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
都在说 ai 焦虑我说点更离谱的，我前两年就有很严重的 ai 和机器人焦虑，感觉错过就没有机会了。更重要的是 ai 还好，只是让白领工作失业，但是机器人能取代体力劳动，还能当战争机器，假如到时候真不需要那么多人了，是发全民基本工资呢，还是干脆突突了呢？
它还从我的内容里总结出 6 个核心信条：
▸ 没亲手用过就没有发言权
▸ 松弛是生产力，不用数据审判自己
▸ AI 是赋能工具，不是替代品
▸ 开放生态大于平台封闭
▸ 只要敢花钱、敢放权，AI 就是许愿机
▸ 朋友关系高于流量关系
Rules 也是 Context，而且是密度最高的 Context。
一份 AGENTS.md 里装着你的人格、价值观、写作品味。它不是玄学记忆，而是你能打开、能改、能删的纯文本。
AI 的“记忆”不该是黑盒。
------
AI 同事不只是会聊天
AI 读懂 Context 只是第一步。
接下来它还得会动、会记、有明确的人格和边界。
Moxt 这里有几个能力挺关键。
第一是 Skill 组合。
比如我的公众号写作流水线以前是：
humanizer-zh 去 AI 味 → writing-rewriter 风格重写 → wechat-formatter 公众号排版。
以前要手动走三步，每一步复制粘贴。
现在丢一份初稿进去，十几分钟就能拿到可以直接贴公众号的终稿，中间版本也都留在 Workspace 里。
第二是定时任务。
我建了一个“热点监控员”，每天早上跑 Cron，扫过去 24 小时的 Twitter、Newsletter、Hacker News，按主题聚类，输出科技热点日报。
我不建议大家只看 AI 总结。
但 AI 很适合帮你不漏掉重要信息。
第三是 Webhook。
我的 CodePilot 项目一旦有新 GitHub Issue，Webhook 会推给 AI 同事。
它先判断这是 bug、功能建议，还是用户不会用。
bug 进待修复，功能建议进路线图候选，使用问题生成 FAQ 草稿。
做完再决定要不要叫我。
一个人没法 7×24 在线，AI 同事可以。
------
因为 Moxt 面向组织，所以安全性很重要。
不同文件夹有不同权限，不同任务也应该有不同放手程度。
内部信息整理，可以放手。
对外发邮件，发送前必须确认。
数据分析，结论标“待人类确认”。
删除和归档，最好卡审批。
组织用 Agent 的核心不是让 AI 什么都自动做，而是清楚定义：哪些事可以自动，哪些事必须过人。
------
MCP 让系统接起来
Moxt 除了 Slack、GitHub 原生集成，也支持 MCP。
比如：
▸ Sentry MCP：直接问最近线上有什么报错
▸ Figma MCP：问设计稿里某个按钮是什么颜色
▸ Linear MCP：创建一个 high priority 的 bug ticket
个人用 MCP，很多时候只是方便。
组织用 MCP，就变成了信息流转能力。
因为组织里的真实信息，本来就散在 Notion、Slack、GitHub、Linear、Figma、Sentry 这些地方。
Agent 如果不能连这些系统，就只能停留在“会写字”。
------
Moxt 另一个让我惊喜的点，是它把 AI 输出从文字拓展到了完整视觉形态。
同样一份数据，momo 可以输出可交互数据看板、结构完整的 PPT，甚至产品 demo。
看板基于 ECharts，能筛选、能悬浮提示、多图联动，最后是一个独立 html。
PPT 有封面、目录、内容页、图表、结尾，键盘能翻页。
产品 demo 可以生成表单、列表、后台 dashboard 这些常见页面结构，Tailwind CSS 单文件就能演示。
这对组织特别重要。
很多时候，纯文字不是最好的交付物。
能看、能点、能演示的东西，才更容易被理解和推进。
------
我理解的 Agent 公式
我以前提过一个公式：
Agent 能力 = 工具 × 上下文 ×（人格 + Memory + Skill）
工具决定它能做什么。
上下文决定它知道什么。
人格、Memory、Skill 决定它像不像你。
这是个乘法。
任何一个因子为 0，输出都很难好。
模型再强，也救不了一个没有工具、没有上下文、没有规则的 Agent。
Moxt 做得比较好的地方，是把这几个要素放进了一个组织能理解、能管理、能修改的 Workspace 里。
------
最后
Moxt 在 AI 藏师傅的身份书里总结过一句话：AI 是赋能工具，不是替代品。
我觉得这也是 Moxt 的底层逻辑。
它想做的不是替你决策，而是放大你的能力。
“一人公司”里的“一人”，重点不是一个人硬扛，而是决策和品味不被稀释。
真正稀缺的是判断、审美、执念。
这些 AI 学不来，也不该交给 AI。
AI 应该做的是把你从搬运 Context、切换任务、重复看一眼这些琐碎里解放出来，让那份稀缺的判断被放大。
