正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

发现一个能精准提取复杂文档内容的开源项目——MinerU，在GitHub 狂揽 7w star，登顶了 Trending 榜单不管你的文档内容有多复杂,它都能帮你精准提取。有缺陷的乱码表格、公式复杂的学术论文,甚至扫描版的文档,都能一字不差地抓取出来。文本型PDF、图层型PDF、扫描版PDF，它都能自动识别类型再处理，对模糊、有水印的情况也有很强的鲁棒性。还支持各种文档格式的元素提取，标题、正文、图片、表格、公式，都能精准定位，最后直接一键导出成Markdown 等格式，省去大量人工整理的时间。

阿西_出海

25,107 subscribers

11,807 次观看 • 10 天前 •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

牛，Mistral刚刚发布了号称地表最强OCR，给文档理解设立了新标准！ Mistral OCR具备强大认知能力，能准确理解文档中包括文本、图像、表格、公式等在内的每个元素特点： 1、原生多语言和多模态，支持数千种文字、字体以及语言 2、能准确理解复杂的文档元素，包括图像、数学公式、表格以及 LaTeX 格式等，尤其擅长处理包含图表、图形、公式和插图的科学论文等富文档 3、在多个文档分析方面的基准测试中优于其他OCR模型，尤其在扫描文档、表格和数学公式识别上表现出色 4、处理速度很快，单节点每分钟可处理2000页 5、支持使用文档作为提示，以结构化格式比如 JSON输出 6、可选择性自托管 #OCR #MistralOCR #Mistral

牛，Mistral刚刚发布了号称地表最强OCR，给文档理解设立了新标准！ Mistral OCR具备强大认知能力，能准确理解文档中包括文本、图像、表格、公式等在内的每个元素特点： 1、原生多语言和多模态，支持数千种文字、字体以及语言 2、能准确理解复杂的文档元素，包括图像、数学公式、表格以及 LaTeX 格式等，尤其擅长处理包含图表、图形、公式和插图的科学论文等富文档 3、在多个文档分析方面的基准测试中优于其他OCR模型，尤其在扫描文档、表格和数学公式识别上表现出色 4、处理速度很快，单节点每分钟可处理2000页 5、支持使用文档作为提示，以结构化格式比如 JSON输出 6、可选择性自托管 #OCR #MistralOCR #Mistral

AIGCLINK

111,943 次观看 • 1 年前

GitHub 宝藏项目：MinerU（5.8 万 ⭐）它把 PDF 直接变成 AI 能用的数据以前处理 PDF：表格乱公式废排版崩 OCR 一堆垃圾能用，但很痛苦。 MinerU 不一样：它在理解文档，不是读文字文本、表格、公式一起解析结构完整还原（标题、段落、表格）公式转 LaTeX 自动去掉页眉页脚关键就一个：把非结构化 PDF 变成结构化数据这一步，正好是 AI 最难的入口。别人还在做 OCR，它已经在做 AI 数据预处理了。做 RAG、Agent、知识库的，这个可以直接上手试。

GitHub 宝藏项目：MinerU（5.8 万 ⭐）它把 PDF 直接变成 AI 能用的数据以前处理 PDF：表格乱公式废排版崩 OCR 一堆垃圾能用，但很痛苦。 MinerU 不一样：它在理解文档，不是读文字文本、表格、公式一起解析结构完整还原（标题、段落、表格）公式转 LaTeX 自动去掉页眉页脚关键就一个：把非结构化 PDF 变成结构化数据这一步，正好是 AI 最难的入口。别人还在做 OCR，它已经在做 AI 数据预处理了。做 RAG、Agent、知识库的，这个可以直接上手试。

开发者Hailey

35,459 次观看 • 3 个月前

ChatWiki：开源的知识库 AI 问答系统提供开箱即用的数据处理、模型调用等能力支持docx，excel，pdf ，ofd等多种文档格式支持国产化浏览器，支持deepseek，千问，豆包等20多个大模型 👉

