elvis@omarsar0 · 6月14日53

Notes on the recent session we had related to autonomous long-running coding agents. (bookmark it) Topics: /goal, loop engineering, verifiers, dynamic workflows, and much more. So much to unpack, so I tried to quickly summarize the most relevant parts using my writer agent.

译关于我们最近一次关于自主长期运行编码智能体的会议的笔记。 （收藏它） 主题：/goal、循环工程、验证器、动态工作流等等。 内容太多，所以我尝试用我的写作智能体快速总结最相关的部分。

宝玉@dotey · 6月14日43

首先这个 Skill 很好，另外提供一个额外选择： 可以试试用 Claude Design 生成一份简历试试，也许你会喜欢

译@HiTw93 推荐了开源工具Kami：用户准备好Markdown素材，输入指令“/kami 帮我产出一个简历”，微调1-2次即可生成清晰美观的简历。宝玉在此基础上提供了另一选择——可尝试用Claude Design生成简历。

宝玉@dotey · 6月14日71

Codex 操作浏览器有两种模式，一种是 Chrome 插件，一种是内置浏览器。用了一段时间之后，我总结一下两者的差异和各自适合的场景。 【1】先说一个被低估的用法：拿 Codex 当爬虫 传统爬虫用 requests 或者 Playwright 无头模式去请求页面，现在风控越来越严，指纹检测、行为分析、验证码轮番上阵，很多网站一看你是程序化请求直接拦截。Codex 的浏览器不一样，它操作的是真实浏览器，有完整的渲染引擎、真实的用户代理、正常的 JavaScript 执行环境，在网站看来就是一个普通用户在浏览页面。 配合 /goal 模式，你设定一个目标（比如“把这个网站上所有产品的名称、价格、评分抓下来存成 CSV”），Codex 会自己规划步骤、翻页、处理异常，不需要你一步步指挥。这比自己写爬虫脚本省事得多。 但 Codex 有两种浏览器模式，特性完全不同，选对了事半功倍。 【2】Chrome 插件模式：能力强，但吃资源 用 @Chrome 调用的 Chrome 插件模式，核心优势是一个字：登录态共享。 它直接运行在你自己的 Chrome 浏览器里，继承你所有的 Cookie、登录会话、已安装的扩展。那些需要登录才能访问的内容，比如付费订阅的文章、企业内部的管理后台、CRM 系统里的客户数据、需要登录的社交平台，Chrome 插件都能直接访问，因为对网站来说，就是你本人在操作浏览器。 Codex 在 Chrome 里工作时会把任务放进独立的标签页分组，不会打断你正在看的页面。它还支持 DevTools 协议，能抓性能数据、看网络请求、调试 Console 错误。 但代价也很明显：资源消耗相当大。Chrome 本身就是内存大户，每个标签页都是独立进程。Codex 的 Chrome 插件在上面再加一层操控逻辑，截图、DOM 解析、指令交互全在跑，内存和 CPU 占用会非常高。机器配置不行的话（比如 8G 内存的笔记本），跑起来能明显感觉到卡顿，拿来做批量爬虫任务就更难受了。长时间运行还容易出现截图延迟、状态不同步的问题。 另外 Chrome 插件目前只支持 macOS 和 Windows，Linux 用户暂时用不了。它也不支持无头模式，Chrome 窗口必须保持打开状态。 适合的场景：需要登录态的短期任务。比如登录某个平台抓一批数据、在内部工具上批量操作、从 CRM 导出信息。 【3】内置浏览器模式：轻快，但有局限 用 @Browser 调用的内置浏览器，是 Codex 自带的沙盒浏览器环境。 它最大的优势是轻量。不需要启动整个 Chrome，资源消耗小很多，响应速度快，适合需要频繁操作浏览器的场景。 但它有一个根本性的限制：没有你的登录态。不继承 Cookie、不继承浏览器扩展、不继承已保存的会话。打开一个需要登录的页面，你得在内置浏览器里重新登录。而且有些反爬严格的网站，对这种非标准浏览器环境的检测更敏感。我试过在内置浏览器里登录 X，反复失败，大概率是因为 X 的风控识别出了异常的浏览器指纹。 内置浏览器真正出彩的地方是前端开发调试。它有一个标记模式（Annotation Mode），你可以直接在渲染好的页面上选中某个元素或者框选一个区域，写上“这个按钮往上移”“字体加粗”“这个间距太大了”之类的批注，Codex 会把这些批注当作可执行指令来处理。这比用文字描述“第三行第二个按钮的 margin-top 减少 8px”直观太多了。 配合 Developer Mode，内置浏览器还能跑性能分析、抓网络请求、看 Console 输出，对本地开发服务器的调试非常友好。 适合的场景：公开页面的数据抓取、本地开发调试、不需要登录态的网页操作。 【4】怎么选 简单说：需要登录的用 Chrome 插件，不需要登录的用内置浏览器。如果你的机器配置有限又需要大量抓取公开数据，内置浏览器是更好的选择。如果目标网站必须登录才能看到内容，或者反爬很严需要真实浏览器指纹，那只能用 Chrome 插件，但要有心理准备面对资源消耗。 Codex 自己也会根据任务判断应该用哪种浏览器。它的优先级是：有专用插件（比如 Jira、GitHub 的集成）就用插件，需要登录态就用 Chrome，其余情况用内置浏览器。 当然浏览器的用途远不止爬虫。我觉得内置浏览器做前端调试的体验比很多专门工具都好，标记模式配合 Codex 的理解能力，几乎是“指哪改哪”。Chrome 插件在自动化操作企业内部工具方面也很实用，比如定期从后台导数据、批量更新记录。这些场景还有不少值得挖掘的空间，大家可以根据自己的实际需求去试试。

译Codex 操作浏览器有 Chrome 插件和内置浏览器两种模式。Chrome 插件继承登录态，可访问付费订阅、内部管理等需登录内容，支持 DevTools，但资源消耗大（8G 内存笔记本会卡顿），仅支持 macOS 和 Windows，窗口需保持打开。内置浏览器轻量快速，自带沙盒，有标记模式支持可视化批注改 UI，适合前端调试和公开页面抓取，但无登录态，反爬严格的网站可能登录失败。选择建议：需登录用 Chrome 插件，否则用内置浏览器。

AYi@AYi_AInotes · 6月14日68

这就是Claude Fable 5的含金量，我真的很怀念它！ 虽然不能用Fable 5写牛逼的提示词了， 但是用它留下的焚决技法出的提示词效果依旧很顶， 好事成双，两种风格，喜欢哪一种欢迎交流， 1️⃣香槟色吊带裙温婉小姐姐 2️⃣黑色深V西装外套 ·霸气御姐 老规矩提示词评论区自取⬇️

译推主分享了 Claude Fable 5 总结的 AI 生图提示词“焚决”，含 8 条技法：用“成人+气质+材质”定人设；用服装剪裁与面料质感替代直白身体描述；用表情瞬间、镜头语言、光线强化质感；用背景虚化+前景留白突出主体；用克制性感而非夸张；用强负面词防止跑偏。附两个顶级美女提示词示例：香槟色吊带裙温婉小姐姐、黑色深V西装外套霸气御姐，并提醒需用干净住宅 IP 避免风控。

Rohan Paul@rohanpaul_ai · 6月13日59

Somebody in Reddit asked GPT to create the average Tinder profiles around the world. 😃 Prompt: "Create a realistic average male/female Tinder profile from (country), including local stereotypes, dating-app clichés, bios, interests, music and typical profile photos" ---- reddit. com/r/ChatGPT/comments/1u489r4/asked_gpt_to_create_the_average_tinder_profiles/

译有人在 Reddit 让 GPT 创建全球各地的平均 Tinder 个人资料。😃 提示词： "从（国家）创建一个真实的平均男/女 Tinder 个人资料，包括当地刻板印象、约会应用陈词滥调、简介、兴趣、音乐和典型的个人资料照片"

向阳乔木@vista8 · 6月13日57

周末开发个娱乐网站，方便大家一键订阅世界杯赛程。 Codex 的Goal指令开发，耗时24分钟。 支持个性化日历订阅，按赛程、48 支球队、12 个小组、小组赛订阅 日历ICS 有开赛前 30 分钟提醒。 明天是不是得6点起床看巴西啊，哈哈哈。 立即订阅赛程：https://2026fifa.qiaomu.ai/

译作者用 Codex 的 Goal 指令，耗时 24 分钟开发了一个娱乐网站，提供 2026 年世界杯赛程订阅服务。网站支持个性化日历订阅，可按赛程、48 支球队、12 个小组、小组赛分别订阅；生成 ICS 日历文件包含开赛前 30 分钟提醒。立即订阅链接见推文。

