在2024年11月12日的百度世界大会上，百度发布了首款AI眼镜——小度AI眼镜。让我们一起看看百度AI眼镜的要点吧：
小度AI眼镜预计将于明年上半年正式上市，目前仅在小度商城更新了宣传片，其售价尚未最终确定，据相关报道可能为2000元出头.
1 年前
小米眼镜提前发布情况 相关爆料：小米首款AI眼镜M2442G1已获入网许可，原计划于2025年3月至4月发布，现提前至2月，将与小米15 Ultra一同亮相。 功能推测：可能搭载高通骁龙AR1芯片，集成音频耳机模块和摄像头模块，支持全息语音交互，接入小米大模型，实现实时翻译、AR导航等功能，还可进行高质量的视频和照片拍摄，智能识别显示内容。 官方回应：小米集团公关总经理王化称小米眼镜官微为多年前申请，并非新上线，但未明确否认AI眼镜提前发布一事。 业内看好AI眼镜爆发的原因 技术进步 芯片技术：更先进的芯片可实现快速数据处理，让AI眼镜能实时响应用户指令。 传感器技术：高精度传感器能收集更多数据，为用户提供更个性化服务。 网络发展：网络速度提升，为AI眼镜提供更快的数据传输速度，满足实时处理信息的应用需求。 市场需求 应用场景丰富：生活场景中可实时导航、提供交通信息，带来沉浸式游戏和观影体验；工作场景能辅助处理文件、记录会议内容；教育场景可通过AR技术提供沉浸式学习体验；医疗场景中医生能借助它获取患者实时信息，辅助诊断和手术。 发展趋势：AI眼镜是可穿戴设备智能化的新方向，智能手表、智能手环等可穿戴设备的普及，使用户对这类设备的接受度越来越高，AI眼镜有望延续这一发展势头。 巨头入局：包括百度、华为、小米、三星、Meta、苹果、字节跳动等科技巨头，以及闪极科技、杭州灵伴科技、深圳市雷鸟网络等创新企业，均已涉足AI眼镜领域，推动市场发展。 成本降低：以DeepSeek为代表的国内大模型密集更新，大幅提升模型质量的同时降低单位成本，算力环节有望得到缓解，参与玩家可采用相对少硬件和相对低成本，国内智能眼镜玩家或加速入局。 市场数据支持 IDC预计2025年全球AI眼镜市场出货量为1280万副，同比增长26%，中国AI眼镜市场出货量为280万副，同比增长107%。 洛图科技预计2025年AI功能在智能眼镜市场的销量渗透率将突破60%。 Wellsenn预测2029年AI智能眼镜的年销量将达到5500万副，2035年有望突破14亿副。
1 年前
Rokid Glasses于2024年11月发布，是一款AI+AR最佳产物。
1 年前
百度智能云千帆大模型平台服务南方电网人工智能应用场景，实现AI电力技术创新。
1 个月前
马斯克旗下 xAI 静默上线 Grok 4.3，API 价格下调约 60%，引发行业连锁降价，大模型商业化进入 “低价普惠” 阶段。
2 个月前
AiPPT: 一句话、一分钟、一键搞定
2 个月前
Ralph 就是一个让 AI "自己干活直到做完"的循环机制，特别适合复杂的编程任务，解放人力。这里介绍具体怎么搭建和使用 Ralph 循环。 ? 前置准备 你需要准备以下内容： 工具 用途 Claude Code Anthropic 的 AI 编程助手 CLI Docker Desktop 提供隔离的沙盒环境 Anthropic API Key 调用 Claude API ?️ 搭建步骤 方法一：使用 Claude Code 插件（推荐） Step 1: 安装 Claude Code # 安装 Claude Code CLI npm install -g @anthropic-ai/claude-code Step 2: 初始化项目 mkdir my-ralph-project cd my-ralph-project claude init Step 3: 添加插件市场 claude plugins add-marketplace Step 4: 安装 Ralph Wiggum 插件 claude plugins install ralph-wiggum Step 5: 配置 Stop Hook 在 .claude/hooks/ 目录下创建 stop-hook.json： { "hook_type": "stop", "decision": "block", "conditions": { "check_tests": true, "check_type_errors": true, "check_git_changes": true }, "max_iterations": 20, "prompt": "任务未完成，请继续迭代修复问题" } 方法二：手动搭建（完全控制） Step 1: 创建项目结构 my-ralph-project/ ├── .claude/ │ ├── hooks/ │ │ └── stop-hook.sh │ ├── skills/ │ │ └── ralph-loop.json │ └── config.json ├── prd/ │ └── requirements.json └── workspace/ Step 2: 配置核心文件 config.json - 核心配置 { "max_iterations": 15, "auto_commit": true, "run_tests_after_each_iteration": true, "stop_conditions": { "all_tests_pass": true, "no_type_errors": true, "prd_completed": true } } skills/ralph-loop.json - 技能定义 { "name": "ralph-loop", "description": "自主迭代循环实现 PRD 任务", "trigger": "when_task_incomplete", "actions": [ "analyze_current_state", "identify_blockers", "fix_issues", "run_tests", "commit_if_passing" ] } hooks/stop-hook.sh - Stop Hook 脚本 #!