让 AI 像人类一样浏览网页Browser Use
一个能让 AI 像人类一样操作浏览器的 Python 工具库，支持网页自动化任务如订票、求职申请等。主要功能包括多标签页管理、数据提取和视觉识别，可自定义动作并行运行多个代理。
GitHub
GitHub 全球开发者突破1.5亿！适用于 VS Code 的 GitHub Copilot 全新免费版本正式推出
GitHub Copilot Free 正式推出，提供2000次代码补全和50条聊天消息的每月免费额度。用户可选择Anthropic或OpenAI模型，并通过VS Code集成使用Copilot。
今日软荐：语音转博客神器 Robo Blogger，写博客的碎片时间救星来了！
Robo Blogger是一款智能工具，能够将语音内容自动转化为结构化的专业博客文章，并支持引用参考资料和定制文章结构。适用于技术、生活随笔等场景，极大提升写作效率。
分析和处理视频video-analyzer，微软离散的提示优化框架，通过语音简化博客文章的创作
本文介绍了五个开源项目：video-analyzer用于视频分析；Robo Blogger简化博客文章创作；nano-VectorDB是一个简单的向量数据库实现；Reservoirs Lab是一款可视化高维向量数据的轻量级应用；PromptWizard是一种任务感知提示优化框架。
史上最强的第三方bilibili客户端：pilipala
使用Flutter开发的Bilibili第三方客户端，支持Android和iOS平台。目前主要集中在移动端功能开发中，包括推荐视频列表、热门直播、番剧列表等，并提供用户主页查看、动态评论等功能。
12K Star 适配多场景！MarkItDown：微软开源多格式文档处理工具，轻松将文件转为 Markdown 格式！
一款多功能文档处理工具MarkItDown由微软开源提供，支持PDF、Office文档、图片、音频等多种格式文件转换为Markdown格式，具备OCR文字识别、语音转文字等功能。适用于文档批量处理、索引检索和数据分析等场景。
AI Agent成主打！谷歌发布超强多模态大模型—Gemini 2.0
谷歌发布全新多模态大模型Gemini 2.0，支持图像、视频和音频等多模态输入与输出，并能调用原生工具进行复杂任务处理。性能提升显著，新增AI Agent提供智能体自动化功能，增强用户交互体验。
腾讯混元上线文生视频并开源，120秒内成片！还有提示词建议
腾讯混元大模型发布视频生成能力，引入超大规模数据处理系统、多模态大语言模型等技术改进。目前可支持130亿参数规模的模型在APP与Web端发布，并开源以增强应用拓展。