最好用的AI工具
精品文章
2,234 個結果
Hi3D 1.0 – Math Magic 開源的國產 AI 3D 生成模型
Hi3D 1.0是什麼 Hi3D 1.0 是 ...
Seedance 2.5 4K – 火山引擎推出的高端版視頻生成模型
Seedance 2.5 4K是什麼 Seeda...
CleanYourTV 安裝教程 – 去除電視廣告、精簡預裝應用
現在打開電視想看個節目，有...
Hy-Nomas – 騰訊混元團隊開源的交互式視頻世界生成模型
Hy-Nomas是什麼 Hy-Nomas 是...
ZCode辦公模式實測 – 對賬、批量分析財報一個工具全搞定
大家發現沒有，最近AI圈開始...
WorkForge – 騰訊聯合復旦推出的智能體訓練環境構建框架
WorkForge是什麼 WorkForge是...
書生-A1.5 – 上海 AI Lab 開源的通專融合科學智能體
書生-A1.5是什麼 書生-A1.5（...
Claude Duet – Anthropic 推出的個人 AI 智能體
Claude Duet是什麼 Claude Du...
Agensh – 微軟研究院推出的多智能體協作框架
Agensh是什麼 Agensh是微軟研...
Eleven Realtime – ElevenLabs 推出的語音Agent模型系列
Eleven Realtime是什麼 Eleve...
DeepSeek V4.1 Flash 1017 實測 – 幾句話生成完整項目
最近 DeepSeek 更了新模型，DeepSeek-V4.1-Flash-1017，一更新就登上了兩大排行榜榜首。 名字拉跨模型榜首： 開源模型榜首： 這次DeepSeek-V4.1-Flash-1017 官方打的是許願式編程的旗號，那是不是真的能幾句話出項目呢？實測一波不就知道了。 01. 模型實測 官方說 DeepSeek V4.1 Flash 1017 通過基於自反饋的強化學習（RL）訓練技術，提升了在遊戲開發、3D 建模等方面從零開始構建完整項目的能力，能夠支持實現更多許願式編程任務及項目開發請求。 說人話就是有了少量提示詞出完整項目對的能力，我們今天就用幾句話的提示詞來試試。 case 1 超光速穿梭網頁 提示詞：製作一個名爲 HYPERSPEED 的全屏交互網頁，使用 Three.js 實時繪製穿梭於霓虹高速公路的第一人稱場景。黑色背景，青色與洋紅色燈帶沿道路兩側延伸，車輛燈軌不斷經過鏡頭。按住鼠標或手機屏幕時，行進速度逐漸提高，燈軌拉長，鏡頭視野擴大；鬆開後平滑恢復。提供三種可切換配色，以及速度和光軌密度控制。頁面只保留簡潔標題、操作提示和底部控制欄。動畫由代碼實時生成，不使用背景視頻。 長按加速時，燈軌、視野、速度讀數和操作提示都會跟着變化，三種配色及參數調節也能正常使用，畫面的空間感已經出來了。 case 2 產品爆炸拆解 提示詞： 製作一個機械鍵盤的交互式產品展示網頁，使用 Three.js，通過基礎幾何體生成鍵盤模型。 初始顯示完整鍵盤，採用深灰色外殼、米白色鍵帽和橙色 Esc 鍵。滾動頁面時固定展示區域，讓鍵帽、軸體、定位板、電路板、消音棉和底殼依次分離，形成清晰的立體爆炸圖。 各層分離時出現名稱與引導線。繼續滾動，所有部件重新組裝；反向滾動時動畫能夠連續倒放。提供鼠標拖動觀察角度的功能，整體採用簡潔的工業產品展示風格。 滾動拆解完成得比較完整。六層結構依次展開，名稱和引導線跟着部件移動，繼續滾動還能重新組裝。鍵帽字符、定位板開孔和電路板走線也有體現。 case 3 3D 懸浮銀行卡輪播 提示詞： 製作一個全屏 3D 銀行卡展示網頁，純黑背景，五張不同材質的虛構銀行卡圍繞一個不可見的橫向圓柱排列。 中央卡片正對觀衆，其餘卡片沿圓柱向後旋轉，呈現透視和遮擋關係。支持拖動切換，鬆手後帶慣性並自動吸附到最近一張。鼠標移動時，中央卡片輕微傾斜；點擊可翻到背面，再次點擊恢復。 卡片有可見厚度、金屬芯片、虛構卡號和背面磁條。用 CSS 漸變生成鐳射、磨砂和金屬質感，不使用視頻或卡片截圖。 銀行卡輪播的細節完成得比較好。五張卡片各有不同紋理，翻面後也有完整的磁條和簽名欄。拖動時能感受到慣性與自動吸附，快速甩動和停頓後鬆手會得到不同結果。 case 4 鼠標探照燈 提示詞： 製作一個名爲「地層之下」的全屏交互網頁。 默認畫面是一片安靜的山地景觀。鼠標移動時，一個邊緣柔和的圓形探照燈跟隨光標，光圈內顯示對應位置的地下剖面，包括岩層、晶體和化石，光圈外仍然顯示地表。 地表與地下畫面使用 SVG 或 Canvas 繪製，空間位置保持對應。光圈帶少量跟隨延遲，滾輪可調整大小。前景加入簡潔標題、說明和探索按鈕，手機端支持手指拖動探照燈。 探索過程做得比較完整。移動光圈能揭開山體內部的岩層，靠近化石和晶洞時會出現對應標註，按鈕還能自動帶着瀏覽三處標本，山巒、薄霧和儀器刻度形成了統一的視覺風格。 case 5 海報風動態首頁 提示詞： 製作一個名爲 BEYOND 的創意工作室首頁，採用橙色背景、超大白色標題，以及淺綠和淺藍的錯位文字疊層，呈現復古立體海報效果。 首屏中央繪製一個原創 SVG 抽象角色，讓角色遮住部分標題，形成前後層次。