干活了。具体来说，你可以一边跟 ChatGPT 说话，一边让它操控电脑、启动 Codex 写代码、调度 ChatGPT Work 执行任务，全程不用打字。开着一个语音对话，同时管理多个后台 Agent（智能体），有点像一个人坐在那里口述指令，几个助手分头干活。这个功能基于 GPT-Live，OpenAI 在 7 月 8 日刚上线的新一代语音模型。GPT-Live 最大的变化是全双工架构，也就是它能同时听你说话和给你回话，不用像以前那样等你说完、停顿、它再开口。遇到复杂问题，它会把推理任务丢给后台的 GPT-5.5 处理，自己继续跟你聊，不会卡住。 macOS 用户多了一个叫 Appshots 的功能：语音对话时，ChatGPT 可以直接看到你当前最前面的窗口，了解你在做什么，回答就更贴合上下文。比如你正在看一段代码，直接说“这个函数有什么问题”，它能看到屏幕内容来回答。Windows 用户暂时没有这个能力。此外，iPhone 用户可以通过远程配对的方式，用 iOS 上的 ChatGPT 语音来操控桌面端的 Codex。等于你拿着手机在沙发上就能指挥电脑写代码。Android 支持还在路上。今天全球同步推出，面向 Plus、Pro、Business、Edu 和 Enterprise 用户。免费用户暂不可用。

ChatGPT 桌面端（原来的 Codex App）今天加入了语音控制，macOS 和 Windows 用户可以直接用嘴指挥 AI 干活了。具体来说，你可以一边跟 ChatGPT 说话，一边让它操控电脑、启动 Codex 写代码、调度 ChatGPT Work 执行任务，全程不用打字。开着一个语音对话，同时管理多个后台 Agent（智能体），有点像一个人坐在那里口述指令，几个助手分头干活。这个功能基于 GPT-Live，OpenAI 在 7 月 8 日刚上线的新一代语音模型。GPT-Live 最大的变化是全双工架构，也就是它能同时听你说话和给你回话，不用像以前那样等你说完、停顿、它再开口。遇到复杂问题，它会把推理任务丢给后台的 GPT-5.5 处理，自己继续跟你聊，不会卡住。 macOS 用户多了一个叫 Appshots 的功能：语音对话时，ChatGPT 可以直接看到你当前最前面的窗口，了解你在做什么，回答就更贴合上下文。比如你正在看一段代码，直接说“这个函数有什么问题”，它能看到屏幕内容来回答。Windows 用户暂时没有这个能力。此外，iPhone 用户可以通过远程配对的方式，用 iOS 上的 ChatGPT 语音来操控桌面端的 Codex。等于你拿着手机在沙发上就能指挥电脑写代码。Android 支持还在路上。今天全球同步推出，面向 Plus、Pro、Business、Edu 和 Enterprise 用户。免费用户暂不可用。

宝玉

89,178 Aufrufe • vor 2 Monaten

介绍 Memoh Desktop，一个多智能体桌面应用。过去几个月，我们一直在维护 Memoh 这个多智能体自部署服务。自部署适合长期在线、多人使用和接各种消息渠道，但对个人用户来说，搭环境还是有点重。所以这次我们把 Memoh 搬到了桌面上。在 Memoh Desktop 里，你可以创建多个 agent。它们可以有不同身份、不同记忆和不同 workspace，也可以连接不同的 channel。比如一个 agent 负责日常聊天和消息渠道，一个 agent 专门处理文件和代码任务，另一个 agent 用来跑网页自动化。这些 agent 可以直接操作你的电脑，也可以使用宿主机 Docker 环境做沙盒隔离。需要本机权限的时候，就让它操作本地环境；需要安全边界的时候，就把它放进 Docker workspace 里跑。每个 agent 都有独立身份，目前支持 9 种 channel 连接。 0.9 版本里，我们还引入了容器内桌面环境。现在可以直接在 Docker 容器里运行一个 Xfce 桌面，并在里面启动有头浏览器，再通过 WebRTC 连接到这个容器桌面。也就是说，agent 不只是跑 headless Playwright，它可以在一个真实的图形浏览器会话里操作网页。很多登录、复杂交互、网页自动化场景，会比纯 headless 方式更自然，也能少踩一些兼容和风控问题。下载链接见评论区。

