V1 是一台「大而全的本地模型调度中心」，能力很强，但在体积、Agent 协作、固化与兼容性上存在明显短板。V2 不是修修补补，而是重新设计。
| V1 的问题 | V2 的方案 | |
|---|---|---|
| ① 体积 | 体积过大，包含大量低频使用模型，下载与磁盘都是负担。 | 不再为每个模型各带一个独立 Python 虚拟环境，也不再内置低频用途模型——只保留高频、真正用得上的推理后端。 |
| ② Agent 协作 | 第三方 Agent 上下文过小，无法处理复杂任务。 | 内置精简版编程 Agent（由 dsh 精简），默认 deepseek-flash41，上下文内置完整的工作流代码库，复杂任务也能扛。 |
| ③ 结果固化 | 跑通的工作流无法固化为软件，每次运行都重新消耗 token。 | 产出直接就是 PySide 应用软件，一次开发、反复运行，不再为「再跑一遍」付 token。 |
| ④ 推理性能与兼容 | 模型推理用 PyTorch CUDA 实现，性能低，且无法兼容 AMD 与 50 系（Blackwell）显卡。 | 推理全部用 C++ 重写（ONNX Runtime），经 DML 兼容 AMD，经重新编译 ORT 支持 50 系显卡，性能大幅提升。 |
| ⑤ 内容层灵活性 | 内置标准库算法灵活性差，无法满足多样化的内容层需求。 | 由内置 Agent 直接根据不同的内容需求，把框架 API 现场组装成专属工作流，千变万化不再受固定算法约束。 |
V2 的核心不是「又一个命令行工具」，而是一套可被编程组装的能力底座：推理模型接口 + 框架 API + 纯 LLM API + Python 生态 + ffmpeg。
ASR / TTS / OCR / 视觉 / 图像 / 视频 / 音频，全部 C++ 重写 + ONNX Runtime，CUDA / DML / CPU 自适应。
默认 deepseek-flash41，上下文内置完整工作流代码库；把自然语言需求，转成可运行的 PySide 应用。
独立 Go DLL，框架的 Python 能直接把 LLM 当接口调用，实现「更自动化的智能工作流」。
parakeet · sensevoice · funasr_paraformer，多语言词级时间轴。
moss_tts · voxcpm2，内置音色与 zero-shot 音色克隆。
dsfd 检测 · gfpgan 修复 · reactor 换脸 · fer 表情。
realesrgan 超分 · nafnet 去模糊 · bopbpl 老照片修复 · lama 去水印。
rmbg · birefnet 人像抠图 · matanyone2 视频目标抠像。
amt 插帧 · sttn 去字幕 · 批量跨视频合批处理。
florence2 图生文 / OCR · wd14 打标 · clip / dinov2 嵌入。
clearvoice / demucs 分离 · sherpa 说话人分离。
rapid_ocr 文字识别 · t5 翻译。
在桌面 Agent（100000.plus V2 Agent）里新建一个工作流，给它命名并指定工作目录。
用一句话告诉 Agent 你要做什么，例如「给视频去字幕」「批量超分图片」。
每个开发版本都会落成一个可直接双击运行的 PySide 应用，随用随启，不再重复付费。