Memoket hat das Memoket Gem vorgestellt, ein 11 Gramm schweres KI-Wearable, das dafür konzipiert ist, zusammen mit der Apple Watch getragen zu werden und sich leicht in das gemeinsame Trageband einfügen lässt. Nutzer müssen nur einmal auf einen Knopf drücken, um den Gesprächsinhalt festzuhalten; Gem verknüpft automatisch dieses Gespräch mit relevanten Diskussionen von vor einigen Wochen und bietet Quellenlinks an. Der Einstiegspreis für das Produkt liegt bei US$179 (ca. HK$1,396) und die Auslieferung ist für August 2026 geplant. Angesichts des neuesten KI-Hypes, der durch ChatGPT ausgelöst wurde und nun schon fast vier Jahre anhält, sind hier einige Werkzeuge, die ich tatsächlich kontinuierlich nutze und die mein Leben, meine Arbeit und persönliche Projekte auf dem Mac erleichtern.
Es ist erwähnenswert, dass Sie wahrscheinlich bereits von den meisten, wenn nicht sogar allen Werkzeugen, die ich beschreiben werde, gehört oder gelesen haben. Aber das ist genau ein Teil des Ziels dieses Artikels. Obwohl es immer erfreulich ist, einige weniger bekannte versteckte Schätze zu entdecken, ist es meiner Erfahrung nach manchmal der Grund, warum Mainstream-Produkte Mainstream werden. Dies gilt insbesondere für KI-Tools, die auf überteuerten Modellen basieren, um trainiert oder betrieben zu werden. Aber wie auch immer, es ist wichtig, wie viel praktischen Nutzen Sie aus diesen Werkzeugen ziehen können. Nicht alle Werkzeuge sind jedoch für jeden geeignet, egal ob es sich um KI-gesteuerte Werkzeuge oder andere handelt.
Hier sind einige Beispiele, wie ich diese Werkzeuge nutze, um meine Arbeit zu rationalisieren und zu verbessern, in der Hoffnung, Ihnen einige Ideen für Ihren eigenen Workflow zu geben. Wenn das für Sie nicht relevant ist, ist das auch völlig in Ordnung. Noch besser wäre es, wenn Sie irgendwelche Lieblingswerkzeuge oder Anwendungsfälle haben, die Ihnen in Ihrem Workflow helfen, würde ich mich freuen, darüber in den Kommentaren zu lesen.
MacWhisper macht meinen Workflow effizienter
Ich nehme derzeit fünf Podcasts pro Woche auf und bearbeite sieben Sendungen. Für die meisten Sendungen bin ich auch für die Veröffentlichung verantwortlich, einschließlich der Sendungsbeschreibung, der Sendungsnotizen und anderer unterstützender Materialien wie reinen Textzitaten oder kurzen Ausschnitten für soziale Medien. Einige Sendungen basieren auch auf Inhalten, die jede Woche in einem Newsletter veröffentlicht werden. Nach Abschluss der Bearbeitung höre ich die gesamte Sendung von Anfang bis Ende und notiere die Links in den Sendungsnotizen, markiere die Zeitstempel für jedes Kapitel und hebe einige Sätze oder Abschnitte hervor, die sich gut für soziale Medien eignen könnten. Wenn ich fertig bin mit dem Hören, schreibe ich die Sendungsbeschreibung und die Texte für soziale Medien, während alles in meinem Kopf noch klar ist.
Das ist mein Workflow seit etwa zehn Jahren und er hat immer gut funktioniert. In den letzten Jahren habe ich jedoch MacWhisper in diesen Prozess integriert. Jedes Mal, wenn ich eine Episode für das endgültige Hören exportiere, benutze ich das Nvidia Parakeet v3 Modell mit MacWhisper, dessen Genauigkeit als nützliches Sicherheitsnetz dient. Nachdem ich die Sendungsüberprüfung abgeschlossen habe, gebe ich das vollständige Transkript und die Texte, die ich bereits geschrieben habe, an ChatGPT weiter, um zu überprüfen, ob ich irgendwelche Links oder andere wichtige Details wie die bessere Platzierung von sozialen Medienbeiträgen übersehen habe.
