老路前两天做了个 eSIM 开箱视频，剪辑完发现文件太大了，素材压完还有 800MB，发个视频传半天。老路找到了一个开源工具 FFmpegFreeUI，用了几天直接把之前用的格式工厂卸了。今天好好聊聊这个工具，视频博主、做自媒体的一定要看完。

一、老路的痛点

做视频的朋友应该都懂这几个烦心事：

老路以前用格式工厂，能用，但广告烦人、速度一般，而且转出来的质量总感觉差点意思。直到换了这个开源的 FFmpegFreeUI。

二、FFmpegFreeUI 是什么？

一句话：Windows 上的 FFmpeg 图形界面（GitHub 7.6k star，MIT 开源）。

FFmpeg 是啥？视频圈的老祖宗级开源工具，几乎所有视频软件底层都用它。但它是个命令行工具——你得敲代码，普通人根本玩不来。

FFmpegFreeUI（简称 3FUI）就是给 FFmpeg 套了个好看的图形界面，让你像用普通软件一样用 FFmpeg 的全部能力：

官方定位：跟 HandBrake、ShanaEncoder 同级别的专业压制转换软件，但完全免费、无广告。

下面是老路的FFmpegFreeUI安装与实践全过程视频。

三、它凭什么让老路卸载格式工厂？

✅ 完全免费 + 无广告

• 所有生产力功能免费
• 界面干干净净，一个广告都没有
• 开源（MIT 协议），代码公开可查

✅ 原生 FFmpeg 性能

• 不内置任何编解码器，直接用你电脑上的 ffmpeg
• FFmpeg 更新了，你换上去就升级，不用等软件更新
• 转码速度和质量 = FFmpeg 原汁原味，比格式工厂强一截

✅ 绿色便携

• 所有数据存在当前目录的单文件，不用安装
• 不碰注册表、不乱扔垃圾、不收集任何信息
• 拷到 U 盘就能带走

✅ 专为批量处理设计

• 任务添加数量无限制
• 实时计算剩余时间、预估最终大小
• 可暂停、可续跑

✅ 细节拉满

• 完整色彩管理选项
• 烧字幕的大量选项
• 混流合并、性能监控
• ffprobe/ffplay 调用、质量评测
• 支持插件、支持外部/远程调用

四、重头戏：3FUI Agent 智能体（AI 加持）

3FUI 内置了一个 AI 副驾驶，用自然语言就能完成视频处理的参数优化，你只需要告诉它你要什么样的视频就行了，这是其他同类工具（包括格式工厂、HandBrake）都没有的。

它能干嘛？

最关键的是：它可以用任何 AI 模型——接入任何兼容 OpenAI SDK 的接口（DeepSeek、Kimi、GLM 都行），相当于给你配了个懂视频编码的 AI 助手，随时问。

能力”几乎相当于半个 Codex”（官方原话）——会写参数、会操作面板、会帮你解决问题。

对小白最大的意义： 以前面对一堆参数（码率、帧率、编码器、CRF……）头皮发麻，现在用大白话跟 AI 说需求，它帮你搞定。这就是”小白轻松上手”的底气。

五、老路的实测

老路实际用它做了两件事：

压缩+格式转换（4K 视频 → 平台上传版）

真实感受： 界面比格式工厂专业但顺手，参数都标了名字（不是一堆数字），常用场景预设直接选，进阶功能用 AI 问。从”能用”到”好用”的差别。

最大的问题：耗时比较长，不过从结果看，效果相当炸裂，把任务安排好，启动后睡觉去是非常明智的选择。

总结

视频博主、自媒体人、经常处理视频的朋友，这个工具值得装：

1. 免费无广告 —— 格式工厂、魔影工厂可以卸了
2. 原生 FFmpeg 性能 —— 快、质量好、随时更新
3. AI Agent 加持 —— 大白话指挥，小白也能玩转专业参数
4. 绿色便携 —— 不安装、不收集数据、U 盘带走

当然，也可以有邪修用法，你电脑里各种老师的“教学视频”，肯定很占空间，用这个批量处理，你又多了很多空间保存她们。

下载地址：

FFmpegFreeUI 下载 Github仓库

如果你对本地的AI音视频和AI生图感兴趣，可以看：免费克隆你的声音 和 ComfyUI+Boogu一键生成中文视频/Blog封面图

The post 视频博主必备工具！全免费！AI Agent 加持，小白轻松上手！你再也不需要XX工厂了！老师们也有了更多的住处~ appeared first on 老路日常.

最近DeepSeek v4 Flash 正式版发布了，并且可以一键支持Codex（现在已经和ChatGPT合并了，不过老路还是习惯叫它Codex），说实话性价比是真的炸裂。但最大的问题还是DeepSeek看不了图，截图给它，它说”我是纯文本模型，无法处理图片”。今天老路教大家一招免费解法，10分钟让Codex + DeepSeek支持图片识别。

一、先说为什么 DeepSeek 看不了图

DeepSeek 的模型（包括 v4 Flash 正式版）是纯文本模型，不支持多模态：它只认文字，不认图片。你把截图丢给它，它根本”看不见”。

这不管是写代码还是处理其他工作都很痛苦：

• 截图发过去 → 它说看不了，让你贴文字
• 界面设计稿 → 它理解不了布局
• 图表/流程图 → 直接懵

Codex这么强的Agent，看不了图，性价比再炸裂，也相当于没有眼睛，能力直接砍掉3/4，之前老路写过的Hermes+DeepSeek不能看图的解决方案，也是类似的道理，再好用的Agent看不了图，相当于没用。

