透過 Kiro，我們徹底革新了開發者與 AI 代理商的合作方式。我們率先推出了規範驅動開發 (spec-driven development)，Kiro 將您的需求轉化為結構化的需求、設計和任務，然後由代理商執行。 Kiro 的代理鉤子 (agent hooks) 透過將任務委託給在背景執行的代理程式（例如更新文件、產生單元測試或最佳化程式碼以提高效能）來幫助您擴展工作。我們將 Kiro 視為真正的協作者，目標是讓 Kiro 幫助您交付強大的工程成果，同時助您成為更優秀的工程師。
NVIDIA RTX AI 加速 FLUX.1 Kontext [dev]
NVIDIA 與 Black Forest Labs 合作，使用
NVIDIA TensorRT軟體開發套件和量化技術針對
NVIDIA RTX GPU 優化 FLUX.1 Kontext [dev]，
從而以更低的 VRAM 要求提供更快的推理速度。
Gemini CLI：您的開源 AI 代理
Google 推出了 Gemini CLI，一個免費的開源項目。它允許開發者透過自然語言指令在 Terminal 使用 Google 的 Gemini 2.5 Pro 模型。它可以編寫程式碼，亦能夠處理內容的生成、或者解決問題、甚至深入研究和任務管理等的多種任務。這個工具的設計目標是提升開發者在終端機中的工作效率，令 AI 成為日常工作流程的一部分。
Python UV 取代 pip
Python UV 是一個以 Rust，編寫的高效能 Python 套件管理器和安裝程式。它能夠簡化 Python 的開發，同時負責管理標準函式庫(Standard Library)，或者安裝虛擬環境等等。影片詳細講解了點樣利用 UV 進行完整的開發流程，並且強調 UV 在簡化和統一開發環境方面的優勢。
用uv管理Python的一切！
wp-ai-chat：WordPress 插件
wp-ai-chat 是個開源的 WordPress 插件，旨在為 WordPress 網站整合 AI 助手功能。這個插件可以連接多種不同的 AI 模型，包括 DeepSeek、豆包、通義千問、OpenAI、Kimi 和千帆等，提供聊天、文章翻譯和 AI 生成 PPT 等功能。
KTransformers 克服資源限制
KTransformers 透過先進的核心優化技術來增強 Transformers 的體驗。KTransformers 特別為硬件資源有限的本地部署，並支援異構運算，例如量化模型的 GPU/CPU 卸載，令到不同的架構處理器可以協同工作。KTransformers 亦提供了一個 YAML 範本來呼叫特殊的優化指令。结果可以令 RTX 4090 本地運行 DeepSeek-R1、V3 的 671 B 满血版，以 24 Gig VRam 最高推理速度仍達到 14 tokens/s。當然，你亦需要保証足夠 D Ram。
DeepSeek & Crawl4AI 爬蟲！
這影片教你如何使用 DeepSeek AI 和 Crawl4AI 驅動網頁爬蟲，甚至無需編寫任何程式，就能輕鬆地從任何網站收集結構化數據。影片同時亦展示了一個實際案例，講解點樣為公司尋找潛在客戶，包括地址、企業名稱和聯絡方式等資訊，然後將數據匯入試算表進行整理和分析。
Scrape Any Website for FREE & NO CODE Using DeepSeek & Crawl4AI! (Opensource)
Transformer Lab 桌面 LLM 工作台
Transformer Lab 是個免費的開源 LLM 工作平台，方便進行微調、評估、匯出和測試，並支援唔同的推理引擎和平台。Transformer Lab 適用於擁有 GPU 或 TPU 的電腦，亦支援 MLX 的 M 系列的蘋果電腦。主要功能包括下載開源模型、智能聊天、計算嵌入、創建和下載訓練數據集、微調和訓練 LLM、以及使用 R A G 與文件互動。
OpenHealth 開源 AI 健康助理
OpenHealth 專案是一個開源的 AI 健康助理，作者描述自己五年來花費超過十萬美元、看過三十多位醫生，卻無法確診自體免疫疾病的痛苦過程。 受到這個經歷的啟發，他開發了一個開源 AI 工具，可以幫助人們分析自己的醫療記錄，從不同的醫院提取並整理數據，並藉由 AI 模型進行分析，找出潛在的疾病。 這個工具的目的是解決醫療資訊分散的問題，讓患者能夠更全面地了解自己的健康狀況，並提供給醫生參考，但作者也強調，此工具僅為輔助診斷，不能取代專業醫療人員的判斷。
open-deep-research 深度研究工具
open-deep-research 是個開源的深度研究工具，模仿 OpenAI 的 Deep Research 實驗，但使用 Firecrawl 擷取和搜尋網頁資料，並結合推理模型，而非微調 o3 模型。 專案以Next.js建構，具有多種功能，包含即時資料饋送、結構化資料擷取、先進路由、支援多種大型語言模型（LLM）如 OpenAI、Anthropic 和 Cohere），當然亦 Support 免費的 Ollama 以及資料持久化機制。 提供本地部署和執行說明。 整體而言，它展示了一個強大的、可擴展的深度研究工具，並強調其開源和易於使用的特性。
