标签：隐私保护

Voicebox：47.5K Stars 的开源 AI 语音工作室，克隆声音、全局听写、让 AI 智能体开口说话
项目简介

Voicebox 是一款本地优先的开源 AI 语音工作室——相当于把 ElevenLabs（语音合成）+ WisprFlow（语音听写） 两大云服务装进同一个免费开源的桌面应用：几秒参考音频即可克隆任意声音、7 大 TTS 引擎覆盖 23 种语言、全局热键把语音听写进系统任意输入框，还能通过 MCP 让 Claude Code / Cursor 等 AI 智能体用你克隆的声音「开口说话」。全部模型与数据均在本机运行，目前已收获 47.5K Stars，MIT 许可。

安装要求和过程

环境要求
- macOS：Apple Silicon（MLX/Metal 加速）或 Intel
- Windows：支持 NVIDIA CUDA 加速
- Linux：暂无预编译包，需源码构建；另支持 AMD ROCm、Intel Arc
- Docker：任意平台一行命令部署
- 轻量引擎 LuxTTS 仅需 ~1GB 显存，CPU 也能 150 倍实时速度推理
快速安装
```
# 方式一：直接下载安装包（推荐）
# macOS (Apple Silicon): https://voicebox.sh/download/mac-arm
# macOS (Intel):         https://voicebox.sh/download/mac-intel
# Windows (MSI):         https://voicebox.sh/download/windows

# 方式二：Docker 一键启动
git clone https://github.com/jamiepine/voicebox.git
cd voicebox
docker compose up
```
首次启动时应用会引导下载所需模型；macOS 上还有权限向导，一步步带你完成「辅助功能」「输入监控」授权，用于全局听写自动粘贴。

核心功能
- 多引擎语音克隆：内置 Qwen3-TTS、Qwen CustomVoice、LuxTTS、Chatterbox Multilingual/Turbo、HumeAI TADA、Kokoro 共 7 大 TTS 引擎，零样本克隆 + 50 多个精选预置声音，覆盖 23 种语言，可逐次生成切换引擎。
- 全局语音听写：按住热键在系统任意位置说话，松开即把转写文本粘贴进当前输入框（macOS 经辅助功能校验注入，且自动保存/恢复剪贴板）；内置 Whisper 全系列模型（Turbo 版比 Large 快约 8 倍），可选本地 LLM 自动清理「嗯、啊」等口头语。
- 给 AI 智能体一个声音：自带 MCP 服务器与 REST API，Claude Code、Cursor、Cline 等任意支持 MCP 的智能体只需调用 voicebox.speak 工具，就能用你克隆的声音向你「汇报工作」。
- 专业级生产能力：不限长度生成（自动分句 + 交叉淡化拼接，最长 5 万字符）、多轨 Stories 时间线编辑器（做播客/对话/有声书）、8 种后期效果（变调/混响/延迟/压缩等，基于 Spotify pedalboard），生成版本全程可溯源。
- 完全本地、隐私优先：模型、声音数据、录音捕获全部留在本机，永不上传；应用基于 Tauri（Rust）构建而非 Electron，原生性能，安装包小、内存占用低。
典型使用场景
1. 内容创作者做配音/播客：用自己的几秒录音克隆声音，把文章、剧本、章节直接批量转成音频；Stories 编辑器多轨拖拽即可编排双人对话播客，再叠加混响、电台音效等预设，全流程零云端费用。
2. 开发者的「会说话的」编码智能体：给 Claude Code / Cursor 接上 Voicebox 的 MCP 服务器，长任务跑完后智能体用你指定的声音口头播报结果；配合全局听写热键，动口不动手地写 prompt，形成完整的语音 I/O 闭环。
3. 注重隐私的日常语音输入：会议纪要、日记、即时消息全部用本地 Whisper 听写，敏感内容不经过任何第三方服务器；Captures 标签页保留每段原始音频 + 转写文本，可随时重转写、改写或升级为克隆样本。
推荐理由

试用下来最打动我的是「输入 + 输出一体」的产品思路：市面上克隆声音要买 ElevenLabs，语音听写要买 WisprFlow，而 Voicebox 把两半闭环装进一个 MIT 开源应用，还用本地 LLM 把两端串了起来。工程质量也远超一般开源项目——Tauri 原生应用不卡顿，生成队列异步不阻塞，甚至连 macOS 剪贴板保护、崩溃恢复这类细节都做了。对开发者来说，一行 MCP 配置就能让编码智能体开口说话，这个体验相当新奇实用。如果你需要一套不上云、不订阅的完整语音方案，这个项目值得马上装上试试。

下载地址
- 官网：https://voicebox.sh
- GitHub：https://github.com/jamiepine/voicebox
- 文档：https://docs.voicebox.sh
- 下载各平台安装包：GitHub Releases
2026年7月31日
ZeroClaw：32.4K Stars 的 Rust 全自主个人 AI 助理基础设施，6.6MB 单二进制、30+ 渠道、数据完全自持
项目简介

