【AI 英文奏折】07月15日

x每日奏折6小时前发布 tianming

8 0 0

【AI 英文奏折】2026年07月15日

共收录 21 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

Santiago Valdarrama: 开源工具Coder助你轻松自托管开发环境。
Ethan Mollick: 避免AI生成低质内容需培养或雇佣有品味者。
ℏεsam: 科技领袖呼吁政府监管前沿AI，包括开源模型。
swyx: 作者根据不同背景推荐相关内容和活动。
Rohan Paul: AI公司正用AI取代人力以自动化研发更先进系统。
Machina: AI应用的关键在于模型与实时数据和工具的结合。
AshutoshShrivastava: 谷歌高管分享Gemini应用、算力挑战及目标管理经验。
Santiago Valdarrama: 50个Python项目实践助你精通大型语言模型。
Chubby♨️: PixVerse开发实时交互式AI游戏视频，实现玩家意图动态生成。
Marc Lou: 他人成功实现了作者放弃的iOS应用创意。
Ethan Mollick: 奥德修斯应专注木马业务而非返乡，但预言家彻底否定其可行性。
Rohan Paul: 1-bit压缩模型本地运行更快且保持高质量。
AmirMušić: 专业创作者需AI工具与设计软件无缝衔接以提升商业效率。
levelsio: 免费开源工具和云服务足以创业，无需付费软件。
Rohan Paul: 企业AI支出增速或将很快超过员工薪资成本。
TechHalla: 推文介绍Seedance 2.0提示词，强调真实电影风格拍摄效果。
corbin: Fable 5通过子代理实现单模型多任务处理。
Chubby♨️: Superintelligence周报每周日独家专访AI领域专家。
Alex Prompter: 双AI代理需共享记录文件以防代码修改冲突。
Chubby♨️: OpenAI将推出无屏摄像头AI伴侣，可学习用户习惯并控制家居。
Alex Prompter: AWS专家分享5个代码改进技巧减少AI幻觉问题

📖 详细内容

Santiago Valdarrama @svpino

| 影响力: unknown万粉丝

💡 核心观点: 开源工具Coder助你轻松自托管开发环境。

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: Coder是开源的 (可通过Coder的官方GitHub仓库或官网直接查看其开源许可证及代码公开状态。)
✓ 可验证: Coder可免费使用 (官网或文档通常会明确说明免费版本的功能范围，开源性质也支持这一声明。)
◐ 部分可验证: 适合拥有Mac Mini或服务器的人实现自主托管开发环境 (需实测Coder在Mac Mini或服务器上的兼容性和部署流程，但官网可能提供部分硬件支持说明。)

原文内容:

如果你想自托管开发环境且无需顾虑云端服务，不妨试试Coder。

开源软件，免费使用。没有比这更理想的选择了。

特别适合拥有Mac Mini或可操作服务器的用户，助你彻底掌控自主编程体验。

⏰ 22:55 | ❤️ 92点赞 | 📝 52词 | 查看原文 →

↑ 返回顶部

Ethan Mollick @emollick

Professor @Wharton studying AI, innovation & startups. Democratizing education using tech. Author of Co-Intelligence | 影响力: unknown万粉丝

💡 核心观点: 避免AI生成低质内容需培养或雇佣有品味者。

可信度: 5/10 – 2项需进一步确认；2项为观点陈述

事实核查:

◐ 部分可验证: 该推文提到的“anti-slop”Markdown文件是100%由AI生成的 (可通过技术手段（如AI内容检测工具）分析文件内容是否由AI生成，但需具体文件样本才能完全验证，且检测工具可能存在误差。)
◦ 观点: 该文件会“hyperstition”（超虚构化）输出内容，导致结果变成“mega-slop”（低质量内容） (“hyperstition”和“mega-slop”为模糊的隐喻表述，缺乏客观标准，属于主观评价，无法直接验证。)
◦ 观点: 用户需要“sense of taste”（审美判断力）或雇佣具备该能力的人，并自行构建技能/指令 (这是对工作方法的建议，属于主观观点，无客观事实依据。)

原文内容:

阅读一份广为流传的"反劣质内容"智能体Markdown指南时，突然意识到这完全是AI生成的产物——它只会让你的输出结果在超验预言效应中堕落成超级垃圾

你必须要么自己具备审美判断力，要么雇佣有这种能力的人，然后才能构建真正有效的技能与指令体系

⏰ 10:58 | ❤️ 40点赞 | 📝 48词 | 查看原文 →

↑ 返回顶部

ℏεsam @hesamation

ai/ml • giving birth to agents in my spare time | 影响力: 82.0k万粉丝

💡 核心观点: 科技领袖呼吁政府监管前沿AI，包括开源模型。

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: Demis Hassabis (Google DeepMind)呼吁政府对前沿AI进行干预，甚至在风险较高时要求减缓AI发展 (可通过公开的政府听证会记录、DeepMind官方声明或权威媒体报道（如Reuters、BBC等）直接验证Demis Hassabis的公开言论。)
◐ 部分可验证: Demis Hassabis主张监管框架应适用于“前沿级模型”，无论其来源国或是否开源（OPEN/CLOSED） (需查阅其完整演讲或书面提案内容，可能部分信息来自非官方渠道（如社交媒体摘要），需结合多源报道交叉验证。)
✓ 可验证: Dario（Amodei, Anthropic CEO）和Demis Hassabis积极推动这一监管框架 (可通过Anthropic或DeepMind的公开合作声明、联合倡议文件或行业会议记录验证两人的共同立场。)

