Video yükleniyor...

Video Yüklenemedi

Bu video yüklenirken bir sorun oluştu. Bu geçici bir ağ sorunundan kaynaklanıyor olabilir veya video kullanılamıyor olabilir.

Ana Sayfaya Dön

有了Kimi Claw之后，现在我的流程是：本地跑OpenCode + newtype Profile，所有创作、探讨都在本地进行、本地存储；云端跑Kimi Claw，负责自动化、定时搜集资料。中间用Email来桥接，把云端资料存进本地文件夹（Obsidian）。

huangyihe

7,801 subscribers

61,935 görüntüleme • 7 ay önce •via X (Twitter)

Eğitim Bilim & Teknoloji

Anya Rossi• Live Now

Private livecam show

18 Yorum

羽仪 profil fotoğrafı

羽仪7 ay önce

我在Clawhub下了小红书skills, 我的Kimi跟我说它不能直接操作小红书请问我错漏了什么？🧐

huangyihe profil fotoğrafı

huangyihe7 ay önce

让Kimi Claw把内容（比如定时获取的AI新闻）以Markdown格式传到指定GitHub仓库。Obsidian里安装Git插件，自动同步下来。如果不想用Email的方式同步，用这种也可以。

huangyihe profil fotoğrafı

huangyihe7 ay önce

我之前订阅了Supadata。正好让Kimi Claw配置API，把YouTube视频脚本获取下来。以后那些超长的播客都可以这么定时、自动处理，最后同步本地。GitHub仓库里也保留一份存档。

huangyihe profil fotoğrafı

huangyihe7 ay önce

这是我让Kimi Claw设定的定时任务： 1、每8小时搜集一次AI新闻，生成摘要文档，推送GitHub仓库。 2、每24小时检查指定YouTube频道是否有更新。如果有，提取字幕，整理成文档，推送GitHub仓库。我让Kimi Claw配置两个工具： 1、Supadata，提取字幕。 2、GitHub CLI，推送仓库。我不会也不需要这些AI工具去做那些宽泛的任务。从来都是设定好边界、规则，这样产出才是稳定、可用的。

huangyihe profil fotoğrafı

huangyihe7 ay önce

让AI搜集新闻，除了让它给出核心摘要，还可以让它基于新闻扩展搜索，把背景信息也列出来。这样组合起来的，才是完整的内容。最后还可以让AI把它认为这条新闻中值得关注的点也加上，有时会有惊喜。

chanlee profil fotoğrafı

chanlee7 ay önce

@mranti 很奇怪大家为何都买 Mac mini 来跑这个？？其他电脑不能跑吗？

海风樱歌 profil fotoğrafı

海风樱歌7 ay önce

用1000块的N100迷你主机就能跑，没必要买mac mini

花木 profil fotoğrafı

花木7 ay önce

为啥不用git同步呢

huangyihe profil fotoğrafı

huangyihe7 ay önce

也可以。Obsidian里安装Git插件就可以。只是配置需要多好多步。

Todd Zhou profil fotoğrafı

Todd Zhou7 ay önce

有没有可能把这个云端中转站放在飞书

Steven.低温 profil fotoğrafı

Steven.低温7 ay önce

价格上我看得699rmb/m那档才能有

huangyihe profil fotoğrafı

huangyihe7 ay önce

199就可以

我姐夫张端旺 profil fotoğrafı

我姐夫张端旺7 ay önce

kimiclaw 跟 openclaw 比怎么样

Alex Zhang profil fotoğrafı

Alex Zhang7 ay önce

kimi claw要跑国际版，国内版被qiangr

jarvis zhang profil fotoğrafı

jarvis zhang7 ay önce

不能访问本地浏览器的openclaw和deepseach也没啥区别…

huangyihe profil fotoğrafı

huangyihe7 ay önce

操作浏览器这么笨重的方式，只适合人类。AI不需要。

Catch profil fotoğrafı

Catch7 ay önce

@grok what is "newtype Profile"

SunnyU profil fotoğrafı

SunnyU7 ay önce

但是虚了机不能操作浏览器会打很多折扣

Benzer Videolar

Nowledge Mem 的 DeepResearch 也是基于 Kimi-Cli 的 SubAgent 实现、调教的，会考虑连接的笔记软件和 Memory 里的深度探索，能出 PPT、写代码计算出图表、跑 Shell、分析引用本地文件夹里的资料、文件、数据。我现在很多事情都是在 Mem 内置的 Agent 里搞啦。

