DeepSeek Harness – DeepSeek 推出的 AI 智能体运行框架AI工具4天前更新AI小集06DeepSeek Harness是什么DeepSeek Harness 是 DeepSeek 推出的 AI 智能体运行框架，采用”一切皆插件”理念，基于 Cordis 系统构建。模型、工具、技能、会话、沙箱、存储、调度、UI 等全部能力均为插件，可自由组合替换。DeepSeek Harness提供标准、PTC、极简、创造四种运行模式，支持全程轨迹追踪与回放。DeepSeek Harness 对标OpenAI Codex与Anthropic Claude Code，主攻编程和办公场景，实现从需求理解到代码交付的完整闭环。DeepSeek Harness的主要功能一切皆插件的 Agent 框架：模型、工具、技能、会话、沙箱、存储、循环、调度、UI 等所有 Agent 能力均以插件形式实现，开发者无需修改源码可替换或扩展任意组件。四种运行模式标准模式：完整编码 Agent，支持文件编辑、Shell、网页检索、Skills、计划、子代理和工作流PTC 模式：在标准模式基础上，通过 Code Mode SDK 让模型用 TypeScript 程序组合多步工具调用极简模式：仅保留 bash 和文件编辑两个工具，用于模型基准测试创造模式：支持运行时检查、插件实验和自定义 Agent preset 创作轨迹追踪与会话管理采用仅追加（append-only）的会话日志设计，完整记录系统提示词、思维链、工具调用、子 Agent 调度、上下文注入等全部事件。支持会话恢复、分叉、检索与回放，彻底解决 Agent 黑盒问题。多智能体协作：主 Agent 可将任务委派给子 Agent，支持并行执行、工作流编排、计划模式、目标追踪、待办事项和后台任务管理，覆盖长任务和复杂自动化场景。安全与权限控制：默认采用 workspace-write 模式限制文件/命令执行范围；工具调用经过前置策略、安全守卫、执行包装和后置处理流水线；权限切换和审批请求全部进入会话日志，支持事后审计。多种交互入口：提供 Web UI（默认localhost:3080）、TUI 终端界面、Headless 脚本模式、ACP 服务和 JSON-RPC/Python SDK，同一套核心能力可通过不同配置组装成不同产品形态。RC.8 版本：多模态输入增强：DeepSeek Harness v0.1.0-rc.8 增强多模态支持，模型适配器可启用原生图片请求，核心命令支持图文混合输入，且@菜单可引用文件与历史会话。子代理统一编排：将 Claude Code 和 Codex 纳入子代理编排体系，支持作为 Profile Bundle 按需安装调用，Codex 新增非交互权限与多命名实例运行能力。工具与终端体验优化：优化工具调用与终端体验，web_search支持并发查询，Windows PTY 终端新增持久化 PowerShell 会话，并简化了本地安装启动流程。DeepSeek Harness的技术原理基于 Cordis 插件元框架：Cordis 是 Harness 的底层插件系统，只负责插件的加载、卸载和依赖管理。每个插件向共享上下文（Context）注册服务、类型化事件和可逆副作用，卸载时自动撤销注册，避免系统残留状态。运行时 Harness 本质上是一个 Cordis Context，不同包向其中注册服务与能力，最终由配置文件组合成可运行的智能体。插件树与配置层组合：运行时的dsh是按层叠加的插件树。配置通过 Profile（具名组装）+ Bundle（配置行与代码分发单元）+cordis.patch.yml（用户补丁）顺序叠加，后层可替换或插入新配置。同一套代码可被组装成完全不同的产品形态。能力接缝（Capability Seam）三层分离：任何能力都拆分为，接口定义（服务定义）、实现提供者（具体执行）、消费者（面向模型的工具包）。例如 Bash 能力，接口定义”执行命令”，本地实现创建进程，工具包将其转为模型可理解的 schema。替换实现层（如本地 Shell → 远程容器）无需重写模型工具或 Agent Loop。Agent Loop 生命周期：Turn：一次用户输入开启的完整轮次Step：一次模型请求 + 后续工具调用流程严格按事件驱动：输入 → 组装提示词与工具 Schema →agent/pre-step→ 模型请求 → 流式输出 → 工具调用 →tools/pre-execute→tools/execute→tools/post-execute→ 交回后续 Step。工具执行支持并发安全检测、屏障隔离和超时重试。Session Log 作为权威事件源：核心设计原则：模型可见的内容必须能从日志重建。用户消息、助手输出、工具调用与结果、上下文压缩、权限变化、取消原因等全部以事件形式进入追加式会话流。界面显示、持久化、恢复、Fork、遥测和回放均从同一事件源派生，而非各自维护状态。这确保了调试、审计和复现的可靠性。核心包职责分离：core/session：仅追加会话事件日志core/system-prompt：组装提示词片段和工具 Schemacore/tools：工具注册与受控执行流水线core/agent：Agent 接口与活跃实例注册表core/agent-loop：默认驱动llm/llm：消息、流式输出和模型适配器接缝自指与动态扩展：创造模式提供自指 Cordis 工具，支持 Agent 检查当前运行时插件树，动态挂载/卸载临时插件。动态插件仍运行在 Cordis 的 Context 和 Effect 机制下，注册项有明确的清理路径。安全流水线：经过完整流水线：前置策略 → 不可逆安全守卫 → 实际执行 → 后置处理 → 内容整理 → 结果通知。被守卫拒绝的操作不能被后续插件重新放行，系统采用”失败关闭”原则。微信关注回复“开源”，加入AI开源项目交流群如何使用DeepSeek Harness安装启动：快速体验（需已安装 Node.js）：npx @deepseek-ai/dsh web源码安装：gitclone https://github.com/deepseek-ai/deepseek-harness按仓库 README 完成依赖安装后启动。配置模型：打开 Web UI（默认localhost:3080），需填写模型 API Key。支持接入 DeepSeek 模型（需到 DeepSeek 开发平台购买）或其他第三方模型。选择工作区与预设：选择本地工作目录（项目文件夹）选择Agent 预设：标准模式：完整编码 Agent，支持文件编辑、Shell、检索、Skills、计划、子代理PTC 模式：标准模式 + Code Mode SDK，模型用 TypeScript 程序组合多步操作极简模式：仅 bash + 文件编辑，用于基准测试创造模式：支持自定义 Agent preset，可运行时检查插件树并动态扩展开始交互：在输入框描述需求，Agent 即可自动执行代码编写、文件操作、网页检索等任务。通过「轨迹」视图可查看原始事件级运行日志，支持会话回放与分叉。插件管理在设置中查看/启用/停用 100+ 内置插件，或通过配置文件自定义插件组合，无需修改源码可替换任意能力组件。DeepSeek Harness的核心优势开放生态：不限于接入 DeepSeek 自家模型，计划通过标准化接口支持多模型接入，与 Claude Code 的封闭策略形成鲜明差异化。极致性价比：配合 DeepSeek 低价缓存机制，社区实测单次真实编程任务平均成本仅约 0.028 美元，约为 Claude Code 的七分之一。安全合规：国产自研框架无后门隐患，恰逢 Claude Code 被工信部确认存在严重安全后门、国内大厂加速排查管控的替代窗口期。系统可靠性：团队负责人崔添翼拥有 Jane Street 九年量化交易背景，长期专注于”如何让复杂系统稳定运转”，将金融级执行可靠性带入 Agent 工程。模型解耦：Harness 团队与模型团队独立运作、独立注册公众号，以独立于大模型的业务形态推进，生态合作灵活性和扩展性显著更强。Harness 效能：同一模型在不同 Harness 下表现可差出 53 个百分点，DeepSeek Harness 能让中等强度模型以极低价格完成大部分标准化任务，实现”便宜模型打出豪华战绩”。端到端闭环：覆盖上下文管理、工具调用编排、执行沙箱、反馈循环、会话持久化五大核心模块，实现从需求理解到代码交付的完整自动化闭环。DeepSeek Harness的项目地址项目官网：https://www.deepseek.com/harness/GitHub仓库：https://github.com/deepseek-ai/deepseek-harnessDeepSeek Harness的同类竞品对比对比维度DeepSeek HarnessCodexClaude Code开发公司深度求索（DeepSeek）OpenAIAnthropic产品定位AI 智能体运行框架终端原生编程智能体终端原生编程智能体模型接入策略开放多模型，计划支持第三方模型接入仅限 OpenAI 官方模型仅限官方 Claude 模型，曾通过隐写手段限制非官方端点生态开放度开放共建，面向全球征集插件、Skill、MCP 及第三方界面生态伙伴闭源运营，生态由官方控制封闭生态，逆向工程修改令牌后被官方限制安全合规国产自研，无后门隐患，符合国内监管要求美国公司，存在数据跨境风险被工信部 NVDB 确认存在安全后门隐患（2.1.91–2.1.196 版本）单次任务成本约$0.028（配合低价缓存机制）较高较高（Claude Code 年化收入已达 25 亿美元级别）核心架构五大模块：上下文管理、工具调用编排、执行沙箱、反馈循环、会话持久化内置工具调用与代码执行环境内置工具调用与代码执行环境团队背景负责人崔添翼，Jane Street 九年量化交易与系统开发背景OpenAI 内部研究团队Anthropic 内部研究团队DeepSeek Harness的应用场景智能编程开发（VibeCoding）：开发者通过自然语言描述需求，Harness 自动完成从代码生成、运行测试、报错捕获到自我修正的完整闭环，实现端到端的软件交付。办公自动化：Harness 调用文件系统、浏览器及各类 API，自动完成文档处理、数据分析、邮件分类回复和日程安排等日常办公任务，替代重复性人工操作。系统运维与 DevOps：通过终端命令执行服务器部署、监控配置、日志分析和故障排查，集成到 CI/CD 流水线中实现代码的自动构建、测试与发布。多 Agent 协作项目：协调产品经理、架构师、开发工程师、测试工程师等不同角色 Agent 分工合作，统一调度完成大型复杂项目的拆解与交付。企业私有化部署：在金融、政务、医疗等安全敏感行业的本地环境中部署，对接内部 ERP、CRM、数据库等私有系统，实现安全可控的智能化改造。DeepSeek Harness面临的挑战先发巨头挤压：OpenAI Codex 与 Anthropic Claude Code 已占据智能体代码市场头部地位，Claude Code 年化收入达 25 亿美元且占 GitHub 公开提交量 4%，DeepSeek Harness 作为后来者需在生态和用户习惯上实现突破。开发者生态冷启动：Harness 的核心价值高度依赖插件、Skill、MCP 及第三方界面等生态伙伴的丰富度，而生态建设需要长期积累，短期内难以与已成熟竞品抗衡。长程任务可靠性验证：Agent 框架需要处理多轮推理、工具调用和失败重试等复杂场景，从内测到证明其在真实生产环境中稳定交付长程任务，仍有大量工程验证工作。多模型适配的工程复杂度：开放支持多模型接入虽为差异化优势，但不同模型的上下文机制、工具调用格式和推理

