avatar
十里
1个月前
🌟Prism 0.1.2 版本更新：新增 MiniMax 模板。 macOS 菜单栏一键切换 Claude Code API 服务商，新增服务商超简单的，只需粘贴必要的 API KEY（其余配置项模板搞定）。
AI编程工具激战：Claude Code、Gemini Cli崛起· 1256 条信息
#Prism 0.1.2 #MiniMax 模板 #macOS 菜单栏 #Claude Code API #API Key
avatar
Oasis Feng
1个月前
GPT-5 似乎也意识到了这个课题的重要性，严肃地思考了 5 分多钟，然后给出了肯定的回答。这让我信心大增，立刻着手开始模型的调整。 过程中，我不断反思自己为什么就没能想到这个如此简洁的思路。Cost 构造函数中对 amount 必须位正的人为设限，反而给 Gemini 以挑战的灵感，终成我的「希帕索斯」。\
AI高考数学测试：O3意外落后，Gemini夺冠引发热议· 67 条信息
#GPT-5 #模型调整 #灵感 #Gemini #希帕索斯
avatar
Oasis Feng
1个月前
最近实在太开心了！ 在一次不经意的泛泛交流中，Gemini 2.5 Pro 提出了一些天马行空的想法。当我读到其中一条时，心里猛然一惊，「莫非这就是我苦苦研究了好几年信息做空机制，都未曾找到答案的正确方向？！」 虽然 Gemini 设想的是债务，但我立刻联想到了「做空」。我知道这时候该请出 GPT-5 了。\
OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 869 条信息
#Gemini 2.5 Pro #GPT-5 #信息做空机制 #债务 #积极
avatar
Geek
1个月前
这又是啥黑科技，专为大模型设计的紧凑型数据格式，能够以一半的 Token 成本实现与 JSON 相同的数据传输效果。 在 3 个主流 LLM 的检索准确性测试中，TOON 表现:​ GPT-5-nano: 99.4% 准确率 Claude-Haiku-4.5: 75.5% 准确率 Gemini-2.5-Flash: 84.9% 准确率​
OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 869 条信息
#大模型 #数据格式 #TOON #LLM检索准确性 #GPT-5-nano
avatar
Baye
1个月前
Claude Code 好像又偷降成本了，使用 Sonnet 4.5 后，它会混合使用大量的 Haiku 4.5。有办法强制它只使用 Sonnet 4.5 吗？我的 Max 订阅使用 Sonnet 都根本用不完，别用 Haiku 来充数啊。
AI编程工具激战：Claude Code、Gemini Cli崛起· 1256 条信息
#Claude Code #Sonnet 4.5 #Haiku 4.5 #降成本 #用户抱怨
avatar
铁锤人
1个月前
ChatGPT 的原理，没有你想象得复杂😂 看完你就有种悟了的感觉
OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 869 条信息
#ChatGPT #原理 #技术 #科普 #易懂
avatar
九原客
1个月前
画了一个简单的专利写作智能体的架构，供参考。用Claude Code 等实现也很简单，就用 Agent-SubAgent，写提示词，提示词可以让 Claude 帮你写。
Claude Skills系统发布引发AI行业新变革· 66 条信息
#专利写作 #智能体 #Claude Code #Agent-SubAgent #提示词
avatar
向阳乔木
1个月前
