与「测试女儿喜欢类型」相关的搜索结果

2026 年 9 月 29 日，OpenAI 在旧金山 Fort Mason 办了今年的开发者大会 DevDay。主讲是 CEO Sam Altman。其他几位上台的人都在做这些产品。产品团队的 Holly 演示了新产品 Dots。后训练（模型预训练之后做对齐和能力调优的阶段）研究负责人 Tejal 讲了模型怎么反过来帮 OpenAI 做研究。Codex 的演示由 Romain Huet 来做，他在 OpenAI 负责开发者体验，去年 DevDay 主题演讲里的 Codex 演示也是他做的。整场演讲分三块：面向用户的常驻智能体 Dots 和协作空间 ChatGPT Space，给开发者的新模型和新工具，以及帮开发者做分发、赚钱的渠道。 1. Dots：一直在线、会主动干活的智能体 Sam 把 Dots 比作电影里那种一直在身边帮忙的 AI 助手。他认为订餐厅、买机票这类代办虽然有用，但和这项技术能做的事比起来太小了。他想要的 AI 知道正在发生什么，也知道你在意什么，不用你事事交代。 Dots 是常驻在线的智能体（Agent），有自己的云端电脑和浏览器，能写代码、跑测试。它的权限跟着用户走，能直接用用户已经在 ChatGPT 里连好的插件，覆盖 4000 多个应用。除了在 ChatGPT 里对话，之后还可以给它发短信、打电话。目前每人先有一个 Dot，以后可以配一整组。Dots 跑在 本月早些时候发布的 GPT-6 Astra 上，Sam 称它是 OpenAI 对齐做得最好的模型。用户可以限定 Dot 能用哪些应用、能不能操作电脑，也能给它的各类操作写自定义指令，愿意交出多少责任就放多少权。 Sam 说，他自己的 Dot 每天早上会把夜里进来的消息过一遍，挑出紧急的提醒他。他说这让他拿回了一部分注意力，没那么离不开手机了。他还举了一个更重的例子：把应用从一个即将停用的旧 API 上迁走。这个 API 可能散落在代码库各处，改了哪里会连带弄坏什么，事先看不出来。Dot 可以追踪依赖关系，找出所有要改的地方，写代码、跑测试，最后把 PR（代码合并请求）交给团队审。他让听众想想，过去做这件事要几个人、花多久。 开场视频里，用户把自己的 Dot 改名叫 Alfred。Alfred 和另一个 Dot 帮用户上线网站，改董事会材料，在婚礼蛋糕商家取消后找好备选。它们还发现财务会和女儿的演出撞了期，提出改时间。每件事都是 Dot 推进到需要人确认的地方，再由人拍板。 2. ChatGPT Space：人和智能体一起用的工作区 Sam 认为，现有的生产力软件几乎都没考虑过人和 AI 一起干活。ChatGPT Space 以页面为单位，可以在里面写计划、做调研、生成图片和数据。页面和文件像网盘一样放在同一个空间里。Dot 能直接在页面上工作，在评论里 @ 它，它就会接活。页面本身也能带指令，比如“每天去看 API 平台的 Slack 频道，把发现更新到这里”。之后 Space 里还会加入演示文稿，格式做成智能体方便读写的样子，团队成员可以和各自的 Dot 一起改。 在 Holly 的演示里，页面用斜杠命令就能插入交互图表、表格和可运行的原型。她 @ 自己的 Dot（名叫 Dotty），让它把一组数据改成柱状图。图表可以按反馈类型筛选，Dotty 每小时刷新一次。她还让 Dotty 把“某位工程师在我 Slack 私信里提过的新手引导数据”补进 FAQ。Dotty 能看到她的上下文，所以这种模糊的指代也找得到。 3. OpenAI 内部怎么用 Dots Holly 用一个虚构的歌单应用 Blossom Music，模拟发布前一天的状况。早上 Dotty 已经做了几件事：发现发布评审会提前，改好了日历；看完前一晚测试用户的反馈；注意到设计团队临时改了首页，把新设计发给她。她让 Dotty 直接把这个设计做出来。