Lumos NexCore – 鹿明机器人推出的具身智能进化引擎AI工具3天前发布AI小集03Lumos NexCore是什么Lumos NexCore 是鹿明机器人推出的具身智能进化引擎，定位为面向产业落地的技能基础设施。Lumos NexCore 将数据资产、模型训练、评测验证、技能管理和机器人运营整合为平台服务，让机器人技能从手工作坊式开发转变为可训练、复用、持续迭代的资产，实现像云服务一样被调用和验证，推动具身智能从单点Demo走向规模化产业应用。Lumos NexCore的主要功能数据资产平台：统一归集真实、仿真与视频数据，让每条数据都可检索、可标注、可复用，解决技能生产的原料问题。模型训练平台：托管训练全流程的任务编排、参数优化与过程追踪，客户无需自建算法环境即可一键启动模型训练。评测验证：通过多维评测与能力诊断，将模型表现转化为可量化、可复现的验收证据，让技能质量有据可依。技能管理：将训练好的模型连同代码、参数和执行策略打包成可发布、可版本化、可跨场景复用的技能单元。机器人运营：连接真实设备，把运行中的状态、日志与高价值样本自动回流至平台，驱动下一轮训练与技能迭代。自然语言编排：用户只需用口语描述任务目标，平台可自动编排后续的数据准备、训练与部署流程。Lumos NexCore的技术原理闭环飞轮机制：真实机器人执行任务 → 产生新数据与失败样本 → 数据回流至平台 → 重新训练优化模型 → 生成新版技能 → 部署回设备执行。通过持续的数据闭环，让机器人能力在真实作业中自我进化。平台化替代项目制：传统机器人技能开发是「手工作坊式」：每接新场景就重新走一遍采集、训练、调参、部署、返工。NexCore 将这一流程标准化、托管化，使技能生产从依赖工程师个人经验转变为可观察、可追溯的平台服务。技能资产化：模型被封装为包含代码、参数、执行策略的「技能单元」，可跨场景复用、版本管理和持续迭代，实现像云服务一样被调用。有效数据 Scaling：区别于单纯追求数据采集时长，NexCore 强调有效数据量——即覆盖任务分布、包含失败与恢复样本、可跨机器人迁移、能真正提升模型成功率的数据。其底层 Scaling Law 建立在「任务经验」而非「数据量」之上。形态解耦：平台不绑定特定本体，核心技术栈可迁移复用。硬件形态由任务约束决定，大脑（模型与技能体系）保持统一，实现跨场景的能力复用。如何使用Lumos NexCore发送邮件至 builder@lumosbot.tech 申请试用，通过自然语言描述任务目标，平台可自动完成从数据准备、模型训练、评测验证到多机部署的全流程，在真实运行中持续迭代优化技能。Lumos NexCore的核心优势闭环进化：打通数据、训练、评测、技能与设备运营的全链路，让机器人在真实作业中持续自我迭代。低门槛开发：支持自然语言描述任务目标，自动编排后续流程，让懂业务的人无需算法团队也能参与技能开发。技能资产化：将模型打包为可发布、可复用、可版本管理的技能单元，实现从项目定制到平台化调用的转变。硬件解耦：兼容鹿明生态与非鹿明生态的多种机器人本体，技能即训即用，不受硬件形态限制。产业验证：基于三菱电机等真实产线锤炼，其旗舰大脑 Prime R0 在 MolmoSpaces 零样本评测中位列全球第一。有效数据 Scaling：以任务经验而非单纯数据量驱动进化，强调覆盖任务分布、失败样本与跨机迁移的真实价值数据。Lumos NexCore的同类竞品对比对比维度Lumos NexCoreNOKOV 影擎 ShadowEngine产品定位面向产业具身的”技能基础设施”，让机器人能力像云服务一样被调用、训练和验证端到端机器人AI训练平台，整合动作采集、数据管理、重定向、遥操作、训练与验证的全链路核心架构数据资产、模型训练、评测验证、技能管理、机器人运营五大模块影擎·汇、影擎·源、影擎·译、影擎·遥、影擎·训、影擎·验六大模块数据闭环支持真实/仿真/视频数据统一索引，真机运行数据自动回流驱动迭代多模态数据实时汇聚同步，Sim2Real闭环验证，真机数据反馈回训练平台技能复用将模型打包为可发布、可复用、可版本管理的技能单元，支持跨场景调用提供1000+小时标准化人体动作数据资产，支持批量仿真与导出专家训练数据硬件适配兼容鹿明生态与非鹿明生态的多种机器人，不绑定特定大脑或本体已适配宇树G1等主流人形机器人，支持URDF/MJCF开放接口快速接入使用门槛自然语言描述任务目标即可自动编排全流程，无需自建算法团队需配合光学动捕设备与仿真环境，面向科研团队与机器人企业Lumos NexCore的应用场景科研实验：为高校与实验室提供从数据采集到技能部署的全链路研究平台，加速具身智能算法迭代。工业制造：在工厂产线完成质检、物流、搬运、上下料等任务，并通过真实作业数据持续优化技能。商业服务：支撑酒店、楼宇等场景的”取-运-送”全流程服务，实现跨任务快速适配与部署。文娱展示：为机器人表演、展览互动提供可编排、可迭代的技能资产，支持多形态硬件复用。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇MiniMax Design - MiniMax推出的AI Agent商业内容生产平台下一篇水豚桌面 - 免费 AI 桌面工作台，智能分类桌面应用与文件相关文章Draw A Fish – 线上AI画鱼网站，体验全球共享虚拟鱼缸AI小集29Devin Review – AI代码审查工具，自动检查和标记代码问题AI小集2TokenSwift – 超长文本生成加速框架，90分钟内生成10万Token文本AI小集2ProX – 提高大语言模型预训练数据质量的框架AI小集2Speedwrite – 在线AI论文检测工具，支持语法检查文本润色重写AI小集3咕噜口语SpeakGuru – AI口语外教应用，可以自由选择对话难度AI小集8暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀堆友Agent美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录AskCcmarmos模兜漫小芽TipKayFloatboat最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！2分钟前FreeToken – 开源端侧 MoE 大模型推理系统，支持满血运行4分钟前TabTin – 开源的全栈 AI Agent 团队协作平台6分钟前TeleAgent – 中国电信天翼 AI 推出的桌面级通用智能体助手9分钟前LLM-as-a-Verifier – 斯坦福联合英伟达等开源的通用验证框架1天前CoinVE-200K – 腾讯开源的大规模组合指令视频编辑数据集1天前Cocode – 开源DeepSeek Harness发行版，提供GUI与TUI双入口2天前Tap8 – AI 原生互动视频平台，支持实时双向交互2天前DeepSeek-V4-Flash-Vision-Exp – DeepSeek 推出的多模态视觉理解模型2天前SenseNova U1.5 Lite – 商汤科技开源的原生统一多模态大模型2天前FLUX Upscale – Black Forest Labs 推出的 AI 视频放大工具2天前Codex Harness – OpenAI 开源的 AI Agent 底层执行框架2天前紫三角 – CAD 图纸 AI 翻译工具，支持中英互译2天前Qwen-UI-Agent – 阿里通义推出的 GUI 智能体基座模型3天前Alta – AI 穿搭应用，能生成专属 Avatar 虚拟试衣3天前

Ling 3.0 Flash – 蚂蚁百灵推出的轻量级 MoE 推理模型AI工具3天前更新AI小集02Ling 3.0 Flash是什么Ling-3.0-Flash 是蚂蚁集团百灵大模型推出的轻量级 MoE 推理模型，总参数量 124B、每 token 激活 5.1B 参数，支持 256K 超长上下文与思考/非思考双模式。模型专为高频 Agent 工作流、编码 Agent、文档处理及长上下文多轮对话设计，强调在有限 token、延迟和成本预算内完成更多有效工作，实现生产级 token 高效推理。其对应的开源底座 Ling-3.0-flash-base（124B 总参 / 5.1B 激活）保留了原始预训练能力，为面向大型代码库、多步推理及专业领域 Agent 任务的持续训练与拓展提供了开放起点。Ling 3.0 Flash的主要功能双模式推理：支持 thinking（深度思考）与 non-thinking（快速响应）两种模式，灵活切换推理深度与响应速度。超长上下文处理：支持256K token 上下文窗口，可一次性处理长文档、多轮对话及复杂代码库。Agent 工作流支持：原生适配多步 Agent 运行，支持工具调用与隐式缓存，提升任务执行效率。Token 高效推理：MoE 架构仅激活 5.1B 参数，在保持性能的同时显著降低推理成本与延迟。统一 API 接入：通过 Vercel AI Gateway 一键调用，支持流式输出与多提供商路由。Ling 3.0 Flash的技术原理混合专家架构（MoE）：采用稀疏激活的 Mixture-of-Experts 架构，总参数量达 124B，但每 token 仅激活约 5.1B 参数。