铃阅时讯
❌

普通视图

昨日发布 — 2026年11月17日 ⏭ 开源项目与资源

小红书/抖音图文排版利器——一个杂志风skill

2026年11月17日 17:55

VisActor 2026-11-17 17:55 北京

来源|VisActor 团队

地址|https://github.com/VisActor/skills

兴许是移动互联网的发展使然,兴许是自媒体时代的大肆崛起,人们的时间被越来越多碎片化的信息填满。

忙碌了一天后躺在床上,在睡前那仅有的、可怜的自由时间里,人们报复性地刷短视频、刷热门帖子,任由形形色色的信息如洪水般倾泻入大脑。

辗转反侧,夜不能寐的时候突然开始怀念中学放学后在报刊亭买来杂志,晚自习细细阅读的时光。电扇摇曳作响,微风带来片片安宁。

于是我们萌生了这样的念头,能否把过去纸媒时代的阅读体验搬运到自媒体平台。

图片来源:https://news.qq.com/rain/a/20230830A06HI000

让复杂图文变成一本微型杂志

这个念头起初很简单:既然小红书本来就是一张一张图片往后翻,且大多数形态为图片和文字,那为什么不把它当成一本小杂志来设计?

第一张是杂志封面,让人有点进来阅读的意愿。接下来的内容各自展开:介绍背景、展开故事、展示细节。照片可以占据半页,重要的一段话可以独立出来,需要认真解释的内容,也可以保留足够的篇幅。

一组穿搭照片,可以做成时装杂志里的搭配专题;一次旅行,可以整理成有风景、有当地生活、也有具体路线的旅行手册;一篇人物介绍,则可以让肖像、旧照片和人生经历出现在同一组页面里。

这些都是很日常的创作需求。真正动手时,却要处理不少细节:找图、裁图、安排文字、统一字体和颜色,再检查每一页的布局是否合理。

我们把这套想法做成了一个 Skill:VisActor 杂志风图文,editorial-magazine。

把主题、文章或照片交给 Agent,它就可以按照这套工作流程整理内容、准备素材、选择版式,再生成一组图文。

设计模式决定通用排版

在最初的设计探索里,有一个很明确的方向:通过大标题、主图、分栏、引文和旁注,建立图文的阅读节奏。

顺着这个方向去设计,布局就有了具体落地方案。

而对于不同的场景,有需要有针对性地做调整。人物专题为什么把肖像放得那么大?因为读者首先需要看见这个人,再走近他的经历。旅行杂志为什么愿意拿出一整块版面放风景?因为在介绍路线之前,照片已经让人对那个地方产生了兴趣。一段引文为什么被单独摘出来?因为它可以成为长文里的一个停顿,也能把读者重新带回正文。

把这些观察逐步整理成了几类可以复用的版式,并给它们补上具体规则:主图和正文怎样分配空间,一页应该承载多少内容,什么时候适合分栏,什么时候应该让图片占据更多篇幅。

叙事结构决定具体设计

内容不同,讲述故事的模式也不同,页面设计要按照着这个叙事顺序来。

比如:

  • 穿搭可以先展示完整造型,再拆解单品之间的搭配关系。

  • 资讯则要先突出最重要的新闻,再补充相关消息,让读者分清主次。

  • 旅行路线更看重先去哪儿、下一站怎么走,地图和地点介绍要能对得上。

  • 讲人物故事时,可以围绕一个时间节点展开,用照片呈现场景,再由文字补充事情的经过。

旅行杂志为什么需要在用一张主图绘制风景大图?因为在介绍路线之前,照片已经让读者对那个地方产生了兴趣。一段引文为什么被单独摘出来?因为它可以成为长文里的一个停顿,也能把读者重新带回正文。

同样是杂志风,内容的讲述顺序不同,主图、正文和细节的位置也会随之变化。

把这些观察逐步整理成了几类可以复用的版式,并给它们补上具体规则:主图和正文怎样分配空间,一页应该承载多少内容,什么时候适合分栏,什么时候应该让图片占据更多篇幅。

同一组图,还需要共同的字体、底色和强调色。保证内容和风格的一致性。

在实现上,页面使用 HTML 和 CSS 排版,再通过浏览器导出图片。这样,文字、照片和样式都能继续编辑。标题太长了,可以缩短;图片不合适,可以替换;第二页太拥挤,也可以单独调整后重新导出。具体流程和模板都放在开源项目(https://github.com/VisActor/skills/blob/main/skills/editorial-magazine/SKILL.md)里。

使用方式

方式一:在豆包工作技能商店中使用

在豆包工作的技能商店中搜索「杂志风图文」,添加后,在任务中选择这个技能,再说明你想做的内容。

安装后直接使用即可

豆包工作网页版:https://www.doubao.com/chat

豆包工作客户端:https://www.doubao.com/work

第一次使用,可以从一个小主题开始,例如:

使用杂志风图文,帮我制作一组适合发小红书的秋日穿搭图文。

使用我上传的三套穿搭照片,先做一张总览,再分别拆解每套搭配。

整组背景、字体和配色保持统一,保留衣服原本的颜色,输出逐页图片。

也可以把已有文章交给它:

把这篇文章整理成一组杂志风图文,面向对这个话题感兴趣的普通读者。

尽量保留原文表达,可以选取部分内容。图片占比大一些,正文保证可读,整组风格统一。

拿到第一版后,可以继续提出具体修改,例如“第二页文字太密”“第三张照片放大一些”“沿用这套配色,再补一页”。一轮轮调整,会比只说“做得高级一点”更容易接近你想要的效果。

方式二:从 GitHub 下载,在支持 Skills 的平台安装

项目已经开源,可以在支持这类 Skills、并具备所需执行能力的 Agent 中安装使用。仓库提供了对话安装、命令行安装和完整技能包导入等方式。查看安装说明(https://github.com/VisActor/skills/blob/main/README.zh-CN.md)

支持命令行安装的环境,可以使用:

npx skills add VisActor/skills --skill editorial-magazine

也可以从 GitHub Releases(https://github.com/VisActor/skills/releases) 下载对应的独立 ZIP,再按所用平台的流程导入。安装时需要保留完整技能目录,包括模板、脚本和参考资料。

如果不熟悉安装步骤,把技能链接(https://github.com/VisActor/skills/blob/main/skills/editorial-magazine/SKILL.md)交给正在使用的 Agent,请它按当前平台的方式安装即可。

最终效果

旅行攻略:先了解目的地,再安排游玩计划

威海旅行手册包含风景封面、风俗文化介绍和每日路线。封面把风景填入目的地名称,再叠加抠出的场景前景;文化页用当地图片和文字介绍补充旅行印象;路线页则标出打卡点、顺序,以及相邻地点之间的交通方式和预计时间。

帮我制作一份意大利旅行手册

对话链接:https://www.doubao.com/thread/xmQeQYbpVCjDsfa2I

‹ 左右滑动查看 3 张视图 ›

给我制作一份威海旅行的手册

对话链接:
https://www.doubao.com/thread/xNwwxrnmxTa2oWMKY

‹ 左右滑动查看 3 张视图 ›

穿搭思路:从整套造型,看到搭配细节

秋日穿搭示例先用总览页展示多套组合,再逐套展开。完整造型放在中间,相关单品在两侧拆解,配上必要的说明。整组采用统一背景,便于读者比较颜色、轮廓和搭配关系,也适合把自己已有的穿搭照片整理成一期专题。

帮我生成秋日穿搭

对话链接:https://www.doubao.com/thread/xVFetWDTmXeUqBZoZ

‹ 左右滑动查看 3 张视图 ›

新闻资讯:像简报一样阅读

示例里有科技、民生、娱乐等不同主题的资讯页。版面会区分主新闻和子新闻,并为子新闻配置相关图片。读者可以先浏览标题和照片,再选择感兴趣的内容细读。

帮我制作今日股市资讯

对话链接:https://www.doubao.com/thread/xO0LZIP1DCbTsBiyJ

‹ 左右滑动查看 3 张视图 ›

人物生平:用照片和经历,展开一个人的故事。

主图呈现人物的整体印象与重要经历,后续页面再通过更多照片介绍人生阶段、代表成果,以及人物与时代的联系。肖像负责建立初步印象、介绍人物,细节图片和正文负责展开具体的事件。

介绍下金鸡奖最佳女主角高叶的人物生平

对话链接:https://www.doubao.com/thread/xCf2XtVUPYm0QYavN

‹ 左右滑动查看 3 张视图 ›

时序故事:把一个时间节点里的事情讲完整。

一段关系、一段成长经历,或一个项目从开始到完成,都可以沿关键时间节点展开。主图先呈现概览,再用独立页面讲述每个阶段。大幅照片交代场景,细节图补充线索,文字讲清当时发生了什么,以及它带来了怎样的变化。

介绍钱钟书和杨绛的爱情时序故事

对话链接:

https://www.doubao.com/thread/xVYRnad1F1aIad75O

‹ 左右滑动查看 3 张视图 ›

其他:通用模式

帮我推荐一些圣诞电影

对话链接:https://www.doubao.com/thread/x3HwtxWDZKgbet4Rw

‹ 左右滑动查看 3 张视图 ›

‹ 左右滑动查看 3 张视图 ›

写在最后

那些静静翻看杂志的日子,离我们已经有些远了。不过,下一次刷到看似篇幅很长的故事时,希望我们会愿意停下来,把它读完。

参考资料(杂志布局范式):

https://in.pinterest.com/pin/10836855344304207/

https://in.pinterest.com/pin/333477547433218101/

源码(欢迎 star):

Skills 仓库: https://github.com/VisActor/skills

更多可视化工具与产品,可以在 VisActor 官网 (https://visactor.com/)了解。

相关阅读:VisActor 全新图可视化开源项目:VGraph

阅读原文

跳转微信打开

GitHub 5000+ Star,这个开源 AI 工作台,让团队共享 Skills、模型和知识库。

2026年11月17日 11:03

原创 逛逛 2026-11-17 11:03 北京

逛 GitHub 的时候发现了一个叫百智办公 MonkeyAI 的开源项目,目前已经有 5000 多个 Star 了。

这是一个面向团队的开源 AI 办公工作台,由 MonkeyCode 发展而来。

他不仅仅是一个办公类的 Agent,主打的是团队管理。

同事各自配置模型、维护 API Key,好用的 Skills 和内部资料分散在不同人手里,是团队使用 AI 时很常见的情况。

百智办公就把员工使用的 AI 工作台和企业管理后台放到了一套系统里。

公司能通过配套的管理后台,统一配置模型、共享资料和技能,并查看使用消耗。

团队已经积累的 AI 资源,可以在这里集中起来,再按岗位和工作需要共享。

接下来将会通过管理员和员工的这两个视角,介绍一下这个开源项目。

01

管理员怎么用?

