标签： AI工具

NotebookLM 改名 Gemini Notebook：Google 把笔记本变成会写代码的分析终端
Google 又改名字了。这次轮到 NotebookLM——那个最早因为”用资料生成播客”火出圈的研究工具。7 月 16 日，Google 正式把它改名为 Gemini Notebook。名字变了，能用的东西也多了一截：每个笔记本现在都是一个带安全隔离的容器，里面能直接写代码、跑数据分析。

Google 将 NotebookLM 更名为 Gemini Notebook，并加入代码执行能力。（图源：TechCrunch）

从 Project Tailwind 到 Gemini Notebook

往前倒三年，2023 年 Google I/O 上它还没名字，叫 Project Tailwind，定位是”帮你读资料的 AI”。后来改叫 NotebookLM，一路加功能：让两个虚拟主播就着你的文档聊天的音频概览、视频摘要、更多文件格式、企业版套餐。到今天，它已经坐拥 3000 万用户，超过 60 万家组织在用。

Google 这几年有个习惯：实验期先用个独立名字试水，等跑顺了就收进 Gemini 大旗。Bard 变 Gemini、Duet AI 变 Gemini for Workspace，现在轮到 NotebookLM。说白了，它不想让用户在好几个牌子里迷路。

真正的变化：笔记本里能跑代码了

改名只是门面，核心更新是每个笔记本变成一个独立的安全容器。用户可以在里面生成并运行代码，把多个来源的资料拉到一起做复杂的分析，结果直接在工具里呈现，不用再导出到别的环境里折腾。

Google 表示，借助代码执行能力，用户能够接入多个来源，并在工具内部直接完成复杂的数据分析。

这套玩法现在优先开放给 Google AI Ultra 付费用户，以及开了 AI Ultra Access、AI Expanded Access 的 Workspace 企业客户。普通 Pro 用户会在接下来几周内陆续拿到。

它想成为你工作流里的那一层

现在你已经在 Gemini App 里能翻看自己的笔记本，Google 还放话，很快就能在搜索的 AI Mode 里直接调出笔记本内容。换句话说，NotebookLM 当年是个独立的研究沙盒，Gemini Notebook 想做的是贯穿 Google 整个产品线的分析层。
- 每个笔记本都是独立安全容器，代码和数据不出隔离环境
- 多来源数据可在工具内直接跑分析，省去导出到外部环境的环节
- Ultra 与企业客户先用，Pro 用户几周后跟进
- 笔记本将接入 Gemini App 与搜索 AI Mode，打通使用场景
对普通用户来说，名字怎么改无所谓，关键是它能把”读资料—想清楚—出结果”这件事压缩在同一个界面里。当研究工具开始自己写代码跑数，AI 助手的边界又往外推了一步。

📎 原文来源：Google continues its renaming streak by turning NotebookLM to Gemini Notebook
2026年7月20日
Ollama 融了 6500 万美元：给 AI 做个「Docker」，月活逼近 900 万开发者
Ollama 这个开源小工具，最近把 B 轮融到了 6500 万美元，由 Theory Ventures 领投。加上之前 Benchmark 的 Peter Fenton 领投的 1500 万 A 轮，公司到现在一共拿了 8800 万美元。

Ollama 2023 年出来，干的事很实在：帮开发者在自己电脑上跑开源权重的大模型，几分钟就能跑起来。它在 GitHub 上攒了 17.6 万 star、快 1.7 万 fork，也被无数教程和视频夸过。

Ollama 两位创始人 Jeff Morgan（左）与 Michael Chiang（右）

两个做过 Docker 的人，想给 AI 也做个「容器」

创始人 Jeff Morgan 和搭档 Michael Chiang 之前参与做过 Docker Desktop，就是那个把云端应用搬来搬去变得轻松的工具。Docker 后来收购了他们上一家公司 Kitematic。所以 Ollama 干的事，本质上就是「AI 版的 Docker」：把烦人的硬件配置、环境依赖全部藏起来。

Morgan 说，2023 年开源模型刚冒头的时候特别难用，那时候它们是给研究者准备的，不是给程序员准备的。想跑起来真的费劲。三年过去，现在 Ollama 每个月被超过 890 万开发者使用，进了 85% 的财富 500 强，而公司只有 14 个人。

真正的拐点，是智能体带火了开源模型

Morgan 把公司的转折放到今年 1 月前后，那时候 OpenClaw 这类智能体突然变热，更大的开源模型忽然能干活了，比如写代码。他发现，愿意付钱的用户，尤其是兜里有钱的企业和快速成长的 AI 应用公司，开始越来越多地转向更便宜的开源模型，只在必要的时候才去碰 Anthropic 这种闭源模型。

我觉得大多数人辩论时都搞错了一点。这不是二选一。开源和闭源都有大把生意可做，但凡是推理成本高的公司，都有个关乎生死的项目在推着他们往开源权重模型挪。

不是所有人都买账

当然，也不是每个 Ollama 粉丝都高兴它开始赚钱。大概一年前，一堆博客和社交帖子抱怨它的云服务抢了免费项目的风头，把它当成开发工具「糊化」的典型。Morgan 的回应是：那些太大的开源模型本来就没法在个人电脑上跑，所以我们说，那我们来帮你找算力。Fenton 也补了一句：桌面端那个免费产品一点没变，你照样能发现、能跑本地模型。
- Ollama 想做的不是又一个模型，而是模型和开发者之间的那层基础设施
- 开源模型的性价比，正在把企业从闭源 API 手里一点点撬走
- vLLM、SGLang、NanoClaw 这些开源项目也在长成公司，VC 开始追这一类
- 14 个人、890 万月活，这个人均产出数字挺吓人
📎 原文来源：Popular open source AI developer tool Ollama raises $65M, grows to nearly 9M users（TechCrunch）
2026年7月14日
X推出官方MCP服务器，AI助手现在能直接连上社交平台了