向阳乔木@vista8 · 6月13日35

http://x.com/i/article/2065793574067953664 # 小说Skill测试《炉灰命》 让Codex写一个小说创作Skill，随机生成了一篇，读起来感觉还行？ 等我再迭代优化几轮后开源。 --- 韩青抱着一匣炉灰，被人从黑市门口推了出来。 他摔在雨水里，青布衣沾了泥，怀里的木匣却护得很紧。 守门修士低头看他，笑道：“黑水楼今晚开的是筑基拍卖，不是给你这种炉灰命卖破烂的。” 门口排队的人都在笑。 有人看见他腰牌，笑得更响。 “青炉坊杂役？” “就是那个天天掏废丹灰的地方？” “难怪，抱一匣灰当宝。” 韩青从地上爬起来，擦掉嘴角的血。 他没有看那些人。 他只看着黑水楼门里那盏青灯。 灯火三寸，风吹不动。 黑水楼规矩，入门者要么有三百灵石，要么有能让青灯变色的东西。 韩青没有三百灵石。 他有一匣灰。 守门修士已经不耐烦：“滚。” 韩青打开木匣，取出一撮灰，撒在青灯前。 灰很轻。 落下去的时候，灯火忽然一缩。 下一瞬，青灯变成赤金色。 笑声断了。 守门修士脸色一变。 门内，一个戴银面具的女子缓缓走出来。她看着那盏灯，又看向韩青手里的木匣。 “你这灰从哪来？” 韩青道：“青炉坊，七号废炉。” 女子问：“烧过什么？” “九炉废丹，三炉毒丹，一炉没成的筑基丹。” 女子沉默片刻，侧身让路。 “请。” 门口的人不笑了。 韩青抱着木匣走进黑水楼。 走到门槛时，守门修士低声道：“刚才是我眼拙。” 韩青停了停。 “你不是眼拙。” 守门修士一怔。 韩青道：“你是嘴脏。” 他没有回头。 黑水楼地下三层。 第一层卖符，第二层卖器，第三层才是今晚真正的拍卖场。 场中三百个座位，坐满了戴面具的修士。楼顶垂着一串黑铜铃，铃不响，说明无人动杀念。铃若响，杀念者会被黑水楼当场拿下。 韩青坐在最后一排。 他的木匣放在膝上。 他今天来，只为一件东西。 “续脉玉脂。” 师父秦老头替他挡过一次炸炉，右臂经脉全断。青炉坊管事说，一个废人留着也浪费米粮，三日后就送去寒矿。 续脉玉脂能接经脉。 起价五百灵石。 韩青只有八十七枚。 但他知道，今晚拍卖册上还有一件东西写错了。 只要买到那件东西，他就能换续脉玉脂。 拍卖开始后，韩青一直没动。 灵符，丹药，飞剑，护身玉佩，一件件被人高价拍走。 直到第九件。 侍女端上一只黑陶盘。 盘里放着三枚灰白色丹丸，丹丸表面满是裂纹，像三颗快碎的石子。 银面女子道：“无名废丹，出自古修洞府。经鉴定，丹性已散，疑有残毒。起价十枚灵石。” 全场一片哄笑。 “废丹也拿出来卖？” “黑水楼今晚缺钱缺疯了。” “十枚灵石买三颗毒丸，不如买三碗酒。” 韩青抬起头。 就是它。 他举牌。 “十枚。” 笑声又来了。 但这一次，笑声里多了一点兴奋。 最后一排的杂役，终于开始丢人了。 一个熟悉的声音从前排传来。 “二十。” 韩青的手指微微一紧。 那人坐在第二排，白衣金带，脸上戴着玉狐面具。可韩青不用看脸，也知道他是谁。 岳临川。 青炉坊大管事的亲侄子，内坊弟子，炼气八层。 三个月前，七号炉炸炉，秦老头为了救韩青废了右臂。岳临川转头就把责任推到秦老头身上，说他偷改火候。 从那天起，秦老头成了废人。 韩青成了笑话。 岳临川回头看了韩青一眼，声音带笑。 “你不是喜欢废丹吗？我陪你玩。” 韩青道：“三十。” 岳临川道：“一百。” 场中安静了一瞬。 一百灵石买废丹，已经不是买东西，是打脸。 有人低声笑：“这杂役要哭了。” 韩青看着陶盘里的三枚废丹。 裂纹很乱。 但乱中有一条细细的银线，从丹底绕到丹顶，像蛇冬眠前留下的痕。 别人只看见废丹。 韩青看了七年废炉。 他知道，那不是裂纹。 那是丹衣。 真正的药性，被封在丹衣里面。 这种丹叫“三息归真”。 第一息是毒。 第二息是灰。 第三息，才是真丹。 韩青举牌。 “一百一。” 岳临川笑出了声。 “五百。” 全场哗然。 续脉玉脂也不过起价五百。 韩青低下头，像被压住了。 岳临川靠在椅背上，慢慢道：“韩青，你若现在跪下，说一句青炉坊废物不配争，我可以让你省下这一百一。” 黑铜铃没有响。 因为这不是杀念。 这是羞辱。 所有人都看着韩青。 有人等他怒。 有人等他跪。 韩青却把牌放下了。 “我不争了。” 岳临川笑意更深。 “算你识相。” 银面女子看了一眼韩青，又看岳临川。 “五百一次。” “五百两次。” “五百三次。” 玉槌落下。 三枚废丹归岳临川。 岳临川站起身，故意转向后排。 “炉灰命就是炉灰命，识得灰，不识得宝。” 韩青没有说话。 他只盯着装废丹的黑陶盘。 盘底，有一圈淡淡的焦痕。 焦痕像一个半闭的眼。 他等的不是废丹。 是盘。 第十件拍品上来。 侍女正要把黑陶盘撤下，韩青忽然开口。 “那只盘，卖吗？” 全场愣住。 侍女也愣住。 银面女子问：“你要盘？” “要。” “这只是盛废丹的旧盘。” “我知道。” 胖修士笑道：“这小子买不起丹，改买盘了。” 岳临川也笑：“韩青，你真让我开眼。” 银面女子想了想：“旧盘不入册。若买，十枚灵石。” 韩青道：“我出十枚。” 岳临川懒洋洋道：“二十。” 韩青看着他。 岳临川道：“怎么？你不是要吗？” 韩青沉默片刻。 “三十。” “三百。”岳临川直接道。 场中又静了。 三百灵石买一只旧盘。 这不是打脸。 这是把脚踩在人脸上碾。 韩青低声道：“岳临川，你已经买了废丹，何必再抢盘？” 岳临川笑了。 “因为我喜欢看你想要，却拿不到。” 韩青的眼神终于变了。 他慢慢举牌。 “三百一。” 岳临川道：“一千。” 韩青闭上眼。 全场都以为他要放弃。 可他再睁眼时，声音很平。 “一千一。” 岳临川脸上的笑淡了一点。 这价已经不对了。 一只旧盘，一千一。 就算是羞辱，也太贵。 银面女子看向韩青：“你有这么多灵石？” 韩青把木匣放在桌上。 “我用这一匣灰抵。” 场中有人又想笑。 但门口青灯变色的事，已经传进来了。 这次没人敢先笑。 银面女子亲自走下台，打开木匣。 灰是黑灰。 看不出什么。 她伸出一根银针，探入灰中。 银针刚入半寸，针尖忽然烧红。 女子手腕一震，银针化成一缕青烟。 她抬头看韩青。 “这是丹劫灰。” 四个字落下，场中许多人站了起来。 丹劫灰。 只有丹药成丹前一瞬，被天火劈断生机，才会留下这种灰。它能验丹、养火、洗炉，对炼丹师来说，比许多灵草还贵。 岳临川的脸沉了。 银面女子道：“此灰，本楼估价两千灵石。” 韩青道：“我出一千一。” 银面女子落槌。 “旧盘归这位小友。” 盘送到韩青面前时，岳临川冷笑道：“花一千一买盘，你也配谈识宝？” 韩青没有理他。 他取出盘，又从木匣里拈了一撮丹劫灰，轻轻撒在盘底。 灰落下去，没有散。 而是沿着那道焦痕慢慢游动。 一圈。 两圈。 三圈。 黑陶盘忽然裂开。 裂缝中，一点金光冒出。 那光很小，却让整个拍卖场的灵气一滞。 银面女子猛地站起。 “停拍！” 全场轰然。 盘底裂开后，里面露出一片薄如蝉翼的金色丹膜。 丹膜上有九道火纹。 每一道，都像活着。 一个白胡子鉴师冲上台，声音发抖：“丹母膜……这是能温养废丹的丹母膜！” 有人失声道：“什么价？” 白胡子鉴师喉咙发干。 “若完整，可养三炉筑基丹。残膜也至少值……三万灵石。” 三万。 刚才笑韩青的人，全都没了声音。 岳临川坐在那里，像被人一掌抽在脸上。 韩青把丹母膜收起，忽然看向他。 “你说我识得灰，不识得宝。” 他顿了顿。 “你说对了一半。” 岳临川眼角抽动。 韩青道：“宝藏在灰里，所以你看不见。” 黑铜铃轻轻响了一下。 岳临川动了杀念。 银面女子冷冷看去。 “岳公子，黑水楼规矩。” 岳临川强压怒意：“我只是替青炉坊清理门户。此人是我坊杂役，他身上之物，皆是青炉坊所有。” 这句话一出，场中目光又变了。 散修最恨这种话。 人是你的，命是你的，连从炉灰里扒出来的东西也是你的。 韩青笑了。 这是他今晚第一次笑。 “岳临川，你真要说青炉坊？” 岳临川道：“你敢不认？” 韩青从怀里取出一张发黄的纸。 那是秦老头被定罪时的炉火记录。 岳临川看到那张纸，脸色一白。 韩青把纸举起。 “七号炉炸炉那天，你说是我师父偷改火候。” 岳临川厉声道：“闭嘴！” 黑铜铃又响。 这次响得更急。 韩青不闭嘴。 “可七号炉最后一层灰里，有阴火砂。” 他打开木匣，从最底下取出一撮暗红色灰。 “阴火砂不是我师父能碰到的东西。青炉坊里，只有内坊弟子炼毒丹时才用。” 银面女子看向岳临川。 岳临川后退半步。 韩青继续道：“三枚废丹上也有阴火砂。刚才你花五百灵石买走的那三枚，不是古洞府废丹，是你们岳家三天前炼坏的毒丹。” 全场炸开。 卖假货，在黑水楼是死规矩。 岳临川怒道：“你胡说！” 韩青道：“那就验。” 银面女子一挥手，侍女把岳临川刚买下的三枚废丹重新端上台。 韩青没有碰丹。 他只取一滴清水，滴在第一枚丹上。 丹衣裂开。 一缕黑气冒出，黑气里隐约有哭声。 第二枚，黑气更浓。 第三枚丹刚裂，一道阴火猛地窜起，直扑韩青面门。 韩青早有准备。 他把旧盘残片往前一挡。 阴火碰到丹母膜，立刻缩成一粒黑点，被金膜吸了进去。 白胡子鉴师大喝：“阴火毒丹！服者三日内经脉枯死！” 场中瞬间杀气四起。 “岳家卖毒丹？” “还敢当古修废丹拍？” “刚才谁要是买了，岂不是买命？” 岳临川脸色惨白。 银面女子声音冷得像冰。 “岳公子，解释。” 岳临川猛地看向韩青，眼中满是怨毒。 “是你设局！” 韩青道：“对。” 全场一静。 岳临川也愣住。 韩青站起身。 他的青布衣还湿着，袖口还有门口摔出来的泥。 可现在没人觉得他狼狈。 他说：“我知道你会抢。” “你从小到大，见不得青炉坊有人越过你。我要废丹，你抢废丹。我要盘，你抢盘。” “所以我先让你买走毒丹，再让所有人看见，毒丹从你手里出来。” 岳临川的脸，从白变青。 “你不是喜欢看我想要却拿不到吗？” 他轻声道：“现在你拿到了。” 拿到了毒丹。 拿到了假货。 拿到了黑水楼三百双眼睛。 也拿到了岳家今晚洗不掉的罪名。 黑铜铃忽然大响。 不是一声。 是七声。 岳临川终于忍不住，掌心灵光暴起，直取韩青咽喉。 可他的手还没到，银面女子已经出现在他身侧。 她只伸出两根手指。 一夹。 岳临川整条右臂垂了下去。 “黑水楼内动杀念者，断一臂。” 岳临川惨叫。 银面女子没有看他。 “售毒丹者，废修为，押入水牢，等买家议罪。” 岳临川被拖下去时，仍死死盯着韩青。 韩青也看着他。 没有躲。 没有笑。 直到岳临川的声音消失在地底。 拍卖继续。 但没人再敢轻视最后一排那个青衣杂役。 续脉玉脂上台时，银面女子刚报完起价，韩青便举牌。 没有人争。 不是没人要。 是不敢。 谁也不知道，这个抱着炉灰来的少年，下一次又会从什么废物里扒出一个天价秘密。 “续脉玉脂，归韩小友。” 小友。 不是杂役。 不是炉灰命。 韩青收起玉脂，抱着木匣往外走。 走到门口时，先前那个守门修士低头行礼。 “韩小友慢走。” 韩青停下。 “我还是炉灰命。” 守门修士脸色一僵。 韩青看着怀里的木匣。 “只是你们以前不知道，炉灰里也能烧出真金。” 天亮前，他回到青炉坊。 秦老头躺在破屋里，脸色灰白，右臂像一截枯木。 韩青把续脉玉脂放到他床边。 秦老头睁眼，看见他，第一句话却是： “你又惹事了？” “嗯。” “多大的事？” “废了岳临川。” 秦老头沉默了很久。 然后他慢慢坐起来，骂了一句。 “出息了。” 韩青把丹母膜取出。 金色薄膜在晨光里轻轻一颤。 秦老头脸上的血色忽然退尽。 “这东西你从哪来的？” “黑水楼。” “还有谁看见？” “很多。” 秦老头一把抓住他的手，声音低得发哑。 “韩青，丹母膜不是最值钱的。” 韩青一怔。 秦老头指着金膜最深处。 那里有一行极细的字。 之前在黑水楼灯下，谁也没看见。 晨光一照，字像从金里浮出来。 韩青俯身去看。 只有六个字。 “三息之后，开炉。” 屋外，青炉坊的晨钟响了。 第一声落下时，韩青怀里的木匣忽然自己打开。 第二声落下时，那一匣丹劫灰无风自起。 第三声落下时，七号废炉方向，传来一声沉闷的炉鸣。 像有什么沉睡了很多年的东西，终于醒了。