Nowledge Mem 的 DeepResearch 也是基于 Kimi-Cli 的 SubAgent 实现、调教的，会考虑连接的笔记软件和 Memory 里的深度探索，能出 PPT、写代码计算出图表、跑 Shell、分析引用本地文件夹里的资料、文件、数据。我现在很多事情都是在 Mem 内置的 Agent 里搞啦。

Wey Gu 古思为

21,003 görüntüleme • 9 ay önce

卧槽，按头推荐朋友做的工具（本地AI装上远程桌面）‼️❣️ MindFS = 本地多Agents可视化+文件系统+移动端管理+多终端支持 MindFS把本地已经装好的 Claude Code、Codex、Gemini CLI、Cursor、Kimi、Qwen 这些 agent，统一挂到一个浏览器入口里。能做什么？本地项目管理本地多Agents可视化管理移动端远程管理（本地文件+终端Agents+流式输出）随时随地访问和管理本地项目文件、AgentCLI编程我这几天体验下来真的非常丝滑，解决了我很久的困扰。目前已经开启内测，Github和群二维码我都放评论区了，看到完了就进不去群了😂

卧槽，按头推荐朋友做的工具（本地AI装上远程桌面）‼️❣️ MindFS = 本地多Agents可视化+文件系统+移动端管理+多终端支持 MindFS把本地已经装好的 Claude Code、Codex、Gemini CLI、Cursor、Kimi、Qwen 这些 agent，统一挂到一个浏览器入口里。能做什么？本地项目管理本地多Agents可视化管理移动端远程管理（本地文件+终端Agents+流式输出）随时随地访问和管理本地项目文件、AgentCLI编程我这几天体验下来真的非常丝滑，解决了我很久的困扰。目前已经开启内测，Github和群二维码我都放评论区了，看到完了就进不去群了😂

比特币橙子Trader

27,939 görüntüleme • 5 ay önce

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

30,761 görüntüleme • 11 ay önce

大家好，今晚闲来无事又整了个活（有时需要写一点 CUDA，但是本地 GPU 太孱弱了，直接租云服务又有一点浪费，于是便写了个小工具，可以直接把本地 CUDA 提交到云端进行编译运行，重点是只在这一段时间内开启实例，做到了按量付费的最大化利用。目前还只是 MVP，欢迎大家来玩

大家好，今晚闲来无事又整了个活（有时需要写一点 CUDA，但是本地 GPU 太孱弱了，直接租云服务又有一点浪费，于是便写了个小工具，可以直接把本地 CUDA 提交到云端进行编译运行，重点是只在这一段时间内开启实例，做到了按量付费的最大化利用。目前还只是 MVP，欢迎大家来玩

Jun (xhigh)

35,608 görüntüleme • 2 yıl önce

终极微信方案又上黑科技了上周我们的终极微信解决了云端微信声音和托盘穿透到本地的功能今天来一个更厉害的，DND从本地穿透到云端本地文件拖拽到微信窗口后，文件自动从本地穿透到家里微信再发送给客户社区那种docker微信的方案只能选择云端的文件，无法像我们这样做文件拖拽穿透，用起来没有我们终极微信那么方便感兴趣的老板，评论区打1，我给老板优惠

终极微信方案又上黑科技了上周我们的终极微信解决了云端微信声音和托盘穿透到本地的功能今天来一个更厉害的，DND从本地穿透到云端本地文件拖拽到微信窗口后，文件自动从本地穿透到家里微信再发送给客户社区那种docker微信的方案只能选择云端的文件，无法像我们这样做文件拖拽穿透，用起来没有我们终极微信那么方便感兴趣的老板，评论区打1，我给老板优惠

Andy Stewart

147,011 görüntüleme • 10 ay önce

#开源项目推荐：StanGirard/quivr 帮助把你的本地文件向量化，然后存储到云端，随时可以检索对话。文档格式支持Text、Markdown、PDF、Audio和Video。GPT端支持ChatGPT和Claude。它的向量数据库用的是Supabase，音视频是基于Whisper的API处理成文本的，主要语言是Python。

#开源项目推荐：StanGirard/quivr 帮助把你的本地文件向量化，然后存储到云端，随时可以检索对话。文档格式支持Text、Markdown、PDF、Audio和Video。GPT端支持ChatGPT和Claude。它的向量数据库用的是Supabase，音视频是基于Whisper的API处理成文本的，主要语言是Python。

