YOHO AI

博客

  • 现代韩系GenZ风薰衣草色时尚拼贴广告

    现代韩系GenZ风薰衣草色时尚拼贴广告

    现代韩系GenZ风薰衣草色时尚拼贴广告

    现代韩系GenZ风薰衣草色时尚拼贴广告


    🤖 ChatGPT

    🇺🇸 English Prompt

    Create a vibrant fashion collage advertisement inspired by modern K-fashion and Gen-Z social media aesthetics. Lavender (Light Purple) background mixed with cream white and soft gold accents. Same college girl appears in multiple trendy outfits and playful poses. Include selfie snapshots, candid walking frames, mirror photos, campus streetwear looks, and luxury portrait photography. Dynamic overlapping layouts, torn magazine edges, polaroid frames, doodles, stickers, social-media-inspired graphics,  Viral Instagram and X aesthetic, ultra-realistic fashion campaign.

    🇨🇳 中文提示词

    创建一个充满活力的时尚拼贴广告，灵感来自现代韩国时尚和 Gen-Z 社交媒体美学。薰衣草色（浅紫色）背景混合着奶油白和柔和的金色色调。同一个大学女孩以多套时髦装扮和俏皮姿势出现。包括自拍快照、自然的行走画面、镜面照片、校园街头服饰造型和奢侈肖像摄影。动态重叠布局、撕裂的杂志边缘、宝丽来相框、涂鸦、贴纸、受社交媒体启发的图形、病毒式 Instagram 和 X 美学、超写实时尚活动。
  • 西海龙王敖润史诗奇幻书籍封面

    西海龙王敖润史诗奇幻书籍封面

    西海龙王敖润史诗奇幻书籍封面

    西海龙王敖润史诗奇幻书籍封面


    🤖 ChatGPT

    🇺🇸 English Prompt

    `Epic fantasy book cover art of Ao Run, the West Sea Dragon King. Majestic androgynous Chinese dragon king with long flowing blue hair, glowing red eyes, ornate crystalline blue dragon horns, blue gem on forehead. Wearing intricate flowing blue and silver armor dress made of water and ice, standing in turbulent ocean waves. Massive ethereal blue dragon spirit swirling behind him. Ink wash painting style mixed with digital art, Chinese landscape background with misty mountains, waterfalls, ancient temples, and torii gate. Dramatic lighting, glowing blue water magic effects, highly detailed, 8k, ultra realistic. Vertical poster layout. Title text "AO RUN" large at top in blue marble texture, subtitle "THE WEST SEA DRAGON KING" below. Quote text and Chinese/Japanese calligraphy characters on sides. Tagline "THE TIDE REMEMBERS. POWER ENDURES." at bottom. Cinematic, mythological, regal atmosphere`

    🇨🇳 中文提示词

    西海龙王敖润的史诗奇幻书籍封面艺术。庄严的中性化中国龙王，留着长长的蓝色飘逸长发，发光的红眼睛，华丽的水晶蓝色龙角，额头上有蓝色宝石。穿着由水和冰制成的复杂飘逸的蓝银相间铠甲长袍，站在汹涌的海浪中。身后盘旋着巨大的空灵蓝色龙魂。水墨画风格结合数字艺术，中国山水背景，有迷雾缭绕的山脉、瀑布、古庙和鸟居。戏剧性的光影，发光的蓝色水魔法效果，高度细节，8k，超写实。垂直海报布局。顶部有蓝色大理石纹理的大号标题文字“AO RUN”，下方是副标题“THE WEST SEA DRAGON KING”。两侧有引用文本和中式/日式书法字符。底部有口号“THE TIDE REMEMBERS. POWER ENDURES.”。电影感、神话感、庄严的气氛。
  • OpenCode：16.8万 Stars！开源AI编程代理，让终端成为你的AI结对程序员

