12月,我们推荐这 7 款 AI 新品

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
12月,我们推荐这 7 款 AI 新品
5216点击    2025-12-18 16:21

前不久,在极客公园创新大会上,我们给 7 款 AI 产品策划了一个特别的「线下发布会」。


这 7 款 AI 产品有一个共同特点,绝对的「新」。在近一个月内,有刚刚发布的 AI 硬件新产品;有进行了大版本更新,上新了 AI 功能的笔记产品;还有在大会上首次对外发布的 GEO 产品。


我们把这几款新产品的创始人聚集在一起,聊了聊他们在 AI 时代想做个什么样的产品,以及对行业内快速变化的一手观察及思考。


  • flomo 联创少楠:flomo 是个笔记产品,但从来不做任何 AI 润色、生成内容的功能,且未来也不会做;


  • Doka 相机创始人 Finch:拍照主权交还给用户,Doka 虽然做的是 AI 构图,但 AI 的角色永远只是辅助;


  • remio 创始人汪源:把「上下文」这件事情做到极致。remio 更像是 Personal ChatGPT,一个非常懂你业务、懂你工作内容的 AI Partner;


  • Pallas AI 联创明皓:重新做一次针对「AI」的营销,让品牌从「等着被搜到」变成「被主动推荐」,这事特别重要;


  • MuleRun CTO 束骏亮:人类社会最强大的动力是「搞钱」。只有一个 Agent 商品化以后,它才有价值;


  • OdyssLife 创始人潘宇扬:吃饭这件最重要的事一直在被我们遗忘,Odyss N1 希望能重新定义我们和食物、和世界的关系;


  • LavieAI 联创张博涵:AI 让创意的门槛更低,但对审美和想法的要求更高了;


这些产品均来自于 Founder Park 的产品市集,自今年 4 月起,Founder Park 的「AI 产品市集」面向行业推荐了超过 150 款 AI 产品,聚集了包括产品人、开发者、创始人、投资人在内的超过 17000 位 AI 行业从业者。


如果你的产品也希望被更多人看到、希望收集到更多反馈,欢迎提交产品:


https://geek.feishu.cn/share/base/form/shrcnVYrbvU6tXjk6MKoag5e0Eg


01 

flomo:

事实 + 不同视角 = 更好的解释


flomo 从来不做任何 AI 润色、生成内容的功能,且未来也不会做。用户记录在 flomo 中的焦虑、困惑和高兴,这些「上下文」是独属于用户自己的经历和思考。flomo 要做的,是基于这些「上下文」,帮助用户发现不同的视角与理解。


AI 笔记产品 flomo 最近更新了 5.0 版本,将「AI 洞察」功能升级为「多视角洞察」,用户可以通过选择 CBT 疗法、逆向思考等不同洞察视角来解读自己的笔记,来重新认识自己。


在 AI 产品快闪活动现场,flomo 的联合创始人少楠分享了他对于笔记记录、AI 新功能背后的思考。


产品:https://flomoapp.com/


你的经历和思考,才是真正的「上下文」。


如果我们的笔记里充斥了大量生成、润色、摘录的东西,那 AI 洞察出来的是什么?


想象一下,今天我记了一条「我的老板又怎么我了」,然后被润色成了「今天我跟老板讨论完,产生了争执」;某天深夜,你觉得「这班我不想上了,太难受了」,被润色之后说「某一夜我的情绪有所波动,在思考职业的未来」。


用户记录在 flomo 中的焦虑、困惑和高兴,这些是独属于用户自己的经历和思考。而 Flomo要做的,是基于这些「上下文」,帮助用户发现不同的视角与理解。在这个时代,最稀缺的是「个人上下文」。


大多数时候,我们其实不知道自己「不知道什么」。


我们做的一件非常古典的事情:把道理变成工具。我们把这些年对我有启发的思考方式,比如矛盾论、逆向思考、二阶思考,把这些思维方法,甚至把提出这些思维方式的人提前内置在了产品里。


12月,我们推荐这 7 款 AI 新品


其实大多数时候,我们并不知道自己「不知道什么」。讲一个我自己的案例,我去年有了孩子,一边是照顾孩子的筋疲力尽和家庭矛盾,另一边是 AI 的冲击让我特别焦虑,担心我们这种古典产品经理要被淘汰了。当时的想法是顶住,扛住所有责任。那个时候,我试着在 flomo 里点了一下「逆向思考」。AI 借用芒格的视角告诉我:「想知道怎么失败吗?很简单,把自己往死里卷,等你崩溃了,你的家庭和团队也就都崩溃了。」其实那本书我都不知道翻了多少遍了,但直到那一刻,这句话才真正点醒了我,我所谓的「付出」,其实是一种过度的自我牺牲,我根本没照顾好自己。