原文内容:

德米斯·哈萨比斯（谷歌DeepMind）呼吁政府对前沿人工智能进行干预，甚至在风险过高时下令减缓AI发展。

"这一措施可能适用于前沿级模型，无论其原产国或是否开源"

鉴于达里奥和德米斯正在积极推动这一框架，我认为针对开源AI的某种监管形式已为时不远——甚至可能被允许对前沿开源模型进行微调并上传至Hugging Face平台。

⏰ 17:50 | ❤️ 122点赞 | 📝 88词 | 查看原文 →

↑ 返回顶部

swyx @swyx

| 影响力: unknown万粉丝

💡 核心观点: 作者根据不同背景推荐相关内容和活动。

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: 推荐关注@latentspacepod（与@fabknowledge合作）以了解作者在hedge fund时期的经历 (可通过搜索Twitter账号@latentspacepod和@fabknowledge，查看其公开内容及合作历史验证是否存在相关关联信息。)
◐ 部分可验证: 推荐查看@cramforce的@aidotengineer主题演讲和@bcherny的播客以了解作者在Typescript/React领域的背景 (需查找@aidotengineer的公开演讲记录或@bcherny的播客内容，确认是否提及作者，但若内容未存档则无法完全验证。)
✓ 可验证: 提及与@matei_zaharia和@rxin的播客，并称“Rise of the AI Engineer”改编自@mistercrunch的文章 (可通过搜索播客公开记录及@mistercrunch的原始文章（如存在）直接对比内容，验证改编声明。)

原文内容:

嗨，老朋友们，快速指南：

如果你是从我经营对冲基金时期认识我的，可以关注@latentspacepod和@fabknowledge。

如果你是通过TypeScript/React认识我的，不妨看看@cramforce在@aidotengineer上的主题演讲，以及@bcherny与我们的播客。

如果你是从AWS/Temporal/数据工程领域认识我的，去谷歌搜索我和@matei_zaharia、@rxin的播客。没错，《AI工程师的崛起》就是厚着脸皮改编自@mistercrunch的文章。

如果你是因为开发者关系认识我的，可以参加@dxtipshq和@MilksandMatcha的写作聚会。

以下是过去十年的总体更新日志。欢迎回来。

⏰ 09:23 | ❤️ 79点赞 | 📝 91词 | 查看原文 →

↑ 返回顶部

Rohan Paul @rohanpaul_ai

Compiling in real-time, the race towards AGI. The Largest Show on X for AI. | 影响力: 0万粉丝

💡 核心观点: AI公司正用AI取代人力以自动化研发更先进系统。

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: Anthropic和OpenAI正在尝试自动化自身运营，减少对人类员工的依赖 (可通过公司公开的招聘趋势、自动化技术应用案例（如AI辅助研发）部分验证，但“减少人类员工”的具体目标或内部策略未明确披露，需依赖内部人士或进一步数据。)
◐ 部分可验证: 这些公司计划部署大量AI系统进行自主研究、训练新模型及创建更先进的系统 (OpenAI和Anthropic已公开部分自动化研究工具（如AutoML），但“大规模自主研究”和“AI主导开发”的细节未完全公开，需结合技术文档或内部规划验证。)
✓ 可验证: AI系统将与外部交互，包括数据收集、商业谈判等任务，以实现全面自动化 (当前AI在特定领域（如客服）的交互能力可验证，但“全面自动化运营”涉及未实现的未来场景，缺乏具体实施证据，属于推测性描述。)

原文内容:

"尤其是Anthropic和OpenAI这两家公司，正在试图实现自我自动化。他们的目标是未来不再需要大量人类员工。"

——前OpenAI研究员、全球顶尖AI预测专家丹尼尔·科科塔伊洛

"取而代之的将是一支庞大的AI军团持续运作：开展自主研究以构建更优的AI系统，训练新模型，并让这些模型负责开发更先进的系统。

这种自动化不仅限于公司内部。AI系统还能通过与人对话、收集数据、搭建训练环境、处理商业协议及执行其他任务来与外界交互。这些企业正致力于将尽可能多的业务环节自动化。

他们如此行动的原因在于，旨在开发出近乎全能——即常被称为'超级智能'——的超越人类水平的AI系统。同时也在争分夺秒地想要赶在竞争对手之前实现这一目标。"

——摘自《CEO日记》YouTube频道（完整视频链接见评论区）

⏰ 09:24 | ❤️ 32点赞 | 📝 173词 | 查看原文 →

↑ 返回顶部

Machina @exm7777

running ai-powered agencies | weeklyaiops.com | 影响力: unknown万粉丝

💡 核心观点: AI应用的关键在于模型与实时数据和工具的结合。

可信度: 10/10 – 2项声明可直接验证；3项需进一步确认

事实核查:

