Austin Zhang

mobile health/medical app, especially for medical imaging

[Buzzy Now @Buzzy_now_AI]

Introducing Buzzy Canvas -- Your AI co-director

The first infinite Canvas which is truly agentic. Unlike other canvas, where you spend 4 hours building one video, Buzzy agents inspire detailed storyline, build moodboards, and draft masterpiece in one click.

you can:
- keep unlimited subjects consistent 🤯
- switch view-angle, control lighting seamlessly
- generate 20 variation in seconds
- all the top AI models like Seedance, GPT image, Kling, Veo, Nano Banana in one canvas

Detailed tutorial below:

[小互 @xiaohu]

OpenAI Voice Hack Night 上一个团队的现场 demo

为手机做的 "agentic 操作系统"

这个应该是我们大家都向往的AI助理形态，而且也是会颠覆手机商业模式的一种全新形态

因为演示的所有界面都是「即时生成」的，无需调用任何APP界面，也就是苹果的App Store商业模式要完蛋了...

核心思路是是「UI 即系统」：手机没有传统 app，界面由端侧本地模型实时生成(on the fly)，重推理甩给云端 GPT。

开发者全程用语音指挥它订机票、删日历日程、查 AI 新闻、发邮件、列待办。中途还翻了车(发邮件因"登录没配置"失败)...

[苍何 @canghe]

https://t.co/0qtZ0boeBs

[姚金刚 @yaojingang]

经过一个月的持续迭代，第一套GEO系统“GEOFlow 2.0”正式上线，GitHub地址见文末

一个月前，GEOFlow 1.0 上线，到现在，刚好过去一个月，Star数已经超过1.6k，这一个月来，收到了不少朋友的反馈和落地实践案例

这次2.0升级，我觉得是GEOFlow从“开源内容生产系统”走向“GEO内容工程基础设施”的一个关键版本

几个核心变化：

1、基于Laravel框架进行了系统性重构
底层架构更清晰，后台、任务、队列、分发、数据分析等模块都更适合长期迭代和真实部署

2、从单站点走向多站点、多Agent
过去更多是管理一个站点的内容生产，现在可以用一个后台，管理多个渠道站点的内容分发、远端同步和运行状态，并保留了多渠道API接入的端口

3、AI知识库能力进一步强化
围绕知识库、素材库、向量化检索、AI生成和内容调用做了持续优化，让系统更适合企业沉淀内部知识资产，也更适合GEO场景下的内容生产与持续更新

4、多站点分发能力进入可运行闭环
支持分发渠道管理、Agent密钥、测试连接、目标站点包下载、分发队列、分发日志、远端文章编辑与删除 这意味着，GEOFlow开始具备“中心后台+多个目标站点”的内容分发能力

5、目标渠道站点包上线
每个渠道都可以生成预配置的目标站点包，内置PHP Agent、首页、文章详情页、静态资源、sitemap、TXT地图和Schema结构化数据 对于GEO来说，这一步很关键，因为AI不仅需要内容，也需要更稳定、更结构化、更易抓取的信源表达

6、新增数据分析页面
系统总览、单站运营、多站分发、访问日志、Top文章、Top渠道站点、AI爬虫识别等数据，开始统一进入后台 GEO运营不能只看“发了多少内容”，更要看内容有没有被访问、被抓取、被分发、被持续维护

7、部署、安全和测试覆盖继续增强
包括Docker生产部署优化、默认管理员初始化改进、多语言补齐，以及更多分发管理、数据分析、访问日志相关测试

过去这段时间，也有不少朋友给我反馈：
有朋友基于GEOFlow做了二开，开始探索商业化服务；
有朋友用它管理企业内部的AI知识库和内容资产，显著提升了内容生产与协作效率；
也有朋友把它作为GEO项目的基础系统，用来承载知识库、内容生成、多站点发布和效果追踪

我觉得GEO的一个关键核心，就是“持续建设可信内容资产”，在GEOFlow系统里，也融入了很多这样的理念和设计
如何把真实、可信、可核验的资料，变成可管理、可生成、可发布、可追踪、可同步到多端的GEO内容资产

欢迎大家体验，也欢迎Star、Fork和一起共建

2.0 GitHub地址： https://t.co/UHwRimsUsZ

[Qwen @Alibaba_Qwen]

🚀 Qwen3.5-Omni is here! Scaling up to a native omni-modal AGI.