译Codex 生成的小说创作 Skill 测试，随机生成了小说《炉灰命》。作者读后感觉还行，计划在迭代优化后开源。

AYi@AYi_AInotes · 6月13日59

跟大家分享下绝版的Claude Fable 5总结的AI生图焚决，+2个顶级美女人像提示词，这篇至少值3000块！ 昨晚睡前让Fable 5总结了AI生图之性感人像提示词最有效的写法： 1️⃣用“成人 + 气质 + 材质”来定人设，比如 25-year-old East Asian woman、old-money glamorous aura、editorial fashion portrait。 2️⃣用“服装剪裁 + 面料质感”替代直白身体描述，比如 fitted knit, silk satin, off-shoulder, tasteful neckline, fine jewelry。 3️⃣用“表情瞬间”制造吸引力，比如 soft knowing half-smile、caught mid-reaction、unaware she is on camera。 4️⃣用“镜头语言”强化质感，比如 telephoto compression、shallow depth of field、broadcast color grading、paused 1080i TV frame。 5️⃣用“光线”塑造皮肤和轮廓，比如 warm key light, luminous arena lighting, soft highlight on collarbone/cheekbone。 6️⃣用“背景虚化 + 前景留白”把主体抬出来，比如 soft bokeh, anonymous VIP guests softly out of focus。 7️⃣用“克制的性感”而不是夸张性感，比如 tasteful, classy, fully clothed, natural proportions, not exaggerated。 8️⃣用强负面词卡住跑偏方向，比如 no CGI, no plastic skin, no doll face, no exaggerated anatomy, no garbled text。 兄弟们，世界杯的狂野性感风， 和NBA总决赛的性感老钱风， 你们更喜欢哪一个？ 其实除了技法以外，还有一个很重要，那就是得有一个干净的IP， 要不总是会被风控和拒绝， 关于怎么有一个干净的住宅IP， 参考以下文章的保姆级方法⬇️

译Claude Fable 5 总结了 AI 生图性感人像提示词的八大技法：用“成人+气质+材质”定人设；用服装剪裁、面料质感替代直白身体描写；用表情瞬间制造吸引力；用镜头语言强化质感；用光线塑造皮肤与轮廓；用背景虚化+前景留白突出主体；用克制性感而非夸张；用强负面词防跑偏。还提供了世界杯狂野风与 NBA 总决赛老钱风两种示例，并强调需用干净住宅 IP 避免风控。

Berryxia.AI@berryxia · 6月13日30

官方的手册指南解析，其实最适合学习的。

译官方的手册指南解析，其实最适合学习的。 [引用 @xiaohu]：http://x.com/i/article/2065389944034775040

Berryxia.AI@berryxia · 6月13日59

卧槽！我们一开始就用错了Fable 5模型啊！ 可以花几分钟看看原文还是有价值和启发的！ 大多数人把Claude Fable 5当成更大上下文窗口的Sonnet 4.6在用，提个问,用5分钟,关标签页。 90%的用户从没跑过真正会复利可持续增长的Agent系统:每次运行都让下次更聪明,状态文件不断积累,技能持续打磨。 Fable 5是为连续运行数天设计的模型。 你却只用了几分钟。（我想说特么额度也不够啊！）😆 作者用14步构建自我改进系统，可以让你的Fable 5 起飞～ 一、Fable 5真正解锁了什么 1. Mythos级模型 - 2026年6月9日发布,首个公开的Mythos级模型(比Opus高一档)。 核心能力: • 数天级自主会话 • 内置自我验证 • 最复杂的代码工作 • 多阶段知识工作 2. 自我改进≠自我学习 - 模型权重不变,但系统环境会变聪明:每次会话写入经验教训,技能随边缘案例打磨,状态文件积累验证过的事实。 3. 复利堆栈:四层架构 • 第1层:原语(Fable 5本身、子Agent、工具) • 第2层:编排(目标循环、动态工作流、例程) • 第3层:记忆(状态文件、技能库、知识库) • 第4层:自我改进(视觉自检、评估循环、规则提炼) 4. 何时用哪个模型 - 按任务复杂度路由: • Fable 5:重型编排角色 • Opus 4.8:复杂但有界的子任务 • Sonnet 4.6:高频工人任务 • Haiku 4.5:评分子Agent 二、三个关键模式设计 5. /goal vs Outcomes + 验证器子Agent - 独立验证器优于自我批评。 6.模型评估自己的输出会偏向自己已写的结论。 7. 动态工作流 - 三个关键模式:扇出-综合、对抗验证、循环直到完成 8. Worktrees并行安全 - 多Agent并行工作时避免文件冲突 9. Routines长期编排 - 笔记本合上,Fable 5继续工作 三、自我改进层 10. 5阶段记忆进化:失败→调查→验证→提炼→查阅 • Sonnet 4.6止步于第1阶段 • Opus 4.7止步于第3阶段 • Fable 5能完成全流程 11. 状态文件 - 记忆实际存放的地方,包含5个部分对应5个阶段 12. 技能复利 - 把经验教训写进技能本身,而不只是聊天记录 13. 视觉自验证 - Fable 5用视觉检查UI输出是否符合目标 14. Mythos安全边界 - 在网络安全、生物、化学、模型蒸馏领域会自动降级到Opus 4. 把模型的能力发挥到真正需要的地方和适合自己的项目中，调优到最佳状态才是榨干最后一个token 最好的办法😄

译大多数用户将Claude Fable 5（首个公开Mythos级模型，2026年6月9日发布）当作更大上下文窗口的Sonnet 4.6单次提问使用，但Fable 5专为连续数天的Agent系统设计，支持自我改进：每次运行让下次更聪明，状态文件积累，技能持续打磨。文章提出14步构建自我改进系统，涵盖四层架构（原语、编排、记忆、自我改进）、任务路由（Fable 5用于重型编排，Opus 4.8负责复杂子任务，Sonnet 4.6高频工人，Haiku 4.5评分）、动态工作流模式以及5阶段记忆进化（失败→调查→验证→提炼→查阅）。在网络安全、生物、化学、模型蒸馏领域会自动降级到Opus 4。

meng shao@shao__meng · 6月13日46

为大规模训练 Composer 模型，Cursor 团队构建了始终运行的 Agent 舰队系统，本质是一个 Loop，实现数千个 Agent 的协同工作和自我管理 # 系统架构与工作原理 主 Agent（Fleet Manager）： · 运行在大型远程机器上，配备本地常用工具 + 一个磁盘文件作为“inbox”（舰队共享收件箱） · 通过 SSH 连接数百台子 Agent 机器，收集状态并写入 inbox · 每轮循环检查舰队健康状况： · 保持健康任务后台运行 · 将故障/异常推送至 Slack 或 PagerDuty · 可主动控制舰队：终止、重启进程，处理瞬时故障 子 Agent：数百个并行运行的研究任务 Agent，专注于具体实验。 构建基础：基于 Cursor 此前公开的长运行 Agent 研究，赋予主 Agent 多项 Skills，这些技能编码了运行 ML 实验、审查监控结果等的隐性知识。 关键设计：使用 Cursor 自身产品，inbox 文件 + 良好 skills 实现状态共享和协调。

译Cursor 团队为训练 Composer 模型构建了一个始终运行的 Agent 舰队系统。主 Agent（Fleet Manager）在远程机器上运行，通过 SSH 连接数百台子 Agent 机器，利用本地工具和磁盘文件“inbox”实现状态共享与协调。每轮循环检查舰队健康，将故障推送至 Slack/PagerDuty，并主动终止或重启进程。子 Agent 并行执行研究实验。系统基于此前长运行 Agent 研究，主 Agent 拥有编码 ML 实验隐性知识的 Skills。核心是使用 Cursor 自身产品，通过 inbox 文件与 Skills 实现大规模 Agent 协同与自我管理。

Orange AI@oran_ge · 6月13日75

今天凌晨五点的时候，我让 AI 帮我打磨一段文案，打磨三遍给我看。 AI 改完之后，我发现一遍比一遍讲究，但是一遍比一遍缺人味儿。 我已经用上最贵的 Claude Fable 5 了，还这样，让我很生气。 最后我跟 AI说，你改完之后，人味儿变少了。 我说不清什么是人味儿，只知道我感受不到文字背后的那个人了。 我们讨论很久，最后讨论出的结论是，AI 写的东西，背后缺少一个东西： 存在感。 人写的字背后站着一个具体的人，他在具体的位置上，付出过具体的代价。 然后把聊的关键信息做成了一个技能，这就是： 《人味儿写作心法.skill》 它特别适合自己写文章或口述后，让 AI 来改稿的场景。 开源免费发布。 给你的 Agent 装上它，让你的文字变得有人味儿 http://github.com/orange2ai/renwei-writing

译Oran Ge 让 Claude Fable 5 打磨文案三遍，发现改稿越来越讲究却缺“人味儿”。他与 AI 讨论后得出结论：人写的文字背后有“存在感”——作者在具体位置付出过具体代价，而 AI 无法复现。为此他制作了《人味儿写作心法.skill》，专用于自写文章或口述后让 AI 改稿的场景，旨在保留文字的人味。该技能已开源免费发布在 GitHub。

Suno@suno · 6月13日33

How Lay Bankz turned a few keyboard notes into a psychedelic rock sample

译Lay Bankz 如何将几个键盘音符转变为一段迷幻摇滚采样。

fofr@fofrAI · 6月13日40

I'm messing around with an agent flow for combining Hyperframes with Gemini video analysis to make interesting annotated videos.

