Chorme开源了吗

兄弟们，这个 ai 编程神器快的不真实！兄弟们，程序员的生产令又要起飞了！最近刷到这个 j code 直接被惊艳到快到飞起，启动速度比 cloud code 快 了两百多倍，那种瞬间响应的手感，真的用了就回不去。 省钱小能手，自带缓存监测提示词 code 了，会提醒你再也不怕浪费 token 了。多端携同，甚至还能在手机上通过 ios app 操作开发中随时随地改 bug， 全平台支持 linux、 mac os、 windows 都能一键安装。想体验那种指哪打哪的丝滑编程，冲就对了。

这是专为游戏开发打造的开源 ai 黑科技，他直接把一整个游戏开发工作室搬进了 code code 里。今天要说的是，他在吉他比已经拿下十七 k 的 star， 他 直接把游戏开发的门槛砸烂了，让你直接拥有一整个 ai 团队，四十九个专业 ai agent， 一 比一复刻真实游戏公司的全岗位架构，从创意总监、制作人到程序员、美术、 q a 测试，一个都不少，不用写复杂的提示词气， 十二条全流程指令一键启动。从玩法脑爆、架构设计到写代码、做美术、测试、调试，最后打包上线，所有环节 ai 自动分工协助。以前需要一个团队干几个月的独立游戏，现在你一个人就能搞定，还完美支持 ut、 优益、五勾 get 三大主流游戏引擎。

我现在打开了一个联网麻将游戏，甚至还没出第一张牌， ai 就 自己看着屏幕，从头到尾帮我打完了这一局。这事挺有意思，最近麦塔开始记录员工的鼠标点击、键盘输入，甚至屏幕操作，用来训练 ai。 说白了， ai 如果想真的替人干活，就不能只会聊天，他得先学会人到底怎么样去用电脑。但我没想到，这一步可能真的要来了。 我刚刚使用的是一个完全开源的 t u i 感知智能体 mano 杠屁！他能以纯视觉的方式去理解和操控你的桌面，帮你处理复杂的工作流， 就像这样跟个真人一样看着真实界面，理解按钮、窗口和操作路径。比如我自己写了一个番茄时钟应用，只丢给他一句帮我测试一下，他就会自己打开页面，开始暂停重置，一步一步点完，甚至连异常情况也自己试了一轮。整个流程我没有点一下。那些原本你必须亲自动手点的操作，现在 ai 都可以替你完成。 当电脑不在身边的时候，这个模型的能力就太实用了。就像这样，我直接在非处理丢一句，把电脑桌面里的这段视频发到我微信上，你看他就能自己打开微信，还能精准的找到我的头像，把文件发过来。我还试了一下，让他帮我处理更复杂的任务。 比如我让他把这段视频放进剪映，加上字幕，再导出成片。 ok， 等我回到电脑前，这个视频就已经处理好了。这才是这个开源模型最硬核的地方。玛瑙钢批不只是能帮你做几个简单的点击，而是在怎么用电脑这件事情上，已经在全球多摩太十三个榜单里拿到了搜塔。更重要的是，这一切都是在本地完成的。该模型可以直接跑在 m 四芯片的 mac 上， 你不用接 ip， 数据不会上传到云端，截图文件、操作记录全部留在本地，这样你才敢把真正重要的资料和任务。 而且他的开源协议很友好，开发者可以继续二次开发，接入自己的工作流。这意味着，借助 model 钢皮这款纯视觉方案的开源模型，你完全可以在本地部署之后把屏幕交给 ai， 不是 在云端不属于任何平台，而是在你自己的电脑上，让他安全的帮你处理多样化任务。私有化 ai 的 时代，这回是真的要来了。

字节放大招啊！刚刚在 google app 上开源 ui tars desktop， 基于顶尖多模态视觉模型，一句话就能操控电脑与浏览器。精准识别界面，自动键鼠操作，跨 windows max 双平台适配，支持本地和远程控制， 全程隐私安全，无需复杂配置，订机票，改设置，查项目问题全都自动搞定。免费开源，可商用， ai 自动化办公神器，开发者和普通用户都能直接上手。