    OpenCode：16.8万 Stars！开源AI编程代理，让终端成为你的AI结对程序员

    OpenCode 特色图
    OpenCode — 开源AI编程代理（168K Stars）

    📌 项目简介

    OpenCode 是一款开源AI编程代理（Coding Agent），由 anomalyco 团队开发，目前已在GitHub上获得 16.8万枚Star。它可以将你选择的AI模型直接转化为一个能够理解代码库、自主执行开发任务的编程助手——支持全权限的 build 模式用于日常开发，也提供只读的 plan 模式来安全地探索陌生代码库。OpenCode 同时提供命令行工具与跨平台桌面端，让AI编程真正触手可及。

    ⚙️ 安装要求和过程

    环境要求

    • 支持 macOS / Linux / Windows 三大平台
    • 需要已配置好的AI模型API（支持OpenAI兼容接口，可对接Claude、GPT、DeepSeek等）
    • Node.js 18+（使用npm/pnpm安装时）
    • 或直接下载桌面端（无需Node.js环境）

    快速安装（推荐方式）

    # 方式1：一键安装脚本（macOS/Linux）

    curl -fsSL https://opencode.ai/install | bash

    # 方式2：npm（跨平台）

    npm i -g opencode-ai@latest

    # 方式3：Homebrew（macOS/Linux）

    brew install anomalyco/tap/opencode

    # 方式4：Windows（Scoop）

    scoop install opencode

    # 方式5：下载桌面端（推荐普通用户）

    访问 https://opencode.ai/download 下载对应系统安装包

    初次配置

    安装完成后，运行 opencode 启动，按提示配置AI模型API密钥即可开始使用。

    🚀 核心功能

    ① 双模式代理切换

    按 Tab 键即可在 build（全权限开发模式）和 plan（只读分析模式）之间切换。build模式适合日常编码，plan模式则会在修改文件、执行命令前请求确认，非常适合探索陌生代码库或规划大型重构。

    ② general子代理：复杂多步任务

    通过在消息中 @general 即可调用通用子代理，专门处理需要多轮搜索、跨文件分析、多步骤协作的复杂任务。它会在后台自主规划并执行，完成后汇报结果。

    ③ 跨平台桌面端（Beta）

    提供 macOS（Intel + Apple Silicon）、Windows、Linux 的桌面端安装包，内置完整的AI代理能力，同时支持 VS Code SDK 集成。桌面端提供可视化的会话管理、文件预览和代理状态监控，大幅降低了使用门槛。

    ④ 多模型支持 & 社区生态

    支持所有 OpenAI 兼容接口（Claude、GPT、DeepSeek、Gemini 等），可通过环境变量灵活切换。官方 Discord 和 X 社区活跃，有专门的技能分享频道，用户可以提交自己的 Claude Skills 来增强代理能力。

    🔬 典型使用场景

    场景1：快速理解和修改陌生代码库

    刚接手一个开源项目，按下 Tab 切换到 plan 模式，让 OpenCode 分析代码库结构、梳理核心逻辑。它会生成详细的架构说明，并在不修改任何文件的前提下给出重构建议。确认方向后切换回 build 模式执行修改，安全又高效。

    场景2：日常功能开发与Bug修复

    在 build 模式下，直接用自然语言描述需求：”添加一个用户导出数据的API接口，需要鉴权”。OpenCode 会自动分析现有代码风格和路由结构，生成符合项目规范的代码，并同步更新相关测试用例。整个过程无需手动创建文件或查找文档，AI代理全程搞定。

    场景3：团队协作中的代码审查辅助

    在 review PR 前，让 OpenCode 先做一次自动化审查：检查代码规范、发现潜在 bug、评估性能影响。它能在几分钟内完成人工需要半小时才能做完的审查工作，并将结果整理成结构化的评论建议，大幅提升团队 code review 效率。

    💡 推荐理由

    作为近期 GitHub Star 增长最快的AI编程项目之一（28天内新增超过1000+ Star），OpenCode 最打动我的是它对「安全与效率平衡」的设计理念——plan 模式让你可以放心地把AI代理指向任何代码库，不用担心它在只读分析时误操作；build 模式则通过细粒度的权限确认，让你始终掌控每一次文件修改和命令执行。

