Cline和DeepSeek V3 搭建好用便宜的AI编程，华为天才少年稚晖君开源百万机器人训练数据，
2024年末感谢大家。Cline助力代码开发；AgiBot提供机器人轨迹数据平台；HuatuoGPT-o1提升医疗推理能力；Open Genmoji重现苹果表情符号功能；AI金融代理项目用于教育而非交易。
每日AI新工具
DeepSeek API下的强大编码助手，逐页分析PDF书籍，智能图语言助手GraphAgent
AI Reads Books 提取出PDF书籍的关键知识点并生成摘要；DeepSeek Engineer 是一款集成DeepSeek API的编码助手应用；GraphAgent是智能图语言助手，优化复杂数据分析与生成任务；OpenEMMA 是开源端到端自主驾驶多模态模型；Orchestra是一个轻量级开源框架用于构建基于大型语言模型的多智能体团队和复杂工作流。
智谱开源CogAgent AI自动屏幕操作，DeepSeek-V3低调但效果好到刷屏，AI个人简历的平台
本文介绍了5款AI模型和技术产品：CogAgent改进视觉语言模型的GUI代理；DeepSeek-V3参数量大的混合专家语言模型；Valley 2.0字节跳动开发的多模态大模型；devb.io简化生成开发者个人简历的过程；Memory Layers提供大规模分布式训练的参考实现。
两个提高图片分辨率工具，抱抱脸开源Smolagents工具，使用多模态把pdf转成md
本文介绍了五个技术项目：Infinity，一种基于位的自回归图像生成模型；InvSR，用于灵活超分辨率的技术方案；PeterCat，为社区维护者和开发者提供的智能答疑机器人解决方案；Smolagents，简化构建和运行智能代理的轻量级库；以及Vision Parse，能够将PDF文档转换为格式化的Markdown内容的工具。
极高人气，开源仅两天便吸引了 15.8K 用户，大模型自动操作手机框架，又一精准为手稿上色工具
本文介绍了五种新技术和工具的应用：Genesis物理模拟平台、ClickClickClick自动化框架、AniDoc动画创作软件、Picotron预训练模型库以及OpenAI Realtime API与Twilio结合的电话助手。
分析和处理视频video-analyzer，微软离散的提示优化框架，通过语音简化博客文章的创作
本文介绍了五个开源项目：video-analyzer用于视频分析；Robo Blogger简化博客文章创作；nano-VectorDB是一个简单的向量数据库实现；Reservoirs Lab是一款可视化高维向量数据的轻量级应用；PromptWizard是一种任务感知提示优化框架。
腾讯ARC发布先进的图像修复与编辑AI工具，Groq Chrome扩展总结网页内容，Gemini 2.0 AI模型进行语音对话
本文介绍了5个AI项目：BrushEdit用于图像修复与编辑；ColorFlow用于自动彩色化黑白图像序列；Gemini Multimodal Playground支持语音对话的Python应用；Groq Summary Chrome Extension提升网页内容总结体验；DreamRunner生成精细叙事视频。
端到端的自主驾驶DiffusionDrive，基于 Ollama 的大语言模型（LLMs）的管理
DiffusionDrive是一种新型截断扩散模型，旨在实现端到端的自主驾驶，其在NAVSIM上的PDMS提升了3.5分，提高了64%多样性，并实现了88.1 PDMS记录和45fps实时运行速度。
DeepSeek-VL2开源MoE 视觉语言模型家族，Gemini英语口语助手，将 PDF 文档转换为互动式思维导图
本文介绍了DeepSeek-VL2、Leffa、小红书笔记生成器、Gemini 英语口语助手和PDF Mind Map Maker等创新技术与应用。它们涵盖多模态视觉-语言模型、可控人物图像生成框架、笔记生成工具及AI英语口语辅助等多个领域，提供高效便捷的功能以提升用户在不同场景下的工作效率和体验质量。
Gemini 2.0刚发布多模态模式马上开源，自动生成模仿X上用户的AI对话机器人，独立艺术生成设备PaperPiAI
文章介绍了5个项目：Gemini Multimodal Live API + Pipecat聊天应用入门套件、MCP Directory Minecraft服务器目录、PaperPiAI基于Raspberry Pi的独立艺术生成系统、Research Rabbit AI驱动网络研究助手以及Reply gAI个性化回复工具。