首席AI分享圈

OCR 技术能够将图像中的文字信息转换为可编辑和可处理的文本数据。简单来说，就是识别和提取图片上的文字。 接下来，我们将深入评测 GitHub 上 Star 数最多的 10 个 OCR 开源项目，为你提供一份详尽的 OCR 工具选...

综合介绍 SmartRead 是一个基于 AI 的开源工具，专为技术文档设计。它能自动分析 PDF 文件，标注关键内容，比如重要术语、标题或核心观点，帮助用户快速理解复杂文档。同时，它还能提供与文档主题相关的文章和视...

综合介绍 Hunyuan3D-2 是腾讯开发的一个开源项目，旨在通过文字或图像生成高分辨率的3D模型。它由两个核心部分组成：形状生成模型（Hunyuan3D-DiT）和纹理生成模型（Hunyuan3D-Paint）。用户可以输入文字描述或上...

综合介绍 LangManus 是一个开源的 AI 自动化框架，托管在 GitHub 上。它由一群前同事在业余时间开发，属于学术驱动项目，目标是结合语言模型和专用工具，完成网页搜索、数据爬取和代码执行等任务。框架采用多代理...

  Gemini 最近更新有些频繁，非顺序整理： 正式上线 Veo2 推理模型在 Google AI Studio 、Gemini（缩水版） 分别上线 原生支持图像生成编辑的多模态模型：Gemini 2.0 Flash （现在标准名称是：Gemini 2.0 Fl...

摘要 信息检索系统对于有效访问大型文档集合至关重要。最近的方法利用大型语言模型（LLMs）通过查询增强来提高检索性能，但通常依赖于昂贵的监督学习或蒸馏技术，这些技术需要大量的计算资源和手工标注的数据。在...

综合介绍 Cursor Talk to Figma MCP 是一个开源项目，通过 Model Context Protocol (MCP) 协议连接 AI 编程工具 Cursor 和设计软件 Figma。它由开发者 Sonny Lazuardi 创建，托管在 GitHub 上，发布时间为2025年3...

综合介绍 XianyuAutoAgent 是一个专为闲鱼平台设计的智能客服机器人系统，由开发者 shaxiu 在 GitHub 上开源。它通过 AI 技术实现 7×24 小时自动值守，帮助闲鱼卖家回复消息、处理议价和技术咨询。核心功能包括上...

综合介绍 Seed-VC 是一个开源项目，地址在 GitHub 上，由 Plachtaa 开发。它能用一段 1 到 30 秒的参考音频，快速实现语音或歌声转换，不需要额外训练。项目支持实时语音转换，延迟低至 400 毫秒左右，适合在线会...

综合介绍 PilottAI 是一个开源的 Python 框架，托管在 GitHub 上，由开发者 anuj0456 创建。它专注于帮助用户构建企业级的多智能体系统，支持大语言模型（LLM）集成，提供任务编排、动态扩展和容错机制等功能。Pi...

综合介绍 HumanOmni 是由 HumanMLLM 团队开发的一个开源多模态大模型，托管在 GitHub 上。它专注于分析人类视频，能同时处理画面和声音，帮助理解情感、动作和对话内容。项目用了 240 万个以人为中心的视频片段和...

综合介绍 Aha 是全球首款使用AI团队专注网红营销的工具，由Aha Labs开发。它提供一个24小时在线的AI代理团队，帮助用户启动、管理和扩大网红营销活动。用户输入品牌或网站信息，AI会自动完成任务，比如匹配网红、...

中国互联网巨头阿里巴巴正大举进军人工智能（AI）领域。据报道，阿里巴巴 CEO 吴泳铭已明确提出，要在公司现有业务中全面实现 AI 驱动。 阿里巴巴在港交所发布公告（2月24日），计划在未来三年内投入至少 3800 亿...

背景 基于文心智能体平台，结合最新 DeepSeek 模型开发的图书推荐助手，能够依据用户对话内容进行智能商品推荐，实现精准转化和交易变现，构建商业闭环。 本教程将深入解析 DeepSeek 图书推荐助手的开发实践，帮...

综合介绍 TxAgent 是哈佛大学医学与科学人工智能团队（MIMS）开发的一款开源AI工具，旨在帮助医生分析药物相互作用并制定个性化治疗方案。它通过多步骤推理和实时检索生物医学知识，结合患者的具体情况（如年龄、...

综合介绍 OpenSearch-SQL 是一个开源项目，它是一个强大的 Text-to-SQL 工具，可以把用户的自然语言描述转化为 SQL 查询语句，帮助不熟悉数据库的人轻松获取数据。这个项目由 OpenSearch-AI 团队开发，基于 Apach...

综合介绍 SmolDocling 是由 ds4sd 团队与 IBM 合作开发的一个视觉语言模型（VLM），基于 SmolVLM-256M 打造，托管在 Hugging Face 平台。它体积小，只有 256M 参数，却是全球最小的 VLM。它的核心功能是从图片中...

综合介绍 Moffee 是一个开源工具，它能把 Markdown 文件快速变成专业的幻灯片，简单又高效。用户只需写好 Markdown 内容，Moffee 就能自动处理布局、分页和样式，省去手动排版的麻烦。它支持实时预览，用户可以边...

综合介绍 PocketFlow 是一个只有100行代码的轻量级AI应用开发框架，由 The-Pocket 团队开发并在 GitHub 上开源。它追求极简设计，核心代码控制在100行，没有任何外部依赖，也没有厂商绑定。开发者可以用它快速搭...