爱吃野区的果子

[Robinson · 鲁棒逊 @python_xxt]

“今天，整个一个行业都失去了意义”

无数个行业，都在面临同样的困境

[Denzii 🕊️ @denziideng]

真牛逼！开源复刻Meta Muse，本地就能跑的AI个人Agent✨🔥

Meta Muse国内没法用，数据还得上云，想体验桌面AI助理很难！😭

OpenMuse是CopilotKit团队开源的AI智能体工作台，复刻Muse能力，所有数据本地留存👇

📌 MIT协议开源，免费无广告，Win/macOS/Linux全平台，网页端开箱即用

📌 内置无头浏览器自动网页检索，支持一键人工接管，防止AI误操作

📌 可读取本地邮件、PDF、表格，长任务本地保存，关闭浏览器也能续跑

📌 电脑+手机多端可用，手机可远程查看任务进度

🔗https://t.co/Qfc7T8kypK

⚠️ 项目还在早期，部分功能不完善，适合初学智能体搭建的同学们

#开源项目 #AI智能体

[AI Will @FinanceYF5]

终于有人把“网络爬虫”，做成了真正会在网页上爬的蜘蛛。

纯 JS × CSS

[0x鸣人 @LuBtc888]

卧槽！太牛逼了。

有人居然把黄果短剧的AI制作流水线逆向推出来了。

看懂这张图的人不得准备发大财？？

[Denzii 🕊️ @denziideng]

微信聊骚不会？客户信息意图不懂？同事甩锅不会？聊天怕说错话、不敢接话？😖💬

这款微信 Jev 聊天助手，帮你读懂对方意图，并给 3 条候选内容供你选择发送！现已支持安卓、Windows、macOS三平台，同一个AI内核让你人改头换面。😎

Windows版下载即用，截图+本地OCR读屏，不碰微信内部；macOS版还能下载3.8GB模型完全离线判断！

最狠的他有底线：只读屏幕显示对话、只填进输入框，绝不替你按发送；不碰转账红包；聊天记录不出内存。🤫

🔗 https://t.co/m3OZi9xufg

天天回微信回不过来的赶紧收！AI帮你起草，你只负责点发送！😏

#开源工具 #AI助手

#AI工具

[鸟哥 | 蓝鸟会🕊️ @NFTCPS]

背了十年单词，英语还是开不了口？问题可能压根不在词汇量。

GitHub 上挖到一个 5.6万 Star 的项目，叫《人生进阶指南》。它的前身是 2017 年的《离谱的英语学习指南》，作者韩先凯，笔名离谱。

这套方法基本把咱们从小到大的英语学法全盘否了：
1️⃣ 不死背单词，不刷题，资料也别收藏吃灰
2️⃣ 像小孩学说话一样，靠大量输入砸出语感
3️⃣ 让 AI 当陪练，在真实场景里反复摩擦

里面的影子跟读法，原作者说自己练了两周，嘴是真顺了。

我的看法一直很直接：哑巴英语，本质上是输入量远远没到位。

现在这本书已经不只讲英语了，还写了 AI 学习、真实项目、创业失败和人生复盘。中英文 EPUB、PDF 都能直接下载。

🔗 https://t.co/2LkaFs2rCE

那些背了十年单词还张不开嘴的，真该翻翻。过去十几年的英语课，可能白上了。

[SuSu_酥酥👅 @NFT_Chen]

💥惊了！JEMM-27B全方位开源杀到 ！85.7%碾压Laya、工具调用93.3%反超Jev！

Qwen基座专项多模态训练后的JEMM-27B，把图文决策、工具调用、网页操作和审核一起卷进同一个开放模型：不只比Jev 1.13准，还比它更快，JevBench公开题也明显甩开Laya。

