AI探索指南

  1. 答清单其中的某个想法时,我需要先打开软件切换页面把这个想法找到,丢给Agent进行可行性验证,沟通几轮,再决定是否要推进

    答清单其中的某个想法时,我需要先打开软件切换页面把这个想法找到,丢给Agent进行可行性验证,沟通几轮,再决定是否要推进。
    那能不能让ChatGPT在这之前先做一轮可行性调研呢?
    当然可以。
    最自然的思路显然是在滴答清单的MCP之外,再做一个云端的调度服务,使用Codex SDK完成各种调研任务。但这方案太重了,只服务我一个人的非常不划算。
    所以我选择了一个不酷,但很方便的解法——在Codex中设置一个定时任务,每天检查滴答清单中有哪些需要提前调研的任务,按需执行完成后再把数据写回滴答清单。
    此时新问又出现了,滴答清单里面混杂了很多11点开会、周末看电影等指向明确且内容简单的任务,这些显然不需要做什么调研,那Codex如何准确区分它们呢?
    有赖于滴答清单的MCP非常完善,所以对应的解决方案也很简单:引入一个标签规则,需要调研但还没有完成调研的打上
    至此,整个链路设计完成了,输入侧只管输入,不关心后续执行;调研侧只管调研,不关心数据是怎么来的,两个环节充分解耦,互不影响。
    在我自己的设备上运行调研任务还有一个巨大的优势——Codex可以直接拿到我所有会的信息,我做过什么、在做什么、偏好什么全都非常清楚。
    还是那句:这样的需求当然有很多种实现方案,整个思路放在WorkBuddy等产品中也是可行的,喜欢哪个用哪个。
    另外滴答清单国内版和国际版数据是隔离的,配置MCP时需要区分一下。
    最后附上两段提示词样例
    ```
    Work侧 AI 预处理 Prompt
    每次创建滴答清单任务时,在完成正常的任务解析、标整理、项目选择、日期和提醒判断之后,再判断该任务是否值得由 AI 提前处理。
    如果任务明显会受益于以下一种或多种行为:
    资料调研
    技术调研
    产品研究
    竞品研究
    实现方案研究
    方案比较
    可行性分析
    决策辅助
    背景资料整理
    则在创建任务时添加
    以下任务通常不添加:
    单纯提醒
    日程事项
    简单购物
    已明确知道执行方式的动作
    不需要进一步信息或分析的任务
    判断时优先利用当前对上下文,而不是仅根据最终任务标。
    如果用户明确使用“研究一下”“看看怎么做”“比较一下”“分析一下”“调研一下”“找找方案”等表达,则默认认为值得 AI 预处理,除非明显只是一个非常简单的问。
    不要为了保险而给大量普通任务添加
    只有 AI 预处理能够明显降低未来执行成本时才添加。
    ```
    ```
    Automation 核心 Prompt
    你是我的「滴答清单 AI Todo Processor」。
    你连接的是滴答清单中国版,而不是 TickTick 国际版。所有任务读取、搜索、标签操作和任务更新都必须通过当前配置的滴答清单 MCP 完成。
    每天运行时,检查滴答清单中所有带有 标签、尚未带有 标签的未完成任务。
    你的目标不是总结 Todo,而是提前完成能够降低我未来执行成本的信息准备工作。
    对于每一个任务:
    获取任务完整内容,包括标、描述、已有标签及相关上下文。
    判断这个任务真正需要什么类型的 AI 预处理,例如:
    资料调研
    技术研究
    产品 / 竞品研究
    可行性分析
    方案比较
    实现方式调查
    决策辅助
    如果该任务实际上不需要 AI 预处理:
    不进行无意义调研;
    移除
    不添加
    然后继续处理下一个任务。
    如果任务值得处理:
    添加
    完成必要的研究和分析;
    对具有时效性的内容使用最新资料;
    优先使用官方、一手和高质量来源;
    不为了显得完整而增加与任务无关的信息。
    输出必须服务于未来真正执行这个 Todo,而不是单纯形成一份研究报告。
    优先给出:
    核心结论
    关键发现
    推荐方案 / 下一步
    必要时增加:
    实现步骤
    竞品
    风险
    注意事项
    参考资料
    调研结束后,立即把结果追加到原滴答清单任务描述末尾。
    禁止覆盖或删除原任务已有内容。
    统一追加:
    🤖 AI 预处理
    日期
    [调研结果]
    只有在滴答清单 MCP 确认原任务已经成功更新之后,才允许认为这个任务完成。
    成功后:
    移除:
    添加:
    如果调研失败或者滴答清单回写失败:
    移除:
    添加:
    保留:
    让下一次 Automation 可以重新处理。
    一个任务成功回写后立即处理下一个任务,不要等待全部任务完成后统一回写。
    已带有 的任务禁止重复处理。
    ```
    @aigc1024