ChatWiki：开源的知识库 AI 问答系统提供开箱即用的数据处理、模型调用等能力支持docx，excel，pdf ，ofd等多种文档格式支持国产化浏览器，支持deepseek，千问，豆包等20多个大模型 👉

ahhhhfs

65,343 次观看 • 1 年前

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。

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

29,901 次观看 • 8 个月前

Anthropic将推出一个叫Harmony的新功能，这个功能支持将本地文件目录集成到Claude的上下文中这意味着Claude能直接读取、索引、分析目录中的文件内容，与你的本地文件无缝交互以前，你得手动把代码给Claude，现在，直接让它看整个项目文件夹，它能自动分析所有代码，找出问题据说它用了几分钟分析了一个代码库，识别了出了10个不同的安全漏洞还可以直接让Claude修改本地文件，像更新文档、修改代码、添加内容等也可以让它找文件，它会扫描你指定的文件夹根据关键词找到文件此外，Anthropic应该还在出另外一个叫Compass的新功能，类似深度研究的功能，可以自动整合多个信息来源，包括搜索网络、学习材料、报告文档等，把零散信息整合成一个有条理的研究结果 #Claude #Harmony #AI #LLM

Anthropic将推出一个叫Harmony的新功能，这个功能支持将本地文件目录集成到Claude的上下文中这意味着Claude能直接读取、索引、分析目录中的文件内容，与你的本地文件无缝交互以前，你得手动把代码给Claude，现在，直接让它看整个项目文件夹，它能自动分析所有代码，找出问题据说它用了几分钟分析了一个代码库，识别了出了10个不同的安全漏洞还可以直接让Claude修改本地文件，像更新文档、修改代码、添加内容等也可以让它找文件，它会扫描你指定的文件夹根据关键词找到文件此外，Anthropic应该还在出另外一个叫Compass的新功能，类似深度研究的功能，可以自动整合多个信息来源，包括搜索网络、学习材料、报告文档等，把零散信息整合成一个有条理的研究结果 #Claude #Harmony #AI #LLM

AIGCLINK

36,742 次观看 • 1 年前

今天看到一个不错的 AI 产品 Napkin，能帮你生成各种不同样式风格的漂亮图表，交互很丝滑，图表也很漂亮。大概看了下实现原理，应该是后台用了一个小模型（GPT-4 mini 或者 Gemini Flash这种），把选中的文本变成mermaid这样的图表格式，并且每个节点选了一个配套的图标（可能用了RAG），然后前端渲染成 SVG 格式，编辑器是基于 TipTap。它有很多图表的模板，会一次性生成多套图表，你可以选择一套喜欢的应用。每一套风格都很讨喜，团队的设计能力很强。目前还是免费的

今天看到一个不错的 AI 产品 Napkin，能帮你生成各种不同样式风格的漂亮图表，交互很丝滑，图表也很漂亮。大概看了下实现原理，应该是后台用了一个小模型（GPT-4 mini 或者 Gemini Flash这种），把选中的文本变成mermaid这样的图表格式，并且每个节点选了一个配套的图标（可能用了RAG），然后前端渲染成 SVG 格式，编辑器是基于 TipTap。它有很多图表的模板，会一次性生成多套图表，你可以选择一套喜欢的应用。每一套风格都很讨喜，团队的设计能力很强。目前还是免费的

宝玉

67,320 次观看 • 1 年前

Zerox ：一个简单易用的开源 GPT OCR 工具利用gpt-4o-mini 模型进行零-shot 学习，直接处理各种文档。可将 PDF、DOCX 等文件转换为 Markdown 格式支持并发处理多个页面可设置多种选项，例如选择处理特定页面、是否保持格式、以及选择使用的模型等。详细介绍：在线体验：

Zerox ：一个简单易用的开源 GPT OCR 工具利用gpt-4o-mini 模型进行零-shot 学习，直接处理各种文档。可将 PDF、DOCX 等文件转换为 Markdown 格式支持并发处理多个页面可设置多种选项，例如选择处理特定页面、是否保持格式、以及选择使用的模型等。详细介绍：在线体验：

