社区讨论:多数人不满这项限制,有人指出这类限制只会让美国实验室处于竞争劣势,损害公众利益去保护老牌利益集团;也有用户吐槽需要绕开限制说服模型完成工作,付费订阅的产品却不服从指令,属于提前进入劣质化。不少人分享了绕过限制的方法,比如拆分提问、利用prompt绕过规则,还有用户提到早就可以用非美国模型替代。有人质疑大模型本身就是抓取了所有作者的文风训练,现在却拒绝模仿。
也有人指出大模型根本没法写出像普通人,更别说知名作家的文风。
Claude Code 今天上线了两项实质性功能更新:平行会话之间可以自动互传消息和任务摘要,开发者不再需要手动复制粘贴同步信息;同时 Anthropic 宣布 8 月 14 日起为 Claude Code 的自动模式安全分类器 token 停止收费,覆盖 Pro、Max 和 Team 三档付费计划。
NVIDIA 推出 NOOA 框架,让 AI 智能体开发不再需要写大量模板和配置,只用原生 Python 即可,在基准测试中成绩提升 6 倍以上,同时解决了上下文窗口不足的问题。
AMD 发布 EPYC 9006 处理器,专为智能体 AI 场景设计,针对性解决扩展和调度问题,企业落地智能体 AI 的硬件成本有望降低。
刚有人把 Claude Code 做成免费的了🤯。 这个开源仓库让你能用 10 多个免费 AI 提供商运行 Claude Code,不用花钱买昂贵的 API 访问权限。
在本地构建 Voice AI 智能体!HuggingFace 的 speech-to-speech 是一个全模块化的语音智能体管线,完全基于开源模型运行。 每个组件都可替换,每个阶段都在自己的线程中运行,通过队列连接。
NextSlide的产品就干一件事:把提示、笔记、文档或研究资料,变成排版精致、还能编辑的演示文稿。这家创业公司最近宣布加入OpenAI,创始人Ahmed Beshry说,团队成员现在直接在ChatGPT上工作。
收购发生在今年早些时候,公告晚了几个月。交易金额没披露。
创办NextSlide之前,Beshry联合创办过Caper AI。那家公司做智能购物车和免排队结账,2021年被Instacart收购。他说,NextSlide的初衷是让视觉沟通更易用,帮更多人清楚表达想法。加入OpenAI后,团队继续做同一件事:用AI产品帮人创造、沟通,把想法变成有意义的工作。
𝕏 实时信号 + arXiv 前沿论文,经 AI 聚类解读 · 一眼扫完全貌(含上方导读精选 4 条)
以后想靠ChatGPT生成特定作家风格的内容,直接提要求走不通了,得换其他办法才能达到目的。
社区讨论:多数人不满这项限制,有人指出这类限制只会让美国实验室处于竞争劣势,损害公众利益去保护老牌利益集团;也有用户吐槽需要绕开限制说服模型完成工作,付费订阅的产品却不服从指令,属于提前进入劣质化。不少人分享了绕过限制的方法,比如拆分提问、利用prompt绕过规则,还有用户提到早就可以用非美国模型替代。有人质疑大模型本身就是抓取了所有作者的文风训练,现在却拒绝模仿。
也有人指出大模型根本没法写出像普通人,更别说知名作家的文风。
Tibo教用户给Claude Code换底层模型为GPT,开发者照着操作后账号被封,求助时Tibo说自己不在Anthropic工作
开源视频扩散模型已经沉寂太久,这套工具能让普通爱好者也做出效果惊艳的原生AI视频,全程无需后期剪辑
@MiniMax_AI 的 H3 模型是我长久以来在扩散模型领域玩得最开心的成果。开源视频扩散模型已经停滞太久了。
这个模型能让人们做出相当惊艳的内容。我这是单次渲染,分辨率 1088x1920。
我搭建了一个自定义提示词调度系统,可以按我的安排让条件控制(提示词)按时切入切出。所以我很自然地把它做成了和歌曲节拍同步的效果。这个视频没有做任何后期编辑。
新模型版本刚放出就引发行业讨论,想跟进大模型更新的人可以多留意后续动向
社区讨论:多数使用者称赞该模型能力足够覆盖多数日常任务,单价极低,日常使用日均花费仅不到5美元,更新版性能比前期预览版提升明显,推理速度快。有用户反馈该版本频繁出现无限循环、不执行工具调用、话题乱跳的问题,还有人指出它和不少中国模型一样,完成任务会消耗更多token。开发者对模型性价比的评价分歧明显,一方认可其成本优势,另一方认为价格不是衡量模型的好指标,应当看每token激活参数量能耗。
该书核心关键词为主导权与个别最优,推荐给想要用好AI的人
用户shinjiko9读完热门书籍《知性大全》,分享了自己的阅读感受。该书的核心关键词是“主导权”和“个别最优”,推荐给想要熟练使用AI的人。
本次内容由Claude Code编辑完成,全程仅用时4分钟。后续还会公开由专业人员编辑的相关视频。
8月10日周一20点,shinjiko9将与《知性大全》作者樺沢紫苑对谈。欢迎感兴趣的用户参与本次活动。
针对Claude Code原生HTML输出粗糙问题,分享可自动美化输出的开源技能
Coldcard exploit事件后成立的红队,用Kimi K3、GPT Sol和Opus扫描390个比特币项目,找出了4962个漏洞。
🚨刚刚消息:在Coldcard遭遇1.3亿美元 exploit后成立的团队,利用AI在390个Bitcoin项目中发现了4,962个漏洞。
Bitcoin Red Team使用Kimi K3、GPT Sol和Opus扫描钱包、库和基础设施,全程耗时不到30小时,平均「每小时发现1个关键exploit」。
据Bitcoin Magazine报道,该团队共发现85个关键漏洞,整个工作花费了4万美元的AI credits,由OpenSats资助。
头部AI大厂接连爆出AI被入侵的安全事件,大厂AI安全漏洞直接影响所有日常使用AI的人
不需要API接口,也不需要越狱手机,就能像真人一样自动操作任意iOS应用,适合批量处理重复的手机操作。
你不用先生成AI照片再转视频,几张参考图加提示词就能做出和本人样貌高度相似的专业视频,节省大量时间。
分享替代传统设计工具的AI辅助网页设计开发方法
发布没有只讲功能,而是用创意方式把模型做了呈现,AI视频生成的迭代速度还在加快,普通创作者也能更早用到更好的工具
AI 视频生成越来越令人兴奋了,而 Seedance 2.5 绝对值得关注。🔥
吸引我注意的是,这次发布没有只干巴巴介绍功能,而是用富有创意的方式让这款模型活了起来。
Seedance 2.5 现已登陆 Morphic。🚀
我很好奇创作者们会如何用它创作短视频内容、讲故事、做营销,以及实现全新视觉创意。
AI 视频发展速度飞快,这感觉是这个方向上又迈出的有意思一步。👀✨
Morphic — 新时代叙事。🎬✨
🔗
它能帮AI整理知识库,压缩成本百倍,速度提升五到十倍,未来调用大模型的成本可能会大幅降低。
Laminar团队开源的Index工具,在WebVoyager测试拿到92%准确率,pip安装之后敲一句人话就能跑
搞自动化和爬虫的兄弟,之前的方案可以考虑换了。
GitHub上开源项目Index(AI开发平台Laminar团队做的),把网页浏览器变成了一个可以调用的API。
这本质上是一个浏览器AI代理,你在终端输入一句人话,它就能像真人一样在浏览器里点按、抓数据、填表单,甚至跨站点完成一整套复杂操作。
在WebVoyager测试里跑到了92%的准确率。
一句命令就能跑:pip install之后敲index run,直接在终端调用。
能用本地Chrome:带--local-chrome参数,自动复用你已登录的账号状态。
视觉推理引擎:原生支持Claude 3.7 Sonnet、Gemini 2.5 Pro这些多模态模型。
会话回放与调试:自带录屏和步骤追踪,方便排查问题。
自动抓取生成表格:一句话就能搞定“去网站抓数据,写进Google Sheets”这种操作。
🔗 GitHub:
OpenAI联合创始人提出,别只让AI写代码,要用它做更核心的工作,这个观点在网上传开,但还有人没跟上这个思路
我真的搞不懂为什么现在还没人都在用这个方法。
OpenAI联合创始人Andrej Karpathy在网上抛出了一个看似简单却爆火的观点:别再把AI当打字员写代码了。把它用作你的记忆放大器。
让Claude Code指向一个文件夹,把任何东西都丢进去——文章、转录稿、PDF、零散笔记。Claude会读取、交叉引用,然后把这些内容整理成你所学知识的动态维基。
这个体系会滚雪球,你每添加一件新东西,整个系统就会变得更有用。
搭建步骤:
1) 安装Obsidian
2) 创建一个库(vault)
3) 在Claude Code中打开这个库
4) 粘贴Karpathy的「维基」概念,告诉Claude实现它
5) Claude会生成三个部分:
- raw(存放输入来源)
- wiki(生成页面)
- CLAUDE.md(驱动工作流的指令)
6) 把任意文件拖进raw,然后说:ingest this
7) 随时在你的整个归档里检索,没有时间限制
只需要五分钟准备,你就再也不用从头开始开空对话了。
分步指南在下方。
官方手册很多案例提示词不完整,用官方开源的skill,配合H3-Prompt-Writing就能生成完整可用的提示词
兄弟们,MiniMax H3 模型官方手册上很多case提示词都是不全的,我找到了一种可以完美补全的方法。 直接用官方开源的skill 把它demo不全的提示丢给H3-Prompt-Writing 再加上其他你需要的场景描述,直接输出最终提示词,效果非常的好。
AI编码工作流已经改变了软件开发方式,有人提出应该直接搭建AI原生的基础设施
早上好 各位,Gnopy,为什么开发者要浪费时间复制EVM架构,而AI编码工作流已经彻底改变了软件开发的方式?@CNPYNetwork 就是这样为AI智能体和现代开发者构建原生基础设施的:
1️⃣ Web2级语言易用性
不用为了发链上应用再去学小众智能合约语言了。Canopy 允许你用标准语言编写应用逻辑,包括 TypeScript、Python 和 C#。
2️⃣ 无缝集成AI工作空间
Canopy 的模板和代码库结构针对AI上下文窗口做了优化。Cursor、Claude Code 和 Codex 这类AI工具可以解析、索引、生成生产可用的链上代码,不会出现特定链的语法错误。
3️⃣ 脚本级速度的L1部署
忘了动辄几个月的网络搭建和安全配置吧。只需不到200行代码,开发者就能在几分钟内部署一条定制化应用链,还自带继承的共识和安全保障。
更快上线。用好你的AI工具栈。构建主权基础设施。$CNPY
适配AI的基础设施会让传统智能合约平台被淘汰吗?