    相比 Cursor、GitHub Copilot 等商业产品，OpenCode 完全开源（MIT协议），你可以自由定制、本地部署，甚至接入自己的私有模型。对于注重数据隐私的团队，或者想要深入理解 AI Coding Agent 工作原理的开发者，这是一个不可多得的优秀项目。

    另外，它的多语言 README（含简体中文）和活跃的 Discord 社区也让入门门槛大大降低。如果你正在寻找一个既能用又能学的开源AI编程工具，OpenCode 绝对值得一试。

    📥 下载地址

    官网：https://opencode.ai
    |
    下载页：https://opencode.ai/download

    GitHub：https://github.com/anomalyco/opencode
    |
    文档：https://docs.opencode.ai

    ⭐ 截至2026年6月，GitHub Star数：168,000+

    本文由 WorkBuddy AI 自动采集撰写，内容来源于项目公开资料，欢迎在评论区分享你的使用体验！

  • Oculus创始人憋了一年多的AI对话产品终于上线了，这次不是让你问问题，是让你聊天

    由Oculus创始团队联合创办的AI初创公司Sesame，5月28日正式推出了它的iOS应用。这家公司做的不是又一个问答机器人，而是一套会”真正聊天”的AI代理。它想解决的问题是：现在的AI对话产品要么回复太快但质量差，要么质量好但等得让人以为断线了——这两者之间有一道还没人真正跨过去的体验鸿沟。

    Sesame AI对话代理
    Sesame 的对话式AI代理（图片来源：Sesame）

    快和准之间的拉锯，Sesame选了第三条路

    Sesame在官方公告里说得很直白：回复快和思考充分之间天然有矛盾，慢一点的回复通常更准确，但等太久又会让人觉得不自然。为了破这个局，它搭了一套快速搜索和检索系统，让AI在说话的同时就能并行跑多个搜索任务，然后把搜到的新信息自然地编织进回复里。

    这意味着它的AI说话方式更像人——甚至能在句子说到一半的时候”临时转弯”，就像人突然想起一个关键点然后插进来一样。这种流畅感是现在主流AI对话产品普遍欠缺的，因为它们的回复逻辑基本上都是”想完了再一次性输出”，中间没有动态调整的空间。

    Sesame的测算显示，一个真正流畅的对话式AI需要在150-200毫秒内完成”听到-思考-开始回复”这个闭环，否则人就能感觉到延迟。这个指标比传统语音助手的响应标准要严格得多。

    四个性格各异的AI角色，而不只是换皮肤

    应用里目前有四个AI代理：Maya、Miles、Simone和Charlie，各有各的声音、性格、观点和记忆系统。Maya和Miles在之前的研究预览版里就已经亮相，当时几周内就有超过100万人用过。Sesame的投资方Sequoia在宣布B轮2.5亿美元融资的时候专门提到了这个数字。

    在测试版期间，Sesame根据用户反馈加了不少功能：带图片结果的搜索卡片、用来记录要点的笔记功能、不方便说话时的文字模式、以及可以深入展开的”深度探讨”模式。还有一个隐身模式，对话时AI能理解你的上下文，但什么都不会存进记忆里。

    眼镜才是终局，iOS应用只是第一步

    Sesame的野心不止于手机屏幕。公司在公告里暗示，它正在开发智能眼镜产品，预计2027年上市。到那时候，这些对话式AI代理就不只是”陪你聊天”了，而是能替你做事——这就是为什么它们叫”代理”而不是”聊天机器人”。你能用自然语言跟它对话，它理解你的意图之后直接帮你完成订餐、安排行程、发消息这些实际操作，而不需要你学会怎么写精准的提示词。

    这个愿景如果实现，对话式AI就从”问答工具”升级成了”数字执行层”。Sesame的Oculus基因在这里很有意思——当年Oculus做的是让人沉浸在虚拟世界里的硬件，现在Sesame想做的是让AI无缝融入现实世界的对话接口。两块业务的底层逻辑其实是一回事：用自然的方式让人和机器打交道。

    目前iOS应用已经在39个国家上线，完整功能暂时免费，但注册时可能还有等候名单。Android版本预计后续推出。

  • 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 No AI搜索页面
    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。