頁面兩側排列大號關鍵詞，滾動時從兩側逐漸向中央移動，同時提高透明度。 下一屏是一條白底橙字的無縫滾動文字帶。 桌面端構圖大膽，手機端重新安排文字與角色的位置，保持標題清楚可讀。 海報風格比較鮮明。橙色背景、錯位大字和獨眼角色形成了統一構圖，滾動時兩側關鍵詞向內移動，接着進入白底橙字的跑馬燈區域，視覺演示已經比較完整。 case 6 液態漸變首頁 提示詞： 製作一個名爲 FLUID 的全屏交互首頁。 背景由五個緩慢運動的彩色色團組成，採用深藍、青色、珊瑚橙和少量紫紅。色團接近時像黏稠液體一樣融合，分離時自然拉伸。增加一個跟隨鼠標的色團，讓用戶能用光標影響畫面。 使用 SVG 濾鏡、CSS 或 Canvas 實現實時效果。提供暫停、運動速度和配色切換功能。前景放置清晰的大標題、簡短介紹及兩個按鈕，背景運動時仍保持文字可讀。 液態背景和控制面板都做出來了。鼠標能作爲額外的色團參與畫面，暫停、調速、換色和擾動按鈕也都有實際反饋。說明彈窗還能保留原先的播放狀態，細節比較完整。 實測總結：
DeepInfer – DeepSeek 開源的生產級推理框架
DeepInfer是什麼 DeepInfer 是 DeepSeek 開源的生產級推理框架，源自 vLLM，支持 V4.1 Flash，可運行於英偉達 SM100 與華爲昇騰 950。DeepInfer 採用 PD 分離部署，靠 3FS 緩存集羣實現 96% 輸入命中、Prefill 提效 25 倍，SWA Bounded Replay 令 Prefill 計算量減半，DSpark 投機解碼再提吞吐 6%，線上單集羣日處理 155 萬億 Token。同步開源的 deepseek-recipe是生產級 Token 編解碼組件，負責統一 Chat Completions、Responses、Messages 三種 API 格式，處理注入防護、並行分詞與流式輸出，使自部署模型的接口表現與官方 API 完全一致。 DeepInfer的主要功能 分佈式推理：支持注意力數據並行、上下文並行及 MoE 專家並行，支撐單集羣日處理 155 萬億 Token 的大規模生產服務。 跨硬件平台兼容：同時支持英偉達 SM100 GPU 與華爲昇騰 950 NPU，覆蓋兩大算力生態。 長上下文高效處理：通過 SWA Bounded Replay 將緩存未命中的重算成本壓縮到固定 128 個 Token，與上下文長度和層數解耦。 推測解碼加速：集成自研 DSpark 與置信度驗證調度，讓模型一次推進多個 Token，顯著提升生成吞吐。 負載均衡調度：動態均衡專家與請求的分佈，線上最繁忙的卡僅高出平均負載 9%。 緩存複用：依託 3FS 存儲集羣實現 96% 的輸入緩存命中率，Prefill 吞吐提升約 25 倍。 DeepInfer的技術原理 PD 分離部署：推理分爲 Prefill 與 Decode 兩個階段：Prefill 一次性處理數萬 Token 的輸入，是計算密集型；Decode 逐 Token 生成，受限於顯存帶寬讀取。DeepInfer 將兩者部署在不同硬件上，Prefill 用常規 8 卡服務器，Decode 用 64–128 卡超節點，兩類機器數量按約 1:1 配置，使各自按最優硬件特性運行。 前綴緩存體系：Agent 場景下每次工具調用都會重發完整歷史，其中大部分內容已計算過。系統只緩存從首 Token 起完全一致的前綴，命中部分直接複用 KV Cache，僅計算新增部分。緩存存放於獨立的 3FS 分佈式存儲集羣，用 128 Token 爲塊寫入，Agent 流量保留 3 天、聊天流量保留 7 天。 SWA Bounded Replay：V4.1 Flash 的部分層採用滑動窗口注意力，每個 Token 只關注最近 128 個 Token，這部分 KV Cache 不寫入硬盤、僅駐留在計算機器的內存中。未命中時舊方案需按”層數 × 窗口長度”精確重算，V4.1 改爲只重算最後 128 個 Token、且注意力僅在這 128 個內計算，得到近似窗口緩存，重算成本固定。 DSpark 推測解碼與異步調度：由輕量草稿模塊先連續猜測 5 個 Token，再由目標模型批量驗證，猜對的直接採用、首個猜錯處由大模型糾正，一步計算即可推進多個 Token。置信度頭預估各猜測被接受的概率，低可能性的不再驗證、把算力讓給其他請求，相比固定驗證 5 個的方案線上吞吐提升 6%。同時 CPU 調度第 N+1 步與 GPU 計算第 N 步重疊執行，消除 GPU 在調度間隙的空轉。 微信關注回覆“開源”，加入AI開源項目交流羣 如何使用DeepInfer 確認環境前置條件：Linux 系統，GCC ≥ 13.0、Python 3.12，NVIDIA 平台需 CUDA 13，昇騰平台需 CANN 9.2。 克隆倉庫：git clone https://github.com/deepseek-ai/DeepInfer 並進入目錄。 創建乾淨環境：新建並激活一個空的 Python 3.12 虛擬環境，避免依賴衝突。 選擇硬件平台並編譯：運行 export DEEPINFER_ACCELERATOR=nvidia（昇騰用 ascend）後執行 ./build.sh 從源碼構建，注意該環境變量需在後續運行環境中保持生效。 準備模型權重：默認首次運行會自動從 Hugging Face 下載 deepseek-ai/DeepSeek-V4.1-Flash-1017，或用 export DEEPINFER_HF_MODEL_DIR=/path/to/DeepSeek-V4.1-Flash-1017 指向本地副本。 運行離線推理示例：執行 python examples/offline_inference.py 啓動推理，更多用法參考倉庫 examples 目錄。
