胡昊聊AI

AI出海 AI工具 AI硬件 AI企业落地

三年嵌入式软件工程师
AI硬件创业1年亏了几十万
目前在研究出海，算力服务等

vx： huhao-AI

gpt代充⬇️

[胡昊聊AI @huhaoai]

GitHub 搜：fhshaik/typesafe-mario（需 Python 3.13+）

pip install -e ".[mario,dev]"
export TYPESAFE_API_KEY="your-key"
typesafe-mario play --env SuperMarioBros-1-1-v0 --frames-per-decision 8

[胡昊聊AI @huhaoai]

实测了下用 Jev 操控红白机马里奥。

最大的亮点是不走截图路线，直接抓模拟器内存把坐标、速度和障碍物转成十几字节的 JSON 扔给 Jev 选按键，单步几十毫秒。

前面踩怪和连续跳水管确实挺灵敏，15 秒那下直接从空中飞过了两座石阶，结果最后差两步还是掉坑里了😂

以前用大模型截全屏跑动作游戏基本没法看，动一步卡几秒。这种直接输出结构化动作决策的思路确实要顺畅很多。

项目叫 typesafe-mario，本地命令放评论区了。

[胡昊聊AI @huhaoai]

用 CLIProxyAPI 把 Gemini 3.8 Flash接到Claude Code了 写写文案 打打杂还是不错的

antigravity cli 实在太难用了😂

开源链接：https://t.co/pEuPgItFCp

[胡昊聊AI @huhaoai]

@mirto_ku 好像真是哈哈哈

[胡昊聊AI @huhaoai]

用“鹈鹕踩单车”提示词测了下新出的 DeepSeek Harness 桌面端。

DeepSeek 太较真了，硬是在后台跑了整整 15 分钟：
不仅手搓了一套反向运动学（IK）解算腿部关节、让脚掌死死贴紧脚踏板，还严格匹配了车轮与地面的卷动速度防打滑。甚至自己拉起无头 Chrome 比对三帧像素差确认无误才交付。

自带 4 档变速，视频里切到“疾驰”档狂蹬单车那个画面又魔性又硬核。

客户端下载 & 官方文档：
Windows 64位：
https://t.co/hPgge3z4ey
Mac (Apple Silicon)：
https://t.co/8U6xDwkbHS
官方说明文档：
https://t.co/ed8AlA76Ib

[胡昊聊AI @huhaoai]

@sjhpfdwl 有可能

[胡昊聊AI @huhaoai]

@MelseCoding 是啊 笑死了

[胡昊聊AI @huhaoai]

看到大佬开源的 AI 白板自动化流水线，忍不住在本地亲手跑了一条。

画面逐笔落墨的节奏确实很舒服，比传统的 PPT 讲解直观太多。

这次顺带结合开源的 book-to-skill，把 242 页《纳瓦尔宝典》提纯成了 Skill 规范，实测问它“合伙创业怎么分股权”。

对比很明显：
没加规则前，普通 AI 全是“坦诚沟通、平等协商”这种废话；
加了纳瓦尔模型后，直接变成冷酷军师：
1. 坚决不搞 50:50 均分（避免决策死局）
2. 核心杠杆主导权（代码与媒体分发归主导者）
3. 强制签 4 年 Vesting 悬崖期
4. 无法长期博弈的伙伴，趁早散伙

80 多秒手绘完整成片看视频。

白板视觉：陈硕KAI 开源的 cs-board (https://t.co/enwRtfK21z)
提纯工具：https://t.co/xLyEhRi4Z2
全套实测的纳瓦尔 Skill 规则已打包，放评论区自取。

[陈硕KAI @ChenshuoAI]