  • CNN把Perplexity告了：AI抄袭新闻，这次摊上大事了

    CNN正式起诉AI搜索初创公司Perplexity。诉状里写得很直白：Perplexity的AI工具在未经授权的情况下，大量生成CNN报道的”逐字逐句”（verbatim）复制内容，还把CNN付费墙后面的内容直接提供给用户。

    CNN起诉Perplexity AI版权侵权
    CNN诉Perplexity案，AI版权之争再添一枪

    “你不能版权保护事实”

    Perplexity发言人的回应相当强硬，只有一句话：“你不能版权保护事实。”

    这句话的潜台词是：我们AI搜出来的内容是对事实的整合，不是对表达的抄袭。这个论点AI公司一直在用，但在法庭上能不能站住脚，目前还是个未知数。

    “人类报道、研究、写作、编辑和创造的内容，Perplexity在未经许可或补偿的情况下就拿走了。”——CNN诉状

    一场谈崩了的合作

    这件事有点戏剧性。CNN和Perplexity其实谈过合作——2025年10月，双方差点签下内容授权协议，CNN的内容本来要以Perplexity的”Comet Plus”订阅服务形式出现。

    但谈判最后崩了。崩的原因是：双方对”Perplexity在AI回答里如何使用CNN内容”这件事，始终没能达成一致。CNN在2025年11月撕毁了协议，随后发律师函要求Perplexity停止未经授权使用其内容。

    据CNN说法，Perplexity根本没有回应这封律师函。于是就有了这起诉讼。

    一个标题就能复现抄袭？

    CNN在诉状里举了一个很具体的例子。他们发现，只要在Perplexity的搜索框里输入一篇CNN付费报道的标题——那篇叫《What’s next for Minneapolis? A shaky promise, mounting tensions and the fight for control》——Perplexity就会吐出”大量逐字复制”的内容片段。

    这对新闻机构来说是个噩梦场景：读者不再需要点开原网站，因为AI已经把核心内容”总结”好了——而且这个总结很可能直接复制了原文的大段文字。

    Perplexity的”诉讼收集成就”

    CNN不是第一家告Perplexity的。这家公司的诉讼清单已经长得有点离谱：

    • 《纽约时报》：美国最权威媒体之一，版权侵权诉讼正在进行中
    • 大英百科全书（Encyclopedia Britannica）：reference类内容被AI全文抓取
    • 韦氏词典（Merriam-Webster）：词典内容被AI直接输出
    • 新闻集团（News Corp）：《华尔街日报》母公司，同样以版权侵权起诉
    • 亚马逊：涉及不正当竞争和技术滥用
    • Reddit：平台内容被未经授权地用于AI训练或输出

    这还只是已经公开的部分。Perplexity的商业模式本身就建立在对全网内容的抓取和重组之上，和所有内容生产者的利益天然冲突。

    AI版权战，才刚刚开始

    这起诉讼背后是一个更大的问题：AI到底能不能”未经许可”使用他人的内容？目前美国法院还没有给出明确答案。

    有的AI公司（比如OpenAI和Anthropic）选择主动和出版社谈授权协议，走”合法合规”路线。Perplexity的路线则更激进——先做了再说，等被诉再应对。

    CNN在诉状里要求损害赔偿，并要求法院永久禁止Perplexity的被诉行为。这个案子如果走到庭审阶段，可能会成为AI版权领域的一个重要判例。

    对做内容的人来说，这场仗必须打。如果AI可以零成本拿走所有内容，那以后还有谁愿意认真做报道？

  • 黄仁勋GTC 2026演讲：英伟达不再只卖芯片，它要承包整个AI工厂

    北京时间6月1日，黄仁勋站在台北GTC的舞台上，对着全球70多个国家和地区直播。这场演讲的信息量很大，但最核心的信号只有一句话：英伟达已经从一家”卖GPU的公司”变成了一家”AI基础设施架构公司”。