二零二六年四月，全球开源领域迎来重磅消息， linux 内核维护团队正式发布 ai 生成代码专项政策，终结了持续数月的社区争论，明确划定了 ai 编程工具在这一顶级开源项目中的使用边界， 允许开发者使用 deepop、 coppet 等 ai 编程助手，但所有代码的 bug、 安全漏洞及合规风险，最终责任全部由人类开发者承担。这不是一次简单的规则更新，而是开源生态与 ai 技术融合的里程碑式妥协，既不盲目禁止 ai 提效， 也不纵容技术滥用，更给全球所有开源项目企业、研发团队树立了人机合作的标杆范本。作为支撑全球服务器、云计算、接入式系统的技术基石， linux 内核的每一项政策都将牵动整个 it 行业的神经。而这次 ai 编程规范更是直接回答了所有开发者的核心困惑， ai 能帮我们写代码，但能替我们担责吗？ 答案显然是否定的。在这次政策出台前，开源社区围绕 ai 生成代码的争论早已白热化，甚至在今年一月爆发了激烈骂战。英特尔工程师 dave hansen 与甲骨文员工 lorenzo stokes 就是 否严格限制 ai 工具展开激烈交锋， 双方各执一词，僵持不下。而这场争论的终结，最终由 linx 创始人 linus tallos 亲自下场拍板。 linx 的 态度直白且务实 全面禁止 ai 只是毫无意义的作秀。在他看来， ai 本质上只是一种工具，和 git、 g c c 这些开发工具没有本质区别。提交垃圾代码的人 即使禁止 ai， 也会用其他方式敷衍了事，而认真负责的开发者，即便使用 ai， 也会对代码质量严格把关。与其限制开发者使用什么工具，不如直接明确谁提交 谁负责的核心原则，把责任回归到人类本身。这一立场也与其他开源项目的极端态度形成了鲜明对比。 net b s d gentle 等项目直接禁止 ai 生成代码，认为 ai 训练数据版权不明，会造成代码污染。而 kimo 等项目更是直接点名封杀 copilot、 chat、 gpt 等工具， 理由是 ai 代码的法律归属仍处于灰色地带。反观多数中小开源项目，则处于无规则放任状态，导致大量低质 ai 补丁涌入。 c u r l 曾被 ai 幻觉代码淹没，被迫关闭漏洞奖赏计划。 node j s o c m 也收到过上万行 ai 补丁，引发社区内部混乱。 linux 内核的选择走出了第三条路，不禁止不放任用规则，框定 ai 的 使用边界，用责任约束开发者的行为。 这种现实主义的治理思路，也让它成为全球首个为顶级开源项目制定 ai 编程规范的标杆。这次 linux 内核发布的 ai 编程政策没有复杂的条款，核心只有三条刚性规则， 每一条都直击痛点，清晰界定了 ai 与人类开发者的角色分工，尤其是对 copilot 等主流 ai 工具的使用给出了明确指引。一、允许使用，但 ai 不 能署名。 政策明确允许开发者使用 deepopopilot、 cloud code、 cursor 等 ai 编程工具，辅助完成代码生成、补全、注式重构等工作。这意味着开发者可以借助 ai 工具减少重复劳动， 提升开发效率，尤其是在驱动程序、基础模块等标准化代码的编写上， ai 可以 发挥重要作用。但有一个硬性要求， ai 仅作为辅助工具，不具备代码贡献者身份，不能出现在 send off by、 rebuilt by 等 具有法律意义的签名字段中。 linus 团队的逻辑很简单，签名代表着对代码的认可和负责， ai 无法承担这份责任，自然也不能拥有签名权。这也相当于把谁签字谁负责的开源传统 升级为谁点提交谁负责的 ai 时代新规则。二，强制批录 ai 参与必须显性化为了保证代码可追溯，政策要求，若代码在编辑过程中使用了 ai 辅助，必须在提交信息中添加 assisted by 标签， 明确标注所使用的 ai 模型、版本及辅助环节。比如 assisted by data copilot v 二零驱动代码框架生成。这一要求本质上是为了解决 ai 代码的溯源难题。 此前就有 linux lts 内核联合维护者 sasha levin 在 未批录的情况下提交 ai 生成的补丁， 虽然代码能正常运行，但性能极差，连 linus 都承认评审不够充分，这也让社区对隐瞒 ai 使用的行为较为反感。如今，强制批录规则的出台，不仅能让维护者快速判断代码的审查重点，也能倒逼开发者对 ai 生成的代码进行认真审核。 三、责任到人，人类承担全部后果这是整个政策的核心，也是最具争议的一点。无论代码是否由 ai 生成， 提交者都必须对代码的合法性、安全性、质量负全责。也就是说，若因 ai 生成的代码出现逻辑漏洞、内存泄露、系统崩溃，甚至版权纠纷，责任全部由提交补丁的人类开发者承担， ai 工具厂商不承担任何社区层面的追责， 内核维护者也不会因 ai 生成而降低代码审查标准。这看似苛刻，实则贴合 linux 内核的特殊定位。作为全球基础设施的核心， linux 内核的异形代码错误都可能引发全球范围内的系统故障、数据丢失。这种级别的风险显然不是 ai 工具能够承担的， 也只有人类开发者才能凭借对内核架构的理解、对技术风险的判断，承担起这份终极责任。本期视频就先到这里，下期我将为您讲述新规对行业的影响。