ZeroClaw 是一个用 Rust 编写的全自主个人 AI 助理基础设施（Agent Runtime）——一个体积小、速度快的单二进制程序，让你在自己的机器上跑一个 7×24 小时在线的私人 AI 助理：它对接 Anthropic、OpenAI、Ollama 等 20 余家模型提供商，通过 Discord、Telegram、Matrix、邮件、语音、Webhook 等 30+ 渠道与你对话，并能调用 Shell、浏览器、HTTP、硬件外设与自定义 MCP 服务器执行真实操作。项目口号非常直白：“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，机器也是你的。）

项目诞生于 2026 年 2 月，由 Harvard、MIT 与 Sundai Club 社区孵化，短短 5 个多月即斩获 32,400+ Stars、4,800+ Fork，是当下最火的 Rust AI 项目之一。采用 MIT OR Apache-2.0 双许可，可自由选择。

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，也可跑在树莓派等单板机上
- 运行环境：预编译二进制开箱即用；从源码构建需 Rust（edition 2024）工具链
- 体积：minimal 内核预设仅约 6.6 MB，资源占用极低
- 模型接入：任一 LLM 提供商的 API Key，或本地 Ollama（可完全离线）
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（可交互选择组件和特性）
git clone https://github.com/zeroclaw-labs/zeroclaw.git
cd zeroclaw
./install.sh

# 极简内核（约6.6MB）
./install.sh --preset minimal
```
快速上手
```
zeroclaw quickstart           # 一站式配置：选择模型提供商，生成可用配置
zeroclaw agent -a <alias>     # 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），支持 Codex 订阅、Claude Max setup-token 等多种认证方式导入。

核心功能
- 多渠道统一接入：Discord、Telegram、Matrix、邮件、语音、Webhook、CLI 等 30+ 渠道适配器，全部消息汇入同一个智能体循环，一个助理全端响应
- 模型提供商无关：可插拔接入 Anthropic、OpenAI、本地 Ollama 及任意 OpenAI 兼容端点约 20+ 家，支持故障回退链与智能路由，单家挂掉不影响服务
- 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）加密码学工具回执（Tool Receipts）记录每一次操作；开发机可切 YOLO 模式放飞
- 硬件控制能力：通过 Peripheral trait 支持树莓派、STM32、Arduino、ESP32 的 GPIO/I2C/SPI/USB，AI 助理可以直接操控物理硬件
- SOP 引擎 + 网关面板：事件触发的标准作业程序（MQTT/Webhook/Cron/外设触发，带审批门与断点续跑）；HTTP/WebSocket 网关配 Web 仪表盘，可视化管理对话、记忆、配置与定时任务；另有 ACP 协议支持 IDE 集成
ZeroClaw 硬件接入架构：从单板机 GPIO 到智能体循环

典型使用场景
1. 私有化全天候个人助理：在家庭服务器或 VPS 上以 systemd 服务常驻运行，用 Telegram/Discord 随时召唤——查资料、跑脚本、管日程、收发邮件，所有数据和 API Key 都留在自己机器上，零云端依赖
2. 智能家居与硬件自动化中枢：跑在树莓派上，结合 SOP 引擎的 MQTT/Cron/外设触发器，让 AI 根据传感器读数自动执行标准作业流程（如温度异常告警并开启风扇），审批门保证关键操作人工确认
3. 离线/内网 AI 运维助手：搭配本地 Ollama 在无外网环境下运行，通过 Shell 与 HTTP 工具执行巡检、日志分析等任务，沙箱与工具回执满足安全审计要求
推荐理由

体验下来最深的感受是「轻」和「稳」：相比动辄上 GB 依赖的 Python Agent 框架，ZeroClaw 一个 6.6MB 起步的 Rust 二进制就能常驻后台，树莓派也毫无压力；配置只有一个 TOML 文件，quickstart 三分钟跑通。它的安全设计是我见过的开源助理里最认真的——默认监督模式、OS 级沙箱、每次工具调用都有加密回执，敢放心给它 Shell 权限。多渠道 + 多提供商 + 故障回退的组合意味着它真的能当”基础设施”用，而不只是玩具 Demo。如果你想要一个数据完全自持、能接硬件、7×24 在线的私人 Jarvis，ZeroClaw 是目前 Rust 生态里最值得入手的选择。注意：官方仓库只有 zeroclaw-labs/zeroclaw 一个，谨防仿冒包。

