Loading video...

Video Failed to Load

Go Home

🚀 OpenCodex 1.0.8 🪟 Windows 版已对齐 macOS 1.0.8。 🌐 本地网关：服务商、API Key、本机订阅和模型目录管理 🧠 智能模型：自动识别推理档位与上下文窗口，支持 Chat / Responses 🖥️ Computer Use：截图、鼠标、键盘、工具调用和连续交互 🤖 GPT-Live：实时语音、任务分派和执行模型切换 💬 会话中心：浏览、删除和导入多种 Agent 会话 #codex #opencodex #chatgpt

Youngxxxxu's profile picture

Ryanxlll2

1,061 subscribers

12,845 views • 18 days ago •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

🚀 OpenCodex v1.0.2 正式发布！ 我们把 Codex Desktop 的「原生能力、第三方模型、语音交互、会话管理」整合进了一套完整的本地工作流！ ⚡️ 【本地网关】原生 & 第三方无缝切换 • 原生 GPT 通道始终保留，第三方模型自由切换。127.0.0.1 纯本地监听 + macOS Keychain 凭据安全存储，支持一键还原原生 🎙️ 【全局语音 AI】刘海 HUD 交互体验 • 刘海 HUD 动态波形（Listening / Thinking / Speaking） • 支持短按连续对话 / 长按 Push-to-Talk 模式，所有模型统一支持 🧠 【会话管理】历史上下文无缝承接 • 一键扫描并导入本地历史 Agent 会话 • 智能生成摘要，过滤冗余日志，可直接在 Codex Desktop 中无缝接续工作 #codex #chatgpt #opencodex
4:55

🚀 OpenCodex v1.0.2 正式发布！ 我们把 Codex Desktop 的「原生能力、第三方模型、语音交互、会话管理」整合进了一套完整的本地工作流！ ⚡️ 【本地网关】原生 & 第三方无缝切换 • 原生 GPT 通道始终保留，第三方模型自由切换。127.0.0.1 纯本地监听 + macOS Keychain 凭据安全存储，支持一键还原原生 🎙️ 【全局语音 AI】刘海 HUD 交互体验 • 刘海 HUD 动态波形（Listening / Thinking / Speaking） • 支持短按连续对话 / 长按 Push-to-Talk 模式，所有模型统一支持 🧠 【会话管理】历史上下文无缝承接 • 一键扫描并导入本地历史 Agent 会话 • 智能生成摘要，过滤冗余日志，可直接在 Codex Desktop 中无缝接续工作 #codex #chatgpt #opencodex

Ryanxlll2

37,298 views • 25 days ago

🚀 OpenCodex 1.2.0 框架彻底重构完成！ 这一次，我们重构了底层模型路由，并加入了「Provider Split Bridge 智能分流桥」，区别于市面上几乎所有的第三方网关代理方式⚡ 过去的 OpenCodex 和其他第三方网关一样，采用全局代理模式：所有模型都经过网关。一旦网关崩溃，原生 GPT 和第三方模型会一起失效，只能还原原生模式才能恢复使用。 现在，模型路由彻底分离： 🟢 原生 GPT 永远直连 OpenAI 无论网关开启、关闭、崩溃，还是第三方模型异常，都不会影响 GPT。除非 OpenAI 官方服务本身发生故障，否则 GPT 始终正常运行。 🔵 第三方模型按需接入网关 网关开启时，第三方模型正常运行；网关关闭或崩溃时，第三方模型停止服务，但不会牵连原生 GPT。 🌉 Provider Split Bridge 智能分流桥 网关启动时自动接入，自动识别官方模型与第三方模型，并将它们分别送往正确的服务通道。 🤖 Native Subagent Bridge 子智能体接力桥 当主会话通过 spawn_agent 派发任务时，子智能体请求会通过独立桥接通道进入网关，再由网关按照任务指定的模型和推理档位进行智能分流。主会话仍然保持原生直连，不会变成全局代理，也不会影响 GPT 的正常会话。 🔄 会话完全互通 会话列表、聊天记录和上下文完整继承。同一会话中可以自由切换 GPT、Gemini、DeepSeek 等模型，互不影响，也不会丢失上下文。 OpenCodex，从「全局代理」进化为「官方直连 + 第三方隔离」的双通道智能架构。 官方模型永远稳定，第三方模型按需接入。🛡️✨
1:59