◐ 部分可验证: Greg Brockman提到OpenAI的关注点已从模型本身转向“harness”（即模型如何获取上下文、连接世界并采取行动） (可通过查找Greg Brockman的公开演讲、访谈或OpenAI官方声明验证其是否发表过此类观点，但“harness”的具体定义和实现细节可能需进一步技术文档或实测确认。)
◐ 部分可验证: 文章指出模型会保留用户业务、数据和约束作为上下文 (部分可验证，例如通过OpenAI的企业产品文档（如GPT-4 API或定制化解决方案）确认是否支持此类功能，但具体实现可能涉及未公开的隐私或技术细节。)
✓ 可验证: 模型能接入实时信息以确保答案与当前世界状态同步 (可通过OpenAI官方功能（如Bing搜索集成或插件系统）验证实时信息获取能力，但需实测确认覆盖范围和准确性。)

原文内容:

OpenAI总裁格雷格·布罗克曼几周前谈到：

"关键不再只是模型本身，而在于驾驭方式：模型如何获取上下文、如何与现实世界连接、能采取哪些行动"

这正是本文逐步阐述的核心：

> 它保留的上下文：您的业务、数据与限制条件
> 接入实时信息流，使答案始终与当下世界同步
> 配备工具集，使其能直接执行而非仅提供建议

完整文章如下：

⏰ 03:05 | ❤️ 81点赞 | 📝 88词 | 查看原文 →

↑ 返回顶部

AshutoshShrivastava @ai_for_success

| 影响力: 0万粉丝

💡 核心观点: 谷歌高管分享Gemini应用、算力挑战及目标管理经验。

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: Had a great conversation with @rseroter, Senior Director and Chief Evangelist at Google Cloud, during Google I/O Connect India in Bangalore today. (可通过Google官方活动日程或社交媒体（如LinkedIn、Twitter）核实@rseroter的职位及是否出席该活动，但“great conversation”为主观描述，无法验证。)
◐ 部分可验证: We spoke about how he uses Gemini in his day to day work. (若@rseroter公开分享过Gemini的使用案例（如博客、演讲），则可部分验证；但具体对话内容未公开，无法完全核实。)
◐ 部分可验证: Google is handling the massive compute demand for AI. (Google可能通过官方技术博客或财报提及AI算力管理策略，但“massive demand”的具体数据未公开，需依赖第三方分析或内部披露。)

原文内容:

今天在班加罗尔举行的Google I/O Connect India活动期间，与谷歌云高级总监兼首席布道师@rseroter进行了一次精彩的对话。

我们探讨了他如何在日常工作中使用Gemini、谷歌如何应对AI领域的巨大算力需求、为何明确目标比撰写完美规格更重要，以及Gemini未来的发展方向。

⏰ 22:46 | ❤️ 103点赞 | 📝 61词 | 查看原文 →

↑ 返回顶部

Santiago Valdarrama @svpino

| 影响力: unknown万粉丝

💡 核心观点: 50个Python项目实践助你精通大型语言模型。

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:

✓ 可验证: 完成50个实践项目后，你将成为该领域前0.01%的专家 (该声明缺乏客观数据支持（如前0.01%的具体标准或统计来源），且“专家水平”定义模糊，无法通过公开渠道验证。)
◐ 部分可验证: 所有项目基于Python + Pytorch + SciKit-Learn + Pandas + Numpy + Matplotlib + Seaborn技术栈 (技术栈列表可通过查看项目代码或书籍链接验证，但需实际检查项目内容是否完全依赖这些工具。)
✓ 可验证: 50个实践项目涵盖分词、嵌入、输出逻辑等LLM核心主题（如列出的1-16项） (项目主题清单可通过书籍链接或公开代码库直接核对，但需确认内容完整性和深度。)

原文内容:

如何通过大型语言模型达到神级水平

这里提供50个实战项目及解决方案，将教会你大型语言模型的工作原理。

你无需完成全部50个项目，但若能全部攻克，你将跻身该领域前0.01%的行列。

项目全程使用Python + Pytorch + SciKit-Learn + Pandas + Numpy + Matplotlib + Seaborn技术栈。

以下是教材中的50个核心课题（文末附链接）：

分词技术
1. 三种分词方案
2. 书籍的字符数、词数与token数统计
3. token长度的Pandas频数表
4. token对应的字符数与字节数
5. 分词是否属于数据压缩？
6. 不同语言的分词与压缩效率
7. 分词器之间的转换

嵌入表示
8. 余弦相似度分布
9. 序列余弦相似度
10. 数字序列的余弦相似度
11. 余弦相似度网络图
12. 用RSA比较GPT-2与BERT嵌入
13. 通过距离与余弦度量词相似性
14. 线性语义轴
15. 类比向量

输出逻辑
16. Softmax概率分布
17. 基于概率的token选择
18. token预测准确率
19. LLM损失函数
20. 序列/文本/模型的困惑度
21. 用线性与逻辑回归预测token位置
22. HellaSwag基准测试
23. 语言偏见测量