宝玉

161,535 görüntüleme • 3 yıl önce

🎬 OpenAI Codex 现在免费了。但真正让我震惊的，不是免费。而是用本地开源模型，居然能跑出接近云端体验的 AI Agent。视频里演示了 4 个真实场景： 🎮 修复一个已经崩溃的太空游戏 🔨 几分钟做出打地鼠网页游戏 🍎 生成苹果风格产品首页 🌐 自己打开浏览器搜索、下载并保存文件整个过程不需要 API Key，不依赖云端，甚至断网也能继续工作。如果你准备体验本地 AI，有一个坑一定要避开： Ollama 默认上下文长度不要直接用，改成 16K 或 8K，否则很容易卡在「重新连接」循环。 Token 自由可能还没来。但本地 Agent 时代，真的来了。

🎬 OpenAI Codex 现在免费了。但真正让我震惊的，不是免费。而是用本地开源模型，居然能跑出接近云端体验的 AI Agent。视频里演示了 4 个真实场景： 🎮 修复一个已经崩溃的太空游戏 🔨 几分钟做出打地鼠网页游戏 🍎 生成苹果风格产品首页 🌐 自己打开浏览器搜索、下载并保存文件整个过程不需要 API Key，不依赖云端，甚至断网也能继续工作。如果你准备体验本地 AI，有一个坑一定要避开： Ollama 默认上下文长度不要直接用，改成 16K 或 8K，否则很容易卡在「重新连接」循环。 Token 自由可能还没来。但本地 Agent 时代，真的来了。

Martin

82,000 görüntüleme • 3 ay önce

👏扣子3.0 发布了。这版我最期待的两个功能：一是"多人多 Agent 协作"——把不同的 Agent 拉进同一个项目，@ 来 @ 去分工干活；二是能把本地的 Claude Code、Codex 直接接进去托管。我平时主力就用 Claude Code，自己还折腾过几个让多 Agent 协作的小工具： - multi-agent：用 tmux 分屏把 Claude、Codex 拉起来，按顺序调度 - hero-coding：一个 Go 写的小程序，让 Agent 写完代码自动跑测试、再过一遍审查 - roundtable：让几个不同的模型对着同一个问题互相辩论，出一个结论我第一时间就上手了。先接入：本地配好的 Claude Code、Codex 点几下就接进来托管，不用重配；一个项目里我拉三个 Agent —— 本地的 Claude Code、本地的 Codex、Coze Agent。然后我在项目里 @ Claude Code，让它读我本地那个 hero-coding，它确实能读到内容，而且不单单是能读文件。我又让它调我本地的 imgen SKILL（我自己写的文生图工具）生成一张图，再通过我自己的 coze-bridge 把图发回聊天里——图真出来了，一张未来感城市夜景。也就是说，我电脑上的整套工具链、skill 它都能调起来用，云端和本地直接打通。

👏扣子3.0 发布了。这版我最期待的两个功能：一是"多人多 Agent 协作"——把不同的 Agent 拉进同一个项目，@ 来 @ 去分工干活；二是能把本地的 Claude Code、Codex 直接接进去托管。我平时主力就用 Claude Code，自己还折腾过几个让多 Agent 协作的小工具： - multi-agent：用 tmux 分屏把 Claude、Codex 拉起来，按顺序调度 - hero-coding：一个 Go 写的小程序，让 Agent 写完代码自动跑测试、再过一遍审查 - roundtable：让几个不同的模型对着同一个问题互相辩论，出一个结论我第一时间就上手了。先接入：本地配好的 Claude Code、Codex 点几下就接进来托管，不用重配；一个项目里我拉三个 Agent —— 本地的 Claude Code、本地的 Codex、Coze Agent。然后我在项目里 @ Claude Code，让它读我本地那个 hero-coding，它确实能读到内容，而且不单单是能读文件。我又让它调我本地的 imgen SKILL（我自己写的文生图工具）生成一张图，再通过我自己的 coze-bridge 把图发回聊天里——图真出来了，一张未来感城市夜景。也就是说，我电脑上的整套工具链、skill 它都能调起来用，云端和本地直接打通。

