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
一个冷知识，Siri 是在 Cook 上任苹果 CEO 第一年 2011 年发布的
直到 Cook 在 2026年下台，Siri 都一直保持着一个弱智的状态
先做个垃圾出来，15年后，仍然是个垃圾
这还是世界上最有钱最有品味的公司之一
@aigc1024
直到 Cook 在 2026年下台，Siri 都一直保持着一个弱智的状态
先做个垃圾出来，15年后，仍然是个垃圾
这还是世界上最有钱最有品味的公司之一
@aigc1024
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
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
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
AI 正在出现非常典型的 commoditization（商品化）特征。
很多人没有意识到，AI 可以成为人类历史上最伟大的生产率革命之一，同时模型本身却成为利润率越来越薄的商品。两者不矛盾。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
很多人没有意识到，AI 可以成为人类历史上最伟大的生产率革命之一，同时模型本身却成为利润率越来越薄的商品。两者不矛盾。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
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
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
https://github.com/Kuhakucai/douyin-mcp
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
挖到找到一个可爱有趣的Codex Skill：Ian Xiaohei Illustrations
可以把文章里的判断、流程、状态和隐喻，变成一张张白底、手绘、怪诞但清爽的正文配图，很适合为你的文章、帖子、博客、Notion 文档内容生成正文配图，试了下效果很稳定很nice☺️，还是这种简简单单不花哨的配图看起来舒服
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
可以把文章里的判断、流程、状态和隐喻，变成一张张白底、手绘、怪诞但清爽的正文配图，很适合为你的文章、帖子、博客、Notion 文档内容生成正文配图，试了下效果很稳定很nice☺️，还是这种简简单单不花哨的配图看起来舒服
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
我get到自己对于ai的抵触来源于哪儿了，scaling law会让我很沮丧，它是在说，这个世界上并不存在什么“本质上特别”的东西
我如果出生在古希腊，估计也会对原子论感觉到沮丧
我本质上也是反方法论的（这也是我的一个很大的提高空间）
如果最终我们发现，世界的层次多态，居然真的是“涌现”出来的，那一切就太无趣了
@aigc1024
我如果出生在古希腊，估计也会对原子论感觉到沮丧
我本质上也是反方法论的（这也是我的一个很大的提高空间）
如果最终我们发现，世界的层次多态，居然真的是“涌现”出来的，那一切就太无趣了
@aigc1024