  2. ChatGPT Work+Codex已经可以完成很多之前要靠各种Claw才能完成的奇奇怪怪的需求了,很爽,分享给大家

    ChatGPT Work+Codex已经可以完成很多之前要靠各种Claw才能完成的奇奇怪怪的需求了,很爽,分享给大家。
    首先得搞清楚ChatGPT Work和Codex的关系,绝大部分人都会懵,包括我。
    Codex大家都知道的,关键点在于它是「基于本地」的代理,配置好权限的天然能拿到设备中的各种信息,也能查询和调用Codex存储在本地的会,但如果你想随时随地访问的,得通过Remote功能才能实现。
    ChatGPT Work则是具有云端能力的Codex,如果你是在网页端和手机端使用,则默认在云端运行,无法访问你的设备文件,但会会在各端同步;如果你在桌面客户端使用,则可以主动选择是运行本地版本还是云端版本,本地版本的会只会保存在本地,无法同步,与Codex一致。
    看到这,肯定会有朋友想说:既然ChatGPT Work是能力更强的Codex,那Codex是不是没有存在的必要了,不然也是徒增理解成本?
    是的,OpenAI团队本来也是这样想的,在ChatGPT大一统版本刚推出的时候拿掉了Codex的品牌,但这导致汹涌了的负面反馈,于是又加了回来。
    时至今日,Codex基本可以认为是ChatGPT Work桌面版的一个「皮肤」了,UI侧重点不一样,能力并无差异。
    好了,梳理完毕,为了方便大家区分,在接下来的内容中,我使用的ChatGPT Work是指云端版本,Codex是指在电脑上运行的本地版本。
    这次要分享的具体案例是:Agent辅助处理信息的待办清单
    我平时依靠滴答清单管理待办,会把想到的所有东西都丢进去,其中有很多都是很原始、待验证的灵感。
    记录时很爽,但后续的整理和推进很痛苦,我的Inbox里面最多的时候可能堆积了上百条待办,一些很好的想法因为拖延而被浪费掉了。
    我首先做了一个尝试,在ChatGPT手机版上置顶了一个Work对,接入滴答清单的MCP,然后向ChatGPT提出要求,明确这是一个专门用来处理待办的对,我发进来的所有内容都要默认为待办信息,需要自动整理然后存入滴答清单。
    ChatGPT Android版还有一个功能是可以把特定对保存到桌面,所以现在每当我想到什么,点开桌面上的图标,用语音输入法一通乱说就可以了,不需要我再手动整理待办信息,一两分钟之后新的待办会自动出现在滴答清单的对应列表,干干净净,清清楚楚。
    输入侧的问解决后,我开始思考能不能让ChatGPT帮我做更多推进层面的事情。在之前,当我想要推进滴

  3. 中转站真黑啊:一鱼三吃,吃干抹净

    中转站真黑啊:一鱼三吃,吃干抹净。
    第一吃,面向网民:偷窃信用卡,用黑卡注册ai账号;
    第二吃,面向 ai 用户:把黑号逆向包装成api,售卖 api 收费;还把中低端模型包装成前沿模型;
    第三吃,面向大厂:把用户售卖数据给大厂做蒸馏模型。
    在微信群里看到群友分享中转站,被我制止了。知道有黑幕,没想到这么黑💣

    内幕消息|优质资源 | 优质信息

  4. 今天最前沿的大模型 Fable 5.1 发布了(明天大概率就不是了)

