📡 AI 资讯日报

把 DeepSeek Harness 放到 Android 手机上运行，也能连接电脑上的 DSH 会话。

https://github.com/ccch1mneyyy/dsh-go ↗

打开仓库的 Releases/latest，按 Android 设备架构下载 APK，安装前阅读仓库的使用指南与权限说明；首次启动先试本机模式，在内置 Linux 环境里运行一个无敏感数据的小任务，观察过程和中途插话是否能恢复。随后在可信的自家网络环境中依官方指南连接电脑端 DSH，测试同一任务从手机接续。旧测试包签名不同不能直接覆盖，卸载前务必备份手机侧会话与环境；手机操控权限先选最严格的确认档位。

它不是给桌面终端加一个网页壳，而是把本机执行与远程电脑连接放在同一 Android 客户端，并有原生对话界面、过程折叠与确认机制。对经常离开电脑又不想中断长任务的人，这是验证移动 Agent 能否真正续行的具体样本；它是第三方社区项目，并非 DeepSeek 官方移动版。

• 通勤时查看长任务进度并补充指令，回到电脑继续处理产物。
• 在备用 Android 手机上隔离测试低风险 Agent 自动化。

把网页 PPT、图文卡片、网页排版和中文文案修订组合成 DeepSeek Harness 插件。

https://github.com/op7418/dsh-guizang-design ↗

先确认自己使用的 dsh 版本处于仓库声明的兼容区间（0.2.1-rc.2 及以上、0.3.0 以下）。在桌面或网页版侧栏打开“插件”→“添加插件”，输入 dsh-guizang-design，安装后点“立即启用”；若是自行运行 dsh web，也可依 README 用 dsh plugin --profile web add dsh-guizang-design 并重启。拿同一篇短文分别调用 /guizang-page-skill 和 /guizang-social-card-skill，检查配色、字体、导出的 HTML/PNG，以及作品库能否回看；使用语气档案前先确认会话素材范围。

多个设计 Skill 共用设计 Token，不必为 PPT、卡片和网页反复手工对齐品牌色；作品库还能登记结果并“做同款”。仓库明确区分桌面插件界面安装与 web 命令行安装，并披露会从本机会话中读取用户消息来建语气档案，适合从交付一致性和隐私边界两方面评估，而不只是看样张。

• 把一期技术周报同时交付网页、演讲稿和社交传播图。
• 用统一视觉规范批量生产课程讲义封面与长图。

用聊天联系人式界面管理多个 Claude、Codex 等 Agent，并为它们配置各自工作环境。

https://github.com/milind-soni/OpenMausBot ↗

进入仓库 Releases/latest，按 macOS Apple Silicon/Intel、Windows 或 Ubuntu 下载对应安装包；先在自己的电脑分别安装并登录要使用的 CLI，再打开应用建立两个测试机器人，给它们不同角色和低权限任务。只在测试目录让一个整理文件、另一个检查结果，观察审批卡片与会话轨迹。云端电脑、Local VM 和宿主机控制是不同安全边界，宿主机控制要明确开启；不要一开始就接公司邮箱或真实生产账号。

仓库 README 把每个机器人视为真正运行的本地 Agent 进程，而不是同一个聊天窗口的不同人设；转录、密钥和事件默认保留在本机目录，也可选择隔离电脑。它给“多人协作型个人 Agent”提供可检查的权限与任务分工模型；项目自称开源替代方案，跨平台和宿主机控制能力仍有平台限制，不能视为默认全可用。

• 一个机器人整理需求、另一个审阅代码，人工只审批高风险步骤。
• 对比不同 CLI 对同一低风险任务的交付记录。

约 689M 参数的文档视觉模型，统一处理 OCR、版面和表格结构提取。

https://huggingface.co/datalab-to/surya-ocr-2.5 ↗

先在模型卡看样例、模型许可与运行需求；只想快速体验，可到卡片链接的 Datalab 公共 playground 上传一页无敏感信息的表格扫描件，对比输出结构与人工原件。要本地运行则安装 pip install surya-ocr，NVIDIA 环境准备 vllm，Apple Silicon/CPU 按文档准备 llama.cpp/llama-server，然后用 surya_ocr DATA_PATH 对一份 PDF 或图片目录测试，检查 results.json 的 blocks 与表格 HTML 是否完整。云端上传与本地识别的隐私边界不同，不要用含个人信息的试卷做公开演示。

