关于AIGC人工智能、思维方式、知识拓展，能力提升等。投稿/合作： @inside1024_bot
AIGC 领域的最新工具、开源项目以及行业大事件
AIGC 领域的最新工具、开源项目以及行业大事件
wmzb666.fun
wmzb666.fun
wmzb666.fun
👍 【维密直播】
* 优雅设计：界面精美，操作简洁，观感极佳
* 流畅体验：不卡顿、不翻墙，随时随地轻松观看
* 安全保障：无病毒、不盗取个人信息，放心畅玩💰 平台账户资金安全由“香港安盛”全力承保🏆 维密获得超过1000万以上会员的信任与好评🔞 仅限年满18周岁以上用户体验，未成年人请勿下载
给大家分享一个小发现：
可以靠在 prompt 上写时间戳来控制镜头运动
然后时辰随手丢个给了我一篇论文，说明理论上确实可行的：https://arxiv.org/html/2412.02168?_immersive_translate_auto_translate=1
Invalid media: video
可以靠在 prompt 上写时间戳来控制镜头运动
然后时辰随手丢个给了我一篇论文，说明理论上确实可行的：https://arxiv.org/html/2412.02168?_immersive_translate_auto_translate=1
Invalid media: video
谷歌憋不住了开大了，发布四个🐂🍺项目！
- 原生多模态输入输出的 Gemini2.0
- 实时多模态沟通助手 Project Astra 的进展
- Project Mariner 浏览器类贾维斯助手
- Jules：代码开发助理
## Gemini 2.0
更好的性能：Gemini 2.0 Flash 比 1.5 Pro 更强大，同时仍然提供开发人员期望的 Flash 速度和效率。它还在关键基准测试中改进了多模式、文本、代码、视频、空间理解和推理性能。
原生多模态输出：Gemini 2.0 Flash 生成包含文本、音频和图像的集成响应 - 所有这些都通过单个 API 调用实现。这些新的输出模式可供早期测试人员使用，预计明年将更广泛地推出。
原生工具使用：Gemini 2.0 已经接受过训练使用工具-这是构建代理体验的基本能力。它可以本地调用工具，如 Google 搜索和代码执行，以及通过函数调用调用自定义第三方函数。
多模态实时API：开发人员现在可以使用来自摄像头或屏幕的音频和视频流输入构建实时的多模态应用程序。支持自然对话模式，如中断和语音活动检测。
## Project Astra
更好的对话：Project Astra 现在具有以多种语言和混合语言交流的能力，更好地理解口音和不常见的词语。
新工具使用：使用 Gemini 2.0，Project Astra 可以使用 Google 搜索、Lens 和地图，使其在您的日常生活中更加有用。
更好的记忆：我们提高了项目 Astra 的记忆能力，确保您可以控制。它现在具有最长 10 分钟的会话记忆，并能够记住与它过去的更多对话
改进的延迟：通过新的流媒体功能和本地音频理解，代理可以在大约人类对话的延迟下理解语言。
## Project Mariner
它能够理解和推理浏览器屏幕上的信息，包括像素和网页元素，如文本、代码、图像和表单，然后通过实验性的 Chrome 扩展使用该信息来完成任务。
在对 WebVoyager 基准进行评估时，该基准测试代理在端到端真实世界网络任务上的表现，Project Mariner 作为单一代理设置取得了 83.5%的最新成果。
值得信赖的测试人员现在开始使用实验性的 Chrome 扩展程序来测试 Project Mariner
## Jules
一款实验性的 AI 驱动代码代理，直接集成到 GitHub 工作流程中。它可以在开发人员的指导和监督下处理问题，制定计划并执行
详细信息：https://blog.google/technology/google-deepmind/google-gemini-ai-update-december-2024
Invalid media: video
- 原生多模态输入输出的 Gemini2.0
- 实时多模态沟通助手 Project Astra 的进展
- Project Mariner 浏览器类贾维斯助手
- Jules：代码开发助理
## Gemini 2.0
更好的性能：Gemini 2.0 Flash 比 1.5 Pro 更强大，同时仍然提供开发人员期望的 Flash 速度和效率。它还在关键基准测试中改进了多模式、文本、代码、视频、空间理解和推理性能。
原生多模态输出：Gemini 2.0 Flash 生成包含文本、音频和图像的集成响应 - 所有这些都通过单个 API 调用实现。这些新的输出模式可供早期测试人员使用，预计明年将更广泛地推出。
原生工具使用：Gemini 2.0 已经接受过训练使用工具-这是构建代理体验的基本能力。它可以本地调用工具，如 Google 搜索和代码执行，以及通过函数调用调用自定义第三方函数。
多模态实时API：开发人员现在可以使用来自摄像头或屏幕的音频和视频流输入构建实时的多模态应用程序。支持自然对话模式，如中断和语音活动检测。
