EP-85 最新出的一款基於LLM的文件解析模型的輕量級：MonkeyOCR，效能好速度快

EP-84 把Claude Code的AI能力整合到GitHub工作流程中的一款工具：claude-hub，變成GitHub的AI助手，實現自動化開發流程

EP-83 具備細粒度語音編輯能力的一款AI語音修復模型：PlayDiffusion，修改後的語音聽上去可與原語音無縫銜接

EP-82 很有趣的一個項目，科學研究論文轉換程式碼：Paper2Code

EP-81 GPT 殺手：FLUX.1 Kontext API 節點發布

EP-80 Mary Meeker 前所未有的 AI 轉型速度

EP-79 可從表格、圖片、圖表等複雜文件中提取結構化資料的Python庫：agentic-doc

EP-78 新的一個生物學推理模型：BioReason，第一個將DNA基礎模型與LLM深度結合的模型，疾病不可能（預測例如選擇某個基因導致出來什麼疾病）準確率達到了97%

EP-77 微軟Bing凌晨開發了一個視頻生成工具出來：Bing Video Creator，Sora提供技術支持，免費使用！

EP-76 一款設計師的遊標：onlook，設計師可以用拖曳/點擊視覺化的方式建立前端介面，不用寫程式碼也可開發前端應用

EP-75 一款增強版的Markdown工具：Quarkdown，它在Markdown基礎上增加了許多功能，可以用來產生書籍、簡報標籤

EP-74 ElevenLabs大更新，發布了對話式AI 2.0，增加了多語言對話切換、RAG、多模態、大量通話的能力

EP-73 音訊驅動的多人對話視訊產生工具：MultiTalk，從效果看人物唇形同步的一致性非常高

EP-72 一款日語學習AI工具：japanese-analyzer，可以進行日文句子深度解析，拆解句法結構、標註詞性、呈現發音與釋義

EP-71 智能體卷瘋了，來一款全端通用AI Agent：Lemon AI，具備自主性和工具調用能力，可從需求到成果交付全流程自動化

EP-70 DeepSeek R1 及其更新版本 R1-0528

EP-69 HunyuanVideo-Avatar，根據音頻生成動畫視頻，它能根據語音匹配豐富的表情，讓你的數位人具備「生命力」 標籤

EP-68 AI在育兒領域的應用：一個AI保母計畫：ai-baby-monitor，讓家長不必揪著寶寶，可以安心的時刻做其他事情，也可以延伸到老人看護場景標籤

EP-67 給一個公司名稱，幾傢俱樂部完成任何公司的研究，取得格式化的公司資料！ 給一個公司名稱，幾傢俱樂部完成任何公司的研究，取得格式化的公司資料！

EP-66 微軟開源的：NLWeb，讓網站從點按鈕、填表格的方式升級為用聊天的方式

EP-65 一個用語言互動的無人機控制研究計畫：UAV-Flow，透過語言指令實現無人機的精確控制，直接說話就能飛

EP-64 一套LLM幻覺偵測工具：uqlm，給了多種評測方式來偵測AI輸出幻覺，可以根據不同的場景選擇適合的方法

EP-63 Google基於Gemma 3的多模態醫療模型：MedGemma，可根據醫學影像和病歷描述產生診斷報告

EP-62 Manus類agent卷瘋了，又出來一款ii-agent開源框架，擅長建構跨多個領域工作流程的agent，能獨立執行複雜任務已成為Agent標配

EP-61 最強編寫代碼大模型 Claude 4介紹

EP-60 紅杉資本：這次市場規模比雲端轉型大一個數量級，學會「隨機性思維」與「管理 AI Agents」」

EP-59 Google I/O '2025 主題演講

EP-58 Google 開發的全新 AI 製片工具Flow

EP-57 微軟Microsoft Build 2025 強調人工智慧為開發者帶來的新平台轉變

【0520】AI 大事 #030 🤖 OpenAI 釋出最強程式AI！Google 打破 56 年人類壟斷？！🔥

EP-56 Google NotebookLM 的 Sparks 影片

