最新

我比听音频或看视频更能吸收文字信息。我听说其他人也有同样的说法，并将其归因于注意力缺陷多动障碍（ADHD），所以也许我也是如此。 TED 网站上经常有文字稿，但这需要一些点击操作，然后进行复制粘贴，而且文字结果经常在子句中间断开，大约只有 10-15 个字符。 我想知道是否有任何有用的用户脚本、用户样式或其他方法可以解决这个问题。（我认为 TED 经常起诉那些试图让文字稿在单独网站上轻松获取的人。我可能弄错了，TED，请不要起诉我，这只是一种普遍的看法。） 同样的要求也适用于 YouTube 和/或其他流行的视频网站，但我最常遇到这个问题的是 TED。 提前感谢任何能帮助我的人！

我一直对一件事感到困惑：人工智能生成可以制作出精美的玩偶、卡通人物，甚至是逼真的超级马里奥，但却无法可靠地制作一个简单的楔形坡道，让我的机器人吸尘器能够爬上台阶。 背景：我买了一台 Bambu P2S，但我不会建模。我尝试了“描述它并生成模型”的人工智能，但生成的模型无法使用，你无法调整它，而且总是不符合我的意思。我尝试让一个代理编写 Python 代码直接构建几何图形，但它只能生成简单的基本形状。 最终奏效的方法是：几何分解。我将一个复杂的零件分解成有序的、分组的步骤，为每个步骤写一个小的规格说明，然后让一个代理在 Blender 中执行它们（通过 blender-mcp）。这个过程最终抽象成了一个小型引擎——关键的见解是，它将大型语言模型不擅长的三维空间推理，转化成了它们擅长的结构化代码。我在这里写了详细介绍：https://github.com/zhuchaokn/spec-3d-model 我的问题是： - 为什么“功能性零件”的生成比“玩偶/美学”的生成要弱得多？是因为数据（没有参数化的 CAD 训练集）、表示（网格 vs B-rep），还是评估（没有人对“是否可打印/是否水密”进行基准测试）？ - 将“将 3D 建模转化为 LLM 代码”作为解决方案是否正确，还是我遗漏了更好的方法？

大家好，我开发了 CtrlTool，因为我经常需要一些小工具来处理各种杂事，但又不想安装额外的软件或注册新的网站。 它目前提供了 132 种工具，涵盖 JSON、JWT、Base64、URL、文本、哈希、PDF、SEO、转换器、生成器以及其他日常所需的功能。 我主要关注的是让工具运行得快速且简单。在适用的情况下，所有操作都在浏览器本地完成，无需将数据上传到服务器。 这个项目还很新，我主要想收集关于用户体验、哪些工具真正有用以及大家认为还缺少哪些功能的反馈。 [https://ctrltool.wtf](https://ctrltool.wtf) 非常感谢您的任何反馈。

我构建 Hands 的初衷是希望有一个编码代理能够像我一样使用这台 Windows PC 和真实的 Chrome 配置文件：查看屏幕、移动真实鼠标、输入文字、点击，而无需将 Chrome 转变为自动化浏览器。 它是一个 Rust MCP/CLI。一个“线束”（如 Grok、Codex、Claude Code、OpenCode 等）会调用 observe、click、type、scroll 等工具。Observe 是一个屏幕截图路径加上一个小的元素列表（UIA + 可选的 Chrome DOM ID）。Click 是通过 Bézier 曲线在操作系统上使用 SendInput 实现的，而不是通过 Chrome DevTools 的点击。 没有 Playwright，没有 Puppeteer，也没有远程调试端口。日常使用的 Chrome 会正常启动，不会添加额外的标志，或者如果它已经打开，则会附加到现有会话。大多数依赖 CDP/自动化标志的网站无法检测到这一点。它们仍然可以看到注入的输入（LLMHF_INJECTED）。 一个微小的未打包的 Chrome 扩展程序可以融合页面结构（chr: ID、列表卡片），这样模型就不会仅仅依赖像素进行猜测。侧载是手动进行的。如果服务工作线程不活跃，融合就会失效；需要重新加载卡片。 它的优点： * 适用于您自己的桌面上的个人研究。“在 cars.com 上查找 Camry”、“阅读页面”、“输入 ZIP 码”、“关闭 cookie 横幅”。 它的局限性： * 不是沙箱。它可以点击屏幕上的任何内容，包括结账和“一键申请”。 * “确认后付款”是二元分类中的尽力而为，并非保证。来自屏幕截图/DOM 的提示注入是真实存在的；二进制文件将该文本视为不受信任的，而模型可能不会。 * 在日常 Chrome 中不是 CAPTCHA 求解器。可见的尝试两次后，它会放弃并等待谜题消失。 * 仅限 Windows。 * 安装步骤：构建 exe 文件，注册一个原生消息传递主机，侧载扩展程序，将 MCP 客户端指向 Hands MCP。README 文件是操作指南。缺少 API 密钥不会导致构建失败；do_task 是可选的。 * 日志位于 %LOCALAPPDATA%\hands\logs\ 下。扩展程序请求 `<all_urls>` 权限，以便能够映射您正在查看的标签页。 代码库：<a href="https://github.com/Ryan-AI-Studios/hands" rel="nofollow">https://github.com/Ryan-AI-Studios/hands</a> (MIT) 我很乐意解答关于 observe/fusion/the fence 工作原理的问题。如果您尝试使用它，Pause/Break 键是终止开关。