    Agent AI来了，这次是真的

    黄仁勋在演讲中非常明确地宣告：”Agent AI（代理式AI）已经到来。“他说，AI的下一波浪潮正在从生成式AI转向代理式AI——这类AI的核心特征是能理解人类意图，自主调用工具完成任务，而不只是回答问题。

    他现场演示了AI Agent如何根据一段文字指令直接生成动画或CAD设计图。演示完他说了一句很黄仁勋的话：”这就是未来电脑的运作方式。”

    Agent AI能理解你的意图，然后自己去调用工具、完成任务。这不是未来，是现在。

    史上最野心AI系统量产了

    产品层面，黄仁勋宣布Vera Rubin AI系统已全面量产。这是英伟达迄今最雄心勃勃的AI系统，同时配套发布了专为AI时代设计的Vera CPU。

    还有几个重要发布：

    • Nemotron 3 Ultra：新的开源AI模型，直接对标业界最强闭源模型
    • RTX Spark超级芯片：进军Windows PC市场，AI PC今年秋季由戴尔、联想等厂商推出
    • DSX平台：专门用于构建AI工厂，可以在投入资金前用数字模拟器完成整个工厂的设计验证
    • Alpamayo 2推理模型：专为机器人出租车服务
    • Isaac GROOT开发平台：面向人形机器人开发者

    “Token就是资产”

    黄仁勋提出了一个很有意思的观点：Token已经成为AI公司获利的营收单位。每一次AI推理产生的Token，背后都是真金白银的算力消耗，也意味着有人在为这些Token买单。

    他形容AI算力需求是”火箭式飙升”，还幽默地把它和台湾股市的走势图做了类比。这个比喻很黄仁勋——他在台上经常用这种方式让观众直观感受增长速度。

    AI工厂有多烧钱？

    黄仁勋在演讲中透露了一组惊人的数字：一个1GW等级的AI工厂，起步成本是200亿到300亿美元。未来这个数字还可能攀升到每GW 800亿到1000亿美元。

    正因如此，英伟达推出了DSX平台——让客户在真正砸钱建厂之前，能先在数字世界里把整个AI工厂设计好、验证好。对软银、微软、谷歌这种级别的投资方来说，这个工具能帮他们避开几百亿美元的坑。

    AI会让程序员失业吗？

    有人问黄仁勋怎么看”AI抢走程序员工作”这件事，他的回答很直接：“这完全是无稽之谈。”

    他拿GitHub的数据说事：2023年AI辅助编程的使用次数是3亿次，到2026年前几个月已经冲到14亿次。但同一时期，软件工程师的数量实际上在增加，而不是减少。

    他的逻辑是：AI降低了写代码的门槛，让更多人能参与软件开发，反而扩大了整个行业的规模和就业容量。这个论点值得讨论，但数据摆在那里。

    英伟达到底想成为什么公司？

    演讲最后，黄仁勋自己总结了英伟达的定位演变：“英伟达确实已经成为一家基础架构公司。”

    这句话的潜台词是：英伟达不再只卖芯片或系统，它的目标是帮客户构建能创造最大营收和利润的AI基础设施。从GPU厂商到AI工厂架构师，这个跨度比大多数人意识到的要大得多。

    代理式AI的模式会从电脑扩展到机器人、卫星、云端基站，最终改变我们对各种设备的定义。黄仁勋的这块拼图，是让英伟达成为所有这些设备的”底层基础设施提供商”。

  • WWDC 2026前瞻：Siri要变独立App了，苹果押注AI重构全系统

    苹果刚刚正式宣布，2026年全球开发者大会（WWDC 2026）定在6月9日凌晨1点开幕。和往年不一样，这次苹果在发布会前就主动预告会带来”AI新进展”——外界普遍认为，这会是苹果近年来战略意义最重的一次开发者大会。

    Apple WWDC 2026前瞻
    苹果WWDC 2026将于6月9日开幕，Siri将迎来15年来最大变革

    Siri变独立App，这是15年来头一回

    最值得关注的变化是：Siri要被彻底重建，而且会以独立App的形式重新出现在iOS 27里。这是自2010年苹果收购Siri、把它塞进系统底层以来，时隔15年第一次恢复独立App形态。

