作者: hiyoho

  • 年轻亚洲女性居家客厅真实抓拍

    年轻亚洲女性居家客厅真实抓拍

    年轻亚洲女性居家客厅真实抓拍



    🤖 ChatGPT

    🇺🇸 English Prompt

    Vertical 3:4, single real family mobile phone night shot, no collage, no four-grid, no infographic, no text. Only reference the facial features, face shape, eyes, nose, lips, natural smile and black long straight hair of the female in the uploaded image. Only reference the character's appearance, do not inherit the dessert shop background, yellow chair, ice cream, clothing, action and composition from the uploaded image, completely reconstruct an ordinary family living room. A young adult Asian woman, slim and natural figure, wearing a light beige sleeveless knitted home maxi dress, sitting comfortably sideways on an ordinary fabric sofa, with a thin blanket casually covering her legs. She is holding potato chips in one hand, with the other hand next to the remote control, originally watching TV. A friend suddenly calls her from the other end of the sofa, she turns her head toward the camera, her expression first a bit stunned, with food still in her mouth, then showing a very light, natural smile. The living room is ordinary and slightly cluttered, not a luxury showroom. There are throw pillows and a thin blanket on the sofa, and snack bags, a water cup, tissues, charging cables and a remote control on the coffee table. The TV is on in the background, but the screen content is blurry and unrecognizable. The cool light from the TV illuminates the character's face and shoulders, with only a dim warm floor lamp nearby, forming a realistic uneven cool and warm mixed light. Obvious mobile phone noise is retained in the dark parts of the room. Using an ordinary mobile phone rear lens, 26mm wide angle, shot from a lower position on the other side of the sofa, medium shot. The composition is slightly tilted, the character's posture is relaxed and natural, without intentionally showing off the figure. Retain real skin texture, slight pores, a few blemishes, natural oiliness and messy stray hairs, unedited, like a life photo taken casually by a friend at night. Negative Prompts: Dessert shop, ice cream, wooden table, original chair, original sitting posture, collage, four-grid, multi-scene, infographic, text, title, poster, luxury apartment, showroom, pajama advertisement, studio lighting, sexy clothing, revealing clothing, plastic skin, perfect posing, excessive skin smoothing, deformed furniture, floating snacks, TV text, watermark.

    🇨🇳 中文提示词

    竖版3:4,单张真实家庭手机夜拍,不要拼贴,不要四宫格,不要信息图,不要任何文字。  仅参考上传图片中女性的五官、脸型、眼睛、鼻子、嘴唇、自然笑容和黑色长直发。只参考人物外貌,不继承上传图的甜品店背景、黄色座椅、冰淇淋、服装、动作和构图,完全重建普通家庭客厅。  一位年轻成年亚洲女性,身材苗条自然,穿浅米色无袖针织家居长裙,舒服地侧坐在普通布艺沙发上,腿上随意盖着一条薄毯。她一只手拿着薯片,另一只手放在遥控器旁边,原本正在看电视。朋友从沙发另一端突然叫她,她转头看向镜头,表情先有一点发懵,嘴里还在吃东西,随后露出很轻、很自然的笑容。  客厅普通且略显凌乱,不是豪华样板房。沙发上有抱枕和薄毯,茶几上放着零食袋、水杯、纸巾、充电线和遥控器。电视在背景亮着,但屏幕内容模糊不可辨认。电视冷光照亮人物脸部和肩膀,旁边只有一盏较暗的暖色落地灯,形成真实不均匀的冷暖混合光。房间暗部保留明显手机噪点。  使用普通手机后置镜头,26mm广角,从沙发另一侧较低位置拍摄,中景。构图稍微倾斜,人物姿态松弛自然,没有刻意展示身材。保留真实皮肤纹理、轻微毛孔、少量瑕疵、自然油光和凌乱碎发,未经精修,像朋友深夜随手拍到的生活照。  
    负面提示词:甜品店,冰淇淋,木桌,原图座椅,原图坐姿,拼贴,四宫格,多场景,信息图,文字,标题,海报,豪华公寓,样板房,睡衣广告,影棚布光,性感服装,暴露服装,塑料皮肤,完美摆拍,过度磨皮,家具变形,零食漂浮,电视文字,水印。
  • 超写实东亚女性手机自拍特写

