分类 AI 下的文章

过去两年，AI 产品的形态经历了一次悄无声息但深刻的转变。最初，人们把 ChatGPT 当成一个“万事通”的聊天窗口，各种外部 App 都在想办法“嵌入 Chat”。从最早的 ChatGPT 插件到后来的 Actions，每个 App 都希望被 ChatGPT 调用，希望在那一行对话背后，能让模型触发自己的服务。这种形态其实沿袭了传统互联网思维：AI 是一个超级入口，而所有第三方都是被调用的 API，它们被动等待用户的自然语言指令，然后在后台完成任务。这一时期的 Chat，更像一个智能中控台，App 只是工具箱里的螺丝刀。

但今年情况变了。OpenAI 推出了 Apps SDK，一切开始反转。过去是 App 嵌入 Chat，现在是 Chat 嵌入 App。这听起来只是语序的变化，实则是产品范式的质变。Apps SDK 让开发者可以构建自己的 MCP 服务端（Model Context Protocol Server），再配上前端 widget，小到一个查询组件，大到一个完整的操作界面，都能被模型直接加载到对话中。与此同时，App 自身也能反向调用 ChatGPT，让聊天成为自己应用内部的一部分。这意味着 ChatGPT 不再是一个独立入口，而开始“渗入”每一个 App 的界面、逻辑与体验之中。

- 阅读剩余部分 -

Nano Banana 是 Google 在其 Gemini 产品中引入的最新图像编辑与生成模型，官方名称为 Gemini 2.5 Flash Image。它不仅具备强大的图像生成能力，还能通过自然语言精准编辑已有图像，在 Image 编辑模型排行榜 LMArena 上排名首位，广受好评。

前几天在社区就火起来一个生成桌面角色模型的提示词：

将这个角色转换为一个角色模型。在它后面放置一个印有该角色图像的盒子，并且让一台电脑屏幕上显示Blender建模过程。在盒子前面添加一个圆形塑料底座，让角色模型站在上面。如果可能的话，请将场景设置在室内。

我亲自测试了一下，效果确实不错：

- 阅读剩余部分 -

本来以为只是国内程序员圈子里的吐槽，没想到字节跳动这款 AI 编程工具 Trae，最近还引起了海外科技媒体的注意。

7 月 29 日，日本知名科技媒体 Gigazine 发布了一篇长文，披露了一位开发者对 Trae 的实测结果，核心问题就一个：即便关闭了遥测功能，Trae 依然在上传数据。

Trae IDE 作为 AI 编辑器，正试图在越来越受欢迎的 Cursor 市场中分一杯羹。它可以接入 OpenAI 的 GPT 系列、Anthropic 的 Claude 等大模型服务。

关于 Trae IDE，有用户报告称其“进程数过多”。下面的图片是将 Trae IDE、VSCode、Cursor 的进程数和内存使用量分别对比的结果。可以看出，相比于 VSCode（进程数 9、内存 0.9GB）和 Cursor（进程数 11、内存最高 1.9GB），Trae IDE 的进程数达到 33 个，内存使用也达到了惊人的 5.7GB，是 VSCode 的 5 倍以上。

- 阅读剩余部分 -

上周末看到 Coze 开源的消息，本来有点小兴奋，但等我了解了其中的细节后，还是有点失望的。

首先简单介绍一下 Coze（扣子）。

Coze 中文名扣子，是字节跳动（ByteDance）旗下推出的一款 AI Agent 创建与管理平台，主要面向开发者和普通用户，允许用户像搭积木一样构建自己的智能体（AI Agent），并通过简单的配置实现多轮对话、API 调用、知识库问答等功能。

简单理解，Coze 就像是一个“ChatGPT 的拼装工厂”，你可以把多个模块（比如知识库、插件、函数调用等）组合起来，让一个 AI 聊天机器人具备特定能力，并部署到多个平台（如微信公众号、飞书、网页等）。

不过以上说的是非开源版本，实际这次开源的版本阉割了很多东西，这个后面细讲。

- 阅读剩余部分 -

2025-10-09T09:55:53.png

阿里昨天发布的代码模型 Qwen3-Coder，有 4800 亿参数，是阿里迄今为止最具代码推理能力的代码模型，官方宣称“可以与 Cluade Sonnet4 媲美”。

下面是官方宣称的一些关键信息：

  • 旗舰版本 Qwen3‑Coder‑480B‑A35B‑Instruct 是迄今为止最具“agentic coding”能力的开源模型；
  • 在 Agentic Coding、浏览器和工具使用等任务上达到了开源界 SOTA，与 Anthropic 的 Claude Sonnet 4 不相上下；
  • 上下文支持 256K token 原生，配合 YaRN 可扩展至 1M，使其可胜任大规模仓库与多轮交互场景；
  • 通过 7.5T 数据（70% 代码）增强训练，并加入 agentic RL，达成在 SWE‑Bench Verified 等实际工程任务上的 SOTA 性能。

还好是阿里发布的，这要是菊花发布的，大嘴高低得喊俩小时的遥遥领先。

2025-10-09T09:56:15.png

我在社区看到很多人体验后说效果确实很不错，编码能力确实出众。我本来也想试试，但在看到很多网友吐槽费用后，果断放弃了：

- 阅读剩余部分 -

谷歌刚刚发布了 Gemini CLI，据说对标 Claude Code 和 Cursor。

不仅免费，而且开源（已经 24.8k Star了），真乃业界良心。

本地安装环境仅需要 Node.js 高于 18 版本，然后执行 npm 命令安装即可。

npm install -g @google/gemini-cli

首次登录到浏览器登录谷歌账号验证一下，需要注意的是你的终端里记得挂代理。

我用我的号试了一下，可以使用，虽然谷歌知道我的这个号中国的，挂了代理还是可以用的。

免费的额度是每分钟 60 次模型请求，每天 1000 次请求。

我一开始问了个简单的问题试了一下，只是为了看看能不能用：

- 阅读剩余部分 -

本文首发于 微信公众号 CroWall，这里同步一下。

PS: 本文目标读者是对编程感兴趣的用户或者是程序员，小白用户可以忽略。

昨天夜里尝试了一下 Ollama 本地部署大模型，效果不错，参见《Ollama 初体验，本地部署大模型利器，小白也能在 M2 芯片的 Mac 上分分钟跑起来》这篇文章。

今天上午一到公司，就迫不及待尝试了下阿里的 qwen2.5-coder:7b 模型的代码补全效果。

PS 视频参见公众号文章。

先说结论，代码补全在我的 M2 MacBook Air 上可以用，但资源占用太高，导致我的网易云音乐播放着的音乐都卡顿了，所以目前来看并不好用。

一方面不能一边写代码一边听音乐了，另一方面如果是坐在外面（比如咖啡馆）写代码没插电源，估计个把小时就能把电池用完了。

- 阅读剩余部分 -

本文发布于 微信公众号 CroWall，这里同步一下。

2024-12-13T18:35:48.png

Ollama 是一个开源的大型语言模型（LLM）服务工具，旨在简化在本地运行大语言模型的过程，降低使用大语言模型的门槛。

有了 Ollama，即使是小白用户，也能分分钟在自己电脑上跑一个大模型玩玩。

- 阅读剩余部分 -