小互

82,227 次观看 • 1 年前

看我作为一个 AI 博主是如何用飞书 + 【可联网的】DeepSeek R1 搭建简单自动化工作流提升工作效率的作为一个 AI 博主，日常一大部分工作是阅读和分享各种海外的AI资讯，这就少不了要翻译各种英文文章。之前我很多操作是手动的，比如复制粘贴文章到 Markdown 编辑器，然后从编辑器复制到 DeepSeek R1 或者 ChatGPT 去翻译，再改写后发布。之前看 orange ai 分享的飞书多维表格接入 DeepSeek R1 的教程，【加上这周飞书的AI直播】，按照我自己的场景定制了几个工作流，最开始只是简单的文本翻译，后来发现也能用支持从图片提取文字，那意味着我可以直接先把图片转成文字，再基于翻译好的文本用 DeepSeek R1 翻译。简单设置后就成功了。再后来我甚至更进一步，直接从 URL 抓取内容，然后借助 DeepSeek R1 翻译，最后甚至还可以把翻译后的文章用各种不同的文章风格改写，使用的时候只要输入 URL 就可以自动生成一篇高质量的文章，是真的很方便。具体来说，就是飞书在添加字段的时候，可以选 ShortCuts（中文可能对应的是“快捷方式”），然后从快捷方式中选择各种不同的工具，比如说 AI 抓取、DeepSeek R1、图片 OCR、图片生成、抠图等等，并且你可以设置某个字段的内容为输入，以及自定义提示词。就像我前面自动从 URL 生成文章的流程，主要有这样几个字段： - URL：输入 URL - 原始网页内容（AI Web Link Reader）：从输入的 URL 中提取标题、内容为 Markdown 文本 - 翻译为中文（DeepSeek R1）：将抓取后的 Markdown 文本翻译为中文 - 翻译为中文 - 输出结果：DeepSeek R1 的输出结果 - 风格改写（DeepSeek R1）：将翻译后的内容用指定的风格改写，阅读起来更自然 - 风格改写 - 输出结果：DeepSeek R1 的输出结果除了上面的 URL 生成文章外，里面还包含了几个不同的常用工作流： - 将输入的文本内容翻译为中文 - 将输入的图片内容翻译为中文 - 生成多条爆款标题供选择工作流的飞书模板链接🔗我放在了评论，建议你也可以试试，应该可以发掘出不少有意思的场景。⬇️

看我作为一个 AI 博主是如何用飞书 + 【可联网的】DeepSeek R1 搭建简单自动化工作流提升工作效率的作为一个 AI 博主，日常一大部分工作是阅读和分享各种海外的AI资讯，这就少不了要翻译各种英文文章。之前我很多操作是手动的，比如复制粘贴文章到 Markdown 编辑器，然后从编辑器复制到 DeepSeek R1 或者 ChatGPT 去翻译，再改写后发布。之前看 orange ai 分享的飞书多维表格接入 DeepSeek R1 的教程，【加上这周飞书的AI直播】，按照我自己的场景定制了几个工作流，最开始只是简单的文本翻译，后来发现也能用支持从图片提取文字，那意味着我可以直接先把图片转成文字，再基于翻译好的文本用 DeepSeek R1 翻译。简单设置后就成功了。再后来我甚至更进一步，直接从 URL 抓取内容，然后借助 DeepSeek R1 翻译，最后甚至还可以把翻译后的文章用各种不同的文章风格改写，使用的时候只要输入 URL 就可以自动生成一篇高质量的文章，是真的很方便。具体来说，就是飞书在添加字段的时候，可以选 ShortCuts（中文可能对应的是“快捷方式”），然后从快捷方式中选择各种不同的工具，比如说 AI 抓取、DeepSeek R1、图片 OCR、图片生成、抠图等等，并且你可以设置某个字段的内容为输入，以及自定义提示词。就像我前面自动从 URL 生成文章的流程，主要有这样几个字段： - URL：输入 URL - 原始网页内容（AI Web Link Reader）：从输入的 URL 中提取标题、内容为 Markdown 文本 - 翻译为中文（DeepSeek R1）：将抓取后的 Markdown 文本翻译为中文 - 翻译为中文 - 输出结果：DeepSeek R1 的输出结果 - 风格改写（DeepSeek R1）：将翻译后的内容用指定的风格改写，阅读起来更自然 - 风格改写 - 输出结果：DeepSeek R1 的输出结果除了上面的 URL 生成文章外，里面还包含了几个不同的常用工作流： - 将输入的文本内容翻译为中文 - 将输入的图片内容翻译为中文 - 生成多条爆款标题供选择工作流的飞书模板链接🔗我放在了评论，建议你也可以试试，应该可以发掘出不少有意思的场景。⬇️

宝玉

87,333 次观看 • 1 年前

这速度真特么离谱啊！卧槽！最新开源的Unlimited-OCR能一次性处理几百页文档，而且速度还很稳。而这个模型来自百度刚刚在hugging face 发布，其核心创新是R-SWA（Reference Sliding Window Attention）。它让模型在解码时KV Cache保持恒定，不会随着文档页数增加而爆炸式增长。结果就是：一张图或者一本多页PDF，直接扔进去就能一次性解析完，速度和稳定性都比传统逐页处理的方式好很多。在OmniDocBench上拿到了93分，比DeepSeek-OCR高出6个百分点。这已经不是简单的准确率提升，而是把长文档OCR的工作流从“分块+外部调度器拼接”变成了真正的端到端一镜到底。以前做多页文档最头疼的就是上下文断裂和格式不一致，现在模型能一次性看到整篇文档的结构、布局和逻辑关系，输出质量自然上了一个台阶。这其实是把OCR从“认字工具”往“长文档理解引擎”又往前推了一大步。技术路线很清晰，也很实用。果然百度现在OCR独树一帜，遥遥领先了。模型地址见评论区～ 👇

