- 博客(1756)
- 资源 (15)
- 收藏
- 关注
RSS订阅原创 用 Qwen 2.5 Omni + Gabber，我5分钟搭出了一个“会看会听会说话”的AI食谱助手 —— 而这，只是开始
《AI厨房革命：Qwen2.5Omni+Gabber实现多模态智能交互》摘要：通过Qwen2.5Omni多模态大模型与Gabber可视化引擎的结合，用户可快速构建智能厨房助手等实时AI应用。系统能识别食材图像、理解语音偏好，结合冰箱库存生成个性化食谱，并支持多轮交互调整。Gabber的图形化界面让开发者无需编码即可拖拽搭建复杂AI流程，其全模态实时流处理能力适用于教育、医疗、零售等场景。这套开源方案将AI应用开发门槛降至最低，标志多模态智能应用进入"平民化"时代。
2025-09-13 07:00:00
125
原创 字节跳动重磅开源 M3-Agent：全球首个具备“长期记忆”的多模态智能体
字节跳动开源多模态智能体M3-Agent，具备长期记忆能力。该技术突破传统AI单一模态处理的局限，实现视觉与听觉信息的实时融合，并构建以实体为中心的记忆图谱。M3-Agent支持多轮迭代推理，能主动检索记忆辅助决策，在跨模态推理基准测试中表现优异。这一创新将为虚拟助手、智能客服等领域带来革命性变革，推动AI向更具理解力和陪伴性的方向发展。
2025-09-13 05:00:00
256
原创 FastbuildAI 正式亮相：零代码打造AI商业应用，超级个体的“AI印钞机”
FastbuildAI是一款专注于AI商业化的平台，区别于传统工具，它提供完整的商业闭环方案，包括算力计费、营销引擎和支付集成。其零代码可视化设计让非技术用户也能快速构建AI产品，并即将推出工作流引擎、智能体系统等高级功能。平台适合超级个体、小微团队和创业者快速验证AI商业想法，目前已开源支持本地部署。FastbuildAI致力于打造AI应用创业生态，帮助用户从AI使用者转变为产品拥有者。
2025-09-12 17:29:29
24
原创 BISHENG开源重磅新功能「灵思」：迈向真正可交付任务的AI助手时代——不再是“聊天机器人”，而是“执行型智能体”——BISHENG开源「灵思」功能，让AI从“会说”进化到“会做”。
BISHENG团队开源「灵思」AI智能体，实现任务到交付的闭环执行。基于SOPEngineering理念，它能自动规划任务路径，结合行业知识库输出专业成果（如万字报告、市场策略等），超越Manus等产品的模板化输出。支持企业私有知识库集成，但暂不支持增量编辑。现已开放GitHub源码，提供API接入，推动AI从问答转向实际生产力工具，开启任务自动化新纪元。
2025-09-12 17:24:25
127
原创 阿里重磅发布 WebWatcher：全球首个具备多模态深度研究能力的 Web Agent，超越 GPT-4o
阿里巴巴推出全球首个多模态WebAgent——WebWatcher，具备深度研究能力，在HLE-VL评测中以13.6%的优势超越GPT-4o系统。其核心突破在于：1）视觉-文本双通道理解网页布局与语义关联；2）动态编排多工具协同工作流；3）类人研究思维的任务拆解与证据链构建。技术采用三模态联合编码和工具感知强化学习，支持智能办公、教育研究、商业分析等场景。该成果标志着Web从信息容器向认知伙伴的进化，相关模型和工具将完全开源。
2025-09-12 17:17:30
39
原创 苹果开源 Embedding Atlas：重塑大规模嵌入向量的交互式可视化体验
苹果开源EmbeddingAtlas：高性能嵌入向量可视化工具 苹果公司近日开源EmbeddingAtlas，这是一款针对大规模嵌入向量的高性能交互式可视化工具。该工具旨在帮助研究人员和开发者更直观地理解高维语义空间，揭示数据结构和模式。EmbeddingAtlas支持百万级数据点的流畅交互，提供智能聚类、语义标签、密度热力图等核心功能，并具备实时搜索和最近邻查找能力。其优化的架构设计支持多种数据格式，适用于模型调试、数据评估、推荐系统优化等多种AI应用场景。这一开源项目体现了苹果对AI可解释性和工具链开放