劳伦斯

27,519 görüntüleme • 4 ay önce

🚨翻车了！本来以为本地部署是终局，结果直接翻车拿 M2 Pro 跑了两轮 100 题决策模型对决（云端 Jev vs 本地 Laya-MLX），本想吹一波端侧，结果尴尬了😅 - 速度：本地完爆。Laya-MLX 单题推理 13.7ms，10 并发不到 2 秒刷完，QPS 冲到 58。而云端 Jev 10 并发要 5 秒（ 385ms 网络 RTT） - 准确率：本地拉胯。Laya-MLX 准确率只有 50% 左右，约等于抛硬币；云端 Jev 速度慢点，但准确率极高 - 结论：准确率达不到生产标准，再快也是白搭给时间一点时间吧以上。

🚨翻车了！本来以为本地部署是终局，结果直接翻车拿 M2 Pro 跑了两轮 100 题决策模型对决（云端 Jev vs 本地 Laya-MLX），本想吹一波端侧，结果尴尬了😅 - 速度：本地完爆。Laya-MLX 单题推理 13.7ms，10 并发不到 2 秒刷完，QPS 冲到 58。而云端 Jev 10 并发要 5 秒（ 385ms 网络 RTT） - 准确率：本地拉胯。Laya-MLX 准确率只有 50% 左右，约等于抛硬币；云端 Jev 速度慢点，但准确率极高 - 结论：准确率达不到生产标准，再快也是白搭给时间一点时间吧以上。

Lonely

58,099 görüntüleme • 12 gün önce

Lisa Su 把大模型的本地运行门槛直接打了下来。一个午餐盒大小的 Mini PC，无需云端、无需独立显卡，就能跑通完整的 Qwen3 235B。靠着 Ryzen AI Max+ 395 和 128GB 统一内存（Linux 下可用 VRAM 高达 ~110GB），x86 芯片终于具备了在本地接管超大规模模型的硬实力。

Lisa Su 把大模型的本地运行门槛直接打了下来。一个午餐盒大小的 Mini PC，无需云端、无需独立显卡，就能跑通完整的 Qwen3 235B。靠着 Ryzen AI Max+ 395 和 128GB 统一内存（Linux 下可用 VRAM 高达 ~110GB），x86 芯片终于具备了在本地接管超大规模模型的硬实力。

Bill The Investor

22,124 görüntüleme • 3 ay önce

💥炸了！开源本地版 Laya 响应速度吊打 Jev ，毫秒级决策快到飞起！左边 Laya 是本地 421M 开源决策模型，右边 Jev 1.13.0 是云端 API。同一盘贪吃蛇、同一套 typed decision，30 秒自由跑下来： 🔹Laya：分数 46、长度 52，决策 86.5 次/秒，P50 约 9ms 🔸Jev：分数 1、长度 7，决策 3.2 次/秒，API 往返 317ms M5 Pro 实测中位耗时：本地 15.3ms vs 云端 298.1ms，接近 20 倍 Laya 推理内存大约 1GB，毫秒级决策，不靠网络而云端 Jev 每一步都在等往返，本地每一步都在当场拍板！ GitHub： #开源Jev #Laya #本地部署 #SystemOne #贪吃蛇对战AI #Jev

💥炸了！开源本地版 Laya 响应速度吊打 Jev ，毫秒级决策快到飞起！左边 Laya 是本地 421M 开源决策模型，右边 Jev 1.13.0 是云端 API。同一盘贪吃蛇、同一套 typed decision，30 秒自由跑下来： 🔹Laya：分数 46、长度 52，决策 86.5 次/秒，P50 约 9ms 🔸Jev：分数 1、长度 7，决策 3.2 次/秒，API 往返 317ms M5 Pro 实测中位耗时：本地 15.3ms vs 云端 298.1ms，接近 20 倍 Laya 推理内存大约 1GB，毫秒级决策，不靠网络而云端 Jev 每一步都在等往返，本地每一步都在当场拍板！ GitHub： #开源Jev #Laya #本地部署 #SystemOne #贪吃蛇对战AI #Jev

SuSu_酥酥👅

841,637 görüntüleme • 12 gün önce

北京西城区招聘看桥保安🤔 工资3800包吃住每天工作9小时我本来以为是看天桥有没有人挂横幅的呢居然是看大桥有没有人跳河😅 据说现在全国各地都有这个“看桥人” 现在国内情况到这个地步了么？都不想活了❓🥹 跳河都成了日常了⁉️ 😳😅