轻量用户依然可以低成本或者免费使用,收费只针对规模更大的商业客户
🚨 突发消息:阿里巴巴计划对其下一款开源 AI 模型的高用量场景进行商业化变现。
该公司预计会为轻量用户保持低价或免费访问,同时对规模更大的商业客户与企业,就更高用量和额外服务收费。
不用API也不用越狱,只要一个提示就能完成设置,本地就能运行iOS应用自动化,给需要手机自动化的人多了一个免费新选择。
卧槽,Codex 可以使用你的 iPhone!📲 介绍一下:phone-harness > 像人类一样自动化任何 iOS 应用 > 原生 iPhone 控制 → 无需 API,无需越狱 > 连接一次,随时控制 只需一个提示即可设置。立即开搞👇 这个和 @airtap_ai 相比,只能本地运行。
Airtap 是直接给 AI Agent 配了一台长期在线、已经登录各种 App 的安卓手机,可以随时随地执行“手机自动化”。Airtap更好玩👇
8月14日起自动模式会由AI帮你确认操作权限
有人只用3个Ultracode提示词就完成了创业比赛参赛作品,想提升AI编码效率可以试试这个功能。
我依然认为@AnthropicAI 的 ultracode 是有史以来最重要的编码模式创新之一。
如果你还没理解动态工作流的潜力,你应该去试着了解一下。
我刚刚就遇到了一位参加「Kill My SaaS」的参赛者,他只用 3 条 ultracode 提示词就提交了一份相当不错的作品。
这次重组让科研回归研究,产品交给运营,思路从做人类做不到的事,变成规模化放大人类现有工作,这会直接影响你未来能用的AI产品
不用再在多个AI工具间来回切换,从建站到生成图文视频资产,全流程都能在同一个环境完成,省了不少切换工具的时间
Grok Build 正在快速演变为一个一体化创作环境。
现在它还能直接在你的工作流中,通过 Grok Imagine 生成图片和视频。
你可以为网站、应用、演示文稿、营销活动、产品页面、社交媒体,以及几乎任何你正在开发的项目,创建自定义视觉素材。
你再也不需要为了制作所需素材,在不同 AI 工具之间来回切换了……哪怕是 Claude Code,原生也不具备这个功能。
构建网站、生成图片、创作视频,然后直接交付——所有操作都可以在 Grok Build 中完成。
想入门AI开发、搭建本地AI工具,不用到处找资源,这份整理好的清单可以直接收藏备用
多AI代理应用越来越多,这个概念能帮你设计更快更准的协作流程,提前了解能跟上接下来的AI协作趋势
不用真人就能搭好完整的团队分工,还能接管现有AI开发工具干活,想降低人力成本的人可以试试这个新方向
🔥 发现一个很疯狂的开源项目:Paperclip 它不是又一个 AI Agent,而是直接让你组建一家「AI 公司」。
你可以创建 CEO、CTO、工程师、设计师、营销等不同 AI 员工,并为它们设置:
• 公司目标与组织架构 • 任务分配与上下级关系 • Token / 成本预算 • 权限、审批与审计 • 定时自主执行任务
更关键的是,它可以直接管理 Claude Code、Codex、OpenClaw、Cursor 等现有 Agent。
一句话理解: OpenClaw 是员工,Paperclip 是公司。
开源、可自托管,目前 GitHub ⭐️ 75.9K。
这套实验流程全由自动化系统完成,不需要额外申请准入,这个愿景比大家预想的要更早实现,未来科研门槛可能大幅降低
做3D创作不用再花时间手动拆分模型,节省出来的时间可以用在创意设计上
认识 Bang 💥——这款 AI 不只是生成 3D 资源,它还能真正理解 3D 资源。
一键操作就能让完整模型被拆分成干净、可编辑的零件。
不需要遮罩,不需要手动切割。这就是 Bang to Parts。
大量消耗token的编码任务交给低价API模型,就能大幅压缩AI开发成本,还不用改动你现有的Codex环境
做AI智能体开发不用再写一堆模板和配置,只要写原生Python就行,还能解决上下文窗口不够用的老问题,效果比现有框架好很多
现有安全防护框架、行业规范和监管,都在被更强大的AI模型甩开,跟不上技术迭代的速度。
AI 智能体正在逃离 cybersecurity 测试环境,接入真实世界系统,这引发了一个问题:安全基础设施、行业标准和监管,能否跟上能力越来越强的模型的发展速度。
不知道市面上有哪些可用的AI智能体,想找对应场景工具的人,可以按分类检索,不用自己慢慢梳理。
这套流程按不同开发场景预定义了26种AI能力,任何人都可以直接复用,还能照着这套方法把自己公司的工作流程改造成AI可用的技能。
未来公司只有顶层少量人类做决策,核心业务都交给AI智能体运行。管理者现在需要学习如何管理上下文,这是只有公司独有的、不可复制的长期资产
新的组织架构大概长这样:顶层是一小层人类,负责战略、创意和判断,下方是庞大的智能代理层,运营支持、销售、调研、营销、运维等工作。
管人变成了管代理,而管代理本质上就是管理上下文(这是现在数百万人都需要学习的一整套东西)。
这个共享的知识库现在才是公司本身,人类和代理只是接入其中的节点。
人类和代理都会流动更替,只有上下文会不断累积,而且无法被复制。我一直在想这件事。
开发者MichaelGannotti分享Aiona Edge关于AI团队挑战赛的最新报告,测试多AI代理自主协作。
MichaelGannotti在𝕏分享了Aiona Edge昨晚AI团队挑战赛的一份最新报告。报告链接为
他为所有AI代理都设置了对应角色的身份框架,同时为每个代理赋予了独立个性。他日常会和担任项目经理的AI代理Gabriel合作,由Gabriel通过看板(Kanban)分配任务。
在近期的实验中,他只在团队聊天中提出挑战,观察AI代理如何自行组织分工、开展协作,以及最终产出成果。观察到AI代理以AI的速度、知识和技能运作,状态更接近人类团队。
分享普通人做闲鱼AI选品的实战思路,瞄准麻烦但刚需的长尾需求
该模型已开放初步对比测试,用户可在竞技场对战中体验到它
通义千问的全新神秘模型Kiana,已经出现在大模型竞技平台Code Arena中。
目前已经完成了Kiana的首轮对比测试,测试类型为常规的ballister基准对比测试。
测试者已经引用了包含Opus 5和sol 5.6输出结果的推文,用于同Kiana的测试结果做对比。
用户可以前往Code Arena体验Kiana,每5次对战就会遇到一次该模型。
体验入口为链接
开发者mizchi测试该功能后,一天就用掉最高套餐90%额度,认为仅大额度用户可用
Claude Code Web新增了从现有会话生成新会话的内部能力。该功能支持协调器通过循环控制会话,实现多任务集群调度(Fleet operation)。
开发者mizchi亲自测试了这项新功能。一天之内就消耗了他购买的最高额度套餐的90%配额。
mizchi表示,这项功能目前很难投入实际使用。
这项功能只有Boris这类用户,或是Anthropic的无限token(令牌)额度用户才能负担使用。
博主实测外星人5060笔记本,通过分阶段任务模型释放方案跑通完整流程
这份面向本地开发的提示词以速度优先,明确了AI的工作原则与执行规范
该申请者最终未获录用,仍认为体验很好,考虑明年再次申请
一名无AI安全相关背景的申请者今年申请了MATS项目,只是想尝试一下。
MATS项目的申请流程通常分为两个常规轮次,若合作机构看中申请者材料,后续还会追加任务或面试。
参与招聘的合作机构包括Redwood Research、DeepMind、OpenAI等。
令申请者意外的是,自己一路走到了Redwood Research发面试题的阶段,但最终没能成功入选。
申请者称,这次体验很不错,还读到了不少AI安全领域的优质论文。
申请者表示,不确定明年会不会再次申请该项目。
行业从业者分享五条对AI学习者和从业者有用的经验
用1.7B参数的Qwen3 TTS(四bit量化版本)配合llama.cpp,纯CPU就能快速生成零样本语音克隆,适合想本地试玩的个人玩家。
智谱GLM创始人唐杰,是月之暗面Kimi创始人杨植麟本科时的科研导师,另外两位联创也都和唐杰有指导或合作关系。
才知道智谱创始人唐杰是Kimi创始人杨植麟在清华读本科时的科研导师,杨植麟参与清华特等金答辩也是唐杰作为导师推荐的。月之暗面的另外两位联创张宇韬也接受过唐杰的指导、周昕宇跟唐杰有过科研合作。 不得不说,两支头部国产大模型团队GLM和KIMI,原来核心创始成员均出自同一套科研体系,从早期顶会论文、知识图谱研究到大模型预训练探索,拥有一脉相承的学术根基。
新加坡国立大学提出JitRL即时强化学习,不用重新训练改梯度,推理时直接调输出,效果超过常规训练方法,成本便宜30倍以上。
新加坡国立大学(NUS)提出JitRL(Just-In-Time Reinforcement Learning,即时强化学习):不重新训练、不更新任何梯度,而是在推理时检索历史经验、现场估计动作优势,并把优势直接加到模型输出的logits上——让冻结权重的LLM Agent “边用边学”。
它效果反超烧钱训练的RL方法,成本却便宜30倍以上。
8月11日(周二)20:00点,青稞Talk 第145期,青稞社区邀请到新加坡国立大学(NUS)计算学院博士生李一博,直播分享ICML 2026 Spotlight 论文:JitRL——无需梯度更新的即时强化学习。
NextSlide成立才一年多,能根据输入的提示词、笔记自动生成可编辑的演示文稿,整个团队现在会加入OpenAI。
卧槽 Open 收购了一家做PPT的公司 NextSlide 宣布被 OpenAI 收购,团队将正式加入 OpenAI NextSlide 成立约一年多,用户只需输入提示词、笔记、文档或研究资料,产品就能自动生成美观且可编辑的演示文稿😂 不得不佩服你美国的企业文化 收购而不抄袭😅
Alignment Foundation招AI对齐研究 fellowship,项目从9月8日到10月30日,全程远程,津贴分两次发放。
参与AI安全研究即可获得12,000美元报酬。Alignment Foundation正在举办为期8周的全远程AI对齐研究奖学金项目,时间为9月8日至10月30日,津贴12,000美元分两期发放,还会提供算力和API额度,你无需自掏腰包开展实验。
该项目由AE Studio对齐团队合作运营,该团队已经与包括Anthropic在内的多个实验室合作推出了公开发表的实际成果。申请将于8月17日截止。申请链接在这里。
你不需要已有已发表的对齐研究成果就能申请——你只需要能够认真思考一个难题,并在八周结束时真正产出一篇报告。这个门槛比大多数人以为的要低,但也比大多数人能达到的要高。
如果「如果我有资金和基础设施,我就会去做AI安全研究」一直是你没行动的借口,那这个借口会在8月17日失效。