2025-09-11 07:00:00
122
原创 Jan-v1 正式发布：基于 Qwen-3-4B-Thinking 的深度研究模型，开源可本地运行的 Perplexity Pro 替代方案
JanAI团队发布开源研究型语言模型Jan-v1，基于Qwen-3-4B-Thinking深度优化，支持256K长文本处理，SimpleQA准确率达91%，超越商业竞品PerplexityPro。该模型突出本地化部署优势，提供HuggingFace和GGUF量化版本，实现完全离线运行，确保数据隐私安全。专注于深度推理与工具调用能力，适用于学术研究、技术文档分析等场景，重新定义开源AI助手边界。
2025-09-11 05:15:00
162
原创 腾讯开源 Pixelle-MCP：打通自然语言与ComfyUI，实现LLM全自动控制复杂生成工作流
AIDC-AI团队开源Pixelle-MCP多模态控制平台，实现自然语言指令驱动复杂AI生成任务。该工具将ComfyUI工作流封装为标准MCP工具，使大语言模型能理解并执行图像、视频、音频的生成与转换。平台支持全模态互转闭环，通过LLM自动拆解复杂任务并调用相应工作流完成。其突破性在于降低ComfyUI使用门槛，实现"一句话生成内容"的智能自动化，同时支持批量处理和参数优化。开源设计便于开发者扩展，为AIAgent生态提供即用型生成执行层，推动内容创作进入智能代理时代。
2025-09-10 04:00:00
469
原创 Ai-movie-clip：智能视频剪辑的“一键革命”——从长视频到爆款短片的自动化跃迁
短视频时代，优质内容生产速度难以匹配平台更新需求。2025年开源的Ai-movie-clip通过智能视频重构系统，实现了从"手工剪辑"到"智能生成"的突破。该系统具备三重核心能力：深度内容分析、智能片段重组和风格化渲染，可一键生成符合不同平台调性的短视频。其集成MCP工具支持模块化扩展，赋能短视频创作者、商家、企业等多类用户。作为开源项目，Ai-movie-clip降低了智能剪辑门槛，未来还将向个性化学习、脚本驱动等方向进化，重新定义了视频创作的本质，使内容创作更聚焦
2025-09-09 05:30:00
1124
原创 腾讯混元发布新一代多模态旗舰模型 Hunyuan-Large-Vision：389B参数MoE架构，视觉理解能力全面突破
腾讯混元发布新一代多模态大模型Hunyuan-Large-Vision，采用389B参数的MoE架构，激活参数52B，在LMArenaVision榜单全球排名第六。该模型专注于高阶视觉理解，具备视觉逻辑推理、文档解析、视频理解等能力，支持24k tokens上下文输入和8k tokens输出。作为腾讯混元多模态矩阵的旗舰产品，Hunyuan-Large-Vision已开放体验和API接入，致力于推动AI从"能看"到"看懂"的跃迁。
2025-09-09 05:00:00
481
原创 Voost：统一框架下的虚拟试穿革命——高保真度与双向变换的突破性融合
2025年，虚拟试穿技术迎来重大突破：Voost研究首次实现高保真"穿脱双向"生成能力。该统一框架不仅能自然呈现服装纹理、褶皱与光影，还能逆向还原被遮挡的身体部位或下层衣物。突破性体现在：1）支持任意姿态下的物理一致性模拟；2）精准还原各类材质特性；3）具备跨服装类型、体型的泛化能力。应用场景涵盖电商试衣、虚拟时尚、数字内容创作等领域，但需解决实时性与伦理问题。这一技术标志着虚拟试穿从功能工具迈向智能交互系统，项目代码即将开源。
2025-09-08 09:00:00
2295
原创 智谱开源SLIME：重塑大模型强化学习训练范式，打造高效、灵活、可扩展的RLHF新基石
