针对MinerU解析PPT时存在的图片文字残留和换行算法不理想等痛点，开发者推出了V2.0版本。新版本彻底重构底层逻辑，核心引入PaddleOCR技术，大幅提升了文字识别精度和切割合理性。MinerU现在仅负责图片切割和版面分析，功能更加精简高效。该项目已开源，旨在解决NotebookLM等生成PPT无法二次编辑的问题。
原文链接：Linux.do
易安作者
长期关注 AI Agent、软件工程、自动化工作流与个人生产力系统。喜欢把复杂技术拆成普通人也能上手的实践教程,也记录自己在工具链、编程、内容创作和知识管理上的真实折腾。
- 分享 AI 工具、Agent 工作流与提示词工程的实战经验
- 记录从想法到产品、从代码到上线的完整实践过程
- 关注普通人如何用 AI 放大能力,而不是被工具牵着走
文章目录
置顶推荐
- 2026最新Claude Code国内上手教程 从安装到第一次跑通完整流程一次讲清2026-05-31
- OpenAI Codex CLI 新手指南：安装、审批模式和项目规则2026-05-25
- Claude Code 国内使用完整教程 从 API Key 到三端安装这次一次配明白2026-05-14
- codex国内编码远超claudecode，2026最新Codex国内保姆级入门教程2026-05-05
- 2026最新Claude Code新手避坑指南 第一次使用最容易卡住的10个问题2026-04-17
- 2026最新Claude Code订阅怎么选 免费版ProMaxTeamAPI一篇讲清2026-04-17
- Codex 国内怎么用才省事：从官方账号到 Code80 CLI，一篇讲清楚稳定玩法2026-04-02
- Claude 国内怎么用最省事：官网订阅、直连平台和第三方入口2026-04-02
前沿哨所
开源NovaNova Studio：Agent驱动的AI创作工作台，图片视频生成与漫剧短剧一站搞定
NovaNova Studio是一个基于Agent架构的开源AI创作工作台，项目在Linux.do社区完成开源推广，开源一个多月已获得277个GitHub star，当前迭代至v0.1.7版本。该项目支持独立的图片生成与视频生成功能，同时提供无限画布模式，用户可通过节点方式在画布内完成漫剧解析、分镜生成与短剧创作等任务。技术架构上，项目采用主Agent负责任务规划、子Agent负责具体执行的分工模式，兼容市面上大部分图片与视频生成渠道API。功能层面，项目涵盖首页、图片生成、视频生成、无限画布、我的资产、提示词库、后台管理、系统公告、渠道配置、模型配置、换肤及积分统计等模块。画布功能支持设定工作流、添加音频节点、依据分镜脚本生成漫剧短剧。项目定位为独立创作者和视觉团队打造一体化的AI创作环境，将多模型API调用、创作流程管理与内容生成整合于同一平台。该项目完整开源、无未开源部分，并已链接认可Linux.do社区，作者声明AI生成与润色的介绍内容已按社区规范以截图形式公示，接受社区监督。感兴趣的读者可前往GitHub仓库了解详情或参与共建。
事件分析
技术上，该项目值得关注的亮点在于其Agent编排思路：将创作流程拆解为主Agent规划与子Agent执行两层，配合无限画布的节点式工作流，使复杂的多模态生成任务可被拆分、组合与复用。这种架构与ComfyUI、Dify等节点化工作流产品思路相近，但更强调Agent的自主规划与任务分派能力。产业层面，AI创作工具正从单一功能（纯绘图或纯视频）向一体化平台演进，漫剧短剧这类垂直场景正成为差异化竞争点。项目兼容多渠道API的设计降低了模型绑定风险，与当前聚合类工具的主流做法一致。后续走向方面，277 star的项目仍处早期阶段，发展前景取决于Agent规划能力的稳定性、漫剧短剧场景的实际商用需求以及社区生态活跃度。同类赛道竞争者众多，独立开源项目需在垂直场景中建立实际案例与口碑，方能形成持续壁垒。核心观点：AI创作工具正从单点功能走向Agent编排的一体化平台，漫剧短剧等垂直场景是开源项目差异化突围的关键。
原文链接：Linux.do
不到 10MB 的开源 Markdown 编辑器「麻雀」：双击秒开、本地优先不联网
