AI产品狙击手

豆包刚出的 doubao-seed-2.1-pro 测评报告来了。这次测评依然在 Pi 上接入来做，上下文、Max tokens 和思考模式全都开到最大。 第一题是强约束指令遵循句子生成测试。句子确实都从 1 到 10 结尾，乍看没什么问题——但不仔细看差点被它糊弄过去：只看尾部几个字的话所有句子都挺顺，可读完整句就会发现，第 5、7、9 句都是不通顺的，挺狡猾。 第二题鹈鹕土星环骑自行车 SVG 测试，前几天测了好几个国内顶尖大模型都做不好，结果豆包更离谱——鹈鹕和自行车直接不见了。 第三题复合弓射箭 SVG 测试，真抠细节的话问题不少：头断了，轮子也不是复合弓的轮子，反而像个闹钟。不过毕竟是 SVG，可能不用太强求。这里比较严重的问题是弓弦只有一根，而复合弓和一般弓箭不同，不会只有一根弦。 第四题浏览器内操作系统，UI 看上去还可以，但右上角的弹窗点下去却跑到左上角去了；Dock 栏的计算器不工作，点几次等于号都没算出结果；压轴的太空射击游戏其他都还好，就是没法移动——按下左右键一放手，飞机立刻回弹到原来的位置，根本没法好好控制。 第五题 3D 赛车游戏，画面太模糊，根...

做数据展示时，手动绘制专业图表费时费力。千问办公内置的 EChart 技能，可以让你用自然语言一句话生成折线图、饼图、柱状图等多种专业图表。 操作方法很简单：点击左侧技能菜单，找到 EChart 技能并安装。EChart 是前端开发者熟悉的专业图表库，千问办公的这项 skill 背后调用的正是该库的能力。安装完成后，新建任务，通过斜杠命令唤起技能，直接输入提示词描述你想要的图表即可。 以折线图为例，只需告诉它你要展示的数据维度和标题，几秒钟内就能生成一张带样式主题的专业图表。适合需要经常做数据汇报、做 PPT 写文档的朋友收藏使用。 访问入口

大语言模型能输出文本，但本身无法调用命令行或外部工具。要让模型按需求执行实际操作，需要在语言模型基础上加一层 Harness——结合模型的推理能力与工具调用能力，这就是我们常说的 Agent。 做 Agent 开发可以从零调用 LLM API 写起，但这就跟不用任何 Web 框架、从纯 HTML/JS 写 Web 应用一样：能做，只是麻烦。LangChain 就是 Agent 开发领域的”Vue / React”——一个成熟、易用的第三方框架，能让开发效率大幅提升。本系列所有示例均使用 Node.js，适合有编码经验的朋友直接上手。 本集从 LangChain 版 Hello World 入手。代码逻辑很简单：向大语言模型提问”1+2等于几”，把返回结果打印出来。 运行前需在项目根目录放置 .env 文件，配置大语言模型的访问入口和 API Key。当前使用 DeepSeek，提供 OpenAI 风格和 Anthropic 风格两种接入方式——这是目前行业两家主流标准，所以其他模型基本都会兼容这两种格式，方便用户迁移。 LangChain 通过 Chat...

你信不信，世界上最强的逆向工程工具之一，是白送的。它叫 Ghidra，美国安全局 NSA 出品，原本是他们内部分析恶意软件、挖漏洞的主力工具，后来整个往 GitHub 上一扔，安全圈直接炸了——现在已经 7 万多颗星。 用法一句话就能说完：丢一个二进制文件给它。比如一个疑似病毒的可执行程序，直接丢进去，它会自动反汇编加反编译，把机器码一行行变成能读懂的 C 代码。里面有哪些函数、调用了谁、偷偷往哪些进程里注入、启动的时候干了什么，调用关系图全给你画出来；哪里可疑，点过去就能看那段代码。 没有源码的程序、设备固件，它都是这么处理的，几百种处理器架构和文件格式通吃，Windows、Mac、Linux 随便跑。 玩恶意软件分析、漏洞研究、固件逆向的兄弟，建议先装到机器上，丢个平时看不透的小程序进去，看看它里面究竟在搞什么鬼。 访问入口

玩 GIS 的兄弟要注意了。opengeos 刚开源没多久的 GeoLibre 项目，能把又大又重、还得花钱买授权的 GIS 制图软件，变成打开网页就能用的地图工具，目前在 GitHub 上已经有 7000 多颗星。电脑、手机、浏览器、笔记本里全都能跑，而且打开的都是同一份工程文件。 用法很简单：把数据文件往窗口里一拖，不用装环境，不用配服务器，就能画地图、上颜色、算面积。它自带 1000 多个分析工具，全部在浏览器里跑完——想算一座山的坡向和光照，想看一场雨在哪个角落先积成水，想把某个区域的建筑轮廓对齐整齐，都可以点个按钮就出结果。你的数据一直留在自己电脑上，不上传给任何人。 更有意思的是，拉一下时间滑块，曼哈顿的房子能从 1850 年开始按年份一栋栋长出来。底图还不止地球，月球、火星、冥王星都能选，量距离、算面积也会自动换成那颗星球的参数。 代码是 MIT 协议，允许按协议商用。做测绘、国土规划和地图开发的兄弟，可以先打开网页版，把手头最乱的那份数据拖进去看一眼。 访问入口