通过门控网络动态路由输入至特定专家子网络，在保持大模型表达能力的同时大幅降低计算开销与推理成本，实现参数规模与推理效率的解耦。双模式推理机制：内置 thinking 与 non-thinking 两种推理路径。Non-thinking 模式直接输出结果，适用高频、低延迟场景；Thinking 模式激活深度推理链，通过多步内部思考提升复杂任务准确率。两种模式共享底层参数，通过控制信号切换，无需加载独立模型。超长上下文建模：支持 256K token 上下文窗口，采用优化的位置编码与注意力机制处理超长序列。结合隐式缓存策略，在多轮 Agent 交互中复用历史计算的 KV 缓存，避免重复编码，显著降低长对话与多步任务的整体延迟。Token 高效 Agent 推理：针对 Agent 工作流优化推理路径，在严格限制的 token、延迟与成本预算内完成多步工具调用与决策。通过压缩中间表示、精简推理步骤，确保高频 Agent 场景下的响应速度与经济性，实现生产级规模的可持续部署。如何使用Ling 3.0 Flash通过 Hugging Face 获取权重：访问 https://huggingface.co/inclusionAI/Ling-3.0-flash 下载模型权重文件，模型采用 MIT 许可证可自由商用。用 SGLang 部署服务：参考官方 SGLang 部署说明配置推理环境，集成 HiCache 缓存架构以降低长任务首 Token 延迟。用 vLLM 部署服务：按官方 vLLM 部署文档搭建兼容 OpenAI 接口的 API 服务，便于接入现有应用生态。Ling 3.0 Flash的核心优势延迟优化：专为高频场景设计，P50 首 token 延迟与吞吐量表现优异。生产级稳定：支持自动重试、故障转移与高于单一提供商的可用性保障。隐私合规：内置 Zero Data Retention（零数据保留）支持，满足企业安全要求。生态兼容：完美接入 Vercel 开发生态，与现有 AI SDK 无缝集成。Ling 3.0 Flash的项目地址HuggingFace模型库：https://huggingface.co/inclusionAI/Ling-3.0-flashhttps://huggingface.co/inclusionAI/Ling-3.0-flash-baseLing 3.0 Flash的同类竞品对比维度Ling-3.0-FlashGPT-4o-mini架构MoE（124B/5.1B 激活）Dense上下文256K128K定位Agent 推理、代码、长文档通用轻量对话成本策略限时免费后按量计费按量付费接入方式Vercel AI GatewayOpenAI API特色双模式推理、隐式缓存多模态输入Ling 3.0 Flash的应用场景智能客服 Agent：基于 256K 上下文记忆用户历史，执行多轮复杂咨询与工单处理。代码辅助开发：快速理解大型代码库，生成、重构与审查代码，支持 thinking 模式深度 debug。长文档分析：一次性处理论文、财报、法律合同等超长文本，提取关键信息与生成摘要。自动化办公流：连接日历、邮件与文档工具，自动完成日程安排、邮件起草与数据整理。实时搜索增强：结合 Web Search 能力，执行多步信息检索、交叉验证与结构化报告生成。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇MAI-Voice-2-Flash - 微软推出的高速语音合成模型下一篇BigMac - 小红书开源的多模态大模型流水并行训练框架相关文章AiNiee – AI翻译工具，游戏爱好者和小说迷的翻译神器AI小集3AppAgentX – 西湖大学推出的自我进化式 GUI 代理框架AI小集2文思逸言 – AI创作平台，集成智能写作、绘画设计、文案创作等多种服务AI小集2SaRA – 上海交大联合腾讯推出的预训练扩散模型微调方法AI小集2Flot.ai – AI写作辅助工具，具有记忆能力高效管理知识库AI小集2抖音搜索 – 抖音推出的独立内容搜索引擎，支持AI搜索AI小集8暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀堆友Agent美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录AskCcmarmos模兜漫小芽TipKayFloatboat最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！39分钟前FreeToken – 开源端侧 MoE 大模型推理系统，支持满血运行41分钟前TabTin – 开源的全栈 AI Agent 团队协作平台44分钟前TeleAgent – 中国电信天翼 AI 推出的桌面级通用智能体助手47分钟前LLM-as-a-Verifier – 斯坦福联合英伟达等开源的通用验证框架1天前CoinVE-200K – 腾讯开源的大规模组合指令视频编辑数据集1天前Cocode – 开源DeepSeek Harness发行版，提供GUI与TUI双入口2天前Tap8 – AI 原生互动视频平台，支持实时双向交互2天前DeepSeek-V4-Flash-Vision-Exp – DeepSeek 推出的多模态视觉理解模型2天前SenseNova U1.5 Lite – 商汤科技开源的原生统一多模态大模型2天前FLUX Upscale – Black Forest Labs 推出的 AI 视频放大工具2天前Codex Harness – OpenAI 开源的 AI Agent 底层执行框架2天前紫三角 – CAD 图纸 AI 翻译工具，支持中英互译3天前Qwen-UI-Agent – 阿里通义推出的 GUI 智能体基座模型3天前Alta – AI 穿搭应用，能生成专属 Avatar 虚拟试衣3天前

Ling-3.0-tiny – 蚂蚁百灵推出的原生混合推理模型AI工具3天前更新AI小集02Ling-3.0-tiny是什么Ling-3.0-tiny是蚂蚁百灵推出的原生混合推理模型，总参数 7.9B、每 token 仅激活 1.3B，面向数学推理、指令遵循及资源敏感型部署优化。模型原生支持工具调用，可胜任移动设备与浏览器 UI 自动化控制任务，支持完全本地推理。目前已上线OpenRouter与 Vercel。其开源底座 Ling-3.0-tiny-base（7.9B 总参 / 1.3B 激活）保留了原始预训练能力，为研究者低成本开展代码训练、强化学习后训练及 MoE 消融实验提供了轻量可塑的开放起点。Ling-3.0-tiny的主要功能混合推理架构：总参数 7.9B，每 token 仅激活 1.3B，在数学推理与指令遵循任务上实现高效计算。原生工具调用：内置工具使用能力，可直接驱动浏览器 UI 控制与移动设备自动化操作。完全本地推理：无需云端依赖即可运行，集成 obsidian-cli 后可从本地文本库检索、整理并生成内容。轻量文本生成：针对本地网页翻译、日常任务处理等高频场景提供低延迟文本生成服务。Ling-3.0-tiny的技术原理稀疏混合专家架构（MoE）：模型总参数量达 7.9B，但通过门控路由机制每 token 仅激活约 1.3B 参数，在保持大模型表达能力的同时将推理计算量压缩至稠密小模型级别。原生混合推理路径：内置多条差异化推理通道，可根据任务复杂度动态选择轻量快速响应或深度链式思考路径，平衡数学推理精度与日常指令遵循的响应速度。门控路由与负载均衡：采用可学习的路由器为每个 token 分配最优专家子集，并辅以负载均衡损失函数，防止专家崩溃，确保 7.9B 参数空间被高效且均匀地利用。工具调用原生嵌入：在预训练或对齐阶段将工具使用模式直接编码进模型表征空间，使模型无需外部插件可生成符合工具接口规范的调用指令，实现浏览器 UI 与移动设备的自动化控制。端侧部署优化：针对本地推理场景进行量化压缩与 KV-Cache 内存优化，支持在消费级硬件上完全离线运行，消除云端依赖并降低高频 API 调用的网络与算力开销。如何使用Ling-3.0-tiny访问平台：访问 OpenRouter 官网（https://openrouter.ai）或 Vercel AI Gateway 页面。选择模型：搜索并进入 inclusionai/ling-3.0-tiny:free模型详情页。获取权限：注册或登录账号，在免费试用期内直接获取 API 密钥并调用服务。等待开源：关注 Ant Ling 官方渠道，待权重开源后下载模型文件进行本地部署。集成工具：配置 obsidian-cli 或浏览器自动化插件，启用本地知识检索与 UI 控制功能。Ling-3.0-tiny的核心优势极致轻量：仅激活 1.3B 参数可运行，推理成本与显存占用远低于同规模稠密模型，适合端侧与边缘部署。隐私优先：支持完全本地运行，数据不出设备，满足金融、医疗等对数据安全要求极高的场景。工具原生：无需额外微调或插件即可调用外部工具，降低自动化流程的开发门槛。Ling-3.0-tiny的项目地址HuggingFace模型库：https://huggingface.co/inclusionAI/Ling-3.0-tiny-baseLing-3.0-tiny的同类竞品对比维度Ling-3.0-tinyQwen2.5-7B-Instruct架构原生混合推理（7.9B/1.3B 激活）稠密架构（7B 全激活）推理成本每 token 仅 1.3B 激活，极低7B 全激活，相对较高工具调用原生支持支持本地优化专为端侧与高频 API 场景深度优化通用型本地部署开源状态权重即将开源已开源Ling-3.0-tiny的应用场景移动设备智能助手：在手机端离线完成翻译、问答与日程管理，无需联网即可响应。浏览器自动化：通过原生工具调用自动执行网页表单填写、信息抓取与 UI 交互任务。本地知识管理：集成 obsidian-cli 构建完全私有的知识库，实现本地文档检索与智能摘要。企业边缘部署：部署于工控机或内网环境，在资源受限设备上提供合规的 AI 服务。高频轻量服务：作为后台常驻接口处理网页翻译、内容生成等高频请求，显著降低算力开支。