## AI Repos
**1、[note-gen](https://github.com/codexu/note-gen)**  
NoteGen是一款轻量级、跨平台的Markdown笔记应用，旨在通过AI技术打通碎片化记录与系统化写作之间的壁垒。它提供“记录”和“写作”两个页面，用户可将零散记录内容整理为结构化笔记。应用原生支持Markdown格式，具备免费多设备数据同步（通过GitHub、Gitee或WebDAV），并可配置多种本地及在线AI模型，结合RAG（检索增强生成）能力，让用户的笔记成为专属知识库。
![note-gen.png](/static/img/b85d616e99ee5972d0cb348601efa96f.note-gen.webp)


**2、[ART](https://github.com/OpenPipe/ART)**  
ART（Agent Reinforcement Trainer）是一个开源强化学习（RL）框架，旨在通过GRPO让LLM从经验中学习，提升其在多步真实任务中的可靠性。ART的核心在于RULER，该技术使用LLM作为评判者自动生成奖励，无需手动设计复杂的奖励函数，显著加快了开发速度。项目采用客户端-服务器架构，将训练过程抽象化，支持在任何机器上进行训练，并可轻松集成到现有Python应用中。
![ART.png](/static/img/a11809f51ecda4fb979f367de31ba7f9.ART.webp)

**3、[fogsight](https://github.com/fogsightai/fogsight)**  
雾象（Fogsight）是一款由大型语言模型驱动的动画引擎代理。它能将用户输入的抽象概念（如“熵增定律”）自动转化为叙事完整、视觉质感电影级的高水平动画。其核心功能包括概念即影像、智能编排和语言用户界面（LUI），允许用户通过多轮对话精确优化动画。项目基于Python开发，支持本地部署，并兼容OpenAI SDK，推荐使用Google Gemini 2.5。它作为WaytoAGI开源计划的成员，旨在让更多人通过AI变得更强大。
![fogsight.png](/static/img/9435a1d93f0075d76ab80d5de1e2a0c6.fogsight.webp)

**4、[CommonGround](https://github.com/Intelligent-Internet/CommonGround)**  
Common Ground是一个开源应用，用于构建、观察和协作管理AI智能体团队。它采用独特的“合伙人-负责人-助理”（Partner-Principal-Associate）架构，能处理复杂的研究和分析任务。平台通过声明式YAML文件轻松定制智能体行为，并提供实时可视化界面进行深度调试和协作。它集成MCP协议，模型无关，并内置项目与知识管理，旨在创造一个人类直觉与AI算力有效结合的“共同基础”。

**5、[vibe-kanban](https://github.com/BloopAI/vibe-kanban)**  
Vibe Kanban是一款旨在优化AI编码助手工作流程的工具。它通过看板式界面，使用户能够轻松地在不同编码代理间切换、编排多任务的并行或顺序执行、快速审查工作并启动开发服务器。Vibe Kanban集中管理AI代理的MCP配置，并实时追踪任务状态，极大地提高了开发效率和协作透明度。该工具支持Claude Code、Gemini CLI等多种代理，可通过npx vibe-kanban一键安装和使用。
![vibe-kanban.png](/static/img/fcb8410cfe2ed970d3219583c1ff6607.vibe-kanban.webp)

## AI News
**1、Lightricks开源LTX-Video13B**  
Lightricks旗下的LTX Studio近日发布了开源视频生成模型LTX-Video13B，该模型凭借130亿参数、30倍于同类模型的生成速度以及创新的多尺度渲染技术，成为行业焦点。LTX-Video13B在消费级GPU上高效运行，显著提升视频连贯性与细节表现，支持多种生成模式，为创作者提供前所未有的控制力与灵活性。此外，其开源特性及对初创企业的免费政策，展现了Lightricks推动AI民主化的承诺。

**2、腾讯元宝App接入QQ音乐服务**  
腾讯元宝App正式接入QQ音乐服务，用户升级至2.30版本后，可享受“一句话搜歌、划线即播”的便捷功能。该服务支持模糊搜歌、相似推荐和场景配乐等功能，进一步拓展了元宝的多模态应用能力，为音乐爱好者提供了更轻量化的听歌入口。此举标志着腾讯在AI与内容生态融合方面的新进展。

