MyShell 自从进入 ShellAgent 的框架阶段，由于深度融合了 ComfyUI 生态，图像视频流的 Agent 迎来了井喷式的爆发。上个月据说上新了 150+个，竞争确实有点激烈了。但其实图像视频流的能力并不代表 ShellAgent 所能做的全部可能性，仍然有大量值得探索的场景等待创作者去尝试。
大家好，我是袋鼠帝 今天就不多bb了，直接上干货，给大家安利一个已经在Github斩获18K Star的开源浏览器Workflow插件：Automa
大模型创业有多火？现在13岁少年都入局了，做的还是今年大热的方向——Agent。
随着大模型的不断发展，多模态数据处理成为了新的热点领域。多模态生成任务主要通过整合多种类型的数据，如文本、图像、音频等，实现不同模态之间的相互转换与生成。
第一作者陈昌和是美国密歇根大学的研究生，师从 Nima Fazeli 教授，研究方向包括基础模型、机器人学习与具身人工智能，专注于机器人操控、物理交互与控制优化。
传统的视频编辑工作流，正在被AI彻底重塑。
王劲，香港大学计算机系二年级博士生，导师为罗平老师。研究兴趣包括多模态大模型训练与评测、伪造检测等，有多项工作发表于 ICML、CVPR、ICCV、ECCV 等国际学术会议。
在人工智能领域，跨模态生成（如文本到图像、图像到文本）一直是技术发展的前沿方向。现有方法如扩散模型（Diffusion Models）和流匹配（Flow Matching）虽取得了显著进展，但仍面临依赖噪声分布、复杂条件机制等挑战。
2025年上半年，Agent成为大模型领域讨论最多的主题之一。
公开信息显示，字节跳动旗下剪映团队近期推出了一款名为「剪小映」的新产品，已正式上架苹果App Store。该应用可以视为剪映的AI简化版，旨在为用户提供更便捷的视频创作体验。