之前开源具有的10种风格 AI 手绘视频自动化系统，又被我重构了一轮，更像是一条可以在本地 24 小时持续跑的 AI 视频生产线

先放项目：
GitHub： https://t.co/L8cVbBkAiz

之前的版本已经可以做到：
· 上传 10–30 秒参考声音
· 粘贴一段文案
· 选择画面风格

然后自动完成：
声音克隆 → 分镜拆解 → 插画生成 → 白板绘制 → 字幕 → 渲染 → 成片

今天我又补了一大堆东西

这次主要更新了 7 个方向：

1. 第 11 种画面风格

新增「纸感隐喻拼贴风」

系统会根据文案结构，从本地 10 张参考图里自动选择构图，同时重新适配了深色、霓虹类画面的渲染效果

2. 人物和画风终于可以自己定了

新增「自定义参考」页面
现在可以直接上传：

· 1 张风格参考图
· 最多 5 个角色
· 每个角色 1–3 张参考图

尽可能保证整条视频里人物和画风的一致性。

3. 成片控制进一步开放
现在可以：
· 给任务命名
· 选择 4 档线条绘制量
· 开关重点文字
· 开关字幕

重点文字没有继续让图片模型硬生成，而是改成本地准确叠字，主要就是为了解决 AI 生成中文容易乱码的问题

4. 任务可以真正“复用”了

新增完整历史记录
任务失败后可以从断点继续，成片也可以直接换设置重新渲染。
最重要的是：
原来的配音和分镜会直接复用
也就是说重新渲染时，不需要再重复消耗 GPT、图片生成和 TTS 调用

5. 后端并发架构重做

之前是每个任务一个独立线程，现在改成了三级队列：
· 最多 2 路语音任务
· 最多 4 路模型调用
· 渲染阶段立即执行
任务元数据也全部持久化
哪怕后端重启，之前没有跑完的任务也会自动恢复

6. 支持局域网多电脑协作

现在多台电脑可以共享：

· 任务队列
· 实时进度
· 历史记录

同时会显示任务来源 IP
每个浏览器自己的制作偏好又是独立保存的，所以几个人同时使用也不会互相覆盖设置

7. 整个前端重新做了一遍

新增：

· 标准制作 / 自定义参考切换
· 实时队列状态
· 每个阶段耗时
· 完整历史任务区

品牌和交互也基本重新设计了一遍

我自己的方案目前还是：

本地 TTS + Codex Image 接口 + 本地电脑渲染

一台电脑就可以一直跑

如果手里有 20x 这类账号，图片生成这块的产能基本也不用太担心

代码我还是全部开源了，能放的基本都放出来了

不过提前提醒一句：
小白真的不要看到开源就直接一顿乱跑
这套东西已经涉及本地模型、并发队列、图片接口、TTS、FFmpeg、渲染环境和局域网服务
环境没搞明白之前，先看文档

别视频没做出来，先把自己电脑环境搞炸了

功能演示👇

如果觉得有用，可以帮忙转发关注一下
也欢迎直接 Fork，拿去魔改

[胡昊聊AI @huhaoai]

今天在 Mac 上试了下开源的 savka777/jev-use，测完最直观的感觉就是：Computer Use 真的离不开「大小脑协同」。

这个项目完全不截图、不跑耗时几秒的多模态大模型，直接读 macOS 辅助功能树（AXUIElement），把控件扔给 100ms 的快思考小脑模型做决策。

实测下来两个反差极大的现场：

1. 极速爽点：
按 Control-Option-Space 语音说“打开日历”，0.2 秒瞬间命中日历控件弹窗，彻底没有传统大模型冻结几秒的呆滞感。

2. 翻车现场：
让它“打开浏览器去搜索 B 站”。
Jev 作为纯反射的小脑模型，完全没有互联网常识（根本不知道 B 站是 https://t.co/qCuRTASqcr）。它把这段中文硬生生追加在原有的 Chrome 地址栏后面，按了一次回车没反应，就陷入了疯狂连按回车的死循环（Pressed once -> no visible effect）。

没有慢思考大脑在前面做上下文拆解，光靠反应快的小脑，遇到复杂场景就会抓瞎。
但毫秒级响应的手指已经有了，把大脑和小脑接在一起才是最让人期待的。

开源链接：https://t.co/loS6GwwFBq

[胡昊聊AI @huhaoai]

照着原作者开源的代码在 Mac mini 上跑了一遍，确实丝滑。

之前看 AI 玩游戏最难受的就是走两步卡三秒，等它想完怪早把人打死了。这个项目有意思的地方在于：让轻量模型 Jev 接管跳跃跑酷和捡东西，大模型 Astra 只在后台算物资，一点都不卡。

视频里进村翻箱子、挨家挨户拔 8 张床全是它自己跑的，动作比我还熟练。

大模型玩即时游戏还是得配小模型当手脚，光靠大模型真没法玩

[Ronak Malde @rronak_]

Jev + Astra beats the Ender Dragon in Minecraft in 8 minutes 43 seconds! ⏱️

Cost less than $1 ($0.01 Jev, $0.96 Astra)

I open sourced the code and explain the harness setup below. This type of movement is only possible with Jev's near instant decisionmaking, and some continually learning skills from Astra.

