铃阅
❌

普通视图

手把手教你用 Fable 5.2 做个精致的 HTML 的 3D 动作游戏

2026年11月12日 07:00

原创 歸藏的 AI 工具箱 2026-11-12 07:00 北京

Fable 5.2 做游戏的太牛逼了,4.5 亿 Token 整了这么离谱的东西出来。

Fable 5.2 发布后,大家都被它的能力震惊了,尤其是那个单网页的射击游戏。

我相信很多人看到那个网页不到 2MB、没用一张图片,模型、贴图、音效全是代码从零写出来的,却有那种效果的时候,都觉得很离谱。

我就想,能不能用它的思路,做一个更精细的 3D 国风动作游戏?

于是我用了一下午,大概 6 个小时,耗了 4.5 亿 Token(其中一部分是 Opus 5.5 跑的测试),它给了我这个结果。

真的,我傻了,你可以在这里试试:op7418.github.io/guizang-game-skill/

跑上山门,接一套连招

这些全都是它自己搞的,我没有给它任何创意上的想法,只说要做一个国风仙侠游戏。

这是一个仙侠题材的动作游戏:俯视角 3D 动作,有小怪、有 Boss、有剧情和配音,场景非常漂亮。

单个 HTML,手机和电脑都能适配,打开就能玩。

这真的是我又一个震惊瘫坐的时刻。

为什么说它厉害

为什么我觉得它做的这个游戏非常厉害?主要有四点。

1. 3D 效果非常精细

有大片随风起伏的草,分层的雾、雪和远山。

Boss 的场地是一层覆着水的石台,水面反光非常真实。

覆水石台和跪着的 Boss

而且它在 three.js 上自己搭了一整套渲染流程,调色、光照、雾、草地都是自己写的;

也没用 WebGPU,只用兼容性最好的 WebGL,所以手机、电脑,甚至小红书小工具这种受限的环境里都能跑。

2. 画面非常好看

游戏里有 5 个带 3D 模型的角色、2 把武器、11 个场景道具(比如香炉、石灯笼、石碑),还有 5 种掉落物。

它先让即梦出图,再用 Tripo 转成 3D 模型。

整个生成过程全自动,提示词也是它自己写的,我完全没有干涉,连标题的题字都是它自己接入工具搞定的。

主角近景

3. 动作能力非常强

这几乎是一个完整的 demo,离完整游戏只差怪物和场景的数量了。

主角和怪物都绑定了骨骼、做了动作。

主角有三段连招、闪避、格挡、弹反、处决,甚至还有弹反处决,老爽了,真的可以去试试。

另外还支持喝药、御剑和大招「万剑归宗」。

Boss 有二阶段,有起身的过场,也有台词。

弹反之后接处决

4. 极度夸张的单文件打包

只需要一个网页文件就能玩,只有 30MB 左右。

所有的音乐、音效、配音、模型、贴图,全都打包在这一个文件里。

原始素材接近 100MB,硬生生被它优化到了 30MB 左右,而且没有特别大的质量损失,非常恐怖。

单个 HTML,33MB

不是一句话做出来的

不过需要说明:那个射击游戏是一句话 one-shot 出来的,但它全靠代码;

像这种要接模型、贴图、配音的游戏,你不能指望一句话就做出来,现在肯定做不到。

我虽然只用了 6 个小时,但其实做了很多工作。

我总共试玩了 7 轮,每轮给它列 5 到 10 个我觉得有问题的地方。

我不太懂做游戏,很多问题只能说得很模糊,比如「感觉动作很僵硬」「打击感非常差」「特效太拉胯」。

我不知道具体该怎么改参数,它会自己把我的话翻译成专业术语,去查这个领域的最佳实践,写成文档再去改。

中间我做了几件关键的事:

•

给它参考视频。

•

明确要求「先调研再动手」,让它先去找行业大牛是怎么做这些效果的。

•

抑制它自己造轮子的倾向。
它有非常强烈的倾向想脱离工具、自己搞基建,一说完就要上手硬写,但效果其实没那么好。
后来我给它接入了即梦和 Tripo,效果一下子上了一个大档次。

大概是怎么做出来的

这个游戏的制作流程大概是这样的:

第一步:调研与规划

它先读了我这几天收藏的大量做游戏的案例,参考了大家的思路,还有开头提到的那个单网页射击游戏的源码。

然后我让它写了调研文档和分阶段计划。

调研文档

第二步:设定与资产生成

世界观和设定全是它自己写的,我没有干涉,比如剑宗封山、守山的将军、三百甲士和镇岳大阵。

一开始它直接用文字生成 3D 模型,质量很差。

后来我改成让它先用即梦画角色设定图,再用 Tripo 把图转成 3D 模型,质量明显好了很多。

左:即梦四视图设定图;右:游戏里的 3D 模型

第三步:动作计算

动作对动作游戏非常重要,大家老说的打击感就在这里。

Tripo 给的预设动作其实不多,它做了非常多改动,用程序算出每个动作里胳膊和脚应该怎么动。

第四步:调手感与特效

一开始手感巨差。

画面虽然漂亮,但一打起来就有点唐、有点抽象。

我就让它去查俯视角动作游戏是怎么做的,比如出招前的蓄力、打中怪物那一瞬间的顿帧、怪物轮流进攻而不是一拥而上、闪避能打断动作等等,让它把动作游戏的打击感到底从哪来查清楚。

弹反和处决(慢放)

