浏览和筛选产品

KaCutAI – MacOS 本地AI素材搜索引擎 你的电脑里有几万张图片、数千个视频，却总是找不到想要的素材？ KaCutAI 是一款专为创作者打造的 MacOS 本地 AI 素材搜索引擎。它理解你的自然语言需求，让你像和助手聊天一样，用一句话找到电脑里的图片、视频、片段和创作素材。 无需手动整理文件夹，无需上传云端，所有 AI 分析和搜索都在本地完成，让你的素材库真正变得智能。 核心功能 ✨ 自然语言搜索 不用记文件名，只需要描述你想找的内容： 「找到去年拍摄的海边日落视频」 「找包含人物讲话的片段」 「找到有咖啡包装的产品素材」 KaCutAI 会理解你的描述，并快速定位相关素材。 ✨ AI理解视频内容 自动分析视频画面、字幕、语音内容，让你可以搜索： 视频中的人物 场景和物体 画面文字 对话内容 视频时间片段 ✨ 本地AI，保护隐私 所有素材分析都在你的 Mac 上完成： 不上传你的素材 不依赖云端服务器 数据完全属于你 ✨ 为创作者设计 适用于： 视频剪辑师 摄影师 自媒体创作者 电商运营团队 设计师 面对海量素材时，不再花时间翻找文件，而是直接告诉 AI 你需要什么。 常见问题 FAQ Q：需要上传我的视频到云端吗？ A：不需要。KaCutAI 使用本地 AI 模型处理素材，文件始终保存在你的 Mac 中。 Q：支持搜索哪些内容？ A：支持图片、视频画面、字幕、语音内容、文件信息等多维度搜索。 Q：和普通文件搜索有什么区别？ A：普通搜索只能匹配文件名，而 KaCutAI 可以理解素材内容和语义，例如「穿红色衣服的人」「会议现场」「产品展示视频」。 Q：适合什么设备？ A：针对 Apple Silicon Mac（M系列芯片）优化，提供更流畅的本地 AI 体验。

寻迹是一款以“文化旅行”为切入点、基于AIGC技术的智能旅行规划平台，致力于将书籍、影视、音乐等作品中的文字与影像“痕迹”，转化为用户可以亲身抵达的旅行路线。

GEO Wiki 是一部面向 AI 搜索时代的开源参考库，为内容创作者和营销人员提供生成式引擎优化（GEO）的系统性知识。内容涵盖概念辨析、操作手册、各大 AI 引擎解析及相关研究。核心差异在于每条结论均附原始出处，并每 2 小时汇集一手行业动态，确保信息可溯源且紧跟领域变化。 【核心功能】 系统化词条：提供 GEO 核心概念、SEO 等术语辨析及主流 AI 引擎解析，帮助用户建立完整知识体系，得到系统化的词条。 可执行操作手册：提供内容结构、来源可信度、结构化数据等维度的实操方法，指导内容逐步优化以获得 AI 引用。 一手动态追踪：每 2 小时刷新并汇集各平台与厂商的官方发布，让用户直接获取一手信源而非二手消息。 溯源与参考库：整合相关论文与基准研究，每条结论均附原始出处，保障内容的严谨性与可验证性，提升溯源能力。

SkillHub 是一款面向中国用户的 AI 技能社区平台，致力于帮助普通用户和开发者发现实用的 AI 技能。平台精选 Top 50 高质量 AI Skills，经过严格的安全审核与多维度评估，核心差异在于本地化筛选与安全把关，降低了国内用户获取优质 AI 资源的门槛。 【核心功能】 精选 Top 50 AI Skills：从海量 AI 技能中筛选出最实用的前 50 名，帮助用户快速发现高质量资源，避免无效筛选。 安全与多维评估：所有上架技能均经过严格的安全审核与多维度质量评估，保障用户使用安全与体验，实现多维度的一个评定。 本土化社区体验：专为中国用户优化，提供符合国内使用习惯的 AI 技能浏览与获取环境。提供微信小程序 AI 开发辅助全流程资源，由微信小程序团队官方出品，开发者必备。

