即刻App年轻人的同好社区
下载
超酷的PDF转换工具！直接支持DeepSeek V3，本地AI精准解析PDF扫描件！
这是一款开源的 PDF 处理工具：PDF Craft，专注于将扫描书籍的 PDF 文件转化为 Markdown 或 EPUB 格式。
核心功能：
• 本地 AI 驱动，无需联网，保护隐私
• Markdown & EPUB 输出，兼容性强
• 智能清理页眉、页脚、页码、脚注
• 公式、图表智能处理
• 自动构建目录和章节
GitHub: github.com/oomol-lab/pdf-craft
这是一款开源的 PDF 处理工具：PDF Craft，专注于将扫描书籍的 PDF 文件转化为 Markdown 或 EPUB 格式。
核心功能：
• 本地 AI 驱动，无需联网，保护隐私
• Markdown & EPUB 输出，兼容性强
• 智能清理页眉、页脚、页码、脚注
• 公式、图表智能处理
• 自动构建目录和章节
GitHub: github.com/oomol-lab/pdf-craft
6 26
首个支持图像对话的开源实时语音模型MoshiVis来了！它能实时"看"懂图片并自然对话，开启语音交互！
核心亮点：
1️⃣ 通过轻量级交叉模块融合视觉信息
2️⃣ 保留原有对话能力的同时新增视觉理解
3️⃣ 智能门控机制保障响应效率
技术团队通过集成视觉编码器，让模型在处理语音流时同步分析图像内容，门控机制确保仅处理有效视觉信息，保持对话流畅性。现已开源！
GitHub：github.com/kyutai-labs/moshivis
体验地址：vis.moshi.chat
博客：kyutai.org/moshivis
核心亮点：
1️⃣ 通过轻量级交叉模块融合视觉信息
2️⃣ 保留原有对话能力的同时新增视觉理解
3️⃣ 智能门控机制保障响应效率
技术团队通过集成视觉编码器，让模型在处理语音流时同步分析图像内容，门控机制确保仅处理有效视觉信息，保持对话流畅性。现已开源！
GitHub：github.com/kyutai-labs/moshivis
体验地址：vis.moshi.chat
博客：kyutai.org/moshivis
00:37
0 00
一款可以在 Mac 上完全离线运行的开源 AI 助手：Sidekick。
基于 llama.cpp 构建，无需额外软件即可运行，所有数据和对话都留在本地，确保了极高的隐私性。
允许用户与本地 LLM 进行交互，并能够从本地文件、文件夹和网站获取信息，确保数据安全不泄露。
同时结合了知识检索、代码解释、图像生成、LaTeX 渲染、数据可视化等强大功能，在离线环境下提供媲美云端 AI 助手的体验，真正实现 高效、安全、个性化的 AI 交互。
核心功能
• 本地知识检索：可从文件、文件夹和本地网站提取信息，作为对话的上下文。同时支持AI专家模式，适配不同领域的任务。
• 推理模型支持：支持QwQ-32B、DeepSeek-R1等开源模型。
• 内置代码解释器：集成 Python 解释器，可执行 Python 代码、解析数学表达式，提高 LLM 在逻辑推理、数据分析等任务上的表现。
• 支持文生图：它并没有图像生成模式。但内置的CoreML模型能自动识别图像生成提示词，并在必要时生成图像。
• 内联写作助手：按 Command + Control + I 即可快速访问 Sidekick 的内联写作助手，进行智能改写、润色、摘要等操作。
• 多格式渲染与导出：支持 Markdown 和 LaTeX 渲染，一键导出对话为文件，方便分享或存档。
GitHub：github.com/johnbean393/Sidekick
基于 llama.cpp 构建，无需额外软件即可运行，所有数据和对话都留在本地，确保了极高的隐私性。
允许用户与本地 LLM 进行交互，并能够从本地文件、文件夹和网站获取信息，确保数据安全不泄露。
同时结合了知识检索、代码解释、图像生成、LaTeX 渲染、数据可视化等强大功能，在离线环境下提供媲美云端 AI 助手的体验，真正实现 高效、安全、个性化的 AI 交互。
核心功能
• 本地知识检索：可从文件、文件夹和本地网站提取信息，作为对话的上下文。同时支持AI专家模式，适配不同领域的任务。
• 推理模型支持：支持QwQ-32B、DeepSeek-R1等开源模型。
• 内置代码解释器：集成 Python 解释器，可执行 Python 代码、解析数学表达式，提高 LLM 在逻辑推理、数据分析等任务上的表现。
• 支持文生图：它并没有图像生成模式。但内置的CoreML模型能自动识别图像生成提示词，并在必要时生成图像。
• 内联写作助手：按 Command + Control + I 即可快速访问 Sidekick 的内联写作助手，进行智能改写、润色、摘要等操作。
• 多格式渲染与导出：支持 Markdown 和 LaTeX 渲染，一键导出对话为文件，方便分享或存档。
GitHub：github.com/johnbean393/Sidekick
3 00
3天内猛涨2.6k+ Star！LangManus：用自然语言操控全网数据，复杂任务一键执行!
