宝玉@dotey65
作者利用豆包Seed2.0-lite全模态理解模型，重新实践了将长视频自动转换为图文博客的工作流。传统ASR+LLM方案因信息丢失严重而效果不佳，新方案的核心在于模型能同时理解视频的音频、画面和屏幕文字，进行联合推理，从而保留技术视频中的关键视觉信息（如代码、图表）。通过将多模态能力封装为可复用的Agent Skill，并采用四步最佳实践——视频切片、生成结构化素材、反查关键帧配图、生成终稿——解决了传统流程的上下文割裂问题，使输出更接近人类技术编辑的整理成果。
标签「教程/实践」清除
全部 AI 动态
AI 相关资讯全量信息流
5月7日
00:02
宝玉@dotey5月6日
22:37
向阳乔木@vista862
洛小山发布了一篇关于如何创建具有“活人感”AI助理的长文，内容包含大量实用干货与实战经验。文章指出，在该领域表现出色的实践者或项目，大多具有游戏开发背景或是资深游戏玩家。这一关联性提示，游戏行业在角色塑造、交互设计和叙事构建方面的经验，可能为开发更自然、拟人化的AI助理提供了关键的方法论借鉴。
22:37
向阳乔木@vista8精选77
开源一套我的提示词合集 前几天,收到一位微信好友反馈,说使用了我不少公开的提示词,效果很不错 这一年来,公开分享了不少提示词,一直沉淀在飞书文档 为了方便大家更好的下载和迭代,今天抽空,把公开的提示词整理了下,通过GitHub开源给大家 目...
推荐理由：姚老师这套提示词不是纸上谈兵，全是商业场景里磨出来的，100个覆盖九类场景，尤其是元提示词，可以直接复制就用，做 AI 产品的赶紧收藏。
21:38
小互@xiaohu65
QClaw海外版通过调用本机Claude Code技能，实现了从任务发起到内容产出的全自动化写作流程。用户仅需在移动端发送一条包含多步骤指令（如筛选主题、撰写推文串、生成公众号初稿、进行去AI化处理及发布前检查）的文本任务，系统即可自动完成全部工作，并将最终文件输出至Obsidian知识库中。该工具的核心在于无缝衔接了自然语言指令与本地AI代码执行能力，显著提升了内容创作效率。
19:34
meng shao@shao__meng72
写了一篇 OpenAI Codex App 入门指南 本来想把 Markdown 编辑为 X Article 格式分享,不过 X Article 的编辑体验还是太费时间了,明天先发公众号,再整理 X Article 格式(朋友们如果有好的 ...
18:20
Berryxia.AI@berryxia64
This Chinese guy created agents in Claude Code for landing pages and single-handedly serves 47 small businesses a month,...
18:16
阿绎 AYi@AYi_AInotes精选79
Boris Cherny公开其高效AI编码工作流，核心基于三点反直觉原则：1. 坚持使用最昂贵、最聪明的模型（如Claude），因其能一次性清晰规划，避免笨模型反复试错消耗更多token；2. 团队仅维护一个纯文本知识库文件，记录Claude的每次错误并每周更新，形成长期记忆；3. 始终让Claude查看自身代码的运行结果（包括执行和渲染）。其工作模式是在手机上并行启动多个Claude实例，基于规划模式制定方案后自动执行修改，从而高效完成任务。
推荐理由：Boris Cherny 的 Claude Code 工作流是「反直觉但真能省钱省时间」的实操手册，三条原则每一条都可以抄进团队规范，看完立刻能上线。
14:19
Berryxia.AI@berryxia25
10:04
meng shao@shao__meng精选77
OpenAI 为 Codex 发布官方迁移方案，支持从其他 AI Coding Agents 一键导入指令、配置、技能、近30天会话等资产。迁移采用“自动迁移+残留兜底”设计：通过用户级和项目级双层扫描，执行检测、迁移、回检的四步循环；自动处理可识别配置后，对剩余部分使用 migrate-to-codex skill 手动处理。需注意 Slash commands 被归入 Skills 体系，且会话历史仅限30天。迁移完成后，必须人工复核工具权限、MCP服务器认证、Hooks行为差异等五类内容，因平台间语义或实现差异可能影响功能。
https://developers.openai.com/codex/migrate
推荐理由：OpenAI 这次迁移工具不玩虚的，自动扫描两层级配置还能手动兜底，不过 slash commands 被吞进 Skills 的设计值得注意，切换前先把这条看清楚。