下载地址
- GitHub 仓库：https://github.com/zeroclaw-labs/zeroclaw
- 官方网站：https://www.zeroclawlabs.ai/
- 官方文档：https://docs.zeroclawlabs.ai
- 最新版本：GitHub Releases
2026年7月29日
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
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
- GitHub 仓库：https://github.com/zeroclaw-labs/zeroclaw
- 官方网站：https://www.zeroclawlabs.ai/
- 官方文档：https://docs.zeroclawlabs.ai
- 最新版本：GitHub Releases
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
2026年7月28日
MemPalace：57.7K Stars 的本地优先开源 AI 记忆系统，逐字存储 + 96.6% 检索召回，零 API 成本
项目简介

MemPalace 是一款本地优先（Local-first）的开源 AI 记忆系统：它把你与 AI 的对话历史、项目文档以”逐字原文”的方式存进一座结构化的”记忆宫殿”，再用语义搜索精准召回——在权威长期记忆基准 LongMemEval 上，纯本地检索（不调用任何 LLM、不需要任何 API Key）就拿下了 96.6% R@5 的成绩，号称”基准测试打得最透明的开源 AI 记忆系统”。项目 2026 年 4 月上线，短短三个多月即斩获 57.7K+ Stars，MIT 许可，完全免费。

与 Mem0、Zep 等”摘要式”记忆方案不同，MemPalace 的哲学是不摘要、不改写、不提炼——原文进、原文出。它借用”记忆宫殿”的记忆术概念组织索引：人物和项目是”侧厅（wings）”，主题是”房间（rooms）”，原始内容躺在”抽屉（drawers）”里，搜索可以按范围限定，而不是在一个扁平语料库里大海捞针。

安装要求和过程

环境要求：
- Python 3.9+
- 向量存储后端（默认内置 ChromaDB，零配置）
- 约 300 MB 磁盘空间用于本地嵌入模型（推荐多语言的 embeddinggemma-300m，支持 100+ 语言；也可选 30 MB 的英文版 all-MiniLM-L6-v2）
- 核心功能无需任何 API Key
快速安装（推荐 uv，隔离环境防依赖冲突）：
```
# 方式一：uv（推荐）
uv tool install mempalace
mempalace init ~/projects/myapp

# 方式二：pipx
pipx install mempalace

# 方式三：pip（虚拟环境内）
python -m venv .venv && source .venv/bin/activate
pip install mempalace
```
Docker 部署（可直接作为 MCP 服务器运行）：
```
docker build -t mempalace .
# MCP 服务器（stdio 模式，注意 -i 参数）
docker run -i --rm -v mempalace-data:/data mempalace
# 或直接跑 CLI 命令
docker run --rm -v mempalace-data:/data mempalace search "why GraphQL"
```
30 秒上手：
```
# 把项目文件"挖"进记忆宫殿
mempalace mine ~/projects/myapp
# 挖掘 Claude Code 历史会话
mempalace mine ~/.claude/projects/ --mode convos
# 语义搜索
mempalace search "当初为什么改用 GraphQL"
# 新会话开始时加载上下文
mempalace wake-up
```
核心功能
- 逐字原文存储 + 语义检索：不摘要、不改写，对话与文档按原文入库；LongMemEval 上纯语义检索 R@5 达 96.6%，混合管线（关键词加权 + 时间邻近加权）在留出集上达 98.4%，加 LLM 重排后 ≥99%——全部结果可用仓库内脚本复现。
- 可插拔存储后端：默认 ChromaDB 零配置开箱即用，另支持 SQLite（精确匹配）、Milvus、Qdrant、pgvector，一个环境变量即可切换，接口契约独立于任何单一厂商。
- 36 个 MCP 工具 + 时序知识图谱：内置 MCP 服务器覆盖宫殿读写、知识图谱操作（带有效期窗口的实体关系：添加/查询/失效/时间线）、跨侧厅导航和智能体日记，本地 SQLite 支撑。
- 自动保存钩子（Auto-save Hooks）：为 Claude Code、Codex CLI、Cursor IDE 提供钩子，定期保存并在上下文压缩前抢救现场——专治”Claude Code 会话 30 天过期”之痛。
- 彻底本地、彻底免费：嵌入模型本地运行，数据不出机器（除非你主动选择），MIT 许可，无任何付费墙。
典型使用场景

场景一：给 Claude Code / Cursor 装上”永久记忆”。AI 编程工具的会话记录会过期、上下文会被压缩，三周前”为什么放弃方案 A 改用方案 B”的讨论早已无处可寻。装上 MemPalace 的自动保存钩子后，每次对话都逐字入库，新会话里一句 mempalace wake-up 或通过 MCP 工具即可召回全部历史决策。

场景二：团队/个人的项目决策考古。把项目代码、文档、历史会话统统 mine 进宫殿，之后用自然语言问”当初为什么选 PostgreSQL 而不是 MongoDB”，直接命中当时的原始讨论原文——而不是某个 LLM 事后脑补的摘要。

