大家好，我是袋鼠帝
最近也是好起来了，上周四去杭州参加了字节火山的线下meetup开发者大会。
在会议现场亲自体验了他们这次新发布的大模型和产品，整个过程还挺有意思的。
我们那一组甚至还因为提了最多的宝贵意见而获得了一等奖（是一个火山的玩偶）
火山方舟这次带来了不少有意思的产品：
1.全新的豆包思考模型Doubao-1.5-thinking-pro和豆包视觉模型Doubao-1.5-vision-pro；
2.MCP应用 - DeepSearch，可以接入丰富的MCP工具，专为复杂问题而生；
3.方舟 x RTC硬件，打造AI硬件的一站式解决方案；
4.火山方舟应用实验室开源生态。
说实话，体验下来效果都很不错。
先说说豆包思考模型Doubao-1.5-thinking-pro
它不仅效果好，延迟低，还支持多模态（拥有视觉能力）
模型支持的并发和价格都非常香～
因为智能体客户对模型API请求量有要求，我之前刻意对比过，发现火山应该是目前大模型API里面支持并发最高的平台了
支持每分钟3万次请求和500万tokens，比其他平台高了不止一个数量级
视觉模型Doubao-1.5-vision-pro也非常nice
我搞了一张杰伦哥的照片，问它在不在合照里面，它居然没上当。
然后我把自己的照片发给它，问它我在合照的位置。
看到回复的结果，我当时一下子鸡皮疙就起来了！它真的知道...
虽然目前还无法准确的判断出在第几排，第几个，但已经很强了。
以上两个模型都可以在火山方舟的模型广场体验。
随后是MCP应用-DeepSearch：是一款专为处理复杂问题而精心设计的高效工具（边思考，边选择合适的MCP工具完成任务）。
下面是它的架构图
现场体验，感觉效果真心不错。
有兴趣的朋友可以访问火山方舟->模型广场，第一个应用就是DeepSearch
https://console.volcengine.com/ark
但目前只支持内置的几个MCP，自由度差了一些（官方透露最近会支持外接MCP）可以先期待一波。
对我来说，最新奇、最特别、最爱不释手的还是他们展示的最新AI硬件一站式解决方案。
这个AI硬件就是下图桌子上这堆，当时还有群友在问能不能都打包回来😂
我确实打包了
但弱水三千，只取一瓢，搞一个够用了（拆开包装，就下图这个mp3大小的玩意儿）
别看这个玩意儿这么小一点点，但蕴含大大的能量，我真的太爱它啦！！
其实去年我就分享过一篇关于AI玩具的文章。那篇分析了AI玩具的整个工作原理。
在今年的3月份，我又分享了一篇用DeepSeek拯救我的小米音箱(小爱同学)的教程。
阅读量挺不错，原来大家都想拯救小爱同学呀～
拯救我的小爱同学
小米音箱+DeepSeek，小爱秒变"贾维斯"！【喂饭级教程】
直到我体验了这个火山方舟 RTC 与嵌入式芯片厂商合作的Demo产品：AtomS3R 开发板
我想通了：小爱同学，除了雷总，谁也拯救不了
思路打开，换个更好用、更丝滑的AI产品不就好了嘛。
先看个我录的视频，你就知道它的牛逼之处了
咱们先重点关注AI硬件效果。模型的回复效果，支持自己DIY（别急，后面有讲）
它真的太特喵流畅了
毫秒级实时响应，实时打断，再实时接话，仿佛在跟一个真人通话一样。
下图是官方给出的功能说明
而且体验下来，它完全解决了我的一大痛点：
小爱同学会经常在我玩PUBG战况激烈的时候，突然答腔，这点真的非常令人烦躁（喜欢玩枪战游戏的铁子应该懂，要听脚步）
平时也会莫名其妙出声，关键是本身是有“小爱同学”作为唤醒词的，但完全不管用。
AtomS3R 开发板非常牛逼的一点就是，即便没有唤醒词（代表随时都可以唤醒），只要我不对他说话，它就不会回复（我测试了，在它旁边打box，吹口哨，弄出各种奇怪的声音，都没用）。
心无旁骛，完全不受噪音干扰。
查了一下官方资料，这得益于火山通过 RTC SDK 实现了对复杂环境的音频降噪能力，有效降低背景噪音、背景音乐的干扰，从而提高用户语音打断的准确性。
你可能会说，这有啥，OpenAI的ChatGPT App上面不是早就有了吗？
但是OpenAI，他Open吗，而且它延迟挺明显的。
说实话，如果那天现场体验的是一个成熟的产品，我可能反而并不会太兴奋。
就因为这玩意儿，它从客户端代码，到服务端程序都是开源的！才更令人兴奋呀
整个体验也都是在我本地搭建起来的，只不过大模型和TTS的功能调用了火山引擎的API接口。架构图如下
开源Demo地址：
https://github.com/volcengine/rtc-aigc-embedded-demo.git
并不是因为它免费。
而是，这意味着，我们完全可以自己DIY这个AI硬件。
比如给它赋予自定义的性格、角色。
切换不同音色、甚至使用克隆音色（比如周董、志林姐姐...）
接入搭载AI知识库的Agent（智能体），有问题，随时用嘴问，回答更专业。
接入搭载各种MCP的Agent，用嘴玩MCP，打造真听话AI等等...
