终于!!AI Agent 也能开口说话了:这个开源工具把语音克隆、听写、MCP 全打通
文章介绍了一款名为 Voicebox 的开源 AI 语音工作室工具。它不仅支持语音克隆、生成和全局听写,更关键的是通过内置 MCP Server,让 Claude Code、Cursor 等 AI Agent 能够调用本地语音层,实现“能听、能说”的交互闭环,弥补了 Agent 只能文字交互的短板。
文章介绍了一款名为 Voicebox 的开源 AI 语音工作室工具。它不仅支持语音克隆、生成和全局听写,更关键的是通过内置 MCP Server,让 Claude Code、Cursor 等 AI Agent 能够调用本地语音层,实现“能听、能说”的交互闭环,弥补了 Agent 只能文字交互的短板。
作者分享用 Codex 结合 ChatCut 浏览器/桌面剪辑器自动剪口播视频的工作流:将原本在剪映需要一两天的剪辑工作压缩到一小时内。文章介绍了通过托管 MCP 插件让 Codex 或 Claude Code 直接操作剪辑时间线的安装方式,给出了四条核心指令(只读分析、按语义删减、插入内容并自查、最后刷字幕)和五道验收方法(重读项目状态、核对总时长、逐轨道检查、实际试听、复查字幕),并以片尾卡未跟随移动导致时长短两秒的实例说明:AI 报告'完成'不等于真正完成,验收环节必须由人掌握,这一原则适用于所有 Agent 交付的工作。
作者介绍如何将 Obsidian 笔记库作为 AI 代理的上下文来源,构建一个名为 /todays-focus 的每日专注技能。文章指出工作工具(如 Linear、Gmail、Slack、日历)只能告诉 AI 发生了什么,而个人笔记库能补充'什么对自己最重要'的背景。作者展示了四个步骤:连接工作工具、授权代理读取 Obsidian 库、创建原则(Principles)文档、创建'心头事'(Top of Mind)文档。该技能每天早晨生成三个焦点领域、反思检查和三个日记问题,成为一种有用的每日仪式,也是检验笔记库组织是否利于代理理解的方法。
作者介绍了 DeThink 这款类 Codex 的 Agent 助手,其核心价值在于覆盖 X、抖音、小红书、YouTube 等 30+ 数据源的数据插件(基于 MCP)。通过插件查询平台真实数据而非依赖模型推测,大幅减少热点分析中的幻觉。作者展示了跨平台追踪 AI 话题的工作流:固定关键词、平台和时间范围做可复核的分时追踪,比较不同平台的讨论侧重;并利用模型切换功能(先用快速模型整理信息,再切 Claude 写文案)在同一条工作流内完成选题到成稿。定价每月 20 美元起,支持国内支付。
本文介绍了如何通过17个具体的Prompt配置,将Nous Research的开源Agent框架Hermes转化为强大的“夜间劳动力”。文章强调了Hermes作为持久化、可调度Agent的核心理念,即通过后台守护进程接管重复性工作(如通知摘要、代码审查、竞品监控、Inbox分流等),从而在用户离线时自动完成任务。作者分享了实战中的具体Prompt案例及其解决的实际痛点,并提供了关于模型选择、服务器配置及持久化运行的关键建议。