原始模型卡明确把版面、OCR 与表格识别合并到一套视觉语言模型，输出可以保留文档结构，适合做后续知识库输入；它同时提供 CPU/Apple Silicon 与 NVIDIA 的不同推理路径。推文所称“1B 以下最高分”属于作者宣传口径，实际中文手写、复杂公式和跨页表格质量仍应拿自己的样本回归，且代码许可与模型许可不是同一件事。

• 将课程讲义扫描 PDF 转成能按标题和表格检索的资料。
• 在文档入库前检测表格跨行、公式和阅读顺序的提取误差。

把单张物体照片转成带补全视角的 3D Gaussian Splat .ply 文件。

https://huggingface.co/speridlabs/idol ↗

轻量试用先打开模型卡的 Hugging Face Spaces 演示，上传一张没有人脸或敏感信息的单物体照片，旋转查看生成结果，尤其观察看不见的一侧是否凭空补错。要本地运行，先接受模型卡提示的两个门控图像编码器条款并登录 Hugging Face，再 clone github.com/speridlabs/idol-sdk、按 README 安装 Python 3.10+ 与 CUDA 环境，执行 python -m idol.sample --image photo.jpg --mode real；对渲染图改用 --mode synthetic，最后用 3DGS 查看器打开 .ply 核对纹理与轮廓。

项目给出了明确的高斯点云输出、显存需求和真实图片/合成图片两类裁剪模式，比只展示“单图变 3D”视频更可复现。模型卡约 7.2GB 峰值显存的数字与秒级演示并不等于任意电脑都能秒出：首次编译、GPU 型号、输入图像及默认采样步数会显著影响耗时，卡片另有分 GPU 实测表可供核对。

• 给电商产品照片制作可旋转的商品概念预览。
• 快速生成游戏道具初稿，再由美术检查被遮挡面的错误。

在 Chrome 中阅读网页和视频文稿、做 AI 问答，并把带来源的笔记送进 Obsidian。

https://clipper.qiaomu.ai ↗

从官网进入 Chrome Web Store 安装自动更新的商店版，或按需要从 GitHub Releases 下载独立版；先在非敏感网页连续按三次 a 试阅读，再打开带字幕的视频按同样快捷键查看同屏文稿，用 i 连按三次记录带来源与时间点的学习笔记。若要静默写入 Obsidian 或生成本地字幕，再安装官网列出的本地助手并选择自己的笔记库。视频号链接可按推文所述在 Chrome 中打开测试，但不同站点是否能提取音频和转写需以实际页面和授权为准。

官网同时列出字幕时间戳、双语对照、笔记模板、本地字幕与自选模型入口，形成“看到材料—提问—保留来源—进入个人知识库”的短链路。它不替用户提供模型；调用云端提问或云端识别时内容会发送给用户选择的供应商，和本机识别的隐私成本不同。对视频号的新用法来自推文，官网通用能力是外部依据，但具体站点兼容性仍待实测。

• 把英语教学视频按知识点和时间戳整理到 Obsidian。
• 阅读长文章时保留原句与链接，避免只有无出处的 AI 摘要。

把 AI 生成的文字排成更可读的 PDF、PNG、可编辑演示稿或产品页面。

https://github.com/tw93/Kami ↗

先在仓库 README 查看示例 PDF 和语言支持；使用 Claude Code、Codex 或 Cursor 时可按官方安装说明运行 npx skills add tw93/kami -a claude-code codex cursor -g -y，再在 Agent 中明确要求“把这份两页技术总结做成中文打印版一页纸”。打开生成的 PDF 实际检查中文字体、标题层级、图表来源和页边距；若只用 Claude Desktop，可从 release 下载官方的 kami.zip 并通过 Skills 界面导入。升级和缺少中文字体的补救方法以仓库文档为准。