马斯克的X平台这两天上线了一个新功能，可能会改变AI助手使用社交网络的方式。

简单说，X现在提供了一个”托管版MCP服务器”。MCP全称是Model Context Protocol，是一个开放标准，定义了AI模型怎么连接外部工具和服务。以前，如果你要让Claude或Cursor这类AI助手去读取X上的内容，开发者得自己搭一个MCP服务器、自己托管、自己搞定X API的接入和鉴权——挺麻烦的一件事。

现在X把这件事包了。开发者不需要再操心基础设施，只要让用户用自己的X账号授权，AI工具就能直接连上X平台。

X推出托管版MCP服务器，AI工具可直接连接平台

这不是第一个，但可能是最重要的一个

MCP标准出来之后，不少公司都跟着推出了自己的官方MCP服务器或者接入点。GitHub、Slack、Notion、Stripe、Salesforce——这些平台的用户量加起来，基本覆盖了知识工作者的全部工作流。

X现在也加入了这个名单。但X的特殊之处在于，它不是一个”生产力工具”——它是一个实时信息网络。AI助手如果能直接、顺畅地读取X上的讨论、趋势和链接，那它的”实时性”会提升一大截。

X在这件事上的算盘很清楚：它不想只做一个”社交 Hangout”，它想成为AI应用赖以运行的实时信息层。

有个关键限制：不能发帖

看到这里，你可能会想：那以后AI助手是不是可以替我在X上发帖了？答案是否定的。

X明确澄清了，这次上线的MCP工具不支持写操作。也就是说，AI可以帮你搜索、读帖、分析趋势，但不能替你发帖。这其实是个挺明智的决定——如果开放了发帖权限，后果可能是灾难性的。

事实上，X今年以来一直在跟AI生成的垃圾内容打交道。平台更新了API v2，专门应对程序化的自动回复。同时，X还提高了发帖的API定价——发一条带链接的帖子现在要花20美分，比之前贵了不少。用X自己的话说，涨价是为了”遏制滥用向量”。

对开发者意味着什么

对开发者来说，X提供托管MCP之后，集成X数据到AI应用的门槛低了很多。你不需要再维护一套MCP服务器的基础设施，只需要处理用户授权和后续的数据处理逻辑。

这也意味着，接下来可能会出现一批新的AI工具，它们能实时”感知”X上的讨论热点，然后基于这些信息做摘要、分析、甚至辅助决策。想象一下：一个研究助手，不仅能读论文，还能同时捕捉学界在X上的最新争论——这比单纯搜论文要快得多。

📎 原文来源：TechCrunch – X now offers an MCP server to make its platform easier for AI tools to use

2026年7月1日
AI agent 进了手机键盘，以后打字就能直接办事

你每天在手机上敲的字，背后藏着的意图，有没有可能直接变成行动？新加坡一个创业团队正在做这件事——他们把 AI agent 塞进了手机键盘里。

Acti 把 AI agent 直接嵌入手机键盘

键盘才是最佳的 AI 入口

Acti 的创始人兼 CEO Young Wang 有个很直接的观察：今天用 AI 最麻烦的地方在于，你的上下文散落在无数个 App 里。和朋友聊到某家餐厅，想查评价，得切出去打开点评软件；聊到某只股票，想看实时价格，又得切到行情软件。

他说，现在的 AI agent 从根本上就受限，因为用户的上下文是碎片化的。Acti 的思路是：键盘是你和手机交互最基础的界面，它横跨所有 App，如果能在这里建一层属于用户自己的上下文，AI agent 才能真正发挥作用。

键盘是所有人每天用得最多的软件，但它一直只是个输入工具。到了 AI 时代，它应该成为意图和行动之间的桥梁。

长按一个键，触发一串操作

Acti 的核心功能叫”Skills”，类似自定义快捷键。用户可以给某个按键设定一个多步任务——比如长按字母 T，整段消息就被翻成英文；长按 C，会议链接直接发出去。

不需要会写代码。你想要什么功能，用自然语言描述一下，Acti 帮你生成这个 Skill。内测阶段，用户在不到两周的时间里就自己造了超过 1000 个 Skills。有人做了查世界杯实时数据的，有人做了拉 Polymarket 赔率的，都放在 Skill 市场里给别人用。

底层模型用的是 Google 的 Gemini，选它的理由是综合平衡了智能水平、响应速度、多语言表现和成本。Gemini 支持多模态，也适合驱动 Skills 这种需要理解用户意图然后触发动作的功能。

隐私怎么算

把键盘换成 AI 驱动的，最自然的担心是隐私。Acti 的说法是”本地优先”——个人上下文默认存在设备上，除非用户主动触发需要云端处理的功能，否则私人消息和对话内容不会被上传。

这个承诺够不够，取决于你信不信。但至少从产品设计上看，他们意识到了这个问题。

创始人做过 3 亿日活的键盘

Young Wang 不是第一次做键盘。他在百度待了十年，把 Facemoji 键盘做到了 3 亿日活。那是表情包和主题皮肤的生意，但积累了对键盘这个特殊场景的理解——怎么在方寸之间做输入体验，怎么处理多语言，怎么在资源受限的移动端跑模型。

Acti 的 CTO Mike Sun 也不简单，他是百度云相册平台 Yike Album 的创始技术负责人，那个产品峰值时也有 1000 万日活。CSO Junbo Yang 之前在 HashKey Capital 做消费赛道投资。

这帮人刚完成了一笔 530 万美元的种子轮，由 BITKRAFT Ventures 领投。投资方的逻辑很直接：人机交互的下一个阶段，入口可能在键盘。

Acti 目前还在早期，商业模式打算走订阅——付钱能用更强的模型、更多的每日调用次数。Skill 市场将来也可能分成。但所有这些的前提是，用户愿意换掉自己用了好几年的键盘，为一个”AI 能帮你做事”的承诺。