第五步:声音与打包

配音用的是即梦的配音模型,是它自己在 CLI 里找到的,一共生成了 8 条台词。

我本来想用视频模型生成、只留下音频,但积分贵了 20 倍,它换了这个方案帮我搞定了。

Boss 起身

配乐用的是 Suno,提示词是它写的,我拿去 Suno 生成,其实接一个 Suno MCP 它也能自己完成。

最后它把所有素材压缩进了一个 30MB 左右的网页文件里。

我把这套流程做成了一个 Skill

很多朋友看完都说:「我操,这个怎么学?」做完之后我也觉得这个流程挺有用的,就让它整理成了一个 Skill,叫歸藏 Game Skill(guizang-game-skill),这个游戏就是它的演示。

这个 Skill 能帮你做这几件事:

1

先问清楚参考、视角、氛围,以及你手头有哪些工具,然后去调用这些工具。它不会闷头给你写一个特别垃圾的方块模型,上来就把你给的工具接上。

2

自己推进画面、自己截图核对,不用你反复调试。

3

动作游戏的战斗手法,以及打击感是从哪来的,都写进去了。

4

一份 AI 做游戏时最容易出问题的清单。

5

打包方式:怎么把很大的模型和素材优化到很小的体积,让大家都能玩。

guizang-game-skill 仓库

为什么需要这个 Skill?

你自己调也能调出来,但最重要的是它省 Token。

我很多 Token 都浪费在返工和试错上,用了这个 Skill,就能少走很多我走过的弯路,尤其是 Opus 5.5 和 Fable 5.2 这么贵。

直接把链接给你的 AI,用提示词让它安装就行。

网页游戏要回来了

说到这里,这次其实暴露出了一个非常牛的范式:网页游戏好像要回到我们的生活里来了。

为什么这么说?

网页是最方便的游戏分发方式,手机、电脑等各种设备都能打开。

而且它的优化非常厉害,能无痛把那么大的游戏缩小到三分之一。

前阵子居然有人把《GTA5》移植成了网页,资源压到约 700MB,打开浏览器就能玩。

虽然很快就因为版权投诉被拿下了,但传播极广、流量极大。

大家非常想要这种打开就能玩、不用注册账号的体验,对画质其实没那么苛刻。

我觉得我们需要一个以 HTML 网页为基础的游戏分发平台,就像当年的 4399。

很多人会说,门槛降低以后,开发者比玩家还多,玩游戏的人都不够用了。

但我觉得这是好事,跟短剧和网文是一个逻辑:门槛低了,大家卷起来,整体质量一定会上去,而且一定会冒出很多非常牛的新作品。

很多人会成为炮灰,但这不重要。

游戏和电影最终都会走向网文化。

就像我之前举过的例子:《玄鉴仙族》的作者季越人,半本书就成了白金作家,非常恐怖。

你很难想象那么厉害的书,是他用手机打字写出来的。

技术门槛降低之后,那些知道什么是好东西、脑子里有货的人,就能把它做出来。

第一章 完

好,这就是今天的内容。

如果你觉得有帮助,或者你也想做个游戏,欢迎试试我的 Skill,也欢迎来玩我的游戏。

✦

跳转微信打开

教你用新的 GPT image 2.6 做大肥鱼表情包

2026年11月5日 11:47

歸藏的AI工具箱 2026-11-05 11:47 北京

GPT-image-2.6 今天发布了,主要的新特性就是能够直接生成 GIF 动图了。

这个很好玩!用它做了几张最近很火的大肥鱼表情包。

神奇的是,我在 Codex 里用 Codex 说调不了 2.6,烦死了。然后在 GPT 里做的。

提示词在最后几张图,第三张是实况动图哦。

你可以用这套提示词生成各种大肥鱼表情包。

跳转微信打开

帮你的 DeepSeek Harness 做出有设计感、没 AI 味的东西

2026年11月3日 07:20

原创 歸藏的 AI 工具箱 2026-11-03 07:20 北京

最近 DeepSeek Harness 的插件生态非常火。

前几天我列了几个热门插件,很多朋友说:

为啥都是好玩的,没有比较有用的?

我其实做过好几个设计类的 Skill 都很火。

比如 PPT Skill,还有去 AI 味 Skill,加起来有将近 6 万 Star,很多人应该都用过。

所以我就想,能不能做一个 DeepSeek 插件,让大家用很低的成本,做出有设计感、没有 AI 味的内容。

于是就有了这个叫歸藏设计(dsh-guizang-design:github.com/op7418/dsh-guizang-design)的插件。

先放个设计图,大家也可以直接让你的 DeepSeek  Harness 帮你安装 dsh-guizang-design 插件就行。

插件里有哪 5 个 Skill

下面介绍一下。首先,这个插件里的 5 个 Skill 都有什么?

先说已经发布过的,估计很多人都用过,就一笔带过了。

第一个是 Guizang PPT Skill,总共有 2.9 万 Star。

包括两种风格,有演讲者视图,可以帮你优化演讲流程。

这次我还顺便迭代了一下,把杂志风格的 WebGL 背景加回来了,而且不会再因为性能问题导致卡顿。

第二个是图文卡片 Skill,快 8000 Star 了。

虽然 Star 不多,但你应该在任何地方都能看到这个 Skill 生成的素材。

第三个是去 AI 味 Skill Humanizer-zh,有 2.2 万 Star,非常恐怖。

大家都说很好用,前段时间也做了一次大升级。

重点介绍一个新的 Skill:guizang-pages-skill

网页排版 Skill。很多人一直找我要,这次终于趁这个机会一起发布了。

它可以把你的文章、笔记排版成一个非常漂亮的单页网页,字号、字体、间距都是专门为阅读设计的,而且为中文排版做了很多优化。

我自己的用法是,经常把一些非常长的视频发给 DeepSeek Harness 或者 Grok Bot,让它用这种方式给我生成一个网页,我再来阅读和查看,这样会方便很多。