所以,面对同样的事实,当你拥有不同的视角来解释时,意义也会呈现出不同的面向。


事实 + 不同的视角 = 更好的解释


事实 + 不同的视角 = 更好的解释。我的事实没有变,还是那些情绪化的、不堪的、压力的、思考的东西,加上芒格的视角、认知行为疗法的视角,就得到了一个更好的解释。


flomo 这个洞察功能,看起来也很简单,听起来就是一堆 prompt 加在一起,但这可能是我们对于持续不断记录人的一个答案。


我认为 AI 不仅是一种像引擎一样的效率工具,让我们更快达到目的;更希望 AI 是一种透镜,就像哈勃望远镜那样,去看到不曾经看到的世界。因此,我们也希望 AI 洞察,能帮你看到一个不一样的自己。


这也是我们在做 flomo 这件事的意义,「持续不断记录,意义自然浮现。」


02

Doka 相机:

把拍照主动权交还给用户,AI 只是辅助


Doka 是一款 AI 相机,通过 AI 实时构图和 AR 引导线等功能,让用户通过简单的引导、调整,随手拍出构图平衡、色彩恰到好处的照片。


Doka 最近登顶了台湾地区摄影分类榜单第一名,在零投放成本的情况下,获取到了数万的用户。目前,APP 已在 iOS 端上线,安卓端正在公测中。


Doka 相机创始人 Finch 分享了 Doka 的产品理念,以及在创业过程中的策略调整的思考。


产品下载:iOS 端搜索「Doka 相机」,安卓端公测小红书搜索「Doka 相机」。


有 93% 的用户对于拍照知识、所谓的参数一点兴趣都没有。市面上,其实缺乏一种能屏蔽这些专业摄影技能,让用户简单跟着拍,就能拍出好照片的产品。


一次重要的 pivot


在 Doka 相机之前,我们是最早做「机位灵感跟拍地图」这类产品的公司。当时产品首次上线时,用户转化非常好,但后来我们放弃了这条路线。


它有两个致命性的问题。


首先,是需求低频,用户高频拍照的场景更多是在日常:小区的楼下花开了,下班的时候秋叶很漂亮。这个日常的精彩时刻,用户是没有模板可以参考的。


其次,我们发现接近 80% 的用户对于模仿同款照片其实是非常排斥的。大多数用户虽然想拍出好看的照片,但并不想 1:1 地去模仿别人。


所以,现在 Doka 相机的解决方案是:在相机中内置一个 AI 摄影师,用 AI 帮助用户在任意地点去构图。


只需要打开手机,对着你想要拍的画面点击「扫一扫」,AI 就会帮你分析,同时产出一个 AR 的引导线。你只需要跟随这个 AR 引导线调整你手机的方向角度,当角度合适的时候,它就会自动调整焦段等镜头参数、自动匹配最合适的色彩风格。


拍照主权交还给用户


Doka 虽然做的是 AI 构图,但 AI 的角色永远只是辅助。


我们有两种技术路线可以选择:第一种就是我们当前的路线,让用户自行选择我要拍的方向和主体;第二种是,拿起相机环视一周,让 AI 告诉我哪个方向更美、更好看。听起来,第二种似乎更 make sense,但因为每个人的审美和 taste 是不一样的,每个人想要拍的点也是不一样的。我们不强迫用户的审美,而是要让大家自行决定想拍什么。


AIGC 再怎么发展,AI 生图再怎么优秀,也永远替代不了摄影的价值,因为摄影的本质是记录真实的美好瞬间。也就是说,修得好、生成得好,不如拍得好。


做一款简单纯粹的相机产品


Doka 的设计理念是:一款简单纯粹的相机产品,而不是拍照社区。


市面上有超过六成的相机类产品,首页都长得像左边这张图一样。而 Doka 在立项之初,设计的原则就是一定要给大家提供一个简约、有质感、纯粹的相机,去保障大家有一个非常畅快的拍照体验,而不是充斥着臃肿的信息流。


