Loading video...

Video Failed to Load

Go Home

在医院拍完胸部 X 光后，经常还需要排队等待拿结果给医生查看分析，折腾下来基本都要一个多小时。 最近在 GitHub 上看到的 MedRAX 这款开源的医学影像分析智能体，正在试图改变我们这种传统方式。 它集成了多个专业的胸部 X 光分析工具，基于 LangChain 和 LangGraph 框架构建，使用 GPT-4o 作为核心大模型。 整合了视觉问答、图像分割、病灶定位、报告生成、疾病分类等 7 大类专业工具，无需额外训练即可智能调用这些工具完成复杂的医学影像分析任务。 GitHub： 主要特性： - 视觉问答：使用 CheXagent 和 LLaVA-Med 进行复杂的医学影像理解和推理； - 精准分割：采用 MedSAM 和 PSPNet 模型识别解剖结构； - 病灶定位：通过 Maira-2 模型在影像中精确定位病变位置； - 报告生成：基于 SwinV2 Transformer 自动生成详细的医学诊断报告； - 疾病分类：利用 DenseNet-121 检测 18 种病理类别；...

GitHub_Daily's profile picture

GitHubDaily

83,148 subscribers

192,886 views • 10 months ago •via X (Twitter)

Science & Technology
LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

微软开发了一个 MAI-DxO 的AI医生 可以像真正医生提问、开检查、分析结果，最终判断病因 它模拟多个医生一起工作会诊，逐步推理并准确诊断复杂的病例。 在疑难病准确率上高达85%，而专业医生平均只有 20%。 有什么厉害之处？ 更准：它比医生更容易诊断出复杂疑难病，成功率高达85%。 更省钱：它不会随便给你做一大堆没用的检查，它会自己算成本，更省钱也更有效率。 更像医生：不是一次就答，而是“想一想 → 问问题 → 逐步分析”。 联合会诊：它其实是很多AI（像GPT、Claude这些）组合起来工作，像是几个医生一起讨论，非常全面。
2:56

微软开发了一个 MAI-DxO 的AI医生 可以像真正医生提问、开检查、分析结果，最终判断病因 它模拟多个医生一起工作会诊，逐步推理并准确诊断复杂的病例。 在疑难病准确率上高达85%，而专业医生平均只有 20%。 有什么厉害之处？ 更准：它比医生更容易诊断出复杂疑难病，成功率高达85%。 更省钱：它不会随便给你做一大堆没用的检查，它会自己算成本，更省钱也更有效率。 更像医生：不是一次就答，而是“想一想 → 问问题 → 逐步分析”。 联合会诊：它其实是很多AI（像GPT、Claude这些）组合起来工作，像是几个医生一起讨论，非常全面。

小互

46,724 views • 1 year ago

答应大家的AI歌手教程来了，手把手教你训练你自己的AI歌手，主要分为使用模型和训练模型两部分，这里是第一部分如何使用模型生成音乐的部分，主要介绍了音源的处理，模型的使用和后期音轨的合成。 看在藏师傅生病肝教程的份上希望各位多多支持，下面是具体步骤🧶
0:43

答应大家的AI歌手教程来了，手把手教你训练你自己的AI歌手，主要分为使用模型和训练模型两部分，这里是第一部分如何使用模型生成音乐的部分，主要介绍了音源的处理，模型的使用和后期音轨的合成。 看在藏师傅生病肝教程的份上希望各位多多支持，下面是具体步骤🧶

歸藏(guizang.ai)

394,519 views • 3 years ago

在使用 Claude Code 或 CodeX 这些 AI 编程工具，生成的代码虽然能跑，但代码质量如何、有没有冗余或潜在 bug，对于初学者来说确实挺难把握。 这时候，可以使用 pyscn 这款代码质量分析工具，全方位地检测 AI 编写的 Python 代码状况。 检测速度达到惊人的 10 万行/秒，不仅能检测到冗余死代码和重复代码片段，还能分析模块耦合度和复杂度。 GitHub： 主要特性： - 基于控制流图的死代码检测，找出永远不会执行的代码段； - 使用 APTED + LSH 算法识别代码克隆，发现重构机会； - 耦合度分析，追踪模块间依赖关系和架构质量； - 圈复杂度分析，识别需要拆分的复杂函数； - 支持 HTML 和 JSON 报告输出，便于团队协作； - CI/CD 集成友好，可设置质量门禁自动检查。 项目完全开源免费，通过 pipx 或 uv 安装即可使用，有需要的开发者可以看一下。
0:21

