共收录 19 篇深度内容
📌 今日概览

- 开源与本地部署成为今日主线:DeepSeek 放出 chat-demo 库,本地跑联网检索与文档解析;OpenBot、团队聊天工具等自建方案集中出现。
- Agent 工程方法被反复讨论:把纠正写成 lint 规则让 AI 自检、常驻 Agent 的五组件设计、多人共用优于一人一个 Agent。
- 模型侧转向高低档混编:Google 的 Argon、Carbon、Hydrogen 与编排层组合,实测切档省 24% 成本。
- 内容生产与分工细化:MiniMax H3 本地做数字人与打戏 LoRA,Chrome 团队把浏览器原生能力整理成 Skill 供编程 Agent 查询。
🔥 必读 Top3
- 黄赟 作者称 DeepSeek 开源 chat-demo 库,无需写代码或租服务器,内置 deepseek_web_search 联网检索、多步推理与信源引用,可解析 PDF/Word/PPT/图片,支持移动端语音,数据存本地 IndexedDB。
入选理由:DeepSeek 开源 chat-demo,零代码零服务器即可跑联网检索、多步推理与信源引用,数据留在本地 IndexedDB,落地门槛与受众面都最大。 - 宝玉 作者转述 Lauren Tan 在 AI Engineer 大会演讲:把每次纠正写成 lint 规则、保持代码库干净、禁掉易错功能与多数注释,让 AI 自检并举证;团队上月合并 1.1 万个 PR,回滚约 0.5%。
入选理由:给出可复用的 AI 编程治理方法:纠正转 lint 规则、保持代码库干净,并以月合并 1.1 万 PR、回滚 0.5% 的实际数据佐证。 - Xudong Han 作者梳理 Anthropic《Building always-on agents》:Agent 休眠后由消息、Webhook 或定时器唤醒,系统围绕 Inbox、Timer、Memory、Permissions、Outbox 五个组件设计,并称 Deferred Tool Call 在等人审批时先存 Session、释放 Worker。
入选理由:系统梳理 Anthropic 常驻 Agent 的唤醒机制与 Inbox、Timer、Memory、Permissions、Outbox 五组件,附 Deferred Tool Call 释放 Worker 的细节,架构参考价值高。
🧭 主题分组
- 开源与自建(5 条)—— 开源与可自部署方案密集出现,覆盖联网检索库、Agent 运行环境、团队协作聊天与音视频入库,重点在降低部署门槛与把数据留在本地。
- Agent 工程(4 条)—— 共识是 Agent 效果取决于工程约束与知识供给:常驻唤醒的五组件设计、lint 规则自检、领域知识 Skill,均指向把经验固化为可查询的规则。
- 模型与推理(3 条)—— 模型路线转向高低档混编以控成本,推理侧则靠少步采样与 LoRA 串联提效,本地显卡即可完成数字人与打戏成片。
- Agent 产品化(4 条)—— 落地讨论集中在做减法:砍掉多余功能、只流程化目标用户所需环节,同时以反复截图迭代替代精细提示词。
- 创作与营销(2 条)—— 创作侧分享风格化解构与双联排版的提示词方法,出海侧则给出以中位播放量而非粉丝数筛选达人、按 CPM 反推报价的实操口径。
- 其他(1 条)—— 未归类的补充内容
📖 详细内容
开源与自建
开源与可自部署方案密集出现,覆盖联网检索库、Agent 运行环境、团队协作聊天与音视频入库,重点在降低部署门槛与把数据留在本地。
黄赟
| @huangyun_122
| 影响力: 8.7万粉丝 · 互动分 2980.0
黄赟
| @huangyun_122
| 影响力: 8.7万粉丝 · 互动分 2980.0
💡 核心观点: 作者称 DeepSeek 开源 chat-demo 库,无需写代码或租服务器,内置 deepseek_web_search 联网检索、多步推理与信源引用,可解析 PDF/Word/PPT/图片,支持移动端语音,数据存本地 IndexedDB。
可信度: 58/100
事实核查:
- 无法核实: DeepSeek 放出一个开源库,deepseek-ai/chat-demo(原文给出仓库名与链接,但仅凭推文无法确认仓库存在及内容。)
- 无法核实: 原生边想边搜,直接调用官方内置 deepseek_web_search(属产品功能描述,原文未附文档或截图佐证。)
- 无法核实: 牛逼之举胜过 Anthropic 1000000倍(夸张倍数对比,未给出任何指标或基准。)
原文内容:
出大事了,兄弟们 !! DeepSeek 再一次给全世界人民送大礼,牛逼之举胜过 Anthropic 1000000倍 就在刚刚,DeepSeek 放出一个开源库,deepseek-ai/chat-demo 它可不是个套壳: 1/ 不需要写一行代码;不要买任何服务器;更不需要平凑第三方插件 2/ 原生边想边搜,直接调用官方内置 deepseek_web_search, 深度思考模式下,多步推理+全网检索+信源引用 3/ 全能文档/网页绞肉机:PDF,Word,PPT,图片拖进去秒解析,URL 自动抓文 4/ 原生语言交互:自带移动端实时音频输入 + 回答朗读 5/ 极致隐私保护和数据自由:所有数据存档本地 IndexedDB 什么是开源精神:最强模型权重 + 官方满配武器库,全部交到你手里,充分相信使用者对社区,对人类的贡献 爱折腾的人类,立即马上 Fork, 世界有你而精彩: https://t.co/2M1iUrb8r3
⏰ 09:15 | ❤️ 2203 点赞 | 📝 225字 | 入选: 高赞 2203 | 查看原文 →
Geek
| @geekbb
