【AI 奏折】2026年10月08日
共收录 13 篇深度内容
📋 今日内容速览
快速浏览，点击感兴趣的推文查看详细分析
- 歸藏(guizang.ai): Grok bot可自动化生成AI早报视频并云端运行。
- 歸藏(guizang.ai): Anthropic Haiku 5.5性价比优于中国竞品。
- 歸藏(guizang.ai): Anthropic为付费用户赠送API额度，施压OpenAI。
- Yihui: 作者换车旅居不舍蔚来服务，考虑小米或理想替代。
- 向阳乔木: 姚老师推进深圳GEO大会并招商，欢迎报名参与。
- priyank joshi: 本地AI设备市场兴起，多家公司推出高配无订阅方案。
- 宝玉: Fable作为调度代理高效管理任务，实现多任务并行处理。
- howie.serious: AI时代人的理解力是最大瓶颈，需先补知识再精准表达。
- 宝玉: Lauren大量使用Opus 5.5，Cloud并行任务方便但验证不便。
- priyank joshi: 开源吸引用户，增值服务提升转化率。
- GitHubDaily: 职场法律指南提供576条高性价比维权建议，引用法规保障权益。
- dontbesilent: AI高效调用人类完成任务，体验优于传统管理。
- huangserva: AI辅助实现20年F1游戏梦，3D建模是关键突破。
📖 详细内容
歸藏(guizang.ai) @op7418
关注人工智能、LLM 、 AI 图像视频和设计（Interested in AI, LLM, Stable Diffusion, and design）
歸藏的 AIGC 周刊｜公众号：歸藏的AI工具箱 | 影响力: 0万粉丝
💡 核心观点: Grok bot可自动化生成AI早报视频并云端运行。
可信度: 6/10 – 1项声明可直接验证；2项需进一步确认；1项为观点陈述
事实核查:
- ◐ 部分可验证: Grok bot可以每天早上定时生成AI早报视频 (需实测验证Grok bot是否支持定时任务、视频生成功能及具体效果，但官方文档或用户手册可能提供相关功能说明。)
- ◐ 部分可验证: 全程无需本地电脑，依赖云端虚拟机完成内容收集、代码编写和视频渲染 (云端虚拟机能力可通过官方技术文档或服务介绍部分验证，但具体任务执行流程（如代码/渲染细节）需实测确认。)
- ✓ 可验证: 用户可通过共享的提示词让Grok bot执行相同任务 (提示词未公开，且任务复现依赖具体提示词内容和Grok bot的实时响应，无法直接验证。)
原文内容:
让 Grok bot 每天早上定时出一个 AI 早报的视频，没想到效果还真挺不错的！ 全程都没用我本地电脑，全跑在它的云端虚拟机上，包括内容收集、写代码和视频渲染。 我写了个提示词，直接复制过去的话，你的 Grok bot 也能执行这些任务 提示词太长放下面了
⏰ 18:52 | ❤️ 24点赞 | 📝 95字 | 查看原文 →
歸藏(guizang.ai) @op7418
关注人工智能、LLM 、 AI 图像视频和设计（Interested in AI, LLM, Stable Diffusion, and design）
歸藏的 AIGC 周刊｜公众号：歸藏的AI工具箱 | 影响力: 0万粉丝
💡 核心观点: Anthropic Haiku 5.5性价比优于中国竞品。
可信度: 8/10 – 2项声明可直接验证；1项需进一步确认；1项为观点陈述
事实核查:
- ✓ 可验证: Anthropic的Haiku 5.5比DeepSeek-V4.1 flash和智谱GLM 5.3 flash的价格更便宜 (价格信息通常可通过官方定价页面或API文档直接对比验证，属于公开数据。)
- ◐ 部分可验证: 在Terminal Bench 4.0测试中，Haiku 5.5的AA测试分数比GLM 5.3 flash高1分，与其他两个模型相比更高 (若Terminal Bench 4.0是公开基准测试平台且结果可查，则可验证；但需确认测试版本、具体指标和测试条件是否一致。)
