饼干哥哥AGI

这两个模型可能要改变 AI 视频生成的格局 第一个是 Meta的 Muse，它在手持自拍、Vlog 和人物皮肤细节上的真实感非常强，每周免费跑 50 条10 秒的视频，走 api一条才几毛。但我想说的并不是单段画质，而是它的 Agent 编排能力，已经能做到一口气输出长达 4 分钟的视频。 https://x.com/PixelAigc/status/2116511077202833801?a=fHF8CJ0UhPZLv0IFjgQ&s=20 Muse 直接在云端配了一台带浏览器的虚拟电脑，它会自动拆解剧本、按 10 秒一段生成视频，并自动截取上一段尾帧作为下一段首帧来保持画面连贯。生成完素材后，它还会在云端虚拟电脑里自己写 Python 脚本，把配音、字幕和多段视频自动拼成几分钟的成片，甚至调开源的 RIFE 引擎把视频插帧到 60 帧。 https://x.com/_sagyoai/status/2116686338292675023 跟字节下架 Coze 的消息对应起来就会发现，n8n 之流可能真的死了。 尽管这些都是一句话的事，但还不够离谱。 Claude Fable 5.2 直接绕开扩散模型，能用纯代码「写」图片、视频了。 大家可以去看 Anthropic 员工 @jkeatn 的案例，Fable 5.2 写了一两千行 Python 程序，自己构建颜料物理引擎和画笔，用 70 万次模拟笔触画出一幅照片级画作。 https://x.com/jkeatn/status/2119874018706874601 到了视频端，Fable 5.2 会写 Python 脚本驱动 Blender 渲染，并用 NumPy 自己写物理模拟，算出了两万四千页纸在月光图书馆里乘风飞舞的轨迹，连钢琴配乐和纸张摩擦音效都是 Python 写谱合成的，最后调 FFmpeg 压出 1,236 帧成片。 https://x.com/lemomo_ai/status/2120118194409193682 还可以用纯 JavaScript 代码在一个 HTML 文件里直出 60 秒手绘风 2D 动画短片。 https://x.com/chetaslua/status/2120438091647218025 更不用说很火的用 three.js 生成的 3D 游戏作品，玩法更多。 https://x.com/felixrieseberg/status/2119925633564463609 研究下来，虽然 Anthropic 这家公司很无耻，但也真的牛逼。做到了「语言就是一切」

Claude Fable 5.2 依然独一档：附订阅方案 不得不感慨，Claude 的模型能力依然碾压 GPT，虽然写作能力没有 Gemini 强了，但问题不大。 现在不仅开发主力都是 Claude，我们做 AI 混剪视频、短剧，用 GPT 可能要 1、2 个小时，用 Claude 半小时就解决了，效果还很好。 最多人问的反而是：怎么订阅才稳？ 统一回答一下：在新加坡放一个 mac mini，然后用新加坡账号订阅，新号的话养两天，先订阅 pro，再订阅 max 或者 ultra，非常稳，我们有 3 台，火力全开用了半年 如果没有的话，也可以网上找租机器的，我看了一下大概 100 美金一个月，渠道的话我放评论区 所以好好珍惜朋友圈里的新加坡朋友哈哈哈 早上看了卡兹克和刘小排老师的内容，抓紧跑了一下，再结合网上的信息，整理了一波速通清单： 1. 跑分登顶，Artificial Analysis 实测拿 65 分登顶（GPT-6.1 Sol 55 分），但 `$8/$40` 单价仍是 Opus 5.5 的 2 倍。只有在做跨项目重构，才敢用 Fable。 2. 实测最舒（sheng）服（qian）的多模型分工：把 Fable 5.2 当成「宰相」，只做最顶层的诊断规划和总指挥，前端和审美相关的活交给 Opus 5.5 执行，算法和后端交给性价比极高的 GPT Sol 另外有个坑：内置 `Explore` 子代理现默认跟随主模型，记得在 `.claude/agents/` 里锁死 `model: opus` 3. 视频动效和 3D 审美达到了绝对统治级别。以前用 Opus 5.5 做讲解视频或 Three.js 场景还得聊好几轮，现在给 Fable 5.2 一句话提示词，它自己联网扒上百张实景照片放大看细节、自己写配乐卡点剪辑，跑一两个小时直接一次直出完整成片 4. 关于思考程度，不需要开 Max， 优先用medium（已超过 opus 5.5 high） 甚至可以跑 low 或 medium 档做多步任务，但记得在提示词里明确加上「全部做完并验证通过再停」，能把半路撂挑子的概率直接砍半；如果长任务几十分钟不说话，加一句「每调几次工具汇报一行进展」 5. 动手写代码前，强烈建议先问它一句：「你看我这个想法哪里有问题？」这是 Anthropic 官方给的技巧，它极擅长挑刺；聊清楚之后，再规定好哪些危险操作（比如删文件）需要你批准，剩下的直接把整个项目丢给它自己跑几个小时 6. 为什么这次叫 5.2 而不是顺着 Opus 5.5 叫 Fable 5.5？最早 9 月爆料的内部代号其实就叫 5.2，说明这次只是常规迭代，Anthropic 手里大概率还藏着一张真正王炸的 Fable 5.5 没打出来 7. 送了一次充值，且 pro 用户（这周）也能随心蹬了！