这个 Skill 有两种模式:

•

原样模式:忠于原文,不改你的内容。

•

解释模式:会帮你补充一些解释和介绍。非常适合用来读英文内容,或者把一些深奥的视频、教程转成网页供你消费。

此外,它还支持导出长图和 PDF,方便分享给别人。

还有一个比较重要的新功能是语气档案。

这是这个插件独有的功能,它会学习你的说话方式,再结合去 AI 味 Skill,让你写出来的东西更像真人。

为什么要做成插件

接下来说一下,为什么我要把它做成一个插件,它跟单独用 Skill 有哪些不一样。

1. 设计系统一致

现在社交媒体卡片 Skill、PPT Skill 和网页排版 Skill 共用一套设计系统和设计语言。之前它们虽然大体上共用设计规范,但会有一些 gap,产出的内容有时候不太一致。现在颜色、间距这些都用同一套设计系统,一致性非常强。

而且你还可以自定义自己的品牌色和品牌内容,让这三个 Skill 生成的东西都符合你的品牌。

2. 工作流整合

我自己平时就是把这 3 个 Skill 搭配着用的,所以插件里有一些现成的工作流,比如:

•

文章多平台分发:你有一篇文章,它会帮你生成网页、小红书组图、公众号封面,还会出一个封面矩阵,一次出齐公众号头图、分享卡和小红书首图。

•

演讲内容转化:演讲完了,可以顺手整理成文章,配图也一起搞好。

3. 去 AI 味升级

以前去 AI 味只能删套话。删完确实不 AI 了,但也不像你说的话,因为它不知道你本来是怎么说话的。

现在放到 DeepSeek Harness 里以后,因为你经常跟 DeepSeek 聊天,我们就可以让 DeepSeek 查找你的聊天记录,总结、学习你的说话规律和方式。

用起来很简单:在歸藏设计插件页面的「语气档案」里点「从我的 DeepSeek 对话学习」,提示词会一键回填到输入框,按回车让它处理就行。

建好语气档案以后,去完 AI 味还能保留你原来说话的方式和语气。而且数据都保存在本地,不会上传,隐私安全性非常好。

4. 安装方便,断网也能看

打包成插件以后,安装非常方便,只需要在 DeepSeek Harness 里告诉它插件名称就能装好。插件还内置了字体,就算断网了,生成的内容也能正常查看。

作品库

我经常会遇到这样一种情况:自己生成的 PPT、网页,会反复去找、反复去用,因为很多时候这些都是自己的经验积累。所以这次我们做了一个作品库。

现在用歸藏设计插件生成的所有作品,比如图片、组图、PPT 和网页,都会自动登记到插件页面的「我的作品」里,有缩略图,可以按类型筛选,也可以搜索。以前做过的其他作品,跟 DeepSeek 说一句话,它就会把这些作品都放进作品库。

这样有个好处:你看到一个满意的作品,或者觉得某个风格比较好,就可以点「做同款」,按它的主题和版式直接新开一个对话。你只要给它内容,它就能帮你生成,不需要调整别的。

如果是连载的,比如我的周刊,它会按专栏归到一起。你点一下「做新一期」,它就会自己去分析你的周刊、系列教程或者每周分享的 PPT 的栏目和内容,带着这些上下文开始做,不用再教它了。

还有一个功能是官方示例。如果你不知道这些 Skill 生成的结果长什么样,点「官方示例」就能看到。

怎么安装

这部分其实很简单。以前可能需要给链接、讲方法,现在因为是专门适配 DeepSeek Harness 的,有两种安装方式:

•

通过 DeepSeek Harness 安装:你只需要跟它说「帮我安装歸藏设计插件」,它就会自动查找并帮你装好。如果你的 DeepSeek Harness 很久没更新了,先更新一下再装。

•

通过单独的仓库安装:如果你不用 DeepSeek Harness 也没关系。这里面 4 个 Skill 都有自己单独的仓库,你可以点进去,让它装到你的各个 Agent 里,比如 Codex、WorkBuddy、Claude Code 都能用。

我现在的文字和图片内容,大家估计也看到过很多,基本都是用这套流程和这些 Skill 做的。因为我自己需求比较多、一直在用,所以也一直在迭代这些 Skill。如果你以前装过但很久没更新,可以更新一下。