Dotty 调用她笔记本上的 Codex 构建应用，在 iPhone 模拟器里跑起来，再提交 PR。现场的语音演示卡住了，Dotty 一直回复“还在查”。Codex 线程也报过一次错，她重试后才继续下去。 她说，Dots 真正改变 OpenAI 工作方式的地方在 Slack。Dots 在公司 Slack 里有自己的身份，员工就开始把它们当作代理人。被同事 @ 到的零碎请求，直接转给自己的 Dot 处理。建群时，大家从一开始就把各自的 Dot 拉进来，Dot 带回结果时所有人都能看到。 工程师走得更远。有人在反馈频道贴出会话 ID 和一个用户 bug，某位工程师的 Dot 就会接手排查，提 PR 修复。她说这是真实情况：工程师们的 Dots 每天这样修掉几十个 bug，Dots 这个产品本身有很多部分就是 Dots 写的。 4. 上线范围和企业用的 Specialist Dots Dots 和 Space 当天向 ChatGPT Pro、Business Premium 和 Enterprise 用户开放。Dot 包含在套餐里，和它的对话不占用额度。 企业客户还可以预览 Specialist Dots。这是由公司统一设置、供整个团队使用的虚拟同事，负责会计、市场、法务这类工作量大的事。公司给它目标和背景，审核它的产出，给它反馈，反馈在全公司共享。OpenAI 也在和微软合作，把 Specialist Dots 接入 Agent 365（微软用来管理企业智能体的工具），企业可以用已经在用的微软工具来管理它们。 5. 新模型：更便宜的 GPT-6.1 Sol，更快的 UltraFast Astra 发布这几周，用户的要求集中在两点：更便宜，更快。GPT-6.1 Sol（转录稿误作 Soul）的能力接近 Astra，价格是它的五分之一。缓存输入（重复发送、已被缓存的上下文）比标准输入便宜 95%。智能体需要反复读同一批上下文、长时间迭代，这对它们尤其省钱。Sam 说 Sol 在某些方面比 Astra 还聪明，定位是开发者的日常主力模型。 UltraFast 是新的速度档，API、ChatGPT 和 Codex 里都能用。原有的 Fast 档是两倍速度、两倍价格；UltraFast 是八倍速度、六倍价格，每秒 300 个 Token。它现在可以配合 Astra 用，之后也会支持 Sol。现场让两个模型用同一个提示词，做一个 DevDay 配色的火箭。UltraFast 的火箭已经升空时，标准速度的还没做完。 订阅也跟着调整。新推出的 500 美元档 Pro 订阅叫 Pro 500，额度最高，是 Plus 的 25 倍。它可以在 ChatGPT 和 Codex 里用 UltraFast，还能通过“用 ChatGPT 登录”在合作方的应用里使用。Pro 200 重新开放，继续提供所有前沿模型。 另外预览了 Decisions API。它给 Luna 模型一组预先定义好的选项，让模型从中选一个，比如给请求分流、给图片分类、决定智能体下一步做什么。任务收窄成选择题之后，响应时间可以压到一秒以内，同时保留图像理解、多语言和安全防护。Romain 后来补充说，做机器人的朋友看中的是它能处理视觉输入：机器人可以根据看到的东西，近乎实时地快速行动。 6. 模型开始帮 OpenAI 做研究 Sam 提到，去年这个时候，他和 Jakob 在一次直播里预测，一年内会出现第一个“AI 研究实习生”，当时几乎没人相信。几周前 OpenAI 宣布达成了这个目标：有了一个能接手定义清晰的研究任务的系统，这类任务原本要熟练的研究员花大量时间和精力。 Tejal 的方向是电脑操作（computer use，让模型像人一样操作桌面和浏览器）。她举了两个例子。 第一个是让模型优化电脑操作的运行框架（harness，包在模型外面、负责调用工具和管理步骤的代码）。模型在循环里持续寻找能同时降低延迟、提升效果的改动，团队把找到的改进合进生产环境的框架，并用于后训练。