我们有 2 个 codex 账号，多人一起使用 上周还是正常的，今天突然都不行了 是有什么说法吗老师们？账号没被封

https://x.com/i/article/2119424542435385345

开始申诉作战

刚拉了一下公众号后台数据，原来我的文章已经累计阅读300万，转发超过 20 万次 了。 最近AI 自媒体非常火，虽然我不是最早一批，但也是实打实做了一年多。虽然近半年开始做 AI 跨境电商创业没空更新，但回头看，我之前搭的这套写作系统依然能打。 今天直接把这套系统的架构、流程和初始化提示词拆出来分享给大家。 我现在整套写作系统都建在一个本地 Obsidian 仓库里，用 Claude Code 驱动。核心目录结构是这样的： 写作仓库/ ├── 00_Dashboard/ # 全局排期日历 ├── 01_Accounts/ # 账号工作区 ├── 02_Research/ # 共享调研知识库与选题评分卡 ├── 03_Resources/ # 全局禁止词、微信排版规则、参考博主库等 └── .claude/commands/ # 自动化流水线指令 为什么要这么设计？说白了就是为了解决三个实际问题： 第一是人格物理隔离。我同时管「饼干哥哥AGI」和「第二曲线增长」两个号，不同账号目录放了独立的 CLAUDE.md 和 _style-guide.md，进哪个目录就加载哪个人设，解决 AI 写稿串味的问题。 第二是研究与写稿解耦。所有行业报告、群聊监控和一手实测都先放进 02_Research/，先用选题评分卡算分，过线了再立项写稿。 第三是文件即状态。每篇文章一个独立文件夹，所有中间产物全部存成 Markdown 文件，状态写在 frontmatter 里。 立项之后，每篇文章在 Pipeline/ 目录下必须跑完四步流水线： /write 起草初稿，生成 01-draft.md /critique 审查挑刺，生成 02-critique.md /edit-draft 按评审意见修改，生成 03-edited.md /score 量化评分，生成 04-score.md（满 80 分才放行，否则退回第 3 步重改，低于 70 分直接推翻重写） 这个流程跟把所有要求塞进一个超长提示词里一次性出稿，有什么区别？ 核心区别在于「上下文隔离」。如果把这些规则全塞进同一个对话窗口，模型自己写完再自己检查，会顺着刚生成的逻辑自我合理化，根本挑不出毛病。 我现在的做法是分不同的 Sub-agent 去独立跑，等于是独立评分，看不到写稿时的上下文，严格按规则行事，比如可执行干货占比够不够 60%、有没有出现全局禁止词、有没有用「你」对读者说教。 那具体怎么从 0 开始搭这套系统？ 如果你以前写过公众号，先把后台的历史文章数据下载下来；同时找几个你认可的对标博主，把他们数据好的爆款文章也保存下来。 然后把这篇短文、你的历史数据、对标文章，连同下面这套提示词一起扔给 Agent，让它直接在本地初始化你的专属协作系统： ```markdown 请读取我一并发送的《AI 写作系统》短文、公众号后台历史数据（CSV）、个人代表作及对标爆款文章，在当前目录初始化我的专属 AI 写作系统： 1. 基础架构与流水线：按短文目录树建库，在 `.claude/commands/write-pipeline.md` 中配置 Writer → Critic → Editor → Scorer 四个上下文隔离的独立 Sub-agent 流水线（含 80 分质量闸门与打回机制）。 2. 提炼账号 `CLAUDE.md` 与 `_style-guide.md`：深度分析投喂的数据与文章，补齐 4 个维度： - 数据驱动选题公式：从 CSV 统计高阅读高互动特征、标题公式、低表现雷区及长短文分流标准； - 风格与节奏编码：拆解开头切入方式、段落长短句节奏、高频口癖与干货最低占比； - GOOD vs BAD 样本：从原文提取开头、小标题、结尾的正反面配对示例，作为审稿锚点； - 去 AI 味与防爹味红线：生成全局禁词表，规定用「我」复盘、禁用「你」说教及总结式结尾。 3. 选题评分卡：在 `02_Research/` 生成量化《选题评分卡.md》，规定先算分过线再触发写稿。 ```

上一篇求助 公众号后台的文章删除 后来我看了一下 直接「仅自己可见」就不需要扫二维码 于是需求改成让 agent 开发一个浏览器插件，可以批量处理公众号后台的文章可见状态 同时用 workbuddy+ deepseek Harness + claude Code，背后全都是 deepseek v4.1 flash high 结果 workbuddy 大概 16 分钟，350 万 Token，成功了 deepseek Harness大概 20 分钟，600 万 Token，失败了 claude 大概 10 分钟，，600 万 Token，失败了 workbuddy 有点东西。。难道是因为是自家的系统？

求助，想把公众号后台的所有文章都删了，有没有什么快速的方法？

玩了两天 配置好了这些 ai 博主 app 还有什么必装吗 另外 体验下来，oppo 和苹果最大的区别就在网络，苹果用小火箭一键就能开了 oppo 不知道为什么 flclash 开好后，还要到 移动网络-高级设置-始终开启 vpn 处理 拢共 4 步很麻烦，有解吗？ 另外的网络问题就是 多个 vpn 共存问题，iPhone 可以同时开 tailscale（用于远程电脑组网看项目页面）和小火箭 但 oppo 只能二选一，也就是只有一个 vpn 通道。目前的解决方案是 github 上得现成项目：tailscale-socks5-Android ，简单来说就是要用脚本配置 flclash， 让 tailscale 走 socks5 通道 等我再用用，再给各位分享