北京西城区招聘看桥保安🤔 工资3800包吃住每天工作9小时我本来以为是看天桥有没有人挂横幅的呢居然是看大桥有没有人跳河😅 据说现在全国各地都有这个“看桥人” 现在国内情况到这个地步了么？都不想活了❓🥹 跳河都成了日常了⁉️ 😳😅

小蛋糕（支持我请多转发😘）

23,810 görüntüleme • 7 ay önce

这是我见过最好的Claude Code+Obsidian的教学视频! 花一个小时看完，你将学会用 Obsidian 打造第二大脑——让 AI 记住你所有的想法，帮你挖掘规律、生成创意、落地执行。这视频里重点是把Claude Code 接到你的本地 Obsidian vault，让它读写 Markdown 笔记、按规则整理知识库。官方的定义是像一个能读代码库、改文件、跑命令、接开发工具的 agentic coding tool。和open claw有些相似，都是试图让AI帮人类完成自动化的工作流. 不过我认为如果是搭个人知识库 / 第二大脑 / 本地 Markdown 工作流的话Obsidian + Claude Code比openclaw更合适清月已经不困了 😙 其实互联网这种地方的学习资料 99%的人只会收藏转发或点赞收藏就当学了，点了等于干了沉下心学习58分钟什么的，除了从业者有丁点可能对其他网友而言不存在的

这是我见过最好的Claude Code+Obsidian的教学视频! 花一个小时看完，你将学会用 Obsidian 打造第二大脑——让 AI 记住你所有的想法，帮你挖掘规律、生成创意、落地执行。这视频里重点是把Claude Code 接到你的本地 Obsidian vault，让它读写 Markdown 笔记、按规则整理知识库。官方的定义是像一个能读代码库、改文件、跑命令、接开发工具的 agentic coding tool。和open claw有些相似，都是试图让AI帮人类完成自动化的工作流. 不过我认为如果是搭个人知识库 / 第二大脑 / 本地 Markdown 工作流的话Obsidian + Claude Code比openclaw更合适清月已经不困了 😙 其实互联网这种地方的学习资料 99%的人只会收藏转发或点赞收藏就当学了，点了等于干了沉下心学习58分钟什么的，除了从业者有丁点可能对其他网友而言不存在的

渡边君

111,698 görüntüleme • 5 ay önce

终于，我的 GPT 语音对话玩具用到的所有 OpenAI 的接口我都做了一个开源的替代，可以在本地跑起来。玩具用到的 STT，LLM，TTS 服务都跑一台 RTX 2080Ti 上面，速度感觉还不错。有了本地 GPU 开发机之后，又多了个新玩法，接下来我会对接更多的开源 LLM。使用到的开源项目如下： 1/n

终于，我的 GPT 语音对话玩具用到的所有 OpenAI 的接口我都做了一个开源的替代，可以在本地跑起来。玩具用到的 STT，LLM，TTS 服务都跑一台 RTX 2080Ti 上面，速度感觉还不错。有了本地 GPU 开发机之后，又多了个新玩法，接下来我会对接更多的开源 LLM。使用到的开源项目如下： 1/n

FoloToy

500,244 görüntüleme • 2 yıl önce

这个视频是我用 ChatCut 剪出来的，没有加口播，主要是把自己原来用 Remotion 做视频的工作流迁了进去。用下来最大的感受是，ChatCut 的完成度确实比我预期高。最终效果比我自己用 Remotion 做得更好，整个制作过程也更丝滑。我猜他们应该针对视频制作场景专门优化了 Agent，或者选了更合适的模型，所以无论是设计风格还是审美，默认产出都比较在线。它还把图片生成、音频生成、字幕、气口剪辑这些工具全都集成进去了。以前在本地要自己拼起来的一套工作流，现在基本都封装好了，做视频会省事很多。当然也有两个取舍：它是云端产品，不能完全在本地运行，在意隐私的人可能会有顾虑。使用需要消耗积分，不过我还没有认真测过积分消耗，也不确定和本地跑 Remotion 相比，最终成本差多少。总体来说，ChatCut 和本地 Remotion 都能做到差不多的结果，核心区别不是能不能做，而是要花多少时间折腾。如果你喜欢自己掌控每个环节，Remotion 依然很合适。如果你更想图省事，ChatCut 已经把大量工具和工作流封装好了，整体体验确实会舒服很多。