结果是延迟改善了两倍以上，已经上线。 第二个是模型帮忙改进了监控和拒绝训练，让 Astra 在不安全的场景里更会拒绝。Astra 在电脑操作压力测试上因此达到业内领先，操作时出错更少，也更贴合用户的本意。 她给出了几项内部数据。今年夏天之后，研究工作消耗的 Token 量急剧上升。1 月时，模型能做好 15 分钟以内的短任务，需要一天以上的任务大多会失败；到 7 月，超过三分之一的一天量级研究任务，模型能在无人干预下完成。她还提到，Astra 这类模型已经帮忙解决了 100 多个悬而未决几十年的数学问题，也在参与针对耐药感染的新抗生素、古代语言研究、可再生能源和工业机器人等方向的工作。 7. 给开发者的底层工具 Sam 说，OpenAI 想让开发者用上自己内部用的东西。 第一件是 Codex 的运行框架。它同时支撑着 Codex、ChatGPT Work 和 Dots，目标是用最少的 Token、最快拿到准确结果，现在已经开源。第二件是 Codex 完全上云：在手机上开始的任务，可以在浏览器或桌面端接着做，合上笔记本任务也不会中断。 云端能力带来了 Codex Security Cloud。它在云端环境里持续寻找漏洞，并准备好验证过的修复方案供人审核，这次新增了自动去重、定时扫描和新界面。Sam 说这是为了给防守方更好的工具，因为“我们看得到接下来会发生什么”。 新的 Agents API 进入公开测试。它包含运行框架、托管、记忆、多智能体控制等功能，是 Codex 和 Dots 用的同一套技术，也加入了电脑操作能力。现场的例子是一个网站测试智能体，会自己打开浏览器、点击页面、测试流程。基础设施方面，OpenAI 和 AWS 合作推出由 OpenAI 驱动的 Bedrock（AWS 的托管 AI 服务）托管智能体，AWS 客户可以直接使用 OpenAI 的前沿模型、Codex 和 ChatGPT Work。 隐私方面预览了 OpenAI Private Intelligence。其中的零数据留存（ZDR）配合私有安全处理，可以在不把用户内容存到 OpenAI 服务器的情况下做安全检测；私有推理则把隐私保护延伸到推理阶段。Sam 说这套方案是和最大的一批客户一起设计的，目的是让他们能把模型用在最敏感的工作上。 性能方面，Responses API 一年里增长了 100 倍，可靠性保持在 99% 以上。首个 Token 的等待时间缩短了 45%，工具调用和工作流提速 30% 以上。 8. Romain 的 Codex 演示 演示从手机上的 Codex 开始。Romain 人还在会场外，让 Codex 替他跟观众打招呼、讲一个会场的冷知识。接着他用几张会场照片生成的 3D 场景演示 UltraFast，一边说一边改：把小人放到座位上，把直播画面投到场景里的大屏幕上。现场语音没连上，他改成了打字。 Codex 命令行工具（CLI）这次全面翻新。他让 UltraFast 写一个应用，从观众里随机抽三个人送明年的门票，几秒就写完；改成抽六个人，也几乎是瞬间完成。命令行现在支持由 GPT Live 驱动的双向实时语音，不只是语音转文字，但现场没能演示出来。 后面几段演示了多模态和电脑操作。游戏 Astra Adventures 从一张纸上的草图开始，几轮之后画面还很粗糙，借助图像模型，才变成有质感、能用在正式游戏里的美术。然后他让 Astra 通过浏览器自己学着玩这个游戏，屏幕左边显示模型的决策，右边显示它按下的按键。 他又用“应用快照”（app shot）把自己记录飞行课程的应用作为上下文交给 Codex，让它在各种屏幕尺寸下审查这个应用并截图。Codex 自己在模拟器里点开了各项功能。云端 Codex 现在和本地版用同样的工具，包括插件和电脑操作。他顺手把一个“用 Rust 重写整个后端”的任务丢到云端，打算稍后在手机上查看。 