昨天AI 博主闭门会 直接从 下午 2 点聊到22 点，信息量爆炸，再补20条大家赚了几千万又亏几千万才砸出来的实战经验： 1. 私域绝不是人越多越好，40万泛粉可能不如800个高净值铁粉（后者照样能赚4000万且毛利60%）；别搞庞大销售团队做“低转高”，不如借直播或活动拉“3天即解散的快闪群”，高频抛观点筛出主动互动的高潜用户一对一单加，直接卖高客单产品。 2. 大厂金主的投放预算正在大转移：前三个季度狂投纯AI工具功能测评，从现在起预算全面转向“AI+商业/财经”以及能讲好“B端企业落地故事”的账号，提前布局才能接住下一波大单。 3. 赚C端普通人的钱越来越难（连日活几亿的头部AI应用，C端日营收都不足百万，全靠B端云服务撑起几十亿现金流），自媒体后端变现一定要往B端企业服务或创业者群体靠拢。 4. 产品的定价必须由渠道决定：想靠公众号文章让人看完直接无脑扫码付款，199到299元是决策上限；超过1000元的产品，必须靠“低价小课+直播+7天陪跑体验营”才能跑通转化。 5. 如果没有强大的后端转化团队，不如一开始就把私域门槛和客单价定高（比如直接卖4980或9800元的陪跑），高客单不仅能帮你筛掉最难伺候的白嫖党，续费率反而比低价品高得多。 6. 做多级高客单产品（如2000元社群、2万进阶营、5万私塾），最核心的红线是“严格做好权益物理隔离”，绝不能心软给低价会员过度交付，否则不仅累死自己，还会让高价会员寒心流失。 7. 视频号直播和短视频挂车投“微信豆”，是目前知识付费低成本获客的最大红利；而且视频号小店刚打通直接挂载知识星球，直播间卖社群再也不用怕弹二维码被秒封号了。 8. 公众号引流私域千万别踩平台红线：关注自动弹二维码、文末写“加微领资料”或阅读原文跳外链极易被降权；目前最稳的做法是把码藏在公众号底部菜单栏，或在评论区首条置顶文字链跳转到另一篇纯文字带码推文。 9. 千万别在公开网页或推文里长期挂死微信群二维码，黑灰产爬虫会顺着码进群狂刷诈骗链接炸群；用企微建群务必开启防骚扰，并在后台勾选“企业共享黑名单”从源头拦截黑号。 10. 做付费社群最怕“前几个月亢奋日更、后面被掏空断更”，有博主采用“4+3排期法”：周一到周四由你输出干货，周五到周日禁发水贴、只开“交作业”互动，既防自己累死，又防新人进来看见满屏水贴3天内退款。 11. 先写好“客户小传”再开社群：明确你的受众是想创业发财，还是二三线城市只想用AI少加班的普通白领；定位越窄、越能解决具体小痛点，推广时就越有底气。 12. 把微信群当成“荣誉奖励”而非买社群的标配：规定每周在星球交作业排名前五的人，才由你主动加微信拉入高阶小群，不仅免去了维护几百人死群的痛苦，群内氛围和互助质量还会奇高。 13. 社群运营要善用“低成本高温度的非物质激励”：把铁杆会员一年分享的几十篇优质帖用AI抓取排版，在淘宝花20块钱印成实体《个人作品集》寄给他，这种被尊重的感动会让他的活跃度和复购率直接拉满。 14. 涨价是最好的促销催化剂：社群从49、99一路阶梯式涨到249元，每次涨价前结合节日搞一次限时优惠，利用用户的“损失厌恶”心理逼单，转化爆发力远胜平时的硬广。 15. 善用云端Agent（如企微原生“大圆”或挂载Skills的云端机器人）给自己减负：让AI每晚自动巡检几百个静音群捞出金主询价商机、提醒漏回的VIP客户消息、自动排查7天内到期会员名单并生成社群精华日报。 16. 别把自媒体做成主业之外的纯消耗，一定要做成主业业务的“增长飞轮”：在业务实战中跑数据攒Case，脱敏后写成干货发公众号，再靠内容吸引精准客户主动找上门签单，形成完美闭环。 17. 如果你不想迎合大众追热点，可以走“向上社交”的精准路线：深度编译硅谷非共识认知，甚至研究透大厂老板和顶级VC的表达习惯并植入文中，只要精准戳中几百个投资人和高管的痛点，B端商单和融资撮合根本不愁。 18. 单打独斗的“超级个体（OPC）”很容易陷入商单毒药和孤独感，有个破局方式是找三五个能力互补（懂技术、懂商务、懂内容）的博主合资组队，实行“项目主理人一票否决+公司留存40%+按贡献分红60%”，联手做蓝皮书或大项目直接垄断头部预算。 19. AI工具类的套壳产品护城河极浅，往往一两周就会被同行抄走，半年内就会被底层大模型更新直接吞噬；如果你做出了好用的内部Skill或工作流，要么赶紧封装成云端小程序吃一波快钱，要么把它当成高客单培训陪跑的赠品来卖。 20. 越是AI狂飙的时代，人类独有的“审美、真实感受和线下深度连接”就越贵：AI能帮你3小时跑完80分的工业化评测，但那最后20分的灵魂、脆弱感和真诚，才是让粉丝跟随你八年十年的真正护城河。 以上经验总结自闭门会十几位博主的分享精...

太逗了 workbuddy 的 top 3 场景 1 是炒股 2 是大学生写论文 3 是自媒体

现在用官方订阅的 Claude code 或者 codex 用 rea 去逆向软件 会被封号吗

30 美金的套餐，早上起来啥都没干，几个平台的内容收集就消耗了 5% 的额度 有点离谱 果断暂停这几个 bot 了，准备在本地机上跑就好了，反正我也不看，本地总结完再通过 webhook routine 给 bot，不消耗 token grok bot 继续做总管就好