这个前提成不成立，接下来几个月就能看到。

📎 原文来源：Acti puts AI agents directly into your smartphone keyboard — TechCrunch

2026年7月1日
MoneyPrinterTurbo：AI 自动生成短视频，93K+ Stars 让创作零门槛
🎬 MoneyPrinterTurbo：AI 自动生成短视频，93K+ Stars 让创作零门槛

基于 AI 大模型的短视频自动生成工具｜支持中英文｜一键跨平台发布

93.1K+

⭐ GitHub Stars

Python

💻 主要语言

MIT

📄 开源许可

35K+

📈 本月新增

📌 项目简介

MoneyPrinterTurbo 是一款基于 AI 大模型的短视频自动生成工具，由开发者 harry0703 创建并维护。只需提供一个视频主题或关键词，系统即可全自动完成文案生成、素材匹配、字幕合成、背景音乐搭配，最终输出高清短视频（支持竖屏 9:16 和横屏 16:9）。

项目在 GitHub 上已获得 93,118 Stars，是本月 GitHub 趋势榜 Python 类目第二名（新增 35,397 Stars），深受内容创作者和 AI 爱好者欢迎。

🔧 安装要求和过程

环境要求
- Python 版本：3.11+（推荐，项目使用 uv 管理依赖）
- 核心依赖：Streamlit（Web界面）、FastAPI（API服务）、MoviePy 2.x（视频处理）、ffmpeg
- AI 服务：需配置至少一家 LLM 提供商 API Key（支持 15+ 家）
- 素材服务：需配置 Pexels 或 Pixabay API Key（免费申请）
快速安装（三种方式）

方式一：Docker 部署（推荐）

# 1. 安装 Docker Desktop（Windows 用户需先配置 WSL）
# 2. 克隆项目
git clone https://github.com/harry0703/MoneyPrinterTurbo.git
cd MoneyPrinterTurbo

# 3. 一键启动（自动拉取预构建镜像）
docker compose -f docker-compose.release.yml up

# 4. 访问
# Web 界面：http://127.0.0.1:8501
# API 文档：http://127.0.0.1:8080/docs

方式二：本地手动部署

# 1. 克隆项目
git clone https://github.com/harry0703/MoneyPrinterTurbo.git
cd MoneyPrinterTurbo

# 2. 使用 uv 安装依赖（推荐）
uv python install 3.11
uv sync –frozen

# 3. 配置 API Key
cp config.example.toml config.toml
# 编辑 config.toml，填入 pexels_api_keys 和 llm_provider 配置

# 4. 启动 Web 界面
uv run streamlit run ./webui/Main.py –server.showEmailPrompt=False

# 5. 启动 API 服务（可选）
uv run python main.py

方式三：Windows 一键启动包

从 GitHub Release 下载最新一键启动包，解压后先双击 update.bat 更新代码，再双击 start.bat 启动即可。

✨ 核心功能
- AI 全自动文案生成：接入 15+ 家 LLM 服务商（OpenAI / DeepSeek / Kimi / 通义千问 / Gemini / Ollama 等），自动生成视频脚本，支持中英文双语。
- 智能素材匹配：集成 Pexels、Pixabay、Coverr 三大无版权素材源，根据文案关键词自动匹配高清视频片段，也支持上传本地素材。
- 多语音合成引擎：内置 Edge TTS（免费，无需 API Key）、Azure TTS V2、ElevenLabs TTS，支持 23+ 种语言，可实时试听效果。
- 丰富字幕样式：支持自定义字体、位置、颜色、大小、描边效果，基于 Pillow 渲染（不再依赖 ImageMagick），字幕时间戳精确对齐。
- 一键跨平台发布：生成完成后可自动上传至 TikTok、Instagram、YouTube Shorts（需 Upload-Post 账号），YouTube 发布自动标注”AI 生成内容”。
🚀 典型使用场景

场景一：知识科普短视频批量生产

自媒体运营者需要每天发布 3-5 条科普短视频，但缺乏视频剪辑时间和素材。使用 MoneyPrinterTurbo，只需输入”量子计算入门””黑洞是什么”等主题，AI 自动生成文案并匹配宇宙、科技素材，10 分钟内完成 5 条视频生成，大幅降低内容生产成本。

场景二：跨境电商产品宣传视频

电商卖家需要为每款产品制作多语言宣传短视频。通过自定义文案 + 本地素材上传功能，批量生成中英双语产品介绍视频，配合一键跨平台发布功能，快速覆盖 TikTok、Instagram 等海外社媒渠道。

场景三：本地 LLM 隐私保护场景

对数据隐私有严格要求的企业用户，可配置 Ollama 本地 LLM 提供商，所有文案生成均在本地完成，无需将敏感信息发送至第三方 API，兼顾 AI 能力提升与数据安全合规。

💡 推荐理由

作为一个 AI 工具爱好者，我认为 MoneyPrinterTurbo 最打动人的地方在于它的「降维打击式」易用性：
- 零视频编辑基础也能用：传统视频制作需要掌握剪辑软件、素材版权、配音等多项技能，而 MoneyPrinterTurbo 把这些全部封装成一个 Web 界面，点几下鼠标就能出片。
- AI 大模型生态友好：支持 Ollama 本地模型是一大亮点，意味着你可以在没有 API 费用的情况下无限生成文案，对个人创作者非常友好。
- 开源且活跃：MIT 许可允许自由修改和商用，社区活跃（本月新增 35K+ Stars），Bug 修复和功能迭代速度快。
- 不只是「玩具」：内置的批量生成、API 接口、跨平台发布等功能，已经让它具备了生产级工具的属性，而不只是一个 Demo。
⚠️ 使用提醒：AI 生成的视频内容请注意平台审核规则，YouTube 已要求标注”AI 生成内容”。另外，虽然素材来自无版权平台，但商业使用前建议再次确认素材许可协议。

