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

  2. AI探索指南

    AI连玄学领域都开始渗透了，而且直接做成了标准化的Skill模块

    AI连玄学领域都开始渗透了，而且直接做成了标准化的Skill模块。
    以前让大模型算八字、看风水，它经常是凭空编造，你还分辨不出来。现在有人直接把传统术数体系拆解成工程化组件，集成到Claude Code、Codex这类工具里，还接入了古籍知识库做校验，就是为防止AI随机发挥。
    目前能用的几套方案，我帮你整理了一下：
    1️⃣ 八字命理 / 赛博算命
    🔗 https://github.com/jinchenma94/bazi-skill
    2️⃣ 奇门遁甲 + 紫微斗数（这套做得最扎实）
    🔗 https://github.com/FANzR-arch/Numerologist_skills
    3️⃣ 月老 / 姻缘测算
    🔗 https://github.com/Ming-H/yinyuan-skills
    4️⃣ 易经风水 / 阳宅分析
    🔗 https://github.com/voidforall/fengshui.skill
    5️⃣ 塔罗牌解读
    🔗 https://github.com/daman-ovo-0404/tarot-skill
    6️⃣ 佛学典籍学习
    🔗
    特别提一下第二套Numerologist skills，它的思路很清晰。它不是让模型变得更“玄”，而是把排盘、历法换算这类刚性计算交给Python脚本处理，不让AI自己推断；流派、换日规则、闰月处理这些口径问，先明确再输出；信息不足时先追问，不强行排盘。
    核心就是让过程更透明，出错也能快速定位。
    从赛博算命到AI风水，传统文化这回算是搭上了Agent的快车。

    AI探索 | Hermes/OpenClaw｜优质资源｜优质信息

  7. AI探索指南

    Ramp 9 月 AI 报告方法：

    Ramp 9 月 AI 报告方法：
    企业继续采用 AI，但模型公司的收入增长开始面临压力。
    1-AI 普及仍在继续，增速却在放缓。 8 月，Anthropic 的企业付费采用率达到 43.8%，领先 OpenAI 的 39.8%。
    2-最舍得花钱的企业，也出现支出回落。 AI 支出最高的前 1% 企业，环比下降 9.7%。不过，这组样本较小，也可能受到暑期休假影响，尚不能据此认定长期拐点。
    3-便宜且够用的模型，正在挑战高价模型的增长逻辑。 每百万 token 的有效价格较 3 月高点下降 41%，至 0.68 美元；前沿模型的 token 占比也从 8 月峰值 53% 回落至 45%，企业开始更加重视性价比。
    https://ramp.com/data/ai-index-sept-2026
    @aigc1024

  8. AI探索指南

    今年以来，我在使用 Coding Agent 方面有一个很大的变化，就是从 TL（Teach Lead） 的角色变成了 EM（Engineering Manager） 的角色