基于 DeepSeek Harness 其实还能做出很多更有用的能力,大家有需求可以提,我可以加上。

如果你觉得有用,可以帮我点个赞,或者转发给需要的朋友,也可以去 GitHub 帮我点个 Star,谢谢大家。

github.com/op7418/dsh-guizang-design

✦

跳转微信打开

开源性转马尔福 AI 女友,用即梦短剧工作室做的

2026年10月29日 08:20

原创 歸藏的 AI 工具箱 2026-10-29 08:20 北京

这一个多月,你应该刷到过性转马尔福吧。

起因是 9 月 22 日,一位俄罗斯画师在 X 上发了一张图。

图上是一个穿着斯莱特林校服的金发女版马尔福,正在阴阳怪气哈利·波特的成绩。

这条帖子的浏览量非常高,居然超过了 2300 万。

之后全世界的画师都开始画这个性转马尔福。

再后来,还有人做了个 AI 短剧,热度也非常高。

我看了一圈,刚好即梦这两天发布了 AI 短剧工作室,我就想自己也做一个。

而且我不想只做一个视频,我想做一个能让性转马尔福一直陪着你的东西。

于是我就做了一个性转马尔福的桌面应用。

里面有第一人称的短剧,好感度越高,能解锁的剧情就越多。

平时,她就住在你的桌面里。

画面、配音和角色都是用即梦 AI 短剧工作室做的,音乐用的是 Suno,剪辑、特效和桌面程序的代码是 Claude 写的。

客户端我已经开源了:github.com/op7418/malfoy-desktop

先带你看看效果,然后再讲讲我是怎么做的,想自己做一个的可以照着来。

先看看效果

打开应用以后,会先播一段开场短剧,讲你和她是怎么认识的。

整个过程都是你的第一视角,中间还会有选项让你来选。

你选的不一样,她的反应也会不一样。

现在做好的是第一章,后面我会接着更新第二章、第三章。

看完剧情以后,她就住进你的桌面了,待在斯莱特林的公共休息室里。

平时她会躺在沙发上看书,时不时翻一页、伸个懒腰。

到了晚上 11 点,她还会自己睡着。

你去点她一下,她会抬起头来怼你一句,嘴硬得很。

每天来看她、点她、看完剧情,好感度都会涨。

好感度越高,她叫你的称呼就越亲近。

到了一定程度,她还会换上居家的衣服,窝到壁炉边的扶手椅上喝茶。

相册里还有 6 张她的照片,会随着好感度一张一张解锁。

每张照片的背面,都写着她想对你说的一句话。

看过的剧情都会存进"冥想盆",想回看的时候随时可以点开。

Mac 版直接去 GitHub 安装就行,目前只支持 M 系列芯片。

第一次打开的时候需要右键选"打开"。

装好以后菜单栏会多出一条小蛇,点"和她互动"就能点她了,按 Esc 就回到壁纸模式。

Windows 版我放在 Wallpaper Engine 了。

为什么用即梦来做

先说个题外话。

我身边很多朋友,以前是完全不刷抖音、也不看短剧的。

最近居然都开始沉迷短剧了,像《持械入宋》《归墟》《零号档案》这些,大家都追得很上头。

所以这次即梦出了短剧工作室,我觉得还挺重要的。

以前做一部连续的 AI 短剧,剧本、角色、分镜、视频要在好几个工具之间来回倒腾。

现在在一个项目里就能全部搞定。

这个桌面是怎么做的

整个项目其实就分三个部分。

即梦负责剧本、角色、场景、分镜、视频和配音。

Suno 负责音乐,我让它写了主题曲、剧情配乐和桌面背景音乐三首。

剩下的剪辑、转场特效和桌面程序,都是让 Claude 写的代码。

简单说,就是 AI 负责"演",代码负责把这些素材变成一个能玩的东西。

用即梦 AI 短剧工作室拍第一章

进到短剧工作室,首页有四个入口:上传剧本、剧本创作、重制转绘和短剧画布。

你手上已经有剧本,就直接传;只有一个想法,就让它帮你写。

这里顺便说一句,之前有传言说即梦和小云雀合并了。

其实没有,是即梦整合了小云雀的短剧 Agent 能力,做了很多升级优化。两边本来就都是剪映旗下的。

下面我用到的剧本助手、分镜这些能力,就是这么来的。

第一步:上传剧本

第一章的剧本是我自己写的,写完直接传上去。

传上去以后,它会自动把剧本拆成一场一场的,人物、场景和出场关系也都帮你识别好了。

这里有个小经验:写人物小传的时候,最好把角色身上不能变的东西都写清楚。

比如我就写了她左手小指上戴着一枚蛇形尾戒,紧张的时候会用拇指转戒指,手腕上还有一道血契的印记。

虽然我们可以垫图,但是有时候提示词里写上,和垫图都写上的话,会比较稳定。

第二步:建资产库

做 AI 短剧,最难的其实还是一致性。

由于现在我们短剧越做越长,其实一致性还是个问题。

即梦的 AI 短剧工作室在这一块做了不少的工作。

短剧工作室的思路是,先把角色、场景和道具都做成资产存起来。

之后写提示词的时候,直接 @ 它就行。

先说一下场景是怎么做的。

在下面加号选择“添加场景”以后,就可以生成场景。

公共休息室一开始生成的那版离沙发太远了,她躺上去以后,衣服的细节根本看不清。

我本来想重新抽卡,后来发现可以直接用「视角与构图-镜头」,在原图上把镜头推近。

它还能直接帮你生成 720 度的整个场景环形图。

再将环形图最多拆成 12 张图,你就可以随意选择这个场景不同角度的图片。

然后再来看一下角色的生成。我刚开始垫图,其实效果不太好。

后来我就不垫图了,先用文字把五官写清楚,抽到一张满意的定妆照。

再拿这张当唯一的脸部参考,去做其他造型,这样人就稳下来了。

它也能一次性帮你生成多种九宫格的表情图和角色的三视图,一键就可以搞定,你不用自己写提示词。