## Project Astra
更好的对话：Project Astra 现在具有以多种语言和混合语言交流的能力，更好地理解口音和不常见的词语。
新工具使用：使用 Gemini 2.0，Project Astra 可以使用 Google 搜索、Lens 和地图，使其在您的日常生活中更加有用。
更好的记忆：我们提高了项目 Astra 的记忆能力，确保您可以控制。它现在具有最长 10 分钟的会话记忆，并能够记住与它过去的更多对话
改进的延迟：通过新的流媒体功能和本地音频理解，代理可以在大约人类对话的延迟下理解语言。
## Project Mariner
它能够理解和推理浏览器屏幕上的信息，包括像素和网页元素，如文本、代码、图像和表单，然后通过实验性的 Chrome 扩展使用该信息来完成任务。
在对 WebVoyager 基准进行评估时，该基准测试代理在端到端真实世界网络任务上的表现，Project Mariner 作为单一代理设置取得了 83.5%的最新成果。
值得信赖的测试人员现在开始使用实验性的 Chrome 扩展程序来测试 Project Mariner
## Jules
一款实验性的 AI 驱动代码代理，直接集成到 GitHub 工作流程中。它可以在开发人员的指导和监督下处理问题，制定计划并执行
详细信息：https://blog.google/technology/google-deepmind/google-gemini-ai-update-december-2024
Invalid media: video
wmzb666.fun
wmzb666.fun
wmzb666.fun
👍 【维密直播】
* 优雅设计：界面精美，操作简洁，观感极佳
* 流畅体验：不卡顿、不翻墙，随时随地轻松观看
* 安全保障：无病毒、不盗取个人信息，放心畅玩💰 平台账户资金安全由“香港安盛”全力承保🏆 维密获得超过1000万以上会员的信任与好评🔞 仅限年满18周岁以上用户体验，未成年人请勿下载
Devin 的定价是 500 美元，说实话这个价位对它的能力来说很合理，但确实不是所有团队都需要。它最大的特点是真的能独立完成工作 —— 就像一个可以放养的实习生，你可以扔给它一个任务，过一会再来查看进度，给些建议就好。这和 Cursor Composer 或 WindSurf Cascade 那种需要持续盯着、不断反馈的体验完全不同。
举个例子，我刚刚让它给 Monica.im 开发一个网站。它先是快速完成了包含首页、功能介绍和博客的静态网站。接着，我要求把静态博客升级成可后台管理的动态版本。
让我惊艳的是它的工作流程：
1. 立即引入 FastAPI 和 PostgreSQL，设计博客数据结构和 API
2. 完成 API 实现后，自己写测试用例并用 curl POST 验证
3. API 测试通过后，开发对应的 UI 和业务逻辑
4. 最后，它甚至主动在 shadow browser 中登录后台，填充内容做 UI 测试，确保所有功能正常
尤其是第 4 步，真的让人眼前一亮。看着它在后台和前台之间来回切换，验证后台填写的数据有没有正确出现在前台。
如果说 Windsurf 像个外包团队，那 Devin 更像是一个真实坐在办公室里的实习生。当然，要记住它终究是个实习生，不是 CTO，得给它合适的任务。
最后用一句话总结：Copilot/Cursor/Windsurf 是在 IDE 里面包了 AI，而 Devin 是在 AI 里面放了个 IDE，IDE不是主角，它只是实现目标的一个工具而已。
Obsidian 的这个剪藏工具现在太强了！
新增的 Interpreter 功能，能用自然语言结构化提取网页信息。
比如给文章加标签和整理要点。
更重要的是还支持 Ollama 本地模型。
反观 Notion 的剪藏工具，现在还是个残废。
哪怕是自带的 AI 功能让他创建页面标签，也频繁失败，这就是一年 96 美元的水平。
新增的 Interpreter 功能，能用自然语言结构化提取网页信息。
比如给文章加标签和整理要点。
更重要的是还支持 Ollama 本地模型。
反观 Notion 的剪藏工具，现在还是个残废。
哪怕是自带的 AI 功能让他创建页面标签，也频繁失败，这就是一年 96 美元的水平。
最近程序员们都在研究 MCP，有位推友搞了个
ChatMCP: 开源的 MCP 协议客户端 🚀
这是一些介绍：
MCP 能解决什么问题? 🤔
有了 MCP,AI 简直就像获得了超能力一样,可以轻松实现:
📊 查询分析本地数据库
🐙 管理 GitHub 仓库(创建 Issue 、PR 什么的都不在话下)
💬 总结微信聊天记录
📂 操作本地文件,得心应手
🥡 想吃外卖?一键搞定!(支持美团、饿了么)
🛒 变身智能购物助手(自动比价、帮你省钱)
🏠 智能家居随心控(灯光、空调、窗帘统统搞定)
💰 管理个人财务(分析账单、规划消费)
💪 健康数据分析(运动、睡眠质量都给你整明白)
有了 MCP 统统都能接入大模型, 是不是很有想象空间, 哈哈哈
以前要实现这些功能,每个数据源都需要单独开发接入。MCP 提供了统一的标准,大大降低了开发成本。
为什么需要开源客户端?
