当前位置: 首页 > news >正文

在 muShanghai × 观猹 AI 练摊集市的一次高密度体验

上周五博主去了muShanghai × 观猹联合办的 AI 集市。
这场活动最有意思的,不是谁模型更大,而是那句特别产品经理、特别用户导向的话:5分钟玩上AI

这篇文章将会详细介绍我实际体验过的很多很有意思的项目产品。希望大家给予他们更多支持

展位逐个看

说明:以下按推荐指数从高到低排序。只记录在展会上真正实地体验或了解过的项目,部分产品因时间或条件限制未纳入。


A4|Star CoPlay

它是什么
Star CoPlay 是一个把《星露谷》做成“可联机 AI 搭子体验”的产品。它的核心思路是让 AI 以“第二位玩家”的身份加入你的农场世界,帮你完成浇水、收获、日常行动,并支持在聊天栏里用自然语言下指令。

个人评价
跟团队聊下来,这个项目最有意思的不是“能不能做”,而是他们已经把一个黑客松结识后的想法,持续迭代到了可被普通玩家安装和体验的规模。
目前形态偏“被动交互”(你下指令,它执行),但这个方向本身已经很有想象力:当它后续进入“主动交互”(主动提醒、主动协作、主动参与节奏)阶段,AI 搭子会从“工具角色”更接近“游戏伙伴”。

官网:Star CoPlay - 你的星露谷永不掉线的 AI 搭子
推荐指数:★★★★★


A6|NeonLingo

它是什么
将语言学习嵌入浏览器使用流程,目标是“学习不打断生活,而是借生活完成学习”。能够将浏览器中的一部分中文词汇转为英文词汇显示,并且鼠标悬浮即可以提供翻译。同时可以根据自己的基础来调整难度。并且提供生词本功能和后续重复遇到的高亮标注功能。

个人评价
非常有意思和有意义的一个产品,真的可以做到“不痛不痒”的学习英语,是以浏览器插件的形式存在,反正博主是已经下载下来并且用上了。这边放一张效果图。

官网:Turn the internet into your language environment | NeonLingo
推荐指数:★★★★★


G3|CODE FORGE x HUMAN PATCH REQUIRED

它是什么
这块我现场看到的核心,其实是他们的开源项目Ordine:一个面向 AI Agent 的工作流编排框架。它强调“定义一次流程,交给 Agent 执行”,把零散脚本升级成可追踪、可复用的 Pipeline(支持 DAG、多步骤操作、插件扩展、实时任务追踪)。
从定位上看,它不是单一模型产品,而是多 Agent 协作的底层编排层,可用于代码质量自动化、数据处理、以及自定义业务流程自动化。

个人评价
我觉得这个项目最有意思的点,是它把“AI 能写点东西”往前推进到了“AI 能稳定跑完整工作流”。
HUMAN PATCH REQUIRED”这个表达也很真实:让 AI 负责高频执行,让人类负责关键校正和策略判断,这比“全自动”叙事更落地。
团队也是在黑客松结实并且将这个项目开源并且做出来的。
更有意思的是,现场很有创意的体验方式和演示,每个人通过这个项目进行 vibe coding,用一句话修改目前显示的一个程序写出来的画面,每个人都留下自己的痕迹,最后的效果如下:

官网:Ordine - AI Agent First Work Orchestration Framework
GitHub:GitHub - forge-town/ordine: 🪄 Ordine: reliable orchestration for autonomous multi-agent systems. · GitHub
推荐指数:★★★★★


A7|谱乐AI

它是什么
聚焦音乐创作全流程的 AI 产品,覆盖从灵感到成品的关键环节:包括编曲、作词、演唱风格生成,以及 MV 生成等能力。它的核心价值是把原本门槛较高的音乐制作流程,拆解成普通用户也能快速上手的创作链路。

个人评价
跟现场团队交流后,最直观的感受是它不是只做“单点歌曲生成”,而是强调“从 demo 到发布”的一体化流程。对于没有专业乐理背景的人来说,这类产品的价值很明显:先把作品做出来,再逐步优化质量。加上目前在多个音乐平台已经有不少实际作品,说明它不只是概念展示,而是有一定落地能力。

官网:谱乐 AI | AI Music Generator & AI Music Video Generator

http://www.cnnetsun.cn/news/3010603.html

相关文章:

  • Debian/Ubuntu 新版系统(Python3.11+)的 PEP 668 外部环境保护机制,不允许直接在系统全局 Python 用 pip 安装包,优先推荐虚拟环境
  • Linux命令-pwconv(从 /etc/passwd 创建 /etc/shadow 影子密码)
  • 中小企业建站困境:为什么“便宜“反而最贵?
  • 职场部门汇报PPT制作工具怎么选?我的长期实测心得
  • PySpark + Delta Lake 实现生产级 Type 2 SCD 最佳实践
  • Spaceship Titanic机器学习入门:二分类实战与特征工程精要
  • TscanPlus:一站式内网安全扫描工具实战配置与优化指南
  • PySpark入门实战:从单机Pandas到TB级分布式数据处理
  • 用cleanlab清洗标签提升XGBoost准确率:数据为中心的实战闭环
  • 【uni-app 性能调优】从 20fps 到 60fps:用“时间切片”根治复杂表单卡顿
  • 数据结构选型指南:从数组到红黑树,工程场景下的抉择逻辑
  • Okbiye 数据分析模块:不用 SPSS,自动生成可直接粘贴进论文的实证报告
  • AI智能体从18.75%到100%:GDPevo自进化基准实测,5条隐性规则如何决定业务正确性
  • Spring boot 后端项目公共基础模块的理解学习
  • Orca-2-7B数学助教实战:轻量模型+结构化提示+公式校验
  • 企业级 Agent 产品架构:从单次对话到多轮编排的商业化跃迁
  • AI 代码生成与验证:当 LLM 写算法题,靠谱程度到底有多少?
  • EVE-NG V7 PC安装部署教程(最细教程)
  • 次梯度下降收敛率分析:基于分层结构与保守集值场
  • Pandas 与 NumPy 协同数据处理:大规模特征管线的内存优化与向量化实践
  • Vue3 状态管理深潜:Pinia 与响应式原理的底层机制与选型决策
  • 大模型量化实战:从INT8到QLoRA的工程落地指南
  • flink的streaming api 统计文本中的字段个数
  • HS2-HF Patch:3步完成HoneySelect2游戏终极增强
  • 如何看待anthropic指控阿里 qwen 蒸馏 Claude ?
  • Transformer工程化学习路线图:从手写代码到生产落地
  • 评测:Codex、Manus、Claude Code、OpenClaw 谁才是最强的 Agent
  • PX4神经网络控制:为电力巡检无人机赋能自主线路识别与跟踪的端到端解决方案
  • 火山引擎多模态数据湖的制作思路
  • 纳米堆栈是什么?IBM如何像建城市一样造芯片