InferNews

DSH Go：Android 手機執行或遙控 DeepSeek Harness

Share to X Facebook

DeepSeek Harness 的 Android 客戶端 DSH Go，讓你在手機安裝執行環境，或透過 SSH 遙控電腦和伺服器上的 DSH，並在手機處理對話與工具審批。

DSH Go：把 DeepSeek Harness 装进口袋

想在外出時繼續使用 DeepSeek Harness，或直接讓 Android 手機執行它，DSH Go 提供兩種做法：在 App 內安裝 Ubuntu、Node.js 和 DSH 執行環境，或連接電腦及伺服器上的 DSH。這款 Android 客戶端支援 Android 8 或以上，無需 Root，也不必另裝 Termux。

遠端連線可使用 SSH，亦可使用 DSHarness Remote。聊天介面支援切換模型、傳送圖片、語音輸入，以及處理工具審批和提問；需要不同操作方式時，也可切換至網頁模式。這令手機不只是查看對話的介面，亦能接續處理 DSH 的工作流程。

DSH Go 亦支援適配專用 SDK 的原生工具卡、表單和面板，項目提供 SDK、教學和示例，方便開發者製作手機介面。開啟權限後，本機引擎可以讀取屏幕、點按和輸入；這類操作涉及裝置控制，使用者應留意授權範圍，並可隨時停止操作。

  • 可在 Android 手機本機執行 DSH，或連線至遠端電腦及伺服器。
  • 支援圖片、語音輸入、模型切換、工具審批和網頁模式。
  • 原生工具卡、表單及面板可透過項目提供的 SDK 開發。

這個項目適合已使用 DSH、需要以手機接續工作的人，以及希望為 DSH 工具製作原生手機介面的開發者。

GitHub

Categories: 開源, 模型, DeepSeek, Image, 教學, 工具, Linux, 編程, 語音

teardown：把機器原理變成可拆解的 3D 模擬器

Share to X Facebook

想了解引擎、手錶或挖掘機怎樣運作，可以讓 Claude Code 生成一頁式模擬器，邊看機器運轉，邊拆開部件追蹤數值。

Mellis HB-7 robotic bee simulator

想弄清楚四衝程引擎如何運作，單看文字或靜態圖解未必容易掌握部件之間的關係。teardown 是一項 Claude Code skill，會按自然語言指示生成離線 HTML 3D 模擬器，讓機器在畫面中央運轉，周邊面板同步顯示數值，亦可按鈕打開正在工作的部件。

使用者可在 Claude Code 以日常語句描述想了解的機械，例如機械手錶或液壓挖掘機臂，再要求生成模擬器；項目亦附有 V8 引擎、Cessna 飛機和 Strandbeest 機械生物三個例子，可用 Node.js 建成單一 HTML 頁面。安裝需要 Node.js 20 或更新版本，以及 Playwright 的 Chromium；影片輸出另需 ffmpeg，聲效製作則需 Python。主要使用方式是透過 Claude Code 提出描述。

生成的頁面會把 three.js 和字體內嵌，方便離線開啟；模擬器閒置時會自動巡覽，亦可把畫面逐格輸出成 60 fps MP4，並配上時間軸聲效。相較只提供動畫的展示頁，它把機械運作、即時數值與可拆解部件放在同一介面。

較適合製作互動式教學素材、概念展示或機械原理解說的教育工作者、設計師和工程團隊。要留意，生成品質會受描述與 Claude Code 產出影響；若內容用於工程驗證或安全判斷，仍需另行核實模型設定與數據。

  • 以自然語言要求 Claude Code 建立機械 3D 模擬器。
  • 單一離線 HTML 頁面包含機器動畫、數值面板和部件拆解互動。
  • 可將模擬器畫面輸出為 60 fps MP4，並加入程序化聲效。
  • 內附 V8 引擎、Cessna 飛機及 Strandbeest 三個示例。
  • 文件未提供物理準確度評測，生成結果不宜直接當作工程驗證。

GitHub

Categories: 開源, AI productions, 模型, Video, 教學, 3D, Python, 安全, Anthropic, 動畫, 聲效, Skill 技能

CUA-Master：把教學影片變成電腦操作訓練資料

Share to X Facebook

教學影片可以變成代理的操作練習，但仍要接駁沙盒。CUA-Master 串起任務挖掘、驗證與訓練資料製作。

com

把軟件教學影片轉成可驗證的操作任務，CUA-Master 這套框架協助團隊訓練電腦操作代理（Computer-use agents，CUAs）。它會按模型弱點補充任務，讓資料建構與模型改進互相帶動。

框架結合字幕語意與畫面變化重建操作軌跡，再抽取可重用的能力單元，控制新任務涉及的能力及應用程式數量。沙盒執行失敗後，可按回饋回復快照重試；已驗證軌跡可轉成 ms-swift 格式的監督式微調（Supervised Fine-Tuning，SFT）資料。

