关于AIGC人工智能、思维方式、知识拓展，能力提升等。投稿/合作： @inside1024_bot
AIGC 领域的最新工具、开源项目以及行业大事件
AIGC 领域的最新工具、开源项目以及行业大事件
3️⃣ "Vibe Coding"与专业开发者：他们也看到"Vibe Coding"的兴起。这指的是那些不一定是专业程序员，或者只有少量编程经验的人，利用工具扩展他们使用编程的能力。Andre Karpathy关于"live coding"的推文进一步普及了这个概念。团队的最大愿望是赋能那些不具备专业编程技能的人，让他们能够自己完成一些基本的事情。
🔥 代码就是一切
• 代码作为通识能力：代码能力的提升也能反哺Gemini的其他能力。有些问题可能起初不是一个编程问题，但可以将其转化为代码问题来解决，例如帮助学生解决数学应用题，或者在代码空间中进行推理。
• "代码就是一切"的愿景："代码就是一切"。举例说，用户询问报税技巧等自然语言问题，其核心需求其实可以通过生成一个"最基本的报税计算"来解决，即便用户没有明确要求"编写一个迷你Quickbook"。
📊 评估（Evals）与挑战：
• 真实世界价值：团队的目标是"理解、预测并押注真实世界的价值将走向何方"。要专注于"这个领域的核心基本挑战，这些挑战对于真实世界的价值是有用的"。
• 评估的实用性：最能反映真实情况的评估是"在AB测试中发布一些东西，看看真实世界会发生什么"。这不切实际，因为不能指望一个新模型在创业公司运行一年来评估其成功。他们需要寻找实用的替代指标。
• 泛化性挑战：编程模型的最大挑战在于，需要构建"能够同时适用于所有用例的能力"。用户使用代码模型的方式多种多样，模型需要能够泛化到所有这些不同的使用场景。
🗂️ 面对处理越来越复杂的代码库（如百万行代码的monorepo）的问题，有两种主要策略：
1️⃣ 长上下文能力：让模型能够将整个代码库作为上下文来处理，并在一个步骤中解决问题。
2️⃣ Agentic编码（Agentic Coding）：模型像人一样工作，通过代码搜索、查看文件层级、跳转阅读代码等方式，自主地解决问题。
🎯 Gemini 团队在编程优化上的短期目标：
• 解决2.5 Pro版本中"工具调用功能"的可靠性问题，特别是在代码上下文和Agentic模型进行代码编辑方面
• 细致调整用户交互，确保用户体验更流畅
• 改进模型在特定用例类别上的表现
✨ 模型在风格上的表现也至关重要，例如在生成网页UI时，除了功能正确，还需要美观和符合专业标准。Connie提到，有时即使模型犯了两次错误，但如果它表现得"有点调皮"，说"第三次会成功"或"这真的很难，我们再试一次"，这反而能让用户"原谅Gemini"，并建立信任。她强调，"这种风格，比如语气、个性，不一定是你在编码中认为关键的东西，但它在人们接受这些模型的方式中却很重要"。
🌐 为何选择通用模型而非代码专用模型：
• 超越代码的知识需求：代码模型需要"世界知识"，而不仅仅是代码本身。例如，一个"Taylor Swift排名应用"就需要对世界有一定了解，而不仅仅是代码。
• 开发流程的复杂性：代码意味着"软件开发过程的越来越多部分"，并需要连接到各种不同的信息，其中一些是代码特定的，一些则不是。
• 通用模型的优势："将所有这些都看作是相互关联的，我们都在为模型的通用能力而共同努力，我们将努力找到最佳方式让一切协同工作，拥有一个真正优秀的通用模型，这对我来说是一个很好的方向"。事实证明，这种方法成功地构建了一个出色的编程模型，同时在其他方面也表现出色。
🔥 代码就是一切
• 代码作为通识能力：代码能力的提升也能反哺Gemini的其他能力。有些问题可能起初不是一个编程问题，但可以将其转化为代码问题来解决，例如帮助学生解决数学应用题，或者在代码空间中进行推理。
• "代码就是一切"的愿景："代码就是一切"。举例说，用户询问报税技巧等自然语言问题，其核心需求其实可以通过生成一个"最基本的报税计算"来解决，即便用户没有明确要求"编写一个迷你Quickbook"。
📊 评估（Evals）与挑战：
• 真实世界价值：团队的目标是"理解、预测并押注真实世界的价值将走向何方"。要专注于"这个领域的核心基本挑战，这些挑战对于真实世界的价值是有用的"。
• 评估的实用性：最能反映真实情况的评估是"在AB测试中发布一些东西，看看真实世界会发生什么"。这不切实际，因为不能指望一个新模型在创业公司运行一年来评估其成功。他们需要寻找实用的替代指标。
• 泛化性挑战：编程模型的最大挑战在于，需要构建"能够同时适用于所有用例的能力"。用户使用代码模型的方式多种多样，模型需要能够泛化到所有这些不同的使用场景。