/bin/bash # 检查测试是否通过 TESTS_PASS=$(npm test 2>&1 | grep -c "passed") # 检查是否有类型错误 TYPE_ERRORS=$(npx tsc --noEmit 2>&1 | grep -c "error") # 检查 PRD 是否完成 PRD_COMPLETE=$(node check-prd.js) if || || ; then echo "BLOCK: 任务未完成，继续迭代" exit 1 else echo "ALLOW: 任务已完成" exit 0 fi Step 3: 准备 PRD 文件 prd/requirements.json { "project_name": "My Feature", "tasks": [ { "id": 1, "description": "创建用户登录页面", "criteria": , "status": "pending" }, { "id": 2, "description": "实现用户注册功能", "criteria": , "status": "pending" } ] } ? 使用方法 启动 RALPH 循环 # 方法一：插件方式 claude run --skill ralph-loop --prd ./prd/requirements.json # 方法二：Docker 隔离环境 docker run -it \ -v $(pwd):/workspace \ -e ANTHROPIC_API_KEY=$ANTHROPIC_API_KEY \ claude-ralph:latest 监控循环状态 # 查看当前迭代次数 cat .ralph/iteration_count # 查看任务完成状态 cat .ralph/task_status.json # 查看日志 tail -f .ralph/loop.log ? 高级配置 1. 自定义 Stop Hook 规则 { "stop_conditions": { "all_tests_pass": { "enabled": true, "command": "npm test", "success_pattern": "all tests passed" }, "no_lint_errors": { "enabled": true, "command": "npm run lint", "success_pattern": "no problems" }, "coverage_threshold": { "enabled": true, "threshold": 80 } } } 2. 添加代码审查步骤 { "after_each_iteration": [ "run_tests", "run_linter", "code_review", "commit_if_passing" ], "code_review_prompt": "审查代码质量、安全性、性能问题" } 3. 设置成本控制 { "cost_limits": { "max_tokens_per_iteration": 50000, "max_total_cost": 50, "alert_at_cost": 30 } } ? 典型工作流程 ┌─────────────────────────────────────────────┐ │ 1. Claude 读取 PRD 任务列表 │ └─────────────────┬───────────────────────────┘ ↓ ┌─────────────────────────────────────────────┐ │ 2. 选择下一个待完成任务 │ └─────────────────┬───────────────────────────┘ ↓ ┌─────────────────────────────────────────────┐ │ 3. 实现代码、编写测试 │ └─────────────────┬───────────────────────────┘ ↓ ┌─────────────────────────────────────────────┐ │ 4. 运行测试套件 │ └─────────────────┬───────────────────────────┘ ↓ ┌─────────────────────────────────────────────┐ │ 5. Stop Hook 检查是否完成 │ │ • 测试通过？ │ │ • 无类型错误？ │ │ • PRD 要求满足？ │ └─────────────────┬───────────────────────────┘ ↓ ┌───────┴───────┐ ↓ ↓ 未完成 完成 ↓ ↓ 返回步骤 2 结束循环 ? 最佳实践 建议 说明 PRD 要清晰 任务描述具体、可验证，避免模糊需求 设置最大迭代 防止无限循环消耗过多成本 使用 Docker 隔离环境，避免污染本地系统 定期检查 每 10 轮查看一次进度和日志 成本监控 设置预算警报，避免超支 ⚠️ 注意事项 成本控制：每次迭代消耗 tokens，长时间运行成本较高 质量检查：AI 可能"认为"完成但实际有 bug，需要严格测试 安全边界：在沙盒环境运行，避免 AI 误删重要文件 人工介入：复杂任务仍需人工审查结果
2 个月前
Ralph Loop 是一种让 AI 自主迭代的机制，主要用于解决 AI 编程助手"半途而废"的问题。
3 个月前
OpenClaw 本质是“开发者基础设施”，而非面向大众的 SaaS 产品。