| 影响力: 11.7万粉丝 · 互动分 150.52
Geek
| @geekbb
| 影响力: 11.7万粉丝 · 互动分 150.52
💡 核心观点: 作者记录自建部署 OpenBot 的过程:PVE 上新建 Ubuntu 24.04 虚拟机并安装 Tailscale,实测手机流量直连延迟约 39 ms,本地与手机切换顺畅;并提示 4 GB 内存仅够 2 个并发回合。
可信度: 60/100
事实核查:
- 无法核实: 4 GB 内存仅够支撑 2 个并发回合(原文转述最低配置要求,未注明配置文档出处。)
- 无法核实: 手机流量到 PVE 服务器延迟只有 39 ms 左右(属作者单次自测数据,未说明测量工具、网络环境与重复次数。)
原文内容:
今天才知道 Tailscale 原来支持直连,以前总以为它像 Cloudflare Tunnel 一样要绕一大圈,压根没抱什么连接体验的指望。 - 换成 OpenBot,发现支持自建部署到服务器,服务端和APP 连接很方便。 - 看了下最低配置要求,4 GB 内存仅够支撑 2 个并发回合,手里的翻墙小鸡就别考虑了,只能部署到家里的服务器上,原计划用我熟悉的Frp打洞远程访问。 - 全权交给 AI:PVE 新建一台 Ubuntu 24.04 LTS 虚拟机,安装 OpenBot,顺便安装 Tailscale 试试速度。 - 没想到 Tailscale 成功实现了直连,手机流量到 PVE 服务器延迟只有 39 ms 左右,大大超出预期,实际使用几乎感受不到延迟。 - OpenBot 登录邮箱后,本地和手机都能顺畅迅速切换到 PVE-OpenBot,整体使用体验非常出色,分享出来供大家参考。
⏰ 12:40 | ❤️ 82 点赞 | 📝 220字 | 入选: 互动较好 82 赞 | 查看原文 →
GitHubDaily
| @GitHub_Daily
| 影响力: 9.2万粉丝 · 互动分 114.43
GitHubDaily
| @GitHub_Daily
| 影响力: 9.2万粉丝 · 互动分 114.43
💡 核心观点: 作者介绍一款开源可自部署的团队聊天工具,定位 Slack 替代品,Agent 与人同处一个频道:每个 Agent 有角色、负责人和月度预算,仅在轮到时发言,过程全员可见;合并代码、部署等敏感操作需负责人在聊天卡片上批准,模型调用费用记在对应 Agent 名下,并支持 Claude、OpenAI、Gemini、DeepSeek、Kimi 等模型。
可信度: 62/100
事实核查:
- 原文支持: 每个 Agent 有自己的角色、负责人和每月预算,在频道里看得到对话,轮到它时才接话(原文对该产品功能的具体描述,含可核验细节,但未提供项目名称与文档出处。)
- 无法核实: 一条命令装到 Linux 服务器上,官方说大约 10 分钟就能跑起来(原文转述官方说法,未给出来源链接内容,无法独立核实。)
原文内容:
团队里用上了 Agent,可它们各待在各的窗口里,谁让它干了什么、干到哪一步,别的同事基本看不到,交接全靠截图转述。 https://t.co/pFzUO9u0EA 是一个开源、可以自己部署的团队聊天工具,定位是 Slack 的替代品,特别的地方是 Agent 和人待在同一个频道里。 每个 Agent 有自己的角色、负责人和每月预算,在频道里看得到对话,轮到它时才接话,干活过程所有人都能看见。 GitHub:https://t.co/KG03DriUKG 合并代码、上线部署这类敏感操作,会在聊天里弹出一张卡片,等负责人点了批准才执行。每次调用模型的花费也都记在对应 Agent 名下。 让 Agent 动手前先问一句,这个设计我觉得挺实在。 Agent 还有自己的电脑和浏览器。浏览器功能还在测试,操作时能在聊天里实时看着,碰到登录或验证码可以接手,弄完再交还。 模型可以接 Claude、OpenAI、Gemini、DeepSeek、Kimi 等,一条命令装到 Linux 服务器上,官方说大约 10 分钟就能跑起来。
⏰ 07:30 | ❤️ 54 点赞 | 📝 278字 | 入选: 互动较好 54 赞 | 查看原文 →
Berryxia.AI
| @berryxia
| 影响力: 5.4万粉丝 · 互动分 156.74
Berryxia.AI
| @berryxia
| 影响力: 5.4万粉丝 · 互动分 156.74
💡 核心观点: 作者预告开源「豆仓」项目:让 anker 录音豆连接 Mac 并接入本地或 API 模型转录,支持 Mac 与录音豆录制、多平台音视频入库、刘海屏与 iOS 录制及实时转录。
可信度: 45/100
事实核查:
- 无法核实: 明天我将开源「豆仓」录音豆的整个项目(属未来计划,推文发布时项目尚未公开,无法核验。)
- 原文支持: 可以直接接入自己本地的大模型或者api模型进行转录(原文明确列出该功能点,与其功能清单一致。)
原文内容:
爆肝!!! 明天我将开源「豆仓」录音豆的整个项目。 核心功能如下: ① 你使用自己的anker录音豆可以直接连接你的Mac设备,并且可以直接接入自己本地的大模型或者api模型进行转录。 ②同时支持录音豆录制和Mac电脑录制本地音频和系统音频均可。 ③支持下载视频号、抖音、小红书、youtube、播客音频入知识库。 ④刘海屏、iOS 也可以支持录制录音,支持实时转录和语音输入等功能。 不受会员的限制,实现转录和记录自由~~
引用 @berryxia: UI 从新设计了,增加和完善了不少功能。
预计明天开源,兄弟们~~ https://t.co/YJbpxnhG2w
⏰ 09:03 | ❤️ 68 点赞 | 📝 154字 | 入选: 互动较好 68 赞 / 引用讨论 | 查看原文 →
Leaf Yeah!