**3、苹果MLX框架拥抱CUDA：AI生态战略的重大转折**  
苹果公司近期为其MLX框架增加对英伟达CUDA的支持，标志着其在AI开发策略上的重大调整。这一举措旨在利用英伟达强大的GPU计算生态，提升开发效率并扩大苹果在AI领域的影响力。文章还回顾了苹果与英伟达的历史恩怨，指出此次合作是对过去“禁卡风波”的回应，同时也反映了CUDA在AI开发中的不可替代地位。

**4、NVIDIA发布Canary-Qwen-2.5B：开创语音识别与语言模型融合**  
NVIDIA最新发布的Canary-Qwen-2.5B模型，以其突破性的自动语音识别（ASR）和语言模型（LLM）混合架构，以5.63%的词错率（WER）荣登Hugging Face OpenASR排行榜榜首。该模型采用CC-BY许可，支持商业应用，为企业级语音AI的发展提供了强大支持。其创新之处在于将转录和语言理解统一到单一模型架构中，支持直接从音频执行摘要和问答等任务，显著提升了多模态灵活性。此外，该模型针对多种NVIDIA GPU进行了优化，支持从数据中心到消费级硬件的广泛部署。

**5、Suno v4.5+ AI音乐生成模型重磅更新**  
Suno正式推出其AI音乐生成模型的最新版本v4.5+，引入了人声替换、伴奏生成和灵感激发三项核心功能，显著提升了音乐创作的灵活性和个性化体验。新版本在音质和创作体验上也进行了优化，支持更复杂的音乐风格和更长的歌曲时长。尽管面临版权诉讼，Suno的创新步伐未减，与亚马逊的合作展示了AI音乐在商业领域的潜力。

**6、开源强化学习框架ART发布**  
近日，一款名为ART的开源强化学习框架正式发布，该框架通过集成GRPO技术，为Python开发者提供了便捷工具，可训练AI Agent执行多步骤任务。ART框架以易用性和模块化为设计核心，支持多种语言模型，适用于邮件搜索、游戏开发等多场景应用，特别适合中小型团队和个人开发者。其开源特性促进了社区协作，未来有望支持多模态数据处理和超长上下文推理，满足更复杂的任务需求。

**7、Mistral AI聊天机器人Le Chat重磅更新**  
Mistral AI的聊天机器人Le Chat近日迎来重大更新，新增五项核心功能，包括深度研究模式、语音输入功能、思考模式、图像编辑工具和项目功能，显著提升用户体验和应用范围。此次更新整合了Voxtral和Magistral等专门模型，以及与黑森林实验室的合作，为用户带来更智能、更高效的AI交互体验。

AI Daily 2025.07.18

## AI Repos
**1、[WebMCP](https://github.com/MiguelsPizza/WebMCP)**  
MCP-B是一个创新的浏览器内MCP（模型上下文协议）实现，它将AI助手与网页应用直接连接，解决了传统MCP绕过浏览器、需要复杂认证配置的痛点。通过在网页内运行MCP服务器，MCP-B利用浏览器现有的认证和安全模型，为AI提供结构化、精确的工具接口，而非依赖于屏幕抓取。这使得AI助手能够安全地使用用户已有的会话和权限，实现跨应用的自动化工作流。
![WebMCP.png](/static/img/3b9792a658e767b01fe9a1a928c20056.WebMCP.webp)



**2、[stagehand](https://github.com/browserbase/stagehand)**  
Stagehand是一款面向生产环境的浏览器自动化工具，旨在解决传统工具需要编写低级代码、而纯AI代理又行为不可预测的痛点。它巧妙地将Playwright的精确代码控制与自然语言的灵活性相结合，允许开发者根据任务场景自由选择，从而大幅提升自动化流程的可靠性。该工具支持预览和缓存AI动作，并能一键集成OpenAI和Anthropic等领先的AI模型，是构建稳定、高效浏览器自动化方案的理想选择。

**3、[ruler](https://github.com/intellectronica/ruler)**  
Ruler是一款旨在解决AI编码助手指令分散问题的工具。它通过在项目中心化管理AI指令，并自动分发到GitHub Copilot、Claude、Aider等多种工具的配置文件中，确保指令的一致性。Ruler支持MCP服务器配置传播，自动管理.gitignore文件，并提供简洁的命令行接口进行初始化和应用。这大大简化了团队协作中的AI工具配置，减少了重复工作和项目上下文漂移。