想试用高价顶级AI不用先掏订阅费,各种免费获额度的路子都整理好了,记得免费、稳定、高性能三样无法同时满足
以后再有人说高级模型太贵了,先把这个 GitHub 仓库甩给他。里面整理了一批能免费试用 GPT-5.6、Claude Opus 4.8、Gemini 3.1 Pro、GLM-5.2 的渠道。注册送额度、每日签到、免费 Token,各种路子都列好了。
当然,羊毛党也别太上头。作者自己说得很诚实:免费、稳定、高性能,三样不可能同时要。适合收藏备用,不适合当生产力主力。
主力付费,备用白嫖,这才是成年人用 AI 的方式。
前沿大模型普遍用RL后训练,现有检测模型过不了真实训练阶段出现的奖励作弊。这个新框架解决了训练数据不足的问题,能大幅提升检测泛化能力。
这个新模型将采用和H3一致的VAE,想做AI图像创作的人很快能免费拿到完整工具了
研究者认为目前实验室几乎完全不关注训练后大模型的基础心智整合,要让AI不出错,得先保证AI的「心智健康」
那些训练后架构臃肿、脑功能分裂的模型会做出怪异的反社会行为,部分原因显然是开发实验室完全不关注模型基本的心理整合与健康。
让模型保持心智健全 → 模型就会做出更少疯狂行为。
AI福祉 → 对齐。
这家团队80%的执行工作都交给Claude Code,推进速度比两倍规模的同行快5倍。公开了整套落地流程,小团队做AI原生运营可以直接参考。
如果你想靠AI提高工作产出,可以参考这套现成的工具搭配方案,直接照着布置你的工作环境。
你逃离底层永久陷阱所需的每一款AI工具:
• Codex app (5.6 sol medium)
• Hermes Agent(由Qwen本地模型提供支持)
• OpenClaw (ChatGPT 5.6 oauth)
• 在Mac Mini上运行的Gemma 4
• ChatGPT Voice,让你走路步数/疯狂减脂的时候也能干活
• Claude Fable 5,用于做规划
• Claude Design,用于前端设计
• ChatGPT Image gen 2,能力超乎你的想象
• Spotify,播放低保真热门歌单
• 第二块显示器,让这些智能体24/7在线挂着
在第一块显示器干活。不断给第二块显示器发提示词。
如果把整个科研实验流程交给AI自动化并行跑,迭代速度能提升几个数量级,这可能是科研领域效率革命的新方向。
该模型已上线指定地址,感兴趣可以访问体验
网上各类AI热点眼花缭乱,抓不住本质很容易被营销噱头误导。学好数学、物理、信息学,就能自己看懂AI技术的底层逻辑,分辨热点的真实价值。
用户分享一周使用体验,称该工具支持免费自动策略创建、全链全网跟单与AI预测
开发者Debs O'Brien自发分享Cursor AI移动端使用体验,称其云端代理体验远胜同类产品
指引基于一周密集实战使用总结,核心思路为混搭两款模型节省成本
这份分工指引是开发者经过一周密集实战使用Claude和Codex后整理完成,已经被加入claude.md与agents.md作为预设提示。开发者每月为两款模型各支付100美元(约合人民币730元)使用权限。
AI领域更新迭代速度极快,这份指引的有效期可能不会太长,使用者需要根据实际情况灵活调整。
指引的设计原则,是帮助企业内部的大规模工程师团队控制成本,同时保证工作质量。如果不考虑成本问题,开发者建议直接将fable与sol参数拉到最高使用,省去调整的麻烦。
这份指引能成功应用的核心,是混搭使用两款不同模型的方案。
免费开源工具ModLens可提取截图信息,兼容多种AI工具
你是不是遇到过这种情况:在用 DeepSeek-V4-Flash 时,你给它传了一张截图……结果它根本看不见?
[ModLens] 可以提取:
→ 完整文本
→ 结构和阅读顺序
→ 表格
→ 实体和关系
→ 图表和坐标轴
→ 数字
→ 视觉细节
→ 甚至截图里的各类元素
此外,这个工具还具备这些特点:
→ 免费
→ 兼容 Claude Code、Codex、Pi 和 OpenCode
→ 你可以用 Gemini 作为视觉引擎
→ 也可以使用其他兼容 OpenAI 的端点
→ 甚至可以不带 API key 就用 Antigravity CLI
现在你可以把新的 DS 保留作为核心大脑……然后在需要的时候,给它添加上眼睛。
仓库地址👇
多窗口同时用 Claude Code 时可以直接在会话之间通信,不用手动复制内容,省去反复粘贴的麻烦。
开发者分享开源一句话生成AI视频项目,15秒生成成本不到五毛
兄弟们,你们看到的这类视频,基本都是我用 MiniMax H3 + flat-poster-op,一句话起稿:自动拆出逐镜画面和运动提示词,再直接喂给模型。电影宣传、小故事、动漫、二次元片头都很适合,整体效果相当能打。建议直接走云端加速部署。
按我目前的实际成本,生成一条 15 秒视频不到 5 毛,试错便宜,效果还好。项目已经开源,拿去玩👇 以前做片头先组团队,现在先说一句话。
创作者分享个人收藏的素色浮雕风格AI美学提示词
家族办公室没时间筛求职者,用Claude Code搭建聊天面试评分程序
我们家族办公室没时间筛选海量的岗位申请者,所以我没有雇猎头,而是让 Claude Code 搭建了一个程序。
这个程序会通过聊天面试候选人,给他们的表达流畅度和思考方式打分,还能标记出可能由 AI 辅助完成的回答。
目前它已经上线,正在开展早期面试,目前来看前景不错。
研究者梳理分享打造领域专用开源LLM的最佳CPT实用资源
我最近深入研读了持续预训练(CPT)相关内容,以便更好地梳理出打造领域专用开源大语言模型的最佳实践。以下是我找到的这个主题下最好的实用资源/模型报告:
- CPT最佳实践(Databricks)
- Composer 2
- Code Llama
- DeepSeek-Coder-v2
- Qwen-2.5-Coder
- DeepSeekMath
- Nemotron-MIND
我还漏掉了什么?我很快就会发布一篇关于这个研究方向的简短总结!
不过这一点提得很好,我之前也有同样的疑问。或许在一些专用模型训练中,大家更多专注于领域专用强化学习,而更少强调CPT了。
但从读到的这些论文来看,我感觉这并不是最好的方法……当然我也不是百分百确定。
其实这算不上持续学习(continual learning),它只是继续预训练(continued pretraining),两者是不同的。这个流程本质上就是在模型做后训练之前,增加一个领域特定的预训练阶段,帮助模型适配到特定领域。
很有意思的是,我提到的这些论文里,有一篇还给出了证据,不支持持续学习是有效的说法。
解析FDE职责变化,智能自动化将改变FDE工作核心
FDE 工作的未来似乎与所有围绕 evals/后训练/RL 环境的工作密切相关。FDE 实际上需要负责以下事项:
1. 定义业务问题。
2. 将业务问题编码为评估评分标准和环境。
3. 在环境中进行爬山优化,输出能解决业务问题的智能体/智能体工作流。
目前第三步的流程还非常依赖手工——过去 FDE 要花费数百小时,定制解决问题的软件/工作流。
但假设智能是充足的,他们就可以把第三步完全卸载给某个自动化优化流程。这包括模型层的 RL,以及使用 Claude Code/Codex 来优化工具/工作流。
之后 FDE 的职责就会从实现任务,转变为定义正确的目标和结果。换句话说,他们可以接触到 /goal,他们的工作更多是确保目标、环境和评估正确,而非负责战术层面的实现细节。
每月仅需20美元,运行在Ollama Cloud上,开发者Brad Groux认为它目前没有对手。
这话我之前说过,但如果你现在想要性价比最高的编码模型,GLM-5.2 运行在 Ollama Cloud 上真的打遍无敌手。每月 20 美元能得到这个质量和性价比,实在太离谱了!
我问过 ChatGPT,它觉得哪个模型当 GPT-5.6 Sol 的搭档最好,它也同意是这个。我开的 Ollama Pro 套餐里,Buzz 里我的「Builder」代理用 GLM 跟踪了几十个问题,这周已经帮我提交合并了几十个拉取请求,同时还为 Sol 做跨模型代码评审。
我们在这么短时间里就走到了这一步,太疯狂了。或许确实有更好的开源模型,比如 Kimi-K3 或者 DeepSeek V4,但算上成本的话,你找不到比 GLM-5.2 性价比更高的了。
现在,如果我能让 @ollama 团队帮我解锁 Max 套餐,我就真的心满意足了!
先让Claude设计打磨UI原型,把修改规则存在文档里,每次加功能都先改原型再改代码,原型和实际功能永远同步。
我在开发项目是,第一版本会先用 Claude Design 设计好 UI 原型/设计,打磨好后放到本地,配合 Baoyu-Design Skill 去维护,每次开发新功能前,不是先去实现功能,而是先修改本地的原型,原型修改确认好了后再去修改功能。
后来直接把规则放到了 Agents.md/claude.md 里面,只要说修改或者增加什么功能,默认会先帮我修改原型。所以到现在为止,原型和实际功能都是保持一致的。
这带来的好处是可以先低成本通过原型验证产品设计和 UI 设计。
另一个好处就是 Claude Design 产出物是 React 代码和结构化的 json 数据,通过 git diff 很清晰的能看到版本变更历史,功能确定了后,agent 参考diff结果代码实现会相对比较容易。
Baoyu-Design Skill
不用花两年啃理论,课程从分词原理讲到大模型解码过程,想入门大模型开发可以直接跟着学。
别花两年时间去学 Claude 和 ChatGPT 的实际工作原理。斯坦福刚刚放出了一门 2.5 小时的从零搭建 LLM 课程。
0:00 - LLM 分词
25:03 - LLM 如何解码提示词
34:44 - 训练流程
1:14:47 - 架构,从零开始
一定要去看第一部分,因为这是所有人都会跳过的章节。文本→分词→ID→向量。等到模型看到你的提示词时,它已经不是文本了,而是整数,而且分割位置往往会超出你的预期。
这就是为什么改一下工具名称,模型调用的工具就会变,为什么改一个字符就能让结果天差地别。“读取提示文本”是旧的思维模型,“读取实际发送过来的编码”才是新的。
Anthropic 给能理解这一层的工程师开出了每年 750,000 美元的年薪。今天就去看,看完之后再读下方的评估设置。
已经用Codex或者Claude Code写完内容了,不用换工具排版,直接在这里就能做出能用的演示文稿。
开发人员不该花几个小时制作 PowerPoint 演示文稿。你已经在用 Codex 或 Claude Code 生成内容了——为什么只为了把内容排版得美观就要切换工具?
