官网 | 技术深度解析

Raycast 把整个应用底层从 Swift 原生重写为 Swift / C# / Rust / Node / React + TypeScript 的四层混合架构，换来了一份能同时跑在 macOS 与 Windows 的代码库，以及一次完整的产品现代化。

✨ 特点

• 跨平台同源：macOS 与 Windows 共用同一份 React 前端代码，但各自保留原生外壳（AppKit / WPF），保证系统调用与外观一致。
• Rust 文件索引：自研索引器在 Windows 上直接读取 NTFS Master File Table，整盘扫描可以在几秒内完成，不再依赖 Spotlight。
• AI Chat with Memory：新版 AI 会自动从历史对话中沉淀长期记忆，识别项目、偏好与目标，跨会话延续上下文。
• WebKit 文本渲染：Markdown、代码高亮、长对话滚动用 WebKit 渲染，复杂排版比 v1 的 TextKit 明显更顺。
• 多窗口产品形态：启动器、AI Chat、Notes、Settings 拆成独立窗口，每个窗口都是单独的原生面板浮在桌面上。
• 类型化 IPC：四个 runtime 之间通过自动生成的 typed stdio 协议通信，编译期就能捕捉跨层调用的接口错误。

⚙️ 机制

Raycast 2.0 的核心是一个明确分层的混合架构：底部的原生宿主负责窗口、输入法、托盘等系统集成；中层的 Web 前端用 React + TypeScript 渲染所有 UI；Node.js 后端承担业务逻辑、数据库与扩展运行时；性能敏感的部分（文件索引、数据层、云同步）下沉到 Rust。团队明确否定了 Electron 与早期 Tauri 方案——前者要在 macOS 上额外捆绑 Chromium，后者当时还不够成熟，无法满足他们对原生控制力的要求。

主要依赖：Swift / AppKit（macOS）、C# / .NET 8 / WPF（Windows）、React、TypeScript、Node.js、Rust、WebKit、WebView2。扩展 API 沿用 React + TypeScript，开发者只需 Web 技能即可上手。

代码质量：Raycast App 本体闭源，但扩展仓库 raycast/extensions 完全开源，是观察其工程实践最直接的窗口。团队在 WebKit 内部细节上做了大量工作——禁用 occlusion detection、用 requestAnimationFrame 同步绘制、覆写 NSWindow.setFrame 接入 Core Animation 防止抖动、预热 emoji 字体；在 Windows 端则单独处理 acrylic 模糊与白屏初始化问题。这种愿意啃原生底层细节的工程取向，让混合栈在体验上仍然贴近纯原生应用。

性能与代价：v1 闲置内存 200 ～ 300 MB，v2 上升到 350 ～ 450 MB（WebContent 120 ～ 200 MB、Node 150 ～ 200 MB、原生外壳约 40 MB）。团队承认这是真实的代价，但强调它是 “bounded and measurable”，并把内存优化列为 beta 期间的持续工作。

🛣 路线图

官方在技术博客与 v2 公测说明里给出的方向：

内存与冷启动持续优化：把闲置占用压回更接近 v1 的水平，并为低频窗口设计 “grace periods” 减少冷启动延迟。

Windows 体验补齐：IME、可访问性、拖拽等原生细节继续打磨，覆盖更多 Windows 版本、显示器与硬件组合。

iOS 与云同步深化：iOS App 共用同一份 Rust 数据层与同步 schema，未来会有更多功能在三端拉齐。

AI 能力扩展：以 Memory 为基础，继续围绕 AI Chat、AI Commands、Quick AI 增加上下文与工具调用能力。

Linux 仍未官方化：社区维护 raycast-linux 分支，HN 上有用户呼吁官方合作，但目前官方尚未承诺时间表。

🖊 作者背景

Raycast 由 Thomas Paul Mann（CEO）与 Petr Nikolaev（CTO）于 2020 年在伦敦联合创立。

Thomas Paul Mann：前 Facebook / Meta 工程师，毕业于德国 TH Aschaffenburg 应用技术大学，2020 年离开 Meta 后创办 Raycast，常驻伦敦。
Petr Nikolaev：联合创始人兼 CTO，与 Thomas 一起在伦敦带队。
团队：约 30 人，其中 75% 是工程师，团队完全分布在欧洲。
融资情况：累计融资 4780 万美元。

2020 年 10 月：种子轮 270 万美元，Accel 领投，Y Combinator 参与。
2021 年 11 月：A 轮 1500 万美元，Accel 与 Coatue 共同领投。
2024 年 9 月：B 轮 3000 万美元，用于把产品拓展到 Windows 与 iOS。
知名天使：GitHub CEO Thomas Dohmke、Shopify CEO Tobi Lütke、Vercel CEO Guillermo Rauch。