今晚和十几位顶流AI博主交流现状，总结出 10 条经验，起码少走几年弯路。 1. 从发第一篇内容起，就必须设计好“公域引流公众号、再沉淀到私域”的漏斗，纯靠单篇商单广告抗风险能力极差，把私域做成多级火箭（低客单社群+高客单训练营或高阶服务），收益能直接放大5到10倍。 2. 现阶段国内最大的流量和变现红利依然在微信生态（尤其是视频号直播和私域），海外则是X（推特）处于极佳红利期，不仅流量好，还能靠蓝V互动稳拿美金流量分成，非常值得同步分发。 3. 刚起步千万别轻易招大团队搞ToB重交付服务，一年收几万块却要贴身服务一整年，毛利连10%都不到，哪怕是月入几十万的大博主，盲目扩张几十人团队去卷重交付项目，半年就能亏光几百万积蓄。 4. 在AI时代，“一人公司（OPC）”依然是活得最滋润、利润率最高的形态，靠自己把内容、商单和轻咨询跑通，远比租大办公室、背负高昂人力社保成本要安全得多。 5. 如果你想做付费社群或卖课，早期冷启动最猛的打法不是自己闷头攒流量，而是拿出70%甚至80%的超高分佣比例，把朋友圈文案和海报做成傻瓜式物料包，让其他有流量的博主直接复制粘贴帮你分销。 6. 不要为了贪图完美去烧最贵的顶配大模型，有人一天跑几百条视频烧掉几万块Token却零产出；内容和带货的本质是“用低成本数量去博爆款概率”，选够用的高性价比模型配合自动化工作流才是正道。 7. 永远紧盯离钱最近、能立刻算清ROI的垂直需求，无论是做工具评测、跨境带货混剪还是教企业用AI提效，只要你的内容或工具能让客户在几天内看到真金白银的回报，他们就愿意付高价。 8. 别在家里闭门造车，一定要挤进高浓度的同行圈子，很多改变命运的10万+选题和变现新玩法，都是在群友互相“内卷”和线下吹水碰撞时被激发出来的，跟对一波新工具的红利，足够让你彻底站稳脚跟。 9. 纯讲硬核技术干货是个伪命题，用户看完白嫖就走，很难产生商业转化；真正能赚到大钱的，是把普通人玩不明白的新工具变成“信息差”，做深度的工具评测、落地场景拆解，这才是目前广告商单最多的方向。 10. 千万别用AI批量洗稿起号，平台算法现在极度排斥纯AI生成的垃圾内容，真正能打穿流量池的10万+爆款，全靠你亲自深度实测后的“人味”手写和独特认知，这部分核心表达连招员工代笔都替代不了。

oppo 折叠机到了 准备和 iphone 双持 第一步要干啥？有没什么建议？尤其是 AI 有没好玩建议？ 补充一下之前求助评论区 选购折叠机，对 100➕ 留言的总结： 先说结论：我的情况，目前最适合 OPPO Find N6，16GB＋512GB；第二选择是 vivo X Fold6。 我的需求：出门能远控 Mac，临时给 Agent 下任务；能边刷小红书、抖音边记东西；能管理多个账号；最好还有顺手的 AI 记忆和苹果互联功能，以及多任务并发处理。 OPPO 覆盖了我整套工作流。 应用多开最多干到 6 个，多人认可小布记忆、Mac 互联，可通过 UU 远程给 Agent 布置任务。 其他机型为什么暂时没选？ vivo X Fold6：最有竞争力的备选。 有朋友带 MacBook 比较过三家，最终选择 vivo，特别认可远控和复制粘贴。不过这块 uu 远程足够用了。其他功能，尤其是 AI 比不上 oppo 荣耀 Magic V6 我原本很心动它的苹果互联，但收到的相关体验不足以让我把它排在前面。还有售后投诉问题，“荣耀不能用谷歌”等风险🌚 华为：不符合我的生态取舍。 我高度依赖 Google 和海外 AI 应用，不想再为兼容方案增加折腾成本。 小米、三星：暂不优先。 评论里都有推荐，但覆盖我整套需求的具体反馈还不够。 iPad：用途合适，携带方式不合适。 我想要的是随身手机，遇事展开处理，而不是再带一台设备。 感谢大家帮我缩小选择范围。等真正用起来，再交一份实操作业。

想看下大家的 grok bot 截图 和各种落地玩法

grok bot ➕ notion➕cloudflare worker 简直无敌 今天是玩 bot 的第三天，已经上瘾了 最好用的就是充当我新加坡电脑 Claude 的手机客户端，有什么想让 Claude 跑的可以让 bot 处理 我还连了办公室常开的 codex 电脑，所以 grok bot 是充当联络员的角色，几乎所有分析和开发都是 Claude ➕codex 做的 目前高频使用的几个 bot： 1、Tiktok 数据监控与分析优化 每天会轮询一遍我的矩阵账号自然流数据和 广告数据，交给 Claude 分析后，grok bot 出仪表盘日报，链接可以直接给团队看 2、AI 自媒体 鸽了很久的自媒体要重启了，担心跟不上大家的节奏，于是安排了 bots 们每天两次到 x、微博、小红书、抖音、aihot 抓最新消息 当然抓了我也没时间看，所以我花了 3 天去打磨选题 bot 来看，整理我关心的作为潜在选题，目前效果还可以 同时日常我看到好的内容也直接转给灵感 bot，它会存进 notion 也就是说 notion 作为了我的中转数据库，好处是 cluade 也能连 notion 应用，共享一个数据库去写内容之类的 3、VPS 服务器状态监控 今天才装上的，逻辑上是在每个服务器上运行一个脚本，把状态同步到 cloudflare worker，worker 再同步到 bot，反过来，我需要了解情况的时候，也可以直接让 bot 反向去询问 4、小语种翻译 因为在做欧洲国家，小语种不能直接机翻，AI 翻译的也不一定靠谱，目前只有我能到 Claude 去用做好的 skill 来翻译，很麻烦。 没想到 grok bot 能做成应用给大家用，直接把我释放出来了 逻辑是 先在飞书创建应用，这里不做长响应（很容易断），而是把事件传到服务器 而服务器是 免费 cloudflare worker 这样有翻译需求的时候 大家在飞书群里@ 机器人 就能传给 worker、进而给到 bot，bot 调用 Claude skill 处理后返回给 worker 到飞书 这种方式理论上可以替代很多内部应用