LangManus 作为一款刚开源的 AI Agent 工具，凭借其强大的大语言模型（LLM）和多样化工具集成，迅速崭露头角。
它不仅能通过网络搜索、网页爬取和浏览器控制完成任务，还能自动执行代码、生成报告，堪称研究和自动化的“全能助手”，真正实现端到端的自动化任务执行。
核心能力
• LLM 集成：支持通义千问等开源模型，多层 LLM 系统适配不同任务复杂度
• 工具集成：Tavily API 进行网络搜索、Jina 进行神经搜索、高级内容提取
• Python 集成：内置 Python，可直接进行代码执行，还集成 uv 包管理
• 工作流管理：可视化工作流控制、多智能体编排、任务分配和监控
GitHub：github.com/langmanus/langmanus
LangManus 作为一款刚开源的 AI Agent 工具，凭借其强大的大语言模型（LLM）和多样化工具集成，迅速崭露头角。
它不仅能通过网络搜索、网页爬取和浏览器控制完成任务，还能自动执行代码、生成报告，堪称研究和自动化的“全能助手”，真正实现端到端的自动化任务执行。
核心能力
• LLM 集成：支持通义千问等开源模型，多层 LLM 系统适配不同任务复杂度
• 工具集成：Tavily API 进行网络搜索、Jina 进行神经搜索、高级内容提取
• Python 集成：内置 Python，可直接进行代码执行，还集成 uv 包管理
• 工作流管理：可视化工作流控制、多智能体编排、任务分配和监控
GitHub：github.com/langmanus/langmanus
2 01
一款刚刚开源的TTS语音模型：Orpheus TTS。
不仅能生成流畅自然、充满情感的声音，还将延迟压缩到令人惊叹的 25-50 毫秒，完美适配实时对话场景。
它以其接近人类的自然情感表达、超低延迟的实时输出以及强大的零样本语音克隆能力，迅速成为开源社区关注的焦点。
核心亮点
• 超低延迟：支持实时流式推理，延迟低至约200毫秒，通过压缩最低可至 25-50 毫秒
• 自然情感表达：支持丰富的情感和语调控制，支持高兴、悲伤、生气、困倦等多种情绪
• 零样本语音克隆：无需预训练，仅需提供参考音频即可克隆目标音色
• 提供 4 种模型规模：Medium (3B)、Small (1B)、Tiny (400M)、Nano (150M)
• 端到端语音生成：还未上线，上线即可提升语音自然度、可控性及生成速度
GitHub：github.com/canopyai/Orpheus-TTS
不仅能生成流畅自然、充满情感的声音，还将延迟压缩到令人惊叹的 25-50 毫秒，完美适配实时对话场景。
它以其接近人类的自然情感表达、超低延迟的实时输出以及强大的零样本语音克隆能力，迅速成为开源社区关注的焦点。
核心亮点
• 超低延迟：支持实时流式推理，延迟低至约200毫秒，通过压缩最低可至 25-50 毫秒
• 自然情感表达：支持丰富的情感和语调控制，支持高兴、悲伤、生气、困倦等多种情绪
• 零样本语音克隆：无需预训练，仅需提供参考音频即可克隆目标音色
• 提供 4 种模型规模：Medium (3B)、Small (1B)、Tiny (400M)、Nano (150M)
• 端到端语音生成：还未上线，上线即可提升语音自然度、可控性及生成速度
GitHub：github.com/canopyai/Orpheus-TTS
00:08
11 111
Stability AI发布全新虚拟视角生成模型Stable Virtual Camera（1.3B参数）！
只需1张或多张图片，就能从任意角度生成超1000帧的平滑视频，在相机回到原点时还能保持画面一致性，实现完美循环
支持轨道/螺旋/缩放等自定义运动轨迹，连大幅视角变化也能保持画面稳定流畅！
GitHub：github.com
只需1张或多张图片，就能从任意角度生成超1000帧的平滑视频，在相机回到原点时还能保持画面一致性，实现完美循环
支持轨道/螺旋/缩放等自定义运动轨迹，连大幅视角变化也能保持画面稳定流畅！
GitHub：github.com
01:00
2 00
SameDev 免费开发神器！像素级克隆任意网站UI
发现一款超强AI编程工具Same.dev！它能够以像素级精度克隆任何网站的界面设计，重点是免费使用！
仅需2个月就实现核心技术，与其他工具不同，Same直接抓取真实网站代码，避免生成虚构内容，精准度拉满。
👉 核心亮点：
✅ 完全免费的开源代理
✅ 支持1:1克隆网页界面
体验：same.dev
潜力无限🚀 建议开发者们速速收藏！
发现一款超强AI编程工具Same.dev！它能够以像素级精度克隆任何网站的界面设计，重点是免费使用！
仅需2个月就实现核心技术，与其他工具不同，Same直接抓取真实网站代码，避免生成虚构内容，精准度拉满。
👉 核心亮点：
✅ 完全免费的开源代理
✅ 支持1:1克隆网页界面
体验：same.dev