🚀 OpenCodex 1.2.0 框架彻底重构完成！ 这一次，我们重构了底层模型路由，并加入了「Provider Split Bridge 智能分流桥」，区别于市面上几乎所有的第三方网关代理方式⚡ 过去的 OpenCodex 和其他第三方网关一样，采用全局代理模式：所有模型都经过网关。一旦网关崩溃，原生 GPT 和第三方模型会一起失效，只能还原原生模式才能恢复使用。 现在，模型路由彻底分离： 🟢 原生 GPT 永远直连 OpenAI 无论网关开启、关闭、崩溃，还是第三方模型异常，都不会影响 GPT。除非 OpenAI 官方服务本身发生故障，否则 GPT 始终正常运行。 🔵 第三方模型按需接入网关 网关开启时，第三方模型正常运行；网关关闭或崩溃时，第三方模型停止服务，但不会牵连原生 GPT。 🌉 Provider Split Bridge 智能分流桥 网关启动时自动接入，自动识别官方模型与第三方模型，并将它们分别送往正确的服务通道。 🤖 Native Subagent Bridge 子智能体接力桥 当主会话通过 spawn_agent 派发任务时，子智能体请求会通过独立桥接通道进入网关，再由网关按照任务指定的模型和推理档位进行智能分流。主会话仍然保持原生直连，不会变成全局代理，也不会影响 GPT 的正常会话。 🔄 会话完全互通 会话列表、聊天记录和上下文完整继承。同一会话中可以自由切换 GPT、Gemini、DeepSeek 等模型，互不影响，也不会丢失上下文。 OpenCodex，从「全局代理」进化为「官方直连 + 第三方隔离」的双通道智能架构。 官方模型永远稳定，第三方模型按需接入。🛡️✨

Ryanxlll2

57,059 views • 14 days ago

GPT-Realtime-2 语音模型发布 语音首次接入 GPT-5 推理能力 OpenAI一口气发布了三个实时语音模型： GPT-Realtime-2 GPT-Realtime-Translate GPT-Realtime-Whisper 其中GPT-Realtime-2 是其中的主角，这是 OpenAI 第一次把“GPT-5 级推理”塞进语音模型，同时把上下文从 32K 扩到 128K... GPT-Realtime-2：首个具备 GPT-5 级推理能力的语音模型，能在对话中推理复杂请求、并行调工具、处理打断和纠错，上下文窗口从 32K 升到 128K GPT-Realtime-Translate：实时语音翻译模型，支持 70+ 种输入语言、13 种输出语言，跟着说话人的节奏边听边译，能处理口音和专业词 GPT-Realtime-Whisper：流式语音转文字模型，边说边出字，专门给实时字幕、会议纪要、客服转写这类不能等的
1:45

GPT-Realtime-2 语音模型发布 语音首次接入 GPT-5 推理能力 OpenAI一口气发布了三个实时语音模型： GPT-Realtime-2 GPT-Realtime-Translate GPT-Realtime-Whisper 其中GPT-Realtime-2 是其中的主角，这是 OpenAI 第一次把“GPT-5 级推理”塞进语音模型，同时把上下文从 32K 扩到 128K... GPT-Realtime-2：首个具备 GPT-5 级推理能力的语音模型，能在对话中推理复杂请求、并行调工具、处理打断和纠错，上下文窗口从 32K 升到 128K GPT-Realtime-Translate：实时语音翻译模型，支持 70+ 种输入语言、13 种输出语言，跟着说话人的节奏边听边译，能处理口音和专业词 GPT-Realtime-Whisper：流式语音转文字模型，边说边出字，专门给实时字幕、会议纪要、客服转写这类不能等的

小互

31,189 views • 3 months ago

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。
2:15

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 views • 3 months ago

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。
1:35

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

35,755 views • 1 year ago

兄弟们 炸裂了 这个语音专文本TTS模型 应该是目前对中文支持最好的了 ChatTTS：专门为对话场景设计的文本到语音TTS模型 该模型经过超过10万小时的训练，公开版本在 HuggingFace 上提供了一个4万小时预训练的模型。 专为对话任务优化，能够支持多种说话人语音，中英文混合等。 模型还能够预测和控制细粒度的韵律特征，如笑声、停顿和插话等，还能进行更细粒度的调整，如语速、音调和情感等。 GitHub： 详细介绍：
5:26

兄弟们 炸裂了 这个语音专文本TTS模型 应该是目前对中文支持最好的了 ChatTTS：专门为对话场景设计的文本到语音TTS模型 该模型经过超过10万小时的训练，公开版本在 HuggingFace 上提供了一个4万小时预训练的模型。 专为对话任务优化，能够支持多种说话人语音，中英文混合等。 模型还能够预测和控制细粒度的韵律特征，如笑声、停顿和插话等，还能进行更细粒度的调整，如语速、音调和情感等。 GitHub： 详细介绍：