在使用 Claude Code 或 CodeX 这些 AI 编程工具，生成的代码虽然能跑，但代码质量如何、有没有冗余或潜在 bug，对于初学者来说确实挺难把握。 这时候，可以使用 pyscn 这款代码质量分析工具，全方位地检测 AI 编写的 Python 代码状况。 检测速度达到惊人的 10 万行/秒，不仅能检测到冗余死代码和重复代码片段，还能分析模块耦合度和复杂度。 GitHub： 主要特性： - 基于控制流图的死代码检测，找出永远不会执行的代码段； - 使用 APTED + LSH 算法识别代码克隆，发现重构机会； - 耦合度分析，追踪模块间依赖关系和架构质量； - 圈复杂度分析，识别需要拆分的复杂函数； - 支持 HTML 和 JSON 报告输出，便于团队协作； - CI/CD 集成友好，可设置质量门禁自动检查。 项目完全开源免费，通过 pipx 或 uv 安装即可使用，有需要的开发者可以看一下。

GitHubDaily

41,763 views • 11 months ago

我靠，Understand Anything 这个开源项目有点东西。 它把 LLM 和静态分析结合起来，自动扫描整个代码库，提取文件、函数、类和依赖关系，最终生成一个可交互的代码知识图谱。 可以直接： 1、浏览代码结构和依赖关系 2、查看业务逻辑如何映射到代码 3、语义搜索“哪些模块处理身份验证” 4、自动生成架构学习路径 5、分析一次改动可能影响哪些模块 6、按架构层级对代码自动分组 7、Claude Code, Codex, Cursor, Copilot 等多种支持 它的分析方式也很合理： Tree-sitter 负责提取 import、函数、类等确定性结构；LLM 负责生成摘要、架构归类和业务领域映射。 内部还拆成了多个专业 Agent，分别负责项目扫描、文件分析、架构识别、业务建模、学习路径生成和图谱校验。 最终生成的知识图谱可以保存成 JSON、提交到仓库，并支持增量更新，不需要每次重新分析整个项目。 对 AI Coding 来说，这类工具的价值很可观：把复杂代码库转换成 Agent 可查询、可复用、可持续更新的结构化上下文。 相比每次让 Agent 从头读代码，这更像是在给代码库建立一层长期记忆。
1:33

我靠，Understand Anything 这个开源项目有点东西。 它把 LLM 和静态分析结合起来，自动扫描整个代码库，提取文件、函数、类和依赖关系，最终生成一个可交互的代码知识图谱。 可以直接： 1、浏览代码结构和依赖关系 2、查看业务逻辑如何映射到代码 3、语义搜索“哪些模块处理身份验证” 4、自动生成架构学习路径 5、分析一次改动可能影响哪些模块 6、按架构层级对代码自动分组 7、Claude Code, Codex, Cursor, Copilot 等多种支持 它的分析方式也很合理： Tree-sitter 负责提取 import、函数、类等确定性结构；LLM 负责生成摘要、架构归类和业务领域映射。 内部还拆成了多个专业 Agent，分别负责项目扫描、文件分析、架构识别、业务建模、学习路径生成和图谱校验。 最终生成的知识图谱可以保存成 JSON、提交到仓库，并支持增量更新，不需要每次重新分析整个项目。 对 AI Coding 来说，这类工具的价值很可观：把复杂代码库转换成 Agent 可查询、可复用、可持续更新的结构化上下文。 相比每次让 Agent 从头读代码，这更像是在给代码库建立一层长期记忆。

