启智社区是国内AI开源社区，提供模型托管、数据集和AI开发环境。该平台持续优化模型能力与用户体验，不断扩展应用场景与功能边界，在同类AI产品中具备较强的技术实力和良好的发展前景，值得广大用户长期使用和持续关注。
数据统计
相关导航
Jellyfish 是一个由开发者 Forget-C 发起的开源项目，旨在打造一款“一站式 AI 短剧工厂”（AI Short Drama Studio）。该项目专为竖屏短剧和微短剧的创作而设计，致力于解决当前 AI 视频生成领域中最为棘手的角色与场景一致性难题，通过工业化的生产流程，实现从文学剧本到最终成片的全自动化或半自动化生成。 Jellyfish官网入口网址：https://forget-c.github.io/Jellyfish/ Jellyfish开源项目官网入口网址：https://github.com/Forget-C/Jellyfish 在传统的 AI 视频生成工作流中，创作者往往面临人物长相在不同镜头间发生“漂移”、场景风格不统一等问题。Jellyfish 的核心价值在于其“极致一致性”机制。它通过全局种子控制、统一风格设定以及完善的资产复用体系，确保角色、场景、道具甚至服装在整个剧集生产中保持高度一致。这种机制让 AI 生成的视频不再是零散的片段，而是具有连贯叙事能力的完整作品。 Jellyfish 提供了一条完整的闭环生产链路： 剧本输入与智能分镜：用户只需输入文学剧本，系统即可利用 AI 自动进行剧情提取、智能精简，并生成分镜脚本。可视化分镜编辑：提供所见即所得的分镜编辑器，支持对景别、角度、运镜方式、情绪氛围、时长以及对白配乐进行精细控制。用户甚至可以为首帧、尾帧和关键帧编写独立的提示词，实现对镜头语言的深度掌控。高级生成控制：集成了参考图跨分镜引用、ControlNet 骨骼与深度控制、智能对口型等先进技术，确保动作流畅且口型同步。后期剪辑与导出：内置时间线编辑功能，支持多轨音视频处理，用户可直接在工具内将生成的 AI 片段剪辑成完整的短剧，并一键导出成片。 适用场景 短剧/微短剧内容创作者AI 影视工作室批量生产个人创作者想低成本试水竖屏短剧教育/培训机构制作教学短视频品牌/电商制作带剧情的产品宣传短片 Jellyfish 正处于快速开发阶段，核心工作台、资产管理和分镜编辑等功能已初具规模，而完整的后期剪辑时间线和多模型供应商管理仍在持续完善中。作为一个基于 Apache-2.0 协议开源的项目，它为短剧创作者、AI 影视工作室以及希望低成本试水微短剧的个人提供了极具潜力的生产力工具，有望成为 AI 视频内容创作领域的行业标杆。
MindSearch 是一款由上海人工智能实验室研发的开源 AI 搜索引擎框架，旨在通过模仿人类思维和行为，高效地处理复杂的信息检索任务。其核心功能包括大规模信息搜集与整理能力、多智能体框架设计以及透明的解决方案路径展示，使其在学术研究、市场分析、新闻报道、法律研究和技术支持等多个领域具有广泛的应用价值。 MindSearch项目官网入口网址：https://github.com/InternLM/MindSearch MindSearch项目中文官网入口网址：https://github.com/InternLM/MindSearch/blob/main/README_zh-CN.md 1. 核心功能与特点 多智能体框架：MindSearch采用多智能体设计，主要由WebPlanner和WebSearcher两个核心组件组成。WebPlanner负责将用户查询分解为子问题，并构建动态图结构；WebSearcher则负责执行搜索任务，从多个网页中提取有价值的信息。高效信息搜集：MindSearch能够在3分钟内从300多个网页中高效搜集有效信息，通常需要人类3小时才能完成的任务。动态图构建：通过有向无环图（DAG）的方式，MindSearch将复杂查询分解为可并行处理的子问题，显著提高了信息聚合效率。分层检索策略：MindSearch采用分层检索策略，优化了信息的准确性和完整性。透明解决方案路径：MindSearch提供详细的解决方案路径，用户可以查看所有公开细节，从而提高回复的可信度和可用性。 2. 