AI探索指南
-
- 很荣幸担任特邀外滩黑客松观猹员
外滩黑客松 AI Coding 大赛是首个面向全民，不限编程方式的 AI 编程挑战赛
九大平台赛道认你挑选，8月9日前提交作品，一等奖奖金 2 万元
大家冲冲冲冲冲冲就完事了🌊
@aigc1024 - 强烈安利这本“反内耗神器”《世界很喧嚣，做自己就好》
25个扎心又好笑的故事，直戳当代年轻人的痛点：
别人眼光、边界感、亲密关系、自我怀疑、情绪拉扯……
它给你“被讨厌的勇气”和“做自己的底气”，
教你把情绪调静音、焦虑调飞行，
把生活调成简洁模式。
链接：https://pan.quark.cn/s/540564db8482
@meiriyishu - 一个装进 Codex、Claude Code 就能用的中文清理 skill。先锁住事实、术语和版本号，再删表演腔和空。三种模式：默认 clean 做冷静简洁、natural 自然但不加戏、Detect 只标问不改。
https://github.com/superchun/no-slop-zh
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息 - 我做了一套小红书起号的 Skill。
结合我运营小红书三年多，三个万粉账号的经验。
。覆盖定位、选、写作、视觉、复盘 五个环节。
每个环节做一两个 Skill，再加一个总控把它们串起来，一共 10 个。
xhs-buddy：小红书起号总控：判断当前卡点，路由并串起完整运营工作流
xhs-positioning：账号定位：拆解赛道、人设、内容支柱，确定长期增长方向
xhs-hotspot：热点选：挖掘热门趋势、判断内容机会，生成高互动选
xhs-title：爆款标：批量生成标候选，评分筛选，优化点击吸引力
xhs-writer：笔记写作：生成正文框架、优化表达，适配小红书内容模型
xhs-cover：封面制作：提炼核心卖点，推荐视觉风格，提升首图点击率
xhs-html：图文排版：拆解多页笔记结构，生成 3:4 图文排版方案
xhs-image：AI 配图：生成笔记插图、信息图和系列视觉素材
xhs-account-audit：账号体检：分析账号定位、内容表现和增长卡点
xhs-note-analytics：笔记复盘：拆解数据表现，定位问，沉淀优化规律
地址：https://github.com/SpaceZephyr/creator-buddy/tree/main/xhs-Skills
@aigc1024 - ，再从 Releases 装桌面版，用一张自有或已获授权的素材图做第一条短镜头。
链接：https://github.com/Lightricks/LTX-Desktop
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息 - 现在做 AI 视频，最容易被一张预告片骗。
你以为门槛是“模型够不够强”，真正把人卡住的，是生成完以后没法继续改：镜头不对、素材不够、要补一段，只能整条推倒重来。
LTX Desktop 想解决的就是这个断层。
它不是只给你一个输入框、吐一段视频就结束的模型仓库，而是把文生视频、图生视频、音频驱动、视频返修（Retake）和编辑界面塞进一个桌面应用里。你可以从一句描述起步，也可以拿一张已有商品图、角色图或分镜参考往下做；生成后的项目还能留在编辑界面里继续处理。
这件事对做内容的人真正有用的地方，是“灵感”终于能接到“可交付的视频素材”上。
以前你做一条开场镜头，流程往往是：找参考图、进某个网页生成、下载、导进剪辑软件、发现节奏不对，再从头来一次。
现在至少可以把生成和后续编辑放在同一个项目里看，不用每次都在一堆文件夹里捞“最终版2_真的最终版”。
但这项目千万别被“桌面版”三个字骗了，坑我先给你摆出来：
1️⃣ 想本地跑，先看显卡，不是先看教程。仓库写得很直白：Windows/Linux 的本地生成需要 NVIDIA CUDA 显卡和至少 16GB 显存，还要预留约 160GB 磁盘给模型、环境和输出。显存不够，别硬下载一晚上然后发现跑不起来。
