Magic Layers — 把图片自动拆成独立图层

做设计的人大概都遇到过这种情况：拿到一张完整的 PNG，需要把文字、人物、背景分开处理，却只能在 Photoshop 里用选区一个个抠。Magic Layers 把这件事自动化了。

上传一张 JPG 或 PNG，它会自动识别图中的文字、主体、装饰元素和背景，分别输出为带透明通道的独立 PNG 文件。每个图层有命名，下载后可以直接拖进设计软件继续编辑。

实际用起来，简单的海报或封面效果不错，文字识别基本准确。遇到复杂场景（比如文字嵌在纹理背景里）偶尔会分错，但作为免费在线工具已经够用了。设计师拿来做初稿拆分挺省事。

Academa — 用 LLM 生成 STEM 讲座视频

Academa 的思路有点意思：让大语言模型写课程脚本，再用计算机图形和语音合成把脚本变成视频。两位创始人是在读博士生，他们觉得传统录课太贵太慢，不如把讲课当成「代码」来维护。

网站上已经有几十个 STEM 主题的长视频，覆盖编程、数学、物理等。每个视频旁边有聊天栏，可以边看边提问。用户也能输入任意技术主题，让 Academa 生成一个新的讲座视频。

质量参差不齐。基础概念讲解得比较清楚，但涉及前沿或小众话题时，LLM 的幻觉问题会暴露出来。不过团队说每个视频都是「代码」，社区反馈的错误可以直接修进源码，比录好的视频容易迭代。这个思路靠谱，但需要时间验证。

Hillock — 本地运行的神经符号记忆引擎

Hillock 是一个 GitHub 上的开源项目（68 星），定位是给 AI 应用提供本地记忆能力，不需要联网，显存需求不到 1.2GB。

它把三种技术缝合在一起：超维计算（HDC/VSA）做向量表示、赫布可塑性做关联学习、图三元组做结构化记忆。这些方法都是「无梯度」的，不需要 GPU 训练，消费级硬件就能跑。

对做本地 AI Agent 的开发者来说，这个项目解决了「模型怎么记住之前聊过什么」的问题。目前还在早期阶段，API 还不够稳定，但方向是对的——把记忆模块从云端 API 拉回本地，既省钱又保护隐私。