Loading video...

Video Failed to Load

Go Home

我今天才知道 manifest，感觉是一个更好看的 New-API。 为个人 AI Agent 提供智能模型路由，自动将简单请求路由到便宜模型，复杂请求路由到高级模型，节省高达 70% 成本。请求先经过 23 维度评分算法（2ms 内完成），自动分配到 Simple → Reasoning 四档之一，每个层级可配置最多 5 个备选模型。支持 300+ 模型，兼容 API key 和已有的订阅（ChatGPT Plus、Claude Max、OpenCode Go等），可以 Docker 一键自托管。

geekbb's profile picture

Geek

114,538 subscribers

136,539 views • 3 months ago •via X (Twitter)

EducationScience & Technology
LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

OpenRouter：大语言模型“路由器” Openrouter提供了一个统一的接口，通过这个接口，你可以直接访问和使用几十种AI模型 你可以使用这个接口对各种模型进行测试和比价，选择最适合自己的，避免了东奔西跑 🙂 目前已经支持包括GPT、LLama 、Claude、Command-R等80 多个模型，未来将扩展到数百种！ 访问：
1:51

OpenRouter：大语言模型“路由器” Openrouter提供了一个统一的接口，通过这个接口，你可以直接访问和使用几十种AI模型 你可以使用这个接口对各种模型进行测试和比价，选择最适合自己的，避免了东奔西跑 🙂 目前已经支持包括GPT、LLama 、Claude、Command-R等80 多个模型，未来将扩展到数百种！ 访问：

小互

45,856 views • 2 years ago

这个太牛X了！！ 天天人工智能，大模型，Transformer挂在嘴边，但是大模型到底是怎么运行的在我们的认知里就是一个黑盒。 这个太牛X了！ The LLM Visualization 将大语言模型的内部运作，变成了一个你可以亲手“玩”的交互式可视化界面。清晰地看到每一个词的“注意力”是如何分配给其他词的，直观地理解模型是如何“思考”和“关联”上下文的。 非常详细，不是大概模拟，是精确模拟，细节拉满，可自由放大缩小，360度变换视角，每一步都有解释，复杂步数还有运行步骤。 AI爱好者一定要亲自体验一下，太震撼了！！
3:45

这个太牛X了！！ 天天人工智能，大模型，Transformer挂在嘴边，但是大模型到底是怎么运行的在我们的认知里就是一个黑盒。 这个太牛X了！ The LLM Visualization 将大语言模型的内部运作，变成了一个你可以亲手“玩”的交互式可视化界面。清晰地看到每一个词的“注意力”是如何分配给其他词的，直观地理解模型是如何“思考”和“关联”上下文的。 非常详细，不是大概模拟，是精确模拟，细节拉满，可自由放大缩小，360度变换视角，每一步都有解释，复杂步数还有运行步骤。 AI爱好者一定要亲自体验一下，太震撼了！！

沉浸式翻译

209,787 views • 10 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 • 10 months ago

Hermes Web UI 是一个自托管 AI Agent 聊天仪表板 流式对话、多模型调度、群聊协作、看板管理、用量分析、文件管理和 Web 终端整合到同一个界面里。 无需复杂配置，一条命令即可启动；支持 Claude、GPT、Gemini、DeepSeek 及 OpenAI 兼容模型，也能统一接入多种平台消息入口。 给开发者和团队一个更清晰、更可控的 Agent 工作台。开源、轻量、持续更新。官网：
0:30

Hermes Web UI 是一个自托管 AI Agent 聊天仪表板 流式对话、多模型调度、群聊协作、看板管理、用量分析、文件管理和 Web 终端整合到同一个界面里。 无需复杂配置，一条命令即可启动；支持 Claude、GPT、Gemini、DeepSeek 及 OpenAI 兼容模型，也能统一接入多种平台消息入口。 给开发者和团队一个更清晰、更可控的 Agent 工作台。开源、轻量、持续更新。官网：