💰 定价

Raycast 主体免费可用，付费的 Raycast Pro 主要面向需要 AI、云同步与高级主题的用户。

Free：启动器、扩展、Clipboard、Snippets、Notes、窗口管理等核心功能全部可用。

Pro：年付 8 美元 / 月（96 美元 / 年）或月付 10 美元 / 月。包含无限基础 AI 对话（GPT-4o-mini、Claude Haiku 3.5、Llama 3.3）、AI Commands、AI Presets、自定义 Prompt、Quick AI、Cloud Sync 与自定义主题。

Advanced AI 加购：在 Pro 之上再加 8 美元 / 月（合计 16 美元 / 月），解锁 GPT-5、Claude 3.7 Sonnet、o3、o3-mini、Gemini 2.5 Pro 等前沿模型。

信息来源：TG频道@NewlearnerChannel

⌨️ Raycast 2.0：键盘党最爱的 macOS 启动器，重写之后第一次跑上 Windows最先出现在666News。

🔗：官网 | GitHub

2026 年 4 月 28 日，Warp 把整个客户端在 AGPLv3 + MIT 双协议下开源，OpenAI 作为首位赞助方加入，标志着 Agentic Development Environment（ADE）赛道第一次出现完整开源的成熟产品。

✨ 特点

• 完整客户端开源：48,000+ 星的 Rust 终端客户端代码全量放出，UI 框架走 MIT、其他部分走 AGPLv3，是当下唯一开放的 ADE 完整实现
• Agent 优先的贡献模型：社区不再只是提 PR，而是提 Issue → 由 Oz 编排的 GPT 模型自动 Spec、写代码、跑测试，人类负责定方向和验收
• 多模型 + 多 Agent 框架内嵌：原生支持 Claude Code、Codex、Gemini CLI、OpenCode，并新增 Kimi、MiniMax、Qwen 等开源模型，以及 auto (open) 路由
• 块状终端 + GPU 渲染：以 Block 为单位组织命令、输出和 Agent 对话，配合 GPU 渲染实现现代化交互体验
• 公开路线图：GitHub Issues 成为产品 Roadmap 唯一来源，所有产品讨论搬到公开仓库，可在 build.warp.dev 查看实时 Agent 工作状态

⚙️ 机制

Warp 的核心是一个用 Rust 写的、围绕「Block」抽象构建的桌面客户端。终端输出不再是字符流，而是带类型的 Block 列表，存放在 SumTree 数据结构中，由 GPU 后端渲染。开源之后，Agent 对话和命令块共用同一份 Block 模型，Oz 在云端编排多 Agent 并行执行任务，再把结果以 Block 的形式回流到客户端。

主要依赖：Rust（占比 98%）、Tokio 异步运行时、Alacritty 终端基线、NuShell 解析、Hyper HTTP、FontKit 字体渲染、Fig Completion Specs 自动补全。

👨🏻‍💻 使用场景

• 重度终端用户：每天在命令行里花 4 小时以上的 SRE、DevOps、后端工程师，可以用 Warp 替代 iTerm2、Alacritty 等老牌终端，获得块化交互、命令搜索和 AI 补全
• 多 Agent 协作开发者：同时在跑 Claude Code、Codex、Gemini CLI 的工程师，可在 Warp 里通过 Vertical Tabs 同屏管理多个 Agent 会话，统一通知和代码审查
• 企业 AI 工程团队：需要把多个 Agent 部署到云端、又关心可观测性和 Build vs Buy 决策的团队，可直接参考 Oz 编排平台和 build.warp.dev 公开仪表盘

🛣 路线图

• GitHub Issues 作为单一事实来源：产品 Roadmap 和 Bug 讨论全部公开，Issues 当前有 3,241 条 Open
• 开源模型路由扩展：继 Kimi、MiniMax、Qwen 之后，预计会持续接入更多开源模型，并扩展 auto (open) 路由的策略
• 可定制化的 ADE 形态：官方明确表示要从「纯终端」、「带 Diff 视图和文件树的轻量 ADE」、到「完整 ADE」做形态分层

💬 社区评价

Warp 于 2026 年 4 月 28 日开源，截至 5 月中旬，GitHub 仓库已获得 48,439 颗星标、3,123 次 Fork、40 位贡献者参与，仓库累计 Open Issue 3,241 条，社区 Slack 专设 #oss-contributors 频道，最近一次代码推送为 2026 年 4 月 30 日。

“开源，本质上是出于我们打造一家成功公司的愿望。我们正在与其他资金雄厚的闭源竞争对手竞争，而我们认为，通过开源并为社区提供改进 Warp 的资源，是一种能够加速产品开发的聪明方式。”
—— Zach Lloyd，Warp 创始人兼 CEO

“长期以来，开源一直是开发者学习、构建以及推动整个行业前进的核心方式。我们很高兴支持这些实验，探索 AI 如何帮助维护者和贡献者以更高效的方式进行大规模协作。”
—— Thibault Sottiaux，OpenAI 工程负责人