禁书区里巡夜的管理员是个配角,我一个字的外形都没写,直接在 AI 角色库里挑了一个。

还有个小习惯可以分享一下:资产的名字,我直接用提示词里要 @ 的名字。

比如"马尔福-校袍""休息室-沙发机位",这样写提示词的时候就不容易乱。

不然,一个项目你生成几百张图,就很容易找不着对应的图在哪儿。

第三步:分镜、导演台和预演

资产都准备好以后,点「生成分镜脚本」,它会把每场戏拆成一个个镜头。

景别、运镜、台词都给你标好了,资产也会自动关联上。

哪里不满意,直接用对话改就可以。

她把我拽进书架缝里的那场戏,两个人贴得特别近,站位很难用文字说清楚。

这种时候就可以用 3D 导演台。

我在里面摆好白模和机位,直接就能输出到无限画布里,你可以直接基于这个调整好的场景和人物动作去作为垫图。

在导演台里摆站位是不用生成视频的,摆对了再去生成,能少抽很多次卡。

他们现在还有个样片模式的功能。

样片模式的价格非常低,你可以不断地抽卡,直到觉得样片对了,再把样片渲染成成片,其实降低了很多抽卡成本。

节奏对不对、镜头接不接得上,这时候就能看出来,后面返工少了很多。

第四步:生成视频

视频提示词我一般分成五段来写:运镜、人物与场景、和主角的互动、画面风格,最后是剧情和音频。

比如场景的细节、人物的细节,还有他的一些饰品、物品之类的。

直接交给资产,提示词里只写资产里没有的东西就行。

对白是视频里直接生成的英式口音,不需要另外配音。

如果哪一句的语气不对,用「片段重拍」把那几秒重新生成一下就好,其他部分都不用动。

第五步:做桌面片段

桌面上她的那些动作,也是用同一套资产生成的,全部是 4K、固定机位。

这里我用了一个小技巧。

先做一张她躺在沙发上看书的图当"锚点",然后让每段动作都从这张图开始,再回到这张图结束。

这样任意两段动作都能直接接上,程序随机播放的时候,看起来就像她一直在那儿生活一样。

另外我还专门生成了两段"环境在动、人不动"的视频。

她不做动作的时候,就循环播放这两段,壁炉的火和窗外的水光一直都在动,桌面就不会显得很死。

团队版这次我没用上,因为整个项目就我一个人做。

如果你们是一个团队,可以把成员都拉进同一个项目,大家共用一套资产,协作起来会方便很多。

因为 AI 短剧的流程和整个原来的拍摄流程还是挺不一样的,原来能用的那些软件未必适合这个流程,有团队版还是挺好的。

代码部分

素材都有了以后,剩下的我就交给 Claude 了,我主要负责提需求和挑问题。

剪辑我用的是 HyperFrames,它可以用网页代码来做视频,字幕和配乐都能自动对齐。

转场我想做得有点霍格沃茨的味道,所以让 Claude 用 Three.js 做了三种魔法效果:

飞路粉的火焰、冥想盆的漩涡,还有魔杖的荧光。

最后

基本上就是这样。我用这个做短剧的工具,做了一个类似半互动的互动产品或游戏。

可以看到,基于 Agent 和 AI 的强大能力,再加上像 Seedance 这种非常强的图像和视频生成模型,一个普通人只要看得够多、有审美,其实就能做出非常强的内容来。

而且现在的 AI 内容创作(尤其是短剧这部分)有一些非常固定的套路和格式。

像即梦这种短剧工作室产品,其实帮普通人做了非常多的工作,门槛降低了很多。

刚好现在赶上双十一,即梦也在做活动,顺便帮他们卖一下会员。

Seedance 2.5 生成视频最低 0.19 元一秒,用 CLI 最低 0.18 元一秒。

年卡 4.5 折起,还多送 2 个月会员。

即梦的团队版和企业版也上线了。

我这儿有一个快速通道,如果是公司或者企业想要快速体验,可以走这个地方报名,注明是通过歸藏获得的链接,他们就会优先联系你:https://jimeng.jianying.com/ai-tool/business

如果你也想做一部自己的短剧,现在开会员真的挺划算的。

✦

跳转微信打开

有了AI,终于不用忍受满是广告的电视界面了

2026年10月21日 08:20

歸藏的AI工具箱 2026-10-21 08:20 北京

现在 AI 真是厉害,连电视界面都能改!

我参考了比较流行的两个项目,给自己做了一个新的启动器

终于不用忍受满是广告的国产电视界面了

现在这个启动器完美符合我的需求:

只展示常用的应用,比如我的 PS5 和 Apple TV 的连接,还有我常看的哔哩哔哩以及投屏。

同时我还改了 UI,增加了壁纸轮播和一些内置的非常好看的壁纸

我基于这个比较流行的 CleanFrame 和 cleanyourtv 重新打了一个guizang TV 的包。

可以直接让你的 AI 看这个项目,它就会指引你怎么操作。

大致流程:

1. 开启开发者模式

2. 开启"安装未知应用"

3. 它会帮你安装并设置好

如果你有自己的需求,AI 也可以帮你改,比如设置指定的壁纸,或者把快捷方式换成你需要的那几个应用

如果你是小米电视,然后喜欢我这个新增的功能的话,可以试试:https://github.com/op7418/guizang-tv

跳转微信打开

Deepseek 1017开源,还有最好的AI搜索 API

2026年10月17日 16:56

歸藏的AI工具箱 2026-10-17 16:56 北京

Deepseek 发布了 V4.1 Flash 1017 版本,整体能力再次大幅提升,同时缩短了模型的任务运行时间和输出长度,能以更低的成本完成同样的任务。

他这个 DeepSeek SWE V1.1 测评,他自己这个基准上这个图有点离谱了啊,完爆了所有模型!