设计不是只靠一段提示词碰运气，仓库包含模板、排版规则、不同语种字体回退与展示文件，且版本说明强调图表需按数据绘制并交付前检查。它可用来把 Agent 的结果变成真正可阅读的交付件；但版面漂亮不等于事实正确，财报图表、简历经历仍需要用户逐项校对，中文字体也要注意附带的商业授权限制。

• 把 Agent 调研结果转换成可打印的一页摘要与讲义。
• 为产品发布准备视觉统一的介绍页和演示稿。

阿里云开源的企业 Agent 全生命周期实践手册，覆盖 Harness、运行时、治理和评估。

https://aliyun.github.io/ai-agent-handbook/ ↗

从在线阅读站进入“阅读指南”，做工程选型先看架构、构建与运行篇，不必按目录从头读；选自己正在做的一个 Agent，列出任务状态、工具权限、执行轨迹、失败重试与人工审批五个现实问题，再对照手册第 4、7、13、14、21 章逐条做自查。需要团队共创时到 GitHub 仓库下载 Markdown 源稿，给每个结论标上“适用于本项目/尚无证据”，并把真正的回归样本和故障日志加入内部评审，而不是直接复制所谓最佳实践。

材料把“能构建 Agent”与“能在企业环境稳定运行、可治理、可验证”拆开讨论，并提供沙箱、异步任务、轨迹、权限与 Badcase 等可操作检查点。它尤其适合架构评审时找盲点；手册仍在持续更新，云厂商自身的工程观点不等于独立行业标准，也不能替代自己产品的测试与合规审查。

• 给已有 Agent 系统做发布前安全与可观测清单。
• 培训研发团队区分模型、Harness、工具层和组织流程的责任。

Pika 发布基于 MiniMax-H3 的视频与音频同步生成推理仓库，并提供托管 API 入口。

公开 README 描述六步采样、原生 480p/768p、参考图/音视频条件及同步立体声音频；但本地下载两类任务所需基础文件约 210GB，另有适配器约 5.5GB，代表性验证使用单张 H100 80GB。它“开源”主要指推理代码与可获取权重，适配器采用上游模型许可，不能直接等同于宽松商用许可；轻量体验应先看公开样片或托管服务，再决定是否自建。

音画联合模型若能稳定控制镜头、角色与声轨，会改变短视频分镜迭代的工具链，把配音对齐工作前移到生成阶段。但高 GPU 成本、权重体积和许可限制使本地普及仍有门槛，创作团队要按自己的素材复现一致性，而不是只凭精选展示片段评估采购。 链接：https://github.com/Pika-Labs/Pika-H3-Flex

研究者发布论文和代码，比较原始会话检索加重排与复杂记忆系统在长程问答中的表现。

项目 README 报告，在所列四套长程记忆基准、七种“基准×模型”设置中，RAW-RAG 在六种取得领先，另一种没有领先。这是作者提供的实验结果，并非我们独立复现，也不能推广到所有任务；其关键设计是保留带时间戳的原始历史，先检索片段再用交叉编码器重排，让阅读模型自己解释时间关系和依赖，避免入库摘要过早丢失证据。

构建个人助手或客服知识系统时，可以先做“原始日志+检索+重排”的低复杂度基线，再衡量图谱、摘要与可变记忆是否真的增加正确率。代价是原文保留带来隐私、存储和检索成本，项目团队还需针对删除权、授权边界和长时状态更新做单独设计。 链接：https://github.com/Litmeb/RAW-RAG

X 上流传 Comfy 共同创办人称收到 Higgsfield 要求撤下“Open Source Higgsfield”挑战赛的函件。

现阶段能确认的是 Comfy 一方公开表述及相关报道对该表述的转述；函件法律理由、双方完整沟通与最终裁决不能仅由二手帖确定。争议不仅涉及开源与闭源的价值判断，也可能涉及名称和人物肖像的使用、用户是否误认为比赛由品牌官方背书。不要把“收到函件”写成“对方已经违法”或“挑战赛必然关闭”。

创作者在开源复刻商业产品时，应区分重现功能与使用对方商标做活动标题，提前写明非官方关系并检查素材授权。对 AI 视频赛道而言，产品竞争可能进一步延伸到品牌和社区活动治理；是否产生实际禁令仍需要后续官方文件与平台状态验证。