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路的生成式畫布，使用者只需透過語音說出想要看到的內容，它就能在不到一秒的時間內構建出一個小部件。底層代理執行在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。

這個專案受到了兩篇部落格文章的啟發。第一篇來自Thinking Machines，他們釋出了一個互動模型。從技術角度來看，他們設計了一種多模態（語音+視覺+文本）模型連線到更強大的後臺代理，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，讓使用者感覺一切皆有可能。

第二篇部落格來自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溫暖友好，描繪了軟體的可塑性。受此啟發，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。有兩種代理型別：Conductor（指揮者）和Builder（構建者），都執行在gpt-oss-120b模型上。當使用者點選空格鍵時，網頁應用開始監聽語音；再次點選時，透過Chrome內建的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陣列。Conductor代理可以執行多種工具呼叫：移動或調整小部件大小、刪除、清除、建立和編輯。建立和編輯指令會傳送給Builder代理，Builder代理返回一個完整的自包含HTML文件，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呼叫；arrange呼叫不需要等待Builder代理完成即可移動小部件；Builder代理可以並行執行，同時建立多個小部件。

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，引數只有120B，這意味著成本極低，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，作者曾嘗試透過Exa AI新增即時搜尋功能，但延遲約0.9秒，破壞了即時體驗。最重要的改進是虛擬檔案系統，它可以讓小部件持續存在，並允許使用者迭代，同時使Brontosaurus能夠有選擇地將小部件內容納入上下文，從而實現更智慧的命令。

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。作者邀請使用者提出創意，並承諾會嘗試並回複影片。這個專案不僅展示了技術上的突破，更體現了人機協作的哲學思考。