🛠️ 乔木设计（Qiaomu Design）
一句话
一个 Obsidian 桌面插件，把当前笔记、选中文字和素材直接做成可继续编辑的封面或海报，支持 AI 排版、生图/改图、图库、图层、手绘与导出。
怎么玩
先在 Obsidian 1.11.4+ 中下载 GitHub Releases 的完整 ZIP，把插件目录放入库的 `.obsidian/plugins/qiaomu-cover-design/`，启用后打开一篇 Markdown 笔记，从命令面板运行“从当前笔记创建封面”。选择小红书、YouTube、公众号等画幅和模板，先手动改标题、图片、图层并导出 PNG/JPEG/WebP；如果要试 AI，再在“设置→模型与服务”配置自己的排版或生图服务，用一句话生成最多七个版式候选，选中后继续编辑。原始 `.qcover` 会保留在库里，后续可以再次打开修改。
为什么值得关注
它不是把笔记丢给模型后只返回一张不可编辑的图片，而是把排版、文字、形状、图片和图层留在 Obsidian 画布中。AI 只是可选的起稿能力，基础编辑和导出不要求账号；插件还提供多平台安全区、系列风格、离线贴纸/图标和可备份的源文件，比较适合需要持续生产内容而不是偶尔生成一张图的人。
应用场景
- 把读书笔记、课程笔记或 AI 资讯快速变成可复用的卡片和封面。
- 为公众号、视频号、小红书和 YouTube 同时制作不同画幅的素材，并保留可编辑源文件。
🛠️ Strata
一句话
一个 MIT 开源的本地推理引擎/安装器，把 Qwen3.8-Flash-Next 这类通常需要服务器的 1250 亿参数模型搬到 Windows 或 Linux 的消费级显卡和系统内存上运行。
怎么玩
准备 Windows 10/11 或 Linux、至少 12GB 显存、32GB 以上内存和约 80GB SSD 空间；下载仓库 ZIP，Windows 双击 `START-HERE.bat`，Linux 执行 `./setup.sh`，按提示选择模型、上下文长度和是否启用图片输入，推荐值直接回车即可。首次下载模型约 70GB，启动时可能有 1—3 分钟卡顿。服务起来后访问 `http://127.0.0.1:8080`，也可以把 Claude Code、Codex 或其他客户端接到 `http://127.0.0.1:8080/v1`；需要 Anthropic 兼容接口时使用 `/v1/messages`。显存较小就选 Coder 或 Q2_0，内存更大再尝试 IQ3_S。
为什么值得关注
关键不只是“能跑大模型”，而是把 MoE 模型的专家放在显存、内存和 SSD 的不同层级，并结合小模型猜测再由大模型校验，降低消费级硬件的进入门槛。仓库给出了 RTX 5070 12GB 上约 53—94 token/s、RX 9070 XT 16GB 上约 44—60 token/s 的实测区间，也明确列出了内存、磁盘和长上下文的代价，适合先按自己的硬件做可复现实验，而不是只看宣传语。
应用场景
- 在不上传代码和文档的前提下，为本地 coding agent 提供 OpenAI/Anthropic 兼容模型。
- 给小团队搭建低成本的内部长文档问答、代码辅助或多用户本地推理服务。
🛠️ DSH Desktop
一句话
一个独立社区维护的跨平台桌面壳，把 DeepSeek Harness 的本地 Agent 工作台、模型提供商、插件、工作区、手机续接和 PPT 生成整合成可安装应用。
怎么玩
从官网下载稳定版，或从 GitHub Releases 选择预览版；macOS 支持 Apple Silicon/Intel，Windows 支持 x64，Linux 和 Windows ARM64 暂不支持。启动后添加 DeepSeek 官方模型或兼容的第三方供应商，选择工作区并直接使用 Harness 界面；打开 PPT 按钮，选模板并描述需求，可从 16 个模板、192 个布局生成可编辑 PPTX。若插件导致启动或渲染异常，选择 Harness→Restart as Safe Mode，系统会暂时屏蔽第三方插件而保留会话和模型设置；需要手机接续时从 Harness 菜单选择 Connect Phone 并扫码配对。
为什么值得关注
