# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
是孩子该看的东西。
「这是我的新项目，10 块 GPU，价值两万美元。」
全球最大的游戏主播，居然开始转型搞 AI 了，没过半天就获得了 100 万播放量。
上周末，PewDiePie 久违地发布了新视频，出乎人们预料的是，内容是在教你训练 AI 大模型。
在这个题为《STOP. Using AI Right now》（停。现在使用 AI）的新视频中，他解释了自己如何从零开始，通过添加搜索、记忆、RAG 和音频输出等功能，创建出个人专属的 ChatGPT 风格用户界面。
他还自己组装了一套硬件系统，共计 10 块英伟达 GPU，使用参数量从 700 亿到 2450 亿不等的大型语言模型，所有这一切都通过 vLLM 运行，而无需依赖云计算。下面是 PewDiePie 成功运行了 Qwen-235B 后的画面。
PewDiePie 原名 Felix Arvid Ulf Kjellberg，1989 年出生在瑞典，现在居住在日本东京。作为一个资深 Youtuber，他以拍摄具有喜剧风格的游戏视频而闻名，很长一段时间都是全网视频总观看次数最多、粉丝最多的作者。曾凭借 《我的世界 (Minecraft)》游戏视频而打破视频观看次数记录。他目前的订阅者数量超过 1.1 亿人，堪称游戏文化的代名词。
根据 vidiq 的统计，PewDiePie 目前是 YouTube 上排名第 12 的大播主。
他也是目前游戏方向的头号 up 主。
在最新的视频中，PewDiePie 成功构建了一个定制的、自我托管的 AI 界面。该 UI 完全运行在他自己的 PC 上，由一个 10 GPU 配置驱动，并配备了一个能真正「投票」选出最佳回复的聊天机器人团队。
视频中，他开玩笑称自己为了装下更多 GPU 而「分叉」(bifurcating) 了 PCIe 通道，并通过 vLLM 框架试验了 70B、120B 乃至 Qwen 235B 的大模型。这位知名 YouTuber 表示，他想「榨干」(max out) 自己的电脑配置，最终实现的本地 AI 运行速度足以媲美主流的商业工具，并且全程无需向云端发送任何数据。
值得注意的是，PewDiePie 的很多工作流程都是 vibe coding。X 博主 @scaling01 总结说：PewDiePie 全凭感觉「vibe-coding」出一个聊天 UI，并打造了一支配备了 RAG、DeepResearch 和音频输出功能的「机器人军队」。
PewDiePie 表示，他使用该系统组建了一个「委员会」，每个 AI 智能体都会在其中进行辩论并投票选出最佳答案 —— 直到最后它们开始「串通一气」来对付他。
具体来说，他使用 8 个配置了不同提示词（因此性格不同）的同一模型（gpt-oss-20b）组成了一个委员会。当 PewDiePie 提问时，每个模型都会给出一个答案，然后它们又会对答案进行投票，从中选出最好的答案。
之后，他更进一步进行设置：如果某模型的答案不好，那么这个模型将被踢出该委员会。「SQL 数据库全永久清空！」
这时候，有趣的来了。当 PewDiePie 检查这些 AI 模型的思考日志时，他发现有些 AI 想的是：「这是什么人想出来的变态（sick）游戏？」更搞笑的是，这个委员会来联合起来对付他：「它们开始有策略地投票，来互相帮助。」
至于成本，他分享说这一套下来的成本为 2 万美元。他还吐槽了一下 AI 计算硬件的高昂成本。
随后，他又测试了一个由 64 个 bot 组成的集群 (swarm)，其中每一个 bot 都是一个 qwen2.5-3b-instruct-awq。不过这一次他承认自己的 Web UI 成了短板，无法处理这种配置。
尽管如此，他还是强调，这些模型虽小（甚至可以在手机上运行），但只要配置合适（比如搭配搜索和 RAG），依然可以非常有效地用于数据收集和整理等任务。
他还表示，计划下个月开始微调 (fine-tune) 自己的专属模型。
视频中，他还给出了一个有趣而观点：AI 生成的图像毫无灵魂、丑陋不堪，而且无处不在；但那些盲目憎恨一切 AI 相关事物的人同样令人厌烦。
在 AI 实验之外，PewDiePie 在这个视频中还透露，他正以「Team Pewds」(ID: 1066966) 的名义，向 Folding@home 项目捐赠自己空闲的 GPU 算力，以支持疾病研究。
事实上，这还不是他第一次发布有关构建 AI 方面的视频，2 个月前，他就分享了用英伟达 GPU 构建「超级计算机」的故事。博主 @Yampeleg 对他给予了高度评价，称他可以给大量孩童带来积极的影响。
毕竟很多人是看着 PewDieDie 的视频长大的，以前他在教你打游戏，现在他在教你搞 AI。
这个项目标志着 PewDiePie 向「科技驱动型」内容创作的又一次转型。它融合了幽默感、开源精神的「折腾」(tinkering) 以及对 AI 未来走向的纯粹好奇心。
他真的吸引了不少人对于 AI 的兴趣。在 PewDiePie 的最新视频下，很多网友就表示，虽然看不懂他在干些什么，但感觉真的很有意思。
也有很多老粉丝表示，看到他从游戏转型到 AI，仿佛看到了自己的成长。
AI 时代来了，是时候组装电脑，写代码了？
参考链接：
https://www.youtube.com/watch?v=qw4fDU18RcU