a16z对AI视频生成模型发展趋势的观点，非常认同。 1. 审美更重要 回望绘画史，17—18世纪静物与肖像画，“逼真度”上登峰造极，评判指标从“像不像”转为“好不好看”。 当写实达到极致，人类开始争论的是审美与风格。 2. 没有任何一个视频AI模型能在全维度做到SOTA。 Veo 3强在物理一致性、复杂运动与音画同步 Sora 2强在“自动导演”，从短提示词生出脚本、多镜头、甚至“可社交传播的梗”。 阿里的Wan，开源视频模型， LoRA 风格与运动生态强，生成特定审美或特效。 Grok，偏动漫与动画的便宜快速生成。 字节的Seedance Pro，擅长单次生成多镜头场景。 Hedra，角色长段落对话生成很稳定。 3. 端到端产品才是是真正杠杆，非模型能力 现在AI视频创作，要在多个模型与编辑器中切换。 比如一次家具布景，需要在 Ideogram（文生图与字体/视觉设计）、nano-banana（风格与局部编辑）、Veo 3（视频生成）之间转换. 为一个现有视频添加产品周边。 又要在 nano-banana、Hedra 与 Krea、Kapwing（编辑套件）中切换。 拼端到端体验的时代 Fal 与 Replicate 提供视频AI云托管，Krea 以编辑形态把不同模型纳入同一工作流。 Runway 推出可编辑机位、续帧生成、跨段风格迁移、天气与物体的增删。 Sora Storyboard让人用分镜式的方式精确指定动作序列。 Veo 3.1的更新几乎全部围绕音视频的可控性，而非底层模型性能的提升。 4. 垂直市场深挖 通用模型能力进步慢时，垂直场景机会大幅上升。 比如，谁能成为“家居布景的首选引擎”？ 谁能在“营销短片的角色一致性”与“镜头衔接”上做出稳定工业流程？ 谁又能把“便宜快速生成动漫风格”变成设计团队的日常生产力？ 做到从提示工程、角色持续性、镜头管理、音画控制。 实现跨模型编排与一次性交付。 那才是真正的产品护城河。 成为“编排优势模型” 在视频AI中，性能只是底座，编排才是引擎。 5. 编排优势模型的三层结构 第一层是“能力供给”：不同模型在不同维度具有最优子解（物理、运动、角色、长段落、动漫、速度/成本）。 第二层是“流程复用”：为具体任务建立稳定的链路，把能力从“可用”变为“可复用”，再到“可规模化复用” 例如以分镜为骨架，以角色嵌入为约束，以镜头衔接为节拍，以音画控制为边界。 第三层是“产品封装”：把复杂的编排隐藏在一体化的产品体验之下， 让用户轻松实现一个场景、一段剧情、一种风格。 而不是让用户折腾一个模型、一段提示、一次风格迁移。 竞争力的真正来源不再是“谁的模型更强一点”。 而是“谁的系统更合用、谁的交付更确定”。 不在于证明自己“更强”，而在于让他人“更容易变强”。
AI视频井喷：Midjourney领跑，多模态混战· 337 条信息
#AI视频生成 #a16z观点 #端到端产品 #编排优势模型 #垂直市场
avatar
向阳乔木
1个月前
a16z一篇文章总结的各个视频模型优势
AI视频井喷：Midjourney领跑，多模态混战· 337 条信息
#a16z #视频模型 #优势总结
avatar
Colin Wu
1个月前
最近的写推模式，基本是我想到一个事情、感触或者疑问，然后和 GPT 讨论一些回合，不断提问、质疑、反驳、论证，最后从几万字的内容中筛选、删改出个几百字，挑出觉得有价值的信息，自己进行结构化排序。 这种 AI 协作写作的模式正在改变我们的书写形式。风格过于平滑理性，不够个性化。但效率极高。
OpenAI GPT-5发布引发用户不满，阿尔特曼回应质疑· 158 条信息
#AI协作写作 #写作模式改变 #效率提升 #个性化不足 #GPT讨论
avatar
howie.serious
1个月前
把全部人类知识压缩进一个有限模型中，即使模型再大，也注定遗失大量、有用的知识和技能。而最新的agent skill功能，可能就是解决方案。 这篇文章有两个内容： 1️⃣ 上周直播的笔记； 2️⃣ 本周四直播预告 ，点击链接预约～
Claude Skills系统发布引发AI行业新变革· 66 条信息
#知识压缩 #Agent Skill #直播预告
avatar
感觉这会成为以后训练专用模型的标准套路，特别是那些对成本敏感但又想要性能的场景。就像Canva之于设计，HeyGen之于视频，在线策略蒸馏可能会成为AI模型定制的标配工具。
AI视频井喷：Midjourney领跑，多模态混战· 337 条信息
