工具
nurf-ai/ai · Multimodal Go AI module with realistic cost tracking, not just tokens.
nurf-ai/ai 是一个 Go 语言模块,用于在多家 AI 服务商之间统一构建聊天、流式输出、推理、工具调用、结构化输出、嵌入、语音转文字、文字转语音、音效、音乐生成、实时语音、内容审核、图像生成与编辑、视频生成等能力。其特色是内置按模型计价器,可估算 token、图像、视频秒数、语音字符与音频时长等真实成本,并通过 models.json 集中维护模型费率与上下文窗口。
展开详情收起详情:nurf-ai/ai:跨多家 AI 服务商的多模态 Go 模块,内置真实成本计量⌄
程序员在 Go 项目中通过该模块统一接入多家 AI 服务商的聊天、流式输出、工具调用、结构化输出、嵌入、语音、图像与视频生成等能力,并利用内置按模型计价器估算 token、图像、视频秒数、语音字符与音频时长等真实成本。
产品经理在评估或规划多模态 AI 功能时,参考该模块覆盖的聊天、推理、工具调用、结构化输出、语音转文字、文字转语音、音效、音乐生成、实时语音、内容审核、图像生成与编辑、视频生成等能力清单,以及按模型计价器对 token、图像、视频秒数、语音字符与音频时长的成本估算方式。
★ 1 · 开发框架
原文发布:未知收录:2026-10-16
综合合集
mokuyoaxis/dsh-iris · Media generation and visual understanding for DeepSeek Harness, with multi-provider routing and the integrated Iris workbench.
Iris Media 是面向 DeepSeek Harness 的多模态生产运行时,以 DSH 插件和独立 headless CLI 两种形式提供图像生成、视频生成(文生视频/图生视频/S2V 数字人)、音乐生成、语音合成与音频转写、看图问答、长图 OCR、目标定位、裁剪、像素差异、视频抽帧与多模态摘要等能力。它通过多供应商模型池按“供应商 + 模型”为每项能力分配候选模型,生成作品由共享 Core 以 Task/Artifact 管理,支持异步任务跟踪、重启恢复与作品导出;内置 Iris 工作台用于配置、任务管理和统计,并在对话输入区提供提示词优化入口。项目提供离线诊断 Doctor、随包三项 Agent Skills 以及多份协议与安全文档。
展开详情收起详情:Iris Media for DSH:为 DeepSeek Harness 提供多模态媒体生成与视觉理解的插件与 CLI⌄
程序员在开发工作中通过 DSH 插件或 headless CLI 调用图像生成、视频生成、音乐生成、语音合成与转写、看图问答、长图 OCR、目标定位、裁剪、像素差异、视频抽帧与多模态摘要等能力,并借助随包三项 Agent Skills 指导单步媒体操作、多步骤创作与界面截图验收。
产品经理用于产品界面还原与截图验收:通过 iris-verify-ui Skill 对比当前截图和参考图,定位偏差并给出有证据的结论,区分通过、部分通过、失败和证据不足。
★ 8 · 可直接使用的工具
原文发布:未知收录:2026-10-15
工具
nirholas/vision-mcp · Let any AI agent see — analyze and describe images through the three.ws vision pipeline. Free NVIDIA NIM VLMs first, with an automatic server-side paid backstop. Pass an image URL or base64 and get a structured, natural-language read. Read-only, no key required.