产品简介 知势 AI 是一款面向股票投资者的智能行情分析与交易复盘工具。产品整合市场行情、板块热点、财经资讯、技术指标、量化评分及 AI 分析能力，帮助用户更高效地发现市场线索、管理自选股并总结交易经验。 核心功能 智能行情分析 集中查看市场指数、个股行情、K 线走势和常用技术指标，快速掌握市场变化与个股状态。 AI 市场研判 结合行情数据、市场热点和财经资讯，辅助梳理市场主线、板块机会与潜在风险，让复杂信息更容易理解。 量化评分与选股 通过多因子量化模型对股票进行综合评分和排序，为用户筛选、比较及研究股票提供数据参考。 自选股管理 支持搜索、添加和管理自选股，并可结合实时行情、技术指标及相关新闻进行集中分析。 交易复盘 支持导入交割单和持仓数据，统计交易表现、识别盈利与亏损模式，并生成结构化 AI 复盘内容。 市场资讯聚合 聚合国内外财经资讯，帮助用户及时了解市场动态、热门事件及其可能产生的影响。 复盘报告 自动整理市场表现、资金动向、板块热度和交易数据，生成便于阅读、保存与分享的复盘报告。 适用场景 每日盘前了解市场主线与关注方向 盘中查询行情、板块及个股信息 盘后复盘市场表现和个人交易 管理自选股并持续追踪重点标的 对比股票量化评分与技术状态 汇总财经资讯，降低信息筛选成本 常见问题 知势 AI 可以直接替我进行交易吗？ 不可以。知势 AI 提供行情分析、数据整理和研究辅助，不会代替用户下单，也不承诺任何投资收益。 产品中的分析结果是否属于投资建议？ 不属于。所有评分、推荐和 AI 分析仅供学习与研究参考，不构成任何投资建议。证券市场存在风险，请用户独立判断并谨慎决策。 行情数据会实时更新吗？ 产品会按照设定频率更新行情数据，实际更新时间可能受到交易时段、数据源及网络状况影响。 可以分析自己的交易记录吗？ 可以。用户可导入交割单、持仓或自选股数据，系统将据此生成统计结果和复盘分析。