一个人的品味 × AI 同事的执行带宽，才是 OPC 真正的意思。
如果你或者你的组织也在每天切任务、搬 Context、沉淀方法论，可以试试 Moxt。
▸ 没亲手用过就没有发言权
▸ 松弛是生产力，不用数据审判自己
▸ AI 是赋能工具，不是替代品
▸ 开放生态大于平台封闭
▸ 只要敢花钱、敢放权，AI 就是许愿机
▸ 朋友关系高于流量关系
Rules 也是 Context，而且是密度最高的 Context。
一份 AGENTS.md 里装着你的人格、价值观、写作品味。它不是玄学记忆，而是你能打开、能改、能删的纯文本。
AI 的“记忆”不该是黑盒。
------
AI 同事不只是会聊天
AI 读懂 Context 只是第一步。
接下来它还得会动、会记、有明确的人格和边界。
Moxt 这里有几个能力挺关键。
第一是 Skill 组合。
比如我的公众号写作流水线以前是：
humanizer-zh 去 AI 味 → writing-rewriter 风格重写 → wechat-formatter 公众号排版。
以前要手动走三步，每一步复制粘贴。
现在丢一份初稿进去，十几分钟就能拿到可以直接贴公众号的终稿，中间版本也都留在 Workspace 里。
第二是定时任务。
我建了一个“热点监控员”，每天早上跑 Cron，扫过去 24 小时的 Twitter、Newsletter、Hacker News，按主题聚类，输出科技热点日报。
我不建议大家只看 AI 总结。
但 AI 很适合帮你不漏掉重要信息。
第三是 Webhook。
我的 CodePilot 项目一旦有新 GitHub Issue，Webhook 会推给 AI 同事。
它先判断这是 bug、功能建议，还是用户不会用。
bug 进待修复，功能建议进路线图候选，使用问题生成 FAQ 草稿。
做完再决定要不要叫我。
一个人没法 7×24 在线，AI 同事可以。
------
因为 Moxt 面向组织，所以安全性很重要。
不同文件夹有不同权限，不同任务也应该有不同放手程度。
内部信息整理，可以放手。
对外发邮件，发送前必须确认。
数据分析，结论标“待人类确认”。
删除和归档，最好卡审批。
组织用 Agent 的核心不是让 AI 什么都自动做，而是清楚定义：哪些事可以自动，哪些事必须过人。
------
MCP 让系统接起来
Moxt 除了 Slack、GitHub 原生集成，也支持 MCP。
比如：
▸ Sentry MCP：直接问最近线上有什么报错
▸ Figma MCP：问设计稿里某个按钮是什么颜色
▸ Linear MCP：创建一个 high priority 的 bug ticket
个人用 MCP，很多时候只是方便。
组织用 MCP，就变成了信息流转能力。
因为组织里的真实信息，本来就散在 Notion、Slack、GitHub、Linear、Figma、Sentry 这些地方。
Agent 如果不能连这些系统，就只能停留在“会写字”。
------
Moxt 另一个让我惊喜的点，是它把 AI 输出从文字拓展到了完整视觉形态。
同样一份数据，momo 可以输出可交互数据看板、结构完整的 PPT，甚至产品 demo。
看板基于 ECharts，能筛选、能悬浮提示、多图联动，最后是一个独立 html。
PPT 有封面、目录、内容页、图表、结尾，键盘能翻页。
产品 demo 可以生成表单、列表、后台 dashboard 这些常见页面结构，Tailwind CSS 单文件就能演示。
这对组织特别重要。
很多时候，纯文字不是最好的交付物。
能看、能点、能演示的东西，才更容易被理解和推进。
------
我理解的 Agent 公式
我以前提过一个公式：
Agent 能力 = 工具 × 上下文 ×（人格 + Memory + Skill）
工具决定它能做什么。
上下文决定它知道什么。
人格、Memory、Skill 决定它像不像你。
这是个乘法。
任何一个因子为 0，输出都很难好。
模型再强，也救不了一个没有工具、没有上下文、没有规则的 Agent。
Moxt 做得比较好的地方，是把这几个要素放进了一个组织能理解、能管理、能修改的 Workspace 里。
------
最后
Moxt 在 AI 藏师傅的身份书里总结过一句话：AI 是赋能工具，不是替代品。
我觉得这也是 Moxt 的底层逻辑。
它想做的不是替你决策，而是放大你的能力。
“一人公司”里的“一人”，重点不是一个人硬扛，而是决策和品味不被稀释。
真正稀缺的是判断、审美、执念。
这些 AI 学不来，也不该交给 AI。
AI 应该做的是把你从搬运 Context、切换任务、重复看一眼这些琐碎里解放出来，让那份稀缺的判断被放大。
一个人的品味 × AI 同事的执行带宽，才是 OPC 真正的意思。
如果你或者你的组织也在每天切任务、搬 Context、沉淀方法论，可以试试 Moxt。
结构是命运的河床，改变命运就要先改变结构