场景三：隐私敏感环境下的 AI 记忆层。法务、医疗、金融等不能把数据传到云端的场景，MemPalace 全链路本地运行（嵌入模型本地、向量库本地、检索本地），配合 Ollama 等本地模型即可搭出完全离线的”有记忆的 AI 助手”。

推荐理由

AI 记忆赛道今年异常拥挤（Mem0、Zep、Supermemory、Letta……），MemPalace 能三个月冲到 57K Stars，我认为靠的是两个字：诚实。它是少数把基准测试方法论、每道题的原始结果文件全部提交到仓库、并且主动说明”最后 0.6% 是看着错题调出来的所以我们不宣传 100%”的项目——甚至拒绝与竞品做不对等的表格对比。这种工程品味在营销味浓重的 AI 开源圈里非常稀缺。

实际体验上，”逐字存储”这个反直觉的设计恰恰是最大亮点：摘要式记忆一旦摘错，信息就永久丢失；而 MemPalace 永远保留原文，检索层再怎么迭代都能吃到红利。加上零 API 成本、五种后端随意切换、36 个 MCP 工具即插即用，把它接进 Claude Code / Cursor 的成本极低。如果你只想给自己的 AI 工作流加一层”不会失忆”的保险，这是目前开箱体验最好的选择之一。唯一要提醒的是：官方明确警告有大量仿冒网站，请只从 GitHub、PyPI 和 mempalaceofficial.com 获取。

下载地址
- GitHub 仓库：https://github.com/MemPalace/mempalace
- 官方文档：https://mempalaceofficial.com
- PyPI：https://pypi.org/project/mempalace/
2026年7月27日
OpenHuman：本地优先的个人 AI 超级大脑，连续 9 天登顶 GitHub 趋势榜（35K+ Stars）
项目简介

OpenHuman 是一个「本地优先」的个人 AI 超级智能体：它既是一个能记住你全部生活与工作数据的大脑（Brain），又是一个能编排智能体舰队与工作流的指挥官（Orchestrator），还是一个能在你话音未落时就完成资料搜集的深度研究员（Deep Researcher）。项目由 tinyhumansai 团队用 Rust 打造，上线一周即连续 9 天登顶 GitHub 趋势榜，目前已收获 35,000+ Stars。

安装要求和过程

环境要求：OpenHuman 是 UI 优先的桌面应用，普通用户无需命令行、无需配置文件，几次点击即可从安装到可用。支持 macOS / Windows / Linux 三大平台。

普通用户（推荐）：直接从官网或 GitHub Releases 下载对应平台安装包即可。
- 官网下载：https://tinyhumans.ai/openhuman
- GitHub Releases：https://github.com/tinyhumansai/openhuman/releases/latest
- 终端安装：支持 Homebrew、Debian/Ubuntu .deb、AUR 及安装脚本，详见仓库 INSTALL.md。
从源码构建（贡献者）：
1. 安装依赖：Git、Node.js 24+、pnpm 10.10.0、Rust 1.93.0（含 rustfmt + clippy）、CMake、Ninja、ripgrep 及桌面构建前置工具。
2. Fork 并克隆仓库，先执行 git submodule update --init --recursive，再运行 pnpm install。
3. 开发调试：pnpm dev（Web UI）、pnpm --filter openhuman-app dev:app（桌面端）。
核心功能
- 记忆树 + Obsidian 知识库：把你的数据压缩成带评分的 Markdown 树，存在本机 SQLite 里，并镜像为可打开编辑的 Obsidian 库——不是「向量黑盒」，记忆看得见、改得动。
- 海量集成：100+ OAuth 集成、5,000+ MCP 服务器、90,000+ Skills，一键接入 Gmail、Notion、GitHub、Slack；自动抓取每 20 分钟同步一次，让智能体「今早就拿到明天的上下文」。
- 潜意识后台循环（Subconscious）：在你停止输入后仍持续思考，比对世界变化、推进目标、生成晨间简报。
- TokenJuice 压缩：工具输出在进入模型前先压缩，信息不变但 Token 最多减少 80%，让「大脑」跑得起也养得起。
- 智能体编排（图而非循环）：基于开源 tinyagents 的检查点图运行，可暂停等人工、重启后续跑、卡住自动纠偏；子智能体舰队最深可派生三级。
典型使用场景
- 个人第二大脑：连接邮箱、日历、代码仓库、笔记与聊天记录，一次同步即可让智能体全面（压缩后）掌握你的上下文，无需数周「养成期」，随时问它「我这周的进展」「谁在等我回复」。
- 多智能体统一指挥台：通过 Signal 协议端到端加密的智能体互联，把 Claude Code、Codex、OpenClaw、Hermes 等工具接进来，用 OpenHuman 统一编排调度，密钥永不落盘。
- 会议与自动化助理：以头像+声音自动加入 Meet / Zoom / Teams / Webex 会议，实时转写、按名应答、会后生成带待办的纪要；可视化工作流（灵感来自 n8n / Zapier）由智能体自动提议、你在画布上审核后保存。
推荐理由

