WeWorkBuddy

Home / Browse

All stories

Browse every indexed public story, including items outside the main categories.

8363 public stories

V2EX ·

[分享创造] 把之前发过的第一版宝可梦精灵，继续做成了一个可以自由创造精灵的「涅瓦世界」

之前在 V 站发过一次这个项目： https://www.v2ex.com/t/1248042?p=1#reply41 ，这个世界完全参照宝可梦游戏做了一个 AI 版的，主要是通过手机（一个 UI ）给精灵发短信来控制他的行为，当然他可能因为性格原因而不听你的... 这段时间又在原来的基础上继续折腾，形成一个“里世界”（用户们取的名字），官方名是「涅瓦世界」。 这里的精灵不是从现有作品里搬过来的：从名字、外形、背景设定，到属性、技能和种族指数，都是通过你的 Prompt 原创生成的。其中数值和组合还是根据你的精灵外型特性随机的，所以偶尔会诞生一些很怪的精灵 hhh 看缘分...你可以在里面探索，遇见和对战其他人原创的精灵。 目前「涅瓦世界」还在不断完善，后面也会继续增加新的玩法和原创内容。欢迎大家进去逛逛，看看会遇到什么，也欢迎在楼下反馈体验。（生成精灵时间有点长，请见谅🙏因为得生成各个角度不同动作的） 体验地址： https://neva.nevatown.com/?source=vv

V2EX ·

[分享创造] Voilà pro 支持离线实时输入了

五月份发过一次帖,这是半年之后的一个更新. 期间收到了不少朋友的来信,也有不少的建议,一直没有做的是离线的输入,还有快捷键. Voilà pro 的混合输入之前是依赖网络模型,但是很多朋友希望用本地使用,并不想让数据云端处理. 并且对国内的用户不是很友好. 离线模型使用苹果的转录效率很低,准确也不是很好. 因为到现在为止，发现大多数离线的输入还是在转录层面。市面上比较出名的模型，一个是 Whisper ，还一个就是千问的模型，也就是 Qwen. 相信大家也看出来,新版的 Voilà 从 UI 上有了很大的变化,但是这不是重点,重点在于我们现在使用本地模型可以做到实时输入,而且做到混合输入,中文/英文/法语甚至其他的语言都可以同时输入 当然也有离线 api 可以调用 openai 兼容的服务器, 当然理论上用过 Voilà 的本地模型之后会感觉到他的强大的. 毕竟 Voilà Pro 是一开始使用古法编程来使用 Swift 做的，新版的 UI 当是借助了 "天才程序员" 加上 Voilà一起协作完成的 之前也发了不少早鸟授权,激活过,使用过的朋友一直有效,因为是离线激活. 重点: 只支持

Hugging Face Spaces ·

townbox/ava

Interactive demo built with static

V2EX ·

[问与答] 求推一个好看+防摔手机壳，

op 是大学生，不想在手机壳上高消费 预算撑死 150 手机计划再撑 18 个月左右，随后作为备用机使用 把 iPhone17 pro 返厂了（无 care ）才发现到问题： 便宜硅胶壳（＜ 15cny ）的防摔防磕性能为图一乐。中框被干出几个坑出来。左上角和左下角被售后观测到变形（我倒是没啥感觉）。 硅胶壳用久之后的变黄的同时，代表着手油沾满了手机壳，其变得更加得滑，最近几次摔手机纯手滑。 终于理解为什么抖音一直给我推 80 元以上的手机壳,20 以内的壳确实是图一乐。 期望的手机壳： 最好可以把摄影模组保护住 相机按键包裹 支架无所谓 磁吸的话也要有/或者保证能吸住比较重的磁吸充电宝和卡包。 中框防滑，四角有额外保护 目前看上了影视飓风和雪雾壳 题外话：为什么要返厂？+维修过程 9 月中旬，一次从兜里掏手机（手机壳已经严重发黄），中框已经比较滑了，那个动作姿势恰好给手机一个动能，让手机飞出去了。手机屏幕朝向地面，撞上一个金属物件。具体位置是屏幕最下方处和屏幕最右侧（电源键）边缝，钢化膜的撞击部位的膜已经崩飞了，只留下了胶层。揭开钢化膜后外屏无损伤。 两周以后天津气温温差加剧，偶发出