核心亮点
🔹原生吃文字+图片，候选选择 / 条件判断 / 打分可直接进Agent决策环节
🔹工具调用准确率 88.7% → 93.3%；截图网页任务 36.0% → 54.6%（+18.6pp，Jev只看文字）
🔹5种文字请求配置延迟全面低于Jev，单题中位数约0.3秒，汇总延迟降31.2%
🔹JevBench 231公开题答对198题，准确率85.7%，高于Laya（58.4%）、Kev、Semlf、Von
🔹对比表里几乎是唯一同时具备：图片输入、任务训练、相对Jev效果更好、延迟更低、开放权重

上手步骤
1️⃣Hugging Face搜 JEMM，下载27B权重：https://t.co/1Q5E10TaI8

2️⃣按仓库README装依赖（建议先对齐官方推理适配）

3️⃣加载Qwen基座+JEMM权重，按示例传入文本/截图

4️⃣用选择题、判断、评分接口接进现有Agent工作流，先跑工具调用和网页截图任务验证

推理代码和权重点Hugging Face，搜 JEMM 就能找到。

#JEMM #Jev #Laya #开源大模型 #多模态 #Agent #HuggingFace #GitHub

[SuSu_酥酥👅 @NFT_Chen]

💥炸了！斯坦福×英伟达开源 CLM 把 Jev 按在地上摩擦：决策最快快 13 倍，还不写字，只比向量！

Agent 每一步都要从候选动作里挑一个，大模型逐 token 写答案太慢。CLM 换思路：把当前局面和每个候选动作分别编码成向量，谁更近选谁；动作向量还能提前算好缓存，候选越多，优势越大。

跟点对比 3 个实例：
🔹恐龙跑酷：CLM 一次决策 16ms vs Jev 150ms，快约 9 倍，零样本照样过关

🔹Super Mario：CLM 约 4 倍更快（33.5ms vs 132.6ms），两边都能通关

🔹WikiRacing：从「板块构造」点到「生物发光」，CLM 79.8ms vs Jev 225ms；微调当「裁判」后，DeepSWE 挑中方案通过率 81.6%（Jev 71.1%），还快 5.7 倍

代价也很清楚：它只能在给定候选里挑，不会自己发明新动作。

开源、单卡能跑，System One 这条路被彻底打开了。

#CLM #对比学习 #AI智能体 #SystemOne #大模型推理加速 #斯坦福 #英伟达 #向量检索 #Jev #AI论文解读

https://t.co/E3G6DZ7vxi

[AYi @AYi_AInotes]

全网都在把软件工厂当成融资吹牛的新口号，很多团队嘴上喊着拥抱自动化，身体却还在每天开会跟大模型手把手聊天改代码，

Matt Pocock 刚刚用一套极度克制的词典定义，把这个被玩坏的概念彻底拉回了工程地面。

两组方向截然相反的开发姿态撞在一起，才是这个词最值钱的切口：
一边是大部分人以为的软件工厂，每天在 IDE 聊天框里敲一段提示词、等几分钟看一眼，本质上只是雇了个稍微听话的远程学徒；

另一边是真正跑通的软件工厂，启动会话的从来不是人类的手指，而是生产环境的告警、工单和监控指标，模型在后台离席自主改代码、跑单测、提改动，工程师只需要把有限的注意力留给关键的门禁审核。