libapi

13,352 views • 2 months ago

【Manus季逸超：六个月后，基本每一家头部的应用公司都有做模型的能力】 最近看了Manus联合创始人季逸超的访谈，很多人诟病 Manus 早期没有自己的模型、只是个套壳，但看完视频就会发现，Manus的逻辑是有道理的。一般的思维模式是先练模型（鸡），再顺便出个产品（蛋），这叫“沿途下蛋”。但这种方式是以模型为中心的，它的风险在于，蛋的形状取决于鸡能生出什么。模型能做到哪，产品才能做到哪，产品只能迁就技术。 Manus的路子是以产品为中心“借鸡生蛋”：早期直接用现成的模型。别管鸡是谁的，先让产品跑起来，看用户愿不愿意买单，找到PMF。等产品逻辑通了、用户量大了，发现现有的模型太贵、太慢、或者不够适配，再反过来去倒逼技术，优化出一种特定的模型。 以Cursor为例，它一开始就是个代码编辑器，接入的是别人的接口。但等到它成为程序员的刚需后，为了追求极致的速度和更准的代码逻辑，它才跳出来做了自研模型。说到底是应用先于模型，需求定义底座。
1:53

【Manus季逸超：六个月后，基本每一家头部的应用公司都有做模型的能力】 最近看了Manus联合创始人季逸超的访谈，很多人诟病 Manus 早期没有自己的模型、只是个套壳，但看完视频就会发现，Manus的逻辑是有道理的。一般的思维模式是先练模型（鸡），再顺便出个产品（蛋），这叫“沿途下蛋”。但这种方式是以模型为中心的，它的风险在于，蛋的形状取决于鸡能生出什么。模型能做到哪，产品才能做到哪，产品只能迁就技术。 Manus的路子是以产品为中心“借鸡生蛋”：早期直接用现成的模型。别管鸡是谁的，先让产品跑起来，看用户愿不愿意买单，找到PMF。等产品逻辑通了、用户量大了，发现现有的模型太贵、太慢、或者不够适配，再反过来去倒逼技术，优化出一种特定的模型。 以Cursor为例，它一开始就是个代码编辑器，接入的是别人的接口。但等到它成为程序员的刚需后，为了追求极致的速度和更准的代码逻辑，它才跳出来做了自研模型。说到底是应用先于模型，需求定义底座。

傅盛

89,221 views • 6 months ago

如何免费获得AI API和Token？答案就在这里！ 推荐一款超级实用的AI工具 —— AIClient2API 它能把你免费账号（Gemini、Grok、Kiro里的Claude、Antigravity等）直接变成标准OpenAI兼容API接口，完美支持： OpenClaw OpenWebUI Cherry-Studio NextChat Cline 等任意工具 真正实现“无限”Token（通过账号池智能轮询+自动故障转移，每天几千次请求不是梦）！ 零成本白嫖高级模型：Claude Opus 4.5、Gemini 3.0 Pro 等客户端专享模型，全都能用API调用！ GitHub项目地址（星标已7.1k+，持续更新）： 一键部署：Docker 3分钟搞定，带Web UI可视化管理账号池、模型路由、日志监控。 想免费玩转本地AI客户端？强烈推荐分享这个项目！ 转发给需要的朋友，一起省钱高效玩AI～
1:48

如何免费获得AI API和Token？答案就在这里！ 推荐一款超级实用的AI工具 —— AIClient2API 它能把你免费账号（Gemini、Grok、Kiro里的Claude、Antigravity等）直接变成标准OpenAI兼容API接口，完美支持： OpenClaw OpenWebUI Cherry-Studio NextChat Cline 等任意工具 真正实现“无限”Token（通过账号池智能轮询+自动故障转移，每天几千次请求不是梦）！ 零成本白嫖高级模型：Claude Opus 4.5、Gemini 3.0 Pro 等客户端专享模型，全都能用API调用！ GitHub项目地址（星标已7.1k+，持续更新）： 一键部署：Docker 3分钟搞定，带Web UI可视化管理账号池、模型路由、日志监控。 想免费玩转本地AI客户端？强烈推荐分享这个项目！ 转发给需要的朋友，一起省钱高效玩AI～

Vincent

20,473 views • 3 months ago

Claude Code 的开源平替来了！OpenClaude 真香警告 ⚠️ 之前一直觉得官方 Claude Code 只能连自家模型太受限，这个开源版直接打通任督二脉： ✅ 支持 DeepSeek、GPT-4、GLM 等任意模型 ✅ 用法跟原版一模一样，无缝切换 ✅ 开源免费，数据隐私自己掌握 最绝的是那个“Agent Routing”功能，可以配置让便宜的模型干杂活，贵的模型干正事，省钱又高效！💰 视频里手把手教怎么安装、配置多模型，想折腾的兄弟赶紧马住 👇
7:38

