Show HN: Brontosaurus，一個語音驅動的生成式AI畫布

Brontosaurus是一個創新的基於網絡的生成式畫布，用户只需通過語音説出想要看到的內容，它就能在不到一秒的時間內構建出一個小部件。底層代理運行在OpenAI的gpt-oss-120b模型上，由Cerebras以每秒3000個令牌的驚人速度提供服務，使得整個過程感覺像魔術一樣。

這個項目受到了兩篇博客文章的啓發。第一篇來自Thinking Machines，他們發佈了一個交互模型。從技術角度來看，他們設計了一種多模態（語音+視覺+文本）模型連接到更強大的後台代理，該代理可以悄無聲息地執行請求而不打斷對話流程。從哲學角度來看，他們認為當前關於AI代理的討論錯誤地將重點放在代理的自主性上，即代理接收任務後可以連續工作數小時，而忽視了人類與AI的協作。Brontosaurus正是秉持這種協作精神，優先考慮以思維速度進行創造，讓用户感覺一切皆有可能。

第二篇博客來自Ink & Switch，他們提出了一個生成式畫布的願景，稱為“chitter chatter”。這篇文章像日記一樣温暖友好，描繪了軟件的可塑性。受此啓發，作者決定構建類似於Brontosaurus的東西。

在技術層面，Brontosaurus採用了多代理編排。有兩種代理類型：Conductor（指揮者）和Builder（構建者），都運行在gpt-oss-120b模型上。當用户點擊空格鍵時，網頁應用開始監聽語音；再次點擊時，通過Chrome內置的Web Speech API進行語音轉文字。文本被傳遞給Conductor代理，同時傳遞當前畫布上小部件的JSON數組。Conductor代理可以執行多種工具調用：移動或調整小部件大小、刪除、清除、創建和編輯。創建和編輯指令會發送給Builder代理，Builder代理返回一個完整的自包含HTML文檔，經過清理後在iframe中渲染。

設計上的巧妙之處在於：Conductor代理可以用一條指令進行多次工具調用；arrange調用不需要等待Builder代理完成即可移動小部件；Builder代理可以並行運行，同時創建多個小部件。

未來仍有很大的改進空間。例如，gpt-oss-120b模型已經存在9個月，參數只有120B，這意味着成本極低，但輸出質量還有提升空間。如果使用更強大的模型，雖然成本增加，但可能構建出更復雜的小部件。此外，作者曾嘗試通過Exa AI添加實時搜索功能，但延遲約0.9秒，破壞了即時體驗。最重要的改進是虛擬文件系統，它可以讓小部件持續存在，並允許用户迭代，同時使Brontosaurus能夠有選擇地將小部件內容納入上下文，從而實現更智能的命令。

儘管存在這些待改進之處，但Brontosaurus當前架構已經能夠產生令人驚歎的效果。作者邀請用户提出創意，並承諾會嘗試並回複視頻。這個項目不僅展示了技術上的突破，更體現了人機協作的哲學思考。