介绍 Memoh Desktop，一个多智能体桌面应用。过去几个月，我们一直在维护 Memoh 这个多智能体自部署服务。自部署适合长期在线、多人使用和接各种消息渠道，但对个人用户来说，搭环境还是有点重。所以这次我们把 Memoh 搬到了桌面上。在 Memoh Desktop 里，你可以创建多个 agent。它们可以有不同身份、不同记忆和不同 workspace，也可以连接不同的 channel。比如一个 agent 负责日常聊天和消息渠道，一个 agent 专门处理文件和代码任务，另一个 agent 用来跑网页自动化。这些 agent 可以直接操作你的电脑，也可以使用宿主机 Docker 环境做沙盒隔离。需要本机权限的时候，就让它操作本地环境；需要安全边界的时候，就把它放进 Docker workspace 里跑。每个 agent 都有独立身份，目前支持 9 种 channel 连接。 0.9 版本里，我们还引入了容器内桌面环境。现在可以直接在 Docker 容器里运行一个 Xfce 桌面，并在里面启动有头浏览器，再通过 WebRTC 连接到这个容器桌面。也就是说，agent 不只是跑 headless Playwright，它可以在一个真实的图形浏览器会话里操作网页。很多登录、复杂交互、网页自动化场景，会比纯 headless 方式更自然，也能少踩一些兼容和风控问题。下载链接见评论区。

📦Acbox

47,369 Aufrufe • vor 4 Monaten

阶跃星辰开源了一个130B 语音-文本的多模态模型：Step-Audio 这是一个集成语音识别、语义理解、对话生成、语音克隆、音频编辑和语音合成等功能的全能语音模型。该模型通过多模态训练，使得语音理解与生成可以无缝对接。主要能力：语音克隆支持多种语言对话（中文英日）情绪控制与语调控制支持方言可控制语速及韵律风格支持RAP和哼唱等集成了工具调用和角色扮演能力，能够高效管理复杂的任务和对话。 Step-Audio 在多个基准测试中表现出色，尤其是在开放域问答、复杂指令任务和语音合成（TTS）方面取得了显著的进展。

阶跃星辰开源了一个130B 语音-文本的多模态模型：Step-Audio 这是一个集成语音识别、语义理解、对话生成、语音克隆、音频编辑和语音合成等功能的全能语音模型。该模型通过多模态训练，使得语音理解与生成可以无缝对接。主要能力：语音克隆支持多种语言对话（中文英日）情绪控制与语调控制支持方言可控制语速及韵律风格支持RAP和哼唱等集成了工具调用和角色扮演能力，能够高效管理复杂的任务和对话。 Step-Audio 在多个基准测试中表现出色，尤其是在开放域问答、复杂指令任务和语音合成（TTS）方面取得了显著的进展。

小互

35,901 Aufrufe • vor 1 Jahr

腾讯优图出的一款主动式设备端AI助手：Youtu-Tip，可以桌面自动化、Agent调用，能离线使用它可以模拟鼠标/键盘来实现桌面操纵，比如说，“帮我把Excel里低于60分的标红”、“总结文章发给XX微信” 支持热键、选中文本或者图像交互也可以教它技能，比如给它演示一遍“去官网搜最低价航班”，它能记录步骤下次一句命令自动跑还可以接入智能体、MCP服务器以及其他工具，来实现更复杂的任务 Tip基于Youtu-LLM驱动，1.96B，128K上下文，具备原生智能体能力，是开源的，也可以替换成其他模型它还有一个4B的Youtu-VL端侧多模态模型也马上要开源 #AI设备端助手 #YoutuTip