管理员就是配好模型,把资料和工作方法分给团队使用。

公司准备接入一个模型时,管理员可以在后台填好接口地址和 API Key,再设置哪些成员能够使用。

以后需要更换模型或更新密钥,也在后台统一维护,员工不用各自再配置一遍。

添加模型的时候,不仅仅是文本大模型,生图和视频模型都可以接入的。

接下来就是关于知识库、技能、专家、连接器、规则的管理了。

这些都可以由管理员在管理后台去配置,然后其他的员工都能共用。

比如知识库,通常是配置一些产品手册、业务说明和研发规范。

技能可以是专注自己公司业务领域,大家都可能会用到的 skill 。

如果某类工作经常要用到固定的角色设定、技能和工具,还可以把它们组合成一个专家。

连接器就是标准的 MCP Server 。

如果想让自己公司员工的 Agent 能够去连接外部产品或者数据服务,就可以通过这个方式来去引入。

刚刚提到的这些资源,包括知识库、技能专家等等,可以开放给公司的全员也可以只开放给指定分组或成员。

还是挺灵活的。

除了一些资产的管理。

使用额度、调用消耗和操作记录,也能在后台管理。

有一个总览,这里能看到团队最近的整体的使用情况。

比如模型调用次数、Token 用量、响应时间与成功率啥的。

百智办公也有一个积分的概念,来计量模型和工具的消耗。

管理员可以配置模型输入、输出 Token 的积分价格,以及工具每次调用的积分价格。

再为成员设置额度,按天、周或月重置。

而且可以按照分组或者个人给他们去设置一些积分的额度。

它还有一个扣费明细。

在扣费明细里,可以查看积分发放、调用扣费、重置和调整记录。

02

普通员工怎么用?

普通员工使用公司配好的资源,使用百智办公干具体的工作。

员工连接团队服务器并登录后,就能使用已经获得授权的模型、资料和技能。

这里看到的一些技能、规则、连接器啥的,就是上面管理员配置的那些。当然你也可以自己创建。

比如制作一个插画海报。

生成的插画海报不是一个图片直接交付,而是绘制在一个自由的画布中。

你可以在画布中对生成的海报进行二次调整。

制作 PPT、Word 处理、Excel 分析、信息调研等等通用办公都能基于百智办公客户端完成。

PPT 生成:

财经分析:

03

怎么部署和使用

如果准备把这个开源项目给团队长期使用。

可以把百智办公服务端部署到自己的 Linux 服务器上。

用 root 身份登录服务器,在终端执行官方安装命令:

    bash -c "$(curl -fsSL https://release.monkeycode-ai.com/public/monkeyai-install.sh)"

    接下来你填写安装目录、服务器访问地址、监听端口,以及管理员邮箱和密码。

    安装完成后,用管理员的账号去登录管理后台就行了。

    在管理的后台,你可以配置文本模型,生图、生视频模型。

    再把你公司的一些成员和分组,包括一些授权的情况,都给设置一下。

    如果你已经有一些知识库、技能和连接器了,可以再把这些东西都导入进去。

    然后员工从官网下载对应的 Windows、macOS 客户端,填写团队服务器地址,再用管理员创建的账号登录。

      开源地址:https://github.com/chaitin/MonkeyCode
      使用与部署文档:https://work.docs.baizhi.cloud/

      04

      点击下方卡片,关注逛逛 GitHub

      这个公众号历史发布过很多有趣的开源项目,如果你懒得翻文章一个个找,你直接关注微信公众号:逛逛 GitHub ,后台对话聊天就行了:

      图片

      跳转微信打开

      近1.3w颗星!开源版GrokBot

      2026年11月17日 08:03

      原创 小G 2026-11-17 08:03 湖南

      OpenBot 是由 CopilotKit 打造的开源、可自托管 AI 同事工作空间。每个 Bot 拥有独立浏览器、文件和工具,支持接入任意 AG-UI 智能体,动作前置决策并全程审计。可本地运行或 Kubernetes 部署,灵活选择模型与基础设施。

      项目简介

      开源版GrokBot,开源 AI 协作者,每个都拥有独立的计算机环境:包括浏览器、文件和工具,所有操作在执行前先完成决策,执行后自动记录。支持接入任意 AG-UI 智能体。

      功能

      • 每人一台计算机:supervisor 为每个人提供自己的容器,每个 Bot 有文件夹和浏览器配置文件。在 Bot 上勾选 Isolated 可给它独立容器。设置 COMPUTER_RUNTIME=runsc 可在主机支持时在 gVisor 下运行。

      • 不仅是浏览器,还有 shell:Bot 可在其工作空间中运行命令、安装所需内容,并处理它保存的文件。通过与其他所有内容相同的关卡,因此规则可以 outright 拒绝 shell 或拒绝特定命令,无论哪种情况命令都会被记录。命令继承 PATH、locale、终端和代理变量,而非部署的其余环境。

      • 网关是唯一入口:它从服务器持有的快照解析目标、评估策略、写入审计行,然后才调用计算机。没有在记录存在之前行动的路径。

      • CEL 策略,失败关闭:规则可检查 tool.name、intent、bot.id、actor.id、page.url、page.host、element.*、key、command、file.*、mcp.* 和 initiator.*(启动运行的内容,因此规则可拒绝定时例程而允许人)。拒绝在允许之前评估,缺失策略不允许任何内容,损坏的规则会拒绝而非开放。

      • 观看它在做什么:屏幕显示 Bot 正在看的内容,下方的 Activity 列表显示它在此对话中运行、读取和保存的内容,以及输出。转录中的命令行会打开到相同内容。保存的文件显示其路径和大小,从不显示内容。

      • 接管方向盘:遇到登录墙或 2FA 提示的 Bot 会请求帮助。控制在同一面板中移交,并记录为 computer.help_requested、computer.control_taken 和 computer.control_released。有人驾驶时,Bot 操作会被拒绝而非排队。

      • 秘密永不进入转录:轨迹记录请求了秘密及其长度,而非内容。

      • 接入你自己的智能体:任何 AG-UI 端点都是 Bot,无论基于框架还是手写。端点使用与浏览器导航相同的目标检查进行验证,认证头以只写方式存储。

      • 组件而非散文:编译的 React 组件位于 app/src/components/gallery/,沙箱组件在 /admin/playground 中编写并发布,无需部署。每次调用都会询问服务器组件是否存在、是否已发布,以及是否未对该 Bot 保留。数据函数按组件授予。

      • 受治理的 MCP:Google Drive、Notion 以及公共网络研究提供商 Parallel、Exa 和 Firecrawl 在目录中提供,Composio 在一个账户后代理数百个应用(Arcade 可作为替代代理),每个都以请求者身份到达。目录仅包含本部署支持的供应商,因此添加一个就是对该供应商的审查。自定义服务器必须通过 URL 检查;未知工具和自定义服务器工具被视为写入,服务器广告但未命名为写入的目录工具归类为读取。Bot 被告知此处存在哪些连接器以及它持有哪些,因此它会说尚未被授予某个,而非浏览到供应商网站。

      • 技能是指令,而非能力:个人技能仅附加到其作者拥有的 Bot,部署技能由管理员拥有,两者都通过 composer 中的 / 调用。被授予随附 skill-creator 技能的 Bot 可在对话中与你一起编写一个,仅在你按下卡片上的按钮时保存。

      • 使用公司已有的方式登录:从环境使用 Google、Microsoft 或 Okta,或在部署运行时注册并按邮箱域名路由的公司自己的 SAML 或 OpenID Connect 提供商。任意一个即可开启登录;可同时配置多个。

      • 决定谁可以进入:/admin/people 列出所有已登录的人,提升和降级他们,并移除访问权限,这会结束他们正在使用的会话并阻止下次登录。每次更改都在审计轨迹中。

      • 可读的审计轨迹:/admin/audit 列出被允许、被拒绝和失败的内容,每次拒绝都带有导致它的规则。

      • 凭证静态加密:通过 /admin/credentials 存储,永不由 API 返回,并从审计事件中脱敏。

      • 默认回环:计算机绑定到 127.0.0.1 并需要每容器令牌,因此无法通过知道端口到达已登录浏览器。supervisor 也绑定在那里,因为它持有 Docker socket,其令牌是共享秘密而非网络边界。

      • 持久线程和记忆:对话通过 CopilotKit Intelligence 在重启后存活,每个部署会标记其拥有的线程。

      • 例程:让 Bot 按计划做某事,它就会以你的身份在你询问的频道中运行。15 分钟下限和最多 20 个已启用例程可防止一句话安排超过人意图的内容,连续十次失败会关闭例程而非永远消耗模型费用。服务器自行触发它们,因此无需其他运行;

      接入你自己的智能体

      任何 AG-UI 端点都可以是 Bot。

      从 /bots 创建 Bot,包含:

      • 名称和指令,成为其角色描述;

      • 私有或公开可见性;

      • 可选 AG-UI 端点,当它是 New Bot 列出的框架之一时带上该框架;

      • 可选只写授权头。

      服务器在注册时以及端点每次重定向时,使用与浏览器导航相同的目标检查验证智能体端点。若未设置自定义端点,产品创建的同事在配置了 MANAGED_AGENT_AG_UI_URL 时使用它,否则在 OpenBot 服务器上按其角色描述运行。

