先在電腦試玩，甚至可戴上頭戴裝置驗證互動，空間應用原型不必一開始就靠硬件測試。
想製作可伸手操作的立體教材或遊戲原型，XR Blocks 可配合 Gemini，把文字描述轉成延展實境（Extended Reality，XR）應用；它是開源框架，不是獨立模型。
框架以 WebXR、three.js 及 LiteRT.js 為基礎，整合環境感知、手部互動與物理效果。配套工作流把程式範本和專用系統提示交給 Gemini，減少模型自行猜測介面。
Google AI Studio 支援在瀏覽器內建立及預覽應用，毋須先安裝本地開發工具。電腦可用 Chrome 執行模擬器；沉浸式測試則需要 Android XR 頭戴裝置，例如 Samsung Galaxy XR，以及支援 WebXR 的 Chrome 136 或以上版本。
原連結未能讀取完整內文，本文以官方文件補充；文件沒有列出最低記憶體或顯示卡要求，不能據此保證所有電腦都能流暢運行。
當搭配如 Claude Code、OpenClaw、Hermes Agent 這類每輪都發送巨大 Context / Tool Transcript 的 Coding Agent 時，oMLX 能直接命中快取，大幅縮短每輪等待時間。
在 Mac 跑編程助手，oMLX 可讓常用模型常駐記憶體，並從選單列管理服務。能使用 Mac 原生 MLX 的吞吐與批次處理。
它以連續批次處理（Continuous batching）配合分層鍵值快取（Key-Value cache，KV cache）：常用區塊留在記憶體，冷資料以 safetensors 格式存入固態硬碟（SSD）。後續請求的前綴吻合便可重用，伺服器重啟後亦能恢復，但不代表任意改寫上下文都能免除重算。
硬件需 Apple Silicon Mac，並為模型及快取預留記憶體與 SSD 空間；來源未列最低容量、模型清單或具體測速，不能據此保證大型模型的速度。
安裝可從 Releases 下載 .dmg，拖入 Applications，並支援程式內更新。需要反覆處理相同上下文的編程工作較能受惠；SSD 快取節省重算，卻不能取代模型推理所需的記憶體。
跨應用程式完成工作，不能只看模型答得對不對；Work Agents 把代理流程、能力與可驗證成果放進同一研究脈絡。
當 AI 要跨應用程式完成多步工作，交付可核實、能供後續使用的成果，比單次答對更重要。Work Agents 是配合調查研究整理的開源閱讀清單，收錄數碼工作代理的系統、訓練、環境、記憶、基準與官方資源，並非可直接安裝的代理軟件。
研究以工作持續性（work persistence）和工作開放性（work openness）描述工作條件，並分成對話（Conversation）、單一步驟（Atomic Action）、多步（Multi-step）、工作流程（Workflow）及工作區（Workspace）五類。它也梳理 foundation models（基礎模型）與 runtime harnesses（執行時框架）的單獨或協同優化，評估則聚焦成果能否符合要求並供下游使用。
你可由 GitHub 清單挑選論文、基準和工具；暫未有可直接執行的代理或統一安裝、測試流程，不能當成部署指南。
產品團隊和自動化流程負責人可用它整理能力缺口與評測方法。清單沒有同一環境下的性能數字，具體效果仍要回到各研究與工具核實。
AI 助理完成一項工作後，能否記住檔案、工具、規則和偏好，並在後續任務派上用場？Continual Learning Exam 以跨五個階段的專業工作流程測試這種能力。
完成眼前任務不代表 AI 助理學會了經驗：它還要在後續工作中找回先前接觸過的檔案、工具、規則或使用者偏好。Continual Learning Exam（CLE）是一套持續學習評測基準，透過相連的專業任務，檢驗代理能否累積並重用這些資訊。
每項任務分成五個相連階段，後續階段可能需要運用先前累積的知識。完整基準涵蓋 12 個領域、89 種專業角色及 120 項由 50 多位領域專家撰寫的任務，共有 600 個階段；CLE Lite 則提供 20 項任務及 100 個階段，並公開任務卡、輸入檔案和執行環境，方便研究團隊先行測試。
CLE 提供兩種評測方式：Direct 讓代理直接執行全部五個階段；CLE Trial 1 和 Trial 2 則要求代理通過當前階段，才繼續前進，Trial 2 另加入診斷回饋及一次修訂。這個安排能比較代理在不同流程下的完成情況，也能觀察回饋是否改善結果，但不應把單次任務得分直接視為代理已具備穩定、通用的長期學習能力。
公開結果中，最佳配置完成了 47.7% 的階段；加入診斷回饋和一次修訂後，完成分數的中位增幅為 5.3 個百分點。這些數字反映任務完成度仍有明顯提升空間，也提醒使用者把評測結果視為比較代理配置的依據，而非對日常工作成效的保證。
