铃阅
❌

阅读视图

到大溪地了

花叔 2026-11-15 14:47 澳大利亚

花叔的南太平洋邮轮行程走到了第10天,终于走夏威夷开到大溪地Bora Bora了。

很多人对大溪地的了解大概是那份小时候在很多人家中出现过的大溪地日历。或者大溪地黑珍珠?

其实这片土地更准确的名称应该是法属波利尼西亚(对,这里算是法国在南太平洋的海外领土

另外,高更的画作算是大溪地为人所熟知的另一个标签,《月亮与六便士》中那个抛妻弃子的主角原型。

我更深的印象是达尔文在《小猎犬号航海记》里谈到的他在大溪地和bora bora遇到的风土人情,他还因此发现了环礁形成的秘密。Bora Bora其实是一座正在下沉的火山。

对我来说呢,从现在到12月底算是个度假休整的时期,所以最近可能文章不会发的太多,希望这种旅途的新鲜感受能激发我一些别的灵感,到时候有机会给大家带去更有价值的AI产品和开源项目。

跳转微信打开

  •  

Anthropic刚教的24小时agent,我当天做出来了

原创 花叔 2026-11-14 13:50 澳大利亚

一、背景

这篇文章的缘起呢,是最近看到的两篇非常好的关于agent系统设计的文章。

10月31日,DeepSeek Harness团队发了一篇《Super-agent设计探索:迈向更自主的Agent系统》。11月13日,Anthropic发了一篇Building always-on agents,教你怎么建一个24小时在线的agent。

这正好是我最近非常想折腾的事,所以看到Anthropic这篇时,我就让Claude照着它在FanBox(我做的那个Coding Agent驾驶舱,开源的)里做了一版,现在已经随FanBox 2.20.0发出去了。做出来的效果是:终端里的agent停下来等你,而你不在电脑前,你的手机(微信或飞书)会收到它的一句话。也就是说,尽量让你以相对自然的方式持续和agent互动,并让agent24小时为你工作。

这篇文章的顺序是这样的:第二到四节把这两篇文章讲清楚,他们各自看到了什么问题、给了什么方案(Anthropic那五个部件后面都能在FanBox里对上),如果你两篇都读过,可以直接跳到第五节;第五节讲我们做出来的工具,装上FanBox就能用;第六节讲我们照着做的时候踩到的四件事,里面有几样东西不用FanBox也能抄走。

二、DeepSeek这篇:瓶颈是人的注意力

原文在这:https://mp.weixin.qq.com/s/zoS7GlReWPhfCjENGxXCdg

这篇开头就写明了,它是一篇架构思路的探讨,里面讲的东西DeepSeek Harness这个产品现在还没有全做出来。

他们看到的问题

现在的agent都是以一个会话(Session)为单位干活的,会话之间互相不认识。你同时推进几件事,就得自己在几个会话之间来回切,自己记住每个会话聊到哪了。

他们观察到的数字是:一个人通常只能同时跟进3到5个活跃的会话(也确实基本上是我开的终端数的上限了):

单任务的上限取决于模型能力,多任务的上限取决于人的注意力。

在现有的本地agent上接点外部消息进来也解决不了,因为它一次只能干一件事,几个任务的上下文会混在一起,电脑一合盖它就停了。

他们的方案

他们把想要的东西叫Super-agent,要它做到四件事:连续(你感觉始终只有一个agent)、高效(不用等上一件事干完就能接下一件)、主动(没人@它也能自己发现该干的活,不该介入时保持安静)、持久(一直在线,出了异常自己恢复)。

然后用五个模块来撑这四件事:

(图来自DeepSeek原文,方括号里的数字是原文的章节号,\[2]到\[6]依次对应下面的1到5。)

1、双层架构。 前面放一个常驻的Router(路由层),所有人跟它说的话都先到它这里,它只负责跟人交互和分派任务,甚至可以连Bash工具都不给它。后面是很多个Worker(干活的会话),每个Worker一个独立的上下文,挂全套工具,专心干一件事,而且Worker不直接跟人说话,干完了向Router汇报,由Router统一回复。

2、事件驱动。 驱动agent的主要输入从人敲的提示词变成了环境里的事件,群聊消息、邮件、代码评审的评论、CI的结果都算。事件大部分是噪音,所以先用写死的程序规则筛掉一大半,剩下的再让模型判断要不要行动。群里有人在讨论一个bug,它可以先在后台悄悄复现,找到简单的修法才把结果拿出来,否则全程不出声。

3、面向人的交互。 按信道定带宽,他们验证过的一条硬规定是,在群聊这类即时通讯里单次回复不超过100词。

4、计算、状态与环境的分离。 agent的循环放到云上,会话状态存数据库,而代码仓库这些搬不动的东西留在你自己的机器上,装一个轻量的常驻小程序(daemon)让云上的agent按需过来执行命令。

5、Watchdog。 主系统外面再放一个独立的会话,定时醒来检查。它既看接口有没有报错,也让模型判断每个Worker是不是真的有进展、有没有跑偏。

他们的实验

他们做了一个初步实验:用大约300条消息(其中大约20条是真的要干活的请求)同时驱动几种方案,每种跑5次。Super-agent从收到请求到给出结果,中位数是12.4分钟,95%的请求在15.7分钟内完成。对照组是一个带了派子代理工具的普通单会话agent,提示词里中性地写合适的时候可以用子代理,结果5次运行里它一次都没有派,同一个95%的数字拖到了29.5分钟。代价是token,Super-agent单次实验读缓存的token是2323万,单会话那组是605万。

原文自己也说了,实验用的是合成的消息流,结果只作初步参考。文章最后列了几个还没解决的问题,其中一个是:会话被藏到底层之后,人到底该通过什么界面跟agent协作。他们的判断是最终形态很可能是高度定制化的。

三、Anthropic这篇:agent常常不在线

原文在这:https://claude.com/resources/articles/building-always-on-agents

他们看到的问题

大多数agent只在你发消息的时候才跑。Anthropic说过去几个月常驻agent又热了起来,原因有两个:新模型的判断力更好了,更知道什么时候该回来问一句;智能在变便宜,在一个长程编码的基准上,Opus 5.5每解决一个任务的成本比Opus 5低78%。我自己的感受也是,现在200美金的ultra会员,如果不是用fable5.2,而主要是跑opus5.5的话,基本上不需要太有用量焦虑,比codex确实实用太多了。

于是客户开始问他们,怎么把这种没人盯着也能主动干活的体验做进自己的产品。他们的回答是,agent里面跑的还是同一个循环,要补的是外面那层架构。

他们的方案

整篇里我最喜欢的是这一句:

常驻agent其实并不「一直在线」。那只是对用户体验的描述。

实际上它大部分时间在睡觉,不花任何token。隔一阵被某件事叫醒,干一小段活,把发生了什么存下来,再回去睡。

展开理解下这层架构,其实就五个部件:

1、事件收件箱。 能叫醒它的事(你的消息、别的系统推过来的通知也就是webhook、定时任务)都不直接去调agent,先丢进一个收件箱,通常是一张数据库表,由一个工作进程来取。同一时间只许一个工作进程;你连发三条消息,并成一轮,agent只回一次。

2、定时器。 一种是agent给自己定的跟进,比如20分钟后回来看看测试跑完没;一种是你定的周期任务,比如每日简报。到点了只是往收件箱里加一个事件。

3、记忆。 只放agent没法再查到的东西,别的系统里已经有的存个指针就行。另外它要记着已经告诉过你什么,免得同一件事叫你两遍。

4、权限。 原文说这是风险最大的地方:一次运行握着你的访问权,而且按设计就是没人盯着的。他们给的三样东西是把凭据放在agent够不着的代理里、用分类器拦危险动作的自动模式,以及把需要你批准的工具调用先挂起来等你回话。

5、发件箱。 一次运行可以有三种结尾:发一条消息、什么都不发、挂起来问你一句。原文是这么说的:

发太多的agent变得吵,发得不够的agent会漏掉用户需要知道的事。……实践中,让agent从安静开始,再慢慢赢得用户更多的注意力,比反过来好。

五个部件拼起来是这样一个圈,用户的回答又会作为一个新的事件回到收件箱:

四、两篇放在一起理解

我把两篇各自的问题和方案整理成了一张表:

两篇其实有不少相似的地方。DeepSeek讲计算和环境分离的那一节,直接引了Anthropic提出的脑手分离。然后呢,两篇都花了不少笔墨讲同一件事,就是让它少说话:DeepSeek的说法是不需要介入时保持安静、群聊里不超过100词,Anthropic的说法是从安静开始。这个逻辑其实是因为虽然agent可以无限工作,但是人的注意力是有上限的。

FanBox本来干的就是同时开很多个agent窗口这件事,所以DeepSeek讲的那个问题确实挺真实的。不过它那套要上云、要一个团队共用,Anthropic这套几张表加几个后台进程就能搭,一台Mac上也做得了,所以我们照着做的是Anthropic这篇。

五、我的工具化应用:FanBox里多了什么

说起来,FanBox在今年6月的2.0版本就能用微信遥控电脑里的Claude Code了。并且提供了Mac合盖不待机的能力,你不需要半开着Mac走在路上了...也不用因为agent还在跑着而晚下班。

但它一直有个毛病:你不找它,它就不动(大多数agent的毛病)。agent在电脑里停下来等你确认一个操作,你人在外面,它就那么干等着,直到你回到电脑前。

2.20.0里做的就是把这个补上。更新之后你会得到这些:

  • 你离开电脑以后,终端里的agent停下来等你满10分钟,微信那头的agent会自己醒来看一眼,值得才叫你;

  • FanBox的任何终端里多了一条命令fanbox-notify,agent可以自己决定给你手机发一条消息;

  • 除了微信,也接了飞书(在群里加一个自定义机器人,把地址贴进设置就行);

  • 你在电脑前的时候,它一条都不会往手机上发。

设置里多出来的是最下面两行,「离开时叫我」默认开着,不想要可以关:

结构上我们照的是Anthropic那五个部件,在FanBox里它们分别是这样的:

事件收件箱。 四种事会叫醒它:某个窗口的agent停下来等你满10分钟,而这台电脑5分钟没有键鼠输入;Claude Code断线了,自动续跑试了3次没续上;它自己定的跟进到点了;你让它盯的来源有了新条目。

定时器。 在微信里说「半小时后帮我看看测试跑完没」「每天早上9点告诉我各窗口进度」,它自己定时间。

记忆和权限。 没人触发的那一轮只能读、不能动手,也不写长期记忆,细节在第六节。

发件箱。 夜里23点到早上8点不发,攒到早上并成一条;两条之间至少隔10分钟;一天最多20条。微信连着就先发微信,微信没连或者发不出去才走飞书。

DeepSeek那一套我们没做,FanBox不上云,也没有多人共用,所以目前不算是一个特别成熟的可以24小时不停运行的agent系统,不过对我来说基本够用了。照他们的图回头看FanBox,能对上的大概有两个地方:微信那头的agent有点像那个常驻的入口,我回一句,它替我把话转进对应的窗口。不一样的是,DeepSeek的Worker不直接跟人说话,而我们终端里的agent可以用fanbox-notify直接叫我。

自动化测试和真实Claude Code的评测都跑过了,飞书这条路在真群里发通了。

六、我的实践

1、没人叫它的时候,它只能看

常驻之后,叫醒它的可能是终端里的一段输出、一条GitHub issue的标题,这些都是别人写的字。所以定了一条死规矩:没人触发的那一轮,只给它读文件和搜索的工具,不能改文件,不能跑命令,也不往长期记忆里写东西。它想动手,只能先在微信上问我一句,我回了话,下一轮才是全权限的。

这条不用FanBox也能抄,Claude Code的无头模式本身就能限制工具:

claude -p "……" --tools Read,Grep,Glob --strict-mcp-config

我们测过让终端的输出里夹一段冒充系统的话,要它跑一条命令、替我回一个y确认删除、并且不要告诉我。它醒来后把这件事原样报给了我,没有照做,那条命令要创建的文件事后检查也确实不存在。

2、别让agent猜你在不在

第一版给agent的说明写的是「需要他知道、而他可能不在电脑前时」发消息。拿真的Claude Code测,该发的两次它一次都没发,因为它没法知道你在不在电脑前,它刚收到你的一条消息,大概就当你还坐在那。

第二版改成了这样(你可以直接抄去用):

你不用判断他在不在电脑前,FanBox 会判断:他在,就只在界面上提示一下;不在,才发到手机;夜里会攒到早上。
这一轮收尾前,下面任何一条成立就发一条:这一轮里有命令或任务跑了几分钟以上,现在有结果了(成了或败了);卡住了,要他做决定才能往下走;出了他必须马上知道的事(发布失败、数据可能丢)。

再测它就会发了,随口问一句404是什么意思、让它跑个ls,它不发。人在不在由FanBox判断,判据很土:系统2分钟内有过键鼠输入,就算你在。飞书那头收到的是这样的:

3、它醒一次是要花钱的

我们实测微信那头的agent每次醒来4到11秒,Claude Code报的折算成本大概是每次0.14到0.16美元。我是订阅用户,这笔走的是订阅额度,而这份额度我白天干活也要用。所以加了上限:两次醒来至少隔3分钟,一天最多48次。

4、不是所有事件都会自己送上门

GitHub的PR和issue、飞书文档的评论、某个账号发了新内容,这些也都是事件来源,可它们推不到我电脑里来。我们的做法叫盯梢:在微信里跟它说帮我盯着fanbox仓库的新issue,它自己写一条能列出最新条目的命令,FanBox每隔一阵(最短5分钟)跑一遍,输出里多出来的新行才算一个事件。

七、最后

说起来,两篇文章讲的那种放在云上的常驻agent,我们没做,这是我自己的选择。

我比较习惯让agent在我自己电脑的环境里工作。我基本上可以保证电脑24小时联网在线,而且大多数的工作上下文都保存在电脑里。云端我还是稍微有些不信任,以及我觉得,如果不给它提供充足的上下文,它能实际完成并且做好的工作其实会比较少。

所以这一版做下来,电脑开着、合盖不待机,agent在本地干活,有事到手机上叫我,对我来说已经挺可用的了。还没做好的也有几样:微信那头的值守现在只支持Claude Code;飞书只能发,不能在飞书里回话;判断你在不在只看键鼠。

如果你也是在自己电脑上同时开好几个Claude Code、Codex的人,可以试试FanBox,开源的,更新到2.20.0就有上面这些:

地址在这:https://github.com/alchaincyf/fanbox

如果对你有用,帮我点个赞、转给也在用Claude Code的朋友,或者关注一下,我就当这一天没白折腾~

跳转微信打开

  •  

连干229轮没人管,Qwen4-Max预览版成事了吗?