谷歌开源了个 app， 关掉 wifi 也能用 ai 大 模型 google ai edge gallery 能在手机上跑大模型，支持最新的伽马四。 google 开源的七 b 模型， 完全离线百分之一百隐私，你的数据永远不会离开你的手机。想看 ai 怎么思考，打开 thinking mode， 每一步都在你眼前展开，还能拍照问 ai 语音转文字定闹钟， ai 控制你的手机本地运行，不要钱，不需要 a p i t。

兄弟们，这个开源项目太顶了！这个作者直接把这些大佬的表达基因、思维模式、价值观、城市边界、决策、洗发师全部蒸馏出来，做成了 skill。 而这个项目直接就叫女娃，你只需要把这个人物的 skill 复制到你的小龙虾或者扣子里，等它自动装完。接下来无论是产品策略分析、 职业规划建议等等，直接就可以和他对话，寻找答案。比如我试了下乔布斯的 skill， 让他帮我分析一下我的项目框架，给出的建议非常细致，而且能明显感觉到他给我的思路和表达方式是有这个人物的认知的，真的太强了，而且每个人物的 skill 全部直接开源。

harmis agent 这次出现了一个重磅更新，它的专属桌面应用 harmis desktop 发布后，很快就冲破了一千家 star。 这就不是普通的小修小补了，因为这代表的不只是 hems 多了一个桌面界面，而是这个原本更偏命令行，更偏即刻玩家的开源 agent， 终于开始正式往普通人也能长期用的方向走了。 更关键的是， hermes 想做的从来都不是一个你问一句他打一句的聊天机器人。他想做的是一个会长期记忆、会沉淀技能、会越用越懂你的常驻 agent， but what makes hermes different is not just that it is another ai chatbot with tools it's designed to be a persistent autonomous system that is continuously evolving over time it's built by newest research under the mit license and hermes can run exactly like open club， but better 247 on your computer and your own infrastructure while building long term memory reusable skills and even deeper understanding of the user itself it grows as you use it through a built in closed learning loop that lets you automatically create and refine reusable skills from successful tasks that it completes it can maintain persistent cross session memory it also has the ability to build a deeper model of view over time through systems like poncho for user modeling and it improves on its own capabilities the longer it runs with periodic self nudges。 你 把这段话翻成人话就是 ai 这次不只是变聪明了，它是在变得更像一个能长期给你干活的数字助手。大家好，我是进化中的阿晨。所以今天这条视频表面上是在看 hermes desktop， 但本质上我们在看的是一件更大的事， 开源 agent 这条线，到底有没有机会从高手玩具跨到普通人也能真正长期使用的生产力工具？先说 permiss 到底特别在哪， 现在很多 ai 工具本质上还是一句话，你问他答，这一轮对话结束，他大半也就忘了， permiss 走的不是这条路，他想做的是一个持续运行、持续积累、持续学习的系统，你这次让他做成了任务，他会尝试沉淀成以后还能复用的技能。 你画画留下来的信息，它会往长期记忆里收。你长期偏好的工具流程表达方式，它也想一点点学进去。所以视频里反复提到了长期记忆，既能附用用户建模、闭环学习， 说到底都在服务同一个目标，让 ai 不 只是会回答问题，而是会越干越顺手。这也是为什么 hermes 会被拿去和 openclod code、 kilo 这些工具放在一起比较，因为大家现在比的已经不是谁更像聊天机器人了， 而是谁更像一个真正能把活接住的 agent。 前面还有一个很直观的证据，视频里直接展示 hermes 可以 配合 hyperframe 去自动生成整条视频，这不代表它已经完美到可以无脑替代人工，但它至少说明了一件事，它不是只会在聊天框里说我可以， 他是真的在往我去把事情做出来这条路上走。但 hermes 以前最大的问题也不是能力不够，而是门槛太高，他长期跟偏命令行，也就是那种黑底白字需要自己敲指令的操作方式，你不但要会安装、会配置、会接 api， 还得自己去管多个 agent。 工作流既以系统工具调用，很多人不是不想用，而是还没开始干活就先被一堆配置劝退了。 i wanted to showcase the hermes desktop app this is an open source native desktop application that lets you interact with hermes agent inside a fully contained app environment making the entire experience dramatically easier to use instead of manually managing everything through the ci you get a full desktop ui easier， multi agent management better workflow orchestration， native app performance and cross platform support for many of the operating systems i had mentioned like windows， macos and linux and honestly this feels like one of the first times in open source， autonomous ai systems it started to bridge the gap between a research project and something everyday users can realistically operate tohermes desktop 真正补的不是颜值，而是入口。