Open Design：开源版 Claude Design，把你的编码智能体变成设计引擎
⭐ 79.6K Stars · Apache-2.0 · TypeScript · 本地优先桌面应用

项目简介

Open Design 是 Anthropic Claude Design 的开源替代方案——一个本地优先（local-first）的桌面应用，让你的 Claude Code / Codex / Cursor / Gemini 等编码智能体直接化身”设计引擎”，生成网页、桌面、移动端原型、实时仪表盘、演示文稿、图片与视频，并导出为 HTML / PDF / PPTX / MP4 真实文件。

安装要求与过程

环境要求
- 桌面应用：macOS（Apple Silicon / Intel x64）、Windows（x64）、Linux（AppImage）——无需 Node / pnpm / 克隆仓库。
- 自托管：Docker + Docker Compose；源码运行需 Node 24、pnpm 10.33.x。
- 编码智能体：Claude Code、Codex、Cursor、Copilot、OpenClaw、Gemini、Hermes、Kimi、Trae、OpenCode 等 25+ 本地 CLI，或任意 OpenAI 兼容端点（BYOK）。
快速安装
1. 下载桌面应用（推荐，零配置）：前往官网或 GitHub Releases 下载对应平台安装包；安装后自动检测 PATH 上的编码智能体，加载 100+ 功能技能、渲染模板目录与 151 套设计系统。
2. 装进编码智能体（无界面）：od mcp install <agent>（<agent> = claude | codex | cursor | copilot | gemini | hermes | kimi | trae | opencode …）；或用托管脚本 curl -fsSL https://open-design.ai/install.sh | sh -s <agent>。
3. Docker 自托管：
```
git clone https://github.com/nexu-io/open-design.git
cd open-design/deploy
cp .env.example .env
echo "OD_API_TOKEN=$(openssl rand -hex 32)" >> .env
docker compose up -d
# 打开 http://localhost:7456
```
4. 源码运行：
```
git clone https://github.com/nexu-io/open-design.git
cd open-design
corepack enable && pnpm install
pnpm tools-dev run web
```
核心功能
1. 智能体原生、模型无关：不绑定任何厂商 Agent，你 PATH 上已有的 claude / codex / cursor / copilot / hermes / kimi 就是设计引擎，一键切换；一条 od mcp install <agent> 把 MCP 服务器接入 25+ 编码智能体。
2. 品牌级 DESIGN.md 设计系统：每一帧渲染都读取当前包的 DESIGN.md 作为品牌契约；仓库内置 151 套品牌级设计系统（Claude、Stripe、Figma、Apple、NVIDIA…），丢进文件夹即被识别。
3. 多形态产物，单一项目：Studio 支持原型（web / desktop / mobile 单页）、实时仪表盘 / artifact、演示文稿（deck）、图片、视频与 HyperFrames 动态图形，统一导出 HTML / PDF / PPTX / MP4。
4. 四层可组合：插件（可运行工作流）+ 功能技能（Agent 行为）+ 设计模板（渲染蓝图）+ 设计系统（品牌），全部用可移植、可版本化的目录，任何人都能创作与发布；官方 277 个插件 + 183 个可复用示例。
5. 本地优先 + BYOK 隐私：原生桌面应用（macOS / Windows）+ Docker + Vercel；所有数据在你本机、团队服务器或部署项目里运行，BYOK 代理具备 SSRF 防护，沙箱 iframe 预览。
典型使用场景
- 一句话生成落地页：在入口视图输入 brief，智能体结合 saas-landing 模板与 Linear 设计系统，流式生成带 hero / 特性 / 定价 / CTA 的可运行着陆页，直接导出 HTML 部署。
- 实时数据仪表盘：用 dashboard 模板生成带侧边栏的管理 / 分析看板，作为 live artifact 实时刷新，而非静态截图。
- 品牌统一的演示文稿：用 guizang-ppt / html-ppt 模板生成杂志风 Web PPT；或把现有 git 仓库 + DESIGN.md 交给智能体，自动把真实组件重构到品牌规范（含 Figma / Pencil → React / Next / Vue 迁移插件）。
推荐理由

