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
AIGC 领域的最新工具、开源项目以及行业大事件
按照这个AI发展的速度，唯一能保住工作的人就是妓女了。
她们熬过了罗马帝国、中世纪、工业革命、两次世界大战、互联网，现在也会熬过ChatGPT。
因为他们能自动化一切，但没法自动化一场美妙的xing爱。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
她们熬过了罗马帝国、中世纪、工业革命、两次世界大战、互联网，现在也会熬过ChatGPT。
因为他们能自动化一切，但没法自动化一场美妙的xing爱。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
大部分人看个人Agent，都看错了地方
Meta的Muse火了之后，我看到最多的一个评价是这不就是大众版的龙虾吗？Muse能干的OpenClaw也能干，无非是把门槛降低到了普通人也能用上。
这个判断错得离谱，它错在把个人Agent当成一个工具来看。
你拿它跟OpenClaw比，实际上比的是功能列表，比的是它能打开多少个应用，能完成多少个任务。这就像是拿微信跟短信比，然后说不就是能免费发消息吗？无非是字数多一点，能发些表情。
功能层面看确实如此，但微信的价值从来不在“发消息”这件事上，你所有的社会关系都沉淀在里面，你的数字身份和它深度绑定，你很难换掉它。而现在除了用来接收验证码和快递信息，谁还会主动打开短信呢？
个人Agent也一样，它真正的价值不在于能替你做什么，而在替你做的过程中积累了什么。
诚然，OpenClaw也有记忆，它写在你本地的Markdown文件里，可以用任何文本编辑器打开、阅读、修改和删除。但它记住你是为了更好地执行你交给它的下一个任务，这种记忆天然是工具性的。
个人Agent记住你是为了理解你这个人，你每一次在它面前暴露的偏好、犹豫、决策路径都在帮它构建一个比你自己更了解你的模型，而这个模型的价值远不止于帮你干活。
你想想推荐引擎是怎么工作的？刚用的抖音时可能推给你的内容还十分普通，刷了一周之后你会觉得它开始渐渐懂你了。高频使用一个月后，它也许比你更清楚你会在什么时间、什么情绪、什么场景下对什么样的内容感兴趣，这个理解是从你每一次滑动、停留和划走中积累起来的。
个人Agent正在做同样的事，你今天让它帮你订酒店，它就能知道你对位置的偏好。你明天让它帮你比价，它就了解了你对价格的敏感度。你后天让它帮你退一个东西，它就会知道你讨厌什么。这些信息日积月累，最终会构成一个比你自己更了解你的模型。
过去的推荐引擎各自为政，可能在淘宝眼里你是一个爱比价的人，在抖音眼里你是一个爱看搞笑视频的人，在微信眼里你是一个喜欢八卦的人。但这些不同场景下的“你”只是你的碎片，平台只能“看到”你的行为，但猜不准背后的意图，这就是为什么你总会觉得一些推荐突兀且打扰。
个人Agent要做的，就是把这些碎片拼起来。它接入你的邮箱、日历、社交账号、支付账户，根本上是想从你的全部数字生活中构建出你的完整画像。这个画像的精度，远超任何单一平台的推荐引擎。
当这个画像足够精确的时候，它就不需要猜你想要什么了。当你还在犹豫要不要买那件外套时，它已经帮你找到了三个更便宜的同款。当你还在想周末去哪，它已经帮你选好了你大概率会喜欢的餐厅。当你还在考虑要不要换工作时，它已经帮你整理好了几个匹配的岗位信息。
相比一个替你操作电脑和手机的工具，它更像一个持续学习和理解你的模型，你的每一次使用和交互都在帮它离你更近一步。就像每个人的首页推荐都大相径庭，每个人对个人Agent的用法和理解也是千人千面的。
你在媒体上看到的帮你省钱、替你打杂、代你记事的案例通常只是为了方便传播的叙事，一个让你愿意把账户权限交出去的理由，然而我更在意的是它是否能够拓展我个人能力的边界、发掘我不曾在意的天赋、找到我思维的盲点、发现我潜在的需求，因为比亮眼结果更重要的是习惯。
比如当你做完一个烘焙项目后，它会问你要不要试试别的食谱。你让它帮忙安排一次家庭旅行，它会问你要不要顺便把沿途的餐厅也订了。你让它总结一篇论文，它还问你要不要继续扩写成一份报告。当你成功跑完了半马，它接着问你要不要挑战一下全马。
这些提议看起来是在帮你发现更多用途，同时也在悄悄定义你的需求、塑造你的习惯。