它把过去散在终端里的很多东西 开始往一个正常软件界面里收。你现在上手它思路至少清楚了，要么本地安装，要么连接远程 hermes 服务。如果你本地装饰屏里提到大概要两 gb 空间，装完以后再去选模型贴。工商 open ai， open render and super peak， 酷狗 ai studio 甚至本地模型都能接 这一步当然还没简单到谁都能闭眼上手，但它已经不是过去那种一开局就把人扔进命令行里自生自灭的状态了。更重要的是，桌面版把 hermes 这套系统真正值钱的后台第一次比较完整的摆到了台面上。 绘画记录，你能看多个 a 阵的配置，你能分模型、技能、角色记忆工具、定时任务、小起接入设置这东西，你都能在一个界面里慢慢管理，这点其实非常关键，因为对普通人来说，离爱真正难用的地方 往往不是不会聊天，而是不会管理。他可能会答，但你不会养。他可能有能力，但你不会把它变成稳定流程。 而 hermes desktop 现在做的，就是把养 a 阵的这件事第一次往正常软件体验上推，尤其后半段那几个模块，我建议你一定要盯住 to schedule getaway， 再加上把 opencloud 旧配置迁移到 hermes， it's all of these different individual tools like web search browser， use terminal file， operations and many others you have the ability to set up cron jobs which is where you can set up multiple scheduled tasks like you would with cloud code or codex gateway is for you to connect the hermes agent desktop app with many of these other platforms like telegram， discord， imessage and many others set you can even control it from your phone and then obviously the settings is where you can easily have it so that you can change the theme as well as the network also something important to note is that if you have a pre configured openclaw session or an instance that you have multiple tools and skills and you want to migrate it to hermes you can easily click on migrate to hermes with this desktop app so that you can use all of your。 这几块一拼起来，你就会看明白， hermes desktop 想交付的 根本不是一个聊天框，它想交付的是一个长期工作系统。 twos 解决的是它到底能接什么工具，能做什么动作。 cascadus 解决的是它能不能定时自己跑，不用每次都等你手动盯着。 gitui 解决的是它能不能接近 telegram、 discord、 imessage 这种消息入口，让你不用永远守在电脑前。迁移功能解决的是你之前养出来的环境技能、 a p i 和绘画，不必全部从零重来。这四件事一旦放在一起，意义就完全变了。你要的就不再是一个有问题时拿来问一下的 ai， 而是一个平时挂着需要使能干活干完还能记住的数字助手。所以视频后面列的那些使用场景，你别把它们当成报菜名。不管是把它当第二大脑，写文章、做研究、深沉应用、跑 crm 场景、做金融分析， 还是继续附用组建去生成新东西，它们本质上都在证明同一件事。而妹子不想只做一次性输出，她想做的是能长期积累的工作流引擎。这点其实比她这次演示了什么功能更重要。因为一次演示做得好看，不代表长期可用。但如果一个系统真的开始具备记忆 技能、工具，定时迁移这些基础设施，它就开始有了被长期养成的可能。当然，这里也别一听就上头， hermes docks top 降低的是门槛，不是把复杂度凭空抹掉。 api 怎么接？模型怎么选？费用怎么算？本地跑还是远程跑？工具权限怎么开？记忆怎么管理？这些问题你还是得碰。 如果你本身没有稳定任务，也没有重复工作流，那它最后很可能只是一个更漂亮的壳。而且 hermes 再强也是底层模型是工具接的对不对？是任务描述清不清楚？说到底，它不是魔法，它更像一台越来越像样的机器， 但这台机器能不能真正使你试，还得看你有没有持续为它养它，把流程沉淀下来。所以我看完这条视频，真正记住的不是开源圈，又多了一个新软件，我记住的是开源 agent 这条线 终于开始捕最现实的一刻了，不是在比谁更会说，而是比谁能记住你。接住工具，跑通流程，长期替你干活。 peris 发布就能冲出一千家， star 背后真正被买单的，其实也是这个想象力。大家期待的根本不是在多一个 ai 聊天窗口，大家期待的是，终于有一个系统能慢慢从助手涨成长期搭档。 如果这条路真能继续走下去，未来普通人调 ai 比的，可能就不再是谁更像人，而是谁更像一个能长期给你交付结果的员工。

ansopic 官方开源了一个叫金融服务的项目，已经狂揽一点八万新标，专门给金融行业做 cloud agent 工作流。它不是简单的 prompt， 而是一整套可部署的金融 agent 模板。投行 pitchbook， 市场研究财报复盘，客户会前准备 dcf 和 lbo 模型， 账账 k y c 审查，估值负荷月结 lp 报表审计都有对应的落地案例。更关键的是，它把金融工作拆成了主 a 证和多个子 a 证，比如研究员建模员，写稿员， 而且不同 work 有 不同权限，只有特定角色能写入，还配了插件 skill 部署脚本和安装设备，把复杂流程变成可控的 a 证系统。做金融科技投研自动化企业 ai 落地的赶紧蹲一下。