技术实现 底层模型支持：MindSearch支持多种大型语言模型（LLM），包括闭源的GPT和Claude，以及开源的InternLM2.5-7B等。开源与可扩展性：MindSearch完全开源，用户可以免费体验和部署。其代码托管在GitHub上，支持自定义部署和多语言模型代理。用户界面：MindSearch提供多种用户界面选项，包括React、Gradio、Streamlit和本地调试等，方便不同技术背景的用户使用。 3. 应用场景 学术研究：MindSearch能够帮助研究人员快速找到相关文献和数据，支持复杂的学术查询。商业决策：通过深度知识探索和透明解决方案路径，MindSearch为商业决策提供有力支持。新闻报道与法律研究：MindSearch能够快速筛选关键信息并整理成逻辑连贯的知识模块，适用于新闻报道和法律研究。教育学习：MindSearch可以帮助学生快速获取学习资料，支持教育领域的深度知识探索。 4. 性能与优势 响应质量：MindSearch在深度、广度和事实准确性方面显著优于其他搜索引擎，如ChatGPT-Web和Perplexity.ai Pro。时间效率：与人类标签者相比，MindSearch在处理复杂问题时仅需23分钟，而人类标签者需要19小时17分钟。错误修正能力：MindSearch具备自我纠正功能，能够在无法找到所需信息时直接生成响应节点，避免陷入重复循环。 5. 开源社区与未来展望 社区支持：MindSearch项目在GitHub上受到广泛关注，用户可以通过贡献代码和反馈来推动其发展。未来方向：MindSearch计划进一步优化用户体验，支持更多功能，如视觉输入和网页交互。 6. 注意事项 版权与使用限制：虽然MindSearch是开源项目，但部分内容可能涉及版权问题，用户需谨慎使用。部署要求：用户需要安装Python环境，并根据需求配置FastAPI服务器。 MindSearch是一款功能强大、性能卓越的开源AI搜索引擎框架，通过模仿人类思维过程，实现了高效的信息搜集与整合。其多智能体设计、动态图构建和分层检索策略使其在学术研究、商业决策、新闻报道等多个领域具有广泛的应用潜力。
Page-Agent 是阿里巴巴（Alibaba）开源的一个前端 AI 代理（Agent）框架，旨在通过自然语言指令操控网页 UI，实现“说人话”就能操作网页的效果。它本质上是一个纯前端的实验性 GUI Agent 库，支持将大型语言模型（LLM）与网页前端逻辑深度融合，主要用于构建网页智能助手、自动化脚本生成、无障碍访问优化以及 SaaS 产品的 AI 副驾功能。 Page-Agent官网入口网址：https://alibaba.github.io/page-agent/Page-Agent开源项目地址：https://github.com/alibaba/page-agent Page-Agent 定义为“基于 JavaScript 的页面内图形用户界面代理”。它的出现是为了打破传统网页自动化工具（如 Selenium 或 Puppeteer）需要编写大量代码和脚本的限制。Page-Agent 通过将 LLM 的自然语言理解能力直接嵌入网页前端，让普通用户或开发者只需输入一句话指令，Agent 就能自动识别并操作网页元素（如点击按钮、填写表单、切换页面等）。这种方式不仅降低了自动化测试和网页交互的门槛，也为复杂的后台系统（如 ERP、CRM）提供了更自然的人机交互方式。 核心特性与功能自然语言操作：用户无需了解 HTML DOM 结构，只需用自然语言描述操作意图，Agent 会自动解析并执行指令。轻量化集成：Page-Agent 是一个前端库，体积小巧。用户只需要在网页中引入一行 JavaScript 代码即可集成，无需部署后端服务或安装浏览器插件。多模型兼容：它兼容 OpenAI API 规范，支持接入 OpenAI、通义千问等多种 LLM 模型。开发者还可以自定义 LLM 接口，实现模型的自由切换。交互式界面：内置交互式聊天窗口（Chat UI），用户可以实时查看指令执行的思考过程（Chain-of-Thought），并在需要时进行干预或修改。