    超写实东亚女性手机自拍特写

    超写实东亚女性手机自拍特写



    🤖 ChatGPT

    🇺🇸 English Prompt

    Ultra-realistic smartphone selfie that looks genuinely captured on an iPhone or modern Android phone, with no DSLR or AI-rendered appearance. An intimate extreme close-up of a stunning young East Asian woman with smooth porcelain skin and refined, delicate facial features. Only one side of her face is visible in the frame, drawing attention to a single expressive gray-brown eye in razor-sharp focus. Soft, slightly damp wispy black hair naturally falls across her forehead and partially covers her eye, adding a cinematic, effortless mood. She wears subtle everyday makeup with warm peach eyeshadow, fine eyeliner, naturally long lashes, softly defined brows, and glossy nude-pink lips. Her expression is calm, mysterious, and relaxed as she looks directly into the phone camera. Warm golden-hour sunlight blends beautifully with cool blue ambient light, creating natural contrast and soft dramatic shadows across her face. Authentic smartphone HDR processing, realistic skin pores, individual hair strands, natural digital sensor noise, slight handheld framing imperfections, shallow depth of field, candid lifestyle aesthetic, ultra-detailed, photorealistic, unedited mobile-camera look, natural color science, no studio lighting, no beauty filters, no watermark, no text, no logo, no CGI, no artificial or AI-generated appearance.

    🇨🇳 中文提示词

    看起来像是用 iPhone 或现代 Android 手机真实拍摄的超写实智能手机自拍,没有单反相机或 AI 渲染的外观。一位拥有光滑瓷白肌肤和精致细腻五官的绝美年轻东亚女性的亲密极近距离特写。画面中仅露出她的半张脸,吸引注意力看向一只处于锐利焦点下的富有表现力的灰褐色眼睛。柔软、微湿且纤细的黑发自然地垂落在她的额头上,并部分遮住了她的眼睛,增添了一种电影感和随性的氛围。她化着精致的日常淡妆,包括暖桃色眼影、细眼线、自然纤长的睫毛、柔和定义的眉毛和水润的裸粉色嘴唇。她的表情冷静、神秘且放松,正直视着手机摄像头。温暖的黄金时段阳光与冷色调的蓝色环境光完美融合,在她的脸上营造出自然的对比和柔和的戏剧性阴影。真实的智能手机 HDR 处理,逼真的皮肤毛孔,根根分明的发丝,自然的数字传感器噪点,轻微的手持取景缺陷,浅景深,抓拍生活方式美学,超细节,照片级写实,未经编辑的移动相机外观,自然色彩科学,无摄影棚照明,无美颜滤镜,无水印,无文字,无标志,无 CGI,无人工或 AI 生成的外观。
  • 大晟法医:明风短剧女主沈知微全资产设定板

    大晟法医:明风短剧女主沈知微全资产设定板

    大晟法医:明风短剧女主沈知微全资产设定板



    🤖 ChatGPT
  • 刚出道就砸4.1亿美元买算力:Recursive把身家押给了AWS

    一家5月才走出隐身模式的AI公司,本周二直接把融来的钱的大头拍在了算力上。Recursive Superintelligence宣布与亚马逊AWS签下一份约4.1亿美元的多年期算力协议——要知道,这家公司出道时的总融资额也就6.5亿美元。等于刚拿到钱,转手就把六成多押给了云厂商。

    这家公司做的方向听名字就知道:开放式的自我改进AI系统。创始人Richard Socher在跟TechCrunch的电话里毫不掩饰胃口,他说这份协议”很可能是我们未来几年要签的算力协议里最小的一份”。

    亚马逊AWS数据中心
    AWS将为Recursive共建专用基础设施(图片来源:TechCrunch/Getty Images)

    “不看人头数,看智能体数”

    “对我们来说,重点不是headcount(人头数),而是agent count(智能体数)。”——Richard Socher

    这句话基本解释了钱为什么这么花。传统AI公司预算的大头在工资和运营,Recursive想让AI自己干产品研发的活,人省下来的钱全灌进GPU。公司要自动化的第一个对象,就是它自己的产品开发流程。

