apfel 上手：把 Mac 自带 Apple Intelligence 变成本地 OpenAI 接口

很多本地模型方案都绕不开下载模型、选量化、配显存、调推理服务。Mac 用户还有另一条路：把系统自带的 Apple Intelligence 变成命令行工具和本地 OpenAI 兼容接口。apfel 做的就是这件事。它把 Apple FoundationModels 暴露成 UNIX CLI、交互式聊天和本地 Open

作者：Administrator 发布时间：2026-05-01

分类： AI观察

标签： #AI

OfficeCLI 上手：让 Agent 读写 Word、Excel、PPT，不再依赖 Office 桌面

Office 自动化一直是 Agent 的尴尬区。企业文件大量存在 Word、Excel、PowerPoint 里，但传统自动化要么依赖桌面 Office，要么用几套库分别处理 docx、xlsx、pptx，结构不统一，预览也麻烦。Agent 想稳定修改这些文件，不能只靠“生成一段 Python 试试”。 Office

作者：Administrator 发布时间：2026-05-01

分类： AI观察

标签： #AI

OpenHarness 上手：把 Agent 从聊天框推进到可恢复的长期工作台

Agent 真正进入日常工作以后，瓶颈往往不在模型本身，而在运行时。聊天框能回答问题，但很难长期维护一个项目：它要记住上下文、调用工具、拆任务、写代码、跑测试、处理失败、接消息平台，还要能在长会话里恢复状态。 OpenHarness 把这个问题直接摆到了台面上。它不是另一个“套壳聊天助手”，而是一套轻量 Agent h

作者：Administrator 发布时间：2026-05-01

分类： AI观察

标签： #AI

Taste Skill 上手：别让 AI 前端只会紫色渐变和三张卡片

AI 写前端，最容易出现一种熟悉的味儿：居中的大标题，蓝紫渐变背景，三张等宽功能卡片，按钮带一点发光，下面再塞几个“Seamless / Next-Gen / Elevate”之类的词。功能可能是对的，但一眼就知道是模型直接吐出来的。不是不能用，就是不太像一个认真做过视觉判断的产品页面。 Taste Skill 做的

作者：Administrator 发布时间：2026-04-30

分类： AI观察

标签： #AI

Agent Zero 上手：别把它当聊天框，它更像一台 Agent 工作台

Agent Zero 这类项目，最容易被写成“又一个自主 Agent 框架”。这话不能算错，但没抓到重点。它真正值得看的地方，不是会聊天，也不是会调用几个工具，而是把 Agent 放进一台完整的 Linux 工作台里：有文件系统，有终端，有浏览器，有记忆，有项目隔离，有插件和技能，还能把任务继续拆给子 Agent。

作者：Administrator 发布时间：2026-04-30

分类： AI观察

标签： #AI

UncommonRoute 教程：给 LLM 请求加一层自动路由，先把便宜模型用明白

大模型成本控制最常见的错误，是只盯单价。单价当然重要，但真正烧钱的，是简单任务也走最贵模型，失败重试又继续走最贵模型，最后账单一看，像开了水龙头。 UncommonRoute 的思路是加一层自动路由。它作为 OpenAI 兼容代理，帮你判断请求复杂度，把简单任务交给便宜模型，把复杂任务交给更强模型。项目强调最高可以节省

作者：Administrator 发布时间：2026-04-30

分类： AI观察

标签： #AI

InkOS 教程：让小说 Agent 会写、会审、会改，还得能被人拽住

AI 写小说最常见的失败，不是写不出字，而是写着写着就散了。人物性格漂，节奏乱，前后设定打架，越到后面越像自动续杯的套路汤。 InkOS 值得看的地方，是它没有把自己包装成一个“输入一句话生成百万字”的玩具，而是把小说创作拆成写、审、改、人工审核几个环节。它是一个自动化小说写作 Agent，也发布成 OpenClaw

作者：Administrator 发布时间：2026-04-30

分类： AI观察

标签： #AI

Hive 教程：给多 Agent 任务补上 Harness，而不是再写一条链

很多多 Agent 项目看起来都挺热闹：一个规划，一个执行，一个检查，再来一个总结。演示的时候顺滑，真塞进业务流程，麻烦就来了。中途失败怎么办？状态丢了怎么办？两个 Agent 写冲突了怎么办？谁来判断它该停手？ Hive 的切口不是再做一个花哨 Agent，而是做 harness。也就是给多 Agent 任务补上状态

作者：Administrator 发布时间：2026-04-30

分类： AI观察

标签： #AI

IBM Granite 4.1：小模型路线没输，输的是粗糙训练

IBM Granite 4.1 的发布，很适合给开源模型圈泼一点冷静水：小模型路线没有输，输的是粗糙训练和粗糙定位。 Granite 4.1 是 3B、8B、30B 的 dense decoder-only 模型家族，训练管线包含约 15T tokens、多阶段预训练、长上下文扩展、监督微调和多阶段强化学习。更关键的是

作者：Administrator 发布时间：2026-04-29

分类： AI观察

标签： #AI

Google 第八代 TPU 分成两条线：Agent 时代的算力不再只拼大

Google 第八代 TPU 分成 8T 和 8I 两条线，这件事比单纯“新芯片更强”有意思。过去讨论 AI 算力，大家很容易只看峰值、参数、集群规模。到了 Agent 时代，负载变复杂了：有长时间训练，有大规模推理，有低延迟交互，有多轮工具调用，还有大量上下文读写。所有任务都用同一种算力形态硬扛，成本会很难看。 #

作者：Administrator 发布时间：2026-04-29

分类： AI观察

标签： #AI