🖊 作者背景

Zach Lloyd – Founder & CEO

职业经历：
– Warp，Founder & CEO（2020 年 6 月至今，融资 $73M，团队约 70 人）
– TIME 杂志，Interim CTO（2019 年 5 月至 2020 年 5 月）
– SelfMade，Co-Founder & CTO（2015 至 2019，AI 驱动的营销创作公司，累计融资 $24M）
– Google，Principal Engineer（2007 至 2014，担任 Google Sheets 和 Google Docs 套件的整体工程负责人，长达 7.5 年）
– 早年还在 NASA JPL、Amazon 实习

Warp
– 融资：累计 $73M，2 轮披露，由 GV、Neo、BoxGroup、Sequoia 等机构支持，2026 年开源时引入 OpenAI 作为开源仓库的 Founding Sponsor
– 团队规模：约 70 人
– 产品线：Warp Terminal、Warp Agent、Warp Code、Warp Drive、Oz Orchestration、build.warp.dev
– 愿景：把「开发者和 Agent 协作建造软件」做成行业标杆

信息来源：TG频道@NewlearnerChannel

🖥 Warp：用 Rust 重写的 Agentic 开发环境，从智能终端一路进化到「人类 + Agent 协作」的开放编程平台最先出现在666News。

🔗：官网 | 文档 | Github

把 Claude Code/OpenClaw 装进浏览器沙盒，给非开发者一个看得见、点得动、能托管的 AI 工作台。

✨ 特点

• Claude Code/OpenClaw 直接在浏览器里跑：不装客户端、不配 API Key、不学命令行，打开网页就能用 Claude Sonnet 4.6 / Opus，Minimax
• GUI 取代 CLI：能看到 Agent 在屏幕上点哪里、改哪个文件，过程可视化、随时介入。
• 每个用户独立云沙盒：Pro 给 2 核 / 4 GB / 50 GB，Max 给 4 核 / 8 GB / 200 GB，文件不会碰本地系统。
• Skills 即软件：内置 40+ Claude Code 兼容 Skills，覆盖 PDF、设计、视频、爬虫、社交发布，可调用 150+ AI 模型。
• Capymail 异步交付：长任务跑完结果发到邮箱，回邮件继续派活，像跟一个远程同事协作。
• Agent Teams（Max plan）：多 Agent 团队带 GUI 协作，目前 Research Preview 阶段。

⚙️ 机制

Happycapy 把 Claude Code/OpenClaw 部署在云端隔离容器里，每个登录用户拿到一个带持久化的文件系统。前端实时把 Agent 的步骤投到浏览器，用户用自然语言操作，Agent 在沙盒里调用 Skills 完成任务，结果可以直接展示也可以通过 Capymail 邮件送达。

开源仓库 Happycapy-skills（MIT，85 星，16 fork，7 位贡献者）以收录和适配上游 Skills 为主，自研代码不多；核心沙盒和路由层闭源。

👨🏻‍💻 使用场景

• 非技术同事做内容生产：市场同学描述「给我做一份 8 页产品发布 PPT，配封面图」，Agent 在沙盒里调 pptx 和 canvas-design Skills，30 分钟跑完发回邮箱。
• 个人开发者快速搭原型：开发者把 PRD 丢进去，Agent 调 next-best-practices Skill，写完代码直接在沙盒里跑前后端服务，不占本地端口。
• 研究员处理大批量数据：把一份 50 MB 的 CSV 上传，让 Agent 用 Python 清洗、画图、生成报告，结果以 PDF 邮件发回。
• 小团队跑日常自动化：把每周一抓竞品价格、整理成飞书表设为 定时任务，Agent 在沙盒里定时执行。
• 创作者多平台分发：用 happycapy-social-publisher Skill 一键把同一条内容改写后投到 13+ 社交平台。

🛣️ 路线图

• IOS App 公测：目前 Max plan 早鸟可用，预计 2026 年中开放给 Pro 用户。
• Agent Teams 正式发布：当前为 Research Preview，需要解决多 Agent 协作时的成本和稳定性。
• 更多 Skills 收录：开放外部贡献，Happycapy-skills 仓库持续合并社区 PR
• 企业版 / Team 计划：目前只有个人版，社区呼声较高的方向是协作沙盒和 SSO。
• 本地文件桥接：用户最常吐槽沙盒访问不了我电脑里的文件。

💬 社区评价

Happycapy 于 2026 年 2 月 11 日上线 Product Hunt，当天拿下 #1 Product of the Day。上线 20 天 ARR 突破 100 万美元，背后公司 Trickle 在 2025 年第四季度完成 1000 万美元以上融资。

我们正在从跟 AI 聊天走向用 AI 操作，赢家会是那些能把自动化做到可复用、可观测、默认安全的平台。Skills as the new software 这件事 Happycapy 押对了