译我正在尝试一种智能体流程，将Hyperframes与Gemini视频分析相结合，制作有趣的注释视频。

fofr@fofrAI · 6月13日46

Fine-grained 3D motion control in AI video just got a little bit closer

译@andrew_n_carr 宣布“编辑视频运动！放弃提示开始导演”，并展示其“通用视频编辑器”工作流：先用 comic 4 捕捉视频，再用运动编辑器修改动作，最后用视频到视频模型（如 Runway、Gemini）重新渲染。他以时装片段为例，希望模特展现高抬腿活力，无需重拍。主推文 fofr 表示，AI视频中精细的3D运动控制已更近一步。

PixVerse@PixVerse_ · 6月13日49

Victorian gothic nightmares, one Canvas workflow. See how @Shanzyin_ai built THE DREAM EATERS on PixVerse Canvas — nodes, shots, and the full project file, open to explore.

译PixVerse 展示 AI 电影制作人 @Shanzyin_ai 使用 Canvas 工作流创作的维多利亚哥特风格短片《THE DREAM EATERS》。短片包含完整节点、多个镜头及项目文件，开放探索。剧情设定为古老庄园中青少年被迫吞噬权贵噩梦，一名有缺陷的新兵将黑暗拖回现实。PixVerse 推出限时活动：转发+关注+回复“DREAM”，72 小时内可获得 150 Credits 及该工作流。

Ammaar Reshi@ammaar · 6月13日53

I asked Claude Fable 5 to reverse engineer a 1993 DOS game with no source code. It read the raw machine code, rewrote the engine in C, and gave me a fully editable port for every platform. 30 min from EXE to iPhone. Sharing it all so you can revive your own childhood games!

译我让Claude Fable 5逆向工程了一款1993年的DOS游戏，没有源代码。 它读取了原始机器码，用C重写了引擎，并给了我一个完全可编辑的移植版，适用于每个平台。 从EXE到iPhone，30分钟。 分享这一切，让你也能复活自己的童年游戏！

Nathan Lambert@natolambert · 6月13日46

derivation of policy gradient: https://rlhfbook.com/c/06-policy-gradients#deriving-the-policy-gradient

译策略梯度推导： https://rlhfbook.com/c/06-policy-gradients#deriving-the-policy-gradient

Lee Robinson@leerob · 6月13日61

http://x.com/i/article/2065439304785039360 # Building recursive agent systems At Cursor, we run thousands of agents to help us train the next version of Composer. We give them research tasks, and if they aren't succeeding or run into issues, they DM us on Slack or page us via PagerDuty. ## Scaling training for Composer We’ve built an org chart of agents that work together. As we’ve scaled training for Composer, we’ve wanted to run thousands more experiments. This was possible before, but it was slow and hard to keep track of every experiment’s status. To speed things up and parallelize work, we built an always-running agent system (yes, it's a loop). ## An agent system for research Here’s how the system works: 1. The main agent runs on a massive remote machine with all the tools you'd use locally, plus a file on disk acting as an “inbox” for the fleet. 1. It SSHes into machines running hundreds of child agents and collects their statuses into the inbox. 1. On every loop, it checks fleet health, keeps healthy tasks running in the background, and surfaces anything broken to the team on Slack. 1. Like all infra, the agents occasionally hit transient issues or need to be poked, so the main agent can control the whole fleet, quitting or restarting processes as needed. This “fleet manager” builds on our previously published research on long-running agents. We’ve given the manager many different skills that encode tacit knowledge for how to run ML experiments, review and monitor results, and more. ## Researchers with superpowers Training a great model means trying a bunch of ideas for creating useful RL data. A single laptop is not enough here, you really want an army of computers in the cloud to run experiments in parallel. And since we aren't compute-constrained, we rolled out this infra for everyone in ML. Researcher time is our scarcest resource and we’ve found a way to scale their leverage by orders of magnitude. Imagine if you had a human manager with 10,000 direct reports. Obviously that wouldn’t work well, but this human → agent “org” kind of does! If you have a problem that is verifiable, where throwing more tokens at it will solve it faster or better, it’s worth considering building a system like this. It’s enabled us to have swarms of agents crawling through Composer’s data to recursively improve itself for future versions. And if this sounds exciting, we’re hiring!

译Cursor 为训练下一代 Composer，构建了一个始终运行的递归智能体系统。主智能体在远程机器上通过 SSH 管理数百个子智能体，将状态收集到磁盘“收件箱”，循环检查集群健康并保持任务运行，通过 Slack 向团队报告问题。主智能体具备多种技能用于运行和监控 ML 实验。研究人员可并行运行数千个实验，大幅提升效率。对于可验证的问题，投入更多 tokens 能更快解决。

AYi@AYi_AInotes · 6月13日47

Claude Fable 5+gpt-image 2简直就是生图王炸组合！！ oh no，应该是掌管AI生图的神， 这以后还自己研究什么生图提示词啊， 想要什么图交给Fable5就好了啊！ 时间过得也快，眨眼小半年没有玩AIGC生图了， 趁着今天不加班，想着试试用Fable5给我个美女看比赛的图，就把其女友的照片发给它了， 提示词就一句话：给我一个这个女孩看NBA总决赛的现场照片，身材要比参考照片丰满一些，要笑靥如花，背后是美国总统特朗普和尼克斯老板， 结果真的让我卧槽了，他思考的过程会先分析gpt对什么关键词敏感，以及不能出现NBA等品牌词，不能出现人名，自己把NBA改成了NBC，把特朗普去掉了， 然后再看出片效果，这质感、光影，人物一致性， 前女友看到都得跟我复合吧！ 提示词老规矩评论区自取⬇️

译用户分别测试了Claude Fable 5与gpt-image 2的组合以及Fable 5单模型。生图场景中，用户给了一张女友照片和一句话提示词（“看NBA总决赛，身材丰满，笑靥如花，背后是特朗普”），模型自动分析敏感词，将NBA改为NBC、移除特朗普，生成的人物一致性与光影效果惊艳。另一场景，用户直接对Fable 5说“做落地页，自由发挥”，模型自主搜索2026设计趋势、调整配色动效、藏了3个彩蛋，几分钟内输出完整可用的单文件HTML。模型展现出极强的自然语言理解和主动规划能力。

fofr@fofrAI · 6月12日41

I've been experimenting with using Gemma 4 modifications to make repetitively creative prompts. Still some quirks, but these are all outputs from the same simple request: "a dynamic fashion photo of a woman"

译我正在尝试使用 Gemma 4 的修改来制作重复的创意提示。 仍有一些小问题，但这些都来自同一个简单请求："一张充满动感的女性时尚照片"