    这笔交易还有个值得玩味的地方:亚马逊没有掺投资。对比一下行业惯例——微软之于OpenAI、亚马逊谷歌之于Anthropic,大厂给算力的同时往往顺手入股,算力订单和股权深度捆绑。这次是干干净净的商业采购。但采购规模够大,AWS也愿意下本:双方约定共同开发专门面向这类自我改进型AI公司的定制基础设施。AWS初创与风投业务副总裁Jason Bennett直说,这套东西以后还能吸引其他基础模型公司上门。


    RSI是拐点还是渐变?他说十月见真章

    递归自我改进(RSI)这个概念在AI圈流传已久:一旦AI不需要人类介入就能改进自己,进步速度可能瞬间起飞。但随着越来越多实验室往这个方向挤,它的定义反而越来越模糊——有人赌突破近在眼前,有人认为所谓自我改进更像一条连续渐变的曲线,根本没有那个戏剧性的”奇点时刻”。

    • Recursive的差异点在于不空谈概念,要用RSI直接做出能用的产品;
    • Socher给了明确时间表:”几个月内,不是几个季度或几年”,大约10月就会有看得见摸得着、可以上手玩的东西;
    • 4.1亿美元的算力储备,就是为这些自我改进系统的规模化扩张备的粮草。

    把公司大部分现金押在算力上,赌的是”智能体替代人力”这条路径能跑通。如果十月拿出来的产品足够硬,这份4.1亿美元的合同真有可能像Socher说的那样,只是个开胃菜;如果跑不通,那就是一家创业公司把弹药一次性打光的反面教材。留给他的时间窗口,其实就这几个月。

  • 单卡GPU起家做到800万用户,Fish Audio拿下5000万美元种子轮

    一个人、一块GPU、一肚子对市面上”机器味”合成语音的不满——Fish Audio的故事就是这么开始的。前英伟达研究员Shijia Liao当年觉得市面上的合成声音太假,干脆自己在单卡GPU上训了一个语音生成模型,顺手开源。如今这个叫Fish Speech的仓库在GitHub上攒下超过3.1万颗星,独立开发者、游戏设计师、内容创作者都在用。

    这家总部在帕洛阿尔托的公司,本周二宣布拿到5000万美元种子轮融资,由Coreline Ventures和今日资本领投,359 Capital、Parable、Play Time、Alphalist Partners、Bayhouse Ventures、Carya Venture Partners和HF0跟投。对一家种子期公司来说,这个数字不小,但看看它的底子就不奇怪了。

    Fish Audio联合创始人
    Fish Audio联合创始人(图片来源:TechCrunch)

    800万用户、2100万美元年收入的”种子期”公司

    上线一年多,开源版加托管版的用户超过800万,年度经常性收入做到2100万美元——这份成绩单放在种子轮公司里,相当扎眼。

    过去一年Fish Audio发了五个模型:四个语音生成、一个语音转文字。其中三个语音生成模型开源,最新的S2.1 Pro则只走付费API。它的打法很清晰:创作者和小团队买包月套餐,按分钟数生成语音、解锁声音克隆;企业客户走API和平台,HeyGen、Sanas、Plaud这些名字已经在客户名单上了。

    CEO兼联合创始人Rissa Cao说,不同客户要的东西完全不一样:HeyGen拿它的声音驱动AI数字人,要的是真实感;游戏工作室给角色配音,要的是表现力;LiveKit这类语音智能体公司做电话场景,要的是自然、低延迟、还得有情绪。Fish Audio靠一个超过1.5万条自然语言控制指令的库,把这些需求都接了下来。

    有意思的是,Cao坦承公司原本没打算融资——只做开源加创作者订阅的时候,小日子过得挺高效,根本不缺钱。但要训更强的模型、要接企业大单,加上投资人排着队敲门,这轮融资就水到渠成了。


    声音库的另一面:谁的声音,谁说了算

    Fish Audio声音库的扩张方式之一,是请用户提交自己的声音用于训练,被采用就给报酬。听起来很社区化,但几个月前出了岔子:有创作者公开指控,自己的声音在不知情的情况下被传到了平台上。当时虽然有DMCA下架流程,但处理速度太慢,惹了不少怨气。

    Cao的回应是把下架流程全自动化了:创作者提交一段短语音样本或一纸合同证明声音归属,3分钟内就能从平台下架。不过这依然是”先上车后补票”的逻辑——只要本人没发现,那个声音就会一直在平台上被使用。