海外爆火的 Personal Agent 爲何在中國走不通？
最近，Personal Agent 在大洋彼岸掀起一股熱浪。 8月11日，馬斯克的 xAI 發佈 Grok Bot，上線一個月後，周用戶達到 41.8 萬。 9月8日，Meta 推出 Muse，兩週就直接登頂美區 iOS 免費榜，次周留存率更是打破了今年所有工具類產品的增長紀錄。 9月28日，Manus 團隊發佈 Cue；9月29日，OpenAI 緊隨其後發佈 dots，在發佈會上提出顛覆性的 always-on agents 概念。 AI 幫我們訂餐、安排行程、管理郵件、找維修服務，這些能力看起來確實很驚豔。 但國內卻是另一番景象。 前陣子，字節的豆包手機助手，也搞一套可以幫用戶自動去淘寶下單、去美團點外賣的全套 AI 智能體玩法。 他們出了個規則，公示 30 天，讓各家 App 公司，自己聲明允許或拒絕能被豆包 AI 代替用戶自動操作。 結果 30 天公示期滿，包括微信、支付寶、淘寶、美團、拼多多、滴滴、小紅書等超過 150 款國內主流 App，均拒絕字節豆包通過 AI 智能體代理用戶。 一邊是海外各大巨頭密集交卷、熱度破錶；一邊是國內 150 多款國民級應用聯手築起高牆。 爲什麼海外熱捧的 Personal Agent，到了中國卻處處碰壁？ 01. Personal Agent 是什麼 第一次聽到 Personal Agent 的朋友可能還不是很瞭解，我們先看一個日常生活場景： 假設我們下週要去上海出差，我們打開 AI 聊天工具，比如 ChatGPT，輸入： 幫我做一份三天的出差安排。 AI 很快能給我們一份方案：建議坐哪班飛機、住在哪個區域、每天怎麼安排。 但關掉對話框，我們還要自己打開訂票軟件覈實價格，查看酒店是否有房，檢查時間是否與會議衝突，再一項項完成預訂。 AI 可以幫我們想好方案，事情還得我們自己辦。 Personal Agent，也就是個人智能助理，可以在獲得我們的授權後，直接使用工具和服務，替我們把事情推進下去。 同樣的情況，Personal Agent 會先檢查我的日程，再查機票、比較酒店，把符合要求的組合提交給我們確認。 我們選定後，Personal Agent 繼續完成預訂流程，將行程加入日曆。 我們只用交代目標和要求，Personal Agent 承擔後續搜索、比較、填寫和跟進的工作。 簡單來說就是，ChatBot 給我們答案，Personal Agent 可以替我們辦事。 Personal Agent 商業模式的本質，是買斷我們原本花在瑣事上的時間和精力。 在海外這個商業邏輯順理成章。爲什麼到了中國市場卻走不通了？ 02. 爲什麼在中國走不通 先問大家一個現實的問題：如果每個月花錢請一個 AI 助理，你願意付多少錢？ 對於一個靠項目收費的獨立顧問，AI 每週幫他省出幾個小時，他可能就能多接一個客戶。 但對於一個拿固定工資的上班族，同樣省出幾個小時，收入未必增加，工作也未必減少。 兩個人都覺得產品好用，最後卻可能只有一個人願意付錢。 Personal Agent 的生意，首先要找到那些既需要它，又能從中持續獲益的人。 海外的熱度，說明這類人羣基數已經足夠大。但這不代表，把產品搬到中國，面對十幾億人口，就能自然獲得一個更大的付費市場。 我們拆開人口結構、勞動力、產業與全球角色的四重現實，就會發現中國市場的死結所在。 人頭很多，但願意買單的有效人羣太少 年輕人能很快的學會使用，但對價格敏感。 現有的免費 AI 已經能滿足寫簡歷、規劃行程等日常需求，很難讓他們再額外爲 Personal Agent 付錢。 中年人要照顧一家老小，瑣事繁多。 但接送小孩、照顧老人這類事情，AI 只能做弱提醒，根本無法交付閉環。 銀髮族對私人助理有實際需求，但不懂操作，加上實際設置和付費的可能是子女或者服務機構，使用者與付費者產生代際割裂。 Personal Agent 更適合的，可能是那些收入較高、事務繁忙，又能自主安排工作的專業人士。但這類人羣的規模相對較小，支撐不起大衆消費級產品。 省下來的時間無法折現，還可能進一步內卷 對大多數打工人來說，用 Personal Agent 省下十個小時，並不意味着工資裏多出十個小時的錢，也不能提前十個小時下班。反而可能會接到下一個任務… Personal Agent 創造了價值，但最應該付費的是公司。 更殘酷的現實是，在中國，Personal Agent 的競爭對手不只有其他 AI，還有極度發達的外賣、跑腿、客服，以及只用幾次點擊就能完成任務的成熟 App。 人工服務越廉價便捷，個人助理的價值折損就越嚴重。 無法直接帶來增量收入的省心，在消費賬單裏毫無競爭力。 用戶想一句話辦完，平台只想守住流量和廣告 Peersonal Agent 替用戶比價代購