小互@xiaohu · 6月12日76

http://x.com/i/article/2065389944034775040 # Claude Fable 5 官方指南：省钱又有用的使用方法拆解 Anthropic 上了新模型 Claude Fable 5，是现在能用到的最强的一个，专门用来接以前接不住的长活、难活。 Anthropic 同步发布了一份官方提示词工程指南：Fable 5 的能力跃升太大，旧的提示词和编排架构会拖后腿，你需要重新学怎么用它。 但其实官方指导总结下来很简单就是：让你先删提示词！ - Fable 5 能持续多天执行目标导向任务，单次请求在高 effort 下可运行数分钟，自主运行可达数小时 - 指令遵循能力强到不再需要逐条列举禁止行为，一条简短指令就能引导大多数行为 - 旧模型的提示词对 Fable 5 来说往往"过于规范化"，反而降低输出质量，官方建议做减法 - 新增 effort 分级控制（low/medium/high/xhigh），Fable 5 的 low 可能就超过旧模型的 xhigh - 并行子代理调度成为一等能力，模型会主动分派并行任务 下面我把这份指南，挑出真正影响你怎么用它的几块说说：它强在哪、两个得你主动喂的新能力、effort 怎么调、一份按档位算账的省钱指南、它新冒出来的几个脾气怎么治（带能直接抄的提示词）、迁移要避哪些坑。 看你怎么用 Claude，各取所需。 ## 先说为什么强了反而要删提示词 打个你熟的比方。 新来的实习生，你得把话说死：第一步干嘛、第二步干嘛、碰到这种情况怎么办、那种情况别碰。 不是他笨，是他没经验，你不写清楚他真会出岔子。 但同一张事无巨细的清单，拿去管一个干了十年的老手，会怎样？他本来凭经验就能把事办得漂亮，结果被这张清单捆住手脚，照着那些其实不太高明的规矩来，活儿反而干差了。 你给 AI 写的那些提示词，大多是当年伺候实习生攒下来的。 模型不够聪明的时候，你得一条条堵住它可能犯的错。Fable 5 的意思是，它已经是那个老手了，你那摞老规矩现在是绑手绑脚。 官方原话是，为旧模型写的规则对它来说常常管得太细，反而把输出质量拉低。 这条我自己的体感能印证。 昨天我测试的这个案例就是很简单的提示：帮我制作一个详细介绍黑洞是如何诞生的超炫酷动画页面。 ## 它到底强在哪，值不值得你折腾 官方在讲技巧之前，先列了七项能力提升。挑你能直接感觉到的说： - **长任务不忘事：**它能连着干好几天的目标任务，跨多天从头记到尾，不像老模型干到后面把你最初的要求丢了。 - 经常一遍就做对： 早期试用的人说，以前要来回返工好几天才跑通的系统，它单次就实现了。不是说它从不出错，是只要你把要求讲清楚，一把过的概率高了很多。 - 自己看图、自己查问题： 给它糊的、歪的截图，它自己想办法处理，还被专门训练过用工具裁剪图片；查老问题能翻代码的历史记录，定位到是哪次改动埋的雷。 - 找 bug 更准： 在安全限制之外的领域，它翻代码、翻仓库历史揪 bug 的能力，明显比上一代 Opus 4.8 高。 - 自己带一队分身： 它能把一个大活拆开，派给好几个子代理同时干，自己当调度的工头，还盯着每个分身的进度。 除了这几项，它几乎在所有任务上都比旧模型强。 一个实用建议是，别只拿简单活去测它，那样会低估它的上限；把你手头最难、最久、还没解开的问题丢给它，才看得出它到底能干到哪。 ## 两个最值钱的新能力，得你主动喂 Fable 5 真正比上一代强一大截的地方，但你不主动给，它发挥不出来。 第一个，放手让它派一队分身。 它能当工头，但你得明确告诉它“可以多派分身、各干各的、别干等着一个个回来”，它才放得开。 > Delegate independent subtasks to subagents and keep working while they run. Intervene if a subagent goes off track or is missing relevant context. > 把相互独立的子任务派给子代理，它们跑的时候你接着干自己的。某个子代理跑偏了，或者缺了相关上下文，再去干预。 让分身长期留着、跨任务保留上下文，还能省缓存、不卡在最慢那个上。这个能力还能直接变成省钱手段，后面「省钱指南」一节有完整玩法。 第二个，给它一个记事本。 给它一个地方记笔记，简单到一个文本文件就行，让它把每次踩的坑、确认有效的做法记下来，下次翻出来用，它会越用越顺。 官方给的记笔记规矩是这样： > Store one lesson per file with a one-line summary at the top. Record corrections and confirmed approaches alike, including why they mattered. Don't save what the repo or chat history already records; update an existing note rather than creating a duplicate; delete notes that turn out to be wrong. > 一个文件只存一条经验，顶上写一句话摘要。纠正和确认有效的做法都要记，连同它们为什么重要。仓库或聊天记录里已经有的别存；同一件事更新那条已有的笔记，别新建一条重复的；后来发现记错的，删掉。 这几条跟我自己给 Claude 配的记忆系统几乎一字不差。 我那套也是一个文件一条、顶上一句摘要、记纠正也记确认、都写明为什么、重复的更新不新建、错的直接删。我搭它的时候没参考任何标准，是自己踩着坑一条条补出来的土办法。 现在看到官方把同样的规矩写进指南，我的判断是：这份指南不只是教你用新模型，更像是官方把一批重度用户摸出来的土办法，收编成了标准。模型越能自己记事、自己复盘，“记忆该怎么管”这点功夫就越值钱。 还有个小习惯，省事又好用：交代任务时，把“为什么要这么做”也一起说了，别光丢一句命令。它懂了你的目的，自己就能把事跟相关信息对上，不用瞎猜。套个模板： > I'm working on [the larger task] for [who it's for]. They need [what the output enables]. With that in mind: [request]. > 我在做[更大的任务]，是给[谁]用的，他们需要[这个产出能带来什么]。基于这个背景：[具体请求]。 ## effort：Fable 5 上最重要的那个旋钮 这是这代最该先搞懂的一个参数。effort 控制的是模型的智力、速度、成本三者怎么权衡，分四档：low、medium、high、xhigh。 官方的建议是：大多数任务用 high 当默认，最吃能力的硬活用 xhigh，日常杂活用 medium 或 low。 Fable 5 的低档，比Opus旧模型拉满的 xhigh 还强。 所以别习惯性把它顶到最高，那既慢又贵。任务能做完但花的时间比该花的长，或者你想要更快、更能来回聊的节奏，就往下降档。 怎么配： ## Fable 5 省钱指南：单价贵一倍，账单可能更便宜 Claude Fable 5 的 token 单价是 Opus 4.8 的两倍（输入 $10/M，输出 $50/M），但多个实测数据显示，因为模型更聪明、完成同一任务用的 token 更少，最终账单在复杂任务上反而可能更低。省钱的底层逻辑不是“少想”，而是“少犯错”。 先看数据：Fable 5 Low 档 vs Opus 4.8 Max 档 下面这组数据来自第三方代码基准测试，这组对比是省钱策略最直接的证据： 这背后的逻辑，Claude Code 之父 Boris Cherny 称：以前不够聪明的模型，写错了改、跑挂了重跑，每一轮都在烧 token。Fable 5 单任务 token 更少、纠错动作更少，实际上消耗的token更少，砍掉的就是这部分隐性成本。 策略一：日常任务直接开 Low 档 Fable 5 Low 档的 64.2% 得分，已经超过了榜单上除 Fable 自己以外的几乎所有模型配置，包括 Opus 4.7 Max（64.8%，但成本 $11.02）、GPT-5.5 Extra High（64.3%，成本 $4.37）、Opus 4.8 Extra High（62.1%）。 适用场景：代码编写、调试、日常开发。不是每个任务都需要模型全力思考，Low 档就够了。 策略二：要更高质量，Medium 是性价比甜区 Fable 5 各档位的成本收益曲线： 从 Low 到 Medium，多花 $2.57 换了 5.6 个百分点，性价比最高。从 Medium 往上，每多花一块钱换来的分数增幅越来越小。High 到 Max 之间多花了 $7.21，只多拿了 2.3 个百分点。 Medium 档的 69.8% 已经超过了榜单上所有非 Fable 的模型配置。对大多数任务来说，这就是天花板了。 策略三：复杂项目让 Fable 当指挥，Opus/Sonnet 干活 有人分享了一个更牛P、更省Token的玩法，那就是：用 Dynamic Workflow 模式，让 Fable 做编排器（orchestrator）负责理解需求、拆任务、做决策，把实际写代码、跑测试的执行层交给 Opus 或 Sonnet。 具体配置三步： 1. 主模型设成 Fable 5 1. effort 开到 Max（最大推理深度） 1. 让 Claude 跑一个 Dynamic Workflow（动态工作流）：Fable 当编排器只管想清楚做什么，Opus 当执行层负责写代码、调试、分析 Fable 5 的核心优势是判断力和调度能力——前面「派一队分身」讲的就是这个，不需要用它的算力写每一行代码。就像公司请了一个年薪两百万的 CTO，不会让他天天写 CSS，让他定架构做决策就行了，写代码的活交给工程师团队。 适用场景：大型项目、多步骤工程任务、需要长时间运行的代理工作流。 ## 选档速查表 ## 两个注意事项 安全分类器会自动降级。 涉及网安、生化、模型蒸馏等敏感请求时，系统自动切到 Opus 4.8 回答，按 Opus 价格计费。Anthropic 说触发率不到 5% 的会话。 限时免费窗口。 6 月 22 日之前，Pro、Max、Team 及按席位计费的企业版用户可以直接使用 Fable 5。6 月 23 日起开始消耗用量积分。使用 Fable 5 需要开启 30 天数据保留。 ## 它的几个新脾气，逐个治（带能抄的提示词） 模型变强是有代价的：它会自作主张、用力过猛，长时间跑还冒出几个怪毛病。这份指南大半篇幅都在讲这个，也是对你最实用的部分。 下面每段提示词，我都给了英文原文和中文版两个方框，抄英文或抄中文都行、效果一样；只想了解意思的，看中文那段就够。 1. 它默认跑很久，你的“等待方式”得改 一个难活它能跑好几分钟，全自动能跑好几个钟头。你的程序要是还按“几秒钟必回”设计的，会误以为它卡死了。治法：把超时放宽、给用户加进度提示，更聪明的是别干等，像交代完事就去忙别的、过会儿回来看一眼。 另外任务说得含糊时，它容易在那儿反复盘算。加这条让它信息够了就动手： > [text] When you have enough information to act, act. Do not re-derive facts already established in the conversation, re-litigate a decision the user has already made, or narrate options you will not pursue in user-facing messages. If you are weighing a choice, give a recommendation, not an exhaustive survey. This does not apply to thinking blocks. > [text] 信息足够就动手。不要重复推导对话里已经确认过的事实，不要再争论用户已经拍板的决定，也不要在给用户看的消息里罗列你不会采用的选项。如果你在权衡，就直接给一个建议，而不是把所有可能都铺一遍。本条不适用于思考过程。 2. 它太勤快，会干你没让它干的事 高 effort 下它爱顺手“打扫卫生”：修个 bug 顺带重构、一次性的操作非要写个 helper、给不可能发生的情况加一堆容错。一条按住它别过度收拾： > Don't add features, refactor, or introduce abstractions beyond what the task requires. A bug fix doesn't need surrounding cleanup and a one-shot operation usually doesn't need a helper. Don't design for hypothetical future requirements: do the simplest thing that works well. Avoid premature abstraction and half-finished implementations. Don't add error handling, fallbacks, or validation for scenarios that cannot happen. Trust internal code and framework guarantees. Only validate at system boundaries (user input, external APIs). Don't use feature flags or backwards-compatibility shims when you can just change the code. > 不要添加任务没要求的功能、重构或抽象。修一个 bug 不需要顺手清理周边代码，一次性的操作通常也不用单写一个辅助函数。不要为假想的未来需求做设计，用最简单、能跑好的办法就行。避免过早抽象和半成品实现。不要为不可能发生的情况加错误处理、兜底或校验。信任内部代码和框架本身的保证，只在系统边界（用户输入、外部接口）做校验。能直接改代码的地方，别用功能开关或向后兼容的垫片。 还有一种是你只想听它分析、没让它动手，它直接上手改了。一条划清边界，让它先给判断、别急着改： > When the user is describing a problem, asking a question, or thinking out loud rather than requesting a change, the deliverable is your assessment. Report your findings and stop. Don't apply a fix until they ask for one. Before running a command that changes system state (restarts, deletes, config edits), check that the evidence actually supports that specific action. A signal that pattern-matches to a known failure may have a different cause. > 当用户是在描述问题、提问、或者出声思考，而不是要求你动手改时，你要交付的是你的判断。给出结论就停下，别等他们开口就先去改。在执行任何会改变系统状态的命令（重启、删除、改配置）之前，先确认证据确实支持这个具体动作。一个看着像某种已知故障的信号，背后原因可能完全不同。 ## 3. 一句话，能顶你过去一页的规则 这是“做减法”最直接的地方。它现在听话到你不用再一条条列禁止项，一句简短指令就能管住一类行为。 比如想让它说话简洁、别绕，一句就够，不用把“不许这样、不许那样”列一长串： > Lead with the outcome. Your first sentence after finishing should answer "what happened" or "what did you find": the thing the user would ask for if they said "just give me the TLDR." Supporting detail and reasoning come after. Being readable and being concise are different things, and readability matters more. > 先说结论。做完之后的第一句话，要回答“发生了什么”或“你发现了什么”，也就是用户说“直接给我结论”时想要的那句。佐证和推理放在后面。可读和简短是两回事，可读更重要。 想管它“什么时候才该停下来问你”，也一句话，不用把情况列全： > Pause for the user only when the work genuinely requires them: a destructive or irreversible action, a real scope change, or input that only they can provide. If you hit one of these, ask and end the turn, rather than ending on a promise. > 只在工作真正需要用户介入时才停下来问：一个有破坏性或不可逆的动作、一次真正的范围变更、或者只有他们能提供的信息。碰到这几种情况，就提问并结束这一轮，而不是停在一句空承诺上。 你去翻翻老提示词：很多当时你逐条写的限制，现在一句话能替，还更不容易自相矛盾。 4. 长时间跑，它会“虚报进度” 让它自主跑，它报“完成八成”，你一看才四成。它不是存心骗你，是照着计划报、没照着实际结果报。让它每报一条进度，都对一下真实的运行结果，官方说这条基本把虚报摁住了： > Before reporting progress, audit each claim against a tool result from this session. Only report work you can point to evidence for; if something is not yet verified, say so explicitly. Report outcomes faithfully: if tests fail, say so with the output; if a step was skipped, say that; when something is done and verified, state it plainly without hedging. > 报告进度之前，把每一条说法都对照这次会话里的工具结果核一遍。只报你拿得出证据的工作；还没验证的，就明说没验证。如实汇报结果：测试挂了就把输出贴出来说挂了，跳过了某步就说跳过了，确实做完并验证过的，就干脆说做完了，别含糊其辞。 5. 它偶尔会“话说一半就停”和“怕篇幅不够” 跑到很深的地方，它会说一句“我现在去跑 X”然后就停了，那动作根本没做；或者信息明明够了，还停下来问你要不要继续。大多时候你回个“继续”就过去了。没人盯着的全自动流程，给它一段说明，让它该自己往下推就推、别老停下来请示。 还有一种，是它看到“还剩多少字数额度”的倒计时会发慌，突然说“要不开个新会话”，或者自己把活儿缩水。治法很简单：别把那个倒计时给它看。非给不可，就补一句“上下文还很充足，别停、别总结、别提议开新会话，接着干”。 ## 迁移之前，这几个坑先避开 - “让它复述思考”的指令，先清掉： 如果你的老提示词里有“把你的思考过程写出来给我看”“解释一下你是怎么想的”这类要求，到了 Fable 5 会触发它的一条拒绝规则，结果是大量请求被打回、退到旧模型去处理。迁移前一定回去翻一遍清干净。真想看它怎么想的，官方有别的接口可以读，别硬让它在回答里复述。 - 它会拒绝一些请求，这是设计如此： 碰到攻击性网络安全（造病毒、攻击工具那种）、生物和生命科学这两类内容，它会直接拒，正经的安全防御、有益的生物研究也可能被误伤。被拒不算报错，是一次正常的成功响应、还带着是哪条分类器拦的，而且产出之前不计费。解法是配个备胎：被拒的请求自动转给上一代的 Opus 4.8 接手。 - 老技能可能太啰嗦： 为旧模型写的技能，对 Fable 5 往往管得太细，反而拉低质量。迁移时把旧指令审一遍，那些删掉之后它默认表现更好的，就删。 除了上面三条，官方脚手架建议里还有两条前文没展开的，一并列上： ## 说到底：从管教到放手 以前调 AI，琢磨的是怎么把话跟它说清楚。那是一种管教：预判它会在哪犯错，提前堵上；把不许做的事列成清单；把步骤拆细到它走不偏。功夫全花在“过程”上。 Fable 5 这代，琢磨的变成了怎么给它搭一个能放手干活的环境：给够空间让它自己拆活、自己跑；把真正不能碰的边界划死；配上能调度的分身、能记事的本子，剩下的交给它。功夫从“过程”挪到了“边界”。 注意一点：放手不等于放任。 你回头看上面那些脾气，它们都是放手之后冒出来的代价，不是模型变差。治法也都不是退回去重新事无巨细地管，而是把该划死的边界划死。管得越少它干得越好，前提是该划的边界你得划死。这两句不打架，是一体的。 最后，看你怎么用 Claude，对号入座： - 只拿它聊天、查东西、写文案的： 不用动什么，知道新模型更能扛复杂长活就行。手头要真有个又难又长、以前嫌它做不利索的活，拿 Fable 5 试一次，这回说不定一把就做完。 - 做内容、做自动化的创作者和小团队： 回去把你给 AI 写的提示词翻一遍，当年为防它犯错写的，该删的删（尤其“让它复述思考”那类，会触发拒绝）。再挑一个你平时最烦、最想甩手的长流程，让它自己拆步骤、自己跑。 - 正经搭代理、写程序的： 上面方框里的原话直接抄进系统提示，下一节的速查卡可以当对症索引。再给它配上分身调度和记事本，这是它这代最值钱、又最得你主动给的两个能力。 ## 十个调优模式速查卡 官方指南把这些场景归纳成十个调优模式。前面各节其实都讲透了，这里压成一张卡，给只想快速对症、抄提示词的人： 卡里有两条提示词前文没出现过，补在这里： 补充①：防"话说一半就停"（没人盯着的自主管道用）： > 在结束轮次前检查你的最后一段。如果它是计划、分析或承诺（"我将……""请告诉我何时……"），现在就用工具调用完成它。只有在任务完成或被阻塞在只有用户才能提供的输入上时，才结束轮次。 补充②：让它从历史会话引导初始记忆（配合记事本用，第一次搭记忆系统时跑一遍）： > 回顾我们之前的会话，用子代理识别核心主题和经验教训，存储在 [指定位置]。确保未来使用时参考这个位置。 ## 两个值得单独讲的工具建议 面向用户的可读性指令 Fable 5 在长时间代理式工作中（大量工具调用、庞大上下文）可能产出"只有自己能看懂"的内容：密集的箭头链速记、内部术语、引用用户从未看到的思考过程。 官方给了一套沟通风格指令，核心逻辑是：工具调用之间你怎么速记都行，那是你的工作草稿；但最终面向用户的总结，要当成读者第一次看到这件事来写。 > 以结果开头，一句话说明发生了什么。写完整的句子，展开术语，不要用箭头链或自创标签。如果必须在简短和清晰之间选择，选清晰。 send-to-user 工具 这是一个面向长时间异步代理的设计模式。给代理一个工具，能在不结束当前轮次的情况下向用户推送消息。工具输入不会被模型摘要化，内容原样到达。 适用场景：需要中途向用户展示生成的代码片段、带数字的进度更新，或回复用户在循环中提出的问题。 实现很简单，就是一个接收 message 字符串的工具，你在 UI 端直接渲染输入内容，返回确认即可。 官方指南：https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-fable-5