更有意思的是他特意切出来的对照组，也就是暗工厂。

所谓暗工厂，是指代码从写出来到合入主分支全程无人审查，很多激进的自媒体把它吹成终极未来，但这在严肃工程里往往是灾难；

车厂的一块零件焊歪了顶多坏掉那一辆车，但在软件工厂里合进一段垃圾代码，它会立刻变成后续所有智能体的上下文和范例，直接导致整条产线自我投毒。

这也是为什么一线真实数据里，纯无人全自动合入率只有 55% 左右，而有人兜底把关的流水线能稳稳冲到 86% 以上。

瓶颈早就不是模型生成代码的速度，而是人类定义目标和评测的质量。

当代码生成变得像自来水一样便宜，写详细的任务规格、把仓库治理成智能体能看懂的类型与单测架构、以及守住哪些改动必须人工签发，成了全行业最稀缺的资产；

就像 Guillermo Rauch 说的那样，软件公司的护城河正在从写过的代码，变成生产代码的这套手段。

以前我们拼的是谁键盘敲得快、谁记的 API 多，从今天起工程师的溢价彻底转移到了工厂设计上。

如果每段改动还要资深架构师半夜肉眼通宵排查，你买到的依然只是更贵的自动补全。

这套把聊天变成产线的模式落地后，大家最想先拿哪个场景做触发器？我自己是打算把那些烦人又耗时间的依赖升级和偶发测试报错，全交出去做离席流水线。

[SuSu_酥酥👅 @NFT_Chen]

💥我靠超低延迟！2B 看图决策 1.13 秒通关推箱子，27B Think 要 198 秒，给 Jev 装上眼睛，快了 175 倍！

Valen（万澜）把 Jev 的System One决策接口接到视觉上：图/视频/文字进，候选动作概率出，不写长推理、不吐答案 token。

核心亮点：
🔹基于 Qwen3.5-2B，极简「视觉编码器 + 语言骨干 + 共享决策头」
🔹General 5k VQA：约 79% / 176ms，比同尺寸 Qwen 更准更快
🔹Sokoban：单步准确率 87.6%，10 步通关累计 1.13s；Qwen3.8-27B Think 要 198.05s，No-Think 直接走不通
🔹训练评测数据、SFT + GRPO/RLCD 流程全开源，可拿自己的场景再训

上手步骤：
1️⃣打开仓库：https://t.co/f0gSc4HTLb
2️⃣下 Valen-Preview-0923 + Qwen3.5-2B
3️⃣用现成 SFT/RL 配置训，或直接 valen.inference 跑图+候选
4️⃣输出 Choice / Noul / Score 三类概率，接进游戏、审核、Agent 循环

世界不等推理写完，智能要跟得上。

#Valen #Jev #Qwen #多模态 #开源 #SystemOne #强化学习 #低延迟AI

[SuSu_酥酥👅 @NFT_Chen]

🔥速码！超高维全模态 Jev 来了！OmniJev 0.8B / 4B 模型让你玩转实多种场景！

北京中关村学院 × 中科院自动化所智进化团队，把 TypeSafe 的「不写字、只给校准概率」范式，第一次拉进图像 / 视频 / 屏幕 / 具身视角。

核心亮点
🔹范式：State in, Decision out。跳过文本解码，0 生成 Token
🔹速度：单图单题服务端中位时延 103ms；同图 12 题约 153ms
🔹输出：choice / score / noul 一次前向全出，概率可校准，可安全拒答
🔹同尺寸断层领先（相对同规模开源基线）
◦LIBERO-10 机械臂：82.1%（+38.3）
◦Catch Game 高速避障：88.5%（+57.1）
◦Mind2Web 21 步手机交互：77.0%（+22.1）
◦96 格空间定位：72.9%（+24.2）
◦Charades 视频事件：86.4%（+31.4）
权重、推理代码、在线 Demo 全开。

上手 4 步
1️⃣打开 https://t.co/aj0IHhMRrk
2️⃣上传一张图或一段视频（可画区域当候选）
3️⃣加问题：choice（选一个）/ score（打分）/ noul（是否）
4️⃣提交 → 直接拿概率分布 + 实测时延，不用解析生成文本

项目页：https://t.co/W7vo041RE7

#OmniJev #Jev #SystemOne #具身智能 #开源模型 #视觉决策 #中科院自动化所 #中关村学院

[Leaf Yeah! @leaf_sanren]