Claude Opus 5.5 視頻教程 – 附萬能提示詞模板與 GitHub 項目
最近，X 上出現了很多百萬播放的 Claude Opus 5.5 視頻作品。 kirill 的動效作品集，有 190 萬播放。 Donald 重製的《Claude Pop》MV，有 390 萬播放。 對做內容的人來說，這真的是史詩級別的技能提升，各種視頻都能不用視頻模型就能出了：可以給文章做一段動畫解釋，爲軟件錄一支宣傳片，或者把準備好的配音稿做成視頻。 過去需要逐個調整的字幕、圖形和轉場，現在都可以把要求交給 Claude Oups 5.5。 還沒試過的可以用我的萬能提示詞試試，我還給大家找了幾個 GitHub 上的的提示詞項目供大家參考。 01. Claude Opus 5.5 怎麼做視頻 Claude Opus 5.5 做視頻，不是代表這個模型已經變成了視頻模型。Claude Opus 5.5 還是隻能看文字和圖片，並輸出文字。 視頻畫面都是由代碼實現的，Claude Opus 5.5 寫好代碼，代碼在瀏覽器裏做出畫面，連續畫面達到 24 張每秒後，就會讓眼睛看到連續的畫面，最後再交給別的程序把畫面拍成視頻即可。 所以大家只需要輸入提示詞，其他的都交給 Claude Opus 5.5 即可。 我們來試着做一支普通人能看懂的諾獎科普動畫 2026 年諾貝爾物理學獎，授予弗朗西斯·哈爾岑，表彰他對冰立方中微子天文台的決定性貢獻，以及發現具有天體物理起源的高能中微子。 普通人一般都不懂這個方面，我們看看 Claude Oups 5.5 是如何做出普通人都能看懂的視頻的。 提示詞： 請製作一支中文科普動畫，介紹 2026 年諾貝爾物理學獎。 你同時擔任科普編導和動畫開發者。 【觀衆與目標】 觀衆沒有大學物理基礎。看完應該能解釋： 中微子爲什麼難以探測；冰立方怎樣探測中微子； 這項研究爲什麼能幫助我們瞭解宇宙。 建議標題：《2026 諾貝爾物理學獎：南極的冰，怎麼幫我們觀察宇宙？》 時長約 150 秒，中文旁白約 450～550 字，留出觀看動畫的時間。 橫屏 16:9，1920×1080，30 fps，中文旁白與中文字幕。 用 HTML、CSS 和 JavaScript 製作二維示意動畫，使用 HyperFrames 渲染。 【事實與資料】 2026 年諾貝爾物理學獎授予弗朗西斯·哈爾岑（Francis Halzen）， 表彰他對冰立方中微子天文台的決定性貢獻， 以及發現具有天體物理起源的高能中微子。 製作前閱讀並覈實以下資料： https://www.kva.se/en/news/the-nobel-prize-in-physics-2026/ 獲獎者、年份、獲獎原因以官方資料爲準。 具體數字和歷史日期逐項覈實，無法覈實的內容省略。 體現哈爾岑的構想與領導作用，也說明國際團隊的共同貢獻。 【分鏡安排】 第一幕，約 0～12 秒：從南極地表向下移動， 顯示冰層中成串的傳感器。 開場旁白：「南極的冰層下面，藏着一台用來觀察宇宙的儀器。」 第二幕，約 12～25 秒：顯示哈爾岑姓名、2026 年諾貝爾物理學獎， 以及冰立方的簡化示意圖，用兩句口語說明獲獎原因。 第三幕，約 25～50 秒：用小圓點和軌跡表示中微子穿過物體。 解釋中微子是極小、不帶電的粒子，很少與物質發生相互作用， 因此難以留下可探測的信號。 畫面註明：粒子大小和運動速度爲示意。 第四幕，約 50～75 秒：用剖面圖展示透明的深層冰和光傳感器。 解釋探測需要很大的體積，透明的冰能讓微弱的光傳播到傳感器。 把傳感器畫在多根垂直線纜上，體現三維分佈，註明數量經過簡化。 第五幕，約 75～110 秒：放慢探測過程，按順序展示： 中微子進入冰層 → 極少數中微子與原子核發生相互作用 → 產生帶電粒子 → 帶電粒子運動時產生微弱的切倫科夫光 → 附近的光傳感器記錄這些光。 每一步配一句短旁白，前一步解釋完再出現下一步。 第六幕，約 110～135 秒：讓不同位置的傳感器依次亮起， 顯示記錄到的光信號，再用簡化箭頭展示分析後的來向。 解釋科學家根據光到達的位置、時間和強弱，估算中微子的來向與能量。 提一句分析需要排除來自地球大氣等背景的干擾。 把畫面拉回宇宙，說明高能中微子幫助研究遙遠宇宙中的高能過程。 第七幕，約 135～150 秒：重放完整過程： 宇宙中的高能過程 → 中微子 → 冰層中的相互作用 → 光傳感器記錄 → 科學分析。 用一句自然的旁白收尾，片尾顯示簡短資料來源。 【畫面與講解】 米白背景、深灰文字，冰層用淺藍色。 中微子用橙色，帶電粒子用綠色，光用藍色，保留簡短圖例。 用移動、穿過、局部放大和依次亮起展示過程。 每個鏡頭只引入一個新概念，複雜步驟放慢。 旁白使用短而完整的句子，術語第一次出現時立即解釋，儘量不用公式。 屏幕文字只保留關鍵詞和必要標籤
CleanYourTV – 開源的電視廣告去除工具，垃圾軟件全清空
