跳到正文

技术方向

端侧 AI 最新动态

直接跑在手机、电脑等设备上的 AI：小模型、在本机运行模型的工具与端侧芯片。

4 条精选近 30 天 4 条共收录 5 条

更新

端侧 AI的精选

今天11月12日周四第 1–4 条
  1. V2EX · 推广与福利节点67分

    开源技能 chalkpress-skill：一句话让 AI Agent 把网课视频转成本地讲义 PDF

    作者在 V2EX 分享开源技能 chalkpress-skill，用户给 Agent 一句话指令即可把网课视频转成讲义 PDF，每页一个关键帧加该时间窗字幕，文字层可检索可复制。

    AI 精算点评
    剖析作者开源 chalkpress-skill（Apache-2.0），用户只需给 ChatGPT / Claude Code 等能执行命令的 Agent 发一句话，管线便会自动安装依赖，并用 ffmpeg 做场景检测抓关键帧、用 Whisper 在本地转写、校对字幕（内置软考 241 条术语，如「坚偶校验」→「奇偶校验」）、排成横版 A4 PDF，还可选在首页附上带星级考点的学习笔记。管线本身零 LLM、零 API Key，校对与写笔记全靠 Agent 自身智能，视频不上传云端。暗坑在于：需自备 ffmpeg 与 Whisper 本地环境与算力，转写耗时取决于本机；术语包目前只有软考，其他考试领域需自行 PR JSON。
    风评这是作者本人在 V2EX 推广自荐节点发的自荐帖，并非第三方转载；GitHub 仓库 luolin1024/chalkpress-skill 创建于 2026-11-10，Star、Fork、Issue 均为 0，公开网页检索不到任何使用口碑，属典型新冒头个人项目，暂无套壳或跑路迹象，但也无社区背书。
    比价项目完全免费开源，无订阅与 API 费用，长期成本为零，优于按分钟计费的云端视频转写与讲义 SaaS，以及要求自配 key 的套壳工具；站内同类开源参照 OpenDataLoader（PDF→Markdown，80 分）与 Unlimited-OCR（76 分）均已具备一定体量与基准成绩，而本项目只覆盖「视频→讲义 PDF」这一细分场景，范围窄但痛点精准。
    结论值得零成本试跑的自用工具：先拿一节网课小样验证抽帧与字幕时间窗是否对齐、Whisper 中文识别质量如何，再决定是否批量处理；因仓库极新且仅一人维护，不宜作为唯一备份方案，而本地化处理恰好是它在涉密培训视频场景下的真实优势。
11月10日周二
  1. X (Twitter) 羊毛与Bug价实时监控78分

    开源助手 PocketPal 可在手机本地离线运行 GGUF 模型并集成 Whisper、Kokoro 语音

    开源手机端 AI 助手 PocketPal 可在手机本地直接加载运行 GGUF 模型，无需联网。它同时集成 Whisper 本地语音识别与 Kokoro 离线 TTS，免注册免订阅，飞行模式下也能完整对话。

    AI 精算点评
    剖析原帖核心是免费开源手机端 AI 助手：本机加载 GGUF 模型，集成 Whisper 本地语音识别与 Kokoro 离线 TTS，免注册、免订阅、无需联网，飞行模式可对话。显性门槛是需自行从 Hugging Face 下载模型；隐性限制是手机算力仅适合小模型，可能存在存储、发热、速度与侧载/商店区域问题。未见 AFF 返佣或收费陷阱。
    风评GitHub 仓库核验为 MIT、约 9202 Star、1069 Fork、126 Open Issues，创建于 2024-08-25 且 2026-11-11 仍有推送，维护活跃度尚可；公开网页暂未检出大规模社区口碑，也无跑路、超售、封号等前科证据。属小众但真实开源项目，仍需自行核验应用签名、模型许可与隐私实现。
    比价横向看同品类开源神器站内参照多在 55~80 分：SSHYard 80 分、Claude-Code-Game-Studios 68 分、Craft Anything 65 分。PocketPal 免费、MIT、9.2k Star，且把 GGUF+Whisper+Kokoro 三件套做到手机本地，实用免费价值突出；纵向无历史价格，因完全免费，无折扣溢价，真实成本是手机算力、存储与下载模型时间。
    结论归入「真香好价可锁单」档的免费实用型：值得安装试用，尤其适合离线隐私场景。提醒先用 Qwen 小模型实测流畅度、发热与耗电，核验应用商店来源/签名、GGUF 模型许可证及退款续费规则（本项目无订阅，仍需防第三方套壳收费）。
  2. X (Twitter) 羊毛与Bug价实时监控78分