译Anthropic 发布 Claude Fable 5，官方指南强调旧模型提示词会拖后腿，建议“做减法”。Fable 5 支持多天长任务、effort 分级（low/medium/high/xhigh），其 low 档性能已超旧版 Opus 4.8 xhigh。新增并行子代理调度和内置记事本能力。省钱方面：输入 $10/M、输出 $50/M（单价为 Opus 4.8 两倍），但更少的 token 消耗使复杂任务总成本反而可能更低。推荐日常用 Low 档，Medium 是性价比甜区，复杂项目可用 Fable 做编排器、Opus/Sonnet 执行。

AYi@AYi_AInotes · 6月12日54

http://x.com/i/article/2065392505554677760 # Claude、Google 总让你验证、登录异常？先查查你的网络 IP 有多脏——保姆级验货三件套，3 个网页全搞定 真正决定账号生死的根本不是 CPU 内存，我把实测有效的 IP 验货流程整理成了 3 个免费网页的 SOP，30 秒就能验完，照着抄就行。 最近 Fable 5、Codex 这波 AI 工具太猛，身边一堆人开始折腾 VPS——要么跑 Claude Code、Codex 这类需要长期在线的活，要么登 Claude、Google 这些对网络环境挑剔的海外账号。 但我发现，大部分人买 VPS 的姿势是错的：盯着几核几 G 比半天，唯独不看那台机器的 IP 是什么货色。 这篇是一份保姆级指南，把我自己挑机器的全套流程摊开给你：怎么用 3 个免费网页、30 秒验出一台 VPS 的底细，怎么看懂结果，再到怎么一步步买。全程不用写一行命令，跟着点就行。文章最后有一盆冷水，告诉你什么情况下根本不用买。 ## 先搞清楚：为什么 IP 成色比配置重要 跑 AI 工具、登海外账号，真正决定生死的不是配置，是 IP 的成色。配置买大了顶多浪费点钱；IP 买错了，账号说没就没。 因为 Claude、Google、PayPal 这些服务在你登录时，会看你的 IP 是什么类型——是真实住宅宽带，还是一眼能认出的机房 IP，是不是一堆人共用的代理池。 打个比方：机房 IP 就像穿着工服进小区，门禁一眼认出你不是住户；共享代理池更糟，等于一把钥匙复制了几百份发出去，里面任何一个人干过坏事，账都记在这把钥匙头上。而住宅 IP，就是这个小区里一个正常住户的固定住址。 ## 核心：验货三件套（手把手） 那怎么知道一台 VPS 的 IP 是哪一种？教你三个网页，全部免费、打开就能用。下面拿我手上一台真实机器——VoyraCloud 的住宅 IP 服务器、华盛顿节点——一步步走给你看。 第一步 · Scamalytics 查「风险分」 打开 scamalytics.com，把要查的 IP 粘进搜索框，回车。它会给你一个 0-100 的 Fraud Score（风险分）——越低越好，这就是各大平台风控眼里你的"信用分"。往下滚还能看到这个 IP 是不是被标成机房、有没有上黑名单。 我这台的结果：Fraud Score 0，Low Risk，外部黑名单全部 No。0 分，基本是能拿到的最干净结果。 怎么看： 如果你查自己现在用的代理或便宜 VPS，分数飙到几十、标签是 high risk 或 datacenter，那就是平台眼里的"高危身份"。 第二步 · ipinfo 查「出身」 打开 ipinfo.io，在地址后面接上要查的 IP。重点看两处：一是 ASN / 运营商和 AS Type——是 ISP（运营商）还是 hosting（机房）；二是 Anonymization 那栏——VPN / Proxy / Tor / Hosting 是不是都为 No。 我这台的结果：AS Type 是 ISP、连接类型 dsl、VPN / Proxy / Tor / Hosting 全部 No，归属华盛顿。 怎么看： AS Type=ISP + 连接类型 dsl，说明它在平台眼里就是一条真实的住宅宽带线，而不是数据中心。这正是"住宅 IP"和便宜机房 VPS 最本质的区别。 第三步 · check-host 查「在线和延迟」 打开 check-host.net，输入 IP，选 Ping，开始检查。它会调动全球几十个国家的节点同时去 ping 这台机器。看两件事：丢包（4/4 就是零丢包）和延迟（rtt）。 我这台的结果：所有节点 4/4 零丢包，美国境内延迟很低——纽约 8ms、亚特兰大 16ms、迈阿密 30ms、洛杉矶 59ms。 怎么看： 全球节点都通且稳，说明这台机器 7×24 在线、线路质量好，长期挂 Claude Code、Codex、AI Agent 这类任务不容易掉。 ## 三件套速查表 ## 怎么买（保姆级购买流程） 验货方法会了，如果你确认要入手一台住宅 IP VPS，下面是完整购买流程，第一次买的照着走： 第 1 步 · 打开 voyracloud.com 注册账号 第 2 步 · 进「住宅 IP 服务器」产品页（注意别选成普通云 VPS） 第 3 步 · 地区选华盛顿节点；套餐按需选 个人测试 / 跑单个 AI 工具，选轻量配置就够，要长期跑多个任务再往上加。 第 4 步 · 计费周期：年付 7 折、半年付 8 折 自动立减不用券，趁 Mid Year Sale（6/9–6/30）开一台长期用更划算。 第 5 步 · 付款后在后台拿到 IP、账号密码，SSH 或远程桌面连上就能用 ## 一盆冷水（必须先泼） 第一，IP 干净不是免死金牌。环境只是风控的一部分，账号本身行为有问题，该封还是封。谁跟你说"保证不封""绝对安全"，谁就是在骗你。 第二，别盲目堆配置。住宅 IP VPS 的价值在 IP 成色，不在算力。个人用途，轻量套餐跑 AI 工具、登账号完全够，钱花在刀刃上。 ## 谁该买，谁不用买 - 只是建站、跑个博客：普通机房 VPS 就够了，别多花钱买住宅 IP。 - 要跑 Claude Code / Codex / AI Agent 这类长期在线任务，或登 Claude / Google / TikTok 这类对环境敏感的海外账号、做跨境：IP 成色是刚需，这时候住宅 IP VPS 才值。 ## 最后 留个作业：把你现在用的 VPS 或代理 IP 丢进 Scamalytics 查一下，评论区报你的分数和标签。我猜不少人会被自己的"信用分"吓一跳。 这次实测用的是 @VoyraCloud 的住宅 IP 服务器（华盛顿节点），年中活动 Mid Year Sale 6/9–6/30 进行中，年付 7 折、半年付 8 折。 https://www.voyracloud.com/?ref_code=KFET6RAJ \#VoyraCloud \#住宅IP \#VPS \#AI工具 \#ClaudeCode （本篇与 VoyraCloud 合作，文中所有查询结果都是可复现的公开数据，你可以自己验证。） ## 实测数据汇总（真实采集，可复现）