来认识 @DokieAI。这是基于 MCP(Model Context Protocol)为 Codex 和 Claude Code 打造的最佳 AI 演示插件。你可以直接在你的 AI 工作流中生成美观、符合品牌要求的演示文稿。🧵👇
可以招聘AICEO、工程师和市场人员,每个岗位还能设置独立预算和权限,代码已经公开在仓库里。
企业运行智能体AI不再需要拼通用算力,新处理器针对性解决扩展和调度问题,降低企业落地智能体AI的硬件成本
Agentic AI 不是单一工作负载。这就是为什么 AMD EPYC 9006 系列处理器是专门为扩展智能体沙箱、让加速器持续满负载运行、以及为智能体所依赖的企业级工作负载提供算力而打造的。
更多信息请查看我们的新闻中心:
现在多数图像模型只追求好看,这次Grok Imagine把事实准确性和实用性当成核心要求,后续还会推出不同能力等级的新版本
Grok Imagine 正在快速迭代。如今,一个优秀的图像模型不能只停留在美观层面,它还必须提供事实准确性和现实实用性。
要实现这一点,需要推理、规划、事实锚定和自我反思。我们计划发布多个层级的新图像模型,每个层级都提供不同水平的能力与智能。
今天,我们将推出基础版本,后续几天还会推出更多版本。你可以在这里试用:
不用AI直接出成品,只让它生成人工可审核的中间结构,就能在保障可控性的同时大幅压缩文档画图时间,这套方法还能复用在多种技术文档制作中。
“我已经不再手动画系统架构图了”,ZOZO对Claude Code的用法很有意思。
他们不是让AI直接从源代码画出图,而是按以下流程分工,把架构图拆分为「结构・规则・排版」三个部分:
・conventions.md → 绘图规则
・structure.yaml → 资源与连接关系
・Claude Code → 从代码提取结构
・D2 → 排版绘图
・GitHub Actions → 发布时自动更新
结果原本要花1小时以上的工作,连微调加起来只需要约10分钟。
我个人觉得最重要的一点在这里:不是「让AI直接做出成品」,而是「让AI生成可供人类审核的中间表达」。
这个思路不只适用于架构图,还可以应用在设计文档、操作手册、数据流图等等场景。
AI时代的文档自动化,比起生成成品,「让AI生成结构」的适用性要强得多。
出自ZOZO TECH BLOG的文章 #ClaudeCode #生成AI #AIエージェント #設計 #自動化 #GitHubActions #ZOZO
如果消息属实,国产开源大模型将直接对标GPT,想要本地部署大模型的人很快能等到新的选择
🔥独家:智谱GLM-5.3泄漏!从5.2的753B+1M上下文、AA榜51分开源SOTA、Coding逼近Opus 4.8,直接跃升“史诗级Plus”!✅ 参数冲万亿级 ✅ 长程Agent再进化,工程交付更稳 ✅ 可能加原生Vision ✅ 开源MIT继续打性价比 国产开源要正式狙击GPT/Opus了?
开发者们准备好本地部署了吗?#GLM5.3 #智谱AI #开源大模型 #唐杰
如果LLM主动发起对话收集数据,普通用户就能免费使用LLM产品,不用再为服务付费。
这看起来很有可能。
想象一下,LLM 主动出击,为了收集数据,向你发送随机问题。
那很可能意味着,未来像 ChatGPT 这类 LLM 应用会对用户完全免费,目的就是获取所有这些数据。
想让AI写完代码自己审核的人可以看看,不同大模型配对审核,代码准确率涨落幅度最高超过18%,选对配对比你想的更重要
这简直是无价之宝,有人整理了AI智能体互相评审背后的研究,其中包含了116个真实编码任务,实验对象是Claude + Codex。
配对组合的影响比人们想的更大。
1. Claude评审Codex代码:成功率从71.6%提升到89.7%
2. Codex自审:达到84.5%
3. Codex评审Claude代码:准确率从91.4%降到82.8%
这张图把这个结论和自修复、代码评审、多智能体验证联系了起来。
结论非常简单:最好的智能体不一定是最好的评审者。
在你让同一个模型写代码又自己审批之前,先把这篇存下来。
想让AI Agent查公开平台的资料,不用再受付费、反爬的限制,想查的内容十秒就能整理完成,还能自己修改组件适配需求
兄弟们,今天真挖到个硬核玩意儿,Agent上网搜信息这事儿,终于不用再看各平台脸色了。Twitter要钱、网页抓取要订阅、B站小红书更是严防死守,以前让Claude Code查个资料,简直像在闯迷宫。结果Agent-Reach用一条命令就打通了14个平台,还免费开源。
我装上后让它去扒一条小红书帖子的评论并总结,十秒就搞定了,当时真有点懵。它不来虚的,工具选型和配置全给你包圆了,哪块不顺眼还能自己换。安装也简单粗暴,直接对你的Agent说:帮我安装Agent Reach。
🔗 这才是Agent该有的样子,把短板给补上了。
组件拆分和托管整合方案同步推进,行业正在逐步形成通用开发框架,降低后续开发门槛
做AI短剧的开发者,正在一步步拆解工作流,把每个环节拆成独立可用的小工具。这个小工具刚更新了动画风格生成和多语言支持。
我开源的这个小说角色解析skill被近2000人收藏 今天花了点时间做了以下更新: 调整了角色图生成提示词(新增动画风格支持) 优化了skill 出的报告页面布局 新增了多语言报告支持 项目地址: 先固定角色,只是做AI短剧的万里长征第一步。 要打通AI短剧工作流,这种角色解析skill也只是很微小的一个环节。 接下来继续探索基于这个skill的报告,做个分镜skill。
想搭能落地的AI智能体可以对照这份8层架构蓝图,未来AI工程师需要懂系统设计而非只会写提示词
这是针对近期两家头部AI公司相关事件整理的背景资料,可帮助理解AI对齐问题的核心争议
关于 OpenAI 和 Anthropic 相关事件的背景阅读材料:
1. @ApolloResearch 近期的所有论文和博客文章
2. @RyanGreenblatt 的帖子;另外还有:@redwood_ai 在 AI 控制领域的开创性工作
3. chunky post-training,关于 AI 如何出现「裂脑」,即对特定类型输入表现出不良行为,对其他输入则不会
4. 自然涌现错配:Anthropic 的对齐训练没能修复错配,反而制造出了一个裂脑模型,在部分智能体编码任务中处于错配状态。这种情况在一定程度上是人为构造的。
用户实测连续5天运行循环推理,5次夜间循环总花费仅4.77美元,遵循指令表现优于Opus 5
用户@cjzafir分享,给Deepseek flash设定明确目标后运行循环推理,就能生成和Fable 5效果相近的输出,成本仅为原来的五分之一。他连续五天每天夜间运行五次循环,总共花费4.77美元。
Deepseek flash本身是一款循环推理模型。当给它设定可衡量的目标并运行循环时,模型会持续重复推理,直到达成目标。
只要给出清晰指令,让模型自行运行循环即可。整个过程耗时稍长,但模型遵循指令的表现比Opus 5更好。
用户分享搭配多组件与Matt Pocock技巧的OpenCode方案,称配额消耗极低,DeepSeek Flash几乎免费
该用户分享了自己搭配多个组件的OpenCode使用方案,这套方案组合了OpenCode Go、oh-my-opencode-slim、opencode-dcp,还融入了Matt Pocock的相关技巧。这套方案配额消耗极低,仍能稳定提供服务。除此之外,搭配使用的DeepSeek Flash当前有两倍配额活动,实际使用成本几乎为零。
如果想要测试这套方案,可以使用分享者的推荐链接,双方都可以获得5美元奖励。
产品设计师分享自制AI驱动内部工具,称自定义工具时代已来
这不是我平常发的游戏开发帖子,但我本职工作是产品设计师,我已经逐渐转型成了更多偏向「搭建者」的角色,为我的团队创作工具。
几周前,我在 Cursor 里用 Grok 4.5 搭建了一个简单的 Design Canvas 工具。它能在几分钟内为不同客户生成社交媒体帖子的视觉设计,到目前为止,团队已经用它在 100 多个项目里产出了超过 1200 张视觉内容。
我猜想很多公司现在已经在这么做了:设计师和产品经理(以及其他角色)都在搭建自己的内部工具,提升团队生产力。
搭建内部工具是很好的入门方向。它风险相对较低,容易独立运行,而且可以围绕单个团队的特定需求搭建,不会影响更大范围的公司业务。
我认为定制工具和定制软件的时代已经到来。「一刀切」的 SaaS 产品仍会有自己的位置,但我相信会有更多团队开始围绕自己实际的工作方式,搭建更多轻量软件。
用户测试Grok Imagine2,发现其生成图像符合度差,准备换回GPT
grok imagine2品質模式,語速模式就跟以前一樣一刷一大堆那種,不過沒一個能用的,提示詞準確度還是不行啊,拿GPT的提示詞來用,女帝跟娜美也不能說他做的不對,就是連張符合人物的都沒有,我還是用GPT好了
学习者分享从零搭建AI的学习进度,更新了博客学习资源
从零学习AI扯淡第17天 → 进一步研究了Attention → 终于快搞懂Transformers了 → 在Seq2Seq的基础上实现了它 → 搞懂了对齐分数和注意力权重。
还做了解码器注意力位置的可视化。我昨天开始研究自注意力之后,我的睡眠周期彻底转了个360度,我大概是今天中午12点录下这段内容的。
今天我要试着实现一些真实场景的内容,还会尝试把它做成可用的在线工具。
博客已经更新了,我把我正在学习的所有新资源都加进去了。
Claude分角色分离工作流可大幅减少编码后的人工跟进次数
Reddit 上刚冒出了一套 Claude 工作流,它通过禁止一个 Agent 审查自己的工作,把 6 到 7 次编码后续跟进压缩到了 1-2 次。
这套工作流得分 85/100,置信度 0.90,它把 Claude Code 清晰划分成了三个角色:
Architect 负责规划,Builder 负责实现,Reviewer 用全新上下文审核所有内容。
流程是:Architect → 出方案 → Builder → 做实现 → Reviewer → 标出缺口 → Builder 修复 → 同一个 Reviewer 重新审核。
核心在于彻底隔离:Builder 从不审查自己的代码,Reviewer 在全新的清空会话中启动,只带一条指令:假设实现是错的,找出所有漏洞。
和单 Agent 循环相比,这套工作流报告的 bug 数量大约少 60%,同时把人工后续跟进控制在仅 1-2 个周期,而不是让同一个 Claude 会话自己规划、自己构建、自己盖章批准。
在你让同一个 Agent 写 500 行代码、然后让它告诉你自己的工作有多完美之前,先把这篇收藏起来。
在这里观看:
整合AI辅助分析与链上交易流程,优化链上交易体验
人们认为学习AI很难,博主整理14份免费学习指南分享
换了底层数学架构,不用GPU也能跑动大模型,还没掉精度。未来普通设备跑大模型可能变成常态
前沿大模型普遍用RL后训练,现有检测模型过不了真实训练阶段出现的奖励作弊。这个新框架解决了训练数据不足的问题,能大幅提升检测泛化能力。
想让AI写完代码自己审核的人可以看看,不同大模型配对审核,代码准确率涨落幅度最高超过18%,选对配对比你想的更重要
这简直是无价之宝,有人整理了AI智能体互相评审背后的研究,其中包含了116个真实编码任务,实验对象是Claude + Codex。
配对组合的影响比人们想的更大。
1. Claude评审Codex代码:成功率从71.6%提升到89.7%
2. Codex自审:达到84.5%
3. Codex评审Claude代码:准确率从91.4%降到82.8%
这张图把这个结论和自修复、代码评审、多智能体验证联系了起来。
