用提示词生成全栈应用，并保持设计一致性
Webflow 新推出的 App Gen (公测中) ，允许你用自然语言构建生产级 Web 应用。
它最大的特点是“设计感知”：
1️⃣ 自动继承：App Gen 会自动应用你现有的设计系统 (颜色、字体、布局变量、组件)，解决 AI 生成原型与品牌视觉不符的问题。
2️⃣ 实用场景：快速生成定价计算器、招聘板、仪表盘等数据驱动界面，无需传统开发交接。
3️⃣ 成本模型：公测期间功能免费，部署的应用按 Webflow Cloud 实际用量计费。
开发者提示：它允许导入 React 代码组件。未来路线图包含身份验证和数据库，功能会更完整。
官网已开放公测：https://webflow.com/blog/app-gen
#Webflow #AI #AIGC #无代码 #生产力工具
用提示词生成全栈应用，并保持设计一致性
更多动态
用 3B 算力跑 28B 模型的推理
百度新开源了多模态模型 ERNIE-4.5-VL-28B-A3B-Thinking，重点是通过 MoE 架构实现低成本高性能。 MoE (混合专家) 原理好比： 你有一个 28 人的专家团 (总参数)，但回答问题时只喊 3 个最懂行的 (激活参数) 来干活。结果是 3B 模型的计算/显存占用，但接近 28B 模型的推理能力。 1️⃣ 免费可商用：Apache 2.0 许可。 2️⃣ 独特能力：“带图像思考” (Thinking with Images)，可对图像局部缩放、裁剪和迭代推理，适合复杂图表、文档理解。 3️⃣ 性能参考：官方称在 VQA、MMBench 等基准上优于 Gemini 2.5 Pro。 🔹 注意：虽然激活参数少，但部署时需加载全部 28B 权重。最小配置需 80GB 显存 (如 A100)，支持 vLLM。 Hugging Face: https://huggingface.co/baidu/ERNIE-4.5-VL-28B-A3B-Thinking #AIart #多模态 #开源模型 #MoE #ERNIE
本地部署 AI 高精解析筛选简历
阿里开源了 SmartResume，一个结合 LLM 与 OCR 的简历处理工具，适合个人优化或 HR 批量筛选。 🔹 精度与效率：单页信息提取准确率 93.1%，平均 1.22 秒处理一页，支持 PDF、图片等格式。 🔹 复杂布局：它用 YOLOv10 先识别版面（如多栏、图文混排），再用 LLM 提取，解决了传统工具对复杂排版的解析难题。 🔹 可靠性：增加了数据验证机制，将提取字段与原文逐项比对，减少 AI 幻觉带来的错误信息。 🔹 免费与部署：开源，支持 API 调用或本地私有部署（保护数据隐私），输出标准 JSON 格式，便于集成。 个人可用它获取优化建议，开发者或 HR 可将其集成到自动化招聘流程中。 官网: https://github.com/alibaba/SmartResume #AI #开源 #SmartResume #简历解析 #生产力工具
claude申诉失败了。
订阅费也没法儿退，我甚至怀疑申诉邮件就是钓鱼的，有追踪IP地址。 dhh是美国开发者，前段时间来深圳交流，演示了自己怎么用claude code。 目前最稳妥的方式就是参考dhh方法，把Claude code放在海外机器上，用tailscale远程连接使用。 那就得租一台有家宽的海外机器，在那台机器上注册和登录claude。
分享下现在的纯手机端工作流。
九月底前我都是坐在电脑前开着terminal指挥着pi，跑多subagent，最后再自己看diff，提pr，经常一坐就是一天。 九月底，我工作流改成在手机端用hermes指挥pi，完全解决了久坐电脑前的痛苦，用到现在还挺舒服。 Hermes用旗舰模型（gpt-6-astra/opus-5.5），pi尽量不装插件，用中端模型（ds-v4.1-flash/sonnet/terra），二者间用a2a通讯。 hermes负责分析issues，拆分成多个小任务，然后给每个小任务创建worktree，并在里面派遣pi去完成小任务。 每个pi完成任务都会通知hermes，由它判断提pr还是返工给pi。基本逛一天景点，或一觉醒来十几个pr搞好了，舒服得很。 就是过程太黑盒了，心路历程有点像早期的vibe coding，那会diff至少自己会看一下，现在diff也黑盒，完全交给旗舰模型，属于盒中盒了。 如果没数据焦虑，其实可以直接用grok-bot或者chatgpt-dot，开箱即用，里面内置了grok-cli和codex，原生agents通讯。弊端就是数据不在本地，有监管，万一被封号一切归零。