这才是Meta真正在赌的东西，也是它为什么敢免费给你用、给每个用户配备一台固定云主机的原因。除了安全和隐私的顾虑，它更在意的是你在使用过程中所沉淀下来的那些习惯、信任和偏好。
因为一旦你习惯了它比你还更懂自己，你就再也离不开了。
@aigc1024
Meta的Muse火了之后，我看到最多的一个评价是这不就是大众版的龙虾吗？Muse能干的OpenClaw也能干，无非是把门槛降低到了普通人也能用上。
这个判断错得离谱，它错在把个人Agent当成一个工具来看。
你拿它跟OpenClaw比，实际上比的是功能列表，比的是它能打开多少个应用，能完成多少个任务。这就像是拿微信跟短信比，然后说不就是能免费发消息吗？无非是字数多一点，能发些表情。
功能层面看确实如此，但微信的价值从来不在“发消息”这件事上，你所有的社会关系都沉淀在里面，你的数字身份和它深度绑定，你很难换掉它。而现在除了用来接收验证码和快递信息，谁还会主动打开短信呢？
个人Agent也一样，它真正的价值不在于能替你做什么，而在替你做的过程中积累了什么。
诚然，OpenClaw也有记忆，它写在你本地的Markdown文件里，可以用任何文本编辑器打开、阅读、修改和删除。但它记住你是为了更好地执行你交给它的下一个任务，这种记忆天然是工具性的。
个人Agent记住你是为了理解你这个人，你每一次在它面前暴露的偏好、犹豫、决策路径都在帮它构建一个比你自己更了解你的模型，而这个模型的价值远不止于帮你干活。
你想想推荐引擎是怎么工作的？刚用的抖音时可能推给你的内容还十分普通，刷了一周之后你会觉得它开始渐渐懂你了。高频使用一个月后，它也许比你更清楚你会在什么时间、什么情绪、什么场景下对什么样的内容感兴趣，这个理解是从你每一次滑动、停留和划走中积累起来的。
个人Agent正在做同样的事，你今天让它帮你订酒店，它就能知道你对位置的偏好。你明天让它帮你比价，它就了解了你对价格的敏感度。你后天让它帮你退一个东西，它就会知道你讨厌什么。这些信息日积月累，最终会构成一个比你自己更了解你的模型。
过去的推荐引擎各自为政，可能在淘宝眼里你是一个爱比价的人，在抖音眼里你是一个爱看搞笑视频的人，在微信眼里你是一个喜欢八卦的人。但这些不同场景下的“你”只是你的碎片，平台只能“看到”你的行为，但猜不准背后的意图，这就是为什么你总会觉得一些推荐突兀且打扰。
个人Agent要做的，就是把这些碎片拼起来。它接入你的邮箱、日历、社交账号、支付账户，根本上是想从你的全部数字生活中构建出你的完整画像。这个画像的精度，远超任何单一平台的推荐引擎。
当这个画像足够精确的时候，它就不需要猜你想要什么了。当你还在犹豫要不要买那件外套时，它已经帮你找到了三个更便宜的同款。当你还在想周末去哪，它已经帮你选好了你大概率会喜欢的餐厅。当你还在考虑要不要换工作时，它已经帮你整理好了几个匹配的岗位信息。
相比一个替你操作电脑和手机的工具，它更像一个持续学习和理解你的模型，你的每一次使用和交互都在帮它离你更近一步。就像每个人的首页推荐都大相径庭，每个人对个人Agent的用法和理解也是千人千面的。
你在媒体上看到的帮你省钱、替你打杂、代你记事的案例通常只是为了方便传播的叙事，一个让你愿意把账户权限交出去的理由，然而我更在意的是它是否能够拓展我个人能力的边界、发掘我不曾在意的天赋、找到我思维的盲点、发现我潜在的需求，因为比亮眼结果更重要的是习惯。
比如当你做完一个烘焙项目后，它会问你要不要试试别的食谱。你让它帮忙安排一次家庭旅行，它会问你要不要顺便把沿途的餐厅也订了。你让它总结一篇论文，它还问你要不要继续扩写成一份报告。当你成功跑完了半马，它接着问你要不要挑战一下全马。
这些提议看起来是在帮你发现更多用途，同时也在悄悄定义你的需求、塑造你的习惯。
这才是Meta真正在赌的东西，也是它为什么敢免费给你用、给每个用户配备一台固定云主机的原因。除了安全和隐私的顾虑，它更在意的是你在使用过程中所沉淀下来的那些习惯、信任和偏好。
因为一旦你习惯了它比你还更懂自己，你就再也离不开了。
@aigc1024
今天读到一篇有趣的文章《算法时代如何培养审美》
“我们应该更多地谈论自己喜欢的东西，一起体验它们，认真整理出各自喜欢和不喜欢的东西。不是为了微调算法，而是为了让彼此都获得满足。
有意识地积累一份收藏，并仔细想想自己最欣赏某位创作者或某种文化的哪些地方，这意味着成为一位鉴赏者。