智谱AI开源强化学习训练框架SLIME，支持大模型高效对齐训练。该框架融合Megatron与SGLang技术优势，实现40%的样本处理效率提升；采用服务化架构设计，支持自定义数据生成与流程解耦；兼容稠密和MoE模型架构，并提供多场景应用示例。SLIME的开源将降低RLHF技术门槛，推动大模型对齐训练从单点工具向系统化基础设施演进，为AI生态发展提供新动力。
2025-09-08 07:00:00
160
原创 MiniMax Speech 2.5：语音拟人化的里程碑突破，6秒复刻开启全球语音智能新纪元
摘要： MiniMax推出的Speech2.5语音模型在拟人化、个性化与全球化方面实现突破：支持6秒语音复刻，精准还原音色、口音与年龄特征；覆盖40种语言，打破跨语言沟通壁垒；提供语速、音调等精细调控，满足专业需求。通过消除机械感、增强情感表达，其拟真度较前代提升40%，推动AI语音进入"人格化"时代。开发者可通过开放API快速集成，赋能教育、娱乐等多场景应用，重新定义人机语音交互边界。
2025-09-07 05:00:00
232
原创 智谱AI开源视觉新旗舰：GLM-4.5V，多模态SOTA模型重塑图像理解边界
【摘要】智谱AI开源多模态视觉模型GLM-4.5V，基于106B参数的GLM-4.5-Air文本底座（12B有源参数），在42项基准测试中实现SOTA性能。该模型通过三阶段训练（预训练、监督微调、强化学习）构建，具备图像推理、视频理解、GUI任务代理、图表文档解析和视觉定位五大核心能力。采用混合强化学习策略（RLVR+RLHF），支持显式思维链推理，在复杂多模态任务中展现类人逻辑。开源模型支持本地部署，API定价具有竞争力，为智能客服、教育辅助、办公自动化等场景提供视觉智能基础解决方案。
2025-09-07 04:30:00
169
原创 GPT-5发布：统一智能体时代的开启——从“工具”到“协作者”的范式跃迁
GPT-5的真正意义，不在于参数规模或基准分数，而在于它构建了一个可自主推理、可长期记忆、可多模态交互、可成本优化的智能体框架。它不再是“更好的搜索引擎”，而是“能替你思考的数字大脑”。在GPT-5的驱动下，我们正站在一个新时代的门槛上：程序员将专注于架构设计而非语法编写，医生可快速获取病例分析，律师能瞬间梳理法律条文。人工智能，终于从“辅助”走向了“共智”。未来已来，而GPT-5，正是那把开启智能体时代的钥匙。
2025-09-06 21:36:47
689
原创 ScreenCoder：模块化多智能体架构如何重新定义UI到代码的生成范式
ScreenCoder通过模块化多智能体架构实现了从UI截图到代码的高保真转换，其核心突破在于：1）语义级UI元素理解，还原度达85%以上；2）三大专业智能体协同工作，实现视觉解析、布局规划和代码合成；3）高度可定制化设计，支持人机协作开发。相比传统工具，ScreenCoder在可解释性、代码质量和效率上具有代际优势，将原型开发时间缩短75%，标志着前端开发正从"手工编码"向"智能协作"范式转变，但仍需增强动态交互支持等能力。
2025-09-06 21:27:23
154
原创 Open SWE：重构代码协作的智能范式——从规划到PR的全流程自动化革命
OpenSWE：重构人机协作的下一代AI开发工具 LangChainAI推出的开源异步编程代理OpenSWE，通过"规划先行"的架构设计，实现了从代码库分析到PR创建的端到端自动化工作流。其核心突破在于：深度代码理解能力，支持开发者全程干预的动态协作模式，以及基于云原生的无限并行处理能力。实际应用数据显示，OpenSWE可将复杂重构任务错误率降低62%，PR通过率提升至95%，开发周期缩短50%以上。这标志着AI从辅助工具向智能协作伙伴的范式转变，使开发者能够专注于系统设计而非具体编码。
2025-09-05 00:36:54
270