Transformer输出
24. 层内与跨层余弦相似度
25. 基于余弦相似度的类别选择性
26. 当前层=前一层+调整量
27. 层特异性噪声与缩放的影响
28. 隐藏层的有效维度
29. 隐藏状态降维
30. 决策树情感分析
31. Logit透镜技术
32. 间接宾语识别中的隐藏状态修补

注意力机制
33. QKV权重特性
34. QKV激活特性
35. 原始与softmax注意力分数
36. 注意力调整幅度特征
37. token预测与注意力KL散度
38. RSA与类别选择的层状分布
39. token频率、注意力调整与QK^T
40. 注意力头沉默的下游影响
41. IOI任务中的注意力头修补

MLP模块
42. MLP权重与激活特性
43. MLP演进特征分析
44. MLP投影中的语法调谐
45. 闵可夫斯基距离、互信息与token位置
46. MLP神经元的统计学损伤实验
47. XGBoost监督探测
48. 逻辑回归区分"can"与"can't"
49. MLP激活的中位数连续替换
50. 基于MLP投影的推荐系统

教材链接见文末。

⏰ 20:30 | ❤️ 720点赞 | 📝 316词 | 查看原文 →

↑ 返回顶部

Chubby♨️ @kimmonismus

Dream realized! Turned my love for AI into a career – sharing daily. Get my newsletter | 影响力: 225k+万粉丝

💡 核心观点: PixVerse开发实时交互式AI游戏视频，实现玩家意图动态生成。

可信度: 6/10 – 1项声明可直接验证；1项需进一步确认；2项为观点陈述

事实核查:

◐ 部分可验证: PixVerse Game可以将玩家描述的内容转化为游戏机制和AI代理，并生成实时视频流响应 (需通过官方演示、实测或开发文档验证其技术实现能力，目前仅能从推文描述中推测，缺乏公开可查的具体案例或技术细节。)
✓ 可验证: 大多数“AI生成游戏”的演示只是重复播放相同片段 (可通过分析现有AI游戏工具（如NVIDIA的AI演示、自动生成关卡工具等）的公开案例验证其重复性，但需具体样本对比。)
◦ 观点: PixVerse专注于实时交互式视频，这是多数项目忽略的方向 (属于主观评价，取决于对“多数项目”的界定（无明确数据支持），且“忽略”是个人观点。)

原文内容:

大多数"AI生成游戏"的演示只是重复播放同一段固定视频。

PixVerse Game正在挑战更高难度的版本：你描述想要的内容，系统会将这个意图转化为游戏机制和AI角色，并通过实时视频流给予响应。玩家意图、游戏机制、生成的视频反馈，形成一个完整闭环。
这正是我期待AI视频发展的方向。实时交互视频是多数项目跳过的环节，而PixVerse正直接攻坚这个领域。迫不及待想看看他们能走多远。

⏰ 20:08 | ❤️ 88点赞 | 📝 97词 | 查看原文 →

↑ 返回顶部

Marc Lou @marclou

⭐️ TrustMRR.com $27K/m | DataFa.st $20K/m | SHlPORDIE.COM $20K/mo | 影响力: 170.0k万粉丝

💡 核心观点: 他人成功实现了作者放弃的iOS应用创意。

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:

◐ 部分可验证: 用户与@martindonadieu曾尝试开发iOS应用Lovable但未成功 (需通过用户或@martindonadieu的公开开发记录、代码仓库（如GitHub）或第三方采访验证，但无直接公开证据。)
✓ 可验证: @vitalikkotyk与@SuperAppIOS成功开发了类似应用 (可通过检查@SuperAppIOS的官方发布、应用商店记录或@vitalikkotyk的公开声明直接验证。)
✓ 可验证: @vitalikkotyk的应用在TrustMRR上获得了广告位 (可通过TrustMRR平台的广告目录或官方合作公告验证。)

原文内容:

几个月前，我曾与@martindonadieu尝试为iOS开发Lovable应用，但实际难度远超预期，最终我们选择了放弃。

而@vitalikkotyk与@SuperAppIOS团队成功实现了这个构想，还刚刚拿下了TrustMRR的广告位——这故事算是圆满闭环了。

⏰ 07:51 | ❤️ 53点赞 | 📝 45词 | 查看原文 →

↑ 返回顶部

Ethan Mollick @emollick

Professor @Wharton studying AI, innovation & startups. Democratizing education using tech. Author of Co-Intelligence | 影响力: unknown万粉丝

💡 核心观点: 奥德修斯应专注木马业务而非返乡，但预言家彻底否定其可行性。

可信度: 4/10 – 1项声明可直接验证；1项为观点陈述

事实核查:

◦ 观点: “Pitch Odysseus as a management consultant, arguing that he has found product-market fit, and he should just stick with Trojan Horse making as opposed to going home to Ithaca in a powerpoint” (该声明是作者对奥德修斯（Odysseus）神话故事的戏谑性改编，属于主观比喻或创意表达，无客观事实依据。)
✓ 可验证: “I like the 1 star review from Cassandra ‘0 of 10,000 readers found this helpful'” (该声明提及虚构角色卡珊德拉（Cassandra）的“1星评价”及具体数据（0/10,000），但缺乏真实来源或公开记录，属于虚构或调侃内容，无法验证。)

原文内容:

寓言："将奥德修斯包装成一名管理顾问，论证他已经找到了产品与市场的契合点，应当专注于特洛伊木马的制造业务，而非用PPT演示如何返回伊萨卡。"

我欣赏卡珊德拉的一星差评："万分读者零人觉得有用"

⏰ 06:11 | ❤️ 117点赞 | 📝 46词 | 查看原文 →

↑ 返回顶部

Rohan Paul @rohanpaul_ai

Compiling in real-time, the race towards AGI. The Largest Show on X for AI. | 影响力: 0万粉丝

💡 核心观点: 1-bit压缩模型本地运行更快且保持高质量。

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: Atomic Chat将295B参数的Hy3模型压缩至1-bit，生成92GB文件，并在本地4x RTX 5090（128GB VRAM）上运行，速度比云API快2.2倍 (需核实Hy3模型的原始参数（295B MoE）、压缩技术细节（1-bit量化）及硬件性能数据（RTX 5090未发布，可能为笔误或假设性测试），但Tencent的Apache 2.0开源声明可验证)
◐ 部分可验证: 压缩后的Hy3 1-bit模型在质量上保持可用性，能通过单次提示生成可运行的Flappy Bird、Arkanoid和Snake游戏，无崩溃或明显视觉差异 (需实测模型输出结果或查看公开演示，游戏生成能力可通过代码复现验证，但“无视觉差异”需主观评估)
✓ 可验证: 本地Hy3 1-bit模型输出76.9K tokens耗时15.5分钟，云API版本输出75.1K tokens耗时34.3分钟 (性能数据依赖内部测试环境（如未公开的RTX 5090配置），且云API的测试条件（网络延迟、实例类型等）未明确)

原文内容:

这对本地大语言模型来说太有意思了。

Atomic Chat将2950亿参数的Hy3模型压缩至极致1比特，最终生成92GB文件，运行速度比云端API快2.2倍。他们在配备4块RTX 5090显卡（128GB显存）的本地机器上部署该模型，与云端API版本的Hy3进行对比。

关键在于，这种极限压缩后模型仍保持了可用质量。两个版本都能根据单次提示成功运行《Flappy Bird》《Arkanoid》和《贪吃蛇》游戏，无崩溃或明显画面缺陷。

生成效果对比：
1比特本地版Hy3：76.9K tokens/15.5分钟
云端API版Hy3：75.1K tokens/34.3分钟

Hy3是腾讯开源的Apache 2.0协议模型（企业可商用），采用混合专家架构，总参数量达2950亿（激活参数210亿）。

⏰ 07:01 | ❤️ 30点赞 | 📝 107词 | 查看原文 →

↑ 返回顶部

AmirMušić @amirmushich

Creative architect. Ex-Warner Music, PepsiCo, Spotify fr. designer. Fusing 10+ yr of brand & ad design with AI. Collabs: [email protected] | 影响力: 70.1k万粉丝

💡 核心观点: 专业创作者需AI工具与设计软件无缝衔接以提升商业效率。

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: 99% of pro creators don’t need more models (该声明涉及未明确的调查数据或统计来源（如“99%”），缺乏公开可查证的支持依据，属于推测性结论。)
◐ 部分可验证: AI generation happens in a browser, motion design happens in After Effects (AI生成工具（如MidJourney等）确实多在浏览器运行，After Effects是行业标准动效软件，但“所有迭代需切换两者”可能因用户工作流而异，需实测验证普遍性。)
✓ 可验证: Built a free After Effects plugin for AI image-to-video generation in the timeline (可通过推文提供的插件链接或开发者官网下载并测试插件功能，直接验证其存在性与基础功能。)

原文内容:

99%的专业创作者并不需要更多模型

他们需要的是一种将AI转化为具有商业价值作品的方法

问题：
├── AI生成在浏览器中进行
├── 动态设计在After Effects中完成
└── 每次迭代都迫使你在两者之间切换

这种割裂扼杀了迭代与实验

为此我开发了一款免费After Effects插件，可将AI图像转视频功能直接嵌入时间轴。

免费插件+动态提示库+.aep项目文件如下

⏰ 06:43 | ❤️ 24点赞 | 📝 72词 | 查看原文 →

↑ 返回顶部

levelsio @levelsio

Nomad List & Remote OK. Building in public. Solo maker. | 影响力: 320.0k万粉丝

💡 核心观点: 免费开源工具和云服务足以创业，无需付费软件。

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: All you really need today to build a business is 100% free open source software that charges you $0/mo (存在大量免费开源软件（如Linux、PostgreSQL等），但“构建业务所需全部工具”需具体案例验证，且可能忽略隐性成本（如学习成本、定制开发等）。)
◦ 观点: They don’t want me to tweet that because it destroys their businesses (“他们不希望公开”属于主观推测，无具体对象或证据，且动机无法客观验证。)
◐ 部分可验证: a VPS server + an API to do some required AI stuff + some R2/S3 file hosting are sufficient to build a business (技术组合的可行性取决于业务类型（如轻量级SaaS可验证），但“足够”需具体案例支撑，且未量化成本或限制条件（如API调用费用）。)

