AI进家庭
后端服务器的Vibe Coding Agent，扩散模型的图像修复PixelHacker，Mem0的MCP服务器模板
**关注我，记得标星⭐️不迷路哦～ ✨ 1: AutoBE AutoBE是后端服务器的Vibe Coding Agent，利用AI和编译反馈自动生成TypeScript、NestJS等代码。 AutoBE 是一个AI驱动的后端服务器代码...
无需 OCR 就能从各类文档中提取结构化信息的本地化开源工具docext
文档翻译 docext演示 概述 docext是一个无需OCR的工具，用于从发票、护照等文档图像中提取结构化信息。它利用视觉语言模型(VLMs)准确识别并提取文档中的字段数据和表格信息。 智能文档处理排行榜追踪并评估视觉语言模型在OCR、...
AI案例分享：合同合规助手智能体
马斯克带领6个大学生，对美国各部门进行了审计，审查出五花八门的问题。 于是有人问，为什么这么几个人组成的草台班子，就能查出那么多的问题？ 其实很简单，AI颠覆了审计（以及类似的领域）这个行业。 举个例子，我用了十分钟做了一个智能体，挂接了...
大模型全面爆发，所有榜一都是Gemini！谷歌一夜站到了台前
机器之心报道 机器之心编辑部 谷歌的 AI，再次站在了引领业界的位置。 北京时间今天凌晨 1 点，今年的 Google I/O 2025 开发者大会正式开启。谷歌最近的大模型技术风头正劲，今年的这场「科技春晚」吸引了全球关注的目光。 ...
九成以上模型止步白银段位，只有3个铂金！通用AI下半场评测标准来了
引言：从“解题”到“定义问题”，评测引领AI下半场 OpenAI 研究员姚顺雨最近在其博文《AI 下半场》中提出了振聋发聩的观点：人工智能的发展正步入一个全新的阶段。在上半场，我们习惯于专注模型架构与训练方法的突破；而如今，下半场的关键在...
刚刚，Google 眼镜「复活」了！AI 时代的涅槃
2014 年，在 GDG Devfest 中国场的现场，我第一次戴上 Google Glass。 它被认为是世界上首款智能眼镜，当时还只是一个纯粹面向开发者的「原型产品」。它可以录像，支持语音交互，支持将一些应用通过 Mirror API「...
NLWeb：让网站轻松实现自然语言交互的开源项目
NLWeb：让网站轻松实现自然语言交互的开源项目。亮点：1. 支持多种平台（Windows、MacOS、Linux等）；2. 兼容多种LLM（如OAI、Deepseek等）和向量数据库（如Qdrant、Milvus等）；3. 提供简单易用的...
Magentic-UI：一个以人为本的实验性Web Agent，让复杂的网页任务变得轻松又安全
Magentic-UI：一个以人为本的实验性Web Agent，让复杂的网页任务变得轻松又安全。亮点：1. 协同规划，用户可直接修改Agent的执行计划；2. 实时反馈，用户随时接管或暂停Agent的操作；3. 安全保障，关键操作需用户批准...
WSL：让Windows用户无缝运行Linux命令行工具和应用
WSL：Windows Subsystem for Linux，让Windows用户无缝运行Linux命令行工具和应用，无需虚拟机或双系统。亮点：1. 零配置安装，一行命令搞定；2. 高性能，无虚拟机开销；3. 完美兼容Linux应用，支持...
谷歌开发者大会炸场！Agent重磅升级， A2A、SDK大更新
今天凌晨，谷歌召开了“I/O 2025”全球开发者大会，发布了很多产品包括新视频模型、代码模型、文本模型等，尤其是对Agent智能体进行了重磅升级。 例如，全新影视级文生视频模型Flow，创新架构小参数模型Gemma3n，基于AI模型的全新...