**已经有超过 1 万个年轻人用「AI 遗嘱」写下自己的遗嘱了。**

「AI 遗嘱」是什么？是新世相发布的一个产品，帮助人们写遗嘱。

首先，别被"遗嘱"这个词吓到。这不是什么不吉利的事，恰恰相反，它是一次让人可以深度思考生命的机会。我们希望通过这个产品，激发年轻人去直面死亡、进而思考生命中真正重要的事情是哪些，真正重要的人是谁。

「AI 遗嘱」怎么写呢？并不是让 AI 帮你写，而是请 AI 来对你进行采访，AI 很会引导，它会不断追问细节、追问答案背后的深层思考。AI 大概会提出 10 个问题，之后， AI 将根据对话，整理出一篇完整的遗嘱。

目前，已经有超过 10000 人在 AI 的帮助下写了自己的遗嘱，也欢迎你来试一试。

通过写遗嘱，在与死亡四目相对后，我们或许能看清，人究竟在为什么而活。

从对死亡的思索中，获得对生的领悟。

**祝你聊得愉快。祝你活得尽兴。**

Invalid media: video

卧槽，太爽了家人们。

Claude 上线了桌面客户端，支持Mac和Windows。

这里下载：https://claude.ai/download

Midjourney 中国实验室产品 – 悠船同步上线区域重绘（inpainting）和转绘（style transfer）功能啦~！

盼 MJ 出这功能得有一年了吧，时间过得好快。

世界第一梯队的模型能力就是强~ 要在 comfy 里完成同样的需求，需要搭建很复杂的工作流，还得有本地算力，在悠船很轻松就搞好了~

能用中文写 prompt 方便好多，不过手动区域涂抹还是有些麻烦，感觉以后补上 SAM 自动分割会方便许多。

测试地址：https://desktop.youchuan.cn/

AI探索指南

🎯 Critique Shadowing： 一个让AI稳定输出优质内容的实用工作流 我相信很多AI团队和我们一样，都头疼这个工程问题：如何保证AI生成质量的优质与稳定？ fine-tune也好，RAG也好，RL也好，结合具体的业务场景，我们也花了很多精力研究最适用的、更低成本、ROI更高的方法。 不得不说，最近发现的Critique Shadowing 工作流，让我觉得很有启发💡 这个方法来自 Hamel Husain 最新发表的一篇重磅文章🔗https://hamel.dev/blog/posts/llm…

- 计算不同维度的错误率并识别分布规律
- 必要时建立专门的评估器
- 出现系统性问题时返回步骤3

👉 个人实践启发

在涉及到我们团队具体的工程实践上，我理解 Critique Shadowing 相当于在向用户输出output前的workflow里，自行加了一步evaluation，评估通过则展示给用户，评估不通过则返回继续生成再评估，循环往复直至评估通过为止再输出。流程如下：

A[用户输入] --> B[LLM生成回答]
B --> C[Critique评估器]
C -->|通过| D[展示给用户]
C -->|不通过| E[重新生成/优化]
E --> B

再进一步地，我还想到，也可以通过 Critique Shadowing 的评估结果来指导 prompt 优化。流程如下：

A[用户输入] --> B[LLM生成回答]
B --> C[Critique评估器]
C -->|不通过| D[分析不通过原因]
D --> E[自动调整Prompt]
E --> B
C -->|通过| F[记录通过模式]
F --> G[更新Prompt库]

总结来看，这个方法特别适合内容质量控制、代码审查自动化、用户反馈分析等需要专业判断同时又面临大规模数据处理的场景。

但是也很显然，这个方法论明显的弊端就是系统的复杂度及其token成本。实践中首先还是要基于自己的业务场景做合理评估，以ROI为导向，选择最适合自己的LLM质量控制策略。

我也很好奇大家都是怎么解决AI生成质量的优质及稳定性问题的？以及大家都在做哪些内容场景？不同的内容场景对内容质量及稳定性的需求差异还是挺明显的。

大家有什么好思路或者心得体会，也求分享😊

🎯 Critique Shadowing：
一个让AI稳定输出优质内容的实用工作流

我相信很多AI团队和我们一样，都头疼这个工程问题：如何保证AI生成质量的优质与稳定？

fine-tune也好，RAG也好，RL也好，结合具体的业务场景，我们也花了很多精力研究最适用的、更低成本、ROI更高的方法。

不得不说，最近发现的Critique Shadowing 工作流，让我觉得很有启发💡

这个方法来自 Hamel Husain 最新发表的一篇重磅文章🔗https://hamel.dev/blog/posts/llm-judge/，整整 6000 字的干货。

