当前位置：首页 > news >正文

【2025年Q3】AI生产力再探再报：社恐专用写作、动嘴剪视频、AI点外卖？这波AI工具太野了！

news 2025/10/2 7:22:15

前言
2025年8-9月的个人学习笔记。

一、工具尝鲜快报：好玩的，初探感觉不错，但还未十分深入的工具。
二、生产力军火库：好用的，开箱即用的神器，或一些隐藏的技巧。
三、前沿动态回顾：好看的，个人感兴趣的新工具、动态信息，或一些优质资料。

一、工具尝鲜快报

1.Langchain

之前笔者在开发 RAG 应用时体验了 Dify ，感觉用其中预设的模式自由度还不够高，便想尝试一下纯编码方案，Langchain 是个不错的选择，主要尝试了以下十个方面：

1. TextLoader
  用途：在构建知识库或问答系统时，需要将文本数据加载到系统中，对文本文件进行分词、清洗等预处理操作。
  from langchain_community.document_loaders import TextLoader
1. RecursiveCharacterTextSplitter
  用途：将长文档分割成适合模型处理的短文本块。
  from langchain.text_splitter import RecursiveCharacterTextSplitter
1. Document
  用途：表示一个文档对象，包含文本内容和元数据,在知识库中存储和管理文档,在不同的处理步骤之间传递文档数据。
  from langchain.docstore.document import Document
1. Chroma
  用途：使用Chroma作为向量数据库，用于存储和检索向量化的文本。
  from langchain.vectorstores import Chroma
1. GPT4AllEmbeddings
  用途：使用 GPT4All 模型生成文本嵌入，将文本转换为向量表示，以便进行语义分析。
  from langchain.embeddings import GPT4AllEmbeddings
1. Ollama
  用途：使用 Ollama 提供本地 LLM 服务。
  from langchain.llms import Ollama
1. CallbackManager
  用途：管理回调函数，用于处理模型输出和事件，实时监控模型处理进度和状态。
  from langchain.callbacks.manager import CallbackManager
1. StreamingStdOutCallbackHandler
  用途：将模型输出实时流式传输到标准输出，在调试过程中实时查看模型输出。
  from langchain.callbacks.streaming_stdout import StreamingStdOutCallbackHandler
1. RetrievalQA
  用途：构建检索增强的问答系统，在知识库中检索相关信息并生成回答。
  from langchain.chains import RetrievalQA
1. PromptTemplate
  用途：定义和使用提示模板，在不同任务中复用相同的提示模板，提高开发效率。
  from langchain import PromptTemplate

2.CloudBase AI CLI

鹅厂发布的 AI 命令行工具，集成了各家的 AI Code 工具，安装和配置方便，可以自由切换。笔者尝试了一下在 Claude Code 中通过 PlayWright MCP 进行浏览器自动化，还是挺好玩的，有空再单独写一篇。相比 AI IDE 可能在某些场景更便利，还有待进一步试验，最大优势应该还是可以和小程序等生态连接的更紧密且便捷。以下为官方介绍：

CloudBase AI CLI 是一个集成多种主流 AI 编程工具的统一命令行工具，支持内置模型和自定义模型
让你能够通过一个简单的命令使用 CodeBuddy Code、Claude Code、OpenAI Codex、aider、Qwen Code 等 AI 编程助手。同时内置CloudBase AI Toolkit，支持从开发到部署的完整流程，支持在任意环境中运行。

官方文档：https://docs.cloudbase.net/cli-v1/ai/introduce

在这里插入图片描述

3.Vibe Analyzing

笔者瞎编的词，对应 Vibe Coding 的概念。将豆包的产品更新日志解析后，丢给 AI 分析豆包的发展意图，于是得到了有趣的——

总结：豆包正在复刻微信级别的“超级入口 + 数据飞轮”——
第一步，用无限云盘和全场景入口把“个人/企业全量数据”吸进来；
第二步，用多模态生成能力把数据立刻变现为可交付的图文、音视频、代码、网站；
第三步，让生成结果再沉淀为新的训练语料与 RAG 知识，循环增强；
第四步，通过离线本地、隐私保护、企业版授权把最后一块“不敢上云”的市场也吃掉。
最终目标：用户打开电脑前先开豆包，像呼吸一样自然；离开豆包，工作、学习、娱乐都无法运转。

做竞品分析时，可以将不同厂商的产品更新日志都收集起来，既能快速发现其内部战略思想，也能掌握行业方向。
在这里插入图片描述

4.AutoGLM APP

智谱推出的移动端智能体APP，即在手机上装了个可以启动云手机或云PC的虚拟环境，预装了各类常用软件，例如各大外卖、电商APP，手动登录账号后，可通过自然语言命令执行选品、下单等操作，或是在短视频、社区APP中编辑发布内容。