🎉🎉✌️啊啊啊爽了！兄弟们！以后我的视频，口播交给数字人拍，网感剪辑全交给 AI 自动跑通 😎

今天 Opus 5.5 帮我把最后一公里啃下来了：
① 让数字人生成我的口播视频（视频1）；
② 派 Agent 套用训练的"网感"动效做A/B-roll编排；
③ 自动出片，直接推成剪映工程文件（图2），供我微调。

这套东西我默默搞一个礼拜，就打算用在口播视频的网感剪辑上！！！！

真的！我真的不想再哼哧哼哧拍完视频，又对着时间轴调素材弄半天。。。

其实，市面上 AI 剪辑的产品和开源仓库很多，但说实话，
得有一半多，我想复刻它宣传样片出来都费劲！！😡
基本上大家都止步于粗剪，
画面动效丰富的也都是口喷无数轮才能出来。
反正口播剪辑，就没有能打的！！

所以这段时间我干脆自己攒了一套，集百家之长：

· Hypit 的爆款拆解逻辑，用于理解网感和素材；
· Talkcraft 的剪辑管线，做整体编排（Design Reference → 组件库 → shotbook） @VincentWei93
· Hyperframes 官方组件，扛起了大量动态效果；
· xilo @xilo2991 分享的Playbook思路，给了我很多启发。
· Gemini底层的视频理解能力，接入calude code，做质检官，让剪辑窗口可以loop自迭代
· Rachel @Zesee 教的数字人流程接进来，
· 逸尘大佬 @gengdaJ 的剪映草稿仓库，改成适配Intel Mac 的版本...

这套东西，才算真的出来了。谢谢你们 🙏

还在不断测试和迭代😭
接下来要试真人实拍、ScreenStudio 那种左下角露头的口播素材，
还有运行效率和音效自动化。。。。

慢慢磨吧，说不定哪天就开源出来，
给同样被口播剪辑折磨的兄弟姐妹们搭把手！！

[Ricker @0xRicker]

Jev Engineering turns one agent chain into a decision graph that can reroute itself and moves the expensive model out of every decision loop.

the important part in this setup isn’t the number of agents.

it’s that execution doesn’t follow one fixed path.

and up to 193x faster and 444x cheaper in tests.

every result can change what happens next:

state
→ Jev decision → branch → specialist agent → result → score → reroute

and Jev Engineering sits above that graph deciding:

which route stays alive
→ which specialist gets control
→ when two branches should merge
→ when a result needs another pass
→ when the goal is good enough to stop

by the end of the run:

5,400 executions → 0.93 goal score → $0.020 decision cost

that’s why Jev Engineering is more than model routing.

it’s the control layer that keeps a changing agent graph pointed at one objective.

full breakdown below ↓

[娜美知识库 @fhwofjow51260]

GitHub 2600+ Star，连“恋爱军师”都有人做成 Codex Skill 了。

项目名字就叫「狗头军师」，你把聊天截图、聊天记录和感情经过丢给它，它会帮你分析对方态度、判断关系、想回复话术，再给下一步怎么推进。

暧昧、追人、邀约、吵架、分手、复合甚至婚姻选择都能聊，还加入了关系心理学、沟通、法律与安全等知识。

以后半夜收到一句“在吗”，不用再拉三个朋友开会了。

https://t.co/8oaiIaaIsf

[rody @0x_rody]

Finally, an OpenRouter for agent harnesses!
(including System One by Jev)

Devs just open-sourced plug-and-play infrastructure layer that lets you run any harness under a single interface for free, like:

- Codex
- Claude code
- Hermes
- DeepSeek Harness
- System One, powered by Jev
- And 9 more agent harnesses

This means you can bring Jev into the same product that already uses Codex, Claude Code, or another supported harness, without writing another implementation for sessions, streaming, files, cancellation, and failure handling.

Here's the repo: https://t.co/mxkB1GOHVm

The harnesses run locally, and the Unified Harness Protocol (UHP) defines the common task interface with an OpenAI Responses-compatible API.