原创 Claude Opus 4.1：代码智能的范式跃迁，精准重构与深度研究能力重塑行业标准
Anthropic发布ClaudeOpus4.1，在代码智能领域实现重大突破。该模型在SWE-bench基准测试中取得74.5%准确率，具备精准定位复杂代码问题、跨文件逻辑重构等能力，使代码迭代效率提升40%。其"agentic search"功能可主动构建研究路径，将复杂分析任务从数日缩短至数小时。相比前代性能提升显著，且用户无需额外成本即可升级使用。这标志着AI正从编码辅助转向系统理解，推动软件开发进入"AI驱动"新阶段。
2025-09-05 00:34:37
259
原创 社交驱动：Sandbox VR成功背后的沉浸式体验革命——从危机到全球标杆：Sandbox VR的转型之路
VR大空间娱乐的终极目标，不是创造一个完美的虚拟世界，而是创造一个让人愿意与朋友分享、回忆、再体验的真实社交空间。这才是Sandbox VR成功背后最深刻的启示，也是VR娱乐行业未来发展的必然方向。
2025-09-05 00:18:00
76
原创 让 AI 真正“写文档”：开源 Word MCP Server，实现自然语言驱动的 Word 全流程操作
GongRzhe开源的OfficeWordMCPServer实现了AI直接操作Word文档的突破性功能。这款基于MCP协议的工具能将自然语言指令转化为文档操作，支持创建、编辑、格式调整、元素插入等全流程任务，使AI从内容生成升级为文档执行者。该工具兼容主流.docx格式，可与ExcelMCPServer协同构建自动化办公闭环，显著提升合同制作、报告生成等场景效率。项目采用Python+python-docx技术栈，开源免费且易于集成，标志着AI办公自动化进入"无需打开Office"的新阶
2025-09-04 07:00:00
258
原创 构建Claude Code Web界面：透明化AI代码协作的实践方案
ClaudeCode可视化监控系统通过开源工具链实现AI编程助手操作的可视化追踪。系统采用三层架构：数据采集层捕获代码变更、工具调用等关键信息；数据处理层实现实时数据流处理；可视化层提供Web组件化界面，包含实时活动面板、代码变更浏览器等功能。核心功能包括实时对话追踪、工具调用可视化和快速问题定位，支持本地化部署与离线运行。该系统适用于教育、团队协作等场景，未来计划扩展AR集成和智能诊断功能，为AI编程提供透明可控的开发辅助工具。
2025-09-04 04:45:00
334
原创 阿里通义千问重磅开源 Qwen-Image：一统图像生成与理解的“全能型”视觉大模型
阿里通义实验室开源Qwen-Image视觉大模型，突破文生图领域文本融合难题。该模型专为图形海报设计而生，能自然融合文本与图像，支持多行文本、中英双语及复杂排版。基于200亿参数MMDiT架构，Qwen-Image兼具生成与理解能力，可实现1024x1024高分辨率输出。其开源生态支持多平台部署，为中小企业和创作者提供专业级AI设计工具，标志着AI创意生成进入新阶段。
2025-09-04 03:30:00
981
原创 谷歌推出 Gemini 2.5 Deep Think 轻快版：从“金牌级”数学推理到日常高效智能的平衡之作
谷歌推出Gemini2.5DeepThink轻快版，在保持强大数学推理能力（IMO铜牌水平）的同时显著提升响应速度。该模型采用创新的并行多路径推理机制，能同时评估多种解题思路，适用于科研、算法开发、产品设计等复杂场景。相比传统模型，其性能在多项评测中领先，且提升了内容安全性和客观性。目前面向Google AI Ultra用户开放，标志着AI从"单线程思考"向"并行认知"的重要进化。
2025-09-03 06:00:00
297
原创 告别手动操作：用 AI 直接“对话式操控 Excel”——全新开源工具 Excel MCP Server