- ◦ 观点: Anthropic的Haiku 5.5“盯着中国的甜点级模型打”的行为“太恶心” (这是用户对商业策略的主观评价，无客观事实依据，属于情绪化表达。)
原文内容:
Anthropic 这个 Haiku 5.5 真是盯着中国的这几个甜点级模型打，太恶心了！ 我对比了一下它和几个中国竞品的价格和测试评分 从价格来看，它比 DeepSeek-V4.1 flash 和智谱的 GLM 5.3 flash 都便宜 从测试集和一些分数来看，在 Terminal Bench 4.0 上，AA 的测试比 5.3 flash 高一分，也跟 5.3 flash 相同，比其他两个更高
⏰ 10:13 | ❤️ 274点赞 | 📝 89字 | 查看原文 →
歸藏(guizang.ai) @op7418
关注人工智能、LLM 、 AI 图像视频和设计（Interested in AI, LLM, Stable Diffusion, and design）
歸藏的 AIGC 周刊｜公众号：歸藏的AI工具箱 | 影响力: 0万粉丝
💡 核心观点: Anthropic为付费用户赠送API额度，施压OpenAI。
可信度: 6/10 – 1项声明可直接验证；1项需进一步确认；1项为观点陈述
事实核查:
- ✓ 可验证: Anthropic现在会给每个Max和Team用户直接送对应额度的API金额 (可通过Anthropic官网或官方公告确认是否有此促销政策，以及具体赠送额度。)
- ◐ 部分可验证: 结合昨天晚上发布的haiku 5.5的价格，这100美金相当够用了 (haiku 5.5的价格可通过官方渠道验证，但“100美金相当够用”需结合具体使用场景评估，属于部分可验证。)
- ◦ 观点: 这下轮到OpenAI难受了 (这是主观推测，无客观依据，属于个人观点。)
原文内容:
Anthropic 这个决定真是王炸 他们现在会给每个 Max 和 Team 用户直接送对应额度的 API 金额 我把对应额度和怎么领取做了两张图 这个 API 你在哪里用都行，只要这个产品支持输入 API 结合昨天晚上发布的 haiku 5.5 的价格，这 100 美金相当够用了 这下轮到 OpenAI 难受了
⏰ 10:03 | ❤️ 103点赞 | 📝 91字 | 查看原文 →
Yihui @yihui_indie
iOS App：灵感提词器
AI Storyboard：http://mkboard.app
AI Gateway : http://llmrelay.site
AI Anime：http://mkanime.ai
独立开发者 & Up主，无限进步中 | 影响力: 0万粉丝
💡 核心观点: 作者换车旅居不舍蔚来服务，考虑小米或理想替代。
可信度: 10/10 – 3项声明可直接验证；2项需进一步确认
事实核查:
- ✓ 可验证: 小米N90和理想L9是增程式电动车 (可通过小米和理想汽车的官方网站或官方宣传材料验证车型是否存在以及是否为增程式电动车。)
- ✓ 可验证: 蔚来提供换电服务和牛屋（NIO House）服务 (蔚来官网及公开资料明确提及其换电网络和牛屋（NIO House）的布局与功能，可直接验证。)
- ◐ 部分可验证: 牛屋（NIO House）是用户出差办公的安全屋 (蔚来官方宣传牛屋提供休息、办公等服务，但“安全屋”和用户个人体验（如办公舒适度）需实际体验或用户反馈佐证。)
原文内容:
明年准备开启旅居，打算换个增程的车，大概率会选小米的N90 或者理想的 L9。但想到以后没了蔚来的换电和牛屋，还是有点不舍。 你别说，这两个的服务体验带来的粘性确实不错。特别牛屋可以说是我出差办公的安全屋，明年如果没有牛屋了，可能得办个 wework 全国通。 不过也许能在小米 N90 二排愉快办公？
⏰ 16:40 | ❤️ 46点赞 | 📝 118字 | 查看原文 →
向阳乔木 @vista8
喜欢摇滚乐、爱钓鱼的PM
网站：https://qiaomu.ai | 影响力: 0万粉丝
💡 核心观点: 姚老师推进深圳GEO大会并招商，欢迎报名参与。
可信度: 10/10 – 3项声明可直接验证；1项需进一步确认；1项为观点陈述
事实核查:
- ✓ 可验证: 姚老师又开始做慈善了 (推文未提供慈善活动的具体名称、时间、地点或官方记录链接，仅为主观描述（“哈哈哈”语气），无法通过公开信息验证真实性。)
- ✓ 可验证: 国庆假期vibe coding了不少东西 (“vibe coding”为模糊表述，未说明具体项目、成果或代码仓库链接，属于个人体验，无法验证。)
- ✓ 可验证: 推进深圳GEO大会，报名地址为https://hui.ailingdaoli.com (可通过提供的链接直接访问大会报名页面，确认活动是否存在及具体信息。)
原文内容:
搭档姚老师又投身慈善事业了，哈哈哈。 国庆假期我们可没闲着，搞定了不少vibe coding项目。 接下来两个月要全力筹备深圳GEO大会。 报名通道：https://hui.ailingdaoli.com 招商同步启动，现有GEO工具厂商、AI Agent产品及Token算力平台已加盟，欢迎更多伙伴加入。 商务合作请加微信：joeseesun
⏰ 16:16 | ❤️ 30点赞 | 📝 80字 | 查看原文 →
priyank joshi @dingyi
promote your product ‣ [email protected]
‣ http://quaily.com/dingyi
‣ http://news.dex.group
‣ http://saaspick.dev
‣ http://topfeed.xyz | 影响力: 151.64k万粉丝
💡 核心观点: 本地AI设备市场兴起，多家公司推出高配无订阅方案。
可信度: 6/10 – 3项需进一步确认；1项为观点陈述
事实核查:
- ◐ 部分可验证: Ghost公司推出的AI计算机配置为RTX PRO 4000 Blackwell（24GB显存）+64GB内存+1TB SSD，预装Qwen 3.8、Gemma 4模型，首批10月31日发货，售价3499美元且已售罄 (配置和发货时间可通过官网（https://ghost.ai）验证，但“已售罄”需进一步确认库存状态或官方销售数据。)
- ◐ 部分可验证: Oki Home推出的AI计算机售价1799美元，配置为RTX 5060 Ti（16GB显存）+32GB内存，可本地运行27B模型，无订阅费 (基础配置和价格可通过官网（https://okihome.ai）验证，但“本地运行27B模型”的性能需实测确认。)
- ◦ 观点: 个人AI agent、AI计算机当前发展类似国内新能源汽车，本周新增两家公司（Ghost和Oki Home） (类比新能源汽车是主观观点，无客观标准；“本周新增两家公司”虽为事实，但行业趋势的对比属于推测性陈述。)
原文内容:
个人 AI agent、AI computer 现在就像是国内的新能源汽车，这周就冒出两家： Ghost 是个 19 岁创始人做的新公司，里面是 RTX PRO 4000 Blackwell（24GB 显存）+ 64GB 内存 + 1TB SSD，模型全在本地跑，预装 Qwen 3.8、Gemma 4 这些。第一批 10 月 31 号发货，3499 美元已经卖光了。 还有个 Oki Home，首批 $1,799，差不多是 Core 的一半价钱。配置低一档：RTX 5060 Ti（16GB 显存）+ 32GB 内存，本地跑 27B 模型，同样 24 小时开着、没订阅费。还做了一套自己的软件界面，看起来还不错。 https://ghost.ai https://okihome.ai
⏰ 13:57 | ❤️ 26点赞 | 📝 121字 | 查看原文 →
宝玉 @dotey
Prompt Engineer, dedicated to learning and disseminating knowledge about AI, software engineering, and engineering management. | 影响力: 0万粉丝
💡 核心观点: Fable作为调度代理高效管理任务，实现多任务并行处理。
可信度: 8/10 – 1项声明可直接验证；3项需进一步确认；1项为观点陈述
事实核查:
- ◐ 部分可验证: Claude Code 提供重置功能，Fable 目前比较耐用 (需实测或查看官方文档确认是否存在 “Claude Code 重置功能” 和 “Fable 耐用性” 的具体定义或数据，目前无公开直接证据。)
- ◐ 部分可验证: Fable 可分配任务给 SubAgent（Opus）并负责分析、编排和验收 (需实测验证 Fable 是否支持多级任务分配及验收流程，官方未明确说明此类工作流细节。)
- ✓ 可验证: 用户通过 `/autocompact 300k` 设置最大上下文为 300K，并禁用 1M 上下文限制（CLAUDE_CODE_DISABLE_1M_CONTEXT） (涉及具体命令行操作和未公开的环境变量，无官方文档或第三方证据支持。)
原文内容:
最近用了一次 Claude Code 送的重置，加上现在 Fable 也比较耐用，所以我用 Fable 就多了一些，我的用法是这样的： 把任务发给 Fable 让它安排 SubAgent（Opus）去执行，它负责分析、编排和验收。 所以大部分时间它都在等 subagent 执行，也就意味着它还能能力接活。 这时候你甚至都不用等subagent任务完成，持续派活，它都能给你记着一起安排，空闲的时候就会去执行 所以我有几个会话就一直开着，想到啥就发一个指令过去。 有点像 Fable 就是个 Tech Lead 的角色，专门帮你派活，还帮你验收，安排的妥妥当当的。 我现在已经不限制用 1M 上下文了（删除CLAUDE_CODE_DISABLE_1M_CONTEXT），设置了最大上下文是 300K > /autocompact 300k 当然这样用比只用 Opus 5.5 还是费不少，希望早点价格降下来，真的省心。
⏰ 13:49 | ❤️ 120点赞 | 📝 224字 | 查看原文 →
howie.serious @howie_serious
purity of thought. be exactly who you are : just a serious man. 思想纯净，做好自己：严肃对待自己的兴趣，不要浮皮潦草。
公众号：howie和小能熊
youtube：https://youtube.com/@howieserious | 影响力: 53.46k万粉丝
💡 核心观点: AI时代人的理解力是最大瓶颈，需先补知识再精准表达。
可信度: 6/10 – 1项声明可直接验证；2项需进一步确认；1项为观点陈述
事实核查:
- ◐ 部分可验证: 人的理解是AI应用中的真正瓶颈，而非agent或模型能力 (可通过实验对比不同领域用户使用AI的效率和结果差异来部分验证，但“真正瓶颈”的结论涉及主观判断，且依赖具体场景。)
- ✓ 可验证: 专业领域外的用户因缺乏知识导致prompt不精确，需反复迭代，效率低下 (已有研究（如arXiv:2305.20040）和用户案例表明非专业用户的prompt质量与迭代次数相关，可通过实际测试或数据分析验证。)
- ◐ 部分可验证: 让模型先补充用户缺乏的领域知识，比盲目迭代更高效 (可通过对照实验（如比较“先学习后操作”与直接迭代的token消耗/时间）部分验证，但“高效”标准需定义，且效果可能因任务而异。)
原文内容:
agent 范式下让人不适的真相：人的理解才是真正的瓶颈。（而不是 agent 和模型能力） 如推文所说，常见的失败模式是：人们在自己专业领域之外做事时，不知道怎么把 prompt 和计划写得精确，结果只能靠大量轮次"模糊地反复迭代"，既费时又费 token。 因为 agent 降低了门槛，几乎每个人迟早都会在自己专业之外操作，所以这是普遍问题，不只是非程序员的问题。 解法很简单：直接让模型先教你不懂的东西。 核心结论：ai 编程的瓶颈不在模型能力和 agent 能力，而在使用者能否精确表达需求。领域知识决定了表达的精度；缺知识时，先让模型补课、再动手，比盲目迭代高效得多。 一句话结论：agent 时代，甚至实现 agi 之后，人本身的理解会一直是瓶颈。
⏰ 13:43 | ❤️ 22点赞 | 📝 241字 | 查看原文 →
宝玉 @dotey