    • 领投方Coreline Ventures合伙人Oskue Honda把话说得很直:社区驱动模式要成为持久优势,前提是创作者信任平台,同意、透明、署名必须做进产品里,而不是事后打补丁;
    • 他还提出行业该走向声音所有权验证、清晰的授权条款、便捷的举报下架机制,最终实现声音被商用时创作者能分钱;
    • 359 Capital合伙人Rico Mallozzi则看中性价比:这支团队用远少于大实验室的资源做出了前沿水准的模型,细粒度控制加低成本训练,是它跟巨头掰手腕的本钱。

    接下来的路线图也定了:年内发布音频理解模型,语音到语音的模型也在路上。赛道确实拥挤——ElevenLabs、WellSaid、Cartesia、Speechify、Async、Krisp全都盯着创作者和企业的钱包。但一家靠单卡GPU起家、用户破800万、还没花完种子钱的公司,至少证明了这个市场远没到终局。

  • ZeroClaw:32K Stars 的 Rust 全自主 AI 个人助手基础设施,单二进制部署、30+通道接入、还能直控硬件

    ZeroClaw:32K Stars 的 Rust 全自主 AI 个人助手基础设施,单二进制部署、30+通道接入、还能直控硬件

    ZeroClaw 官方 Banner

    项目简介

    ZeroClaw 是一个用 Rust 编写的全自主 AI 个人助手基础设施——一个单二进制的智能体运行时(Agent Runtime),口号非常硬核:「You own the agent. You own the data. You own the machine it runs on.」(智能体是你的,数据是你的,跑它的机器也是你的)。它对接 Anthropic、OpenAI、Ollama 等约 20 家模型提供商,通过 Discord、Telegram、Matrix、邮件、语音、Webhook 等 30+ 消息通道与你交互,并能调用 Shell、浏览器、HTTP、硬件(树莓派 GPIO!)和自定义 MCP 服务器执行任务。整个系统跑在你自己的机器上,用你自己的密钥。项目 2026 年 2 月创建,短短 5 个多月即斩获 32,400+ Stars,由 Harvard、MIT、Sundai Club 社区孵化,是当前 GitHub 上最火的 Rust AI 基础设施项目之一。

    安装要求和过程

    环境要求

    • 操作系统:Linux / macOS / Windows / FreeBSD / NixOS / Docker 全平台支持,也可跑在树莓派等硬件上
    • Rust:仅源码构建需要(Rust Edition 2024);官方提供预编译二进制,无需工具链
    • 磁盘占用:minimal 内核精简版仅约 6.6 MB
    • 模型来源:任一 LLM 提供商 API Key,或本地 Ollama(完全离线可用)

    快速安装

    # 一键安装(自动选择预编译二进制,失败则回退源码构建)
    curl -fsSL https://raw.githubusercontent.com/zeroclaw-labs/zeroclaw/master/install.sh | bash
    
    # 或克隆后安装(可交互选择功能特性)
    git clone https://github.com/zeroclaw-labs/zeroclaw.git
    cd zeroclaw && ./install.sh
    
    # 常用安装选项
    ./install.sh --preset minimal     # 仅内核精简版(约6.6MB)
    ./install.sh --prebuilt           # 强制使用预编译二进制
    ./install.sh --source --features agent-runtime,channel-discord  # 自定义特性

    快速上手

    zeroclaw quickstart        # 一站式引导:选择模型提供商、生成可用配置
    zeroclaw agent -a <alias>  # 与指定智能体交互式对话
    zeroclaw service install   # 注册为 systemd/launchctl/Windows 服务
    zeroclaw service start     # 后台常驻运行