      除非列在 AGENT_ENDPOINT_ALLOWED_HOSTS 中,否则拒绝私有地址:

      AGENT_ENDPOINT_ALLOWED_HOSTS=agents.internal,10.0.0.42:9000

      单独主机覆盖该主机上的任意端口;带端口的主机固定该端口。匹配是精确的:无通配符、无后缀。写成 URL 或包含 * 的条目会停止启动并指明该条目。

      该列表仅覆盖智能体端点。浏览不受影响,持有部署自身云凭证的地址无论列出什么都会被拒绝,列出地址允许在那里注册智能体,而非授予该智能体任何权限。

      租户包智能体在包自身的 agents.yaml 中声明,位于 TENANT_PACKAGE_DIR 命名的目录中(默认为 examples/fintech),或该包 agents/ 目录下各自的文件中,作为以下之一:

      • built-in,带系统提示;

      • remote-ag-ui,带端点;或

      • remote-mastra,带 Mastra 服务器地址。

      基于 CopilotKit 和 AG-UI 构建

      OpenBot 基于 CopilotKit 构建,后者已被多数 Fortune 500 公司在生产环境中使用。

      你的智能体技术栈。AG-UI 在主要智能体框架和 harness 中拥有一流集成,包括 Anthropic 的 Claude Agent SDK、Microsoft Agent Framework 和 Agent Harness、Google ADK、AWS Strands、Oracle Agent Spec、LangChain、Mastra、Pydantic AI、Agno 和 CrewAI。许多提供官方支持;Amazon Bedrock AgentCore 直接支持 AG-UI。

      你的执行平台。 将你的智能体保留在 Amazon Bedrock AgentCore、Claude Managed Agents、Google 的 Agent Platform、LangChain 的 Managed Deep Agents、Microsoft Foundry Agent Service 或你自己的基础设施上。通过 AG-UI 端点连接它们到 OpenBot(必要时使用适配器)。你对智能体平台的选择与工作空间保持独立。

      架构

      OpenBot 由三部分组成。在笔记本电脑上,安装程序会为你运行后端和 Intelligence。对于团队,Helm chart 会在你自己的基础设施上的 Kubernetes 中部署两者。

      Mac、Windows、Web、iOS、Android、Slack 和 Teams 连接到 OpenBot 后端。服务器中的内置 Bot 和任何执行平台上的智能体共享一个 AG-UI 通道。计算机执行默认使用 Kubernetes,或兼容的沙箱提供商;工具使用 MCP 和适配器。CopilotKit Intelligence 在你的基础设施上与 OpenBot 一起运行。

      部分

      作用

      OpenBot 前端

      Mac、Windows、Web、iOS、Android、Slack 和 Teams 将人连接到同一个工作空间。对话、交互式结果、计算机视图和审批会适配每个界面。

      OpenBot 后端

      运行工作空间 API 和内置 Bot,连接外部智能体和工具,管理 Bot 计算机,并强制执行身份、权限、操作策略和审计。以签名镜像和 Helm chart 形式发布,通过统一 API 访问。在 Kubernetes 上部署,使用 PostgreSQL 和持久存储。

      CopilotKit Intelligence

      持久对话、记忆、自动学习和企业治理服务。单独许可;在 Kubernetes 上与 OpenBot 一起运行。

      OpenBot 在其 API 上强制执行登录、工具权限、操作策略和审计,与 Intelligence 的平台服务并行。内置 Bot 在 OpenBot 服务器中运行;你自己的智能体可与 OpenBot 并行运行,或在任何智能体执行平台上运行。两者都使用 AG-UI,并可共享同一工作空间。

      计算机执行是可插拔的:使用默认 Kubernetes 设置,或连接兼容的外部计算机提供商。

      开源、本地运行与许可

      OpenBot 应用模板以 MIT 许可证 开源。 你可以 fork、修改并白标。它使用 CopilotKit Intelligence,该部分单独许可,并可完全在你自己的机器或基础设施上运行。

      运行位置

      CopilotKit Intelligence 许可

      你的笔记本电脑,个人使用和实验

      需要免费本地 Intelligence 许可。桌面安装程序会为你处理。

      Kubernetes 评估

      需要免费 Intelligence 试用许可。

      Kubernetes / 生产

      评估后需要生产 Intelligence 许可。OpenBot for Business 包含与 OpenBot 一起使用的 Intelligence。

      完全本地是可选方案。 在本地运行 OpenBot、Intelligence 和兼容模型。云模型或连接的在线应用仍会向该服务发送请求。初始下载、账户登录和本地许可续期需要互联网访问。


      在 Kubernetes 上部署

      在 AWS EKS、Azure AKS、Google GKE 或你自己的 Kubernetes 集群上一起部署 OpenBot 和 CopilotKit Intelligence。Chart 默认安装 Intelligence;无需单独托管项目。

      首次评估时,你需要一个具有 amd64 节点、默认 StorageClass、kubectl、Helm、试用或生产许可 以及模型密钥的集群。以下命令使用 OpenAI 密钥。对于 Anthropic、模型路由、集群规模调整或现有 Intelligence 部署,请使用 chart 附带的完整 Helm 指南(在下方 chart 上运行 helm show readme)。

      使用 AI 助手进行设置? 把本 README 和 Helm 指南(在下方 chart 上运行 helm show readme)给它。该指南涵盖特定云的值、存储、密钥、登录、网络、升级和故障排除。评估仅通过本地 port-forward 使用;在共享部署前配置登录和 TLS。

      1. 在本地创建 openbot-values.yaml。 用你的许可和模型密钥替换占位符。不要将此文件纳入源码控制。

        config:
        singleUser:true
        postgresql:
        enabled:true
        secrets:
        licenseToken:"<你的 CopilotKit 试用或生产许可>"
        modelApiKey:"<你的 OpenAI API 密钥>"

      2. 安装 随发布一起发布的 chart。

        helm install openbot https://github.com/CopilotKit/OpenBot/releases/download/v1.0.2/openbot-0.2.0.tgz \
          --namespace openbot --create-namespace \
          --values openbot-values.yaml \
          --timeout 15m

      3. 打开你的评估环境。

        kubectl -n openbot get pods,jobs
        kubectl -n openbot port-forward svc/openbot-server 3001:3001

        打开 http://127.0.0.1:3001。此配置为单用户:任何能访问的人都是管理员。请将 port-forward 保持在本地。

      Chart 会创建运行时凭证、安装数据库、引导 Intelligence,并设置 Learning 容器和定时任务。自动学习也会使用你的模型密钥。

      对于团队部署,请遵循 Helm 指南(在 chart 上运行 helm show readme)配置认证、TLS、数据库、密钥、持久存储和网络策略。单容器替代方案请参见 部署它。

      项目地址

      跳转微信打开

      已发布 — 2026年11月16日 ⏭ 开源项目与资源

      英伟达显卡被破解,AI 算力直接翻倍!

      2026年11月16日 17:05

      原创 小 G 2026-11-16 17:05 广东

      上周 AI 圈子里最热门的事件,莫过于黄仁勋辞去了英伟达 CEO 职位,由 CFO 克雷斯临时暂替。

      不过今天咱们先不聊老黄,而是谈谈之前显卡玩家们没少吐槽的,英伟达「刀法」。

      同一款芯片,做成游戏卡卖给玩家是一个价,做成专业卡卖给企业又是另一个价,能用的功能也不一样。

      还有个地方,平时玩游戏的时候感觉不到,换成拿游戏卡跑 AI,有一部分计算就只能跑到一半的速度。

      最近偶然发现,不久前开源的 gpu-unlock 能突破去掉这个限制,已狂揽了 20000+ Star。

      image-20261116111621571

      先来看下这个限制具体卡在哪里?

      简单来说,卡在显卡里的张量核心上,平时用 AI 出图、训练模型,里面的矩阵运算就会用到它来加速。

      而在 AI 最常用的那几种计算精度下,RTX 20、30、40 系的游戏卡,张量核心就只能按一半的速度跑。

      同样的芯片,换成 RTX A 系列这类专业卡之后,这个限制就没了,张量核心能跑全速。

      image-20261116111554031

      作者也在 FAQ 里说得相当直接,英伟达就是想让企业多花钱去买专业卡,专业卡没有这个限制。

      gpu-unlock 赶在英伟达的官方驱动之前运行,开机的时候先把限速去掉,再让官方驱动接管显卡。

      显卡不用刷固件,也不用装改过的驱动,用的还是英伟达官方的驱动,以后更新驱动也不用再弄一遍。

      解锁前后算出来的结果也是逐位一致的,只是计算的时候更快了。

      这里有一张表能看出解锁后到底有多快,数据来自网友们提交的兼容报告,可以参考看看。

      一张 RTX 3060 12GB,原来的 BF16 矩阵算力是 27 TFLOPS,解锁之后就跑到了 51 TFLOPS。

      还有 RTX 3090,原来是 75 TFLOPS,解锁之后能跑到 125 TFLOPS,前后差得也不少。

      RTX 4090 的数字就更高了,峰值从 165 TFLOPS 跑到了 329 TFLOPS,看着差不多就翻倍了。

      image-20261116111710509

      比起跑分,我更关心平时实际出图能快多少,看了下换到实际运行任务上,也能快不少。

      在 ComfyUI 里用 SDXL、SD 1.5 这些模型出图,速度能快 30% 到 55%。

      在本地用 LoRA 微调模型,也能快 25% 到 50%,平时经常做这两件事的话,这个提速还是挺有吸引力的。

      跑大模型的话,快的是前面「读题」的那一段,比如丢一份长文档过去,模型得先把这些输入处理一遍,才开始往外吐字。

      这一段比较吃算力,解锁后能快 25% 到 55%,我们等它吐出第一个字的时间,也能比原来少 25% 到 30%。

      image-20261116111753392

      在 issue 里,有位网友拿自己那张没改装过的 RTX 3090,用 vLLM 跑了一个 27B 的模型,做了解锁前后的对比。

      他这张 RTX 3090,读题速度比原来快了 33%,等第一个字出来的时间,也比原来少了 24%。

      当天他还连着跑了 8 个多小时,既有出图和生成视频,也有一直开着的大模型服务,一次问题都没出过。

      image-20261116114702093

      至于兼容性,RTX 20、30、40 系都在支持名单里,其中 30 系最成熟。

      截止目前已经有 100 多份网友提交的兼容报告,20 系和 40 系目前是实验性支持。

      image-20261116135910772

      想要使用的朋友,上手也并不是很难,先把项目拉下来,再跑一下安装命令即可。

        git clone https://github.com/Zagitta/gpu-unlock
        cd gpu-unlock
        make install

