AI文章
AI文章
整理 AI 项目、模型、工具和行业动态，给出更容易读懂的背景与使用参考。
内容精选
最新 AI 文章
妙呀
妙呀是大麦娱乐与阿里Token Foundry联合推出的全球首个潮玩创作者AI设计平台，底层依托阿里自研Wan2.7-Image大模型。
阅读全文Codex 接入飞书完整教程 – 手机发消息就能远程写代码
前几天刷到了博主@张咋啦Zara 把 Claude Code 接入飞书，可以像跟同事对话一样，用手机让 Claude Code 处理工作内容。 我们平时大部分工作沟通、沉淀都在飞书上，这样确实能省不少事。下面把我摸索出来的接入步骤和实测效果分享给大家，跟着做几分钟就能搞定。
阅读全文Kimi Work 营销投放实战 – Agent集群自动抓取数据与分析
前两天我朋友又赶上结案，熬的没日没夜，我让她给我一份脱敏的投放清单，说准备给她玩个大的，彻底解决一下好朋友工作中的折磨… 然后我就把这个清单丢进了Kimi Work，勾上Agent集群模式，官方说这个模式最高能同时调度300个Agent、同时干活。 结果它的干活能力，我确实有点意外～
阅读全文PlanningBench – 腾讯混元等开源的大模型规划能力评测框架
PlanningBench 是腾讯混元团队联合中国人民大学高瓴人工智能学院等机构推出的开源框架，专注于大语言模型的规划能力评测与训练。
阅读全文PawBench – 阿里通义推出的通用智能体评测基准
PawBench 是通义实验室推出的通用智能体评测基准，面向个人助理与 Agent 场景，将底座模型与运行框架（Harness）纳入同一评测体系。
阅读全文WorkBuddy企业版 – 腾讯推出的企业级 AI 智能工作台
WorkBuddy企业版是腾讯推出的企业级AI智能工作台，面向AI原生组织转型提供7×24小时数字员工、人机协同"项目"模式及企业管理后台，原生接入腾讯文档、网盘与乐享，支持公有云、VPC专享及私有化部署。
阅读全文Open Code Review – 阿里开源的 AI 代码审查 CLI 工具
Open Code Review 是阿里巴巴开源的 AI 代码审查 CLI 工具，源自集团内部服务数万名开发者、执行超百万次审查任务的生产级实践。
阅读全文Magenta RealTime 2 – 谷歌Magenta开源的实时音乐生成模型
Magenta RealTime 2（MRT2）是谷歌 Magenta 团队推出的第二代开源本地实时音乐生成模型。MRT2 基于逐帧生成架构，每帧 40 毫秒，实现约 200 毫秒的实际控制延迟，让 AI 对输入变化的反应速度接近真实乐器演奏体验。
阅读全文html-video – Open Design 团队开源的 HTML 版剪映
html-video 是 OpenDesign 团队（nexu.io）开源的HTML版剪映，基于 hyperframes 框架构建。工具让 Agent 通过写 HTML 可生成世界级水准的产品宣传、知识解说等视频，内置 20+ 顶级模板，支持分页编辑、多尺寸导出与 Minimax AI 配音配乐。
阅读全文GitNexus – 开源代码知识图谱引擎，构建完整依赖关系图
GitNexus 是开源的代码知识图谱引擎，通过 Tree-sitter 解析将代码仓库构建为完整的依赖关系图，用 MCP 协议向 Cursor、Claude Code、Codex 等 AI 工具暴露结构化上下文。
阅读全文7 个不同工作场景该用哪些 Skill？一文看懂
新一期干货来了~ 分享一篇普通人在不同工作场景下，应该使用哪些 Skill 或者 Skill 组合。 Skill 把重复步骤固定下来。一套已经写好的工作方法，什么时候触发、按什么顺序做、输出什么格式。 所以这篇文章可以直接找到自己的场景，照着安装其中的 Skill ，用提示词跑一遍完整任务。 可以在任何支持 Skill 能力的 Agent 上使用、执行任务
阅读全文码上飞 Vibe Coding 实战 – 10 分钟搭建餐饮点餐小程序
以前开个小店，要会选品、会装修、会拍图、会做客服、会写文案、还要懂一点点技术。 如果选择入驻现有的各大电商平台，免不了要交手续费，还要受各种繁琐规则的约束。 不过最近我发现，很多完全没有技术背景的朋友，都在用一个叫码上飞的工具轻松破局。 用码上飞，我用自然语言就能直接 Vibe Coding 一个能用的小程序~ 全程不用写代码，而且功能很完整，包含前后端，有支付功能，内置 AI 客服，还可以根据应用信息生成推广素材~
阅读全文GreenConvert – AI 音视频转录平台，双引擎转录模式
GreenConvert 是 AI 音视频转录平台，通过神经引擎将音视频转为文字，支持 98 种以上语言，准确率达 98%。平台内置说话人识别、音频修复与多语言翻译，可处理长达 10 小时的文件。
阅读全文Gemma 4 12B – 谷歌开源的多模态大模型
Gemma 4 12B是谷歌开源的多模态大模型，采用业界首个无编码器统一架构，视觉和音频数据直接输入LLM主干，彻底砍掉独立编码器。
阅读全文BrowserAct Skills – 开源的 AI Agent 浏览器自动化 CLI 工具
BrowserAct Skills 是面向 AI Agent 的浏览器自动化 CLI 工具，能解决 Agent 操控浏览器时的核心痛点,无 Cookie 环境、反爬拦截、验证码阻断、人机协作断层等。
阅读全文Ideogram 4 – Ideogram 开源的文本到图像生成模型
Ideogram 4 是 Ideogram 推出的首个开源文本到图像生成模型，拥有 93 亿参数，从头训练非基于现有模型微调。模型专为高质量图像生成而设计，尤其在设计、营销图形、Logo、海报、广告和社交媒体视觉内容方面表现突出。
阅读全文JoyAI-Echo – 京东开源的长音视频生成框架
JoyAI-Echo 是京东推出的开源长音视频生成框架，专为分钟级多镜头故事生成设计。框架通过跨模态记忆库、记忆驱动后训练、Director Agent 对话式编辑和轻量化实时超分四大技术创新，解决长视频生成中角色变脸、音色突变、生成缓慢等核心痛点。
阅读全文Kimi Work – 月之暗面推出的通用型本地 Agent
Kimi Work 是月之暗面推出的面向知识工作者的通用型本地 Agent，随 Kimi 最新测试版 Mac 和 Windows 客户端推出。
阅读全文