①PageLM：开源NotebookLM平替，可将资料转为互动学习资源，支持本地部署；②DeepSeek-OCR-2：轻量OCR模型，模仿人类视觉逻辑解析复杂版面；③Awesome Web Agents：Web智能体开发资源大全，涵盖工具框架与论文。
01
PageLM：NotebookLM 开源平替
PageLM 是又一个开源版的 Google NotebookLM。NotebookLM 最火的功能就是把一堆资料扔进去，它能给你生成播客对话、测验题或者复习卡片。PageLM 就是干这个的，把学习资料喂给它，它不光能帮你整理重点，还能把死板的文字变成互动的学习资源。
继续观看
最近看到的 3 个 GitHub 开源项目，分享一下。
,
最近看到的 3 个 GitHub 开源项目，分享一下。
比如你上传一份历史课件，它能直接反向给你出几道测试题，或者把重点知识变成 Flashcards 方便记忆。最重要的是它不像谷歌的产品那样把数据锁在云端，你可以自己部署，对于那些在意隐私或者想根据自己需求魔改功能的开发者来说，这玩意儿比官方的 NotebookLM 灵活多了。开源地址：https://github.com/CaviraOSS/pagelm
02
DeepSeek-OCR-2
以前的 OCR 傻乎乎地从左到右、从上到下扫描图片，遇到报纸排版或者复杂表格就容易乱码。DeepSeek 这个新版本用了一个叫 DeepEncoder V2 的技术，让模型像人眼一样按逻辑去阅读，哪儿是标题、哪儿是分栏。而且这模型特别轻量，参数量只有 3B，跑起来不吃配置，但效果据说比很多闭源的大模型还好。它甚至直接拿了一个小的语言模型（Qwen2-0.5B）来当视觉编码器用，这思路挺野的，等于让模型在看图片的时候就已经带上了理解的脑子，而不只是单纯地认字。03
Awesome Web Agents
Steel.dev 本身是做 AI 浏览器基础设施的，就是专门给 AI Agent 提供浏览器环境的。
他们把自己在这个圈子里看到的最好的工具、框架、论文都整理到了这个列表里。
如果你想做一个能操控浏览器、自动帮你在网上订票、抓数据或者填表单的 AI Agent，别满世界乱搜了，直接看这个列表就行。
里面涵盖了从底层驱动，比如 Puppeteer、Playwright 到上层框架，比如 LangChain 里的相关模块，再到最新的学术论文，基本上把 Web Agent 这个垂直领域的家底都翻出来了。
继续观看
最近看到的 3 个 GitHub 开源项目，分享一下。
,
最近看到的 3 个 GitHub 开源项目，分享一下。
这种列表最大的好处就是帮你省时间。
现在 AI Agent 发展太快，今天出一个新框架，明天发一篇新论文，很容易跟丢。
Steel 这个团队因为自己就靠这行吃饭，所以选出来的东西质量比较高，基本没有凑数的，想入坑 Web Agent 开发的话，把这个库 Star 一下是个好起手。
04
点击下方卡片，关注逛逛 GitHub
这个公众号历史发布过很多有趣的开源项目，如果你懒得翻文章一个个找，你直接关注微信公众号：逛逛 GitHub ，后台对话聊天就行了：
没有评论:
发表评论