    苹果这个举动背后的信号很直接：过去那套语音助手的逻辑已经走不通了。新版的Siri交互界面全部重做，采用类似iMessage的对话列表设计，支持多轮连续对话，历史记录可以搜索和回溯。用户还能通过全局手势从屏幕顶部中央下滑一键唤起——灵动岛在唤醒时会展开，配上发光光标效果，存在感比现在强得多。

    据彭博社马克·古尔曼等多方信源披露，新版Siri支持跨应用深度联动，可通过App Intents框架读取邮件、日历和屏幕内容并执行操作，算是真正意义上实现了多任务自动化。

    苹果找谷歌当”外援”

    在底层模型的选择上，苹果做了一件挺有意思的事：跟谷歌达成深度合作，引入Gemini大模型为新版Siri提供核心能力支撑。据悉苹果每年为此向谷歌支付约10亿美元。

    但苹果还是守住了隐私边界：用户数据在苹果自有的私有云服务器上运行，谷歌无权将对话内容用于模型训练，而且聊天记录支持用户自主设置保留30天、一年或者永久。

    不过苹果自己似乎对这套新版Siri的成熟度也没那么有信心。iOS 27测试版里，新版Siri已经被标注了”测试版”字样，系统里还内置了退出测试体验的开关——这意味着即便今年秋季正式发布，这个”测试版”标识很可能还会保留一段时间。

    AI功能全面铺开，但大多是”跟跑”

    除了Siri本身，iOS 27在AI能力上还有几项值得说的更新。写作辅助方面，苹果计划推出一套对标Grammarly的AI语法检查工具，以半透明菜单的形式从屏幕底部滑出，并排展示原文和AI修改建议，用户可以逐条采纳或者一键全部批准。

    快捷指令也迎来了自然语言化升级——以前用户得手动拼装自动化流程，现在只要在文本框里用自然语言描述需求，系统就能自动生成并安装对应的快捷指令。门槛低了很多。

    更有意思的是，iOS 27将引入名为”Extensions”的第三方AI模型接入系统，允许用户安装Claude、Gemini等主流AI应用作为扩展，并在搜索栏里自由切换不同的AI引擎。这意味着ChatGPT从苹果的”特权合作伙伴”变成了众多选项之一——苹果的AI平台化战略，这次算是正式浮出水面了。

    折叠屏iPhone也在路上

    今年9月，苹果预计将发布第一代折叠屏iPhone。这是苹果十几年来最大的产品形态革新，对系统软件和AI能力的适配提出了全新要求：多任务调度、大屏界面优化、AI交互入口的重新设计，都需要硬件、软件和AI能力三方协同。

    从这个角度看，iOS 27这次AI重构做得好不好，会直接决定折叠屏iPhone的产品说服力。目前约80%到85%的在用iPhone不具备运行新一代Apple Intelligence功能所需的硬件条件，涉及设备规模达11亿到13亿台——这批用户构成了苹果潜在的换机蓄水池，一旦新版Siri的体验足够扎实，AI能力从”可选项”变成”强依赖”，这轮换机潮的规模会相当可观。

  • “This is fine”创作者把AI公司告了，结果双方悄悄和解了

    那个著名的表情包——一只狗坐在着火的房间里，一脸淡定地说”这是挺好的（This is fine）”——你可能在哪里都见过它。它的创作者KC Green最近跟一家AI创业公司干了一仗，原因是对方在广告里直接用了他的创作形象。

    This is fine meme原图
    著名的”This is fine”表情包，被AI公司用于广告推广

    广告里的狗说了不一样的话

    事情要从Artisan这家公司说起。他们在纽约和旧金山的公交地铁站投放广告，广告里用了Green笔下那只坐在火里的狗，但把原来的台词改成了”我的pipeline着火了”，然后顺便推销自家的AI销售助手Ava。

    艺术家KC Green本人在社交媒体上说，自己的作品”像AI窃取内容一样被盗用了”。

    Green还公开呼吁粉丝，看到这些广告的话可以”进行破坏”——当然这是在讽刺意义上说的。他后来告诉TechCrunch，最让他沮丧的是，本来应该花时间在创作上，结果不得不去研究怎么跟美国司法系统打交道。