    所有配置集中在一个 TOML 文件(~/.zeroclaw/config.toml),provider、channel、agent、安全策略全部声明式定义。

    核心功能

    • 多通道统一接入:Discord、Telegram、Matrix、邮件、语音、Webhook、CLI 等 30+ 通道适配器,所有入站消息汇入同一个智能体循环——一个 Agent 在所有平台回复你
    • 模型提供商无关:可插拔接入 Anthropic、OpenAI、本地 Ollama 及任意 OpenAI 兼容端点,支持故障回退链与智能路由,某家 API 抽风时自动切换保持在线
    • 安全优先架构:默认「supervised」监督模式——中风险操作需审批、高风险直接拦截;工作区边界、命令策略、OS 级沙箱(Landlock / Bubblewrap / Seatbelt / Docker)、每次工具调用都有密码学签名回执(Tool Receipts);开发机可切 YOLO 模式放飞
    • 硬件直控能力:通过 Peripheral trait 支持树莓派、STM32、Arduino、ESP32 的 GPIO / I2C / SPI / USB——让 AI 助手直接操控物理世界
    • SOP 事件引擎 + 网关面板:MQTT / Webhook / Cron / 外设事件触发标准作业流程(含审批门与断点续跑);HTTP/WebSocket 网关自带 Web 仪表盘,可视化管理聊天、记忆、配置与定时任务;还支持 ACP 协议接入 IDE

    典型使用场景

    1. 7×24 小时私人 AI 管家:注册为系统服务常驻后台,你在 Telegram 上问它日程、在邮件里让它整理附件、在 Discord 里让它跑脚本——同一个大脑,全渠道待命,数据永不出你的服务器
    2. 智能家居 / 硬件自动化中枢:跑在树莓派上直控 GPIO 传感器与继电器,配合 SOP 引擎实现「温度超标→MQTT 触发→AI 判断→自动开风扇并通知你」这类带审批门的物理世界自动化
    3. 企业内网离线 AI 运维助手:搭配本地 Ollama 全离线部署,利用命令策略与 OS 级沙箱严格限权,工具回执提供完整审计链——在合规敏感环境中安全落地 AI 自动化

    推荐理由

    试用下来最大的感受是「克制而完整」。市面上的个人 AI 助手项目大多是 Python 全家桶+一堆依赖,而 ZeroClaw 是一个 Rust 单二进制,最小 6.6MB,装完即跑,树莓派上也轻松常驻。它的安全设计诚意十足:默认监督模式、OS 级沙箱、每个工具调用带密码学回执,这在同类项目中相当罕见——大多数 Agent 框架是「先跑起来再说」,它是「先关进笼子再放权」。多通道统一智能体循环的设计也很优雅:不是每个平台一个 Bot,而是一个智能体在所有渠道等你。如果你想要一个真正属于自己、数据不外流、还能摸到硬件的 AI 助手,这可能是目前最工程化的开源答案。MIT/Apache-2.0 双许可,商用无忧。注意:官方特别提醒有仿冒仓库/域名,认准唯一官方仓库 zeroclaw-labs/zeroclaw。

    下载地址

    项目数据:32,420+ Stars | 4,847 Forks | Rust | MIT OR Apache-2.0 双许可 | 创建于 2026 年 2 月

  • Cognition花九位数买下Poke:AI的性格开始比模型还值钱

    Poke是个你可以像给朋友发短信一样聊天的AI助手,现在它被卖掉了。买家是做AI编程的Cognition——就是Devin背后那家公司。交易金额没有精确披露,但Poke母公司The Interaction Company of California的联合创始人Marvin von Hagen向TechCrunch确认了估值区间:”低九位数”,也就是一到三亿美元这个档。

    Poke AI助手被Cognition收购
    像发短信一样用的 AI 助手 Poke(图源:Poke / The Interaction Company)

    这笔收购的逻辑有点反常识:一家写代码的公司,花九位数买的不是什么模型或者算法,而是”性格”。Poke最出圈的地方就是它不像个工具——它回消息像朋友,会用俚语、会开玩笑、还会主动找你。Cognition想把这套交互模式和人格移植到Devin身上,让自家的编程智能体不再像一个冷冰冰的软件。

    von Hagen的原话很直白:”你大概更喜欢有性格的同事,而不是一群机器人同事。如果你的同事也是软件工程师,他们还能讲个笑话,你会觉得有趣。”

    用户很多,钱很难赚

    Poke今年3月才正式上线,支持iMessage、短信、Telegram,部分市场还能用WhatsApp。用户拿它订行程、管邮件、设提醒、记待办,过去三个月平台上跑了超过1亿条消息,用户数有几十万。6月它还拿下一个头衔:第一个被批准入驻苹果Messages for Business平台的AI智能体。