#模型训练 #在线策略蒸馏 #AI模型定制 #Canva #HeyGen
avatar
Michael Anti
1个月前
Deepseek OCR终于上硅基流动了，还没上Openrouter。我试一试爽一爽。
深度学习模型升级引发AI能力大跃进，行业迎新变革· 143 条信息
#DeepSeek OCR #硅基流动 #Openrouter #技术测评 #期待
avatar
JJ
1个月前
5bZvQWq86Ug54VAaNpxxebzR9cAHCLgo9AMVHnuANdev 402x payai支付火了之后 Agent是基建 agent是机会 赌一下47k
虚拟货币交易狂潮：BTC与ETH短线盈利引发热议· 665 条信息
#payai支付 #Agent基建 #Agent机会 #47k #赌博
avatar
赵纯想
1个月前
InsForge解决了VibeCoding从创意到产品上线的最后一公里的问题。也就是对新人来说最难的部分：后端。后端像一座大山，吃架构，吃经验，吃逻辑。InsForge托管了几乎后端的一切，让你可以用自然语言的方式来提需求。速速操作起来，让你的产品真正可登录、可使用、接受市场的检验。详情见我上一条视频。
独立创业者如何突破零收入困境，迈向月入1000元· 307 条信息
#InsForge #VibeCoding #后端 #自然语言 #产品上线
avatar
宝玉
1个月前
Every 的一篇博文，记录了他们内部 6 位工程师日常是怎么使用 AI 的，可以学习借鉴一下。这 6 个人都很厉害，撑起了 4 款 AI 产品、一个咨询业务，还有一个 10 万多读者的订阅每日更新。 第 1 位 —— 走在实验前沿：Yash Poojary, Sparkle 总经理 Yash 是 Sparkle 产品的负责人，他同时开两台电脑，一台跑 Claude Code，一台跑 Codex，然后给它们下达同一个任务，看它俩谁干得又快又好。 Yash 说，在五个月前，他得先把设计图（Figma）截图，再粘贴到 Claude 里，让它“看图写代码”。现在用上了 Figma MCP 集成，Claude 可以直接读取 Figma 的设计源文件——包括颜色、间距、组件这些。 Yash 不仅在用AI，他还在优化和AI的配合。比如，他把一天切成两半： - 上午：专注执行。 这时候只用自己最熟的AI工具（Claude 和 Codex），绝不玩新东西，保证产出。 - 下午：自由探索。 这时候才开始测试各种新出的AI应用和功能。 他很清楚 AI 既是生产力工具，也是个“时间黑洞”。他用严格的时间管理，给自己建立了“防护栏”，防止自己沉迷于“调教AI”而忘了真正的工作。 第 2 位 —— 编排闭环：Kieran Klaassen, Cora 总经理 Kieran 负责 Cora 产品，他的风格是““谋定而后动””。 他的工作流核心就两个字：计划。 他会根据功能的大小，制定三种不同级别的编程计划。他会用一个叫 “Context 7 MCP” 的工具，先把最新的、最准确的官方文档和代码喂给AI，确保AI不是在“凭空想象”或用过时的知识来制定计划。 等Claude Code 交出一个完美的计划后，他再把计划发到 GitHub，然后在云端让 Coding Agent（主要是Claude Code）去执行这个计划。AI写完代码后，他会再启动一个““审查””命令，让AI自己先检查一遍，然后他再上手。 对 Kieran 来说，AI 不是一个“黑匣子”，而是一个必须在他制定的蓝图内严格执行的“施工队” 第 3 位 —— 化繁为简，拆解里程碑：Danny Aziz, Spiral 总经理 Danny 负责 Spiral 产品，他可能是这群人里最硬核的一位。 他的主战场不在花哨的图形界面，而是在一个叫 “Droid” 的命令行工具里。这个工具能让他同时调用 OpenAI 和 Anthropic 的模型。 他的工作流是： 1. 用 GPT-5 Codex 做大的任务：搭建复杂功能的框架。 2. 用 Claude 做小的任务：优化和打磨代码细节。 