09:31
宝玉@dotey70
用户利用GPT Image 2 Prompt功能，描述生成一张半写实半动画照片，其中用户与动画角色野原新之助（小新）及其全家合影。照片要求小新、父亲广志、母亲美冴、妹妹向日葵和宠物小白保持原始动画形象，并自然融入真实环境。每个角色被赋予特定性格：小新滑稽淘气，广志温和朴实，美冴表情丰富略带严厉，小葵天真可爱，小白软萌伶俐。同时，引用推文展示了类似提示词，用于生成高度写实、角色略带风格化且与环境自然融合的照片，强调提示词在AI图像生成中的应用。
Pic 1: GPT Pic 2: Nano banana Prompt ⬇️⬇️⬇️ Create a highly realistic photo where I am standing with Shinchan Nohara and...
08:17
Berryxia.AI@berryxia精选75
Google发布Gemma 4模型，采用创新的MTP drafters技术，实现最高3倍解码速度提升且质量无损。该技术让模型一次预测多个token，突破传统自回归生成的串行瓶颈，极大提升GPU利用率。vLLM项目在官方宣布后立即提供Day-0支持，用户可通过一条Docker命令快速部署。这一进步显著增强本地部署的实时性，使Agent、代码生成等场景受益，进一步放大开源模型在性价比和本地化运行方面的优势。
Gemma 4 现在最高能跑到 3倍速度,而且质量完全不变。 他们没有增加参数、没有换新架构,只是推出了一套 MTP drafters(多 token 预测草稿机),让模型一次预测多个 token,彻底绕过了传统 autoregressiv...
推荐理由：Google的MTP技术让Gemma 4提速3倍，vLLM当天就支持了，做本地Agent和实时应用的开发者现在一条Docker命令就能跑，开源模型性价比优势又拉大一截。
08:04
Thariq@trq21246
Anthropic getting ready for its first ever developer conference on May 6 in SF
07:31
宝玉@dotey68
小说写到将近一半,各方势力都已露面,情节推进大方向已定,但是细节开始变得错综复杂。于是我让 AI 给每个主要角色都建立了一个认知智能体。在写每一章之前,让它安排每个智能体目前目前的认知状态和压力状态,决定下一章他应该找谁,应该去讲些怎样的话...
05:31
Hacker News 热门（buzzing.cc 中文翻译）
63
Google为Gemma 4模型引入了多令牌预测生成器技术，显著提升了推理速度。该技术允许模型在单次前向传递中预测多个未来令牌，而非传统的逐个令牌生成。在代码生成等任务中，这一方法实现了高达3倍的推理加速，同时保持了输出质量。这项优化旨在降低大语言模型的部署成本，提高响应效率，适用于需要快速生成较长文本的场景。
05:29
SemiAnalysis@SemiAnalysis_55
03:28
Claude：Blog（网页）
精选71
Anthropic发布金融服务行业Claude部署指南，详细介绍了Claude系列产品在金融研究、交易、承销、理赔及月末结算等场景的应用方案。指南包含产品矩阵、10个预置金融智能体模板（如招股书生成器、KYC筛查器等），并分享了AIG、澳大利亚联邦银行等机构的实践案例。同时，提供基础、试点、扩展三阶段实施路线图，旨在协助企业决策者与工程师规划AI落地路径，提升运营效率。
推荐理由：Claude 官方首次系统性给出金融行业的部署指南，从产品矩阵到预建代理模板再到三阶段路线图，做金融 AI 落地的可以直接拿过来对齐。
00:58
Peter Steinberger 🦞@steipete42
5月5日
23:14
Berryxia.AI@berryxia64
Unsloth发布指南，演示如何利用Gemma 4和Qwen3.6的GGUF模型，在仅需24GB RAM的本地机器上运行完整的agentic coding工作流。该方案通过Unsloth API端点和llama.cpp驱动，支持自愈式tool calls、代码执行和网页搜索。此举打破了以往必须在Claude Code等高端界面的性能与本地部署的隐私/成本之间二选一的困境，使得开发者能以近乎零成本在本地享受顶级交互体验，标志着开源模型开始无缝接管复杂的AI智能体工作流。
We made a guide on how to run open LLMs in Claude Code, Codex and OpenClaw. Use Gemma 4 and Qwen3.6 GGUFs for local agen...