用下来最打动我的是它对「隐私」和「记忆」的执念。开启一键 Privacy Mode 后，所有推理都不会离开本机，且由 Rust 核心强制执行；日常数据在设备端加密、密钥走系统钥匙串、敏感操作有审批闸门。相比要么云端黑盒、要么需要数周喂上下文的同类产品，OpenHuman 让「几分钟就懂你」成为现实，还自带模型路由、浏览器、语音、图像/视频生成等一整套原生工具，一个订阅打通全部。需要留意的是它目前仍是 Early Beta，且采用 GPL-3.0 许可证，商业集成前请评估其传染性。

下载地址
- 官网：https://tinyhumans.ai/openhuman
- GitHub：https://github.com/tinyhumansai/openhuman
- 文档：https://tinyhumans.gitbook.io/openhuman/
项目数据截至发布时：35,000+ Stars · Rust · GPL-3.0 · Early Beta。开源世界迭代飞快，具体以官方仓库为准。
2026年7月27日
亚马逊Ring门铃把路人脸偷偷存了，集体诉讼把亚马逊告上法庭

亚马逊的Ring门铃最近摊上大事了。一位弗吉尼亚州的居民Charles Sigwalt在西雅图联邦法院提起集体诉讼，指控Ring的”熟悉面孔”（Familiar Faces）功能在路人完全不知情的情况下，用AI识别并存储了他们的面部数据。

这个功能去年9月就宣布了，当时电子前沿基金会（EFF）和马萨诸塞州参议员Ed Markey就跳出来反对。但亚马逊还是去年12月硬着头皮把功能上线了。

Ring门铃的摄像头覆盖着无数美国家庭的门口（图：Getty Images）

功能本身没大问题，问题出在”被识别的人”没有选择权

“熟悉面孔”的逻辑其实挺直观——Ring用户开启之后，门铃能识别出经常出现在门口的人，然后推送更精准的通知，比如”爸爸在门口”，而不是泛泛地说”有人在门口”。

问题在哪？开启功能是Ring用户的主动选择，但那些每天路过这些门铃的路人——邮递员、邻居、散步的陌生人——对此完全不知情，也没有任何方式可以”选择退出”。诉讼文件里的说法很直接：”数百万美国人在不知情的情况下，被Ring摄像头采集了面部识别信息。”

Ring用户需要主动开启这个功能，但路过的非用户完全无法得知自己被采集了面部信息，也无法选择退出。这个不对称的信息关系，是整起集体诉讼的核心。

Ring的隐私黑历史不止这一桩

亚马逊对这起诉讼暂时没有回应。但在功能上线时，公司曾表示面部数据是加密存储的，不会对外共享，未识别的面孔会在30天后自动删除。

问题是，Ring在用户隐私这件事上，口碑一直不怎么样。2023年，亚马逊跟美国联邦贸易委员会（FTC）和解，赔了580万美元，原因是Ring的员工和承包商可以随意查看女性用户的私人视频——FTC的说法更狠：当时每个员工都能访问所有客户的视频，完全不需要什么业务理由。

还有一件事，Ring跟执法部门的关系一直很暧昧，曾经允许警察在无搜查令的情况下向用户索要录像。这个权限后来在2024年1月取消了。今年超级碗期间，Ring推了一个用AI找走失宠物的功能”Search Party”，也引发了类似的隐私争议，随后Ring取消了跟监控公司Flock Safety的合作——这家公司被曝向ICE等联邦机构提供监控录像。

📎 原文来源：TechCrunch — Amazon faces class action lawsuit over Ring facial-recognition feature

2026年6月3日
谷歌给安卓加了道通话防火墙：AI深度伪造的诈骗电话，现在能自动识别了

你有没有接过那种电话——来电显示是”Mom”，声音听起来也像，但对方一开口就要你转钱救急？最近这类AI深度伪造的诈骗电话越来越多了，谷歌终于给安卓用户出了个针对性的功能。

AI诈骗电话是怎么骗过你的？

诈骗者现在的套路是：先 spoof 一个你信任的号码（比如家人的号码），再用AI深度伪造技术把声音模仿得一模一样。你一看来电显示是”Mom”，声音也对，很容易就信了，等发现不对劲的时候，钱可能已经转出去了。

谷歌在官方博客里解释：”如果一个诈骗者试图伪装成你信任的联系人，那个初始的确认信号就会缺失。你的设备会立刻注意到这一点，并且ping对方的实际设备来双重确认。如果对方的真实设备说’我现在没在打电话’，你屏幕上就会收到警告，建议你立即挂断。”