Meet the next generation of Qwen, designed for native text, image, audio, and video understanding, with major advances in both intelligence and real-time interaction.

A standout feature: 'Audio-Visual Vibe Coding'. Describe your vision to the camera, and Qwen3.5-Omni-Plus instantly builds a functional website or game for you.

Offline Highlights:
🎬 Script-Level Captioning: Generate detailed video scripts with timestamps, scene cuts & speaker mapping.
🏆 SOTA Performance: Outperform Gemini-3.1 Pro in audio and matches its audio-visual understanding.
🧠 Massive Capacity: Natively handle up to 10h of audio or 400s of 720p video, trained on 100M+ hours of data.
🌍 Global Reach: Recognize 113 languages (speech) & speaks 36.

Real-time Features:
🎙️ Fine-Grained Voice Control: Adjust emotion, pace, and volume in real-time.
🔍 Built-in Web Search & complex function calling.
👤 Voice Cloning: Customize your AI's voice from a short sample, with engineering rollout coming soon.
💬 Human-like Conversation: Smart turn-taking that understands real intent and ignores noise.

The Qwen3.5-Omni family includes Plus, Flash, and Light variants.

Try it out:
Blog: https://t.co/yuSAz3DuO8
Realtime Interaction: click the VoiceChat/VideoChat button (bottom-right): https://t.co/nnAW9ZfRet
HF-Demo: https://t.co/rLsqejKgCG
HF-VoiceOnline-Demo: https://t.co/LIGtmITeSw
API-Offline: https://t.co/lNE7fH5YUt
API-Realtime: https://t.co/9A3lopXGwV

[Tw93 @HiTw93]

https://t.co/x9eqpjrSuS

[鸟哥 | 蓝鸟会🕊️ @NFTCPS]

AI短剧创作者的核武器来了！还是开源免费的，这样人人都可以做短剧、漫剧了！

输入一个剧本，Jellyfish就能自动智能分镜、死死锁住角色/场景/道具一致性（再见漂移！）、AI一键生成视频 + 多轨后期剪辑，最后一键导出完整竖屏微短剧！

从文字到成片，全流程工业化流水线，极致一致性+可视化控制，彻底解放生产力！

目前该项目在Github上已经拿到500多颗星：
https://t.co/A0AWRXQ1f2

[比特币橙子Trader @oragnes]

卧槽，发现了一个自动化黑盒测试的开源项目：Maestro

Maestro 是一个极其现代化的自动化测试平台。

最大的痛点杀手是：它将测试门槛降到了极低，甚至不需要你懂复杂的代码。

全平台通吃：不管你是原生 iOS/Android，还是 React Native, Flutter，甚至是 Web，一套框架全部搞定。

免手写代码：提供全能测试 IDE（Maestro Studio）。你只需要像普通用户一样在界面上点按，它就能自动录制操作并生成测试脚本。

目前本地跑完全免费：开发者使用 Maestro CLI 和桌面端 Maestro Studio（支持 Mac/Win/Linux）在本地测试，0 成本。

Cloud Plan (企业级云端并发测试)：针对需要规模化、集成 CI 的团队是走收费模式。

仓库地址见评论区👇

[Google Labs @GoogleLabs]

Introducing the new @stitchbygoogle, Google’s vibe design platform that transforms natural language into high-fidelity designs in one seamless flow.

🎨Create with a smarter design agent: Describe a new business concept or app vision and see it take shape on an AI-native canvas.
⚡️ Iterate quickly: Stitch screens together into interactive prototypes and manage your brand with a portable design system.
🎤 Collaborate with voice: Use hands-free voice interactions to update layouts and explore new variations in real-time.

Try it now (Age 18+ only. Currently available in English and in countries where Gemini is supported.) → https://t.co/pmT9iHEpZa

[Ring Hyacinth @ring_hyacinth]

给自己做了一个分镜拓展小工具。

上传一个分镜，可以一键拓展出 8 个有趣的相关分镜，最近自用复用率很高，很适合 brainstorm 分镜想法！

背后的分镜拓展逻辑是自己写的 skill，画布爆炸前端是用 Codex 写的，接的自己的 Gemini api.