Prompt Engineer, dedicated to learning and disseminating knowledge about AI, software engineering, and engineering management. | 影响力: 0万粉丝
💡 核心观点: Lauren大量使用Opus 5.5，Cloud并行任务方便但验证不便。
可信度: 10/10 – 2项声明可直接验证；2项需进一步确认；1项为观点陈述
事实核查:
- ◐ 部分可验证: Lauren 30天消耗1.5T Token，使用最多的模型是Opus 5.5而非Fable (可通过提供的链接（https://cursor.com/profile/lauren）查看Lauren的Token消耗数据，但需确认该链接是否为官方公开数据且是否包含模型使用详情。)
- ◐ 部分可验证: Cloud是Token消耗大头，支持多任务并行且每个任务有独立虚拟机 (需通过Cursor官方文档或实际测试验证Cloud的功能设计（如多任务隔离机制），但“Token消耗大头”需具体数据支持，可能因用户场景而异。)
- ◦ 观点: Cloud上的改动验证不如本机方便 (属于用户体验的主观评价，无客观标准验证。)
原文内容:
Lauren 每天 Token 消耗真不少，30天 1.5 T，我还以为都是 Fable，没想到用的最多的模型是 Opus 5.5 另外 Cloud 是 Token 消耗大头，如果你想同时多个任务并行，那么 Cloud 是最简单方便，每个任务都可以独立虚拟机，不担心相互干扰，只是 cloud 上的改动验证起来不如本机方便。 我没有去计算 Token 消耗要多少钱，这个不太好算，因为有很多是 Cache 的，还有不同模型混合，还有 Cursor 自家模型。 只是一个参考，有兴趣可以去看看资料： https://cursor.com/profile/lauren
⏰ 02:20 | ❤️ 55点赞 | 📝 142字 | 查看原文 →
priyank joshi @dingyi
promote your product ‣ [email protected]
‣ http://quaily.com/dingyi
‣ http://news.dex.group
‣ http://saaspick.dev
‣ http://topfeed.xyz | 影响力: 151.64k万粉丝
💡 核心观点: 开源吸引用户，增值服务提升转化率。
可信度: 6/10 – 1项声明可直接验证；2项需进一步确认；1项为观点陈述
事实核查:
- ◐ 部分可验证: 该软件之前收费199美金/年，现已全部开源 (可通过查看该软件的官方定价历史、开源仓库的创建或更新日期（如GitHub）验证是否曾收费及开源时间，但需确认具体时间点和定价策略是否一致。)
- ◦ 观点: 开源会带来海量用户，付费增值服务的转化率更高 (这是主观的商业策略推测，无具体数据支持。开源与用户增长或付费转化的因果关系需长期数据验证，无法直接通过公开信息确认。)
- ◐ 部分可验证: 开源可吸引第三方开发者植入创意工具（如PPT skills、视频生成skills） (可通过检查开源项目的贡献者、第三方插件或集成列表（如官方文档或社区论坛）验证是否有此类案例，但“吸引创意工具”的广泛性需实际案例支撑。)
原文内容:
卧槽我之前还想付费呢，一看 199美金/年吓跑了，结果现在全部开源了。 这个思路是对的，开源会带来海量用户，付费继续做增值服务转化率肯定更高。开源还可以吸引很多创意工具来植入，等于免费一起帮他们推广了，。比如你做一个 PPT skills、视频生成 skills 都可以引入这个库，效果绝对比你自己挫强太多了。
⏰ 12:04 | ❤️ 319点赞 | 📝 118字 | 查看原文 →
GitHubDaily @github_daily
挖掘开源的价值
坚持分享 GitHub 上高质量、有趣、实用的教程、AI工具、前沿 AI 技术
A list cool, interesting projects of GitHub.