居然还在某宝买游戏，还在朋友圈沾沾自喜，直到游戏买了一个又一个，到头来才了解别人早就用它免费入库了。今天一分钟教会你如何使用。第一招，环境准备，首先去官网下载工具，点击下载即可安装，完成启动工具会出现一个悬浮窗，之后顺便下载 box 工具。 来到入库工具，下载和更新内核和秘钥，切记 steam 版本一定要是稳定版，并且要最新版本。第二招，一键入库，来到工具，先点击这个下载秘钥文件，等待一会儿，这样就显示入库成功了。重启 steam， 看到库里面已经有那几个游戏了，也是支持下载安装。 第三招，警告与提醒工具使用的清单库主要来源就是 tiktok 上的一个大佬的公开库，市面上所有的免费入库工具都是用的这个库包装的比较热门的新游戏的话可能会有，但是不保证一定。假如你都看到这里了，还不点赞收藏吗？

最近好多天没有更新视频了，这段时间基本都在迭代 c c 杠，哈哈。这个开源项目先感谢大家，前两期视频的话讲，这一个项目也破了百万播放，那这个开源项目现在也突破了十 k star， 但这期视频我不想做。这个项目的战报，我想讲背后更有用的一件事情，为什么现在一个人真的有机会把一个产品做起来？现在大家讨论 ai 写代码已经变了，它不是简简单单一个写代码的工具，而是真的能够进入项目里面，理解你的上下文，执行任务，接受验证的一个 a 镜头工作流 真正的价值。哈，我认为是把想法实现、验证、反馈、修复，练成一条可重复运行的一个工程链路。 那这件事情他之所以能成立，他首先不是靠单一的一个模型，他需要外部的一个环境去配合模型。现在能够理解更复杂的一个上下文 啊，浏览器能力，它也可以去验证一些网页的功能。如果你是一个桌面端软件，现在的 computer use 整个操作也非常的 ok， 那 你也可以使用 skill 插件，把一些重复的能力沉淀下来。所以说结果不只是写出来的，而是能够能跑出来，看出来，验证出来。 那普通人的话，可以先从这一个最小的闭环开始，先想清楚问题和目标，再让 agent 去做第一版，做完的话不要着急去相信它，要让它去验证，不管是用浏览器也好， computer use 也好，该打的日字这些都要有， 那验证出来，出问题，再把问题交回去修复。如果你的这个循环越短，那迭代就会越快，最好是从项目的开始阶段，你就把这个质量门禁给它设置好。打个比方啊，你可以让他写断言测试， 然后必须强制要求代码的覆盖率，你有了代码覆盖率的保证，继续让 ai 去完善这一个 e two u 的 验证等等。那有了这个质量门禁的把控，你做功能迭代，你就会迭代的更快更稳，而不是反反复复的去纠正。 那拿我们这个开业项目 c c 杠哈哈的数据来说哈，不是为了炫耀，在最近这四十天的话，达到了一个十 k star， 总共完成了六百多个 commit。 那 关于桌面端这块的话，完成了三百五十五个 commit， 就 单日最高的一次的话，每天大概提交了四十四个 commit 代码，这个迭代速度真的非常快。那这三十天的话，我大概烧了 七十亿的 talk 嘛，主要是 gpt 五点五， cloud 四点七，还有国产的 deepsea。 那 这些数字真正证明的是什么？就一个人是真的可以借助 ai 把想法实现验证，持续的跑起来。 那我们这个开项目哈，最近迭代最多的就是这个桌面端的功能，其实很多的代码呀，像桌面端软件，我以前从来没有设计过，就是写的不深，而且关于前端这一块，像 t s 这些我平时也是不会写的，但是我大概知道我想用的一个软件大概长什么样子。还有就是很重要一点， 要去聆听大家的一个功能反馈，像我们在英雄里面，你需要去识别哪些是可以做，哪些是快速，可以去叠带的。而且现在有很多很火的软件嘛，很多功能很好的地方，你可以去借鉴下来，比如像这个功能，我就是借鉴扣贷 app 的， 就完全把它那个功能完全就可以摘过来的。那至于其他的一些功能，就是只要知道最终的产物是怎样子的， 那就可以完全去交给 ai， 让它去做，而且实现的速度也非常非常的快。让它去做自我验证这件事情真的非常非常的重要。打个比方，你像我们这个桌面端软件，它有非常多的功能，我需要去并行的去做，那我人工去 check 的 话，其实功能一多时间就非常非常的长。 你先让它把最基本的那些单元测试，覆盖率一推一测试，然后自动化测试，不管桌面端也好，浏览器也好，先让它让 ai 去完成，无非就是烧点托盘嘛， 完事之后你自己在这个项目要发布或者 release 的 时候，自己去做一个，真正的一个就是全流程的测试嘛，那也就一次性的，这样子的话，也就是说质量就会有一定的保证。虽然我们这个项目现在还有很多的 bug， 但是没办法， 因为毕竟是代码嘛，都会有 bug 的， 就是发现 bug， 快 速的让 ai 去修复，去验证，然后人工再去切克就 ok 了。所以我觉得未来哈，如果还不接受 ai 写代码的人的话，会越来越难。并不是说不会某个工具就完了，真正的门槛变了， 从首销代码变成了定义问题，组织上下文，然后判断结果，建立验证的一个闭环，那 ai 不是 让你不用负责，而是让一个人也有机会把完整的产品跑下来。 ok， 那 这就是这期视频所有内容，我是大家，我们下期见，拜拜。