ExcelMCPServer：用自然语言操作Excel的AI工具 开发者HarisMusa开源了ExcelMCPServer，这款工具基于MCP协议，让用户通过自然语言指令即可完成Excel操作。它能创建表格、编辑数据、生成公式、绘制图表（柱状图、折线图等）及导出文件，支持本地或远程部署，适用于销售、财务、HR等场景。 特点： 无需记忆复杂操作，直接对话式交互 覆盖90%日常Excel功能 灵活集成到各类AI系统 开源免费，基于Python+openpyxl 未来，这类工具将推动办公软件从"手动操
2025-09-03 04:30:00
157
原创 腾讯混元再放大招：一口气开源4款端侧小模型，全面赋能智能体时代
腾讯混元团队开源Hunyuan系列端侧小模型（0.5B-7B），覆盖手机到车载等边缘设备场景。这些模型不仅轻量化，更原生支持256K长文本、双模式思考和智能体功能（规划/工具调用），实现从"对话"到"执行"的跃迁。其低延迟、隐私保护特性适合智能家居、车载等实时场景，支持主流推理框架，大幅降低智能体开发门槛，推动AI技术民主化。该开源标志着AI竞争正从云端转向终端设备，开启"智能体时代"新篇章。
2025-09-02 07:00:00
219
原创 谷歌开源新利器 LangExtract：让结构化信息提取变得精准、可视、无需训练
谷歌推出开源工具LangExtract，解决非结构化文本信息提取的可追溯性问题。该工具采用提示工程与检索增强技术，无需训练模型即可实现高精度结构化数据提取，并支持来源定位与交互式可视化。特别适用于医疗、金融等对数据准确性要求高的领域，能自动生成带高亮标注的HTML报告，确保每条信息都有据可查。LangExtract具有零微调、少样本即用、擅长处理长文档等特点，为AI信息提取提供了可信、透明的解决方案。
2025-09-02 06:00:00
239
原创 让 GitHub 代码库秒变实时文档中心：GitMCP —— 一款无需安装的 AI 友好型 MCP 工具
GitMCP是一款轻量高效的AI编程辅助工具，通过实时同步GitHub代码库解决AI模型的"代码幻觉"问题。它能将代码库转化为可交互文档中心，支持智能搜索、嵌入式聊天等功能，帮助开发者快速理解项目结构。具备零配置集成、安全透明等特点，适用于AI工具开发者、开源项目维护者和团队协作。GitMCP通过MCP协议连接IDE，无需下载安装，实现"即插即用"，显著提升AI编程的准确性和效率。
2025-09-01 08:00:00
141
原创 构建生产级 AI 智能体的黄金法则：12-Factor Agents
《12-FactorAgents：构建生产级AI应用的工程化指南》摘要：针对当前AI应用开发中普遍存在的稳定性差、维护难等问题，本文提出12条核心工程化原则。该框架借鉴经典12-FactorApp方法论，强调从提示词管理、状态控制到错误处理等关键环节的系统化设计。通过工具调用结构化、流程可控化、智能体小型化等具体策略，帮助开发者将AI应用从"演示可用"升级为"生产可靠"。项目提供详细文档、代码示例及主流框架集成方案，助力开发者构建可维护、可扩展的AI系统。
2025-09-01 07:30:00
169
原创 字节发布Seed Diffusion Preview：基于离散扩散的代码生成新范式，速度提升5.4倍
字节跳动Seed团队推出SeedDiffusionPreview代码生成模型，采用离散状态扩散机制实现每秒2146tokens的生成速度，比传统自回归模型快5.4倍。该模型通过离散扩散架构、两阶段训练和并行解码三大技术，在保持代码质量的同时实现并行生成，适用于编程辅助、智能体开发等场景。这一突破标志着代码生成进入"即时响应"时代，有望重塑开发者工作流程。目前团队已开放在线体验平台和技术博客。
2025-08-31 05:30:00
274