🗂️ 面对处理越来越复杂的代码库（如百万行代码的monorepo）的问题，有两种主要策略：
1️⃣ 长上下文能力：让模型能够将整个代码库作为上下文来处理，并在一个步骤中解决问题。
2️⃣ Agentic编码（Agentic Coding）：模型像人一样工作，通过代码搜索、查看文件层级、跳转阅读代码等方式，自主地解决问题。
🎯 Gemini 团队在编程优化上的短期目标：
• 解决2.5 Pro版本中"工具调用功能"的可靠性问题，特别是在代码上下文和Agentic模型进行代码编辑方面
• 细致调整用户交互，确保用户体验更流畅
• 改进模型在特定用例类别上的表现
✨ 模型在风格上的表现也至关重要，例如在生成网页UI时，除了功能正确，还需要美观和符合专业标准。Connie提到，有时即使模型犯了两次错误，但如果它表现得"有点调皮"，说"第三次会成功"或"这真的很难，我们再试一次"，这反而能让用户"原谅Gemini"，并建立信任。她强调，"这种风格，比如语气、个性，不一定是你在编码中认为关键的东西，但它在人们接受这些模型的方式中却很重要"。
🌐 为何选择通用模型而非代码专用模型：
• 超越代码的知识需求：代码模型需要"世界知识"，而不仅仅是代码本身。例如，一个"Taylor Swift排名应用"就需要对世界有一定了解，而不仅仅是代码。
• 开发流程的复杂性：代码意味着"软件开发过程的越来越多部分"，并需要连接到各种不同的信息，其中一些是代码特定的，一些则不是。
• 通用模型的优势："将所有这些都看作是相互关联的，我们都在为模型的通用能力而共同努力，我们将努力找到最佳方式让一切协同工作，拥有一个真正优秀的通用模型，这对我来说是一个很好的方向"。事实证明，这种方法成功地构建了一个出色的编程模型，同时在其他方面也表现出色。
基于claude-sonnet-4的小红书爆款笔记生成器智能体已经上线
它的优势在于，基于强大的claude大模型，内容生成比上一版本好很多
除此之外，单次可以直接生成5篇笔记，同时还可以进行关键词布局，关键词植入超级丝滑
几周前就知道了 MiniMax 出了一个通用 Agent 产品
试了一下，他们可能做出了一个比 Lovable 还强大的多大 Vibe Coding 产品
自主查找网页中需要的信息重新进行整理，不只是文本，图片也会，找不到也可以生成，完全不需要复杂的资料准备，直接生成就能用
这里有所有的提示词和演示网页地址：https://mp.weixin.qq.com/s/E1ivlVdvgP6EE9k4rnVGQg
下面是几个测试例子🌰：
先让他用 MiniMax 自己的音频生成能力和谷歌地图 MCP 搞一个旅游景点介绍网站。
基本上所有的信息都帮你搞好放在网页里面了
我回去看了一下步骤，发现搜索的图片结果质量都非常高，Agent 还会自己对图片进行挑选。
音频生成也调用 MiniMax 自家的 MCP 搞定了，而且切换景点就会自动播放。
他居然会利用 browser use 工具对网页进行测试！
会挨个点击所有的网页功能，然后他发现了地图的问题，就换成了按钮跳转的方式，非常智能。
知名艺术家的初见与告别网页生成
我发现他🐂🍺的图片检索和嵌入能力之后就想对他进行一个更加复杂的考验。
让他帮忙生成一个关于知名艺术家初见与告别的网页，里面会展示一些知名艺术家早期艺术作品和晚年的对比，方便大家看到这些艺术家的成长轨迹。
第一次我把提示词写错了写成了一个艺术家，所以他就只选了一个艺术家。
结果好死不死选了梵高，梵高的艺术生涯非常短暂，不太好体现时间带给他的沉淀和变化。
但是整个网页的排版和视觉真的非常高级，而且还有数字跳动的动画。
作品对比这里更是全面，上面是时间，下面是对应的两个时间点的两幅作品，除了介绍文字之外还有作品的颜色色值，另外还有艺术特征提炼。
下面数据可视化这里先是用曲线图介绍了每一年梵高的创作数量，然后又用卡片展示了梵高每个艺术转折点，还有对应的标签，对于了解他的生平非常有帮助。
攻壳机动队的诞生和影响网页生成
由于这里的对比比较少，于是我把上面提示词中的“一个”改成了“多个”重新生成了一个网页。
这次的视觉表现整个更顶了，这个首图的字体和渐变蒙版，简洁中又有细节。
而且可以看一下按钮的动效是加了缓动的颜色改变和投影出现的非常自然，投影还是弥散阴影。
还有下面引导鼠标滚动的那个动画，鼠标图标的滚动部分除了是主题色的渐变外还有动画，太精致了。
在艺术品展示这里它采用了，两级页面的模式，而且找到的艺术品图片和内容都是能对上的。
光这一点就已经吊打很多所谓的 AI 编程 Agents 了，吹这吹那，结果都没办法把图片自动放到网页里。
最后想整个大的，完全让他自己搜索数据和内容对攻壳机动队这个对后世赛博朋克风格影响很深远的电影进行分析和介绍。