最后一个演示用的是 Hugging Face 借来的可编程小机器人 Micro Duck，它名叫 Lavender。Romain 前一晚让 Codex 把它接好：视觉用 Astra，图像生成用 GPT Image 2.5，语音交互用 GPT Live 1。机器人现场看着观众画了一幅画。他说，OpenAI 做 Dots 和 Codex 用的，就是 API 里开放给开发者的同一批工具。 9. 分发和变现：让开发者在 ChatGPT 上做生意 ChatGPT 每周大约有 12 亿人使用。Sam 承认，此前类似的尝试效果参差不齐。他说这次有信心，是因为开发者拿到的是 OpenAI 自己做 ChatGPT 用的工具。 第一项是“用 ChatGPT 登录”（Sign in with ChatGPT）。用户登录第三方应用时，可以直接用自己 ChatGPT 套餐里包含的 Token，开发者不必替新用户垫付模型费用。首批有 16 家合作方。 第二项是插件扩展（plugin extensions）。开发者可以把编辑器、仪表盘乃至整个工作区，做成原生嵌在 ChatGPT 和 Codex 里的应用。现场展示了三个例子。一个是会议应用：在 ChatGPT 里看日历上的会议，点“记笔记”后，页面变成团队和 Dots 一起跟进待办的 Space。一个是 Figma：打开设计稿、看团队评论、让 ChatGPT 改稿。还有一个是 Adobe：在 ChatGPT 里使用 Photoshop 的功能。ChatGPT sites（在 ChatGPT 里生成的网站，几个月里已有数百万个）现在也能接入插件和数据。访客用自己的账号登录、带上自己的智能体，看到的内容因人而异。 用户发现插件的渠道也扩大了。除了在插件库里搜索，ChatGPT 还会在对话中识别出能帮上忙的插件，用户当场就能连接。插件审核流程也简化了：开发者可以跟踪审核进度，看到需要修改的地方，申请人工复审，更新工具时也不用从头提交。 第三项是 OpenAI Marketplace，首批有 30 多家合作方，包括 CodeRabbit、Notion、Vercel。企业客户可以用已经和 OpenAI 签下的采购承诺额度来买这些产品，有承诺额度的开发者也能在这里花。通过和模型推理托管公司 Baseten（转录稿写作 Base10）合作，市场里还能用到开源模型。 10. 收尾：一次额度重置，和“文艺复兴”的说法 当天的后续安排里，Peter 会讲 OpenAI 对开源社区的投入，包括新的 OpenClaw Enterprise Harness（OpenClaw 是一个开源 AI 智能体项目）。还有一个 Codex 游戏工作室环节，观众可以用 Codex 做复古游戏，每人能领一台 DevDay 限定的 chromatic computer，用来玩自己做的游戏。最后是 Sam、Tibo (Thibault) 和 Tejal 的现场问答。 Sam 和 Tibo 还在台上按下按钮，给全世界的用户重置了一次用量额度。Sam 说 OpenAI 已经做过太多次重置，Tibo 一直想把公司改名叫“重置公司”。 最后 Sam 说，他不喜欢把 AI 比作新一轮工业革命，那意味着人变成巨大机器里的齿轮，转得越来越快；生活里有些部分不能也不该被自动化。他希望，如果做对了，AI 带来的会更像一场新的文艺复兴：让人对自己的生活有更多掌控，有更多工具去创造、学习和探索。