原文内容:

如今创业真正需要的，只是这些每月零成本的全免费开源工具：

+ 一台虚拟专用服务器(VPS)
+ 实现必要AI功能的API接口
+ R2/S3文件存储服务

那些商业公司可不愿看到我发这条推文——毕竟这直接动摇了他们的盈利模式。但真相如此，我岂能欺瞒！

⏰ 06:14 | ❤️ 1072点赞 | 📝 52词 | 查看原文 →

↑ 返回顶部

Rohan Paul @rohanpaul_ai

Compiling in real-time, the race towards AGI. The Largest Show on X for AI. | 影响力: 0万粉丝

💡 核心观点: 企业AI支出增速或将很快超过员工薪资成本。

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:

✓ 可验证: In May 2026, the most advanced 1% of companies were already spending around $90,000 per year on AI. (该声明涉及2026年（未来时间点）的特定企业支出数据，目前无法验证其真实性或来源。)
◐ 部分可验证: If the current monthly growth rate of 14.1% continues, that number could surpass the average $192K a year a software engineer makes by the end of 2026. (当前AI支出的月增长率（14.1%）和软件工程师平均年薪（$192K）可能通过行业报告或统计数据验证，但预测结果依赖假设条件（增长率持续不变），故部分可验证。)
◐ 部分可验证: Companies that spent heavily on AI added 10.2% more employees, while companies that spent a little on AI stayed roughly the same. (企业AI投入与员工增长的相关性需依赖具体研究或数据集，若引用公开报告可部分验证，但未提供数据来源时无法完全确认。)

原文内容:

企业为每位员工购买AI代币的花销超过其人力成本的时代可能已为时不远。

AI应用最积极的企业正将更多人力资源与远超以往的算力投入相结合。

2026年5月，技术最领先的1%企业每年AI支出已达9万美元左右。

若当前14.1%的月增长率持续，该数字将在2026年底超越软件工程师19.2万美元的平均年薪。

在这24个月期间，AI高投入企业的员工总数增长了10.2%，而AI低投入企业基本维持原规模。

AI更是业务增长的强大助推器，而非单纯降本工具。

企业重金投入代币，是因为每位员工能处理更多工作、服务更多客户、支撑更庞大业务。

基础岗位数量增长了12%，而AI轻度应用企业的数据未呈现统计学显著变化。

⏰ 06:27 | ❤️ 21点赞 | 📝 154词 | 查看原文 →

↑ 返回顶部

TechHalla @techhalla

Senior Telecommunications Engineer & Developer but I’m here for the AI thing. | 影响力: 0万粉丝

💡 核心观点: 推文介绍Seedance 2.0提示词，强调真实电影风格拍摄效果。

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: Seedance 2.0 prompts生成的内容为“真实35mm胶片拍摄的连续动态跟踪镜头” (推文未提供实际生成的视频或官方技术文档链接，无法直接验证其生成内容是否真实符合描述。)
◐ 部分可验证: 生成的视频中人物形象为“40岁白人男性，短黑胡子，戴黑色无檐帽、金链子，穿格子衬衫等” (若提供参考图像或生成结果，可验证外观匹配性，但推文未附具体图像或生成示例，需依赖用户实测确认。)
✓ 可验证: 视频动作描述（如“从屋顶坠落并在撞击前转化为白色雾气”） (无实际生成视频或第三方验证来源，仅凭文字描述无法确认技术实现的真实性。)

原文内容:

直接生效。

以下是Seedance 2.0的提示词：

真实拍摄的现场电影镜头，使用35毫米胶片在阴天城市中一气呵成完成动态跟拍。自然光线，真实的城市氛围，细腻的胶片颗粒感，镜头运动流畅有力，全程无剪辑跟拍动作。真实的物理效果与意外感，无CGI特效。

严格使用参考图中的男性形象：40岁白人男性，深色短须，戴黑色针织帽，佩戴粗金链，黑白灰格子衬衫内搭白T恤，蓝色牛仔裤。硬朗街头气质。

0-3秒：男子清晰站立在粗粝的城市天台边缘，背靠死角，双手插袋，低头时露出沉着决绝的表情。镜头缓缓推进，只见他后仰身体，故意让自己向后坠落天台。

3-6秒：下坠即将触地瞬间，他的身体迸发白色雾气与细微粒子，瞬间化作普通城市鸽子。鸽子立即振翅高飞。镜头随之下冲，流畅转为低空跟拍——鸽子正掠过街道飞向附近公园。