Github 仓库 | 文档站 市面上大多数「知识库问答」工具的套路都差不多：把文档切块、算 embedding、塞进向量库，提问时按相似度召回若干碎片喂给 LLM。KaaS 做了两个和主流不太一样的选择： 先编译再检索：不直接对原始碎片做 RAG。先用 LLM 把散乱内容编译成一篇篇结构化的 Markdown Wiki 文章，再在这上面做检索。 不用 embedding：检索阶段没有向量库、没有相似度计算。文章目录直接喂给 LLM，让它像人翻目录一样选页、读全文。 这篇讲整套系统的骨架和几个关键取舍，单个机制的细节留给后续文章。 解决什么问题 KaaS 最初是我们内部的一个工具。知识散落在文档、会议、邮件里，每当有人转岗或离开，他积累的上下文就跟着走了，接手的人要花几周重新拼凑。 我们要的是让散乱输入沉淀成可读、可编辑、能长期演进的知识资产：人能直接打开读的 Markdown，而不是黑盒向量库。这也定了架构的走向：编译质量第一，检索只是编译产物之上的一层薄导航。 带来了什么价值 对使用者来说，KaaS 的价值集中在几点： 散乱的笔记、文档、会议记录被编译成分类清晰、带溯源的 Markdown Wiki，能长期积累复用。 用自然语言提问，拿到带引用的回答，同一个问题不用反复被问第二遍。 产出是纯 Markdown：可读、可 git 版本管理、可手改。AI 生成、人工校准，质量随用随涨。 部署轻，docker compose up 或 CLI 一键启动，默认 SQLite，无向量库重依赖。 通过 MCP 的 ask 工具，Claude Code、Codex、openclaw 都能把这套 Wiki 当知识源直接查询。 对接任意 OpenAI-compatible 端点，可以全本地跑，数据不出境。 怎么做到的 整体架构 三层分工： Web UI，React + Vite + shadcn/ui，Chat / Submit / Wiki / Status 四个页面 Go Backend，标准库 net/http，REST/SSE API、Worker Pool、任务队列、MCP 端点 Python AI 引擎，kb-ai（uv），编译流水线、LLM 迭代检索、Chat 存储默认 SQLite（零依赖，go run 即可跑），存任务队列和编译状态；检索走纯 LLM 迭代，不依赖任何嵌入模型。 检索不用 embedding，让 LLM 直接翻目录 这是 KaaS 和 naive RAG 的关键差别。编译阶段会维护一份 master-index.md 作为全量文章目录（标题加摘要）。检索时不做向量召回，而是把这份目录连同问题一起喂给 LLM，让它选出最相关的文章路径，再把选中的文章整篇读进来做回答上下文。 核心就三步：store = KBStore(kb_dir, read_only=True) // 1. 读 master-index 目录 catalog = store.existing_articles() if not catalog: return [] meta_by_path = {a.path: a for a in catalog} // 2. LLM 选页 selected = _select_relevant(catalog, query, model, max_select=max_articles) // 3. 读全文 return _read_selected(store, meta_by_path, selected) LLM 选页就是一段结构化 prompt，让模型从目录里挑路径并返回 {“paths”: […]}；选中的页整篇读入，仅按 MAX_ARTICLE_CHARS = 12_000 截断以控制 prompt 预算。全流程没有一处 import 向量库或 embedding 模型。 这套方案能成立，是因为编译已经把噪声去掉了：进入检索的是结构化、去重后的文章，目录里的标题和摘要足以让 LLM 导航。好处是部署轻，不需要 chromadb / sentence-transformers / pytorch 这些重依赖，镜像小、无需预下载模型。代价是：只靠目录摘要导航，一篇文章如果只在正文深处才和问题相关、标题摘要里没体现，就可能选不到。这个「body-depth 召回」缺口是否值得引入向量检索，留待后续按价值评估。 编译流水线：Extract → Classify → Write → Index 检索能这么轻，前提是编译够重。KaaS 的编译是一条 4 阶段流水线： Extract：从原始文本提取概念、实体、决策、行动项 Classify：把提取结果映射到已有文章，或标记为新建 Write：创建/合并 Markdown 文章 Index：更新 Markdown 索引（master-index / topic-index） 服务端把 Classify→Write→Index 编排成一条带并发和 SSE 进度的流水线。工程难点在去噪（单个 LLM 调用卡死不能拖垮整批）和去重（并行分组不能各自「发明」同名文章），这两点在系列首篇《4 阶段编译流水线：先编译再检索，如何去噪去重》里已经展开，这里不再重复。 接进任意 AI agent：一个 ask tool 的 MCP 设计 编译好的 Wiki 不只给自家 Web UI 用，还能被任意支持 Model Context Protocol 的 agent（Claude Code / Codex / openclaw）当成可问答的知识源。KaaS 的 MCP server 只暴露一个 ask 工具：@mcp.tool() def ask(query: str, paths: list[str] | None = None, model: str | None = None) -> dict: 它不重写检索逻辑，而是直接复用 chat core（run_server_chat_http）：跑一遍 LLM 迭代检索，再让 LLM 生成带内联 [Title](path) 引用的答案。MCP 的 tools/call 是请求/响应式的，chat core 是流式的，所以 ask 用一个 collector 把流事件收集成完整答案再返回。 两种传输：stdio（默认，agent 本地 spawn kb-ai mcp，自包含）和 streamable-http。远程场景由 Go 后端在 /mcp 原生服务，保持 :8080 单一对外 origin。 小结 KaaS 的核心做法是把成本压在编译阶段：编译时做足去噪、去重、结构化，检索就能很轻，不用 embedding，只让 LLM 翻目录读全文。也因为产出是 Markdown，它能用 git 管理、手动编辑、被任意 agent 当知识源接入。 几个实现选择也遵循同一个思路：能简单就不复杂。检索用 LLM 迭代翻目录，没有额外堆一个向量库。 后续每篇会钻进一个机制：编译流水线的去噪去重（已发布）、为什么敢不用 embedding、Worker 并发与故障恢复、ask tool 的 MCP 设计。代码都是公开的，感兴趣可以直接翻 GitHub 仓库。 致谢 KaaS 的核心思路受 Andrej Karpathy 的 「LLM Wiki」gist 启发：把知识编译成一个持续演进、相互链接的 Wiki，随时间沉淀复用，省掉每次提问都对原始数据重跑 RAG 的老路。感谢他把这个模式讲清楚了。 项目地址 https://github.com/bybit-exchange/kaas 欢迎使用 KaaS 并 star 支持我们！