二、免费给 DeepSeek 装一双”眼睛”

思路很简单：DeepSeek 看不了图，那就找一个免费的视觉模型替它”看”，再把”看”的能力接进来。

这次老路用的是智谱的 GLM-4.6V-Flash，完全免费的视觉模型，128K 上下文，OpenAI 兼容接口，注册就有，不用充值。

整体链路长这样：

这相当于给 DeepSeek 装了个”看图翻译”的外挂。

三、实操步骤

老路的做法是：直接跟 Codex 对话，让它自己封装 MCP、再封装成 Skill。 全程老路只负责提一句话需求和提供APIKey。

第 1 步：注册智谱开放平台，拿免费 APIKey

1. 打开 https://open.bigmodel.cn （智谱开放平台）
2. 注册登录
3. 进入 API Key 页面创建密钥
4. glm-4.6v-flash 免费，不用充值

拿到一串 xxxxxxxx.xxxxxxxx 格式的 API Key。

第 2 步：告诉 Codex 需求（一句话）

在 Codex 对话里直接输入：

你自己做个mcp，底层调用GLM-4.6V-Flash，来进行图片理解，可以搞定吗？

Codex 会自动：

• 生成 server.py（MCP 服务器代码）
• 写好调用 GLM-4.6V-Flash 的逻辑
• 注册到它的 MCP 配置文件

第 3 步：把APIKey给Codex

把从GLM拿到的apikey直接发给Codex，它会自己配置并进行测试。

第 4 步：真实图片测试

Codex自己的测试通过后，Codex 就把这套能力”记”下来了，发给他一张图来进行实际测试，可以看到已经可以正确识别图片内容了，并且还发现了之前代码的一些小错误，很是丝滑。

第 4 步：把MCP封装成Skill，并支持全局使用

同样，和Codex对话，让它把mcp封装成Skill，并且支持全局可用

把这个图片识别的mcp，封装成skill，并需要支持全局使用。

完成后，重启Codex客户端，新建一个对话框，上传一张图片，试试图片识别，完全没问题！

四、跟”手动下载项目”的区别

老路知道有人会说”GitHub 上有现成的”，但让 Codex 自己封装有两个好处：

本质：让 AI 干活，而不是让 AI 的现成作品替你干活。

最爽的是免费，虽然有并发量限制，但是个人使用完全够，一分钱不用花。

五、过程中的几个坑和注意

六、跟 Hermes 看图方案的对比

之前老路写过一篇 Hermes+DeepSeek 看图，用 Google 的免费模型给 Hermes 配视觉能力。这次是给 Codex 配，用的是智谱的模型，两条路各有各的好：

如果你主力是 Codex，就搞 GLM-4.6V-Flash 这条；如果主力是 Hermes，看那篇 Gemini 的。

总结

DeepSeek v4 Flash 正式版真香，但”看不了图”是真痛点。解法也很简单：

1. GLM-4.6V-Flash —— 智谱免费视觉模型
2. MCP 桥接 —— 让 Codex 能调用它
3. Skill 封装 —— 一次配置，永久复用

全程零成本，十分钟搞定。以后报错截图、设计稿、图表，直接丢给 Codex 就行。

想了解更多 AI 工具和搞钱路子，看看我博客里的 免费eSIM+1GB全球流量 和 Google AI Studio 那几篇，都是老路亲测过的。

The post Codex + DeepSeek 可以看图了！完全免费！10分钟搞定！ appeared first on 老路日常.

写在前面：老路每周都会刷 GitHub Trending，发现一些好玩又实用的开源项目。今天整理 10 个最近大火的项目，覆盖 AI 工具、建站、效率提升、设计等方向。全部免费、全部开源，不薅白不薅。

1. Instatic — Webflow/WordPress 的开源平替

⭐ 5,800+ | 今天涨了 888 颗星

一句话描述：开源版 Webflow + Framer + WordPress。

可视化拖拽建站，输出纯静态页面。自带用户管理、角色权限、插件系统、内容管理系统、数据库——全包了。不需要写代码就能搭出一个像样的网站。

• 跟 WordPress 的区别： 它输出的是纯静态页面，加载比 WordPress 快，而且不用装各种臃肿插件
• 适合谁： 想快速搭网站但不想碰代码的人；WordPress 用烦了想换个轻量方案的

老路自己是用 WordPress 的（暂时不打算换），但如果你新开一个站，这个值得试一试。

2. ego-lite — AI 代理的专属浏览器

⭐ 4,800+ | 今天 900 星

一句话描述：给 AI 代理用的浏览器，零成本、零配置。

这个项目让你把自己的浏览器登录态分享给 AI 代理（比如 Claude Code 或 OpenAI Codex），AI 直接在浏览器里操作网页，帮你填表单、搜索、爬数据，而且不影响你自己用浏览器。

• 为什么火： AI Agent 今年是最热赛道，所有 Agent 都需要跟网页交互，目前最好的免费方案就是它
• 适合谁： 玩 Vibe Coding 的、想用 AI 自动做网页操作的

3. impeccable — Google 出的 AI 设计语言

⭐ 50,800+

一句话描述：让你的 AI 工具更懂设计。

Google Chrome 团队核心成员做的。它不是设计工具，而是一套「设计规范」——告诉你的 AI 怎么排版、怎么配色、怎么用留白和间距。把它接到你的 AI 工作流里，AI 生成的界面会从「能用」变成「好看」。