| @leaf_sanren
| 影响力: 5851粉丝 · 互动分 131.26
Leaf Yeah!
| @leaf_sanren
| 影响力: 5851粉丝 · 互动分 131.26
💡 核心观点: 作者称黄果短剧项目已被开源,原仓库不到 10 天获 8800 多 star、6700 多 fork,作者已清库;并转述 AI 总结的 Tauri 2 + Rust + React 架构,包括请求下沉 Rust、本地 hg:// 协议中转与网关收敛上游接口。
可信度: 54/100
事实核查:
- 无法核实: 原仓库在 GitHub 不到 10 天拿了 8800 多 star、6700 多 fork(原文给出具体 star 与 fork 数,但仓库已被作者清库,当前无法对照页面核验。)
- 原文支持: (Tauri 2 + Rust + React)(原文将此作为仓库技术栈列出,并据此描述前端与 Rust 的分工。)
原文内容:
我靠,我才知道黄果短剧被开源了! 原仓库在 GitHub 不到 10 天拿了 8800 多 star、6700 多 fork,但是作者自己已经清库了😮, 然后!!!就看到了这个fork版本。 https://t.co/cbDYr2iXrF 还是秉着学习交流的目的收藏一下吧! 咱们去肯定是学习代码架构的,对不对?😏 --- 也分享下AI帮我总结的仓库架构,学习ing (Tauri 2 + Rust + React): · 前端只管界面,所有网络请求都下沉到 Rust,网页里一个上游请求都不发 · 视频不让跨域读?Rust 起一个本地协议 hg://localhost 当中转,前端只看到同源地址 · 封面是加密图、播放列表带时效签名,全在 Rust 里解密、逐行改写 · 上游所有接口都收进一个网关,换线路就等于换个域名
引用 @leaf_sanren: 原来Gemini 4还能这么玩?!🤩
用 Gemini 4的 orchestration 模式,批量处理了 15 条爆款视频 + 89 张爆款图片的提示词反推,
大概运行了一个半小时。大家觉得这个效率怎么样?
ps:多agent编排过程如图3,我是没想到,
antigravity还调用了Grok 4.6去给他生图干活。。。🤷♀️ https://t.co/kIaPFlYFpM
⏰ 04:09 | ❤️ 85 点赞 | 📝 194字 | 入选: 互动较好 85 赞 / 引用讨论 | 查看原文 →
Agent 工程
共识是 Agent 效果取决于工程约束与知识供给:常驻唤醒的五组件设计、lint 规则自检、领域知识 Skill,均指向把经验固化为可查询的规则。
Xudong Han
| @Xudong07452910
| 影响力: 1.6万粉丝 · 互动分 656.15
Xudong Han
| @Xudong07452910
| 影响力: 1.6万粉丝 · 互动分 656.15
💡 核心观点: 作者梳理 Anthropic《Building always-on agents》:Agent 休眠后由消息、Webhook 或定时器唤醒,系统围绕 Inbox、Timer、Memory、Permissions、Outbox 五个组件设计,并称 Deferred Tool Call 在等人审批时先存 Session、释放 Worker。
可信度: 66/100
事实核查:
- 无法核实: 整个系统围绕 5 个核心组件设计:Inbox、Timer、Memory、Permissions、Outbox(组件名称具体,但原文未摘录文章内容,无法比对。)
- 无法核实: Anthropic 新发布的《Building always-on agents》(标题与发布方明确,推文未提供可核查的原文链接内容。)
原文内容:
Anthropic 新发布的《Building always-on agents》非常值得关注,刚好能和之前 DeepSeek 的 Super-agent、LangChain 的 Async Subagents 放在一起理解。 DeepSeek 则通过 Router 接收 GitHub、飞书等事件,在授权规则内判断是否启动任务,再交给独立 Worker 执行。 LangChain 让主 Agent 保持响应,长任务交给后台 Subagent 独立运行,还能随时查看进度、修改指令。 Anthropic 这次把背后的架构拆得非常细。 Agent 平时休眠,收到消息、Webhook 或定时触发才唤醒,执行一轮任务,保存状态后继续休眠。 整个系统围绕 5 个核心组件设计: Inbox 接收事件,负责去重和失败重试。 Timer 定时唤醒 Agent,主动跟进任务。 Memory 保存跨 Session 的记忆和任务进度。 Permissions 管理权限、凭据和人工审批。 Outbox 控制何时向用户发送消息。 我个人比较喜欢 Deferred Tool Call 这个设计。需要人审批时,先保存 Session,释放 Worker,等用户回复后再恢复执行,不会一直卡在那里。 这几篇文章放在一起看,感觉大家越来越关注 Agent 如何持续工作,以及怎么减少人的管理负担。 想自己搭 Always-on Agent 的朋友,真可以系统性的学习这篇,很多设计都能直接参考。 原文:https://t.co/UkSHChhLAv
⏰ 01:20 | ❤️ 393 点赞 | 📝 305字 | 入选: 高赞 393 / 长文 | 查看原文 →
宝玉
| @dotey
| 影响力: 26.9万粉丝 · 互动分 1332.5
宝玉
| @dotey
| 影响力: 26.9万粉丝 · 互动分 1332.5
💡 核心观点: 作者转述 Lauren Tan 在 AI Engineer 大会演讲:把每次纠正写成 lint 规则、保持代码库干净、禁掉易错功能与多数注释,让 AI 自检并举证;团队上月合并 1.1 万个 PR,回滚约 0.5%。