生成之后他这个封面图照的很好，而且下面还有已抵达幻景市的文案，相当应景。
英文标题选了非常有赛博朋克风格的字体。
然后他先是介绍了作品的创作背景，两个非常天才的创作者电影导演押井守和漫画作者士郎正宗，这个时候的英文标题字体就更加为页面增加了一些赛博氛围。
之后分析了作品的核心主题，主要是奠定了赛博朋克高科技、低生活的作品核心，以及对人类意识的讨论。
可以说非常专业了他找的作品分析文案做参考的时候找的也很好。
之后讨论了电影带来的视觉表现理念革新，在技术上和视觉上都有。
数据这里的表现就更顶了，展示形式和图表选择都非常准确，像一个非常老练的设计师。
先是将核心数据卡片化展示，之后用折线图对比不同作品的 IMDB 评分和豆瓣评分，之后用圆点展示发布时间和评分的关系，最后用卡片展示作品的商业成就。
最后用文化价值拔高和总结，整个网页不管是从一个报告看还是从一个网页设计看都无可挑剔。
目前这个产品支持免费试用，强烈建议你去试试，看看在内容检索、生成和编码上都很强之后结合起来的产品有多强大。
Invalid media: video
试了一下，他们可能做出了一个比 Lovable 还强大的多大 Vibe Coding 产品
自主查找网页中需要的信息重新进行整理，不只是文本，图片也会，找不到也可以生成，完全不需要复杂的资料准备，直接生成就能用
这里有所有的提示词和演示网页地址：https://mp.weixin.qq.com/s/E1ivlVdvgP6EE9k4rnVGQg
下面是几个测试例子🌰：
先让他用 MiniMax 自己的音频生成能力和谷歌地图 MCP 搞一个旅游景点介绍网站。
基本上所有的信息都帮你搞好放在网页里面了
我回去看了一下步骤，发现搜索的图片结果质量都非常高，Agent 还会自己对图片进行挑选。
音频生成也调用 MiniMax 自家的 MCP 搞定了，而且切换景点就会自动播放。
他居然会利用 browser use 工具对网页进行测试！
会挨个点击所有的网页功能，然后他发现了地图的问题，就换成了按钮跳转的方式，非常智能。
知名艺术家的初见与告别网页生成
我发现他🐂🍺的图片检索和嵌入能力之后就想对他进行一个更加复杂的考验。
让他帮忙生成一个关于知名艺术家初见与告别的网页，里面会展示一些知名艺术家早期艺术作品和晚年的对比，方便大家看到这些艺术家的成长轨迹。
第一次我把提示词写错了写成了一个艺术家，所以他就只选了一个艺术家。
结果好死不死选了梵高，梵高的艺术生涯非常短暂，不太好体现时间带给他的沉淀和变化。
但是整个网页的排版和视觉真的非常高级，而且还有数字跳动的动画。
作品对比这里更是全面，上面是时间，下面是对应的两个时间点的两幅作品，除了介绍文字之外还有作品的颜色色值，另外还有艺术特征提炼。
下面数据可视化这里先是用曲线图介绍了每一年梵高的创作数量，然后又用卡片展示了梵高每个艺术转折点，还有对应的标签，对于了解他的生平非常有帮助。
攻壳机动队的诞生和影响网页生成
由于这里的对比比较少，于是我把上面提示词中的“一个”改成了“多个”重新生成了一个网页。
这次的视觉表现整个更顶了，这个首图的字体和渐变蒙版，简洁中又有细节。
而且可以看一下按钮的动效是加了缓动的颜色改变和投影出现的非常自然，投影还是弥散阴影。
还有下面引导鼠标滚动的那个动画，鼠标图标的滚动部分除了是主题色的渐变外还有动画，太精致了。
在艺术品展示这里它采用了，两级页面的模式，而且找到的艺术品图片和内容都是能对上的。
光这一点就已经吊打很多所谓的 AI 编程 Agents 了，吹这吹那，结果都没办法把图片自动放到网页里。
最后想整个大的，完全让他自己搜索数据和内容对攻壳机动队这个对后世赛博朋克风格影响很深远的电影进行分析和介绍。
生成之后他这个封面图照的很好，而且下面还有已抵达幻景市的文案，相当应景。
英文标题选了非常有赛博朋克风格的字体。
然后他先是介绍了作品的创作背景，两个非常天才的创作者电影导演押井守和漫画作者士郎正宗，这个时候的英文标题字体就更加为页面增加了一些赛博氛围。
之后分析了作品的核心主题，主要是奠定了赛博朋克高科技、低生活的作品核心，以及对人类意识的讨论。
可以说非常专业了他找的作品分析文案做参考的时候找的也很好。
之后讨论了电影带来的视觉表现理念革新，在技术上和视觉上都有。
数据这里的表现就更顶了，展示形式和图表选择都非常准确，像一个非常老练的设计师。
先是将核心数据卡片化展示，之后用折线图对比不同作品的 IMDB 评分和豆瓣评分，之后用圆点展示发布时间和评分的关系，最后用卡片展示作品的商业成就。
最后用文化价值拔高和总结，整个网页不管是从一个报告看还是从一个网页设计看都无可挑剔。
