admin

LIBRARY

用Remotion构建AI生成视频

构建一个动态视频流水线，让 Claude 从类型化的组件目录中选择、排序并填充场景。

MODEL-ZOO

Qwen3.6–35B vs. Gemma 4 26B

我花了 48 小时在 MacBook Pro M3 Max（64GB）上并排运行这两款模型。以下是完整分析

APPLICATION

TurboOCR：优化杰作

设置并不容易。但当这个工具是对的工具时，它会以 10 倍的优势碾压竞争对手

AGENT

Claude Design：设计商品化

Anthropic 发布了 Claude Design，Figma 股价应声下跌！

JOB MARKET

你被裁了！都是因为AI

每个人都说 AI 会取代工程工作。他们是对的。然而他们错在了原因上。

AGENT

用Claude for Word审查法律合同

AI 驱动的合同审查、合规检查和构建自定义谈判手册技能的实操指南——全部在 Microsoft Word 中完成

MCP

Scrapling MCP：告别Token浪费

页面有 50,000 个 token。我们想要的内容只有 200 个。模型做了 99% 的苦力活来获取我们要求的 1%。

AGENT

Late：本地优先的编程智能体

在 5GB 显存上使用本地 Qwen3.5–35B-A3B 编排代码库（通过 llama.cpp 达到约 25-30 tokens/sec，65k 上下文，其余层卸载到系统内存）

TOOL

高效使用NotebookLM的5种方法

NotebookLM 非常强大，你一定要试试！本文拆解5 种高效使用 NotebookLM 的实用方法。

TOOL

Labelbox 图像自动标注

在本指南中，您将学习如何通过利用 Labelbox 和基础模型来指数级提高标注速度和效率。

VLM

未知物体自动标注流水线

SAM3 + Grounding DINO + VLM — 并行运行多种策略，为你的物体选择最佳方案。

TOOL

Docling Studio 开发札记

Docling Studio 现在拥有完整的闭环：Docling → 分块 → 嵌入 → OpenSearch。你可以在同一个界面中摄取、搜索、检查、编辑分块并重新嵌入。

AGENT

Anthropic：技能构建内部指南

从结构、触发器到测试和分发的全面解析。

APPLICATION

用 Gemini TTS 生成音频故事

最终，我选择了 Google Gemini、Google TTS 和 Cloudflare R2来实现从文本生成音频故事。

APPLICATION

构建 AI 驱动的播客生成器

如何利用 Gemini 和 Cloud Run 每天获取最新新闻播客

INDUSTRY

成为 AI 原生设计师

关于演示、隐性知识以及如何构建自己的脚手架。

MODEL-ZOO

Gemini 3.1 TTS提示编写指南

Gemini 3.1 Flash 文本转语音 (TTS) 是一个新模型，你可以通过指导它来获得精确的音频表现。在这篇博文中，我将分享一些关于如何通过提示词引导模型的技巧，并展示它的一些优势。

MODEL-ZOO

gemini 3.1 TTS全部30 种语音实测

我测试了 Google 新版 Gemini 3.1 的全部 30 种语音，下面介绍我的发现。

AI

从逆向工程重新认识 AI 的强大

我不是什么逆向工程专家，因此对于 AI 在这领域的影响不多加评论。但至少对我这个不太会逆向的人来说，AI 已经几乎完全满足我对逆向工程的需求。

MODEL-ZOO

Lyria 3 音乐制作指南

无论你是想为好朋友制作一首生日歌、一首健身时的燃曲，还是一首适合学习的 lo-fi 忧郁节拍，Lyria 3 都能满足你

RAG

用YouTube视频构建金融RAG

基于RAG的聊天机器人，利用YouTube频道作为知识库。

TOOL

yt-dlp：突破极限

yt-dlp支持数千个网站——不只是YouTube——并添加了关键改进：更智能的格式排序、SponsorBlock集成、多线程片段下载和干净的Python嵌入API。

APPLICATION

我用AI自动化了80%的工作

大多数开发者把AI当作更聪明的Google来用。输入问题。获取答案。复制。粘贴。继续。 那只是一个稍微快一点的剪贴板。

RAG

多模态RAG：双VLM架构

我最终构建的系统在流水线的两个不同阶段使用两个独立的视觉语言模型（VLM）。一个轻量级VLM在摄取期间生成摘要，用于索引和检索。

MODEL-ZOO

Flash 3.1 TTS：用提示控制声音

Gemini 3.1 Flash TTS 携200+音频标签、30种声音预设和让ElevenLabs紧张的控制力重磅登场。