水沿河床流动，永远走阻力最小的方向。河床的形状决定了水往哪流。水没有选择。是河床替它决定的。
人也一样。
你上什么大学、做什么工作、跟谁在一起。回头看看，有多少是你真正主动选择的？家庭期待、同辈压力、社会时钟叠在一起，就是你脚下那条看不见的河床。你沿着它流到了现在，觉得"这就是我的人生"。
作者 Fritz 管这叫"最小阻力之路"。海德格尔管这叫"沉沦"。说的是同一件事。
更可怕的是，大多数人遇到困境时的反应是"解决问题"。但越盯着问题看，问题就越真实。你成了问题的囚徒。Fritz 把这叫结构性冲突——短期挣扎一定遭遇长期反弹。
那出路是什么？
不盯着问题。看向你想创造的东西。
Fritz 说，同时看清两个点：一个是你清晰的愿景，一个是你毫无粉饰的现状。两个点同时存在，张力自然产生，能量就会从现状流向愿景。不需要意志力。张力本身就是动力。
改变命运 = 改变结构 = 做出真正的选择。
这个选择 Fritz 叫"基本选择"——不是在 A 和 B 里挑一个，是你决定以什么姿态存在于这个世界。海德格尔叫它"决断"。说之前没有路，说之后路才出现。
最触动我的是 Fritz 说的创造的驱动力：
爱。
你之所以愿意把一个东西从无到有做出来，是因为你爱它，乐见它存在。
改变命运的力量，不是恨，是爱。
https://mp.weixin.qq.com/s/WGiEboEksPn-C4elqBVu7A
水沿河床流动，永远走阻力最小的方向。河床的形状决定了水往哪流。水没有选择。是河床替它决定的。
人也一样。
你上什么大学、做什么工作、跟谁在一起。回头看看，有多少是你真正主动选择的？家庭期待、同辈压力、社会时钟叠在一起，就是你脚下那条看不见的河床。你沿着它流到了现在，觉得"这就是我的人生"。
作者 Fritz 管这叫"最小阻力之路"。海德格尔管这叫"沉沦"。说的是同一件事。
更可怕的是，大多数人遇到困境时的反应是"解决问题"。但越盯着问题看，问题就越真实。你成了问题的囚徒。Fritz 把这叫结构性冲突——短期挣扎一定遭遇长期反弹。
那出路是什么？
不盯着问题。看向你想创造的东西。
Fritz 说，同时看清两个点：一个是你清晰的愿景，一个是你毫无粉饰的现状。两个点同时存在，张力自然产生，能量就会从现状流向愿景。不需要意志力。张力本身就是动力。
改变命运 = 改变结构 = 做出真正的选择。
这个选择 Fritz 叫"基本选择"——不是在 A 和 B 里挑一个，是你决定以什么姿态存在于这个世界。海德格尔叫它"决断"。说之前没有路，说之后路才出现。
最触动我的是 Fritz 说的创造的驱动力：
爱。
你之所以愿意把一个东西从无到有做出来，是因为你爱它，乐见它存在。
改变命运的力量，不是恨，是爱。
https://mp.weixin.qq.com/s/WGiEboEksPn-C4elqBVu7A
👺终于做完了一个二十年前的梦！
这两天手搓出的一套APP系统，帮我把心里的画面呈现出来，虽然SD2确实强大，但也确实拉胯。设计半小时，制作半小时，等待10小时。
🚀但今天这个作品，除了因为它是长视频测试过关的作品，也是对我来说，曾经有十年，我打卡了每一场五月天的演唱会，只是为了现场听到这首歌。
每个人心里都会有一个画面，很庆幸它可以用这样的方式呈现在我面前。AI让我们每个人都有了做梦的权力和实现梦想的方法。
AI探索指南 | Hermes爱马仕 & OpenClaw小龙虾🦞
这两天手搓出的一套APP系统，帮我把心里的画面呈现出来，虽然SD2确实强大，但也确实拉胯。设计半小时，制作半小时，等待10小时。
🚀但今天这个作品，除了因为它是长视频测试过关的作品，也是对我来说，曾经有十年，我打卡了每一场五月天的演唱会，只是为了现场听到这首歌。
每个人心里都会有一个画面，很庆幸它可以用这样的方式呈现在我面前。AI让我们每个人都有了做梦的权力和实现梦想的方法。
AI探索指南 | Hermes爱马仕 & OpenClaw小龙虾🦞
具体能干啥？
① 幻灯片、落地页、UI线框图、动效演示，全都能整
② 自动识别你项目里已有的设计系统、颜色token、组件库，不会无中生有瞎设计
③ 一次给你生成3个以上不同方向的设计稿，布局、交互、视觉风格各不相同
④ 用Playwright直接预览验证，不是生成了就完事，能跑能看才算数
最关键的设计理念我觉得很聪明：它不让AI从零开始瞎发挥，而是先扫描你现有的品牌资产和组件，在这个基础上延伸创作。这才是真正能落地的工作流，不是那种演示好看、实际没法用的玩具。
说白了，以前你要做个产品原型，得自己上Figma折腾半天，现在直接跟Claude说需求，它给你出货，而且出的是真实可跑的HTML，不是截图。
48个star，才刚起步，但这个方向很对。设计师要开始慌了吗？我觉得先看看能不能把自己的工作流接进去比较实际。
🔗 http://github.com/ZeroZ-lab/cc-design
AI探索指南 | Hermes爱马仕 & OpenClaw小龙虾🦞
