这几天 GitHub 上有个项目刷爆了,一个自托管的开源 AI 工作台。 开源到现在也就四天,已经快 5 万+ Star 了。 装上这个叫 Odysseus 的项目,会使你的整个工作流都有所改变。 这项目到底是什么 Odysseus 就是一个自己托管的全能 AI 工作台。 4、邮件 AI - 自动筛垃圾+摘要+回复草稿 接入 IMAP 邮箱后,它会自动:给每封新邮件打分(紧急/普通/垃圾),对长邮件生成一句话摘要,给常见问题生成回复草稿。 5、记忆系统 - 你的 AI 越用越懂你 Odysseus 会记住你之前的对话内容和偏好。 但它代表了一种可能性:你可以拥有一个完全属于自己的 AI 工作环境,数据不出门,模型随便换,功能随便加。
系统为 Linux Mint 18.1 / Cinnamon 1 桌面: 2 开始菜单 3 文件管理器和控制面板 4 IDE 5 控制台 (Guake)
Sprite Forge AI 2D素材生成工作台说明 2D游戏素材生成、Sprite Forge AI、AI素材生成工具、游戏图标生成、精灵图(Sprite Sheet)、透明背景素材生成、AI游戏美术工具 一、项目简介 Sprite Forge AI 是一个面向 2D 游戏开发场景的素材生成工作台,用于将“素材需求描述”自动转化为可直接使用的游戏资源。 4. 4. Sprite Sheet 导出 可将多个素材合成为一张图: 所有资源排列在同一张图中 便于游戏动画或资源打包使用 减少运行时加载开销 4.
腾讯在上周的时候推出了自家的AI智能工作台IMA Copilot,其背后搭载了混元大模型。当你提出自己的问题后,会从网上搜索相关答案进行总结。 最绝的是,这里还会根据总结出的内容画出脑图: 上面通过AI回答后,其实已经形成了一个初步的文章内容,接着就可以把AI回答的内容保存到知识库中。 当然,如果你觉得文章内哪里不好,可以直接询问助手进行修改: 随时随地召回AI助手帮你解答当前文章的内容,当然也可以在笔记中进行插图和表情包,相当于是一个AI笔记本,用起来很顺手: IMA 对比OpenAI 也内嵌了多个不同的编辑功能: 添加表情: 可以在文章中加入多个emoji 润色: 针对文章进行润色 文章的水平: 可以选择不同的水平进行创作,比如普通人、大学、研究生等水平 对比openai的canvas, 腾讯的IMA智能工作台则更加聚焦于知识获取 技术支持: Canvas由OpenAI的GPT-4模型支持,ima则基于腾讯的混元大模型。
为了找到最顺手的AI工作台,我把市面上叫得上名字的工具全试了一遍。 不是放弃折腾,是终于想明白了一件事——工作台不是工具越多越好,是每个位置都有人站岗。 今天这篇文章,我帮你把坑踩完了。从十几个工具里筛到最后,AI工作台只留了4个,外加一个知识底座。 02 4个AI工具,各站一个位置 折腾了一个月,最后站住的AI工具有4个。 Hermes,随时在线的搭档 这是我的永远开着的那个窗口。 所以我的工作台结构是这样的:4个AI工具各司其职,1个知识底座兜底沉淀。工具负责产出,Obsidian负责记住。 04 它们是怎么串起来的 光说每个工具解决了什么问题,还不够。关键是它们怎么配合。 05 工作台的本质 说实话,写这种工具推荐类的文章,我一直是有心理负担的。 因为每个人的工作方式不一样,我的工作台不一定适合你。而且AI工具更新太快了,今天留下的4个,三个月后可能就换了一两个。
WorkBuddy 是腾讯推出的全场景 AI 智能体桌面工作台。 与传统 AI 对话工具不同,它不止能"回答问题",更能实际执行任务——自动操作本地文件、批量处理数据、生成 PPT/报告/图表,像一个有脑子的同事一样把活干了。 WorkBuddy vs 传统 AI 对话对比项传统 AI 对话WorkBuddy能力边界只能对话、提供建议能够实际执行任务文件操作需要手动操作文件自动操作本地文件任务复杂度单步骤简单任务多步骤复杂任务输出形式文字回复交付可验收的结果二 8.2 多模型自由切换支持混元、DeepSeek、GLM、Kimi、MiniMax 等主流 AI 模型,根据任务类型选择最优解。 总结:WorkBuddy 不是一个"聊天机器人",而是一个真正能帮你干活的 AI 工作台。从文档生成到数据分析,从文件处理到报告输出,一句话搞定。上手门槛极低,上限极高——用的越久,发现的惊喜越多。