作为天天和编码智能体打交道的人，最打动我的是它把”设计”从闭源付费的云端玩具，变成了你笔记本上的文件系统——你的 CLI 是引擎，笔记本是工作室，团队的 DESIGN.md 是品牌契约。相比 Claude Design 的封闭锁定，Open Design 的 agent-native + 模型无关 + Apache-2.0，让我可以随意换模型、自托管、调用 151 套现成设计系统，还能用 277 个插件把 Figma 工作流迁到 React。对想把”vibe coding”从代码延伸到 UI / 海报 / 演示的人来说，这是目前最完整、最开放的一个选择。

下载地址
- 官网：https://open-design.ai
- GitHub 仓库：https://github.com/nexu-io/open-design
- 下载 / Releases：https://github.com/nexu-io/open-design/releases
- Open Design Cloud：https://open-design.ai/cloud/
- Discord 社区：https://discord.gg/mHAjSMV6gz
2026年7月19日
Reflection 签 10 亿美元算力大单：开源模型商的弹药库焦虑
算力正在变成 AI 公司的战略物资（图源：TechCrunch）

开源模型公司 Reflection AI 最近像在囤弹药一样，连续签下大笔算力合同。7 月 14 日，这家估值 250 亿美元的美国初创公司宣布，和欧洲 AI 基础设施厂商 Nebius 签下一份价值 10 亿美元的算力协议。

拿到的是英伟达最新的芯片

Nebius 的前身是俄罗斯科技巨头 Yandex 的国际业务，这次它会把英伟达最新一代芯片的使用权交给 Reflection。有意思的是，这已经是 Reflection 几周里第二笔大型算力交易了——上一份是和 SpaceX 拿计算资源。两家公司都在抢同一件东西：训练和部署模型所需要的算力。

当特朗普政府上个月施压 Anthropic 和 OpenAI 限制最强模型，业界开始担心模型访问权限可能被”一夜收回”。加上中国开源模型越来越能打，主流市场对开源 AI 的兴趣被彻底点燃。

为什么开源模型商比谁都怕算力断供

Reflection 由两位前 Google DeepMind 研究员在 2024 年创立，已经从英伟达、红杉、Lightspeed 手里融了近 26 亿美元。它的处境正好戳中当下最热的争论：闭源旗舰模型到底值不值那个价？当数据留存顾虑和政府干预一起涌上来，能自己掌控权重、不受制于单一厂商的开源路线，突然成了香饽饽。

Nebius 才是幕后那个大赢家
- 拿到英伟达 20 亿美元投资后，Nebius 转头就和 Meta 签了最高 270 亿美元、为期五年的基础设施协议。
- 去年它跟微软也签了最高 194 亿美元的多年的协议。
- 从 Yandex 拆分出来后，Nebius 几乎成了各大 AI 实验室的”算力二道贩子”。
算力正在变成一种战略物资，谁先把芯片和机房锁死，谁就握住了下一代模型的命门。Reflection 连签两单，表面上是为了训练和部署，底下其实是整个行业对”算力稀缺”的集体焦虑。

📎 原文来源：Reflection inks $1B compute deal with Nebius（TechCrunch）
2026年7月19日
Hugging Face 被自主 AI 智能体攻破：1.7 万次操作，全程无人指挥
一个自主 AI 智能体框架，正在改写基础设施安全的威胁模型（配图由 AI 生成）

7 月 16 日，Hugging Face 发了一份让整个安全圈倒吸凉气的事件通报：他们的生产基础设施被攻破了。而动手的并不是某个躲在暗处的黑客团队，是一套完全自主运行的 AI 智能体框架，从头到尾把入侵跑完了。

入口藏在最不起眼的数据管道里

AI 平台有个别的公司没有的软肋——它们会替用户自动处理上传的数据集。攻击者就盯上了这条流水线：一个恶意数据集同时利用了两处代码执行漏洞，一处是能远程跑代码的加载器，另一处是数据集配置里的模板注入。处理节点被拿下之后，攻击框架一路提权到节点级别，顺手收割了云和集群的凭据，并在一个周末里横向渗透进多个内部集群。

整个入侵过程没有收到任何一条人类指令，全是这个智能体自己在决策、自己行动。防御方对抗的不再是一个人，而是一个能自我编排、弹性伸缩的自动化对手。

1.7 万次操作，防守方反而被护栏挡住

更戏剧性的一幕发生在取证阶段。Hugging Face 自家的异常检测管道最早发现了异常，随后工程师把超过 1.7 万条攻击动作记录丢给 LLM 驱动的分析代理，几小时就拼出了完整时间线——这件事人工要干上好几天。可轮到调用商业前沿大模型继续深挖时，护栏直接把请求拦了：那些模型分不清提交真实漏洞载荷的事件响应人员，和一个正在作案的黑客，统统当成危险内容堵掉。团队最后只好切回部署在自己机房的开源权重模型 GLM 5.2。