这速度真特么离谱啊！卧槽！最新开源的Unlimited-OCR能一次性处理几百页文档，而且速度还很稳。而这个模型来自百度刚刚在hugging face 发布，其核心创新是R-SWA（Reference Sliding Window Attention）。它让模型在解码时KV Cache保持恒定，不会随着文档页数增加而爆炸式增长。结果就是：一张图或者一本多页PDF，直接扔进去就能一次性解析完，速度和稳定性都比传统逐页处理的方式好很多。在OmniDocBench上拿到了93分，比DeepSeek-OCR高出6个百分点。这已经不是简单的准确率提升，而是把长文档OCR的工作流从“分块+外部调度器拼接”变成了真正的端到端一镜到底。以前做多页文档最头疼的就是上下文断裂和格式不一致，现在模型能一次性看到整篇文档的结构、布局和逻辑关系，输出质量自然上了一个台阶。这其实是把OCR从“认字工具”往“长文档理解引擎”又往前推了一大步。技术路线很清晰，也很实用。果然百度现在OCR独树一帜，遥遥领先了。模型地址见评论区～ 👇

Berryxia.AI

148,607 次观看 • 26 天前

终于有适合咱们文科生的网站搭建方式了现在你的任何一篇文章都能变成网站无需任何编程知识只需要准备好图、文字、链接 YouMind就能把这些变成网站，这种控制方式非常方便，链接都可以跳转在视频内我准备了多种风格提示词给大家大家看看有没有你喜欢的风格~~

终于有适合咱们文科生的网站搭建方式了现在你的任何一篇文章都能变成网站无需任何编程知识只需要准备好图、文字、链接 YouMind就能把这些变成网站，这种控制方式非常方便，链接都可以跳转在视频内我准备了多种风格提示词给大家大家看看有没有你喜欢的风格~~

Nicolechan

15,825 次观看 • 5 个月前

🔥花了点时间基于Nano Banana Pro 做了个公众号文章一键转小红书图片的小工具。输入公众号文章链接或者上传本地文档（支持文本文件（.txt）、Markdown文档（.md）、PDF文件（.pdf）、Word文档（.doc/.docx）），就能生成精美排版的小红书图片（包含封面图和内容图）。还可以自定义配置生图模型 API，这里我用的香蕉 Pro 生成出的效果好看一些。当然也可以在个人中心中查看自己的生成记录。不满意的图片也完全支持单张修改，同样支持打包下载。这一篇推文将主要包括以下内容的分享： * 为什么要做这款产品？ * 怎么从 0-1 开始做（工具选择 & 如何给 AI 提示词） * 未来迭代计划以及如何体验这款产品

🔥花了点时间基于Nano Banana Pro 做了个公众号文章一键转小红书图片的小工具。输入公众号文章链接或者上传本地文档（支持文本文件（.txt）、Markdown文档（.md）、PDF文件（.pdf）、Word文档（.doc/.docx）），就能生成精美排版的小红书图片（包含封面图和内容图）。还可以自定义配置生图模型 API，这里我用的香蕉 Pro 生成出的效果好看一些。当然也可以在个人中心中查看自己的生成记录。不满意的图片也完全支持单张修改，同样支持打包下载。这一篇推文将主要包括以下内容的分享： * 为什么要做这款产品？ * 怎么从 0-1 开始做（工具选择 & 如何给 AI 提示词） * 未来迭代计划以及如何体验这款产品

苍何

69,127 次观看 • 7 个月前

Manga-image-Translator: 一键翻译各类图片内文字一个开源工具，专门用于翻译漫画或图片中的文字。利用高效的OCR和AI翻译技术，它能够自动识别和翻译任何图片中的文字，并支持多种语言。不仅翻译文字，还可以对去除文字后的区域进行修复和上色，以及重新渲染翻译后的文本。主要功能： 1、自动翻译图片中的文本：使用先进的OCR技术自动识别图片或漫画中的文字，并将其翻译成用户指定的语言。 2、支持多种语言：虽然最初设计是为了翻译日语文本，项目也支持中文、英文、韩文等多种语言的翻译，满足不同用户的需求。 3、文本修复与上色：在移除原始文本后，能够对相应区域进行修复和上色，保持图片的整体美观。 4、文本渲染：翻译完成的文本不仅仅是以简单文本形式呈现，还会根据原图的风格进行渲染，使翻译后的文本自然融入图片中。 5、支持命令行界面（CLI）和Web界面：用户可以通过命令行界面批量处理图片翻译任务，或者通过Web界面进行单个图片的翻译和预览。 6、一键去除漫画中的所有文字，支持多种翻译服务或模型项目地址：官方演示：