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇Wan3.0 - 阿里万相最新推出的视频生成大模型下一篇SALMONN-2 - 清华等开源的通用音频大语言模型相关文章MiMo Code – 小米开源的终端 AI 编程助手AI小集3句无忧 – 在线AI违禁词查询检测和合规文案生成工具AI小集2MiniCPM 4.1 – 面壁智能推出的混合思考模型AI小集3SuperGPQA – 豆包大模型联合 M-A-P 开源的知识推理基准测试集AI小集2AISmartCube – AI应用低代码开发平台，拖放方式快速构建AI工具AI小集2LLaVA-o1 – 北大清华联合多所机构推出开源的视觉语言模型AI小集3暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀堆友Agent美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录AskCcmarmos模兜漫小芽TipKayFloatboat最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！39分钟前FreeToken – 开源端侧 MoE 大模型推理系统，支持满血运行41分钟前TabTin – 开源的全栈 AI Agent 团队协作平台44分钟前TeleAgent – 中国电信天翼 AI 推出的桌面级通用智能体助手47分钟前LLM-as-a-Verifier – 斯坦福联合英伟达等开源的通用验证框架1天前CoinVE-200K – 腾讯开源的大规模组合指令视频编辑数据集1天前Cocode – 开源DeepSeek Harness发行版，提供GUI与TUI双入口2天前Tap8 – AI 原生互动视频平台，支持实时双向交互2天前DeepSeek-V4-Flash-Vision-Exp – DeepSeek 推出的多模态视觉理解模型2天前SenseNova U1.5 Lite – 商汤科技开源的原生统一多模态大模型2天前FLUX Upscale – Black Forest Labs 推出的 AI 视频放大工具2天前Codex Harness – OpenAI 开源的 AI Agent 底层执行框架2天前紫三角 – CAD 图纸 AI 翻译工具，支持中英互译3天前Qwen-UI-Agent – 阿里通义推出的 GUI 智能体基座模型3天前Alta – AI 穿搭应用，能生成专属 Avatar 虚拟试衣3天前

SenseNova U1.5 Lite – 商汤科技开源的原生统一多模态大模型AI工具2天前发布AI小集03SenseNova U1.5 Lite是什么SenseNova U1.5 Lite 是商汤科技开源的轻量级原生统一多模态大模型，专为真实视觉创作流程设计。模型原生支持 3-4k 字符超长指令遵循，具备高质量视觉生成、可靠的图像编辑、精准文字排版、精细视觉控制及原生 4K 输出能力，可稳定完成海报、信息图等复杂视觉交付任务，面向全球开发者与创作者开源。SenseNova U1.5 Lite的主要功能超长指令遵循：原生支持 3-4k 字符上下文，可同时处理主体、数量、空间关系、文字、布局、风格等多重复杂约束。高质量视觉生成：改善构图、色彩、材质、光影与真实感，减少局部正确但整体完成度不足的问题。原生图像编辑：增强主体身份保持与非编辑区域保护，支持局部修改、元素替换、文字精修和多参考图编辑。文字与复杂布局：强化中英文文字渲染、海报、信息图与品牌视觉的多文本排版能力。精细视觉控制：支持 Bounding Box、Visual Marker 及单图/多图参考，实现对指定区域和对象的精准编辑。原生 4K 输出：在高分辨率生成中兼顾整体构图与极精细肌理、微小文字和光影折射。SenseNova U1.5 Lite的技术原理数据与任务重构：模型围绕真实视觉交付需求重新完善训练数据分布与任务设计，针对复杂指令遵循、文字排版、图像编辑和 4K 生成等核心能力构建专项训练数据，确保模型能力从追求”画面美感”转向”稳定完成真实视觉任务”。后训练流程优化：通过强化视觉质量、复杂指令遵循、文字与布局、原生 4K、原生图像编辑和精细视觉控制等维度的后训练流程，系统性提升模型在真实创作场景中的执行稳定性与可控性，使各项能力能够更准确、更稳定地进入实际工作流。原生统一多模态架构：作为轻量级原生统一多模态大模型，其架构实现了文本与视觉信息的深度融合，使模型能直接理解复杂图文指令并在统一框架内完成生成与编辑任务，无需额外的模态转换或拼接模块，在 8B 参数量级下实现高效的视觉创作能力。微信关注回复“开源”，加入AI开源项目交流群如何使用SenseNova U1.5 Lite在线体验：访问 SenseNova Studio官网 https://unify.light-ai.top/可在网页端直接体验，无需本地部署。开源部署：前往 GitHub仓库https://github.com/OpenSenseNova/SenseNova-U1下载源码，在本地或服务器上直接部署运行。获取模型权重：访问 Hugging Face模型库 https://huggingface.co/collections/sensenova/sensenova-u15下载模型文件，集成到自有框架中推理使用。SenseNova U1.5 Lite的核心优势超长指令理解与执行：原生支持 3-4k 字符超长复杂指令，能精准解析并执行包含主体、数量、空间关系、文字、布局、风格等多重约束的视觉任务。真实创作流程稳定性：从追求画面美感转向真实视觉交付，确保生成与编辑能力在复杂创作流程中稳定可用、精准可控。精准图像编辑：具备可靠的原生图像编辑能力，能在修改局部元素的同时保持主体身份、空间结构和非编辑区域完整不变。文字与复杂排版：强化中英文文字渲染与复杂排版，可高质量完成海报、信息图、品牌视觉等多文本布局任务。精细视觉控制：支持 Bounding Box、Visual Marker 及多图参考等精细视觉控制方式，实现对指定区域和对象的精准编辑。原生 4K 高清输出：支持原生 4K 高分辨率输出，在超高分辨率下兼顾整体构图与极精细的肌理、微小文字和光影折射。SenseNova U1.5 Lite的项目地址GitHub仓库：https://github.com/OpenSenseNova/SenseNova-U1HuggingFace模型库：https://huggingface.co/collections/sensenova/sensenova-u15SenseNova U1.5 Lite的同类竞品对比对比维度SenseNova U1.5 LiteJanus-Pro-7B参数规模8B（MoT 架构）7B模型定位原生统一多模态生成与编辑模型，专注真实视觉创作交付统一多模态理解与生成模型，侧重视觉理解与生成的平衡指令长度原生支持 3-4k 字符超长复杂指令遵循主要支持常规长度文本指令，超长复杂指令遵循能力有限图像编辑原生图像编辑，支持局部修改、元素替换、非编辑区域保持具备基础图像生成能力，原生图像编辑与区域保持能力较弱文字渲染强化中英文文字、复杂海报排版与信息图布局文字渲染能力一般，复杂排版与信息图生成非其核心优势分辨率输出支持原生 4K 高分辨率输出主要支持常规分辨率生成视觉控制支持 Bounding Box、Visual Marker、多图参考等精细控制视觉控制方式相对有限SenseNova U1.5 Lite的应用场景创意海报与封面设计：根据超长图文指令生成高审美完成度的海报、杂志封面、活动主视觉，精准控制文字排版、空间层次与风格调性。信息图与数据可视化：将复杂数据、旅行攻略、知识科普等内容转化为结构清晰、图文混排的高密度信息图，确保文字准确与视觉逻辑连贯。品牌视觉与营销物料：为品牌快速生成统一风格的系列视觉物料，包括产品包装、社交媒体配图、广告 Banner，并保持品牌字体与视觉元素的一致性。电商产品图编辑与优化：在保留产品主体和背景的前提下，进行局部元素替换、文字精修、光影调整，实现低成本、高效率的商品图迭代。社交媒体内容创作：为创作者提供从概念到成图的一站式支持，生成带有精致排版和个性化文字的图文内容，适配小红书、Instagram 等平台的高频发布需求。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇FLUX Upscale - Black Forest Labs 推出的 AI 视频放大工具下一篇DeepSeek-V4-Flash-Vision-Exp - DeepSeek 推出的多模态视觉理解模型相关文章像素猫AI – AI绘画应用，支持生成吉卜力风格AI小集3Sonic-3 – Cartesia推出的实时语音对话模型AI小集4Perplexity Labs – Perplexity AI推出处理复杂任务的AI助手AI小集3SClaw – 超算互联网推出的科研专属 AI AgentAI小集3StockBuddy – 腾讯自选股推出的 AI 金融智能体AI小集3小布助手 – OPPO推出的网页版 AI 助手，接入满血版 DeepSeekAI小集6暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀堆友Agent美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录AskCcmarmos模兜漫小芽TipKayFloatboat最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！1分钟前FreeToken – 开源端侧 MoE 大模型推理系统，支持满血运行3分钟前TabTin – 开源的全栈 AI Agent 团队协作平台6分钟前TeleAgent – 中国电信天翼 AI 推出的桌面级通用智能体助手9分钟前LLM-as-a-Verifier – 斯坦福联合英伟达等开源的通用验证框架1天前CoinVE-200K – 腾讯开源的大规模组合指令视频编辑数据集1天前Cocode – 开源DeepSeek Harness发行版，提供GUI与TUI双入口2天前Tap8 – AI 原生互动视频平台，支持实时双向交互2天前DeepSeek-V4-Flash-Vision-Exp – DeepSeek 推出的多模态视觉理解模型2天前FLUX Upscale – Black Forest Labs 推出的 AI 视频放大工具2天前Codex Harness – OpenAI 开源的 AI Agent 底层执行框架2天前紫三角 – CAD 图纸 AI 翻译工具，支持中英互译2天前Qwen-UI-Agent – 阿里通义推出的 GUI 智能体基座模型3天前Alta – AI 穿搭应用，能生成专属 Avatar 虚拟试衣3天前水豚桌面 – 免费 AI 桌面工作台，智能分类桌面应用与文件3天前