刚从电影院回到家，脑子还在嗡嗡作响，诺兰这部《奥德赛》有很多让人深思之处，充满了隐喻，哲理，与人性的思考。堪称今年最佳电影，没有之一！迫不及待，躺在沙发，打开电脑，写下观后感受！ 首先讲讲隐喻部分，海伦在原著中，是众神之神宙斯下凡人间化为天鹅，与斯巴达王后勒达所生的女儿，她由一颗天鹅蛋孵化而出，具有倾国倾城的美貌与高贵的气质。但在诺兰的影片中，她是黑人，脸上还刻着冰冷的刀疤，讲真的，跟原著相差甚远。 荷马史诗里的海伦是引发千帆竞发的终极诱惑。但在诺兰的镜头下，他想表达的是最冷酷的事实，海伦根本不是战争的原因，她只是阿伽门农粉饰侵略的幌子。 这与千百年来西方霸权的行事逻辑如出一辙，为了争夺地中海关键航道的贸易命脉，便穿上“拯救美女”的伪正义外衣。电影里阿伽门农将自己年幼的女儿冷血献祭，进一步扯下了统治者虚伪的面具。 这不免让人联想到现代历史中的种种巧合，比如03年伊拉克战争，美国以“大规模杀伤性武器”为由发动战争，耗时八年，最终什么也没找到。海伦越丑、越不具说服力，影片对“正义借口”的质问就越发鞭辟入里。 古希腊文明曾建立在“宙斯款待规则”之上，依靠互信与敬畏维持生存秩序。然而，木马计骗开了城门，阿伽门农血洗了城邦，奥德修斯在归途掠夺村落，彻底打破了这个规则。 影片中最震撼的一幕，莫过于奥德修斯在归途中反复听到的预言，“有一群海上来的人要摧毁希腊城邦”。当他以为是外敌入侵时，妻子却一语道破天机：“你自己不就是海上来的人吗？” 从大航海时代的掠夺，到近代坚船利炮打开国门，再到现代以“普世价值”为名留下的废墟，不禁要问，最终留下的是什么？是废墟、难民、仇恨。 今天欧美的移民撕裂、内部对立,不就是当年"海上来的人"对本土秩序的现实报应?海洋文明的扩张基因，最终吞噬了自己的根基。 接下来讲讲哲理部分，我个人认为诺兰应该很喜欢东方佛学，尤其是金刚经。里面多处折射出了人性的五毒，贪嗔痴慢疑。比如独眼巨人、女巫、塞壬、忘忧莲，他们每一个都是佛学五毒的映射： 独眼巨人：代表着狂怒与暴力； 女巫：将人类贪婪异化为野兽； 塞壬的歌声：唱的是你心底最深处的渴望与我执； 忘忧莲：则是对现实的逃避 你对抗什么，什么就存在；你接受什么，什么就消失。所有的风暴诅咒，终归都是心魔。 这里与《金刚经》的核心达成了共振，“凡所有相，皆是虚妄”，“应无所住，而生其心”。 奥德修斯归家路上，一直在对抗风暴、执念于掌控命运，这导致他执迷其中，迟迟无法得到自己想要的“回家”。只有当他明白自己无法掌控一切，学会放下对自我的执念，向暴风雨屈服、向宙斯屈服、向波塞冬屈服、向命运屈服时，他才真正获得了重生的力量。 归乡的路，就是不断失去、不断放下，最终在满身伤痕中认清自我、接纳世界的过程。心外无物，归途即是心途。 最后是男人寻找伴侣的一些思考，巴菲特说过，伴侣是人生最重要的投资，而好的女人，是可以福泽三代的。电影中直接应征了这一点。一个是珀涅罗珀对奥德修斯的20年坚贞守候，一个是海伦的姐妹对阿伽门农凯旋后的谋害。一反两面，活生生的对照！ 奥德修斯离开时，珀涅罗珀还是年轻王后。二十年后，丈夫生死不明，王国被侵占，一百多个男人逼迫她改嫁。但她没有崩溃。她用织布骗局拖延好多年，白天织布，晚上拆掉。她等待的不是一个抽象的“国王”，而是那个她相信不会消失的人。 最精彩的是，奥德修斯归来后，她没有盲目拥抱，而是依然测试他。她用一个只有他们俩知道的秘密去确认丈夫。他们的婚床，那张一根柱子直接扎根在活橄榄树上的床。这不是简单的浪漫，这是二十年夫妻共同生命的密码。真正智慧的女人，绝不只相信外表与甜言蜜语。 而对于奥德修斯来说，这也是一场关于“矢志不渝”的终极考验。 在仙女卡吕普索的岛上，他面对的是永恒的青春、不死之身、没有痛苦的人生和每天如仙境般的生活。换成普通人，可能早已选择留下。但奥德修斯拒绝了。 因为卡吕普索给的是一个完美的牢笼和没有痛苦的人生；而奥德修斯想要的是有意义的人生。 他宁愿回到伊萨卡，做一个会衰老的凡人，去面对现实的困顿，和妻子一起经历有限的生命，也不愿在虚幻的永生里麻木。 一个男人真正的成熟，不是看他能征服多少疆域，而是看他在面对极致诱惑时，是否还能认清自己内心的锚点。 面对智慧、耐心与忠贞的妻子，他也用无惧岁月与神力诱惑的矢志不渝，完成了对这段伟大关系的双向奔赴，我觉得这是诺兰在这部电影中最歌颂的人性之美！ 《奥德赛》表面上是一个关于冒险、努力回家与家人团聚的史诗，但在我看来，它是人类一生的终极隐喻。 从出生到死亡，我们都在命运的汪洋上航行。我们会遇到独眼巨人(暴怒)、女巫(贪婪)、塞壬(欲望)。 最终能否回到那个"家"？这个家不是伊萨卡岛，而是我们的本心: 佛家叫"明心见性" 道家叫"返璞归真" 荣格叫"自性化" 当上帝已死、灯火熄灭，我们还能否找到自我的本心? 归途也是心途。这是我一个多小时敲字中，满脑子一直浮现的话！🧐