準備測試需要安裝依賴及接駁服務：

  • 以可編輯模式安裝，加入 seeding、annotator、collection、dev 依賴。
  • 複製 .env.example 為 .env，填入 API 金鑰及沙盒服務端點。
  • 經 provider 介面接駁自己的沙盒後端，再按範例設定搜尋影片資料、下載選定影片；命令支援 –help。

官方公布 CUA-Master-27B 在 OSWorld Verified 得分為 80.2，在 OSWorld 2.0 為 36.9，兩者不可直接當成同一尺度比較。項目較適合有沙盒及訓練資源的代理研究團隊；提供的快速開始內容未完整展示後續流程，尚不足以照抄完成整條訓練流程。

項目主頁 · GitHub · 模型

Categories: 開源, 香港中文大學, 香港科技大學, Agentic, AI productions, 模型, 模型訓練, API, Video, 框架, 教學, 軟件

NorthCUA：讓桌面與網頁任務留下可查證成果

Share to X Facebook

交給 AI 的桌面任務，可以連同操作過程與成果一起檢查。NorthCUA 容許自選模型，但接入仍有能力要求。

NorthCUA

讓 AI 操作桌面與網頁後，還能檢查最終檔案或軟件狀態，NorthCUA 把這一步納入開源執行框架 Harness。它串連操作、畫面資訊、工作筆記與結果檢查，讓長任務保留中間進度。

框架建基於 NexAU，不綁定單一模型，但接入的視覺模型須支援結構化工具呼叫。NorthCUA 模型系列則基於 Qwen3.5，提供 Nano、Mini、Pro 三種規模；框架與模型應分開理解。

  • 可先試免金鑰的本機教學，再接入模型執行任務。
  • docs/first-run.md；所附節錄未提供完整安裝步驟。
  • 支援可恢復的批次執行，並保留過程記錄供檢查。

項目公布 Pro 在 OSWorld-Verified 得分為 88.6%，測試涵蓋 361 個任務、上限 100 步，排除 8 個 Google Drive 任務。參考模型的操作介面與結果彙整方式不同，不能直接視為同條件比較。

需要追查操作失敗原因、驗證交付成果的自動化團隊較容易受益；具體任務能否完成，仍要接入模型後測試。

項目主頁 · GitHub

Categories: 開源, 模型, 視覺模型, Qwen, 框架, 教學, 軟件, 工具

IIT：讓小學生用簡單指令與 AI 對話

Share to X Facebook

香港小學將逐步引入 IIT，讓七歲學生以簡單提示或指令與 AI 交流。

Og image

七歲學生將有機會用簡單提示或指令，與人工智能（artificial intelligence，AI）作簡單「對話」；香港小學由 2028 年 9 月起逐步引入 Information and Innovation Technology（IIT）新科目，回應數碼素養、創意及創新科技學習需要。

課程《Information and Innovation Technology Curriculum Framework for Primary Schools (Provisional Draft)》，AI 是其中一項重點。學生先認識相關技術，再以簡單命令與 AI 互動，學習重點不只接觸工具，也包括培養好奇心及對創新科技的興趣。

對學校而言，IIT 提供一個讓學生較早接觸 AI 的課程位置；對學生而言，互動形式把抽象的 AI 概念拉近到提問、下指令和接收回應等熟悉行為。資料未有交代課堂會採用哪些 AI 系統、設備、評核方式或具體教學活動，亦未提供安裝、下載或使用流程。

  • 由 2028 年 9 月起在香港小學逐步推行
  • 學生年紀可低至七歲
  • 以簡單提示或指令與 AI 作基本互動
  • 目標包括提升數碼素養、創意及對創新科技的興趣

目前公布內容屬臨時課程框架草案，實際推行安排仍可能隨後續課程設計而調整。家長、教師和教育科技項目策劃者可先把它視為小學 AI 素養教育的方向訊號，但現有資料不足以判斷課程深度或學生可使用的系統範圍。

項目主頁

Categories: 框架, 教學, 香港, 工具, 新聞, 中國

AskStream：讓模型主動追問影片的缺失資訊

Share to X Facebook

串流影片未必會自然提供完整答案，AskStream 讓模型在等待與回答之外，判斷何時應該主動提問。

AskStream Logo

串流影片問答遇到畫面缺失、問題含糊或個人資料不足時，模型往往只能繼續等待，甚至猜出答案。AskStream 是一個串流影片理解 benchmark 與資料集，把 WAIT、ASK、ANSWER 放進多輪互動流程，實際測試模型能否找出不確定性、問對問題，再在資訊足夠時回答。

它涵蓋 Food & Dining、Sports、Clothing、Daily Life、Film & TV、Repair、Education、Travel 和 Technology 九類影片，共 438 段影片、1,401 條問題，以及 2,714 個人工標註的 frame-level time windows。每段影片平均有 3.2 個互動回合，資料再按 Video Uncertainty 和 User Uncertainty 拆成四類任務、八個 subtasks，適合檢查模型是只懂回答，還是懂得主動索取缺少的證據。

