Gemini支持采集自己的头像和声音了
采集后，在提示词中 ＠me 调用，然后能生成自己的图片（nanobanana模型）或视频（omni模型）
Gemini支持采集自己的头像和声音了
更多动态
本地部署2B模型，让“龙虾”看懂视频
Marlin-2B 开源了，基于Qwen3.5-2B微调，Mac M1 16GB就能跑。 这是一个视频理解模型，能理解视频里发生了什么，什么时候发生的。 输入一段视频，输出带秒级时间戳的结构化描述。也能用自然语言定位片段，搜"有人推门进来"，直接返回对应时间段。 刚好弥补了openclaw和hermes等agent视频理解的短板。查看 YouTube 不再只识别字幕，画面里展示了什么也能提取出来，社交平台的视频贴不再是黑盒 🤗 huggingface.co/NemoStation/Marlin-2B demo： vlm.nemostation.com
我又发现了一个"龙虾"，有客户端易上手
OpenHuman，内置云端模型Chat V1（像是微调的开源模型），订阅费为20刀/月或者填入自己的AI API。 亮点是能一键登录接入常见的应用，例如Gmail、GitHub、Slack、Notion、Stripe、Jira……点一下就连，不用填 API key 内置每 20 分钟自动同步邮件、日历、代码提交、文档，持续拉，不用手动提醒或配置定时 自带记忆树，把数据压缩成层级摘要，存本地 SQLite，同时写入 Obsidian 兼容的 Markdown vault。
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。