Manga-image-Translator: 一键翻译各类图片内文字一个开源工具，专门用于翻译漫画或图片中的文字。利用高效的OCR和AI翻译技术，它能够自动识别和翻译任何图片中的文字，并支持多种语言。不仅翻译文字，还可以对去除文字后的区域进行修复和上色，以及重新渲染翻译后的文本。主要功能： 1、自动翻译图片中的文本：使用先进的OCR技术自动识别图片或漫画中的文字，并将其翻译成用户指定的语言。 2、支持多种语言：虽然最初设计是为了翻译日语文本，项目也支持中文、英文、韩文等多种语言的翻译，满足不同用户的需求。 3、文本修复与上色：在移除原始文本后，能够对相应区域进行修复和上色，保持图片的整体美观。 4、文本渲染：翻译完成的文本不仅仅是以简单文本形式呈现，还会根据原图的风格进行渲染，使翻译后的文本自然融入图片中。 5、支持命令行界面（CLI）和Web界面：用户可以通过命令行界面批量处理图片翻译任务，或者通过Web界面进行单个图片的翻译和预览。 6、一键去除漫画中的所有文字，支持多种翻译服务或模型项目地址：官方演示：

小互

45,571 次观看 • 2 年前

出门在外也能让 Claude 在电脑上干活 Claude 彻底小龙虾化 Claude Cowork 推出一的一个新功能：Dispatch，用手机远程指挥电脑上的 Claude 干活。打开 Cowork，找到 Dispatch 选项扫个二维码，手机就配对上了然后你电脑只要开着，你就能通过手机操控Cowork，让它去你的电脑里做任何事情... Dispatch 走的是 Cowork 的底层能力，你电脑上 Claude 能用的一切（本地文件、连接器、插件、浏览器），从手机端都能调用。能访问你连接的邮箱、网盘、Slack等，还能访问你电脑里的指定的或者所有文件，理论上是可以让它调用各个文件帮你干活。典型场景包括：数据处理：你在外面，想让 Claude 从本地的 Excel 表格里提取数据，整理成摘要报告。发条消息就行，Claude 会访问你电脑上的文件，跑完把结果放好。信息汇总：让 Claude 搜你的 Slack 消息和邮件，起草一份简报文档。省得你回到电脑前还得翻半天聊天记录。文件整理：指定一个文件夹，让 Claude 按你的规则整理或处理里面的文件。演示制作：让 Claude 从 Google Drive 里找素材，拼一份格式化的演示文稿。

出门在外也能让 Claude 在电脑上干活 Claude 彻底小龙虾化 Claude Cowork 推出一的一个新功能：Dispatch，用手机远程指挥电脑上的 Claude 干活。打开 Cowork，找到 Dispatch 选项扫个二维码，手机就配对上了然后你电脑只要开着，你就能通过手机操控Cowork，让它去你的电脑里做任何事情... Dispatch 走的是 Cowork 的底层能力，你电脑上 Claude 能用的一切（本地文件、连接器、插件、浏览器），从手机端都能调用。能访问你连接的邮箱、网盘、Slack等，还能访问你电脑里的指定的或者所有文件，理论上是可以让它调用各个文件帮你干活。典型场景包括：数据处理：你在外面，想让 Claude 从本地的 Excel 表格里提取数据，整理成摘要报告。发条消息就行，Claude 会访问你电脑上的文件，跑完把结果放好。信息汇总：让 Claude 搜你的 Slack 消息和邮件，起草一份简报文档。省得你回到电脑前还得翻半天聊天记录。文件整理：指定一个文件夹，让 Claude 按你的规则整理或处理里面的文件。演示制作：让 Claude 从 Google Drive 里找素材，拼一份格式化的演示文稿。