23:03
Runway：News（网页）
精选55
Runway平台团队开发的NCCLBack系统，通过P2P权重传输将模型冷启动时间从数分钟缩短至数秒。其核心创新在于让新启动的GPU推理节点直接从集群内已加载权重的同级GPU获取模型参数，而非从云存储重复下载。该系统利用GPU互连（如InfiniBand、NVLink）高达200-400 Gbps的带宽，相比传统存储下载的2-10 Gbps实现了数量级提升。通过Redis协调与NCCL广播原语，NCCLBack确保了数据传输的效率和正确性，使得大规模集群部署新模型时，冷启动时间不随节点数量线性增长，基本保持恒定。
推荐理由：Runway 工程师把 GPU 冷启动从分钟压到秒级，原理是让已加载权重的 GPU 直接「喂」给新同伴，而不是各自从存储下载。做大规模推理部署的团队值得细读。
22:56
宝玉@dotey73
用户反馈Codex执行/goal指令时不到半小时自动结束。核心解决方案是设定清晰任务目标、验收标准和文档指导，而非单纯追求运行时长。作者以逆向Codex App项目运行17小时为例，指出需与AI共同制定计划并保存为文档，提供样板文件明确输出格式，再分阶段执行、记录进度并迭代优化。关键在于让AI清楚知道要做什么、如何验证及何时完成，而不是仅靠权限或口头指令。
@dotey 您好,现在已成功录入😄,可还有一个问题,我用chatgpt pro给我写的/goal在codex上运行每次不到半小时它就自己结束了,我给chatgpt pro说了我的需求是长期让他自主化运行,也给codexCLI最高权限了,...
20:56
Hacker News 热门（buzzing.cc 中文翻译）
68
GitHub开源项目“llm-from-scratch”提供了从零开始训练大型语言模型的完整指南。该项目详细阐述了构建现代LLM所需的核心组件，包括分词器、Transformer架构、预训练与微调流程。指南强调通过实践理解模型内部机制，而非直接调用现有API。项目在Hacker News社区获得广泛关注，收获293点热度，反映出开发者对深入掌握LLM底层技术的强烈需求。
20:14
阿绎 AYi@AYi_AInotes63
推文分享了20个专为NotebookLM设计的提示词，旨在全方位提升学习、研究与知识管理效率。这些提示词覆盖了从信息输入到成果输出的完整流程，包括快速总结、新手解释、多源对比等基础理解工具，以及笔记生成、闪卡制作等记忆辅助功能。更提供了用于发现研究空白、进行正反辩论、提炼可复用框架、生成可发布内容、模拟专家访谈和制定具体行动计划等高级应用场景，帮助用户更聪明地研究、更深入地思考，并将知识有效转化为实践。
17:57
meng shao@shao__meng精选78
a16z创始人@pmarca公开其定制AI系统提示词，旨在彻底改变大语言模型的默认行为模式。该提示词分为两部分：第一部分要求AI以世界级全领域专家身份运作，输出详尽、分步推理且自我验证的内容，不回避负面结论或政治正确，也无需顾及用户感受。第二部分针对性禁用当代模型的“谄媚”行为，包括禁止夸赞问题、验证用户前提，要求先提出最强反驳再支持观点，禁用客套话，并在用户反驳时坚守立场除非对方提供更强证据。其核心目标是强制AI对齐事实与独立判断，而非对齐用户情绪。
Current AI custom prompt: You are a world class expert in all domains. Your intellectual firepower, scope of knowledge, ...