CleanYourTV是什麼 CleanYourTV 是開源的電視優化工具，通過 Wi-Fi 用 ADB 連接安卓電視，藉助 Claude Code 等 AI Agent 自動識別並停用廣告、數據上報和預裝臃腫軟件，同時安裝仿 Apple TV 風格的簡潔桌面。全程無需 Root、不卸載應用，操作前自動備份，可一鍵恢復。CleanYourTV 支持 92 款型號、16 種語言，桌面僅 370 KB，無需 Root 和卸載應用，操作前會備份系統設置，可隨時一鍵恢復，目前已支持二十多個電視型號。 CleanYourTV的主要功能 無線清理電視：通過 Wi-Fi + ADB 連接電視，無需 root 即可遠程操作。 停用廣告與追蹤：用 pm disable-user 命令停用廠商預裝的廣告應用、遙測和內容推薦服務。 更換極簡桌面：安裝約 300KB 的原生 Launcher，（風格類似 Apple TV），替換滿是贊助內容的原生桌面。。 AI 助手驅動：只需把 PROMPT.md 粘貼給 Claude Code、Codex 或 Gemini CLI，約 15 分鐘自動完成全流程。 豐富預置清單：內置約 80 份分型號軟件包清單，覆蓋 TCL、小米、Sony、Hisense、Philips 等 28 個品牌。 一鍵備份恢復：動手前自動備份軟件包狀態，恢復腳本可完整還原原廠界面和設置。 微信關注回覆“開源”，加入AI開源項目交流羣 如何使用CleanYourTV 克隆項目：從 GitHub 拉取 gathin/clean-your-tv 倉庫到本地電腦。 連接同一 Wi-Fi：確保電腦和電視接入同一網絡，在電視的”設置→關於→版本號”連按 7 次開啓開發者模式。 開啓 ADB 調試：在電視的”開發者選項”中打開”網絡 ADB 調試”，記下電視的 IP 地址。 配置連接：編輯項目中的 config.yaml 或在 AI 助手指令中填入電視 IP、品牌型號等信息。 啓動 AI 助手：把項目裏的 PROMPT.md 內容粘貼給 Claude Code、Codex 或 Gemini CLI 並讓它開始執行。 自動備份：腳本會先創建軟件包狀態備份（存爲 JSON 文件），確保後續可完整還原。 停用廣告組件：助手按清單用 adb shell pm disable-user 停用預裝廣告、遙測和推薦服務。 安裝極簡桌面：按需安裝約 300KB 的 CleanYourTV Launcher，替換原生廣告桌面。 驗證效果：重啓電視，確認廣告消失、新桌面正常、常用 App 不受影響。 CleanYourTV的核心優勢 零硬件成本：只需電視和電腦連同一 Wi-Fi，通過 ADB 無線操作，無需 U 盤、刷機盒或外接設備。 無需 root、風險可控：採用 pm disable-user 停用而非卸載系統應用，隨時可一鍵恢復，安全性遠高於刷機。 AI 零門檻操作：用戶無需懂命令行，把 PROMPT.md 粘貼給 Claude Code 等助手可自動完成。 覆蓋品牌廣：內置約 80 份分型號清單，覆蓋 TCL、小米、Sony、Hisense 等 28 個 Android TV 品牌，開箱即用。 極致輕量桌面：替換的原生 Launcher 僅約 300KB，無廣告、無預裝，低內存老電視也能流暢運行。 CleanYourTV的項目地址 項目官網：https://cleanyour.tv/ GitHub倉庫：https://github.com/Gathin23/cleanyourtv CleanYourTV的應用場景 給父母/長輩的電視”去廣告化”：電視開機先播贊助廣告才能進 Netflix，清理後老人操作更清爽。 老電視/低配盒子煥新提速：1GB 內存的老設備停用後台遙測和預裝服務後運行明顯流暢。 極簡主義客廳娛樂中心：用 Apple TV 風格的極簡桌面替換繁雜的推薦信息流， dock 只保留 Netflix、YouTube 等常用應用，迴歸”打開即看”的電視本質。 隱私敏感用戶的家庭網絡淨化：停用廠商遙測和數據收集服務，配合 Private DNS 攔截追蹤域名，減少家庭觀看數據被上傳。 修復電視越用越卡的問題：停用偷跑後台的系統組件，讓卡頓的電視恢復流暢。
用豆包工作做 IP 形象教程 – 頭像、變體、表情包一次搞定
不管是做自媒體，還是打造產品、品牌，一個有辨識度的原創 IP 形象，都能讓人更容易記住你。 以前想做一套專屬 IP，從找設計師溝通、出方案，到摳細節、做延展，少說也得花上個把星期。 最近發現 GitHub 上一個拿到 6k 星的 ip-as-logo-skill 技能，搭配豆包工作，兩句話就能生成一套極簡、可愛的原創 IP 頭像。 我們還能在此基礎上延展出全套打工人表情包。 更實用的是，我們可以把自己調好的設計標準沉澱成專屬 Skill，以後一句話就能反覆調用！ 下面把完整做法分享給大家。 01. 用 AI 畫爆款 IP 頭像 安裝 Skill 我們打開豆包工作，在輸入框中輸入： 幫我安裝 GitHub 上的 ip-as-logo-skill 技能。 豆包工作會在 GitHub 上查找技能倉庫，確認來源和內容無誤後自動完成安裝。 