小互

63,198 次观看 • 4 个月前

很多人觉得 AI编程门槛太高，不愿意使用，那么你们有福了！！！扣子发布2.0版本带Skills 功能，非常有幸拿到 Coze Skills 的内测。试了一下，对于不会用Claude Code，或者惧怕使用的人来说，真是太友好了！如果说：Claude的Skills很强，还需要懂一点技术的话，那么扣子把这个门槛降到了零。对话就能创建零代码创建普通人也能拥有AI超能力。我做了个论文一键转公众号的 Skill，还能自动配图，自动发布！ 1. 支持从论文/文章 PDF 或链接中一键提取核心内容 2. 智能解析：自动提取论文的标题、摘要、核心创新点、实验数据和结论。 3. 文风转换：不是生硬的翻译，而是根据公众号读者的阅读习惯，将晦涩的学术语言转化为通俗易懂的各种文风。 4. AI 自动配图：这是最酷的地方！它会根据论文主题，自动调用绘图模型生成一张吸睛的高清封面图，并且在文章正文中根据段落内容自动插入合适的插图。 5.一键发送草稿箱：连复制粘贴都省了，直接对接公众号 API，生成的图文直接躺在你的公众号草稿箱里，只需要最后确认一下就能发布。同时扣子也正式推出了 Skills 技能，及技能商店。我的技能已经免费分享到coze的技能商店！搜索：公众号配图生成技能就能找到！来讲一下如何操作：技能入口在扣子 2.0 版本的扣子编程这里就可以看到，窗口右上角的“技能”。在扣子编程中的不需要太多技巧，直接使用自然语言的方式就可以创建技能，它会完全按照你的意思去生成和调试，非常方便！并且支持在线调试预览开发好的技能，然后还支持一键部署和发布到扣子。关键是一边预览，左侧还能让它修改可以打开文件夹，看到 skill 自定义文件、脚本、引用来源等信息。结构和CC非常像，其实我觉得都完全没有必要打开看。我很多文件，都是从Claude Code里面的skills直接copy过来，上传上去，居然直接能用，省了好多力气，直接可以搬移Claude Skill了！技能开发完成后，点击部署，在技能商店中可以看到自己刚刚部署和安装的技能，并支持一键发布到技能商店给所有人使用。可以发布为免费技能也可以发布为付费技能，想赚钱直接发布成付费就行。发布完后，所有人都能在技能商店使用你的技能，如果是付费的，用户可以很方便的对技能进行付费，技能开发者也能快速变现。使用直接 @你的技能就可以，详细请看视频 Skills 还是太火了，所有的媒体平台都有在讨论 Skills。扣子也第一时间，支持了 Skills 的无代码开发以及技能商店。目前Coze商店里的技能，我看了一下绝大多数都是免费的，赶紧来找一下你要的？用AI工具快两年了，从最开始的"哇，它能写东西"，到后来的"嗯，但还是得我自己改"，再到现在的"它真的能帮我干活了"。 AI不再是一个聊天工具，而是一个真正的同事。它知道我的工作方式，它能交付我需要的成品，它甚至能主动帮我完成重复性工作。这才是AI应该有的样子。

很多人觉得 AI编程门槛太高，不愿意使用，那么你们有福了！！！扣子发布2.0版本带Skills 功能，非常有幸拿到 Coze Skills 的内测。试了一下，对于不会用Claude Code，或者惧怕使用的人来说，真是太友好了！如果说：Claude的Skills很强，还需要懂一点技术的话，那么扣子把这个门槛降到了零。对话就能创建零代码创建普通人也能拥有AI超能力。我做了个论文一键转公众号的 Skill，还能自动配图，自动发布！ 1. 支持从论文/文章 PDF 或链接中一键提取核心内容 2. 智能解析：自动提取论文的标题、摘要、核心创新点、实验数据和结论。 3. 文风转换：不是生硬的翻译，而是根据公众号读者的阅读习惯，将晦涩的学术语言转化为通俗易懂的各种文风。 4. AI 自动配图：这是最酷的地方！它会根据论文主题，自动调用绘图模型生成一张吸睛的高清封面图，并且在文章正文中根据段落内容自动插入合适的插图。 5.一键发送草稿箱：连复制粘贴都省了，直接对接公众号 API，生成的图文直接躺在你的公众号草稿箱里，只需要最后确认一下就能发布。同时扣子也正式推出了 Skills 技能，及技能商店。我的技能已经免费分享到coze的技能商店！搜索：公众号配图生成技能就能找到！来讲一下如何操作：技能入口在扣子 2.0 版本的扣子编程这里就可以看到，窗口右上角的“技能”。在扣子编程中的不需要太多技巧，直接使用自然语言的方式就可以创建技能，它会完全按照你的意思去生成和调试，非常方便！并且支持在线调试预览开发好的技能，然后还支持一键部署和发布到扣子。关键是一边预览，左侧还能让它修改可以打开文件夹，看到 skill 自定义文件、脚本、引用来源等信息。结构和CC非常像，其实我觉得都完全没有必要打开看。我很多文件，都是从Claude Code里面的skills直接copy过来，上传上去，居然直接能用，省了好多力气，直接可以搬移Claude Skill了！技能开发完成后，点击部署，在技能商店中可以看到自己刚刚部署和安装的技能，并支持一键发布到技能商店给所有人使用。可以发布为免费技能也可以发布为付费技能，想赚钱直接发布成付费就行。发布完后，所有人都能在技能商店使用你的技能，如果是付费的，用户可以很方便的对技能进行付费，技能开发者也能快速变现。使用直接 @你的技能就可以，详细请看视频 Skills 还是太火了，所有的媒体平台都有在讨论 Skills。扣子也第一时间，支持了 Skills 的无代码开发以及技能商店。目前Coze商店里的技能，我看了一下绝大多数都是免费的，赶紧来找一下你要的？用AI工具快两年了，从最开始的"哇，它能写东西"，到后来的"嗯，但还是得我自己改"，再到现在的"它真的能帮我干活了"。 AI不再是一个聊天工具，而是一个真正的同事。它知道我的工作方式，它能交付我需要的成品，它甚至能主动帮我完成重复性工作。这才是AI应该有的样子。