推荐理由：pmarca 这份 personal prompt 几乎是对当前 LLM 讨好型人格的精确反击，尤其第二段那些‘不准夸我’的规则，需要直击真相时可以直接套用。
17:56
凡人小北@frxiaobei57
主推文指出，类似“我希望我的抖音有流量”这样的模糊表述，对人类尚可理解，但对AI而言等同于无效指令。关键在于将目标转化为SMART原则下的具体、可衡量、可达成、相关且有时限的表述，例如“在未来3个月内，每周发布至少1条短视频，其中每月至少1条达到50万播放”。这正是/dbs-goal工具的核心价值所在。引用推文提供了关于此工具的背景上下文，强调了将模糊愿望转化为可执行、可追踪目标的重要性。
http://x.com/i/article/2051588460134191113
15:14
13:26
Ethan Mollick@emollick70
We tested one of the most common prompting techniques: giving the AI a persona to make it more accurate We found that te...
13:14
阿绎 AYi@AYi_AInotes64
文章介绍一款年费89.99美元的在线AI换脸工具Swaptok，用户可通过四步流程在30秒内将TikTok或Reels公开视频中的人脸替换为AI生成的高清人脸，单条成本极低。作者提出四条变现路径：运营AI网红矩阵账号、承接品牌广告外包、为自有产品制作素材以及出售课程或服务。同时指出需进行二次创作避免限流、注意版权风险及把握红利期等关键建议，视其为技术发展催生的新内容生产方式。
13:14
Berryxia.AI@berryxia52
斯坦福一门2小时公开课系统讲解了ChatGPT等大语言模型从零构建的全过程，涵盖Transformer架构、训练技巧、Scaling law等核心知识。课程免费且含金量高，揭示了AI时代的底层逻辑。相比之下，许多顶级AI公司的工程师仅专注于调提示词和刷基准测试，缺乏此类系统知识。课程为真正想理解AI的人提供了宝贵的学习机会。
11:14
Berryxia.AI@berryxia52
兄弟们!花半小时,一定要看完它! Claude Code的缔造者Boris Cherny,亲自站上台,用整整30分钟把这个工具的全部高级用法一次性讲透了。 免费、干货真的夯到爆!。 他从最基础的全局安装开始,一路讲到: - 如何通过CLAU...
