今天看到的几个 AI 实验：离线操作、原生界面和视频工作台

今天的三个样本把 AI 放进了更具体的产品约束：本地模型操作 macOS，原生应用公开体积和内存目标，coding agent 进入视频剪辑工作台。

快速概览

Muse Glimmer 30B 通过 Cua Driver 操作 macOS 的 Notes 和 Reminders，线程还公开了延迟、工具上下文和复现入口。
一个 React Native macOS AI 聊天应用，把即时启动、原生界面、17 MB 体积和低于 100 MB 内存作为设计目标。
Diffusion Studio 试图让 Claude Code、Codex、Cursor 等 coding agent 参与视频分析、媒体生成和剪辑。

发生了什么：francedot 展示 Muse Glimmer 30B 在本地运行，并通过 Cua Driver 操作 macOS 的 Notes 和 Reminders。线程说 Apple Silicon 上的延迟仍需改善，工具 schema、截图和 accessibility tree 会快速消耗上下文；收紧接口后，它完成并验证了两个任务，作者还给出了通过 Ollama / Cua Driver 试用的文档入口。
为什么值得关注：这条实验把本地部署、computer use 和桌面应用放在同一个工作流程里，也把模型运行时的具体摩擦展示出来。
我应该关注什么点：任务完成速度、上下文占用、pixel-grounded clicks 与 accessibility actions 的混用稳定性，以及本地权限的管理方式。
相关帖子：Muse Glimmer 在 macOS 上运行 Notes 和 Reminders（francedot）
你的判断：这是今天最值得先看的样本。它给了视频、线程、限制条件和运行入口，实际能力仍需要复现确认。

发生了什么：jmeistrich 展示一个开源 React Native macOS AI 聊天应用，强调从磁盘即时加载、不依赖缓存、使用原生 Liquid Glass UI，并给出约 17 MB 应用体积和低于 100 MB 内存的目标。帖子附有演示视频和项目入口，核心问题是 AI 聊天应用能否保持原生应用的启动和资源表现。
为什么值得关注：AI 应用的体验约束开始包含启动速度、内存和系统融合，模型接口之外的产品层也成为公开实验对象。
我应该关注什么点：体积和内存的测量口径、首屏启动速度、流式响应时的资源峰值，以及原生 UI 的维护成本。
相关帖子：原生 macOS AI 聊天应用的体积和内存目标（jmeistrich）
你的判断：这是一个小而清楚的产品实验。它暂时只能说明这些性能目标正在被认真设计，不能证明指标已经达到。

发生了什么：dorukkavcioglu 介绍 Diffusion Studio，一款面向 agent 的专业视频编辑器。帖子称 Claude Code、Codex、Cursor 或其他 coding agent 可以分析素材、生成媒体、剪辑片段并处理长时间视频；项目已开源，同时提供 macOS 应用和演示视频。
为什么值得关注：agent 的工作对象进入了视频素材、时间线和成片流程，创作软件开始出现面向 agent 的执行入口。
我应该关注什么点：agent 能处理哪些时间线操作，生成媒体如何和既有素材混合，长视频任务的状态与错误如何回看，以及最终剪辑需要多少人工返工。
相关帖子：面向 agent 的 Diffusion Studio 视频编辑器（dorukkavcioglu）
你的判断：这是值得跟踪的产品形态，当前证据主要是一条发布帖和演示视频。开源入口让后续验证变得可行，今天先保留它的早期状态。

这份内容来自公开 X 上对 AI 实验型内容的每日探索，重点寻找能直接看到效果、能反映实际能力边界、又值得继续追踪的 demo、prototype、工具和工作流。由 AI 做初步过滤，再由半庄整理、取舍和补充判断。