所以我们就在想:能不能让AI先过一遍,把有嫌疑的地方都挑出来,人再集中精力去判断?Part1:在智能工作台完成合同审核下面用一个真实场景跑一遍。 第一步:新建任务,把法规文件传上去打开ADP智能工作台,建一个新任务。 同时,智能工作台还会输出一份审核问题汇总表:从传文件到拿到结果,前后不到10分钟。以前一个人闷头审4小时的活,现在10分钟出初审结果。 审核员不用再从第1页盯到最后一页了,直接看AI标出来的地方,集中精力做判断就行。 在智能工作台中新建一个Skill:使用体验:一步到位Skill创建好之后,只需要将zip包导入Skills广场的自定义Skills:任何人使用时只需要:1.在智能工作台新建任务,调用Skill2.上传待审核文件
腾讯10月23日推出ima.copilot(简称ima)AI智能工作台产品,基于腾讯混元大模型技术支持。 产品的核心功能包括知识获取、打造专属知识库以及智能写作辅助。
可以在 AI 工作台使用下面这个简单的用户提示词,驱动 AI 去规划,努力挖掘缺陷。 四、可观测 AI 工作台功能介绍 可观测 AI 工作台目前已实现了完整的【AI 探索】能力和【知识库】能力。 (4)云产品资源利用情况分析 免去盯盘的烦恼,AI 帮助你自动查询并分析云服务器的资源利用率指标,快速发现问题,并给出资源配置的合理性建议,更能优化成本。 APM 配置告警 「免费」体验可观测 AI 工作台 为什么选择腾讯云可观测工作台? 深度体验:可观测 AI 工作台正在公测中,快来免费体验吧!AI 工作台 技术研讨:加入 AI 交流群,获取产品最新动态,分享用户提示词与企业知识库最佳实践。
WorkBuddy企业 AI 工作台安全方案发布了!内容涵盖你关心的8大部分安全内容!一次打消你对buddy安全性的疑虑! 企业AI Agent 安全威胁全景1、WorkBuddy 客户端安全2、DLP数据防泄露3、Skill信封加密4、AIGC内容安全5、大模型推理安全6、云端沙箱安全7、安全审计日志8、网络传输安全联系我们获取
WorkBuddy上手实战:打造一个可用的本地AI工作台很多AI产品看上去都能聊天,但真正进到日常使用里,最常见的需求并不是闲聊,而是整理一段零散记录、起草一段通知、输出一份周报,或者把一个任务拆成清单 和普通聊天窗口相比,它更像一个可以分层组织任务的工作台。 如果一个工作台只有自由对话,没有固定模板,那它更像一个聊天工具;如果模板足够贴近办公流程,它才更像工作台。八、实操测试这部分保留3组轻量测试,再补1组更接近真实工作的复杂场景。 4.下周一前要把联调问题处理完。实际结果里,WorkBuddy先输出了周报草稿(6月第3周),再分成本周进展和待办事项两块。 ->技能中心能力扩展->自动化模板固定流程从结果看,WorkBuddy更适合写成一个“本地AI工作台”案例,而不是单纯的聊天工具介绍。
真正的变化,不是 Chat 消失,而是 Chat 从工作台退回入口。 过去两年,我们几乎默认了一件事:AI Agent 就应该长得像一个聊天窗口。 过去,AI 产品的核心对象是对话。未来,工作型 Agent 产品的核心对象会越来越接近任务。 五、一个面向任务的 Agent 工作台,可能长什么样? 过去,人控制 AI 的方式,是随时在聊天窗口里补一句、改一句、打断一句。 Info 「企业研发 AI 自动化」是我持续记录 AI 进入真实研发流程后的实践系列。 它关注的不只是 AI Coding 工具本身,而是从需求输入、任务表示、Agent 执行到自动化验证的完整链路:AI 如何在真实工程系统里稳定运行,并逐渐形成可复用的研发自动化能力。 欢迎关注和交流~
而WorkBuddy作为AIAgent工作台,在处理工程类任务时,和普通对话AI有明显区别,在这里分享我的真实使用感受。 很多人对AI工具的印象还停留在“问一句答一句”,但WorkBuddy的定位是可以自主拆解任务的AI工作台。 它支持多模态输入:可以直接粘贴截图、拖拽上传文档,输入指令的时候,可以引用文件,让AI结合我本地的资料进行处理。 AI输出内容必须人工校验AI给出的代码、方案不能直接上线。它可以搭建框架、提供思路,但业务逻辑、系统环境、边界异常,仍然需要我们自己核对、测试。AI是高效助手,不能替代人的业务判断。 五、总结对于像我这样身兼运维、数据库、小型开发的技术人员,WorkBuddy是一个实用性很强的AI工作台。
腾讯云可观测平台(Tencent Cloud Observability Platform,TCOP)基于指标、链路、日志、事件的全类型监控数据,结合强大的可视化和告警能力,为您提供一体化监控解决方案。满足您全链路、端到端的统一监控诉求,提高运维排障效率,为业务的健康和稳定保驾护航。功能模块有:
AREE的全称是 AI-Ready Execution Environment,翻译过来就是"AI就绪执行环境"。简单来说,它是一个为AI智能体专门设计的、封闭的、可预测的执行空间。" 这对企业级应用至关重要——你不会希望AI智能体在处理客户数据时,突然"自由发挥"做了一些你没预期的事情。用一个更接地气的比喻:AREE就像是为AI智能体搭建的一个标准化车间。 MCP是更近期的协议标准,由Anthropic提出,旨在统一AI模型与外部工具的交互方式。它定义了一套标准的服务发现、能力描述和调用接口,让不同的工具可以用统一的方式接入各种AI平台。 4. 低Token消耗通过合理的流程设计,AREE可以在保证效果的前提下降低Token消耗。比如,简单的意图识别可以用规则引擎(零Token成本)完成,只有规则无法覆盖的情况才调用LLM。 这就像一个人光有想法不够,还需要一个好的工作台、一套好用的工具、以及清晰的流程规范,才能真正把事情做好。在Java企业级开发领域,AREE的理念尤其有价值。
跟大家聊聊 Workbody 里新出的资料库还有个人工作台哈。 这个资料库,有点像飞书文档那种共享文档,里面玩法还挺多的。还能用资料库搭个人工作台、团队工作台。 做好的静态页面,还能上传到腾讯那边的存储空间,会分配一个域名链接,直接把链接发出去,别人就能打开使用,这就是它个人工作台的核心逻辑。 要是咱们自己开发这套东西,其实就是做静态页面,再加上读写 CSV 文件的能力,拿 AI 开发工具就能快速做出来。 只不过咱们自己做网站,一般会部署在自己服务器,用自己的域名。 AI 生成出来的各类文档,都可以存在它的云端文档里,还能分享给其他人查看。
简单说,WorkBuddy是个能干活、而不只是会聊天的AI助手。它不是那种"你好请问有什么可以帮你"的客套AI,而是能直接操作你电脑、执行任务、改文件、跑代码的桌面智能体。 场景4:日常办公一把梭写周报、整理会议记录、做PPT大纲……一句话的事。四、几个我踩过的坑坑1:积分消耗比你想象的快高级模型强但也贵。简单任务用轻量模型,复杂任务才用高级模型。 六、最后说一句AI工具这么多,能真正融入日常工作流、不用每次重新教它的,目前我只服WorkBuddy。如果你也在用,欢迎留言交流;如果你还没试过,不妨装一个玩玩。
但别只输入一句“帮我做一个 AI 工作台”。这句话太空。你要把使用者、记录内容、页面、自动规则和权限一次说清楚。 请担任“AI 工作台需求教练”,通过逐轮访谈,帮一个完全不懂产品、数据库和前后端的普通人,梳理出真正适合自己的工作台。 请严格遵守以下规则: 1. 4. 如果我的回答“不知道”,请给我 3 个贴近生活或工作的例子,让我选择或修改。 5. 不要因为我说“想做一个工作台”,就自动给我塞入日历、天气、AI 对话框、排行榜等无关功能。 6. 想长期稳定使用:选飞书 + WorkBuddy,数据和 AI 各司其职。工作台没有标准答案。 一套方法,搭出真正能长期使用的 AI 工作台子轩学长 · AI时代超级个体官网:superzixuan.com
如何把 AI Agent 做成一个贷款客服排查与修复工作台很多团队已经在用大模型回答 FAQ,但真正落到客服一线时,问题往往不是“怎么回答更像人”,而是“怎么把数据库、日志、代码、修复命令和会话流程串成一个可靠的工作台 AI 4. 四、如果你要复用这套方案,优先保留这 4 个运行机制总结一下,loan-bot 最有价值的地方,不是某一个具体命令,也不是某一个 Prompt,而是下面这套组合:用工作区承载能力,而不是只靠模型记忆用 但如果你愿意把它放进一个结构化工作区里,给它技能、脚本、路径、证据规则、会话状态和动作边界,它就会从“聊天机器人”变成“可用的业务工作台”。
用Orleans搞定AI编程工作台的后台分布式难题在一个进程里管十几种AICLI工具、同时拖着几十个会话的实时流——听起来像在做梦?其实我们也觉得挺离谱的。 背景做AI编程工作台这种产品,后台架构有个很特别是地方:每个用户会话,说到底,就是一个活着的、有状态的、能跟你耗上一两个小时的"生命体"。 HagiCode是个面向AI协作编程的桌面工作台,它的后台要在单进程里协调十几种AICLI工具,还得给前端提供低延迟的实时响应——说白了,就是又要马儿跑,又要马儿不吃草,还要马儿边跑边唱歌。 4.分层超时策略AI操作的时间方差极大——一个简单的语法纠错可能3秒完事,一个复杂重构能跑上两个小时。超时策略一刀切?切下去痛的可不是刀。 总结围绕“用Orleans搞定AI编程工作台的后台分布式难题”,更稳妥的推进方式是先把关键配置、依赖边界和落地路径逐步跑通,再补齐优化细节。