EP-55 OpenAI Codex 程式設計應用與指南

EP-54 黃仁勳2025 COMPUTEX 談論台灣AI產業的夥伴關係

EP-53 Telegram快讀助手：telegram link summarizer agent，它可以總結聊天中分享的各種鏈接，提取內容並產生簡潔摘要

EP-52 AI智能體的行為快取系統：Muscle-mem，能讓智能體記住重複任務，減少重複調用LLM，可以與現有Agent系統集

EP-51 一款具備自我進化能力的多智能體自動化系統：EvoAgentX，對需要持續優化及多步驟協作的複雜AI應用場景非常適用

EP-50 整合了RAG、MCP的多智能體無程式碼建構工具：open-agent-platform，圖形化操作，適合無程式快速原型

EP-49 一款專用於數學建模的AI助理：Math Model Agent，給它題目，它可以完成從問題分析、建立模型、寫程式碼、寫論文等全流程

EP-48 新出的一款整合了瀏覽器操作、MCP、自動工具呼叫、任務規劃、深度研究等多種能力的智慧體框架：minion-agent

EP-47 arXiv論文摘要產生器：arxiv_summarizer，給一個arXiv連結或關鍵字，指定日期範圍，讓它去arXiv上幫你找到對應的論文並總結

EP-46 Qwen3的Agent能力使用指南！透過Qwen-Agent讓Qwen3模型無縫調用MCP Server，一鍵將文件轉換為結構化的心智圖

EP-45 一款具備情緒表達的說話者影片產生工具：DICE-Talk，具備多元的情緒表現

EP-44 谷歌等搞的一款影像光源控制系統：LightLab，它的能力不光是可以控制環境光，不一樣的是能控制局部光，還可以增加局部虛擬光

EP-43 一種新的醫學技術，由加州理工學院的團隊開發，深層組織活體聲音列印 (DISP)，能夠在活體動物體內深處的特定位置3D 列印聚合物。

EP-42 馬斯克利用這次訪問推廣其公司的技術，包括Starlink、Optimus機器人、自動駕駛汽車和Boring Company隧道，並與沙烏地官員簽署了協議

EP-41 GoogleDeepmind搞了個用於高階演算法設計的AI程式智能體：AlphaEvolve，其幫Google資料中心節省了0.7%算力

EP-40 利用OpenMemory MCP，為AI工具加上一個可共享的大腦，讓AI工具可以記住並分享互動前的信息，保持上下文，本地運行

【0514】AI 大事 #029 🚨 Gemini 2.5 Pro 重奪最強大腦！OpenAI 宣布重組終止！💥

EP-39 Lovart 是一款號稱是全球首個設計代理的應用程式

EP-38 VIDEOMIMIC，一種將人類的日常影片轉換為人形機器人可用的情境感知技能的系統。

EP-37 微軟宣布支援A2A協議 AI技術又迎來另一行業標準，開放式 A2A 協定

EP-36 Config 2025最強更新　Figma Sites打造設計與建站無縫整合，可直接建置網站神進化！

EP-35 全球首款AI生成多人遊戲誕生，Multiverse全部開源，單機可玩，成本不到1500美元

EP-34 中國好聲音公司與階躍星辰 合作開源的 AI 音樂模型「音躍 ACE-Step」

EP-33 字節開源了，DeerFlow基於LangChain和LangGraph框架的一款智慧研究助手

EP-32 Google 暴跌！ AI搜尋開始吞噬市場，Apple 瑟瑟發抖

EP-31 騰訊剛剛放出了一款視訊生成框架：HunyuanCustom，其核心是客製化影片生成能力，看起來效果不輸閉源模型

EP-30 學生免費使用Google One AI Premium方案

EP-29 ComfyUI 大改版，支援超多市面大廠閉源模型，只要用 API超級方便，不用切來切去

EP-28 Google的Gemini 2.5 Pro預覽版（I/O版）的搶先體驗版提前出來了！是2.5 Pro的升級版，建構互動式的Web應用能力是其強項