🛠️ 技术栈

Python 3.11
Streamlit
FastAPI
MoviePy 2.x
ffmpeg
Edge TTS
Docker
uv

🤖 支持的 AI 模型

MoneyPrinterTurbo 支持接入以下大模型服务（在 config.toml 中配置）：

# LLM 提供商列表（任选其一配置 API Key）
OpenAI / AIHubMix / AIML API / EvoLink
Moonshot（Kimi）/ Azure / gpt4free / one-api
通义千问（Qwen）/ Google Gemini / DeepSeek
MiniMax / 文心一言 / Pollinations / ModelScope
Ollama（本地模型，无需 API Key）💡 推荐个人用户使用

📥 下载地址

📦 GitHub 仓库
 🚀 Release 下载
 🎬 使用演示视频

📌 开源许可：MIT License，可自由使用、修改和分发，包括商业用途。
🌟 项目热度：93,118 Stars | 本月新增 35,397 Stars | GitHub Python 趋势榜 Top 2
💬 社区：Issues 和 PR 活跃，开发者响应及时。
2026年6月27日
Stable Diffusion WebUI：最流行的AI图像生成工具，163K+ Stars让你在浏览器里玩转Stable Diffusion
🎨 项目简介

Stable Diffusion WebUI 是由 AUTOMATIC1111 开发的基于 Gradio 框架的 Stable Diffusion 浏览器交互界面，是 AI 图像生成领域最流行、功能最完整的开源工具。只需简单部署，即可在浏览器中完成文生图、图生图、模型训练、参数微调等全流程 AI 绘画操作。

🟣 163K+ Stars
📦 最流行 AI 绘画工具
🔧 丰富扩展生态
💻 本地私有部署
⚙️ 安装要求和过程

环境要求

Python 3.10.6（更高版本可能不兼容 torch）

Git

NVIDIA 显卡（推荐 4GB+ 显存，2GB 也可运行）

或 AMD 显卡 / Intel 核显 / Apple Silicon（需参考对应安装指南）

Windows 快速安装（推荐方式）

# 方式1：一键包（最简单）
下载 v1.0.0-pre 版本的 sd.webui.zip
解压后依次运行 update.bat 和 run.bat 即可

# 方式2：源码安装
1. 安装 Python 3.10.6（勾选 “Add Python to PATH”）
2. 安装 Git
3. 克隆仓库：
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
4. 双击运行 webui-user.bat

Linux 安装

# Debian/Ubuntu
sudo apt install wget git python3 python3-venv libgl1 libglib2.0-0
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git
cd stable-diffusion-webui
./webui.sh
🚀 核心功能

🖼️ 文生图 / 图生图

支持 txt2img 和 img2img 核心模式，内置参数调节、分辨率控制、批处理

🎭 Inpainting / Outpainting

支持局部重绘（内绘）和扩展画布（外绘），智能补全图像内容

🔧 模型与扩展

支持 Textual Inversion、LoRA、Hypernetworks，兼容数千个社区扩展插件

🎨 后期处理与超分

集成 GFPGAN、CodeFormer 人脸修复，RealESRGAN 超分辨率，批处理工具

🎯 Attention 精准控制

支持 ((keyword)) 和 (keyword:weight) 语法精确控制模型对提示词的关注度

💡 典型使用场景

🎬 场景一：AI 艺术创作

输入自然语言提示词（如 “a fantasy castle on a floating island, digital art, trending on ArtStation”），即可生成高质量 AI 艺术作品。通过 Negative Prompt 排除不想要的元素，使用 X/Y/Z plot 批量测试不同参数组合，快速找到最佳生成配置。

🔄 场景二：图生图风格转换

上传参考图片，配合提示词进行风格转换（如将照片转为动漫风格、油画风格）。支持 Denoising strength 控制与原图的相似度，配合 Inpainting 可精确重绘指定区域（如更换人物服装、修改背景）。

🏋️ 场景三：LoRA 模型微调与训练

使用 Training 标签页训练自己的 Textual Inversion 嵌入或 LoRA 模型，只需几十张样本图片即可学习特定人物、风格或物品特征。训练完成后一键加载，在生成中调用自定义概念，实现个性化 AI 绘画。

🌟 推荐理由

Stable Diffusion WebUI 是 AI 绘画领域毫无争议的标杆工具。作为 GitHub 上 Star 数最多的 Stable Diffusion 界面（163K+），它不仅功能全面，更重要的是拥有最活跃的社区和扩展生态——目前已有数千个自定义脚本和扩展插件，覆盖从人脸修复、批量处理到 ComfyUI 工作流集成的各类需求。

与云端 AI 绘画服务（如 Midjourney）相比，WebUI 的最大优势是完全本地运行，无需付费订阅，数据隐私有保障，且支持任意开源 Stable Diffusion 模型（SD1.5/SD2.0/SDXL/SD3 等）。对显存的要求也相当亲民——4GB 显存即可流畅运行，甚至 2GB 也有成功案例。

无论你是 AI 艺术创作者、游戏美术设计师，还是仅仅对 AI 绘画感兴趣的爱好者，Stable Diffusion WebUI 都是最好的起点。一键安装脚本让部署变得异常简单，丰富的教程资源和社区支持也能帮助你快速上手。