开发者 maoruibin 在 V2EX 发布了开源桌面 Markdown 阅读器与编辑器「麻雀 Sparrow」，支持 macOS 与 Windows 双平台，采用 MIT 协议免费开源，当前版本为 1.0.8，已经过 8 个版本迭代。项目起因是本地 Markdown 文件的打开体验不佳：Typora 转为收费且不开源，VS Code 启动缓慢，Notion 类工具则需要注册账号并依赖云端同步。Sparrow 主打「双击就开、读完就走」的轻量体验，安装包不到 10MB，远小于 Typora 的约 80MB 与 VS Code 的 100MB 以上，且本地优先、不联网、无需账号。功能方面支持 GFM 全语法（表格、任务列表、脚注）、代码高亮、Mermaid 懒加载，双击即可切换源码编辑，支持文件夹目录树、多标签页与重启状态恢复，图片可粘贴或拖拽上传至 S3 兼容图床或本地 assets 目录。技术栈采用 Tauri 2（Rust 后端）+ React 19 + CodeMirror 6 + markdown-it，Rust 后端包含 38 个 command，行为日志仅存于本地。项目还深度集成系统，支持 Finder 右键新建文件、文件关联、单实例转发，并可打开 txt、json、log 及 CSV 文件（含表格视图与 TSV 复制）。安装包已发布于 GitHub Releases，macOS 包暂未签名公证，首次打开需右键「打开」绕过限制。
事件分析
Tauri 以 Rust 为后端、复用系统 WebView 的架构，使其在安装体积与启动速度上相较 Electron 应用具备数量级优势，Sparrow 不到 10MB 的体积正是这一技术路线的典型体现。从产品定位看，该项目瞄准的是 Typora 收费化与云笔记工具强制账号绑定之间留下的空白地带，纯本地、无账号、开箱即用的轻量编辑器需求在开发者社区持续存在。「本地优先」思路近年在开发者群体中明显回潮，与云同步类产品的隐私顾虑形成对照。工程细节上，Mermaid 懒加载不拖累启动、外部修改监听与冲突提醒、单实例转发等设计显示出较高的完成度。后续值得关注的方向包括 macOS 签名公证、插件生态建设与跨端适配，能否在 Typora、Obsidian 等成熟产品的夹击中留住用户，将取决于维护活跃度与社区反馈的响应速度。核心观点：Typora 收费与云笔记强账号绑定留下的空档，正被轻量开源工具填补，本地优先正成为开发者的新共识。
原文链接：V2EX 分享发现
Gemini 3.8 Flash被挤爆：谷歌承认高负载报错，承诺重置速率限制
谷歌旗下智能体编程平台Antigravity近日发布公告，确认平台在运行Gemini 3.8 Flash模型时正面临高负载压力，部分用户请求出现报错。官方表示团队正在积极修复相关问题，一旦解决将立即重置速率限制，以恢复用户的正常使用体验。Antigravity是谷歌推出的智能体开发平台，随Gemini 3系列一同亮相，深度整合Gemini模型能力，面向开发者提供多智能体协作的编程环境。Gemini Flash系列则是谷歌大模型产品线中主打响应速度与推理成本的产品，凭借较低的调用门槛和快速输出能力，成为大量开发者在日常编码、原型验证场景中的常用选择。此次高负载问题恰逢Gemini 3.8 Flash发布后的使用高峰期。由于Flash版本在实际体验中展现出接近旗舰模型的性能，同时速率限制相对宽松，大量用户涌入Antigravity平台调用该模型，导致服务端请求量激增，部分请求触发报错。速率限制的收紧进一步加剧了用户的不满，社区中关于额度不足与响应变慢的讨论持续升温。谷歌此次回应态度较为直接，承认速度与额度问题的存在，并承诺修复完成后重置速率限制，意味着用户短期内有望获得更宽松的调用额度。但高负载下的服务稳定性问题能否彻底解决，仍取决于谷歌后续的算力扩容与流量调度策略。
事件分析
从技术角度看，Flash系列模型以高吞吐、低延迟为核心卖点，其服务架构本应擅长应对高并发场景，此次出现请求报错，说明Gemini 3.8 Flash的实际请求量已远超谷歌的容量预估。AI编程场景请求频率高、会话密集、上下文长，对推理集群的压力远超普通对话场景，这对调度与容错能力提出更高要求。从产业角度看，该事件侧面印证了智能体编程工具的用户增长速度：Antigravity以较低使用门槛开放，大量开发者与泛用户涌入后，推理成本与容量规划成为所有AI编程产品面临的共同难题。类似的高负载状况在Claude Code、Cursor等主流工具上也曾多次出现。后续走向方面，谷歌大概率会采取动态速率限制、分时段调度、优先级队列等策略平衡供需，同时加速算力扩容。在算力供给难以短期跟上的背景下，此类限流与额度重置的循环短期内或将成为行业常态。核心观点：当速度成为卖点，人潮就成了诅咒：推理容量供需失衡，正成为AI编程工具竞争的隐形战场。