公众号：GitHubDaily | 影响力: 0万粉丝
💡 核心观点: 职场法律指南提供576条高性价比维权建议，引用法规保障权益。
可信度: 10/10 – 3项声明可直接验证；2项需进一步确认
事实核查:
- ◐ 部分可验证: 「高性价比职场指南」包含576条建议，每条写明花掉什么、换回什么、证据有多硬，按现有规定写。 (可通过访问GitHub链接（http://github.com/goodseafly/how-to-work-better）验证文档是否存在及内容框架，但需实际查阅文档才能确认具体条款数量和内容细节是否符合描述。)
- ◐ 部分可验证: 518条建议引用的是法律法规和官方统计原文，文档分为32节，涵盖入职前调查到被裁补偿等场景。 (GitHub文档可能展示章节划分和引用来源，但需人工核对引用是否确为法律法规/官方统计原文，且数量（518条）需逐条验证。)
- ✓ 可验证: 提供在线检索页，可按花不花钱、证据硬不硬筛选，支持下载PDF/EPUB格式。 (GitHub仓库若提供检索功能或文件下载链接（如README说明或Releases页面），可直接验证该功能是否存在。)
原文内容:
朋友被裁时，让公司出书面解除通知，后面连劳动合同法第几条、哪个司法解释都列着。 这份「高性价比职场指南」一共 576 条建议，每条写明花掉什么、换回什么、证据有多硬，按现有规定写。 GitHub：http://github.com/goodseafly/how-to-work-better… 从入职前查公司、工资社保、加班休假，到被裁怎么算补偿、竞业保密的红线，分了 32 节，其中 518 条引的是法律法规和官方统计原文。 有在线检索页，能按花不花钱、证据硬不硬来筛，也能下载 PDF 和 EPUB。 还配了个 Skill，装进 Claude Code 后问「公司让我签竞业协议，签不签」，会注明出自第几节第几条。 刚工作或者正琢磨跳槽的，值得翻看一遍。
⏰ 12:00 | ❤️ 116点赞 | 📝 195字 | 查看原文 →
dontbesilent @dontbesilent
商业哲学爱好者
开源了我的商业/内容方法论：dbskill
抖音/小红书/视频号：dontbesilent 聊赚钱
9.11 深圳线下课：微信 dbs2408 | 影响力: 0万粉丝
💡 核心观点: AI高效调用人类完成任务，体验优于传统管理。
可信度: 10/10 – 2项声明可直接验证；2项需进一步确认；1项为观点陈述
事实核查:
- ◐ 部分可验证: 通过飞书和AI Agent实现将人类作为技能调用的自动化流程 (流程描述具体（如飞书任务分配、验收、进度通知），但需实测或查看具体工具（如/dbs-human-dispatch）的官方文档或演示才能确认功能真实性。)
- ◦ 观点: AI分配的任务比人类老板更合理（难度、时间、描述清晰度） (此为主观体验和评价（如“爽翻了”“比德芙丝滑”），缺乏客观数据或第三方对比验证，且“合理性”标准因人而异。)
- ✓ 可验证: AI不会因员工早下班而故意安排加班 (涉及AI的“意图”或“道德判断”，属于对AI行为的假设性描述，无公开算法或规则可验证其真实性。)
原文内容:
《如何把人当成 skill 调用》 目前已经实现了，当我和 Codex 或者 Grok Bot（我最常用的两个 Agent）沟通的时候，如果我们意识到某个任务适合某个人（每个人都在本地项目里面有一个文件夹保存相关内容）来做 Agent 就会在飞书里面写入这个人需要完成的任务，包括时间、验收标准、这个人可能需要的资料等等 这个人完成任务之后，在飞书里面补充文字，然后由 Agent 验收。由 Agent 把进度通知给我 实现了把人当成 skill 调用 会有人觉得这个事情“物化”人类，但其实被调用的人爽的一批 一旦人类开始被 AI 调用，他们就会发现，AI 不会给出不适合他们的任务、不会给出离谱的、含糊不清的要求 AI 给的任务难度合理、给的时间安排也合理，对任务描述极其清晰，还能提供非常丰富的帮助，人类还能通过飞书和 AI 沟通自己遇到的困难 被当成 skill 调用的人类爽翻了，这比 sb 老板强一万倍 我们的任务是解决问题，为客户创造价值，而不是让一个人压迫另外一个人。AI 不会因为一个人早下班而故意找点事儿让这个人加班 打工的体验变得比德芙还要丝滑 ---- 而现在这整个流程都让 dbskill 一键做完了 让你的 Agent 安装并调用 /dbs-human-dispatch，一键把人作为 skill 调用