我女儿这两天流感不能去幼儿园，我为了安慰她，用codex花半小时把她最喜欢的人鱼狗珊瑚（汪汪队里的）做成了一个游戏。全程我只说了5次提示词和网上搜了第一个人鱼狗图片给它。codex根据图片,世界知识与搜索，自动生成全栈游戏资产（用image2生图模型），然后自动生成游戏代码，自动完成测试。 上手玩的那一刻，她的快乐都溢出屏幕了。 不要焦虑，用起来，去创造。像玩游戏一样玩ai

互联网黑话之西游记版 制作工具： - Gemini 3 Pro 生成剧本 - Nano banana Pro 生成首帧图 - Sora 2 Pro 生成分镜头视频 原始剧本（有大量删减）： 唐僧 (CEO): 悟空，咱们现在的 OKR（目标与关键结果） 进度如何？离西天那个 最终交付物（取经） 还有多长的时间窗口？ 悟空 (CTO): 师父，我看了一下后台日志，咱们现在的 路径规划 有点绕，前面路段 风险系数（Risk） 很高，建议先做一下 灰度测试。 白骨精 (外部竞品/黑客): [化身送饭村姑上线] 各位老师好，我是本地生活赛道的，来给各位做一下 用户关怀，痛点是大家饿了，解决方案是这篮子馒头，完全免费，旨在 沉淀用户心智。 八戒 (摸鱼总监): 师父！你看！这是 高潜用户 啊！而且自带 资源包 进场，咱们赶紧 转化 了吧，这馒头看着就符合 人体工学。 悟空 (火眼金睛开启): 慢着！ [扫描中...] 警报！前端页面伪装度 99%，后端接口全是 恶意代码！ 这不是 增量用户，这是 杀猪盘！ [举起金箍棒] 看我一键 回滚！物理 格杀！ [一棒打死] 唐僧: 悟空！！你疯了吗？ 你这是 P0 级生产事故！ 虽然我们追求 狼性文化，但你也不能对 C 端用户 暴力执法啊！你的 颗粒度 怎么这么粗？ 悟空: 师父，你那是 信息茧房。透过 底层逻辑 看本质，她就是一堆白骨（Bug），如果不及时 熔断，咱们团队的 生命周期 就到头了！ 八戒: 师父，别听猴哥的。 我看他就是 嫉妒 我跟用户 建立了深度链接。 他这是 技术霸凌，为了刷自己的 存在感，把咱们的 潜在流量 既然全给 屏蔽 了。这让我们以后怎么做 私域运营？ 白骨精 (化身老妇人再次上线): 哎呀，我女儿呢？ 刚才是不是你们 触达 了我的女儿？ 悟空: 还敢 迭代？ 换了个 UI 皮肤 我就不认识你了？ 刚才是一期工程，现在二期工程我也给你 拆迁 了！ [再次一棒打死] 唐僧: [念紧箍咒 - 启动合规审查程序] 悟空: 啊！师父！别念了！别搞 职场 PUA！ 唐僧: 我也不想这样。 但你连续两次 击穿底线，严重影响了团队的 NPS（净推荐值）。 出家人慈悲为怀，这是我们的 品牌调性，你完全不 对齐 咱们的 价值观。 白骨精 (化身老公公上线): 救命啊... 这一家子都被你们 优化 了... 悟空: 好家伙，还搞 矩阵号 运营？ 我就不信你的 服务器 还是 多活 的！ 看我 全栈打击！彻底 格式化！ [打死老公公，白骨精现出原形，留下一堆白骨] 悟空: 师父你看！这就是 交付结果！ 我就说她是 虚假繁荣 吧，全是 泡沫。 八戒: 哎呀师父！ 这猴子那是怕您责怪，使了个 障眼法（技术手段） 篡改了 数据库！ 他把好好的一个老头，渲染 成了白骨！ 他这是为了逃避 KPI 考核，伪造 数据看板 啊！ 唐僧: 够了。 孙悟空，你 技术栈 虽然强，但是 软技能 太差。 你已经不适合我们这个 生态位 了。 我们现在的 战略转型 需要更 柔性 的人才。 你被 毕业 了，去财务那结算一下 N+1 吧。 悟空: 师父？你真的要跟我 解耦？ 没有我做 底层架构，这一路上的 Bug 谁来修？ 唐僧: 不用说了。 沙僧，把他的 权限回收。 八戒，以后你来 承接 悟空的 Headcount（编制）。 悟空: 行。 此处不留爷，自有留爷处。 我去花果山 孵化 新的 独角兽 去了！