原文链接：Linux.do
谷歌正式解禁：全体工程师获准使用 Claude 编程，仅限内部平台 Antigravity
据 Business Insider 报道，谷歌已向全公司工程师开放 Anthropic 的编程模型 Claude，用于内部开发工作，但使用范围仅限于谷歌内部的开发平台 Antigravity。在此政策调整之前，谷歌通常禁止大多数员工使用 Claude Code、OpenAI 的 Codex 等外部编程工具，要求员工统一改用自家的 Gemini 模型。针对这一转变，谷歌发言人回应称，Gemini 仍然是内部开发的主要模型，Claude 则按每位员工的配额提供，定位为补充选项。这一政策变化被外界视为谷歌对 AI 编码领域激烈竞争压力的直接回应——尽管拥有自研的 Gemini，谷歌仍不得不正视竞品在编程任务上的实际能力。值得注意的是，谷歌同时还是 Anthropic 的重要投资者，今年早些时候宣布计划向该公司投入最多 400 亿美元，双方在资本层面早已深度绑定。此次开放意味着谷歌在’自研优先’与’开发效率’之间的权衡出现明显松动，工程师现在可以在强大外部模型的辅助下完成内部开发任务，同时也反映出 AI 编程工具已成为科技巨头争夺开发者和内部生产力的核心战场。
事件分析
从技术路径看，谷歌并未直接放开 Claude Code 等外部客户端，而是将 Claude 模型接入自家 Antigravity 平台，既满足工程师对更强编码能力的需求，又将使用行为保留在可控的内部环境中，兼顾了效率与代码安全。这一定位安排颇为微妙：’可用但非主力’，Gemini 与 Claude 形成主辅搭配。从产业层面看，编码能力已成为大模型竞争的核心战场，此举等于间接承认了 Claude 在编程任务上的领先地位。结合谷歌对 Anthropic 最多 400 亿美元的投资计划，双方形成’资本+采购’的深度绑定，模型层与云服务的合作关系进一步深化。后续值得关注的方向包括：内部使用数据下 Gemini 与 Claude 的能力对比、员工配额政策是否会放宽，以及 Antigravity 是否会演变为谷歌整合多家模型、对标外部开发者工具的统一开发入口。核心观点：当自家模型不再是最高效的生产力工具，巨头也不得不为工程师效率向对手低头，AI 编码竞争已进入实用主义阶段。
原文链接：Linux.do
AI Agent 接管代码评审与线上排查，软件工程师会消失吗？
一位独立开发者近日分享了自己在 AI Agent 时代的软件工程实践经历。该开发者运营 Free4Chat 和策引两个项目，目前项目代码已全面交由 AI 编写，且随着项目复杂度不断提升，代码 Review、测试、线上问题排查等环节也逐步交给 AI Agent 处理。值得注意的是，项目并未因此停滞，反而以更快的速度持续演进。开发者将这几年的实践整理成《Agent 时代的软件工程》一文，探讨在 Agent 能力持续增强的背景下，软件工程师职业的演变方向。文章指出，用 AI 写代码已无争议，真正的变化在于 Agent 正从辅助编码工具扩展为可承接评审、测试、运维等全流程环节的自主执行者，人类工程师的角色正从代码的直接编写者，转向任务定义、架构决策与结果验收的监督者。这一转变引发了对软件工程师职业前景的讨论：当 Agent 能够独立完成大部分工程环节，传统意义上的编码工作将大幅收缩，工程师的价值锚点面临重新定义，这一亲历样本为观察 AI 对软件开发行业的实质冲击提供了具体参照。
事件分析
该案例的价值在于提供了 Agent 全流程接管开发的一手实践样本：Agent 的职责边界已从代码生成扩展至 Review、测试与线上运维，标志着 AI 介入软件工程的深度进入新阶段。从产业视角看，独立开发者与小团队最先受益，因其决策链短、验证成本低，适合 Agent 自主执行；大型组织则需先解决代码资产安全、责任归属与流程审计等制度问题。后续值得关注的方向包括：Agent 驱动的自动化 CI/CD 体系、面向 Agent 的新型工程质量与验收标准，以及人类监督式开发范式能否在大型复杂项目中复现。工程师岗位不会简单消失，但技能栈将向需求建模、系统架构与 Agent 编排迁移，编码能力在岗位评价中的权重将持续下降。核心观点：Agent 接管的不是编码本身，而是工程师的整个执行层；人类价值正从写代码退守到定义问题与验收结果。