Codex Harness – OpenAI 开源的 AI Agent 底层执行框架AI工具2天前发布AI小集04Codex Harness是什么Codex Harness 是 OpenAI 开源的 AI Agent 底层执行框架。Codex Harness 是驱动 Agent 的外骨骼，负责任务理解、记忆保持、工具调用、进度展示、失败处理及人类审批等完整执行循环。开发者可通过 CLI、SDK 和 app-server 三大组件，将 AI 智能体无缝嵌入自有产品、运营看板或业务系统，无需再把工作流硬塞进通用聊天框。Codex Harness的主要功能Agent 执行循环：驱动 AI 智能体完成从任务理解到结果输出的完整迭代流程。上下文与记忆管理：在长对话中保持上下文连贯，智能压缩和审查相关信息。工具与技能调用：支持 AI 灵活调用外部 API、数据库及自定义业务工具。沙箱安全执行：提供隔离的运行时环境，确保文件系统与网络操作安全可控。流式事件传输：支持实时向应用前端推送 AI 的思考过程与执行进度。人类审批介入：在关键操作前自动暂停并请求人类确认，实现安全的人机协作。会话持久化：支持跨会话保存和恢复对话状态、线程与任务生命周期。前后端解耦架构：将审批界面与底层执行循环分离，便于无缝嵌入任意业务系统。如何使用Codex Harness获取开源代码：前往 GitHub 的openai/codex仓库克隆项目，即可解锁完整的 Harness 工具库。CLI 快速执行：用codex exec命令行工具运行有边界的 Agent 工作流，适合脚本和 CI 自动化任务。SDK 编程集成：通过 TypeScript 或 Python 版官方 SDK，在代码中精准启动、恢复或流式传输 Codex 任务。App-Server 产品嵌入：部署 Codex app-server，通过 JSON-RPC 协议将 Agent 循环深度集成到自有业务系统。暴露业务工具：将应用自身的 API、数据库及操作接口通过 MCP 协议暴露给 Harness，让 AI 调用真实业务数据。配置审批流程：在前端接入审批界面，Harness 会在关键操作前自动暂停并请求人类确认，实现安全的人机协作。流式事件监听：订阅 Harness 的流式事件输出，在应用前端实时展示 AI 的思考过程与执行进度。注入业务上下文：向 Harness 传入产品界面状态、用户行为及业务规则，让 AI 基于真实场景而非通用聊天框工作。Codex Harness的核心优势开源可嵌入：开发者可将 AI Agent 执行循环直接嵌入自有产品、运营看板或业务系统，无需把工作流硬塞进通用聊天框。前后端彻底解耦：应用层掌控界面、上下文、工具与审批流程，Harness 层专注 Agent 循环与沙箱执行，通过 JSON-RPC 协议实现通信分离。Harness 设计即性能：在 ARC-AGI-3 基准上仅优化 Harness（保留推理+上下文压缩），GPT-5.6 Sol 得分从 13.3% 飙升至 38.3%，Token 消耗减少 6 倍。沙箱安全执行：内置隔离运行时环境，严格控制文件系统、网络访问与运行时审批，确保 Agent 动作可控、可审计、可回滚。原生 Human-in-the-Loop：在关键操作前自动暂停并请求人类确认，审批通过后才继续执行，天然适合容错率极低的业务场景。流式事件与持久会话：支持实时向前端推送 AI 思考与执行进度，并可跨会话保存和恢复线程状态，适配长周期工作流。模型无关的执行引擎：Harness 是编排层而非模型层，可与不同底层模型配合，聚焦「如何管理模型」而非绑定特定模型。Codex Harness的项目地址项目官网：https://developers.openai.com/blog/codex-as-a-platformGitHub仓库：https://github.com/openai/codexCodex Harness的同类竞品对比对比维度Codex HarnessLangGraph核心定位将 Agent 循环作为可嵌入产品的底层执行引擎基于图状态机的 Agent 工作流编排框架架构设计前后端分离：应用层控制界面/审批，Harness 处理执行循环节点-边模型：开发者定义显式状态流与检查点审批机制原生内置 Human-in-the-Loop，关键操作自动暂停请求确认需开发者手动在节点间插入中断/审批逻辑沙箱执行内置隔离运行时，控制文件系统、网络与工具访问无原生沙箱，需依赖外部容器/环境隔离集成方式JSON-RPC 协议连接 App-Server，流式事件实时推送作为 Python/JS 库直接嵌入代码，检查点持久化适用场景已有成熟业务界面的产品，需 AI 在底层执行且人类掌控审批需要精确控制多步骤状态流转的复杂工作流编排Codex Harness的应用场景财税合规自动化：嵌入税务准备工作流，AI 处理复杂税务逻辑并自动填充申报表，税务师在关键字段审批确认，已验证处理 7,000 份申报表、准备时间缩短约三分之一。企业云平台应用构建：如 Cisco App Builder，客户在其云控制平台内使用自然语言创建自定义应用，Harness 在幕后处理权限校验与底层逻辑流转。物流调度异常处理：在物流看板中嵌入 Agent，调度员点击「Investigate delay」后，Agent 自动调用 MCP 工具获取实时运单数据、分析延误原因，任何改单操作都需人工审批。运营仪表盘嵌入：将 Agent 直接集成到现有运营看板中，实时分析业务指标、触发异常告警、执行修复动作，无需切换至独立聊天界面。安全运维审批：安全分析师在预警队列中直接调用 Agent 排查受影响服务状态，高危操作自动触发 Human-in-the-Loop 审批后执行。Codex Harness的相关问题Q：Codex Harness 是什么？和 Codex 模型有什么区别？A： Harness 是驱动 AI Agent 的底层执行引擎，负责任务理解、记忆保持、工具调用、沙箱执行、流式事件和审批流程；而 Codex 模型是生成代码/推理的「大脑」。Harness 是「外骨骼」，模型是「大脑」，两者配合才能跑通完整 Agent 工作流。Q：开源协议是什么？可以免费商用吗？A： Apache-2.0 协议，可以完全免费商用。你可以自由嵌入自有产品、修改源码、二次分发，无需开源你的上层业务代码。Q：必须绑定 OpenAI 的 GPT 模型吗？能用 Claude 或 DeepSeek 吗？A： Harness 是模型无关的编排层，架构上不强制绑定 GPT。但当前官方实现默认对接 OpenAI API，若要替换为其他模型，需自行适配模型调用层。Q：三大组件怎么选？什么场景用哪个？A：codex exec → 脚本、CI 流水线、后台一次性任务，返回结构化结果。Codex SDK → 你在写应用代码，需要编程式启动、恢复或流式传输任务。Codex app-server → Agent 要成为产品的一部分，需要持久对话、实时事件、中断工作和审批处理。Q：已有业务系统，如何接入 Harness？A： 通过 Codex app-server 的 JSON-RPC 协议连接。你的应用负责提供「产品界面 + 业务上下文 + 审批流程」，Harness 负责「Agent 循环 + 沙箱执行」，双方通过 Context in / Events out 双向通信。Q：Human-in-the-Loop 怎么实现？对业务侵入大吗？A： Harness 在检测到「需审批的操作」时自动暂停 Agent 循环，通过流式事件向前端推送审批请求；用户确认后 Harness 继续执行。业务端只需实现一个审批 UI 并响应 JSON-RPC 事件，侵入性极低。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇紫三角 - CAD 图纸 AI 翻译工具，支持中英互译下一篇FLUX Upscale - Black Forest Labs 推出的 AI 视频放大工具相关文章Science Skills – 谷歌 DeepMind 开源的科研技能工具包AI小集2AI材料星 – AI公文写作平台，生成高质量原创公文材料AI小集3凹凸工坊 – AI手写稿件生成工具，提供多种手写字体风格AI小集16insMind – 稿定推出面向商家的专业商品图AI编辑工具AI小集6传声港 – 龙投文化推出的AI综合媒体服务平台AI小集3九章爱学 – AI教师助手，个性化教案设计、一键转为PPT课件AI小集6暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀堆友Agent美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录AskCcmarmos模兜漫小芽TipKayFloatboat最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！1分钟前FreeToken – 开源端侧 MoE 大模型推理系统，支持满血运行3分钟前TabTin – 开源的全栈 AI Agent 团队协作平台6分钟前TeleAgent – 中国电信天翼 AI 推出的桌面级通用智能体助手9分钟前LLM-as-a-Verifier – 斯坦福联合英伟达等开源的通用验证框架1天前CoinVE-200K – 腾讯开源的大规模组合指令视频编辑数据集1天前Cocode – 开源DeepSeek Harness发行版，提供GUI与TUI双入口2天前Tap8 – AI 原生互动视频平台，支持实时双向交互2天前DeepSeek-V4-Flash-Vision-Exp – DeepSeek 推出的多模态视觉理解模型2天前SenseNova U1.5 Lite – 商汤科技开源的原生统一多模态大模型2天前FLUX Upscale – Black Forest Labs 推出的 AI 视频放大工具2天前紫三角 – CAD 图纸 AI 翻译工具，支持中英互译2天前Qwen-UI-Agent – 阿里通义推出的 GUI 智能体基座模型3天前Alta – AI 穿搭应用，能生成专属 Avatar 虚拟试衣3天前水豚桌面 – 免费 AI 桌面工作台，智能分类桌面应用与文件3天前