原创 阿里云发布Qwen3-Coder-30B-A3B-Instruct：极速生成的代码大模型，原生支持256K上下文与智能体工作流
阿里云发布轻量级代码模型Qwen3-Coder-30B-A3B-Instruct，该模型采用MoE架构，仅激活33亿参数即实现高速生成，原生支持256K上下文并可通过YaRN扩展至1M tokens。具备智能体集成能力，支持OpenAI风格函数调用，兼容主流本地运行环境。特别优化了编码与智能体工作流，适用于代码生成、项目重构、教育等场景。技术亮点包括48层架构、GQA注意力机制和128专家系统，推荐使用最新Transformers框架部署。开源地址已同步发布在GitHub、HuggingFace和魔搭社区。
2025-08-31 04:00:00
135
原创 Windows MCP：用AI控制Windows系统的革命性工具，实现自动化与智能化交互
WindowsMCP是一个轻量级开源项目，通过AI代理与Windows系统深度集成，实现自动化控制。它支持原生UI交互（点击、输入、滚动等），兼容多个Windows版本，并提供丰富的工具集（应用启动、命令执行等）。技术亮点包括无障碍树交互、LLM集成、轻量开源设计，典型延迟0.7-2.5秒。应用场景涵盖自动化测试、智能助手开发、教育培训等。当前限制包含系统权限风险和部分待完善功能。未来将增强交互精度、扩展工具集并探索跨平台支持。该项目为AI与操作系统融合提供了创新解决方案。
2025-08-30 06:00:00
44
原创 阿里通义实验室发布WebShaper：以“形式化驱动”重塑AI网页智能体，GAIA评测超越GPT-4.1与Claude 4 Sonnet
阿里通义实验室发布WebShaper框架，实现AI网页智能体技术突破。该研究通过"形式化驱动"新范式，构建结构化任务生成体系，显著提升AI处理复杂网页任务的能力。在GAIA评测中以60.1分超越Claude4Sonnet和GPT-4.1，标志着开源模型在智能体领域的重大进步。该框架支持智能客服、企业自动化等应用场景，已全面开源供开发者使用，推动AI从信息处理向结构化决策的范式转变。
2025-08-30 05:15:00
83
原创 谷歌NotebookLM升级视频概述功能：为AI音频播客注入视觉元素，重塑教学与学习体验
谷歌为NotebookLM推出视频概述功能，能将音频播客转化为带视觉元素的视频幻灯片。该功能通过AI自动总结文本内容，提取文档中的图像、图表等素材，并生成配有旁白的解说视频。技术亮点包括多模态内容理解、动态生成和Google生态集成，适用于教育、企业培训等场景。相比传统工具，该功能效率更高、视觉呈现更丰富，支持多人协作。未来还将增加实时交互、个性化风格等功能，推动知识传播方式的革新。
2025-08-30 05:00:00
75
原创 微软Edge Copilot模式正式上线：AI浏览器的革命，从多标签RAG到视觉辅助
AI浏览器革新：微软Edge Copilot模式重塑网络交互 微软推出的Edge Copilot模式将AI深度整合到浏览器中，通过多标签RAG技术实现跨页面信息整合与智能分析，CopilotVision功能赋予AI视觉理解能力。该模式支持视频摘要、智能标签分组等功能，采用分布式检索和视觉语言模型等技术，在保证隐私安全的同时提升效率。适用于学术研究、商业分析等多个场景，标志着浏览器从信息工具向智能助手的转型。未来将拓展任务委派、跨设备协同等更深度的AI集成，重新定义人机协作边界。
2025-08-29 06:00:00
95
原创 Eigent：多智能体协作的AI工具平台，重构复杂任务自动化新范式
Eigent：多智能体工作流平台开启AI自动化新范式 Eigent是全球首个多智能体工作流平台，通过三大核心技术突破传统工具局限：动态任务拆解与并行执行机制，将复杂任务分解为子任务由多智能体协同处理；Human-in-the-Loop设计确保关键节点人工干预；支持200+内置工具及自定义扩展。平台采用开源架构，支持本地化部署，在商业分析、财务处理、文件管理等场景实现3-10倍的效率提升。Eigent通过多智能体并行处理、跨平台兼容性及安全隐私保护，重新定义了AI自动化工作流的行业标准。