12月,我们推荐这 7 款 AI 新品


Doka 相机希望通过 AI 构图辅助帮助大家放下对拍照技术的顾虑,更加热爱、更加频繁地去拍照,去记录你生活中那些美好的瞬间。


03

remio:

做一个 Personal ChatGPT,把「上下文」用到极致


remio 是一款个人办公助手产品,能够通过一键同步本地文档、无感捕获网页浏览等方式,智能的收集上下文,帮助用户快速整理周报、回溯任意话题。


为什么我们更需要一款 Personal ChatGPT?remio 创始人汪源分享了产品的核心理念,以及对于个人化 AI 和上下文工程的思考。


官网:https://www.remio.ai/


今天我们在用 ChatGPT 这些 AI 产品时,很多时候的体验是:我们变成了需要不断地在各个渠道查找找资料然后提供给 AI 的『数据管理员』。到底是 AI 在给我们打工,还是我们在给 AI 打工?


为什么会出现这种情况?核心是,AI 缺少关于你工作的上下文。


所以,remio 要做的是一个 Personal ChatGPT,采用 Auto-Save 的方式来构建完整的数字记忆,让它成为一个非常懂你的业务、懂你的工作内容的 AI Partner。


为什么超级智能搞不定我的周报?


我先分享一个来自我们身边的真实案例。我们的一位同事让 AI 帮助整理一个周工作小结汇报,结果 AI 的回答非常简单:「你这周主要就是将用户的案例汇总成一个表格。」为什么?因为它能「看到」的上下文,仅限于用户在那一周里用它处理过的任务。


同样的任务,又交给了 remio 处理,结果完全不同。remio 能够清晰地梳理出他本周所有的工作细节:访谈了三位用户、整理了案例集、更新了官网内容、分析并优化了投放数据等等。不是因为 remio 使用的 AI 更聪明,因为它最终调用的也还是 GPT、Gemini 或者 DeepSeek 等一系列主流的大模型,是因为我们把「上下文」这件事情做到了极致。


把「上下文」这件事情做到极致


在 AI 时代,程序员这个群体是相对比较幸福的,以我自己为例,95% 以上的代码都是 AI 来帮我写的,我只要管理好它写代码的需求、架构设计这些方面,具体的编码工作已经很少去做了。


在 ChatGPT 刚出现的时候,程序员使用 AI 的方式主要是「搬运」:把代码片段或报错信息,从自己的开发环境(IDE)复制粘贴到 ChatGPT 中,然后再把 AI 的回答粘贴回来。但现在,编程 AI 能做到给它一个任务,花十几分钟就能独立完成一个复杂功能。为什么?AI Agent 获得了访问整个代码仓库的权限。


但是同样的环境,我们在其他的工作场合是没有的。我们没有一个完整的资料库,能够让 AI 随时都可以用。所以 remio 核心就是要做好这样的一个资料库,然后再对接上全世界最优秀的 AI 和 Agent,使得它成为我们真正的一个工作助理。


12月,我们推荐这 7 款 AI 新品


解决两个核心技术难题


上下文工程是我们智能软件的核心技术。怎么做好?我认为最主要是做好两件事情:一是我们要有能力去全面地获取上下文,而且在这个过程中不需要人付出太多的劳动;二是我们能够面向特定的任务,妥善地组织好上下文,让 AI 能够拿到高质量的上下文。


针对第一件事,remio 推出了一个「全面无感记录」的浏览器插件,能够将我们每天浏览过的成百上千个网页,在线文档、视频等内容,以一种结构化的方式保存下来。


同时,我们还做了非常受用户欢迎的是本地文件的实时解析功能。remio 会实时监测用户本地文件的变化,同时行业最优秀的文档解析工作流,能进行复杂的版面分析和内容识别,将各种格式的文档转化为 AI 可理解的数据。


更重要的是,我们基于现在的 AI,PC 和苹果电脑的 NPU 算力做了深度优化,性能比许多开源的同类技术提高了 10 倍。


仅仅把所有信息收集起来是远远不够的,这会形成一个杂乱无章的「数据垃圾场」。第二件事是,高效地管理好上下文。remio 采用了本地优先的向量库进行检索,能够确保响应速度和数据隐私。同时,面向特定的任务,remio 采取了以「全」为主、兼顾「准」的上下文组织方式。通过很多种不同的召回、扩展、过滤策略,在上下文超过模型窗口时,通过各方面权重来精细化地组织上下文,对信息进行排序和筛选,确保最核心、最关键的信息被优先提交。