今天给你们挖到一个宝藏级的开源项目，作者直接把小程序 h 五 pc 端后端的源代码 全部免费开源了，而且开源协议还是阿帕奇二点零，随便你免费商用，没有任何隐藏费用或者功能限制。 虽然现在 ai 很 牛，能帮我们写大部分代码，但如果你想快速搞定一整套完整的电商系统，或者以此为底座，扩展到 b to b b to c o to o 多商户版本，拿高质量的开源项目做二次开发，绝对是最快最稳的方式。作为一名程序员， 我选择开源项目最看重三点。第一，代码质量。我查了一下 crmeb， 搞开源十多年了， 系统累计安装量超过了五十万。在 get 意义上， php 排名长期前三，社区巨活跃，基本不担心踩坑。移动端使用 unapp 开发， pc 端基于 vivo 加 element ui 实现 主流技术占全覆盖，代码注视清晰，阅读成本极低。第二，文档齐全，从接口文档到二开文档， 甚至还有视频教程，写代码、查资料基本不用去猜，技术小白也能轻松上手。第三，内置工具，它自带了代码生成、主题定制等功能，很多重复的 c r u d 工作， 直接拖几下页面就能一键生成。而且它还有个管理后台，拼团、秒杀优惠券、会员、直播、客服，几乎所有电商功能，开箱即用， 不用重复造轮子，大大缩减了二开成本。最让我惊喜的是 c r m e b 最近上新的主题市场功能，以前搞商城装修，要么自己苦哈哈的写前端，要么花钱请设计师， 现在这里有覆盖各行各业的主题模板，可以免费使用，一键导入，连代码就能搞定页面装修，对于咱们技术人员来说， 这还是个搞钱路子。你还可以把自己设计的原创主题在上面上架电线，共建开源生态。如果你最近接了三层二开的活， 或者想自己学习电商项目，再给他意义上或者给他 up 上，就能找到 crme， 再也不用熬大夜了，靠这个保障，开源项目直接让你提前下班。

剪映开源了不？剪映当然没有开源，但今天这个项目真的很像一个开源版的网页版剪映。它叫 openreal video， 你 不用安装软件，不用把视频上传到云端，直接在浏览器里就能剪视频，加字幕、调音频、做时间线，最后还能导出成片。它不是那种输入一句话， ai 自动生成视频的工具， 它更像是一个开源的视频剪辑底座。如果说剪映是给普通用户直接用的成品软件，那 openreal video 更像是给开发者、小团队、 ai 工具创业者准备的一套基础框架。 你可以基于它做自己的在线视频剪辑器，也可以继续往上加 ai 字幕、自动切片、自动配音、自动套模板。这些能力。真正让我觉得它有意思的地方，是，它把以前只有桌面软件才能做的剪辑能力搬进了浏览器。 多轨时间线、字幕、文字动画、音频处理、转场调色、关键帧视频导出。这些能力它都想在网页里跑起来。它背后用的是 react type script、 web code、 web gpu 这些技术。简单说就是让浏览器不只是看视频，而是直接处理视频。 不过小白要注意，它不是成熟版剪映，也不是你下载下来就能马上替代剪映的产品，它更适合用来学习改造、二次开发。 比如，你可以把它改造成一个小白版 ai 剪辑器，上传视频，自动识别语音，自动生成字幕，自动切掉停顿，自动套一个短视频模板，最后一键导出。也可以把它改造成课程视频处理工具， 老师上传录屏系统，自动加字幕、切章节，生成标题，再导出横版和竖版视频。还可以做企业内部的视频工具，素材不上传公网，直接在本地浏览器或内网里处理，更适合培训视频会议、录像、产品演示这些场景。 所以这个项目真正值得看的不是它现在能不能完全替代剪映，而是它给了我们一个很清晰的方向。未来很多视频工具可能不再是一个必须安装的桌面软件，而是打开网页就能用的。在线工作台。 一句话总结， openreal video 不是 剪映开源了，而是有人正在做一个开源版的网页版剪映底座。我是大爷，我们下期再见！