另外,他们这次着重强调了可以从零开始完成整个项目的开发:不用人工干预,用非常简单的提示词就行,类似 OpenAI 5.5 这种一句话做个视频或一句话做个游戏。

还有一个比较重要的点是它开放了自研的搜索 API。Deepseek 在国内信息数据的搜索结果上非常精准且强大,所以这个 API 挺有用的,可以给你的 Harness 配上。

详情:DeepSeek V4.1 Flash 新版本:许愿式编程一键成真

跳转微信打开

Meta 再开源模型, 可在Mac Studio本地运行

2026年10月16日 01:36

歸藏的AI工具箱 2026-10-16 01:36 北京

Meta 又开始发布开源模型了,发布了 Muse Spark Open,他们说是迄今为止美国最强大的开源模型。

它支持长时任务,在复杂软件工程和多步骤推理上很出色。

总参数是 816B,活跃参数 42B,支持 1m 的上下文窗口,原生支持文本、图像、视频、音频全模态输入。

在测评基准的分数上,跟 K3 和 GLM-5.3 差不多。

更重要的是,他们基于苹果的 MLX 框架做了深度优化。这个 800B 的模型,居然可以在两台 M Ultra Mac Studio 上本地运行。

感觉这波美国全员进步,每家都有新进展,详情:research.meta.ai/blog/muse-spark-open

跳转微信打开

Grok Bot 玩法 02:躺床让它帮你做视频理解复杂概念

2026年10月12日 08:20

原创 歸藏的 AI 工具箱 2026-10-12 08:20 北京

我做了个 Grok Bot 的 Bot。

遇到看不懂的英文长推,或者是看不懂的那种长文,

你丢给他以后,他几分钟就给你一个非常长的中文学习文档,

而且是带示意的,就是所有的背景知识都会加进去。

同时他会帮你做一条拥有非常多丰富的动效的讲解视频。

而且他是全程不用开电脑的,

你在手机上看到什么,扔给他,他就会给你这些东西。

你用来自己阅读、自己理解,或者发给朋友分享、做内容,都是非常好的。

下面讲一讲他是怎么做的,

以及为什么我觉得以后我们的内容生产方式和消费方式,都会发生很大的变化。

01 刷到长推,不再收藏吃灰

我昨天刷到一个非常长的 Twitter。

以前的话都是先点了收藏,然后等第二天,比如说早上起来了,有了电脑再翻译啊、查资料啊之类的,

或者说就再也没看过。

你过了时间以后,很多时候你就不会再看了,收藏就完事儿了。

以前的我:收藏 = 再也不看

以前的我:收藏 = 再也不看

但是这次在床上,我看到了,我就直接丢给 Grok Bot 了。

就是这条,Keenan Crane 的推串:x.com/keenanisalive/status/2108708523236602056

推串巨长,而且有时候它超了字数,还得点展开,很麻烦。

作者自己就发了 29 条,中间还夹着图和视频。

原推截图,红框是那个烦人的「显示更多」

原推截图,红框是那个烦人的「显示更多」

因为它涉及到了很多 3D 渲染和这种算法的知识,很多词我不懂。

我就跟 Grok Bot 说,能不能帮我把它做成一个中文的文章,

然后把图片呀、他引用的各种文章啊、关于一些背景知识,比如涉及到人名啊、一些算法,能不能都给我解释一下。

我发的需求,就这么一段话

我发的需求,就这么一段话

结果他给了一个非常好的结果,我很快就看完了。

它交回来一个中文网页,外加一份 PDF

它交回来一个中文网页,外加一份 PDF

中文学习文档首屏:左边目录,右边正文,背景知识都补进去了

中文学习文档首屏:左边目录,右边正文,背景知识都补进去了

PDF 那份有 43 页,每条推都有中文,原文也能展开对照着看。

在手机上,我不是以前还写过一个在手机上阅读 HTML 的工具叫即览嘛,配合那个就更舒服了。

手机上用即览打开,躺着就能看完

手机上用即览打开,躺着就能看完

02 一句话,做成讲解视频

然后我就想,你看所有的文案都有,对吧?包括它的素材也有。

其实一些算法类的或者 3D 类的,用视频会更好理解。

我就跟 Grok Bot 说,能不能帮我做个视频讲解一下。

而且不允许做那种 PPT 式的翻页,就是把那个图片一页一页截出来,然后轮播,然后配个音。

我更想让他做那种带动效的、能讲清楚对应概念的东西。

比如说这个,有一个参数是可以拖动的,它拖动了参数以后,对应的这个画面就会变化。

smooth min:拖动参数 k,两个球的接缝就会被抹圆

smooth min:拖动参数 k,两个球的接缝就会被抹圆

然后第二个就是光线步进,它是一个算法,他就可以帮你去看不同参数的变化。

光线步进:从眼睛发一条光线,一步一步问「离最近的表面还有多远」

光线步进:从眼睛发一条光线,一步一步问「离最近的表面还有多远」

其他的我都没给他,我就说做个视频,

他给了我一个三分十九秒的视频,配音、配乐、字幕都有。

一共 18 个镜头。

讲解视频的开头:这条龙其实是一段 27KB 的代码

讲解视频的开头:这条龙其实是一段 27KB 的代码

然后所有的数字、所有的内容,都来自于原文,就是那个帖子的原文,所以幻觉就比较少。

比如视频里讲的,前后 25 小时的模型调用、27 轮以上的人工反馈、最后 27KB 的代码,这些都是 Keenan 自己在推里写的。

它交回来的讲解视频,3 分 19 秒

它交回来的讲解视频,3 分 19 秒

03 为什么非要是 Grok Bot

之前很多朋友问,为什么?Codex 不能做吗?或者是 WorkBuddy 不能做吗?

为什么非要是 Grok Bot,你在吹这个?

为什么?