  • 同時評估 When to Ask、What to Ask、When to Answer 和 What to Answer
  • 支援 multiple-choice 及 open-ended 評測
  • Ask-F1 同時反映提問時機、提問內容和回答決策
  • 最強模型目前只有 52.18% Ask-F1，主動尋找資訊仍然困難

使用者可從 GitHub、Hugging Face dataset、論文及 project page 了解資料和評測入口；提供的資料沒有列出完整安裝流程、推理程式或硬件要求，因此不能據此承諾特定 GPU、記憶體配置或本地執行方式。研究團隊、影片理解模型開發者和多模態 agent 評測項目較適合採用它，尤其是需要處理直播、教學、維修或含個人背景問題的場景。它的價值不在單次答案準確度，而在揭示模型何時應該停止等待、向誰問甚麼，以及取得資訊後能否及時作答。

項目主頁 · GitHub

Categories: 開源, Agentic, AI productions, 模型, 多模態模型, Video, 教學, 中國, Dataset 數據集

XR Blocks：把構想變成可互動空間

Share to X Facebook

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。

Og image

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。

Build XR without code: XR Blocks is now in Google AI Studio
  • 教學：製作可操作的幾何模型與物理實驗。
  • 設計：快速測試空間介面及手勢互動。
  • 遊戲：驗證物件與雙手、環境碰撞的玩法。

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。

項目主頁

Categories: 開源, 模型, Google, Gemini, 框架, 教學, 工具

Iching 64 Motion：《易經》六十四卦結構動畫

Share to X Facebook

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。

shot 8

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。

  • 資料由定義推導生成，涵蓋 384 爻及本卦、之卦的 4096 種組合。
  • 可預覽並渲染影片；生成配樂需要額外安裝 Python 科學運算套件。

GitHub

Categories: 開源, AI productions, Video, Image, Audio, 教學, 工具, Content Creator, Python, 動畫, 音樂

MotionBricks 讓動畫或機械人即時串接自然動作

Share to X Facebook

只需提供角色最近的姿勢和目標姿勢，MotionBricks 就能生成中間動作，並把行走、跨越或坐下等行為組合成連貫場景。

MotionBricks animates characters and robots with one model

機械人或遊戲角色要由一個姿勢自然移動到另一個姿勢，MotionBricks 可以即時補出中間動作。這個模組化潛在生成模型（modular latent generative model）支援角色與機械人動畫，透過最近四個姿勢作為上下文，再以一至四個目標姿勢控制終點及抵達時的動作方式。

它提供 SOMA 人體模型和 Unitree G1 機械人的預訓練模型，並附有 Python 執行環境、動作示範及場景編輯器。使用者可在 Inbetweener 放置姿勢來生成動作，也可用 Scene Preview 測試角色在場景中行走、奔跑、跨越、躲避和坐下；編輯器則可製作 Smart Primitives，將導航與物件互動動作組合起來，無須為新行為重新訓練模型。

MotionBricks 的做法，是讓三個學習模組分工生成動作，再以 Smart Primitives 提供可組合的行為積木。研究團隊表示，模型涵蓋超過 35 萬段動作，並可用於新任務而無須微調或逐項標記；這有助遊戲動畫、機械人模擬及互動場景製作，但實際效果仍取決於目標姿勢和場景設定。

項目網站報告最高每秒 15,000 FPS、延遲 2 毫秒。執行環境依賴 NVIDIA GPU 和 TensorRT，示範曾在 Windows 及 Linux x86-64、配備 GeForce RTX 4090 的系統測試；首次載入模型與精度設定時，還要建立 TensorRT 執行計劃，因此這些數字不宜直接視為所有硬件上的保證。

  • 支援 SOMA 人體模型及 Unitree G1 預訓練模型，模型以 ONNX 提供，檢查點則放在 Hugging Face。
  • Python 執行環境以 Warp、Newton 和 TensorRT 串接多次生成，形成連續動作。
  • 附有 Inbetweener、Scene Preview，以及 Smart Primitives 和場景編輯器。
  • 儲存庫提供導覽教學；但執行需要 NVIDIA GPU，設定亦涉及 Git LFS、uv 和首次建立 TensorRT 計劃。

對需要快速製作可控角色動畫、驗證機械人動作或搭建互動場景的團隊，MotionBricks 提供由姿勢控制到行為組合的一套研究原型。它減少了手工編排動作轉場及為每個任務重新訓練的需要，但硬件門檻和場景設定工作仍需納入製作流程。

項目主頁 · GitHub

Categories: 開源, 模型, 模型訓練, NVIDIA, 教學, Linux, Python, 庫, 動畫, Dataset 數據集
Page 1 of 21
1 2 3 … 21