2️⃣ 没有合适显卡也不是完全没路，但会进入 API 模式。Windows 无 CUDA、显存不足和 Apple Silicon 都需要 LTX API Key；可用时长、分辨率也会受 API 能力限制。README 没给出完整计费承诺，别把它当成无限白嫖工具。
3️⃣ 第一条别上“写一部电影”这种大愿望。先拿一个能说明白的短镜头：比如“产品从桌面旋转到手持特写”，或者“一张角色设定图变成回头的开场动作”。先验证人物、构图、节奏对不对，再把它接进整条片子。
4️⃣ 模型权重和桌面程序不是一回事。程序是 Apache-2.0，但权重另有许可；首次启动可能要求确认模型条款。商用前别只看仓库标，先看你实际下载和调用的模型条件。
说白了，以前很多 AI 视频工具交付的是一段“看着还行”的片段；LTX Desktop 试图交付的是一个还能往下改的视频项目。
适合谁：已经在做短视频、广告素材、角色开场，且愿意处理显卡或 API 门槛的人。
什么人别折腾：只想随手生成一条视频、电脑也不想配、也不想碰 API Key 的人，先别把本地模式当捷径。
收藏后的第一步：先确认自己的显存和磁盘 
1820036.com
182体育 豪礼大放送、高端嫩模、劳力士手表、奔驰E300等大礼等你来豪夺 
1.PG电子赏金女王一举斩获830万并成功提现
2.PA真人豪赢644万一路长虹一天实现暴富
3.PG电子爆890万并以成功提现实现财富自由
4.大哥在PA真人百家乐累计盈利突破1000万
以及多种电子钱包存取款、大额出款无忧 （您的最佳选择，欢迎体验）
大额出款额外奖励8888-128888，双重日存彩金128888+4688每日送，周流水彩金68888每周送，双重签到彩金16888+3888送不停
【 #182体育 全网独此一家】
公平、公正、公开、 信誉第一、服务第一
不限ip、 免实名、免绑卡、免绑手机号码
每日存款彩金每日送，每笔存款加赠1%
专属VIP客服：@vipkf_182ty8
体育赛事推荐：@VIP182TYTJ
双向用户点击： @vipkf_182ty2_bot
吃瓜搞笑：@chiguagaoxiaoxinwen
✅ 关注福利频道：@vip182ty888
1820036.com
代理合营：@DLHY182TY
铂莱娱乐 8年老品牌 广告费每月投入高达500万U，全网担保上押1300万U，送“野鸡黑台”一句话，勿伤玩家利益，勿毁博彩信誉。
【贵宾会 750.cc 】 强势启航，集团背书，信誉担保，全网首发，引爆彩票娱乐新纪元！六合彩49倍 挑战全网心水 全民代理全民收单 助您白手起家 加拿大28全网最高赔率 挑战全网公式 
很多平台热衷于宣传玩家中奖，却对中奖后的“漫长审核”“异常冻结”闭口不谈。
就在本月，PG电子爆出200万u巨奖。本金仅为5000u……
截至目前：200万U 已极速下发，单笔提款百万u秒出，亿级储备金硬核坐镇，不要去考验小盘的良心，要选就选大盘的实力。
当无数野鸡网在生灭中挣扎时，铂莱始终屹立不倒。这就是我们送给全行业最响亮的耳光！
: @BLKF0
: @bolaidaili
: @bolaiylc_bot
: @BLzhaoshang
: bolai178.cc
首存最高领 18,888U 二存三存再领 8,888U 连续达标再领 8,888U 飞投绑定最高送 9,999U 电子爆分最高加赠 19,999U 更多专属豪礼 · 尽在优惠专区
C N Y：尊享专属注册通道
USDT：尊享专属注册通道
官方直播火热进行中,美女主播
在线互动,精彩不断,立即进入直播间！
官网：U99.COM
飞投：@u99top 直播：@vvip11 频道：@U99GBH 客服：@u99com99
实力铸就品牌高度 · 专业打造娱乐新标杆- 做 AI 漫剧最怕的不是模型不够强，是主角和场景每一镜都换人。PrintFilm 把“故事→分镜→角色/场景资产→关键帧→视频片段→导出”串成一条流程：先做角色定妆、服装和场景图，再用起止关键帧控制动作，少靠提示词抽卡。