https://www.dexerto.com/entertainment/pewdiepie-builds-his-own-ai-chat-ui-with-a-council-of-bots-that-vote-on-answers-3278189/
https://x.com/Yampeleg/status/1984586556472983611
https://x.com/ShitpostRock/status/1984888205229879358
文章来自于“机器之心”，作者“Panda、泽南”。
【开源免费】Browser-use 是一个用户AI代理直接可以控制浏览器的工具。它能够让AI 自动执行浏览器中的各种任务，如比较价格、添加购物车、回复各种社交媒体等。
项目地址：https://github.com/browser-use/browser-use
【开源免费】字节工作流产品扣子两大核心业务：Coze Studio（扣子开发平台）和 Coze Loop（扣子罗盘）全面开源，而且采用的是 Apache 2.0 许可证，支持商用！
项目地址：https://github.com/coze-dev/coze-studio
【开源免费】n8n是一个可以自定义工作流的AI项目，它提供了200个工作节点来帮助用户实现工作流的编排。
项目地址：https://github.com/n8n-io/n8n
在线使用：https://n8n.io/（付费）
【开源免费】DB-GPT是一个AI原生数据应用开发框架，它提供开发多模型管理（SMMF）、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL（智能体工作流编排）等多种技术能力，让围绕数据库构建大模型应用更简单、更方便。
项目地址：https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file
【开源免费】VectorVein是一个不需要任何编程基础，任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤，并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。
项目地址：https://github.com/AndersonBY/vector-vein?tab=readme-ov-file
在线使用：https://vectorvein.ai/（付费）
【开源免费】AutoGPT是一个允许用户创建和运行智能体的（AI Agents）项目。用户创建的智能体能够自动执行各种任务，从而让AI有步骤的去解决实际问题。
项目地址：https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目，只需要输入一句话的老板需求，MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色，包括产品经理 / 架构师 / 项目经理 / 工程师，MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址：https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】graphrag是微软推出的RAG项目，与传统的通过 RAG 方法使用向量相似性作为搜索技术不同，GraphRAG是使用知识图谱在推理复杂信息时大幅提高问答性能。
项目地址：https://github.com/microsoft/graphrag
【开源免费】Dify是最早一批实现RAG，Agent，模型管理等一站式AI开发的工具平台，并且项目方一直持续维护。其中在任务编排方面相对领先对手，可以帮助研发实现像字节扣子那样的功能。
项目地址：https://github.com/langgenius/dify
【开源免费】RAGFlow是和Dify类似的开源项目，该项目在大文件解析方面做的更出色，拓展编排方面相对弱一些。
项目地址：https://github.com/infiniflow/ragflow/tree/main
【开源免费】phidata是一个可以实现将数据转化成向量存储，并通过AI实现RAG功能的项目
项目地址：https://github.com/phidatahq/phidata
【开源免费】TaskingAI 是一个提供RAG，Agent，大模型管理等AI项目开发的工具平台，比LangChain更强大的中间件AI平台工具。
项目地址：https://github.com/TaskingAI/TaskingAI
【开源免费】XTuner 是一个高效、灵活、全能的轻量化大模型微调工具库。它帮助开发者提供一个简单易用的平台，可以对大语言模型（LLM）和多模态图文模型（VLM）进行预训练和轻量级微调。XTuner 支持多种微调算法，如 QLoRA、LoRA 和全量参数微调。
项目地址：https://github.com/InternLM/xtuner
【开源免费】LangGPT 是一个通过结构化和模板化的方法，编写高质量的AI提示词的开源项目。它可以让任何非专业的用户轻松创建高水平的提示词，进而高质量的帮助用户通过AI解决问题。
项目地址：https://github.com/langgptai/LangGPT/blob/main/README_zh.md
在线使用：https://kimi.moonshot.cn/kimiplus/conpg00t7lagbbsfqkq0
