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
用 Gemini 2 分析复刻了一下之前很喜欢的一个 AI 视频
结果非常好，画面内容和节奏都很相似
Gemini 2 学习和复刻内容成本真的低好多
主要是被 @海辛Hyacinth 的用法启发的，制作过程为：
- 在 AI Studio 选择 Starter APPs
- 然后选择 Video Analyzer
- 将视频上传选择 Custom
- 输入提示词确定
- 然后等待 Gemini 生成提示词输入海螺进行文生视频、
提示词为：视频每一个分镜的开始时间和画面详细描述，时间需要精确到小数点后两位，画面描述需要非常详细，比如环境描述、人物表情穿着、氛围等
Invalid media: video
结果非常好，画面内容和节奏都很相似
Gemini 2 学习和复刻内容成本真的低好多
主要是被 @海辛Hyacinth 的用法启发的，制作过程为：
- 在 AI Studio 选择 Starter APPs
- 然后选择 Video Analyzer
- 将视频上传选择 Custom
- 输入提示词确定
- 然后等待 Gemini 生成提示词输入海螺进行文生视频、
提示词为：视频每一个分镜的开始时间和画面详细描述，时间需要精确到小数点后两位，画面描述需要非常详细，比如环境描述、人物表情穿着、氛围等
Invalid media: video
🏡
德国初创公司Devanthro推出的Robody人形机器人，旨在通过远程操控为家庭提供24/7的老年护理，帮助老人尊严地在家中生活。
🔍
Robody是一款柔软的轮式人形机器人，采用类人设计，配备可投影和互动的显示屏。它的目标是通过赋予护理人员远程操控的能力，提供全天候的家庭护理服务。Robody的设计使其能够执行多种家庭任务，如取物、打扫和陪伴老人，满足个性化需求。随着老龄化社会的到来，家庭护理需求日益增加，而Robody能够有效弥补护理人员短缺的问题。
护理人员可以通过虚拟现实设备远程控制Robody，实时与老人互动，增强情感支持。尽管理想情况下希望人形机器人能够自主护理，但目前的技术限制使得远程操控成为最优方案。该技术经过近十年的研究与测试，旨在提高可用性和社会接受度，为未来的家庭护理提供新的解决方案。
👉文章链接：https://mp.weixin.qq.com/s/7nem34OeCcDvVvi2kDhEgg
卧槽！！又跑了一个 gemini 剪辑案例
用@歸藏 刚才的 patchwork 二十分钟视频
直接剪到5分钟的总结
条理清晰👍再加上剪映双语字幕和关键词高亮
绝了绝了🤦♂️
Invalid media: video
用@歸藏 刚才的 patchwork 二十分钟视频
直接剪到5分钟的总结
条理清晰👍再加上剪映双语字幕和关键词高亮
绝了绝了🤦♂️
Invalid media: video
2022 年底，ChatGPT 横空出世，预示着一个新时代的开端。体验完 ChatGPT 之后，歸藏大为震撼，开始学习大语言模型和 AI 相关的知识，把自己的学习笔记分享出来，而这就是 AIGC 周刊的起点。
AI 领域的一个异类，学开发出身，但是很拉胯，后面开始做体验设计，慢慢做产品设计，现在在做 AI 内容的流程迭代和研发。
AIGC 周刊，是一个稳定更新了两年 100 期的邮件组，主要内容是过去一周 AI 领域值得关注的产品或者模型发布动态深度分析、过去一周 AI 领域的优质内容比如教程、分析文章等，还有就是值得关注和重要的论文介绍，突出一个量大管饱。
本专栏现为小报童精选的读者提供限时 8 折专属优惠券，限量 50 张，原价 200 元，折后仅 160 元。如果你对本专栏感兴趣，可以通过下方海报扫码领券下单，优惠券数量有限，先到先得
https://xiaobot.net/coupon/e6cbc053-0fd9-4596-947e-2de62bdd2d46/3b1908ec-6bc2-49ff-af0a-2600f0503515
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