目前 MCP 只能在 Claude 官方客户端使用, 这带来一些局限:
Claude 账号经常被封, 泪目, 我的又被封了
不能使用其他的 LLM 模型
ChatMCP 作为开源方案,提供了更多选择:
不依赖特定服务商
支持多种 LLM 模型
完全本地化, 保证隐私
支持自定义开发
快速开始 🚗
github https://github.com/daodao97/chatmcp
⬇️ 下载安装(目前只支持 MacOS 哦),
🔑 配置你的 API Key
🔧 装好需要的 MCP 服务
✨ 开始体验神奇功能!
ChatMCP: 开源的 MCP 协议客户端 🚀
这是一些介绍：
MCP 能解决什么问题? 🤔
有了 MCP,AI 简直就像获得了超能力一样,可以轻松实现:
📊 查询分析本地数据库
🐙 管理 GitHub 仓库(创建 Issue 、PR 什么的都不在话下)
💬 总结微信聊天记录
📂 操作本地文件,得心应手
🥡 想吃外卖?一键搞定!(支持美团、饿了么)
🛒 变身智能购物助手(自动比价、帮你省钱)
🏠 智能家居随心控(灯光、空调、窗帘统统搞定)
💰 管理个人财务(分析账单、规划消费)
💪 健康数据分析(运动、睡眠质量都给你整明白)
有了 MCP 统统都能接入大模型, 是不是很有想象空间, 哈哈哈
以前要实现这些功能,每个数据源都需要单独开发接入。MCP 提供了统一的标准,大大降低了开发成本。
为什么需要开源客户端?
目前 MCP 只能在 Claude 官方客户端使用, 这带来一些局限:
Claude 账号经常被封, 泪目, 我的又被封了
不能使用其他的 LLM 模型
ChatMCP 作为开源方案,提供了更多选择:
不依赖特定服务商
支持多种 LLM 模型
完全本地化, 保证隐私
支持自定义开发
快速开始 🚗
github https://github.com/daodao97/chatmcp
⬇️ 下载安装(目前只支持 MacOS 哦),
🔑 配置你的 API Key
🔧 装好需要的 MCP 服务
✨ 开始体验神奇功能!
最近对MCP很上头，我已经开发了：
1. 一个简化MCP服务器开发的TypeScript库：https://github.com/wong2/litemcp
2. 一个调试MCP服务器的命令行工具：https://github.com/wong2/mcp-cli
3. 一个MCP服务器导航站：https://mcpservers.org
1. 一个简化MCP服务器开发的TypeScript库：https://github.com/wong2/litemcp
2. 一个调试MCP服务器的命令行工具：https://github.com/wong2/mcp-cli
3. 一个MCP服务器导航站：https://mcpservers.org
🐈 Sora 测试作品： 《谁不爱iPad》
作为ChatGPT 用户，也许你还没有成功登录Sora独立平台，但是至少有三件事，值得预先了解：
1. 从来没有哪个AI Video 工具像Sora 这么简单、易用
2. 如果是480p分辨率视频生成，快的时候仅一分钟；
3. 你不需要任何提示词技巧就可以开始。
请相信，玩耍是一切创造的开始。
作为ChatGPT 用户，也许你还没有成功登录Sora独立平台，但是至少有三件事，值得预先了解：
1. 从来没有哪个AI Video 工具像Sora 这么简单、易用
2. 如果是480p分辨率视频生成，快的时候仅一分钟；
3. 你不需要任何提示词技巧就可以开始。
请相信，玩耍是一切创造的开始。
wmzb666.fun
wmzb666.fun
wmzb666.fun
👍 【维密直播】
* 优雅设计：界面精美，操作简洁，观感极佳
* 流畅体验：不卡顿、不翻墙，随时随地轻松观看
* 安全保障：无病毒、不盗取个人信息，放心畅玩💰 平台账户资金安全由“香港安盛”全力承保🏆 维密获得超过1000万以上会员的信任与好评🔞 仅限年满18周岁以上用户体验，未成年人请勿下载
藏师傅的 Sora 体验报告
Sora 是个偏科非常严重的模型，整体不如 Runway、可灵及海螺，不值得花 200 美元尝试。
具体表现包括：
1/ 文生视频理解的概念及其有限，好的时候可以跟一流模型差不多，差的时候完全不可用，整体出片率很低。
2/ 图生视频完全不可用，图片只能当做参考，提示词写不写都不影响结果，图片完全不动的比例很高。
Invalid media: video
Sora 是个偏科非常严重的模型，整体不如 Runway、可灵及海螺，不值得花 200 美元尝试。
具体表现包括：
1/ 文生视频理解的概念及其有限，好的时候可以跟一流模型差不多，差的时候完全不可用，整体出片率很低。
2/ 图生视频完全不可用，图片只能当做参考，提示词写不写都不影响结果，图片完全不动的比例很高。
Invalid media: video
花大钱买了个喜欢的域名作为个人主页，内容今天先随意纸糊了下 https://huasheng.ai/