目前来说还是个玩具，执行效率较低，也容易出错，但只用动嘴就能管理生活和工作的贾维斯，终将到来！另外还有阿里的无影AgentBay，也是个云电脑 Agent。

对比维度	AutoGLM APP	无影AgentBay
产品定位	面向个人用户和中小企业用户的智能助理应用	企业级AI助手基础设施平台
核心功能	通过语音或文字指令自主执行复杂任务，如跨应用操作、网页浏览、数据分析等	提供强大的任务执行能力，支持跨系统操作和实时并发任务处理
技术特点	基于GLM系列模型，具备深度学习、自然语言处理和GUI操控能力	融合知识图谱和逻辑推理引擎，具备自进化引擎、自定义快照、安全围栏等新能力
交互方式	主要通过GUI操控，模拟人类在手机和网页上的操作	支持多系统操作，能够调用Windows、Linux、Android等多个系统的软件
应用场景	日常生活和办公场景，如点外卖、订机票、查房源、撰写报告、制作PPT等	企业级应用，如智能运维、数据分析、任务调度等
用户体验	用户只需发出指令，AutoGLM即可在云端执行任务，提供无缝的操作体验	提供高度自主和智能的交互方式，用户可以通过简单的指令实现复杂的操作
优缺点	优点：强大的GUI操控能力，云端执行，不占用本地资源；缺点：对网络依赖较大，处理高度专业化任务时可能需要优化	优点：强大的云端算力支持，多系统操作能力，自进化引擎；缺点：主要面向企业用户，个人用户可能难以充分利用，成本较高

二、生产力军火库

1.社恐专用编辑器

嘛，这个到底算不算生产力呢，如果是在人多的时候不好意思暴露屏幕输入的工作内容，这种场景下就是生产力了！嗯，没错。总之就是再换行后，上一行的输入会逐渐变淡，输入第五行时第一行就看不见啦~
地址：https://write.sonnet.io/
在这里插入图片描述

2.napkin

将文本内容智能转化为 PPT 式图形表达，即文档总结+可视化，像是 AI PPT 的模块拆解版，一次生成一页。想不出 PPT 内容要怎么排版或要换换不同的 AI PPT 口味时可以试试。但注册所用邮箱有限制，最简单的方案是用微软的 outlook 邮箱，无需魔法，比 google 邮箱易操作。
在这里插入图片描述

3.Zread

强化版的 deepwiki ，用来解析一个项目构成，帮助新加入或打算学习项目的技术人员，但是要排队使用。

开源项目深度学习：输入 GitHub 仓库，Zread 会生成包含架构解析、模块说明、设计模式的向导，同时支持多仓库对比、分层解读与 GitHub Trending 项目逻辑拆解。
快速接手历史代码库：自动梳理项目结构、模块依赖，生成系统性文档，帮助开发者快速进入状态，即便面对文学名著一样的高山代码也能快速上手。.
构建团队知识协作系统：提供贡献者图谱、社区评论聚合、交互式批注与问答，支持上传私有项目，构建团队内部的知识库和技术文档体系。

4.Trae / Qcode / CodeBuddy

再次向大家推荐国产的 AI IDE 御三家：字节的 Trae，阿里的 Qcode，腾讯的 CodeBuddy。套不套壳 VS CODE 无所谓，免费、便捷，它不香吗！开启魔法折腾一堆账号去订阅啥啥的还会被封禁，罢了，复刻魔改国外的先进技术？种花家向来不怕落后，只怕卡脖子。它们还不够好，正因如此，才更需要我们去使用和鞭策。没有枪没有炮敌人给我们造的时代已经过去了，快戳 ↓ ↓ ↓

Trae：https://docs.trae.cn/ide/what-is-trae?_lang=zh
Qcode：https://qoder.com/
CodeBuddy：https://copilot.tencent.com/ide/

5.WPS AI 3.0

笔者在 3 月写《关于AI数据分析可行性的初步评估》（点击直达）这篇时就看好 WPS，这半年来它又进步了不少，可喜可贺。

三、前沿动态回顾

（一）国内动态

1.开源狂魔阿里系

通义的上层产品体验开始有所改善，基座模型则是越战越勇，最近又开源了多少好东西真是数不过来了，版本更新太快了。记录几个笔者个人感兴趣的。

Qwen 3：全模态的 Omni，万亿参数的 Max，Instruct 与 Thinking 双版本的视觉模型 VL，升级版的 Coder-Plus，安全审核用的 Guard。
Qwen-Image：图像编辑又出黑马，动嘴 P 图有了更多的选择。
Wan2.5：9月发布的多模态生成模型，支持文生视频、图生视频、文生图和图像编辑四大功能，核心突破在于首次实现原生音画同步。
Neovate Code：支付宝体验技术部开源的智能编程助手，目前 CLI 工具形态提供，未来还将支持 IDE 扩展、Web 应用、原生应用等。
FluidMarkdown：支付宝开源的移动端流式 Markdown 渲染引擎，基于 CommonMark 规范实现，覆盖标题、列表、表格、代码块、数学公式、超链接、图片等完整语法，并支持部分 HTML 标签扩展。
Nexus-Gen：ModelScope 团队开发的多模态图像处理模型，结合大语言模型的语言推理能力和扩散模型的图像合成能力，支持图像理解、生成与编辑任务。

2.不甘示弱字节系

Seed LiveInterpret 2.0：端到端同声传译模型，延迟最低至2秒，可在多人会议里实现中英互译，并支持零样本声音复刻。
即梦图片4 （Seedream 4.0）：之前经常用豆包生图，比通义万相好用，现在两家双双更新，还得好好玩一玩。