腾讯优图出的一款主动式设备端AI助手：Youtu-Tip，可以桌面自动化、Agent调用，能离线使用它可以模拟鼠标/键盘来实现桌面操纵，比如说，“帮我把Excel里低于60分的标红”、“总结文章发给XX微信” 支持热键、选中文本或者图像交互也可以教它技能，比如给它演示一遍“去官网搜最低价航班”，它能记录步骤下次一句命令自动跑还可以接入智能体、MCP服务器以及其他工具，来实现更复杂的任务 Tip基于Youtu-LLM驱动，1.96B，128K上下文，具备原生智能体能力，是开源的，也可以替换成其他模型它还有一个4B的Youtu-VL端侧多模态模型也马上要开源 #AI设备端助手 #YoutuTip

AIGCLINK

47,658 Aufrufe • vor 8 Monaten

每个人都能买得起英伟达发布个人AI超级计算机，能运行2000亿参数的大模型。 NVIDIA 今天在CES 2025大会上发布了 NVIDIA Project DIGITS，这是一款能放在你桌面上的个人AI超级计算机。将传统上需要大型数据中心才能完成的 AI 计算，带到每个人的桌面。‘ Project DIGITS 采用全新的 NVIDIA GB10 Grace Blackwell Superchip，能够提供 1 PFLOP（每秒一千万亿次浮点运算）的AI计算性能。设计目的用于原型开发、微调以及运行大型AI模型，使用户能够在本地桌面系统上开发和运行推理模型，然后无缝部署到云或数据中心也就是它能在你的本地就能运行超大的AI模型，能够运行高达 2000亿参数的大语言模型。通过 NVIDIA ConnectX 网络，两台 Project DIGITS 超级计算机连接起来，可以运行 4050亿参数模型。而且支持在本地电脑上开发和测试AI模型，然后快速部署到云端或数据中心。简单来说，它就像是给每个开发者配了一台袖珍的AI超级计算机！

每个人都能买得起英伟达发布个人AI超级计算机，能运行2000亿参数的大模型。 NVIDIA 今天在CES 2025大会上发布了 NVIDIA Project DIGITS，这是一款能放在你桌面上的个人AI超级计算机。将传统上需要大型数据中心才能完成的 AI 计算，带到每个人的桌面。‘ Project DIGITS 采用全新的 NVIDIA GB10 Grace Blackwell Superchip，能够提供 1 PFLOP（每秒一千万亿次浮点运算）的AI计算性能。设计目的用于原型开发、微调以及运行大型AI模型，使用户能够在本地桌面系统上开发和运行推理模型，然后无缝部署到云或数据中心也就是它能在你的本地就能运行超大的AI模型，能够运行高达 2000亿参数的大语言模型。通过 NVIDIA ConnectX 网络，两台 Project DIGITS 超级计算机连接起来，可以运行 4050亿参数模型。而且支持在本地电脑上开发和测试AI模型，然后快速部署到云端或数据中心。简单来说，它就像是给每个开发者配了一台袖珍的AI超级计算机！