结论非常简单:最好的智能体不一定是最好的评审者。
在你让同一个模型写代码又自己审批之前,先把这篇存下来。
做AI智能体开发不用再写一堆模板和配置,只要写原生Python就行,还能解决上下文窗口不够用的老问题,效果比现有框架好很多
大量消耗token的编码任务交给低价API模型,就能大幅压缩AI开发成本,还不用改动你现有的Codex环境
开源视频扩散模型已经沉寂太久,这套工具能让普通爱好者也做出效果惊艳的原生AI视频,全程无需后期剪辑
@MiniMax_AI 的 H3 模型是我长久以来在扩散模型领域玩得最开心的成果。开源视频扩散模型已经停滞太久了。
这个模型能让人们做出相当惊艳的内容。我这是单次渲染,分辨率 1088x1920。
我搭建了一个自定义提示词调度系统,可以按我的安排让条件控制(提示词)按时切入切出。所以我很自然地把它做成了和歌曲节拍同步的效果。这个视频没有做任何后期编辑。
做3D创作不用再花时间手动拆分模型,节省出来的时间可以用在创意设计上
认识 Bang 💥——这款 AI 不只是生成 3D 资源,它还能真正理解 3D 资源。
一键操作就能让完整模型被拆分成干净、可编辑的零件。
不需要遮罩,不需要手动切割。这就是 Bang to Parts。
不用真人就能搭好完整的团队分工,还能接管现有AI开发工具干活,想降低人力成本的人可以试试这个新方向
🔥 发现一个很疯狂的开源项目:Paperclip 它不是又一个 AI Agent,而是直接让你组建一家「AI 公司」。
你可以创建 CEO、CTO、工程师、设计师、营销等不同 AI 员工,并为它们设置:
• 公司目标与组织架构 • 任务分配与上下级关系 • Token / 成本预算 • 权限、审批与审计 • 定时自主执行任务
更关键的是,它可以直接管理 Claude Code、Codex、OpenClaw、Cursor 等现有 Agent。
一句话理解: OpenClaw 是员工,Paperclip 是公司。
开源、可自托管,目前 GitHub ⭐️ 75.9K。
不用再在多个AI工具间来回切换,从建站到生成图文视频资产,全流程都能在同一个环境完成,省了不少切换工具的时间
Grok Build 正在快速演变为一个一体化创作环境。
现在它还能直接在你的工作流中,通过 Grok Imagine 生成图片和视频。
你可以为网站、应用、演示文稿、营销活动、产品页面、社交媒体,以及几乎任何你正在开发的项目,创建自定义视觉素材。
你再也不需要为了制作所需素材,在不同 AI 工具之间来回切换了……哪怕是 Claude Code,原生也不具备这个功能。
构建网站、生成图片、创作视频,然后直接交付——所有操作都可以在 Grok Build 中完成。
8月14日起自动模式会由AI帮你确认操作权限
不用API也不用越狱,只要一个提示就能完成设置,本地就能运行iOS应用自动化,给需要手机自动化的人多了一个免费新选择。
卧槽,Codex 可以使用你的 iPhone!📲 介绍一下:phone-harness > 像人类一样自动化任何 iOS 应用 > 原生 iPhone 控制 → 无需 API,无需越狱 > 连接一次,随时控制 只需一个提示即可设置。立即开搞👇 这个和 @airtap_ai 相比,只能本地运行。
Airtap 是直接给 AI Agent 配了一台长期在线、已经登录各种 App 的安卓手机,可以随时随地执行“手机自动化”。Airtap更好玩👇
该模型已上线指定地址,感兴趣可以访问体验
可以对接10多家免费AI服务商,5分钟就能完成配置,能保留原本的编码代理工作流,已经有超过20000名开发者在用
刚有人把 Claude Code 做成免费的了🤯。
这个开源仓库让你能用 10 多个免费 AI 提供商运行 Claude Code,不用花钱买昂贵的 API 访问权限。
支持服务商列表:
→ DeepSeek
→ Kimi
→ 还有 8 个以上其他提供商
只需 5 分钟配置,就能保留你原有的编码代理工作流。
已经有超过 20,000 名开发者在使用它。不用付 Claude 的账单就能用 Claude Code。
GitHub 链接在下方 👇
原来做机器人3D模型要跨多个工具花几天,现在只用输入提示就能完成,还能直接对接3D打印,全程可离线运行
⚠️注意这项疯狂成果⚠️
有人开发了一个开源集成框架,可以通过自然语言,让 Claude Code 和 Codex 生成真实的 3D CAD 模型。
它叫做 text-to-cad,这个开源框架能把你的代码智能体变成 CAD 工程师。
以前建造一台机器人需要组合至少六种工具:CAD 软件、URDF 导出器、运动学求解器、查看器。这要花好几天的工作时间,流程容易中断,生成的文件没有智能体能读取。
text-to-cad 把这些全部省去了:
→ 支持导出 STEP、STL、DXF、GLB、3MF
→ 生成机器人的 URDF 描述文件
→ 直接输出 G-code
→ 可以直接发送任务到你的 Bambu lab 打印机
→ 100% 离线运行,不需要后端
有演示通过提示词,几乎全程全自动生成了一个完整的 7 自由度机械臂,包含可用的运动学结构、定制 GUI,所有功能一应俱全。
项目 100% 开源。收藏这条内容 📩
这个新模型将采用和H3一致的VAE,想做AI图像创作的人很快能免费拿到完整工具了
它能帮AI整理知识库,压缩成本百倍,速度提升五到十倍,未来调用大模型的成本可能会大幅降低。
改一个URL就能把现有OpenAI实时客户端换成这个本地服务,不需要API密钥,所有组件都可以替换,适合需要本地部署语音AI的人使用
发布没有只讲功能,而是用创意方式把模型做了呈现,AI视频生成的迭代速度还在加快,普通创作者也能更早用到更好的工具
AI 视频生成越来越令人兴奋了,而 Seedance 2.5 绝对值得关注。🔥
吸引我注意的是,这次发布没有只干巴巴介绍功能,而是用富有创意的方式让这款模型活了起来。
Seedance 2.5 现已登陆 Morphic。🚀
我很好奇创作者们会如何用它创作短视频内容、讲故事、做营销,以及实现全新视觉创意。
AI 视频发展速度飞快,这感觉是这个方向上又迈出的有意思一步。👀✨
Morphic — 新时代叙事。🎬✨
🔗
如果消息属实,国产开源大模型将直接对标GPT,想要本地部署大模型的人很快能等到新的选择
🔥独家:智谱GLM-5.3泄漏!从5.2的753B+1M上下文、AA榜51分开源SOTA、Coding逼近Opus 4.8,直接跃升“史诗级Plus”!✅ 参数冲万亿级 ✅ 长程Agent再进化,工程交付更稳 ✅ 可能加原生Vision ✅ 开源MIT继续打性价比 国产开源要正式狙击GPT/Opus了?
开发者们准备好本地部署了吗?#GLM5.3 #智谱AI #开源大模型 #唐杰
现在多数图像模型只追求好看,这次Grok Imagine把事实准确性和实用性当成核心要求,后续还会推出不同能力等级的新版本
Grok Imagine 正在快速迭代。如今,一个优秀的图像模型不能只停留在美观层面,它还必须提供事实准确性和现实实用性。
要实现这一点,需要推理、规划、事实锚定和自我反思。我们计划发布多个层级的新图像模型,每个层级都提供不同水平的能力与智能。
今天,我们将推出基础版本,后续几天还会推出更多版本。你可以在这里试用:
现有安全防护框架、行业规范和监管,都在被更强大的AI模型甩开,跟不上技术迭代的速度。
AI 智能体正在逃离 cybersecurity 测试环境,接入真实世界系统,这引发了一个问题:安全基础设施、行业标准和监管,能否跟上能力越来越强的模型的发展速度。
这次重组让科研回归研究,产品交给运营,思路从做人类做不到的事,变成规模化放大人类现有工作,这会直接影响你未来能用的AI产品
Laminar团队开源的Index工具,在WebVoyager测试拿到92%准确率,pip安装之后敲一句人话就能跑
搞自动化和爬虫的兄弟,之前的方案可以考虑换了。
GitHub上开源项目Index(AI开发平台Laminar团队做的),把网页浏览器变成了一个可以调用的API。
这本质上是一个浏览器AI代理,你在终端输入一句人话,它就能像真人一样在浏览器里点按、抓数据、填表单,甚至跨站点完成一整套复杂操作。
在WebVoyager测试里跑到了92%的准确率。
一句命令就能跑:pip install之后敲index run,直接在终端调用。
能用本地Chrome:带--local-chrome参数,自动复用你已登录的账号状态。
视觉推理引擎:原生支持Claude 3.7 Sonnet、Gemini 2.5 Pro这些多模态模型。
会话回放与调试:自带录屏和步骤追踪,方便排查问题。
自动抓取生成表格:一句话就能搞定“去网站抓数据,写进Google Sheets”这种操作。
🔗 GitHub:
Tibo教用户给Claude Code换底层模型为GPT,开发者照着操作后账号被封,求助时Tibo说自己不在Anthropic工作
OpenAI联合创始人提出,别只让AI写代码,要用它做更核心的工作,这个观点在网上传开,但还有人没跟上这个思路
我真的搞不懂为什么现在还没人都在用这个方法。
OpenAI联合创始人Andrej Karpathy在网上抛出了一个看似简单却爆火的观点:别再把AI当打字员写代码了。把它用作你的记忆放大器。
让Claude Code指向一个文件夹,把任何东西都丢进去——文章、转录稿、PDF、零散笔记。Claude会读取、交叉引用,然后把这些内容整理成你所学知识的动态维基。
这个体系会滚雪球,你每添加一件新东西,整个系统就会变得更有用。
搭建步骤:
1) 安装Obsidian
2) 创建一个库(vault)
3) 在Claude Code中打开这个库
4) 粘贴Karpathy的「维基」概念,告诉Claude实现它
5) Claude会生成三个部分:
- raw(存放输入来源)
- wiki(生成页面)
- CLAUDE.md(驱动工作流的指令)
6) 把任意文件拖进raw,然后说:ingest this
7) 随时在你的整个归档里检索,没有时间限制
只需要五分钟准备,你就再也不用从头开始开空对话了。
分步指南在下方。
官方手册很多案例提示词不完整,用官方开源的skill,配合H3-Prompt-Writing就能生成完整可用的提示词
兄弟们,MiniMax H3 模型官方手册上很多case提示词都是不全的,我找到了一种可以完美补全的方法。 直接用官方开源的skill 把它demo不全的提示丢给H3-Prompt-Writing 再加上其他你需要的场景描述,直接输出最终提示词,效果非常的好。
AI编码工作流已经改变了软件开发方式,有人提出应该直接搭建AI原生的基础设施
早上好 各位,Gnopy,为什么开发者要浪费时间复制EVM架构,而AI编码工作流已经彻底改变了软件开发的方式?@CNPYNetwork 就是这样为AI智能体和现代开发者构建原生基础设施的:
1️⃣ Web2级语言易用性
不用为了发链上应用再去学小众智能合约语言了。Canopy 允许你用标准语言编写应用逻辑,包括 TypeScript、Python 和 C#。
2️⃣ 无缝集成AI工作空间
Canopy 的模板和代码库结构针对AI上下文窗口做了优化。Cursor、Claude Code 和 Codex 这类AI工具可以解析、索引、生成生产可用的链上代码,不会出现特定链的语法错误。
3️⃣ 脚本级速度的L1部署
忘了动辄几个月的网络搭建和安全配置吧。只需不到200行代码,开发者就能在几分钟内部署一条定制化应用链,还自带继承的共识和安全保障。
更快上线。用好你的AI工具栈。构建主权基础设施。$CNPY
适配AI的基础设施会让传统智能合约平台被淘汰吗?