調用 Skill 安裝成功後，我們輸入“/”，在彈出的技能列表中選擇 Ip as Logo。 Ip as Logo Skill 的精髓在於把設計的審美變成了可以執行的標準，如何構圖、輪廓、如何配色…還有專爲頭像優化的角落探頭構圖，保證縮到微信小圓圈裏依然一眼可認。 我們在輸入框喚出技能，讓豆包工作設計一隻三花貓的 IP 角色。 豆包工作會按照 Skill 的設計規範，列出三個不同的設計方向，供我們選擇。 我們確認設計方向後，豆包工作生成了一組小三花貓的 IP 頭像候選圖。 畫面極其乾淨，色塊分明，簡單的線條輪廓，貓咪萌萌的形象，非常可愛。 我們選中一個覺得不錯的 IP 形象，還可以繼續讓豆包工作生成變體。 定製自己的 Skill 有了核心 IP 頭像，日常運營還需要配套的視覺資產。 我們讓豆包工作基於剛剛生成的 IP 形象，繼續衍生日常打工表情包。 我們繼續讓豆包工作給圖片配上文字，並將字號、排版調整到合適比例。 調整到合適的比例之後，我們可以讓豆包把這一套製作標準打包成一個專屬 Skill。 豆包工作會自動將我們之前列出的要求提煉爲結構化 SOP，存入我們的技能庫，命名爲 sticker-pack。 定製好技能後，我們拿新角色驗證一下。先用 Ip as Logo 技能做出新頭像。 再調用表情包 Skill 生成表情，豆包工作會自動按照剛纔沉澱好的標準，一鍵輸出符合相同視覺規範的表情包！ 原本繁瑣的長流程，兩句話搞定。 02. 一些分享 技能把某個專業領域的成熟經驗、流程規範和交付標準封裝成標準化 SOP，讓專業方法隨時被一鍵喚醒。 今天是畫 IP 頭像，明天可以是公衆號排版規範、財務報表清洗、行業週報撰寫、社媒數據分析。 通過補充不同技能，讓豆包工作可以幫我們完成更多專業工作。 經常使用的格式、標準和工作步驟可以沉澱下來，後續任務複用，減少每次從頭組織提示詞的負擔。 一個人也更容易推進完整項目。 網頁搜索下載豆包工作下載電腦端，最多可以領六十天會員，第一次可領取三十天，結束後可再領三十天。（已經下載過豆包工作，領過30天會員的友友們，到期後可以在電腦端內再領三十天） 原文鏈接：兩句話做出原創 IP，豆包工作這套玩法建議收藏
FLUX 3 Max – fal 與 Black Forest Labs 推出的視頻生成模型
FLUX 3 Max是什麼 FLUX 3 Max 是 fal Research 與 Black Forest Labs 聯合推出的後訓練視頻模型，支持文生視頻、圖生視頻與關鍵幀插值，可生成5–20秒、720p/1080p、帶原生音頻的視頻。FLUX 3 Max 主打極致速度，10秒成片約12秒生成，官方稱同畫質下比 Seedance 2.5 快22倍。 FLUX 3 Max的主要功能 文生視頻：一句話提示詞可生成 5–20 秒的完整視頻片段。 圖生視頻：輸入參考圖作爲起始幀，可選指定結束幀，實現首尾幀之間的受控生成。 音畫同步：原生生成配套音頻與人物口型對話，無需後期配音合成。 Draft 草稿模式：極低成本快速出預覽稿，確認後同提示詞一鍵渲染爲全質量成片。 極致速度：10 秒視頻約 12 秒生成，官方稱同畫質下比 Seedance 2.5 快 22 倍。 靈活輸出：720p/1080p 兩檔分辨率，通過 fal 等平台統一 API 調用。 FLUX 3 Max的技術原理 多模態統一底座：FLUX 3 Max 基於 Black Forest Labs 的 FLUX 3 基礎模型，後者將多模態生成與理解整合在同一底層架構中，圖像、視頻、音頻、文本共享一套表示空間，各模態能力互相增強。 Self-Flow 對齊方法：相比傳統 Flow Matching，Self-Flow 在各模態上的生成誤差更低，且經微調後在四組操控任務上的成功率更高，更易被精確控制。 後訓練效率特化：”Max”版本是 fal Research 與 BFL 在 FLUX 3 底座上做的後訓練版本，目標是推理效率：通過蒸餾等手段大幅減少採樣步數與計算開銷，在畫質基本無損的前提下把延遲壓低。 生態化推理部署：經 fal 統一 API 輸出，同時接入 Comfy、OpenRouter、Runware、HeyGen 等 17 家平台，配合 Draft 模式的先草稿後精修工作流，把創作端的試錯成本一併壓低。 如何使用FLUX 3 Max 打開入口：訪問 fal 官網，註冊或登錄賬號，或 Black Forest Labs 官網 https://bfl.ai/。 選擇模式：選文生視頻（純提示詞）、圖生視頻（上傳起始幀圖）或關鍵幀插值（首尾幀）。 輸入素材：文生視頻填寫提示詞，圖生視頻上傳圖片，可選配結束幀控制鏡頭走向。 設置參數：設定時長（5–20 秒）、分辨率（720p/1080p）及是否同步生成音頻。 先試草稿：用 Draft 模式跑一版低成本預覽，確認構圖和動作滿意後再渲染全質量成片。 API 接入：生產環境通過 fal 統一 API 調用（文檔見 fal.ai/docs），可走 Comfy、OpenRouter、Runware 等第三方接入。 FLUX 3 Max的核心優勢 質量第一梯隊：在獨立第三方 Artificial Analysis 圖生視頻榜單上並列第一（Elo 約 1138 分）。 