Qwen-UI-Agent – 阿里通义推出的 GUI 智能体基座模型AI工具3天前发布AI小集02Qwen-UI-Agent是什么Qwen-UI-Agent 是阿里巴巴通义团队推出的 GUI 智能体基座模型，能在手机、电脑和网页端像真人一样操作界面。模型基于 100+ 台真机、150+ 应用训练，支持 GUI 与命令行混合执行，可完成跨应用长程任务。内置安全机制，危险请求直接拒绝，支付、删除等敏感操作主动交还用户确认。在 MobileWorld、WebArena 等基准上全面超越GPT-5.6、Claude Opus 等旗舰模型，是当前真实世界可用性最强的 GUI Agent 之一。Qwen-UI-Agent的主要功能跨设备 GUI 操作：在手机、电脑、浏览器上自动点击、输入、滑动，完成界面交互。真机多应用工作流：跨 150+ 真实 App 执行复杂长链任务，如查地图→找餐厅→订座→发日程。GUI + CLI 混合执行：既能点界面，也能跑命令行，支持一次输出多个批量动作提速。安全边界管控：违法请求直接拒，支付、删文件、隐私授权等敏感操作主动弹窗交还用户确认。长程任务处理：稳定执行 100+ 步的调研、数据分析、报告生成等超长任务。精准界面定位：在 ScreenSpot-Pro 等 grounding 基准上刷新 SOTA，精准识别屏幕元素位置。Qwen-UI-Agent的技术原理真机训练环境：搭建 100+ 台真实手机、150+ 应用的真机集群，直接采集真实轨迹并用于训练与评测，弥合模拟环境与真实设备之间的性能鸿沟。混合动作空间：模型同时掌握 GUI 操作（点击、滑动、输入）与 CLI 命令，引入 Batched Actions 机制，支持单次决策并行输出多个动作，使电脑任务中 CLI 占比近半，整体执行步数显著缩短。长程在线强化学习：支持在超过 100 步的超长轨迹上进行端到端在线 RL 训练，依托约 10,000 个并发环境并行 rollout，配合自适应课程学习，持续攻克高难度长程任务。安全对齐机制：将安全判断内嵌于任务执行全链路，通过前置分类识别违法或高风险请求并直接终止；对支付、数据删除、隐私授权等敏感场景，在关键节点触发ask_user接管，确保危险请求不执行、敏感操作不擅自决定。多模态 Grounding 与通用能力保持：在 GUI 专用训练的同时保留基座模型的通用推理与 agentic 能力，使其既能精准定位屏幕元素（刷新多项 grounding SOTA），能应对真实世界中的长尾知识与工具调用需求。微信关注回复“开源”，加入AI开源项目交流群如何使用Qwen-UI-Agent阅读技术报告：访问 arXiv 论文了解模型架构、训练方法与 8 项基准的详细评测结果。浏览项目主页：打开 tongyi-mai.github.io/Qwen-UI-Agent 观看 5 个真实场景的真机演示与交互案例。跟踪开源仓库：关注 GitHub Tongyi-MAI/MAI-UI 获取后续可能发布的模型权重、代码与部署文档更新。运行基准评测：使用配套仓库 Tongyi-MAI/MobileWorld 的 Docker 环境，对模型进行可复现的移动端 GUI 能力测试。Qwen-UI-Agent的核心优势真机闭环：基于 100+ 台真实手机、150+ 应用训练与评测，自建 MobileWorld-Real 真机基准，直接弥合”模拟到真实”的鸿沟。全面 SOTA：在 MobileWorld、OSWorld、WebArena、ScreenSpot-Pro 等 8 项核心基准上全面超越或持平 GPT-5.6、Claude Opus 4.8、Gemini 3.1 Pro 等旗舰模型。混合执行提速：统一 GUI 点击与 CLI 命令，支持单次决策批量输出多个动作，电脑任务中约 40% 为批量动作，整体节省近 58% 执行步数。长程在线强化学习：支持 100+ 步超长轨迹的端到端在线 RL，依托约 10,000 并发环境并行 rollout，持续攻克复杂长程任务。内置安全边界：违法/危险请求直接拒绝终止；支付、删数据、隐私授权等敏感操作在关键节点主动停手，弹窗交还用户确认后再继续。Qwen-UI-Agent的项目地址项目官网：https://tongyi-mai.github.io/Qwen-UI-Agent/GitHub仓库：https://github.com/Tongyi-MAI/MAI-UI技术论文：https://tongyi-mai.github.io/Qwen-UI-Agent/Qwen-UI-Agent-Technical-Report.pdfQwen-UI-Agent的同类竞品对比对比维度Qwen-UI-AgentMAI-UI产品定位跨移动、电脑、浏览器、DeepSearch 的统一 GUI Agent 基座移动端 GUI Agent 基座模型MobileWorld82.1%41.7%执行方式GUI + CLI 混合，支持批量动作（Batched Actions）以 GUI 点击为主长程能力100+ 步在线 RL，10,000 并发环境 rollout基础长程任务跨平台手机、电脑、浏览器、DeepSearch 统一模型主要聚焦移动端主动服务能从航班取消等真实通知信号主动发起任务被动响应用户指令安全机制分层安全：违法直接拒，敏感操作弹窗交还用户确认基础安全对齐数据飞轮AutoResearch 式数据飞轮：Agent 自建任务、诊断失败、规划迭代人工驱动迭代Qwen-UI-Agent的应用场景本地生活探店：自动跨高德、大众点评、小红书完成地址搜索、人气比对和口碑总结，一站式搞定约会探店。行程会议联动：查 12306 高铁班次、算地铁通勤时间，自动在钉钉创建带提醒的会议日程。深度调研报告：跨网站采集财报数据、运行分析脚本，自动生成 Excel、PPT 和 Word 交付物。跨设备发票整理：从手机相册提取发票照片，传到电脑分类归档，并生成结构化 Excel 报销单。航班取消主动应急：检测到航班取消通知后，自动搜索替代航班和高铁方案，推荐能赶上会议的最优选项并交还用户决策。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇Alta - AI 穿搭应用，能生成专属 Avatar 虚拟试衣下一篇紫三角 - CAD 图纸 AI 翻译工具，支持中英互译相关文章SnapEat AI – 百度推出的海外AI运动健身应用AI小集3omp – 开源的 AI 终端编程智能体，能与 IDE 深度联动AI小集2EcomBench – 阿里通义等推出的电商AI能力评测基准AI小集2WebDesignAgent – 自动化网页设计AI工具，零门槛搭建各类型网站AI小集2Endex – AI金融智能平台，分析金融数据生成洞察和建议AI小集2VisionFM – 通用眼科AI大模型，具备少样本多种疾病诊断能力AI小集2暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀堆友Agent美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录AskCcmarmos模兜漫小芽TipKayFloatboat最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！1分钟前FreeToken – 开源端侧 MoE 大模型推理系统，支持满血运行3分钟前TabTin – 开源的全栈 AI Agent 团队协作平台6分钟前TeleAgent – 中国电信天翼 AI 推出的桌面级通用智能体助手9分钟前LLM-as-a-Verifier – 斯坦福联合英伟达等开源的通用验证框架1天前CoinVE-200K – 腾讯开源的大规模组合指令视频编辑数据集1天前Cocode – 开源DeepSeek Harness发行版，提供GUI与TUI双入口2天前Tap8 – AI 原生互动视频平台，支持实时双向交互2天前DeepSeek-V4-Flash-Vision-Exp – DeepSeek 推出的多模态视觉理解模型2天前SenseNova U1.5 Lite – 商汤科技开源的原生统一多模态大模型2天前FLUX Upscale – Black Forest Labs 推出的 AI 视频放大工具2天前Codex Harness – OpenAI 开源的 AI Agent 底层执行框架2天前紫三角 – CAD 图纸 AI 翻译工具，支持中英互译2天前Alta – AI 穿搭应用，能生成专属 Avatar 虚拟试衣3天前水豚桌面 – 免费 AI 桌面工作台，智能分类桌面应用与文件3天前

学不过来，刚刚学会怎么用好 Codex，现在又来了个 DeepSeek Harness。过去几天，我们已经介绍过它的插件、各种新玩法和新上线的多模态，但还有一个最基础的问题没有解决：DeepSeek Harness 到底该怎么装，又该怎么用？这次我们从安装、第一次对话、装 Skill、玩插件一路到卸载，带大家从零跑通 DeepSeek Harness。用 WorkBuddy 安装 DeepSeek HarnessDSH 在某种程度上有点像龙虾，没有完整的点击即安装的应用程序，只有放在代码库里需要通过命令行安装的软件包。DeepSeek 官方提供了两种方式，一种是从源码安装，获取完整项目源码，并按照仓库说明完成安装。git clone https://github.com/deepseek-ai/deepseek-harness对于熟悉 Git 和命令行的用户来说，这套流程并不复杂，但后面还要继续执行 pnpm install、构建项目等一系列操作。如果只是想先体验一下 DeepSeek Harness 的普通用户来说，多少还是有些劝退。所以更简单的方法，是直接通过 Node.js 快速启动。安装 Node.js 后，只需要输入：npx @deepseek-ai/dsh web我们这一批从「龙虾时代」走过来的 AI 原生玩家，电脑上一般都已经安装了 Node.js。在命令行输入 node -v、npm -v 检查一下是否安装好，如果都没有，直接从官网 https://nodejs.org/en/download 下载安装即可。正常来说，输入快速体验的命令后，我们在浏览器中打开 http://127.0.0.1:3080 该本地地址，就能启动顺利启动 DeepSeek Harness。