Claude Code 的开源平替来了！OpenClaude 真香警告 ⚠️ 之前一直觉得官方 Claude Code 只能连自家模型太受限，这个开源版直接打通任督二脉： ✅ 支持 DeepSeek、GPT-4、GLM 等任意模型 ✅ 用法跟原版一模一样，无缝切换 ✅ 开源免费，数据隐私自己掌握 最绝的是那个“Agent Routing”功能，可以配置让便宜的模型干杂活，贵的模型干正事，省钱又高效！💰 视频里手把手教怎么安装、配置多模型，想折腾的兄弟赶紧马住 👇

Vincent | 信号＞噪音

17,728 views • 2 months ago

GitHub 暴涨 29 k Stars，只做了一个事—让你免费白嫖 Claude Code。 原理很简单：它在你和 Claude Code 之间架一层代理，所有 API 请求不往 Anthropic 走，转去 17 个第三方提供商的免费模型。界面、体验、工具调用全保留，但钱一分不用花。 亮点：免费模型池涵盖 NVIDIA、Gemini、DeepSeek 等。支持本地模型（Ollama / LM Studio），甚至可以连 Discord 远程写代码。Admin 面板一键配置，零门槛上车。 适合人群：心疼订阅费的独立开发者、想低成本体验 Agent 编程的学生党、本地模型玩家。 ⚠️ 需自行申请各提供商的 API Key。免费额度有限，重度用户慎入。
0:22

GitHub 暴涨 29 k Stars，只做了一个事—让你免费白嫖 Claude Code。 原理很简单：它在你和 Claude Code 之间架一层代理，所有 API 请求不往 Anthropic 走，转去 17 个第三方提供商的免费模型。界面、体验、工具调用全保留，但钱一分不用花。 亮点：免费模型池涵盖 NVIDIA、Gemini、DeepSeek 等。支持本地模型（Ollama / LM Studio），甚至可以连 Discord 远程写代码。Admin 面板一键配置，零门槛上车。 适合人群：心疼订阅费的独立开发者、想低成本体验 Agent 编程的学生党、本地模型玩家。 ⚠️ 需自行申请各提供商的 API Key。免费额度有限，重度用户慎入。

HankAI

18,380 views • 2 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)

47,038 views • 2 months ago

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！
1:30

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

85,708 views • 1 year ago

OpenWebUI 绝对是这几个本地大模型推理界面可视化做得最好的。他们刚刚又发布了一个 推理 token 路径可视化 Narrative Beam Search，会生成n个可选路径，并演示从中选择一个。可以基于系统提示词选择不同的路径。看上去十分炫酷。 给没用过 OpenWwebUI 的同学，OpenWebUI 类似 Ollama，都是一个包含了推理引擎和界面以及 MCPServer 的大模型前端框架，算是一个 All-in-one 的大模型平台，下载后点击即可自动下载你需要的大模型并使用。 OpenWebUI 地址：
3:28

OpenWebUI 绝对是这几个本地大模型推理界面可视化做得最好的。他们刚刚又发布了一个 推理 token 路径可视化 Narrative Beam Search，会生成n个可选路径，并演示从中选择一个。可以基于系统提示词选择不同的路径。看上去十分炫酷。 给没用过 OpenWwebUI 的同学，OpenWebUI 类似 Ollama，都是一个包含了推理引擎和界面以及 MCPServer 的大模型前端框架，算是一个 All-in-one 的大模型平台，下载后点击即可自动下载你需要的大模型并使用。 OpenWebUI 地址：

karminski-牙医

19,082 views • 1 year ago

如果你想你的 Claude Code 能使用 Claude 之外的 AI 模型，比如 o3、Gemini 2.5 pro，你可以试试 claude-bridge，它可以使用 Claude Code 拦截并转换 API 请求，让你可以轻松集成 OpenAI、Google 等多个大语言模型服务。当然还是搭配 Claude 4 Opus、Sonnet 效果最佳，建议还是考虑 Claude Max 订阅。
3:45

如果你想你的 Claude Code 能使用 Claude 之外的 AI 模型，比如 o3、Gemini 2.5 pro，你可以试试 claude-bridge，它可以使用 Claude Code 拦截并转换 API 请求，让你可以轻松集成 OpenAI、Google 等多个大语言模型服务。当然还是搭配 Claude 4 Opus、Sonnet 效果最佳，建议还是考虑 Claude Max 订阅。