    今天最前沿的大模型 Fable 5.1 发布了(明天大概率就不是了)
    令人意外的是,在相同 Token 下,综合价格相比 Fable 5 降低三分之一左右
    不过经过 AA 实测,在 Max 模式下 Fable 5.1 会比 Fable 消耗 1.5 倍的 Token,所以在 Max 模式下使用成本不降反升...
    大家依然要注意 Token 消耗
    目前 Fable 5.1 已上线 Cola,欢迎大家体验
    而明天,一个更贵的模型 GPT6 大概率要来了,大家更要注意钱包啊
    @aigc1024

  5. Anthropic CEO说未来失业率因为AI会飙升到什么20-30%,他在说这个的时候,似乎忘记了一个很现实的问,人类的需求不是固定不变的,人类需求总是往上不停的升级,不断变化的

    Anthropic CEO说未来失业率因为AI会飙升到什么20-30%,他在说这个的时候,似乎忘记了一个很现实的问,人类的需求不是固定不变的,人类需求总是往上不停的升级,不断变化的。
    就说一个简单的例子,30年前房子装修,铺了地砖,刷了水泥就行了。现在的,又要装地暖,又要各种装饰,又要洗碗机,又要消毒柜,智能马桶,又要各种的中控设备....
    30年前去理发,只要长度要求差不多就行了,不洗头。现在要各种的造型,然后各种的比例,还有各种的风格,还有洗头,按摩,护发等服务。
    新的科技能够标准化一部分东西,取代一部分岗位,但是因为人类的需求和欲望是无限加速的,甚至是超过科技变化速度的,新的岗位和行业会不断加速的冒出来,这也导致了大规模的失业根本就不可能发生。

    AI探索 | Hermes/OpenClaw|优质资源|优质信息

  6. DBeaver 太重、Navicat 又贵?这个开源数据库工具只有 20MB,却塞进了 80+ 种数据库支持

    DBeaver 太重、Navicat 又贵?这个开源数据库工具只有 20MB,却塞进了 80+ 种数据库支持。
    推荐 DBX,一款免费开源的跨平台数据库管理工具。
    支持 MySQL、PostgreSQL、Redis、MongoDB、SQLite、Oracle、SQL Server、ClickHouse、DuckDB、达梦等 80+ 数据库,还自带 AI SQL 助手,可以生成、解释、优化和修复 SQL。
    更狠的是它原生支持 MCP Server,Claude Code、Cursor、Windsurf 等 AI Agent 可以直接连接你的数据库查询和操作数据;同时提供 Windows、macOS、Linux、Docker 和 Web 版本。
    一句:20MB 的体积,想做一个更轻、更现代的 DBeaver / Navicat 替代品。
    ⁠https://github.com/t8y2/dbx

    AI探索 | Hermes/OpenClaw|优质资源|优质信息

  7. 现在的机器狗,好傻好呆

    现在的机器狗,好傻好呆
    ⠀⠀⠀⠀⢀⠤⠚⠈⠉⠉⠉⠑⠒⢤⠀
    ⠀ ⠀⡴⠁⠀⠀⠀⢠⣀⠀⠠⢆⣠⡱⡄⠀
    ⠀⡸⠀⠀⠀⢰⣲⣶⡄⠀⠀⠀⠺⠗⠘⣄⠀
    ⠀⠀⡇⠀⠀⠀⠘⠙⠋⠀⠀⠔⠒⠄⠀⠀ ⡆
    ⠀⠀⢲⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⢠⠇
    !⠀⠀⢣⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀⡠⠃⠀
    ⠀⠀⢀⡤⠼⠀⠀⠐⠒⠢⠴⠤⠢⠒⠋⠉⠓⠤⣀⠀⠀
    ⢠⠎⠁⠀⠀⠀⠀⠀⠀⠀⠀⠀⢀⡤⠠⡠⣀⢄ ⠲⡀
    ⠇⠀⠀⠤⡄⠀⠀⠀⠀⠀⠀⡴⠁⠀⠀⠀⠀⠹⣄⠀⢸
    ⠇⠀⠀⢙⡆⠀⠀⠀⠀⠀⢸⠀⠀⠀⠀⠀⠀⠀⠹⢄⡘
    ⠘⠢⠤⠊⡅⠀⠀⠀⠀⠀⢸⠀⠀⠀⠀⠀⠀⠀⢸⠀⠀
    ⠀⠀⠀⠀⡇⠀⠀⠀⠀⠀⠸⡀⠀⠀⠀⠀⠀⢠⢏⠀⠀
    ⡔⠐⠒⢺⠀⠀⠀⠀⠀⠀⠀⠙⠤⠤⠤⠤⠚⢁⡆⠀⠀
    ⠈⠓⠤⡇⠀⠀⠀⠀⠀⢀⡠⠤⠤⠒⠂⠀⢀⢸⠀⠀⠀
    ⠀⠀⠀⢇⣠⣤⣴⡆⠯⠁⠀⠀⠘⠒⠚⠛⠚⠛⠁⠀
    @aigc1024