Danny 最有价值的一个做法是，他会在““规划阶段””花大量时间跟AI对话，让AI帮他推演一个决策可能带来的第二层、第三层后果”。 举个例子：“我要加这个新功能，但你帮我分析一下，它会不会因为从数据库拿数据的方式，导致整个App变慢？” 他用AI来辅助自己做更高维度的“架构思考”，而不仅仅是写几行代码。 > “我不再用 Cursor 了，”他说，“我已经好几个月没打开过它了。”取而代之的是，他的主界面是 Warp，可以在上面分割屏幕、快速切换任务。在它背后，他用 Zed ——一个轻量、快速的代码编辑器——来审阅计划文件和特定的代码片段。 第 4 位 —— 让流程成为唯一的“事实来源”：Naveen Naidu, Monologue 总经理 Naveen 负责 Monologue 产品，他是个“程控”。他的信条是：“如果一个任务没录入 Linear (项目管理工具)，那它就不存在。” 他把所有需求和Bug都先在 Linear 里归档，然后再启动AI。他也有两套流程： - 小Bug：直接从 Linear 复制粘贴问题描述，扔进 Codex Cloud 让AI去跑。 - 大功能：在本地写一个详细的 (计划文档)，把它作为和AI沟通的“唯一事实蓝图”，在命令行里一步步推进。 最有意思的是，他深度使用自己开发的产品 Monologue (一个语音转文字工具) 来口述需求、写文档、给AI下指令。这简直是““用自己造的锤子，来修自己的房子””。 他还有一套严格的审查标准：AI 自动审查 -> 自己人工对比代码 -> 查看Sentry（错误监控工具）的日志，确保Bug真的被修复了。 第 5 位 —— 钻研打磨，精益求精：Andrey Galko, 工程主管 Andrey 是工程主管，他代表了另一种工程师：不爱折腾。 他不喜欢追逐“闪亮的新玩具”。他之前一直用 Cursor (一个AI代码编辑器)，觉得体验最好。但后来因为 Cursor 改了定价，他一周就把免费额度用完了，这才“被迫”换工具。 他换到了 Codex。他认为以前的 OpenAI 模型写的代码很“懒”，经常跳步骤，不如 Claude 好用。但现在的 GPT-5 Codex 已经进化得非常强，连以前 Claude 的强项——用户界面(UI)——都能搞定了。 第 6 位 —— 极致的专注：Nityesh Agarwal, Cora 工程师 Nityesh 是 Cora 的工程师，他的风格和第一位 Yash 截然相反。他追求极致的专注。他的装备极简（一台MacBook Air），他的工具也极简：只用 Claude Code。 但他用 Claude Code 的方式很特别： 1. 他会花好几个小时，先和 Claude 一起研究、制定一个巨详细的计划。 2. 一旦开始编码，他就待在一个终端窗口里，“像老鹰一样””盯着 Claude 输出的每一行代码，手指就悬在 Escape 键上，一旦发现不对，立刻中断它。 最近，他甚至故意频繁地打断AI，强迫AI向他解释“你为什么要这么写？”。 他承认，这样做效率变低了，但带来了两个巨大的好处： 1. AI 胡说八道（hallucinate）的次数变少了。 2. 他感觉自己的开发技能也在这个盘问 AI 的过程中变强了。 他意识到，自己已经对 Claude 产生了依赖，这让他很脆弱。前阵子 Claude 宕机了两天，他试了别的工具，都感觉不顺手。所以，他现在逼着自己和AI一起思考，而不是纯粹依赖AI。 --- 看来每个人用 AI 的方式都不一样，但也有一些共同点： 1. 重点不在“写代码”，而在“做规划” 没有人真正的是在“Vibe Coding”，没有说写个提示词就完事了的，都是在 AI 干活前反复的讨论，直到清楚了再动手 2. 上下文很重要 Yash 用 Context 7 MCP 的工具，确保 AI 在写代码时，能自动去查阅最新、最官方的“技术文档”。这就避免了 AI 用过时的知识（比如一个老版本的函数）来写新代码。还会用 Figma MCP，读取 Figma 的原始设计数据，让 AI 可以直接拿到准确的颜色、间距等信息 3. 工程师的角色在进化 工程师已经不再是单纯写代码，还要做计划、写提示词、审查 AI 生成的代码 4. 专注 这个问题其实我也有感触，AI 让人更难专注了，在等 AI 结果的时候去做点其他事，很快就把任务忘记了；或者 AI 工具太多，每个新 AI 工具都去试试太费时间了。像 Yash 那样，一半时间专注交付，一半时间探索。 原文：Inside the AI Workflows of Every’s Six Engineers