get up trending 这一周很猛，我刷的时候整个榜单像被 agent 洗了一遍。今天七个本周最炸号的项目，从金融多 agent 的 框架到开源 docuchen， 从 anselic 自己下场到 solo 替代品，最后一个是真宝藏，本地跑 ai 音乐，我自己升了五首歌，一分钱没花。 第一个 trading agents， 本周冠军，一周涨一万三千 star， 累计七万。一句话用大模型模拟整个华尔街，分析师研究员，操盘手全是 agent， 自己开会自己下单自己复盘，我自己跑了个 backtest， 四个 agent 模拟 s p 五百，一周交易收益曲线比我之前手写的单 prompt 策略稳的多。多 agent 协助的利器不是吹的。 第二个 ravennet， 除了 ravelo 一 周涨一万二千。 stock code code， 用户看清楚他给你的 cloud 装一个 agent 的 swarm 编队任务自动拆给多个 agent 的， 协助 rock 解锁异国会，我装上跑了一个 data set 的 清洗活，以前要分五次发指令，现在一句话丢进去， agent 自己拆，任务自己 cross check， 三十分钟搞定，我喝杯咖啡回来活就完了。 第三个 warp 终端，本周加六千 star， 累计五万六千。这家把终端做成原生 agent， 不 光是配色和命令补全，直接内嵌 ai 帮你写命令，调 bug， 解释报错， rust 写的启动飞快，我从 item 切过来，一周 启动，从一秒多到顺开调 bug 直接在终端问 ai 少跑十次 stack overflow， 下一代 terminal 就是 它。第四个 and for p 自己下场了。反南充 service 仓库，本周加五千八百 star， 这是 cloud 在 金融行业的官方参考，实现风控严爆，客户对话全套都给你 demo 出来，我自己跑了，里面那个客服对话 demo 用 cloud sony 当客服，一晚上跟他聊了两百吨，比我前公司用的某萨斯客服 boss 准多了。而 sappy 不 只是卖 api， 要往垂直行业抢饭碗了。 第五个 magritte， 本周加五千四百 star ocean 神器给一个用户名，它自动到三千多个网站搜出这人的 dossier 账号，头像，活跃时间、平台分布。我自己测了一下，给我自己常用的 username 跑一遍，九十秒，搜 出二十三个网站的账号，连十年前注册过没用的小论坛都给扒出来。安全研究员、记者、 hr 都在用，但用的 icicle 双刃剑。 第六个， docio soul， 本周加四千 star 开原版 docio sin， 你 公司每年付几万块订阅电子合同，自己 host 的 一套就免费。 ruby 写的，部署不复杂， ui 跟 docio sin 百分之九十像。我帮一家朋友的小公司部署上 locker， 一 键起半小时跑通，一年省四万块订阅费，客户签字流程零摩擦。 s 平替，这条线本周又烧一波。 第七个，亚洲 s d u i solo 的 开源替代，本周加一千一百 star， 意义大。你以前给 solo 每月三十块出歌，现在本地跑，质量基本一样，数据完全留你自己机器。我用 m 二麦升了五首歌当视频 bgm， 单首三分钟出歌，质量跟 solo 八成像，一年省三百六十块订阅费， ai 音乐 democrats 了，这才是开源真正的价值。 七个项目，从多 a 阵的金融框架到开源萨斯替代，从 anastropic 下场到 ai 音乐本地话，这周 getup trending 给的信号很清楚， a 阵全面上车，开源平替萨斯提速。大公司开始往垂直行业钻，每条线都值得跟评论区告诉我你最想是哪个。关注 ai， 杰克王，带你追上 getup 的 风向！