小互

296,677 views • 2 years ago

Hermes Web UI 更新到 v0.5.28 了今天连更两版 🎉新增 xAI Grok OAuth 登录，支持 SuperGrok 订阅用户授权，并更新 Grok 模型预设 v0.5.282026-05-17 新增 Bridge 会话级模型设置，每个会话可以独立保存 provider 和 model 在 Bridge 会话列表中右键会话，选择“设置模型”即可为当前会话切换模型 运行时会自动校验会话模型是否可用；不可用时回退到当前默认模型并更新会话 上下文压缩默认跟随当前 Profile 的默认选中模型 v0.5.262026-05-17 聊天历史和 Markdown 渲染支持 Windows 与本地媒体路径 过滤空 Assistant 历史消息，并在新运行开始时清理旧的压缩状态 配置与 Profile 写入新增文件锁，降低并发写入导致配置损坏的风险 新增 QQBot 与钉钉频道设置 CLI 端口检测改为跨平台实现，并优化移动端终端抽屉尺寸 隔离 Bridge Profile 环境，并修复不同 Python 环境下的 Hermes 插件发现 Gateway 停止状态新增 Web UI 诊断说明，并保持日志加载状态稳定 修复会话重置模式选项、自定义 Provider Base URL 处理和动态投递目标 聊天输入栏新增本地保存的工具调用记录显示开关 支持未找到源码目录时使用包安装的 Hermes Agent 新增 xAI Grok OAuth 登录，支持 SuperGrok 订阅用户授权，并更新 Grok 模型预设 扩展浏览器、聊天流式、Provider、Gateway、配置、插件和 Bridge 测试覆盖
0:59

Hermes Web UI 更新到 v0.5.28 了今天连更两版 🎉新增 xAI Grok OAuth 登录，支持 SuperGrok 订阅用户授权，并更新 Grok 模型预设 v0.5.282026-05-17 新增 Bridge 会话级模型设置，每个会话可以独立保存 provider 和 model 在 Bridge 会话列表中右键会话，选择“设置模型”即可为当前会话切换模型 运行时会自动校验会话模型是否可用；不可用时回退到当前默认模型并更新会话 上下文压缩默认跟随当前 Profile 的默认选中模型 v0.5.262026-05-17 聊天历史和 Markdown 渲染支持 Windows 与本地媒体路径 过滤空 Assistant 历史消息，并在新运行开始时清理旧的压缩状态 配置与 Profile 写入新增文件锁，降低并发写入导致配置损坏的风险 新增 QQBot 与钉钉频道设置 CLI 端口检测改为跨平台实现，并优化移动端终端抽屉尺寸 隔离 Bridge Profile 环境，并修复不同 Python 环境下的 Hermes 插件发现 Gateway 停止状态新增 Web UI 诊断说明，并保持日志加载状态稳定 修复会话重置模式选项、自定义 Provider Base URL 处理和动态投递目标 聊天输入栏新增本地保存的工具调用记录显示开关 支持未找到源码目录时使用包安装的 Hermes Agent 新增 xAI Grok OAuth 登录，支持 SuperGrok 订阅用户授权，并更新 Grok 模型预设 扩展浏览器、聊天流式、Provider、Gateway、配置、插件和 Bridge 测试覆盖

libapi

26,957 views • 3 months ago

Hermes web ui v0.5.30更新 2026-05-19 Hermes Web UI 已升级推送 Grok 4.3 视频模型本地接口，点开skill 然后点击本地安装 grok-image-to-video Bridge 聊天改为保留结构化历史，修复工具调用历史转文本后导致模型偶发不返回、工具不执行的问题 群聊 ＠ 多 Agent 路由更可靠，发送给每个 Agent 时会移除自己的 ＠，并改善刷新后的用户昵称绑定 模型页、聊天模型下拉和会话模型选择改为按当前 Profile 展示，默认模型标记更准确 精简 Gateway 管理：移除独立网关页面，按各 Profile 的平台配置检查并拉起需要运行的 gateway，并改用轻量 gateway runner 管理启动和重启 增强 Docker、Termux 和 Windows 的 Gateway 启动流程，处理运行锁、端口冲突、后台执行和重启场景 优化 Windows 兼容性：路径识别、文件下载、任务/更新子进程不再弹出额外终端窗口 修复配置写入和 Provider 预设：加强 .env 校验，FUN-Codex 改走 Responses API，并更新 模型列表 前端体验细节优化：折叠侧边栏布局、分组短标题、侧边栏分隔线和对话大纲样式更稳定 上下文压缩现在跟随 Profile 压缩配置，并在旧快照失效时复用旧摘要和安全尾部，避免重新压缩完整历史
1:37