译指南强调IP成色比配置更重要，提供3个免费网页的验货SOP：Scamalytics查Fraud Score（实测0分，Low Risk，黑名单全No）；ipinfo查AS Type（实测为ISP，连接类型dsl，VPN/Proxy/Tor/Hosting均为No）；check-host查全球丢包和延迟（所有节点4/4零丢包，美境内延迟8-59ms）。推荐VoyraCloud住宅IP VPS（华盛顿节点），年中促销（6/9-6/30）年付7折、半年付8折。提醒：IP干净不是免死金牌，账号行为同样重要；普通建站无需住宅IP。

Alibaba Cloud@alibaba_cloud · 6月12日55

Built with Qwen3.7-Max: Check out this demo and step-by-step tutorial for an Electronic Rubik's Cube. Try Qwen3.7-Max — 50% Off for a Limited Time 🔗 https://int.alibabacloud.com/m/1000414102/ Watch the full video below👇

译基于 Qwen3.7-Max 构建：查看这个电子魔方的演示和分步教程。 体验 Qwen3.7-Max — 限时五折优惠 🔗 https://int.alibabacloud.com/m/1000414102/ 观看下方完整视频👇

小互@xiaohu · 6月12日75

升级了下公众号排版技能 晚一点发布，还需要优化下 增加了一些主题和优化了预览和浏览页面的阅读体验

译小互（@xiaohu）升级了公众号排版技能组合，实现一句话完成排版、封面生成并一键发送到公众号草稿箱。该工具已开源，提供20种主题颜色可选，可自动分析内容进行排版，支持非Markdown文件。用户只需在Claude Code、Codex或OpenClaw中提供文章链接或文档位置，即可获得可视化预览界面进行选择，全程无需手动操作。

向阳乔木@vista8 · 6月12日76

Fable 5 开发在线Photoshop，就是用这个生成需求文档。 P0需求点的开发效果。

译Vista 编写了 AI 专用 PRD 文档生成 Prompt，先用它生成文档再交给 AI 开发，以提升功能完整度。Fable 5 项目开发在线 Photoshop 正是使用此方法。安装指令：`npx skills add joeseesun/qiaomu-ai-prd`，开源地址和 Prompt 见评论。

向阳乔木@vista8 · 6月12日44

AI First原则就是，一切都要先试试AI能不能帮搞定。 正在试着用Codex 的Computer Use帮填写 Word 合同。

向阳乔木@vista8 · 6月12日75

现在都是 AI Agent做开发，人喜欢的 PRD 和 AI 喜欢的是不一样的。 为了精准高效开发，写了个专门服务于 AI 的PRD文档生成Prompt。 先有这个文档，再给AI开发，功能完整度和丰富性会远远比自己想的全面、好用。 Skill开发好了，安装指令： npx skills add joeseesun/qiaomu-ai-prd 开源地址和Prompt见评论

译推文提出AI Agent开发中人类与AI对PRD的需求不同，为此发布了一个专门服务于AI的PRD文档生成Prompt（命名为qiaomu-ai-prd）。开发者先使用该Prompt生成文档，再交给AI开发，可显著提升功能完整度和丰富性。安装指令为：`npx skills add joeseesun/qiaomu-ai-prd`，开源地址及Prompt见评论区。

karminski-牙医@karminski3 · 6月12日50

魔法! DeepSeekV4 上下文内存压缩到1/10! 大家都知道 DeepSeekV4 是支持1M上下文的, 而且经过了极度优化, 如果要真的用到1M上下文, 显存占用只需要10G左右, (对比之下 DeepSeek-V3.2 大概需要84G显存). 然后我刚看到了FlashMemory这个论文, 直接能把显存占用压到 1.3GB! 甚至输出效果不降反升! 哥们你骗兄弟可以, 骗自己就没意思了, 真的吗? 压缩后反而性能上升? 我赶紧看了论文细节: 咱们先复习一下传统做法: 模型每吐出一个字，都要把之前的几十万字重新看一遍(这就是全局注意力). FlashMemory 的做法是: 预测未来需要什么, 它内置了一个神经内存索引器（Neural Memory Indexer, 其实就是个小模型了），能够主动预判接下来生成内容时需要用到历史文本里的哪些片段. 然后预先准备好这些片段, 接下来只要做到命中率超高, 那么这个提升就绝对有效. 即它的假设是, KVCache里面的东西并不是生成每个字的时候全都需要的, 只需要按需提前加载即可. 很像做作业的时候, 把参考资料摊满桌子, 然后优化了一下就是把参考资料需要用到的部分直接拍照, 用的时候看照片就行了. 那么听上去很简单, 但实际的难点在于, 训练一个专用的索引器小模型, 需要把 DeepSeek-V4模型加载到显存里一起炼. 相当耗费算力. 于是这篇论文第二个亮点来了, 它搞了个解耦训练. 他们把这个索引器当成一个标准的"双编码器（Dual-encoder，类似做搜索推荐的模型）"来单独训练. 在这个过程中，根本不需要把庞大的 DeepSeek-V4 基座模型加载到显存中. 这让训练成本断崖式下降，且兼容标准的检索（Retrieval）训练框架. (简单来讲就是它是通用方法训练的, 通过query预测需要检索哪些长句子. 所以其实是个通用模型) 听上去靠谱, 那也只是显存占用少了, 怎么就性能还提高了呢? 答案是注意力降噪. 因为每次只提取和当前生成最相关的记忆块（Chunks）放入显存，模型在运算时就看不见那些无关的冗余信息了.天然地起到了一种"去噪"作用，这也是为什么显存占用少了，模型准确率反而略微提升的原因.官方测试在长文本评测集（如 LongBench-v2 等）上的准确率平均最终提升了 0.6%. (其实还有数据如何逐出显存和如何预测数据实现预加载, 这部分也很棒, 很有启发性. 建议看原论文, 篇幅原因写不下了) 论文地址: http://arxiv.org/abs/2606.09079 项目地址: http://github.com/libertywing/FlashMemory-Deepseek-V4 #FlashMemory #DeepSeekV4 #FlashMemoryDeepseekV4

译DeepSeek-V4支持1M上下文，显存约10GB（对比DeepSeek-V3.2约84GB）。FlashMemory论文进一步将显存压至1.3GB，并在LongBench-v2等长文本评测上准确率平均提升0.6%。核心是神经内存索引器（小模型），通过预测所需历史片段按需加载，实现注意力降噪。训练采用解耦双编码器架构，无需加载DeepSeek-V4基座模型，训练成本大幅下降。论文：arxiv.org/abs/2606.09079；项目：github.com/libertywing/FlashMemory-Deepseek-V4。

meng shao@shao__meng · 6月12日46

Re-Ink：再保险合约智能提取与审核参考实现 @LandingAI 金融 AI Hackathon 冠军之一，针对再保险承保流程中耗时严重的文档处理痛点，构建从 PDF/DOCX 条约文档到可审核合同记录的端到端自动化方案。 行业痛点量化 再保险承保人约 40% 时间用于行政工作，主要为手动将条约数据（日期、保费、留存限额、参与方名称等）重新录入合同管理系统。Accenture P&C Underwriting Survey 数据显示： · 实际承保工作仅占 30%； · 行政任务占 40%； · 谈判与销售支持占 30%。 手动提取存在系统性风险：日期格式多变、参与方名称不一致、金融术语表述差异大，即使在规范环境下错误率仍超 6%（Reisch et al., 2024）。保险公司运营预算中约 14% 用于修复此类手动错误。 Re-Ink 核心方案 Re-Ink 使用 LandingAI 的 Agentic Document Extraction (ADE) 作为文档智能核心，结合 FastAPI + React + PostgreSQL + LangGraph 栈，实现： 1. 上传与结构解析：ADE 自动识别 PDF/DOCX 的章节、表格、标题、段落及嵌入数据。 2. 字段提取：基于预定义 schema（合同标识、日期、金融条款、覆盖细节、参与方信息）进行上下文感知提取，无需正则、模板或格式特定逻辑。 · 优势：能处理“Net Retention”“Ceding Company Retention”等不同表述，或嵌入段落中的留存金额。 · Hackathon 测试（SEC EDGAR 文件）显示，在提取 cedent（分出公司）和 reinsurer（再保险公司）名称时特别可靠，即使出现在叙述性文本中。 关键设计：人机协同闭环 · 提取后人工审核：所有数据在 reviewer 确认前不持久化。ReviewForm 展示提取字段，支持编辑、补充或拒绝。 · 事务保障：审批后以单事务创建 Contract 和 Party 记录，任何校验失败均回滚。 · 业务理由：再保险合同涉及数百万美元义务，监管要求人工基于业务上下文验证原文档，AI 输出不可作为合规唯一依据。 · 反馈优化： reviewer 反复修正的模式可指导 schema 或 prompt 迭代。 Agent 层增强 Re-Ink 使用两个 LangGraph Agent（均不负责提取，仅封装业务逻辑）： · 入库前引导 Agent：检查缺失必填字段、日期逻辑矛盾等，并生成建议审核 payload。 · 审批后分析 Agent：StateGraph 包含 validate（完整性检查）和 analyse（LLM 风险与合规标记）节点。 两者均支持 offline 模式（确定性 mock），便于端到端自动化测试。

译Re-Ink 是 @LandingAI 金融 AI Hackathon 冠军项目，针对再保险承保中约 40% 时间消耗的行政文档录入痛点，构建端到端自动化方案。核心使用 LandingAI 的 Agentic Document Extraction (ADE) 实现 PDF/DOCX 条约的结构解析与上下文感知字段提取（合同标识、日期、金融条款、参与方等），无需正则或模板。关键设计为人机协同闭环：提取数据经人工审核后以单事务持久化，校验失败即回滚。Agent 层用两个 LangGraph Agent 封装入库前引导与审批后分析逻辑。Academy 调查显示手动提取错误率超 6%，运营预算约 14% 用于修复此类错误。

Berryxia.AI@berryxia · 6月12日56

http://x.com/i/article/2064887516130652160 # 建议收藏：100+海外一手 AI 资讯+AI大神们信息源清单！一次性全部拿走！含链接！ 上一期给大家提供了100+海外的咨询和AI 大佬们的信息源清单，但是很多朋友反馈无法复制，我把其整理优化后可以进行复制操作！ 上一期的内容可以看这个👇🏻 记得一键三连，以免后面后面找不到~

