AI文章

读懂模型与应用的新进展，找到值得尝试的 AI 实践。

7,595篇文章，持续更新

2026.10.18

Gemini 2.0 Pro – 谷歌推出的高性能多模态AI模型

Gemini 2.0 Pro是Google推出的高性能实验版AI模型，专为编程性能和复杂提示处理优化。Gemini 2.0 Pro具备200万tokens的超大上下文窗口，能处理和分析海量信息，支持调用Google搜索和代码执行等工具，增强理解和推理能力。

2026.10.18

OpusClip – AI视频剪辑工具，自动识别精彩片段生成社媒短视频

OpusClip 是AI视频剪辑工具，专为将长视频快速转换为适合社交媒体传播的短视频设计。通过先进的AI技术，能自动识别精彩片段并生成短视频，支持一键发布到TikTok、Instagram、YouTube等平台。

2026.10.18

DynamicFace – 小红书联合上海交大等推出的视频换脸技术

DynamicFace是小红书团队推出新型的视频换脸技术，技术通过结合扩散模型和即插即用的时间层，基于3D面部先验知识，实现高质量和一致性的视频换脸效果。 DynamicFace的核心在于引入了四种精细的面部条件：背景、形状感知的法线图、表情相关的地标和去除身份信息的UV纹理图。

2026.10.18

如何使用 DeepSeek V3 搭建个人AI知识库，小白快速上手

文章提供了快速搭建个人AI知识库的方案，通过结合 AnythingLLM 和 DeepSeekV3，用户可以高效地管理自己的知识库，通过AI进行智能检索和问答。文章详细介绍了安装、配置、上传文档和知识检索的具体步骤，适合新手快速上手。

2026.10.18

DeepSeek 提示词技巧，10种具体技巧

文章介绍了DeepSeek提示词技巧，通过优化指令输入的方式，提升模型生成内容的质量和适用性。文章提出了10种具体的技巧，每种技巧基于特定的认知原理和技术原理，通过实际案例展示了如何应用这些技巧，以及它们带来的效果提升。

2026.10.18

MnnLlmApp – 阿里巴巴开源的离线大模型 Android 手机应用AI助手

MnnLlmApp 是阿里巴巴基于 MNN-LLM 框架开源的 Android 手机应用，支持各类大语言模型（LLM）在手机上离线运行。具备多模态功能，能实现文本生成文本、图像生成文本、音频转文本以及文本生成图像等多种任务。

2026.10.18

AI编程工具L1-L5分级介绍，GitHub Copilot 仅 L1

AI编程的L1-L5分级体系是对AI编程工具自动化能力的分类，从基础的代码补全到全流程开发，体现了AI在软件开发中的不同应用层次。从L1到L5的工具逐步提升软件开发的自动化程度，降低开发门槛，让开发者能专注于更高层次的任务。

2026.10.18

DeepRAG – 中科院、中科大和腾讯微信AI部联合推出的新型检索增强生成框架

DeepRAG 是中科院、中科大和腾讯微信AI部联合推出的新型检索增强生成（RAG）框架，提升大型语言模型（LLMs）在推理和检索任务中的性能。通过将检索增强推理建模为马尔可夫决策过程（MDP），引入“检索叙事”和“原子决策”两个关键组件，实现了结构化和自适应的检索流程。

2026.10.18

OCRmyPDF – 专为 PDF 文件转换为可搜索、可复制的文档AI工具

OCRmyPDF 是开源的命令行工具，专为将扫描的 PDF 文件转换为可搜索、可复制的文档。通过添加 OCR 文本层，将无法直接编辑的扫描 PDF 文件能被搜索和编辑。工具支持超过 100 种语言，基于 Tesseract OCR 引擎实现高效的文字识别。

2026.10.18

TabTac – AI浏览器，支持滑词搜索、识图生文等功能

TabTac是AI驱动的新一代浏览器，专注于提升用户的搜索、网页浏览和办公效率。内置ChatGPT技术，支持滑词搜索、识图生文、AI Summarize和AI Copilot等功能，能快速帮助用户获取信息。

2026.10.18

OmniHuman – 字节跳动推出的单张照片生成全身动态视频生成框架

OmniHuman 是字节跳动推出的端到端多模态条件化人类视频生成框架，能基于单张人类图像和运动信号（如音频、视频或两者的组合）生成逼真的人类视频。OmniHuman基于多模态运动条件混合训练策略，克服以往方法因高质量数据稀缺而导致的性能瓶颈，支持任意宽高比的图像输入（包括肖像、半身和全身图像），能适应多种场景。