• 跟 ComfyUI 的关系： 你用 ComfyUI 生成封面图时，可以把 impeccable 的设计原则写到 prompt 里，出来的图审美提升一档
• 适合谁： 做前端的、做 AI 生成设计的、做封面的

相关阅读：全免费，ComfyUI+Boogu 一键生成中文封面图。

4. superfile — 终端文件管理器天花板

⭐ 20,300+

一句话描述：终端的文件管理器，漂亮得不像命令行。

传统终端文件管理器（比如 ranger、mc）功能强但丑。superfile 用了现代化 UI 设计，支持文件预览、拖拽排序、多面板操作，颜值和功能都在线。

• SSH 管理 VPS 的绝配： 连上 VPS 后用 superfile 浏览文件，比 ls + cd 效率高太多
• 适合谁： 要管理 VPS 服务器的、喜欢命令行效率工具的

如果你用 Vultr 或者 Evoxt VPS，直接在服务器上 brew install superfile 或下载二进制文件扔进 $PATH 就能用。

需要VPS的可以看这里：注册薅$300的VPS 和 亚太地区超稳定VPS，$2.99每月

5. aisuite — 吴恩达的 AI 统一接口

⭐ 15,400+

一句话描述：一套代码，调用所有 AI 模型。

吴恩达（Andrew Ng）团队做的。以前你对接 OpenAI 用一套 SDK，对接 Anthropic 用另一套，对接 Google Gemini 再一套——aisuite 让你写一次代码，切换模型只改一行参数。

import aisuite as ai
client = ai.Client()

# 切模型只改这一行
response = client.chat.completions.create(
    model="google:gemini-3.6-flash",  # 换成 anthropic:claude-sonnet-5 也行
    messages=[{"role": "user", "content": "Hello"}]
)

• 跟 Hermes 的关系： Hermes 本身支持多模型切换，但如果你是 Python 开发者想自己做 AI 工具，aisuite 能省大把代码
• 适合谁： 写 Python 的 AI 开发者

6. open-code-review — 阿里巴巴代码审查

⭐ 14,000+ | 今天 832 星

一句话描述：阿里巴巴开源的免费代码审查工具。

阿里内部使用了多年的代码审查系统，现在完全开源了。它用「确定性规则 + LLM Agent」混合架构，能精准定位代码问题（空指针、线程安全、XSS、SQL 注入等），并且给出具体到行号的修改建议。

• 为什么值得关注： 不是那种「你的代码看起来不错」的泛泛之谈，是真的在阿里生产环境验证过的
• 适合谁： 写代码的、做 Code Review 的、担心代码质量的

之前写过 Claude Code 平替 OpenCode，配合这个项目可以形成完整的「AI 辅助开发 + 自动审查」流水线。

7. bitchat — 蓝牙 Mesh 离线聊天

⭐ 30,700+ | 今天 GitHub Trending 第 1 名

一句话描述：没有网络也能聊天，蓝牙 Mesh 组网。

每台设备变成网络里的一个节点，通过蓝牙接力转发消息。一台手机发消息，周围所有打开 bitchat 的设备都能收到，完全不需要 Wi-Fi 和基站。

• 场景： 户外活动、自然灾害断网时、不想经过服务器的私密通信
• 状态： 已有 Android 版（6,700+ 星），iOS 版开发中

这也是 Permissionless Tech（无许可技术）运动的一部分。理念是：通信不应该依赖少数公司的服务器。

8. claude-cookbooks — Anthropic 官方 Claude 教程

⭐ 50,300+

一句话描述：Claude 官方出的「怎么玩 Claude」教程集合。

Anthropic 官方维护的 Jupyter Notebook 集合，覆盖了 Claude 的各种玩法：

• 长篇文档分析和总结
• 多模态（图片+文字）处理
• Agent 开发（工具调用、函数调用）
• RAG（检索增强生成）
• 代码生成和调试

全部是 Python Notebook，开箱即用。不需要注册付费 API，本地就能跑 demo。

• 适合谁： 想深入用 Claude 的开发者、写 AI 工具的人

9. Kronos — 金融市场的 AI 大模型

⭐ 34,200+

一句话描述：专为金融市场训练的 AI 基础模型。

这个项目不一般——它用海量金融数据（K 线、财务报表、新闻、宏观经济指标）训练了一个专门理解金融语言的大模型。不是那种「用 ChatGPT 分析股市」的玩具项目，这是真正从底层预训练的金融大模型。

• 能做什么： 读取财报、分析市场趋势、做金融情感分析、辅助投资决策
• 跟搞钱系列的关系： 老路之前写的搞钱计划，后面可能会用 Kronos 来跑一些数据

10. Chat2DB — AI 驱动的数据库客户端

⭐ 27,200+

一句话描述：用聊天的方式操作数据库。

支持 MySQL、PostgreSQL、Oracle、SQL Server 等几乎所有主流数据库。最大的亮点是自然语言生成 SQL——跟它说「帮老路查一下上个月销售额最高的 10 个客户」，它自动生成查询语句并执行。

• 为什么推荐： 老路之前写建站教程时，读者问最多的就是「怎么操作 MySQL 数据库」。有这个工具，你不需要学 SQL 也能做基本的数据操作
• 适合谁： 想管理数据库但不太会写 SQL 的；需要频繁查数据的运营/产品

总结

这 10 个项目有一个共同点：不是 PPT 开源，是真有人在用、在维护、在迭代的有用项目。

你玩过其中几个？去 GitHub 给它们点个 Star，这是对开源作者最简单的支持。

The post GitHub 上最值得玩的 10 个开源项目，有几个你一定会用到 appeared first on 老路日常.