这也是 remio 的核心优势。当很多 Agent 风格的产品还在通过反复试错来寻找答案时,remio 总是一次性地就把问题回答对了。


04

Pallas AI:


Pallas AI 是一款基于 GEO,帮助企业解决 AI 营销问题的 Agentic 产品。


为什么对 AI 营销这件事,在今天变得这么重要?Pallas AI 联合创始人明皓分享了他们对于 AEO 的理解和解题思路,同时开放了产品体验申请。


申请试用:https://docs.qq.com/form/page/DRkxodERDUnFUU2FP


目前,ChatGPT 每天影响的交易额在 20 亿人民币以上。41.2% 的对话里,AI 会主动提到特定的品牌名称;33.8% 的对话中,会出现一次自发的产品推荐。


因此,重新做一次针对「AI」的营销,让品牌从「等着被搜到」变成「被主动推荐」,这事变得更加重要。


12月,我们推荐这 7 款 AI 新品


AI 应该是一个关于平权的故事


我们应该重新做一次营销,这次营销不是对人的,而是对 AI 的。


怎么做?其实是一个循环:分析、策略、内容、监测、优化和迭代。步骤很简单,但循环其实很难。因为在北美,这是一个完整的作战单元,你需要掌握一定的 AEO 知识,把收集到的数据变成一个数据库,然后通过专业的 Know-how 把它变成可执行的策略、知识架构和迭代优化的归因等等。


在北美,请一个专家团队的起步价是每月 4000 美金,这还只是起步价。


我们始终觉得,AI 应该是关于平权的故事。Cursor 能为代码平权;Lovart 能为设计平权;Vast 能为 3D 平权。但是回到最重要的、决定企业生死的流量端,反而成了一个大企业的游戏、大预算的游戏。这不合理。


所以,我们推出了 Pallas,一个交互极其简单、能换来真实增长、属于你自己的 AEO 营销专家团队。


Pallas AI 是一个属于每个人的 AEO 专家团队


我们几乎把所有的 Know-how、数据分析、工具和工作流全部压在了 Pallas 上。


更具象地讲,Pallas AI 就像是一个 AEO 专家团队,会对客户和其竞品的全域情况进行追踪。通过简单的对话框交互,Pallas 会帮你分析你是谁,你的对手是谁,你的客户在关心什么?对应的,Agent 会进行 2000 次以上的关键词研究,100 篇文章以上的研究,以及 30 轮次以上的思考。


然后,生成一个「营销地图」。这个地图用一条非常清晰的逻辑链,直观地展示「用户是谁」、「用户在什么场景下会关注你」以及「他们为什么会关注你」,以及我们为什么要执行某个策略、会带来什么样的结果、如何执行。


同时,Pallas AI 推出了一个「东半球最全面」的数据分析与可视化面板,能同时监控所有主流 AI 平台,实时看到品牌在这些平台上的具体表现,包括可见性、排名、权重、用户好感度等等。同时,监控竞品的表现,追溯每个具体问题下的每个 AI 回答,能清楚地知道哪里做得好,以及哪里需要优化。


12月,我们推荐这 7 款 AI 新品


最后,是一个全内容生产平台。根据所有 AI 平台的规则,批量生成需要优化的内容并对应评分。此外,Pallas AI 还内置了一个独特的「AI 警察局」机制,能主动去验证生成的内容是否存在 AI 幻觉或不实信息。


在这几个环节的紧密配合下,Pallas AI 围绕策略生成、内容生成、优化方案迭代,能够持续学习所有数据监控的归因和归类,形成一个专业的营销团队,为企业带来真实、有效、且强劲的业务增长。


05

MuleRun:

Agent 只有实现商品化后,才有价值


MuleRun 是一个 AI Agent 的 Marketplace,聚合了大量不同类型的专业 AI Agent,让普通人直接调度一支由 AI 专家组成的团队,提高生产力。


MuleRun 平台在上线一个月后,达到了 50 万注册用户数。


MuleRun CTO 束骏亮分享了为什么要做一款 Agent Marketplace 产品,以及在产品构建过程中的实际思考。


产品:https://mulerun.com/


随着 AI 技术的发展,做一个 Agent 这事已经不难了。但怎么能够让你的 Agent 商品化、市场化,交到全世界每一个用户的手上?还是一个很困难的问题。


人类社会最强大的动力就是「搞钱」。所以,我们想到的方案是,要允许开发者把他的知识做成 Agent 后,去实现变现。我们决定在今年下半年,做一个由市场经济驱动的 AI Agent 的市场。