原文链接：V2EX 分享发现
开源 Go Runtime 版 Python Agent SDK，实测内存占用比 Claude Agent SDK 低六成
开发者在 V2EX 开源了 nexus-agent-sdk-python，这是为 Nexus Agent Runtime 打造的 Python 封装 SDK。系统采用分层架构：Python 层负责接入，实际的模型调用、工具执行和上下文管理由 Go 语言编写的 nxs 运行时完成。开发者可用它为程序接入能读文件、改代码、执行命令的 Agent，也支持自定义工具。SDK 支持单次任务和多轮会话，提供 MCP、Hooks 和工具权限配置；模型可通过 Anthropic 兼容接口接入，同时兼容 OpenAI Chat Completions/Responses 协议。安装包内置 nxs 和 rg，覆盖 macOS、Linux、Windows 的 x86_64 与 ARM64 平台，要求 Python 3.11 以上。项目附带与 Claude Agent SDK 的本地对照测试：设备为 M1 Pro（16GB 内存），双方均通过智谱 Coding Plan 的 GLM 模型和 Anthropic 兼容接口运行，参数设置一致。测试包含六道 Python 标准库工程题，每题每侧运行三次，共 36 次。结果显示：代码通过检查双方均为 18/18，但代码通过且会话正常结束一项，Nexus 为 17/18，Claude 为 11/18；峰值内存中位数 Nexus 为 125.9 MiB，Claude 为 315.2 MiB，低约 60.1%；模型请求总数为 249 对 301。按 API 单价折算，11 组完整用量成本 Nexus 为 0.9224 元，Claude 为 1.1075 元，低约 16.7%。项目已在 GitHub 开源，接受 issue 反馈。
事件分析
技术看点在于架构设计：用 Go 运行时承担性能敏感的 Agent 核心工作（模型调用、工具执行、上下文管理），Python 仅作接入层，这与 Claude Agent SDK 内置 Node.js 子进程的思路类似，但凭借 Go 的静态编译特性取得了可观的资源开销优势。测试方法相对规范，同模型、同提示词、同工具集、交替执行顺序、每组三次，样本量虽小但具备参考价值。产业层面，该测试侧面暴露了 Claude Agent SDK 在会话终止控制上的短板（6 次耗尽轮次、1 次超时），也验证了国内模型通过兼容接口驱动主流 Agent 框架的可行性。后续走向上，多运行时 Agent SDK 的竞争将聚焦资源效率与会话稳定性，MCP 协议的普及降低了迁移门槛，运行时层与模型层的解耦或成趋势。核心观点：Agent SDK 竞争正从模型能力转向运行时效率，Go 重写核心层以内存与成本优势切入，工具链垂直分化时代已至。
原文链接：V2EX 分享发现
最新文章
- 开源NovaNova Studio：Agent驱动的AI创作工作台，图片视频生成与漫剧短剧一站搞定2026-09-16
- 不到 10MB 的开源 Markdown 编辑器「麻雀」：双击秒开、本地优先不联网2026-09-16
- Gemini 3.8 Flash被挤爆：谷歌承认高负载报错，承诺重置速率限制2026-09-16
- 谷歌正式解禁：全体工程师获准使用 Claude 编程，仅限内部平台 Antigravity2026-09-15
- AI Agent 接管代码评审与线上排查，软件工程师会消失吗？2026-09-15
- 开源 Go Runtime 版 Python Agent SDK，实测内存占用比 Claude Agent SDK 低六成2026-09-15
热门标签
网站统计
- 日志总数：28483
- 评论总数：7
- 标签总数：17880
- 用户总数：3675
- 最后更新：2026-09-17
评论前必须登录！
立即登录 注册