更有意思的是，它跟mp3一样大，完全可以随身携带，如果再让它通过耳机回复，有没有一种萧炎随身带着药老的感觉？
想想都觉得美滋滋～
虽然它现在还只是一个开发板，但我仿佛已经看到了智能玩具、智能家居、智能穿戴设备、智能教育设备、AI 机器人等领域美好的未来。
不过有一点不得不吐槽一下， 在本地搭建这套AI硬件的一站式解决方案，还真挺费劲的（主要还是对硬件/嵌入式开发这块生疏了）。
看下面的流程你就知道了
即便火山给了一个操作文档，但我也还是耗费了不少时间
中途也遇到不少问题，还专门请教了火山的开发同学，才搞定。
最后，大家应该也注意到了这个AI硬件其实还长了个摄像头，这意味着它是可以实时捕捉画面的（长了个眼睛）
官方反馈视觉理解这块还暂未支持，但已经在计划中～
不敢想象一个能听会说、还会看的专属DIY Agent硬件有多棒，先狠狠期待一波。
独乐乐不如众乐乐，我准备后续单独出一篇详细的本地搭建、DIY教程。
想提前体验的朋友也可以先去火山方舟的实时音视频试用：
https://console.volcengine.com/rtc/guide
另外，本地搭建这套AI硬件一站式方案，也需要调用到火山方舟的一些API接口（大模型、TTS等）
有的朋友可能会担心费用问题
说实话，目前很多调用大模型API的业务，我都用火山方舟了。
因为火山方舟是字节旗下，算力足且稳定，大模型延迟低，API支持的并发还非常高，价格也实惠，所以在之前就一直给我的智能体客户们推荐了（虽然是用我的额度）
下图是我和部分智能体客户最近一个月的火山大模型API用量：超过880万tokens
因为要给客户使用火山API嘛
我记得我就二月份第一次在火山充值了100元，用到现在都还剩84元...
火山会赠送很多免费tokens额度
所以还是很耐用的，可以放心冲。
文章来自微信公众号 “ 袋鼠帝AI客栈 “，作者 袋鼠帝
【免费】cursor-auto-free是一个能够让你无限免费使用cursor的项目。该项目通过cloudflare进行托管实现，请参考教程进行配置。
视频教程：https://www.bilibili.com/video/BV1WTKge6E7u/
项目地址：https://github.com/chengazhen/cursor-auto-free?tab=readme-ov-file
【开源免费】Browser-use 是一个用户AI代理直接可以控制浏览器的工具。它能够让AI 自动执行浏览器中的各种任务，如比较价格、添加购物车、回复各种社交媒体等。
项目地址：https://github.com/browser-use/browser-use
【开源免费】AutoGPT是一个允许用户创建和运行智能体的（AI Agents）项目。用户创建的智能体能够自动执行各种任务，从而让AI有步骤的去解决实际问题。
项目地址：https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目，只需要输入一句话的老板需求，MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色，包括产品经理 / 架构师 / 项目经理 / 工程师，MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址：https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】FASTGPT是基于LLM的知识库开源项目，提供开箱即用的数据处理、模型调用等能力。整体功能和“Dify”“RAGFlow”项目类似。很多接入微信，飞书的AI项目都基于该项目二次开发。
项目地址：https://github.com/labring/FastGPT
【开源免费】VideoChat是一个开源数字人实时对话，该项目支持支持语音输入和实时对话，数字人形象可自定义等功能，首次对话延迟低至3s。
项目地址：https://github.com/Henry-23/VideoChat
在线体验：https://www.modelscope.cn/studios/AI-ModelScope/video_chat
【开源免费】Streamer-Sales 销冠是一个AI直播卖货大模型。该模型具备AI生成直播文案，生成数字人形象进行直播，并通过RAG技术对现有数据进行寻找后实时回答用户问题等AI直播卖货的所有功能。
项目地址：https://github.com/PeterH0323/Streamer-Sales