定位:覆盖 AI 领域中的中长尾需求


我们希望 MuleRun 成为一个能够覆盖 AI 领域中长尾需求的市场。不一定要去解决一些特别头部的问题,比如 AI coding,我们大概率也不会推荐在我们的平台上去制作这样的 Agent。当 AI Agent 已经能够发展到解决很多现实问题的时候,它一定有非常多的中长尾需求要去解决,这也是我们对于 MuleRun 平台的定位。


Agent 只有实现商品化以后,才具备价值


接下来,我们思考怎么把这件事情做成?平台创作者的动力来自哪里?还是搞钱。我们需要有一个非常好的 Agent 生态,能够让创作者把自己的知识变现。换句话说,只有一个 Agent 商品化以后,它才具备价值。


所以,我们在做的 MuleRun 是一个串联开发者、用户以及平台的三方平台。平台上的所有 Agent 以金钱为纽带相互联系、流动。


首先,MuleRun 是一个框架和模型中立的平台。你可以用任何一个框架、任何一个工具开发的 Agent,甚至自己开发的网站,导入上架到我们平台上,帮你分发到全世界各地。


12月,我们推荐这 7 款 AI 新品


其次,MuleRun 会提供一系列开箱即用的底层工具。我们很清楚,我们平台要服务的开发者,他不一定是个技术大牛。他可能是一个某个领域的专家,脑子里有很多绝妙的点子,但就是不太会写代码。所以,我们想给他的,是一种『开箱即用』的体验。


12月,我们推荐这 7 款 AI 新品


比如,我们把市面上所有主流平台的 API 都聚合好了,用户不用到处去申请,直接购买就行。同时,还提供了像网盘空间、网页托管、云端 Sandbox 这些基础工具。


此外,我们还做了一个非常重要的功能,让用户可以直接用自然语言去构建想要的 Agent,直接看到效果、不断调试。


最后,很高兴跟大家分享一个数据。目前,MuleRun 平台在上线一个月时就已经有了 50 万的注册用户,到现在可能已经远不止 50 万了。在我们的社区里,每天有几千个活跃的开发者在持续地跟我们一起共创。


06

OdyssLife:

让饮食这件事有更好的体验


OdyssLife 是一个专注于健康生活方式的创新品牌,首款产品 Odyss N1 是一个 AI 项链,集图像、音频、动作等多模态感知能力于一体,能够全天候感知和记录用户的饮食与运动行为。


Odyss N1 在「AI 产品快闪」活动现场亮相。创始人潘宇扬分享了产品背后的构想,以及对于可穿戴 AI 硬件产品的理解。


产品官网:https://odyss.life


在所有和健康相关的事情中,吃饭这件最重要的事一直在被我们遗忘。


我们这代人对健康的焦虑是肉眼可见的,大家嘴上都说着要管理健康,现实是我们有各种各样的方法来记录运动、睡眠甚至情绪,但在饮食这件最重要的事情上,我们从来就没有过一次好的用户体验。


市面上有非常多帮助减肥打卡、拍照识别卡路里的 APP,体验都很糟糕。在我们的真实日常中,我们的饮食行为其实很碎片化,下午吃了点零食、和朋友分了一份菜、或者晚饭根本没吃完,这些你怎么记?手动去记,不仅特别麻烦,而且根本就不可能准确。这也是为什么我们这代人的健康计划总是停留在第一天。


我们想做一款产品,能够 24 小时安静地陪着我,观察、理解我周围和健康相关的一切。


Odyss N1 能够地清晰「看见」用户的饮食结构:从进食的先后顺序、速度,到每一口食物的营养成分和热量分布,系统都会进行智能分析,并与运动数据及日常生活事件相结合,给出一个健康生活方案。


以下视频来源于


OdyssLife


12月,我们推荐这 7 款 AI 新品


为什么是项链?


但 AI 硬件的形态确实很多,哪个是你愿意每天都戴在身上的?如果答案是没有,是不是说明现有的 AI 硬件产品还不够好?