價格最低檔：號稱同質量級別最便宜的前沿視頻模型。 音畫一體：原生同步生成音頻與口型對話，無需後期配音。 Draft 模式省成本：先低成本出預覽稿，確認後再渲染全質量，試錯費用大幅壓縮。 輸入靈活：支持文生視頻、圖生視頻、首尾關鍵幀插值三種工作流。 FLUX 3 Max的項目官網 項目地址：https://bfl.ai/models/flux-3-video#flux-3-max FLUX 3 Max的同類競品對比 對比維度 FLUX 3 Max MiniMax H3 產品定位 前沿模型的速度特化版，主打”最快” 通用音畫生成旗艦，主打”最全” 生成時長 5–20 秒 4–15 秒 分辨率 720p / 1080p 直出 768p 直出，2K 需二次再生 音頻能力 原生音頻 + 人物對話 原生 32kHz 立體聲 + 口型同步 生成速度 10 秒視頻約 12 秒生成 標準隊列速度（快版需選 H3 Max 變體） 榜單表現 圖生視頻並列第一（約 1138 Elo） 圖生視頻約 1140 Elo，略壓一頭 參考輸入 圖片、首尾關鍵幀 多模態參考：最多 9 圖 + 3 視頻 + 3 音頻 開放權重 否，僅 API 是，H3-Base 已上傳 Hugging Face FLUX 3 Max的應用場景 電商與虛擬試穿：上傳商品圖或模特圖生成動態展示視頻，替代傳統拍攝做詳情頁和廣告素材。 廣告與品牌營銷：Logo 動態演繹、產品質感鏡頭一鍵生成，品牌方無需傳統制作週期即可上新 campaign。 影視分鏡與預演：劇本文字直接轉動態分鏡，導演
懂了鴨 – 騰訊推出的 AI 趣味學習社區
懂了鴨是什麼 懂了鴨是騰訊推出的AI趣味學習社區，面向親子用戶和一線教師開放。懂了鴨以奇妙卡爲核心載體，把繪本、動畫、動態課件、輕量遊戲等知識內容做成可拖拽、可模擬、可操作的交互形式，覆蓋親子互動、K12課堂和課外探索三大場景。內置AI Agent，輸入一句話或語音即可生成繪本、遊戲、3D內容，支持改編社區作品二次創作。 懂了鴨的主要功能 AI 生成內容：輸入一句話或語音，可生成繪本、動畫、動態課件、3D 模型和記憶卡等互動內容。 奇妙卡交互：以奇妙卡爲核心載體，提供可拖拽、可模擬、可操作的交互形式，如槓桿模型、電場模擬、火箭發射流程等。 遊戲化學習：內置單詞消消樂、情境闖關、五子棋等輕量遊戲，降低知識記憶門檻，邊玩邊學。 AI 伴學互動：支持語音對話和上傳錄音素材，可與 AI 進行探討式、啓發式學習。 靈感牆與改編：預置選題靈感牆，也支持對社區已有作品一鍵改編，進行個性化二次創作。 社區分享：作品可發佈到社區、下載，或分享給微信/QQ 好友，實現內容共創與傳播。 如何使用懂了鴨 進入產品：微信搜索並打開懂了鴨AhaDuck小程序，或訪問官網 https://dongleya.qq.com 掃碼登錄。 逛社區：在首頁瀏覽精選的”奇妙卡”互動內容（如火箭發射模擬、蘇州博物館光影庭院等），點開即玩。 AI 創作：在聊天輸入框用一句話描述想法，或直接語音對話、上傳錄音和素材，讓 AI 生成繪本、動畫、課件或小遊戲。 編輯改編：對 AI 生成的作品進行調整優化，可改編社區裏別人的作品做二次創作。 發佈分享：滿意後將作品下載、發佈到社區，或分享給微信/QQ 好友一起體驗。 懂了鴨的核心優勢 交互形態獨特：以奇妙卡爲載體，把知識做成可拖拽、可模擬、可操作的內容，讓抽象概念變得可觀、可觸、可探，貼合少兒具象化學習特點。 AI 創作門檻低：內置 AI Agent，一句話或一段語音可生成繪本、動畫、課件、3D 內容，大幅降低互動內容的製作門檻。 場景覆蓋全面：同時面向親子互動、K12 課堂教學和課外探索三大場景，家長、教師、知識創作者都能使用。 社區共創機制：靈感牆提供預置選題，作品可發佈、分享和改編，形成”AI 降門檻 + 社區做分發”的 UGC 內容生態閉環。 懂了鴨的同類競品對比 對比維度 懂了鴨（騰訊） 豆包愛學（字節跳動） 產品定位 AI 互動內容社區：把知識變成”可觀、可觸、可探”的互動作品 AI 學伴工具：聚焦”解題—批改—答疑”的學習閉環 核心載體 奇妙卡：可拖拽、可模擬、可操作的交互式內容單元 AI 老師：動態板書演示 + 語音互動 + 分步講解 內容方向 親子互動繪本、課堂實驗模擬（槓桿、電場）、課外探索（博物館、陶藝）、小遊戲 拍照答疑、作業批改、錯題分析、作文輔導、口算練習 AI 模型底座 騰訊自研大模型（未公開細節） 豆包大模型 + 火山引擎 OCR，公式識別準確率 98.7% 目標用戶側重 親子共學 + 教師製作課件 + 少兒內容創作者 中小學生自主學習（課內提分導向），含家長監控模式 一句話總結 造內容：AI 幫你做出能玩的知識 解題目：AI 幫你弄懂不會的題 懂了鴨的應用場景 親子睡前互動：家長一鍵選用互動繪本，或帶孩子體驗火箭發射、琴絃振動等模擬實驗。 K12 課堂教學：物理課拖動槓桿模型觀察受力變化，英語課用”單詞消消樂”闖關記單詞，教師可快速自制動態課件輔助教學。 課外知識探索：逛社區裏的蘇州博物館光影庭院、山谷水文觀測站、陶藝工坊等內容，點開即玩，滿足孩子好奇心。 教師/創作者備課：輸入一句話或上傳語音、文檔素材，AI 快速生成課件、3D 模型或小遊戲，從靈感牆獲取選題、改編他人作品。 孩子自主創作與分享：孩子自己動手生成繪本、動畫或小遊戲，發佈到社區或分享給微信/QQ 好友，在創作和分享中加深理解。