它需要 GitCC API Key，项目数据主要在浏览器本地保存，清站点数据前记得导出。适合想先做短剧样片的人；别一上来做整集，先拿一人一景三个镜头跑通。
链接：https://github.com/yuanzhongqiao/printfilm
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息 
球速体育 相信品牌的力量，老品牌，值得信赖 qs1736.cc 球速体育 豪礼大放送、高端嫩模、劳力士手表、奔驰E300 等大礼等你来豪夺
球速体育 大会员再创新高：
1.泰国大老板百家乐存50万出512万
2.斯里兰卡神秘大哥连续5天总提4000万+
3.实力盘总PA真人喜提990万一路爆红
4.pp电子糖果1000小注一拉爆出70万大奖以及多种电子钱包存取款、大额出款无忧 （您的最佳选择，欢迎体验）
大额出款额外奖励8888-128888，双重日存彩金128888+4688每日送，周流水彩金68888每周送，双重签到彩金16888+3888送不停【 #球速体育 安全有保障】
老品牌值得信赖、安全第一、保障第一
不限ip、 免实名、免绑卡、免绑手机号码
每日存款彩金每日送，每笔存款加赠1%专属VIP客服： @QSTY567
体育赛事推单：@QSTY988
双向用户点击：@qsty168168_bot
午夜剧场：@ziweifancha7
✅ 关注福利频道：@qsty8999 qs1736.cc 代理合营
老品牌 信誉高 佣金稳
代理合营频道：@QSTY321
- 的理发师，之所以越来越懂你，不是因为他的剪刀升级了。
是因为他逐渐学会了你的审美和验收标准。
Agent也是一样。
真正优秀的Agent，不会只保存聊天记录。
它会逐渐建立一个关于用户的模型，知道这个用户在什么场景下，想要什么样的结果。
所以我现在越来越觉得，Agent的核心并不只是模型能力。
它还包括需求确认、Context管理、过程反馈和长期Memory。
现在很多Agent最大的问，就是太像一个过度自信的理发师。
用户拿出一张图，说照这个剪。
它回答：明白。
然后低头就是一剪刀。
真正可靠的Agent，必须知道自己不知道什么。
@aigc1024 - 很多人都没意识到，用Agent做事，尤其是Vibe Coding，本质上就是去理发。
前段时间我去理发，拿了一张GPT帮我改过的发型图，问理发师能不能帮我剪成这样。
他明显有点犹豫。
我问他为什么。
他说，这种需求最难。
因为他根本不知道，这个发型是怎么剪出来的。
这只是一张最终效果图。
没有过程，没有侧面，没有背面，也没有告诉他每个地方该留多长。
他只能盯着结果，反推中间步骤。
更麻烦的是，他也不知道自己到底能不能做到。
图片里的效果可能依赖发质、头型、打理方式，甚至可能根本不符合现实。
他既不知道路径，也无法完全确认自己的能力能不能实现。
我当时突然觉得，这不就是今天所有Agent面对的问吗？
用户给出的通常只是一个模糊的结果。
但这个结果怎么实现，中间需要哪些步骤，有哪些隐藏条件，用户自己往往也说不清楚。
Agent只能猜。
它要猜用户真正想要什么，也要猜自己应该怎么做。
一个模型可能很会写代码，但它不知道这个项目里会不会遇到没权限的接口、不兼容的依赖、缺失的数据，或者某个自己根本处理不了的问。
所以Agent面对的，其实是两种不确定性。
第一种是需求不确定性。
用户说想要一个高级的网站。
什么叫高级？
是视觉高级、交互高级、代码架构高级，还是看起来适合融资？
用户自己脑子里可能有一个感觉，但很难完整表达出来。
第二种是执行不确定性。
Agent即使理解了目标，也不代表它知道最合适的实现路径，更不代表它一定做得到。
这和理发师拿着一张AI发型图时的状态完全一样。
我又问理发师，那你遇到这种需求，怎么尽量避免剪坏？
他说，最好的办法就是剪之前先给你看效果，剪的过程中不断问你。
这其实就是一个可靠Agent应该有的工作方式。
执行前，先把自己的理解展示出来。