6-10秒：镜头持续追踪鸽子飞入公园落地，混入地面鸽群。长椅上有老人抛洒面包屑。鸽子向前踱步，自然地啄食面包。镜头降至地面高度，平稳跟随进食的鸽子。

10-13秒：鸽子进食时突然闪现白雾粒子，瞬间恢复人形。他蹲姿起身，随意活动肩臂。镜头同步上升，继续跟拍他从容走向长椅老人。

13-15秒：男子与老人碰拳致意，随即转身自信走入公园深处。镜头在连续后拉中展现老人微张着嘴，目送他离开时难掩震惊。

超写实胶片拍摄，极致还原皮肤、衣物、羽毛与城市纹理，坠落变形过程符合真实物理规律，自然动态模糊，电影级调色，厚重胶片颗粒，真实演员稳定表演，无数字瑕疵，纯正城市实景质感，100%实拍观感，胶片捕捉的微妙奇幻变身效果。

分享你的作品！

⏰ 06:12 | ❤️ 70点赞 | 📝 406词 | 查看原文 →

↑ 返回顶部

corbin @corbin_braun

founder of @thumioapp + @techsnif · yt 174K · music is the answer | 影响力: 57.4k万粉丝

💡 核心观点: Fable 5通过子代理实现单模型多任务处理。

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: Fable 5能够很好地使用子代理（subagents） (需实测或查看官方文档确认Fable 5是否支持子代理功能及其表现，但用户个人体验无法直接验证。)
◦ 观点: 用户认为未来只需一个聊天界面和一个模型即可处理多子代理任务 (这是用户对技术发展的主观愿景，无具体事实或当前技术实现作为依据。)
✓ 可验证: 用户通过工作流体验发现Fable 5的潜力 (基于个人使用体验，无法通过公开信息验证其具体感受或结论。)

原文内容:

随着我在工作流程中越来越多地使用Fable 5  

并目睹它如何娴熟地调用子代理  

我逐渐看清了终极形态的模样  

未来不再需要同时开启多个对话和代理  

仅需一个聊天窗口，单一模型就能延展出多个子代理，处理一切事务  

妙不可言。

⏰ 05:53 | ❤️ 35点赞 | 📝 57词 | 查看原文 →

↑ 返回顶部

Chubby♨️ @kimmonismus

Dream realized! Turned my love for AI into a career – sharing daily. Get my newsletter | 影响力: 225k+万粉丝

💡 核心观点: Superintelligence周报每周日独家专访AI领域专家。

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:

◐ 部分可验证: 每周日Superintelligence newsletter会发布一篇独家采访 (可通过订阅该newsletter或查看其历史发布记录验证发布频率和内容，但需实际订阅或访问存档才能确认具体采访是否每周日发布。)
✓ 可验证: 近期采访对象包括微软研究院AI Frontiers的Ahmed Awadallah、CoreWeave的Phil Gurbacki和Notion的Akshay Kothari (这些人物身份及所属机构为公开信息，可通过LinkedIn或公司官网验证；采访内容若已发布，可在newsletter中直接查阅。)
✓ 可验证: 即将发布的采访涉及Cloudflare、Google Cloud及其他未公开的嘉宾 (未来计划中的采访对象尚未公开，无法提前验证其真实性，需等待后续发布。)

原文内容:

每周日，我们都会在《超级智能》通讯中发布独家专访。

近期精彩回顾：
- 微软研究院AI前沿团队合伙人研究经理Ahmed Awadallah，探讨能与行业巨头比肩的小型设备端智能体。
- CoreWeave公司Weights & Biases产品副总裁Phil Gurbacki，分享能解读实验数据并自主启动下一轮训练的研究型智能体。Notion联合创始人兼首席运营官Akshay Kothari，讲述百万级定制智能体的故事。

即将登场：Cloudflare、Google Cloud，以及多位尚未能公布的嘉宾。

最令我难以置信的是，每周都能与这些前沿构建者面对面交流——每次都是不同的业界领袖。

点击下方免费订阅：

⏰ 05:45 | ❤️ 48点赞 | 📝 118词 | 查看原文 →

↑ 返回顶部

Alex Prompter @alex_prompter

Marketing + AI = $$$
@godofprompt (co-founder) | 影响力: 94.19k万粉丝

💡 核心观点: 双AI代理需共享记录文件以防代码修改冲突。

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: 两个AI代理同时编辑同一代码库会相互破坏对方的工作，除非给予特定指令 (需通过实验验证两个AI代理在无协调指令时是否会产生冲突，但已有类似多代理协作的研究（如AutoGPT）表明此类问题存在可能性。)
◐ 部分可验证: 通过共享的markdown文件（notes.md）和特定提示词可解决代理间的冲突 (方法理论上可行，但需实测验证其通用性（如不同代码库规模、任务复杂度），且效果可能依赖模型能力。)
✓ 可验证: 该协调方法适用于不同AI模型 (推文未提供具体模型或测试数据，跨模型兼容性需大量实验验证，目前缺乏公开证据。)

原文内容:

两个AI代理同时编辑同一代码库会相互破坏对方的工作，除非你给它们这条指令。

让两个代理在同一个代码库中并行运行时，它们会开始互相撤销对方的修改。一个代理重构了某个文件，另一个却认为该文件有问题而将其回退。最终你不得不调试代理本身，而非你的代码。