这是纯宝藏：20 个 AI agent 技能，覆盖从构建到上线的完整闭环。 规格、架构、agent、后端、数据、UI、测试、安全、分析、交付。 定义任务 1. bmad-spec 把想法变成结构化的规格。 2. domain-modeling 为系统里的核心概念和关系建模。 3. codebase-design 规划代码库该怎么组织。 4. google-agents-cli-workflow 用 Google Agents CLI 搭建 agent 工作流。 5. prompt-optimizer 改进和打磨 prompt。 构建系统 6. google-agents-cli-adk-code 用 Google 的工具构建 agent 代码。 7. mastra 构建 AI agent 系统的技能。 8. typesafe-ai 用更强的类型安全构建 AI 工作流。 9. fastify-best-practices Fastify 后端的更好模式。 10. neon-postgres 使用 Neon + Postgres。 让它可用 11. prisma-database-setup 用 Prisma 搭建数据库层。 12. clerk-orgs 加入组织与认证工作流。 13. emil-design-eng 改进产品设计和前端执行。 14. review-animations 审查并改进 UI 动画。 15. remotion-best-practices 构建更好的程序化视频工作流。 验证真实效果 16. playwright-cli 测试真实浏览器路径。 17. semgrep 扫描代码库的安全问题。 18. sentry-fix-issues 发现并修复生产环境问题。 19. instrument-product-analytics 追踪用户在产品里实际做了什么。 20. email-best-practices 改进产品邮件流程。 这个闭环： 想法 → 规格 → 架构 → 构建 → 浏览器测试 → 捕获失败 → 衡量用户 → 改进下一个版本。 找出你项目里最大的瓶颈，先装上能攻克它的那个技能。 收藏这条，为你的产品建一个第二大脑。

9. 做一个简单的在线工具 “为 [AUDIENCE] 做一个简单的在线工具，解决这个问题：[PROBLEM]。 让它不用说明就能用。 包含一个清楚的结果、一个加入我邮件列表的自然理由，以及一条通往我产品或服务的相关路径。 做出能用的原型，测试它，并说明发布前还需要什么。”

如何解决 AI 写文章的 AI 味儿？ 现在的 AI 写数学题或写代码很厉害，但在写学术论文、小说或百科文章时，经常产出空话连篇、表面流畅但缺乏真正深度的文字，这种低质文本常被称为“AI 废话”（AI slop）。 出现这个问题的原因在于，常用的 AI 评分系统很难辨别真正优秀的文字。研究人员发现，如果让目前的先进模型给文章打分，或者让它们自由制定打分标准，模型给出的分数往往偏向 AI 生成的内容，甚至给 AI 文本的分数远高于人类专家的原著。打分裁判本身偏好废话，训练出来的写作模型自然就会写出更多废话。 为了解决这个弊端，META 提出了一套名为 RL-XAR 的新训练方案，核心思路分为三步： 1）准备参照标杆：收集高水平的人类写作范例，比如真实的科研论文、名家小说和维基百科精选词条，截取前半部分作为上下文，分别让人类专家和 AI 模型顺着往下写。 2）训练评分规则：让 AI 裁判反复调整打分标准，直到这些标准能准确把人类高手的文本评为高分，把 AI 生成的文本评为低分，真正拉开两者的差距。 