宝玉

36,779 views • 1 year ago

全球知名大模型竞技榜单 lmarena 统计了 2023 年中之后所有登顶过大模型榜单的模型 从 GPT-4 开始算起，模型平均在 NO.1 的位置只能待 35 天左右。 不是半年，也不是一年，一个多月就会被新模型超过。 更夸张的是，很多模型在登顶后 5 个月左右就会掉出 Top 5，7 个月连 Top 10 都很难保住。 看看具体例子会更有冲击力： 曾经风光无限的 o1，现在排到 #56； 当年被认为“最强推理模型”的 Claude 3 Opus，已经掉到 #139 它们都曾经是： 顶级模型讨论度极高被认为“领先一代”的产品 没有谁能长期站在榜首，优势窗口正在被压缩到以“月”为单位。 当模型平均 35 天就能被下一代超越，甚至超过了某些AI产品的迭代周期...😄 这就可能意味着一件关键的事： 模型基础能力的提升速度，甚至快过绝大多数产品的迭代周期。 而产品层反而被模型能力“反向压扁”。
0:49

全球知名大模型竞技榜单 lmarena 统计了 2023 年中之后所有登顶过大模型榜单的模型 从 GPT-4 开始算起，模型平均在 NO.1 的位置只能待 35 天左右。 不是半年，也不是一年，一个多月就会被新模型超过。 更夸张的是，很多模型在登顶后 5 个月左右就会掉出 Top 5，7 个月连 Top 10 都很难保住。 看看具体例子会更有冲击力： 曾经风光无限的 o1，现在排到 #56； 当年被认为“最强推理模型”的 Claude 3 Opus，已经掉到 #139 它们都曾经是： 顶级模型讨论度极高被认为“领先一代”的产品 没有谁能长期站在榜首，优势窗口正在被压缩到以“月”为单位。 当模型平均 35 天就能被下一代超越，甚至超过了某些AI产品的迭代周期...😄 这就可能意味着一件关键的事： 模型基础能力的提升速度，甚至快过绝大多数产品的迭代周期。 而产品层反而被模型能力“反向压扁”。

小互

61,288 views • 6 months ago

Hermes Agent 刚发布 Mixture of Agents 2.0，把多个前沿模型混合成一个虚拟模型使用 原理很直接：GPT-5.5、DeepSeek V4、Sonnet 4.6 作为参考模型同时处理同一个问题，Opus 4.8 作为聚合器综合最终答案 跑分结果比单独用 Opus 4.8 高 8%，比 GPT-5.5 高 11% 最关键的是在 Hermes 里就像普通模型一样调用，/model 命令切换就行，不需要自己搭框架 单个模型都有盲区，混着用反而能互补，开源社区找到了一条弯道超车路线 你觉得 MoA 这种「模型组合拳」会成为主流用法吗？
1:05

Hermes Agent 刚发布 Mixture of Agents 2.0，把多个前沿模型混合成一个虚拟模型使用 原理很直接：GPT-5.5、DeepSeek V4、Sonnet 4.6 作为参考模型同时处理同一个问题，Opus 4.8 作为聚合器综合最终答案 跑分结果比单独用 Opus 4.8 高 8%，比 GPT-5.5 高 11% 最关键的是在 Hermes 里就像普通模型一样调用，/model 命令切换就行，不需要自己搭框架 单个模型都有盲区，混着用反而能互补，开源社区找到了一条弯道超车路线 你觉得 MoA 这种「模型组合拳」会成为主流用法吗？