Vince 聊开发

11,664 views • 3 months ago

参加数学建模竞赛，熬夜分析问题、写代码、做实验、写论文，3 天比赛下来身心俱疲。 有位开发者正有如此经历，便开源了一个专为数学建模设计的 AI Agent：MathModelAgent。 自动化完成整个数学建模流程：从问题分析、建立模型、编写代码到撰写论文，最终生成一份可以获奖级别的建模论文。 GitHub： 主要功能： - 自动分析问题并建立数学模型，无需手动梳理复杂逻辑 - 集成代码执行环境，支持本地 Jupyter 和云端代码执行 - 多智能体协作：建模手、代码手、论文手分工合作 - 支持主流 AI 模型，每个智能体可配置最适合的模型 - 自动生成格式规范的完整论文，包含正确的文献引用 - 轻量化架构设计，成本低且部署简单 提供 Docker、本地部署和自动脚本三种安装方式，有需要的同学可以看一下。
1:08

参加数学建模竞赛，熬夜分析问题、写代码、做实验、写论文，3 天比赛下来身心俱疲。 有位开发者正有如此经历，便开源了一个专为数学建模设计的 AI Agent：MathModelAgent。 自动化完成整个数学建模流程：从问题分析、建立模型、编写代码到撰写论文，最终生成一份可以获奖级别的建模论文。 GitHub： 主要功能： - 自动分析问题并建立数学模型，无需手动梳理复杂逻辑 - 集成代码执行环境，支持本地 Jupyter 和云端代码执行 - 多智能体协作：建模手、代码手、论文手分工合作 - 支持主流 AI 模型，每个智能体可配置最适合的模型 - 自动生成格式规范的完整论文，包含正确的文献引用 - 轻量化架构设计，成本低且部署简单 提供 Docker、本地部署和自动脚本三种安装方式，有需要的同学可以看一下。

GitHubDaily

37,444 views • 1 year ago

以前想要制作数学和物理教学这类交互动画，需要用到 Manim 这些专业工具，还得搞清楚 LaTeX 公式渲染和相机运动等。 现在用 Math-To-Manim 这个开源 AI 工具，只需要一句话简单描述就能自动生成完整的交互动画。 从分析概念逐步构建到目标主题，自动生成包含详细 LaTeX 公式和镜头设计，全流程自动化完成。 GitHub： 同时输出动画代码和完整的 LaTeX 学习笔记文档，并提供了 55+ 个涵盖物理、数学、计算机科学等领域的示例动画。 通过克隆代码到本地，安装相关依赖，并配置好模型 API Key，即可在可视化操作界面输入描述生成动画。
0:20

以前想要制作数学和物理教学这类交互动画，需要用到 Manim 这些专业工具，还得搞清楚 LaTeX 公式渲染和相机运动等。 现在用 Math-To-Manim 这个开源 AI 工具，只需要一句话简单描述就能自动生成完整的交互动画。 从分析概念逐步构建到目标主题，自动生成包含详细 LaTeX 公式和镜头设计，全流程自动化完成。 GitHub： 同时输出动画代码和完整的 LaTeX 学习笔记文档，并提供了 55+ 个涵盖物理、数学、计算机科学等领域的示例动画。 通过克隆代码到本地，安装相关依赖，并配置好模型 API Key，即可在可视化操作界面输入描述生成动画。

GitHubDaily

40,219 views • 11 months ago

在 GitHub 看到 MobiAgent 这个开源框架，相当厉害，它能让 AI 像真人一样操控手机完成各种复杂任务。 提供开箱即用 App，输入指令即可自动执行任务，支持记住我们的使用偏好、自定义执行流程，同时可多任务并行处理。 更厉害的是，框架内置了经验检索模块，会根据历史任务自动优化规划，就像 AI 在不断学习进化一样。 GitHub： 框架核心内容全部开源，包含专门训练的 MobiMind 智能体模型（分为决策、定位、规划三个专用模型），还有 AgentRR 加速框架和 MobiFlow 评测基准。 值得一提的是，它还提供了完整的数据收集、标注和处理工具链，能帮助开发者基于自己的需求训练定制化的手机智能体。 可直接下载 APP 在手机上体验，或者通过 Python 脚本配合 ADB 来深度控制手机。 想要尝试做移动端自动化 AI 智能体的开发者，可以好好学习研究一下，相信对大家有所帮助。
0:51