V2EX ·

[分享创造] 做了个 Windows Phone 风格的 Tailscale 内网主页，顺便搭了套「手机上指挥 Claude 改代码、刷新就看到效果」的免费闭环

家里有台 Mac mini 跑着一堆自建服务，设备和端口越来越多，记不住哪个服务在哪台机器的哪个端口，于是写了个 tailnet 主页。 GitHub： https://github.com/muzig/tailscale-home 在线演示（虚构数据，建议手机打开）： https://muzig.github.io/tailscale-home/ 它做什么 读 tailscale status / tailscale serve status ，自动列出 tailnet 里所有设备（在线/离线、IP 、MagicDNS 名，点一下复制）和 serve 出来的服务 可选探测在线设备的常见 Web 端口；手写的服务和书签放在 services.json ，和自动发现的去重 可达性由扫描端实测，不可达的磁贴会标出来 桌面端键盘直达：方向键选择、回车打开、Esc 返回 手机上是 Windows Phone 8.1 开始屏幕 ：黑底、4 列磁贴、转门动画、动态磁贴，左滑进 A–Z 全部服务列表 整个项目就一个静态 HTML + 一个只用标准库的 Python 脚本，没有构建、没有框架、没有数据

V2EX ·

[分享创造] 做了个在浏览器里去掉视频烧录字幕的工具，顺手把失败的案例也贴出来了

一个网页工具，把已经烧进画面里的文字去掉——字幕、水印、日期、角标这类。上传视频，框一下文字区域，它把文字后面的画面重新生成出来，不模糊、也不裁切。 和常见做法的区别：blur 是把字盖住，crop 是把字切掉，这两个都会毁掉画面。我试的方向是让模型把被文字挡住的像素补回来。 为什么做 自己剪片子的时候被这个卡过。找了一圈，市面上的工具要么只能打码，要么要装客户端，要么就是把画面放大、裁掉一条边——竖屏视频一裁就废了。 技术栈 Next.js 15 App Router ，部署在 Cloudflare Workers 上（走 OpenNext ） MySQL 走 Hyperdrive ，视频文件放 R2 去文字本身不是我自研的模型，调的是第三方视频擦除接口。我做的是产品化那部分：框选、计费、任务队列、失败退款 成本上，Cloudflare 免费额度目前够跑（ 10 万请求/天、Hyperdrive 10 万查询/天），还没花钱。真正烧钱的是擦除接口，按分钟计费。 踩过的坑 Next.js 的 redirects() 里写 permanent: true ，返回的是 308 不是 301

V2EX ·

[分享创造] 有 AI 是真方便啊，迫于视频平台的电视会员都要额外买，干脆开发一个电视浏览器好了

虽然不知道为什么电视上以前还有浏览器这种软件，但后来全都消失了，我猜是广电的锅。 我最开始是给孩子从网上找的资源然后在电视上使用 VIDHUB 播放，但是网上的资源要面临各种各样的问题，比如清晰度，比如字幕夹带私货。 并不是我不付费，问题是你叫我在电视上再买一次有点过分吧？刚好最近看到 clear you tv 这些项目的信息，我寻思了一下，没毛病啊，只要 AI 能通过 ADB 连上电视，剩下的东西还不是就剩下许愿！ 我家的电视是 TCL 来的，开启 ADB 的方式为找到设置里的本机信息页面，按“上下左右”就会出现 ADB 开关，打开就可以了。局域网下，给 AI 说让它去找到电视，然后开始自己开发自己验证，完成交付目标，开始爽看！