2025-08-29 06:00:00
175
原创 智谱发布GLM-4.5：原生融合推理、代码与智能体的统一大模型，开启AI新范式
智谱AI发布新一代大语言模型GLM-4.5，首次实现推理、代码生成与智能体能力的原生融合。该模型采用统一架构设计，支持复杂推理、多语言代码生成及自主任务执行，性能接近Claude-3-Sonnet水平。GLM-4.5推出355B旗舰版和106B轻量版双版本，API定价显著低于国际同类产品（输入0.8元/百万tokens）。模型已全面开源，提供HuggingFace、ModelScope等平台下载和在线体验。这一突破性技术为构建高效AI系统提供了新基础，标志着大模型向统一智能范式的重要演进。
2025-08-28 05:00:00
664
原创 AutoClip MVP：AI驱动的智能视频切片工具，一键生成高光片段与合集
AutoClipMVP是一款AI驱动的智能视频切片工具，专为B站等平台的长视频二次创作设计。它通过自动化流程解决传统剪辑痛点：自动下载视频、AI识别高光片段、智能生成标题及推荐合集主题。该工具整合通义千问和硅基流动AI技术，采用FastAPI+React架构，支持实时处理监控和手动编辑，显著提升内容创作效率。适用于播客、直播、教育等场景，帮助用户快速生成短视频素材和专题合集。开源项目提供轻量化部署方案，三步即可体验自动化视频处理。
2025-08-28 05:00:00
204
原创 12-Factor-Agents：构建生产级AI应用的黄金法则，从设计到落地的12条指南
《12-Factor-Agents：AI智能体工业化开发指南》提出了一套生产级AI应用开发框架，通过12项核心原则解决实际部署中的关键问题。该框架包含自然语言工具调用、提示词工程、上下文管理、状态同步等关键技术点，强调模块化设计、人工介入机制和无状态架构。其三大优势在于提升开发效率、保障生产稳定性和增强系统可维护性，适用于智能客服、自动化运维等场景。项目已在GitHub开源，为AI应用从实验原型转向工业化部署提供了标准化参考方案。
2025-08-27 11:30:00
593
原创 腾讯开源3D世界生成模型HunyuanWorld 1.0：从文字到沉浸式场景的革命性突破
腾讯AILab开源HunyuanWorld1.0，这是一款能通过文字或图像生成可交互3D世界的创新模型。该模型支持360°漫游和物理仿真，可无缝对接主流游戏引擎，在画面质量与一致性上超越现有方案。其轻量化设计（478MB）支持大规模场景生成，适用于游戏开发、VR、工业仿真等领域。提供完整开源代码和模型权重，开发者可基于Flux等框架二次开发。技术亮点包括全景代理生成、语义分层控制，以及支持多种艺术风格调整。目前已在GitHub发布，未来将持续优化扩展3D内容生成能力。
2025-08-27 07:30:00
176
原创 通义万相Wan2.2重磅开源：从人体动作到电影级美学，视频生成技术迎来新突破
阿里巴巴通义实验室开源视频生成大模型Wan2.2，实现多项技术突破。该模型可精准生成人体动作（如连续后空翻），具备电影级美学表现（光影、镜头语言等），采用MoE架构节省50%计算资源，并支持消费级硬件部署（RTX4090可生成720P视频）。开源3款模型覆盖文生视频、图生视频等核心需求，适用于影视制作、游戏开发等领域。相比前代，Wan2.2训练数据增加65%以上，生成质量显著提升，推动AIGC向工业化落地发展。
2025-08-27 05:30:00
131
刘建刚-腾讯大数据实时资源弹性伸缩的前沿探索与实践.pdf
2025-04-13