在 GitHub 看到 MobiAgent 这个开源框架，相当厉害，它能让 AI 像真人一样操控手机完成各种复杂任务。 提供开箱即用 App，输入指令即可自动执行任务，支持记住我们的使用偏好、自定义执行流程，同时可多任务并行处理。 更厉害的是，框架内置了经验检索模块，会根据历史任务自动优化规划，就像 AI 在不断学习进化一样。 GitHub： 框架核心内容全部开源，包含专门训练的 MobiMind 智能体模型（分为决策、定位、规划三个专用模型），还有 AgentRR 加速框架和 MobiFlow 评测基准。 值得一提的是，它还提供了完整的数据收集、标注和处理工具链，能帮助开发者基于自己的需求训练定制化的手机智能体。 可直接下载 APP 在手机上体验，或者通过 Python 脚本配合 ADB 来深度控制手机。 想要尝试做移动端自动化 AI 智能体的开发者，可以好好学习研究一下，相信对大家有所帮助。

GitHubDaily

35,092 views • 10 months ago

在日常工作中，需要调试网络问题或监控系统流量，工具要么界面复杂难用，要么功能单一无法满足，要么需要付费。 无独有偶，在 GitHub 上发现了 Oryx 这个功能强大的开源工具，可在终端上直观的监控和分析网络。 通过 eBPF 在内核层面捕获网络数据包，提供实时流量可视化、统计分析和防火墙功能。 GitHub： 主要功能： - 实时网络流量检测和可视化展示 - 全面的流量统计和分析报告 - 内置防火墙功能，可直接管理网络规则 - 指标浏览器，深度分析网络性能数据 - 模糊搜索功能，快速定位特定数据包 - 支持数据导出，便于后续分析处理 需要 Linux 6.10+ 内核版本，通过包管理器安装或从源码编译使用，适合运维人员和网络工程师。
0:39

在日常工作中，需要调试网络问题或监控系统流量，工具要么界面复杂难用，要么功能单一无法满足，要么需要付费。 无独有偶，在 GitHub 上发现了 Oryx 这个功能强大的开源工具，可在终端上直观的监控和分析网络。 通过 eBPF 在内核层面捕获网络数据包，提供实时流量可视化、统计分析和防火墙功能。 GitHub： 主要功能： - 实时网络流量检测和可视化展示 - 全面的流量统计和分析报告 - 内置防火墙功能，可直接管理网络规则 - 指标浏览器，深度分析网络性能数据 - 模糊搜索功能，快速定位特定数据包 - 支持数据导出，便于后续分析处理 需要 Linux 6.10+ 内核版本，通过包管理器安装或从源码编译使用，适合运维人员和网络工程师。

GitHubDaily

15,459 views • 1 year ago

工作中经常查询数据库获取相关数据，每次都要写 SQL 语句挺烦的，如果涉及多表关联查询更麻烦。 可以试下，OpenChatBI 这个开源的智能 BI 工具，用自然语言就能查询和分析数据，告别手写 SQL 的烦恼。 基于 LangGraph 和 LangChain 构建，通过自然语言描述，理解后自动转换为 SQL 语句，还能执行查询、生成可视化图表。 GitHub： 除此之外，还支持通过 MCP 配置接入外部工具扩展功能，以及对知识库整合可以回答复杂问题。 提供了直观的 Web UI 界面，通过 pip 或 uv 安装后配置 LLM 和数据库连接即可使用。
0:35

工作中经常查询数据库获取相关数据，每次都要写 SQL 语句挺烦的，如果涉及多表关联查询更麻烦。 可以试下，OpenChatBI 这个开源的智能 BI 工具，用自然语言就能查询和分析数据，告别手写 SQL 的烦恼。 基于 LangGraph 和 LangChain 构建，通过自然语言描述，理解后自动转换为 SQL 语句，还能执行查询、生成可视化图表。 GitHub： 除此之外，还支持通过 MCP 配置接入外部工具扩展功能，以及对知识库整合可以回答复杂问题。 提供了直观的 Web UI 界面，通过 pip 或 uv 安装后配置 LLM 和数据库连接即可使用。