大家聊 AI，张口闭口 ChatGPT、Claude、DeepSeek，但有一个工具一直被忽略——Google 官方的 AI Studio。它不只是一个聊天窗口，而是 Gemini 全家族模型的「军火库」：最新模型第一时间上线、免费生成图片视频、还能白嫖 API Key。

7月21日 Gemini 3.6 Flash 刚发布，老路第一时间在上面体验了。今天把它的玩法讲清楚。

Google AI Studio 是什么

Google 官方的 AI 开发平台。跟 Gemini 官网的区别：

一句话：Gemini 官网是精装修的样板间，AI Studio 是毛坯但随便你折腾的后台。

为什么说它被低估了

1. 最新模型第一时间免费用

Gemini 3.6 Flash 7月21日刚发布，这是 Google 最新的「干活主力」模型：

• 1M token 上下文 — 扔进去一整本书都能消化
• 64K 输出 — 写长文不用分好几次
• 基准测试全面提升 — 代码能力 SWE-Bench 58.7%，计算机操控 OSWorld 83%（超过 Claude Sonnet 5 和 GPT-5.6）

这些模型在 AI Studio 里全部免费。同样的模型走 API 要按 token 收费（输入$1.50/输出$7.50每百万），但在 AI Studio 网页里用，一分不花。

2. 不只是聊天，是个全家桶

AI Studio 左侧菜单打开，你会发现它集成了：

• Nano Banana（图片生成） — 之前写博客封面制作用的 AI 绘图，这里免费生成
• Veo（视频生成） — 文字生成视频
• TTS（文字转语音） — 多语种配音
• Live API（实时对话） — 跟 AI 语音聊天，延迟极低
• 文件上传 — PDF、图片、音频、视频直接扔进去分析

3. 免费 API Key，接到自己的工具里

这个是老路最看重的。在 AI Studio 左下角点「Get API Key」，免费申请一个 Key，就能接到第三方工具里用。

老路之前写的 Hermes + DeepSeek 看图方案，用的就是 Google 免费 API Key 来跑视觉识别。免费额度日常用绰绰有余。

注意： 免费层级的对话内容会被 Google 用于改进产品。别聊隐私内容，日常用无所谓。

上手体验：1分钟跑通

第一步：登录

打开 aistudio.google.com，用 Google 账号登录。

第二步：选模型开聊

左侧选模型：gemini-3.6-flash 就是最新发布的，直接开聊。

可以试试这些玩法：

上传一张截图 → 让它分析图表数据
扔一个PDF → 让它总结重点
上传一段音频 → 让它转文字+翻译

第三步（可选）：申请 API Key

左下角菜单「Get API Key」→ 创建 → 复制保存。接到 Hermes、沉浸式翻译、Cherry Studio 等工具里用。

跟其他免费 AI 工具对比

AI Studio 的优势是：Google 财大气粗，免费额度给得最大方，而且模型更新你第一时间用上。

写在最后

Google AI Studio 就是那种「知道的人觉得理所当然，不知道的人完全没听说过」的工具。

The post 2026最容易被忽略的AI工具，完全免费，必须白嫖！ appeared first on 老路日常.

就在刚刚， Moonshot AI （月之暗面）发布的 Kimi K3。2.8T 总参数、1M 超长上下文、Modified MIT 开源协议——这些数字放在一起，基本就是「2026年最强开源模型」。

虽然普通人本地跑不动，但通过 API + Hermes 接入，照样能当主力模型用。这篇就带你从参数解读到实战接入一条龙搞定。

Kimi K3 到底是什么

Kimi K3 是 Moonshot AI（月之暗面）最新发布的旗舰模型。跟之前那些小打小闹的升级不同，K3 这次是真正对标全球顶级模型的产品。

先看Artificial Analysis评测，K3完全是第一梯队。

再看老路整理的硬数据：

在最前的模型里，K3 是唯一一个开源的。其他三家全是闭源。

K3在开源模型里的位置，对比就更明显了：

在开源模型里，K3 无论是参数规模、上下文长度还是综合得分，都是断层第一。

2.8T 总参数是什么概念？

目前开源模型里，K3 的总参数量是当之无愧的第一。DeepSeek V4 Pro 的 1.6T 在它面前也只有一半多。

当然，MoE（混合专家）架构下每次只激活部分参数，K3 每 token 激活约 50B 参数。但这依然是一个非常恐怖的数字。

排行榜表现

根据 Artificial Analysis 最新发布的 Artificial Analysis Intelligence Index 数据，Kimi K3 在多个关键维度上表现亮眼：

注意：K3 目前还是 API-only，要到 7月27日才开放下载。但 API 版本已经是完整能力的 K3，体验上跟最终开源的版本一致。

1M 上下文是什么体验

如果说 K3 哪个功能最让我心动，那绝对是 1M token 超长上下文。

1M 是什么概念？

• ✅ 一次性读完 三本《三体》 的体量
• ✅ 分析完整的项目代码库（上万文件）
• ✅ 处理超长论文 + 引用文献
• ✅ 整本电子书一次性丢进去做知识问答
• ✅ 超长聊天记录完整回顾