    DIYgod 开源 Pinky：让 Claude Code 等 MCP Agent 控制 iOS 与 Android 真机

    DIYgod 开源项目 Pinky（Apache-2.0），让 Claude Code、Cursor、Claude Desktop、Codex 等任意 MCP Agent 控制 iOS 17.4+ 与 Android 10~17 手机。

    AI 精算点评
    剖析Apache-2.0 完全开源免费：跨 macOS/Windows/Linux 控制 iOS 17.4+ 与 Android 10~17 真机；原生应用 14MB、内存约 70MB（非 Electron）；一键接入 Claude Code/Cursor/Claude Desktop/Codex 等 MCP Agent；带人类在环风控，付款/下单/发消息/删除自动拦截待确认。无 AFF、无付费墙，门槛只是自备手机与装包；仓库 1767 Star、21 个 open issue，属 11-06 新建的 5 天新项目。
    风评作者 DIYgod 是 RSSHub/APlayer/xLog 作者，个人信誉与技术口碑良好，无跑路或收费割韭菜前科；但项目极新，V2EX/LINUX DO/NodeSeek/Reddit 暂未检出成规模实测口碑。GitHub Issue 已暴露右键退出后进程残留、华为机型搜不到设备、新 iOS 版本适配请求等真实缺陷。注：本帖为开源软件，VPS 情报台数据（vps789 延迟丢包等）不适用。
    比价横向看，Agent 控机同类方案多为闭源云真机按小时计费或企业级设备农场，成本高且数据出域；Pinky 用自备真机零成本、数据本地。站内同类开源 Agent 项目近期得分集中在 42~68 分（dsh-invest-radar 63、Claude-Code-Game-Studios 68、ponytail 42），Pinky 以「真机+安全拦截+轻量原生」差异化，免费即天花板，无历史价格可对比。
    结论归入「真香好价可锁单」：零成本开源，可放心拉下来试用。但项目仅 5 天、issue 未收敛，建议先用备用机/测试机跑通 MCP 链路，别直接绑支付类 App 上主力机；入手前看 README 权限模型与 Release 更新频率，确认 Android 虚拟屏与拦截逻辑是否符合预期。
  3. X (Twitter) 羊毛与Bug价实时监控76分

    Cactus Compute 开源 22MB 端侧视觉模型 Mirage

    Cactus Compute 开源超轻量端侧视觉模型 Mirage，5130 万参数经 2-bit 量化后权重约 22MB，可通过 pip install cactus-compute 安装。在三星 S26 的手机 NPU 上端到端推理约需 74 毫秒，单次前向传播即可完成看图描述、OCR 提取、物体定位、实例抠图与空间结构分析，全程无需联网。

    AI 精算点评
    剖析帖子核心是 Cactus Compute 开源 Mirage：5130 万参数、2-bit 量化后约 22MB，pip install cactus-compute 安装，调用 describe("photo.jpg") 输出结构化结果；单次前向完成看图描述、OCR、物体定位、实例抠图与空间分析，手机 NPU 约 74ms 且离线。无 AFF 与付费门槛，但成绩为团队自测，仅 7 种语言，能力有限，需 Python 环境。
    风评公开网页暂未检出 Cactus Compute 的大规模口碑记录；X 原帖赞 2、转 0、回复 6，传播较弱。V2EX、LINUX DO、NodeSeek、Reddit 未见成熟评测，GitHub 仓库与 pip 包背景待核。非 VPS 类项目，无跑路超售问题，但属新冒头项目，自测基准与真实设备兼容性需社区复现。
    比价项目免费开源，无历史价格与溢价问题。横向对比 SmolVLM、Qwen2-VL、MobileCLIP 等端侧视觉方案，22MB 体量是绝对优势，但精度、语言覆盖与复杂场景能力弱于数百 MB 级模型；纵向无付费折扣可算。站内同品类高分开源项目多在 65~68 分，本项零成本且部署极简，实用价值可略高。
    结论定性为「真香好价可锁单」中的实用免费开源可试：零成本、离线隐私好、部署极简，适合端侧原型与轻量 OCR/描述。上线前需核实 GitHub 仓库、pip 包来源、许可证及三星 S26 外机型实测；勿期待大模型级精度。