GitHubDaily

22,081 views • 10 months ago

一名美国医生把一张明显骨折的 X 光片丢给 Claude，只问了一句：评估这张 X 光片。 结果最危险的地方，不是 AI 看错了。 而是它一本正经地回答：没有明显骨折。 很多人会替它辩护。 说 Claude 不是专门读 X 光的模型。 说它没受过医疗训练。 说用户用错了工具。 这些话都可能成立。 但问题恰恰在这里。 如果一个模型没有能力评估 X 光，它最应该输出的，不是一个看起来像医学判断的答案。 它应该拒答。 它应该说：你正在用错误的模型评估医学影像，我不能给出结论，请找专业医生。 医疗场景里，最危险的 AI 不是“不知道”。 最危险的是“不知道自己不知道”。 人类医生看不准，可以会诊，可以复查，可以承认不确定。 AI 一旦用流畅语言把错误包装成确定答案，普通人很容易把它当成结论。 这就是医疗 AI 真正的安全门槛。 不是会不会说医学术语。 不是回答听起来像不像医生。 而是在自己不该回答的时候，能不能闭嘴。 未来 AI 进医院，拒答能力和诊断能力一样重要。 一个不会刹车的系统，跑得越快，越危险。
0:53

一名美国医生把一张明显骨折的 X 光片丢给 Claude，只问了一句：评估这张 X 光片。 结果最危险的地方，不是 AI 看错了。 而是它一本正经地回答：没有明显骨折。 很多人会替它辩护。 说 Claude 不是专门读 X 光的模型。 说它没受过医疗训练。 说用户用错了工具。 这些话都可能成立。 但问题恰恰在这里。 如果一个模型没有能力评估 X 光，它最应该输出的，不是一个看起来像医学判断的答案。 它应该拒答。 它应该说：你正在用错误的模型评估医学影像，我不能给出结论，请找专业医生。 医疗场景里，最危险的 AI 不是“不知道”。 最危险的是“不知道自己不知道”。 人类医生看不准，可以会诊，可以复查，可以承认不确定。 AI 一旦用流畅语言把错误包装成确定答案，普通人很容易把它当成结论。 这就是医疗 AI 真正的安全门槛。 不是会不会说医学术语。 不是回答听起来像不像医生。 而是在自己不该回答的时候，能不能闭嘴。 未来 AI 进医院，拒答能力和诊断能力一样重要。 一个不会刹车的系统，跑得越快，越危险。

墓碑科技

42,507 views • 2 months ago

我找到了最适合学生和打工人使用的 Agent 模型， 而且免费开源 ！！！！ 像学生和打工人，使用 Agent 最多的场景就是调研、汇报等 而最近我就挖掘到了一个宝藏的开源 Agent ，名字叫做 Atria Dawn Preview (Atria ASI) ，是上海人工智能实验室研发的新一代智能体模型预览版，主要面向科研、开发和专业知识工作。它可以结合资料检索、工具调用、实验执行和反馈修正，把复杂任务逐步推进为可验证、可交付的成果 它背后的研发团队也很特别：大部分的研发成员是在校学生，团队汇聚了上海人工智能实验室、复旦大学、中科院软件所、中国人民大学、中科院自动化所、华东师范大学、哈尔滨工业大学、上海交通大学及北京大学等高校的研究力量 在官方的跑分中，其 AutomationBench 的能力碾压其他所有模型，说明它能真正的像个数字员工一样完成好所有的调研任务，跨应用业务自动化能力十分的强 视频中的案例展示了它在工具和运行环境配合下生成机器人关节驱动模组 CAD 的过程。从任务规划、零件生成和装配，到几何检查及迭代修正，整个流程形成了较完整的工作闭环 最终结果体现了不错的结构完整度和细节表现，也展示了智能体参与三维设计的潜力。不过，这类 Demo 仍需专业工程验证，不能直接视为可采购、加工和装配的生产级设计 目前，Atria Dawn Preview 的代码和模型权重已经按 MIT 许可开源。实际能够完成哪些任务，则取决于算力、客户端以及接入的工具环境 当然也可以直接调用官方的 api，直接赠送 1000万的 token 积分，链接： 项目官网传送门🫱：
0:34