📥 下载地址

🐙

GitHub 仓库

github.com/AUTOMATIC1111/stable-diffusion-webui

📚

官方 Wiki 文档

详细功能说明与安装指南


🎨

Civitai 模型下载

下载 LoRA、Checkpoint 等模型文件


📦

v1.0.0-pre 一键包

Windows 免配置打包版本

AI绘画
Stable Diffusion
图像生成
本地部署
开源
2026年6月24日

OpenCut：开源CapCut替代品，免费视频剪辑工具，58,936+ Stars让创作者不再被绑架

OpenCut

开源 CapCut 替代品，免费视频剪辑工具

⭐ 58,936+ Stars
🍴 6,420+ Forks
📅 2025-06 创建
📄 MIT 许可

OpenCut 项目组织头像

📌 项目简介

OpenCut 是一款免费开源的视频剪辑工具，定位为 CapCut（剪映国际版）的开源替代品。项目支持 Web、桌面和移动端三端，基于 Rust 核心 + TypeScript/Next.js 构建，MIT 许可确保永久免费。项目在 GitHub 上仅用不到一年时间就获得了近 6 万星标，是 2026 年最受关注的开源创意工具之一。

58,936+

GitHub Stars

6,420+

Forks

328

Open Issues

TypeScript

主要语言

⚙️ 安装要求和过程

环境要求

Node.js / Bun 运行时（项目使用 Bun 作为包管理器）
proto 工具链管理器（用于管理 Bun 和 moon 版本）
Rust 编译环境（核心模块，正在重写中）
Git

快速安装步骤

# 1. 安装 proto 工具链管理器
bash <(curl -fsSL https://moonrepo.dev/install/proto.sh)
      # 2. 克隆仓库

      git clone https://github.com/OpenCut-app/OpenCut.git

      cd OpenCut
      # 3. 安装依赖（proto 会自动安装 bun + moon）

      proto use

      bun install
      # 4. 启动开发服务器

      moon run web:dev   # Web 端 → localhost:5173

      moon run api:dev   # API 端 → localhost:8787
    

💡 当前项目正在从零重写（rewrite 分支），经典版本可在 opencut-classic 仓库获取。

✨ 核心功能

三端统一，随处剪辑

基于 Rust 核心 + TypeScript/Next.js 构建，同一套代码库同时支持 Web 浏览器、桌面应用（Windows/macOS/Linux）和移动端（iOS/Android），随时随地继续你的剪辑项目。

插件优先架构，无限扩展

正在重写中的版本采用插件优先（plugin-first）架构，支持一等公民第三方插件。官方将提供 Editor API，让开发者可以深度定制剪辑功能，打造专属工作流。

MCP 服务器支持，AI 智能体就绪

重写的 OpenCut 将内置 MCP（Model Context Protocol）服务器，允许 AI 智能体直接调用剪辑功能。这意味着未来可以用自然语言描述剪辑需求，由 AI 自动完成视频编辑。

无头模式，批量自动化渲染

支持 Headless 模式（无界面运行），可用于自动化批处理、模板化视频生成等场景。结合脚本功能（编辑器内直接编写脚本），可实现复杂的自动化剪辑流程。

隐私优先，MIT 永久免费

MIT 许可协议确保项目永远免费、永远开源。与 CapCut 不断加锁基础功能、强制水印不同，OpenCut 承诺永不收费、永不加水印，所有数据本地处理，隐私完全掌控在自己手中。

🎬 典型使用场景

📱 场景一：短视频创作者

抖音、快手、B站短视频创作者可以用 OpenCut 替代 CapCut，完成剪辑、字幕、转场、滤镜等全套操作。MIT 许可意味着你可以商用、可以二次开发，不用担心版权问题。Web 端无需安装，打开浏览器就能剪。

🤖 场景二：AI 辅助视频生产

利用即将上线的 MCP 服务器功能，可以将 OpenCut 接入 AI 智能体工作流。例如：用 LLM 生成视频脚本 → AI 自动匹配素材库 → 调用 OpenCut MCP 接口自动剪辑 → 批量生成多语言版本。这对于内容电商、教育培训等需要大量视频内容的场景极具价值。

🏢 场景三：企业内网部署

OpenCut 支持自托管部署，企业可以在内网搭建私有视频剪辑平台，供市场部、培训部等团队使用。不同于 CapCut 需要联网、有数据出境风险，OpenCut 完全离线运行，满足金融、政府等行业的数据合规要求。

💡 推荐理由

CapCut 无疑是当前最好用的免费视频剪辑工具之一，但它的”免费”正在逐步缩水 —— 高级功能不断收归付费墙后，导出视频强制加水印，这一切都让创作者感到被绑架。

OpenCut 的出现，给了创作者一个真正的选择。它不只是”另一个剪辑工具”，而是从根本上重新思考了视频编辑软件的商业模式 —— 软件本身应该免费，开发者通过企业赞助和高级服务盈利（fal.ai 已是赞助商）。这种模式下，普通用户永远免费，企业用户获得专业支持，开发者有可持续的收入来源。

特别值得关注的是它的 MCP 服务器计划。当大多数剪辑软件还在思考如何整合 AI 时，OpenCut 直接把剪辑能力暴露为 MCP 接口，让任何 AI 智能体都能调用。这意味着不久的将来，你可能对 AI 说”帮我把这段素材剪成 30 秒的抖音风格视频”，AI 就会直接调用 OpenCut 完成剪辑。

当然，项目目前处于重写阶段（rewrite 分支），经典版本功能已经可用，但新架构带来的插件系统、MCP 支持等还需要等待。如果你等不及，可以先使用 opencut.app 的在线版本。

🔧 技术架构

核心语言	Rust（核心模块）+ TypeScript（前端/后端）
前端框架	Next.js（React 生态）
包管理器	Bun（高性能 JS 运行时）
构建工具	moon（monorepo 任务编排）
许可协议	MIT License（永久免费开源）
托管平台	GitHub（OpenCut-app/OpenCut）