SellX 是公司背调情报助手。输入目标公司名，三路调研 Agent 并行挖掘公司动态、社媒与行业市场，3 分钟整合成一份总监级调查报告：快速记忆卡、公司速览、最新动态、破冰话题、痛点切入、禁忌提醒，一次出齐。 不是通用聊天机器人——打开就是拜访调研工作台，报告结构清晰、上下文自动关联，不用在一堆会话中反复寻找； 稳定的报告结构：任何调研都只需要输入公司名称，快速查看多个公司 多路搜索源预置，开箱即用，不用自己申请 API Key，每次调研都是最新数据； 产品和目标客户档案设置一次，后续每次调研自动带入，不用反复交代”我卖什么、卖给谁”； 移动端随时可用：上班路上看报告、拜访前扫一眼客户动态，碎片时间也能备战。 skill ready：你可以通过 skill，结合你的工作流来使用 sellx 使用场景： B2B 销售调查？花 3 分钟等待 Sellx 完成调查，一次性帮你准备破冰话题 准备面试？SellX 帮你搜罗公司动态、产品矩阵 想做公司背调？SellX 帮你一次性分析公司基本情况、关联行业动态

识运是一款融合传统东方文化与人工智能技术的国学探索平台。 平台结合八字、紫微斗数、六爻、梅花易数、手相识别、东方人格测试等功能，通过AI技术对传统文化内容进行整理与呈现，为用户提供个性化的文化体验。 产品包含： • 八字解析：基于传统四柱理论，展示命盘结构、五行特点及人生主题探索； • 紫微斗数：通过传统星曜体系，帮助用户了解不同人生领域的文化解读； • 六爻与梅花易数：提供传统占测文化体验； • AI手相分析：结合图像识别技术，对掌纹特征进行文化角度分析； • 东方人格测试：融合五行理念与人格模型，探索个人性格特点。 识运致力于让传统文化以更年轻、更智能、更易理解的方式呈现，让用户在体验东方文化的过程中认识自己、探索可能性。

从 “人找信息” 到 “信息找人”，AIGC 让内容真正 【为人而生】 。 在【什么？】，AI 化身你的隐形助手，打破信息茧房，实时响应你的每一次提问与思考。 告别算法投喂，你只管释放好奇心，开启专属于你的深度探索之旅。 ✨核心跨越 ：从 “看篇” 到 “看事” 传统的阅读是看某一家媒体写的某一篇稿子。但在【什么？】里，我们希望实现 “全网信源折叠” ： 自动整合多方信息并进行去重提炼，将散乱的报道转化为一份简洁的事实概要，帮你减少重复和冗余的阅读，只看事物本身。 🧠 生成式进化： 文章不再是死的，而是 “活的” 以前是人适应文章，看不懂专业术语只能怪自己水平不够。在【什么？】，同一件事，不同的人看到的版本是不一样的。【什么？】会基于用户特征实时动态生成差异化的内容语境，实现了从 “算法推荐既有内容” 向 “按需生成个性化内容” 的范式迁移。 ⚔️ 交互新模式： 阅读是一场博弈与对话 我们一个亮点功能是 “零摩擦探索”，支持即时追问，解答你的深度质疑，希望为你解决阅读中的断点痛点：在阅读中直接划取内容进行追问或逻辑验证，App 实时提供背景解析与事实查证，无需跳出当前页面。 👨💻 Build in Public & 碎碎念 📱双端已上线 ：iOS & 安卓都能用了，点右上的 🔗“访问官网” 就能下↗️ 🛠️还在死磕中 ：我们刚刚起步，目前的版本或许不够完美，但我们更新迭代超级快，主打一个 “听劝”！ 👋欢迎来找我们玩 ：欢迎大家在评论区疯狂 “找茬”！想想围观我们的开发日常或反馈吐槽？在 小红书 搜【什么 App】，我们在种子用户群等你～

【产品介绍】： YouNews 是一款帮你主动追踪信息的 AI 工具，通过定制专题持续追踪并整理相关信息，实现从 “被动接收信息” 到 “系统跟踪进展” 的转变。 【核心功能】： 定制专题追踪： 用任意文字描述你关心的专题方向，系统自动理解语义并持续追踪相关信息。 智能内容聚合： 自动识别并合并来自不同信源的重复内容，将同一主体的关键信息集中呈现。 AI 智能摘要： 整合同一专题下不同信源的观点与重点，帮助用户快速了解核心内容与要点。 多角度解读： 同一专题内容以「概览」「大白话」「深度解读」三种形式呈现，从多个视角帮你理解发生了什么。 【应用场景】： 适合需要持续跟踪某一方向或行业信息的用户。

Vercel 推出的 Skills 聚合站 根据 24 小时热度进行排名，你可以很直观的查找、了解和快速安装 Skills。

【产品介绍】 Lessie AI 是您的智能人脉搜索助手。 它帮助您快速找到意见领袖、生成 B2B 潜在客户、发掘专家，并识别合作伙伴——甚至可以自动联系他们。 【产品功能】 寻找影响者： 抖音、YouTube、领英创作者及 KOLs 寻找客户： B2B 潜在客户、市场经理、增长负责人 寻找专家： 行业研究员、演讲者、自由职业者 寻找合作伙伴： 分销商、媒体合作伙伴、渠道合作方