它解决的是 Agent 产品化中经常被忽略的“运行时和恢复”问题，而不只是套一个聊天窗口。配置、插件、会话和工作区独立于安装目录，带有安全模式、诊断日志和用户控制的更新流程；PPT、DOCX、XLSX 技能也随应用提供。需要注意它仍是基于 `@deepseek-ai/dsh@0.2.0-rc.2` 的早期预览，社区插件兼容性不能按成熟桌面软件预期。
应用场景
- 想试 DeepSeek Harness，但不想单独维护 Node、浏览器标签页和本地运行命令的开发者。
- 需要把研究材料交给 Agent，生成可继续编辑的 PPTX，并在电脑与手机之间续接任务的小团队。
🛠️ magpie
一句话
一个 MIT 开源的本地模型网关和 Agent 配置中心，让 Claude Code、Codex、Gemini CLI、DeepSeek Harness 等几十个 Agent 共用供应商、订阅、路由组和额度信息。
怎么玩
从官网下载安装，或运行官方安装脚本；打开后到 Providers 添加 API Key、登录订阅或本地 Ollama/LM Studio，再在 Agents 页面给每个 Agent 选择模型。也可以在终端执行 `magpie provider add deepseek sk-…`，然后用 `magpie claude deepseek/deepseek-v4-pro` 或 `magpie codex moonshot/kimi-k2.5` 切换。需要自动兜底时创建 routing group，把多个模型放进去并选择 `smart`、`order`、`rotate` 或 `usage` 策略；再用 `magpie quota` 看各账号余额，用 `magpie tui` 观察请求。首次使用建议先备份 Agent 配置，并在隐私设置里确认是否允许读取本机订阅登录态。
为什么值得关注
它把“每个 Agent 一套 provider 配置”的碎片化问题提升成了一个本地控制面：网关同时兼容 OpenAI Chat/Responses、Anthropic Messages 和 Gemini，还能保留工具调用与流式输出。路由组可以在配额耗尽时无感切换，插件和 middleware 则允许做模型映射、系统提示词、敏感词过滤和请求改写；后续 Agent 也能以插件加入，这比维护越来越多的手工 JSON/TOML 更接近真正的 AI 基础设施。
应用场景
- 同时使用 Claude Code、Codex 和国产模型，想集中管理账号、模型、额度与故障切换。
- 在团队本地网关统一做模型别名、成本记录、请求审计或自定义中间件。
🛠️ AnyJev
一句话
Nokia 开源的决策层，把任意开放因果 LLM 转成能输出“选项+概率”的类型化决策器，支持选择题、是/否和有序评分；基础 L0 模式无需训练和人工标签。
怎么玩
先安装 `pip install anyjev`，如果想直接调用 Tacit 自蒸馏模型则执行 `pip install "anyjev[hf]"`，再用 `Tacit.from_pretrained("morriszjm/Tacit-9B")` 对状态、问题和有限选项调用 `decide`。想复用自己的开放模型，则用 `Decider(HFBackend("Qwen/Qwen3-8B"))` 和 `Question.choice(...)`；如果已经有 vLLM，可用 `pip install "anyjev[client]"`、`vllm serve morriszjm/Tacit-9B`，再启动 AnyJev HTTP gateway 的 `/v1/decide`。先用少量客服意图或工单路由样本验证概率分布，再决定是否启用 `adaptive=True`，不要把未经校准的概率直接当成业务风险概率。
为什么值得关注
普通分类提示词往往受选项顺序、标签先验和自由文本解析影响，AnyJev 直接读取允许答案的 next-token 分布，并用循环移位和无标签校准减轻这些偏差。仓库报告在 BANKING77 的示例中，选项顺序翻转率从 0.230 降到 0.073，准确率从 0.747 提升到 0.803；Tacit 还可以只把低置信度的一小部分样本升级到推理路径。它更像一层可审计的决策接口，而不是又一个聊天应用。