好的产品永远要为人服务。从第一性原理出发,我们设计了「项链」这个形态。它可以每天 24 小时贴身陪伴着你,无需唤醒,观察你的行为,倾听你的想法,感知你的动作,同时毫无存在感。它有和你相同的视角,恰好能看到你做饭时的每一勺,吃饭时的每一口。但它只关心你的健康数据,所有的原始音频、图像,它一概不会记忆。


12月,我们推荐这 7 款 AI 新品


举个例子,早上起床,你戴上 Odyss N1,你的手机上会收到一条温暖问候:「早餐记得加点蛋白质」、「下午四点的饮料可以换成无糖的」、「晚上七点前要吃完饭」。就像一位私人营养师给你的「今日生活指南」,把专业的营养学知识,转化成简单、可执行的日常小事。


同样,Odyss N1 还可以将运动与饮食关联起来。当你下班后去健身、打球或散步,它能通过姿态和节奏分辨出你的运动状态,然后动态调整你的饮食方案。


重新定义我们与食物的关系


每天结束前,Odyss N1 会默默地把这一天的碎片化行为整理成一份清晰的身体日报,可以看到你的饮食指标、行为等等,同时给出明天的规划、以及健康建议。


到这一步,我们和食物的关系就已经从随机的摄入变成了一种更聪明的「选择」。


如果有一天,每当你拿起食物时,就会一个声音告诉你,这份食物会怎样组成你身体的一部分。从那一刻起,我们和食物、和世界的关系就已经被重新定义了。


07

LavieAI:

节约成本、时间的同时,兼顾多元化审美


模特拍摄贵、版权麻烦、流程慢,是很多商家和内容团队的「老大难」问题。LavieAI 的思路很直接:用 AI 模型取代模特拍摄,更快、更省钱地拿到好看的成片。


LavieAI 是一家成立于 2023 年、专注于服饰垂类行业的 AI 视觉内容生成公司。业务主要包括 AI 模特生成、广告内容制作和虚拟 IP 运营。


产品:https://lavieai.com/


节约成本、时间的同时,兼顾多元化审美


大家可以把 LavieAI 想象成一家新型的广告制作公司。有三个核心业务板块:视觉定制化解决方案,为品牌方提供视觉内容制作和 AI 模特生成;API 服务,为企业用户提供 API 接口;ToC 在线平台 LavieAI.com。


不同于市面上大部分做换脸换装的创业公司,我们没有把月活、留存、DAU 等互联网指标放在首位。我们坚信慢就是快,业务是从 B 端逐渐向 C 端延展,希望把 B 端成熟的能力作为基石,再把这些能力逐渐下放到 C 端。


其中,视觉定制化解决方案相比于传统拍摄,在费用成本上平均可以降低 90%,在时间成本上能降低 90% 的制作周期。


C 端产品 LavieAI 则是通过提供人像合成、背景合成、超分修复、姿态迁移和视频换装等 AI 模特生成功能,帮助品牌方、客户降低费用成本。


自研 Photoshop AI 插件、「无限画布」系统


LavieAI 的技术能力扎实,有自研的人像生成模型。同时,还有一个 5000 多位不同年龄、种族、性别和身材的海量 AI 模特库,版权清晰,可商用。


LavieAI 自研的 Photoshop 图像 AI 插件,实现了 AI 设计功能与设计流程的无缝集成。能够实现非常精准的 AI 局部修改,商业化图像生成服务当中非常具有优势。同时,自研的「无限画布」系统,能让团队在同一个无边界界面上即时对比、选择海量 AI 图片,利用内置的高清放大与质感增强功能快速优化图像细节,来大幅提升工作效率。


AI 让创意的门槛更低,但对审美和想法的要求更高了


LavieAI 的优势是一直坚持的艺术和技术的结合。我们在模型训练过程中加入了美术指导的专家模式,让模型生成的结果能更符合时尚行业的审美。同时,在交付过程中,艺术团队会和技术团队紧密配合,实现 1+1 大于 2 的效果。


比如,来自 ONLY 的案例。细节把控非常精准,包括泡泡袖的廓形、枪驳领的缺口设计,服装的关键细节完美都能够还原。


12月,我们推荐这 7 款 AI 新品


同时,采用合适的模特来呈现,我们给客户展现了三种不同类型、不同发型的模特,让他们可以快速匹配到最符合品牌调性的面孔。


文章来自于“Founder Park”,作者 “Founder Park”。

AITNT-国内领先的一站式人工智能新闻资讯网站
AITNT资源拓展
根据文章内容,系统为您匹配了更有价值的资源信息。内容由AI生成,仅供参考
1
AI工作流

【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

2
智能体

【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

3
RAG

【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

4
prompt

【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