我说两个梯子都被墙了 也来是 reality 不行了 今天也是让 Claude 帮我看服务器才发现的，但我是端口被封了，换个端口又行了

传统编程面试已死，现在 AI 大厂怎么筛选人 上次发了篇短文，不要招全栈工程师，尤其是10年的 没敢看评论区，怕是被骂惨了。 今天刷到傅盛老师写的《传统编程面试已死》，评论区也有人在骂。 现在感觉，在网上讨论“传统开发”的争吵程度，不亚于饭桌上聊中医。 话说回来，我们开发老师还是要招的。 但我觉得，是我筛选面试的打开方式不对。 所以我搜了一下，发现大厂们的玩法都变了，而且每家的思路都不一样。 Google 考的是“读”。让你拿着 Gemini，把一份现成代码读懂、找 bug、做优化。 OpenAI 考的是“指挥”。任务量故意大到手写做不完，逼你现场调度 Agent。 Anthropic 有个团队考的是“作品”。取消了编程面，改翻简历和作品集，找能体现品味、同理心和有章法思考的小原型。 Canva 改的是题本身：更复杂、更模糊、更真实，甚至是让你为繁忙机场设计一套飞机起降控制系统。 Sierra（做 AI 客服的）考的是“做产品”。给你 2 小时用任何 AI 做出一个东西，回来 Demo 答辩。 Hatchet 考的是“结对”。现场一起开发一个功能，Claude Code、Cursor 随便用，看工具链熟不熟、能不能讲清自己的代码、是不是先跑通再优化。 总结下来，面试题大概分五类： 一、陌生代码库 + 限时任务：OpenAI、Meta、Google，看读代码、拆任务、验证。 二、从 0 到 1 做系统，需求模糊还会变：看设计和可扩展性。 三、自己挑题造产品 + Demo 答辩：看品味、取舍、交付。 四、审别人或 AI 的代码：看判断力。 五、造一个 Agent：看系统思维和可控性。 怎么考才准？我提炼了五条： 1. 题目要大于一个 prompt。模糊、真实、时间内做不完，才逼得出取舍。 2. 看过程，不只看结果。先计划再动手，每段产出都验证，边做边讲。 3. 保留一块不靠 AI 的地基。自己解不出的题，借 AI 也很难解。 4. 别跟模型赛跑。什么题目都会被 AI 进化掉，所以要考优先级、品味、沟通，这些模型升级也替不掉。 5. 评分要可校准。 最后，接下来我招人的话，想用这些题，帮我看下合理不： 1. 一个空仓库，2 小时，用你最顺手的 AI，做一个小产品的最小版本并部署。做不完没关系，讲清楚砍了什么、为什么砍。 2. 用 AI 把你做过最得意的项目的核心模型画出来。我来追问。 3. 关掉 AI，在白板上画你最完整的一个项目的框架和数据链路 4. 我们产品里，哪些环节该做成 Agent，哪些直接调接口就够？ 5. AI 在一个 bug 上死磕了半小时还没出来，你下一步做什么？

OPC 做 外包 ❌ OPC 做 自媒体 ✅ AI OPC 先做 AI 自媒体赚商单 ✅ ✅ ✅

国际版豆包 不是说可以用 seedance2.5 生成 30秒视频吗？ 我用的新加坡版本，怎么打开没有诶？只有 10 秒 求救🆘

大佬们现在用 vps 搭网络的话，推荐用哪个性价比高？一个月流量需求2500GB 是不够了 想搞多个

https://x.com/i/article/2092422771041296384

DeepSeek Harness必装的15个插件 DeepSeek Harness开源了，先别让手头上的Codex、CC下岗，因为它跟半成品没区别。 DSH「一切皆插件」的概念还蛮酷。 实际意思是装完以后连传文件、识图的功能都没有。。。 需要啥功能、就装啥插件。 所以现阶段面向的就是开发者，使用门槛还是有的，建议普通用户先观望吧。 想玩玩用这个指令，直接给到本地 Agent： “ 帮我安装并启动 DeepSeek Harness。 项目地址：http://github.com/deepseek-ai/deepseek-harness 先检查环境，缺什么装什么。 然后运行 npx @deepseek-ai/dsh web 并打开网页端。 ” 跑完浏览器会弹出Web UI，然后填上 DeepSeek API Key 就能用。 Key 去 http://platform.deepseek.com 充钱创建，也可以从设置那里自定义模型。 装完只是开始，界面纯纯空壳。 所以必装插件我列了个清单，下面可汗大点兵： 第一梯队 ModLens：识图 dsh-at-file：输入框打@引用文件 dsh-paste-input：Ctrl+V 粘贴、拖拽文件进对话框 dsh-office：读写 docx、pdf、pptx dsh-browser-panel：内嵌浏览器，Agent操作网页 dsh-computer-use：Agent操作桌面，仅 macOS 第二梯队 safe-find-dsh-plugins：说需求自动找插件 dsh-web-ui：全家桶之任务看板、Git、手机远程、Token统计 dsh-genui：回复里渲染图表、表格、组件 dsh-turn-rewind：一键回退 dsh-message-edit：编辑已发消息、重新生成 第三梯队 dsh-agent-teams：多 Agent 干活 dsh-memory-evolve：跨会话长期记忆 dsh-llm-fallbacks：模型挂了自动切备用 dsh-feishu-bot：接飞书机器人 不止这些，这个页面（http://github.com/topics/dsh-plugin）目前收录了1000+插件了。 DSH 跟组装乐高一样，可玩性很高。 感觉是对标 pi，有没有人来讨论下哈哈哈哈。