小互

85,719 Aufrufe • vor 1 Jahr

Codex、Claude 用了这么久，还分不清 Agent、MCP 和 Skill？别背那些复杂定义。把 AI 想象成一家公司，Agent、MCP、Skill 一下就全懂了。今天直接用大白话告诉你它们到底是干嘛的。 1️⃣ Agent 智能体 = AI 员工可以理解任务、安排步骤、调用工具，并一步步把工作完成。 2️⃣ LLM 大模型 = AI 员工的大脑负责理解、推理和生成内容，很大程度上决定这个员工聪不聪明。 3️⃣ Prompt 提示词 = 交给员工的任务单告诉它要做什么、有什么要求，以及什么不能做。 4️⃣ API 接口 = 软件之间的办事窗口让不同软件按照约定好的方式交换数据、调用能力。 5️⃣ Token = AI 读写内容的基本单位你输入的文字和 AI 输出的内容，都会被拆成一个个 Token 来处理。 6️⃣ MCP = AI 连接外部工具和数据的统一插座标准它规定 AI 应用如何连接 GitHub、数据库和各种外部服务。不同工具只要遵守同一套标准，AI 就能用相似的方式接入。 7️⃣ Tool 工具 = AI 员工干活的双手终端、浏览器、搜索、文件编辑，都可以是 AI 真正执行任务时使用的工具。 8️⃣ Skill 技能 = AI 员工的工作 SOP 告诉 AI 某类任务应该怎么做、按什么步骤执行、检查什么，以及最后怎么交付。 9️⃣ Plugin 插件 = 给 AI 安装的能力扩展包不同平台对 Plugin 的定义不完全一样。简单理解，就是给 AI 扩展一组额外的工具、连接或者能力。 🔟 Context 上下文 = AI 员工当前桌面上的资料当前聊天、文件、代码和任务要求，都属于它这次工作能够看到和利用的信息。 1️⃣1️⃣ LTM 长期记忆 = AI 员工的长期档案用来保存跨任务、跨对话仍然有价值的偏好、经验和项目信息。它不是大模型天然拥有的长期记忆能力，通常需要额外的记忆机制支持。最后一句话，把最容易搞混的几个概念记住： Tool 决定它能做什么，Skill 告诉它应该怎么做，MCP 规定工具怎么接进来，Plugin 则负责扩展一组能力。所以：LLM 是大脑，Agent 是员工，Prompt 是任务单，API 是办事窗口，Token 是读写单位，Tool 是双手，Skill 是 SOP，MCP 是统一插座，Plugin 是扩展包，Context 是桌面资料，LTM 是长期档案。所谓 AI 工作流，本质上就是：给一个数字员工配好大脑、任务单、双手、SOP、桌面资料和长期记忆，再让它按照固定流程把事情做完～

Codex、Claude 用了这么久，还分不清 Agent、MCP 和 Skill？别背那些复杂定义。把 AI 想象成一家公司，Agent、MCP、Skill 一下就全懂了。今天直接用大白话告诉你它们到底是干嘛的。 1️⃣ Agent 智能体 = AI 员工可以理解任务、安排步骤、调用工具，并一步步把工作完成。 2️⃣ LLM 大模型 = AI 员工的大脑负责理解、推理和生成内容，很大程度上决定这个员工聪不聪明。 3️⃣ Prompt 提示词 = 交给员工的任务单告诉它要做什么、有什么要求，以及什么不能做。 4️⃣ API 接口 = 软件之间的办事窗口让不同软件按照约定好的方式交换数据、调用能力。 5️⃣ Token = AI 读写内容的基本单位你输入的文字和 AI 输出的内容，都会被拆成一个个 Token 来处理。 6️⃣ MCP = AI 连接外部工具和数据的统一插座标准它规定 AI 应用如何连接 GitHub、数据库和各种外部服务。不同工具只要遵守同一套标准，AI 就能用相似的方式接入。 7️⃣ Tool 工具 = AI 员工干活的双手终端、浏览器、搜索、文件编辑，都可以是 AI 真正执行任务时使用的工具。 8️⃣ Skill 技能 = AI 员工的工作 SOP 告诉 AI 某类任务应该怎么做、按什么步骤执行、检查什么，以及最后怎么交付。 9️⃣ Plugin 插件 = 给 AI 安装的能力扩展包不同平台对 Plugin 的定义不完全一样。简单理解，就是给 AI 扩展一组额外的工具、连接或者能力。 🔟 Context 上下文 = AI 员工当前桌面上的资料当前聊天、文件、代码和任务要求，都属于它这次工作能够看到和利用的信息。 1️⃣1️⃣ LTM 长期记忆 = AI 员工的长期档案用来保存跨任务、跨对话仍然有价值的偏好、经验和项目信息。它不是大模型天然拥有的长期记忆能力，通常需要额外的记忆机制支持。最后一句话，把最容易搞混的几个概念记住： Tool 决定它能做什么，Skill 告诉它应该怎么做，MCP 规定工具怎么接进来，Plugin 则负责扩展一组能力。所以：LLM 是大脑，Agent 是员工，Prompt 是任务单，API 是办事窗口，Token 是读写单位，Tool 是双手，Skill 是 SOP，MCP 是统一插座，Plugin 是扩展包，Context 是桌面资料，LTM 是长期档案。所谓 AI 工作流，本质上就是：给一个数字员工配好大脑、任务单、双手、SOP、桌面资料和长期记忆，再让它按照固定流程把事情做完～