Jason Zhu

16,473 views • 1 month ago

什么是 AI 智能体？（双语字幕） 为了解释这一点，我们必须看一看在生成式 AI 领域看到的各种转变。 *** 从单一模型向复合 AI 系统的转变 单一模型受限于其训练数据，这影响了它们对世界的认知以及它们可以解决的任务类型。而且，这些模型也难以适应变化。尽管可以对模型进行微调，但这需要大量的数据和资源投资。 **** 示例：查询假期天数 例如，我想要为今年夏天计划一次假期，想知道我有多少假期天数可以用。我可以将我的查询输入到一个可以生成回应的模型中。然而，答案会不正确，因为模型并不知道我的身份，也无法访问我的个人信息。因此，模型本身可能对一些任务有所帮助，例如总结文档、撰写电子邮件初稿和各种报告初稿。 但当我们围绕模型构建系统，并将模型集成到现有流程中时，魔力便显现出来。设计一个系统来解决前面提到的问题，需要让模型能访问存储我假期数据的数据库。这样，虽然输入到语言模型中的查询相同，但模型会被提示创建一个搜索查询，这个查询可以访问我的数据库。程序会获取信息并得到答案，再将答案输入语言模型中，生成回答句子，如：“Maya，你的假期数据库里还剩下十天。”这样，我能得到正确的答案。 *** 复合 AI 系统的模块化设计 “系统”意味着有多个组件，因此系统本质上是模块化的。我可以有一个模型，选择微调模型、大语言模型、图像生成模型，但也可以有围绕它的程序化组件。可以有输出验证器、解析查询的程序、与数据库搜索结合的工具、与不同工具结合的程序等。 当我们谈论系统方法时，我可以分解希望程序完成的任务，选择合适的组件来解决问题。这比微调一个模型要容易得多，使过程更快、更方便。 **** 检索增强生成（RAG） 一个流行的复合 AI 系统例子是检索增强生成（RAG）。如果我提出一个完全不同的查询，如问天气情况，这会失败，因为程序的运行路径总是搜索假期数据库，而这与天气无关。因此，复合 AI 系统的大部分都有程序控制逻辑，这些逻辑由人类定义。 *** AI 智能体的作用 另一种控制复合 AI 系统的逻辑方式是让大语言模型负责，这在大语言模型的推理能力显著提高时才可能实现。大语言模型可以处理复杂问题，能根据提示词要求将问题分解并制定解决计划。 在一个极端，我要求系统快速思考，按照设定的规则行动。在另一个极端，可以让系统慢慢思考，制定计划，逐步解决每一部分，理解困难点并调整计划。 当让大语言模型负责逻辑时，就是在采取一种以智能体为中心的方法。 *** 大语言模型智能体的组成部分 **** 推理能力 推理能力将模型置于解决问题的核心位置，在设定计划的过程中对每一步进行推理。 **** 行动能力 行动能力通过称为“工具”的外部程序实现。这些工具是程序的外部模块，模型可以确定何时及如何调用它们以便最有效地解决提出的问题。例如，网络搜索工具、数据库搜索工具、计算器工具、操纵数据库的程序代码、翻译任务的模型等。 **** 访问记忆的能力 “记忆”可以表示几种含义。模型可以通过程序进行思考，类似于自言自语的内部日志，可以存储并随时取用。这也可以是与智能体互动的对话历史，使体验更加个性化。 *** ReACT 方法 配置智能体的受欢迎方法之一是 ReACT 方法，将推理和行动组件结合在一起。 **** 示例：度假计划 例如，我计划下个月去佛罗里达，想知道需要带多少瓶两盎司的防晒霜。这是个复杂的问题，有多步计划： 1. 我打算休多少天假？ 2. 我计划在阳光下待多少小时？查看佛罗里达的天气预报。 3. 尝试了解每小时在阳光下的推荐防晒剂剂量。 4. 进行数学运算，确定防晒霜数量。 这个系统非常模块化，可以解决更复杂的问题。 *** 复合 AI 系统的未来 复合 AI 系统将一直存在，2024 年将看到它们变得更加智能。你可以根据问题的复杂程度在 AI 自治程度上做出权衡。对于狭窄、定义明确的问题，程序化方法更有效。而对于需要独立解决复杂任务的系统，智能体方法更有帮助。 大多数情况下，人工仍会参与以提高准确性。 原始视频来源：
12:28