我找到了最适合学生和打工人使用的 Agent 模型， 而且免费开源 ！！！！ 像学生和打工人，使用 Agent 最多的场景就是调研、汇报等 而最近我就挖掘到了一个宝藏的开源 Agent ，名字叫做 Atria Dawn Preview (Atria ASI) ，是上海人工智能实验室研发的新一代智能体模型预览版，主要面向科研、开发和专业知识工作。它可以结合资料检索、工具调用、实验执行和反馈修正，把复杂任务逐步推进为可验证、可交付的成果 它背后的研发团队也很特别：大部分的研发成员是在校学生，团队汇聚了上海人工智能实验室、复旦大学、中科院软件所、中国人民大学、中科院自动化所、华东师范大学、哈尔滨工业大学、上海交通大学及北京大学等高校的研究力量 在官方的跑分中，其 AutomationBench 的能力碾压其他所有模型，说明它能真正的像个数字员工一样完成好所有的调研任务，跨应用业务自动化能力十分的强 视频中的案例展示了它在工具和运行环境配合下生成机器人关节驱动模组 CAD 的过程。从任务规划、零件生成和装配，到几何检查及迭代修正，整个流程形成了较完整的工作闭环 最终结果体现了不错的结构完整度和细节表现，也展示了智能体参与三维设计的潜力。不过，这类 Demo 仍需专业工程验证，不能直接视为可采购、加工和装配的生产级设计 目前，Atria Dawn Preview 的代码和模型权重已经按 MIT 许可开源。实际能够完成哪些任务，则取决于算力、客户端以及接入的工具环境 当然也可以直接调用官方的 api，直接赠送 1000万的 token 积分，链接： 项目官网传送门🫱：

Sac

45,344 views • 8 days ago

“因为AI，我觉得医生的好日子到头了。” 一位美国医生的自述火了。 砸掉饭碗的不是AI诊断系统。 而是拿着AI答案来“考”医生的病人。 以前看病，是医生问患者答。 现在门诊的画风全变了。 病人在见医生前，已经用AI聊天机器人摸透了病情底牌。 他们带着极高维、极细化的刁钻问题走进诊室。 这位医生分享了一个后背发凉的细节。 上周有个病人突然问他：美国视网膜脱离的流行病学发病率是多少？ 他硬着头皮答：“大概万分之一吧。” 病人满意地点点头：“没错，我查到的也是这个数据。” 那一刻，他感觉自己像个被主考官盘问的实习生。 病人们正在用AI当标尺，直接测试人类医生的真实含金量。 那些勉强应付考核、不看学术前沿的医生，现在几句话就会露馅。 业内开始抱怨这会毁掉本就脆弱的医患信任。 但这掩盖不了一个残酷的现实。 患者用手机两秒钟就能免费查到的基础医学数据，不再需要去诊所花钱听医生背书。 人类医生必须拿出比AI数据更硬的价值。 靠信息垄断混日子的时代结束了。
2:27

“因为AI，我觉得医生的好日子到头了。” 一位美国医生的自述火了。 砸掉饭碗的不是AI诊断系统。 而是拿着AI答案来“考”医生的病人。 以前看病，是医生问患者答。 现在门诊的画风全变了。 病人在见医生前，已经用AI聊天机器人摸透了病情底牌。 他们带着极高维、极细化的刁钻问题走进诊室。 这位医生分享了一个后背发凉的细节。 上周有个病人突然问他：美国视网膜脱离的流行病学发病率是多少？ 他硬着头皮答：“大概万分之一吧。” 病人满意地点点头：“没错，我查到的也是这个数据。” 那一刻，他感觉自己像个被主考官盘问的实习生。 病人们正在用AI当标尺，直接测试人类医生的真实含金量。 那些勉强应付考核、不看学术前沿的医生，现在几句话就会露馅。 业内开始抱怨这会毁掉本就脆弱的医患信任。 但这掩盖不了一个残酷的现实。 患者用手机两秒钟就能免费查到的基础医学数据，不再需要去诊所花钱听医生背书。 人类医生必须拿出比AI数据更硬的价值。 靠信息垄断混日子的时代结束了。

