AI探索指南

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

AI探索指南

  1. AI探索指南

    OpenAI 昨晚开了场直播,Sam Altman、首席科学家 Jakub 和联合创始人 Wojciech 三个人聊了很多

    OpenAI 昨晚开了场直播,Sam Altman、首席科学家 Jakub 和联合创始人 Wojciech 三个人聊了很多。

    大聪明用 ListenHub 的 API 把原版重新配了中文音。Jakub 原声实在是...配音版体验竟然超过了原版 🤣。

    收听地址：https://mp.weixin.qq.com/s/LDsD_hMmsoOHpYGRP7bGIg

    另外把核心信息整理成了 QA,挑几个重点说说。

    研究时间表

    OpenAI 内部定了两个时间点:
    • 2026 年 9 月前:做出"AI 研究实习生",能有意义地加速研究员工作
    • 2028 年 3 月前:实现完全自动化的 AI 研究员

    Sam 说这些日期完全可能搞错,但这就是他们现在的思考方式。

    Jakub 用"时间跨度"来衡量模型能力,就是普通人完成同样任务需要多久。现在这一代模型大约是 5 小时。

    距离超级智能还有多远?Jakub 说不到十年。

    基础设施投入

    Sam 公布的数字:
    • 略高于 30 吉瓦的基础设施工厂计划
    • 未来很多年里,总共约 1.4 万亿美元的财务责任

    终极愿景是建立一个"基础设施工厂",每周生产 1 吉瓦的算力,成本降到大约每吉瓦 200 亿美元。

    Sam 开玩笑说:可能得重新规划一下机器人技术的思路,让它们来帮忙建数据中心。

    1 吉瓦是什么概念?Sam 展示了德克萨斯州 Abilene 正在建设的数据中心,第一个"星际之门"站点。每天有成千上万的人在工地工作,可能还有几十万甚至几百万人在供应链上工作。

    安全技术突破

    关键技术是思维链忠诚度。

    核心想法是,让模型内部推理的一部分过程不受监督,训练期间不去干预它。这样它就能保持对其内部过程的真实反映。

    OpenAI 克制自己,不去引导模型产生"好的想法",从而让它对自己的真实想法保持忠诚。

    这个技术在 OpenAI 内部大量使用,用来理解模型是如何训练的,它们的倾向性在训练过程中如何演变。

    但它有些脆弱,需要划定清晰的界限。比如 ChatGPT 里的思维链摘要器,就是为了给模型保留一定程度的、可控的隐私。

  5. AI探索指南

    特斯拉CEO马斯克10月28日透露：“今天进行了很棒的特斯拉擎天柱工程和制造评估！想象一下，拥有你自己的C-3PO和R2-D2机器人，擎天柱甚至会更好

    特斯拉CEO马斯克10月28日透露：“今天进行了很棒的特斯拉擎天柱工程和制造评估！想象一下，拥有你自己的C-3PO和R2-D2机器人，擎天柱甚至会更好。”

    据悉，马斯克发表该言论的背景是特斯拉在推进擎天柱机器人的研发与制造过程中取得了一定进展，需要对相关工程和制造情况进行评估。

    特斯拉擎天柱工程是特斯拉公司开展的一项人形机器人研发项目。2021年8月，擎天柱原型概念机Tesla Bot亮相，2022年10月1日，第一代擎天柱在特斯拉AI Day上正式亮相。截至2025年，擎天柱已发展到第三代，马斯克称其将具备接近人类的手部灵活性，还配备能自主导航并理解现实环境的人工智能“大脑”，并且会实现大规模量产。特斯拉的目标是让擎天柱能够从事各种危险或重复性极高的工作，如照顾孩子、遛狗、去超市购物、修剪草坪等，未来售价有望低至2万-3万美元。

    C-3PO和R2-D2是《星球大战》系列电影中的经典机器人角色。C-3PO是由安纳金·天行者用废弃零件拼凑而成的礼仪机器人，具备多语言处理能力，可识别超过30000个物种语言并使用600万种沟通方式进行礼仪辅导与翻译。R2-D2是宇航技工机器人，常与C-3PO共同行动，它具备强大的维修和技术支持能力，在多部电影中帮助主角完成了各种关键任务。

  7. AI探索指南

    世界上最好的知识、信息、播客都在 YouTube

    世界上最好的知识、信息、播客都在 YouTube
    但是 YouTube 视频最大的问题是，它真的太长了，动辄一个小时
    我想看的部分，可能就只有一部分而已
    用 AI 总结也无法获得我想要的部分
    解决这个问题的办法有两个，第一个方法是把 YouTube 链接输入到 ListenHub，并且用提示词引导 AI 做一期 10 分钟的播客路上听（ListenHub 对 Youtube 做了特别优化 btw）

    第二个方法是最近新发现的新产品叫 TLDW（ 太长没看完）
    它的核心功能叫精彩片段。
    什么意思呢？就是根据你关心的主题，把YouTube视频中的相关精彩片段标记出来，让你去观看其中最有价值的部分。
    这些“精彩片段”随后会以不同颜色显示在进度条上，点击其中任何一个，就能直接跳转到对应的精确时间点。

    多看 YouTube，少刷短视频。
    你的大脑会感谢你。

    TLDW 体验地址：
    https://tldw.us/

  8. AI探索指南

    无意间发现 GPT 画这种信息图的还原度挺高啊

    无意间发现 GPT 画这种信息图的还原度挺高啊

    搞成 SVG 以后还能扔进 Figma 里面改字体，改完就更像了

    让 GPT 总结了一套提示词👇

    用途：我发一张信息图或海报截图，你把它高保真还原为可编辑 SVG，整体排版尽量一致，但文字改成 {中文}（或保持原语言）。
    提示词：
    指令
    请把我发送的图片转成可编辑 SVG：