第一个就是它有一个电脑,这个很重要。

第二个是什么呢?它的云电脑配置很高,它能装很多工具,然后跑渲染。

然后我在手机上,他就给我把这个内容做出来了。

它自己的云电脑,装工具、跑渲染都在这上面

它自己的云电脑,装工具、跑渲染都在这上面

然后还有一个,是老马他自己家的 Twitter,

所以他拉取这些东西是不需要 API、不需要一些额外的工作的,也不会影响到你的账号。

所以你只需要发个命令给他,他就会在手机上给你一个视频。

这是相较于以前其他那种电脑上的 agent 非常不一样的地方。

为什么是 Grok Bot:三个原因

为什么是 Grok Bot:三个原因

然后中间如果说有问题,你突然想到了一个想改动的点,你直接跟他说,他直接就会改。

比如说 Codex 或者 Claude Code,原来的那样是你需要点一下引导,然后他才会在中间改变他的一些任务的过程。

但是这个是不用的,他随时可以改,而且非常顺滑。

就像我们平时跟朋友聊天,或者跟你的实习生聊天一样。

中途想改,直接说就行,它边做边改

中途想改,直接说就行,它边做边改

04 A-roll + B-roll

然后再往前的话,就是你如果说这个视频做完,就可以像我这样去做 A-roll 和 B-roll 的混合,对吧?

就比如说我可以给他 Seedance 的 CLI,或者说我自己真实录制一些视频,

然后把这些空镜和动效结合成一个完整的视频。

真实画面负责氛围,代码动效负责讲准

真实画面负责氛围,代码动效负责讲准

这个事儿我觉得是一个很重要的事儿。

以前,比如说有了 Codex 之后,剪视频啊、剪音频啊、做文本的内容,门槛已经降很多了。

这也是为什么大家都开始用 HTML 去展示内容了。

但是现在来看,视频的门槛已经降到一个非常低的程度了。

成本,比如说 token 价格,还是在的。

但是摩擦,就是用户跟这个模型的摩擦,已经非常低了,所以这个我觉得还是挺重要的。

从文字到 HTML 图文,再到视频,门槛一路往下掉

从文字到 HTML 图文,再到视频,门槛一路往下掉

画面好看的话,它就更容易让人相信和理解嘛。

所以你也可以参考我这个流程,去让你的 Grok Bot 去做一个类似的流程。

你可以试试,非常的好用。

而且几乎在读东西和阅读内容的时候,让我的效率高了很多很多。

以前收藏了不会看的东西,现在也会看了。

最后

对了,这条口播视频本身,也是我录完直接扔给 Grok Bot 剪的。

后面我会把这整个流程打包成一个 Bot 和一个 skill,

到时候大家就可以一键用上,不用自己一步一步搭了。

如果觉得这个内容对你有启发,可以帮忙点个赞,或者转发给你需要的朋友。

✦

跳转微信打开

Grok Bot 玩法 01:生成 AI 早报视频的提示词

2026年10月8日 19:32

原创 歸藏的 AI 工具箱 2026-10-08 19:32 北京

让 Grok bot 每天早上定时出一个 AI 早报的视频,没想到效果还真挺不错的!

全程都没用我本地电脑,全跑在它的云端虚拟机上,包括内容收集、写代码和视频渲染。

我写了个提示词,直接复制过去的话,你的 Grok bot 也能执行这些任务

10 月 7 日那期的片头(此处可替换为视频)

下面先讲讲这套流程具体怎么跑,提示词放在文末。

一期早报,四步

我给 Grok Bot 建了个定时任务,从 10 月 9 日起每天早上 9 点整理前一天的 AI 资讯,出一份文字早报。

视频这一步目前只试做了 10 月 7 日那一期,还没接进每天的定时任务。完整流程分四步:采集、写简报、做视频、交付给我。

试做那期,这四步都是在 Grok Bot 自己的云端虚拟机上跑的,抓数据、写代码、渲染视频都没占我的电脑。

整体流程

采集:四个来源,按北京时间整天算

•

X 收藏:我平时刷到有意思的推就点收藏,这是最主要的来源。X 接口不告诉你“什么时候收藏的”,所以它每天存一份收藏 ID 列表,跟前一天比,多出来的就是新收藏。

•

X 雷达:我自己前一天发的推,按“赞 + 2×评论 + 2×收藏”排出前 3,再去评论区挑有实质内容的观点,比如带实测、带数字或者提出反驳的。

•

Newsletter:邮箱里订阅的刊物,当天有新一期就一起收进来。

•

其他一些 AI 资讯网站:用浏览器渲染后再读。

时间窗口是北京时间的完整一天,换算成 UTC 再去查。

直接按 UTC 零点切的话,北京时间凌晨 0 点到 8 点发的推就漏了。

试跑那期是 10 月 7 日。当时还没有收藏快照,是按发布时间筛的:

99 条收藏里有 62 条是 10/7 发的,最后归成 7 条主线。从采集到整理完,大约 6 分钟。

信息来源与筛选规则

简报:几条硬规矩

简报写成 5–7 条主线,每条一句话标题,加一两句要点和关键数字。我给它定了几条规矩:

1.

每条都附原推链接,补过背景的再附一个官方来源。没有链接我没法核对,这条就等于白写。

2.

价格、跑分、融资额这类数字,回官方页核对一遍。

3.

传言标“未证实”。数字、引用、链接、用户名都不许编,评论作者按推文 ID 回填。

4.

某个来源读不到就写“没读到”,跟“没更新”分开。

第 2 条试跑时就用上了。Nano Banana 2.1 刚上线时流传的 4K 价格是 $0.076 一张,我自己推里写的也是这个数。

Grok Bot 回 Google 定价页一查,现在写的是 $0.113。视频里用的是定价页的价格,$0.076 划掉了。

视频里的 Nano Banana 2.1 那一屏

视频:90 秒,先试做了一条

视频按我的 Product Video skill 来做,版式用社交卡片 skill 里的瑞士风,纸白底配安全橙。

1.

先写 DIRECTION.md,定方向、画面规范和逐镜头表。

2.

用 edge-tts 每句单独合成配音,量出每句的实际时长。镜头切换、字幕、画面动作和音效都按这个时长对齐,字幕和声音不会错开。

3.