AI编程工具激战：Claude Code、Gemini Cli崛起· 1256 条信息
#AI工作流 #工程师效率提升 #AI辅助编程 #规划与专注 #Every公司
avatar
SleepyZone
1个月前
所以 claude agent sdk 是复用 Claude code 的配置？
Claude Skills系统发布引发AI行业新变革· 66 条信息
#Claude #Agent SDK #代码复用 #配置 #技术讨论
avatar
如果我们真的有眼光预见到AI大时代，那么去年前年就该大量买入硬盘内存。可惜了，我去年只买了64G内训和36TB硬盘，也是十月底买的，两个到现在整整都涨了一倍。
懒猫家族新成员亮相，AI算力舱引发热议！· 143 条信息
#AI #硬盘 #内存 #涨价 #后悔
avatar
Y11
1个月前
很多初创公司的创始人常陷入一个困境：面对众多潜在用户群体，不知该从何下手。 今天想分享一个经验之谈，它或许能帮你避开早期发展的迷茫期——聚焦一个人群，尤其是“专家用户”。 做AI产品，早期最忌讳贪多求全。 就像有人会觉得“我的产品能服务A、B、C三类人”，但实际上，越是刚起步，越需要集中火力。 就像打靶时，瞄准一个点才有更高的命中率。至于为什么要选专家用户？这里有几个关键原因： 首先，专家用户对AI工具有天然的接受度和使用率。 他们往往是行业里的资深人士，比如医生、设计师、工程师等，本身具备专业知识，缺的不是智力，而是能提升效率的工具。 AI的价值，恰恰是帮他们把专业能力放大，这是早期产品最容易找到“用武之地”的地方。 其次，专家用户的每一次使用，都是给AI“喂料”。 他们在使用过程中会产生大量真实的交互数据，这些数据里藏着行业的“know-how”。 比如设计师用AI生成方案时，他会根据反馈调整需求，这些细节能帮团队快速理解行业痛点，打磨产品逻辑。 相比之下，普通用户更可能需要AI“迁就”他们的习惯，反而不利于产品初期的迭代。 再者，专家用户通常付费意愿和能力更强。 他们身处行业核心，更清楚效率提升能带来直接的价值，愿意为优质工具买单。 这不仅能解决公司早期的生存问题，更能验证产品的市场价值——如果连最挑剔的专家都愿意付费，那服务普通用户时，说服力自然更强。 另外，专家用户的时间宝贵，这反而是产品的“加速器”。 哪怕AI只帮他们节省半小时的工作时间，对他们来说也可能意味着更高的产出。这种“小步快跑”的验证，能让团队快速看到产品的实际效果，积累信心。 最后，服务好专家用户后，产品的“护城河”会更稳固。 当你通过专家用户打磨出行业专属的解决方案，沉淀下专业的“know-how”，再下沉服务普通用户时，就有了差异化的优势。 就像盖房子，先打好地基，才能往上盖楼。 很多人可能会问：这个经验真的值10万美金吗？ 其实，这背后是无数创始人踩过的坑、花过的时间成本。如果能通过这个方法，少走1-2个月的弯路，多则3-6个月的试错成本，那这个经验的价值，或许远不止于此。 AI创业的竞争，本质上是效率和价值的竞争。 找到对的人，用对的方式服务好他们，往往比盲目扩张更重要。你觉得这个思路，对你有启发吗？
独立创业者如何突破零收入困境，迈向月入1000元· 307 条信息
#AI产品 #专家用户 #早期发展 #效率提升 #市场价值
avatar
indigo
1个月前
v0.1 正式上线👀 目前仅支持英文 八十多万个词条 Elon 说要用 AI 重写人类知识 然后用这些知识重新训练新的 Grok 因为人类互联网的数据太垃圾🤪 Grokipedia 是第一步
马斯克Grok再升级，4代直播发布引爆AI· 41 条信息
#Grokipedia #Elon Musk #AI #知识重写 #互联网数据垃圾