Show HN: Brontosaurus，一个语音驱动的生成式AI画布

Brontosaurus是一个创新的基于网络的生成式画布，用户只需通过语音说出想要看到的内容，它就能在不到一秒的时间内构建出一个小部件。底层代理运行在OpenAI的gpt-oss-120b模型上，由Cerebras以每秒3000个令牌的惊人速度提供服务，使得整个过程感觉像魔术一样。

这个项目受到了两篇博客文章的启发。第一篇来自Thinking Machines，他们发布了一个交互模型。从技术角度来看，他们设计了一种多模态（语音+视觉+文本）模型连接到更强大的后台代理，该代理可以悄无声息地执行请求而不打断对话流程。从哲学角度来看，他们认为当前关于AI代理的讨论错误地将重点放在代理的自主性上，即代理接收任务后可以连续工作数小时，而忽视了人类与AI的协作。Brontosaurus正是秉持这种协作精神，优先考虑以思维速度进行创造，让用户感觉一切皆有可能。

第二篇博客来自Ink & Switch，他们提出了一个生成式画布的愿景，称为“chitter chatter”。这篇文章像日记一样温暖友好，描绘了软件的可塑性。受此启发，作者决定构建类似于Brontosaurus的东西。

在技术层面，Brontosaurus采用了多代理编排。有两种代理类型：Conductor（指挥者）和Builder（构建者），都运行在gpt-oss-120b模型上。当用户点击空格键时，网页应用开始监听语音；再次点击时，通过Chrome内置的Web Speech API进行语音转文字。文本被传递给Conductor代理，同时传递当前画布上小部件的JSON数组。Conductor代理可以执行多种工具调用：移动或调整小部件大小、删除、清除、创建和编辑。创建和编辑指令会发送给Builder代理，Builder代理返回一个完整的自包含HTML文档，经过清理后在iframe中渲染。

设计上的巧妙之处在于：Conductor代理可以用一条指令进行多次工具调用；arrange调用不需要等待Builder代理完成即可移动小部件；Builder代理可以并行运行，同时创建多个小部件。

未来仍有很大的改进空间。例如，gpt-oss-120b模型已经存在9个月，参数只有120B，这意味着成本极低，但输出质量还有提升空间。如果使用更强大的模型，虽然成本增加，但可能构建出更复杂的小部件。此外，作者曾尝试通过Exa AI添加实时搜索功能，但延迟约0.9秒，破坏了即时体验。最重要的改进是虚拟文件系统，它可以让小部件持续存在，并允许用户迭代，同时使Brontosaurus能够有选择地将小部件内容纳入上下文，从而实现更智能的命令。

尽管存在这些待改进之处，但Brontosaurus当前架构已经能够产生令人惊叹的效果。作者邀请用户提出创意，并承诺会尝试并回复视频。这个项目不仅展示了技术上的突破，更体现了人机协作的哲学思考。