爱丽丝呀！

160,700 Aufrufe • vor 1 Monat

🔥AI搬回本地！ $NVDA 黃仁勋剛剛宣布重大突破，个人电脑迎来全新时代！ ———————————— 过去四十年，一直是你在伺候电脑。这一次，它要反过来。我们这代人，是被机器训练大的。记快捷键，清后台，等进度条，文件存在哪个文件夹自己得记牢，我们学会的全是“迁就它”，把自己一点点训练得像台机器，它才肯好好干活。所以黄仁勋这次最重要的东西，很多人看漏了。不是又一个开源模型，也不是新芯片的跑分。是 AI 要从云端“搬回家”，住进你这台本机里。这两年我们用的 AI，说穿了都是“租来的大脑”。你得先把家底打包上传：合同、工资条、还没写完的东西、和家人的聊天记录。它在别人的机房里跑，按别人的价收钱，入口攥在别人手里。聪明是真聪明，可它始终不是你的，你只是个访客。而“本地 Agent”这四个字的意思是：这些东西，终于可以留在你自己屋里了。不用上传，不用排队，不用看网速的脸色。它能看你的文件、懂你开着的软件、替你把那些零碎活儿干完。第一次，电脑不再是你点一下它动一下的工具，而是一个会自己动手的人。为了这件事，老黄把数据中心级的算力，上百 GB 的统一内存、接近一个 petaflop 的性能，硬塞进了一台摆得上书桌的小机器。不是为了让你在本地跑个玩具模型，是为了让你桌上这台电脑，真有本事自己干活。往大了说，棋局其实很清楚：云端那颗大脑，继续在数据中心里想最难的事；你桌上这台，负责手脚，管你每天的柴米油盐。而老黄想要的，是大脑和手脚，两头都攥在自己手里。但我更想讲的，是那种很具体的感觉。PC 是上一代互联网的入口，手机是移动时代的入口。下一个入口不在某个网站里，就在你书桌上那台开机的电脑里。谁先住进去，谁拿下下一个十年。所以他这次真正想说的，从来不是“我们出了块更强的芯片”。而是过去四十年，你把自己训练得越来越像一台电脑。从今往后，是电脑，开始学着像你请来的那个人。

🔥AI搬回本地！ $NVDA 黃仁勋剛剛宣布重大突破，个人电脑迎来全新时代！ ———————————— 过去四十年，一直是你在伺候电脑。这一次，它要反过来。我们这代人，是被机器训练大的。记快捷键，清后台，等进度条，文件存在哪个文件夹自己得记牢，我们学会的全是“迁就它”，把自己一点点训练得像台机器，它才肯好好干活。所以黄仁勋这次最重要的东西，很多人看漏了。不是又一个开源模型，也不是新芯片的跑分。是 AI 要从云端“搬回家”，住进你这台本机里。这两年我们用的 AI，说穿了都是“租来的大脑”。你得先把家底打包上传：合同、工资条、还没写完的东西、和家人的聊天记录。它在别人的机房里跑，按别人的价收钱，入口攥在别人手里。聪明是真聪明，可它始终不是你的，你只是个访客。而“本地 Agent”这四个字的意思是：这些东西，终于可以留在你自己屋里了。不用上传，不用排队，不用看网速的脸色。它能看你的文件、懂你开着的软件、替你把那些零碎活儿干完。第一次，电脑不再是你点一下它动一下的工具，而是一个会自己动手的人。为了这件事，老黄把数据中心级的算力，上百 GB 的统一内存、接近一个 petaflop 的性能，硬塞进了一台摆得上书桌的小机器。不是为了让你在本地跑个玩具模型，是为了让你桌上这台电脑，真有本事自己干活。往大了说，棋局其实很清楚：云端那颗大脑，继续在数据中心里想最难的事；你桌上这台，负责手脚，管你每天的柴米油盐。而老黄想要的，是大脑和手脚，两头都攥在自己手里。但我更想讲的，是那种很具体的感觉。PC 是上一代互联网的入口，手机是移动时代的入口。下一个入口不在某个网站里，就在你书桌上那台开机的电脑里。谁先住进去，谁拿下下一个十年。所以他这次真正想说的，从来不是“我们出了块更强的芯片”。而是过去四十年，你把自己训练得越来越像一台电脑。从今往后，是电脑，开始学着像你请来的那个人。