你敢信吗？人类三十亿个剪辑组成的生命密码，百分之九十八都是看不懂的暗物质！ 而就在今天凌晨，这个困扰生物学界几十年的世纪难题，被谷歌 ai 一 举攻破。诺奖得主哈萨比斯带队 alpha genome 横空出世，一次读取一百万个 dna 剪辑，准确率高达百分之九十！ 这是二零二六年一月二十九日发生的真实历史。先说说这有多牛？人类基因组就像一本三十亿字的天书，过去我们只能读懂其中百分之二编码蛋白质的部分，剩下百分之九十八的非编码区掌控着基因的开关和表达。 一个微小突变就可能引发疾病，但我们根本看不懂而 alpha genome 做到了什么？它能同时预测 rna 表达、剪接结构、染色质状态等近六千项调控特征， 就像给 dna 装上超级翻译机，一键破解四十亿年的生命密码。在二十四项基因组任务中，二十二项超越全球最佳模型。更厉害的是实战价值。 过去，科学家要搞清楚一个基因突变的影响，需要十多个模型反复实验，耗时耗力。 现在一次 api 调用一秒钟，就能预测这个突变会让基因活性增强还是减弱，会不会改变剪接对哪些组织有影响。全分辨率、全维度、全搞定，它已经成功预测出致癌突变的精确路径， 这意味着脊水性肌萎缩症、囊性纤维化这些罕见遗传病都可能找到治疗突破口。诺奖得主 damishasabas 曾豪言，未来十年， ai 将治愈所有疾病。今天， alpha genome 的 问世，让这个预言不再遥远。 从五年前 alpha fold 破解百分之九十八点五人类蛋白质结构拿下诺贝尔奖，到今天 alpha genome 解码百分之九十八基因暗物质再登 nature 封面。 谷歌 deepmind 正在用 ai 重写生命科学，目前这个工具每天处理超过一百万次调用，全球三千多名科学家正在用它攻克生物难题。从罕见病诊断到新药发现，从合成生物学到癌症破解，人类终于可以开始编程生命了。 这不是终点，而是起点。当 dna 不 再神秘，当疾病可以预测，当生命可以设计，我们这代人正在见证比登月更伟大的壮举，人类第一次真正看清了自己的原代码。

嘿，大家好，目前你们在视频上面看到的字幕、数据、卡片、饼形图、柱形图全部都是我用 ai 来去做的，而不是我用剪映或者去用 ae 来去做的。后期 全过程呢，我只需要跟 ai 进行一个简单的对话，然后 ai 就 负责给我们添加数据卡片，还有一些其他视频的特效内容。我们废话少说，直接进入实战演示 来看我是怎么做的。我的操作步骤如下，我们打开 happy friends 的 项目地址，把地址链接发给 workbody， 让他先抽象化整个项目。当然这里我们也可以使用 openclouds cloud code 来做。测试完之后，我们把刚刚拍好的视频以及你想要的画面效果都发给他，现在他开始进行画面元素的生产和渲染了。我们可以看到第一个视频版本，发现不是很好， 我们可以用时间点的形式跟它描述清楚这个内容，让它给我们进行修改，不断循环，这过程就会有获得一个 ai 自己做好的特效视频了。当然 我们也可以直接打开 firefox 提供的视频剪辑面板来直接控制内容，但这个内容我们不做过多的赘述。现在我们来看一下我这张生产出来的视频。目前你们在视频上面看到的字幕、 数字、卡片、饼形图、柱形图，全部都是我用 ai 来去做的，而不是我用剪映或者去用 ae。 现在你就可以直接拿来发抖音了，这是怎么实现的呢？我们首先来看一下整个 ai 给视频添加特效底层原理是什么？ 简单的来讲就是两个东西拼在一起， hyperframes， 一个存代码做视频的框架， css 画样式， g s a p 做动画，并且实时分析我的说话内容。但其实我不用手写这个配置， workbody 来给我们实现全程的自动化。我把录制好的视频丢给他，他自己看一遍， 提取关键词，根据我提出的画面内容以及每一个词来构想出我想要的视觉，然后丢给 hyperframes， 渲染出一整段视频。 整过程中你只需要做的是录制视频和提出你的画面需求。我们来回顾一下整个 ai 视频特效制作过程。整个过程分为五步，首先录制好视频触手画 help and friends 这个项目， workbody 根据画面要求和视频来调用 hyperface 跑整个自动化流程，人工根据视频效果进行反馈，不满意就让 workbody 来进行调节画面，直到调整到自己满意为止。我们把这里这个步骤就变成一个循环，最后生产出视频特效的一个视频。 我认为未来的创作者不用学会剪辑，也不用学会去设计，你只需要负责去讲灵感， ai 就 能去帮你实现全部的详细操作过程我已经写成了飞速文档，大家可以私信我来获取。