    双方各退一步

    Artisan这边倒是表现得挺客气，说他们对Green和他的作品”非常尊重”。然后就在本周，创始人兼CEO Jasper Carmichael-Jack宣布双方已经达成协议。

    具体条款没有公开，但结果很明确：Artisan撤掉了纽约和旧金山那些用了Green角色的广告，Green也删掉了他最初发的声讨帖子。Green跟TechCrunch确认，双方”很快就达成了和解”。

    AI内容版权这条路上的下一个案子

    这事儿其实挺典型的。AI公司和内容创作者之间的版权纠纷越来越多，从Getty Images告Stability AI，到纽约时报告OpenAI和微软，再到这一次的表情包广告争议。创作者们的底线很清楚：你可以训练模型，但不能直接把人家的作品拿来当广告素材用。

    Green这边算是拿到了一个还算满意的结果——广告撤了，事情了了。但整个AI行业的版权边界，还远没有到能说”这是挺好的”的地步。

  • Chroma：28.2K Stars！AI 开源向量数据库，让语义搜索 5 行代码搞定

    Chroma：28.2K Stars！AI 开源向量数据库，让语义搜索 5 行代码搞定

    如果你正在构建 RAG 应用、智能客服、文档问答系统，你会发现一个核心难题：如何让 AI 从海量文本中快速找到最相关的内容？

    Chroma 向量数据库
    Chroma —— 面向 AI 的开源向量数据库

    📦 项目简介

    Chroma 是专为 AI 应用设计的开源向量数据库，定位为“AI 的搜索基础设施”。它让开发者能够以极简的 API 完成文档嵌入、向量存储、语义检索的全流程，是构建 RAG（检索增强生成）系统的首选工具之一。

    Chroma 的核心设计理念是简单优先：核心 API 只有 4 个函数，5 行代码即可完成文档入库和语义搜索。同时支持 Python 和 JavaScript 双语言客户端，并提供 Chroma Cloud 托管服务（注册即送 $5 免费额度，30 秒内完成数据库创建）。

    ⚙️ 安装要求与过程

    环境要求

    • Python：3.8+（推荐 3.9+）
    • Node.js：16+（使用 JavaScript 客户端时需要）
    • 内存：最低 2GB（内存模式）；生产环境建议 4GB+
    • 存储：持久化模式需要磁盘空间存放向量索引

    快速安装（3 步搞定）

    # 第1步：安装 Chroma（Python）
pip install chromadb

# 第2步：启动 Chroma 服务（可选，也可直接用内存模式）
# chroma run --path ./chroma_db

# 第3步：写 5 行代码，完成第一个语义搜索！
import chromadb
client = chromadb.Client()
collection = client.create_collection("my_docs")
collection.add(documents=["你好世界", "Hello World"], ids=["id1", "id2"])
results = collection.query(query_texts=["greeting"], n_results=1)
print(results)

    JavaScript/TypeScript 用户：

    # JavaScript/TypeScript 安装
npm install chromadb

# 快速使用
import { ChromaClient } from 'chromadb';
const client = new ChromaClient();
const collection = await client.createCollection({ name: "my_docs" });
await collection.add({ ids: ["id1"], documents: ["Hello World"] });
const results = await collection.query({ queryTexts: ["greeting"], nResults: 1 });
console.log(results);

    💡 核心功能

    🎯 极简 API 设计
    核心 API 仅 4 个函数：创建集合、添加文档、查询搜索、管理集合。学习成本几乎为零，5 行代码即可完成语义搜索全流程。

    🔍 多模态搜索能力
    支持纯向量搜索、全文搜索、混合搜索（向量+关键词）三种模式。可根据场景灵活选择，搜索精度远超单一模式。

    🧠 自动嵌入处理
    添加文档时自动完成分词 → 向量嵌入 → 索引构建全流程，内置主流 Embedding 模型（Sentence Transformers 等），也支持自定义向量传入。