顶级 AI 模型价格被腰斩后，会发生什么？ Grok 4.6这波跟上了 DeepSeek梁子的节奏，与 GPT-5.6 Sol 同样的能力，但价格直接腰斩。 我理解，这不是一次促销，而是长期趋势。 Epoch AI 估算，达到同等能力水平的推理成本，大约每年下降 5—10 倍。 当顶级模型足够便宜，第一件事不是大家少花钱。 而是开始挥霍智能。 以前一次问答，未来可以是十个 Agent 并行。 以前人工抽查，未来可以让三个模型相互审核。 廉价的不是AI，而是可调用的判断力 ——从“谁最聪明”，变成“一个任务到底多少钱、跑多久、失败几次”。 因为 token 单价低，不代表最终任务成本低。Agent 会循环、重试、读取长上下文，甚至持续工作几个小时。 最后很可能出现杰文斯悖论： 每个 token 越便宜，企业消耗的 token 反而越多。模型公司降价后，不一定少赚钱，反而会释放出过去根本不成立的新需求。 对 AI 产品来说，很多原本只能做一次性交付的功能，会升级成持续监控、自动复盘、主动执行的长期服务。产品竞争也会从“生成一个结果”，变成“持续把事情做到达标”。 AI 成为基建，不是因为它无所不能。 而是因为它便宜到，可以被浪费。

https://x.com/i/article/2089914366607106048

http://x.com/i/article/2086726322613891072

Codex 必改的8 个基础配置 我是饼干哥哥，我给NGS每人配了200美金的Codex Pro。 结果上周团队有人跟我说： Codex不如豆包好用，离了他一点活都干不了！！ 我大为震撼，明明同一套餐，另一边已经蹬疯了。。 我把两边的设置拉出来一对比，不是Codex 的问题，是这8个配置没动，大家自查！ 01 权限模式 点设置 → 常规 → 权限 → 打开完全访问权限。 默认权限每次改文件都要问一遍，平时我都无脑开最大权限，省得被弹窗打断。 02 个性化 点开左下角设置，找到个性化。 语气从默认"亲和"改成"务实"，少说废话； 记忆功能打开，记住用户偏好； 自定义指令上GitHub搜"forrestchang/andrej-karpathy-skills"，卡帕西吐槽Agent写的那份开源规则，整段复制粘贴进去就行。 03 跟进行为 点开左下角设置，找到常规。 编辑器下面把默认的"排队"切成"引导"； 任务跑到一半能随时插话纠错，不用等跑完再返工。 04 会话管理 会话卡死、上下文太长没救了。 右键任务"复制会话ID"，给到另一个对话框继续改； 如果是背景全但想另开路线，选"在新任务中继续"。 05 电脑操控 设置里找"电脑操控"，打开"任意应用"和Google Chrome这两栏； 日常操作App、刷网页，让 Codex 爽玩你的电脑。 06 搜索任务 任务多了翻不到，点左侧边栏上方搜索图标🔍 弹出面板直接搜任务，比翻列表快。 07 语音听写 设置里点"语音"，设好快捷键； 随时随地开始口喷，自动转中文，比打字都快。 08 重连接问题 如果总遇到"正在重新连接5/5"这问题，是Codex想走WebSocket，代理不支持就反复重连。 先把下面提示词丢给Codex修复： “ 请帮我修复"重连接"问题： 备份config.toml为config.toml.bak，新增provider（名openai_http，wire_api=responses，supports_websockets=false，requires_openai_auth=true，已有同名则跳过），顶部model_provider改成openai_http，完成后告诉我改了什么。 ” 如果还卡，还有个方法： “ 帮我检测本地代理端口，先检查.codex/.env是否已存在并备份现有内容，查到端口就更新或追加代理这两行，不要整体覆盖； 查不到再问我；完成后告诉我具体改了什么、端口怎么确定的。 ” 然后重启就 ok 了。 （* 改完如果发现会话变少了，是按 provider 分组的正常现象，改回去就行了。）

http://x.com/i/article/2084893257604157440

http://x.com/i/article/2084207691120218112

http://x.com/i/article/2079736121328885760

http://x.com/i/article/2079452633912467456

http://x.com/i/article/2079386023214342144

如何给传统网站加上 Agent，让 AI 操作一切 上一篇提到我在做的 ngsFlow，要加一个 Canvas Agent 操作画布的踩坑经验。 现在跑出来了，关键在网站要把自己的业务能力整理成一套 Agent 可以理解和调用的产品协议。 如果你也在经营网站，想让 Codex 帮你加一个 Agent 让 AI 替用户操作功能，可以参考提示词： ```text 请分析当前网站代码库，并设计一套让 Agent 深度操作网站功能的改造方案。 要求： 1. 不替换现有业务流程、数据库、API 和任务系统，Agent 只作为旁路编排层。 2. 梳理网站现有核心能力，建立统一 Capability Catalog，避免在不同页面、CLI、MCP 中重复维护工具定义。 3. Agent 每次先读取当前页面和项目状态，再生成声明式执行计划。 4. 所有写操作必须支持 dry-run、变更预览、一次确认、原子提交、版本冲突检测和撤销。 5. 付费、删除、覆盖、发布、本地命令等操作增加独立审批和预算限制。 6. 长任务使用持久化 Run/Job 状态，不依赖一个长 HTTP 请求。 7. 执行完成后必须通过确定性条件验证，不能仅凭模型回复判断成功。 8. 建立统一 Trace，记录 run、turn、tool、审批、耗时、结果、失败原因和敏感信息脱敏。 9. 全局 Agent UI 可以常驻，但会话、权限和上下文必须按用户、项目和页面隔离。 10. 保持旧功能和旧客户端兼容，给出分阶段实施方案、公共接口、数据表、核心类型、测试计划和回滚策略。 请先进行只读代码审计，再输出： - 当前架构与主要问题 - 目标架构图 - 分阶段改造计划 - 需要新增或修改的模块 - 风险与兼容策略 - 可验证的验收标准 不要直接大规模重写代码，优先复用现有业务能力和任务系统。 ``` 协议整理好之后，接入方随便换：网页侧栏 Agent、本地 Codex / Claude Code 走 CLI 和 MCP 都能用