潜力无限🚀 建议开发者们速速收藏！
00:33
46 873
推荐 GitHub 上一款能为大模型提供浏览器自动化能力的工具：MCP Playwright。
该工具可赋予大模型真实的网页交互能力，让AI真正"看懂"并操作浏览器！
🔹 核心功能：
1️⃣ 网页自动化操作（点击/表单填写/导航）
2️⃣ 实时截取屏幕截图辅助AI决策
3️⃣ 浏览器环境执行JavaScript代码
4️⃣ 动态数据抓取与网页分析
5️⃣ 无缝对接Claude等大语言模型
🔥 应用场景：
✔️ 自动化测试 ✔️ 实时数据采集
✔️ 智能网页分析 ✔️ 动态信息处理
📦 集成Smithery/mcp-get工具链
💻 实测对Claude Desktop兼容性最佳
GitHub：github.com/executeautomation/mcp-playwright
该工具可赋予大模型真实的网页交互能力，让AI真正"看懂"并操作浏览器！
🔹 核心功能：
1️⃣ 网页自动化操作（点击/表单填写/导航）
2️⃣ 实时截取屏幕截图辅助AI决策
3️⃣ 浏览器环境执行JavaScript代码
4️⃣ 动态数据抓取与网页分析
5️⃣ 无缝对接Claude等大语言模型
🔥 应用场景：
✔️ 自动化测试 ✔️ 实时数据采集
✔️ 智能网页分析 ✔️ 动态信息处理
📦 集成Smithery/mcp-get工具链
💻 实测对Claude Desktop兼容性最佳
GitHub：github.com/executeautomation/mcp-playwright
37 022
夸克的“AI超级框”整合了AI对话、深度思考、深度搜索、深度研究、深度执行，用户只需输入指令，就能自动调用不同模型和Agent完成任务。
功能覆盖了AI写作、生图、PPT制作、学术研究、健康问答、旅行计划等场景。
Case 1：学术研究——3分钟搞定万字论文文献综述
写论文时，面对几十篇文献无从下手，光是梳理核心观点就要花几小时。
比如：在“AI超级框”输入“总结《气候变化对农业的影响》相关文献”，夸克会直接生成文献摘要、核心观点对比，甚至提取关键数据表格，还能一键生成参考文献格式！
Case 2：职场救急——从0到1生成年终PPT
临时被老板要求做年终汇报PPT，毫无灵感还要赶时间。
比如：打开AIPPT板块，输入“生成新能源行业市场分析的10页PPT”，夸克不仅生成大纲和内容自动排版，甚至导出可编辑文件！
Case 3：旅行规划——一键生成“社恐友好型”小众路线
想避开人挤人的网红景点，但自己查攻略耗时又怕踩雷。
比如：输入“3天杭州小众旅行路线，避开人群、预算人均1000”，夸克会综合全网游记和本地数据，规划交通、住宿、景点！
Case 4：健康管理——从症状自查到挂号提醒一条龙
身体不适时，网上搜索要么被广告淹没，要么信息碎片化。
比如：输入“喉咙痛三天伴随低烧可能是什么问题”，夸克会结合权威医学资料分析可能性，推荐用药建议，甚至同步本地医院挂号入口和科室推荐！
地址：www.quark.cn
功能覆盖了AI写作、生图、PPT制作、学术研究、健康问答、旅行计划等场景。
Case 1：学术研究——3分钟搞定万字论文文献综述
写论文时，面对几十篇文献无从下手，光是梳理核心观点就要花几小时。
比如：在“AI超级框”输入“总结《气候变化对农业的影响》相关文献”，夸克会直接生成文献摘要、核心观点对比，甚至提取关键数据表格，还能一键生成参考文献格式！
Case 2：职场救急——从0到1生成年终PPT
临时被老板要求做年终汇报PPT，毫无灵感还要赶时间。
比如：打开AIPPT板块，输入“生成新能源行业市场分析的10页PPT”，夸克不仅生成大纲和内容自动排版，甚至导出可编辑文件！
Case 3：旅行规划——一键生成“社恐友好型”小众路线
想避开人挤人的网红景点，但自己查攻略耗时又怕踩雷。
比如：输入“3天杭州小众旅行路线，避开人群、预算人均1000”，夸克会综合全网游记和本地数据，规划交通、住宿、景点！
Case 4：健康管理——从症状自查到挂号提醒一条龙
身体不适时，网上搜索要么被广告淹没，要么信息碎片化。
比如：输入“喉咙痛三天伴随低烧可能是什么问题”，夸克会结合权威医学资料分析可能性，推荐用药建议，甚至同步本地医院挂号入口和科室推荐！
地址：www.quark.cn
4 01
飞书上线春日重启计划，带来了一大批 AI+多维表格的模版！
还有一大堆与 DeepSeek 联动的多维表格模版上线，涵盖了一些主流自媒体创作场景，非常的丰富！
其中很多模板，其实我之前也看到过很多大佬做的，这次官方直接总结汇总发布出来了！
飞书春日计划：www.feishu.cn
还有一大堆与 DeepSeek 联动的多维表格模版上线，涵盖了一些主流自媒体创作场景，非常的丰富！
其中很多模板，其实我之前也看到过很多大佬做的，这次官方直接总结汇总发布出来了！
飞书春日计划：www.feishu.cn
5 05