CLE 適合研究代理記憶、工具使用與跨任務學習的團隊，也適合評估專業工作流程的開發者。可以先用 CLE Lite 的任務套件和 Harbor 執行環境測試代理，再按需要比較 Direct、Trial 1 與 Trial 2；完整基準、排行榜及研究論文則可用來進一步查看任務分布和評測結果。
AI 助理完成一項工作後，能否記住檔案、工具、規則和偏好，並在後續任務派上用場？Continual Learning Exam 以跨五個階段的專業工作流程測試這種能力。
完成眼前任務不代表 AI 助理學會了經驗：它還要在後續工作中找回先前接觸過的檔案、工具、規則或使用者偏好。Continual Learning Exam（CLE）是一套持續學習評測基準，透過相連的專業任務，檢驗代理能否累積並重用這些資訊。
每項任務分成五個相連階段，後續階段可能需要運用先前累積的知識。完整基準涵蓋 12 個領域、89 種專業角色及 120 項由 50 多位領域專家撰寫的任務，共有 600 個階段；CLE Lite 則提供 20 項任務及 100 個階段，並公開任務卡、輸入檔案和執行環境，方便研究團隊先行測試。
CLE 提供兩種評測方式：Direct 讓代理直接執行全部五個階段；CLE Trial 1 和 Trial 2 則要求代理通過當前階段，才繼續前進，Trial 2 另加入診斷回饋及一次修訂。這個安排能比較代理在不同流程下的完成情況，也能觀察回饋是否改善結果，但不應把單次任務得分直接視為代理已具備穩定、通用的長期學習能力。
公開結果中，最佳配置完成了 47.7% 的階段；加入診斷回饋和一次修訂後，完成分數的中位增幅為 5.3 個百分點。這些數字反映任務完成度仍有明顯提升空間，也提醒使用者把評測結果視為比較代理配置的依據，而非對日常工作成效的保證。
CLE 適合研究代理記憶、工具使用與跨任務學習的團隊，也適合評估專業工作流程的開發者。可以先用 CLE Lite 的任務套件和 Harbor 執行環境測試代理，再按需要比較 Direct、Trial 1 與 Trial 2；完整基準、排行榜及研究論文則可用來進一步查看任務分布和評測結果。
想看懂六十四卦如何生成、相互轉換，這部約三分鐘的動畫把卦象、數學關係與經典次序串成一條視覺線索。畫面和配樂均由程式生成，亦可自行預覽及渲染。
由陰陽爻逐步生成六十四卦，再看卦象如何倒轉、互換和變化，iching-64-motion 把《易經》的符號關係整理成一部約三分鐘的知識動畫。它是以程式製作的動畫項目，處理的是如何把抽象卦序和結構轉成可觀看的畫面；內容聚焦符號系統，不提供占卜解讀。
全片分成七章，從邵雍「加一倍法」帶出六十四卦的生成，再以方圓圖、錯卦與綜卦、互卦、變卦、文王卦序、十二消息卦和京房八宮呈現不同關係。陰爻記作 0、陽爻記作 1，六爻卦可讀成六位二進制數；改變一爻，則可視為在六維立方體的頂點之間移動。這些呈現方式讓讀者能從圖像理解卦與卦之間的連結，而非只看靜態卦名。
畫面由 React、SVG 和 three.js 生成，Remotion 負責把場景渲染成影片；六十四卦、卦序等資料由程式推導，配樂則以 Python、numpy 和 scipy 合成，並按畫面事件安排聲音。項目沒有使用外部圖片、影片或音訊素材，視覺與音樂都能納入同一條可重現的製作流程。這對製作資料驅動動畫、教學影片或展覽內容的創作者，提供了可參考的做法。
本機預覽需要 Node.js 18 或以上；可在 Remotion Studio 預覽，再渲染 MP4；不生成配樂仍可預覽畫面。
Claude Code、Codex、Gemini CLI 等代理可以各自改用其他模型或訂閱帳戶；配額用完時，Magpie 亦可按設定切換帳戶或路由到其他服務。
想讓 Claude Code 用 Kimi、Codex 用 DeepSeek，或者讓 OpenCode 使用 ChatGPT 訂閱模型，不必逐個代理手動改一堆設定。Magpie 是一款跨平台工具，透過本機閘道統一管理模型與供應商，並從選單列切換代理設定；它改動的是各代理自己的關鍵設定，並非把不同代理合併成同一個程式。
它支援 API key、本機模型，以及 Claude、ChatGPT、Copilot、Gemini、Grok 等已登入帳戶。Claude 整合會呼叫本機的 Claude CLI，並透過 MCP（Model Context Protocol）橋接代理工具；ChatGPT 訂閱模型則可供其他代理使用。這讓使用者能沿用熟悉的代理工作流程，同時更換背後的模型來源。
配額耗盡時，Magpie 可改用同一供應商的另一個帳戶；若設定了路由群組，也可轉往其他模型或供應商。沒有備用帳戶或路由群組時，錯誤仍會傳回代理，因此不中斷並非無條件保證。隱私遮罩則須在設定中手動開啟，啟用後會在請求離開本機前遮蔽提示中的金鑰、密碼和電郵地址，再把內容還原到回覆。