http://x.com/i/article/2079031382140133376

复盘一个典型的 Agent Harness 问题 上篇讲到我在开发 ngsFlow AI画布，有个 Canvas Agent 可以帮用户直接搭工作流。但结果很尴尬：它只能稳定完成 3 个节点左右的简单连线，一旦涉及复杂需求，就开始漏节点、连错线、做到一半停下来说"完成了"。 后来专门去读了 Anthropic、OpenAI 的公开实践分享，才发现这是个典型的 Agent Harness 问题。（可以直接拉到文末看解决方案） Harness 不是模型，而是模型外面的整套执行环境： Agent 怎么理解产品状态，怎么选择工具，怎么规划步骤，怎么安全执行，怎么验证结果，失败之后怎么恢复。 MCP 解决的是“怎么接进来”，CLI 解决的是“怎么调用”。 但它们都不保证 Agent 能完成复杂任务。 具体到 ngsFlow，问题有三个。 第一，工具重叠严重：多个工具都能建节点，Agent 每一步都要先纠结用哪个，工具越多选择越差。 第二，Agent 要自己管理节点 UUID、自己算坐标、自己维持十几步调用之间的状态，这些恰恰是模型最不擅长的。 第三，没有验证环节，工具调用返回成功，Agent 就认为任务完成了，至于画布上是不是真的有 10 个节点，没人检查。 怎么破？大厂的解法可以总结成 5 个点： 1. 收敛成少量高层工具。 Anthropic 明确说过，把产品 API 原样包成几十个工具是常见错误。应该提供面向完整工作流的工具，比如"创建一条生成流程"，内部的多次操作由产品自己完成。原子工具留在底层，不默认暴露给模型。 2. 让 Agent 提交声明式 Plan，而不是几十次离散调用。 Agent 只需要描述要创建哪些节点、怎么连接、布局目标和完成条件。真实 ID、坐标计算、批量循环和事务提交，都交给确定性的 Runtime。 3. 确认粒度提到计划级。 不要每建一个节点弹一次确认。先 dry-run 展示完整预览和预计费用，用户确认一次，然后原子执行。否则长任务天然被切碎。 4. 复杂批处理交给受限 Code Mode。 创建 10 个节点、批量连线这类任务，让 Agent 在沙箱里调用领域 SDK 写循环，通常比连续调用十几次 MCP 更稳定。 5. 强制验证。 Plan 里内置后置条件：节点数量对不对、有没有断线、有没有重叠。执行完由 Runtime 重新读取状态逐条检查，不通过就进入修复循环，通过才算完成。MCP-Atlas 基准显示，大量失败发生在工具全部调用成功之后——模型提前停了。 一句话概括这套 Harness 的思路：模型负责决定要什么，Runtime 负责保证做对。

小龙虾，终究只是南柯一梦。 不敢说小龙虾已死。要不然又会有人来骂我制造焦虑了。 但事实上，我身边的圈子都已经没人再提了。 取而代之的，是各种「work」产品：workbuddy、kimi work，qoderwork，还有什么 work？ 最近一直在思考，变与不变的边界在哪里？但我觉得一切在应用层上投机取巧的产品，都会被大模型级别的超级产品杀死。 例如 codex 所以我选择一步到位，给团队所有人装上了 Codex，有的甚至配上 MacOS，直接操作一切 例如 结合飞书cli 做各种表格文档，甚至搭建多维表格工作流，结合即梦cli 跑 TikTok 视频 接下来所有知名产品都会有 cli作为 Agent 入口。Codex 的生态就能野蛮生长了。 美中不足的是，codex 还没有 ChatGPT 的知识和逻辑推理能力。 但很快 chatpgt 和 codex 会合并，变成超级应用后，一大批做中间管道的产品又会死掉。 而这一切，从 openclaw 过年兴起火出圈至今弥留之际，不过短短 3 个月

ChatGPT Ads：AI 入口开始变成广告入口 最近一直在看新的海外营销渠道，毕竟我们 NGS 自己就在给跨境品牌做 Reddit 目前我比较看好的两个方向：Reddit Ads 和 ChatGPT Ads。最近问的人明显变多，甚至有朋友说，后台从 ChatGPT 过来的订单比例翻倍了。 再研究，我发现 AI 入口出现后，广告逻辑开始变了。 用户买东西前，他可能直接打开 ChatGPT，问一句： 300 美金以内买什么耳机？ 露营用便携电源怎么选？ 某两个品牌哪个更适合我？ 有什么比 Dyson 更便宜的替代品？ 所以 ChatGPT Ads 真正值得关注的地方，是它把广告位放进了用户做决定的过程中。 这和搜索广告不一样。 搜索广告等用户把需求变成关键词。ChatGPT Ads 看的是用户正在聊什么、比较什么、犹豫什么。需求还没完全变成搜索词，广告已经有机会出现。 这也是为什么我觉得它会影响跨境电商投放。尤其是那些需要研究、需要比较、客单价又不低的品类，比如 3C、智能硬件、户外装备、家居小电器、功能型 DTC 产品。 低价冲动品可能还是更适合 TikTok 和 Meta。但如果用户买前会反复问参数、场景、替代品、性价比，ChatGPT 就会变成一个很重要的中间入口。 从目前看到的数据看，这个渠道还早，但已经不是纯概念。 根据《ChatGPT Ads 出海白皮书》，ChatGPT 周活约 9 亿，日均提问量超过 25 亿。广告上线约六周，年化广告收入已经接近 1 亿美元量级。 ChatGPT Ads 的合理 CTR 区间大约在 1.5% 到 6% 行业差异也很明显。 AI 工具 / SaaS 的 CTR 大约 5.4%，CPC 约 1.1 美元； 内容和效率类应用 CTR 约 5.1%； 3C / 智能硬件 CTR 约 2.9%，CPC 约 1.9 美元； 流量加权综合大约是 4.0% CTR、1.6 美元 CPC 再对比一下其他数据。 同样是 AI 对话内广告，ChatGPT Ads 的 CTR 约 3.99%，普通 Chatbot 广告约 0.40%，差不多是 10 倍。CPC 虽然也更高，大约 1.6 美元 vs 0.8 美元，但这里看的不是便宜点击，而是有效点击。 便宜流量不稀缺，能进入真实决策链路的流量才稀缺。很多渠道的问题是点击很多，但用户没有带着问题进来。ChatGPT 反过来，用户先把问题说清楚，广告才有机会出现。 当然，这个渠道还在非常早期。数据样本有限，很多结论只能当方向看，不能直接当稳定 ROI。 但我觉得，越是早期，越值得关注它的广告逻辑变化 下一篇我再专门讲：ChatGPT Ads 现在真正的问题出在哪，以及如果跨境品牌想测试，应该怎么避坑、怎么搭归因、怎么判断它到底有没有带来增量