「鉴赏家」听起来有些矫饰，但任何东西都可以成为我们的鉴赏对象：真人秀节目、噪音音乐、苹果派食谱。
算法信息流让我们随时都能浏览大量内容，获得了便利；代价则是失去了鉴赏力，而鉴赏需要深度和主动投入。归根结底，鉴赏是一种深切的欣赏，既欣赏艺术家完成的作品，也欣赏自己品味所能抵达的地方。
推荐系统把这种交流抽象化了。算法汇总我们的整体行为，再把数据处理、平均，最后吐出一套套消费模板，强加给其他人。它打着加快速度的旗号，实际却阻碍了文化自然生长的过程，转而优先推崇扁平与雷同，也就是最容易在数字平台网络中传播的审美。
我们应该更多地谈论自己喜欢的东西，一起体验它们，认真整理出各自喜欢和不喜欢的东西。不是为了微调算法，而是为了让彼此都获得满足。互联网总把「策选」这个词挂在嘴边，但我们真正需要的是更多策选，也就是培养并运用个人品味。”
@aigc1024
“我们应该更多地谈论自己喜欢的东西，一起体验它们，认真整理出各自喜欢和不喜欢的东西。不是为了微调算法，而是为了让彼此都获得满足。
有意识地积累一份收藏，并仔细想想自己最欣赏某位创作者或某种文化的哪些地方，这意味着成为一位鉴赏者。
「鉴赏家」听起来有些矫饰，但任何东西都可以成为我们的鉴赏对象：真人秀节目、噪音音乐、苹果派食谱。
算法信息流让我们随时都能浏览大量内容，获得了便利；代价则是失去了鉴赏力，而鉴赏需要深度和主动投入。归根结底，鉴赏是一种深切的欣赏，既欣赏艺术家完成的作品，也欣赏自己品味所能抵达的地方。
推荐系统把这种交流抽象化了。算法汇总我们的整体行为，再把数据处理、平均，最后吐出一套套消费模板，强加给其他人。它打着加快速度的旗号，实际却阻碍了文化自然生长的过程，转而优先推崇扁平与雷同，也就是最容易在数字平台网络中传播的审美。
我们应该更多地谈论自己喜欢的东西，一起体验它们，认真整理出各自喜欢和不喜欢的东西。不是为了微调算法，而是为了让彼此都获得满足。互联网总把「策选」这个词挂在嘴边，但我们真正需要的是更多策选，也就是培养并运用个人品味。”
@aigc1024
零动画基础，复刻大厂产品发布级别的动效视频！
Pexo这次的效果再次惊艳到我！！
这次挑战用 为我的概念产品“Yole Agent”做一个纯动效视频！
即便我对动画动效完全不懂，但Pexo的“Mark to Fix”，竟给我改出远超预期的效果！！
我给的初始指令很简单：
一段参考视频+产品概念介绍：参考这个视频风格，为Yole Agent做一个视频，它的介绍如下：xxxxx。
然后
Pexo自己规划视觉，自己调整节奏，拿不准的地方我来确定，最后给了我成片！
经过小轮的修改，几乎已经达到我预期的效果！
当然和专业设计师手搓的视频，还是有差距，少了点古法人工特有的精致，
但这个效果和质量，完全可以做信息流投放了！！
我最想分享的其实不是成片，而是下面那个对比！！
特别直观！特别惊艳！
一定要去试一下，会颠覆你用AI做视频的体验。
同一段动画，只提了一句修改意见，前后差距犹如云泥！！
第一轮出来的成片，结尾部分是几根细线扭动着变形，显得有点单薄。
这个时候，就需要用到 Mark to Fix 了！！
操作很直观：停在想改的画面，标出位置，写下怎么改，就像给文档批注一样简单。
我用 Mark to Fix 标出这一段，只提了一句修改要求：这个地方变形不美观，用线束归拢的形式变成logo形状，再平滑过渡。
我都不知道我描述的准不准确，就这么自以为是的一句。
Pexo就完全理解到我的意图，在正式修改前，还生成了视觉图，来确保它的理解和我的需求已经对齐！
改完之后，成束的彩色细线铺开、交错，再收拢成 Y 形 Logo。
整个过渡的层次、饱满度和视觉冲击力，一下就出来了！
最后强调一下，如果要想用AI快速的做出你想要的视频，一定要给视觉参考！
可以直接去试用Pexo：https://pexo.ai/
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
Pexo这次的效果再次惊艳到我！！
这次挑战用 为我的概念产品“Yole Agent”做一个纯动效视频！
即便我对动画动效完全不懂，但Pexo的“Mark to Fix”，竟给我改出远超预期的效果！！
我给的初始指令很简单：
一段参考视频+产品概念介绍：参考这个视频风格，为Yole Agent做一个视频，它的介绍如下：xxxxx。