随着编程变得越来越简单，可能一些常用小工具创作者会自己给自己做了，那洞察自己真的需要什么就变得越来越重要，不是我去适应工具，而是我到底需要什么工具 🤔

如果大家也需要的话，我会考虑开源！

[爱丽丝呀！ @BTCqzy1]

阿里开源的新项目霸占了 GitHub Trending 榜单：PageAgent。

一行代码，让任意网页秒变 AI Agent 可控工具。开源后迅速爆火，GitHub Star 数飙至 9.6k+，Fork 747 次，热度还在疯狂飙升中！

一句话概括：阿里给你的网站装上了一个真正的“AI 暴力操作员”。

大多数 AI 网页助手还在折腾脆弱的浏览器插件或者笨重的 Python 爬虫，阿里 PageAgent 做了一件极狠的事——彻底抛弃 OCR 和无头浏览器，直接用纯前端 JS 把网站变成 AI Native App。

核心逻辑极其优雅：Text-based DOM 操作，跳过截图，直达底层。

一行脚本集成 → 纯文本 DOM 提取 → 自然语言控制 → 闭环操作验证

与其让 Agent 去对抗像素级的 UI 变化，不如直接把网页变成结构化的文本流。这种“脱水分析”方式，让 AI 能够像读代码一样读懂网页，操作比人类更快、比视觉 Agent 更准、稳如磐石。

核心杀手锏：

1.阿里级极简接入：Demo 版只需一行 <script> 标签就能快速体验（评估使用）；生产环境推荐 NPM 安装 + 接自己的 LLM（支持 OpenAI 兼容、本地模型、Ollama 等），无需 Browser Extension 和 Python。

2.拒绝截图 OCR：不靠截图、不耗多余 Token，直接基于 DOM 树进行逻辑操作。完美适配复杂的 B2B 系统、ERP 和 Admin 后台。

3.闭环执行：以前需要 20 次点击、3 次跳转的繁琐流程，现在用户只需说一句话，PageAgent 在网页内部自动完成所有点击、输入和提交。

已覆盖各种 Web 应用场景，通过高强度测试。Demo 适合快速试用，正式集成后可用于生产级网页增强。今天的网页服务于人类的视觉，明天的网页将是 Agent 的操作场。

#AI编程 #Alibaba #PageAgent #GitHub #Cursor
传送门：https://t.co/U4wcFwOtay

[Austin Zhang @nuojoy]

第一时间体验了美团的Tabbit，与Genspark和Perplexity相比还差得很远，但#Tabbit 毕竟刚刚发布，很多体验还需要继续优化，其实我还是非常期待国内有这样的产品，也发现#飞书 释放了部分能力，挺好的，赶紧卷起来，把价格打到地板，最终收益的还是你我

[劳伦斯 @LawrenceW_Zen]

使用 Claudian 操作文件 跟 使用Obsidian CLI 的区别，分几个场景说一下

场景一：随手记点东西不想被打断

比如你正在看网页，或者在聊天时冒出一个绝妙的点子，想立刻记到今天的日记里。

如果只用插件：你得复制这段话，切回桌面，把 Obsidian 呼叫出来，点开Claudian 插件界面，再粘贴进去让它处理。来回切换其实挺打断思路的。

如果有 CLI：你可以直接配置一个系统全局快捷键。选中文字按一下，后台脚本就会通过 CLI 直接把这段话塞进日记末尾，顺便打上标签。Obsidian 连界面都不用弹出来，看完网页点子就已经存好了。

场景二：和其他软件打通工作流

比如你刚写完一段代码传到了 GitHub，想在自己的项目笔记里留个底。

如果只用 Claudian 插件：插件被关在 Obsidian 内部，它根本不知道你的终端里发生了什么。你只能手动复制提交记录，再切到 Obsidian 里交给插件去排版。

如果有 CLI：你可以在代码仓库里挂一个小脚本。每次你敲完代码提交，脚本就会自动调用 CLI，把提交的时间和内容规规矩矩地写进对应的项目笔记里。这就等于让你的开发环境和笔记库直接连通了。