        它会自己识别我们电脑是什么系统,然后把需要的依赖装好,中途会让我们输入管理员密码。

        如果不懂的话,直接把项目链接丢给 Claude Code 或 Codex,让它帮我们安装也行。

        装完之后,还需要在开机参数里加上一句 gpu_unlock.targets=all,手动打开开关。

        接着重启下,再跑下面这条命令查看日志,看到 gpu_unlock: unlocked 这一行,就说明解锁成功了。

          journalctl -k -b | grep gpu_unlock

          如果哪天不想解锁了,就把那句开机参数删掉,更新启动配置之后再重启,就不会再解锁了。

          写在最后

          很多人觉得显卡跑 AI 不够快,第一反应就是想着存钱换一张更贵更高性能的显卡。

          但其实自己手上的卡,还有一半的算力被锁住没有被榨干出来,借助 gpu-unlock 把限制去掉。

          让自己手上的显卡性能充分发挥出来,届时若还不满足自己需求,再考虑升级换卡也不迟。

          不管英伟达接下来由谁来管,被锁住的这一半算力,现在我们自己就能用上了。

          手上有 20 到 40 系显卡,平时又要在本地出图、微调或跑大模型的朋友,可以试试看。

          GitHub 项目地址:https://github.com/Zagitta/gpu-unlock

          今天的分享到此结束,感谢大家抽空阅读,我们下期再见,Respect!

          跳转微信打开

          最近逛 GitHub 挑了 8 个刚开源、Star 涨得挺快的项目。

          2026年11月16日 13:15

          原创 逛逛 2026-11-16 13:15 浙江

          01

          把 Switch 游戏移植到苹果设备上

          S2Arm 是个免费开源工具。

          可以把你已有的 Switch 游戏转换到 iPhone、iPad 或 Apple 芯片的 Mac 上。

          直接在苹果手机和电脑上玩 Switch 游戏。

          转换好的游戏会集中在同一个 App 里,打开就能从游戏库里选一款玩。

          用的时候,你需要自备游戏文件和密钥,在 Mac 或 Windows 的图形界面里导入并打包。

          装到 iPhone 或 iPad 还需要用 Apple ID 签名。

          S2Arm launcher welcome page

          Build progress

            开源地址:https://github.com/jhaizhou-ops/S2Arm

            02

            DeepSeek chat-demo

            chat-demo 是 DeepSeek 开源的 AI 聊天网页。

            就是你在 deepseek.com 使用的那个 Chatbot。

            在设置里填入自己的 DeepSeek API Key 就能用了。

            你在网页上输入问题,浏览器就直接把消息发给 DeepSeek,收到回复后显示在页面上。

            支持流式输出、上传附件、用语音提问。

            或让它搜索网页并附上来源,聊天记录保存在浏览器里,可以导出备份。

              开源地址:https://github.com/deepseek-ai/chat-demo

              03

              在电脑本地生成 AI 会议纪要

              Yogurt 是个免费开源的 AI 会议笔记工具,支持 Windows、Linux 和 Mac。

              开 Zoom、Teams 或 Google Meet 时,点一下录音,它就能直接从你的麦克风和电脑里录下通话声音,边听边转成文字。

              开完会,它能把转写内容和你随手记下的笔记整理成一份纪要。

              过几天想不起 上次定的是周几上线?可以直接问,它会从之前的会议记录里找答案,并附上出处。

              录音、文字和纪要默认都存在自己的电脑里,生成纪要的 AI 也在本机运行。

              第一次使用要联网下载模型,之后断网也能转写和生成纪要。

                开源地址:https://github.com/FrigadeHQ/yogurt

                04

                让人形机器人跟着示范学动作

                SuperMimic 是加州大学伯克利分校团队开源的项目,用来教人形机器人模仿人类动作。

                它拿记录下来的人体动作当示范,训练机器人协调手臂、双腿和躯干

                用同一套控制程序做出跳远、翻滚等不同动作。

                团队也在宇树 G1 真机上演示了这套方法。

                它用仿真数据训练了一个「世界模型」,可以预测机器人收到指令后,接下来会怎么动。

                控制程序借这个模型快速试演几步,再根据预测动作和示范的差距调整。

                论文里,团队用一张 H100 显卡训练了约 3 小时,在同一组动作的仿真测试中,模仿得分超过了此前的 SONIC 方法。

                GitHub 仓库公开了面向宇树 G1 的训练和回放代码。

                想直接看效果,也可以在网页里选一段动作,对照示范看仿真机器人怎么跟着做。

                  开源地址:https://github.com/HybridRobotics/supermimic

                  05

                  让 AI 助手加入团队群聊

                  Agentes Chat 是一个像 Slack 一样的开源团队聊天工具。

                  你可以在频道里和同事讨论,也可以发私信。

                  AI 助手也能加入频道,你给它安排一个角色,比如研发助手,大家就能在群里直接 @ 它交代任务,其他同事也能看到它的回复。

                  An agentes.chat channel where a product team and its AI agents ship a release together: test results, a fix, a review and a deploy waiting for approval

                  比如,有人在 GitHub 上提交了代码改动,你可以让 AI 自动把改动摘要发到研发频道。

                  它也能用浏览器查资料,或者每天定时发一份简报。

                  要让它合并代码或上线,得先有人在聊天里点批准。

                  你可以用 Docker 把它部署在自己的服务器上,可以接入 Claude、OpenAI、Gemini 等模型。

                    开源地址:https://github.com/agentes-chat/agentes-chat

                    06

                    管理电影、音乐和字幕

                    HolyArrs 是一个可以装在自家 NAS 或服务器上的开源工具。

                    用来管理你的电影、电视剧和音乐。

                    它是一个网页,在这个网页里能找片、管理字幕和整理文件。

                    比如看一部电影,可以在网页上提交请求。

                    你批准后,HolyArrs 会按你设定的画质、语言等条件挑选版本,再交给下载器。

                    下载完成后,它会把影片整理进片库,也能按设置自动找字幕。

                    一般用 Docker 安装。

                    装好后,设定媒体文件夹和资源搜索来源,再接上 qBittorrent 这类下载软件。

                    入库后的电影和剧集可以用 Jellyfin 或 Plex 播放。

                      开源地址:https://github.com/HolyArrs/HolyArrs

                      07

                      给 React 网页加一个灵动岛

                      islandcn 把 iPhone 的灵动岛做成了一个开源 React 组件。

                      你可以在网页顶部放一颗小胶囊,用它显示正在进行的任务。

                      胶囊展开后,还能显示更多细节和按钮。

                      如果你在做 React 网页,可以用 shadcn 把组件代码加到自己的项目里,再按需要改样式和功能。

                        开源地址:https://github.com/opencoredev/islandcn

                        08

                        用一个 HTML 文件做出可以潜水的海底世界

                        Abyssal Garden 是一个能在浏览器里自由潜水的开源 3D 项目。

                        你可以穿过随水流摇摆的海带林,游到沉船旁边。

                        抬头看阳光透过水面,蝠鲼从头顶游过。

                        The purple grotto

                        Barrel sponges

                        整个海底世界的 3D 项目在一个约 97 KB 的 HTML 文件里。

                        浏览器用 WebGPU 让显卡实时画出海底地形、鱼群和光影。

                        连远处的鲸鸣和气泡声也由代码现场合成的。

                          开源地址:https://github.com/Noniv/abyssal-garden

                          09

                          点击下方卡片,关注逛逛 GitHub

                          这个公众号历史发布过很多有趣的开源项目,如果你懒得翻文章一个个找,你直接关注微信公众号:逛逛 GitHub ,后台对话聊天就行了:

                          图片

                          跳转微信打开

                          上周涨星最快的10个开源项目

                          2026年11月16日 08:11

                          原创 小G 2026-11-16 08:11 湖南

                          上周GitHub涨星Top10聚焦AI Agent工具与基础设施:Meta设计系统、OSINT工具Sherlock、开源Grok Bot替代、Anthropic/Addy Osmani的Skills、Google规格评审插件、Vercel浏览器CLI、股票分析系统、DeepMind物理仿真及Claude快速示例,Agent生态持续升温。

                          1. meta/astryx

                          Meta 开源的可定制设计系统(Design System),基于 React 19+ 和 StyleX 构建。它源自 Meta 内部使用了约 8 年的设计系统,已支撑公司内 13,000+ 应用。提供 150+ 可访问组件、品牌级主题、暗色模式、现成模板以及 CLI 工具。最大亮点是人和 AI Agent 共用同一套组件与规范:开发者和 Agent 都能用统一的工具链构建界面,无需额外构建插件或样式库,直接导入预编译 CSS 和类型化 React 组件即可使用。目前处于 Beta 阶段。

                          2. sherlock-project/sherlock

                          经典的开源情报(OSINT)工具,用 Python 编写。只需输入一个或多个用户名,就能在 400+ 社交网络、论坛、代码托管平台等网站上批量检查是否存在公开账号。支持多用户同时搜索、结果导出为文本/CSV/XLSX、代理、超时控制等。它只查询公开信息,不登录、不绕过认证。适合安全研究、数字足迹分析等合法场景,使用时需遵守当地法律法规,不鼓励用于骚扰或非法用途。MIT 协议。