📥 下载地址

🌐 在线体验（opencut.app）
⭐ GitHub 仓库
📦 经典版本下载
💬 加入 Discord 社区

当前经典版本可直接使用，重写版本请关注 new.opencut.app 上线通知

OpenCut 正在重新定义视频剪辑软件的可能性 —— 免费不代表低质，开源不代表难用。

项目处于活跃开发阶段，建议 Star 收藏以跟进最新进展 🌟

2026年6月23日

LobeChat —— 72K+ Stars 开源 AI 聊天框架，比 ChatGPT 更自由的选择
🤯 LobeChat

开源 AI 聊天框架，72K+ Stars，比 ChatGPT 更自由的 AI 客户端

⭐ GitHub 72K+ Stars |
🌐 在线体验 |
MIT 开源

📌 项目简介

LobeChat 是 LobeHub 团队开发的开源 AI 聊天框架，也是 GitHub 上 Star 数最多的开源 AI 客户端之一（72K+ Stars）。它支持 Web 和桌面两种形式，在一个界面里同时接入 GPT、Claude、Gemini、DeepSeek、Ollama 等 80+ 模型，还内置插件市场、RAG 知识库、多模型对比等实用功能。最重要的是——完全免费开源，数据可完全本地化。

⭐

72K+

GitHub Stars

🤖

80+

支持模型

🔌

40+

内置插件

💻

3 平台

Web/桌面/Docker

1
安装要求和过程

环境要求

部署方式环境要求

Web 版 浏览器访问，无需安装

桌面版 Windows/macOS/Linux，下载安装包

Docker Docker + Docker Compose

本地开发 Node.js 18+, pnpm, Git

快速安装（桌面版）

# 1. 从 GitHub Releases 下载对应平台安装包

https://github.com/lobehub/lobe-chat/releases

# Windows: LobeChat-win.exe

# macOS: LobeChat-mac.dmg

# Linux: LobeChat-linux.AppImage

Docker 部署（自托管推荐）

# 拉取镜像并启动

docker run -d -p 3210:3210 \

-e OPENAI_API_KEY=your-key \

–name lobechat lobehub/lobe-chat

2
核心功能

🤖 多模型统一接入

支持 OpenAI、Claude、Gemini、DeepSeek、Kimi、智谱、Ollama 等 80+ 模型，一个界面随意切换。自定义 Base URL，可接入任何兼容 OpenAI 协议的 API。

🔌 插件市场 + MCP 集成

内置 40+ 插件，联网搜索、代码执行、图片生成开箱即用。支持 MCP 协议，可一键接入 AI Agent 工具链，扩展能力无上限。

📚 RAG 知识库

上传 PDF、Word、网页，自动建立向量索引。基于个人知识库问答，适合企业文档、技术手册、合同条款等场景。本地向量数据库，数据不出门。

⚡ 多模型对比 + 语音对话

同一问题多模型同时回答，横向对比 Claude/GPT/Gemini 差异。内置 TTS/STT，支持语音对话。还有「助手市场」，几百个预设专业助手直接可用。

🏠 完全自托管 + 隐私优先

Docker 一键部署，数据全留本地。MIT 开源，可自由修改分发。对比 ChatGPT Plus $20/月，LobeChat 客户端免费，只需按 API 用量付费。

3
典型使用场景

🎯 场景一：多模型对比选型

在模型选型阶段，同一个 Prompt 同时发给 Claude Opus、GPT-5.4、Gemini 2.5 Pro，直接对比输出质量，不再靠猜。LobeChat 的多模型对比功能让选型决策有数据支撑。

📚 场景二：企业知识库问答

将公司技术文档、产品手册、合同模板上传到 LobeChat 知识库，基于 RAG 检索增强生成，精准回答内部问题。支持 Docker 私有化部署，数据完全不出企业内网。

💻 场景三：开发者日常助手

配置 DeepSeek V3（中文代码能力强，价格低）+ Claude Sonnet（复杂逻辑）+ GPT-5.4（多模态），不同任务自动切换最合适模型。助手市场里的「代码审查」「SQL 优化」等预设助手，开箱即用。
💡 推荐理由

我用过不少 AI 客户端，LobeChat 是最顺手的选择之一，原因如下：

✅ 真的免费：客户端 MIT 开源，桌面版零成本，只需付 API 费用（比 ChatGPT Plus 灵活太多）

✅ 真的开放：不绑定任何厂商，自定义 Base URL 接入任何兼容 API，甚至支持本地 Ollama

✅ 真的好用：界面现代美观，多模型对比、知识库、插件市场一应俱全，功能深度足够

✅ 真的私密：Docker 一键自托管，数据 100% 本地，适合对隐私有要求的企业和个人

如果你同时用多个 AI 模型，或者不想把数据交给 OpenAI，LobeChat 是目前最好的开源替代方案。
📥 下载地址

⭐ GitHub 仓库
 🌐 Web 版体验
 📦 桌面版下载
 📖 官方文档

许可协议：MIT License | 语言：TypeScript | 支持平台：Web / Windows / macOS / Linux / Docker

⚠️ 本文基于公开资料整理，项目数据截至 2026 年 6 月。LobeChat 与 LobeHub 为同一团队产品，功能持续迭代中。
2026年6月19日

部署方式	环境要求
Web 版	浏览器访问，无需安装
桌面版	Windows/macOS/Linux，下载安装包
Docker	Docker + Docker Compose
本地开发	Node.js 18+, pnpm, Git

ComfyUI – 最强大的模块化AI内容创作引擎，节点式工作流颠覆传统AI生成

ComfyUI – 模块化AI内容创作引擎

📦 项目简介

ComfyUI 是最强大、最模块化的AI内容创作引擎，提供图形化节点界面来构建和执行AI生成工作流。支持图像、视频、3D模型、音频等多类型内容生成，无需编写代码即可搭建复杂的AI生成流程。

⭐ GitHub热门
🎨 AI图像生成
🎬 视频生成
🎵 音频生成

🔧 安装要求和过程

环境要求

组件	要求
操作系统	Windows / Linux / macOS
Python版本	推荐 3.13+（3.14存在部分兼容问题）
PyTorch版本	推荐 2.4+（优先使用最新CUDA版本）
GPU显存	最低 1GB（智能内存管理）