什么是 AI 智能体？（双语字幕） 为了解释这一点，我们必须看一看在生成式 AI 领域看到的各种转变。 *** 从单一模型向复合 AI 系统的转变 单一模型受限于其训练数据，这影响了它们对世界的认知以及它们可以解决的任务类型。而且，这些模型也难以适应变化。尽管可以对模型进行微调，但这需要大量的数据和资源投资。 **** 示例：查询假期天数 例如，我想要为今年夏天计划一次假期，想知道我有多少假期天数可以用。我可以将我的查询输入到一个可以生成回应的模型中。然而，答案会不正确，因为模型并不知道我的身份，也无法访问我的个人信息。因此，模型本身可能对一些任务有所帮助，例如总结文档、撰写电子邮件初稿和各种报告初稿。 但当我们围绕模型构建系统，并将模型集成到现有流程中时，魔力便显现出来。设计一个系统来解决前面提到的问题，需要让模型能访问存储我假期数据的数据库。这样，虽然输入到语言模型中的查询相同，但模型会被提示创建一个搜索查询，这个查询可以访问我的数据库。程序会获取信息并得到答案，再将答案输入语言模型中，生成回答句子，如：“Maya，你的假期数据库里还剩下十天。”这样，我能得到正确的答案。 *** 复合 AI 系统的模块化设计 “系统”意味着有多个组件，因此系统本质上是模块化的。我可以有一个模型，选择微调模型、大语言模型、图像生成模型，但也可以有围绕它的程序化组件。可以有输出验证器、解析查询的程序、与数据库搜索结合的工具、与不同工具结合的程序等。 当我们谈论系统方法时，我可以分解希望程序完成的任务，选择合适的组件来解决问题。这比微调一个模型要容易得多，使过程更快、更方便。 **** 检索增强生成（RAG） 一个流行的复合 AI 系统例子是检索增强生成（RAG）。如果我提出一个完全不同的查询，如问天气情况，这会失败，因为程序的运行路径总是搜索假期数据库，而这与天气无关。因此，复合 AI 系统的大部分都有程序控制逻辑，这些逻辑由人类定义。 *** AI 智能体的作用 另一种控制复合 AI 系统的逻辑方式是让大语言模型负责，这在大语言模型的推理能力显著提高时才可能实现。大语言模型可以处理复杂问题，能根据提示词要求将问题分解并制定解决计划。 在一个极端，我要求系统快速思考，按照设定的规则行动。在另一个极端，可以让系统慢慢思考，制定计划，逐步解决每一部分，理解困难点并调整计划。 当让大语言模型负责逻辑时，就是在采取一种以智能体为中心的方法。 *** 大语言模型智能体的组成部分 **** 推理能力 推理能力将模型置于解决问题的核心位置，在设定计划的过程中对每一步进行推理。 **** 行动能力 行动能力通过称为“工具”的外部程序实现。这些工具是程序的外部模块，模型可以确定何时及如何调用它们以便最有效地解决提出的问题。例如，网络搜索工具、数据库搜索工具、计算器工具、操纵数据库的程序代码、翻译任务的模型等。 **** 访问记忆的能力 “记忆”可以表示几种含义。模型可以通过程序进行思考，类似于自言自语的内部日志，可以存储并随时取用。这也可以是与智能体互动的对话历史，使体验更加个性化。 *** ReACT 方法 配置智能体的受欢迎方法之一是 ReACT 方法，将推理和行动组件结合在一起。 **** 示例：度假计划 例如，我计划下个月去佛罗里达，想知道需要带多少瓶两盎司的防晒霜。这是个复杂的问题，有多步计划： 1. 我打算休多少天假？ 2. 我计划在阳光下待多少小时？查看佛罗里达的天气预报。 3. 尝试了解每小时在阳光下的推荐防晒剂剂量。 4. 进行数学运算，确定防晒霜数量。 这个系统非常模块化，可以解决更复杂的问题。 *** 复合 AI 系统的未来 复合 AI 系统将一直存在，2024 年将看到它们变得更加智能。你可以根据问题的复杂程度在 AI 自治程度上做出权衡。对于狭窄、定义明确的问题，程序化方法更有效。而对于需要独立解决复杂任务的系统，智能体方法更有帮助。 大多数情况下，人工仍会参与以提高准确性。 原始视频来源：

宝玉

44,356 views • 2 years ago

大模型终于能一口气生成5分钟视频了? 来自复旦, 南京大学等几所大学的研究员发布了新的多模态可控超长视频世界模型 LongVie 2, 这个模型最大的特点是可以生成长达5分钟的视频. 该模型基于 Wan 2.1 魔改, 实现了一个个三阶段流水线, 包括多模态引导,针对输入帧的退化感知训练和历史上下文引导 从而达到了输出3至5分钟的连贯视频.其核心是优先保证因果一致性，而非简单的帧预测.
0:47

大模型终于能一口气生成5分钟视频了? 来自复旦, 南京大学等几所大学的研究员发布了新的多模态可控超长视频世界模型 LongVie 2, 这个模型最大的特点是可以生成长达5分钟的视频. 该模型基于 Wan 2.1 魔改, 实现了一个个三阶段流水线, 包括多模态引导,针对输入帧的退化感知训练和历史上下文引导 从而达到了输出3至5分钟的连贯视频.其核心是优先保证因果一致性，而非简单的帧预测.