                          3. milind-soni/OpenMausBot

                          开源的 Grok Bot 替代方案(也叫 MausBot,前称 OpenGrokBot),本地优先的多 Agent 聊天应用。界面类似即时通讯软件,侧边栏里的每个 Bot 都是真实的本地 Agent(支持 Claude、Codex、Grok Build 等),拥有独立人格、模型、对话记忆和可选的虚拟机/云电脑。Bot 可以连接 Gmail、Slack、GitHub 等应用,执行操作时会弹出允许/拒绝确认。强调用户数据留在本地(~/.openmausbot),不依赖厂商云端。提供桌面安装包,也支持从源码运行。Apache-2.0 协议,与 xAI、Meta、OpenAI 等无关。

                          4. anthropics/skills

                          Anthropic 公开的 Agent Skills 官方仓库。Skills 是包含指令、脚本和资源的独立文件夹,Claude 可在运行时动态加载,以显著提升在特定任务上的表现。内容覆盖创意(艺术、音乐、设计)、技术(Web 测试、MCP 服务器生成)到企业工作流(沟通、品牌)等多个领域。每个 Skill 自带 SKILL.md 元数据和说明,方便开发者参考或扩展自己的 Skills。多数采用 Apache 2.0 许可。

                          5. google/elephant-goldfish-model

                          Google 开源的 Agent 插件(明确标注非 Google 官方产品)。核心方法论是“大象写设计稿、金鱼做无记忆评审”:

                          • 大象保留完整项目上下文和历史对话,负责起草规格与设计文档;

                          • 金鱼在完全无历史记忆的情况下,只看当前草稿和源代码进行评审,帮助暴露未声明假设和盲点。
                            开发者最终拍板架构取舍。插件提供完整的草稿、评审、循环评审等命令和工作流,适用于规格驱动的 AI 软件开发。Apache-2.0 协议。

                          6. vercel-labs/agent-browser

                          Vercel Labs 出品的、专为 AI Agent 设计的浏览器自动化 CLI,用 Rust 编写。Agent 可通过简单命令完成:打开页面、获取可访问性树快照(带元素引用)、点击/输入、获取当前 URL 等操作。支持本地安装或 npx 直接使用,也兼容 Browser Use、AWS AgentCore 等云端浏览器后端。适合让 Agent 自主浏览网页、填写表单、提取信息等场景。Apache-2.0 协议。

                          7. ZhuLinsen/daily_stock_analysis

                          LLM 驱动的多市场股票智能分析系统,覆盖 A股、港股、美股、日股、韩股、台股及 ETF。核心能力包括:

                          • 多源行情、K 线、技术指标、新闻、公告、基本面数据聚合;

                          • AI 生成决策报告(评分、趋势、买卖点位、风险警报、操作清单);

                          • Web/桌面工作台、历史报告、回测、持仓管理;

                          • 支持企业微信、飞书、Telegram、Discord、Slack、邮箱等自动推送。
                            可配置零成本定时运行。MIT 协议。仅供学习和研究参考,不构成任何投资建议。

                          8. addyosmani/agent-skills

                          Addy Osmani 维护的面向编码 Agent 的生产级工程 Skills 合集(约 25 个)。把资深工程师的完整工作流拆成可执行的 Skills,覆盖定义需求、规划、构建、验证、代码审查、上线等阶段。每个 Skill 包含清晰步骤、退出标准、常见借口/反模式提醒,强调“可验证”而非空泛参考文档。支持 Claude Code、Codex、Gemini CLI 等多种 Agent,可与 Anthropic 的 skills 仓库对照使用。MIT 协议。

                          9. google-deepmind/mujoco

                          Google DeepMind 维护的通用物理仿真器(全称 Multi-Joint dynamics with Contact)。专为机器人、生物力学、图形动画、强化学习等需要高精度、高速度刚体动力学仿真的场景设计。提供 C API、Python 绑定、Unity 插件以及原生桌面/浏览器可视化。运行时模块经过高度优化,支持复杂接触和关节动力学。Apache-2.0 协议,是机器人与物理仿真领域的核心开源工具之一。

                          10. anthropics/claude-quickstarts

                          Anthropic 官方的 Claude API 快速起步示例集。包含多个可直接部署的应用模板,例如:

                          • 客户支持 Agent(带知识库);

                          • Computer Use 演示(让 Claude 控制桌面电脑);

                          • 其他实用场景的完整代码与说明。
                            每个项目都有独立 README 和设置步骤,帮助开发者快速上手用 Claude 构建可上线的应用。MIT 协议,适合入门和参考。

                          跳转微信打开

                          已发布 — 2026年11月15日 ⏭ 开源项目与资源

                          Claude 最新模型发布 1 周了,瞧瞧外网惊艳到震撼的玩法。

                          2026年11月15日 11:03

                          原创 逛逛 2026-11-15 11:03 北京

                          今年 5 月,在 DeepSeek 投资者闭门会上,梁文峰说:

                          “3D 和视频生成可能跟智能的主线没有太大的关系,我们不会去做。”

                          “现阶段我们觉得最重要的,应该还是 Coding Agent。”

                          如果说全世界的大模型在 Coding 领域遥遥领先的,那肯定是 Anthropic 的 Claude。

                          Claude Fable 5.2 发布不到一周,在外网掀起创作的狂欢。

                          大家开始发现,Coding 能力足够强,竟然开始吞噬 3D 、视频创作、图片生成了。

                          比如下面这张光影都处理很顶的图片,不是用扩散模型生成,而是 Fable 5.2 用了约 70 万次模拟笔触画出来的。

                          地址:https://x.com/jkeatn/status/2119874018706874601

                          再比如下面这个网上传疯 FPS 游戏,也是用 Fable 5.2 口喷出来的。

                          地址:https://x.com/felixrieseberg/status/2119925633564463609

                          这个游戏的源文件只是一个 1m 多的 HTML 网页,可以在浏览器里玩。

                          整个效果质感让我梦回使命召唤,开发者只给了一条提示词,大概跑了 8 小时完成的效果,花了 550 美元。

                          下面是我最近刷帖子刷到的让我感觉到很震撼的玩法,也收集起来盘点一下。

                          01

                          两个手指真的能碰到吗

                          这个是用 Fable 5.2 拍的一支讲芝诺悖论的短片。

                          开头是两根快碰到的手指。

                          等镜头贴近皮肤,画面会标出指尖之间还剩多远,用来讨论手指算不算真的碰到。

                          地址:https://x.com/anxuanng/status/2120088745139638375

                          这个帖子贼火,在 X 上超过了 2300 万次浏览。Coding 做视频还得是你 Claude 。

                          02

                          七天做出 GTA 风格的开放世界原型

                          地址:https://x.com/mattshumer_/status/2120282133503820150

                          先看看这个 Claude Fable 5.2 开发的开放世界。

                          开发者给 Fable 定了七天,想看看这座 GTA 风格的城市能做到哪一步。

                          上面就是开发中的版本,已经能开着车在街区里跑了。

                          03

                          3D 讲解细胞的课件

                          有开发者做了一个 3D 细胞模型。

                          你说生物课如果用这种视频讲解,那还不得知识哐哐入脑?