    但热闹背后,von Hagen也承认,Poke的运行成本太高,靠自己很难盈利。这次卖身其实是各取所需——Poke拿到Cognition的模型和基础设施,变得更快更稳定;Cognition拿到一套用户真心喜欢的交互层。Cognition联合创始人Scott Wu在博客里写道:”Interaction团队做出了一个大家真正喜爱的智能体:它主动、懂你、聊起来有意思。和Devin协作就应该是这种感觉。”顺便说一句,Scott Wu和另一位联创Walden Yan早就是Poke的天使投资人,这买卖多少有点近水楼台。


    Poke指挥Devin干活,才是真正的想象空间

    短期内什么都不变:Poke年内照常运营,也继续留在苹果平台上。变化在明年——两边会开始互相渗透:

    • Poke的部分任务会切到Cognition最新的软件工程模型SWE-1.7上;
    • Devin现在一次只能处理一个PR,未来可以让Poke同时调度多个Devin会话并行干活;
    • Poke还能帮Devin跨会话记住任务,变成一个”有记忆的长期同事”;
    • 两个产品彻底合并的可能性,官方也没有排除。

    这笔交易背后是一个正在成形的行业判断:模型能力在快速拉平,AI助手怎么跟人打交道,正在变得和底层模型一样值钱。当每家的智能体都会写代码的时候,谁更像个活人,谁就多一分胜算。

  • Anthropic两个月连发一代:Opus 5跑分反超旗舰Fable,安全拦截少85%

    Anthropic上周五把Opus 5端了出来。这是它家做了很多年的重量级主力模型的最新版本,节奏快得有点吓人——距离5月28日Opus 4.8上线才过去两个月,6月又连发了Mythos 5、Fable 5和Sonnet 5。整个5系列现在就剩轻量级的Haiku还没轮到升级。

    Anthropic发布Opus 5模型
    Anthropic 官方发布的 Opus 5,两个月就迭代了一代(图源:TechCrunch)

    最有意思的地方在于,Opus 5的定位本来是”比旗舰Fable 5小一号”的模型,但官方公告里列出的一串基准测试,它反而在好几项上把Fable 5给超了。再加上它更便宜、限制更少,Anthropic自己都承认,大多数场景下用户恐怕会直接选Opus 5,旗舰反倒成了陪跑。

    官方说法是,Opus 5″在验证自己的工作、反复迭代直到成功这件事上强了很多”。测试里它拿到一个信息不全的提示词,硬是自己写完了一整套计算机视觉流水线。

    Fable身上的枷锁,Opus 5基本没有

    Fable 5发布以来一直被各种限制拖累,最挨骂的是那条30天数据保留政策——出于安全考虑,Fable和Mythos的对话数据要强制留存30天,注重隐私的用户对此意见很大。Opus 5和它的前代一样,完全不受这条政策约束。

    安全分类器的触发频率也差了一个量级。Anthropic预计,同样的使用场景下,Opus 5触发安全拦截的次数会比Fable 5少85%。逻辑很直白:能力弱一档的模型,管得就松一点。

    网络安全的红线还在,但画得更细了

    当然,护栏没有全拆。围绕漏洞利用、渗透测试这类网络安全任务,Opus 5仍然有明确禁区,只是边界画得比以前精细:

    • 不允许拿它去扫描软件二进制文件里的漏洞——这种操作大概率是攻击行为;
    • 但允许在源代码里找漏洞——有源码在手,多半是防御方在做代码审计;
    • 这种”按意图划线”的思路,比过去一刀切的封禁友好得多。

    被拦了也不报错,自动降级给你答案

    这次还有个挺实用的新功能叫Automatic Fallbacks,目前是测试版、需要主动开启。它解决的是一个老痛点:提示词一旦触发安全分类器,API用户以前收到的是一条冷冰冰的报错。开了这个功能之后,请求会被自动转给一个能力弱一些的模型来回答,你至少能拿到一个能用的结果,而不是空手而归。此前就有安全研究员抱怨,AI护栏正在实打实地妨碍他们做攻防研究,这个功能算是Anthropic给出的一个折中方案。

    把这些拼在一起看,Anthropic的产品策略已经很清楚了:旗舰Fable负责冲能力上限、顶着最严的监管;Opus负责走量,用八成五的宽松度和更低的价格接住绝大多数真实需求。跑分还反超旗舰这件事,与其说是意外,不如说是故意留给市场的一个信号。