可信度: 70/100
事实核查:
- 无法核实: 团队上个月合并了 1.1 万个 PR,被撤回的约 0.5%(给出具体数字,但属对演讲内容的转述,原文未附数据出处。)
- 无法核实: 禁掉 99% 的代码注释(原文如此表述,未说明统计口径。)
- 原文支持: 每纠正 AI 一次,就把这次纠正写成 lint 这类自动检查规则(该主张在原文中直接陈述,与转述一致。)
原文内容:
Lauren Tan 在 AI Engineer 大会上的演讲《All Code Is Slop (Except Mine)》要点。她在 SpaceXAI 负责 Grok Bot 桌面版。 1. 每纠正 AI 一次,就把这次纠正写成 lint 这类自动检查规则,少往 agents.md 这类说明文档里加话。违反 lint 规则的代码会直接报错、提交不上去,文档里的话 AI 不一定照做。 2. 代码库是 AI 最主要的学习材料。里面的坏写法、临时补丁,会被下一个 AI 当成惯例照抄,像杂草一样越长越多,所以代码库要保持干净。 3. 容易用错的东西,直接禁掉。React 里有个功能人都常用错,AI 更用不好,他们在产品代码里禁用了它,这类问题从此不再出现。 4. 禁掉 99% 的代码注释。AI 爱在注释里给自己走的捷径找理由,后来的 AI 就照着学。她在 Cursor 时,这种“有理由的补丁”扩散开来,把应用拖得很卡。 5. 让 AI 自己检查自己的活。AI 把程序跑起来像用户一样点一遍,交上录屏和截图,人审代码就变成看这些材料。她的 Token 大部分花在这一步。 6. 以前用不起的检查方法,现在用得起了。用数学方法证明程序没问题这类严格验证,过去太费人力,AI 把成本降了下来。 7. 结果:团队上个月合并了 1.1 万个 PR,被撤回的约 0.5%,应用比刚发布时还快。 8. 先打好地基,再谈全自动。AI 写代码这一步本身出烂代码的话,全自动化只会出更多烂代码,还更费钱。
引用 @poteto: my AIE talk is up! come hear how the grok @bot team ships so quickly without compromise on quality
https://t.co/Fel7tlxqSL
⏰ 05:18 | ❤️ 750 点赞 | 📝 390字 | 入选: 高赞 750 / 引用讨论 / 长文 | 查看原文 →
向阳乔木
| @vista8
| 影响力: 13.8万粉丝 · 互动分 184.98
向阳乔木
| @vista8
| 影响力: 13.8万粉丝 · 互动分 184.98
💡 核心观点: 转述 Anthropic 文章结论:给团队每人配独立 Agent,整体表现不如共用一个 Agent;原文未展开实验设置与衡量指标。
可信度: 46/100
事实核查:
- 无法核实: 给团队里每个人配一个独立 Agent,整体表现不如大家共用一个(该结论为作者对 Anthropic 文章的转述,推文未给出文章链接、样本量或评测口径。)
原文内容:
Anthropic 发了一篇文章,有意思。 结论:给团队里每个人配一个独立 Agent,整体表现不如大家共用一个。 文章见评论区
⏰ 02:18 | ❤️ 42 点赞 | 📝 41字 | 入选: 互动较好 42 赞 | 查看原文 →
铁锤人
| @lxfater
| 影响力: 10.9万粉丝 · 互动分 131.03
铁锤人
| @lxfater
| 影响力: 10.9万粉丝 · 互动分 131.03
💡 核心观点: 作者引用 Chrome 团队的做法:把浏览器原生能力与兼容写法整理成 Skill 供编程 Agent 查询,让 AI 写前端时用 dialog、Popover 等原生特性替代大量 JavaScript;他认为各领域都应有持续维护的专业知识 Skill,并推广其安装方式。
可信度: 72/100
事实核查:
- 原文支持: 比如弹窗可以用原生 dialog,浮层可以看 Popover(原文以 dialog、Popover 举例说明 Skill 收录的原生写法,可作为可核验的技术细节参考。)
- 无法核实: Chrome 最近出了个项目,它把现代浏览器的能力、兼容性和实际写法做成 Skill,给编程 Agent 随用随查(作者对 Chrome 该项目定位的描述来自原文,未给出链接之外的出处,无法独立确认项目名与归属。)
原文内容:
AI 写前端时,你是不是也遇到过:一个弹窗,给你写用一大坨 JavaScript来实现? Chrome 最近出了个项目,它把现代浏览器的能力、兼容性和实际写法做成 Skill,给编程 Agent 随用随查 比如弹窗可以用原生 dialog,浮层可以看 Popover,少走旧代码的弯路 我觉得更多领域都该有这种 Skill:有人持续维护专业知识,很多新东西模型不一定看重,训练不到位 安装这种skill就能接入最佳实践了👇 https://t.co/wAAC3eZBsp
⏰ 01:57 | ❤️ 49 点赞 | 📝 134字 | 入选: 互动较好 49 赞 | 查看原文 →
模型与推理
模型路线转向高低档混编以控成本,推理侧则靠少步采样与 LoRA 串联提效,本地显卡即可完成数字人与打戏成片。
Fini.Yang
| @FiniYang
| 影响力: 1.4万粉丝 · 互动分 172.93
Fini.Yang
| @FiniYang
| 影响力: 1.4万粉丝 · 互动分 172.93
💡 核心观点: 作者认为 Google 接连推出 Argon、Carbon、Hydrogen 及 Orchestrator、Swarm,标志单模型路线转向高低档模型混编;并称实测切档省 24%、5 路并发 24 分钟性能仅掉 1%。