场景三：后台自动帮你整理资料

假设你想每天早上醒来，笔记里就已经准备好了昨天的睡眠记录、今天的天气和刚抓取的新闻。

如果只用插件：因为插件得依赖 Obsidian 软件开着才能跑，如果你电脑休眠了或者没开软件，定时任务就失效了。你只能早上打开软件，手动点一下让它现抓。

如果有 CLI：你可以直接交给电脑底层的定时任务。凌晨四点，电脑在后台默默唤醒脚本，抓完数据排好版，通过 CLI 稳稳当当存进笔记库。你早上打开软件，直接看现成的报告就行。

场景四：让终端里的 AI 办事更靠谱

你在终端里用 Claude Code 帮你重构项目，想让它顺手把架构变动更新到笔记里。

如果只用插件：终端里的 AI 够不着你的插件，它只能强行去修改底层的 markdown 文件，很容易把你的双向链接或者头部属性搞乱。

如果有 CLI：Claude Code 可以直接调用 CLI 的指令。它只需要下达新建笔记或者追加内容的命令，CLI 会用符合 Obsidian 规矩的方式去操作，完全不用担心破坏本地文件的生态结构。还剩token。

总结下来其实很简单，插件是为了让你在写笔记的时候更省力，而 CLI 是为了让你在干别的事情时，依然能让四面八方的信息自动流进你的笔记库。

[奶昔🥤 @realNyarime]

发现一个已经盈利的AI影视/短剧Agent制作系统 https://t.co/ItGeCL6ZBJ，作者说这套系统已经给别人做了大概20w的单子，漫剧解说剧都有。仅需自己配置apikey即可，基本是上手即用！

[jack @jack]

we're making @blocks smaller today. here's my note to the company.

####

today we're making one of the hardest decisions in the history of our company: we're reducing our organization by nearly half, from over 10,000 people to just under 6,000. that means over 4,000 of you are being asked to leave or entering into consultation. i'll be straight about what's happening, why, and what it means for everyone.

first off, if you're one of the people affected, you'll receive your salary for 20 weeks + 1 week per year of tenure, equity vested through the end of may, 6 months of health care, your corporate devices, and $5,000 to put toward whatever you need to help you in this transition (if you’re outside the U.S. you’ll receive similar support but exact details are going to vary based on local requirements). i want you to know that before anything else. everyone will be notified today, whether you're being asked to leave, entering consultation, or asked to stay.

we're not making this decision because we're in trouble. our business is strong. gross profit continues to grow, we continue to serve more and more customers, and profitability is improving. but something has changed. we're already seeing that the intelligence tools we’re creating and using, paired with smaller and flatter teams, are enabling a new way of working which fundamentally changes what it means to build and run a company. and that's accelerating rapidly.

i had two options: cut gradually over months or years as this shift plays out, or be honest about where we are and act on it now. i chose the latter. repeated rounds of cuts are destructive to morale, to focus, and to the trust that customers and shareholders place in our ability to lead. i'd rather take a hard, clear action now and build from a position we believe in than manage a slow reduction of people toward the same outcome. a smaller company also gives us the space to grow our business the right way, on our own terms, instead of constantly reacting to market pressures.

a decision at this scale carries risk. but so does standing still. we've done a full review to determine the roles and people we require to reliably grow the business from here, and we've pressure-tested those decisions from multiple angles. i accept that we may have gotten some of them wrong, and we've built in flexibility to account for that, and do the right thing for our customers.

we're not going to just disappear people from slack and email and pretend they were never here. communication channels will stay open through thursday evening (pacific) so everyone can say goodbye properly, and share whatever you wish. i'll also be hosting a live video session to thank everyone at 3:35pm pacific. i know doing it this way might feel awkward. i'd rather it feel awkward and human than efficient and cold.

to those of you leaving…i’m grateful for you, and i’m sorry to put you through this. you built what this company is today. that's a fact that i'll honor forever. this decision is not a reflection of what you contributed. you will be a great contributor to any organization going forward.