Happycapy 解决的是本地跑 Agent 的摩擦力。不用配 server、不用管 API Key、不用学 CLI，打开浏览器就开始。

Claude 4 Sonnet 4.6 + 长期记忆 + 50+ Skills，每月 17 美元，目前 AI 订阅市场里性价比最高的方案，最接近真正的 AI 同事。

社区整体评价正面。最受欢迎的是先验证后执行机制（先读文件再改、先看目录再建）和可视化沙盒。主要改进建议集中在本地文件桥接、移动端覆盖、credit 用量透明度上。

🖊️ 作者背景

👤 Jarod Xu – Co-founder & CEO

• 教育：北京大学 MBA；南京邮电大学 通信工程 学士
• 职业经历：Trickle Co-founder & CEO（2018 至今，连续创业，做过 5+ 产品）；Ericsson Consulting Manager（2013–2017）；Ericsson Integration Engineer（2010–2013）
• 背景：早期 3 年烧掉 300 万美元做了 5 个失败产品后，2024 年 12 月把 Trickle 重做成「自然语言 → 全栈应用编译器」上线 Product Hunt，再用 14 天做出 Happycapy 第一版。

👤 Victoria Wu – Co-founder & Designer

• 教育：北京大学 MBA（2016–2018）
• 职业经历：Trickle 联合创始人 / Design 负责人（2018 至今）；Happycapy 联合创始人 / Designer
• 背景：主导产品视觉与交互，Capybara 形象和「Happycapy, HappyYou」品牌主张出自她手。

💰 定价

• Free：$0，有限 credits、Claude Code、MiniMax M2.7、150+ 模型、基础沙盒、自定义 Skill。
• Pro：$17/月（年付）或 $20/月，2000 credits、沙盒 2 核 / 4 GB / 50 GB、自动任务执行、Capymail。
• Max：$167/月（年付）或 $200/月，模型不限量（每周刷新 credits）、4 核 / 8 GB / 200 GB、iOS App 早鸟、Agent Teams（Research Preview）、优先客服。

定价对标 ChatGPT Plus 和 Claude Pro ，但拿到的是带沙盒的 Agent 而不是 Chat。

信息来源：TG频道@NewlearnerChannel

Happycapy: 在浏览器里跑 Claude Code 的「Agent 原生电脑」最先出现在666News。

官网 | Github

CleanShot X 的免费开源替代品，用 Swift 6 原生构建，功能不缩水。

✨ 特点

• 全模式截图：支持区域、全屏、窗口三种截图方式，区域截图实时显示尺寸标注，窗口截图单击即可捕获
• 录屏 + GIF：同时录制 MP4 视频和 GIF 动图，支持系统音频 + 麦克风双通道采集，3-2-1 倒计时启动
• 摄像头画中画：录屏时叠加摄像头画面，提供圆形、方形、竖向、横向 4 种形状，可拖拽调整位置和大小
• 高级标注编辑器：箭头、矩形、椭圆、文本、自由画笔、像素化模糊、高亮笔、编号计数器，配色器 + 撤销重做一应俱全
• 截图美化：添加背景色渐变、内边距、圆角、阴影效果，支持 Solid 和 Liquid Glass 两种风格，实时预览
• OCR 文字识别：即时 OCR 模式选区即复制，视觉 OCR 模式高亮文字区域可逐块点选
• 钉到屏幕：截图可固定为置顶悬浮窗，支持锁定模式实现点击穿透，适合做参考对照

⚙️ 机制

Capso 采用纯 Swift 6.0 + SwiftUI 构建，面向 macOS 15.0+，是一个完全原生的 Apple Silicon 应用。其架构亮点在于模块化 SPM 设计：主应用只是一个薄壳（Thin Shell），所有核心能力被拆分为 8 个独立的 Swift Package Manager 包，每个包可独立测试、独立复用。

主要依赖：Swift 6.0、SwiftUI、AppKit、ScreenCaptureKit、AVFoundation、Vision Framework、XcodeGen

项目使用 XcodeGen 管理工程配置，8 个 SPM 包各自独立编译测试。开发者可以单独将 CaptureKit 或 AnnotationKit 嵌入自己的应用，这是 Electron 或 Tauri 方案无法提供的粒度。代码风格整洁，遵循 Swift 6 Strict Concurrency 规范。

👨🏻‍💻 使用场景

• 独立开发者制作 App Store 素材：用截图 + 美化功能快速生成带圆角、阴影、渐变背景的宣传图，无需打开 Figma
• 技术博主录制教程：GIF 录屏 + 摄像头画中画 + 标注编辑器，一套工具完成从录制到标注的全流程
• 预算有限的用户：获得与 CleanShot X（$29）同级别的功能，完全免费，无试用期、无功能阎割、无订阅