Hermes web ui v0.5.30更新 2026-05-19 Hermes Web UI 已升级推送 Grok 4.3 视频模型本地接口，点开skill 然后点击本地安装 grok-image-to-video Bridge 聊天改为保留结构化历史，修复工具调用历史转文本后导致模型偶发不返回、工具不执行的问题 群聊 ＠ 多 Agent 路由更可靠，发送给每个 Agent 时会移除自己的 ＠，并改善刷新后的用户昵称绑定 模型页、聊天模型下拉和会话模型选择改为按当前 Profile 展示，默认模型标记更准确 精简 Gateway 管理：移除独立网关页面，按各 Profile 的平台配置检查并拉起需要运行的 gateway，并改用轻量 gateway runner 管理启动和重启 增强 Docker、Termux 和 Windows 的 Gateway 启动流程，处理运行锁、端口冲突、后台执行和重启场景 优化 Windows 兼容性：路径识别、文件下载、任务/更新子进程不再弹出额外终端窗口 修复配置写入和 Provider 预设：加强 .env 校验，FUN-Codex 改走 Responses API，并更新 模型列表 前端体验细节优化：折叠侧边栏布局、分组短标题、侧边栏分隔线和对话大纲样式更稳定 上下文压缩现在跟随 Profile 压缩配置，并在旧快照失效时复用旧摘要和安全尾部，避免重新压缩完整历史

libapi

15,160 views • 3 months ago

电脑里存放着大量文档、图片和 PDF，有时候想找某个资料都想不起来存放在哪个文件夹，很是苦恼。 不妨试试，利用 Second Brain 这个开源工具，把我们的本地文件变成一个可搜索的 RAG 知识库。 通过自然语言或关键词来搜索内容，支持文本和图片的多模态搜索，还能结果本地 AI 模型进行智能问答。 GitHub： 主要特性： - 语义搜索和关键词搜索结合，精准找到相关内容； - 支持文本和图片的多模态搜索与嵌入； - 支持的文件类型，包括 txt、pdf、docx、png、gif 等多种格式； - 可选 AI 模式，支持本地模型和 OpenAI 云端模型； - 检索增强生成（RAG）让 AI 基于知识库给出高质量回答； - 完全本地运行保护隐私，支持同步 Google Drive。 支持使用 LM Studio 与本地部署的大模型结合使用，可处理超过 10 万个文件，所有数据均在本地处理。
1:08

电脑里存放着大量文档、图片和 PDF，有时候想找某个资料都想不起来存放在哪个文件夹，很是苦恼。 不妨试试，利用 Second Brain 这个开源工具，把我们的本地文件变成一个可搜索的 RAG 知识库。 通过自然语言或关键词来搜索内容，支持文本和图片的多模态搜索，还能结果本地 AI 模型进行智能问答。 GitHub： 主要特性： - 语义搜索和关键词搜索结合，精准找到相关内容； - 支持文本和图片的多模态搜索与嵌入； - 支持的文件类型，包括 txt、pdf、docx、png、gif 等多种格式； - 可选 AI 模式，支持本地模型和 OpenAI 云端模型； - 检索增强生成（RAG）让 AI 基于知识库给出高质量回答； - 完全本地运行保护隐私，支持同步 Google Drive。 支持使用 LM Studio 与本地部署的大模型结合使用，可处理超过 10 万个文件，所有数据均在本地处理。

GitHubDaily

30,761 views • 9 months ago

华南理工大学开源的小智AI智能硬件的后端服务：xiaozhi-esp32-server，支持MCP和声纹识别 对智能硬件感兴趣的朋友可以开搞了 支持语音交互、声纹识别、智能对话、视觉感知、意图识别、工具调用 支持本地短期记忆和mem0ai接口记忆，有记忆总结功能 提供Web管理界面、测试工具 支持最简化安装和全模块安装，可以满足不同场景需求 #AI智能硬件 #小智 #esp32智能硬件
1:20

华南理工大学开源的小智AI智能硬件的后端服务：xiaozhi-esp32-server，支持MCP和声纹识别 对智能硬件感兴趣的朋友可以开搞了 支持语音交互、声纹识别、智能对话、视觉感知、意图识别、工具调用 支持本地短期记忆和mem0ai接口记忆，有记忆总结功能 提供Web管理界面、测试工具 支持最简化安装和全模块安装，可以满足不同场景需求 #AI智能硬件 #小智 #esp32智能硬件