然后
Pexo自己规划视觉，自己调整节奏，拿不准的地方我来确定，最后给了我成片！
经过小轮的修改，几乎已经达到我预期的效果！
当然和专业设计师手搓的视频，还是有差距，少了点古法人工特有的精致，
但这个效果和质量，完全可以做信息流投放了！！
我最想分享的其实不是成片，而是下面那个对比！！
特别直观！特别惊艳！
一定要去试一下，会颠覆你用AI做视频的体验。
同一段动画，只提了一句修改意见，前后差距犹如云泥！！
第一轮出来的成片，结尾部分是几根细线扭动着变形，显得有点单薄。
这个时候，就需要用到 Mark to Fix 了！！
操作很直观：停在想改的画面，标出位置，写下怎么改，就像给文档批注一样简单。
我用 Mark to Fix 标出这一段，只提了一句修改要求：这个地方变形不美观，用线束归拢的形式变成logo形状，再平滑过渡。
我都不知道我描述的准不准确，就这么自以为是的一句。
Pexo就完全理解到我的意图，在正式修改前，还生成了视觉图，来确保它的理解和我的需求已经对齐！
改完之后，成束的彩色细线铺开、交错，再收拢成 Y 形 Logo。
整个过渡的层次、饱满度和视觉冲击力，一下就出来了！
最后强调一下，如果要想用AI快速的做出你想要的视频，一定要给视觉参考！
可以直接去试用Pexo：https://pexo.ai/
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
我天，现在爆款 AI 视频的克隆技术已经如此完美
随便试了一下，比如最近这个 Jev 的宣发视频，3分钟的市场
oneshot 完全复刻...
还可以修改每个细节，改人物、改声音、改动作都可以直接搞定
做一个爆款视频很难，改一个要容易很多
（当然这个视频只是示例，不要这样只改人物就发 😂）
视频克隆 skill 地址：
https://colaskill.com/zh/listenhub-hypit/
@aigc1024
随便试了一下，比如最近这个 Jev 的宣发视频，3分钟的市场
oneshot 完全复刻...
还可以修改每个细节，改人物、改声音、改动作都可以直接搞定
做一个爆款视频很难，改一个要容易很多
（当然这个视频只是示例，不要这样只改人物就发 😂）
视频克隆 skill 地址：
https://colaskill.com/zh/listenhub-hypit/
@aigc1024
从视频丢进去开始，字幕生成、智能断句、字幕校正、翻译一条龙搞定，核心还接入了 LLM，可以自动修正识别错误和不自然的断句。
https://github.com/WEIFENG2333/VideoCaptioner
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
https://github.com/APUS-AI-Lab/fast-browser-use
APUS AI Lab 把 Qwen3.5-9B / 35B-A3B 的权重搬进本机，靠 MLX 或 PyTorch 驱动浏览器操作。
做法是先扫一遍页面，只收当前可见、可点的元素，凑成一份候选动作清单，模型在一个 token 的 logits 上挑定一个，不逐字解码，也就吐不出页面里压根不存在的 CSS 或 XPath 选择器。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
做短剧漫剧的，一套流程走完就行。
https://pan.quark.cn/s/00fce2c4284c
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
第一次见这么多“上岗”机器人，狠狠秀肌肉了🐶
各种整活，只能说辛苦随行工作人员了，很难想象之后智元的人撤回去后，要配多少人力在这里…
（两个搞笑误解：以为是机器人给我拍照，其实是工作人员帮我们拍…
以及，“听歌识曲”以为是我唱TA猜，其实是机器人放歌人类猜…到底是在训练谁的智能水平🥲
@aigc1024
各种整活，只能说辛苦随行工作人员了，很难想象之后智元的人撤回去后，要配多少人力在这里…
（两个搞笑误解：以为是机器人给我拍照，其实是工作人员帮我们拍…
以及，“听歌识曲”以为是我唱TA猜，其实是机器人放歌人类猜…到底是在训练谁的智能水平🥲
@aigc1024