K3 能实现 1M 上下文，靠的是它自家的 Kimi-Linear（KDA）注意力架构。这个架构已经开源了（MIT 协议），在 GitHub 上可以找到。

对比一下主流模型的上文长度：

虽然 Llama 4 Scout 有 10M 上下文，但那只是极少数场景能用。在实用性上，K3 的 1M 上下文加上 KDA 注意力架构，长文本检索准确率非常高。跟 DeepSeek V4 Pro 比，K3 的上下文是它的 8 倍。这意味着很多之前做不了的任务（比如完整的代码库分析、超长文档处理），K3 可以轻松搞定。

开源协议：Modified MIT 意味着什么

K3 采用 Modified MIT（修改版 MIT） 协议。这个协议的核心精神是：

✅ 允许的

• 商业使用（需要署名）
• 修改和二次开发
• 模型微调
• 部署到自己的服务

⚠️ 限制的

• 可能包含合成数据条款（用 K3 生成的数据训练其他模型可能需要授权）
• 可能有月活用户数（MAU）阈值限制（超过一定量需要额外授权）
• 具体条款以 7月27日发布的最终版本为准

跟 K2、K2.5、K2.7 Code 用的是同一套协议族，Moonshot 在开源方面一直比较靠谱。

普通用户能本地跑吗？

说实话：不能。

K3 虽然开源，但它的硬件门槛极高：

所以对于绝大多数个人用户来说，K3 的正确打开方式是 通过 API 使用。

Moonshot 官方提供 API 服务：platform.kimi.ai，价格合理，速度也很快。

老路在第一时间已经充值了，用的是交通银行的MasterCard/银联联名卡，支付很丝滑。

在 Hermes 里接入 Kimi K3

虽然本地跑不动，但通过 Hermes 接入 K3 的 API，体验跟本地模型一样流畅。

先拿 API Key

1. 打开 platform.kimi.ai
2. 注册/登录账号，老路推荐直接Google登录
3. 进入 API 管理页面
4. 创建 API Key，复制保存好，注意，API Key复制只有一次机会，关闭后就看不见了。

在 Hermes 里配置 K3

老路还是以Hermes桌面端为例，在设置页面选择“提供方”，点击“API密钥”或者界面左上角的“改用API密钥”

选择“Kimi / Kimi Coding Plan”，不要选“Kimi / Moonshot（China）”这两个不通用，粘贴APIKEY到对应位置即可。

继续在菜单中“模型”选择“Kimi For Coding”，然后选择“kimi-k3”，设置就完成了。

如果你用CLI，可以直接改配置文件

找到 Hermes 的配置文件（~/.hermes/config.yaml 或对应的路径），添加：

providers:
  kimi:
    model: kimi-k3
    api_key: 你的Kimi API Key
    base_url: https://api.moonshot.ai/v1

保存后重启 Hermes，新建会话时选择 kimi/kimi-k3 即可。

K3 在 Hermes 里的表现

老路用了几个小时的体感是：K3 的综合能力不输 GPT-5.6，但价格只有它的三分之一左右。加上 1M 上下文的加持，某些场景下甚至更强。

老路的代码测试是使用的Claude Code，利用CC-Switch来调用Kimi K3，这里有个要注意的地方，CC-Switch里的Kimi For Coding的默认配置baseUrl是国内的，需要改成：

https://api.moonshot.ai/anthropic

其他配置项可以参考Kimi的官方文档：https://platform.kimi.ai/docs/guide/claude-code-kimi

或者在配置JSON里，把env的部分，直接替换成下面老路给的内容，APIKEY换成你自己的

  "env": {
    "ANTHROPIC_BASE_URL": "https://api.moonshot.ai/anthropic",
    "ANTHROPIC_AUTH_TOKEN": "你自己的APIKEY",
    "ANTHROPIC_MODEL": "kimi-k3",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "kimi-k3[1M]",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "kimi-k3[1M]",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "kimi-k3",
    "ANTHROPIC_DEFAULT_FABLE_MODEL": "kimi-k3",
    "CLAUDE_CODE_SUBAGENT_MODEL": "kimi-k3",
    "ENABLE_TOOL_SEARCH": "false",
    "CLAUDE_CODE_AUTO_COMPACT_WINDOW": "1048576",
    "CLAUDE_CODE_EFFORT_LEVEL": "max",
    "ANTHROPIC_DEFAULT_SONNET_MODEL_NAME": "kimi-k3",
    "ANTHROPIC_DEFAULT_OPUS_MODEL_NAME": "kimi-k3"
  },

保存成功测试会有如下提示

此外，K3余额查询的功能在CC-Swith里不好用，老路没折腾，因为自己手搓过多模型余额的桌面插件，更直观，可以看看老路这篇Vibe Codeing 桌面插件。

需要这个插件的朋友可以在闲鱼找到并联系老路：https://m.tb.cn/h.8cn9qxr?tk=aeQ3gszWtX7，这里老路会直接发送绿色版。

会用Github的朋友，直接访问老路的仓库：https://github.com/ulysis6/ai-api-balance-monitor，这个监控插件已经开源。

老路的组合方案：跟其他模型搭配使用

老路在Hermes 里配了多个模型，这样分工：

总结

Kimi K3 是目前（2026年7月）最强的开源模型，没有之一。

对于 Hermes 用户来说，最简单的用法就是拿个 API Key 加上去，把它当主力模型用。1M 上下文的体验，用过就回不去了。

当然Kimi K3作为目前刚上线的模型，虽然性价比要完胜GPT和Claude，但还是没有Deepseek那边性价比炸裂，不过Deepseek不支持多模态，想折腾的朋友，可以看看老路另一篇，Hermes+Deepseek+图片识别

The post 夯爆了！Kimi3+Hermes，最强开源模型+最强Agent接入教程！ appeared first on 老路日常.