to those staying…i made this decision, and i'll own it. what i'm asking of you is to build with me. we're going to build this company with intelligence at the core of everything we do. how we work, how we create, how we serve our customers. our customers will feel this shift too, and we're going to help them navigate it: towards a future where they can build their own features directly, composed of our capabilities and served through our interfaces. that's what i'm focused on now. expect a note from me tomorrow.

jack

[Cryptoxiao @cryptoxiao]

宣布一件大事，我们把 6551 的X + 全网新闻源MCP + SKILL 开源了！

很多人说，6551 的新闻源、推特面板很好用就是消息太多看不完。
还有很多朋友跟我说 X API 太难接，Skill 学不会，折腾半天龙虾就是跑不起来。

今天直接解决，我们把我们积累了1年的数据基础架构全部打包成 MCP + SKILL，任何人都可以几分钟部署，24h帮你看新闻。

🦞 你的龙虾现在可以：

• 直接连上 X 数据 + 全网50+实时新闻+链上数据，不用配 API 密钥。

• 24h 监控、分析、触发tg提醒。

照着 GitHub README 部署，几分钟就能装好。

欢迎大家安装试用和分享体验，有问题及时反馈及时迭代。

也欢迎👏🏻有热情的 dev 参加我们的生态

MCP
https://t.co/GNnvu1TsBX
https://t.co/Y7W0Ytc6f1

SKILL
https://t.co/e16G95IBWS
https://t.co/3w8GE081je

[Nayrhit B @NayrhitB]

Today, I'm excited to announce we raised a $9M seed round to help businesses get leads from AI Search Engines!

AI is changing B2B buyer behavior rapidly.

Now prospects are researching vendors on AI Search Engines like ChatGPT, Claude, Gemini, and Perplexity.

They're asking millions of questions that the internet has never seen before. All before they ever get on a sales call.

This is a huge reset moment.

And yet 90% of businesses are completely invisible there.

We built @gushwork to solve exactly this problem. An end-to-end solution for businesses to dominate and get leads from AI search

For us, it does not end at AI visibility, impressions, or even traffic.

It’s all about the outcome - getting real, qualified leads from AI search. Period.

And @LightspeedIndia, @SusquehannaVC, @BCapitalGroup, Seaborne Capital, @beenextVC, @sparrowcapvc and @2point2club just bet $9M on us to solve this problem!

After months of research & experiments, today, we are releasing our AI Search product for general availability - launched in beta about 90 days back and is growing like crazy already:

- Hit $1.5M ARR in 90 days
- Growing 80% month-on-month
- Driving 1000+ leads/month across customers

Welcome to new investors who joined us for the seed- → @SaiAraveti, @KanishkM96 & Bhavani at Susquehanna who’s leading the round

Thank you to our early investors who doubled down...You put your trust in us before we had anything at all.

→ @rahultaneja, @dkhare and @romitme at Lightspeed.
→ @KaranMohla and Deepanshu at B Capital
→ Pran and Jay at Seaborne
→ @yash_sparrow and @am_aakash_goyal at Sparrow
→ @AnirudhGarg24, @PantSaksham and @aarushishawarma at Beenext

And a special mention to @skipiit & @smondal1008 at 2.2 Club for access to their massive network of IIT alumni and their angel participation!

Big shoutouts to the ones steering the ship!

→ @_Adithya_V - my Co-Founder who is the real brain behind everything Gushwork does.
→ @Punit1108 - our mighty CTO who takes on the hardest engineering problems with a smile on his face.
→ @swapnilsinha07 - the creative & analytical mind behind the growth engine that Gushwork is building

and all the other rockstars who make up the backbone of Gushwork -
Rahul, @awwdarsh, Akash, Tushar, Snehith, @thericebowlgirl, Amey, Yash B

And an insane force of 10x team members who are taking on some of the hardest problems every day and solving them with zeal.

LFG! 🚀

If you want to see how many leads AI search could drive for your business, reply "Gushwork" and we'll send you the link.