应用场景
- 客服工单、告警分流、审核队列和销售线索的多选路由。
- 在 Agent 循环里先用低成本概率决策筛选，只有不确定样本才升级到完整推理。
🛠️ Clef-omni media search
一句话
一个基于 Cloudflare Clef-omni 的开源视频检索示例，同时利用画面、声音和语义内容找片段，不依赖先转录字幕或单独的视觉 embedding。
怎么玩
克隆仓库后安装 Python 依赖，准备 ffmpeg 和 yt-dlp，运行 `python download.py` 下载示例视频，再运行 `python ingest.py` 切成 8 秒片段，最后 `python serve.py` 打开 `http://127.0.0.1:8790`。仓库自带预计算索引，先输入“屏幕上有代码”“有人提到 Durable Objects”等概念即可本地检索；按 Enter 才会触发对候选片段的实时深搜。要给自己的视频建索引，可清理 `media` 和 `web/media`，把 MP4 放入 `media/raw/`，修改 `concepts.py` 后重新 ingest/classify。实时搜索和重新分类需要 Cloudflare Workers AI 凭据，建议先用 `--ids` 小范围试跑。
为什么值得关注
它展示了 Clef-omni 这类“状态+类型化问题→概率决策”模型在多模态检索中的具体落点：一个调用同时看视频帧、听音轨并回答一组 see/hear/say/both 问题。示例 70 分钟视频被切为 523 段，预计算索引后浏览器查询约 0.2ms；需要实时查询时才调用云端。这样既避免每次键入都请求模型，也让检索概念、概率和原片时间点都可检查。
应用场景
- 从会议、课程、产品演示或客服录音中按“看到/听到/说到”的条件找片段。
- 为企业视频库做低成本预索引，再把高价值查询交给多模态模型复核。
🛠️ YouWare 网站模板
一句话
YouWare 新增网站模板入口，用户先选视觉方向和模型，再由 AI 生成真实 HTML 页面，并可分享、协作和继续编辑。
怎么玩
登录 YouWare 后从主屏幕进入网站选项卡，先挑一个接近目标的外观，再选择可用模型并描述页面用途、受众、内容结构和交互要求，例如“做一个带价格表、案例和邮件收集的产品落地页”。生成后不要只看预览：打开代码视图检查页面结构，把品牌文案、链接、表单和移动端断点逐项修正，再邀请团队协作，最后用平台发布或导出代码部署。适合先从单页开始，明确告诉模型哪些内容必须保留、哪些交互需要真实工作；涉及登录、数据库或支付时要单独验证后端能力和权限边界。
为什么值得关注
官方描述的重点不是静态图片或模板套壳，而是从提示生成浏览器真正渲染的 HTML/React 代码，再进行视觉编辑和 AI 迭代。这样可以把“想法—页面—修改—分享”压缩在同一条链路中，适合非前端用户做原型和营销页面；但网站生成器对代码可导出、后端、域名和平台锁定的实际条件仍应以当前账户和套餐为准，不能把一次生成等同于生产上线。
应用场景
- 为产品发布、活动报名或个人作品集快速做可访问的第一版网站。
- 让产品、运营和设计一起从一份 brief 迭代落地页，而不是在图片稿和代码仓库之间来回搬运。
🛠️ SaaS SEO Playbook
一句话
一份面向 AI 工具站、SaaS 官网和独立开发者的开源 SEO 实战小册子，把搜索意图、页面承接、技术 SEO、内容和外链组织成一套系统。
怎么玩
直接从 GitHub 阅读 README 和 `chapters/`，先看“SEO 是一套系统”和“搜索意图与 Last-Click”，再用自己的站点做一张 Keyword-to-Page 表：每个主要意图指定一个承接页面，记录页面类型、目标用户、信息增量、内链和转化动作。接着选一篇已有文章，按仓库的发布检查补齐标题、结构化内容、内部链接与页面体验，发布后在 Search Console 或日志中观察收录和真实查询，而不是只追一个关键词排名。章节仍在补全，建议把它当作可 Fork 的工作手册，边读边把规则改成团队 checklist。
为什么值得关注
