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。
Agent Zero 上手：别把它当聊天框，它更像一台 Agent 工作台
作者：Administrator
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
UncommonRoute 教程：给 LLM 请求加一层自动路由，先把便宜模型用明白
作者：Administrator
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
InkOS 教程：让小说 Agent 会写、会审、会改，还得能被人拽住
作者：Administrator
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
Hive 教程：给多 Agent 任务补上 Harness，而不是再写一条链
作者：Administrator
分类： AI观察
标签： #AI

Mission Control 教程：自托管 Agent 控制台，先把任务、技能和花费管起来

多 Agent 工作流一多，聊天窗口就不够用了。哪个 Agent 正在跑，花了多少钱，装了哪些 skills，失败任务在哪里，谁有权限触发高风险动作，都需要一个控制台。 Mission Control 做的是自托管 Agent orchestration dashboard。它强调 SQLite、单命令运行、Skill
Mission Control 教程：自托管 Agent 控制台，先把任务、技能和花费管起来
作者：Administrator
分类： 技术教程
标签： #AI

Coze Loop 教程：Agent 上线前，先把评测、Prompt 和监控闭环补上

Agent 项目最常见的事故，是上线前靠感觉调 prompt，上线后靠用户投诉发现问题。模型换了、工具改了、知识库更新了，没人知道效果从哪天开始变差。 Coze Loop 是面向 AI Agent 优化的平台，覆盖开发、调试、评测、Prompt 管理和线上监控。它的价值不是多一个控制台，而是让 Agent 的质量变化能
Coze Loop 教程：Agent 上线前，先把评测、Prompt 和监控闭环补上
作者：Administrator
分类： 技术教程
标签： #AI

Banana Slides 教程：用 AI 做可编辑 PPT，先管模板、素材和复核

AI 做 PPT 最大的问题，不是能不能生成页面，而是生成出来能不能继续改。很多工具输出一堆图片，看着还行，到了客户修改、老板改字、设计调版时就废了。 Banana Slides 押的是另一条路：上传模板图片和素材，让 AI 解析内容，按自然语言生成或修改页面，并导出可编辑 PPTX。它更像一个 AI PPT 工作台，
Banana Slides 教程：用 AI 做可编辑 PPT，先管模板、素材和复核
作者：Administrator
分类： 技术教程
标签： #AI

Headroom 教程：给 Coding Agent 加一层上下文压缩，少花 token 还要不掉准

Coding Agent 的 token 浪费，很多时候不是模型太贵，而是上下文太脏。终端输出、测试日志、重复文件、RAG 片段、工具结果，全都原样塞回去，模型不但花钱，还更容易被噪音带偏。 Headroom 做的是上下文优化层。它可以包装常见 coding agent，也可以作为代理放在应用和模型之间，对消息、工具输
Headroom 教程：给 Coding Agent 加一层上下文压缩，少花 token 还要不掉准
作者：Administrator
分类： 技术教程
标签： #AI

MOSS-TTS 教程：自托管语音生成，先把延迟、显存和授权边界讲清楚

语音 AI 的 demo 通常都很好听。真正落地时，问题才冒出来：长文本断句不自然，显存吃紧，首包延迟高，声音克隆授权不清楚，多说几分钟后情绪和音色开始飘。 MOSS-TTS 是开源语音生成模型家族，覆盖长文本语音、多说话人对话、声音设计、环境声和实时流式等方向。它适合想把 TTS 放到本地或自托管环境里的团队。 但语
MOSS-TTS 教程：自托管语音生成，先把延迟、显存和授权边界讲清楚
作者：Administrator
分类： 技术教程
标签： #AI

Chandra OCR 教程：复杂 PDF 进 RAG 前，先把版面和表格处理干净

做 RAG 时，很多人把注意力放在向量库和模型上，却忽略了最前面的文档解析。PDF 里的表格错位、公式断掉、页眉页脚混进正文，后面检索再强也救不回来。 Chandra OCR 适合处理这类硬文档：复杂表格、表单、手写、多语言、数学公式、版面结构。它能把文档转成 Markdown、HTML 或 JSON，并保留更详细的
Chandra OCR 教程：复杂 PDF 进 RAG 前，先把版面和表格处理干净
作者：Administrator
分类： 技术教程
标签： #AI
共 43 篇文章
页