huangserva

28,909 次观看 • 5 个月前

🚨 文档地狱终结者 MarkItDown，一键把所有文件秒变 LLM 完美 Markdown！ Microsoft 直接开源 MarkItDown，138k+ Star 霸榜 Trending，从此告别 PDF 乱码、Word 表格炸裂、PPT 结构全丢的痛苦—任何文件扔进去，直接输出干净、可直接喂大模型的 Markdown，AI 时代文档处理终于彻底解放！核心亮点一览： - 超强文件支持：PDF、Word、Excel、PowerPoint、图片（带 OCR）、音频（转文字）、YouTube 视频、EPUB、HTML、CSV、JSON、XML、ZIP 包…… - 结构极致保留：标题层级、表格、列表、链接、代码块、图片描述全部完美保留，LLM 读取体验直接拉满 - 极简操作：支持命令行一键转换，也支持 Python 简单调用 - 插件化可扩展，支持自定义转换器无论是搭建 RAG 知识库、批量喂 Agent 学习材料，还是日常处理竞品分析、PRD、财报、技术文档，这工具都能把效率直接拉高几个数量级。

🚨 文档地狱终结者 MarkItDown，一键把所有文件秒变 LLM 完美 Markdown！ Microsoft 直接开源 MarkItDown，138k+ Star 霸榜 Trending，从此告别 PDF 乱码、Word 表格炸裂、PPT 结构全丢的痛苦—任何文件扔进去，直接输出干净、可直接喂大模型的 Markdown，AI 时代文档处理终于彻底解放！核心亮点一览： - 超强文件支持：PDF、Word、Excel、PowerPoint、图片（带 OCR）、音频（转文字）、YouTube 视频、EPUB、HTML、CSV、JSON、XML、ZIP 包…… - 结构极致保留：标题层级、表格、列表、链接、代码块、图片描述全部完美保留，LLM 读取体验直接拉满 - 极简操作：支持命令行一键转换，也支持 Python 简单调用 - 插件化可扩展，支持自定义转换器无论是搭建 RAG 知识库、批量喂 Agent 学习材料，还是日常处理竞品分析、PRD、财报、技术文档，这工具都能把效率直接拉高几个数量级。

开发者Hailey

18,871 次观看 • 1 个月前

🔥兄弟们！早啊！费曼学习神器又双叒更新了！这次NotebookLM的新功能直接戳中学习党痛点，谁用谁夸！重点来了——现在上传你的学习素材，就能一键生成对应表格！ ✍🏻操作超简单：选「Data Table」，写好需求prompt，剩下的交给它就行～不管是整理学术论文的作者、核心观点、实验方法，还是梳理大量复杂数据，这功能都能hold住！ 😌更贴心的是，生成的表格支持导出多种格式：Excel、ods、html、pdf，一键下载到本地就能接着编辑，效率直接翻倍！还没试过的朋友快去试试！觉得有用的话，记得一键三连让更多人看到～