vision-mcp 是一个基于 Model Context Protocol 的服务器,让任意 AI 助手通过 stdio 获得图像理解能力。传入公开 URL 或 base64 图片,即可进行视觉问答、OCR 读图、图像分类、3D/虚拟形象渲染评价,或生成替代文本(alt text)与说明文字。请求由 three.ws 视觉流水线处理,优先使用免费的 NVIDIA NIM 视觉模型,失败时自动回退到服务端付费模型;调用方无需付费也无需提供密钥,接口只读、会按 IP 限流,可选提供 three.ws API Key 提高限额。
展开详情收起详情:vision-mcp:为 AI Agent 提供图像理解能力的 MCP 服务器⌄
程序员通过 MCP 服务器为 AI 编程助手增加图像理解能力,可读取截图中的文字(OCR)、识别场景内容,或评价 3D/虚拟形象渲染效果,辅助排错与技术文档处理。
产品经理借助 AI 助手对图片进行视觉问答、分类,并生成替代文本或说明文字,用于整理原型截图或图像素材的说明。
★ 1 · 可直接使用的工具
原文发布:未知收录:2026-10-12
工具
jaredpalmer/kev · Jev-like family of decision models built on top of Qwen3.5/3.8 you can train and run on your own
Kev 是一组基于 Qwen3.5/3.8 构建的小型决策模型(0.8B、4B、9B、27B),用于在同一请求中回答是/否、单选和评分类问题,并输出经校准的概率分布。项目提供预训练权重与本地训练流程,支持在自己的标注数据上微调、在 CUDA/Apple Silicon 上本地推理,并能通过 Modal 一键部署为 HTTPS 端点;其 API 与 TypeSafe System One 兼容,现有 Python SDK 可直接迁移使用。
展开详情收起详情:Kev:可自行训练与部署的轻量决策模型家族⌄
程序员作为可本地训练和部署的决策模型,用于在代码中通过 API 对文本做是/否、单选和评分判断,例如工单分类、升级判断和情绪评分;也可用 Python SDK 调用本地服务,或微调后部署为 HTTPS 端点。
产品经理用于对用户反馈或工单文本做结构化判断,例如按部门分类、判断是否需要人工升级、评估用户情绪强度,并输出概率分布以支持分流决策。
★ 8318 · 模型
原文发布:未知收录:2026-10-03
综合合集
api-evangelist/minimax-ai · MiniMax — independent third-party profile of a public API surface, by API Evangelist. MiniMax is a Chinese foundation model company offering full-stack multimodal APIs: text generation (M2.7, M2.5, M2.1, M2, M1, Text-01), speech synthesis (Speech 2.8/2.6/2.5), voice cloning, voice design, image generation (Image-01), video generation (Hailuo 2.3),
该仓库由 API Evangelist 维护,是一份针对 MiniMax 公开 API 表面的独立第三方资料汇编,而非 MiniMax 官方 API 本身。内容涵盖文本生成(M2.7、M2.5、M2.1、M2、M1、Text-01)、语音合成(Speech 2.8/2.6/2.5)、声音克隆、音色设计、图像生成(Image-01)、视频生成(Hailuo 2.3)与音乐生成(Music-2.6),并附有 OpenAPI 描述、Postman 集合、定价与速率限制等机器可读资料。仓库本身不含任何软件,仅供了解与查阅该 API 的公开文档与规范。
展开详情收起详情:MiniMax AI:第三方整理的 MiniMax 多模态生成 API 资料档案⌄
程序员查阅 MiniMax 多模态生成 API 的公开文档与规范(OpenAPI 描述、Postman 集合、定价与速率限制等机器可读资料),用于了解文本生成、语音合成、图像生成、视频生成与音乐生成等接口的公开 API 表面,辅助接口对接与集成设计。
产品经理通过该资料汇编了解 MiniMax 公开 API 的多模态能力范围(文本、语音、图像、视频、音乐生成)及定价与速率限制信息,用于评估可集成的 AI 能力与产品方案调研。
★ 2 · 资料合集
原文发布:未知收录:2026-09-24
工具
cactus-compute/needle · Automation foundation model for tiny devices: 2-bit, 8-29 MB, tool calls, structured extraction and embeddings on phones, wearables, smart homes, robots, cars and microcontrollers.
Needle 是 Cactus Compute 推出的面向手机、可穿戴设备、机器人、智能家居、汽车和微控制器的端侧基础模型。整个模型是单个 8-29 MB 的二进制文件,基于 Simple Attention Network,牺牲通用聊天能力,换取在移动端工具调用上超越体积大 10 倍的模型,并在结构化抽取上比肩 2-3 倍大的模型。它支持工具调用、结构化抽取和文本嵌入,逐 token 受字节级语法约束,每次响应附带校准后的置信度分数。项目提供 Python 包、预构建的部署引擎、本地微调工具以及多篇使用指南。
展开详情收起详情:Needle:面向微型设备的端侧自动化基础模型⌄
程序员在移动端或端侧应用中集成工具调用与结构化抽取能力:通过 @needle.tool 装饰器定义函数,模型根据用户输入选择工具并填充参数,agent.run() 执行函数并返回结果;也可声明数据形状从杂乱文本中抽取类型化字段,用于发票、预订、通知、表单等场景。
产品经理评估端侧 AI 能力用于产品规划:该模型面向手机、可穿戴设备、机器人、智能家居、汽车和微控制器,支持工具调用、结构化抽取和文本嵌入,可用于判断在本地设备上实现自动化交互与数据抽取的可行性。
★ 11890 · 模型
原文发布:未知收录:2026-09-21