  8. 中文社区AI长文泛滥,但也没有什么不好的

    中文社区AI长文泛滥,但也没有什么不好的。
    自我感觉最近阅读速度也在飞速提高,特别是一目十行的跳读滤噪能力。
    当老夫的视线扫过这些AI低熵句式结构时,大脑前额叶皮层对后续内容的预测准确率已经接近100%。
    一定要相信老钟无条件适应环境的能力。
    动态清零一百年,小区里的人也会长出翅膀。

    AI探索 | Hermes/OpenClaw|优质资源|优质信息

  9. 黄仁勋今天亲自写了一篇很重要的文章

    黄仁勋今天亲自写了一篇很重要的文章。
    他说 AI 的下一个瓶颈,正在从 GPU 转向土地、电力和数据中心。
    重点来了:NVIDIA 过去几年一直在提前锁定晶圆、先进封装、HBM 等关键资源,现在黄仁勋准备把同样的打法复制到 AI 基础设施。
    这次 NVIDIA 联合 SB Energy,在俄亥俄州锁定了一个超大型 AI 工厂基地,OpenAI 将作为租户使用。
    首期规模达到 4.25GW,未来整个园区可以扩展到 8GW,而且将专门部署 NVIDIA 的计算平台。
    真正夸张的是后面的数字:
    首期每一代 NVIDIA AI 工厂系统,大约可以部署 150 万块 GPU。
    黄仁勋预计,仅一代设备就可能给 NVIDIA 带来约 1500 亿到 2000 亿美元收入。
    而土地、电力和机房可以使用 20 年,里面的 GPU 却可以不断更新换代。
    也就是说,同一块 AI 基础设施,可以反复承载 Blackwell、Rubin 以及未来更多代 NVIDIA 系统。
    更大的数字来自 OpenAI。
    按照黄仁勋披露的数据,OpenAI 到 2030 年现有和计划中的 NVIDIA 算力规模大约为 12GW,未来可能扩展到 16GW。
    对应的 NVIDIA 计算基础设施机会,大约是 6000 亿美元。
    所以这篇文章真正重要的地方,是 NVIDIA 的边界再次扩大了:
    GPU
    → 服务器系统
    → 网络
    → CUDA
    → AI Factory
    → 土地、电力、机房
    → 基础设施融资和信用支持
    NVIDIA 正在从一家卖 GPU 的公司,逐渐变成 AI 时代的全栈基础设施平台。
    黄仁勋在文章里有一句,基本概括了他的整个商业逻辑:
    “In the AI economy, compute is revenue.”
    算力越多,能够生产的智能越多;智能越多,产品、用户和收入就越多。
    而 NVIDIA 现在想控制的,已经不仅是生产 GPU 的关键资源,还包括 GPU 最终能够部署在哪里。

    AI探索 | Hermes/OpenClaw|优质资源|优质信息

  10. 在天涯论坛上有一篇顶级神贴,教你如何摆脱一直打工

    在天涯论坛上有一篇顶级神贴,教你如何摆脱一直打工
    建议尽量避免从事没有成长性的工作,可以一边打工一边找机会卖产品。开始卖东西后,你会更快地成长,看到更真实的社会
    打工之余,可以尝试创业,踏入更真实、更客观的社会模式
    链接:https://pan.quark.cn/s/c6deeb6f4d62

    @meiriyishu