这次事件真正改变了什么
- 机器学习平台的数据和模型接口，从”理论上的攻击面”变成了”已被证实的攻击面”。
- 自主攻击者在机器速度上运转，不受人的疲劳和工作节律限制，一个周末就能跑完上万次操作。
- 把命令控制架在公共服务上还能自动迁移，传统的签名检测基本失效。
好消息是，Hugging Face 确认公共模型、数据集和 Spaces 没有被篡改，软件供应链也干净，只波及少量内部数据集和服务凭据。但这次披露给所有跑 AI 平台的团队提了个醒：与其临场指望调用商业 API 做应急，不如事先在自己环境里备好一个能力够用、又不受使用政策掣肘的模型。

📎 原文来源：Hugging Face 确认 AI 驱动入侵：攻击者使用自主 Agent（FreeBuf / The Verge 综合）
2026年7月19日
124K Star 的「AI 应用宝库」：awesome-llm-apps，100+ 个拿来即跑的 LLM / RAG 项目
一、项目简介

awesome-llm-apps 是一个收录了 100+ 个端到端测试过、Apache-2.0 协议的开源 AI Agent、Agent Skills 与 RAG 应用的精选仓库——clone、定制、上线，全部免费。它兼容 Claude、Gemini、GPT、DeepSeek、Llama、Qwen 以及各类本地开源模型，是当下 GitHub 上星标增长最快的 LLM 应用模板库之一（124K+ Star）。

二、安装要求和过程

环境要求
- Python 3.8+（多数模板基于 Streamlit / 各厂商官方 SDK）
- 一个 LLM API Key（Claude / Gemini / GPT / DeepSeek / Llama / Qwen 均可，部分模板支持本地模型）
- Git 与可联网环境
快速开始（跑一个 Agent，约 30 秒）
```
git clone https://github.com/Shubhamsaboo/awesome-llm-apps.git
cd awesome-llm-apps/starter_ai_agents/ai_travel_agent
pip install -r requirements.txt
streamlit run travel_agent.py
```
或者，给编码助手装一个 Skill（约 10 秒）
```
npx skills add https://github.com/Shubhamsaboo/awesome-llm-apps/tree/main/agent_skills/project-graveyard
```
模板每周持续更新；项目模型无关，支持 Ollama 等本地推理，方便对比与替换。

三、核心功能
1. 100+ 端到端验证的开源应用：不是 demo 片段，而是每个都能 pip install && run 的完整项目，统一 Apache-2.0，可商用可修改。
2. 15 大场景全覆盖：从单文件 Starter Agent，到多智能体团队、语音 Agent、MCP 工具调用、RAG 检索、记忆、微调、生成式 UI，再到 Autonomous 游戏 Agent。
3. Agent Skills 一键安装：把可复用能力直接装进 Claude Code / Codex / Cursor，每条 Skill 都带真实代码并通过「安全 + 评测」CI 门禁。
4. 模型无关：Claude、Gemini、GPT、DeepSeek、Llama、Qwen 乃至本地模型通吃，方便横向对比。
5. 自带框架速成课：Google ADK、OpenAI Agents SDK 的 Crash Course，边抄边学编排范式。
Project Graveyard —— 帮你复盘每个弃坑副业、并找出最值得捡回来的那个的 Agent Skill

四、典型使用场景
- 30 分钟搭一个 AI 应用：想做旅行助手、数据分析 Agent、博客转播客？直接 clone 对应 starter 模板、改个 API Key 即可运行。
- 给编码助手加能力：团队要一个「Scope Creep Detector（范围蔓延检测）」或「Commit Archaeologist（提交考古）」？npx skills add 一行搞定，立刻在 Claude Code / Cursor 里可用。
- 系统学习 RAG / 多智能体：仓库内含 20+ 个 RAG 教程与多智能体团队模板，即开即用，省去从零搭脚手架。
Always-on HN Briefing Agent —— 按日程巡逻、把每天值得看的 Hacker News 推送到 Slack / 邮箱的后台 Agent