如果还是启动失败，不妨试试社区开发的第三方应用。不少开发者已经基于开源的 DeepSeek Harness 仓库，独立开发了相关的应用，可以像安装微信一样，一键安装到本地电脑上。其中收藏比较多的是由 Anywhere Lab 开发的桌面端，目前在 GitHub 上已经有 14000 个 Star，算是目前关注度最高的第三方客户端之一。正常安装完成后，其界面和官方的 WebUI 基本是保持一致，不同的地方在于它新增了一个插件市场的入口，我们可以直接在插件市场里找到有意思的插件并安装。更终极的方法，如果你不想用第三方应用，也不想自己捣鼓终端，交给 WorkBuddy 或者 Codex。早在我们内测时，安装方法就需要从自己的 GitHub 仓库里面部署，对小白来说是完全不懂。我们就直接把项目链接发给 Codex，Codex 会自动读取项目文档，帮我们在命令行处理那些操作。同样的 DeepSeek Harness，我们也可以直接把 GitHub 的仓库链接丢给 Codex，https://github.com/deepseek-ai/deepseek-harness，选择 Codex 访问权限为全部访问，等待它慢慢操作，就能直接帮我们打开安装好的 DeepSeek Harness。用 WorkBuddy 也可以，就选「日常办公」，工作空间可以任意指定一个本地的文件夹，或者干脆不用指定。模型和思考强度不用太纠结，安装任务本身并不复杂；如果中途涉及较多环境排错，再切高推理等级。然后直接发送「帮我把这个 https://github.com/deepseek-ai/deepseek-harness 项目部署到本地，让我可以通过 http://127.0.0.1:3080 访问该服务。」很快，Workbuddy 就帮我们安装好了最新版本的 DeepSeek Harness，后续有更新，还可以继续和它对话，让它帮忙更新。以前安装一个开源项目，第一步是学会敲命令；现在第一步可以是把 GitHub 链接丢给另一个 Agent。DeepSeek Harness 自己还没有做到点击即用，但 Codex、WorkBuddy 这类本地电脑 Agent，已经把它最劝退普通用户的命令行门槛直接抹掉了，而后续更多的繁琐操作，都可以甩手交给 DeepSeek Harness 处理。第一次对话，怎么用多模态和所有的 Agent 一样，工作区可以让我们指定某个文件夹，在该项目内就能直接开启对话。举个例子，点击对话框，选择本地电脑上任意一个文件夹，可以是新创建的，也可以是包含了具体项目文件的；选择之后，我们就能给 DeepSeek Harness 下需求。一般来说，模型可以选择 DeepSeek-V4-Pro，推理等级选择 Max，虽然贵一点，但是也能减少我们和 AI 拉扯的时间。DeepSeek Harness 也会在理解我们需求之后，将项目分成多个有进度可跟踪的任务，以及使用目标模式来控制任务不偏离原需求。中途遇到需要我们做决策的部分，或者需要授权的审批，DeepSeek Harness 都会弹出通知让我们选择。和一般的网页版生成不同，DeepSeek Harness 会持续调用工具来完善最终的交付，就像这个《牛来》的游戏，DeepSeek Harness 生成的网页，还是有一定的可玩性的。甚至还识别到了「半导体老祖」、「跳过小溪」、「父子相认」这些名场面。而简单的问答或是安装 Skills 现在都可以交给他，例如我们从网上找了一个 PPT 的 Skill，ppt-master，然后直接在对话框发送「帮我安装一下这个 Skill https://github.com/hugohe3/ppt-master/blob/main/skills/ppt-master/SKILL.md」安装完成之后，直接说用这个 Skill 帮我做一份语文课 PPT，内容是朱自清的《荷塘月色》。DeepSeek Harness 会遵照 PPT Master Skill 的要求，自动打开一个新的浏览器标签页，要我确认设计方案。最后生成的效果，也确实很不错。和其他 Agent 不一样的地方，则是 DeepSeek Harness 新增的「轨迹」页面，把调用了哪些工具，助手的回复，上下文注入以及 Token 的使用都清晰的呈现出来了。以及多种不同的运行模式，处理不同的任务。基本的使用大概就是这样，如果是从一个已有文件的本地文件夹，我们也可以让 DeepSeek Harness 帮我们完成文件的整理。刚好 DeepSeek Harness 最近的更新加入了多模态的功能，在 0820 的更新日志里写着「新增功能：增强多模态支持度，DeepSeek 模型适配器支持配置启用原生图片请求，/goal、/plan 等命令可接收图文输入，@ 菜单支持引用文件和会话」但实际的情况是Harness 多模态了，当前用的这个 DeepSeek 模型还没有。当 DeepSeek Harness 遇到整理的文件是图片时，它依然会报错，表示 DeepSeek-V4-Pro 不是一个支持多模态的模型，它无法读取图片内容。这次更新打通的是 Harness 的输入管线和模型适配层，所以 DSH 已经能把图片送给支持视觉的模型；V4-Pro 本身不接图片，因此默认组合下依然看不了图。根据更新的仓库代码显示，前一版本的 DeepSeek Harness 多模态支持处于较基础阶段。在多轮对话中，如果发送了多张图片或单张图太大，极易因为图片历史堆积（Token 超限、API 格式不支持）导致模型请求直接崩溃（Crash）。更新之后的多模态，不仅仅是聊天框，/goal（目标模式）和 /plan（计划模式）这些底层命令也正式打通了图文输入，并且能在 @ 菜单里直接拖入/引用图片文件。但如果模型本身不支持「看图」，即模型在 DeepSeek 官方适配器中被标记为 [“text”]，就无法使用 DSH 的多模态能力。代码注释还解释了为什么拒绝：工具结果会进入持久会话历史，如果路由不支持图片，会破坏续聊和分叉。创作第一个插件万物皆插件，插件几乎是 DeepSeek Harness 最大的亮点，如果不使用插件，可能会觉得 DSH 也不过如此。在 DeepSeek Harness 官网，给出的自定义插件案例，就有创作 UI 插件，开发贪吃蛇游戏插件，以及自定义一个代码审查模式。我们可以直接在对话框输入「给当前界面加入一个鲸鱼的背景。」DSH 的插件能力，就能让我们自定义整个用户界面。从 DSH 的思考轨迹可以看到，它使用的是 Cordis 内核的能力，即 Cordis 内核只负责插件的加载、卸载和依赖关系，不承载 Agent 的具体能力。基于 Cordis 内核的服务，模型、工具、技能、会话、沙箱、存储、循环、调度、UI 等所有 Agent 能力均可以由插件提供，再通过 Cordis 服务与事件彼此协作。前段时间，「滑动变祖器」在社交媒体上被网友们疯狂转载。我们也把这个项目链接丢给 DSH，告诉他当我们选择不同的思考深度时，界面的 UI 要根据 Low、High、Max 做出对应的调整。▲ 提示词：参考这个仓库 https://github.com/Lichtspektrum/liang-intensity-calibrator，把滑动变化的图片设置为 UI 界面的背景，然后当我们选择不同的思考深度时，界面的 UI 要会根据 推理等级 做出对应的调整，变化为不同的图片背景。类似皮肤的插件还可以在专门的皮肤市场找到更多的案例，有深海女仆工坊、回到 2005 的广告门户网站、海洋皮肤、滑动变祖，以及便签等 189 个皮肤插件。▲ 地址：https://kingofsoysauce.github.io/dsh-skin-market/之前我们也分享了 DSH 好玩的插件，也有网友自发整理了各类插件，不过目前主流的玩法还是集中在可视化的 UI、不同任务类型的 Agent 编排、以及处理记忆、连接不同第三方服务的 MCP 等。如果看到有意思的插件，安装也很简单，除了在终端输入类似的命令 dsh plugin –profile web add github:csyangwen/dsh-memory-evolve，我们甚至可以直接跟 DeepSeek Harness 对话就行。▲ 安装的记忆插件，让对话框上方从对话和轨迹，变成了包含技能、待办等多项内容的界面或许有意思的插件，还得自己去对话框一轮一轮测试，记得切换到创造模式，效果或许会更好。一键卸载卸载和安装一样，直接告诉 WorkBuddy/Codex 也可以，一句话「帮我卸载电脑上的 DeepSeek Harness。」如果是通过：npx @deepseek-ai/dsh web 快速体验，DeepSeek Harness 并没有作为一个全局应用安装到电脑里。关闭运行它的终端，或者结束对应的进程，服务也就停止了，不需要再额外执行 npm uninstall。如果此前是从 GitHub 克隆源码运行，则停止服务后，再删除本地的 deepseek-harness 项目文件夹即可。至于第三方桌面客户端，就和普通应用一样，直接从系统中卸载。▲ 提示词：帮我在桌面制作一个deepseek harness本地桌面启动器，有一键打开和一键卸载的功能而 DeepSeek Harness 留下的会话、配置和凭据也不准备保留的话，还可以继续删除 ~/.dsh 目录。到这里，从安装、第一次任务、装 Skill、折腾插件，再到最后卸载，DeepSeek Harness 基本就算跑过一遍了。DSH 说 15s 之后会重启，它自己还在输出，时间到了就重启完，重启之后成功安装了工作区目录树的插件回头想想，这套流程里最有意思的变化可能还发生在 DeepSeek Harness 之外：我们可以让 Agent 帮忙安装 Harness，再让 Harness 给自己安装插件。以后折腾一个新的 AI 工具，需要记住的命令可能会越来越少，需要说清楚的只剩下一件事——我们到底想让 AI 做什么。