用你自己的电脑就能轻松做语音克隆，哪里还用得上付费的 ElevenLabs。VoiceStudio 是一个海外开发者做的开源项目，干的事就是把 ElevenLabs 那一套语音能力搬回你自己的电脑上跑，目前在 GitHub 上已经快 3 万颗星了。 它不用注册账号，也不用 API key：装好软件、让它把模型拉下来，录 3 秒你本人的声音当样本，敲一段文字就能出同音色的成品。Mac、Windows、Linux 和 Docker 都能跑，N 卡、苹果芯、纯 CPU 也都认。 做内容的可以把 PDF 这类书稿导进去，分好角色和章节，就能出带时间轴的有声书；也能把一条外语视频直接配成中文——它会先把人声扒出来，翻译完还会把不同说话人分开，并对上原来的音色。 另外它还起了个 OpenAI 兼容接口和 MCP，本地起一个服务就能让别的应用来调。做配音、有声书、语音助手的兄弟可以先收藏起来，拿自己 10 秒录音试一次克隆，比看我在这尬聊直观多了。 访问入口

先看成果：一个只花了三块钱训练出来的大语言模型，聊起来还可以。如果你想真正弄懂大语言模型的工作原理，或者想知道一个大模型到底是怎么训练出来的，这个叫 MiniMind 的开源项目必须要收藏——花 3 块钱租一张 3090，两个小时就能从零开始训练出属于你自己的大语言模型。 这个项目目前在 GitHub 上已经涨到 6.1 万颗星、近 8000 个 fork。训出来的模型只有 6400 万参数，体积大概是 GPT-3 的两千七百分之一，普通个人显卡就能跑得动训练。整个流程也很简单：把仓库克隆下来，装好依赖，下载它开源的数据集，跑一条预训练命令，再补一条微调命令，就能得到一个小巧但会中文聊天的模型。之后还能直接用 Ollama 拉起来跑，或者通过 OpenAI 兼容接口接到 OpenWebUI 里。 真正少见的是，作者把 MoE、LoRA、DPO 强化学习、蒸馏、工具调用这一整条链路的核心算法，全用原生 PyTorch 手写了一遍，没有藏在第三方封装后面，你跟着练的同时每一行都能看懂。项目甚至还延伸出了视觉和多模态的孪生项目。 想认真搞懂大模型这个黑盒的人，不妨先拿家里那张显卡...

本期视频继续我们新 Benchmark V2.2 中的鹈鹕土星环骑自行车和复合弓射箭 SVG 测试。上一集测了千问 3.8 Max 0902，这一集应粉丝要求先测腾讯混元 Hy4 Preview。 第二题：鹈鹕土星环骑自行车 SVG 测试 我们看一下效果，发现三个比较明显的问题： 第一个问题是自行车骑到左侧或右侧时不会转弯，而是在快要出跑道时才闪现回正确方向。第二个问题在于鹈鹕的屁股没有坐在坐垫上，且坐垫上面有一块铁状凸出物——这大概就是鹈鹕不敢坐上去的原因。第三个问题需要细看：鹈鹕的两条腿都画在了同一侧，这是因为自行车横杠是青色的，但右腿本应被横杠挡住的部分却没有被遮挡。 第三题：复合弓射箭 SVG 测试 弓箭明显还是反的。原因是仔细观察可以发现，手上方的瞄具应该在面向人的这一侧，但当前方向完全相反。好在下面的平衡杆方向倒是正确的。 其余测试内容大家如果感兴趣，可以去博客上看 V2.1 版本的完整评测。由于 V2.2 只改动了以上两个测试题目，其他项目保持不变，这里就不再重复测了。 访问入口

灵波团队的这个开源项目，能把随手拍的一段视频变成一个可以转着看、还能逛进去看的 3D 场景，目前在 GitHub 上已经有 17K 多颗星。用法很简单：拿手机围着展厅、街区或者工地拍一圈，把视频丢进去，就能看着它一边播视频、一边把现场一点点搭成 3D 的。车载记录仪拍的路面、旅游时拍的街景、在楼里走十几分钟录的长视频，都能直接喂给它。 它还会自动把天空去掉，出来的模型干净很多；跑起来也快，每秒能处理二三十帧，几万帧的超长视频照样啃得下来。 模型可以免费下载，网上已经有人用普通游戏本把它跑通了；代码开源，按协议可以商用。做测绘、自动驾驶、机器人的朋友尤其值得关注。 项目自带有三个示例场景，可以先下载下来跑一遍看看效果，再决定是否要自己部署玩一下。 访问入口

本期继续跑 Benchmark 里的两道 SVG 测试题——「鹈鹕土星环骑自行车」和「复合弓射箭」。上一集测的是 GLM 5.3 Flash，这一集轮到千问 3.8 Max 0902 上场。 第二题「鹈鹕土星环骑自行车 SVG 测试」，先看效果。鹈鹕和自行车的结构没有问题，但骑到右边之后，鹈鹕和自行车整个倒了过来。这一点和 GLM 5.3 Flash 刚好相反：GLM 是在上方跑道正常，一来到下面跑道就倒过来。 第三题「复合弓射箭 SVG 测试」同样有几个问题。第一，弓箭明显是反的；第二，人物的右手去拉弓的时候，是穿过了持弓的左手的，属于明显的穿帮。 其他题目这次就不重测了，分数继续沿用 Benchmark V2.1 的测评结果，只有第二、第三题换成本次的新得分。大家翻 Benchmark 数据的时候请注意这一点，我也会在页面上标注出来。 访问入口