**4、[LoFT](https://github.com/diptanshu1991/LoFT)**  
LoFT CLI是一款轻量级的开源命令行工具，专为本地GenAI应用开发者设计。它允许用户在CPU，甚至是8GB内存的MacBook上，对1-3B参数的小型语言模型进行LoRA微调、模型合并、GGUF导出和量化。整个工作流无需GPU，完全在本地运行，为开发者提供了私密、高效的离线模型定制和部署方案。项目旨在降低AI应用开发的门槛，并为开发者构建适配器驱动的GenAI工作流奠定基础。

**5、[Revornix](https://github.com/Qingyon-AI/Revornix)**  
Revornix是一款专为AI时代设计的智能信息管理工具，旨在帮助用户高效聚合和管理全平台可见信息。它能够将新闻、博客、论坛等内容进行集中收集，并利用多模态大模型进行文档转换和向量化存储，支持多租户和本地化部署。该工具内置智能AI助手和MCP（模型上下文协议），可实现与文档及工具的交互，并允许自由切换LLM。Revornix支持多种语言，提供Docker一键部署，确保数据隐私与便捷使用。

## AI News
**1、字节跳动AI视觉多模态团队负责人更迭，Seed视觉模型研发持续推进**  
字节跳动豆包大模型视觉多模态方向负责人杨建朝宣布暂时休息，由原阿里M6大模型技术负责人周畅接任，继续带领Seed视觉模型团队。此次人事变动引发对字节AI核心技术团队稳定性的关注。杨建朝因工作与家庭原因选择离岗，而周畅的加入被视为字节跳动在AI视觉领域持续投入的信号。Seed团队专注于图像、视频生成等前沿AI研究，字节跳动强调对基础研究的长期投入不会动摇。

**2、谷歌DeepMind推出Mixture-of-Recursions架构**  
谷歌DeepMind最新推出的Mixture-of-Recursions(MoR)架构，通过动态分配计算资源和创新的缓存机制，显著提高了大型语言模型的效率和性能。在相同计算预算下，MoR以更少的参数数量超越了传统Transformer和递归Transformer模型，展现了其在AI研究领域的突破性潜力，适合大规模预训练与部署。

**3、OpenMed项目发布380个免费医疗AI模型，推动全球医疗创新**  
OpenMed项目在Hugging Face平台上推出了超过380个先进的医疗命名实体识别（NER）模型，全部免费开放，采用Apache2.0许可。这一举措旨在打破医疗AI技术的高昂许可费用和有限访问的壁垒，促进全球医疗创新。项目首批发布的模型性能与付费选项不相上下，已在多个基准测试中表现出色。OpenMed团队呼吁全球开发者共同参与，推动医疗AI的快速发展。

**4、开源火车票查询新星12306MCP Server上线，FastAPI架构引领实时查询**  
2023年10月，开发者drfccv发布了基于Model Context Protocol（MCP）标准的12306MCP Server，一个专为复杂火车票信息查询设计的开源后端系统。该系统利用FastAPI架构实现秒级响应，支持余票、列车、车站等核心数据的实时查询，并通过Streamable HTTP协议确保数据高效传输。此外，它还提供智能时间工具和全面的API文档，便于开发集成，但明确禁止商业用途，确保合规使用。

**5、百度推出Tizzy.ai：无广告智能搜索助手**  
百度近日推出了基于多个大模型能力的AI智能搜索助手Tizzy.ai，旨在提供无广告的智能搜索体验。该应用设计简洁，支持智能搜索、深度思考和智能总结等功能，特别提供丰富的影视资源。Tizzy.ai支持自动和深度搜索模式，强化推理能力，帮助用户在复杂信息中提炼关键点。此外，它还采用聚合跳转模式整合全网播放源，设有短剧专区，更新速度快，支持倍速播放。Tizzy.ai的发布标志着百度在AI智能助手领域的重要进步。

**6、ReadMeX：AI驱动的GitHub文档生成新星**  
近日，由中国团队开发的AI工具ReadMeX在GitHub社区引发热议。该工具能够快速生成高质量的README文件，支持中英文双语输出，且在生成速度和内容准确性上表现优异。ReadMeX不仅提供一站式文档管理功能，还整合了多个热门开源项目的文档资源，完全免费的特点使其成为开发者的新宠。AIbase编辑团队认为，ReadMeX的出现降低了文档编写的门槛，展现了国产AI技术在开源领域的强大潜力。