                          地址:https://x.com/claudeai/status/2120174844822298730

                          你看讲到核糖体时镜头就移过去,画出信使 RNA 经过核糖体的过程,旁边还有文字说明。

                          细胞里的这些结构,是 Fable 用代码一个个搭起来的。

                          04

                          让 Fable 做音乐

                          有位网友让 Fable 生产一支最能展示自己模型能力的视频,题材让模型自己选。

                          成片将近一分半,其中有一段蓝色和橙色的流体,像两股颜料在水里先散开,又卷到一起。

                          地址:https://x.com/suna_gaku/status/2119952985933697063

                          05

                          在梵高的《星月夜》里骑车

                          先看下面的视频。

                          直接就一个字,炫酷。

                          地址:https://x.com/ebbyamir/status/2120284261089673376

                          这个就是用 Fable 5.2 把梵高的画做成了一个游戏。你可以进入梵高画里的村子,星空还是在头顶打着旋。

                          骑车穿过街道,甚至从屋顶上方飞过去。

                          06

                          一个提示词拍出一支 Blender 4K 短片

                          下面这个短片不是扩散模型生成的。

                          而是 Claude 借助 Blender 3D 建模搞出来的。

                          镜头掠过桌上的笔记本电脑,里面的 Claude 界面在动,窗外的光线从黄昏变到夜里再亮起来。

                          地址:https://x.com/rileybrown/status/2119902109709537708

                          开发只给了一个提示词。

                          Fable 就搞了 13 个镜头和房间里的动作,再用云端显卡渲染成 4K。

                          片子的音乐和音效用 ElevenLabs 制作。

                          07

                          一首从噪声开始的交响乐

                          除了游戏、视频、图片。声音也不在话下。

                          网友让 Fable 发明一种音乐形式。

                          从噪声开始,听着听着就逐渐有了节拍、调性和和声,最后有一个完整的旋律了。

                          地址:https://x.com/imjustnewatai/status/2120383964686729410

                          08

                          一座灯塔讲半分钟图形学史

                          这个用 Fable 做竖屏动画,讲的是计算机图形学的发展。

                          灯塔一开始只是一个线框样式的,后面组件变成一个很真实生动,甚至有浪花和灯光的塔。

                          地址:https://x.com/aollivier82/status/2120260208245043663

                          09

                          坐小船穿过八个梦境

                          这个叫《What the Water Keeps》的网页游戏。

                          也挺炫酷的。

                          玩这个游戏的时候,你坐着这条船往前陆续穿过八个梦境。

                          船和水面把前后的场景接在一起。

                          地址:https://x.com/kevin_t_ngo/status/2119868968307695818

                          10

                          去镜像地球看看马特洪峰

                          还有一个很有意思的。

                          把现实中的地点做成可探索的游戏场景。下面这个就是在马特洪峰一带,进到场景之后,也可以破坏里面的东西。

                          游戏里的天气会跟着现实变化。

                          地址:https://x.com/mattshumer_/status/2119877065701036047

                          11

                          做了一片可以走进去的油画树林

                          这个也是用 Fable 做的网页游戏。

                          人物走在铺着黄叶的树林里,地上的光斑和旁边的树干都带着画笔的痕迹。

                          这些笔触是浏览器实时画出来的。每一帧大约有 150 万笔。

                          地址:https://x.com/BlendiByl/status/2120341251178594532

                          12

                          黑白街机打到一半,球场变成了 3D

                          开头像老街机游戏 Pong,黑底上两块白色挡板,中间有一颗小球。

                          你把球打回去,打了一会儿,视角跟着球场一起变了,变成了一条霓虹通道。

                          贼炫酷。

                          地址:https://x.com/photonstorm/status/2120330010112434313

                          13

                          两款模型用机械臂画同一幅《星月夜》

                          Aris Zhu 把同一个题目交给了 Fable 5.2 和 GPT-6 Astra,让它们用机械臂在纸上画《星月夜》。

                          视频左右分屏,可以看到两边的画笔怎么蘸颜料,又怎么把蓝色涂到纸上。

                          地址:https://x.com/ariszotle/status/2119945328917196825

                          14

                          穿过一道门,就能换一个世界

                          一条巨大的拉链在山谷里慢慢打开。

                          过一道传送门,周围就换成下一个场景。

                          这个用 Fable 生成的网页里有 450 多个场景,都是用代码实时画出来的。

                          而且也开源了。

                            开源地址:https://github.com/emollick/ai-portals

                            地址:https://x.com/emollick/status/2119918307457577163

                            15

                            图书馆里的纸飞起来,聚成一只鸟

                            一座深夜的图书馆。

                            月光照进来,纸页一张张起飞聚成一只展开翅膀的鸟。

                            这个视频一共有 2.4 万页纸。如果把声音打开,还能听见纸张翻动的细响和钢琴声。

                            地址:https://x.com/lemomo_ai/status/2120118194409193682

                            16

                            点击下方卡片,关注逛逛 GitHub

                            这个公众号历史发布过很多有趣的开源项目,如果你懒得翻文章一个个找,你直接关注微信公众号:逛逛 GitHub ,后台对话聊天就行了:

                            图片

                            跳转微信打开

                            已发布 — 2026年11月14日 ⏭ 开源项目与资源

                            DeepSeek,大手笔啊!

                            2026年11月14日 17:05

                            原创 小 G 2026-11-14 17:05 广东

                            昨天晚上,DeepSeek 又放大招了,这次不是发新模型,而是宣布开放「全家桶应用 API」。

                            平时我们在 DeepSeek App 里用到的联网搜索、深度思考搜索、上传文件、读链接、语音对话。

                            现在开发者都能通过 API 直接用上,甚至可以利用它们 1:1 复刻出完整的 DeepSeek App。

                            DeepSeek 团队还照着 App 做了一个网页版的聊天客户端 chat-demo,并开源给我们学习。

                            image-20261114153917454

                            一家公司主动教大家复刻自家的 App,到底图什么,对我们这些普通人又有什么用呢?

                            先来看看这次都开放了哪些东西。

                            以前开发者想在自己的应用里做出类似 App 的体验,光接入 DeepSeek 的模型还不够。

                            搜索、文件解析、语音这些都得另外找服务对接,再自己写代码把它们串起来。

                            现在这些活都交给了 DeepSeek 的服务端,开个参数,什么时候该去搜索、搜到的内容怎么交给模型,它都会自己处理好。

                            搜索、网页抓取、文字识别、语音识别、语音合成也拆成了单独的接口,可以只拿其中一个来用,也能几个组合在一起用。

                            目前支持这些能力的是 deepseek-flash,也就是 V4.1-Flash 模型。

                            价格方面,除了模型本身的 Token 费,调用这些工具还会另外收费,官方公布的价格如下:

                            image-20261114153952729

                            搜索和网页抓取都是 5 元一千次,语音识别一小时 0.39 元,它和语音合成目前都还在限时五折。

                            那 DeepSeek 为什么要这么做呢?

                            可以从崔添翼当晚发的两条帖子里找找答案,他在 DeepSeek 产品团队,平时主要做的就是 DeepSeek Harness。

                            第一条说,DeepSeek 产品背后的各项核心能力都已经通过 API 开放了,希望门槛降低之后,社区里能长出更多样、更有想象力的产品。

                            第二条就说得更直白了:「下一个超级 App 不必是面向所有人的一个超级 App。现在,每个人都有能力创造一个超级 App。」

                            image-20261114154038915

                            这么看来,DeepSeek 并不打算把自家的 App 做得越来越大、越来越全,反倒是把它拆成一个个零件交了出去,让大家按自己的需要去拼。

                            而且就在同一天,DeepSeek Harness 的新版也加了一个实验性的「DeepSeek 会话导入」插件,App 或网页版里的历史对话,可以搬进 DSH 里接着聊。

                            时间上正好凑在了一起,我们在 App 里聊过的那些记录,以后也不用只留在 App 里了。

                            image-20261114162458658

                            最先感受到变化的,肯定是开发者。

                            以前做一个能联网搜索、能看文件、能听会说的应用,得对接好几家服务,现在用一个 DeepSeek 的 API Key 就够了。

                            日子不太好过的,可能是那些给 DeepSeek 套个界面的第三方客户端,官方自己开源的这个 Demo,就已经有了 App 里大部分的功能。

                            网上也已经有网友在讨论,这波对做 DeepSeek 客户端的人来说,到底是利好还是抢活。

                            至于普通人,日常聊天继续用免费的 App 其实就够了,API 更适合想要点不一样东西的朋友。

                            想先尝尝鲜的话,可以直接打开官方的 Demo 体验页,在设置里填上自己的 API Key 就能用,Key 和聊天记录都只存在自己的浏览器里。

                            image-20261114154105758

                            费用是按用量来算的,模型的 Token 费在工作日高峰时段以外都是半价,周末和节假日全天也按半价算,平时偶尔用用花不了几个钱。

                            写在最后

                            再往前想一下,崔添翼说的「每个人都有能力创造一个超级 App」,放到不会写代码的人身上,DSH 的创造模式就是一个现成的入口。

                            在创造模式里把需求描述清楚,它就能做出一个插件,装好之后直接就能用。

                            现在搜索、语音识别、语音合成、文字识别都有了官方接口,做插件的时候可以让它把这些能力接进去,能做的事情也就多了不少。

                            比如开会时录一段音,插件自动转成文字,再整理出一份会议纪要,或者拍一张发票,让它把金额和日期识别出来填进表格。

                            又或者每天早上让它搜一遍自己关注的话题,整理成一段新闻读出来,通勤路上戴着耳机就能听完。

                            这些插件不用管别人用不用得惯,按自己的习惯来做,自己用着顺手就行。

                            另外,如果做好的应用想开放给别人用,官方要求开启安全校验,内容审核、大模型登记、AI 标识这些义务也得自己承担起来。

                            GitHub 项目地址:https://github.com/deepseek-ai/chat-demo

                            今天的分享到此结束,感谢大家抽空阅读,我们下期再见,Respect!

                            跳转微信打开

                            搜罗了 5 个刚开源的 GitHub 项目,可以看看自己能不能用到。

                            2026年11月14日 10:29

                            原创 逛逛 2026-11-14 10:29 北京

                            01

                            给一张参考图,让 AI 帮你做 GIF

                            gif-factory 也就是 GIF 工厂。

                            这个开源项目是一个让 Agent 帮你做 GIF 的神器。

                            你发给它一张人物或宠物的参考图,再说清楚想要的画风和动作,就可以制作循环播放的 GIF。

                            这个开源项目是一个 skill,包括 GIF 的制作方法、示例和处理图片的脚本。

                            装好,给你的 Codex 或其它 Agent 工具说:“用这张图做一套像素风表情包,包含收到、好耶、晚安。”

                            大肥鱼(鲸鱼娘)精选 12 张动态预览

                              开源地址:https://github.com/WoYun520/gif-factory

                              02

                              影片制作 Skill

                              cinecode 是一套影片制作 Skill。

                              和我段时间盘点的那些开源项目类似。

                              基于这个 skill 你说出想做的任内容,这个 skill 就会把你的创意做成脚本,然后再基于 coding 的方式去生产画面、声音和剪辑。

                              最后导出 MP4。

                              它的原理就是基于 Coding 用网页里的二维画布或三维场景,控制物体、灯光、镜头和文字。

                              再通过浏览器逐帧渲染、合成为视频。

                              你看下面这种风格的,现在基于 AI Coding 都可以做了,其实。

                              cinecode: renkli pencerelerden pop-art bir kule

                              Fener: ay ışığında bir kız ve bir ağaç ruhu

                              Gökyüzü neden mavi?: ışığı ayıran bir prizma ve büyük sarı yazıKuzguncuk Fırın: lambanın altında fırından yeni çıkmış simitler