  • Oh My OpenAgent:66.7K Stars 的 AI 编程智能体”满配套件”,一个词启动 11 个智能体并行开发

    Oh My OpenAgent:66.7K Stars 的 AI 编程智能体”满配套件”,一个词启动 11 个智能体并行开发

    Oh My OpenAgent

    项目简介

    Oh My OpenAgent(OmO)是韩国开发者 code-yeongyu 开源的「AI 编程智能体增强套件(Agent Harness)」——一句话概括:给 OpenCode / Codex CLI 装上一个”满配的 AI 开发团队”,装完只需输入 ultrawork 一个词,11 个专职智能体、54+ 生命周期钩子、5 个内置 MCP 就会自动协同,把复杂任务一路干到完成为止。项目目前已收获 66,693 Stars,甚至因为太火导致 Anthropic 封锁了 OpenCode 的 Claude 订阅接入——作者干脆转身拥抱多模型路由,主打”不要选赢家,要编排所有模型”。

    Oh My OpenAgent Team Mode 运行界面

    ▲ Team Mode 实战:Kimi K3 + GPT-5.6 Sol 多智能体并行工作

    安装要求和过程

    环境要求

    • Ultimate 版(OpenCode):需安装 Bun 与 OpenCode
    • Light 版(Codex CLI):仅需 Node.js/npm 环境,无需 Bun
    • 至少一个模型订阅或 API(推荐组合:ChatGPT $20 / Kimi Code $19 / GLM Coding $10,低成本即可跑满血)

    快速安装

    # Ultimate 版(OpenCode 完整体:11 智能体 + Team Mode + 全部功能)
    bunx oh-my-openagent install
    
    # Light 版(Codex CLI 插件:rules/LSP/ultrawork/ulw-loop 等便携组件)
    npx lazycodex-ai install
    # 非交互推荐模式
    npx lazycodex-ai install --no-tui --codex-autonomous
    
    # 两个都装
    bunx oh-my-openagent install --platform=both

    官方还推荐一种更省心的方式——直接把安装指南 URL 扔给任意 AI 助手(Claude Code、Cursor 等),让 AI 替你完成订阅检测、11 个智能体的模型匹配和各家 Provider 认证:

    Install and configure oh-my-openagent by following the instructions here:
    https://raw.githubusercontent.com/code-yeongyu/oh-my-openagent/refs/heads/dev/docs/guide/installation.md

    注意:npm 包与 CLI 命令仍叫 oh-my-opencode(更名过渡期双发布),但不要用 npx omo——那是另一个同名无关包。

    核心功能

    • ultrawork 一词流:输入 ultrawork(或 ulw)即激活全部智能体,配合 Todo Enforcer”偷懒检测”,智能体一旦闲置就被系统拽回来继续干,任务不完成不停手。
    • 纪律型智能体团队:主指挥 Sisyphus(Opus 5 / Kimi K3)负责规划与并行派活;深度工人 Hephaestus(GPT-5.6 Sol)端到端自主执行;规划师 Prometheus 以”面试模式”先访谈再出方案,另有 Oracle(架构/调试)、Librarian(文档检索)、Explore(快速扫码)各司其职。
    • Team Mode 多智能体系统(v4.0):Lead + 最多 8 个并行成员,tmux 实时可视化,衍生 hyperplan(5 个”敌对评审”轮番拆解你的方案)与 security-research(3 个漏洞猎手 + 2 个 PoC 工程师并行审计)两大技能。
    • Hashline 哈希锚定编辑:每行代码带内容哈希标签(11#VK|),编辑前校验、文件变了就拒绝写入,从根源消灭”stale line”错误——Grok Code Fast 1 的编辑成功率靠它从 6.7% 飙到 68.3%。
    • 按类别自动路由模型:子任务只声明类别(visual-engineering / deep / quick / ultrabrain),框架自动匹配最擅长的模型;同时完全兼容 Claude Code 的 hooks、commands、skills、MCP 与插件生态。

    典型使用场景

    • 大规模代码翻新:有用户用它一天清掉 8000 条 ESLint 警告;还有人一夜之间把 4.5 万行的 Tauri 桌面应用改造成 SaaS 网页应用——睡前下指令,醒来验收。
    • 多订阅省钱组合拳:不必为单一厂商付 $200/月,用 Kimi K3 + GPT-5.6 Sol 的平价组合即可超越原版 Claude Code 体验,模型按任务类别自动分工。
    • 方案评审与安全审计:写代码前先跑 hyperplan 让 5 个”杠精”智能体从不同角度挑刺;上线前用 security-research 让 5 个智能体并行做渗透式代码审计,按真实可利用性定级。