3）针对性强化训练：用这套校准后的高难度评分规则去重新训练写作模型，不断循环这个过程，逼迫模型改掉毛病。 META 在三个领域测试了这种方法： · 学术论文写作：模型需要补写论文中被拿掉的摘要、引言或结论。经过新方法训练的模型，不再像以前那样把整篇论文翻来覆去复述一遍，而是学会了精简和突出重点。原作者进行盲测评估时，新模型的胜率达到了 89%。 · 文学小说续写：续写普利策奖和诺贝尔奖得主的作品。模型改掉了乱用陈词滥调的比喻这一常见毛病，盲测胜率达到了 95%。 · 维基百科编写：根据标题直接写出正文内容。这项任务难度最高，模型虽然也有进步，但因为现有的 AI 裁判能力有限，提升幅度不如前两项明显。 所以，想让 AI 写出更像人类高手的深刻文字，关键在于先训练出眼光挑剔的评分标准，避免让模型用平庸的标准自我满足。 原文：

兄弟们，最近需要重点参与一下PopDEX了 先说参与逻辑，目前 PopDEX @popdex_  还在内测但已经完成 4 轮真实现金奖励发放，最近一期单地址最高奖励超过 8,000U。官方说 Closed Beta 至少还有一轮，10 月中旬应该会有大动作，早期参与刷交易活动奖励有机会覆盖手续费，还可能拿到未来的空投，兄弟们要抓住机会了 PopDEX由 Foresight Ventures 孵化并投资 3,000 万美金，与 Bitget Wallet 深度合作，目前还在封闭测试就已经有3B+ 累计交易量和约 61M LP 池规模，公开案例里有位用户单期交易约 6M Volume，拿到约 2,550U 交易奖励，扣除交易手续费后仍多拿到约 1,000U，确实值得参与 最后给大家分享一点自己的交易技巧 1、不要为了刷量而乱开仓，尽量用真实交易在吃资金费率的同时去吃“费用补贴” 2、务必使用邀请码，提前聊好返佣，这一块可以省一大笔钱，不介意的可以使用我的 3、重点关注官方的活动，参与门槛要求等条件

爽了，AI 视频最烦的反复抽卡问题，终于被解决了！！！ 给 Fotor Agent 丢一段需求或原始素材，它直接从脚本做到可编辑的多轨成片，质量和稳定性完全是商用级！ 以前做 AI 做视频，最恶心的就是生成完以后没法改😓，数字、Logo、画面出一点问题都要重新抽卡，但它就只需要改一小段。 文字、图片、图表、数字、Logo、旁白、B-roll、滤镜、转场和音乐全部分轨： 1、画布上直接改：参数能直接选中修改，Logo 等都可以替换，连颜色和图表都能随时改。 2、时间线随便调：调整层级、拉音量、换转场，全都可以自己调。 3、支持 30+文件、10GB 素材：手机拍的素材丢进去后，他能自己抓精彩镜头、去口头语、配字幕和 B-roll。 我拿它测试了一下做一个新品上线视频。把产品图和卖点文档丢进去，它会先整理脚本和分镜，确认之后再继续生成画面、旁白、字幕，最后全部放进时间线里。这种工作流对需要频繁改稿的人真的方便很多。 而且它做 4K MG 堪称降维打击： 以前做一条 MG 动效，需要在 AE 里一帧帧抠，3-5 天起步，花几千块，改个数字、布局还得再等老久。 现在把 PDF、Excel、报告这些资料扔进去，一会就能出一版 AE 级 4K 动效，里面的数字和图表还能接着改。 我算了一下，每秒才几毛钱，30 秒的 4K 成片十几块，2 分钟也就几十块。时间从几天压到几十分钟，钱从几千压到几十，这差距太离谱了！！！ 它能落地的场景实在太多了： 1、电商上新：商品图和卖点扔进去，自动生成多尺寸广告，价格随时改。 2、SaaS 演示：录屏和功能介绍一键做成 Product Hunt 上线视频。 3、知识科普：论文、文章直接转 4K 动态信息图，做爆款科普解说。 4、数据汇报：把 Excel、CSV 做成动态增长大屏和财报解读。 5、课程培训：讲义文档直接变成整套多轨教学视频。 做产品、做电商、做自媒体或者出海的朋友，强烈建议去试一下！ 🔗：