karminski-牙医

24,831 views • 7 months ago

提到多模型统一 API，很多人第一反应还是 OpenRouter。 它确实教育了这个市场，也让开发者习惯了用一个入口调用不同模型。 但是独立开发最怕的，是某个模型偶尔抽风，收到告警后，改代码、切服务商、紧急上线。 ApiFlux 沿着这条路，做了一个更贴近独立开发者的版本：某个模型服务异常时，会自动切换到备用服务。只需要切换一下 API 密钥和接口地址，现有代码基本不用动。 现在支持Claude、GPT、Gemini 等 100+ 模型，并且价格统一为官方价 85 折。 一个人做产品，手里始终留着一条能随时切换的路，心里才踏实。 产品地址👉：
0:26

提到多模型统一 API，很多人第一反应还是 OpenRouter。 它确实教育了这个市场，也让开发者习惯了用一个入口调用不同模型。 但是独立开发最怕的，是某个模型偶尔抽风，收到告警后，改代码、切服务商、紧急上线。 ApiFlux 沿着这条路，做了一个更贴近独立开发者的版本：某个模型服务异常时，会自动切换到备用服务。只需要切换一下 API 密钥和接口地址，现有代码基本不用动。 现在支持Claude、GPT、Gemini 等 100+ 模型，并且价格统一为官方价 85 折。 一个人做产品，手里始终留着一条能随时切换的路，心里才踏实。 产品地址👉：

Yanhua

10,227 views • 2 days ago

兄弟们 Black Forest 推出了：BFL Skills 将 FLUX 图像生成能力 打包为一个 Skills 模块 无需手动配置模型、API 或提示词，可在Claude code里直接生成图像。 BFL Skills 封装了三款 FLUX 模型： [klein] 主打：亚秒级生成与编辑 适合实时、快速反馈场景 [max] 主打：最高画质 适合高保真、最终成品输出 [flex] 主打：文字渲染 适合需要精确文本显示的图像生成场景 如何安装： npx skills add black-forest-labs/skills 该命令会： 安装 BFL Skills 将其注册为 Agent 可调用能力 自动集成到支持的开发环境中 - 安装一次,所有配置自动完成 - 不需要手动处理 API 密钥、模型选择、提示词工程等
0:20

兄弟们 Black Forest 推出了：BFL Skills 将 FLUX 图像生成能力 打包为一个 Skills 模块 无需手动配置模型、API 或提示词，可在Claude code里直接生成图像。 BFL Skills 封装了三款 FLUX 模型： [klein] 主打：亚秒级生成与编辑 适合实时、快速反馈场景 [max] 主打：最高画质 适合高保真、最终成品输出 [flex] 主打：文字渲染 适合需要精确文本显示的图像生成场景 如何安装： npx skills add black-forest-labs/skills 该命令会： 安装 BFL Skills 将其注册为 Agent 可调用能力 自动集成到支持的开发环境中 - 安装一次,所有配置自动完成 - 不需要手动处理 API 密钥、模型选择、提示词工程等

小互

20,828 views • 6 months ago

使用AI生成3D模型，最终利用comfyUI渲染输出成片的工作流全过程 以下是GPT4总结的制作流程： 1. 文本到3D生成 在LumaLabs使用Gini文本到3D：访问LumaLabs网站，选择Gini文本到3D功能，输入如“Naruto T-pose”的描述性文本提示生成3D模型。 预览和调整：预览生成的3D模型，根据需要调整文本提示或使用提供的选项重新生成以获得满意的结果。 2. 导入和编辑模型 导入模型到Blender：将生成的3D模型（如身体、头部和手部）导入到Blender中。 调整模型位置和比例：在Blender中调整各个部分的位置和比例，确保模型的整体协调。 组合和调整细节：将不同的部件（头部、手部等）组合成一个完整的模型，对模型的姿态、细节进行必要的调整。 模型优化：对模型进行必要的优化，包括调整网格和重新拓扑（如果需要），以便于动画处理。 3. 动画和导出 应用骨骼和动画：将调整好的3D模型导出为FBX文件，然后在Mixamo网站上应用自动骨骼绑定和选择动画。 导入动画到Blender：将带有动画的模型重新导入到Blender中进行进一步的编辑和调整。 4. 进一步编辑 动画循环设置：在Blender中设置动画循环，确保动画可以平滑地循环播放。 相机和光照设置：调整相机角度和光照设置，以改善动画的视觉效果和氛围。 渲染设置：调整渲染设置，包括分辨率和渲染引擎设置，以获得高质量的动画输出。 5. 最终渲染和后处理 渲染动画：在Blender中渲染完成的动画，导出为视频文件。 后处理：可选地，将渲染完成的视频导入到Comfy UI或其他视频编辑软件中进行后处理，添加背景、特效和其他视觉元素，以完成最终的动画作品。 通过这些具体的小步骤，从文本描述到完成的3D动画的整个制作过程被详细地概述和解释，为想要学习这一流程的人提供了一份详细的指南。
18:17