http://x.com/i/article/2077554354115211264

http://x.com/i/article/2077287429279711232

http://x.com/i/article/2077209755765096448

http://x.com/i/article/2076908854659739648

现代 AI 产品开发三件套：GUI、CLI、飞书。 最近一直在开发一个 AI 视频产品。 形式上是 ComfyUI 的自由画布 + n8n 的工作流思维，既能灵活组合各种素材，适配不同的视频需求，又加入了变量系统，去解决批量生成、批量测试这些工作流场景。 开发过程中，我一直在思考一个问题： 还需要 UI 吗？ 因为同样的功能，Agent 完全可以直接跑了。 迭代到现在，我的答案是：还是得有。 而且，我越来越觉得，AI 时代的产品，应该同时具备三种形态。 第一，是 Web UI。 很多人觉得，有了 Agent，页面就没意义了。 但实际上，页面最大的价值已经不是点按钮了。 一方面，它降低了使用门槛，可视化操作更容易激发灵感，尤其是画布这种东西，很多时候不是你规划出来的，而是拖着拖着就有了新的想法。 另一方面，它更像一个个人 AI 数据中心。 所有生成过的视频、图片、提示词、工作流、变量、历史记录，都沉淀在这里，而不是散落在一个个聊天窗口里。 第二，是 CLI。 我把页面上的所有能力，都做成了 MCP，打包成 cli 除了给页面内置的 Agent 调用之外，本地的 Claude Code、Codex 都可以直接调用。 甚至还能反过来，让本地的 Codex 来操作网页上的画布、节点、工作流。 第三，是飞书。 这是我考虑移动端之后想到的。 怎么才能随时随地用到自己的产品？ 做 App，前期完全没必要。 做移动端网页，体验又很蠢。 最后想到，直接在飞书聊天框里操作不就行了吗？ 借鉴了张咋啦用飞书操作 Claude Code 的思路，我直接把页面上的能力全部桥接进去。 以后发一句话，就能生成视频、修改工作流、查询素材、调用 Agent。 飞书本身，就成了移动端。 而这三个入口，其实是互补的。 平时直接找 Agent 干活，最大的缺点就是过程看不到，生成的文件也很乱，过几天自己都找不到。 所以，不管是 CLI，还是飞书，最终所有结果都会回流到 Web UI。 视频、提示词、工作流、运行记录、变量、素材，全都自动沉淀进去。 Web UI 负责沉淀数据。 CLI 负责高效率。 飞书负责随时随地。 三者共用同一套能力、同一套数据。 这下就闭环了。 大家觉得靠谱吗？

http://x.com/i/article/2076550637475807232

http://x.com/i/article/2076500310009450498

http://x.com/i/article/2075768951972519936

http://x.com/i/article/2075383542109122560

http://x.com/i/article/2075094304268365824

http://x.com/i/article/2075023425027108864

欢迎塔塔来 X 线下见过两次，线上也经常聊，很有能量的博主 全是干货内容，推荐关注！

http://x.com/i/article/2074734419131412481

http://x.com/i/article/2074659110050742272

http://x.com/i/article/2074373495673569280

http://x.com/i/article/2074336158470021122

http://x.com/i/article/2074017998667702272

http://x.com/i/article/2072993056027242496

http://x.com/i/article/2072921601562300416

开源 skill： 一句话把图片转成可编辑pptx 昨天开源了把图片转成 psd 的 skill 我把GPT-image-2生成PSD的能力打包成了Skill，免费开源 评论区就有同学问 ppt可以吗？ 可以！ 甚至一句话就让 codex 把图片拆成 57 个可编辑节点的 pptx文件（图一） 经过一晚的打磨，现在开源出来了 依然放在 bggg-skills下 https://github.com/binggandata/bggg-skills 叫 bggg-creator-image2ppt，支持把 png/jpeg 图、以及 html、svg格式的 ppt 图转成 pptx 文件。 逻辑跟 image2psd 类似，同样要用到 codex 的 imagegen 能力，复刻组件图片后，再重新组成可编辑文件， 但对文本框等的识别要好很多。 欢迎 stars 支持👏 这个 skill 对于日常要做分享的人来说非常有用，例如我自己现在ppt页面都是 nano banana 跑的，跑完手动再贴进 pptx文件里， 但要是遇到有问题的、或者要改个标题啥的，就要重跑，很麻烦。 现在有这个skill 后，直接局部改一下就完事了。 问为什么不让 codex 直接生成 pptx呢？ 因为这样的想象力大大受限了，只能按以前代码的方式去跑一些固定模板、老套版式 现在等于整个做 ppt 的逻辑都变了，先用image2 放大想象力做漂亮 ppt 页面，再转成 pptx处理细节 感兴趣的都可以去跑一下，目前仅支持 codex里用。 总之，对codex➕imagegen 潜力的开发还在持续。。。

http://x.com/i/article/2072563260763803648

http://x.com/i/article/2072509889956700160

http://x.com/i/article/2072228089103527936

http://x.com/i/article/2072144793795469312