这个工作流本质上是在构建一个能够对齐领域专家判断的 LLM 评估系统。整个工作流包括：

1. 首先找到真正的领域专家
2. 建立多样化的测试数据集
3. 让专家进行系统评判和详细解释
4. 根据反馈进行迭代优化
5. 构建和训练 LLM 评判器
6. 进行全方位的错误分析

这个工作流通过系统化地将专家经验转化为可扩展的 AI 评估系统，特别适合那些需要专业判断但又面临大规模数据的场景。

这也让我想起 Hamel 之前那篇广受好评的 🔗https://hamel.dev/blog/posts/evals/index.html，都是非常务实的方法论。

在我看来，Critique Shadowing 的价值在于它不是纯理论的框架，而是一个能够真正落地、能够帮助团队构建可信赖的 AI 评估体系的方法。

👉 工作流程详解

1. 领域专家选择（Principal Domain Expert）
- 需具备深入的领域知识和丰富实践经验
- 能够清晰表达判断标准和评判理由
- 愿意参与迭代优化过程

2. 数据集创建
- 生成覆盖所有用例的多样化examples
- 结合真实和合成的用户交互数据
- 从小规模高质量样本开始，逐步扩充

3. 专家评审
- 进行通过/不通过的基础判断
- 提供详细的评判理由（用于训练 LLM）
- 记录关键决策点和评判标准

4. 错误修正
- 发现问题后修正并返回步骤3进行专家验证
- 持续积累和分类错误模式
- 重复验证直至专家确认问题解决

5. LLM 评判器构建
- 将专家示例转化为 few-shot examples
- 测试与专家判断的一致性
- 持续优化prompt直至达到满意的一致性水平

6. 错误分析与优化

如果说学Cursor，开始AI编程有什么真正的诀窍的话，那就是：

先做出来，发布出来再说，不要怕不完美。

现在有Claude和GPT加持的AI编程工具，让大多数第一次有机会去真正完成一个由自己构建的产品。毕竟，在此之前，不管你是程序员还是产品经理，绝大多数人在此之前都没有完整做过一个产品。

如果你是产品经理的话，你的工作可能是画画原型，写写PRD，界面设计和代码工作都不在你手上。甚至以我之前在美团和阿里接触到的产品经理来说，他甚至不做“产品”本身的工作，只负责一个功能模块的一小点的细节优化和设计。

而对于程序员，也是类似的道理，前端的只做前端，后端只做后端，数据库的只管数据库。而我之前接触的程序员也大多不了解业务逻辑，不知道自己参与的产品用户群体是谁，其他模块的实现逻辑是什么样的，只是去用自己的能力忠实的实现产品的需求。

在AI的加持下，只要别有害怕、恐惧的情绪，你将第一次获得真真正正的去实现自己的想法的权利。

你需要产品经理，Claude和ChatGPT可以是产品经理。
你需要设计师，Claude、ChatGPT、Ideogram、Midjourney、Flux.1、v0.dev都可以是设计师。
你需要程序员，那更不用说了，Claude、ChatGPT精通所有编程语言。

你唯一需要担心的只是，你是否真的有想法，你是否真的想清楚了你想要去创造什么。

也许你没有想清楚，那也没问题，你可以边做边思考。前几天Paul Graham发了篇文章，认为有了AI之后，人的写作能力会进一步退化，因为写作是需要清晰的思考的，你想不清楚，你就没办法把东西写清楚。很多人会恐惧在写作过程中发现自己大脑中一团浆糊的状态，因此对此心生恐惧。而有了AI之后，大多数人确实是更不需要写作了。

但问题是，不写作的话，你怎么思考呢？

写作不是对思考的记录，而是思考本身。

同样的，去创造去完成一个产品的过程，也是你思考的过程。你没办法完全想清楚了才行动。你需要行动你才有机会想清楚。

而且，在做完之后一定要快速发布。只要完成了发布，你就等于让一个东西从你的大脑中解放了。很多人会想着先把东西做得更好更完美再发布，我想告诉你，千万不要！

完美是完成最大的敌人。世界上没有发布之后就不需要迭代的产品。

许多人之所以不愿意早早发布，其实是有些恐惧心理在其中的，担心其他人觉得不够好，担心这是否会让人觉得自己的水平不行。我真的建议你跟自己脑中的这些恶魔做些斗争。

举个例子，我发布的第一期关于Cursor的教学视频是做一个很简单在网页中生成二维码的Chrome插件，有不少人在底下评论，就做个这？

对的，那时候的我，只能做个那东西。但是我现在做了多个网站、上架了app，我相信评论我的那个人肯定没做到。而且我在做这些东西的过程中感受到了太多的心流和快乐，这个过程本身就是巨大的奖赏了。