这个功能是怎么工作的？

其实原理有点像”设备间的数字握手”——当你和另一个使用Google Phone应用的联系人通话时，双方的手机都会发送一个静默确认信号来验证通话的合法性。

这个功能默认是开启的，会在后台自动运行，你不需要做任何设置。而且谷歌把这个功能构建在RCS（富通信服务）之上，这意味着其他应用和公司也可以采用这项技术，以后可能会有更多的通话应用支持类似的反诈骗功能。

谷歌新推出的虚假通话检测功能会自动验证来电合法性

同期还有其他安卓更新

除了反诈骗通话功能，谷歌这次还推出了几个其他的安卓更新：比如Google Photos的”wardrobe”功能，可以帮你虚拟试穿衣服，下周起在美国、印度、巴西的安卓10+设备上推出；Google Play Books的”Catch me up”功能，可以帮你recap读到一半的故事，还能高亮段落提问；还有Circle to Search现在可以一次性搜索整套穿搭，不用再一件一件搜了，安卓14+设备现在就能用。

📎 原文来源：TechCrunch – Google rolls out fake call detection to protect against AI deepfake impersonation scams

2026年6月3日
NextChat：88K Stars！轻量极速的跨平台AI对话界面，让AI助手触手可及
NextChat 是一款轻量极速的开源AI对话界面，支持 GPT-4、Claude 3、Gemini Pro 等十余种主流大模型，提供 Web、iOS、Mac、Android 全平台客户端，让你一键拥有属于自己的私人AI助手。

NextChat 优雅的对话界面

🚀 项目简介

NextChat（原名 ChatGPT-Next-Web）是一个基于 Next.js + React 构建的跨平台 AI 聊天机器人 Web UI。项目从2023年发布至今，已获得 88K+ Stars，成为 GitHub 上最受欢迎的开源 AI 对话前端之一。

它的设计理念是：快、轻、美。整个应用打包后仅约 5MB（Tauri 桌面端），网页端更是做到了极致的加载速度和响应体验。

📦 安装要求和过程

环境要求
- Web 部署：Node.js 18+ 或 Vercel 账号（推荐）
- 桌面端：Windows / macOS / Linux
- 移动端：iOS 15+ / Android 8+
- API Key：需要 OpenAI / Claude / Gemini 等任一模型的 API Key
快速安装 – 三种方式
方式一：Vercel 一键部署（推荐）

最快的方式，5秒钟完成部署：

访问 NextChat GitHub 仓库

点击 Deploy with Vercel 按钮

登录 Vercel，fork 项目并部署

在 Vercel 环境变量中添加你的 OPENAI_API_KEY

部署完成！获得你的私人 ChatGPT 域名
方式二：Docker 部署

# 拉取镜像并运行 docker run -d -p 3000:3000 -e OPENAI_API_KEY="你的API密钥" -e CODE="可选：设置访问密码" yidadaa/chatgpt-next-web # 访问 http://localhost:3000 即可使用
方式三：本地开发

# 克隆项目 git clone https://github.com/ChatGPTNextWeb/NextChat.git # 进入目录 cd NextChat # 安装依赖 npm install # 启动开发服务器 npm run dev # 访问 http://localhost:3000
💡 核心功能
1. 多模型支持，一个界面搞定所有AI

NextChat 最大的优势在于统一接口。你可以在同一个界面中切换：

OpenAI：GPT-3.5, GPT-4, GPT-4o, GPT-4 Turbo

Anthropic Claude：Claude 3 Haiku, Sonnet, Opus

Google：Gemini Pro, Gemini Ultra

国内模型：DeepSeek, 通义千问, 文心一言, 讯飞星火

本地模型：Ollama, LM Studio (通过 OpenAI 兼容接口)

这意味着你可以用同一个界面，根据不同的任务选择最合适的模型 —— 写代码用 GPT-4，聊天用 Claude，节省成本用 DeepSeek。
2. 极速响应，本地存储保护隐私

