由Hugging Face机器学习增长负责人Ahsen Khaliq(@_akhaliq)开发的开源Web应用开发环境AnyCoder已在Hugging Face Spaces正式发布。
该工具现已面向AI代码共享平台Hugging Face的所有用户开放,集成了实时预览、多模态输入和一键部署功能。在托管环境中,无论是缺乏技术专业知识的独立创作者,还是为客户或大型企业工作的开发人员,都可以借助Hugging Face托管的AI模型快速开始"直觉式编程"Web应用。
AnyCoder也因此成为Lovable等服务的替代方案,这些服务同样允许用户用纯英文描述来开始编写应用程序,无需正式的编程知识。
免费直觉式编程,Kimi K2驱动
Khaliq将AnyCoder作为Hugging Face生态系统内的个人项目开发,并将其定位为"首批支持Moonshot强大而小巧高效的Kimi K2模型的直觉式编程应用之一",该模型于上周发布。
AnyCoder的主要功能允许用户输入纯文本描述来生成HTML、CSS和JavaScript代码。这些代码会在实时预览窗格中显示,可以进行编辑或直接部署。工具还包含待办事项应用、仪表板、计算器等示例模板。
AnyCoder完全基于Hugging Face的开源Python开发环境Gradio构建,允许用户用纯英文描述应用程序或上传图像,即时生成可运行的前端代码。
Khaliq在与VentureBeat记者的私信对话中将其描述为"免费开源的直觉式编程应用"。
他还指出,该工具支持多个开源模型,用户可以通过左侧控制面板的下拉菜单在不同模型间切换,包括:
Moonshot Kimi-K2、DeepSeek V3、DeepSeek R1、百度的ERNIE-4.5-VL、MiniMax M1、阿里巴巴的Qwen3-235B-A22B、SmolLM3-3B和GLM-4.1V-9B-Thinking。
从UI图像生成代码、网络搜索集成和OCR支持
使用ERNIE-4.5-VL模型,AnyCoder支持多模态生成。用户可以上传UI设计截图或原型图,并从中生成功能性前端代码,这对设计师或视觉化工作团队非常有用。
AnyCoder包含网站重新设计工具,能够从任何公开网站提取内容并以更现代的布局重新渲染。它使用抓取的内容如页面结构、元信息和图像来构建新版本,可选择性地根据用户指令如"让它更简约"或"添加深色模式"进行调整。
为支持最新的设计趋势和实现模式,AnyCoder通过Tavily提供网络搜索集成。启用API密钥后,平台会在生成代码前搜索当前技术和最佳实践。
用户可以上传包含嵌入文本的图像(如截图或手写笔记),AnyCoder使用Tesseract OCR提取其中的内容。提取的文本随后可以整合到代码提示或应用内容中。
一键部署到Hugging Face Spaces
AnyCoder允许将生成的应用即时部署到Hugging Face Spaces。在通过OAuth认证并授予所需权限后,用户可以在自己的Hugging Face账户命名空间下部署应用。部署功能包括:
移动友好的响应式设计、品牌化页眉/页脚和README、实时可共享URL以及完整的所有权和编辑权限。
该部署功能现已支持使用Gradio构建的完整Python应用程序,将工具的使用场景扩展到静态网站之外。对Streamlit的支持也正在开发中。
对于新手开发者或希望快速启动新项目的技术专家来说,AnyCoder似乎是一个优秀且引人注目的起点。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。