🛣️ 路线图

• Spotlight / 放大镜 / 标尺工具：标注工具集持续扩充
• 滚动截图：基于 Accessibility API + Vision 拼接长页面
• 视频裁剪编辑器：录屏后直接在应用内剪辑
• 截图历史浏览器：回顾和管理历史截图记录
• Raycast / Shortcuts 集成：URL Scheme 自动化工作流支持

💬* 社区评价*

Capso 于 2026 年 4 月 10 日开源，目前在 GitHub 上已获得 238+ 星标，Fork 数 16，由 1 位核心贡献者开发，已发布 7 个版本（最新 v0.1.9）。在 Product Hunt 上线首日获得 261 票，30 条评论，拿下当日 #3 Product of the Day。

社区整体评价非常正面。用户最喜爱的是「免费 + 开源 + 原生 + 功能完整」的组合，主要改进建议集中在稳定性打磨和缺失的高级功能（如滚动截图）。

🖊️ 作者背景

Kevin (lzhgus) — 独立 macOS 开发者

Awesome Mac Apps 创始人。旗下已有 MacQuit（$4.99）、ImageMini Pro（$9.99）、Gauss（$4.99）等多款付费 macOS 原生工具。

信息来源：TG频道@NewlearnerChannel

Capso：免费开源的 macOS 截图与录屏工具最先出现在666News。

首个绕过 CoreML、在 Apple M4 神经引擎上实现完整反向传播的开源概念验证，证明 ANE 硬件本身具备训练能力，软件封锁才是真正壁垒。

✨ 特点

• 私有 API 直连：通过逆向工程 ANEClient、ANECompiler 等私有接口，完全绕过 CoreML，实现对 ANE 硬件的直接控制，吞吐提升 2–4x。
• 完整前向 + 反向传播：在 ANE 上运行 Transformer 的前向与 dx 梯度计算，权重梯度 dW 由 CPU（Accelerate cblas）并发处理，支持 Adam 优化器与 checkpoint 续训。
• 动态权重管道：将权重打包进空间维度，实现权重更新无需重新编译，突破 ANE 每进程约 119 次编译上限的约束。
• INT8 W8A8 量化：利用 MIL quantize/dequantize 算子在 L2 SRAM 缓存 INT8 激活值，M4 上实测 1.88x 吞吐提升（35.1 TOPS vs 18.6 TOPS）。
• GPU↔ANE 零拷贝流水线：基于 IOSurface 共享内存，GPU 负责 prefill，ANE 负责 decode，Stories110M 总延迟仅 8.8ms。
• 硬件基准体系：系统性揭示 Apple「38 TOPS」宣传存在虚高。ANE 实际将 INT8 反量化为 FP16 后执行，真实峰值为 19 TFLOPS FP16，并提供 SRAM 带宽、TFLOPS 峰值等详细测量数据。

⚙️ 机制

ANE 是一个图执行引擎，接受编译好的 MIL（Model Intermediate Language）计算图后原子执行，本身不暴露可编程的指令集。项目通过运行时 objc_msgSend 解析 AppleNeuralEngine.framework 中 40+ 个私有 Objective-C 类，构建出「MIL 程序生成 → 内存编译 → IOSurface I/O」的完整链路。训练时前向与反向 dx 计算在 ANE 完成，权重梯度 dW 由 CPU cblas 并行执行，Adam 更新在 CPU 完成后权重重新打包回 ANE 空间维度。全程无外部依赖，仅使用系统框架。

主要依赖：Objective-C + Foundation + IOSurface + Accelerate（纯系统框架，零第三方依赖），Python 仅用于训练监控 Dashboard（blessed 库）。

🧑‍💻 使用场景

• NPU 编译器研究者：希望深入了解 Apple ANE 的 MIL IR 格式、Kernel Fusion 策略和 SRAM 行为，可直接参考 inmembench.m、sramprobe.m、inmempeak.m 等基准工具，无需从零逆向工程。
• 边缘 AI 推理优化工程师：gpuprefillanedecode.m 实现的 GPU prefill + ANE decode 混合流水线（Stories110M 总延迟 8.8ms、功耗 2.8W），可作为低功耗本地部署方案的参考架构。
• Apple 平台 ML 开发者：需要在 CoreML 训练 API 限制之外实现设备端持续学习或个性化微调时，可通过 bridge/ane_bridge.h 提供的 C-callable API 接入 ANE 计算能力。
• 硬件性能研究者：验证 38 TOPS 虚高发现，或研究 Apple Silicon ANE 与 SME（Scalable Matrix Extension）在不同工作负载下的分工边界。
• 开源社区建设者：在本项目基础上构建更完整的运行时，如已涌现的 Orion（完整 ANE 训练 + 推理框架）、hybrid-ane-mlx-bench（Apple Silicon 推理策略系统评测）。