而且我非常认同一个关于什么时候该发布自己的产品的观点，那就是如果你发布的产品的第一个版本不让你感到尴尬的话，那就说明你发布得太晚了。

所以，那个会让你尴尬的产品，你打算什么时候发布？

AI偶尔懂人性

最近两个月用上Cursor之后，每天都舍不得睡觉，很想早起去创造些东西。

上一次有这症状还是GPT Store发布后，上上次是GPT-4。

但是上班时好像从来没过这种感觉。

虽然是一年前就玩过的能力，但还是觉得好惊艳啊！

https://desktop.youchuan.cn

AI探索指南

📷 回归本质：Runway 不是AI 公司 Hans 荐语：这篇来自Runway CEO Cristóbal Valenzuela的最新推文，充满了对AI、媒介和创造本质的深刻洞察，不愧是当代科技与创意交汇领域的领军人物之一。 如果你正在进行AI产品创造、媒介探索，或将AI应用于教育和研究等广泛领域，相信会在这段文字中找到大量共鸣和启发。Enjoy～ ✨ 全文如下： Runway不是一家AI公司。Runway是一家媒体和娱乐公司。实际上，我认为AI公司的时代已经结束了。 这并非因为AI失败了 -…

传统媒体的运作像一条单行道。创作通过既定渠道流向消费者。即使在分发被颠覆时 - 首先是社交媒体，然后是流媒体 - 基本模式仍然保持：有人创作，他人消费。角色清晰，界限分明。但我们现在见证着不同的事物。想象观看某个随着你观看而自我生成的内容 - 真正动态的内容，能响应你、理解你、为你创作。通用模拟和世界构建。当内容能实时塑造自己时，创作和分发之间的界限就消失了。这是全新媒体景观的基础。这关乎从根本上重新想象媒体可以成为什么：交互式的、生成式的、个性化的 - 同时又是共享的和普遍的。

这也是为什么纯AI公司正在过时。有趣的问题不再是关于技术 - 而是关于我们用它建造什么。下一波创新不会来自专注于建造更好模型的公司。模型是商品。技术基础现在已经完善并为所有人所知。没有秘密可言。变革的浪潮将来自那些懂得如何使用这些工具来创造新形式媒体、新型体验、新的讲故事方式的人。基础设施已经铺设。基础已经建立。现在来到激动人心的部分:用它创造有意义的东西。

AI公司的终结标志着更有趣事物的开始：真正新媒体的诞生。不仅仅是新平台或格式，而是全新的创作和体验内容的方式。我们不是在打造一家AI公司。这是一个更令人兴奋的使命。就像一直以来那样，回到我们的初心。

📷 回归本质：Runway 不是AI 公司

Hans 荐语：这篇来自Runway CEO Cristóbal Valenzuela的最新推文，充满了对AI、媒介和创造本质的深刻洞察，不愧是当代科技与创意交汇领域的领军人物之一。

如果你正在进行AI产品创造、媒介探索，或将AI应用于教育和研究等广泛领域，相信会在这段文字中找到大量共鸣和启发。Enjoy～

✨ 全文如下：

Runway不是一家AI公司。Runway是一家媒体和娱乐公司。实际上，我认为AI公司的时代已经结束了。

这并非因为AI失败了 - 恰恰相反。这是因为AI正在成为基础设施，就像电力或互联网一样基础。今天自称是AI公司就像自称是互联网公司一样。这毫无意义，因为它已经普遍存在。每个公司都使用互联网，每个公司都将使用AI。

对Runway来说，我们的重点是艺术、媒体和整个娱乐领域。我们近七年前创立Runway时的愿景至今基本保持不变：AI是讲故事的必要工具。为实现这一愿景，我们必须反向工作，打造最好的研究团队，以提供最好的模型，在此基础上开发最好的产品。

我经常将我们的工作比作一种新型相机。不是字面意义上的捕捉图像，而是就其历史影响而言。相机不仅创造了摄影 - 它还催生了整个产业、经济和艺术形式。电影、电视、抖音 - 都是那个最早能捕捉光和时间的革命性工具的产物。

我认为我们在Runway所做的工作是全新媒体景观的基础之一。就像相机改变了我们捕捉现实的方式一样，AI正在改变我们创造现实的方式。我们建立的模型和技术能力仅仅是开始 - 它们相当于最早的银版照片，虽然原始但充满可能性。许多人的错误在于将AI视为最终目标。事实并非如此。AI是机制，是支持更伟大事物的基础设施。真正的革命不在于技术本身，而在于它所能实现的：新的表达形式、新的讲故事方式、新的连接人类体验的方法。