与「环境」相关的搜索结果

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。

日本侵华和俄乌战争非常像，两者开战的理由，都是区域强权以“安全、历史权利、势力范围”为由对邻近的弱国动武，俄罗斯讲的是北约东扩、保护同胞、防止包围，日本讲的是欧美石油禁运，中国排日、抵制日货、杀日侨、打破西方包围，两者都是把国家安全环境定义成自己的生存问题，再把动武说成被迫。俄罗斯并吞克里米亚、在顿巴斯举行入俄“公投”，日本则扶持伪满洲国和汪伪国民政府，俄罗斯强调“特别军事行动”，日本则把侵华战争称为“事变”，都避免承认自己是侵略者，二战期间从未正式对中国和美国宣战。同时，外部的制裁、禁运、国际谴责，都没能让俄罗斯和日本停战和撤军，两者都认为撤军等于失败，就算有巨大损失，也要继续打下去。

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。

.@saylor 在 @binance 的最新访谈中，给出了他对比特币定价逻辑和时间边界的完整推演，他认为比特币的投资机会窗已不足 10 年。 抛开他持仓 84 万枚 $BTC 的立场，视频中这 4 个基于数学和宏观环境的判断值得参考： 1. 明确的时间边界：从现在到 2035 年是最后的红利期。2035 年，99% 的比特币将被挖出。此后，BTC 的增长曲线将逐渐平缓，大约 20 年后，其年化收益将降至仅比标普 500 高 3-5 个点，超额收益期结束。 2. 下一个价格引擎：比特币货币化分为 ETF、财库储备、数字信贷和银行放贷四步。前三步已经发生，未来 36 个月的核心驱动力将是“银行放贷”——逻辑类似房地产，当银行开始接受 BTC 抵押放贷，资产价格才会被真正撬动。 3. 真实通胀的折算：普通人关注 3% 的 CPI（工业品通胀），而资金关注 15% 的“资本成本”通胀（稀缺资产的涨幅）。 AI 会让服务变便宜，但凭空变不出市中心的绝版地段和毕加索的真迹。在生产力越丰裕的时代，绝对稀缺的资产越贵。 4. 黄金的数学劣势：黄金每年约有 2% 的新增供给，这意味着储存在黄金里的购买力每 36 年会被稀释一半，而比特币的通胀最终趋零。 看懂这套逻辑，就能理解他当前发股、发债买币的底层框架。具体论述见视频👇

胜率49%，一半都不到。 51天，18.2万美元。 他在Polymarket上跑一套会自己改门槛的量化模型，专做BTC Up/Down。 公开账本： 51天，已实现约+182,403美元，日均大约3,500。 36,473次预测，胜率约49%。 均笔不大，靠同一套设置，每小时重复约30次往外刮。 模型只干一件事： 噪声越大，信号必须越强，才允许下单。 阈值随波动走： H = k × σ σ，当前短期波动率。 k，敏感度参数。 H，进入所需的最小信号强度。 盘面安静，H下调，小信号也能过。 波动抬升，H上调，同样的方向直接丢掉。 举个例子： 信号1.8，阈值1.2，下单。 信号1.8，阈值2.3，不做。 同一段走势， 在一种环境里是订单， 在另一种环境里，当没看见。 他不追求神准。 49%的胜率够用—— 过滤掉的是噪声里的假突破， 留下来的才动手。 这个模型最反直觉的地方： 它不预测方向，它只改证据的门槛。 人亏钱，常常是在市场最吵的时候，用最松的标准冲进去。 他反着来： 市场越吵，动手前要的证据越硬。

今天晚上 10 点，我的 Claude 老号毫无征兆被封了。 用了大半年，一直为了这个账号小心翼翼供着原生家宽 IP。 并且这个账号过kyc后买来一路从免费版升级： $20 尝鲜 $100 重度主力使用了好几个月 最后开到顶配 $200 结果 $200 还没 $100 用得久，用了不满两个月直接阵亡。 我第一反应先是骂A ÷玄学风控、同时怀疑自己节点是否被标记不干净。 但静下心拉了 Clash 的连接日志，把 Mac 上的路由表、DNS 和后台进程彻底摸了一遍，我服了。 面对AI风控,现在大部分教程都在疯狂教你折腾“纯净住宅 IP”。 其实真正害死账号的，往往是本地网络环境的“精神分裂”。 这里我实践排查出来的 3 个致命硬伤： 1.Claude Code 压根不支持 SOCKS很多人随手配个 socks5 变量，但官方文档写得清清楚楚：只认 HTTP_PROXY 和 HTTPS_PROXY，不支持 SOCKS。配错了对应出口后它根本不认，流量直接裸奔或异常打架。 2.IPv4 和 IPv6 严重割裂IPv4 规规矩矩走了家宽节点，IPv6 却在本地直连或者经由不同的虚拟网卡分流。在服务端眼里，你相当于上一秒在美国，下一秒直接瞬移。 3.终端、桌面端、浏览器出口完全不一致CLI 终端走一套环境变量，桌面端走 TUN，浏览器还带着残留的动态端口后台重启。同一个账号，几个客户端同时挂着完全不同的出口在调用。 所以说原生家宽固然重要。 但本地网络没有对齐，IP 买再贵也是白送。 所以如果你也是AI重度用户，给几个我自己实践用过的排查建议： 明确禁用或阻断 IPv6，确保没有双栈绕过 给 Claude Code 显式配置 HTTP 代理，别依赖 SOCKS 统一所有客户端走同一条出口路径，排查并干掉后台偷跑的僵尸进程(claude codex都要监控) --- 最后祝大家的账号都安好,能够安心使用AI🫰

现在做个个人小工具或者出海小产品，不建议买云服务器、配环境、折腾 Nginx，纯属自己给自己找罪受。 静态前端直接扔给 Cloudflare Pages，连着 GitHub 推送就能自动构建，全球 CDN 一分钱不收。 后端接口全丢给 Cloudflare Workers，毫秒级冷启动，每天几十万次请求的免费额度根本用不完。 数据库直接上 D1，本质上就是开箱即用的边缘 SQLite，不用自己管连接池，更不用天天提防数据库端口被扫。 用户上传的文件和图片丢进 Cloudflare R2，兼容 S3 协议，出网流量费直接免掉。 验证码和通知邮件接个 Resend，每月 3000 封免费额度，写两行代码直接发，不用自己去伺候邮件服务器折腾解析。 整套全托管组合跑下来，每月几十万次请求直接零账单。 省下买服务器的几十块钱是小事，最爽的是不用半夜被叫醒看日志，也不用操心磁盘满不满。 不用伺候机器，小东西安安静静跑在边缘节点，用到地老天荒也不用掏一分钱。

啊啊啊啊🎉🎉！原来 Muse 也能搞 数字人 + 网感剪辑！ 我把刚开源的 AI 网感剪辑仓库丢给 Muse（图2/3）， 工具都配好，拿数字人视频当素材，直接开剪！ 它还真按我设计的 agent loop 自己看片、挑刺、改版了👀 但是……咋感觉没我本地 Claude Code 剪的那条样片好？（文章顶部的帖子） 是 Muse 的环境不一样，还是我眼光太挑了？ 大家觉得如何呢？ 开源地址👇 用着不顺手，评论区直接吐槽也行！ ⭐ 想认真提 issue 的朋友，带上 runlog、运行环境、工程里的 qc/ 目录，我能更快定位问题🙏