If you want to dive deeper, the article below explains how to set up Jev from scratch, check it out ↓

[AIGCLINK @aigclink]

阿里刚刚一口气发了五款语音模型：Qwen-Audio-3.1系列，并全线降价，ASR降95%、Realtime降85%、TTS降70%

同时覆盖理解、生成、创作、实时交互的完整链条。阿里这次直接打出了语音模型的三板斧：能力全栈化、价格断崖下探、语音被推到Agent/硬件入口位置

它这次的Realtime不是只会聊天，是全双工可打断、能识别情绪、能多语言切换，还能调用工具，这就会把语音从搜索式问答推向事务式对话

实时语音从“功能”变成“交互入口”，直接冲击客服、助手以及硬件，AI眼镜、办公Agent、硬件结合等无屏化任务场景或将迎来一波热潮

ASR：能转写30种语言+16种中文方言、原生转写润色（去语气词/重复、语义重组）、分角色转写（谁在什么时候说了什么，带时间戳，支持插话/重叠语音）、流式低延迟（首字约160毫秒）

ASR-Next：从“语音转文字”扩展到“理解整个音频”，能听出情绪、环境声、机械声，理解事件时间、进行音频问答

TTS：重点是同一音色跨语言/方言不变味，还能控制情绪和语速

TTS-Next：这个比较狠，从“配音”升级到“做完整音频作品”，一次生成人声、音效、环境音，多角色音色一致、全程不变声；48kHz输出

直接瞄准播客、有声书、影视、游戏、广告等场景

Realtime：全双工，可同时说和听，可打断、能共情、能无缝切换语言、对话中能调用Agent工具完成任务

#阿里语音模型 #QwenAudio

[阿川 | AI thinking @AI_jacksaku]

微软终于开源了VibeVoice。

24K+ stars，不是玩具，是生产级语音AI。

支持实时语音克隆、情感控制、多语言切换。延迟低到可以实时对话，质量高到难以分辨真假。

这意味什么？

语音交互的门槛，归零了。

以前做语音助手要调ASR、TTS、NLP三件套，现在一个模型全搞定。创业者可以用VibeVoice在几小时内搭建自己的"Her"。

但这里有个问题：当语音克隆变得如此简单，声纹认证还安全吗？

你的声音，正在变成可复制的数据。

技术越开放，风险越隐蔽。https://t.co/CIImwp4wZO

[Jason Zhu @GoSailGlobal]

群友用 Jev 搭了个小站。

丢进去一个 idea，或者你正在做的项目，它会告诉你：

这里面哪几处判断其实可以交给 Jev 来做，然后当场跑一遍给你看

不用注册，试试就知道：https://t.co/hPzrGtIA5L

jev群还能进人，最后200个

[大卫｜AI抄作业 @AI_DVD6]

Codex太牛逼了！以后“剪映”的500块年费可以省下了！

1，在X、抖音、油管上找热门视频
2，下载到本地
3，写好提示词，丢给 HyperFrames
4，90秒精华版视频直接生成，还带字幕和旁白

我需要做的，就只是按下「回车」而已。

这次用到是一个叫HyperFrames的开源工具，教程和生成视频的 Prompt 我都放第一条回复里了，需要的同学直接抄即可。

本次生成全程没动手，一套提示词，然后它就自己开干——

→ 读取 17 分钟原视频
→ 提取并转录英文语音
→ 理解完整内容
→ 挑出最值得看的片段
→ 重写 90 秒中文叙事
→ 裁剪原视频素材
→ 加中文字幕、标题、信息卡片和动画
→ 调用 HyperFrames 制作
→ 自己检查
→ 最后直接给我吐了一个 MP4

向天发誓，我全程没打开「剪映」！

以后再看到一条 20 分钟英文教程，甚至不用自己看完。把原片扔进去，告诉 Codex：“给中国用户重新讲一遍。”

剩下的，它自己就干完了。

#Codex #HyperFrames