其实你不需要使用工作树或编排框架来解决这个问题。解决方法很简单：创建一个双方都能写入的共享Markdown文件。

在每个代理的提示词中加入这句话：

"你不是唯一参与本项目的代理。如果发现未触及的内容发生变更，那很可能是另一个代理的操作。请通过notes.md文件互相留言。永远不要阻碍对方的工作，共同解决冲突，并在完成后删除自己的留言信息。"

这样它们就能协同工作而非相互冲突。比如一个代理留言说明正在重写认证模块，另一个代理读到后就会避开该目录，直到留言被清除。

这种方法甚至适用于不同模型之间的协作。该文件就是通信协议，因此无论读取方是谁的代理都无关紧要。

下次并行运行代理时，不妨试试这个方法。

⏰ 05:42 | ❤️ 46点赞 | 📝 205词 | 查看原文 →

↑ 返回顶部

Chubby♨️ @kimmonismus

Dream realized! Turned my love for AI into a career – sharing daily. Get my newsletter | 影响力: 225k+万粉丝

💡 核心观点: OpenAI将推出无屏摄像头AI伴侣，可学习用户习惯并控制家居。

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: OpenAI正在开发一款无屏幕、配备摄像头的AI伴侣设备，旨在让人感觉它有生命 (该信息源自推文引用未明确的具体报道（如Bloomberg的Mark Gurman），需通过官方公告或权威媒体进一步确认设计细节)
✓ 可验证: 该设备将使用GPT-Live技术，支持同时听和说 (“GPT-Live”未在OpenAI官方渠道公开提及，技术名称和功能目前缺乏独立信源验证)
◐ 部分可验证: OpenAI计划今年发布该设备，2027年发货，可能因苹果的商业秘密诉讼延迟 (发布时间可通过后续官方公告验证，但诉讼影响属于推测性内容，需法律进展佐证)

原文内容:

OpenAI设备最新动态：据报道，该产品将是一款无屏幕、配备摄像头的AI伴侣，旨在营造具有生命感的交互体验。

彭博社记者马克·古尔曼透露，OpenAI正在开发一款可居家移动的电池供电智能音箱。该设备能操控家电、播放媒体内容、回复消息，并通过摄像头与传感器感知周围环境。

其交互人格将随时间推移变得更趋近人类且具备主动性。设备会通过学习用户习惯、情境及电子邮件等个人信息，预判主人需求。

机械元件将自主运动以营造生命感。

OpenAI内部称其为"为AI而生的计算机"。

该设备将搭载能同步听说的GPT-Live系统，由乔尼·艾维的LoveFrom公司操刀设计——此前OpenAI以65亿美元收购了io Products公司。

OpenAI计划今年发布并于2027年出货，除非苹果公司的商业机密诉讼导致延期。

1）看似他们正整合OpenClaw项目的经验，打造能自动化日常流程且支持编程设定的设备。

2）GPT Live或许是该技术的首次亮相。

⏰ 05:28 | ❤️ 399点赞 | 📝 181词 | 查看原文 →

↑ 返回顶部

Alex Prompter @alex_prompter

Marketing + AI = $$$
@godofprompt (co-founder) | 影响力: 94.19k万粉丝

💡 核心观点: AWS专家分享5个代码改进技巧减少AI幻觉问题

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:

✓ 可验证: AWS Developer Advocate Elizabeth Fuentes released a 55-minute session at AI Engineer on 5 fixes for agent hallucinations (可通过AWS官方活动页面、AI Engineer官网或Elizabeth Fuentes的公开社交媒体账号（如LinkedIn/Twitter）确认该演讲是否存在及内容概要)
◐ 部分可验证: The session proposes 5 code-based fixes for agent hallucinations (e.g., cutting tool-call tokens, RAG answer computation) (需实际观看视频或获取演讲材料验证具体技术方案，但标题中的方法（如”Cut tool-call tokens”）符合常见AI工程实践，初步可信)
◐ 部分可验证: These fixes require code changes and zero prompt tweaks (需代码示例或技术文档佐证，但声明涉及具体技术路径（如Python规则嵌入），部分可通过开源项目或AWS文档间接验证)

原文内容:

AWS开发者推广专家Elizabeth Fuentes在AI Engineer平台最新发布了55分钟专题课程，直击智能体幻觉问题的五大代码级解决方案（零提示词调整）：

00:00 - 为何提示词优化无法根治幻觉问题
3:32 - 将工具调用令牌从3000缩减至300
18:11 - 让RAG系统计算答案而非猜测
29:14 - 在用户察觉前拦截伪造响应
36:06 - 用Python编写模型无法绕过的规则
45:32 - 引导故障智能体而非直接阻断

这55分钟课程可替代十余门付费智能体培训课程。

观看视频后，请参阅构建AI智能体核心能力的专题指南。

⏰ 05:28 | ❤️ 61点赞 | 📝 95词 | 查看原文 →

↑ 返回顶部

# x每日奏折