Insurance Claim Live Agent Team —— 基于 Gemini Live 的实时语音理赔 Agent 团队

五、推荐理由

对一个想动手做 AI 应用、又不想从零啃文档的人，这是目前质量最高、最「能跑」的 LLM 应用模板库之一。每个模板都是真实可运行代码，省去脚手架与踩坑成本；模型无关意味着你可以拿自己的 Key 直接试；Agent Skills 的设计尤其实用——把沉淀下来的工程能力变成可复用 Skill，正好契合当下 coding agent 的工作流。

Self-Improving Agent Skills —— 用 Gemini + ADK 让 Skill 针对评测自我重写的进阶玩法

唯一要注意的是：部分模板依赖特定商业模型的 API，跑之前看一眼 requirements.txt 与 README 里的模型说明即可。

六、下载地址
- GitHub：https://github.com/Shubhamsaboo/awesome-llm-apps
- 官网 / 配套教程：https://www.theunwindai.com
- 许可证：Apache-2.0（可商用、可修改）
2026年7月19日
230美元一块发光键盘，OpenAI用它正式试探硬件市场

OpenAI 这周悄悄迈出了做硬件的第一步：联合专业键盘厂牌 Work Louder，推出了一块售价 230 美元的发光小键盘 Codex Micro，专门配它的 AI 编程助手 Codex 用。

说白了，这不是给你打字的常规键盘，而是一块放在主键盘旁边的”控制台”。OpenAI 现在能让你同时跑好几支 AI 编码智能体——那些半自主、能自己写代码、跑代码的机器人——而 Codex Micro 就是用来统管这群”数字员工”的。

OpenAI 自己的说法是，有了这块 Micro，你就不用再掏手机或开桌面 App 去管智能体了，它就是你做”agentic 工作”的指挥台。

键盘上到底有什么

最显眼的是会发光的 Agent Keys，用不同颜色告诉你某个智能体现在是思考中、运行中、在等你，还是已经干完活了。Command Keys 可以自定义成常用快捷键，比如一键接受、拒绝，或者按住说话开新对话。旁边还有个平面摇杆，用来触发代码审查、排查报错、重构这类工作流。

还有个旋钮，调的是”reasoning level”——也就是这支智能体在一件事上花多少时间和算力。往左拨快但浅，往右拨慢但想得深。所有这些都能在 ChatGPT 桌面端里改，连上蓝牙或 USB-C，Mac 和 Windows 都能用。

OpenAI 与 Work Louder 联名的 Codex Micro 键盘，用实体按键和灯光管理 AI 编码智能体。

先看个热闹，真硬件还在后头

不过 OpenAI 自己跟 TechCrunch 说，Micro 只是限量联名款，更像是个噱头周边，不是冲着大众销量去的。真正重磅的硬件消息是另一桩：彭博爆料说 OpenAI 还在憋一个大件——一个便携、没屏幕、接入 ChatGPT 的智能音箱，而且带”能自己动的机械结构”。

光看这几个词——没屏幕、能随身带、零件还会动——很难想象最后拼出来是个什么玩意儿，OpenAI 也不肯多说。彭博的说法是这东西还在开发中，随时可能变。但光这个雏形，就已经够让人浮想联翩了。

麻烦的是，做硬件的偏偏是前苹果人

更戏剧性的是，彭博提到这个音箱据称是由前苹果工程师设计的。而就在上周，苹果刚把 OpenAI 告了，指控对方高层故意套取自己的机密信息，还拿去开发硬件产品。OpenAI 当然否认了。

所以现在场面就有点微妙：OpenAI 一边卖着 230 块的发光键盘小试水，一边被苹果指控偷师做硬件。那块键盘更像是个宣告”我来了”的仪式感道具，而真正决定 OpenAI 能不能在硬件这条路上走远的，是那个还没露面的音箱，以及它和苹果这场官司怎么收场。

📎 原文来源：Amid hardware legal battle, OpenAI releases a $230 keyboard for Codex

2026年7月19日
Siri终于像样了？苹果借iOS 27公测，把AI助手交给25亿用户

苹果这周干了一件酝酿了快两年的事：把重做后的 Siri，通过 iOS 27 的公开测试版，直接交到普通用户手里。之前这套 AI 助手只在开发者圈子里转，现在只要你愿意装个测试系统，就能提前摸一摸苹果口中的”对标 ChatGPT、Gemini、Claude”到底是什么水平。