對同時使用多個 AI 編程代理、需要管理不同供應商帳戶的個人或團隊，Magpie 可集中處理切換與備援；若只用單一帳戶，或不希望工具改寫代理設定，收益會較有限。項目支援 macOS、Windows、Linux、Docker 和 Termux；提供下載與文件，但所給資料未列出效能測試或延遲數據，選用前宜確認所需代理、模型與登入方式均在支援範圍內。
AstrBot 將聊天平台、模型服務與插件串成一個可管理的 AI 助手項目，適合想自建聊天機械人的團隊。
想在 QQ 等聊天平台加入 AI 對話、插件功能和自訂服務，AstrBot 提供的是一套可自行運行的開源框架，而不是單一模型。項目以 Python 3.12+ 為基礎，將訊息接收、模型呼叫及擴充功能放進同一個工作流，減少團隊自行黏合多個服務的工作量。
簡單講係一個「將 AI 接入通訊軟件」嘅開源平台：你可以將雲端或本機大模型，接駁 Telegram、Discord、LINE、Slack、企業微信等平台，變成可以聊天、查知識庫、使用工具同執行任務嘅 AI 助理。佢本身唔係大模型，而係負責整合模型、訊息平台、插件同 Agent 功能。
相比直接使用封閉式聊天服務，AstrBot 把控制權交回管理者，換來較高的設定彈性和維護成本。它較適合有基本 Python 能力、需要掌握資料流向，或希望按團隊需求改造聊天機械人的使用者；只想即時開啟對話服務的人，則要先考慮環境配置和平台整合工作。
項目本身屬於聊天機械人框架，實際解決的是訊息平台與大型語言模型之間的整合問題。項目提供版本、文件、路線圖及 Issue Tracker 等入口。
AI 文字偵測常被質疑只給標籤、看不到理由；DetectorScope 會列出影響判斷的文字特徵，並標示它們出現的位置。
當文字被判定為 AI 生成，DetectorScope 會進一步指出哪些字詞或句式推高了判斷分數，並讓使用者在文字上查看相關片語。這個開源工具把黑箱 AI 文字偵測器轉成可檢視特徵的系統，也能用來分析不同語言模型的寫作習慣。
它先在偵測器的 residual stream 上訓練稀疏自編碼器（SAEs），為特徵產生描述和驗證分數，再篩選合格特徵，交由稀疏分類頭作出預測。結果會列出 AI 機率、特徵描述及各特徵的影響方向；示例中，「about」作介詞和重複語句提高 AI 分數，而口語填充語則降低分數。
你可以先到 Hugging Face Space 試用示範，開發者則可透過 Python 套件載入預訓練的 liamdugan/detector-scope 模型，提交文字並讀取特徵結果。亦把自有黑箱偵測器轉成可審核版本的流程，但沒有提供可據以比較準確率或誤判率的評測數據。
對研究文字偵測、模型行為或內容審核的團隊而言，DetectorScope 提供了比單一 AI 標籤更可追查的分析線索。由於資料未列出不同領域、語言或改寫文本上的可靠度，涉及學術紀律或其他高風險決策時，仍應配合人工審核，避免把偵測分數當成定論。
DirCast 每秒查看 Dota 2 十名英雄的鏡頭，自行選擇播出畫面並配上解說。它把導播與主播工作交給同一個模型，但目前評估仍集中於有限的職業賽事。
直播觀眾看到的畫面和聽到的解說，通常由導播與主播共同決定；DirCast 嘗試讓 AI 每秒查看十名英雄的原始鏡頭，選出播出畫面，再按該畫面決定何時發言及說甚麼。這個研究型工具以 Dota 2 賽事為場景，處理的是如何在比賽仍在進行時，同步完成選鏡和解說，而非只替已剪好的直播影片配音。
DirCast 使用單一串流影片語言模型 Qwen3-VL-8B，並以 LoRA 微調。模型先低解像度掃描各英雄鏡頭及遊戲狀態，再由導播模組決定維持現有畫面或切換；選中的鏡頭會再以高解像度讀取，供發言判斷和文字生成。這種安排把全場掃描與播出畫面的細節理解分開，也讓模型的解說跟隨自己選出的畫面。
模型不會永久保留所有低解像度鏡頭：這些畫面只在設定的時間窗內留在上下文，播出畫面、事件和已生成的說話則會保留，令處理長賽事時的上下文成本受控。訓練時加入受擾動的播出流程，讓模型練習從自己選錯鏡頭後恢復；事件標記則協助它把擊殺等值得呈現的時刻納入選鏡考量。控制切鏡與發言的門檻亦會按頻率調節，避免節奏過密。
研究資料集包含 27 場職業 Dota 2 比賽，記錄每名英雄的鏡頭、人類導播選擇及主播解說。示範涵蓋兩場留出比賽，展示模型切到鏡頭外發生的交戰並作出評論；但這些例子不足以證明它已能應付不同遊戲、直播延遲或長期穩定運作，現階段較適合研究團隊測試自動化直播製作，而非直接取代真人轉播團隊。
GitHub 儲存庫提供模型、資料處理與賽事狀態相關程式碼；研究人員可據此檢視流程或測試模型。儲存庫資訊未列出完整安裝步驟、硬件需求或可直接重現的評估指標，因此部署成本與相對真人導播、主播的穩定差距，仍需更多測試才能判斷。