一个只有 10 亿参数（1B）的开源大模型，可以吊打包括Gemma 7B 、 Llama 7B、Qwen3.5-2B，并且只需要2G显存就能跑起来，你要不要试试？

最近 OpenBMB 正式发布了 MiniCPM5-1B。参数只有 1B，但在多个公开评测中拿了第一，堪称「2026年最强小钢炮」。

今天咱们不写复杂的编译部署，直接用 Ollama 跑，再给hermes配置上，轻型应用直接token自由。

先说说MiniCPM5-1B 是什么

MiniCPM5-1B 是 OpenBMB 推出的轻量级开源语言模型。跟那些动辄几十 G 的大模型不同，它最大的特点就是：小，但强，完整精度的文件只有2.17G，2G显存就能玩起来。

1B 参数，登顶排行榜

MiniCPM5-1B 最让人惊讶的就是综合性能。

根据 Artificial Analysis 最新公布的 Sub-4B 开源模型排行榜，MiniCPM5-1B 以 17.9 分位列第一。

一个 1B 的模型，分数是 Gemma 7B 的两倍多。虽然不是所有场景都适用，但至少说明——小模型的时代真的来了。

Ollama 一键部署

这是我推荐的方式，因为 Ollama 真的是目前最简单好用的本地模型管理工具。

如果你还没装 Ollama

去 https://ollama.com 下载对应系统版本，Windows、macOS、Linux 都支持。装完就完事了，不需要配环境。

模型下载，推荐Huggingface

【点这里从Huggingface下载】

不同量化版本

完整精度的只有2.17G，也就是2G显存就能玩，必须直接下载完整的。当然，如果你就是日常对话使用，Q4版本也足够用了。

Ollama部署

模型下载到本地后，执行以下命令创建Modefile把模型挂载到Ollama，例如在windows的桌面右键打开终端，以周桌面在C盘为例

:: 1. 写入基础模型路径
echo 'FROM 你下载保存模型的路径\MiniCPM5-1B-F16.gguf' > Modelfile

:: 2. 执行导入
ollama create MiniCPM5-1B-F16 -f C:\Users\你的用户名\Desktop\Modelfile

看到sucess就说明挂载成功了，可以使用ollama list命令来确认，可以看到，我的本地模型列表里第一个就是最新加入的MiniCPM5-1B模型

测试能不能跑

跑起来后在客户端直接跟它聊天，响应还是蛮快的。

用 Ollama 对接 Hermes

如果你跟我一样用 Hermes 作为 AI 客户端，那把 MiniCPM5-1B 加进去也很简单。配置好后，你就可以在 Hermes 里直接用上本地 1B 模型，跑一些轻量任务完全不占 API 额度。

老路用的Hermes桌面端

打开Hermes设置，在模型里选择Custom endpoint，然后点击set up Custom endpoint

选择Local / custom endpoint，兼容端点处输入:http://localhost:11434/v1，注意后面一定要带有v1

http://localhost:11434/v1

点击连接，成功后会有如下显示，此时就设置好了，可以回到对话窗体，选择模型对话即可。

如果你用命令行的话，需要找到 Hermes 配置文件

Hermes 的配置文件一般在：

• Windows： C:\Users\你的用户名\.hermes\config.yaml
• macOS / Linux： ~/.hermes/config.yaml

用记事本或 VS Code 打开。

添加 Ollama provider

在 providers 部分添加一个 Ollama 的配置：

providers:
  ollama:
    model: minicpm5-1b
    base_url: http://localhost:11434/v1
    api_key: ""  # 本地不需要 API Key

在会话中使用

保存配置文件后，重启 Hermes。在新建会话或切换模型时，选择 ollama/minicpm5-1b 即可。

体验

MiniCPM5-1B 虽然只有 1B 参数，但在 Hermes 里跑日常任务完全够用。响应速度很快，基本感觉不到延迟。对于简单的问答、翻译、文字润色这些场景，完全可以走本地，省下 API 调用次数。

实测

老路用自己的机器跑了一下，体感如下：

代码能力

让它写一个网页爬虫，代码逻辑基本正确，稍微调一下就能跑。对于 1B 模型来说表现很不错。

逻辑推理

经典的「昨天是明天」那种推理题，它能理清逻辑链条，没有翻车。

小说生成

让它写一个5000字左右的小说，几秒钟完成。

支持 128K 超长上下文

131072 Token 的上下文意味着什么？

• 一次性读完一本电子书
• 分析整个项目源码
• 处理长篇论文
• 超长聊天记录
• 多份 PDF 文档

对于需要做知识整理、代码分析或者长文总结的用户来说，体验比传统 8K、32K 上下文模型好太多了。

总结

MiniCPM5-1B 给老路的感受就是——1B 模型能做成这样，有点离谱。

以前提到本地模型，大家第一反应是「参数量太小，没法用」。但 MiniCPM5-1B 证明了一件事：高质量数据 + 先进训练策略，小参数也能出好效果。

适合谁

• ✅ 想在本地跑模型，但显卡不给力
• ✅ 需要长上下文处理
• ✅ 想要一个轻量 Agent 模型
• ✅ 想白嫖本地推理，不花 API 钱

不适合谁

• ❌ 需要最强生成质量（还是得用大模型）
• ❌ 需要多模态能力（它纯文本）
• ❌ 机器配置本身就很高了（直接上更大的模型）

另外，喜欢玩本地模型和AI应用的还可以看看这两篇

1 免费克隆你的声音

2 ComfyUI生成中文封面

The post 2G显存也能玩本地大模型，吊打Gemma 7B、Llama 7B、Qwen3.5-2B，保姆级本地部署教程 appeared first on 老路日常.