NextChat 在性能优化上做到了极致：

首屏加载 < 1秒：得益于 Next.js 的 SSR 和静态生成

流式输出：打字机效果，响应无延迟

本地存储：所有对话记录保存在浏览器 LocalStorage，不会上传到服务器

Markdown 渲染：支持代码高亮、表格、数学公式（KaTeX）

对话搜索：快速检索历史对话
3. 对话管理，像专业IDE一样强大

对话分支：可以基于某条消息创建分支，方便对比不同回复

提示词模板：内置多种系统提示词，也支持自定义

对话导入/导出：支持 Markdown、JSON 格式

多会话管理：左侧边栏快速切换不同对话

消息编辑：可以修改已发送的消息重新生成回复
4. 全平台覆盖，随时随地使用AI

NextChat 提供了完整的多端支持：

Web：响应式设计，手机/平板/电脑自适应

macOS：Tauri 打包，原生应用体验（仅 5MB）

Windows：同样使用 Tauri，启动快速

iOS：App Store 可下载

Android：Google Play 或侧载 APK
5. 高度可定制，打造你的专属AI界面

主题切换：内置浅色/深色主题，支持自定义 CSS

多语言：支持中文、英文、日文等 18+ 种语言

API 代理：支持设置自定义底座 URL，解决网络问题

访问控制：可设置访问密码，分享给团队使用

插件系统：支持自定义功能和第三方集成
🎯 典型使用场景
场景一：个人AI助手，隐私数据不上云

用户：注重隐私的个人用户、自由职业者

痛点：使用官方 ChatGPT 担心对话记录被用于存储训练，且需要付费订阅 Plus。

解决方案：

部署 NextChat 到自己的服务器或 Vercel

接入自己的 OpenAI API Key（按量付费，更划算）

所有对话本地存储，完全隐私

可切换多个模型，根据任务选择最合适的

成本对比：ChatGPT Plus $20/月 vs NextChat + API 按量付费（轻度使用 < $10/月）
场景二：团队协作，统一AI工具入口

用户：小团队、创业公司、教育机构

痛点：团队成员各自购买 AI 订阅，成本高且无法共享 Prompt 和对话记录。

解决方案：

部署 NextChat 到团队服务器

设置访问密码，团队成员共享使用

使用同一个 API Key 池，集中管理成本

导出优质对话记录，建立团队知识库

实际案例：一个 10 人团队，使用 NextChat 自部署，每月 API 成本约 $50，人均 $5，远低于每人 $20 的 Plus 订阅。
场景三：开发者调试，快速测试不同模型

用户：AI 应用开发者、Prompt 工程师

痛点：需要在不同模型中测试同一 Prompt 的效果，但官方界面切换麻烦。

解决方案：

在 NextChat 中配置多个模型 API

同一对话中快速切换模型

使用对话分支功能，对比不同模型的回复

导出 Markdown 格式，方便整理测试报告
🌟 推荐理由

为什么我强烈推荐 NextChat？

1. 开源且活跃
项目在 GitHub 上开源，代码透明，社区活跃。你可以自己审查代码，确保没有后门。而且更新频繁，新模型支持速度快。

2. 性能极致优化
作为前端项目，NextChat 的性能优化做到了极致。首屏加载快，流式输出无延迟，即使在网络不佳的情况下也能流畅使用。相比其他 Web UI，NextChat 的响应速度是最快的之一。

3. 真正的跨平台
很多项目声称”跨平台”，但实际上只支持 Web。NextChat 提供了完整的桌面端和移动端应用，而且桌面端使用 Tauri 打包，体积小、启动快、内存占用低。

4. 隐私保护到位
所有对话记录保存在本地，不会上传到任何服务器。即使你部署在自己的服务器上，只要不配置云端同步，数据就只在用户设备上。对于注重隐私的用户来说，这一点非常重要。

5. 成本可控
使用官方 ChatGPT Plus 需要每月 $20，而 NextChat 按量付费，对于轻度使用者来说，每月可能只需要几美元。而且你可以根据不同任务选择不同模型，进一步控制成本。

我的使用心得：
我自己部署了 NextChat，接入了 OpenAI API 和 DeepSeek API。日常聊天用 DeepSeek（便宜），写代码用 GPT-4（准确），每月总成本不到 $10。界面美观，响应快速，是我每天使用最多的 AI 工具。

📥 下载地址
官方链接

🌐 官方网站：https://nextchat.app

📦 GitHub 仓库：https://github.com/ChatGPTNextWeb/NextChat

📱 iOS App：App Store 下载

🤖 Android App：Google Play 下载

💻 桌面端：GitHub Releases 下载

🚀 Vercel 一键部署：点击这里立即部署

文档与教程

📖 官方文档：https://docs.nextchat.app

💬 Discord 社区：加入讨论

🐛 问题反馈：GitHub Issues
🎬 总结

NextChat 是一款真正为用户着想的开源 AI 对话界面。它不追求花哨的功能，而是把速度、隐私、跨平台这三个核心需求做到了极致。

如果你：
- ✅ 希望拥有自己的私人 AI 助手
- ✅ 注重对话隐私，不想数据被上传
- ✅ 需要同时使用多个 AI 模型
- ✅ 想要降低成本，按量付费
- ✅ 需要在多个设备上使用统一的 AI 界面
那么，NextChat 绝对是你的 最佳选择！

5分钟部署，拥有一个完全属于你的AI助手 🚀
2026年6月2日
谷歌把AI强塞进搜索结果，DuckDuckGo趁机把无AI搜索做成了生意

谷歌5月官宣搜索框迎来25年来最大改版之后，DuckDuckGo的流量数据就开始一路往上飙。上周，它的无AI搜索页面访问量周环比涨了将近30%，美国地区应用安装量周环比增长18.1%，其中iOS端的峰值更是达到69.9%。这家一直主打隐私保护的搜索引擎公司，现在又给自己贴上了新的标签：反AI。