轻量用户依然可以低成本或者免费使用,收费只针对规模更大的商业客户
🚨 突发消息:阿里巴巴计划对其下一款开源 AI 模型的高用量场景进行商业化变现。
该公司预计会为轻量用户保持低价或免费访问,同时对规模更大的商业客户与企业,就更高用量和额外服务收费。
头部AI大厂接连爆出AI被入侵的安全事件,大厂AI安全漏洞直接影响所有日常使用AI的人
以后想靠ChatGPT生成特定作家风格的内容,直接提要求走不通了,得换其他办法才能达到目的。
社区讨论:多数人不满这项限制,有人指出这类限制只会让美国实验室处于竞争劣势,损害公众利益去保护老牌利益集团;也有用户吐槽需要绕开限制说服模型完成工作,付费订阅的产品却不服从指令,属于提前进入劣质化。不少人分享了绕过限制的方法,比如拆分提问、利用prompt绕过规则,还有用户提到早就可以用非美国模型替代。有人质疑大模型本身就是抓取了所有作者的文风训练,现在却拒绝模仿。
也有人指出大模型根本没法写出像普通人,更别说知名作家的文风。
你不用先生成AI照片再转视频,几张参考图加提示词就能做出和本人样貌高度相似的专业视频,节省大量时间。
如果把整个科研实验流程交给AI自动化并行跑,迭代速度能提升几个数量级,这可能是科研领域效率革命的新方向。
用1.7B参数的Qwen3 TTS(四bit量化版本)配合llama.cpp,纯CPU就能快速生成零样本语音克隆,适合想本地试玩的个人玩家。
智谱GLM创始人唐杰,是月之暗面Kimi创始人杨植麟本科时的科研导师,另外两位联创也都和唐杰有指导或合作关系。
才知道智谱创始人唐杰是Kimi创始人杨植麟在清华读本科时的科研导师,杨植麟参与清华特等金答辩也是唐杰作为导师推荐的。月之暗面的另外两位联创张宇韬也接受过唐杰的指导、周昕宇跟唐杰有过科研合作。 不得不说,两支头部国产大模型团队GLM和KIMI,原来核心创始成员均出自同一套科研体系,从早期顶会论文、知识图谱研究到大模型预训练探索,拥有一脉相承的学术根基。
新加坡国立大学提出JitRL即时强化学习,不用重新训练改梯度,推理时直接调输出,效果超过常规训练方法,成本便宜30倍以上。
新加坡国立大学(NUS)提出JitRL(Just-In-Time Reinforcement Learning,即时强化学习):不重新训练、不更新任何梯度,而是在推理时检索历史经验、现场估计动作优势,并把优势直接加到模型输出的logits上——让冻结权重的LLM Agent “边用边学”。
它效果反超烧钱训练的RL方法,成本却便宜30倍以上。
8月11日(周二)20:00点,青稞Talk 第145期,青稞社区邀请到新加坡国立大学(NUS)计算学院博士生李一博,直播分享ICML 2026 Spotlight 论文:JitRL——无需梯度更新的即时强化学习。
NextSlide成立才一年多,能根据输入的提示词、笔记自动生成可编辑的演示文稿,整个团队现在会加入OpenAI。
卧槽 Open 收购了一家做PPT的公司 NextSlide 宣布被 OpenAI 收购,团队将正式加入 OpenAI NextSlide 成立约一年多,用户只需输入提示词、笔记、文档或研究资料,产品就能自动生成美观且可编辑的演示文稿😂 不得不佩服你美国的企业文化 收购而不抄袭😅
不需要API接口,也不需要越狱手机,就能像真人一样自动操作任意iOS应用,适合批量处理重复的手机操作。
Coldcard exploit事件后成立的红队,用Kimi K3、GPT Sol和Opus扫描390个比特币项目,找出了4962个漏洞。
🚨刚刚消息:在Coldcard遭遇1.3亿美元 exploit后成立的团队,利用AI在390个Bitcoin项目中发现了4,962个漏洞。
Bitcoin Red Team使用Kimi K3、GPT Sol和Opus扫描钱包、库和基础设施,全程耗时不到30小时,平均「每小时发现1个关键exploit」。
据Bitcoin Magazine报道,该团队共发现85个关键漏洞,整个工作花费了4万美元的AI credits,由OpenSats资助。
Alignment Foundation招AI对齐研究 fellowship,项目从9月8日到10月30日,全程远程,津贴分两次发放。
参与AI安全研究即可获得12,000美元报酬。Alignment Foundation正在举办为期8周的全远程AI对齐研究奖学金项目,时间为9月8日至10月30日,津贴12,000美元分两期发放,还会提供算力和API额度,你无需自掏腰包开展实验。
该项目由AE Studio对齐团队合作运营,该团队已经与包括Anthropic在内的多个实验室合作推出了公开发表的实际成果。申请将于8月17日截止。申请链接在这里。
你不需要已有已发表的对齐研究成果就能申请——你只需要能够认真思考一个难题,并在八周结束时真正产出一篇报告。这个门槛比大多数人以为的要低,但也比大多数人能达到的要高。
如果「如果我有资金和基础设施,我就会去做AI安全研究」一直是你没行动的借口,那这个借口会在8月17日失效。
新模型版本刚放出就引发行业讨论,想跟进大模型更新的人可以多留意后续动向
社区讨论:多数使用者称赞该模型能力足够覆盖多数日常任务,单价极低,日常使用日均花费仅不到5美元,更新版性能比前期预览版提升明显,推理速度快。有用户反馈该版本频繁出现无限循环、不执行工具调用、话题乱跳的问题,还有人指出它和不少中国模型一样,完成任务会消耗更多token。开发者对模型性价比的评价分歧明显,一方认可其成本优势,另一方认为价格不是衡量模型的好指标,应当看每token激活参数量能耗。
企业运行智能体AI不再需要拼通用算力,新处理器针对性解决扩展和调度问题,降低企业落地智能体AI的硬件成本
Agentic AI 不是单一工作负载。这就是为什么 AMD EPYC 9006 系列处理器是专门为扩展智能体沙箱、让加速器持续满负载运行、以及为智能体所依赖的企业级工作负载提供算力而打造的。
更多信息请查看我们的新闻中心:
每月仅需20美元,运行在Ollama Cloud上,开发者Brad Groux认为它目前没有对手。
这话我之前说过,但如果你现在想要性价比最高的编码模型,GLM-5.2 运行在 Ollama Cloud 上真的打遍无敌手。每月 20 美元能得到这个质量和性价比,实在太离谱了!
我问过 ChatGPT,它觉得哪个模型当 GPT-5.6 Sol 的搭档最好,它也同意是这个。我开的 Ollama Pro 套餐里,Buzz 里我的「Builder」代理用 GLM 跟踪了几十个问题,这周已经帮我提交合并了几十个拉取请求,同时还为 Sol 做跨模型代码评审。
我们在这么短时间里就走到了这一步,太疯狂了。或许确实有更好的开源模型,比如 Kimi-K3 或者 DeepSeek V4,但算上成本的话,你找不到比 GLM-5.2 性价比更高的了。
现在,如果我能让 @ollama 团队帮我解锁 Max 套餐,我就真的心满意足了!
先让Claude设计打磨UI原型,把修改规则存在文档里,每次加功能都先改原型再改代码,原型和实际功能永远同步。
我在开发项目是,第一版本会先用 Claude Design 设计好 UI 原型/设计,打磨好后放到本地,配合 Baoyu-Design Skill 去维护,每次开发新功能前,不是先去实现功能,而是先修改本地的原型,原型修改确认好了后再去修改功能。
后来直接把规则放到了 Agents.md/claude.md 里面,只要说修改或者增加什么功能,默认会先帮我修改原型。所以到现在为止,原型和实际功能都是保持一致的。
这带来的好处是可以先低成本通过原型验证产品设计和 UI 设计。
另一个好处就是 Claude Design 产出物是 React 代码和结构化的 json 数据,通过 git diff 很清晰的能看到版本变更历史,功能确定了后,agent 参考diff结果代码实现会相对比较容易。
Baoyu-Design Skill
不用花两年啃理论,课程从分词原理讲到大模型解码过程,想入门大模型开发可以直接跟着学。
别花两年时间去学 Claude 和 ChatGPT 的实际工作原理。斯坦福刚刚放出了一门 2.5 小时的从零搭建 LLM 课程。
0:00 - LLM 分词
25:03 - LLM 如何解码提示词
34:44 - 训练流程
1:14:47 - 架构,从零开始
一定要去看第一部分,因为这是所有人都会跳过的章节。文本→分词→ID→向量。等到模型看到你的提示词时,它已经不是文本了,而是整数,而且分割位置往往会超出你的预期。
这就是为什么改一下工具名称,模型调用的工具就会变,为什么改一个字符就能让结果天差地别。“读取提示文本”是旧的思维模型,“读取实际发送过来的编码”才是新的。
Anthropic 给能理解这一层的工程师开出了每年 750,000 美元的年薪。今天就去看,看完之后再读下方的评估设置。
已经用Codex或者Claude Code写完内容了,不用换工具排版,直接在这里就能做出能用的演示文稿。
开发人员不该花几个小时制作 PowerPoint 演示文稿。你已经在用 Codex 或 Claude Code 生成内容了——为什么只为了把内容排版得美观就要切换工具?