译Berry Xia 整理优化了一份可复制的清单，包含100+海外一手AI资讯和AI大神信息源，并附链接。此前版本无法复制，现提供可直接复制操作的版本，建议收藏。

meng shao@shao__meng · 6月12日74

Claude Fable 5 首发一天后的 playbook：8 条共识、3 个陷阱，以及互联网怎么说 @mvanhorn 用 /last30days 扫了 865 条跨平台讨论、再结合自己实测后写下的首日实践总结。整理出社区在 24 小时内已经收敛出一套可复用的用法，以及一堆代价与陷阱。 核心判断 Claude Fable 5 是一个高自主、高成本、偏规划编排的模型。首日共识很一致： · 给更难的目标，少给步骤 · 让它当指挥，不当苦力 · 免费窗口内把经验固化成 Skill，窗口关闭后靠便宜模型执行 把它当 “更听话的 GPT” 用，大概率又贵又慢，还容易踩安全回退。 # 八条实践，逐条展开 1. 任务要更难，提示要更短 官方口径是 aim higher：少说“第一步、第二步”，多讲终点。过度拆解的旧 prompt 反而会拉低质量。 隐含能力变化：模型自主规划变强了，微管理变成负资产。同时别让它复述内部推理——容易触发拒绝。 社区讽刺很到位：人人被教育要“瞄准神话级”，人人还是在做 Todo 和贪吃蛇——说明认知升级滞后于能力升级。 2. 设目标，不设路径；但必须设刹车 /goal 代表工作流从任务清单 → 持续对齐高层目标。Claude Code 团队自己也这么用。 代价：它会一直干，直到你叫停。长任务必须写清：预算上限、时间上限、或明确的“完成条件”。否则不是智能，是失控。 /goal make 1 million dollars 是社区对这条逻辑的幽默推演。 3. 编排者，不是执行者 · 规划 / 拆任务：Fable · 实现：Sonnet · 测试 / 验证：Haiku 验证用新上下文的 agent，通过才提交——这是首日最务实的工程模式。 Stripe 50M 行 Ruby 一天迁移，是官方背书的上限案例；无 spend limit 跑 subagent 则是下限警示。能力真，账单也真。 4. Effort 旋钮：Medium 可能最适合 · Medium 的 Fable 有时能打过 High/Max 的 Opus，且 token 更少 · 严肃 agent 工作可钉在 xhigh；ultracode 极耗额度 · 付费计划里 Fable 按双倍用量计费 结论：不是越强越好，而是匹配任务复杂度。 用 Fable 做常规活，像请外科医生修指甲。 BridgeMind 一天 7 亿 token、三套 Max 订阅打穿月限额——能力认可与成本恐惧并存。 5. 两条隐形降级线 安全回退：触发分类器会静默切到 Opus 4.8，输出质量突然变差时，先怀疑路由而非模型变笨。误杀案例（hello、cancer、发酵食品）说明假阳性是实操问题，不是段子。 可引导性弱：Arena 数据——任务成功 #1，可引导性 #17。能做的事很强；不想做时很难拧。约束要写得像承重墙，不能当建议。 系统提示泄露与越狱同日出现，说明防护与能力赛跑，用户侧不能假设“官方护栏 = 你的护栏”。 6. 视觉输入是首日被低估的杠杆 截图 → 可运行应用，比文字描述 UI 有效得多。像素优于形容词。 同时反差也好笑：神话级算力用来清邮箱——说明真实刚需往往是枯燥自动化，不是 demo 炫技。 7. 喂业务上下文，别追 demo 高杠杆用法就一段 prompt：讲清业务（卖什么、客户、栈、团队、瓶颈、上季度数字），让它列 8 件本月最高杠杆工作 并立刻推进第一件所需的数据/权限。 Demo（贪吃蛇、克隆 Notion）传播广；业务诊断式 prompt 更可能产生可重复价值。 8. 免费期是“蒸馏窗口”，不是无限狂欢 Pro/Max/Team 免费到 6 月 22 日，之后约 $10/M 输入、$50/M 输出（约为 Opus 两倍）。 最佳策略：正常工作中遇到 Fable 的巧解，让它写成 Agent Skill 留存——两周免费换长期能力资产。 企业侧：微软因 30 天数据保留 从内网 Copilot 下架 Fable——能力与合规张力，首日已显现。 Claude Fable 5 Playbook · 说清结果，删掉保姆步骤 · /goal + 硬性停止条件 · Fable 规划 → Sonnet 写 → Haiku 验 · 先试 medium effort · 质量骤降先查是否被 safety 路由 · 截图优先 · 跑一次业务 prompt · 6/22 前把解法蒸馏成 Skill

译社区基于865条讨论与实测总结：Claude Fable 5高自主、高成本、偏规划编排。核心共识：给更难目标、少给步骤；用Fable规划→Sonnet实现→Haiku验证；免费窗口（截至6月22日）内将经验固化为Skill。Effort旋钮Medium最省token且效果接近High；付费计划下输出价约$50/M token。安全回退静默切至Opus 4.8；视觉输入（截图→应用）比文字更有效。最佳策略：跑一次业务prompt诊断，把解法蒸馏成Skill留存。

meng shao@shao__meng · 6月12日75

Spec 驱动开发 (SDD) 需要这三个 Skills：覆盖 Spec -> Implement -> Verify 闭环 Agent 出错往往是需求理解偏差。解决办法是把规格当作 PR 的一部分，让队友和 Agent 都能对照同一份文档。 规格分两层： 1. 产品规格：PRODUCT.md 做什么，用户视角、用户故事、可验证的产品不变量 2. 技术规格：TECH.md 怎么做，架构、代码位置、实现策略 都放在 specs/<issue>/ 目录，随实现 PR 一起提交、一起 Review。 # SDD 五步流程（包含三个 Skills） 1. 写产品规格（/write-product-spec） 从用户行为出发，写用户故事和详细的不变量（invariants）——即「无论什么情况都必须成立」的规则。可附 Figma、截图等。这些不变量后续可被代码检查，甚至用计算机操作（computer use）验证。 2. 写技术规格（/write-tech-spec） 在同一目录生成 TECH.md，说明架构思路、改哪些文件、实现时要注意什么。这是给 Agent 的「施工图纸」。 3. 让 Agent 按规格实现 理论上任何 Agent、包括推理能力较弱的模型，只要有清晰规格，实现质量都会更稳定。 4. 规格一致性校验（/validate-changes-match-specs） 实现后不能默认「做完了就对」。用 Skill 让 Agent 对照 PRODUCT.md 和 TECH.md 自查，列出与规格不一致之处，再由人决定如何处理。这是规格驱动开发里容易被忽略、但很关键的一步。 5. 用计算机操作做端到端验证 Warp 内部用 Oz 做 UX 验证：在云端沙箱里给 Agent 鼠标键盘权限，模拟真实用户操作。对他们这种 Rust 原生桌面应用尤其必要——单元测试覆盖不了完整交互链路。 # 为什么用这三个 Skills 编码流程 Skills 把「怎么写产品规格」「怎么写技术规格」「怎么校验」固化成可复用指令，不绑定 Warp，流程可移植。 @warpdotdev 开源仓库：warpdotdev/common-skills 安装：npx skills add warpdotdev/common-skills 本质是把人的工程习惯（先 PRD、再设计、再实现、再验收）变成 Agent 可执行的流水线。

译邵猛分享 Spec 驱动开发（SDD）方法，用三个 Skills（/write-product-spec、/write-tech-spec、/validate-changes-match-specs）覆盖 Spec→Implement→Verify 闭环。规格分两层：PRODUCT.md（用户故事、不变量）和 TECH.md（架构、实现策略），均放在 specs/<issue>/ 目录，随 PR 提交。五步流程：写产品规格、写技术规格、Agent 按规格实现、一致性校验、计算机操作端到端验证。Skills 可移植，不绑定 Warp。开源仓库 warpdotdev/common-skills，安装：npx skills add warpdotdev/common-skills。

Replit ⠕@Replit · 6月12日72

How to prompt like a pro with Replit 🤖 Vague prompts just mean more rewrites. Here's how to get Agent to build the right thing the first time. 🧵 Open thread ↓

译如何像专家一样使用 Replit 进行提示 🤖 模糊的提示词只会导致更多重写。以下是如何让 Agent 第一次就构建出正确的东西。 🧵 展开线程 ↓

宝玉@dotey · 6月12日73

我用 /goal，长任务很稳定，就不用继续了

译宝玉表示使用 /goal 指令后，长任务运行稳定，不再需要像许多用户那样在AI意外停止时输入“继续”。引用推文指出，不少AI新手不知道AI意外停止时只要发一句“继续”即可恢复任务。宝玉的实践表明，/goal 指令能有效减少此类中断需求。

MiniMax (official)@MiniMax_AI · 6月12日61

Excited to cohost this one with @cysic_xyz With $5,000 dollars in prizes and 80% off M3, there is about to be some incredible projects built. Now is your chance, what are you waiting for. Get building with M3 and CyOps today 🚀

译MiniMax 联合 Cysic 推出 CyOps Arena 开发者挑战赛，提供 $5,000 美元奖金池，并给予 MiniMax M3 模型 token 价格 80% 折扣。活动鼓励开发者利用 M3 和 CyOps 平台构建项目，快速上手。

向阳乔木@vista8 · 6月12日70

想到一个特别有雄心的Claude Fable 5 任务! 做一个在线版Photoshop。 需求文档 AI 写好了，感兴趣的可以发过去试试。 PRD见评论

Replit ⠕@Replit · 6月12日45

Build Your Business Live: Episode 2 https://x.com/i/broadcasts/1dJrPPYbDvQKX

译Build Your Business Live: 第二期 https://x.com/i/broadcasts/1dJrPPYbDvQKX

Berryxia.AI@berryxia · 6月12日19

我做过网页的风格100+ ，之前没有skills。 按照古一的思路，我觉得可以拓展起来。 我改天看看整个skills来玩玩。

译Berry Xia发推文表示自己曾做过100多种网页风格，之前未使用过skills（技能）。他提到将参考“古一”的思路进行拓展，并计划日后研究如何利用skills来玩一玩。

AYi@AYi_AInotes · 6月11日71

Fable 5是真的厉害真的好用， 但也真的贵啊， 今天直接干掉$1000+😭

译用户分享 Claude Fable 5 体验：仅靠一句指令“给你自己做个落地页，自由发挥，要2026最新设计趋势，要彩蛋”，Fable 5 在几分钟内自动生成完整单文件 HTML，无需任何修改。它主动搜索 2026 设计趋势、调整配色和动效，并偷偷藏了 3 个彩蛋。用户惊叹其代码质量和文笔，但当天因使用 Fable 5 耗费超过 $1000，称“真的贵”。