                              把开源项目的地址丢给 Claude Code 安装 cinecode。

                              不过正式制作的时候,会再装一些依赖,比如 Node、Python、ffmpeg 和 Chrome 等环境。

                                开源地址:https://github.com/sarpstar/cinecode

                                03

                                Claude 动画短片

                                这个开源项目也是让 Claude 帮你制作动画短视频的 Skill。

                                但是它主打 55~70 秒的竖屏故事。

                                二维卡通人物站在三维场景里,配上镜头移动、旁白、音乐和音效,呈现出彩色绘本动起来的感觉。

                                比如说这个就是讲述 1831 年布劳顿桥事故的完整动画案例。

                                下面这个也是制作出来的一个效果。

                                这个开源项目核心的原理就是用 Three.js 搭建场景、用 Remotion 在本地电脑渲染成视频。

                                场景和动作由代码控制,因此可以针对某个镜头或角色反复调整。

                                  开源地址:https://github.com/mromidev/claude-animated-shorts

                                  04

                                  实时字幕和会议纪要工具

                                  这个叫知了 Cicada 的开源项目是一款实时字幕和会议纪要工具。

                                  可以理解成陪你开会、看直播的翻译员兼记录员。

                                  电脑上用 Zoom、腾讯会议开会,或在 YouTube 听英文直播时,它可以把正在播放的语音转成文字,同时显示原文和译文。

                                  它听的是电脑的系统声音。

                                  左侧放着 YouTube 或腾讯会议,右侧可以实时的出内容总结和会议纪要。

                                  除此之外,它能边听边整理讨论重点、结论和待办事项。

                                  会后也支持点击文字回听对应录音,搜索之前聊过的内容,也能导出 Word、Markdown 文档或字幕文件。

                                  目前它提供 Mac、Windows、Linux 和 Android 版本。

                                  软件本身免费开源,但部分功能需要自己配置 AI 服务密钥。

                                    开源地址:https://github.com/wquguru/cicada

                                    05

                                    MyGo Music

                                    这个开源的原生桌面当然音乐播放器。

                                    支持插件扩展,启动快占用比较少。

                                    专门给那些想在电脑上专心听歌的人准备,因为它足够简单,想要什么功能按需添加就行了。

                                    支持 Windows、macOS 和 Linux。

                                    把存放音乐的文件夹添加进去,它就能读取歌曲信息、封面和歌词,按歌曲啥的分类整整理。

                                    也能搜索、收藏和创建歌单。

                                    它比较有意思的地方是插件机制。

                                    你可以把它想成一台能加装配件的播放器。

                                    本体负责播放和界面,插件负责接入其他音乐来源,以及账号、播客、电台、评论等功能。

                                    在设置里填入插件的 GitHub 地址就能安装,不同插件支持哪些功能得各自的实现。

                                      开源地址:https://github.com/egoist/mygo-music

                                      06

                                      点击下方卡片,关注逛逛 GitHub

                                      这个公众号历史发布过很多有趣的开源项目,如果你懒得翻文章一个个找,你直接关注微信公众号:逛逛 GitHub ,后台对话聊天就行了:

                                      图片

                                      跳转微信打开

                                      已发布 — 2026年11月13日 ⏭ 开源项目与资源

                                      两周暴涨 3 万 Star,又一个 AI 逆向神器火了!

                                      2026年11月13日 17:05

                                      原创 小 G 2026-11-13 17:05 广东

                                      还记得上个月介绍过的工具 PhotoCraft 吗?就是用 Rust 把 Photoshop 从头做了一遍那个。

                                      它背后的 ArtCraft 团队最近又开源了一个新工具:Craft Anything,两周涨了近 3 万 Star。

                                      利用这个工具,我们可以把自己喜欢的网站、应用或游戏,让 AI 直接照着复刻一个版本出来。

                                      image-20261112202628269

                                      平时把一张网页截图发给 AI 让它复刻,做出来的效果,往往一对比就会发现不少地方对不上。

                                      比如字号和间距,菜单点开后是什么样,窗口拉窄了又该怎么排,单看最初那张截图还真不容易说清楚。

                                      还得自己一处处找出来,再告诉 AI 哪里要改,而 Craft Anything 把这活也接过去做了。

                                      估计有不少朋友,想起不久前爆火的工具 REA,把一切软件拆开来看,号称能逆向一切。

                                      image-20261112203250665

                                      但 Craft Anything 与 REA 还是有区别的。

                                      REA 更多是帮我们弄明白一个软件是怎么做的,至于照着做出来像不像,还得靠自己去对。

                                      Craft Anything 则把「做出来」和「对一对」这两步也接上了,整个过程分成四步来走。

                                      先研究原作,看它的页面在不同宽度下长什么样,还有它运行起来是什么样子。

                                      再交给我们电脑上的编码 Agent 新建一个项目,用什么语言、什么框架,都可以在需求里说清楚。

                                      做完之后拿成品和原作逐项对照,列出还有哪些地方不一致。

                                      最后打开成品试一试,哪里不满意,就在下面接着提要求,它会继续往下改。

                                      image-20261112203404626

                                      我觉得这里面最有用的,就是第三步的对照检查。

                                      拿网页来说,它会按三种屏幕宽度分别和原版做对比,每一项检查都会告诉我们,做出来的东西跟原版有多像。

                                      游戏会跑它自己的自检,桌面应用则看它运行起来是什么样。

                                      还没对上的地方会被一条条列出来,交回给 Agent 接着改,一直改到足够接近原版为止。

                                      以前要靠我们自己的眼睛一处处去挑的活,现在交给它来干了。

                                      image-20261112203448106

                                      用起来也不要求懂代码,软件默认打开的就是简单模式。

                                      选好要做的是网站、应用还是游戏,用大白话描述一下想要什么,再按下 Start 就可以了。

                                      项目页上能看到现在走到了四步里的哪一步,Agent 正在干什么,也会用大白话写出来。

                                      中间遇到需要我们拍板的地方,会弹出一张提问卡,规则之外的动作,也会先弹出审批卡等我们点头才执行。

                                      如果有开发经验的朋友可以切到进阶模式,函数、反汇编、调用图这些分析工具都摆在里面。

                                      image-20261112203526863

                                      能拿来研究的也不只是网页,桌面应用、手机应用、游戏这些软件都可以。

                                      用 Unity、Unreal 或 Godot 做的游戏,也能照着重建一个,比如跟它说「用 Rust 复刻这个游戏的玩法」。

                                      手里没有现成的参照也没关系,只说一句「用 Rust 做一个贪吃蛇」,它也能从零开始做出来。

                                      image-20261112203724550

                                      说到这里,可能有朋友会担心,照着别人的东西做,会不会惹上麻烦。

                                      它默认只看外观、不碰源码,依据的都是我们能看到的东西,比如截图、页面上的文字、布局、配色和字体。

                                      Agent 也被要求不能照搬原作的 logo、照片和文字,除非我们确认自己拥有它们,或者已经拿到了授权。

                                      想研究得更深一点,也可以切到深度模式,去读程序的代码和文件,不过这个模式只供自己私下研究用。

                                      开了深度模式之后,还能只打开一个目标向它提问,不去构建任何东西,单纯弄明白别人是怎么做的。

                                      另外它一共带了 320 个工具,每个都能当命令行工具来用,也能通过 MCP 接口交给其他 Agent 调用。

                                      如果想使用,工具提供 Windows、macOS 和 Linux 开箱即用的安装包,到 GitHub 的 Releases 页面下载就行。

                                      image-20261112204532833

                                      在构建这一步,要用到我们电脑上已经登录好的编码 Agent,首选是 Claude Code。

                                      除此之外,它也接入了 DeepSeek Harness,也可以拿它来当干活的 Agent。

                                      装了命令行工具的话,可以先跑一下 doctor 命令,看看 Agent 和引擎还缺些什么:

                                        craft-anything-cli doctor

                                        做出来的项目默认放在「文稿」下的 Craft Anything 文件夹里,每个项目还会留着每一轮对照检查的结果,方便回头翻看。

                                        写在最后

                                        上个月 REA 爆火的时候,大家惊讶的是,AI 已经能把一个不开源的软件拆开讲明白了。

                                        而 Craft Anything 又往前走了一步,能照着复刻一个出来,做完还会拿去跟原版对比,哪里不像接着改。

                                        放在几年前,想弄明白一个软件是怎么做的,得懂汇编、会反编译,是少数人才有的手艺。

                                        现在用大白话说一句,AI 就能帮我们看懂,甚至能照着做一个出来。

                                        这两个工具接连出现,不得不让人思考,往后要是自己做软件,护城河到底在哪里?

                                        我觉得真正能留住用户的,可能就只剩品牌、数据,以及持续把产品做好这些东西。

                                        GitHub 项目地址:https://github.com/storytold/craft-anything

                                        今天的分享到此结束,感谢大家抽空阅读,我们下期再见,Respect!

                                        跳转微信打开

                                        一个半月狂揽 7.9 万 Star,一群人用纯 Rust,把 Photoshop 从头写了一遍!

                                        2026年11月13日 11:57

                                        原创 小G 2026-11-13 11:57 湖南

                                        用纯 Rust 从头编写的开源、干净室重新实现的 Adobe Photoshop

                                        项目简介

                                        PhotoCraft是用纯 Rust 从头编写的开源、干净室重新实现的 Adobe Photoshop。 不是套壳,不是换皮,不是拿 Electron 糊一个网页版。是图层、蒙版、调整图层、图层样式、矢量、画笔引擎、真实 PSD 文件读写,全部自己撸,一行行写出来。

                                        PhotoCraft editing Hokusai's The Great Wave: a caption card with a drop shadow, Title and Credit type layers, Vibrance and Curves adjustment layers, and the Curves editor drawn over the image's histogram

                                        1 设计熟悉

                                        菜单、快捷键、面板和工具都在你手预期的位置,从 ⌘J 到 ⇧⌘D。如果你会用 Photoshop,就已经会用 PhotoCraft。

                                        2 原生且快速

                                        基于 wgpu 的 GPU 合成器(Metal、Vulkan、DX12、WebGPU),写时复制瓦片和多线程滤镜。没有 Electron,没有 WebView,不用等待。

                                        3 真正的 PSD 文件

                                        打开、编辑并保存分层的 Photoshop 文档。重新保存后,309 个 psd-tools 测试文件中有 307 个渲染结果保持一致。

                                        4 面向 Agent

                                        每个操作都是一个命令,因此你可以从 UI、CLI、JSON 控制通道或 MCP 服务器驱动同一个引擎。

                                        开箱即用

                                        1. 69 种工具

                                          移动 · 画板 · 矩形和椭圆选框 · 单行选框 · 单列选框 · 套索 · 多边形套索 · 磁性套索 · 对象选择 · 快速选择 · 魔棒 · 裁剪 · 透视裁剪 · 切片 · 切片选择 · 帧 · 吸管 · 颜色取样器 · 标尺 · 注释 · 计数 · 移除 · 污点修复画笔 · 修复画笔 · 修补 · 内容感知移动 · 红眼 · 画笔 · 铅笔 · 混合器画笔 · 颜色替换 · 仿制图章 · 图案图章 · 历史画笔 · 艺术历史画笔 · 橡皮擦 · 背景橡皮擦 · 魔术橡皮擦 · 渐变 · 油漆桶 · 模糊 · 锐化 · 涂抹 · 减淡 · 加深 · 海绵 · 钢笔 · 自由钢笔 · 曲率钢笔 · 添加锚点 · 删除锚点 · 转换点 · 水平和垂直文字 · 水平和垂直文字蒙版 · 路径选择 · 直接选择 · 矩形 · 椭圆 · 三角形 · 多边形 · 星形 · 直线 · 自定义形状 · 抓手 · 旋转视图 · 缩放