    今年以来，我在使用 Coding Agent 方面有一个很大的变化，就是从 TL（Teach Lead） 的角色变成了 EM（Engineering Manager） 的角色。
    这两个角色主要差别在技术参与深度多少。
    之前我更像一个 TL，虽然不是说事必躬亲，但是系统设计、代码审查什么的肯定是少不了的，说到底还是对 AI 写的代码不放心。
    这样虽然质量更有保障，但是人会成为 Agent 的瓶颈，很多事情需要人去决策，细节需要人去掌握。
    转折点在 Fable 5 前后，我发现 AI 写的代码质量已经相当可以了，只要稍加验证就不会有太大偏离，所以我越来越少的去干预 AI 写代码，而是会更站在全局去看一个项目：
    决定项目怎么做，去验收好结果。
    这极大的释放了 Agent 的生产力，大部分时候我想好要做什么功能，先和 Agent 一起做一个技术方案，然后确认方案没问后，用 /goal 加上方案，让 Agent 去执行，写代码和自动化测试，等做好再去验收下功能，代码不怎么细看。
    有 Bug 了就是把 Bug 描述给 Agent 让它自己去重现解决，并且让 Agent 补上相关测试覆盖，修复了后人再去验证一下。
    这样还有一个好处，就是在技术选型时，不会局限于你自己的喜好和擅长。
    当你是 TL 的角色是，还是会有点过度关注技术实现，包括技术选型会偏向你自己熟悉的喜欢的，而不一定是最适合的。
    当你是 EM 的角色做技术选型，就不再关注自己擅长什么，而是什么技术最适合项目。
    我因为前端熟悉，所以最开始开发字幕翻译 App 时，就优先考虑 Electron 这样的技术栈，因为自己熟悉，有问能解决也能写的出来。
    后来发现 Electron 性能很难满意，就换成了 Swift + AppKit 原生技术栈，本来我 Swift 是不熟悉的，但有 AI 辅助，整个过程毫无压力。
    现在在设计 BaoCut 下一个大版本的时候，要考虑跨平台方案，首选是 Rust，哪怕我从来没写过一行 Rust 代码，但我知道这是一个很好的跨平台选择。
    目前基于 Rust 的第一个版本已经写完了，整个过程几乎没有任何语言上的障碍。
    通过这样的模式我在开发 BaoCut 的时候，基本上可以每天一个小版本迭代。https://baocut.app/releases/
    这两天速度慢下来了，是因为需要构思新的大版本，这时候人就又成了瓶颈了：如果人没想清楚该做什么，Agent 再厉害也帮不上。

    AI探索 | Hermes/OpenClaw｜优质资源｜优质信息

  9. AI探索指南

    昨天人生第一次把一个耳机用烂了...

    昨天人生第一次把一个耳机用烂了...
    看着我手里烂掉的塑胶颗粒
    我想了一下，应该夸一夸...
    soundcore 飞跃线用了快三年，洗衣机还洗过，用得多所以用得烂...
    可惜二代改了造型，佩戴很疼，很失望
    同期买的韶音openfit 买了一年就无法充电了...也没啥保修政策
    以后应该不会买这种耳机了
    还是耳夹好，跟眼镜不打架
    @aigc1024

  14. AI探索指南

    统计了一下，我昨天提到的那个「发AI文章就自觉退出的群」，知乎是重灾区，20%以上的中标内容，都是出自知乎，确实迷惑性很强，可以说是集中了简中互联网最擅长去AI味的一批文豪

    统计了一下，我昨天提到的那个「发AI文章就自觉退出的群」，知乎是重灾区，20%以上的中标内容，都是出自知乎，确实迷惑性很强，可以说是集中了简中互联网最擅长去AI味的一批文豪。
    比如今天中标的是下面这篇，群里有人还不信，表示你凭什么说这是AI，我说这样，你点开这个账号，看看这位大文豪的发言记录呗，他看了后不说了。
    当然我自己不是这个判断路径，直接从内容本身就能闻出那股味儿，但是就像我说过的，这个没有明确的方法论可言，就是熟能生巧的敏感度。
    这一代AI文豪，如果翻账号历史的，普遍都在2025年10月之前没有任何存在痕迹，不知道在哪里发财，以2025年10月为节点，他们在互联网上的表达欲突然高涨，笔耕不缀，文思泉涌，滔滔不绝。
    为什么呢？
    因为Anthropic在2025年10月发布了Agent Skill，非专业用户第一次获得了点对点的优化工具——而不再局限于提示词——去工程化的对文本进行「后训练」，由此拿到飞跃式的输出结果，和模型直出的文本品质形成巨大差距。
    当然，说是非专业用户，但调试门槛还是有一些的，所以像是公众号这类「下沉」平台，流水线小编们还是没有被渗透到的，知乎因为用户规模更小，反而更能涌现出拥有一定程度文化水平的用户，去尝试AI文本的升级。
    @aigc1024