为什么这事值得拿出来说？因为苹果手里攥着大约 25 亿台活跃设备。哪怕只有一小撮人装了公测版，这次实测的规模也远超任何一家 AI 公司的内测。对苹果来说，这是新版 Siri 第一次真正意义上接受大众检验。

新版 Siri 不再只是个会听指令的语音助手，它能翻看你手机里的邮件、照片和短信，能读懂屏幕上正在显示的内容，也能像现代聊天机器人一样去回答现实世界的问题。

它到底能干什么

这次升级是六月 WWDC 上正式公布的。最大的变化是 Siri 终于开始碰手机里的真实上下文：你让它从一堆群聊里总结今天说了什么，把短信里提到的约会加进日历，或者对着相机拍到的食物查热量，它都接得住。

唤起方式也比以前多。除了老办法”嘿 Siri”和按侧边键，现在还能从顶部的灵动岛往下滑把它叫出来；它还被塞进了 iPhone 自带的聚光搜索（Spotlight），几乎什么问题都能直接搜。苹果甚至头一回给 Siri 做了个独立 App——对已经用惯 ChatGPT 那种对话框的人，这个体验可能更顺手。

而且它不只活在 iPhone 里。iPad、Mac、Apple Watch、CarPlay、AirPods、Apple TV、Vision Pro，全线都能用。

藏在底下的模型，是苹果和谷歌一起熬的

Siri AI 的底座是 Apple Intelligence，用的是苹果自己的 Foundation Models，跑在设备本地，需要时再走 Private Cloud Compute 云端。有意思的是，这批模型是苹果拉着谷歌的 Gemini 一起做的，但别误会成”换皮 Gemini”——苹果用 Gemini 当老师，蒸馏出更小巧、更省电、专门给 Apple Silicon 跑的模型，喂的是自己的专有数据。至于隐私，Private Cloud Compute 的设计就是确保你个人的数据不会被苹果存下来、也不会被它看到。

苹果在 WWDC 2026 上展示的重做版 Siri，现已随 iOS 27 公测向普通用户开放。

实测下来还有什么坑

开发者版本里，Siri 已经能稳稳处理不少基础活儿：找相册里的某张照片、总结群消息、加日程、查眼前食物的营养信息，还有那些本来得搜网页才能知道的本地活动、新闻动态，它都接得住。

但它也会犯傻。文章作者就举了个例子：有回他问 Siri 最新的伊朗（Iran）新闻，结果 Siri 跑去通讯录里找了个叫 Iran 的联系人。这种小乌龙在测试版里还不算少见。

好消息是，今年的开发者测试版整体算稳，所以这次的公测比往年更值得装。当然，测试系统始终是测试系统——如果你的手机必须丝滑无错地干活，那还是等九月正式版 iOS 27 更稳妥。一个小提醒：目前欧盟地区的 iOS、iPadOS 和 watchOS 上，Siri AI 暂时还用不了。

📎 原文来源：Apple opens its new Siri AI to everyone with the iOS 27 public beta

2026年7月19日
Claude在印度挂上卢比价签：Anthropic抢第二大市场却缺UPI
Claude 在印度推出的卢比本地定价（图源：腾讯新闻 / Anthropic）

全球 AI 公司都在抢印度这个全球人口第一的市场，Anthropic 终于动了定价。可第一步棋，只走了一半——价签挂上了，最关键的支付通道却还空着。

据 Anthropic 自己披露，印度贡献了全球 Claude 使用量的 5.8%，是美国之外最大的市场。对一家想在全球铺开的公司来说，这个体量没法忽视。

卢比价签长什么样

部分印度用户已经在 Claude 官网和 App 上看到了本地价格。年付方案里，Claude Pro 标价每月 2000 卢比（约合 21 美元），而美国同档是 17 美元；Claude Max 印度起价 11999 卢比（约 125 美元），美国是 100 美元；Team 方案每个席位每月 2399 卢比（约 25 美元），美国是 20 美元。这些价格已经含了印度本地的税。移动端的价格和官网还略有出入。

缺的那张牌叫 UPI

真正让印度用户皱眉的，是付款方式。Anthropic 目前只接受银行卡，或者走苹果、谷歌的应用商店账单。印度人日常离不开的 UPI 即时支付网络，到现在还没接通。这恰恰是 OpenAI 已经做对的事——去年 8 月 ChatGPT 在印度上卢比定价时，一并接好了 UPI。对价格敏感、又大量没有国际信用卡的学生和自由职业者来说，少了 UPI 就等于还隔着一道门槛。