老白

14,544 Aufrufe • vor 3 Monaten

你的全息AI女友 😍 Dipal D1 是一款“会动、会说话、会回应你”的 AI 虚拟角色桌面设备外形是一个有高清曲面屏的小显示器，有点像全息投影，你可以设置和定制各种角色让它显示。她可以与你互动，甚至你触摸它，她也会有反应她拥有长期记忆能力，能记住你和她对话的的一切，并持续进化。支持语音交互、触控反馈、手势识别、眼神追踪等多种输入。 AI 能识别你的情绪、表情和语气，进行自然回应。它不是普通的视频播放设备，而是“能互动”的： 👁️ 眼动识别：它能“看”你在看哪里 🎤 声音感应：能听你说话并回应 ✋ 触摸互动：你可以通过触碰与它互动 ✋🏻 手势识别：通过手势进行指令输入或互动反应

你的全息AI女友 😍 Dipal D1 是一款“会动、会说话、会回应你”的 AI 虚拟角色桌面设备外形是一个有高清曲面屏的小显示器，有点像全息投影，你可以设置和定制各种角色让它显示。她可以与你互动，甚至你触摸它，她也会有反应她拥有长期记忆能力，能记住你和她对话的的一切，并持续进化。支持语音交互、触控反馈、手势识别、眼神追踪等多种输入。 AI 能识别你的情绪、表情和语气，进行自然回应。它不是普通的视频播放设备，而是“能互动”的： 👁️ 眼动识别：它能“看”你在看哪里 🎤 声音感应：能听你说话并回应 ✋ 触摸互动：你可以通过触碰与它互动 ✋🏻 手势识别：通过手势进行指令输入或互动反应

小互

29,864 Aufrufe • vor 1 Jahr

🚨阿里巴巴发布实时视频语音模型：Wan Streamer 这不是普通数字人。它更像是让你和 AI 打一通“实时视频电话”：你说话，它看着你听。你打断，它能接住。你表情变了，它也能反应。半秒内接话，几乎没有冷场。真正的重点是：以前虚拟人是拼流水线：语音识别 → 转文字 → 大模型思考 → 语音合成 → 表情驱动 → 视频生成每一步都要排队，所以延迟高、互动僵硬。 Wan Streamer 直接把听、看、想、说、表情生成，塞进一个端到端大模型里。一个 Transformer 直接处理实时音视频交互。模型端响应约 0.2 秒，整体延迟约 0.55 秒。这意味着 AI 不再只是“回复你”，而是开始像一个能实时交流的视频对象。

🚨阿里巴巴发布实时视频语音模型：Wan Streamer 这不是普通数字人。它更像是让你和 AI 打一通“实时视频电话”：你说话，它看着你听。你打断，它能接住。你表情变了，它也能反应。半秒内接话，几乎没有冷场。真正的重点是：以前虚拟人是拼流水线：语音识别 → 转文字 → 大模型思考 → 语音合成 → 表情驱动 → 视频生成每一步都要排队，所以延迟高、互动僵硬。 Wan Streamer 直接把听、看、想、说、表情生成，塞进一个端到端大模型里。一个 Transformer 直接处理实时音视频交互。模型端响应约 0.2 秒，整体延迟约 0.55 秒。这意味着 AI 不再只是“回复你”，而是开始像一个能实时交流的视频对象。