墓碑科技

144,812 views • 5 months ago

国际时政很耗人，所以继续打岔。 一个困扰很多人, (但还是比俄乌战争问题容易一些😜), 的问题： MD 与 DO 到底有什么区别？选择医生的时候要注意什么？ 很多人应该已经注意到，在美国看病的时候，医生名字后面会有两种学位：MD 或DO。那他们之间的区别是什么呢？ MD（Doctor of Medicine）和DO（Doctor of Osteopathic Medicine）是美国两种不同的医学学位。两者的主要区别在于教育理念和培训内容。 MD学位由传统的医学院授予，教育重点在于生物医学科学和循证医学。MD医生接受的培训主要集中在疾病的诊断和治疗上，使用药物、手术等方法。 DO学位由骨科医学院授予，除了传统的医学教育外，还包括骨科手法治疗（OMT）的培训。DO医生强调整体医学和预防保健，注重患者的整体健康状况和生活方式的影响。 在选择MD或DO时，以下几点需要考虑： 1. 教育和培训：MD和DO的基础医学教育相似，但DO课程包括额外的OMT培训。两者都需要通过国家执照考试（USMLE或COMLEX）并完成住院医师培训。 2. 职业机会：MD和DO医生在美国享有同等的执业权利，可以在所有医学领域工作。近年来，DO医生在专科领域的比例增加，传统上DO医生更多从事初级保健。 3. 治疗理念：DO医生更强调整体健康和预防医学，可能更适合那些希望采用综合治疗方法的患者。 4. 患者偏好：一些患者可能更倾向于选择DO医生，特别是那些重视整体健康和手法治疗的患者。 总之，MD和DO医生在医学实践中具有相似的能力和权利，选择哪种医生主要取决于个人的治疗理念和职业目标。 在现实行医当中他们区别不大，居然大部分DO 都是做primary care，我是对他们一视同仁，同样尊重。 但是，DO医学院，虽然也很难进，确实要比MD医学院容易进很多。DO医学院的学生几乎都是申请MD医学院没有成功的人。 供参考。
0:57

国际时政很耗人，所以继续打岔。 一个困扰很多人, (但还是比俄乌战争问题容易一些😜), 的问题： MD 与 DO 到底有什么区别？选择医生的时候要注意什么？ 很多人应该已经注意到，在美国看病的时候，医生名字后面会有两种学位：MD 或DO。那他们之间的区别是什么呢？ MD（Doctor of Medicine）和DO（Doctor of Osteopathic Medicine）是美国两种不同的医学学位。两者的主要区别在于教育理念和培训内容。 MD学位由传统的医学院授予，教育重点在于生物医学科学和循证医学。MD医生接受的培训主要集中在疾病的诊断和治疗上，使用药物、手术等方法。 DO学位由骨科医学院授予，除了传统的医学教育外，还包括骨科手法治疗（OMT）的培训。DO医生强调整体医学和预防保健，注重患者的整体健康状况和生活方式的影响。 在选择MD或DO时，以下几点需要考虑： 1. 教育和培训：MD和DO的基础医学教育相似，但DO课程包括额外的OMT培训。两者都需要通过国家执照考试（USMLE或COMLEX）并完成住院医师培训。 2. 职业机会：MD和DO医生在美国享有同等的执业权利，可以在所有医学领域工作。近年来，DO医生在专科领域的比例增加，传统上DO医生更多从事初级保健。 3. 治疗理念：DO医生更强调整体健康和预防医学，可能更适合那些希望采用综合治疗方法的患者。 4. 患者偏好：一些患者可能更倾向于选择DO医生，特别是那些重视整体健康和手法治疗的患者。 总之，MD和DO医生在医学实践中具有相似的能力和权利，选择哪种医生主要取决于个人的治疗理念和职业目标。 在现实行医当中他们区别不大，居然大部分DO 都是做primary care，我是对他们一视同仁，同样尊重。 但是，DO医学院，虽然也很难进，确实要比MD医学院容易进很多。DO医学院的学生几乎都是申请MD医学院没有成功的人。 供参考。

Luke Young

49,475 views • 1 year ago

目前看到的在医疗方向最大的养虾OpenClaw技能库：OpenClaw-Medical-Skills，872个技能 涵盖临床医学、基因组学、药物发现、生物信息学、医疗器械等 用上，你的OpenClaw就可以变成专业的医学科研助手，能进行PubMed查询、临床试验检索、药物相互作用分析、基因变异解读、生成SOAP病历、出院小结等等 每个技能就是一个SKILL.md 文件，包含专业知识、连接API指令、结构化输出 实时数据连接PubMed、 具体包含：通用工具9个、临床与医疗30+、药物发现与安全20+、科学数据库35+、生物信息学 228个、组学工具50+、蛋白质设计15+、健康管理19、医疗器械法规47、BioOS扩展套件285+、ClawBio管道22、模拟与本体论17 #OpenClawMedicalSkills #医疗skill #AIskill
0:39