班加罗尔早就在布子

定价只是印度故事的其中一环。Anthropic 今年 2 月在班加罗尔开了办公室（去年 10 月就放了消息），1 月请来前微软印度董事总经理 Irina Ghose 坐镇印度业务。最近几个月，它又先后牵手印孚瑟斯（Infosys）和塔塔咨询（TCS），要推企业级 AI 落地。
- 印度庞大的开发者群体和技术人才，是 AI 厂商眼里的核心资产
- 但怎么把”用得多”变成”愿意付费”，在这个市场始终是个难题
- 6 月的一次波折，给正在铺开的本地化叙事添了不确定性
6 月那场信任裂痕

今年 6 月，Anthropic 突然暂停了非美国实体使用 Fable 5 和 Mythos 5 模型的权限，一些印度开发者和创业者开始认真考虑换用别的美国模型。后来 Fable 5 的限制解除了，但 Mythos 5 至今仍受限。对一个正想深耕本地市场的公司，这种反复难免让人心里打鼓。

卢比价签是张门票，UPI 才是能不能进门的关键。Anthropic 在印度证明了自己有人气，接下来要看的，是能不能把人气换成真金白银的订阅。

📎 原文来源：Anthropic在印度推出Claude本地化定价，印度是其美国之外最大市场（腾讯新闻 / TechCrunch）
2026年7月19日
贝索斯3.2亿美元押注General Intuition：用游戏数据教AI理解真实世界
General Intuition 创始人兼 CEO Pim de Witte（图源：TechCrunch）

大语言模型把文字玩得炉火纯青，可一旦要理解”东西怎么在空间和时间里动”，就明显露怯了。ChatGPT、Claude 这类模型擅长生成句子，却不太懂物理世界里的因果。General Intuition 这家公司觉得，答案不在更多文本里，而在数十亿小时的游戏录像中。

“我们把它看作预训练的下一个阶段，”CEO Pim de Witte 说，”我们有一个单一模型，既能对着屏幕里的《堡垒之夜》做决策，又能适应真实世界的动态——这是大语言模型永远做不到的。”

从游戏片段里长出来的公司

General Intuition 脱胎于 Medal TV，一个让玩家上传和分享游戏高光的平台，月活大约 1000 万。过去几年沉淀下来的数亿小时录像，成了训练数据的起点。但真正值钱的不是画面本身，而是画面里内嵌的动作标签——玩家在哪个瞬间按了哪个键、按了多久。

这家公司刚完成一轮 3.2 亿美元融资，估值 23 亿美元，总融资额累计到 4.54 亿美元（去年 10 月成立时先拿过 1.34 亿美元种子轮）。投资方阵容相当扎眼：Khosla Ventures 领投，General Catalyst、杰夫·贝索斯、埃里克·施密特，甚至还有 F1 世界冠军尼科·罗斯伯格，以及 DeepMind 和 MIT 的研究人员。更有意思的是，de Witte 据称在 2024 年底拒绝过 OpenAI 开出的约 5 亿美元收购 Medal 数据的邀约。

八分钟真实数据，让机器人学会走路

公司最终要卖的不是世界模型，而是一个能从游戏泛化到现实世界的智能体。演示里最抓人的一幕，是一台四足机器人用和游戏智能体完全相同的”大脑”在办公室里自主探索，偶尔撞上椅腿，像个刚学步的孩子。令人意外的是，给这个机器人的模型做微调，只需要八分钟在户外街道采集的真实数据。

de Witte 把世界模型当成”训练场”——一个逐帧生成、而非传统引擎渲染的仿真环境。他让人走向一堵墙，角色没有穿过去。这种对物理常识的把握，正是他们押注的核心：游戏数据是一条能规模化的捷径。2025 年公司靠早期接入拿到了约 4000 万美元收入，产品计划在今年夏末正式开放。