🛣 社区关注方向

• Mega-kernel 层融合：将完整 Transformer 层融合为单一 MIL kernel
• macOS 26 API 适配：Apple 更改了 compile API。Apple 据报将推出「Core AI」替代 CoreML
• 扩展到更大模型：Qwen3-0.6B（596M 参数）GQA 支持已合并，社区在探索 1B+ 参数范围的可行性
• 模型加载支持：目前只能从随机初始化训练，无法加载预训练权重

💭 感想

ANE 项目最有价值的地方，不在于能立即替代 MLX 或 llama.cpp。作者在 README 里写得很清楚，这从来不是目标。它真正做到的是把一个「不可能」命题变成了有据可查的事实：Apple Neural Engine 的硬件本身具备训练能力，6.6 TFLOPS/W 的功效比（约为 A100 的 80 倍）让人想知道，若 Apple 开放训练 API，边缘端持续学习会走向哪里。

技术完成度上，最扎实的是基准测试体系中 38 TOPS 虚高的实验性反驳、SRAM 带宽性能悬崖的量化分析，都是不多见的一手硬件数据。训练实现接近 PoC 状态。5–9% 的 ANE 利用率说明距离高效 NPU 训练还有很长的软件工程路要走。相比 MLX（GPU 路线，开箱即用）和 CoreML（推理受限但稳定），ANE 这条路适合想深入理解 Apple Silicon 底层的系统工程师，不适合期望开箱即用的应用开发者。

项目的另一面是方法论本身：逆向工程、基准分析、训练代码，全程与 Claude Opus 4.6 协作完成。 AI 可用性得到了另一次证明

信息来源：TG频道@NewlearnerChannel

ANE — 逆向工程解锁 Apple Neural Engine 训练能力最先出现在666News。

官网 ｜ Github

在一个界面同时对话多个 AI 模型，获取不同视角的答案

✨ 特点

• 多模型并行对话：同时向 Claude Sonnet 4、o3-mini、Gemini 2.5 Pro、DeepSeek R1 等多个模型提问，实时对比不同模型的回答
• Ambient Chat：可以从任何地方启动对话，Chorus 能看到你的屏幕，了解你正在做什么，无需额外解释
• MCP 支持：运行任何 MCP 服务器，支持网页搜索、终端命令执行、GitHub 集成等
• 本地和云端模型兼容：支持 OpenAI、Anthropic、Google、OpenRouter 以及通过 Ollama 运行的本地开源模型
• 文档处理：URL 自动提取、PDF/图片/文档上传、全文搜索
• Magic Projects：对话之间自动共享上下文
• BYOK：自带 API 密钥或使用代理服务
• 极速体验：毫秒级全文搜索、完整键盘快捷键支持、代码和 LaTeX 语法高亮

⚙️ 机制

• 前端：React 18.3 + Vite 5.4 + TypeScript 5.8
• 后端：Rust (Tauri 2.5) + SQLite
• UI 组件：Radix UI + Tailwind CSS 3.4
• 状态管理：Zustand + TanStack Query
• 桌面框架：Tauri 2（使用系统 WebView，不打包 Chromium）

主要依赖

• AI SDK：@anthropic-ai/sdk、@google/genai、openai、@modelcontextprotocol/sdk
• 实用工具：pdfjs-dist（PDF 处理）、cheerio（HTML 解析）、highlight.js（代码高亮）、katex（LaTeX 渲染）
• 开发工具：ESLint、Prettier、Vitest、Husky

数据存储

• 本地 SQLite 数据库存储所有数据
• 隐私优先：数据不离开设备
• 支持文件系统监控

👨🏻‍💻 使用场景

• 技术问题调试：同时询问多个模型，一个模型可能遗漏的错误，其他模型能发现
• 学术写作：避免单一模型的幻觉或道歉循环，通过多模型对比获得更可靠的答案
• 研究和学习：对比不同 AI 的观点和解释方式，获得更全面的理解
• 内容创作：利用不同模型的优势，Claude 擅长写作，GPT 擅长结构化，Gemini 擅长多语言
• 大文档分析：通过 URL 提取和 PDF 上传处理文档，配合全文搜索快速定位信息

🛣️ 路线图

根据 GitHub issues 和社区反馈，团队正在关注：

• RAG 模式：社区提出详细的大文档处理方案（40k+ tokens），可能采用云端 RAG 或本地向量数据库
• Ollama 优化：增强本地模型支持，自定义 API 地址配置
• 语音集成：类似 qspeak.app 的语音交互功能
• 本地爬虫：替代 Firecrawl 的本地网页抓取方案
• 成本追踪增强：已实现 OpenRouter 成本跟踪，未来可能支持更多提供商