    保持版式与层级结构（标题、分区、图标、箭头、图表等）尽量一致；
    所有文字保留为 可编辑（不要转路径）；

    所有图形用向量元素（////），不要嵌入位图；

    颜色与风格尽量接近原图；

    分组与命名清晰：01_Header、02_Section_*、Icon_*、Chart_*；

    画布尺寸按原图推断；坐标/描边尽量用整数；

    生成文件到 /mnt/data/infographic.svg 并给出下载链接。
    若图片中有不清晰的内容，请做合理假设并在结果底部列出“假设项”。

  11. AI探索指南

    在此推出 FlowithOS，全球首个为 Agent 原生打造的操作系统，可能是你的最后一个浏览器

    在此推出 FlowithOS，全球首个为 Agent 原生打造的操作系统，可能是你的最后一个浏览器。

    FlowithOS 让 AI 可以 100% 像人一样与整个数字世界交互。

    - browser-use 浏览器使用: 让它可以自主点击网页、上传/下载文件、甚至可以操纵第一视角游戏，与其它玩家对战。
    - terminal-use 终端使用: 让它可以通过命令行、访问和操作你的整个计算机，帮你整理文件、或者直接批量创造。
    - script-use 脚本使用: 让它可以自主根据你的需求和网页状态、实时生成脚本，以 100 倍效率批量获取信息。

    除了这些超能力外，FlowithOS Agent 还搭配了 online-RL 和自我进化和学习的能力，配合经验和记忆系统，你的 OS Agent 可以随着时间变得越来越聪明、越来越懂你。

    在 Online-Mind2Web 全球评测中，FlowithOS 以压倒性接近满分成绩超过 OpenAI Atlas、Gemini 2.5 Pro CU 等顶尖浏览器 Agent，成为现地表最强浏览器智能体。

    现在，FlowithOS 公测版已全量上线，支持 Windows、Mac 所有平台，在 flowith.com 即可开始

    Invalid media: video

  12. AI探索指南

    无意间发现 GPT 画这种信息图的还原度挺高啊

    无意间发现 GPT 画这种信息图的还原度挺高啊

    搞成 SVG 以后还能扔进 Figma 里面改字体，改完就更像了

    让 GPT 总结了一套提示词👇#ai创造营##ai编程#

    用途：我发一张信息图或海报截图，你把它高保真还原为可编辑 SVG，整体排版尽量一致，但文字改成 {中文}（或保持原语言）。
    提示词：
    指令
    请把我发送的图片转成可编辑 SVG：

    保持版式与层级结构（标题、分区、图标、箭头、图表等）尽量一致；
    所有文字保留为 <text> 可编辑（不要转路径）；

    所有图形用向量元素（<rect>/<circle>/<path>/<line>/<polygon>），不要嵌入位图；

    颜色与风格尽量接近原图；

    分组与命名清晰：01_Header、02_Section_*、Icon_*、Chart_*；

    画布尺寸按原图推断；坐标/描边尽量用整数；

    生成文件到 /mnt/data/infographic.svg 并给出下载链接。
    若图片中有不清晰的内容，请做合理假设并在结果底部列出“假设项”。

  17. AI探索指南

    例子：一个工具调用，完整信息是{path: "file.txt", content: "..."}

    AI探索指南
    lsb1KaAaOcUaPNMLQwY7s3P-pobNv3.png
    例子：一个工具调用，完整信息是{path: "file.txt", content: "..."}。在“压缩”后，只保留{path: "file.txt"}。

    优势：信息“零”丢失，只是被“外置”了。

    2. 摘要 (Summarization)：不可逆的“遗忘”

    定义：对历史信息进行总结，彻底丢弃原文。

    优势：大幅度释放上下文空间。

    Manus的策略堪称精妙：

    设置“腐烂”闹钟：首先，团队会设置一个“腐烂阈值”，比如128K。

    先“压缩”，后“摘要”：当上下文达到128K时，系统首先触发“压缩”。只在“压缩”的收益也变小时，才万不得已触发“摘要”。

    “压缩”的艺术：执行“压缩”时，只压缩最老的50%历史，并保留最新的50%工具调用的完整信息。这能确保模型有足够的新鲜“样例”来模仿，防止其行为错乱。

    “摘要”的技巧：执行“摘要”时，会使用原始的、未经压缩的数据来总结，以保证信息保真度。并且，同样会保留最后几个工具调用的全量信息，防止模型“忘记自己刚刚在干什么”。

    6. 在流沙上构建：5次重构与“更贵”的开源

    这套复杂的“上下文工程”架构，就是Manus的护城河。它让Manus有能力在“流沙”（不断迭代的大模型）之上构建稳固的应用。

    “从3月到现在，我们已经重构了5次。”Peak说。

    这种“上下文工程”能力，也让他们在选择模型时有了更反直觉的洞察。

    Peak甚至认为，对于Agent应用，使用开源模型可能“更贵”。

    “这很有趣，关键在于成本。”他解释道，“Agent的输入（上下文）远大于输出，KV缓存至关重要。”而头部API厂商（如Anthropic）在分布式KV缓存上做了坚实的基建，使得在超长上下文中，API的成本甚至低于自托管的开源模型。

    7. 结语：构建更少，理解更多

    回顾Manus的历程，Peak给出了他最深刻的领悟：

    “我们最大的飞跃，不是来自添加了更花哨的上下文管理技巧，而是来自‘简化’和‘移除不必要的层’。”

    “我们最终的哲学是：构建更少，理解更多（Build less and understand more）。”

    这位10年NLP老兵最后总结道：

    “上下文工程的真正目标，不是让你的系统更复杂，而是让模型的工作，变得更简单。”

    from Langchain

    Context Engineering for AI Agents with LangChain and Manus