🔥兄弟们！早啊！费曼学习神器又双叒更新了！这次NotebookLM的新功能直接戳中学习党痛点，谁用谁夸！重点来了——现在上传你的学习素材，就能一键生成对应表格！ ✍🏻操作超简单：选「Data Table」，写好需求prompt，剩下的交给它就行～不管是整理学术论文的作者、核心观点、实验方法，还是梳理大量复杂数据，这功能都能hold住！ 😌更贴心的是，生成的表格支持导出多种格式：Excel、ods、html、pdf，一键下载到本地就能接着编辑，效率直接翻倍！还没试过的朋友快去试试！觉得有用的话，记得一键三连让更多人看到～

Berryxia.AI

26,793 次观看 • 6 个月前

跟大家分享一款功能全面的 PDF 编辑器：Every PDF，完全开源免费，可离线使用。提供简洁易用的界面，支持文本添加、图片签名、文件合并拆分、页面旋转水印等所有常用功能， GitHub：主要功能： - PDF 编辑器，支持添加文字、签名、图片和复选框 - 文档分割，按页面范围或特定页码精确分割 - 文档合并，拖拽操作轻松合并多个 PDF 文件 - 水印添加，支持文字和图片水印自定义设置 - 页面管理，旋转和重新排序页面顺序提供 Windows、macOS 安装包，直接在发布页面下载即可使用。有 PDF 编辑需求又想保护数据隐私的同学可以看下。

跟大家分享一款功能全面的 PDF 编辑器：Every PDF，完全开源免费，可离线使用。提供简洁易用的界面，支持文本添加、图片签名、文件合并拆分、页面旋转水印等所有常用功能， GitHub：主要功能： - PDF 编辑器，支持添加文字、签名、图片和复选框 - 文档分割，按页面范围或特定页码精确分割 - 文档合并，拖拽操作轻松合并多个 PDF 文件 - 水印添加，支持文字和图片水印自定义设置 - 页面管理，旋转和重新排序页面顺序提供 Windows、macOS 安装包，直接在发布页面下载即可使用。有 PDF 编辑需求又想保护数据隐私的同学可以看下。

GitHubDaily

42,278 次观看 • 11 个月前

卧槽牛P了 Anthropic 推出 Claude Cowork 大众版 Claude Code 为了让普通用户（不仅是开发者）也能像使用 Claude Code 那样，操控电脑里的文件进行工作和执行任务。他们基于 Claude Code 的底层能力，重新设计了一个更直观、更简单易用的版本：Cowork Cowork 的核心机制：Claude 拿到“动手权” 你可以让 Claude 访问你电脑中的一个文件夹。一旦你授权，它就可以在那个范围内：读取文件：看懂里面的内容；编辑文件：修改或补充；创建文件：从零生成新的文档；整理文件：例如自动分类、重命名、清理下载文件夹。举个例子：你有几十张发票截图散落在下载文件夹里， Cowork 可以识别这些截图中的文字，提取出金额和日期，再帮你生成一份 Excel 表格列出所有支出。和普通 Claude 聊天有何不同？普通 Claude 是“对话式”的，它只会输出文本回答。 Cowork 则是“执行式”的：它会真正动手完成任务。比如你说： “请帮我整理这个资料夹，把文档按年份和主题分类。” Claude 会：制定一份行动计划；通知你它将要执行的步骤；逐步完成；期间实时汇报进度；等待你确认下一步。这让它的体验更像与一个“能干事”的同事协作，而不是一个聊天机器人。

卧槽牛P了 Anthropic 推出 Claude Cowork 大众版 Claude Code 为了让普通用户（不仅是开发者）也能像使用 Claude Code 那样，操控电脑里的文件进行工作和执行任务。他们基于 Claude Code 的底层能力，重新设计了一个更直观、更简单易用的版本：Cowork Cowork 的核心机制：Claude 拿到“动手权” 你可以让 Claude 访问你电脑中的一个文件夹。一旦你授权，它就可以在那个范围内：读取文件：看懂里面的内容；编辑文件：修改或补充；创建文件：从零生成新的文档；整理文件：例如自动分类、重命名、清理下载文件夹。举个例子：你有几十张发票截图散落在下载文件夹里， Cowork 可以识别这些截图中的文字，提取出金额和日期，再帮你生成一份 Excel 表格列出所有支出。和普通 Claude 聊天有何不同？普通 Claude 是“对话式”的，它只会输出文本回答。 Cowork 则是“执行式”的：它会真正动手完成任务。比如你说： “请帮我整理这个资料夹，把文档按年份和主题分类。” Claude 会：制定一份行动计划；通知你它将要执行的步骤；逐步完成；期间实时汇报进度；等待你确认下一步。这让它的体验更像与一个“能干事”的同事协作，而不是一个聊天机器人。

小互

119,814 次观看 • 6 个月前