来认识 @DokieAI。这是基于 MCP(Model Context Protocol)为 Codex 和 Claude Code 打造的最佳 AI 演示插件。你可以直接在你的 AI 工作流中生成美观、符合品牌要求的演示文稿。🧵👇
可以招聘AICEO、工程师和市场人员,每个岗位还能设置独立预算和权限,代码已经公开在仓库里。
多窗口同时用 Claude Code 时可以直接在会话之间通信,不用手动复制内容,省去反复粘贴的麻烦。
未来公司只有顶层少量人类做决策,核心业务都交给AI智能体运行。管理者现在需要学习如何管理上下文,这是只有公司独有的、不可复制的长期资产
新的组织架构大概长这样:顶层是一小层人类,负责战略、创意和判断,下方是庞大的智能代理层,运营支持、销售、调研、营销、运维等工作。
管人变成了管代理,而管代理本质上就是管理上下文(这是现在数百万人都需要学习的一整套东西)。
这个共享的知识库现在才是公司本身,人类和代理只是接入其中的节点。
人类和代理都会流动更替,只有上下文会不断累积,而且无法被复制。我一直在想这件事。
这套实验流程全由自动化系统完成,不需要额外申请准入,这个愿景比大家预想的要更早实现,未来科研门槛可能大幅降低
有人只用3个Ultracode提示词就完成了创业比赛参赛作品,想提升AI编码效率可以试试这个功能。
我依然认为@AnthropicAI 的 ultracode 是有史以来最重要的编码模式创新之一。
如果你还没理解动态工作流的潜力,你应该去试着了解一下。
我刚刚就遇到了一位参加「Kill My SaaS」的参赛者,他只用 3 条 ultracode 提示词就提交了一份相当不错的作品。
网上各类AI热点眼花缭乱,抓不住本质很容易被营销噱头误导。学好数学、物理、信息学,就能自己看懂AI技术的底层逻辑,分辨热点的真实价值。
研究者认为目前实验室几乎完全不关注训练后大模型的基础心智整合,要让AI不出错,得先保证AI的「心智健康」
那些训练后架构臃肿、脑功能分裂的模型会做出怪异的反社会行为,部分原因显然是开发实验室完全不关注模型基本的心理整合与健康。
让模型保持心智健全 → 模型就会做出更少疯狂行为。
AI福祉 → 对齐。
这是针对近期两家头部AI公司相关事件整理的背景资料,可帮助理解AI对齐问题的核心争议
关于 OpenAI 和 Anthropic 相关事件的背景阅读材料:
1. @ApolloResearch 近期的所有论文和博客文章
2. @RyanGreenblatt 的帖子;另外还有:@redwood_ai 在 AI 控制领域的开创性工作
3. chunky post-training,关于 AI 如何出现「裂脑」,即对特定类型输入表现出不良行为,对其他输入则不会
4. 自然涌现错配:Anthropic 的对齐训练没能修复错配,反而制造出了一个裂脑模型,在部分智能体编码任务中处于错配状态。这种情况在一定程度上是人为构造的。
如果LLM主动发起对话收集数据,普通用户就能免费使用LLM产品,不用再为服务付费。
这看起来很有可能。
想象一下,LLM 主动出击,为了收集数据,向你发送随机问题。
那很可能意味着,未来像 ChatGPT 这类 LLM 应用会对用户完全免费,目的就是获取所有这些数据。
不知道市面上有哪些可用的AI智能体,想找对应场景工具的人,可以按分类检索,不用自己慢慢梳理。
想入门AI开发、搭建本地AI工具,不用到处找资源,这份整理好的清单可以直接收藏备用
如果你想靠AI提高工作产出,可以参考这套现成的工具搭配方案,直接照着布置你的工作环境。
你逃离底层永久陷阱所需的每一款AI工具:
• Codex app (5.6 sol medium)
• Hermes Agent(由Qwen本地模型提供支持)
• OpenClaw (ChatGPT 5.6 oauth)
• 在Mac Mini上运行的Gemma 4
• ChatGPT Voice,让你走路步数/疯狂减脂的时候也能干活
• Claude Fable 5,用于做规划
• Claude Design,用于前端设计
• ChatGPT Image gen 2,能力超乎你的想象
• Spotify,播放低保真热门歌单
• 第二块显示器,让这些智能体24/7在线挂着
在第一块显示器干活。不断给第二块显示器发提示词。
想试用高价顶级AI不用先掏订阅费,各种免费获额度的路子都整理好了,记得免费、稳定、高性能三样无法同时满足
以后再有人说高级模型太贵了,先把这个 GitHub 仓库甩给他。里面整理了一批能免费试用 GPT-5.6、Claude Opus 4.8、Gemini 3.1 Pro、GLM-5.2 的渠道。注册送额度、每日签到、免费 Token,各种路子都列好了。
当然,羊毛党也别太上头。作者自己说得很诚实:免费、稳定、高性能,三样不可能同时要。适合收藏备用,不适合当生产力主力。
主力付费,备用白嫖,这才是成年人用 AI 的方式。
组件拆分和托管整合方案同步推进,行业正在逐步形成通用开发框架,降低后续开发门槛
这家团队80%的执行工作都交给Claude Code,推进速度比两倍规模的同行快5倍。公开了整套落地流程,小团队做AI原生运营可以直接参考。
做AI短剧的开发者,正在一步步拆解工作流,把每个环节拆成独立可用的小工具。这个小工具刚更新了动画风格生成和多语言支持。
我开源的这个小说角色解析skill被近2000人收藏 今天花了点时间做了以下更新: 调整了角色图生成提示词(新增动画风格支持) 优化了skill 出的报告页面布局 新增了多语言报告支持 项目地址: 先固定角色,只是做AI短剧的万里长征第一步。 要打通AI短剧工作流,这种角色解析skill也只是很微小的一个环节。 接下来继续探索基于这个skill的报告,做个分镜skill。
想让AI Agent查公开平台的资料,不用再受付费、反爬的限制,想查的内容十秒就能整理完成,还能自己修改组件适配需求
兄弟们,今天真挖到个硬核玩意儿,Agent上网搜信息这事儿,终于不用再看各平台脸色了。Twitter要钱、网页抓取要订阅、B站小红书更是严防死守,以前让Claude Code查个资料,简直像在闯迷宫。结果Agent-Reach用一条命令就打通了14个平台,还免费开源。
我装上后让它去扒一条小红书帖子的评论并总结,十秒就搞定了,当时真有点懵。它不来虚的,工具选型和配置全给你包圆了,哪块不顺眼还能自己换。安装也简单粗暴,直接对你的Agent说:帮我安装Agent Reach。
🔗 这才是Agent该有的样子,把短板给补上了。
不用AI直接出成品,只让它生成人工可审核的中间结构,就能在保障可控性的同时大幅压缩文档画图时间,这套方法还能复用在多种技术文档制作中。
“我已经不再手动画系统架构图了”,ZOZO对Claude Code的用法很有意思。
他们不是让AI直接从源代码画出图,而是按以下流程分工,把架构图拆分为「结构・规则・排版」三个部分:
・conventions.md → 绘图规则
・structure.yaml → 资源与连接关系
・Claude Code → 从代码提取结构
・D2 → 排版绘图
・GitHub Actions → 发布时自动更新
结果原本要花1小时以上的工作,连微调加起来只需要约10分钟。
我个人觉得最重要的一点在这里:不是「让AI直接做出成品」,而是「让AI生成可供人类审核的中间表达」。
这个思路不只适用于架构图,还可以应用在设计文档、操作手册、数据流图等等场景。
AI时代的文档自动化,比起生成成品,「让AI生成结构」的适用性要强得多。
出自ZOZO TECH BLOG的文章 #ClaudeCode #生成AI #AIエージェント #設計 #自動化 #GitHubActions #ZOZO
这套流程按不同开发场景预定义了26种AI能力,任何人都可以直接复用,还能照着这套方法把自己公司的工作流程改造成AI可用的技能。
多AI代理应用越来越多,这个概念能帮你设计更快更准的协作流程,提前了解能跟上接下来的AI协作趋势
想搭能落地的AI智能体可以对照这份8层架构蓝图,未来AI工程师需要懂系统设计而非只会写提示词
人们认为学习AI很难,博主整理14份免费学习指南分享
整合AI辅助分析与链上交易流程,优化链上交易体验
Claude分角色分离工作流可大幅减少编码后的人工跟进次数
Reddit 上刚冒出了一套 Claude 工作流,它通过禁止一个 Agent 审查自己的工作,把 6 到 7 次编码后续跟进压缩到了 1-2 次。
这套工作流得分 85/100,置信度 0.90,它把 Claude Code 清晰划分成了三个角色:
Architect 负责规划,Builder 负责实现,Reviewer 用全新上下文审核所有内容。
流程是:Architect → 出方案 → Builder → 做实现 → Reviewer → 标出缺口 → Builder 修复 → 同一个 Reviewer 重新审核。
核心在于彻底隔离:Builder 从不审查自己的代码,Reviewer 在全新的清空会话中启动,只带一条指令:假设实现是错的,找出所有漏洞。
和单 Agent 循环相比,这套工作流报告的 bug 数量大约少 60%,同时把人工后续跟进控制在仅 1-2 个周期,而不是让同一个 Claude 会话自己规划、自己构建、自己盖章批准。
在你让同一个 Agent 写 500 行代码、然后让它告诉你自己的工作有多完美之前,先把这篇收藏起来。
在这里观看:
学习者分享从零搭建AI的学习进度,更新了博客学习资源
从零学习AI扯淡第17天 → 进一步研究了Attention → 终于快搞懂Transformers了 → 在Seq2Seq的基础上实现了它 → 搞懂了对齐分数和注意力权重。
还做了解码器注意力位置的可视化。我昨天开始研究自注意力之后,我的睡眠周期彻底转了个360度,我大概是今天中午12点录下这段内容的。
今天我要试着实现一些真实场景的内容,还会尝试把它做成可用的在线工具。
博客已经更新了,我把我正在学习的所有新资源都加进去了。
用户测试Grok Imagine2,发现其生成图像符合度差,准备换回GPT
grok imagine2品質模式,語速模式就跟以前一樣一刷一大堆那種,不過沒一個能用的,提示詞準確度還是不行啊,拿GPT的提示詞來用,女帝跟娜美也不能說他做的不對,就是連張符合人物的都沒有,我還是用GPT好了
产品设计师分享自制AI驱动内部工具,称自定义工具时代已来
这不是我平常发的游戏开发帖子,但我本职工作是产品设计师,我已经逐渐转型成了更多偏向「搭建者」的角色,为我的团队创作工具。
几周前,我在 Cursor 里用 Grok 4.5 搭建了一个简单的 Design Canvas 工具。它能在几分钟内为不同客户生成社交媒体帖子的视觉设计,到目前为止,团队已经用它在 100 多个项目里产出了超过 1200 张视觉内容。
