hawkli 其实我现在最最想的是AI能同时联动多个APP，比如手机上AI直接打开音乐APP放音乐，而且还能在放音乐的时候灵活切换支持我查天气或做其他事。 电脑上也是类似的场景，不过就目前来看，这个想法不太现实。

你需要的是Agent Assistant而非通用的LLM模型，这不是LLM所长。
可以看看dify描绘的私有化assistant，可以调用多个LLM模型，执行一些自动化流程。对于个人来说，最终还需要你自己来搭建一套通用的API才能实现多平台多终端的能力。请参考https://dify.ai/blog/dify-deepseek-deploy-a-private-ai-assistant

目前阶段，我认为那些支持CoT的LLM模型对于个人来说最好的应用还是构建private knowledge base，太好用了。

blackfat 假如以后写的人用ai写，读的人用ai总结。那人类还剩下什么~~

给AI当电池啊（黑客帝国）

本地知识库，对我来说用处最大

向AI请教相亲经验👀

c750327411 本地知识库，对我来说用处最大

兄台请问本地知识库用什么框架实现的？

Oldman 和大爷下棋快了不少

老头儿欺负老头儿……

我已经不记公式了，常用口令也都是直接问。     纯cv废物一个了

天生不爱麻烦人，这自己能干的事也不好意思麻烦人AI（不是

virtualdub hawkli 其实我现在最最想的是AI能同时联动多个APP，比如手机上AI直接打开音乐APP放音乐，而且还能在放音乐的时候灵活切换支持我查天气或做其他事。 电脑 ...

我刚在看omni parser v2，这个才是我心中所想象的AI操作软件的真正想法。
你们可以去查一下这个资料，虽然还在很初期阶段，但思想对了。
这个软件2月12日微软开源了，整体思想是先用视觉大模型把你电脑屏幕分析好，哪里是按钮哪里是文字，然后把你想做的事，比如把PPT中的第几页用EXCEL的哪个表去替换这样的事，用大模型分析好怎么做，由另一个AI工具去完成执行。这个方案在演示上看着是已经成功了，但反馈上来还很初期，速度很慢，准确率也不高，我本想装一个试试的，但看着很复杂要求很高，有一些限制条件，想着就算了，毕竟还没到实用阶段。

加快了我被优化的速度~

必须是有帮助的，这玩意太好用了，现在感觉有点离不开AI助手了。
最早用chatGPT 3.5，感觉那时候生成的内容并不靠谱，很多验证下来都是有问题的，但现在到o1以后质量高了很多，最近用DeepSeek，这个生成的质量也挺不错的。

不会用，年纪大了

minghan0313 兄台请问本地知识库用什么框架实现的？

之前我是只用本地部署，用的是Ollama和AnythingLLM，效果不太理想就放弃了，目前用的是网页平台，字节跳动的扣子

hawkli 我刚在看omni parser v2，这个才是我心中所想象的AI操作软件的真正想法。 你们可以去查一下这个资料，虽然还在很初期阶段，但思想对了。 这个软件2月12日微软开源了，整体思想是先用视觉大 ...

  这个发布的时候看过github的项目内容，作为纯视觉方案助理方案，当然是最符合人类直觉的方案，类似于特斯拉的FSD纯视觉辅助驾驶，而且应该可以预见会有较好的通用性。
  但是路还很长，首先方案是通过实时持续获取UI screenshots，再用对应的vision model进行处理，不考虑模型识别精度低的现状，其客户端开销和延迟都是非常大的问题，还有隐私加密等风险。另外需要OS层有很好的支持，特别是多平台的复杂情况。
  还有就是作为纯视觉的方案，就和FSD一样存在盲区，也就是对于看不见的background tasks无法有效的实时处理，仍然需要其它信息流交换的方案进行配合。
  所以出于项目可用性和准确率和系统开销来说，形成统一的标准(e.g. API)来实现Agent是我个人更希望看到，但是AI行业标准构建本身就道阻且长,但我仍然相信行则将至。