为什么是游戏，而不是更多视频

多数竞争对手想仅凭视频画面反推动作，General Intuition 认为这远远不够。他们坚信，玩家按键的精确记录能帮模型区分”自我”和”环境”，建立起更深层的因果理解。Khosla 在采访里说，吸引他的是这份愿景加独有的数据壁垒：”对于世界模型，我认为那次跃迁会是 AI 里’直觉’的涌现。”
- 资金大头投向算力扩张，已与 CoreWeave 合作，准备下一版模型的预训练
- API 计划在今年夏末更大范围开放，让客户在工厂数字孪生、游戏工作室里检验模型
- “我们不会去做一家自动驾驶公司，我们要让下一个人做这件事容易十倍”
一条明确的红线

de Witte 早年做过三年人道主义工作，包括在无国界医生组织。他给技术划了一条硬杠：不碰致命自主武器。”假设我公开说要做致命自主武器，你觉得别国会怎么反应？”但他欢迎模型用在搜救上。公司还做了个叫 Nerve 的平台，给玩家提供数据标注、再到机器人远程操控的工作机会——这代玩家最容易被 AI 冲击，他想让他们站在牌桌这边。

📎 原文来源：Why this CEO thinks video games make better training data than the internet（TechCrunch）
2026年7月19日
code-review-graph：让 AI 编码助手只读「该读的代码」，省下 82 倍 Token
code-review-graph（简称 CRG）是一款本地优先（local-first）的代码智能图谱工具：它用 Tree-sitter 把整个代码库解析成结构化的函数 / 类 / 调用关系图谱，再通过 MCP 协议喂给 Claude Code、Cursor、Codex 等 AI 编码助手——让它们在做代码评审、改 Bug、理解大型仓库时，只读取真正相关的文件，而不是把整个仓库灌进上下文里烧 Token。

一、安装要求和过程

环境要求：
- Python 3.10+；
- 推荐安装 uv（可选，MCP 配置会自动优先用 uvx 调用）；
- 支持 Git / SVN 仓库；Windows / macOS / Linux 全平台可用。
三步极速安装：
```
pip install code-review-graph          # 或：pipx install code-review-graph
code-review-graph install             # 自动检测并配置所有已安装的 AI 编码平台
code-review-graph build               # 解析代码库，构建结构图谱
```
一行命令搞定：install 会自动识别你装了哪些 AI 编码工具（Codex、Claude Code、Cursor、Windsurf、Zed、Continue、CodeBuddy Code、Gemini CLI、Qwen、Kiro、GitHub Copilot 等 14+ 平台），为它们写入正确的 MCP 配置，并注入”图谱感知”的指令。重启编辑器即可生效。也可以只针对单个平台：code-review-graph install --platform cursor。

二、核心功能

1. 增量更新 < 2 秒
文件保存或提交时通过 hook / watch 模式触发增量解析，2900 文件的项目重新索引不到 2 秒，几乎无感。

2. 爆炸半径（Blast-radius）分析
当某个文件被改动，图谱会追踪所有”调用方、依赖方、相关测试”，算出这次改动的影响半径。AI 只读这些”受影响”的文件，而不是全仓扫描。

3. 本地优先 + 零遥测
图谱以 SQLite 存在本地 .code-review-graph/ 目录，核心存储不依赖任何外部数据库或云服务；可选的向量嵌入（sentence-transformers / Gemini / OpenAI 兼容端点）也完全本地可控，默认不开云。

4. 30 个 MCP 工具 + 5 套工作流模板
涵盖最小上下文、影响半径、架构总览、知识缺口、重构建议等，图谱构建完成后 AI 助手自动调用；内置 review_changes / architecture_map / debug_issue / onboard_developer / pre_merge_check 五套提示词模板。

5. CI 风险评分 PR 审查
可作为 GitHub Action 在每次 PR 贴出带风险评分的审查评论（原地更新），并支持 fail-on-risk 合并门禁，全程在 CI runner 本地完成，源码不出域。

三、典型使用场景

① 日常代码评审
在 Claude Code / Cursor 里问”评审这次改动”，AI 先查图谱拿到最小必要文件集合。实测 fastapi 仓库从 95 万 token 降到 2169 token（约 528 倍），评审又快又准。

② 啃大型单体仓库（monorepo）
CRG 自身仓库 20 万+ 源码 token 经图谱漏斗后只回传约 2495 token（约 93 倍），在巨型仓库里把噪音一刀切断——这正是 Token 浪费最痛的地方。

③ PR 自动化审查 + 新人 onboarding
GitHub Action 在每次 push 原地更新带风险评分的 sticky 评论；onboard_developer MCP 工作流利用社区结构帮新人快速摸清架构边界与热点模块。