[我真的没有拼多多 @nopinduoduo]

[我想这真是一个伟大的时代，是一个人人都能成为创造者的时代]

大约在一两周前，我们私下沟通过AI的记忆问题

坦白讲，我自己虽然一直对记忆感兴趣，但研究的水平远远没有多少。

我只是之前在某个项目的时候看到一篇论文，给ai加上了遗忘系统来增强记忆的，觉得很有趣便一直记忆犹新。

————————————————

但现在我想分享的不是ai记忆相关的东西，这些在下面的文章中已经很全面详细了。

在跟作者交流完，以及看到下面这篇内容详实的文章后，我最大的感受其实是：

AI 时代，真的是一个好时代啊，充满无限可能的时代！

————————————————

为什么这样说呢？

因为这篇文章的作者，本身是一个文科生。

没有技术背景，完全凭个人兴趣，投入时间和精力去研究 AI 记忆这个方向。

我当时问他：这些内容你搞了多久？

他说：大概一周，每天 10 小时，用 Claude Code 4.5 研究出来的。

说实话，我听完非常感慨。

因为这整个研究，在我看来已经相当深入了。如果没有 AI 的帮助，一个没有技术背景的人，想搞出这么一套丰富全面的内容，可能至少要花半年。

而现在，用最好的模型，每天投入 10 小时，一周就能做出来。

这件事本身就很厉害。

————————————————

第二点让我佩服的是，作者真的在用做科研的方法来深入研究。

我不知道大家读完是什么感受，反正我读完之后，有一种读研期间看文献综述的感觉——各种引用、各个方案的横向比较，非常扎实。

一个文科生，用一周时间，做出了这种质量的东西。

————————————————

坦白讲，我看完作者的整个工作流之后，是真的兴奋。

因为我看到了一个可能性——一个对我这种普通人、非 AI 科班出身的人的启示：

我们处在一个很好的时代。

借助最好的 AI 模型，只要你投入足够的时间和精力去研究，你一定能做出了不起的东西。

这真的是一个人人都能成为创造者的时代。

当你拥有了足够强大的智力支撑，你难道不应该兴奋吗？

剩下的，只是你的时间投入和创意了。

[小互 @xiaohu]

Anthropic 宣布收购西雅图 AI 创业公司 Vercept

Vercept 的产品叫 Vy，一个桌面 AI 助手。它能跟着你学会如何操作电脑...

具体怎么用呢？比如你每天要做一个重复工作：打开浏览器查数据 → 复制到 Excel → 整理格式 → 发邮件给同事。你自己操作一遍，Vy 在旁边"看着"，学会了。

这里面最牛的是 Vercept 自研的 VyUI 模型：专门用来"看懂"电脑屏幕上的界面元素（按钮在哪、输入框在哪、菜单怎么打开），然后把你的自然语言指令转化成具体的屏幕操作。

在 UI 理解能力的标准测试中，VyUI 的表现甚至超过了 OpenAI、Google 和 Anthropic 自己的模型。

此次收购Anthropic称：以推进 Claude 的计算机使用能力，估计是为Cowork 大升级做准备。

Vercept 不是什么默默无闻的小团队。

这家公司 2024 年才成立，孵化自大名鼎鼎的 Allen Institute for AI（就是微软联合创始人保罗·艾伦创办的 AI 研究所）。

三位联合创始人 Kiana Ehsani、Luca Weihs 和 Ross Girshick 都是 AI 研究员出身。

[Ray Wang @wangray]

大多数产品团队还没有搞清楚 Karpathy 在说什么。

软件的新分发渠道是 Agent。Agent 不会看你的官网，不会看 demo，不会走新手引导。它直接调你的 CLI，请求你的 MCP server，把你的文档当数据读。如果这些入口都没有，你的产品对它来说根本不存在。

MCP 从零到每月近亿次 SDK 下载，只用了 12 个月，有超过1万个活跃服务器。OpenAI、Google、微软、Cloudflare 全都跟上了。后来，Anthropic 把 MCP 捐给了 Linux 基金会——因为这个标准已经赢了。运行一个 MCP server，现在等同于运行一个 web server，这是产品被发现的新门槛。

一个做得再好看的 React 仪表盘，对凌晨 3 点还在跑工作流的 Agent 来说，没用。

Unix 哲学几十年前设计出来，现在发现它天然就是给 AI Agent 用的。

接下来 24 个月，赢的是现在就在搭“Agent 能接进来”的入口的公司。输的那些，还在优化官网首页落地文案。