【产品介绍】 NewsBang 是一款 AI 驱动的新闻应用，专注于通过”提问模型”(Questioning Model)重新定义新闻阅读体验。 【产品功能】 智能阅读：从可信来源提取关键要点，单屏呈现平衡观点，支持左滑深度解读 AI 播客：由虚拟主播 Alice 和 Brad 播报新闻，用户可随时加入实时语音互动 个性化推送：每日早 8 点定制新闻简报，适配快节奏生活方式 产品突破传统 AI 摘要模式，通过提出更好的问题帮助用户理解新闻背后的”为什么”，解决信息过载难题。 采用类似短视频的滑动交互，让深度阅读变得轻松高效。

【AI 科技对话】 这不仅是聊天，更是与专属 AI 科学家的深度交流。从量子计算到生物科技，全球前沿资讯与深度解析都能即问即答，让你轻松洞见行业未来。 【每日科技】 AI 将你每日的探索与学习，自动生成结构化的专属科技日报。包含思维脑图、精彩瞬间和论文清单，将碎片化的信息内化为你的知识体系。 【全球智库】 一个强大的掌上学术搜索引擎，让你一键触达全球海量学者、期刊、前沿论文与科研机构。在这里，与世界顶尖的智慧与思想保持同步。 【前沿速递】 不再错过任何一项重大突破。我们的AI资讯引擎实时追踪全球热门与高被引论文，为你精准筛选并推送最具价值的行业动态与研究成果。 【科学依据】不止于回答，更是提供一份专属的学术级分析报告。AI将不再局限于表层信息的整合，而是深度挖掘全球科研论文库，为您生成一份结构化、有明确信源的科学依据报告。 💡 论论App目前处于内测阶段，内测码可以前往 瓜棚 领取

Zeli提供了Hacker News和HuggingFace每日AI论文的中文版，实时翻译并生成摘要，旨在帮你快速挑选感兴趣的文章来读。

U 深搜是由深度搜索厂商 UniFuncs 推出的深度搜索产品，采用深度推理技术，基于国产模型底座驱动。 只需要 3 分钟，给您一个精准、全面、可靠的答案！ 这是最接近人类思维的深度搜索工具，边搜边读边推，真正深入到每个网页内部深度阅读，通过建立多源验证和反幻觉框架和内容图谱，自动检测内容是否已能够解决用户提出的问题，最终形成一份完整的答案。

目前在内测中 AI 驱动的实时数据分析平台，专门服务咨询师的 AI 工具。

秘塔AI搜索是一款融合人工智能与搜索引擎技术的创新工具，专为高效、精准的信息获取而设计。它不仅能理解自然语言查询，还能从海量数据中提炼核心内容，提供结构化、可操作的答案。无论是学术研究、行业洞察，还是日常知识探索，秘塔AI搜索都能以对话式交互方式，帮助用户快速找到所需信息，节省时间，提升决策效率。

Comet 是 Perplexity 为现代互联网时代打造的全新浏览器。突破了传统浏览的局限，将网络体验升级为思维的自然延伸。

【核心定位】 阶跃深研是一款基于 AI 大模型推理能力的 Agent 产品，专注于自主完成多步骤复杂研究任务。该产品能够智能衔接研究目标与实际洞见，通过端到端的 Multi-Agent 架构，在几十分钟内交付具备时效性、高置信度和研究深度的专业报告。 【技术架构与能力】 产品采用先进的多智能体协作框架，具备自主规划执行、多源数据综合分析、学术文献深度评估等核心能力。在红杉中国发布的 xBench-DeepSearch 中文深度搜索基准测试中取得 70% 通过率，在 OpenAI BrowseComp 基准测试中达到 23% 通过率，展现出领先的中文语境研究能力。系统能够自动搜索、筛选数百条网页信息，执行代码进行计算分析，并以可视化方式呈现结果。 【应用场景与价值】 深研主要服务于金融、咨询、医疗、政策研究、法律咨询等领域的知识密集型工作者，帮助用户从繁琐的信息检索、提取、收集工作中解放出来。产品不仅提供高质量的研究报告，更能通过多维度的分析视角激发用户思考，补全思考盲区，实现人类思维与智能计算能力的深度协作。