很多人跟老路一样用 DeepSeek 作为 Hermes 的主力模型，便宜、代码能力强、中文好。但它有个硬伤——不支持多模态，没法识别图片。每次想贴个截图给它看，都要切到别的工具，非常蛋疼。今天分享一个老路一直在用的方案，不花钱，不改代码，直接在 Hermes 里配一下就好，5分钟搞定。

如果你也在用 Hermes，而且苦于 DeepSeek 没有多模态，这篇文章应该能帮你省不少事。

效果如下：

先说说痛点

Hermes 是目前我用过最顺手的 AI 客户端，支持多模型切换、工具调用、本地运行，体验很好，同样接入Deepseek，我的直观感觉是Hermes响应速度要高于Codex。

我主力模型用的 DeepSeek，原因是：

• 便宜（比 Claude 、ChatGPT比便宜的不是一点半点）
• 代码能力强（日常足够用）
• 中文理解好

但最大的问题——DeepSeek 不支持多模态。你在聊天框里贴一张截图，它看不到。想让它分析 UI 设计、看报错截图、识别图片里的文字……统统不行。

之前我的解决方案是：切到 ChatGPT 或者 Gemini 看一眼，看完再切回来。麻烦，而且容易断掉思路。

后来我研究了一下 Hermes 的配置，发现它有一个辅助视觉模型（vision fallback）的机制。简单说就是：主力模型用 DeepSeek（文本），遇到图片的时候自动调另一个模型来处理。

而 Google AI Studio里很多模型都是免费的， Gemini 3.1 Flash Lite 就是，而且还支持多模态。这不就白嫖了吗？

方案原理

你粘贴图片 → Hermes 发现 DeepSeek 看不了 → 自动转发给 Gemini → Gemini 识别后返回结果

整个过程在后台完成，你在聊天界面感知不到切换，体验跟在 ChatGPT 里贴图一样流畅。

需要的材料

第一步：获取 Google API Key

1. 打开 Google AI Studio：https://aistudio.google.com/apikey
2. 用你的 Google 账号登录
3. 点 「创建API密钥」
4. 复制生成的 Key，保存好

点击“创建API密钥”，在弹出的对话框里随便起个名字，项目可以重新创建一个，然后点击“创建密钥”就完事了

Google 目前给了免费额度，不用关心上限，正常使用，完全够，万一真的超限额了，换个模型继续白嫖。

第二步：在 Hermes 里配置

老路是使用桌面端配置的

在 Hermes 桌面端的设置里：

1. 找到 Providers 或 模型配置
2. 添加一个 Google 的 provider：

Provider: google
API Key: 你的 Google API Key

3. 然后在 DeepSeek 的模型配置里，找到 vision_model（视觉模型）选项
4. 设置为 gemini-3.1-flash-lite 或 gemini-2.5-flash-lite(都足够用)

如果你是命令行，直接改配置文件

打开 Hermes 的配置文件（一般在 ~/.hermes/config.yaml 或你自定义的位置），找到模型配置部分。

在 config.yaml 里找到 DeepSeek 的 provider 配置，添加一个 vision_model 字段：

providers:
  deepseek:
    model: deepseek-reasoner
    api_key: 你的DeepSeek Key

  google:
    model: gemini-3.1-flash-lite
    api_key: 你的Google API Key

然后在 agent 或 session 配置里：

vision:
  provider: google
  model: gemini-3.1-flash-lite

不同版本的 Hermes 配置格式可能略有不同，但思路是一样的——给主力模型配一个视觉后备。

使用效果

配置好之后，再跟 Hermes 聊天的时候：

• 纯文字对话 → 依然是 DeepSeek 处理
• 你贴了一张图片 → Hermes 自动调 Gemini 识别，把结果返回给你

举个例子，我让 Hermes 看封面截图，让它反推分析提示词。DeepSeek 处理不了，自动走了 Gemini，Gemini 识别截图里的信息，然后 DeepSeek 根据这个分析做出反推。

全程我就是在聊天框里贴了张图，没有任何额外操作。

实测数据

我用了一段时间，几个体感：

常见问题

Q：会不会泄露隐私？

A：图片会经过 Google 的服务器。如果你有隐私顾虑，建议不要传敏感截图。一般的技术截图、UI 设计图、报错信息没什么问题。

Q：响应速度怎么样？

A：Gemini-3.1-flash-lite 本身就是轻量模型，识别图片速度很快，一般在几秒秒内返回，确实也遇到过繁忙的时候，再执行一次即可，毕竟免费的，不能要求太高。

Q：可以识别什么类型的内容？

A：支持常见格式：PNG、JPG、WebP。能识别图片里的文字、物体、场景、UI 元素等。

其他模型也可以

如果你不想用 Google，只要是Hermes 支持的模型厂商都可以。

最划算的还是 Gemini-3.1-flash-lite——免费，够用，白嫖不心疼。

因为老路还实验了付费的XiaoMI MiMo，那余额哗哗的掉。。。

总结

这个配置花 5 分钟就能搞定，核心就三步：

1. 去 Google AI Studio 拿一个 API Key
2. 在 Hermes 里配上 Google provider
3. 把 Gemini 设为 DeepSeek 的视觉模型

之后你再也不用因为「DeepSeek 不能看图」而打断思路了。贴图、识别、继续聊——一气呵成。

同样的道理，Hermes还支持不同的辅助模型，完全可以发挥你的想象，让不同的模型处理它最擅长的部分，然后让主力模型来给出最终结论~

当然，如果你不想麻烦，那么用一个支持视觉识别的模型作为主模型就行了，一步到位，可以参考老路这篇Kimi K3+Hermes的教程，原生就支持。

The post Hermes + DeepSeek 不能看图？5分钟白嫖Google免费模型实现图片识别！ appeared first on 老路日常.