MiniMax M3.1 Flash – MiniMax 推出的新一代 Flash 模型
MiniMax M3.1 Flash是什麼 MiniMax M3.1 Flash 是 MiniMax 推出的新一代 Flash 模型，是匿名”Space Bunny“模型，處理超200T Token。MiniMax M3.1 Flash在 Agentic 任務、編程、Computer Use 及網絡安全方面達頂尖水平，DeepSWE 73.7%、OSWorld V2 61.7、CyberGym 82%。MiniMax M3.1 Flash已上線 MiniMax API、MPlan 和 MiniMax Code，權重稍後開源。 MiniMax M3.1 Flash的主要功能 複雜任務與自動化：在 AutomationBench-AA 位居最前列，可跨 SaaS 系統完成銷售、營銷、運營、客服、財務、HR 等企業真實業務流；BankerToolBench 得 76.2 分，擅長多步驟規劃與工具鏈式調用。 編程與軟件工程：DeepSWE v1.1 達 73.7%，能獨立完成代碼理解、功能開發、問題修復與測試驗證的長鏈路開發任務。 Computer Use：OSWorld V2 得 61.7 分、ALE 得 29.6 分，均列國產第一，可從理解任務走向真實電腦操作與交付。 網絡安全：CyberGym 達 82%，覆蓋代碼審計、漏洞修補、滲透測試、惡意代碼分析與逆向工程。 高速推理：日常使用輸出速度達 200+ TPS（P50 穩定 170+ TPS），較前代提升近 3 倍。 MiniMax M3.1 Flash的技術原理 稀疏注意力架構：M3.1 Flash 採用更激進的稀疏注意力設計，通過減少注意力計算中的冗餘交互，在保證模型對長上下文理解能力的同時顯著降低計算開銷，這是其實現 200+ TPS 高速輸出和推理速度近 3 倍提升的核心機制，也使單位 Token 的推理成本大幅下降。 Agentic 長鏈路任務執行：模型針對多步驟規劃與工具調用進行了強化訓練，使其在跨 SaaS 工作流、金融合規、軟件開發等場景中，能夠把複雜任務拆解爲連續可執行的步驟，並在執行過程中保持跨文檔、跨文件的信息一致性，在 AutomationBench、DeepSWE 等考驗真實任務閉環能力的基準上達到頂尖水平。 真實環境交互能力（Computer Use）：模型通過與真實操作系統、跨應用環境的交互訓練，獲得感知屏幕、操作軟件、調用工具並驗證結果的閉環能力，使其在 OSWorld V2 和 ALE 這類衡量”實際操作與交付。 微信關注回覆“開源”，加入AI開源項目交流羣 如何使用MiniMax M3.1 Flash API 調用：訪問 MiniMax 開放平台（https://www.minimax.cn/）註冊登錄，獲取 API Key 後按文檔將模型指向 M3.1 Flash 可調用。 訂閱 MPlan：前往 https://www.minimax.cn/m-plan 選擇套餐訂閱，適合以固定預算大量使用模型的用戶。 安裝 MiniMax Code：訪問 MiniMax Code 下載桌面端，安裝後可在編程場景中直接使用 M3.1 Flash。 MiniMax M3.1 Flash的核心優勢 Agentic 能力頂尖：在 AutomationBench-AA、BankerToolBench（76.2 分）等複雜 Agent 任務評測中位居最前列，能獨立完成跨 SaaS 的真實企業業務流。 編程能力對標旗艦：DeepSWE v1.1 達 73.7%，具備長鏈路代碼理解、開發、修復與測試驗證能力，成本遠低於同級模型。 Computer Use 國產第一：OSWorld V2（61.7）與 ALE（29.6）雙榜國產第一。 網絡安全領先：CyberGym 達 82%，低成本覆蓋代碼審計、滲透測試、逆向工程等專業安全場景。 速度快 3 倍：激進稀疏注意力架構帶來 200+ TPS 輸出速度，P50 穩定 170+ TPS，交互體驗大幅升級。 MiniMax M3.1 Flash的項目地址 項目官網：https://www.minimax.cn/blog/minimax-m31f MiniMax M3.1 Flash的同類競品對比 維度 MiniMax M3.1 Flash DeepSeek V4.1 Flash 架構 稀疏注意力（參數未公佈） 552B MoE，輸入激活 8B / 輸出 16B，Encoder-Decoder 輸入價格 1 元/百萬（固定） 閒時 1 元 / 高峯 2 元 輸出價格 4 元/百萬（固定） 閒時 4 元 / 高峯 8 元 緩存命中 0.1 元/百萬 0.02
REA實測 – 一鍵逆向任意軟件，覆蓋網頁、桌面程序、安卓App
平時用一些應用時，碰到一個...