它把 SEO 从“堆关键词、买外链”的零散技巧，改写成产品、内容、技术可见性和站外信任共同组成的长期系统。对 AI 工具站尤其有用的是“一个主要搜索意图由一个明确页面承接”的原则，可以减少同站页面互相竞争；同时仓库采用 MIT 许可、章节和大纲分离，适合独立开发者按自身案例继续补充，但当前仍处于公开发布前整理阶段，不能把未完成章节当成完整教材。
应用场景
- 为 AI 工具目录、SaaS 官网和独立开发项目规划页面类型与内容地图。
- 把 SEO 发布、内链、收录和转化检查整理成可重复的团队流程。
🛠️ 网易叭哥说
一句话
网易的桌面端 AI 语音输入工具，主打语音转文字、去除口头语、自动润色、语音翻译和跨应用输入，让口述内容直接变成可发送的句子。
怎么玩
从官网进入下载入口，安装对应桌面客户端后先授予麦克风和跨应用输入所需权限；在任意输入框按工具提示开始说话，先测试普通中文口述，再观察它如何处理停顿、改口和口头语。随后分别试用“原样转写”“智能润色”和语音翻译，拿一段会议摘要或工作消息对比修改前后，确认专有名词、数字和隐私内容没有被错误替换，再决定是否把它设为高频快捷键。官方页面把它定位为跨应用语音输入，具体系统支持、账号和隐私条款应以下载页当前版本为准，不要直接把宣传中的准确率当作所有场景保证。
为什么值得关注
它瞄准的是“输入速度”而非泛聊天：用户可以保留自然口述的速度，让模型负责去掉口头语、理顺改口和整理成可直接使用的表达。对经常写长消息、做会议记录或在手机/电脑之间切换的人，这种跨应用入口可能比打开一个聊天窗口更高频；同时语音涉及敏感工作内容，使用前应阅读官方数据留存与训练声明，并对医疗、财务和客户信息做脱敏。
应用场景
- 口述邮件、即时消息、会议纪要和长篇工作草稿。
- 把中文口述先整理成可读文本，再快速翻译成其他语言。
📡 Claude Design 回到 Claude 对话中的 Artifact 能力
事件
Anthropic 将设计、设计系统和 PPT 等能力并入 Claude 的对话与 Artifacts 工作流，而不是继续把 Claude Design 作为必须单独访问的产品入口。
解读
官方帮助中心已经把 Design、Slides、Docs 和交互式工具统一解释为可以在对话侧创建、编辑、再次打开和分享的 artifact；Anthropic 的产品说明还强调了从提示、图片、文档、表格或代码库导入，再通过画布内评论、直接编辑和调整控件迭代。这种变化把“模型回答”和“可交付文件/视觉产物”放在同一个对象里，用户不必在聊天、设计工具和文件导出之间反复搬运。需要区分的是，X 上的日期和套餐说法可能随 rollout 变化，最终可用范围应以当前账户界面与官方发布说明为准。
影响评估
AI 设计产品的竞争焦点会从一次生成的视觉效果，转向可编辑性、设计系统复用、多人协作和跨格式导出。对团队而言，artifact 若能保留结构而非只给 PNG，就更接近“可审阅的中间成果”；但它也会提高版本、权限、品牌资产和数据治理要求，设计师的价值会更多落在约束、验收和系统化审美上。
📡 递归自我改进开始具备可审计的实验基础设施
事件
Evolvent AI 发布 RSIGym，把研究 Agent 设计数据、训练、推理、评测和执行 Harness 的实验循环，并用 RSI-Index 衡量其缩小多个基准剩余性能差距的程度。
解读
RSIGym 的新意不只是让 Agent“自己改自己”，而是把每次运行拆成可授权、可计费、可检查的服务：训练、模型推理、前沿模型 rollout、Benchmark、沙箱和权限预算各有接口，研究 Agent 负责选择实验，平台负责资源边界与记录。仓库披露的研究结果覆盖 SWE-bench、Terminal-Bench、AIME、GPQA 和 SkillsBench，初始系统、修改内容、轨迹、奖励和最终评估都能进入审计链。X 上关于“凭证越权调模型”的说法很吸引眼球，但它只能作为运行记录线索，不能替代对原始 trajectory 和权限配置的逐项复核。
影响评估
如果这类环境成熟，模型能力评测会从静态榜单转向“在明确预算和权限下能否提出有效实验并安全改进系统”。研究团队可以比较数据、Harness 和联合优化三种路线，企业也能把自动化研发放入可回放的沙箱；相应地，凭证隔离、成本上限、提交物审计和防止训练/评测泄漏会成为 Agent 研究基础设施的核心，而不是附属安全选项。