写在前面：我一直想找一个能本地运行的语音克隆工具，之前试过一些在线的，声音数据要上传，心里总是不踏实。后来发现了 Voicebox，一个开源的本地语音工作室，直接在电脑上跑，模型和数据都不出本机。试了几天，确实好用，功能多得有点出乎意料。

Voicebox 是什么？

Voicebox（https://github.com/jamiepine/voicebox）是一个纯本地运行的开源 AI 语音工作室，相当于 ElevenLabs 和 WisprFlow 的开源平替，而且两个功能合二为一了。

它能做什么？

• 从几秒的录音里克隆任何人的声音
• 用克隆的声音朗读任意文字（23 种语言）
• 全局听写：在任何输入框里按快捷键，说话自动打字
• 给 AI Agent 安上声音：Claude Code、Cursor 这些工具可以通过 Voicebox 跟你说话

最关键的是——全部在本地运行，模型和数据都不出你的电脑。

项目情况

Star: 40.6k
Fork: 4.9k
协议: 开源
最后更新: 上周

安装

Voicebox 是一个桌面应用，下载安装包直接装，下载地址：https://github.com/jamiepine/voicebox/releases

Windows 用户：
下载 .msi 安装包，双击安装就行。

macOS 用户：
下载 .dmg 文件，Apple Silicon 和 Intel 都有对应的版本。

Linux 用户：
目前没有预编译的二进制文件，需要从源码构建。

装完打开，界面是一个漂亮的桌面窗口，跟普通软件一样用。

核心功能

1. 语音克隆

使用之前先要做一些基础配置，点击界面左侧菜单最后一个齿轮（设置），如果你是N卡，选GPU，安装CUDA，使用显卡会大幅提升克隆速度，装完如下图：

配置模型，还是左侧菜单，点倒数第二个，我自己用的是它清单里最好的模型，可以照抄，它会去huggingface下载，所以，需要魔法哦。

每个模型的的效果不一样，我目前只需要中文，所以就用了Qwen。

2. 声音克隆 + 后处理

模型选完后，需要创建一个声音档案，也就是你想克隆的声音，你可以自己录一段，也可以直接上传一个音频，根据官方的建议，弄个30秒的音频效果最好。

完成档案创建后，就来到了实操界面，这里可以用你的声音来说不同的语言，如下，可以翻译成很多种语言，很好玩。

然后输入你想克隆声音的文本，点按钮就可以生成了

克隆的时候，还可以追加效果：

自带了 4 个预设效果：机器人音、收音机音、回声室、低音炮。也可以自建预设。

3. 全局听写

配置一下就可以在任何输入框里按全局快捷键，说话就能自动打字了。基于 Whisper 语音识别。

这个功能做视频字幕、写文章、记笔记都很实用。你不需要再手动打字了，说话就行。

4. Agent 语音输出

这个是最有意思的功能。Voicebox 支持 MCP 协议，也就是说——

Claude Code、Cursor、Cline 这些 AI 编程工具，可以通过 Voicebox 直接跟你说话。

你跟 AI 说「帮我解释一下这段代码」，它不只是在终端里打字回复，还会开口读给你听，用的还是你克隆的声音。

配置方式：给 AI Agent 加一个工具调用 voicebox.speak，它就自动调用 Voicebox 朗读文本。

5. 无限长度生成

一般在线语音工具对文字长度有限制（比如一次最多 2000 字），Voicebox 会自动分段生成然后拼接，最长支持 50,000 字符。读一整篇文章都没问题。

中文效果

我主要测了中文。用 Qwen模型，录了大概 40 秒的样本，克隆出来的声音识别度很高，语调和停顿都挺自然。

• 克隆相似度：⭐⭐⭐⭐
• 中文发音：⭐⭐⭐⭐⭐（Qwen3 的中文底子好）
• 生成速度：⭐⭐⭐⭐（有显卡更快）
• 自然度：⭐⭐⭐⭐

相比在线的 ElevenLabs，音质上还有差距，但考虑到免费 + 本地运行 + 隐私安全，这个差距完全可以接受。

适合什么场景

跟在线服务对比

我的感受

Voicebox 跟我想象的不太一样——我以为是命令行工具，结果是完整的桌面应用；我以为只能克隆声音，结果还带全局听写和 Agent 语音输出。

最让我惊喜的是 Agent 语音输出。让 Claude Code 在写代码的时候开口说话，体验很奇妙。而且用的是你自己的声音，不是千篇一律的机器声。

不过它也有一点门槛：如果你想体验不同模型的效果，那么几个 TTS 引擎加起来要下载好几十个 G 的模型文件，对你的硬盘空间有要求。

如果你是做内容的、做视频的、或者天天跟 AI Agent 打交道的，推荐试试。

更多 AI 工具推荐请访问我的导航站 toolmixr.com

喜欢折腾本地AI工具的还可以看看老路下面这两篇文章

1 ComfyUI生成中文封面

2 2G显存部署本地大模型

The post 免费克隆你的声音、AI配音、全局听写，纯本地运行 appeared first on 老路日常.