Obwohl ich MacWhisper relativ einfach benutze, ist es eines der beeindruckendsten KI-Tools auf der Mac-Plattform. Die Investition des Entwicklers Jordi Bruin in Anpassungsfähigkeit, Flexibilität und Barrierefreiheit (einschließlich sehr spezifischer Randfälle) ist bemerkenswert. Zu diesen Funktionen gehören die automatische Transkription von überwachten Ordnern, Besprechungsaufzeichnungen, Tastenkombinationen, Echtzeit-Untertitel, Unterstützung für Cloud- und lokale Modelle, benutzerdefinierte Wörterbücher, Batch-Export, Integrationen von Drittanbietern… die Liste geht weiter. MacWhisper hilft mir, effizienter zu arbeiten, und ich kann es für alle Arbeiten, die mit Transkription zu tun haben, nur empfehlen.
Codex macht Programmierung einfacher
Obwohl ich in den letzten Jahren mehrfach versucht habe, musste ich akzeptieren, dass ich nicht die Denkweise eines Programmierers habe. Ich bin sehr an diesem Thema interessiert und versuche, das nötige Wissen zu erlangen, aber das tatsächliche Programmieren war nie meine Stärke. Wie jeder Nutzer habe ich jedoch spezifische Anforderungen, die von bestehenden Anwendungen nicht vollständig erfüllt werden. Daher habe ich mich Ende letzten Jahres entschieden, Tools wie OpenAI’s Codex und Anthropic’s Claude Code auszuprobieren. In meinem ersten Projekt ließ ich diese beiden Programmierplattformen eine identische Anwendung für mich erstellen: eine, die Websites überwacht, die keinen RSS-Feed anbieten, um über wichtige Nachrichten informiert zu werden.
Obwohl Claude insgesamt besser abschnitt, konnte ich mich nicht an seine CLI-basierte Benutzeroberfläche gewöhnen. Ich nutzte Codex weiter, bis ich mit meiner Anwendung zufrieden war, und verwendete Codex dann nicht mehr, bis ich vor etwa zwei Monaten eine Idee für eine weitere Anwendung hatte, die ich erstellen wollte. Der Unterschied zu den Modellen von Ende letzten Jahres ist wie Tag und Nacht, das würde Ihnen jeder praktische Entwickler bestätigen. Seitdem habe ich an zwei weiteren nützlichen Werkzeugen gearbeitet, über die ich später mehr Details teilen werde. Kürzlich hat OpenAI einige Probleme verursacht, indem es die Hauptanwendung von ChatGPT mit Codex zusammengelegt hat, aber das ändert nichts daran, dass Codex eines der beeindruckendsten Werkzeuge ist, die ich täglich mindestens ein paar Mal benutze.
Immer wenn ich auf einen Fehler stoße oder darüber nachdenke, wie ich diese Projekte verbessern kann, benutze ich es. Sobald dieser kleine Prozess in meinem Kopf läuft, ist es schwer, ihn abzuschalten. Obwohl das für manche Leute vielleicht schlecht klingt, fühlt es sich gut an.
Perplexity Computer vereinfacht mühsame Aufgaben
Zunächst muss ich direkt sagen: Die Preise von Perplexity Computer sind nicht günstig. Der Perplexity Pro-Nutzer muss derzeit monatlich US$20 (ca. HK$156) zahlen und muss Guthaben kaufen, um diese Funktion nutzen zu können, während der Perplexity Max-Nutzer, der monatlich US$200 (ca. HK$1,560) zahlt, 10.000 Guthaben pro Monat erhält und zusätzliches Guthaben kaufen kann. Ich wollte schon lange einen Artikel über Perplexity Computer schreiben, habe es aber bis jetzt noch nicht geschafft.