[胡昊聊AI @huhaoai]

@_HIT_SZ_ 立马学习

[胡昊聊AI @huhaoai]

也是用上了 多开反重力
开源链接：https://t.co/AKj4lomwvh

[陈大黄 @realchendahuang]

用上了 E 老师@Edison_aware的开源小工具

四开反重力，真是太优雅了！

https://t.co/UbVMybwiSG

[胡昊聊AI @huhaoai]

把开源的 jev-ultrafast（作者 mizorewww）扔给 Claude Code，让它帮自己封装成了一个本地 Skill。

配上 DeepSeek 做推理，在终端输入一句话，它就自动唤起 Chrome 跑完查机票的流程。

不用手动写脚本，整个过程很顺手。实操视频在这 ⬇️

[胡昊聊AI @huhaoai]

把 Jev 和 Laya 的贪吃蛇放同一个屏幕里跑了。

两个其实都是搞快决策的小模型，但一个在云端，一个在本地：
• Jev (云端 API)：146ms / 步（服务端只跑了 96ms，剩下全在公网传输）
• Laya (本地 MLX)：21.2ms / 步（不到 1G 显存的小模型直接跑，完全离线）

15 秒原速对比特别明显：
快决策模型最大的瓶颈从来不是算力，而是网速。一旦脱离网络放进本地，20ms 的残影确实是另一个维度的体验。

[胡昊聊AI @huhaoai]

都说本地 1G 小模型把云端 Jev 吊打了 40 倍，我真拿 Mac 本地跑了 mizorewww 的开源 Laya-mlx。

同题测贪吃蛇，真实数据如下：
• 云端 Jev：858ms / 步（88.8% 全卡在公网往返上）
• 本地 Laya：21.2ms / 步（Apple Silicon Metal FP16，完全脱网）

12 秒飙完 275 次决策，吃了 7 个食物，0 碰撞。

实测结论：
快决策模型最大的敌人从来不是算力，而是网速。421M 小模型直接放进显存，确实能榨出 20ms 残影手速；但长程规划仍需工程护盾，两者各有甜点位。

开源地址：https://t.co/apeuut7AfR

[胡昊聊AI @huhaoai]

@_HIT_SZ_ 学习了

[胡昊聊AI @huhaoai]

以前看 Browser Use 查机票，每点一步都像在看慢动作回放。

今天用 Jev 在真实的 Google Flights 跑了一遍：
搜【洛杉矶 → 巴黎】单程，一共 9 步，8.8 秒直接把航班搜出来。

视频是 1x 原速录的，没加速：
改单程、输巴黎、选日期、点搜索，单步决策基本都在 300ms 左右，手速已经跟真人差不多了。

实测结论：
点按钮、选日历这种高频操作，真没必要让几十上百亿的大模型停下来“深思熟虑”好几秒。高频点击交给 300ms 毫秒反射，大模型只管长程规划，这才是能拿来干活的 Browser Use。

开源地址：https://t.co/V2OK1n0i8p

[胡昊聊AI @huhaoai]

@MG_NeoWorld 牛

[胡昊聊AI @huhaoai]

都说本地 1G 小模型把云端 Jev 吊打了 40 倍，我真拿 Mac 本地跑了 mizorewww 的开源 Laya-mlx。

同题测贪吃蛇，真实数据如下：
• 云端 Jev：858ms / 步（88.8% 全卡在公网往返上）
• 本地 Laya：21.2ms / 步（Apple Silicon Metal FP16，完全脱网）

12 秒飙完 275 次决策，吃了 7 个食物，0 碰撞。

实测结论：
快决策模型最大的敌人从来不是算力，而是网速。421M 小模型直接放进显存，确实能榨出 20ms 残影手速；但长程规划仍需工程护盾，两者各有甜点位。

开源地址：https://t.co/apeuut7AfR

[胡昊聊AI @huhaoai]

拿阶跃星辰新出的 Step-5 测了下“鹈鹕踩单车”。

这车把手笑死我了……

[胡昊聊AI @huhaoai]

@jscodedeep 可以研究下 好像有人做了

[胡昊聊AI @huhaoai]

@jixu268182 可以试试看