V2EX ·

[程序员] Make Feature-Poor Things

多摘低垂果实。 一个工具只解决一个问题，而不是用一个应用试图同时解决许多问题；尤其是对初学者和个人开发者而言。 因为个人在功能数量上没有护城河，一旦功能做多，很容易陷入与竞品和大厂的 dogfight ，而大厂最擅长的就是多开推出各种功能，个人在功能数量上根本竞争不过，而且时间精力没法与之消磨。 以及一个应用如果功能太杂、或者试图包揽一切让用户脱离原本使用的应用、但完成度做得不精，其实没人会愿意转向它。 个体更擅长的是发现大厂没解决或不在重心的问题，并用高效的方式达到它们尚未达到的深度。

V2EX ·

[分享创造] [分享] 打字太慢？用 OpenWhispr + Groq + Cloudflare 自建免费的 Typeless 语音输入替代方案

每天和 AI 高频协作，键盘打字成了最大的效率瓶颈。之前看过别人用 Typeless 体验很好，但收费偏贵。 为了不增加订阅负担，我自己土炮了一套方案（不是那种灌水的 AI Slop ，而是确实解决日常输入痛点的组合）： 客户端：开源的 OpenWhispr （处理录音与热键输入） 语音辨识：Groq Whisper （辨识极快，免费额度充裕） 文字整理：Cloudflare Workers AI + 开源 LLM （修正赘字与标点） 完整的搭建与转接流程都整理在文章中了： https://company-notes.com/blog/openwhispr-groq-cloudflare-typeless/ 实测下来，连这篇分享文基本上都是靠这套系统「说」出来的，输入效率提升非常明显。个人日常使用的话，这两者的免费额度完全足够，有兴趣的朋友欢迎参考交流。

GitHub Releases ·

Patch release v5.22.1

Patch release v5.22.1 We just had to fix the documentation! ** [Fix] Remove WIP doc for Ml4 ( #50124 ) from @remi-or

V2EX ·

[推广] 做 AI 项目，如何减少多模型接入和用量管理的重复工作？

团队同时测试 GPT、Claude、Gemini、DeepSeek 等模型时，往往需要分别处理接口、密钥和费用记录。项目一多，测试环境与正式业务也容易混在一起。 Midalo 提供多模型 API 接入，支持 OpenAI、Anthropic、Gemini 等协议，并可为不同项目创建独立密钥、设置模型访问范围和额度上限。请求完成后，可在控制台查看 Token 用量、耗时和扣费记录。 比较适合： -正在做模型选型的 AI 应用团队； -需要按客户项目拆分用量的软件公司； -接入 Claude Code、Codex CLI 等工具的研发团队。 支持预付余额、按量计费，可以先用真实业务请求做小范围测试，再决定是否扩大使用。 站点注册地址： https://agent.midalo.ai/ （一定要用这个地址注册，不然看不到注册 ID，防止后面领不到鸡蛋） Midalo API 官方 QQ 群：1030748124（注册后进群，私信管理员或联系客服发送账户 ID 即可随机领取 2-5$不等额度鸡蛋，24 小时内到账） 客服 QQ：3809674723 微信联系方式：wjn168178 （添加备注

V2EX ·

[推广] gpt 官方大降价， www.jiji.cc 第一时间价格也跟着跳水，不降智模型价格降至倍率 0.15，欢迎想下游的和要求企业级稳定的 V 佬来偿，回复送鸡蛋。

tibo 终于办了件实事，现在 gpt 额度上调，中转站也迎来全网降价的至低时刻。 吉吉 api 不降智中转站第一品牌 https://www.jiji.cc 第一时间同步降价，降价性能不降，不降智我们包的。 用户突破 1.6 万 社群 6000 人。 企业级的稳定性能，实时在线监测。

GitHub Discovery ·

elvarofficial/teardown

A Claude Code skill that turns any machine into a 3D simulator you can take apart