💬 社区评价

Chorus 在 GitHub 上获得了 575+ 星标和 73 个 fork，开源仅两个月就积累了活跃的开发者社区。项目有 25+ 个 issues 讨论。

Garry Tan（Y Combinator 总裁兼 CEO）评价道：「这是关于 AI 如何改变个人计算的一个很酷的尝试。」

Hamel Husain（Answer.AI）称赞说：「Chorus 真的很酷。这是一个非常精致的应用，让你并排使用所有模型，’环境聊天’功能允许模型看到你电脑上正在做的一切。它就是好用。」

Alex Volkov（Thursd/AI）表示：「Chorus 对我来说已经成为不可或缺的 AI 工具！出色的键盘快捷键支持、对比模式、MCP、环境聊天、自带密钥支持、本地模型支持。它真的应有尽有！」

从社区反馈来看，用户最喜欢的是多模型并行对比功能和 Ambient Chat 的便利性，键盘快捷键和 MCP 集成也备受好评。不过也有改进空间：Windows 版本尚未发布（仅支持 Mac），MCP 服务器配置对新手有一定门槛，部分用户期待的 RAG 模式功能还在社区讨论阶段。总体而言，社区对产品持积极态度，维护者响应迅速，用户提出的成本追踪等功能已快速实现。

🖊️ 作者背景

Charlie Holtz – 联合创始人兼 CEO

• 教育：Brown University 计算认知神经科学学士（荣誉学位）
• 职业经历：
– Replicate 工程师（领导增长，构建数百万用户应用）
– Point72 量化研究员（最年轻的量化开发者，管理数十亿美元投资组合）
– Brown University Serre Lab 计算视觉研究助理
• 背景：结合技术专长和认知神经科学洞察，前飞盘运动员

Jackson de Campos – 联合创始人

• 教育：Brown University 计算机科学学士
• 职业经历：
– Netflix 机器学习软件工程师（扩展 Netflix 整个目录的视频理解模型推理）
– Amazon SDE 实习生
– Brown University 教学助理（逻辑系统课程）
• 背景：机器学习和大规模基础设施专家

公司：Melty Labs

• Y Combinator S24 批次
• 种子轮融资：50 万美元（2024）
• 团队规模：1-10 人
• 总部：旧金山，加州
• 产品线：Melty（AI 代码编辑器）→ Chorus（多模型 AI 对话应用）
• 哲学：开源优先、本地优先、隐私优先

团队特色

两位创始人在 Brown University 打飞盘时相识，共同的技术热情和互补的专业背景（认知神经科学 + 机器学习）为产品注入了独特视角。他们使用 Claude Code 构建产品，在博客中甚至把 Claude 称为「本月最佳员工」。

💰 定价

完全免费 + 开源

• MIT 许可证
• 自带 API 密钥（BYOK）：用户直接向 AI 提供商付费
• 可选代理服务：使用 Chorus 的代理
• 无订阅费用

🙋‍♂️ 感想

Chorus 刚发布时就吸引了我的注意力，相比其他套壳聊天软件，它的界面更精致，而且是首批支持 MCP 的产品之一。不过目前整体体验已经不如 Claude Desktop，因为 Claude 在桌面端提供了功能更强大的 Cowork 和 Code 模式。

但如果你需要对比不同模型的输出结果，或者当某个模型的答案不满意时希望能快速切换到另一个，Chorus 依然是个不错的选择——开源、免费、性能优秀，这三点在 AI 工具领域并不常见。

信息来源：TG频道@NewlearnerChannel

🎤 Chorus: 多模型 AI 对话的轻量级桌面应用最先出现在666News。

✨ Features

• 并行下载和安装包，性能更好
• Rust 编写
• 兼容 Homebrew 的 Formulae 和 Casks

📜 背后的故事

创建者Aalexykn 开始构建 Sapphire 是因为 Homebrew 无法满足他们的特定需求。他们发现 HomeBrew 非常缓慢，这促使他们用 Rust 启动了这个项目。

🛰️ 社区反馈

• 兴奋： 一些用户对更快、基于 Rust 的 Homebrew 替代品的前景感到兴奋，并赞赏开发者的积极性。
• 怀疑： 一些人质疑在没有明确的性能基准或功能差异的情况下，用 Rust 重写的必要性。他们想知道 Sapphire 旨在解决 Homebrew 的哪些具体问题。
• 对 Homebrew 的批评：许多评论者表达了对 Homebrew 的缓慢、冗长、依赖管理、强制更新和特有术语的不满。这些用户更愿意接受替代方案。
• 对特定功能的需求：用户要求更好的多用户支持、更具声明性的配置以及锁定软件包版本的功能。
• 对术语的担忧：强烈反对 Sapphire 使用 Homebrew 的啤酒相关术语，用户更喜欢标准的包管理词汇。
• Homebrew 维护者的观点： 一位 Homebrew 维护者承认该项目很有趣，并强调了 Homebrew 客户端执行背后复杂的底层基础设施。他们还指出，Homebrew 中的并行下载是出于对下载源的礼貌而做出的有意识的决定。