                                        2. 真正的画笔引擎

                                          形状动态、散布、纹理、双重画笔、颜色动态、传递、画笔姿势、湿边、堆积和平滑(包括拉线),由笔压、倾斜、旋转和方向驱动。画笔预设、从选区定义画笔,以及确定性的可回放笔触。

                                        3. 完善的图层系统

                                          组、剪贴蒙版、像素和矢量蒙版、填充图层(纯色、渐变和图案)、调整图层、带智能滤镜和无损变换与变形的实时智能对象、多图层选择(对齐、分布和链接)、Alpha 通道和快速蒙版、27 种 Photoshop 混合模式加上 6 种 Paint.NET 变体、不透明度和填充、锁定、颜色标签、图层类型过滤、合并、拼合、栅格化、通过拷贝/剪切创建图层、粘贴到。

                                        4. 任意颜色、任意深度

                                          RGB、灰度、CMYK 和 Lab 文档,支持 8、16 和 32 位/通道。位深度和颜色模式是运行时数据,因此每种工具在每种深度下都能工作。

                                          纯 Rust 实现的真正 ICC 色彩管理:嵌入配置文件、指定/转换为配置文件(支持全部四种渲染意图和黑点补偿)、软打样(⌘Y)和色域警告(⇧⌘Y),在 GPU 上运行。

                                        5. 格式支持

                                          PSD 和 PSB、分层 TIFF(Photoshop 图层数据在 TIFF 中,支持任意字节序读写)、Paint.NET PDN3(可读,支持可编辑图层和全部 14 种混合模式)、OpenRaster(读写,支持图层、组和混合模式,兼容 Krita、MyPaint 和 GIMP)、GIMP XCF(可读,支持图层、组、蒙版、混合模式、通道和选区)、Krita .kra(可读,支持绘制图层、组、混合模式和透明蒙版)、SVG(作为形状图层打开,或作为矢量智能对象放置),以及平面 PNG、JPEG、TIFF、WebP(有损/无损)、GIF、BMP、TGA、ICO、QOI、PNM、OpenEXR、Radiance HDR 和 FITS(天文图像:8/16 位和 32 位浮点,灰度或 RGB,保留头信息),还有原生 .pcraft 格式。平面格式保留其支持的深度:PNG 保留 8/16 位样本,TIFF 保留 8/16 位和 32 位浮点样本,OpenEXR 保留半精度/浮点样本;JPEG、WebP 和其他 8 位格式在导出更高深度时会给出警告。详见编解码能力矩阵。iPhone 和 Mac 的 HEIC 照片仅支持只读(官方构建包含;源码构建可选 –features heif)。AVIF 仅支持写入(可选 avif 构建特性);AVIF 解码和 JPEG XL 不可用。Affinity 文档(.af、.afdesign、.afphoto、.afpub)可原生打开(只读),支持画板、图层、矢量、文字、图像和蒙版;效果、调整及其他不支持的部分会在警告中列出,不支持 Affinity 导出。

                                        6. 日常必备

                                          自动色调、对比度和颜色 · 均衡 · 图像和画布大小 · 裁剪和修剪 · 全部显示 · 编辑 › 填充和描边 · 拷贝合并 · 原位粘贴 · 参考线、标尺、网格和吸附 · 动作录制与回放 · 命令面板(⌘F)。

                                        面向 Agent 构建

                                        每个菜单项、工具和对话框都从 500 多个命令的统一注册表中运行命令。UI、CLI、JSON 控制通道和 MCP 服务器都调用相同的命令,因此你能点击的任何操作,脚本或 AI Agent 也能完成。

                                        # 无头:打开、编辑、保存
                                        photocraft-cli run wave.psd \
                                          --cmd filter.sharpen.smartSharpen     --params '{"amount":80}' \
                                          --cmd layer.newAdjustmentLayer.curves --params '{"points":[[0,0],[64,48],[192,212],[255,255]]}' \
                                          --out wave-final.png
                                        # 对文件夹中的图像应用一个动作列表
                                        photocraft-cli batch --actions grade.json --in ./raw --out ./graded
                                        # 每个子命令都有自说明
                                        photocraft-cli batch --help
                                        # 让 Agent 通过 MCP 驱动(无头,或桥接到正在运行的应用)
                                        photocraft-cli mcp

                                        桌面应用还提供经过身份验证的、仅限回环的控制通道(photocraft --control),用于检查 UI 状态、用指针事件驱动工具,以及拍摄离屏截图。本 README 中的每张图片都是这样渲染的。详见 docs/control-protocol.md。

                                        快速开始

                                        直接下载(推荐):Release 页有各平台安装包,Windows 的 msi/zip 带代码签名,macOS 有签名公证的 universal DMG,Linux 有 AppImage/Flatpak/deb/rpm。

                                        浏览器直接玩:整个引擎编译成了 WebAssembly,官方 Web 版部署起来就是个静态站点,也有 Docker 镜像可以自托管。

                                        源码编译:

                                        git clone https://github.com/storytold/photocraft
                                        cd photocraft
                                        cargo run --release -p photocraft -- image.psd

                                        项目地址

                                        跳转微信打开

                                        已发布 — 2026年11月12日 ⏭ 开源项目与资源

                                        OpenViking 3D理解模型上线轴测八视图及PMI解析

                                        2026年11月12日 18:00

                                        OpenViking 2026-11-12 18:00 北京

                                        文章来源|Viking 团队

                                        项目地址|github.com/volcengine/OpenViking

                                        OpenViking如何理解一个3D模型

                                        OpenViking发布原生3D内容理解模型,支持三维.STEP文件的导入与解析,信息还原率做到 100%。

                                        导入一个3D文件,不仅会提取常规的正交视图、几何信息,还会使用八轴侧视图来补充被遮挡的内部结构和几何特征,同时保留全部的尺寸、公差、装配、工艺(PMI)细节。看得见内部结构,也能读懂规格参数。

                                        ‹ 左右滑动查看 5 张视图 ›

                                        解析目录

                                        正交六视图

                                        轴侧八视图

                                        信息摘要(含PMI)

                                        模型明细

                                        轴侧视图如何用|同一类零件,识别细节差异

                                        以两款四方嵌件底座为例:外形完全相同,唯一的区别在内壁盲窝——型号 1 是圆形,型号 2 是六角形。

                                        型号1 嵌件底座

                                        型号2 嵌件底座

                                        这个差异藏在壳体内部,正交六视图里看不到,两款零件的六视图完全一致。同样问 Agent:“帮我找一个内壁有六边形盲孔的四方嵌件底座,之前有设计过”,结果截然不同:

                                        只有正交六视图

                                        正交六视图 + 轴测八视图

                                        检索结果

                                        无法确认,只能给出型号 1、型号 2 两个候选

                                        直接定位到型号 2

                                        判断依据

                                        六视图看不到内壁孔口和孔底

                                        轴测图中能看到内壁的六边形凹孔和孔底

                                        后续动作

                                        需要你逐个打开模型确认

                                        无需人工确认

                                        只有正交六视图时,Agent 找到两款外形相符的候选,但无法判断哪一款带六边形盲孔:

                                        ‹ 左右滑动查看 3 张视图 ›

                                        OpenViking + Codex 检索结果:无法确认

                                        仅保留正交六视图

                                        型号 1 / 2 的正交六视图一致

                                        加上轴测八视图后,Agent 从轴测图中识别出内壁的六边形凹孔,直接给出答案:

                                        ‹ 左右滑动查看 4 张视图 ›

                                        OpenViking + Codex 检索结果:
                                        直接定位型号 2

                                        正交六视图 + 轴测八视图

                                        型号 1

                                        型号 2

                                        再细节的差异也能被3D内容理解模型捕捉,Agent都能检索到。

                                        PMI信息如何用|提供零件规格,实现精准定位

                                        PMI(Product and Manufacturing Information,产品制造信息)是 3D 模型中附带的尺寸、公差、材料、工艺等制造信息。以一个基础安装座为例:

                                        安装底座模型

                                        PMI&模型对应关系图

                                        OpenViking的3D内容理解模型可以对3D结构的全部PMI信息进行理解,同时区分几何、尺寸、公差、装配、工艺五个部分,自动加工到Summary.md文件中,供Agent按需读取。

                                        ‹ 左右滑动查看 5 张视图 ›

                                        几何

                                        尺寸

                                        公差

                                        装配

                                        工艺

                                        当你需要找到一个精确尺寸的零件,可以问Agent:“找一个底板厚2cm,带4个直径6.6 mm安装孔的底座”,Agent 会定位到「基础安装座标品.step」,逐项对照你的要求列出零件参数——板厚 20 mm(±0.05 mm)、4 个贯通底板的安装孔、孔径 Ø6.6 mm(±0.1 mm),并标明信息来源。

                                        OpenViking导入

                                        OpenViking + Codex检索

                                        再复杂的规格参数也都能被Agent读懂并找到。

                                        最后

                                        OpenViking 作为业内首个理解三维世界的 Agent 上下文数据库产品,能够完整准确理解3D模型的所有细节特征和规格参数,实现精准检索。看得见内部结构,也能读懂规格参数。现在接入,点击阅读原文即刻使用。


                                        🚀 上手试用,前 50 文档免费

                                        volcengine.com/product/openviking-service

                                        🌟 开源 OpenViking:访问 GitHub 仓库,为我们点亮一颗 Star!

                                            github.com/volcengine/OpenViking

                                        ❓三分钟测出你是哪种 Agent 饲养员选择属于你的 OpenViking

                                        https://blog.openviking.ai/post/should-you-use-openviking/

                                        💬 加入飞书交流群&微信群!

                                        点击「阅读原文」立即体验👇

                                        阅读原文

                                        跳转微信打开

                                        ❌