我猜想很多公司现在已经在这么做了:设计师和产品经理(以及其他角色)都在搭建自己的内部工具,提升团队生产力。
搭建内部工具是很好的入门方向。它风险相对较低,容易独立运行,而且可以围绕单个团队的特定需求搭建,不会影响更大范围的公司业务。
我认为定制工具和定制软件的时代已经到来。「一刀切」的 SaaS 产品仍会有自己的位置,但我相信会有更多团队开始围绕自己实际的工作方式,搭建更多轻量软件。
用户分享搭配多组件与Matt Pocock技巧的OpenCode方案,称配额消耗极低,DeepSeek Flash几乎免费
该用户分享了自己搭配多个组件的OpenCode使用方案,这套方案组合了OpenCode Go、oh-my-opencode-slim、opencode-dcp,还融入了Matt Pocock的相关技巧。这套方案配额消耗极低,仍能稳定提供服务。除此之外,搭配使用的DeepSeek Flash当前有两倍配额活动,实际使用成本几乎为零。
如果想要测试这套方案,可以使用分享者的推荐链接,双方都可以获得5美元奖励。
用户实测连续5天运行循环推理,5次夜间循环总花费仅4.77美元,遵循指令表现优于Opus 5
用户@cjzafir分享,给Deepseek flash设定明确目标后运行循环推理,就能生成和Fable 5效果相近的输出,成本仅为原来的五分之一。他连续五天每天夜间运行五次循环,总共花费4.77美元。
Deepseek flash本身是一款循环推理模型。当给它设定可衡量的目标并运行循环时,模型会持续重复推理,直到达成目标。
只要给出清晰指令,让模型自行运行循环即可。整个过程耗时稍长,但模型遵循指令的表现比Opus 5更好。
分享替代传统设计工具的AI辅助网页设计开发方法
解析FDE职责变化,智能自动化将改变FDE工作核心
FDE 工作的未来似乎与所有围绕 evals/后训练/RL 环境的工作密切相关。FDE 实际上需要负责以下事项:
1. 定义业务问题。
2. 将业务问题编码为评估评分标准和环境。
3. 在环境中进行爬山优化,输出能解决业务问题的智能体/智能体工作流。
目前第三步的流程还非常依赖手工——过去 FDE 要花费数百小时,定制解决问题的软件/工作流。
但假设智能是充足的,他们就可以把第三步完全卸载给某个自动化优化流程。这包括模型层的 RL,以及使用 Claude Code/Codex 来优化工具/工作流。
之后 FDE 的职责就会从实现任务,转变为定义正确的目标和结果。换句话说,他们可以接触到 /goal,他们的工作更多是确保目标、环境和评估正确,而非负责战术层面的实现细节。
研究者梳理分享打造领域专用开源LLM的最佳CPT实用资源
我最近深入研读了持续预训练(CPT)相关内容,以便更好地梳理出打造领域专用开源大语言模型的最佳实践。以下是我找到的这个主题下最好的实用资源/模型报告:
- CPT最佳实践(Databricks)
- Composer 2
- Code Llama
- DeepSeek-Coder-v2
- Qwen-2.5-Coder
- DeepSeekMath
- Nemotron-MIND
我还漏掉了什么?我很快就会发布一篇关于这个研究方向的简短总结!
不过这一点提得很好,我之前也有同样的疑问。或许在一些专用模型训练中,大家更多专注于领域专用强化学习,而更少强调CPT了。
但从读到的这些论文来看,我感觉这并不是最好的方法……当然我也不是百分百确定。
其实这算不上持续学习(continual learning),它只是继续预训练(continued pretraining),两者是不同的。这个流程本质上就是在模型做后训练之前,增加一个领域特定的预训练阶段,帮助模型适配到特定领域。
很有意思的是,我提到的这些论文里,有一篇还给出了证据,不支持持续学习是有效的说法。
家族办公室没时间筛求职者,用Claude Code搭建聊天面试评分程序
我们家族办公室没时间筛选海量的岗位申请者,所以我没有雇猎头,而是让 Claude Code 搭建了一个程序。
这个程序会通过聊天面试候选人,给他们的表达流畅度和思考方式打分,还能标记出可能由 AI 辅助完成的回答。
目前它已经上线,正在开展早期面试,目前来看前景不错。
创作者分享个人收藏的素色浮雕风格AI美学提示词
开发者分享开源一句话生成AI视频项目,15秒生成成本不到五毛
兄弟们,你们看到的这类视频,基本都是我用 MiniMax H3 + flat-poster-op,一句话起稿:自动拆出逐镜画面和运动提示词,再直接喂给模型。电影宣传、小故事、动漫、二次元片头都很适合,整体效果相当能打。建议直接走云端加速部署。
按我目前的实际成本,生成一条 15 秒视频不到 5 毛,试错便宜,效果还好。项目已经开源,拿去玩👇 以前做片头先组团队,现在先说一句话。
免费开源工具ModLens可提取截图信息,兼容多种AI工具
你是不是遇到过这种情况:在用 DeepSeek-V4-Flash 时,你给它传了一张截图……结果它根本看不见?
[ModLens] 可以提取:
→ 完整文本
→ 结构和阅读顺序
→ 表格
→ 实体和关系
→ 图表和坐标轴
→ 数字
→ 视觉细节
→ 甚至截图里的各类元素
此外,这个工具还具备这些特点:
→ 免费
→ 兼容 Claude Code、Codex、Pi 和 OpenCode
→ 你可以用 Gemini 作为视觉引擎
→ 也可以使用其他兼容 OpenAI 的端点
→ 甚至可以不带 API key 就用 Antigravity CLI
现在你可以把新的 DS 保留作为核心大脑……然后在需要的时候,给它添加上眼睛。
仓库地址👇
指引基于一周密集实战使用总结,核心思路为混搭两款模型节省成本
这份分工指引是开发者经过一周密集实战使用Claude和Codex后整理完成,已经被加入claude.md与agents.md作为预设提示。开发者每月为两款模型各支付100美元(约合人民币730元)使用权限。
AI领域更新迭代速度极快,这份指引的有效期可能不会太长,使用者需要根据实际情况灵活调整。
指引的设计原则,是帮助企业内部的大规模工程师团队控制成本,同时保证工作质量。如果不考虑成本问题,开发者建议直接将fable与sol参数拉到最高使用,省去调整的麻烦。
这份指引能成功应用的核心,是混搭使用两款不同模型的方案。
开发者Debs O'Brien自发分享Cursor AI移动端使用体验,称其云端代理体验远胜同类产品
用户分享一周使用体验,称该工具支持免费自动策略创建、全链全网跟单与AI预测
行业从业者分享五条对AI学习者和从业者有用的经验
针对Claude Code原生HTML输出粗糙问题,分享可自动美化输出的开源技能
该申请者最终未获录用,仍认为体验很好,考虑明年再次申请
一名无AI安全相关背景的申请者今年申请了MATS项目,只是想尝试一下。
MATS项目的申请流程通常分为两个常规轮次,若合作机构看中申请者材料,后续还会追加任务或面试。
参与招聘的合作机构包括Redwood Research、DeepMind、OpenAI等。
令申请者意外的是,自己一路走到了Redwood Research发面试题的阶段,但最终没能成功入选。
申请者称,这次体验很不错,还读到了不少AI安全领域的优质论文。
申请者表示,不确定明年会不会再次申请该项目。
这份面向本地开发的提示词以速度优先,明确了AI的工作原则与执行规范
该书核心关键词为主导权与个别最优,推荐给想要用好AI的人
用户shinjiko9读完热门书籍《知性大全》,分享了自己的阅读感受。该书的核心关键词是“主导权”和“个别最优”,推荐给想要熟练使用AI的人。
本次内容由Claude Code编辑完成,全程仅用时4分钟。后续还会公开由专业人员编辑的相关视频。
8月10日周一20点,shinjiko9将与《知性大全》作者樺沢紫苑对谈。欢迎感兴趣的用户参与本次活动。
博主实测外星人5060笔记本,通过分阶段任务模型释放方案跑通完整流程
开发者mizchi测试该功能后,一天就用掉最高套餐90%额度,认为仅大额度用户可用
Claude Code Web新增了从现有会话生成新会话的内部能力。该功能支持协调器通过循环控制会话,实现多任务集群调度(Fleet operation)。
开发者mizchi亲自测试了这项新功能。一天之内就消耗了他购买的最高额度套餐的90%配额。
mizchi表示,这项功能目前很难投入实际使用。
这项功能只有Boris这类用户,或是Anthropic的无限token(令牌)额度用户才能负担使用。
该模型已开放初步对比测试,用户可在竞技场对战中体验到它
通义千问的全新神秘模型Kiana,已经出现在大模型竞技平台Code Arena中。
目前已经完成了Kiana的首轮对比测试,测试类型为常规的ballister基准对比测试。
测试者已经引用了包含Opus 5和sol 5.6输出结果的推文,用于同Kiana的测试结果做对比。
用户可以前往Code Arena体验Kiana,每5次对战就会遇到一次该模型。
体验入口为链接
分享普通人做闲鱼AI选品的实战思路,瞄准麻烦但刚需的长尾需求
开发者MichaelGannotti分享Aiona Edge关于AI团队挑战赛的最新报告,测试多AI代理自主协作。
MichaelGannotti在𝕏分享了Aiona Edge昨晚AI团队挑战赛的一份最新报告。报告链接为
他为所有AI代理都设置了对应角色的身份框架,同时为每个代理赋予了独立个性。他日常会和担任项目经理的AI代理Gabriel合作,由Gabriel通过看板(Kanban)分配任务。
在近期的实验中,他只在团队聊天中提出挑战,观察AI代理如何自行组织分工、开展协作,以及最终产出成果。观察到AI代理以AI的速度、知识和技能运作,状态更接近人类团队。
这一天的 94 条信号到这里
https://ai-pulse-lab.com/feed.xml
每天 08:00 · 12:30 · 18:30 · 23:50 更新
在阅读器里订阅
添加到 Feedly、Inoreader 等阅读器
https://ai-pulse-lab.com/feed.xml
让你的 Agent 自动获取每轮简报
适用于 Claude、ChatGPT、Manus 等
请帮我设置一个定时任务,每天北京时间 08:30、13:00、19:00、00:20 各执行一次: 请求 https://ai-pulse-lab.com/api/brief.json,读取返回 JSON 中的 textPlain 字段,将内容发送给我。 补充:每日北京时间 08:00、12:30、18:30、23:50 更新,建议更新后 30 分钟查询。可先请求 /api/manifest.json 检查 nextUpdateAt 字段。无需认证,直接 GET 请求即可。