3.少不了的腾讯系

HunyuanWorld：腾讯开源的 3D 场景生成模型，支持文生/图生 3D，在连贯性和可交互性上表现不错，堪称世界生成器。

4.来太晚啦百度系

Qianfan-VL：百度开源的视觉理解模型，覆盖 3B、8B 和 70B 三个规模版本，均在自研昆仑芯 P800 芯片集群上完成训练，定位于图文理解、OCR 识别及教育场景优化。

5.随一根吧京东系

京东大模型品牌 JoyAI

推出三大用户端产品：智能购物应用「京犀」，提供个性化推荐与全场景生活服务；数字人交互应用「他她它 App」，支持情感交互与 AI 社交圈；JoyInside 2.0 平台，为机器人、AI 玩具等硬件提供「大脑」。
三大 AI 深度应用平台：京东数字人平台 4.0，高效推理，直播成本远低于真人主播；JoyAgent 3.0，集成多模态 RAG 与 DataAgent，成为企业「智能决策中枢」；JoyCode 2.0，智能编码助手。

6.异军突起小红书

dots.vlm1：小红书开源的多模态大模型，啊这，啊，好，那么下一个该到拼多多了吧。

7.冒泡了昆仑万维

Matrix-Game2.0：昆仑万维（它家的大模型就是天工 Skywork 啦，之前也发布了通用智能体）发布的交互式世界模型升级版本，主要在通用场景下实现实时长序列交互生成，并成为业内首个在通用场景开源的实时长序列交互式生成模型。

（二）国外动态

1.Google

Gemma3 270M：超小规模却表现不俗，适合 AI 应用构建的快速验证或低成本微调使用。
nano-banana：大香蕉~ 大香蕉 ~
Genie 3：谷歌首个支持“实时交互”的世界模型，可以通过方向键在生成的视频里全景游玩，和腾讯的 3D 世界不同，是“实时”的视觉平面。

2.OpenAI

GPT-oss：CloseAI 终于开源了，自 2019 年的 GPT-2 后时隔五年，体验下来中规中矩吧。
Sora2：真丶世界模型降临，爬回跌落的王座？

3.其他

MCP

Windows MCP：轻量级、开源的Python项目，旨在让大型语言模型能够像人类一样与Windows操作系统进行原生交互。
Office-PowerPoint-MCP-Server：一个基于 Python 的服务器，允许 AI 模型通过自然语言指令操作 PowerPoint 和 Excel 等 Office 应用。

视频生成 or 编辑

Aleph：Runway 推出的 AI 视频生成和编辑模型，它并非传统意义上的文生视频工具，而是专注于对现有视频素材进行深度、连贯的编辑，动嘴 P 图后又可以动嘴剪辑啦。
Lucy Edit：任凭你强，必有开源平替，基于 Wan2.2 5B 架构的开源视频编辑模型。
Ray3：Luma AI 推出的支持 HDR 与推理能力的视频生成模型。

视觉识别

DINOv3：Meta AI 推出的通用视觉基础模型，通过大规模自监督学习进行训练，无需依赖海量标注数据即可学习到丰富的图像表示能力。
LFM2-VL：Liquid AI 推出的新一代视觉-语言基础模型系列，专为智能手机、笔记本电脑、可穿戴设备和嵌入式系统等终端设备设计，具备高效部署、低延迟和高精度等特点。

妙妙屋

Cluely AI：一个设计用来帮你在线上面试时作弊的 AI，地址 https://cluely.com
Beatcluely：五步之内必有解药，生成虚假技术问题帮你防止别人面试作弊的工具，地址 https://beatcluely.com
LMArena：社区驱动的大语言模型竞技场，用户会同时看到两个匿名模型对同一问题的回答，并投票选出更好的一个。在谷歌大香蕉正式发布之前，大伙儿都会到这里来抽卡体验。
AI伴侣 EVE：提供超越传统聊天机器人的深度情感连接和长期陪伴，打造“超级对齐”的灵魂伴侣，集成了3D角色、剧情互动、游戏化玩法以及先进的AI对话与记忆系统。
OpenCUA：一个在操作系统通用智能体（Generalist Agent）领域表现出色的模型。规模从30亿到320亿参数不等，在OSWorld-Verified 等基准测试中，其性能超越了 GPT-4o 等顶级模型，展现了强大的泛化能力。

（三）趣文推荐

同样的示例，放在prompt的不同位置，竟会导致模型答案天差地别！
https://mp.weixin.qq.com/s/BZsI1oeYvs-hHm58WMlyYQ
应该怎么跟人解释Vibe Coder这个标签？
https://mp.weixin.qq.com/s/aMqyH-aZ3AACgi7umQpa0A?click_id=16
真开眼了！利用招聘来盗取加密货币？
https://mp.weixin.qq.com/s/qJ5lLTQING_JfiK4Zi93UA
AI 的「成本」，正在把所有人都拖下水
https://mp.weixin.qq.com/s/KQCtSove8NOT36TLWFQDcg