AIGCLINK

47,237 views • 1 year ago

刚刚，Meta开源了一个30B本地端侧Agent模型：Muse Glimmer，能看屏幕、调工具、失败了会自己重试 从Muse Spark专门针对Agent能力蒸馏出来的，在单张消费级GPU（Mac/ PC）上能跑，无需联网 与同尺寸级的Gemma4-31B、Qwen3.6-27B对比，在智能体、编程、多模态、安全和推理等多个基准上表现强劲 多模态输入（文本+图像），能理解屏幕截图、图表、文档，支持OpenClaw等、100+语言 支持本地代理、函数调用、本地编程、LLM评判等场景 搭载DFlash推测解码，在RTX 5090上速度快了3.1倍 #MuseGlimmer #meta最新开源模型
1:54

刚刚，Meta开源了一个30B本地端侧Agent模型：Muse Glimmer，能看屏幕、调工具、失败了会自己重试 从Muse Spark专门针对Agent能力蒸馏出来的，在单张消费级GPU（Mac/ PC）上能跑，无需联网 与同尺寸级的Gemma4-31B、Qwen3.6-27B对比，在智能体、编程、多模态、安全和推理等多个基准上表现强劲 多模态输入（文本+图像），能理解屏幕截图、图表、文档，支持OpenClaw等、100+语言 支持本地代理、函数调用、本地编程、LLM评判等场景 搭载DFlash推测解码，在RTX 5090上速度快了3.1倍 #MuseGlimmer #meta最新开源模型

AIGCLINK

22,181 views • 11 days ago

11Labs 推出 Scribe v2 Realtime 实时AI语音模型 - 小于150毫秒延迟 全球最高精度 - 支持 90多种语言 - 在实时性 + 多语言准确度上领先目前顶尖模型 - 自动识别说话的起止，精准分段，减少空白噪声 - 断线续写，即使连接中断，也能继续转录不中断 - 预测式转录，模型会预判接下来的词语与标点，实现流畅输出 - 复杂词汇识别，内置专业术语库，支持技术、医学、金融等专用领域
1:21

11Labs 推出 Scribe v2 Realtime 实时AI语音模型 - 小于150毫秒延迟 全球最高精度 - 支持 90多种语言 - 在实时性 + 多语言准确度上领先目前顶尖模型 - 自动识别说话的起止，精准分段，减少空白噪声 - 断线续写，即使连接中断，也能继续转录不中断 - 预测式转录，模型会预判接下来的词语与标点，实现流畅输出 - 复杂词汇识别，内置专业术语库，支持技术、医学、金融等专用领域

小互

13,033 views • 9 months ago

终于，iPhone 上远程管理 tmux 工作区来了 Remux 是 h3nock 开发的 iOS 原生应用，用 Ghostty 的终端内核渲染，SSH 直连远程服务器上的 tmux，不走中继、不用注册账号，密码和私钥存在 iOS Keychain。tmux 的会话、窗口、窗格模型完整保留：左右滑动切换窗口，底部面板实时预览窗格，支持拆分、缩放和关闭。
1:00

终于，iPhone 上远程管理 tmux 工作区来了 Remux 是 h3nock 开发的 iOS 原生应用，用 Ghostty 的终端内核渲染，SSH 直连远程服务器上的 tmux，不走中继、不用注册账号，密码和私钥存在 iOS Keychain。tmux 的会话、窗口、窗格模型完整保留：左右滑动切换窗口，底部面板实时预览窗格，支持拆分、缩放和关闭。

Geek Lite

15,896 views • 15 days ago

一个相当牛的开源项目 Windows-Use，让任何大语言模型直接控制操作 Windows 系统。 支持打开应用、按钮点击、文字输入等基础交互，可自动化执行命令，实现系统级别的自动化操作。 GitHub： 同时可实时捕获和理解界面状态，智能判断下一步操作，不依赖传统的计算机视觉模型。 支持 Windows 7 到 Windows 11 全系列系统，可直接语音输入，动动嘴皮就能控制电脑。
2:56

Sensitive content

一个相当牛的开源项目 Windows-Use，让任何大语言模型直接控制操作 Windows 系统。 支持打开应用、按钮点击、文字输入等基础交互，可自动化执行命令，实现系统级别的自动化操作。 GitHub： 同时可实时捕获和理解界面状态，智能判断下一步操作，不依赖传统的计算机视觉模型。 支持 Windows 7 到 Windows 11 全系列系统，可直接语音输入，动动嘴皮就能控制电脑。

GitHubDaily

35,658 views • 11 months ago

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! 👀
1:31

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 views • 1 month ago