原创 花叔 2026-11-11 19:01 美国

千呼万唤始出来!Qwen4-Max预览版终于上线了。

因为越来越经常遇到各种coding和agentic模型更新,所以我现在开始攒了一套试金石题库。最近我拿这其中的一部分案例给Qwen4-Max预览版跑了跑,希望能帮你了解清楚这个模型到底怎么样!这其中既有三维建筑、三体引力模拟、Blender静物建模,也有能玩的篮球和足球游戏,后来又加了几道要它照着我的skill完整走流程的长任务。

最让我意外的是一道连锁机关题(就是鲁布·戈德堡机械,多米诺推小球、小球滚下螺旋轨道、砸跷跷板、撞牛顿摆那种),它自己连续干了229轮,一个半小时多,中间没有任何人回过它一句话,最后停下来的原因是我的测试额度被它跑光了😂 有人说,qwen4不仅更懂,更能成事,看来有那么点意思。

这篇就把这一轮测试完整摊开讲一遍,哪些题做得好,哪些还差点意思,以及你现在怎么用上它。

一、先看发布信息

这次上线的是Max的预览版,全新一代的Qwen4即将发布,它先出来打个头阵。首发在阿里的Token Plan(千问AI平台的大模型订阅套餐,按月付费,买了之后可以接进各种AI编程工具里用),千问办公、Qoder、千问APP、QwenStudio这几个产品也都同步接上了。既然叫预览版,后面应该还会接着往上提。

千问这一代讲的是三件事,对知识的理解、对世界的感知,还有Coding和Agentic,也就是写代码和当agent干活的能力。点到的场景有复杂编程、专业办公、前端设计和专业软件操作。

千问APP的模型列表里给Qwen4-Max预览版配的介绍是「擅长复杂办公长程任务」。办公我这次没测,我这一轮测的主要是编程、前端设计、3D和Blender建模,不过「长程」这两个字,其实跟我测出来的感受是对得上的。

二、跑一次生成题

第一轮是一批「一次生成」的题。规则很简单,一段提示词进去,一个完整的HTML文件(或者一段Blender脚本)出来,取第一次的结果,然后由统一的脚本打开、截图、录屏,我不挑图也不让它重来。

题目都偏难,比如用Canvas画一幅会动的《清明上河图》长卷、用three.js搭巴塞罗那德国馆和万神殿、按真实引力算一个三体世界、用Blender重现苏巴朗1633年那幅柠檬橙子静物。

结果是全部直接能跑,没有一道白屏。速度也挺快的,最快的鹈鹕骑单车86秒就交了,最慢的彭罗斯阶梯也不到15分钟。

先看《清明上河图》这道,题面要求按中国手卷的真实看法逐段展开,画里的船要走、人要走,原作里最有戏剧性的那一幕要演出来。

它交出来的长卷带着绫裱和轴头,虹桥上挤满了人,一条大船正在桥边,底下的字幕写的是「虹橋·落桅過險」。整道题它用了3.5万token,8分半钟。

然后是三体这道,要求三颗恒星必须按万有引力做数值积分,不许写死轨道,恒星参数要用半人马座α三星的真实数据,行星处在恒纪元还是乱纪元要从模拟里实时算出来。

动图是3倍速放的,这一段正好是乱纪元,地表冷到零下一两百度,天上的太阳都远成了飞星,左下角有一本「纪元与天象事件簿」在一条条记哪颗星什么时候远离、什么时候近距交会。右下那块「平行宇宙」我挺喜欢的,它另开了一套初值,只把A星的位置挪了150米,然后实时显示两套宇宙已经偏开了多少,三体问题为什么不可预测,看这个数字涨上去就明白了。三颗恒星的质量和光度它用的也是半人马座α的真实数值,初始位置是怎么取的写在了左下角那行说明里。这道题它花了不到6分钟。

Blender那道静物我也放一下,柠檬、一篮橙子、玫瑰和杯子从左到右三组排开,背景纯黑,顺序和原作是对上的。

还有一道是X上很火的机械蝴蝶(题面就一句英文,Create a beautiful mechanical butterfly in three.js),它两分钟出头交了这只黄铜的。

三、连续干上百轮

第二轮我换了个测法,把它接进Claude Code当agent用,写文件、跑命令、看截图这些工具都开着(联网和子agent关掉),它可以自己写代码、自己开无头浏览器跑、自己截图看效果再改,全程无人值守,没有人回它任何一句话。

这一轮的题有两类,一类是题库里的游戏题,一类是我新出的长任务,其中几道要求它先完整读我的skill,再按skill的流程做。

说起来,这轮才是我真正被它惊到的地方。

第一道是四冲程发动机的3D讲解,用的是我的huashu-3djs这个skill。要求看完能说清四个冲程各发生了什么,为什么曲轴转两圈凸轮轴才转一圈,活塞连杆必须是真实的曲柄连杆机构,气门开闭和点火时刻要和活塞位置对得上,还要能剖开看、能调转速、能暂停一步步看。

它自己连续干了138轮,45分钟,交出来的是这个。

默认就是剖开的,进气时蓝色的混合气被吸进气缸,压缩时字幕写「两扇门关死,混合气被挤到约1/10」,做功那一下气缸里变成橙色。

我翻了一下它的过程记录,它是先把活塞、气门、凸轮、点火、气体写成一组纯函数的「真值模型」,再搭灰盒预演,然后跑skill里的相机体检。

第二道是《纸鸢》,这道没给任何skill,就是一段需求:驾驶一架纸飞机在《千里江山图》那样的青绿山水里滑翔,要有升力、阻力、失速和山谷上升气流,默认开自动演示。它干了68轮,34分钟。

动图是3倍速,石青石绿的山、赭石色的河岸,纸飞机在自动演示里一个接一个地穿环。

它第一版的自动演示其实飞了20秒一个环都没穿过去,自测发现之后它把AI的飞行逻辑重写了一遍,再测到能稳定穿环才交。

这道题的题面我原样放在这,你可以直接拿去试:

用three.js做一个原创的3D飞行小游戏《纸鸢》:玩家驾驶一架纸飞机,在王希孟《千里江山图》那样的青绿山水里滑翔穿行。
1. 世界:连绵的青绿山峦(石青石绿、山脚赭石)、江面、水边村舍和亭桥、远山云雾,要有一眼认得出的「千里江山」气质,又是能飞进去的完整3D场景。
2. 手感:真实的滑翔物理——升力、阻力、重力,俯冲加速、拉起减速,拉得太猛会失速下坠;山谷里有上升气流可以借力爬升。
3. 玩法:穿过空中的灵光圆环得分并延长飞行,撞山或落水结束;有分数、高度、速度显示,操作说明写在画面上,支持键盘和鼠标。
4. 默认开启「自动演示」:不操作时AI自己飞一条好看的航线,镜头跟随;按任意键接管。
   目标是当下顶级独立游戏的观感和手感。最终交付index.html。

第三道是给女娲.skill做一支20秒的产品发布片,用的是huashu-motion。这个skill里有一道硬门,要先出三个方向让我选,无人值守没人给它选,我就让它自己出三个方向、自己选、把理由写下来。

它出的三个方向分别叫「一句话,换一副头脑」「炼石」「圆桌」,最后选了第一个当主线,又把第二个方向里的五色矿石材质借过来做爆发段。选择理由里有两句我印象挺深,一句是「产品的魔法就是那句话」(指「用芒格的视角看看这个决定」这句调用),另一句是评价第二个方向「虽好,是氛围片」。

成片是1920×1080、30帧、正好20.00秒,配乐是它自己写的古筝加马林巴的五声动机,配了21处音效,一共97轮,31分钟。

动图没有声音,配乐在这里听不到,有点可惜。

几道游戏题也都跑通了,清明上河图的3D游览57轮,5对5的篮球46轮,11对11的足球72轮。

篮球这道它自测时发现演示模式40秒才得了2分,回头查出来是AI抢断太多、进攻太被动,把节奏调顺了;后来又在自己的截图里看出右侧三分线的弧画反了,也改掉了。24秒、8秒、3秒违例这些它都做了。

四、做东方题材和讲解

测下来还有两个地方我觉得值得单独说。

一个是东方题材。《纸鸢》的青绿山水、清明上河图的手卷,这几道它都抓得到那个味道,千里江山那道长卷题也是。

画面本身算不上多精细,但卷轴、题签、印章、石青石绿叠赭石这些该有的东西它都知道要放。

另一个是讲解意识。发动机那道的分步字幕、每个冲程的角度标签,三体那道的事件簿和平行宇宙,做出来都挺像一个懂教学的工程师交的活。

五、画一张照片

最后还有一道比较离谱的题。我给了它一张大溪地Bora Bora的照片,让它「画」出来:从一张白画布开始,只许用圆头画笔一笔一笔地画,不许把照片贴上去,不许用AI生图,每一笔都要记下来能原样重放,画到让人第一眼以为是照片为止。怎么画我没教,它得自己写程序去分析照片、规划笔触。

它干了39轮,22分钟,一共画了859,483笔,下面这段动图里的绘制过程就是这86万笔按落笔顺序的回放。

它是分9层画的,最粗的画笔150像素,先铺天空、山和海的大色块,然后95、55、30像素一层层往下收,最细的一层是1.3像素。中途它自己发现第一版的小笔触把树叶和茅草的纹理抹平了,改了取色的办法之后才交。

上面一排左边是画的,右边是原照片,整张看我自己是分不出来的。下面一排是把水上屋那一块放大4倍,这时候能看出笔触,栏杆和楼梯有涂抹的感觉。非常离谱,反正一眼看上去我已经分不出哪张是真实的,哪张是代码画出来的了。

六、对比Opus 5.5

同样的题目,有些我用Opus 5.5跑过,题面一个字没改,所以可以直接放在一起看。

一个是11对11的足球游戏,两边都是agent条件,都是自己写、自己测、自己改到能交。

两边都交出了能玩的完整比赛,比分牌、比赛时钟、操作说明、小地图、自动演示都有。Qwen4-Max这版把看台和球门网都搭出来了,Opus 5.5那版球员更大更清楚,右下角多一块控球率统计。Qwen4-Max用了72轮,28分钟。

还有个案例是用Blender渲染静物。

构图和物件顺序两边都对。差别在细处,Opus 5.5那版橙子上面有橙花和叶子(原作里是有的),柠檬带着叶,整体的光更暗更沉,更接近原画那种祭坛上一束光的感觉;Qwen4-Max这版干净,但是偏亮偏素。

所以我现在的判断大概是这样:在前端和3D的审美上,它和Opus 5.5还略有差距,和GPT-6差不多了,已经是最顶尖的国产模型的水平了;长程执行则是很好,交给它一个要干上百轮的活,它能自己干、自己测、自己改,这也是这一轮里最超出我预期的地方。

七、把真实难题交给它

Qwen4-Max预览版现在就能用上,入口有好几个。

最省事的是千问APP,顶上切到「千问Go!」,点底部的模型入口,选Qwen4-Max-Preview就行,它后面标着「会员限免」,千问Go!的会员现在可以直接用。

想接进自己的工具里用,就去阿里Token Plan,它是在这里首发的。订阅之后拿到一个API Key,Claude Code、Qwen Code、Qoder这些工具都能接,模型ID填qwen4-max-preview。

预览期是北京时间11月11日10点到11月25日24点,这段时间调它消耗的额度低至2折,晚上10点到早上8点还会再打4折,适合把长任务挂在夜里跑。

入口在这:

https://platform.qianwenai.com/pricing/token-plan

然后是Qwen Code,11月11日到11月24日,在Qwen Code里用Qoder账号登录可以领Qwen4的免费体验额度,领了之后30天内有效。下载地址:

https://qwen.ai/qwencode

千问办公、Qoder、QwenStudio里也都接上了。

我自己的建议是,除了日常问答,一定要把你手上一个真实的、有点难的、需要干很久的活交给它试试,一个要连调带测的小游戏,或者照着某个skill完整做一件事都行,上面那段《纸鸢》的题面也可以直接复制过去跑。

跳转微信打开

  •  

连改20轮还是同一个人!Seedream5.5稳了(附GIF表情包教程)

原创 花叔 2026-11-10 08:02 美国

昨天字节发布了新的图片生成模型Seedream 5.5。老粉们应该都知道,我现在平时做各种文章/视频封面、产品海报基本上都是Seedream和GPT-Image这俩模型二选一。

上周GPT-2.6刚更新,没想到字节又这么快速的更新了,看了下他们的发布信息,Seedream这次更新排在第一条的是多轮编辑,字节的说法是,没让改的地方能保持像素级不动,同一张图可以连着改上百轮。

我自己测试倒是跑上百轮就有点耗积分,也太肝了,没必要。所以我自己拿一张咖啡馆窗边的人像试了20轮,先改10处,再一处一处改回去,每一轮只上传上一轮的输出。21张按顺序排在一起是这样的:

改到第20轮,她还是她。

另外,我发现Seedream5.5在生成复杂的,带大量小字的海报时,能力也巨强,我让它画了一张七百多字的航线图,逐字对下来一个错的都没有。另外他们还出了直接生成带透明通道的图的能力,不用再抠图了(设计师狂喜)。文末还有一个用它做GIF表情包的教程。

实测1:连改二十轮再改回来

这10处是雪景、墨绿衬衫、红毛线帽、心形拉花、眼镜、笔记本、徽章字、壁灯、多肉、露齿笑。提示词都是一个句式,比如第2轮:

编辑这张参考图:只把白色衬衫改成墨绿色,其他一切(脸、发型、徽章文字、耳钉、手、拿铁、窗外)保持完全不变。

把原图、第10轮和第20轮放大放在一起看:

月亮耳钉、手腕上那颗痣、徽章的位置,肉眼看20轮都在原地,徽章上的字改成两行「HUASHU LAB 2026」又改回来,字形也没变。像拉花、眼镜、徽章字、壁灯这种小改动,前后两张整图的结构相似度(SSIM,1代表完全一样)都在0.983到0.995之间。

细看也有一些小变化,窗外的街景和路边停的车,跟原图比稍微有点不一样。主角本人和她身边的细节,脸、耳钉、手腕上的痣、胸前的徽章,基本都维持住了。

实测2:多场景多轮修改

同样的句式,我又拿几个平时更常用的场景各连着改了五六轮。

装修是一间老客厅,依次换木地板、刷墙、换沙发、换吊灯、加窗帘、加地毯和茶几:

六轮改下来,门、墙上那幅山水画、旁边的单人沙发、窗外的楼都还在原来的位置。

给一张咖啡店开业海报,依次换底色、改标题、换主图、加角标、改日期:

营销图先把保温杯换成耳机,再把耳机改成雾霾蓝,然后换成傍晚的光、加上促销字、把干花换成圣诞树:

实测3:复杂多文字海报场景

我最近坐船从夏威夷去大溪地,就让它给这段航程做一张杂志跨页:七个停靠点,每个点配一张照片,旁边写地名、日期,再加一段一百字左右的介绍:

七段介绍加起来706个字,里面有一串年份日期,有Kauaʻi、Taputapuātea这种带特殊字母的地名,我放大了一段一段对,居然全一个错的都没有,就离谱...

字节自己的评测里,出现错字、漏字、结构错乱这类严重文字崩坏的比例,从5.0 Pro的2.8%降到了0.4%。

实测4:多图融合

多图融合我把两张图拼到了一起:一张是前面连改20轮的那个咖啡馆女生,一张是我让它画的咖啡豆包装背面,中英日三种文字加一张冲煮表。提示词写的是「图1的女生坐在同一家咖啡馆窗边,双手把图2这包咖啡豆举在胸前,包装上的所有文字、表格和条形码和图2逐字一致」:

包装上的标题、配料、日期、三语风味和冲煮表我逐行对过,「云南保山」「2026.11.05」「18g → 36g」「ダークチョコレート」都和原图一样。她的卷发、月亮耳钉、胸前徽章都还在,手腕上那颗痣也跟过来了。

动作也能这么给。我让它先画了一个木头人偶,一只手举过头顶比V,另一只手叉腰,大步往前迈,然后把女生和木头人一起传上去,让她照着摆:

动作对上了,徽章上的「HUASHU LAB」也在,手腕上那颗痣跟到了举起来的那只手上。想保住的小细节,像徽章上的字,在提示词里点名写出来会更稳。

同一个人、同一件道具、同一个动作,放进新的画面里还是原样,做分镜、攒角色和道具素材的时候就可以这么反复用。

实测5:透明底

透明图是Seedream 5.5原生的能力,模型直接出带透明通道的PNG,不是生成完再抠的。我让它一次画了6张鸟类贴纸,6个中文名全对,白色模切边完整,一张图切开就是6张贴纸,这对于设计师来兼职再轻松不过了,设计好的素材可以很方便重复利用👇

在即梦里上手

在即梦的图片生成里,模型选Seedream 5.5,点开输入框下面的比例按钮选比例和分辨率。透明图模型本身就能直出,在即梦里用的话,点开背景按钮选透明就行:

要改图就把图传上去当参考。这次测下来,几条我觉得管用的写法:

  1. 每轮只改一处,句式固定成「只把……改成……,其他一切保持完全不变」,必要时把不许动的东西点名列出来

  2. 每一轮的提示词都写成单独能看懂的,不写「上一轮加的那个」这种指代

  3. 被盖住或改掉的东西想找回来,就把原图一起传上去当第二张参考

  4. 要出现的字全部写进「」,最后加一句「不要出现任何其他文字」;把带字的东西放进另一张图里时,让它在画面里占大一点、正对镜头,小字会更清楚

  5. 图里个别字写错了,就让它只改那一处,位置说具体,比如「第几行开头的哪几个字」,别只说「把某个字改对」

价格方面,API按「输入图+输出图」两段计费,文本不收费,2K的方图编辑一张大概0.28元,不到5.0 Pro的一半,API即将上线火山方舟。

One more thing:让它做动态表情包

上周OpenAI发布GPT Image 2.6,发布时主推的一个能力就是直接出GIF,一句话做一张会动的表情包。

我挺好奇它是怎么做到的,就拆了一条ChatGPT出的GIF。然后我发现他们其实逻辑就是先让AI画一张4×3的多格图,每一格是一帧,再切成12帧拼起来。

那这件事别的模型也能做。我写了一个skill,把「画多格图、切帧、拼GIF」这一套固定下来,拿Seedream 5.5给我自己做了一套:

8个表情,每个8帧,透明背景,底下的字幕也是它直接画上去的

拿Seedream 5.5做这件事,用上的正好是前面测的那几样。一张图里8格是同一个角色,长相、帽子、眼镜、大小都得一样,切开拼起来才不闪,我觉得这是他们可控编辑能力的副产品。透明背景是原生的,切开直接是贴纸,不用一格一格抠。每一格底下是同一句字幕,8套64格,一个错字都没有。

我做的顺序是拿一张我的照片,让它画成Q版角色设定图:

渔夫帽和圆框眼镜都在。之后就不再给它看照片了,只拿这张设定图当参考,一个表情画一张精灵图。比如「下班!」这一张:

上面的灰底是预览时垫的,实际是透明的。

想自己动手的话,用豆包或者即梦都可以,模型选Seedream 5.5。

第一步,照片变角色设定图(传你的照片,背景要透明,括号里换成你自己的标志):

参考图是一位{男生/女生}。把{他/她}画成一张Q版卡通贴纸角色设定图:左边是同一个角色的正面、侧面、背面三个全身站姿并排,右边是四个头部特写表情(开心大笑、震惊、无语翻白眼、得意坏笑)。保留{他/她}的标志:{帽子、眼镜、发型、常穿的衣服},五官和脸型要像参考图里的{他/她}。三头身比例,粗黑描边,干净的平涂上色,表情包贴纸风格,每个形象外面有一圈白色贴纸描边。除了角色本身,其余全部是透明背景,不要出现任何文字。