快速安装（NVIDIA GPU）

# 克隆仓库
git clone https://github.com/Comfy-Org/ComfyUI.git
cd ComfyUI
# 安装PyTorch（CUDA 13.0）
pip install torch torchvision torchaudio –extra-index-url https://download.pytorch.org/whl/cu130
# 安装依赖
pip install -r requirements.txt
# 启动服务
python main.py

一键安装（推荐）

🚀 Windows便携包：下载解压即用（NVIDIA版）

📦 comfy-cli：pip install comfy-cli && comfy install

🖥️ 桌面客户端：官网下载一键安装

☁️ 云端部署：Comfy Cloud（无本地硬件用户）

✨ 核心功能

🎨

多模态模型支持

支持SD1.x/2.x、SDXL、SD3/3.5、Flux、Qwen Image、Hunyuan等图像模型；Stable Video Diffusion、Wan 2.1等视频模型；Stable Audio等音频模型；Hunyuan3D等3D模型

⚡

异步队列+智能显存

仅重新执行工作流中发生变化的部分，大幅提升运行效率；智能内存管理，最低支持1GB显存GPU运行大模型

🔗

节点式工作流

图形化节点界面，灵活搭建复杂工作流；支持工作流保存/加载为JSON；App模式将复杂工作流封装为简易UI

📦

扩展生态丰富

支持LoRA、Embedding、超网络加载；支持ControlNet、T2I-Adapter、GLIGEN等扩展；ComfyUI-Manager一键安装扩展

🔒

离线运行+完整复现

核心功能不会自动下载额外内容，保护隐私；支持从生成的PNG、WebP、FLAC文件中加载完整工作流（包含种子参数），实现结果完整复现

🎯 典型使用场景

场景一：AI图像生成与工作流复用

通过节点式工作流搭建复杂的图像生成流程（如：文生图+高清放大+面部修复），保存为JSON文件或PNG图片。下次直接加载工作流即可复现相同效果，大幅提升创作效率。支持LoRA微调模型，实现个性化风格生成。

场景二：视频生成与编辑

集成Stable Video Diffusion、Wan 2.1等视频生成模型，通过节点工作流实现文本生成视频、图片生成视频、视频风格转换等功能。支持视频帧插值、超分辨率等后处理节点。

场景三：企业级AI内容生产流水线

通过ComfyUI的API模式，将复杂的AI生成工作流封装为简易UI，供非技术团队成员使用。结合ComfyUI-Manager批量安装扩展，快速搭建企业内部的AI内容生产平台，实现批量图像/视频生成自动化。

💡 推荐理由

ComfyUI彻底改变了AI内容生成的工作方式——从”写提示词等待结果”进化到”可视化搭建AI生成流水线”。

为什么值得尝试？
① 灵活性无敌：节点式工作流让你可以精确控制AI生成的每一个环节，从模型选择、提示词处理、采样参数到后处理，全部可视化调整。
② 社区生态强大：ComfyUI-Manager让扩展安装一键完成，数千个自定义节点覆盖各种需求（ControlNet、IP-Adapter、AnimateDiff等）。
③ 资源占用优化：智能显存管理让低显存用户也能跑大模型，异步队列提升生成效率。
④ 结果可复现：工作流嵌入PNG图片，分享作品的同时分享完整生成流程，AI创作的”开源”精神。

如果你觉得WebUI”不够灵活”，或者想搭建自动化的AI内容生产流水线，ComfyUI绝对是最佳选择。节点式工作流的学习曲线稍陡，但一旦掌握，创作效率将大幅提升！

📥 下载地址

🐙 GitHub仓库
🖥️ 桌面客户端下载
📚 官方文档
🎨 示例工作流

支持Windows / Linux / macOS | 最低1GB显存 | 开源免费

🏷️ 标签：ComfyUI · 节点式 · AI绘画 · 图像生成 · Stable Diffusion · 工作流

📌 归类：开源项目

2026年6月16日

Agent-Reach：给AI Agent装上「全网眼睛」，30K+ Stars的免费互联网接入神器

项目简介

Agent-Reach 是一个为 AI 智能体（AI Agent）提供全网内容读取与搜索能力的开源工具。它让 AI Agent 能够一键读取 Twitter、Reddit、YouTube、B站、小红书、GitHub 等 15+ 平台的内容——完全免费、无需付费 API，只需一行命令安装。

项目目前拥有 30K+ GitHub Stars，是当前 AI Agent 基础设施领域最热门的项目之一。由开发者 Panniantong 开发并持续维护，采用 MIT 开源协议。

为什么需要 Agent Reach？

AI Agent 已经能帮你写代码、改文档、管项目——但你让它去网上找点东西，它就抓瞎了：

📺 让 AI 看 YouTube 教程 → 拿不到字幕
🐦 让 AI 搜推特产品评价 → Twitter API 要付费
📖 让 AI 去 Reddit 找同类 bug → 返回 403
📕 让 AI 看小红书商品口碑 → 必须登录才能打开
📺 让 AI 总结 B 站技术视频 → 被风控拦截
🔍 让 AI 搜索最新 LLM 框架对比 → 没有好用的免费工具

安装要求与环境配置

环境要求	说明
Python 版本	Python 3.10 及以上
操作系统	macOS / Linux / Windows 全平台支持
兼容 Agent	Claude Code、OpenClaw、Cursor、Windsurf、Codex 等所有能执行命令的 Agent
网络代理	本地电脑不需要；服务器部署可能需要（~$1/月）