四、推荐理由

我（以及不少 AI 编码重度用户）最大的痛点就是：让 Agent 去”看一眼这个改动影响哪些地方”，它往往会把大半个仓库重新读一遍——Token 烧得飞起，还容易跑偏。CRG 的思路很妙：它不跟 LSP / RAG 抢饭碗，而是补上”结构化的多跳关系”这一层——调用方、依赖方、测试、影响半径，全用 AST 静态分析算出来，确定性、可复现、零云端依赖。

官方在 6 个真实仓库上的基准测试显示，每问一次的中位数约 82 倍 token 缩减（最大 528 倍），增量更新几乎无感。对于一个”想让 AI 编码助手更省、更准、更本地”的团队来说，这是目前最省心的一站式接入方案——pip install + install 两条命令，所有平台一次配齐。

五、下载地址
- 官网：https://code-review-graph.com
- GitHub：https://github.com/tirth8205/code-review-graph（20.1K ★，MIT 许可）
- PyPI：pip install code-review-graph
- 文档：GitHub /docs
2026年7月19日
不记录你任何对话的 AI，估值冲上了 10 亿美元
当主流大模型忙着加护栏，Venice AI 反其道而行（图：TechCrunch）

这两年，主流 AI 公司为了应对心理健康、人身安全、虚假信息这些指责，纷纷给模型套上越来越厚的护栏，严格控制它能说什么、能做什么。但担心归担心，需求并没有被吓退。AI 的潜力摆在那儿，没人愿意被某家科技公司限制住自己探索的权利。要是顺手还能保住隐私，那就更香了。

Venice AI 恰恰踩中了这个点。它提供 200 多个 AI 模型的访问，同时承诺不留存你的隐私，靠这股需求一路涨。成立才两年，网站独立访客已经突破 85 万，月活超过 300 万，日均 API 调用 170 万次。

两周前，它拿下了 10 亿估值

Venice AI 上周宣布完成 6500 万美元 A 轮融资，估值站上 10 亿美元，这也是公司成立以来第一次拿外部钱。领投方是专注 crypto 的风投 Dragonfly，Coinbase Ventures、North Island Ventures 等跟投。CEO Erik Voorhees 在独家采访里告诉 TechCrunch，公司年化运行收入已经超 7000 万美元，而且已经盈利。

Voorhees 把 Venice 定位成”中立的工具或平台”。他的原话是：这和比特币一样，作为一个中立协议，对所有人一视同仁。在他看来，进入 AI 新时代后如果所有人都被持续监视，那比任何人问出争议问题要危险得多。

它到底怎么保护你

Venice 在自己机房托管”无审查”的开源模型，同时把发往 OpenAI、Anthropic 等闭源模型的查询也走一层外部代理。用户输入在端侧加密，不经 Venice 自己的服务器留存；部分模型还提供端到端加密，不过要订阅才用得上。

这种立场和创始人背景分不开。Voorhees 是比特币早期布道者，早年做过 Satoshi Dice、加密货币交易所 ShapeShift，长期替用户隐私站台。当《华尔街日报》曾指控 ShapeShift 经手可疑资金时，他的回应是：我不认为人们该为了抓个别罪犯，就被迫留下身份记录。面对”AI 引发心理伤害”的质疑，他这次也延续了同一套逻辑。

争议和未解的问号
- 少一层过滤，意味着被滥用的空间也更大。公司说自己也保留了防滥用、防违法的护栏，但”中立平台”的边界到底画在哪，监管迟早要问。
- 公司顺手发了 VVV 和 DIEM 两个代币，用户质押 VVV 能换 AI 额度。不过 Voorhees 说，真正用 crypto 付费的只有约 8% 的用户。
- 增长的真正引擎，是能力终于追上了 ChatGPT。早年大家因为它私密才来，如今它又好用又私密，替代的说服力就出来了。
下一步，Venice 想把这笔钱用来买 GPU、建自己的数据中心，不再租算力，把毛利提上去。它的哲学其实很干脆：大多数公司承诺”小心保管”你不愿被收集的数据，而 Venice 从设计上就什么都不收集——对话存在你自己的设备上，不进它的服务器。这不是保管得更好，而是没什么可保管。

当看病、问法、谈薪、说心事这些最私密的时刻都交给了聊天机器人，你的数据就只和那家公司的安全政策一样可靠。Venice 用 10 亿估值证明了一件事：总有人愿意为”不被盯着”付钱。

📎 原文来源：Venice AI becomes a unicorn with $65M Series A as its privacy-first AI platform takes off
2026年7月19日