    推荐理由

    这是我见过”工程密度”最高的 Agent Harness 项目。它不是又一个 prompt 合集,而是把作者烧掉 2.4 万美元 token 试错换来的经验固化成了产品:Hashline 编辑工具解决的是所有编码智能体最痛的”改错行”问题;类别路由让”选模型”这件事彻底消失;Todo Enforcer 治好了 AI”干一半就摆烂”的顽疾。社区口碑也相当能打——”让我退订了 Cursor””用了就回不去了”。如果你已经在用 OpenCode 或 Codex CLI,这基本是无脑必装的存在;哪怕只是想围观多智能体协作的工程实践,读它的源码和文档也极有收获。唯一注意点:License 为 SUL-1.0(Sisyphus 使用许可),商用前建议先读一下条款,且默认开启匿名遥测(可通过 OMO_DISABLE_POSTHOG=1 关闭)。

    下载地址

    项目数据:66,693 Stars | 语言:TypeScript | License:SUL-1.0 | 最近更新:2026-07-28

  • 今年美国科技业裁了14万人,21家公司都把锅甩给了AI

    Monday.com这周成了最新一个把裁员和AI挂钩的科技公司。这家以彩色项目看板出名的特拉维夫企业在SEC文件里宣布,要裁掉大约20%的员工、600多人,理由是配合”AI驱动的增长战略”,打造”更精简、更聚焦的运营模式”。联合创始人Eran Zinman赶紧在LinkedIn上给员工解释:这不是为了省钱,也不是用AI换人,是组织要适应一年前定下的AI优先愿景。

    话是这么说,但公司一边掏4500万到5500万美元的重组费用,一边还预期2026年营收增长最高20%。生意没垮,人先走了。

    AI与科技裁员
    越来越多科技公司把裁员归因于AI(图源:TechCrunch)

    14万人失业,市场却不太买账

    英国《金融时报》统计:今年以来美国科技公司已砍掉近14万个岗位,光亚马逊、甲骨文、Meta、微软四家就占了近5万。

    这些钱去哪了?答案是AI数据中心——几千亿美元砸进去,人力预算自然要腾地方。但《金融时报》还发现一个耐人寻味的现象:凡是把裁员归因于AI的公司,公告后30个交易日的股价平均跑输纳斯达克近10个百分点。换句话说,资本市场并不完全相信”AI提效”这套说辞,更像是在怀疑这些公司拿AI当业绩不佳的遮羞布。

    21家公司的裁员账本

    TechCrunch整理的这份名单几乎囊括了所有巨头。亚马逊1月一口气砍掉1.6万个公司岗位,加上去年10月的1.4万,三个月裁了公司编制的9%。甲骨文12个月内减员2.1万人、降幅13%,同期季度净利润还涨了27%。Block最狠,杰克·多西直接裁掉近一半员工,从1万多人砍到不足6000,还在X上放话:”大多数公司都晚了,一年内多数公司会得出同样结论。”

    • Meta:裁8000人的同时,把7000人转进AI岗位——据说这些人干得并不开心;
    • Cloudflare:裁掉20%,CEO直言被裁的大多是”负责测量的人”——中层管理、财务、法务、审计;
    • Coinbase:裁700人后开始试验工程、设计、产品三合一的”一人团队”;
    • Salesforce:客服团队从9000人缩到5000人,CEO贝尼奥夫说AI智能体接手了活儿,公司需要”更少的人头”;
    • IBM:约200个HR岗位直接被AI智能体取代,却计划把AI和混合云的应届生招聘扩大三倍。

    岗位没有消失,只是换了主人

    往细看,这场大洗牌不全是坏消息。Anthropic和OpenAI这类AI公司正在疯狂招人,吸收了一部分被裁的人才。Atlassian CEO的说法可能最接近真相:”我们的思路不是AI取代人。但假装AI不会改变我们需要的技能组合和某些岗位的数量,那就是不诚实。”对打工人来说,这句话翻译过来就是:饭碗还在,但端饭碗的规则彻底变了。