DuckDuckGo 推出的无AI搜索页面（图片来源：DuckDuckGo）

谷歌改版，DuckDuckGo接住了流量

谷歌这次改版的核心变化是：搜索结果页顶部的”10条蓝色链接”被降级了，取而代之的是AI生成的概览卡片，还能根据后续问题把用户直接带入AI对话模式。对于习惯了传统搜索体验的用户来说，这个变化来得太猛，而且没有关闭选项。

DuckDuckGo瞄准的就是这批”被谷歌强喂AI”的用户。它新推出了浏览器扩展，安装之后可以把 noai.duckduckgo.com 设为默认搜索引擎——这个页面没有AI辅助答案、没有聊天提示框，搜索结果里AI生成图片的出现频率也更低。目前扩展已支持 Chrome 和 Firefox，使用DuckDuckGo自家浏览器的用户则可以在设置里直接保留自己的AI偏好，清历史记录也不会重置。

DuckDuckGo特别强调，5月28日当天，它的无AI搜索页面流量创了谷歌改版宣布以来的新高，是当天的3倍。而且这波增长看起来不是短期波动——访问量平均比基准线高出约84%，说明用户在用脚投票，而且是持续性地转走。

DuckDuckGo自己也在做AI，这只是另一种产品策略

这里有个微妙的细节：DuckDuckGo并不是一家”反AI”公司。它自己的AI聊天机器人产品一直在运营，还提供订阅计划，用户可以访问最新模型，附带VPN、身份盗用修复等服务。它做的更像是一种产品分层——想要无AI体验的用户有得选，想要AI功能的用户也有得选，而不是像谷歌那样把AI当成默认项硬推给所有人。

接下来DuckDuckGo还会更新它的隐私要点浏览器扩展（支持Chrome、Firefox、Edge、Opera），新增AI搜索设置的开关，让用户更细粒度地控制自己想要的搜索体验。这个动作背后的逻辑很清楚：既然谷歌把AI搜索变成了默认，那”可选”本身就成了一个卖点。

用户到底在反感什么

这波”反AI搜索”情绪背后，其实是两类不满的叠加。一类是纯粹的产品体验问题——很多人用搜索就是要快速找到链接，AI概览占了半屏，还得要多点一次才能看到传统结果。另一类则是对AI生成内容准确性的不信任，尤其是当AI概览给出错误答案的时候，用户连纠错的机会都要多花几步才能找到。

DuckDuckGo这波操作本质上是把”不想要AI”这个需求商业化了。它没有直接攻击AI技术本身，而是攻击了”强制默认”这个产品设计决策。这个角度挺聪明，因为即便是最热衷AI的人，也未必希望每次搜索都被AI拦一道。

📎 原文来源：DuckDuckGo makes its ‘no-AI’ search engine easier to access as its traffic booms — TechCrunch

2026年6月1日

标签： 隐私保护

项目简介

安装要求和过程

环境要求

快速安装

核心功能

典型使用场景

推荐理由

下载地址

项目简介

安装要求和过程

环境要求

快速安装

快速上手

核心功能

典型使用场景

推荐理由

下载地址

项目简介

安装要求和过程

环境要求

快速安装

快速上手

核心功能

典型使用场景

推荐理由

下载地址

项目简介

安装要求和过程

核心功能

典型使用场景

推荐理由

下载地址

项目简介

安装要求和过程

核心功能

典型使用场景

推荐理由

下载地址

功能本身没大问题，问题出在”被识别的人”没有选择权

Ring的隐私黑历史不止这一桩

AI诈骗电话是怎么骗过你的？

这个功能是怎么工作的？

同期还有其他安卓更新

🚀 项目简介

📦 安装要求和过程

环境要求

快速安装 – 三种方式

方式一：Vercel 一键部署（推荐）

方式二：Docker 部署

方式三：本地开发

💡 核心功能

1. 多模型支持，一个界面搞定所有AI

2. 极速响应，本地存储保护隐私

3. 对话管理，像专业IDE一样强大

4. 全平台覆盖，随时随地使用AI

5. 高度可定制，打造你的专属AI界面

🎯 典型使用场景

场景一：个人AI助手，隐私数据不上云

场景二：团队协作，统一AI工具入口

场景三：开发者调试，快速测试不同模型

🌟 推荐理由

为什么我强烈推荐 NextChat？

📥 下载地址

官方链接

文档与教程

🎬 总结

谷歌改版，DuckDuckGo接住了流量

DuckDuckGo自己也在做AI，这只是另一种产品策略

用户到底在反感什么

标签：隐私保护