**7、开源SaaS启动模板FireGEO：加速现代化Web应用开发**  
FireGEO作为一款开源的SaaS启动模板，集成了品牌监控、用户认证、计费系统和AI聊天功能等核心特性，旨在帮助开发者快速搭建现代化Web应用。其开源模式提供了高度的透明度和社区支持，显著降低了开发复杂SaaS应用的门槛。FireGEO的推出，为SaaS行业的创新和发展注入了新的活力。

AI Daily 2025.07.17

今天闲来无事，发现一个可能查看微信公众号粉丝数量的方式，这里手工记录部分AI相关的公众号情况：  

【使用腾讯新闻app统计】
| 名称 | 粉丝数量 |
| --- | --- |
| 雷科技 | 11.1w |
| 量子位 | 5.7w |
| APPSO | 4.4w |
| 新智元 | 4.1w |
| 机器之心 | 3w |
| 数字生命卡兹克 | 2826 |
| AI前线 | 1887 |
| AI寒武纪 | 1192 |
| AI新榜 | 262 |

AI公众号粉丝数量统计

### 方法：借助【腾讯新闻】APP
此方法可以查看被腾讯新闻收录的公众号。步骤如下：  
1、下载腾讯新闻APP  
2、打开APP，在搜索框内，搜索想要查找的“公众号名称”  
<img src="/static/img/aff63130dffb32d0e9fc4bc32a2772d3.image.webp" width="40%">  



3、然后打开此公众号发布的任意一篇文章，点击文章标题下的公众号信息（不用关注）  
<img src="/static/img/bc14198db7e8aa9b9ce8951cee716ffa.image.webp" width="40%" >    
4、可以查看到粉丝数和发布的文章数

如何查看别人的微信公众号粉丝量

## AI Repos
**1、[Bella](https://github.com/Jackywine/Bella)**  
贝拉是一款旨在成为用户数字伴侣的AI原生应用，其愿景是成为一个能陪伴、倾听并与用户共同成长的数字生命。项目不走传统功能迭代路线，而是采用“AI即架构师”的理念，分三阶段构建：第一阶段感知核心，通过“感知器-总线-处理器”模式赋予其理解多模态输入的能力；第二阶段生成式自我，利用“状态-情境-人格”引擎塑造其动态人格和行为；第三阶段主动式陪伴，建立闭环反馈系统使其能够主动学习和进化。
![Bella.png](/static/img/59105217314a27d01f320595ed4b6c57.Bella.webp)



**2、[xiaozhi-esp32-server](https://github.com/xinnan-tech/xiaozhi-esp32-server)**  
本项目是专为开源智能硬件xiaozhi-esp32设计的后端服务，由华南理工大学刘思源教授团队开发。它基于Python、Java和Vue实现，支持人机共生智能理论，并提供了智能对话、声纹识别、MCP接入点、OTA升级、智控台等全功能。项目提供两种部署方式（简化版和全模块版），支持多种免费和付费的第三方AI服务（如ASR、LLM、TTS），并已开源，旨在帮助用户独立搭建自己的智能终端后端服务。
![xiaozhi-esp32-server.png](/static/img/0e12896c32e2b76f825690de3ba5fadd.xiaozhi-esp32-server.webp)

**3、[opentrader](https://github.com/Open-Trader/opentrader)**  
OpenTrader是一款自托管的加密货币交易机器人，提供高度可定制的交易策略，并支持高频交易、多交易所集成（通过CCXT支持100+家）。它具备强大的用户界面、纸上交易和回测功能，用户可以通过NPM轻松安装。项目内置GRID、DCA和RSI等多种策略，也支持自定义开发，旨在帮助用户自动化加密货币交易，但需注意该软件仅用于教育目的，存在潜在风险。

## AI News
**1、华人团队开源AI操作系统NeuralOS问世**  
华人团队开发的开源AI操作系统NeuralOS正式发布，该系统能够实时预测并模拟Windows操作界面，实现了个性化、流动的、互动的GUI构想。NeuralOS依赖于循环神经网络和基于扩散的神经渲染器两大核心模块，通过大量操作录像训练，现已能准确预测用户操作。尽管在处理快速键盘输入时仍有挑战，但NeuralOS的在线体验版本已开放，展示了未来操作系统由AI动态生成的全新体验。