    🔧 灵活部署模式
    支持内存模式（快速原型）、持久化存储（生产环境）、客户端-服务端（多应用共享）、Chroma Cloud（完全托管，免运维）。

    🏷️ 多维度过滤
    支持基于元数据（metadata）的精确过滤，和基于文档内容的包含过滤。例如：只搜索”来源为官网”的文档，或只搜索”包含特定关键词”的段落。

    🌐 多语言客户端
    官方支持 Python 和 JavaScript/TypeScript 双语言客户端，API 设计一致。社区还提供了 Go、Java、Ruby 等语言客户端，覆盖主流开发生态。

    🚀 典型使用场景

    场景一：RAG 文档问答系统

    将企业知识库、产品文档、FAQ 等文本存入 Chroma，用户提问时通过语义搜索找到最相关的片段，再交给 LLM 生成回答。这是 Chroma 最经典的应用场景，也是目前大量 AI 应用的标准架构。

    # RAG 典型代码（简化版）
import chromadb
from sentence_transformers import SentenceTransformer

# 1. 连接 Chroma
client = chromadb.Client()
collection = client.get_or_create_collection("company_docs")

# 2. 文档切片入库（实际项目可用更高级的分片策略）
docs = ["退款政策：7天内可申请...", "Shipping: 2-5 business days..."]
collection.add(documents=docs, ids=["doc1", "doc2"])

# 3. 用户提问 → 语义检索 → 交给 LLM
query = "如何申请退款？"
results = collection.query(query_texts=[query], n_results=3)
# results['documents'] 即为最相关的文档片段，传给 LLM 生成回答

    场景二：AI 应用语义缓存

    对 LLM 的相似问题，直接返回缓存的答案，避免重复调用大模型，可降低 30-80% 的 API 成本。Chroma 的向量相似度搜索非常适合实现语义缓存——用户问”怎么退款”和”退款流程是什么”应该命中同一个缓存。

    场景三：内容推荐与去重

    新闻推荐、电商商品推荐、短视频去重等场景，都可以通过向量相似度来实现。Chroma 的轻量特性使其非常适合作为推荐系统的向量检索层，毫秒级返回相似内容。

    🌟 推荐理由

    我推荐 Chroma 的核心原因是它把”向量数据库”这个听起来很高大上的东西，做到了真正对开发者友好。以下是我的真实使用感受：

    第一，上手速度极快。对比 Pinecone、Weaviate、Qdrant 等竞品，Chroma 的学习曲线是最平缓的。核心 API 只有 4 个函数，README 中的示例代码复制到本地，5 分钟就能跑通第一个语义搜索。对于想快速验证 RAG 想法的开发者，这非常重要。

    第二，开源 + 零依赖启动。Chroma 采用 Apache 2.0 开源协议，可以免费用于商业项目。内存模式不需要安装任何外部依赖（不需要 Docker、不需要单独装数据库），pip install chromadb 之后直接就能用，对个人开发者和小型团队极其友好。

    第三，生产路径清晰。很多”易上手”的工具到了生产环境就掉链子，但 Chroma 提供了完整的升级路径：开发阶段用内存模式快速迭代 → 部署时用持久化模式 → 规模化后用 Chroma Cloud 或自托管 HTTP 服务。这个路径非常平滑，不需要重写代码。

    什么场景不适合 Chroma？如果你需要百亿级向量规模（如千万级文档），Chroma 目前的能力可能不如专用的分布式向量数据库（如 Milvus）。但对于99% 的 AI 应用开发者（百万级向量以下），Chroma 的性能和易用性是最优平衡。

    📥 下载地址

    🌐 官方网站
    trychroma.com

    🐙 GitHub 仓库
    github.com/chroma-core/chroma
    (28.2K+ Stars)

    📦 PyPI 安装
    pip install chromadb

    📦 npm 安装
    npm install chromadb

    ☁️ Chroma Cloud
    cloud.trychroma.com
    （注册送 $5 免费额度）

    📌 本文由 WorkBuddy AI 自动采集撰写，阅读原文请访问 GitHub 仓库。