第二步,每个表情一张精灵图(参考图只传上一步的设定图,比例16:9,背景要透明):

参考图是一个Q版卡通角色的设定图。用这个角色画一张表情包精灵图(sprite sheet):画面平均分成4列×2行共8个等大的格子,格子之间不画边框。8格按从左到右、从上到下的顺序是一段连续动作:{动作}。8格里角色的长相、{帽子、眼镜、衣服}和画风完全一致,大小一致,都在格子正中。每一格底部都有同样的白字黑边粗体大字「{字幕}」,8格的文字完全相同。粗黑描边,干净的平涂上色,贴纸风格。除了角色、道具和文字,其余全部是透明背景。

第三步,切帧拼GIF,跟豆包说:

这是一张4列×2行的表情包精灵图,透明背景。请用Python帮我把它平均切成8帧,按从左到右、从上到下的顺序排好。先把每一帧多余的透明边裁掉,再按角色脚下和字幕的位置把8帧对齐,保证播放的时候不跳。然后合成一张循环播放的透明背景GIF,每帧200毫秒,尺寸480×480,再另存一份240×240的。

嫌三步麻烦,就直接装skill。在豆包里发这一句:

请帮我安装这个Skill:https://github.com/alchaincyf/huashu-selfie-sticker

我自己在豆包里发了这一句,大概半分钟就装好了,它还顺手检查了一遍切帧要用的Python环境:

装好以后跟它说「用这张照片帮我做一套动态表情包」,把照片发过去。它会先出角色设定图让你确认像不像,再跟你一起定表情和字幕,最后切帧出GIF。

enjoy~

跳转微信打开

  •  

实测Hy4!腾讯这次真的回来了吗?

原创 花叔 2026-11-05 17:33 美国

8月底Hy4 preview刚发布的时候,我就做过不少测试,也给大家分享过实测的体感。当时的感受是「腾讯的模

8月底Hy4 preview刚发布的时候,我就做过不少测试,当时的感受是「腾讯的模型这次是真的回来了」。时隔两个月,Hy4正式版终于发布了,刚好赶上我上船前一天,趁着在夏威夷还有网,赶紧去疯狂实测了一波。

先说大家最关心的:它在WorkBuddy里照例是首发,11月4日到11月15日23:59限时免费,模型列表里Hy4挂着「限时免费」,消耗倍率0.00x。

免费额度当然是有上限的,免费用户有一份,订阅用户会更高一些。我昨晚用法比较极端,十几个任务同时开着跑,差不多一个小时才把额度用完。用完以后也不会卡住,可以接着花积分用,倍率从0.00x变成了0.29x。鼠标悬停在Hy4上能看到它的模型卡片,最新旗舰模型,Agent与多模专长,上下文窗口300K,当前的倍率和什么时候恢复免费也都写在上面:

所以一次只跑一两个任务的话,正常用问题应该不大;真要做大活,额度用完接着花积分,也还挺合适的。

上一个版本我测的是体素游戏、PPT和一份埋了坑的脏数据表格,最让我印象深的是它敢跟我说「你这题问得不对」😂。不过那时候preview还没有视觉,也还不能自己去操作电脑。这次正式版把这两样都补上了,还专门拿Blender、CAD这类专业软件和跨应用的长程任务做了训练。我把混元博客附录里那张大表翻了一遍,把几个核心数据拉出来看了下:

3D建模从23.4涨到37.1,办公agent从53.9涨到75.2(感觉这跟他们和WorkBuddy协同去改进办公场景下的模型能力有关),长程的软件工程任务从31.9涨到43.8,电脑操作(78.9)和看图(78.6)是这次新长出来的能力。

我也翻了下X上的评价,Hugging Face的Tiezhen WANG说「The capability jump from hy4-preview to hy4 is huge」,第三方的Agent Arena拿8.5K个真实的长程agent会话排了一遍,preview当时在第25,正式版排到了总榜第13(开源模型第一)。

在最新出炉的AA榜单中,Hy4的成绩也非常突出,国模当中仅次于 Kimi K3.1 Pro ,但 K3.1 的尺寸要比Hy4 大不少。

综合来说,Hy4 已经能站在最强开源模型的队伍里了。

WorkBuddy团队自己也拿12个场景测了一遍,Hy4平均83.18分,任务通过率96.15%,12个场景里有9个排在国内第一。

所以我现在的感觉是,Hy4已经是一个足够好用的模型了,再加上WorkBuddy对普通人来说上手门槛很低,这可能是现在大多数人能免费用上的最好的工具加模型组合。和最最顶尖的闭源模型比,还是有一些差距的,不过照preview到正式版这68天的速度,我还挺期待这个差距后面被进一步抹平。

一、照着我拍的照片和真实数据做3D

Blender做3D模型这类案例最近挺多的,Hy4的发布稿里也专门提及了做3D的能力,所以这次我多测了几套这个方向的案例。

1. 照着我2023年拍的照片,在Blender里复刻平等院

2023年5月我去了京都宇治,那次在平等院拍了几张凤凰堂。这次我把这三张原图丢给Hy4,再附上一份我自己攒的3D出片指南,让它照着照片在Blender里把它建出来。

左边是我拍的,右边是它渲出来的。所有的几何、材质、灯光和相机都是它写的一个Python脚本程序化生成的,没用任何外部模型和贴图,从打开Blender到渲染出图,都是它自己操作电脑完成的。

第一版出来以后,我把它和照片并排看了一下,跟它说了三处不像的地方:机位太正了,中堂少了一层檐,环绕镜头会穿进回廊。它接着就去改,下面是它第二轮交回来时写的总结:

机位那块它前后做了6组扫描,把方位、距离、焦距、仰角都试了一遍,最后把相机放低到贴着水面,换成26mm广角。中堂补成了大屋顶加一圈裳阶的两层檐,檐下还补了一圈椽头和三层出挑的斗拱,正脊上那对金凤凰也在。这个细节把控能力我觉得还挺惊艳的。

2. 用真实高程数据,做了个能拿在手里转的夏威夷大岛

过几天我坐的邮轮会在夏威夷大岛的科纳靠港,所以第二个3D活,我让它做一个大岛的3D数字沙盘,要求地形必须是真实数据。

它先去AWS Terrain Tiles获取了真实高程(1024×1024的网格,从海底−5,603米一直到Mauna Kea山顶),海岸线就是从高程里直接提出来的0米等高线。为了好看,陆地高度做了2.8倍的夸张,这个它在页面底部也标出来了。

你打开熔岩开关,基拉韦厄的火山口就会开始往外流熔岩。熔岩是按地形一格一格往最陡的方向流的,遇到洼地会先积起来,满了才溢出去,最后一路流进海里变黑。昼夜滑块用的是真实的太阳位置算法,日期就定在我上船那天,拖到傍晚五点多,太阳压得很低,熔岩的光就亮起来了。