快速安装步骤

方法一：一键安装（推荐）

# 复制这句话给你的 AI Agent：
帮我安装 Agent Reach：https://raw.githubusercontent.com/Panniantong/agent-reach/main/docs/install.md

# 或手动执行：
pip install agent-reach
agent-reach install --env=auto

方法二：安全模式（生产环境推荐）

pip install agent-reach
agent-reach install --env=auto --safe

安装完成后，运行诊断命令查看各渠道状态：

agent-reach doctor

核心功能

🌐 网页阅读

基于 Jina Reader 免费读取任意网页内容，自动清洗 HTML 标签，输出干净文本。无需 API Key。

🐦 Twitter/X 读取

通过 Cookie 认证免费读取和搜索推文，支持单条推文、时间线浏览、长文阅读。无需 Twitter API 付费。

📺 YouTube 字幕提取

基于 yt-dlp（154K Stars）提取视频字幕和元数据，支持多语言，无需 API Key。

📺 B站搜索与阅读

使用 bili-cli 无需登录即可搜索视频、获取详情。支持字幕提取（需 OpenCLI 配置）。

🔍 全网语义搜索

集成 Exa AI 语义搜索引擎（MCP 接入），支持自然语言查询，免费无需 Key。

完整平台支持列表

平台	零配置功能	配置后解锁
🌐 网页	阅读任意网页	—
📺 YouTube	字幕 + 搜索	—
📡 RSS	解析任意源	—
📦 GitHub	公开仓库 + 搜索	私有仓库 / Issue / PR
🐦 Twitter/X	读单条推文	搜索 / 时间线 / 长文
📖 Reddit	—	搜索 + 读帖子和评论
📕 小红书	—	搜索 / 阅读 / 评论
💼 LinkedIn	Jina Reader 公开页	Profile / 公司页面
💻 V2EX	热门帖子 + 详情	—
📈 雪球	行情 + 搜索 + 热榜	高级数据

典型使用场景

🎯 场景一：AI 产品调研助手

让 AI Agent 同时搜索 Twitter 用户对竞品的真实评价、Reddit 上的讨论帖、YouTube 上的评测视频，再汇总成调研报告。以前需要人工切换多个平台的操作，现在一句话搞定：

"帮我调研一下 Cursor vs Windsurf 的用户反馈，
搜一下 Twitter 和 Reddit 上的讨论"

🎯 场景二：技术视频学习加速器

把 YouTube/B站的技术教程链接丢给 Agent，它会自动提取字幕、总结要点、生成笔记。再也不用花 2 小时看完一个视频才知道讲的是什么：

"总结一下这个 YouTube 视频的核心内容：
https://youtube.com/watch?v=xxx"

🎯 场景三：全网信息监控与聚合

设置定时任务让 Agent 监控特定关键词在 Twitter、Reddit、V2EX 等平台的最新动态，汇总后推送给你。特别适合追踪技术趋势、竞品动态或舆情监测：

"每天早上搜一下 RAG 相关的最新讨论，
看看 Twitter 和 Reddit 上有什么新进展"

技术架构亮点

多后端路由机制：每个平台维护「首选 + 备选」有序后端列表，某条路失效自动切下一条
零包装层设计：Agent 直接调用上游工具，没有中间封装层，性能损耗最小化
SKILL.md 注册制：安装后在 Agent skills 目录注册使用指南，Agent 自动知道该调什么
安全优先：Cookie 仅存本地（权限 600）、支持安全模式和 Dry Run、代码完全可审计
跨平台兼容：macOS / Linux / Windows 全平台支持，兼容所有主流 AI Agent

下载地址

GitHub 仓库	github.com/Panniantong/Agent-Reach
PyPI 安装	`pip install agent-reach`
开源协议	MIT License
Star 数量	⭐ 30K+ Stars

2026年6月16日

标签： AI工具

从 Project Tailwind 到 Gemini Notebook

真正的变化：笔记本里能跑代码了

它想成为你工作流里的那一层

两个做过 Docker 的人，想给 AI 也做个「容器」

真正的拐点，是智能体带火了开源模型

不是所有人都买账

这不是第一个，但可能是最重要的一个

有个关键限制：不能发帖

对开发者意味着什么

键盘才是最佳的 AI 入口

长按一个键，触发一串操作

隐私怎么算

创始人做过 3 亿日活的键盘

🎬 MoneyPrinterTurbo：AI 自动生成短视频，93K+ Stars 让创作零门槛

📌 项目简介

🔧 安装要求和过程

环境要求

快速安装（三种方式）

✨ 核心功能

🚀 典型使用场景

场景一：知识科普短视频批量生产

场景二：跨境电商产品宣传视频

场景三：本地 LLM 隐私保护场景

💡 推荐理由

🛠️ 技术栈

🤖 支持的 AI 模型

📥 下载地址

🎨 项目简介

⚙️ 安装要求和过程

环境要求

Windows 快速安装（推荐方式）

Linux 安装

🚀 核心功能

💡 典型使用场景

🌟 推荐理由

📥 下载地址

OpenCut

📌 项目简介

⚙️ 安装要求和过程

环境要求

快速安装步骤

✨ 核心功能

三端统一，随处剪辑

插件优先架构，无限扩展

MCP 服务器支持，AI 智能体就绪

无头模式，批量自动化渲染

隐私优先，MIT 永久免费

🎬 典型使用场景

📱 场景一：短视频创作者

🤖 场景二：AI 辅助视频生产

🏢 场景三：企业内网部署

💡 推荐理由

🔧 技术架构

📥 下载地址

🤯 LobeChat

📌 项目简介

1 安装要求和过程

环境要求

快速安装（桌面版）

Docker 部署（自托管推荐）

2 核心功能

🤖 多模型统一接入

🔌 插件市场 + MCP 集成

📚 RAG 知识库

⚡ 多模型对比 + 语音对话

🏠 完全自托管 + 隐私优先

3 典型使用场景

🎯 场景一：多模型对比选型

📚 场景二：企业知识库问答

💻 场景三：开发者日常助手

💡 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（NVIDIA GPU）

一键安装（推荐）

✨ 核心功能

多模态模型支持

1
安装要求和过程

2
核心功能

3
典型使用场景