用 React + GSAP 搭镜头,一条主时间轴控制所有动画。

4.

Playwright 逐帧截图,FFmpeg 合成。字幕直接烧进画面,人声出现时背景音乐自动压低。

5.

导出后跑 skill 自带的交付检查,再抽帧逐屏看一遍。试做那条是抽帧时看出 3 处排版问题,改完重新导出的。

成片 90 秒,横屏 1920×1080:片头,7 条新闻各一屏,X 雷达一屏,最后是片尾。

按试做那条的日志,机器跑的部分合计约 5 分钟:配音约 45 秒,混音约 20 秒,最慢的是导出,约 3 分 40 秒。写旁白稿、搭画面和审片的时间不算在内。

视频制作流水线与耗时

用到的三个 skill

都开源在我的 GitHub 上:

•

guizang-product-video-skill:视频制作流程。github.com/op7418/guizang-product-video-skill

•

guizang-social-card-skill:版式。github.com/op7418/guizang-social-card-skill

•

Humanizer-zh:旁白去 AI 腔。github.com/op7418/Humanizer-zh

中文配音另外装了 edge-tts,用的是 zh-CN-YunxiNeural,语速 +20%。

三个开源 skill

邪修用法

再分享个邪修用法:在 Agent 的云电脑里装个 Pi 或者 DeepSeek Harness 这类编程 Agent,把你其他 Code plan 用不完的额度配进去。然后让 Grok Bot 调这些 token 去写代码、渲染视频,闲着的额度也就不浪费了。

这种 Personal Agent 的提示词和玩法教程,我后面会一直出,感兴趣的话可以长期关注一下!

提示词

下面这段整段复制给你的 Grok Bot 就行。Muse、Dots 等有云电脑的 Personal Agent 都可以用这套流程和提示词。

用之前把 @<你的用户名> 换成你自己的 X 账号,“其他来源”换成你订阅的 newsletter 发件邮箱或者网页,用不上可以删掉。

PROMPT · 整段复制

请帮我搭一套「AI 早报 + 讲解视频」流程:每天整理前一天的 AI 资讯,出一份文字简报,再做成一条约 90 秒的中文讲解视频。先装好环境,用昨天的内容试跑一期,交给我验收。

【一、安装 skill(在你自己的电脑上)】

把下面三个公开仓库克隆到 ~/.claude/skills/ 下,每个都完整读一遍 SKILL.md 和它引用的文件:

- https://github.com/op7418/guizang-product-video-skill (视频制作流程:React + GSAP 搭画面,Playwright 逐帧渲染,FFmpeg 合成)

- https://github.com/op7418/guizang-social-card-skill (版式:瑞士风,纸白底,安全橙 #FF6B35)

- https://github.com/op7418/Humanizer-zh (旁白去 AI 腔)

按 skill 的环境检查把缺的依赖装齐(Node、Playwright + Chromium、FFmpeg、Python 等)。另外装 edge-tts 做中文配音,可以先用 zh-CN-YunxiNeural,语速 +20%;有更稳定的 TTS 也可以换。

【二、采集资讯(日期 Y = 我所在时区的昨天)】

- 时间窗口用我所在时区的完整一天,换算成 UTC 再查,不要直接用 UTC 零点。

- 来源:我的 X 收藏、我自己在 Y 当天发的推文(按 赞 + 2×评论 + 2×收藏 取前 3,附上评论区里有实质内容的观点),以及我下面列出的其他来源。

- 我的 X 账号:@<你的用户名>

- 其他来源(可选):<比如某个 newsletter 的发件邮箱、某个网页>

- 某个来源读不到时,如实写"没读到",和"没更新"分开写。

【三、文字简报】

- 把相关内容归成 5–7 条主线,每条一句话标题,加一两句要点,带上关键数字。

- 每条都要附原推链接 https://x.com/<用户名>/status/<id>,补过背景的再附一个官方来源。

- 价格、跑分、融资额这类数字要回官方页核对。传言标"未证实/社区传言"。绝不编造数字、引用、链接或用户名,评论作者按推文 id 回填。

【四、讲解视频】

- 完全按 Product Video skill 的流程做:先写 DIRECTION.md,再搭镜头,最后渲染。画面的字体、配色和排版沿用社交卡片 skill。

- 结构:片头(AI 早报 + 日期 + 今日条数)→ 每条新闻一屏(标题、1–2 个橙色关键数字、来源账号)→ X 雷达一屏 → 片尾。总长 60–90 秒,默认横屏 1920×1080。

- 旁白中文口语化,先用 Humanizer-zh 过一遍。每句单独合成配音并量出时长,镜头、字幕和动作时间都按实际配音时长来对齐。字幕烧录进画面,人声出现时把音乐压低。

- 视频里只放简报里已经有的事实,不新增内容。

- 导出后跑 skill 自带的交付检查,抽帧逐屏看:文字不能溢出、重叠或截断,中文不能缺字,整片色调要统一。有问题先改完再交。

【五、交付】

发给我:文字简报全文、成片 mp4、旁白稿、3–4 张关键帧,再加一句话说明哪些步骤还不稳定。不要替我发任何消息或帖子。

试跑我满意之后,再帮我建一个每天早上 9 点自动跑的定时任务。

按这段提示词,它会先装环境、用昨天的内容试跑一期,把简报、成片、旁白稿和关键帧一起发给你。

你看着满意了,再让它建每天 9 点的定时任务。

如果觉得内容不错、对你有帮助的话,可以帮我点个赞,或者分享给有需要的朋友

✦

跳转微信打开

❌