使用AI生成3D模型，最终利用comfyUI渲染输出成片的工作流全过程 以下是GPT4总结的制作流程： 1. 文本到3D生成 在LumaLabs使用Gini文本到3D：访问LumaLabs网站，选择Gini文本到3D功能，输入如“Naruto T-pose”的描述性文本提示生成3D模型。 预览和调整：预览生成的3D模型，根据需要调整文本提示或使用提供的选项重新生成以获得满意的结果。 2. 导入和编辑模型 导入模型到Blender：将生成的3D模型（如身体、头部和手部）导入到Blender中。 调整模型位置和比例：在Blender中调整各个部分的位置和比例，确保模型的整体协调。 组合和调整细节：将不同的部件（头部、手部等）组合成一个完整的模型，对模型的姿态、细节进行必要的调整。 模型优化：对模型进行必要的优化，包括调整网格和重新拓扑（如果需要），以便于动画处理。 3. 动画和导出 应用骨骼和动画：将调整好的3D模型导出为FBX文件，然后在Mixamo网站上应用自动骨骼绑定和选择动画。 导入动画到Blender：将带有动画的模型重新导入到Blender中进行进一步的编辑和调整。 4. 进一步编辑 动画循环设置：在Blender中设置动画循环，确保动画可以平滑地循环播放。 相机和光照设置：调整相机角度和光照设置，以改善动画的视觉效果和氛围。 渲染设置：调整渲染设置，包括分辨率和渲染引擎设置，以获得高质量的动画输出。 5. 最终渲染和后处理 渲染动画：在Blender中渲染完成的动画，导出为视频文件。 后处理：可选地，将渲染完成的视频导入到Comfy UI或其他视频编辑软件中进行后处理，添加背景、特效和其他视觉元素，以完成最终的动画作品。 通过这些具体的小步骤，从文本描述到完成的3D动画的整个制作过程被详细地概述和解释，为想要学习这一流程的人提供了一份详细的指南。

Yangyi

25,462 views • 2 years ago

黄仁勋：开源模型可以蒸馏闭源模型，因为学习别人就是AI的本质！ 黄仁勋在 Axios 最新专访： 当记者问他“开源模型到底该不该被允许蒸馏闭源模型”时，老黄没有避重就轻，直接给蒸馏技术贴上了合法性标签。 人类每天都在互相提问和学习，AI 凭什么不能从其他模型里提取知识？ 未来的互联网 99% 的内容都是 AI 生成的，模型蒸馏模型不仅合规，更是唯一的演进路径。 知识蒸馏让小模型变聪明，而更聪明的 AI 才是更安全的 AI。 从联合 Meta、微软向国会发信，到接受采访力挺蒸馏，英伟达的逻辑始终保持着高度的商业一致性： 把基础模型层通过开源和蒸馏彻底商品化，打掉闭源 API 的高额溢价，让所有人都能用几分钱成本运行专有模型。
1:07

黄仁勋：开源模型可以蒸馏闭源模型，因为学习别人就是AI的本质！ 黄仁勋在 Axios 最新专访： 当记者问他“开源模型到底该不该被允许蒸馏闭源模型”时，老黄没有避重就轻，直接给蒸馏技术贴上了合法性标签。 人类每天都在互相提问和学习，AI 凭什么不能从其他模型里提取知识？ 未来的互联网 99% 的内容都是 AI 生成的，模型蒸馏模型不仅合规，更是唯一的演进路径。 知识蒸馏让小模型变聪明，而更聪明的 AI 才是更安全的 AI。 从联合 Meta、微软向国会发信，到接受采访力挺蒸馏，英伟达的逻辑始终保持着高度的商业一致性： 把基础模型层通过开源和蒸馏彻底商品化，打掉闭源 API 的高额溢价，让所有人都能用几分钱成本运行专有模型。

比特币橙子Trader

75,647 views • 7 days ago