这个视频是我用 ChatCut 剪出来的，没有加口播，主要是把自己原来用 Remotion 做视频的工作流迁了进去。用下来最大的感受是，ChatCut 的完成度确实比我预期高。最终效果比我自己用 Remotion 做得更好，整个制作过程也更丝滑。我猜他们应该针对视频制作场景专门优化了 Agent，或者选了更合适的模型，所以无论是设计风格还是审美，默认产出都比较在线。它还把图片生成、音频生成、字幕、气口剪辑这些工具全都集成进去了。以前在本地要自己拼起来的一套工作流，现在基本都封装好了，做视频会省事很多。当然也有两个取舍：它是云端产品，不能完全在本地运行，在意隐私的人可能会有顾虑。使用需要消耗积分，不过我还没有认真测过积分消耗，也不确定和本地跑 Remotion 相比，最终成本差多少。总体来说，ChatCut 和本地 Remotion 都能做到差不多的结果，核心区别不是能不能做，而是要花多少时间折腾。如果你喜欢自己掌控每个环节，Remotion 依然很合适。如果你更想图省事，ChatCut 已经把大量工具和工作流封装好了，整体体验确实会舒服很多。

泊舟

23,783 görüntüleme • 2 ay önce

8GB显存也能本地做AI短剧：这次测试我用一句中文，抽出了4张女警角色卡，并且做了首帧2秒视频。很多人一提到本地AI视频，第一反应就是：需要24GB或者更大显卡、几十B参数的大模型，普通电脑根本跑不动。但我终于用一台搭载外星人笔记本5060 8GB显存和32GB内存，实际跑通了一套本地AI短剧工作流。不需要H3，也不需要14B视频模型。只要输入一句中文，就可以完成人物抽卡、角色锁定、短镜头生成和720P放大。整个过程都在本地运行，不产生视频API调用费用。我是这样做的👇👇

8GB显存也能本地做AI短剧：这次测试我用一句中文，抽出了4张女警角色卡，并且做了首帧2秒视频。很多人一提到本地AI视频，第一反应就是：需要24GB或者更大显卡、几十B参数的大模型，普通电脑根本跑不动。但我终于用一台搭载外星人笔记本5060 8GB显存和32GB内存，实际跑通了一套本地AI短剧工作流。不需要H3，也不需要14B视频模型。只要输入一句中文，就可以完成人物抽卡、角色锁定、短镜头生成和720P放大。整个过程都在本地运行，不产生视频API调用费用。我是这样做的👇👇

DeFi狙击手 | Ai🕊️

32,322 görüntüleme • 1 ay önce

这条 $2.30 一条的 YouTube 视频生产线，我没把任何一个工具搬进 Tanka。而是把它们串成了一份 SOP。 Python 在本地，ElevenLabs API，Notion 在 web，HyperFrames 在终端。 Tanka 一个工具都没接管，它做的是另一件事：在我现有的工具栈之上，沉淀出一份可以复用的 SOP。视频里是完整搭建过程，末尾接的是这套 SOP 跑出来的视频案例。现在限时领 1 个月 Plus👇 官网:

这条 $2.30 一条的 YouTube 视频生产线，我没把任何一个工具搬进 Tanka。而是把它们串成了一份 SOP。 Python 在本地，ElevenLabs API，Notion 在 web，HyperFrames 在终端。 Tanka 一个工具都没接管，它做的是另一件事：在我现有的工具栈之上，沉淀出一份可以复用的 SOP。视频里是完整搭建过程，末尾接的是这套 SOP 跑出来的视频案例。现在限时领 1 个月 Plus👇 官网:

Yanhua

23,867 görüntüleme • 4 ay önce

我觉得我还是挺屌的，这是我开源的 Kin Agent，你和他说“把这个项目在沙盒里跑起来”，它就给你跑起来了，你也不用动啥技术，也不需要了解本地环境。 —— 这个是专门给中小团队做的用在本地的 Agent，适合有个 8g 的 macmini，直接一键部署，扔到办公室里，挂一个 coding plan，全团队可用，没有 tokens 负担。 ——

我觉得我还是挺屌的，这是我开源的 Kin Agent，你和他说“把这个项目在沙盒里跑起来”，它就给你跑起来了，你也不用动啥技术，也不需要了解本地环境。 —— 这个是专门给中小团队做的用在本地的 Agent，适合有个 8g 的 macmini，直接一键部署，扔到办公室里，挂一个 coding plan，全团队可用，没有 tokens 负担。 ——

熊布朗

14,292 görüntüleme • 3 ay önce