Vincent

12,627 Aufrufe • vor 2 Monaten

前 OpenAI CTO Mira 的公司 Thinking Machines 发了一个非常创新的模型，他们叫交互模型。这个模型能够持续接收音频、视频、文本等原生的多模态内容，并且实时进行思考、响应和行动。它不像之前那种 Agent 脚手架，把多个模型、多个模态的模型通过 Agent 串起来，而是所有模态都在一整个模型里。这样就可以让用户和 AI 在任意模态下实时进行交互：你可以随时打断它，随时进行补充，AI 会实时关注你的状态，输出结果，不会像之前一样，必须等一句话结束了才能跟模型交互。核心思路就是把交互部分训练到了模型里。他们从零训练的这个交互模型主要包括两部分：前台交互模型： (a) 一直在线，一直在听、看和读用户提供的内容 (b) 每 200 毫秒作为一个节点，同时处理输入并产出一小段输出 (c) 负责照顾用户的在场感，支持用户打断、插话，并能对屏幕和视频内容做出反应后台推理模型： (a) 用来处理需要持续推理、工具调用以及长上下文、长规划的任务 (b) 交互模型会在合适的时候，将推理模型的结果放回到对话里，不会插入突兀的内容用户最终看到的结果，就是一个既能实时交互，又能够处理重度任务的界面。

前 OpenAI CTO Mira 的公司 Thinking Machines 发了一个非常创新的模型，他们叫交互模型。这个模型能够持续接收音频、视频、文本等原生的多模态内容，并且实时进行思考、响应和行动。它不像之前那种 Agent 脚手架，把多个模型、多个模态的模型通过 Agent 串起来，而是所有模态都在一整个模型里。这样就可以让用户和 AI 在任意模态下实时进行交互：你可以随时打断它，随时进行补充，AI 会实时关注你的状态，输出结果，不会像之前一样，必须等一句话结束了才能跟模型交互。核心思路就是把交互部分训练到了模型里。他们从零训练的这个交互模型主要包括两部分：前台交互模型： (a) 一直在线，一直在听、看和读用户提供的内容 (b) 每 200 毫秒作为一个节点，同时处理输入并产出一小段输出 (c) 负责照顾用户的在场感，支持用户打断、插话，并能对屏幕和视频内容做出反应后台推理模型： (a) 用来处理需要持续推理、工具调用以及长上下文、长规划的任务 (b) 交互模型会在合适的时候，将推理模型的结果放回到对话里，不会插入突兀的内容用户最终看到的结果，就是一个既能实时交互，又能够处理重度任务的界面。

歸藏(guizang.ai)

47,074 Aufrufe • vor 4 Monaten

小龙虾套壳的风波终于是卷到了国外 Perplexity 出了一个 Personal Computer，马斯克也说要做类似的东西在你的电脑里有一个长期稳定的助手，一个可以操作软件和文件的客户端。跟一个配置好的 Open Claw 能做的事情差不多。但比较好的是，它的交互非常舒服： 1. 你可以直接语音输入 2. 它收到以后直接语音回复，不打扰它是常驻在右上角的，这种设计就很舒服。而且安全性、稳定性各方面都表现得比较好。你还可以通过他们的 Perplexity 移动 APP 远程控制桌面端的 Personal Computer。需要候补名单，感觉也是刚立个项，可能也就做了个 demo 出来。

小龙虾套壳的风波终于是卷到了国外 Perplexity 出了一个 Personal Computer，马斯克也说要做类似的东西在你的电脑里有一个长期稳定的助手，一个可以操作软件和文件的客户端。跟一个配置好的 Open Claw 能做的事情差不多。但比较好的是，它的交互非常舒服： 1. 你可以直接语音输入 2. 它收到以后直接语音回复，不打扰它是常驻在右上角的，这种设计就很舒服。而且安全性、稳定性各方面都表现得比较好。你还可以通过他们的 Perplexity 移动 APP 远程控制桌面端的 Personal Computer。需要候补名单，感觉也是刚立个项，可能也就做了个 demo 出来。

歸藏(guizang.ai)

41,482 Aufrufe • vor 6 Monaten