可信度: 62/100
事实核查:
- 无法核实: 单模型硬扛翻篇了,高低档混编才是正解(属作者判断,原文未给出对比实验或成本拆解方法。)
- 无法核实: 实测切档省 24%、5 路并发 24 分钟只掉 1%(原文给出两组量化结果,但未说明基准模型、测试任务与统计方式。)
原文内容:
看懂 Google 这波操作了吗 👀 接连铺开 Argon、Carbon、Hydrogen(还有Krypton在路上),反手又推 Orchestrator 和 Swarm 单模型硬扛翻篇了,高低档混编才是正解 实测切档省 24%、5 路并发 24 分钟只掉 1%,附 21 场编队实战与开源 dsh-crew ⬇️ https://t.co/QMxDcInFdR
⏰ 13:34 | ❤️ 57 点赞 | 📝 60字 | 入选: 互动较好 57 赞 | 查看原文 →
huangserva
| @servasyy_ai
| 影响力: 4.3万粉丝 · 互动分 185.99
huangserva
| @servasyy_ai
| 影响力: 4.3万粉丝 · 互动分 185.99
💡 核心观点: 以 MiniMax H3 本地底模串联四个 LoRA,把采样步数压到 8 步,重点解决打戏的采样效率、肉搏衔接与高速肢体变形问题;作者以自制海贼王打戏为例,并称需求多就开源。
可信度: 58/100
事实核查:
- 无法核实: 把采样步数从几十步硬砍到 8 步(原文明确给出步数对比,但未附生成耗时、画质对比或可复现配置,效果无法独立核实。)
- 原文支持: 在管线里串联了四个核心 LoRA(原文列出四个 LoRA 名称及各自用途,与其描述的管线结构一致。)
原文内容:
又用本地部署MiniMax H3 + 武打skill做了一集海贼王! 基于 minimax_h3_hybrid_fl2va_ref2va_b25-49-int8 底模,在管线里串联了四个核心 LoRA 来攻克打戏的三大死穴: 1、 minimax_h3_turbo_v4_step600_ema_pruned 把采样步数从几十步硬砍到 8 步,让本地显卡跑 8 步就能直接出片。 2、bunny_H3_Combat_V2 打出拳脚刀剑的真实肉搏感,再用 bunny_Fight_Flow_V1 顺滑衔接出招、闪避与连招。 3、bunny_Motion_Repair_V1 压住高速运动下的肢体变形与穿模,彻底稳住对打时的人体结构。 想要的朋友评论区回复,人多的话,我把它开源出来。
⏰ 01:21 | ❤️ 80 点赞 | 📝 139字 | 入选: 互动较好 80 赞 | 查看原文 →
雪踏乌云
| @Pluvio9yte
| 影响力: 5.3万粉丝 · 互动分 479.17
雪踏乌云
| @Pluvio9yte
| 影响力: 5.3万粉丝 · 互动分 479.17
💡 核心观点: 作者称本地部署 MiniMax H3 制作数字人,成本压到每秒 0.8 毛、一分钟成片不到 5 元(租 40 系显卡);声线用 IndexTTS2 复刻并经 Fish Audio 调情绪,形象由 Midjourney 合成,对比此前云平台一分钟数十至上百元。
可信度: 48/100
事实核查:
- 无法核实: 成本压到了1秒0.8毛钱,一分钟的成片视频不到5块钱(给出具体成本数字与显卡租赁前提,未附账单或配置明细。)
- 无法核实: 视频由本地部署的Minimax H3制作(产品名与部署方式可查,成片效果未提供可验证材料。)
原文内容:
本地部署 Minimax H3 做数字人,成功将成本压到了1秒0.8毛钱,一分钟的成片视频不到5块钱(租赁40系)👇 -声线由Index tts2复刻,用Fish audio调整情绪固化参数,再重新复刻固定参数,之后通过Index tts2直接本地制作 -人物由Midjourney融合了几个美女网红炼化而成 -视频由本地部署的Minimax H3制作 过去我制作这个数字人,往往都是直接调用云平台的Seedacne,成本动辄一分钟大几十上百块,这下直接爽用 下周公开全部流程,视频效果如下
引用 @Pluvio9yte: 想要做产品出海赚美金,社媒营销是很重要的一环,这几个方法论要找人付费咨询,高低不得发个上千红包,建议直接收藏👇
一、 渠道与受众画像定位
在海外推广技术或 AI 工具类产品时,渠道首选 YouTube。长视频能够完整呈现工作流与实操任务,给用户充足的时间理解产品价值,且长尾效应和转化率远优于以碎片化内容为主的短视频平台。
定位达人时需将创作者画像与目标受众画像拆开考虑:
一种是泛科技类博主,用于快速起量与新品曝光尝鲜;
另一种更具长效价值的是垂直场景博主,例如日常分享特定工作流的人群。
重点不在于达人是否标榜自己是 AI 博主,而在于他能否将工具自然融入到目标用户的实际业务场景与痛点中…
⏰ 05:55 | ❤️ 296 点赞 | 📝 148字 | 入选: 高赞 296 / 引用讨论 | 查看原文 →
Agent 产品化
落地讨论集中在做减法:砍掉多余功能、只流程化目标用户所需环节,同时以反复截图迭代替代精细提示词。
dontbesilent
| @dontbesilent
| 影响力: 9.5万粉丝 · 互动分 114.45
dontbesilent
| @dontbesilent
| 影响力: 9.5万粉丝 · 互动分 114.45
💡 核心观点: 作者主张让大众用上 Agent 的关键在理解用户:把 Codex 99% 功能砍掉,只把目标用户需要的那 1% 流程化,配上 Skill 与 MCP,用 10 个触发词覆盖 10 套固定流程,做减法而非功能叠加;他认为这比大厂云端沙箱方案简单百倍,但真正落地时“理解用户”极难。
可信度: 35/100
事实核查:
- 原文支持: 你只需要干掉 Codex 99% 的功能,然后把剩下 1% 的你的目标用户需要的功能流程化(原文表述,属于作者个人方案主张,未附数据或案例支撑。)
- 无法核实: 相比于大厂都在给 personal agent 做云端沙箱(原文作为对比背景提及大厂做法,未指明具体厂商或来源,无法核实。)
原文内容:
想让大众用上 Agent,靠的不是技术 靠的是对用户的理解 你只需要干掉 Codex 99% 的功能,然后把剩下 1% 的你的目标用户需要的功能流程化 把 Skill 和 MCP 通统装好之后,告诉用户 10 个触发词 用户只需要这 10 个触发词,就可以得到自己最想要的 10 套流程,这就完事了 你要在技术上实现的不是加功能,而是减功能,你也不需要实现多种 skill 的排列组合,千变万化,你需要的是单一的流程化 相比于大厂都在给 personal agent 做云端沙箱,我这套思路可谓是简单了 100 倍 可是等你真要落地实现的时候,又会发现「理解用户」这件事情难如登天 大多数时候,只是你自认为你理解而已
⏰ 04:08 | ❤️ 65 点赞 | 📝 213字 | 入选: 互动较好 65 赞 | 查看原文 →
dontbesilent
| @dontbesilent
| 影响力: 9.5万粉丝 · 互动分 166.14
dontbesilent
| @dontbesilent
| 影响力: 9.5万粉丝 · 互动分 166.14
💡 核心观点: 作者称 Yosei 可直连 Mac 并按手机屏幕比例适配页面、补充 dock 栏,解决了此前 UU 远程因设备比例不同需反复拖拽的问题。
可信度: 37/100
事实核查:
- 无法核实: 可以直接连接到 Mac,让 Mac 页面适配手机屏幕,还能给我增加一个 dock 栏(原文描述了具体功能,但未给版本、系统环境或操作截图佐证。)
原文内容:
Yosei 这个应用太牛逼了,woc 之前用 UU 远程的时候,因为我手机端的设备和电脑显示器比例不一样 总是需要各种拖拽 这个应用可以直接连接到 Mac,让 Mac 页面适配手机屏幕,还能给我增加一个 dock 栏 逆天体验 https://t.co/vnhATZKLN5
⏰ 09:10 | ❤️ 102 点赞 | 📝 77字 | 入选: 高赞 102 | 查看原文 →
数字生命卡兹克
| @Khazix0918
| 影响力: 11.2万粉丝 · 互动分 415.27
数字生命卡兹克
| @Khazix0918
| 影响力: 11.2万粉丝 · 互动分 415.27
💡 核心观点: 作者认为 Gemini 4 Carbon 在方案设计、文档撰写与创意上表现独特,可与 Claude、GPT 互相启发;同时称 Antigravity 难用、体验极差,改用 CLI 交给 Claude。
可信度: 32/100
事实核查:
- 无法核实: 这个Antigravity实在是太难用,用户体验极差(属个人使用体验评价,未说明具体问题。)
- 无法核实: Gemini 4 Carbon这个模型(产品名出现在原文,评价为主观感受,无测试或数据。)
原文内容:
这时候就能显示出大显示器的好处了... Claude、Antigravity、GPT直接三开,还是很爽的。 吐槽Gemini一句,Gemini 4 Carbon这个模型真的还挺有特点的,在方案设计、文档撰写、创意层面都不错,而且维度跟Claude和GPT完全不一样,也是一个还挺有意思的可以互相启发的模型。 但是有一说一,这个Antigravity实在是太难用,用户体验极差...直接搞CLI扔给Claude用去了...
⏰ 13:03 | ❤️ 191 点赞 | 📝 115字 | 入选: 高赞 191 | 查看原文 →
赵纯想
| @chunxiangai
| 影响力: 4.8万粉丝 · 互动分 312.29
赵纯想
| @chunxiangai
| 影响力: 4.8万粉丝 · 互动分 312.29
💡 核心观点: 作者主张提示词时代已结束,建议让模型反复截图迭代到每个元素都达 9 分才退出循环,并把未达标归因于人的过度指挥。
可信度: 20/100
事实核查:
- 无法核实: 提示词的时代已经结束(纯观点判断,无可核验依据。)
- 无法核实: LLM 知道什么是 9 分,也知道如何到达 9 分(对模型能力的断言,原文未给实验或数据。)
原文内容:
提示词的时代已经结束。 “反复截图,直到每一个元素都达到 9 分,否则不要退出你的工作循环” LLM 知道什么是 9 分,也知道如何到达 9 分。之所以到不了,全是因为你在那儿瞎 Jb 指挥。
⏰ 10:10 | ❤️ 184 点赞 | 📝 68字 | 入选: 高赞 184 | 查看原文 →
创作与营销
创作侧分享风格化解构与双联排版的提示词方法,出海侧则给出以中位播放量而非粉丝数筛选达人、按 CPM 反推报价的实操口径。
阿文AI实战笔记
| @AWENIAI
| 影响力: 2035粉丝 · 互动分 107.06
阿文AI实战笔记
| @AWENIAI
| 影响力: 2035粉丝 · 互动分 107.06
💡 核心观点: 作者分享其 AI 图像提示词实验第 76 天成果,用粗粝手绘墨线与不规则几何解构真实照片,配复古平涂、多边形切面、旧纸肌理与夸张不对称五官,3:4 上下双联对照摄影与插画,并附提示词与自适应编辑排版经验。
可信度: 40/100
事实核查:
- 原文支持: 🖼️ 3:4 上下双联,真实摄影与艺术插画对照(原文对成图形式的描述,属于作者自述创作参数。)
原文内容:
Day 76 稚拙几何手绘|附绝美提示词 ✨ 当真实摄影遇见不规则几何,那些鲜活的表情,仿佛被重新画进一本复古艺术画册。🎨 这次尝试用粗粝手绘与几何解构重新诠释照片,让自由颤动的黑色墨线、夸张不对称的五官、复古拼色色块与细腻纸张肌理,在大面积留白中形成独特的视觉节奏。 🖼️ 3:4 上下双联,真实摄影与艺术插画对照 ✒️ 粗粝手绘墨线 × 不规则几何解构 🎨 复古平涂 × 多边形切面 × 旧纸肌理 👀 夸张不对称五官 × 稚拙漫画造型 📐 70%视觉缩放 × 大面积艺术留白 ✨ 自适应编辑排版,每张独立设计 让生活中的每一份笑意,都在不完美的线条里,生长出独特的艺术温度。 💌 喜欢这种风格,欢迎点赞、收藏、关注!更多原创 AI 视觉提示词持续更新~
⏰ 13:01 | ❤️ 72 点赞 | 📝 247字 | 入选: 互动较好 72 赞 | 查看原文 →
雪踏乌云
| @Pluvio9yte
| 影响力: 5.3万粉丝 · 互动分 101.76
雪踏乌云
| @Pluvio9yte
| 影响力: 5.3万粉丝 · 互动分 101.76
💡 核心观点: 作者总结 AI 工具产品出海社媒营销方法论:渠道首选 YouTube 长视频,达人定位区分泛科技与垂直场景,筛选看近三十天更新、中位播放量与互动率而非粉丝数;报价按中位播放量乘美区 YouTube CPM 150~300 美元测算并反推实际 CPM,议价以七折为锚,建联邮件需去群发感、直呼达人真名并说明付费合作。
可信度: 58/100
事实核查:
- 无法核实: 美区 YouTube 的 CPM 基准通常在 150 到 300 美元之间,TikTok 和 Instagram 约在 50 到 100 美元之间(原文给出的行业 CPM 区间,属作者经验数据,未注明统计来源与时间。)
- 无法核实: 行业公认成功率最高的黄金降价幅度通常在原报价的七折左右(即下浮 30%)(原文以“行业公认”表述降价幅度,缺乏可核验依据。)
- 原文支持: 要求达人近三十天内保持公开更新,近期长视频中位播放量不低于一千次,短视频不低于一万次(原文明确列出的筛选门槛,可作为可执行指标引用。)
原文内容:
想要做产品出海赚美金,社媒营销是很重要的一环,这几个方法论要找人付费咨询,高低不得发个上千红包,建议直接收藏👇 一、 渠道与受众画像定位 在海外推广技术或 AI 工具类产品时,渠道首选 YouTube。长视频能够完整呈现工作流与实操任务,给用户充足的时间理解产品价值,且长尾效应和转化率远优于以碎片化内容为主的短视频平台。 定位达人时需将创作者画像与目标受众画像拆开考虑: 一种是泛科技类博主,用于快速起量与新品曝光尝鲜; 另一种更具长效价值的是垂直场景博主,例如日常分享特定工作流的人群。 重点不在于达人是否标榜自己是 AI 博主,而在于他能否将工具自然融入到目标用户的实际业务场景与痛点中。 二、 达人筛选指标 衡量达人质量的核心指标是近期同形式视频的场均与中位数播放量,而非单纯的粉丝数。 中尾部正处于成长期的创作者往往报价友好、制作更用心,反而更容易产生高性价比的爆款。在数据门槛上,应要求达人近三十天内保持公开更新,近期长视频中位播放量不低于一千次,短视频不低于一万次。 互动率是辨别刷量的重要防线,点赞与评论之和占播放量的比例建议达到百分之一以上。 此外必须严格排查内容真实性,坚决剔除纯 AI 配音、纯数字人出镜的频道,人工抽查评论区是否具有真实的讨论氛围。合作前还需结合第三方数据工具核查其历史播放曲线与平台收益估算,排除月度播放突降为负数或数据剧烈异动的异常账号。 三、 达人信息线索挖掘 挖掘候选达人主要有四种高转化路径。 最直接的方式是从竞品入手,反查竞品合作过的高播放视频创作者,这类达人已经受过市场检验且理解产品形态,建联时应错开竞品视频发布的高峰期(通常建议间隔两到四周以上)。 第二种方式是场景词延伸,不要只搜产品品类本身,要围绕用户的具体工作任务展开搜索。 第三种方式是相似受众扩展,以跑通转化的一两位标杆博主为主页种子,沿着相似的内容风格、受众画像做同类账号扩散。 四、 沟通策略 建联第一封邮件决定了生死,核心是去 AI 感、去群发感,字数尽量精简克制。 第一行一定要用达人的真实姓名称呼对方,不要直接套用频道昵称。 正文用一到两句话切入,真诚夸赞他近期发布的某一期具体视频,并讲清楚你的产品为什么能完美契合他的受众。开门见山说明这是一次付费合作(Paid Collaboration),简短介绍产品核心价值,直接询问对方的排期和报价。 需求说明书(Brief)要分步提供:初次建联只发一到两页以内的通用简报,讲清产品形态和基本合作诉求即可,给达人留足创作想象空间;等价格与档期确认、正式启动项目后,再提供定制化的创意方向与具体场景方案。 五、 报价评估与砍价模型 拿到达人报价后,必须先在心中建立一套严密的测算模型,心中有数才敢谈价。 第一步算基础预算,以达人近期同类视频的中位数播放量为准,乘以行业基准千次播放成本(CPM)。美区 YouTube 的 CPM 基准通常在 150 到 300 美元之间,TikTok 和 Instagram 约在 50 到 100 美元之间。 第二步用达人报出的总价除以中位数播放量,反推其对应的实际 CPM。如果数值严重高出基准线,就要看其是否包含独家排他、全片定制、或者受众本身具备极高的行业溢价。 第三步结合自己业务的漏斗数据倒推,根据预计播放量、点击率、付费转化率估算出预期付费用户数,再用报价除以预期人数得出单客获客成本,判断是否在可接受范围内。 在最终议价环节,行业公认成功率最高的黄金降价幅度通常在原报价的七折左右(即下浮 30%)。如果对方报价超出预算但受众精准,可以以七折为锚点展开真诚议价。 六、 内容共创与发布前 SEO 调优 正式制作视频时,最重要的是找到产品融入真实工作流的切入点,切忌把达人当成纯念稿机器。 建议调取达人以往表现最好的几期视频,分析其黄金前五秒的抓人钩子(Hook)和节奏,协助达人设计一个从真实问题切入的演示脚本。 达人交付草稿视频(YouTube Unlisted 状态)审片时,是借力 SEO 获取免费长尾流量的最佳时机。 