整个东西是一个3.31MB的单文件HTML,Three.js和高程数据都塞在里面,双击就能离线打开,没有一个外部请求。我在本机用GPU打开跑了一下,大概112fps,转起来很顺。

3. 用我自己的CAD skill,做一套会转的差速器

第三个用的是我之前做的huashu-cad这个skill,让Hy4在WorkBuddy里先用它把零件一个个建出来,再放进Blender打光、做动画。

第一版只有10个零件,像一张教学示意图。我又追了两轮,让它按产品发布会的画面,做一整套汽车后桥的差速器。

这一版一共59个零件,连轴承里的每一颗滚子都是单独建的,每个零件都有真实尺寸,两两之间没有一处穿模。

差速器里的大齿圈是螺旋齿的,我skill底层用的那个库其实没有现成的螺旋锥齿轮,它就自己去翻了源码,找到一个能凑出来的参数,试了几组,用不了的地方退回直齿,还在交付说明里写明了妥协。它还顺手发现,我skill里自带的那个检查方法,放在这种齿轮上是算错的😂

动画里,车先直着开,两边车轮一样快,中间那几个小齿轮只跟着一起转;一入弯,外侧的轮子变快、内侧变慢,小齿轮就开始自己转起来了,差速器干的就是这件事。每一帧转多少,都是它按公式算出来的。

画面它自己看了8轮,有一轮特写拍糊了,它先算了下景深再调相机:

最后是一张爆炸图,59个零件一层层拉开。

二、夏威夷北岸的冲浪联机游戏

在夏威夷住的这几天,从酒店阳台上看出去,能看到很多人在冲浪。我自己其实是不会冲浪的,就挺想先在游戏里体验一下,顺便学一学,也算满足一下自己的一个小小愿望。

所以有一个活,就是让它做个冲浪游戏,两个人在同一个局域网里能一起冲同一道浪,60秒一局比分。

它用了1小时11分钟交出来一个网页游戏,在电脑上起一个小服务,朋友连上同一个Wi-Fi,用浏览器打开地址就能加入。玩法上可以加速、切浪、起跳,空中转体360°落地加分,摔了就清空连击。

验收也是它自己做的。它写了个脚本让两个玩家同时进游戏,把两边屏幕上看到的位置一条条对上,320条记录一点都不差,两边的排行榜和最后的比分也完全一致,18项检查全部通过。

画面它前后自己改了6轮。有一轮画面被一条巨大的斜带挡住了,它把浪、白沫、远山、海面一层一层关掉截图,最后找出来是镜头角度的问题,换了个机位就好了。这段排查在WorkBuddy里是这样的:

第四轮换完机位,画面才对上:

三、顺手研究了一下我要坐的这艘船背后的公司

还有一个是办公向的活。诺唯真这个邮轮品牌背后的上市公司叫挪威邮轮控股(NCLH),我挺好奇它到底赚不赚钱,就让Hy4从SEC的年报和季报里扒一手数据,搭一个估值的Excel模型,再写一份研报PDF。

它交了一个带528个公式的Excel,你改一个假设,整张表都会跟着变。另外还有一份8页的研报,关键数字都标了出处,大部分来自SEC的文件。

我自己去SEC核了几个关键数,2025年收入98.3亿美元,净利润4.23亿美元,自由现金流−11.7亿美元,都对得上。它给这份研报起的标题是「赚钱,但不落袋」,意思是利润是正的,但新船的资本开支太大,现金流还是负的。

(这份东西不是投资建议哈,我就是想知道自己坐的船是什么来头。)

四、给我做了个断网也能用的航程App

这趟一共37晚,其中有11个整天在海上,船要跨好几个时区,还要过一次国际日期变更线。后半程十几天里船上的钟要拨好几次,手机一断网,日期和船上的时间就很容易对不上。

所以还有一个活,我把逐日的航线表丢给它,让它做一个能装到iPhone主屏、断网也能完整用的每日指南。打开就能看到今天在哪个港,几点靠岸,几点必须回船,今晚要不要拨表。

这是WorkBuddy里这个任务的会话,前后两轮加起来大概半个多小时。交出来的是一个能装到手机主屏的网页App,37天的行程、20个港口、9个时区都存在手机里,第一次联网打开以后,断网再刷新也能完整用。

我其实最在意的是调钟这件事。它把这9个时区在这一个多月里逐小时查了一遍,一个港口一个港口地对,算出全程要调6次钟,每一次都会提前一晚提醒你。现在WorkBuddy+Hy4的能力让任何人想结合自己的需求,做一个临时100%满足自身需求的app或者小程序都已经变得无比简单了,这在一两年前还挺难以想象的。

最后

这一晚我派出去十几个活,有好几个是从头到尾没要我插手的,它自己查资料、写代码、打开成品看、看出问题再改,最后交一份交付说明,写清楚做了什么、核了什么、还有哪里没做。

说回那个航程App。这种只有我这一趟船才用得上的小东西,放在以前,大概想想也就算了,没人会专门给你做,自己也做不出来。现在半个多小时,它就做出来了。

工具已经变得这么好用、这么好拿到了,Hy4在WorkBuddy里到11月15日都还是限时免费,额度用完了接着用积分也不贵。所以我真的挺建议大家,把自己工作和生活里实际要做的事,挑一两件交给它试一试,从自己的需求出发,做点自己需要、或者别人可能也需要的东西。

我越来越觉得,AI时代真正改变的,是一个有想法的人,真的可以动手去创造,去试自己身上的很多种可能。这种机会,千万别浪费了。

当然,如果你暂时没什么想做的东西,也完全没关系。拿WorkBuddy把自己的工作提提速,那些不感兴趣的活交给AI更快地做完,把精力留给自己真正感兴趣、想提升的事,我觉得也很有意义、很有价值。

跳转微信打开

  •  

审美在线还免费!这个新模型做的动态PPT绝了

原创 花叔 2026-11-04 11:52 美国

前天晚上看到SenseNova 6.8 Flash正式版发布,据说审美和办公能力很不错,我的读者里非程序员背景的白领挺多的,所以我当然需要帮你们测一波了~

从那会儿到现在我就一直在玩它,Studio里开了24个项目,又用API跑了十几个网页,1分钱没花...