🛣️ 路线图

• 清理旧的下载内容、版本和缓存
• 前缀隔离： 支持将 /opt/sps 作为独立的安装路径
• sps init 辅助工具，用于初始化你的环境
• 持续进行错误修复和稳定性改进

⚠️  注意

目前 Sapphire 还在非常早期阶段，很多功能被标记为慎重使用，例如升级，从源代码构建 Formulae。不支持 x86 平台，只支持 ARM 平台。

信息来源：TG频道@NewlearnerChannel

Sapphire：Rust 版本的 Homebrew最先出现在666News。

✨ Features

• 在 Apple Silicon 上上创建并运行接近原生性能的 macOS 和 Linux 虚拟机，支持虚拟机显示桌面
• 提供 Python 库，并支持 AI 智能体集成，可在沙盒环境中执行智能化工作流
• 基于 Apple 的 Virtualization.Framework 构建，确保最佳性能

⚙️ 架构

CUA 包含三个核心产品

• Lume: CLI 工具，基于 Apple 的 Virtualization.Framework 构建的虚拟机引擎。一行命令即可启动带桌面显示的虚拟机
• Computer： Python 库，提供 Lume 启动的虚拟机交互接口
• Agent: 智能体框架，可在 Lume 启动的虚拟环境中执行自动化任务

还有一些 辅助库

• Core：提供其他 CUA 包使用的核心功能和实用工具
• PyLume：Lume 的 Python 接口绑定
• Computer Server： Computer-Use 接口的服务器组件，兼容 PyAutoGUI，支持 AI 框架如 Cua, Langchain, CrewAI, AutoGen
• SOM：Agent 识别 UI 元素的工具

👀 体验

当前 AI 与计算环境交互主要有几种方式：

• AI 操控浏览器功能多用于信息检索和研究。通过浏览器，AI 能获取广泛的网络资源，从而更全面地完成用户任务。
• 另一方面，AI 操控本地环境主要应用于代码开发场景，使 AI 能直接修改代码、执行命令和进行编译等操作。

CUA 允许 AI 代理在沙盒环境中同时操作多种工具，包括浏览器、VSCode 和终端等，完成更复杂、更综合的任务流程。这种沙盒化设计确保了安全性，用户不必担心 AI 代理的操作会对本地环境造成意外影响。

虽然沙盒环境需要更多计算资源（如使用 Lume 启动 macOS 虚拟机需要下载 50GB 的镜像），对个人用户来说成本相对较高，但对于希望将此类功能打包为服务提供给其他用户的开发者而言，安全可靠的沙盒环境是不可或缺的。

信息来源：TG频道@NewlearnerChannel

CUA: 供 AI 代理使用的 macOS 虚拟机最先出现在666News。

🔗 阅读原文 | GitHub | Documentation

💭 在分享歌曲时，你更习惯直接复制串流平台的链接，还是制作成精美的分享卡片？

📇 目前大部分音乐串流平台都能直接或间接地生成音乐分享卡片。像 Spotify、Apple Music、TIDAL、Deezer 等都能通过「曲线救国」的方式——分享到 Instagram Story 时以图片格式保存——来实现，但却难以对其进行进一步的自定义。

🛠️ 今天分享的 BeatPrints 是一款主打音乐卡片生成的开源 Python 项目。与常见的图形用户界面不同，BeatPrints 采用命令行工具的形式，通过与 Spotify 和 LRClib API 的集成，让你只需要简单的几步就能为喜欢的歌曲或专辑生成个性化的卡片。

🎨 在创建卡片的过程中，BeatPrints 提供了丰富的自定义选项。除了卡片本身类似宝丽来相片的形式外，BeatPrints 目前内置了 Light、Dark、Catppuccin、Gruvbox、Nord、Rosepine 和 Everforest 几套各具特色的主题。如果你不满意 Spotify 提供的原始封面，BeatPrints 还支持自定封面的功能，允许你上传照片来替换默认封面，进一步个性化你的分享卡片。

🌏 值得一提的是，BeatPrints 对多语言的支持也相对完善，它兼容了英文、日语、中文和韩语等多种语言，确保你所分享的歌曲都能正确显示歌名、歌手以及歌词等相关信息。在分享单曲而非专辑时，你能够选择最打动你的歌词片段，目前最多支持 4 行。

💻 目前 BeatPrints 支持通过 pip、poetry 或者 CLI 的方式来进行安装。在 GitHub 项目中，作者提供了示例代码及具体教程，感兴趣的朋友可自行尝试。

🔧 如果你像我一样不熟悉编程，那么也能参考这篇 文章。只需要几个简单的命令，就能完成从搜索歌曲到生成海报的全过程。

📍 首发频道｜小红书｜Twitter｜微信公众号

信息来源：TG频道@NewlearnerChannel

🎶 BeatPrints：为你喜欢的歌曲一键生成精美分享卡片最先出现在666News。