目前看到的在医疗方向最大的养虾OpenClaw技能库：OpenClaw-Medical-Skills，872个技能 涵盖临床医学、基因组学、药物发现、生物信息学、医疗器械等 用上，你的OpenClaw就可以变成专业的医学科研助手，能进行PubMed查询、临床试验检索、药物相互作用分析、基因变异解读、生成SOAP病历、出院小结等等 每个技能就是一个SKILL.md 文件，包含专业知识、连接API指令、结构化输出 实时数据连接PubMed、 具体包含：通用工具9个、临床与医疗30+、药物发现与安全20+、科学数据库35+、生物信息学 228个、组学工具50+、蛋白质设计15+、健康管理19、医疗器械法规47、BioOS扩展套件285+、ClawBio管道22、模拟与本体论17 #OpenClawMedicalSkills #医疗skill #AIskill

AIGCLINK

106,980 views • 6 months ago

在做浏览器自动化脚本时，我们常常需要编写大量代码来处理复杂的网页交互，不仅耗时耗力，还难以调试和优化，要是出错更是难以精准定位问题所在。 最近在 GitHub 上我发现了一款强大的开源自动化浏览器智能体：Index。 它能够在浏览器上自动执行复杂的网页任务，无需编写代码脚本，简单描述任务需求即可完成各种网页操作。 GitHub： 主要功能 - 基于 Claude 3.7 Sonnet 提供强大的 AI 能力，后续将支持更多模型 - 提供 API 和可视化操作 UI 界面，也支持完全自托管部署使用 - 能执行复杂的网页任务，如数据收集、表单填写和内容分析 - 支持自定义浏览器窗口大小和远程 CDP 连接 安装部署简单，几行代码即可开始使用，也可直接使用托管 API 服务。
0:40

在做浏览器自动化脚本时，我们常常需要编写大量代码来处理复杂的网页交互，不仅耗时耗力，还难以调试和优化，要是出错更是难以精准定位问题所在。 最近在 GitHub 上我发现了一款强大的开源自动化浏览器智能体：Index。 它能够在浏览器上自动执行复杂的网页任务，无需编写代码脚本，简单描述任务需求即可完成各种网页操作。 GitHub： 主要功能 - 基于 Claude 3.7 Sonnet 提供强大的 AI 能力，后续将支持更多模型 - 提供 API 和可视化操作 UI 界面，也支持完全自托管部署使用 - 能执行复杂的网页任务，如数据收集、表单填写和内容分析 - 支持自定义浏览器窗口大小和远程 CDP 连接 安装部署简单，几行代码即可开始使用，也可直接使用托管 API 服务。

GitHubDaily

35,779 views • 1 year ago

GitHub 上 Social Analyzer 这个开源工具，有点厉害！ 只需要输入一个用户名称，它能在 1000+ 社交媒体网站上自动查找该用户的所有个人资料。 并且自动提取其中数据进行详细分析，还支持多账号之间关联的分析，生成可视化关系图谱。 GitHub： 除此之外，还支持按国家、类型或 Alexa 排名筛选搜索平台，精准定位到目标。 提供了 Web 界面、命令行 以及 API 使用方式，通过 npm 或 pip 安装即可使用。
0:41

GitHub 上 Social Analyzer 这个开源工具，有点厉害！ 只需要输入一个用户名称，它能在 1000+ 社交媒体网站上自动查找该用户的所有个人资料。 并且自动提取其中数据进行详细分析，还支持多账号之间关联的分析，生成可视化关系图谱。 GitHub： 除此之外，还支持按国家、类型或 Alexa 排名筛选搜索平台，精准定位到目标。 提供了 Web 界面、命令行 以及 API 使用方式，通过 npm 或 pip 安装即可使用。

GitHubDaily

102,923 views • 11 months ago