Kurz gesagt, als ich es zum ersten Mal benutzte, wurde mir sofort klar, dass jedes Betriebssystem bald seine eigene Version dieses Proxy-Tools haben wird, ähnlich wie Claude Cowork und ChatGPT Work, die in der Lage sind, langfristige Aufgaben zu erledigen, die Dokumentenerstellung, Computerbenutzung, Proxy-Tools und Drittanbieter-Integrationen umfassen, um die Arbeit gemäß den Anforderungen der Nutzer zu erledigen. Im Gegensatz zu den Proxy-Tools von OpenAI und Anthropic wählt Perplexity Computer das Modell aus Dutzenden von Text-, Bild-, Video- und Audiomodellen aus, das am besten zur Beschreibung des Nutzers passt, und beginnt dann mit der Arbeit.
Das erfordert einige Anpassungen und Experimente, aber Perplexity Computer hat letztendlich erfolgreich meine wiederkehrenden Aufgaben bewältigt, bei denen ich monatlich etwa 200 mehrseitige Dokumente analysieren muss, Daten erklären und aufbereiten und dann einen Teil davon in ein mehrspaltiges Spreadsheet übertragen muss. Das erfordert immer noch einige manuelle Anpassungen und eine umfassende Überprüfung, um sicherzustellen, dass alles korrekt ist. Aber Perplexity Computer hat die mühsame und langwierige Arbeit übernommen, und Aufgaben, die früher fast einen ganzen Tag alle paar Wochen in Anspruch nahmen, wurden in wenigen Minuten erledigt.
LM Studio bietet die Möglichkeit, KI-Modelle lokal auszuführen
Auf den ersten Blick scheint das Konzept, KI-Modelle lokal auszuführen, im Vergleich zur Bequemlichkeit, einfach Safari oder die ChatGPT-App zu öffnen und zu arbeiten, etwas umständlich. Aber lokale Modelle haben tatsächlich ihre Vorteile. Erstens benötigen sie keine aktive Internetverbindung, was in bestimmten Situationen sehr nützlich sein kann. Kürzlich habe ich während eines Fluges LM Studio verwendet, um das Gemma 4-Modell von Google (mit 12 Milliarden Parametern) auszuführen, dessen Leistung genauso gut war wie die der web-basierten Modelle mit Milliarden von Parametern, die ich mit ChatGPT verwendet habe.
Zweitens sind lokale Modelle eine gute Alternative für Nutzer, die Informationen verarbeiten möchten, die sie nicht (oder nicht dürfen) an Drittanbieter-Server senden. Selbst wenn Sie wählen, dass Ihre Daten nicht für das Training verwendet werden, müssen diese Daten dennoch Ihr Gerät verlassen und anderswo verarbeitet werden, was in bestimmten Arbeitskontexten ein entscheidender Faktor sein kann. Natürlich hängt die Anzahl der Modelle, die Sie lokal auf einem Mac ausführen können, stark von Ihren technischen Spezifikationen ab, aber LM Studio ermöglicht es Ihnen, leicht zu bestimmen, welche Modelle auf Ihrem Gerät komfortabel, weniger komfortabel oder überhaupt nicht laufen können.
Die gute Nachricht ist, dass KI-Labore und die Open-Source-Community immer besser darin werden, kleinere, effizientere Modelle zu produzieren, die dennoch beeindruckende Ergebnisse liefern können. Erwähnenswert ist, dass LM Studio kürzlich Bionic eingeführt hat, ein eigenes Tool des Unternehmens für Proxy-Modelle. Neben lokalen Modellen bietet LM Studio Bionic auch On-Demand-Zugriff auf Cloud-basierte Open-Modelle, die auf Servern in den USA gehostet werden und eine strikte Null-Datenaufbewahrungspolitik haben. Ich konnte nur grundlegende Dokumentenerstellungstests auf LM Studio Bionic durchführen, aber ich kann es bereits ohne Vorbehalte empfehlen.