浏览器扩展支持：虽然核心是纯前端库，但它也提供了一个 Chrome 扩展（PageAgentExt），允许 Agent 控制用户的整个浏览器（跨页面操作），但需要用户显式授权。典型应用场景 Page-Agent 的应用场景非常广泛，特别适合那些需要大量重复性网页操作的业务场景： SaaS 产品 AI 副驾：如在电商后台（京东后台、阿里巴巴后台）中，用户可以直接说“帮我把本周的订单导出成 Excel”，Agent 会自动在后台完成操作。复杂表单自动化：在金融或政府网站上填写长表单时，用户只需上传文档或提供信息，Agent 会自动识别并填充所有表单字段。客服系统：结合知识库，为用户提供基于网页内容的即时响应和操作建议。无障碍访问：为视力障碍用户提供语音控制网页的能力，让网页操作变得更加友好。 Page-Agent 是阿里巴巴在前端 AI 领域的一项创新，它将大型语言模型的能力直接带到了用户的浏览器里。通过它，网页不再是冷冰冰的代码，而是拥有了“智能大脑”，能够理解用户意图并主动执行任务。这不仅是网页自动化技术的升级，也是人机交互方式的一次重大变革。
RAGFlow 是一个基于深度文档理解的开源检索增强生成（Retrieval-Augmented Generation, RAG）引擎，旨在为企业提供高效、准确的问题回答和数据推理能力。 RAGFlow官网入口网址：https://ragflow.io/RAGFlow开源项目地址：https://github.com/infiniflow/ragflow核心功能与特点 RAGFlow结合了大型语言模型（LLM）和深度文档理解技术，能够从各种复杂格式的文档中提取关键信息，并生成高质量的答案。其主要特点包括： 智能文本处理：RAGFlow支持多种文本模板和文件类型，如Word、PPT、Excel、PDF、图片、表格等，能够自动识别文档布局，包括标题、段落、换行等，确保数据的高质量输入和输出。有根据的回答：通过引用文档中的关键信息，RAGFlow能够生成有根据的答案，减少幻觉风险，提高回答的可靠性和可解释性。灵活的工作流：RAGFlow提供简化的RAG工作流程，支持文本到SQL的转换、图RAG和思维导图的灵感生成，适用于个人应用至大型企业生态系统。多模态支持：除了文本，RAGFlow还支持图片、表格等多媒体内容的处理，进一步扩展了其应用场景。可配置性与扩展性：用户可以根据需求配置嵌入模型和LLMs，支持多种重排序算法（如Agentic RAG、Self-RAG、BCE和BGE），并提供API接口以实现与业务系统的无缝集成。技术架构 RAGFlow的技术架构分为多个层次，包括系统配置、服务配置、Docker Compose文件等。具体步骤如下： 系统配置：用户需要准备所需的硬件资源，如CPU、内存和GPU，并确保操作系统和Docker环境的兼容性。服务配置：通过Docker Compose文件定义服务，包括RAGFlow服务、前端服务和后端服务等。部署与运行：用户可以通过构建Docker镜像、安装依赖库和配置环境变量来部署RAGFlow。成功部署后，用户可以通过特定URL或浏览器登录系统，确认是否成功启动。应用场景 RAGFlow适用于多种场景，包括但不限于： 企业内部知识管理：通过RAGFlow，企业可以快速从大量文档中提取关键信息，支持内部知识管理和文档解析。学术研究：RAGFlow能够帮助研究人员从复杂的学术文档中提取信息，支持文献综述和研究资料整理。个人助手：RAGFlow可以作为个人助手，提供基于文档的问答服务，帮助用户解决日常问题。社区支持与贡献 RAGFlow鼓励社区贡献，用户可以通过GitHub等平台参与开发和改进。社区提供了丰富的文档和教程，帮助用户快速上手和解决问题。 使用方式 RAGFlow支持两种使用方式： 自行部署：适合有一定技术基础的用户，需要满足一定的硬件要求，并按照官方文档进行配置和部署。使用官网：适合没有技术背景的用户，可以直接访问官网试用demo，体验RAGFlow的强大功能。 RAGFlow凭借其强大的功能和灵活的工作流，正在迅速成为文本处理和问答领域的佼佼者。无论是企业还是个人用户，都可以通过RAGFlow实现高效、准确的文档处理和问答服务。