目前这个产品支持免费试用，强烈建议你去试试，看看在内容检索、生成和编码上都很强之后结合起来的产品有多强大。
Invalid media: video
近期另一个爆火的 AI 视频品类#ai创造营# #ai编程#
一些日常不好实现的 ASMR 视频，比如切割各种玻璃金属材质的水果
搞了一套提示词实现了一下，需要用到 Veo 3 的文生视频
提示词：
ASMR video of slicing a glass strawberry: From an extreme macro viewpoint, a flawlessly transparent, hyper-detailed glass strawberry sits on a warmly lit wooden cutting board.
The camera gently pushes in and out, capturing iridescent highlights and rainbow refractions dancing across its surface. Angles alternate between overhead and 45-degree side shots, freezing the exact moment the knife meets the brittle “fruit” and revealing delicate internal striations.
Each slow, deliberate cut releases a crisp ding—the fragile chime of shattering glass—followed by the soft clatter of tiny shards and the low, resonant scrape of steel against wood, layering a rich ASMR soundscape in an otherwise hushed room.
Composition follows the rule of thirds, with the strawberry anchored at a golden-ratio point; the background melts into a dreamy bokeh of warm light and floating dust motes. Overall, the palette is clear and serene, immersing viewers in the mesmerizing textures of glass fracturing and the intimate, crystalline sound of every slice.
Invalid media: video
一些日常不好实现的 ASMR 视频，比如切割各种玻璃金属材质的水果
搞了一套提示词实现了一下，需要用到 Veo 3 的文生视频
提示词：
ASMR video of slicing a glass strawberry: From an extreme macro viewpoint, a flawlessly transparent, hyper-detailed glass strawberry sits on a warmly lit wooden cutting board.
The camera gently pushes in and out, capturing iridescent highlights and rainbow refractions dancing across its surface. Angles alternate between overhead and 45-degree side shots, freezing the exact moment the knife meets the brittle “fruit” and revealing delicate internal striations.
Each slow, deliberate cut releases a crisp ding—the fragile chime of shattering glass—followed by the soft clatter of tiny shards and the low, resonant scrape of steel against wood, layering a rich ASMR soundscape in an otherwise hushed room.