标题要把受众真实搜索的高频关键词尽量前置;视频描述栏的第一行或第二行直接放置专属追踪链接,并在说明文案中自然嵌入核心搜索词;最后必须优化章节时间戳(Chapters),把单纯的时间序号改写为带场景关键词的任务名称,直接拉满 YouTube 算法的检索推荐权重。 七、 复盘 达人视频上线绝不是合作的终点,真正的增长来自于精准复盘。 发布前必须为每位达人配置专属的短链与参数标签,置于视频最显眼位置。 除了直接点击转化,工具类产品通常有很强的长尾效应,很多用户看完视频后会在几天甚至几周后通过 Google 搜索或直接输入网址访问。因此在数据统计上,必须引入具备首次触点来源归因能力的用户行为分析工具,将这部分由于达人种草带来的回流转化准确计算在内。 每周固定复盘达人的播放量、互动率、点击数、激活数以及最终付费转化成本,用数据倒推哪些内容场景、哪种体量的博主能够真正跑通正向投产比。
⏰ 03:49 | ❤️ 30 点赞 | 📝 1713字 | 入选: 互动较好 30 赞 / 长文 | 查看原文 →
其他
未归类的补充内容
CuiMao
| @CuiMao
| 影响力: 8.1万粉丝 · 互动分 184.26
CuiMao
| @CuiMao
| 影响力: 8.1万粉丝 · 互动分 184.26
💡 核心观点: 引用 Mechazilla 接住 Starship 的消息并表达激动,延伸到对太空数据中心的支持;内容为情绪表达,未涉及 AI 技术细节。
可信度: 18/100
事实核查:
- 无法核实: Mechazilla catches Starship!(原推引用他人陈述该事件,作者未提供时间、任务编号或官方来源。)
原文内容:
无法言语!人类奇迹!我头皮发麻!马斯克无所不能!太空数据中心必须成功!
引用 @SpaceX: Mechazilla catches Starship! Congratulations to the entire SpaceX team on this incredible achievement! https://t.co/YJzmGUZb2B
⏰ 21:46 | ❤️ 126 点赞 | 📝 30字 | 入选: 高赞 126 / 引用讨论 | 查看原文 →
🔗 引用关系
- @dotey 引用 @poteto:作者转述 Lauren Tan 在 AI Engineer 大会演讲:把每次纠正写成 lint 规则、保持代码库干净、禁掉易错功能与多数注释,让 AI 自检并举证;团队上月合并 1.1 万个 PR,回滚约 0.5%。(原文:my AIE talk is up! come hear how the grok @bot team ships so quickly without compromise on quality
https://t.co/Fel7tlx…)
- @Pluvio9yte 引用 @Pluvio9yte:作者称本地部署 MiniMax H3 制作数字人,成本压到每秒 0.8 毛、一分钟成片不到 5 元(租 40 系显卡);声线用 IndexTTS2 复刻并经 Fish Audio 调情绪,形象由 Midjourney 合成,对比此前云平台一分钟数十至上百元。(原文:想要做产品出海赚美金,社媒营销是很重要的一环,这几个方法论要找人付费咨询,高低不得发个上千红包,建议直接收藏👇
一、 渠道与受众画像定位
在海外推广技术或 AI 工具类产品时,渠道首选 YouTube。长视频能够完整呈现工作流与实操任务…)
- @CuiMao 引用 @SpaceX:引用 Mechazilla 接住 Starship 的消息并表达激动,延伸到对太空数据中心的支持;内容为情绪表达,未涉及 AI 技术细节。(原文:Mechazilla catches Starship! Congratulations to the entire SpaceX team on this incredible achievement! https://t.co/YJzm…)
- @berryxia 引用 @berryxia:作者预告开源「豆仓」项目:让 anker 录音豆连接 Mac 并接入本地或 API 模型转录,支持 Mac 与录音豆录制、多平台音视频入库、刘海屏与 iOS 录制及实时转录。(原文:UI 从新设计了,增加和完善了不少功能。
预计明天开源,兄弟们~~ https://t.co/YJbpxnhG2w)
- @leaf_sanren 引用 @leaf_sanren:作者称黄果短剧项目已被开源,原仓库不到 10 天获 8800 多 star、6700 多 fork,作者已清库;并转述 AI 总结的 Tauri 2 + Rust + React 架构,包括请求下沉 Rust、本地 hg:// 协议中转与网关收敛上游接口。(原文:原来Gemini 4还能这么玩?!🤩
用 Gemini 4的 orchestration 模式,批量处理了 15 条爆款视频 + 89 张爆款图片的提示词反推,
大概运行了一个半小时。大家觉得这个效率怎么样?ps:多agent编排过程…)
🧩 跨推文归纳
共识
- 多条推文都指向本地化与降本:chat-demo 数据存本地、MiniMax H3 本地成片压到一分钟 5 元内、OpenBot 自建直连延迟 39 ms、高低档模型混编省 24%。
- Agent 效果依赖外部约束与知识投喂:lint 规则、领域 Skill、五组件权限设计、共用而非人手一个 Agent,均强调工程侧而非模型本身。
分歧
- 对提示词价值的判断分歧:一方主张提示词时代结束、靠截图迭代与模型自检,另一方仍在细致打磨图像提示词与排版经验分享。
数据来源:X 列表「AI 中文」(22 条候选)· 由 twscrape 采集、grok 整理