ChatGPT 现在可以直接「翻」你的 iMessage 了。今天凌晨，OpenAI 正式为 Mac 端的 ChatGPT 上线 Apple Messages 连接器。授予相应系统权限后，输入「@」并选择「Messages」，ChatGPT 就能检索、分析聊天记录，并帮你起草回复。把散碎的聊天记录，变成可执行的结构化数据比如对 ChatGPT 说一句「整理昨天有哪些我需要跟进的事情」，它会翻看昨天的聊天记录，从里面找出那些没有下文的事情。OpenAI 展示的例子里，读书俱乐部的一位朋友问「我们下次聚会是什么时候」。ChatGPT 找到这条消息之后，又去日历里确认了活动时间，最后顺手拟好回复。另一个例子则是很常见的约饭。朋友在 Messages 里约你下周吃饭，你可以让 ChatGPT 看一下自己的日历，再告诉对方哪几个时间有空。不过，ChatGPT 并不会「自作主张」直接帮你回复，在卡片中直接修改文字，确认无误后点击发送，消息才会正式出现在 iMessage 的对话流里。类似的事情在聊天记录里其实随处可见。朋友随口提到的生日、同事说下周继续处理的工作、家人约好的聚餐……这些琐事，现在都可以被模型主动调用，变成理解用户近况和继续完成任务的「上下文」。这也是 OpenAI 最近一系列产品变化里越发明显的趋势。图｜ChatGPT Finances今年 5 月推出的 ChatGPT Finances，允许用户通过 Plaid 连接银行账户、信用卡和投资账户。接入之后，用户可以直接问 ChatGPT 自己最近的钱花到了哪里、有哪些固定订阅、资产和负债发生了什么变化。图｜ChatGPT Health此前的 ChatGPT Health 思路也类似。连接 Apple Health 和医疗记录之后，ChatGPT 可以在用户授权范围内参考睡眠、运动、活动和其他健康信息。到了 Messages，模型又开始接触用户的聊天记录，以及聊天背后错综复杂的日常安排和人际关系。这几项功能放在一起，OpenAI 的思路其实很清楚：通过用户已经在使用的应用和服务，间接获得更多关于这个人的信息。图｜TechRadar这和传统的 ChatGPT「记忆」还不太一样。记忆主要来自用户过去主动告诉 ChatGPT 的内容；这些连接器接入的，则是其他应用长期记录下来的真实数据。过去想让 ChatGPT 分析一段聊天，需要截图或者复制聊天记录；想聊最近的消费，自己去把账单找出来；问最近为什么总是很累，也得先交代自己的睡眠和运动情况。接入这些应用以后，模型不再需要你「动嘴」，ChatGPT 能了解到的「你」，也由此开始从对话框里的几句话，慢慢扩展到日常生活留下的各种记录。问题也随之而来：苹果不是一直把不同 App 和数据隔离得很严吗？确实。出于安全与隐私考量，苹果在过去十多年里用沙盒机制（Sandbox）与权限清单（Entitlements）构筑了严密的护城河。一个得到 Health 权限的运动 App，不会因此获得 Messages 的聊天记录；同样，保存几年聊天内容的「信息」App，也没有理由跑去查看你的健康数据。有意思的是，面对这套坚固的沙盒，OpenAI 讨巧地选择了一条颇具极客色彩的「邪修」路径。它利用 macOS 长期存在的高级权限与自动化机制，绕开了传统 App 的边界约束：通过索取「完全磁盘访问权限」（Full Disk Access）直接读取本地的 SQLite 聊天数据库，再借助 AppleScript、Apple Events 与辅助功能（Accessibility）等原生 API 来解析与起草消息。沙盒与底层安全机制并没有失效，但 OpenAI 巧妙地借用系统留给高阶自动化工具的权限缝隙，打破了长久以来心照不宣的产品边界。苹果负责守门，谁来负责编排？把系统服务串联起来这件事，苹果自己其实已经做了很多年。在「快捷指令」时代，串联规则高度依赖人类手动搭建一条严苛而死板的流水线：「读取日历空闲 → 筛选可用时段 → 匹配联系人 → 格式化文本 → 唤起信息发送」。图｜AppleInsider每一步该读取什么、得到结果之后再做什么，基本都由人提前规定。快捷指令负责按照这套规则执行。AI Agent 则直接颠覆了这套逻辑。用户只需要随口说一句：「看我下周什么时候有空，回小王约顿饭。」模型便能自己拆解任务：先去「信息」App 理解邀约语境，从「通讯录」App 判断「小王」是谁，再进入「日历」App 寻找空闲档期，最后把拟好的回复送回「信息」App 等待确认。数据隔间依旧存在，权限也没有消失，但在这些沙盒之上，大模型开始搭起一层新的「语义总线」。这些原本割裂在系统各个角落的数据，正在被拼成一幅越来越完整、鲜活的个体画像。于是，一个新的问题也浮了出来：在未来的操作系统里，究竟谁来负责这层编排？对苹果来说，这个问题现在可能尤其敏感。图｜使用 AI 生成Mark Gurman 今年 5 月就曾报道，双方持续两年的合作关系已经明显转冷，OpenAI 认为与苹果的合作没有带来预期中的收益，当时甚至已经在研究采取法律行动。两个月后，苹果反过来以窃取商业秘密为由正式起诉 OpenAI；OpenAI 随后公开反击，并要求法院驳回诉讼。双方从合作伙伴走到对簿公堂，只用了两年时间。与此同时，苹果也在加快自己的 Siri AI，希望把它更深地嵌进 iPhone、iPad 和 Mac。两家公司现在显然已经不在「蜜月期」。macOS 现有的权限仍然允许 ChatGPT 继续深入这些系统服务，苹果却未必愿意看到 OpenAI 长期占据「理解用户意图、调度系统服务」这个位置。苹果依然牢牢握着最底层的钥匙。什么 App 能访问什么数据、哪些动作需要确认、哪些权限绝不能越界，最终都由系统说了算。但当用户完成授权之后，去理解一句自然语言、判断该调用哪些服务，并把它们组织成一条完整任务链的能力，正在成为 AI 时代新的入口。图｜The Verge苹果花了十几年，把数据和应用放进一个个权限分明的「房间」；如果 Siri AI 能够顺畅读懂意图，并在授权范围内自如调度这些房间，它才最有资格成为系统原生的「总指挥」。否则，守门的虽然还是苹果，但发号施令的指挥权，可能就落在别人家的 AI 手里了。

苹果最近在 AI 上又有了新动作。8 月 20 日，苹果向创作者群发邮件，敲定 Apple Music 的 AI 透明度规则：今年晚些时候，曲目、封面、音乐视频等页面会出现「Made with AI」（由 AI 制作）的可见标签。凡是「AI 被用于创作内容的实质部分」的作品，包括完全由生成式 AI 产出的整轨歌曲，提交时必须主动申报。这不是「建议」，是强制。任何沾上 AI 的作品都绕不开这层申报。这也意味着，苹果正式把 AI 内容的身份问题，从后台管理推到了前台用户面前。所有 AI 音乐，都要打上「标签」其实早在今年 3 月，苹果就下过通牒。当时苹果宣布，Apple Music 将要求创作者对新上架的封面图、曲目、编曲作品和音乐视频披露 AI 使用情况。当时这还只是一纸通知，外界并不清楚披露内容会不会真的出现在用户眼前。在落地的细节上，相较于 「AI 生成」的用户可见，更重要的是苹果明确了「必须打标」的门槛。邮件里声明，只要 AI 被用于创作内容的实质性部分，内容提供方就必须贴上 AI 透明度标签，包括由 AI 平台直接生成的曲目。苹果还把「AI 平台生成内容」定义得非常严格——任何主要由生成式 AI 服务产出的内容，都算。换句话说，哪怕一首歌是人类写的、编的，只要其中有一块实质性的东西是 AI 做出来的，就得如实交代。苹果同时引导创作者查阅官方《音乐风格指南》，获取更细的规则说明。苹果给出的理由是：为听众提供尽可能多的透明度。把这个政策放到整个流媒体行业，苹果并不是一个先驱者。Spotify 最近宣布，默认将 AI 人设（AI Persona）生成的内容排除在编辑推荐和算法推荐之外；Deezer 去年就把纯 AI 生成曲目剔除出推荐流和编辑歌单，上个月还公布了一个标志性数字——纯 AI 生成音乐首次超过了平台每日新增上传量的一半。各家平台都在用不同的方式给 AI 音乐划出边界，只不过苹果选了最「用户可见」的一条路：不隐藏、不降权，直接把标签亮在你脸上。图｜Spotify真正值得玩味的是 Apple Music 负责人 Oliver Schusser 上周在 Billboard 播客上给出的两组数据：每个月上传到 Apple Music 的音乐中，有超过三分之一是纯 AI 生成的；但这些 AI 内容在平台上的播放量，加起来不到 0.5%。机器正在以极高的速度往平台里灌水，而听众几乎没人买账。苹果选择在这个节点把「Made With AI」标签推到前台，也是在提前给内容池立规矩：AI 生产的内容可以存在，但必须在人工内容面前「亮明身份」。AI 写 App，苹果管得更严这也不是苹果的临时起意，是苹果对于生成式 AI 一贯的态度。今年 3 月，The Information 披露，苹果开始阻止包括 Replit、Vibecode 在内的一些 Vibe Coding 应用更新。这些应用的共同特点，是允许普通用户通过自然语言描述需求，然后让 AI 自动生成游戏或者应用程序。随后，事情进一步升级。Anything 因类似问题一度被苹果直接从 App Store 下架。苹果给出的依据并不是一条专门针对 AI 的新规定，而是一条已经存在多年的 App Store Review Guidelines 2.5.2。这项规则要求 App 必须保持相对「自包含」，不能下载、安装或者执行能够改变自身或其他 App 功能的代码。教育类编程 App 存在有限例外，但代码需要向用户完整开放并允许编辑。Vibe Coding 恰好撞上了这条红线。传统 App 在提交 App Store 时，苹果审核的是一个相对确定的软件包。如果一个 App 可以根据用户的一句话实时生成新的代码，并直接在 iPhone 内运行，理论上同一个经过审核的 App，可以在安装之后变成成千上万种不同的软件。这意味着苹果审核过的东西，和最终在手机上运行的东西，可能已经不是同一回事。苹果一面下架第三方 Vibe Coding 工具，一面自己却在 Vibe Coding 上押了重注。今年 2 月推出的 Xcode 26.3，直接让 Claude Agent 和 OpenAI Codex 进了 Xcode，用来搜索文档、查看项目结构、自动迭代构建。一句话，苹果并不反对「AI 帮你写代码」，它反对的是「用户在商店审核之外，通过第三方 App 生成并执行新代码」。图｜Applelnsider所以苹果并没有禁止「AI 写代码」，而是严格限制这个代码必须在苹果原有的安全和审核机制之下运转。看到这，虽然 Apple Music 和 Vibe Coding 看起来是两件完全不同事件，但能看出苹果处理它们的逻辑其实高度一致：把 AI 关进苹果设计的笼子里。AI 可以在苹果的地盘上存在，但必须服从苹果制定的规则——谁创造的内容、由谁创造、如何被看见，都得由苹果说了算。这或许就是一家以用户体验和隐私保护为立身之本的公司，面对 AI 时代给出的最符合自身气质的答案：不是拒绝，不是拥抱，苹果选择的是控制。