Composition follows the rule of thirds, with the strawberry anchored at a golden-ratio point; the background melts into a dreamy bokeh of warm light and floating dust motes. Overall, the palette is clear and serene, immersing viewers in the mesmerizing textures of glass fracturing and the intimate, crystalline sound of every slice.
Invalid media: video
2019年我刚加入Scale时，Linear的联合创始人Tuomas——我在Uber的前同事，也是Linear的CTO——给我发了一封邮件。他先是恭喜我加入Scale，然后提到难怪最近在Uber没碰到我，接着介绍了他做的新app Linear，问我要不要试用。我们很快安排了demo，虽然Scale成为Linear的客户是后来的事。
后来我回国创业期间，LinkedIn上有一段时间大家都在讨论：一个公司是否必须进行疯狂扩张才能成功。Linear团队分享了他们的经验——公司可以不用疯狂扩张，专注做好产品也能成为优秀的公司。当时我们在Uber共同的leader Ganesh（他后来转做VC）comment说：Linear找到了很好的发展路径，但在竞争残酷且赢家通吃的市场中，很难实现这种高效增长方式。
事实证明，Linear团队的扩张确实很克制，但业务增长表现相当出色。我一直在使用Linear，也向我advise的公司推荐。相比传统的Jira、Asana、Trello等工具，Linear的用户友好度高出很多。可以明显看出，这是一家认真做产品、做工程、听用户反馈的公司，通过效率而非资源投入来打造更好的产品。
上周Linear宣布了新一轮融资。在此之前他们只融过两轮，这次由在AI领域斩获颇丰的Accel领投，融资后Linear成为独角兽。观察最新的各种工具——AI Coding工具如Devin, Claude Code等——会发现它们官方文档公开支持的任务管理工具通常只有一到两家：如果只有一家，那就是Linear；如果有两家，就是Linear和Jira。
2019年Linear刚起步时还没有大语言模型，很难想象AI Agent会为任务管理系统创造颠覆性机会。按照现在很多方法论去分析，几个人的创业公司在任务管理领域挑战Jira这样的百亿美元市值巨头，结论必定是不可能成功。但今天我们已经看到Linear超越Jira的可能性，而这种可能性源于对产品效率的追求、对工程设计的taste、扩张上的克制，以及对工程效率的极致提升。
我认为这正是很多做软件的人缺乏的信念。大家做软件时，要么觉得必须大干快上，要么觉得只能赚点小钱。我希望看到越来越多像Linear这样的成功案例。
后来我回国创业期间，LinkedIn上有一段时间大家都在讨论：一个公司是否必须进行疯狂扩张才能成功。Linear团队分享了他们的经验——公司可以不用疯狂扩张，专注做好产品也能成为优秀的公司。当时我们在Uber共同的leader Ganesh（他后来转做VC）comment说：Linear找到了很好的发展路径，但在竞争残酷且赢家通吃的市场中，很难实现这种高效增长方式。
事实证明，Linear团队的扩张确实很克制，但业务增长表现相当出色。我一直在使用Linear，也向我advise的公司推荐。相比传统的Jira、Asana、Trello等工具，Linear的用户友好度高出很多。可以明显看出，这是一家认真做产品、做工程、听用户反馈的公司，通过效率而非资源投入来打造更好的产品。
上周Linear宣布了新一轮融资。在此之前他们只融过两轮，这次由在AI领域斩获颇丰的Accel领投，融资后Linear成为独角兽。观察最新的各种工具——AI Coding工具如Devin, Claude Code等——会发现它们官方文档公开支持的任务管理工具通常只有一到两家：如果只有一家，那就是Linear；如果有两家，就是Linear和Jira。
2019年Linear刚起步时还没有大语言模型，很难想象AI Agent会为任务管理系统创造颠覆性机会。按照现在很多方法论去分析，几个人的创业公司在任务管理领域挑战Jira这样的百亿美元市值巨头，结论必定是不可能成功。但今天我们已经看到Linear超越Jira的可能性，而这种可能性源于对产品效率的追求、对工程设计的taste、扩张上的克制，以及对工程效率的极致提升。
我认为这正是很多做软件的人缺乏的信念。大家做软件时，要么觉得必须大干快上，要么觉得只能赚点小钱。我希望看到越来越多像Linear这样的成功案例。