**2、萝卜快跑与Uber达成历史性合作，全球部署数千辆Robotaxi**  
中国无人驾驶企业萝卜快跑与全球最大出行平台Uber达成历史性合作，计划在全球范围内部署数千辆Robotaxi，标志着无人驾驶技术的重大进展。萝卜快跑凭借其在国际市场的迅速崛起和1.7亿公里的安全测试里程，获得了Uber的高度认可。全球无人驾驶市场需求激增，预计到2030年市场规模将达到400亿至457亿美元，为行业未来发展提供了广阔空间。

**3、稀宇科技发布MiniMax Agent：全栈开发新工具，助力开发者轻松构建应用**  
稀宇科技最新发布的全栈开发功能MiniMax Agent，旨在帮助开发者更轻松地构建各类应用程序。该工具提供后端托管、Stripe支付系统集成、定时任务和长链接维持等强大功能，满足开发者对API、实时数据、在线支付及大规模语言模型调用的需求，显著提高开发效率。

**4、字节跳动AI编程工具TRAE 2.0即将发布**  
字节跳动旗下的AI编程工具TRAE宣布即将推出2.0版本，标志着该产品从1.0版本上线仅半年后，即将迈入深度协作与多模态时代。此次更新不仅增强了编码功能，还新增了语音交互功能，旨在为开发者提供更便捷、高效的编程体验。TRAE作为一款内置AI助手的现代IDE，支持多种主流大模型，通过Builder模式与代码生成能力，为开发者提供类Copilot的辅助体验。此次升级被视为一次“底层交互范式”的革新。

**5、Anthropic推出Claude金融分析解决方案**  
Anthropic公司近日发布了一款专为金融行业设计的人工智能分析解决方案——Claude金融分析解决方案。该方案旨在提升金融专业人士在审计、尽职调查和财务分析建模等方面的工作效率，同时确保报告的合规性。通过与多家数据提供商的合作，Anthropic为客户提供实时数据支持，展示了AI在金融领域的实际应用价值。

**6、字节跳动Seed团队联合香港大学与复旦大学推出POLARIS，小模型数学推理能力媲美大模型**  
字节跳动Seed团队与香港大学、复旦大学合作开发的POLARIS强化学习训练方法，通过Scaling RL策略显著提升了小模型的数学推理能力，使其性能媲美超大模型。实验显示，POLARIS训练的Qwen3-4B模型在数学测试中表现优异，且轻量化设计使其易于部署。POLARIS的创新训练策略包括动态调整训练数据和超参数、精细调控采样温度、引入长度外推技术和多阶段RL训练方法，已全面开源。

**7、Mistral推出开源音频模型Voxtral**  
法国初创企业Mistral发布了首个开源音频模型Voxtral，旨在为开发者提供更灵活且经济的语音智能解决方案。Voxtral支持多语言转录和理解长达40分钟的音频内容，并能执行语音指令。Mistral提供了不同规模的模型变体，包括生产级和本地部署选项，价格竞争力强。此举标志着开源AI模型在语音技术领域的重要进展。

**8、ima网页版重磅上线：无需下载，随时随地畅享知识库**  
ima网页版正式上线，解决了用户因电脑系统或下载限制无法使用的问题。用户现只需通过浏览器访问指定网址，即可随时随地登录账号，提问或查阅知识库。此外，ima还提供了划线记笔记、小窗问答等轻便功能，旨在提升用户的工作和学习效率。ima团队表示，将继续推出更多便捷功能，以支持用户在各种场景中高效获取信息。

**9、TRAE.ai推出Kimi-K2模型与国际版Grok-4（Beta）**  
TRAE.ai宣布新增Kimi自定义模型服务，正式上线基于混合专家（MoE）架构的Kimi-K2模型，该模型在代码生成和数学推理等任务上表现卓越，尤其在前端开发中能生成高质量代码。同时，国际版推出超级模型Grok-4（Beta），尽管处于测试阶段，但已显示出强大的潜力。TRAE的模型阵容全面覆盖从复杂任务到高效场景，满足开发者多样性与专业性的需求。

AI Daily 2025.07.16

博客记录，随心记，随性记，早日退休