王云霏-探索Lakehouse架构极致查询性能.pdf
2025-04-13
闵文俊-Paimon流式湖仓架构在字节大规模业务场景的实践.pdf
2025-04-13
孙伟祥-混合云架构下的小红书联邦集群弹性调度实践和探索.pdf
2025-04-13
石雪峰老师-打造研发交付的“黄金链路”V2-20250409.pdf
2025-04-13
戚仕鹏、吕松霖-TuGraph+++AI：AI+时代下图数据库的智能化探索.pdf
2025-04-13
万卫星-AI+变革推动终端侧推理创新.pdf
2025-04-13
牛俊龙-智能代码助手+CodeFuse+的架构设计与实践v2.pdf
2025-04-13
熊训德-AI+驱动的大数据自治：智能应对复杂运维挑战.pdf
2025-04-13
罗宇侠-Fluss+湖流一体：Lakehouse+架构实时化演进.pdf
2025-04-13
杨晨-从原型到生产-AgentOps+加速字节+AI+应用落地实践（0410）.pdf
2025-04-13
李培殿-小米数据湖架构演进：Iceberg、Paimon与+AI+场景下的实践.pdf
2025-04-13
陶建辉--提升研发效率与产品质量：代码化的力量与实践.pdf
2025-04-13
李志伟-端侧大模型的安全建设：如何在算力与保障之间找到平衡.pdf
2025-04-13
史少锋-如何用元数据湖解决多+Lakehouse+治理难题.pdf
2025-04-13
梁加易-字节+Mobile+Monorepo+研发流程落地实践.pdf
2025-04-13
王涛-字节跳动+Android+客户端可观测建设实践.pdf
2025-04-13
杨少华-云上百万大数据任务的成本优化实践.pdf
2025-04-13
小红书FinOps实践：云成本优化与资源效率提升之道-梁啟成V3.pdf
2025-04-13
曾彬-从孤岛到流动：蚂蚁平台工程的架构演进与实践.pdf
2025-04-13
Magic Arsenal Unity3D游戏魔法技能光环光束盾牌粒子特效
2025-09-05
【虚拟现实与增强现实】visionOS开发者与设计师调查2025：评估Apple Vision Pro生态系统现状与发展前景
2025-06-05
企业如何把AI应用到实际业务工作流当中 ai-in-the-enterprise.pdf
2025-05-07
基于Blender的AI插件 - 2D图片生成3D模型
2025-05-06
### 【AI与未来工作】2025年前沿公司模式：AI赋能的企业转型与人类角色重塑
2025-04-25
### 2024年九州汽车生态博览会展后报告：全球汽车产业生态展示与交流平台
2025-04-13
杨克特Data+Warebase+一体化数据平台的云原生实践.pdf
2025-04-13
曾臻-Al+Vision+Shape+the+Future.pdf
2025-04-13
曾国洋-端侧模型的知识密度：迈向+AGI+的关键技术实践.pdf
2025-04-13
刘正峰-+可观测性的新探索：eBPF技术在小红书的大规模实践稿.pdf
2025-04-13
王云生-端智能在即时物流场景的落地.pdf
2025-04-13
吕帆-哔哩哔哩基于云的客服架构体系.pdf
2025-04-13
李洋-小米容器资源画像体系构建与业务实践.pdf
2025-04-13
刘晓国-基于+Elasticsearch+创建企业+AI+搜索应用实践.pdf
2025-04-13
董振兴-明略科技多模态数据驱动的RAG增强实践.pdf
2025-04-13
王晓野_生成式+AI+驱动的软件开发生产力变革.pdf
2025-04-13
李虎_百度AI网络的架构创新与优化之路.pdf
2025-04-13
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人