执行过程中，也不要一口气直接做到最后。
遇到不可逆操作，需要单独确认。
Agent真正需要优化的，并不是少问问。
它需要学会在正确的时间，问最有价值的问。
问得太多，用户会烦。
完全不问，最后很容易把头发直接推成三毫米，然后告诉你任务已完成。
而理发师还告诉了我另一件事。
我问他，什么情况下你最有可能剪出一个超过客户预期的发型？
他说，最好是这个客户已经在我这里剪过很多次。
我知道他的头发是什么状态，知道他喜欢什么，知道他平时怎么打理，也知道他说剪短一点，到底是多短。
这就是Memory真正的价值。
Memory并不只是记住用户上次说了什么。
一个长期合作 - 《算完这笔账，我发现机器人的iPhone时刻比所有人想的都近》
昨天跟做具身智能的朋友吃饭，大家都在说"数据是瓶颈"——真实场景的第一视角操作数据太少，实验室里攒的那点根本不够用。
回家我算了一晚上，结果吓一跳：这个瓶颈，可能根本不需要几千万台机器人，100万台消费级产品进家庭，一年就破了。
先给你们看现在行业有多惨：
• Meta砸了那么多钱做的Ego4D，迄今为止最大的公开第一视角数据集，3670小时
• 斯坦福那个RDT-2，100个专门的UMI采集器扔到100多户人家里玩命录，最后也就1万小时
• 小米机器人吹了半天，预训练用了10万小时UMI，真正来自真实家庭的机器人数据，7200小时
7200小时什么概念？还不够一个人连续看一年。
那要练出一个真正能用的机器人大模型，到底需要多少有效数据？
大家普遍的共识是1000万小时起步，1亿小时基本就够打了。
问来了：得卖多少台机器人进家庭，才能一年攒够这个数？
我把所有参数拆到最保守算了一遍：
• 单台机器人一天真正干活（不是待机、不是用户瞎玩）的时间：1小时（扫地机器人都能跑1.78小时，操作机器人不会比这个少）
• 录下来的视频里真正能用来训练的有效率：10%（专业采集员8小时也就出2-3小时有效数据，普通用户瞎用能有10%不错了）
• 用户愿意开数据上传的比例：30%（家里的视频，换你你也不一定敢开）
• 买回去不积灰的月活率：50%（参考所有消费电子）
最后算出来单台机器人一年能贡献36.5小时有效数据。
所以答案是：
✅ 1000万小时有效数据 = 27万台活跃贡献的机器人 = 80-120万台总销量
✅ 1亿小时有效数据 = 270万台活跃贡献的机器人 = 800-1200万台总销量
什么概念？
100万台年销量，是什么水平？
——特斯拉Cybertruck去年卖了差不多这个数。
1000万台年销量，就是iPhone首年的销量水平。
换句说：
不需要机器人像手机一样人手一台，只要它能成为一个年销百万级的"小众爆品"，数据飞轮就转起来了。
一旦转起来，后面就是指数级的正向循环：数据越多→机器人越好用→买的人越多→数据更多。
几个反常识的点：
1. 有效率才是最大杠杆：如果能把有效数据率从10%提到30%，需要的机器人数直接砍到1/3。这就是为什么现在所有公司都在死磕自动数据筛选和任务引导——你家机器人擦桌子的10分钟里，哪30秒是真正有价值的，自动挑出来，效率直接翻三倍。
2. 隐私比技术难搞：第一视角拍的是你家全貌，要是能靠端侧计算、联邦学习把opt-in率从30%拉到70%，门槛又降一半。谁先解决"数据可用不可见"，谁就拿到了数据飞轮的钥匙。
3. 临界点比所有人想的都近：之前大家都觉得要几千万台才能破局，现在看，只要有一家公司能把消费级机器人做到年销100万台——注意，是真正能用的、不是玩具——数据瓶颈明年就破。
最后说个玄学：
互联网的历史告诉我们，所有的"数据瓶颈"，最后都是靠消费级产品普及解决的，不是靠实验室堆人。
语音识别的数据瓶颈，是智能手机普及破的；
人脸识别的数据瓶颈，是美颜相机普及破的；
自动驾驶的数据瓶颈，是特斯拉卖车破的。
机器人也不会例外。
现在看100万台好像很多，回头看，可能就是某一款产品发布后一年的事。
那个临界点，比我们所有人想象的，都要近得多。
（欢迎做机器人的朋友来杠，我也想知道我哪里算错了👀）
@aigc1024