V2EX ·

[推广] [自荐] CF Deploy Kit： Cloudflare Worker 订阅面板部署工具包，$29 一次性（附免费样章）

说明：我是作者本人，此帖为自荐/广告性质，商品在 Gumroad 售卖。 事实部分： 这是一个部署工具包，内容是把一个最小可用的 Cloudflare Worker 订阅聚合面板从零部署到上线的模板、脚本与文档。缘起是自己部署同类面板时反复遇到三个问题：重部署后无法确认新代码是否生效、KV 绑定丢失、接口 503 时无法判断故障层级。包的核心是把「部署后验证」做成脚本化的硬判据，而不是靠刷新页面确认。 包含内容： Worker 模板（单文件）：/health、/sub（Base64 订阅输出）、/sub/plain、/api/status；token 未配置时接口按设计拒绝服务 deploy-check.sh ：部署后验证脚本，检查线上版本号与本次部署版本是否一致、KV 绑定是否存在、订阅可否拉取解码、错误 token 是否被拒绝 部署手册：12 节，从前置条件到回滚与安全清单 故障排查手册：10 类常见故障，各含症状、判别方法与修法 检查清单：上线前、部署当天、域名、上线后第一周、每次变更后 不包含：任何账号、域名、订阅来源或节点（均需自备）；流量转发功能（模板只聚合订阅文本）；托管

V2EX ·

[分享创造] 自己做了个 AI 女装试穿网站， 1407 套衣服随便换，代码开源

之前看到一个 AI 服装图集的点子，就自己做了个在线版本。最开始只是想方便找衣服、看搭配，后来干脆加上了 AI 换装，前后端也一起开源了。 先看效果： 服装参考图 + 人物原图 → AI 换装结果 。 ① 服装参考图 ② 人物原图 ③ AI 换装效果 目前做了什么 1407 张服装参考图 ：支持中英文搜索、分类筛选、放大查看。 AI 一键换装 ：上传人物照，选一套服装作为参考，生成试穿效果。 多模型可选 ：GPT Image 、Gemini 、豆包等，API Key 、Base URL 和模型名可以自己配置。 本地模型 ：加入了 ComfyUI 工作流，可以用自己的显卡跑，不一定要调用付费云端 API 。 部署和二开 ：前端是静态页面，后端用 GoFrame v2 ，提供 Docker Compose 部署方式；代码采用 MIT 协议开源。 关于费用 单纯浏览、搜索服装图库不需要 API Key 。 AI 换装需要连接后端并配置模型：用云端模型会消耗对应 API 额度；用本地 ComfyUI 则需要自己准备运行环境和显卡。 我是拍片哥，我是个好人 在线体验（图库）： https://p

V2EX ·

[分享创造] pVisor：面向 Agent 的 docker

最近在做 pVisor ，想给跑代码的 Agent 准备一个独立环境：每个任务有自己的 Linux 内核，还能继续用现成的容器镜像和熟悉的命令。 用法大概这样： pvisor run --rm alpine:3.20 echo hello 这条命令背后启动的是一台 Linux VM 。镜像直接用 OCI 格式，常用的 run 、 build 、 exec 都有，不需要启动 Docker daemon 。 另一个想解决的问题是资源占用。跑 Agent 、做评测，项目镜像越攒越多；多个环境同时开着，内存也吃紧。既然用了 VM ，就得想办法减少这些开销。 镜像这边，我们做了压缩内容池和按需读取，避免一直保留完整的解包副本。拿 Alpine 、Ubuntu 和两个 Python slim 镜像在 Linux 上对照，四个镜像的共享库存，Docker 占 363.16 MiB ，pVisor 占 94.29 MiB ，少了 **74%**。 测试过程和结果在这里 。 内存也做了共享实验：四台 VM 里放重复内容，开启物理共享后，整组内存从 398.92 MiB 降到 149.14 MiB 。 实