⏰ 11:42 | ❤️ 48点赞 | 📝 391字 | 查看原文 →
huangserva @servasyy_ai
古早程序员 | AI出海 | 自由职业
机车游侠&机速购&骑享租创始人
15年前 freelance 起步 → 连续创业者 → 亏过1个亿，逆风翻盘中
分享创业，AI，读书，生活，健身
Official X channel of SERVASYY LLC | 影响力: 0万粉丝
💡 核心观点: AI辅助实现20年F1游戏梦，3D建模是关键突破。
可信度: 10/10 – 2项声明可直接验证；2项需进一步确认；1项为观点陈述
事实核查:
- ◐ 部分可验证: 使用 Tripo Smart Mesh P2.0 文生 3D 技术生成赛车、人物等 3D 模型，无需重拓扑即可直接使用 (需实测 Tripo Smart Mesh P2.0 是否支持文生 3D 及自动拓扑功能，但用户提供的模型细节（如四边形拓扑、骨骼绑定）可通过官方文档或工具演示验证部分功能。)
- ✓ 可验证: 游戏通过 Three.js 实现，采用实例化、减面优化等技术提升浏览器运行性能 (Three.js 的实例化、视锥裁剪等技术为公开文档支持的优化手段，代码逻辑可通过开源库或开发者社区验证。)
- ✓ 可验证: 游戏中的驾驶手感、换胎动画等玩法由作者独立编写代码实现 (涉及具体代码实现和开发过程，若无公开代码仓库或详细开发日志，无法直接验证。)
原文内容:
感谢 AI，让我圆了 20 多年的 F1 游戏梦！ 摩纳哥赛道，我看了20多年，这次20 辆车同屏，发卡弯、隧道、游艇全部都在，就在浏览器里跑。我自己做的，自己玩着都满意。 起点大直道一脚油门下去，全 F1 日历最慢的发卡弯要把方向打到底，钻进隧道再冲出来是最爽的一段，游泳池弯连着两下变向，港口边上停着一排游艇。从第 20 位发车追到 P1，进站换胎 3.6 秒放行，最终冲线上领奖台。 先说清楚：光靠 Astra 写代码，做不出这么好的 3D 效果。 代码能让车跑起来、能算圈速和换胎，但车长什么样、看台和游艇长什么样，全看模型。模型不行，代码写得再顺画面也是塑料感满满。 具体是怎么做的，拆开讲： 第一步，把场景拆成资产清单：赛车、车手、车组、看台、游艇、港口建筑。以前这一步就把我劝退了——每个都得建模，建完还要重拓扑，做过 3D 的都知道，重拓扑人工要磨几个小时。 第二步，资产全部用 Tripo Smart Mesh P2.0 文生 3D。提示词不用写得花哨，把对象、造型、材质说具体就行：赛车的大意是“写实的红色现代方程式赛车，开放轮胎、前后翼、Halo”，技师是“写实全身维修技师，穿赛车工作服、戴头盔”。赛车这个模型约 5 万三角面，出来直接是四边形拓扑，放大看线框全是四边面，不用重拓扑就能直接导进引擎。人物在 Tripo 里自动绑好骨骼，选的 Mixamo 预设，行走、登车这类动作直接文字生成。 第三步，导出接进 Three.js，这里全是代码活。贴图沿用 Tripo 导出的，降了分辨率，车身和轮胎标识用着色器换色——二十辆车共用同一份几何和贴图，只换颜色。换胎用的轮胎是从赛车原网格里拆出来的，UV 和材质保留，单独控制拆装；车组换胎的蹲下、持枪、搬胎、撤离，按换胎时间轴排的，手脚落点用 IK 控制。 性能上：重复的建筑走实例化，外围建筑用减面版本，再加视锥和距离裁剪、像素比上限；沿街建筑保持固定细节，开近了不会突然变形。 第四步，写玩法：驾驶手感、比赛排名、进站换胎、领奖台。模型上省下来的时间，全花在这了。 视频分两段：前半段是 Tripo 工作台里的模型，官方页面和游戏里用的是同一个模型，线框、材质都能对着看；后半段是这些模型进游戏之后的实际运行：港口航拍、座舱视角、隧道超车、维修区换胎。 我最大的感受：资产这一步快了之后，精力全能花在驾驶反馈、比赛节奏和场景细节上，这才是做游戏该花时间的地方。以前玩 F1 游戏的时候，我没想过有一天赛车是我自己生成的。 目前还是个持续打磨的 demo，但从生成模型到跑完一场比赛，这条流程已经走通了。 如果大家感兴趣，我再出一篇详细文章：模型提示词、资产接入、踩过的坑一起拆开讲。你们最想先看哪一部分？
⏰ 11:14 | ❤️ 37点赞 | 📝 864字 | 查看原文 →
相关文章