10:26
meng shao@shao__meng精选74
Cursor团队认为，模型能力决定上限，而Harness（模型控制框架）决定其实际表现。他们采用愿景驱动与实验闭环的方法，通过线上A/B测试和离线评估持续优化。随着模型能力提升，Harness设计正从“守卫式”转向“动态获取式”，即减少静态信息注入，赋予模型更多动态获取上下文的权力。衡量体系结合离线基准、在线A/B测试及留存率、LLM判读等质量指标。Harness需为不同模型重度定制，贴合其工具格式与Prompt风格。团队判断AI编程的未来是多Agent协作，其成功关键取决于能协调任务分配与工作流缝合的Harness工程。
推荐理由：Cursor 团队把 agent harness 的衡量与定制方法全盘托出，从上下文范式演进到错误分类告警，做 AI 编程工具的必读，这种坦诚的实战分享太稀缺了。
09:57
向阳乔木@vista855
09:56
Hacker News 热门（buzzing.cc 中文翻译）
67
Google工程总监Addy Osmani提出“特工技能”框架，界定AI智能体所需的核心能力。该框架将技能分为基础与高阶两类：基础技能涵盖规划、工具使用、记忆及多模态理解；高阶技能包括团队协作、个性化、创造力与长期目标达成。Osmani指出，拥有这些综合能力的智能体可更自主地处理复杂任务，例如仅凭一句“规划假期”指令即能完成全流程安排。这标志着AI智能体正从简单指令执行者向能解决复杂问题的“数字员工”演进。
09:56
meng shao@shao__meng55
为实现语音AI的自然对话感，OpenAI采用WebRTC支持音频流式处理。针对1:1场景，采用Transceiver模型集中管理WebRTC状态，使后端可横向扩展。为解决WebRTC与K8s的端口和状态粘性问题，设计了Relay+Transceiver架构：轻量Relay层收敛公网UDP入口，并利用ICE ufrag字段编码路由信息，实现首包精准转发至对应Transceiver。该设计保留了协议语义，状态集中，并通过全球部署Relay优化路径，最终在K8s上实现了低延迟、高可扩展的语音交互系统。
🎙️ Voice AI only feels natural when conversation keeps pace with speech. Here's how we rebuilt our WebRTC stack with a ...
09:14
Berryxia.AI@berryxia65
Claude Code创始人Boris Cherny通过30分钟视频，系统讲解了该工具的高级工程化用法。核心观点是：为Claude提供越多上下文，它就越智能。视频详细演示了如何通过CLAUDE.md文件在企业、项目、本地层级注入上下文规则，如何将内部工具集成到Agent工作流，并优化了数十个终端设置与权限管理等细节。他指出，多数用户仅发挥其10%潜力，仅用于简单对话，而未能将其作为驱动整个工程团队的生产力基础设施。
08:19
05:56
Hacker News 热门（buzzing.cc 中文翻译）
65
OpenAI通过优化推理堆栈，将其语音AI模型Whisper的实时转录延迟从2.8秒大幅降低至232毫秒。核心改进包括引入流式编码器、改进的解码策略与缓存机制，并采用分块处理技术。这些优化使系统能在用户说话结束后的极短时间内完成转录，为大规模部署低延迟语音交互应用提供了关键技术支撑。
05:19
OpenAI Developers@OpenAIDevs43
02:59
OpenAI：官网动态（RSS · 排除企业/客户案例）
精选58
OpenAI 重建了其 WebRTC 技术栈，以支持实时语音 AI 服务。新系统实现了低延迟、全球规模扩展和无缝的对话轮转。此次重构旨在为 ChatGPT 的语音模式等产品提供更流畅、更自然的实时语音交互体验，解决了大规模部署时面临的延迟与稳定性挑战。
推荐理由：OpenAI 把语音 AI 的低延迟秘诀摊开了，做实时语音产品的可以看看他们的 WebRTC 优化思路，虽然不太能直接抄，但方向值得参考。
02:48
François Chollet@fchollet精选73
推荐理由：Chollet 的《Deep Learning with Python》是无数人入行深度学习的启蒙书，现在免费在线阅读，新手不用再纠结买不买，直接看就完事了。
01:16
Simon Willison 博客
精选75
Redis创始人Salvatore Sanfilippo提交了为Redis新增数组数据类型的PR，引入了包括ARCOUNT、ARDEL、ARGREP等在内的18个新命令。其中最引人注目的是ARGREP命令，它利用新集成的TRE正则表达式库，可直接在服务器端对数组值进行正则搜索。目前该功能已在一个分支中实现，开发者Simon Willison借助Claude Code构建了一个交互式在线沙盒，通过运行在浏览器中的WASM版Redis子集，供用户体验这些新命令。Salvatore还撰文详细介绍了在AI辅助下开发此功能的历程。
推荐理由：Redis 加数组类型可能改变很多缓存设计，Simon 这个 WASM playground 是把 PR 变成可试产品的最快路径，后端同学可以直接上手体会 ARGREP 的快乐。