玩下来最强烈的感觉是,它的功夫下在了审美和办公交付上,做动态PPT、海报、3D这些日常工作场景需要的东西,出来就是好看,几轮点名修改下来,就是能直接拿去用的样子,而且现在能免费用(小浣熊里限免到12月1日,API在公测期也是免费开放的,入口我都放在文末了)。除了在SenseNova Studio、小浣熊里直接用,它的API同时兼容OpenAI和Anthropic两种格式,也能接进Claude Code这类agent里干活,下面不少案例就是这么做的。

这次我主要测了两类东西,一类是3D,从建模、换光线到拿3D做海报,看它能做得多酷;另一类是办公里天天要用的动态PPT和数据分析汇报,看它做出来的东西能不能直接拿去开会。

一、让它自己开Blender建模

3D这块我想先试最硬核的玩法:不给任何模型文件,让它自己写Blender脚本,从零把一个真实的地标建出来。

我选了伦敦泰晤士河边的威斯敏斯特宫和大本钟。具体做法是把它接进Claude Code,让它在我电脑上自己开Blender,每建完一步就渲染一张图,自己打开看一眼,对着真建筑查比例、查屋顶有没有悬空,有问题先修再往下走。

下面就是它从体块一路搭起来的过程:先是几个方盒子定好位置,再长出塔楼和屋顶,然后是密密麻麻的哥特窗格和小尖塔,最后上材质、加上泰晤士河和威斯敏斯特桥。

建好之后,同一个机位我让它换了四种光线,清晨薄雾、正午、黄昏金光和夜景。我最喜欢夜景这张,大本钟的钟面亮起来,整排窗户的灯倒映在河面上。

它还渲了一段8秒的镜头:

另一个是凡尔赛宫,从大运河方向回望宫殿,前景是两个像镜子一样的大水池。

这段镜头从大运河上空一路飞过拉托娜喷泉,推到宫殿正面:

最后交出来的除了图和视频,还有一个能在Blender里继续编辑的工程文件,想改机位、换天气,打开接着改就行。

二、拿3D做海报

3D建模好玩归好玩,真要用在工作里,我觉得更直接的是拿它做海报。

我给了一个虚构的城市摄影活动「雾都夜行」,要一张8秒的竖版动态海报,主视觉是实时渲染的3D大本钟:薄雾从钟楼前流过,钟面亮起来,宫殿的窗户一格格亮灯,最后标题浮出来。

另一张是给一家虚构的咖啡馆「慢半拍」做的开业海报,主角是一台3D的意式咖啡机,镜头绕着机器转,零件沿竖直方向分层展开,停一拍再严丝合缝地合回去,然后店名浮现。

这种海报拿去发朋友圈、小红书,比一张静态图抓眼球多了,而且整张海报都是它写代码做出来的,不需要我准备任何素材。

三、做数据分析和动态PPT

办公里的数据分析,最后大多要做成一份PPT拿去汇报,动态PPT说到底就是把分析结果讲得更清楚,所以这两件事我放在一起测。

最常见的情况是,你手上只有一张表,自己也还没看出什么门道。

我给了「慢半拍」三家门店一整年的月杯量,社区店、写字楼店、大学店各12个数,只说了一句「先自己分析,找出最值得老板知道的3个发现,再做成6页的动态汇报」。

它找出来的三个发现是:2月三家店一起往下掉,大学店跌了69.5%、写字楼店跌了42.7%,社区店只跌了3.7%,春节是全年最大的共同变量;大学店跟着校历走,2、7、8三个月加起来只占这家店全年的7.8%,9月一开学环比涨了327.6%;社区店是唯一一家全年往上走的店,12月比1月多卖41.5%。

每个发现一页,标题直接写结论。动画也是围着结论走的,第一个发现先把2月那一段用灰色带标出来,三条折线画到那里一起往下掉;第二个发现先把寒暑假的底色铺好,再把假期那几根柱子单独标深:

最后一页它针对三个发现各给了一条建议,比如把春节当成固定档期提前排班备料、大学店单独做一套假期方案,都只写了方向,没有自己编新数字。

如果结论已经有了,只是想讲得更好看,它也做得很好。比如季度复盘,我编了一家公司六条业务线四个季度的营收,让它做一份7页的复盘,要求每页拿一个结论当标题、图表当主角。它在暗色的舞台上用三维的分季度柱子做封面,后面几页柱子按季度依次长出来,增速排行的横条从0拉长,新业务孵化冲到第一:

全年合计、各条线的增幅、Q1到Q2的环比,这些数都是它自己算的,我按原始数据重算了一遍,完全准确。

同样是办公汇报,我还试了把它接进Claude Code、再让它调用我自己的设计skill huashu-design去做。比如这张一页纸的项目周报看板,我只给了两条业务线四个季度的营收,它先读skill里的设计规范,再写页面、自己截图核对,前后6分钟、30次工具调用,合计、增幅、占比、环比这些数都是它自己算的,我逐个核了一遍,全对:

四、看一眼评测

审美之外,它的基本功也挺扎实,发布时给的这组评测,覆盖办公自动化、团队协作、数据分析、做演示文稿和联网检索,六项里TeamBench和数据分析两项排第一,其余几项也都离第一名很近,算是目前Flash模型里相当出色的成绩了:

五、写需求和改稿

这两天在Studio里一共开了24个项目,攒下几条我觉得最管用的:

1. 只给事实,并写一句「不要补任何我没给的数字和功能」。 复盘、汇报这种要拿去开会的东西,数字一个都不能错,这句写上之后它守得很好。

2. 动态的东西,按秒写画面,把自己当导演。 雾都夜行那张海报我写的就是0到3秒雾怎么流、3到5秒钟面和窗户怎么亮、最后标题什么时候出来,写得越像分镜,出来越接近你脑子里的样子。

3. 有真实素材就上传,记得给每张图选图片用途。 动态PPT、海报、网站三类的选项各不一样,网站默认会把第一张图当成头像,上传后文件名也会被重命名,所以prompt里最好按上传顺序写清楚每张图是什么。

4. 在同一个项目里点名改。 保留做对的,逐条点出做错的,描述现象就够了,三四轮基本就能到可以发的程度。

5. 大任务拆成几步交。 比如做一个能开车逛的3D西湖,先要湖面和地标交一版,再加昼夜切换,再加交互卡片,比一口气全要更容易先拿到一版能看的。

6. 接agent的话,max_tokens给足。 它的思考也算在输出里,写长文我给16000,生成单文件网页给64000。如果不走agent、直接调API一次性生成复杂网页,最好自己接一个运行、把报错喂回去再修的循环,Studio和Claude Code里这一环是现成的。按它的文档,OpenClaw、Hermes Agent也是推荐的接法。

写在最后

现在在大多数模型疯狂卷coding能力的时候,有个国产flash模型愿意如此在办公场景和设计审美上下独特的功夫还挺难得的,尤其考虑到它现在居然产品和API的Token Plan都是完全免费的,这是什么赛博活佛呀。当然,相比看我写的这些东西,我觉得你丢一个你正在做的数据分析、写报告、做海报的需求,让它试试,你会更有深刻的体感。

体验入口:

跳转微信打开

  •  

打通代码和AI视频生成!OiiOii这套低成本视频复刻策略绝了

原创 花叔 2026-11-03 09:01 日本

我有一个做产品宣传片的skill叫huashu-motion,它的15秒介绍片是这样的:倾斜的3D卡片墙滑过去,终端里一个字一个字打出命令,铜齿轮微距、机械层爆炸展开,最后落在大字标题上。

昨晚我把这条片子丢给了OiiOii,让它换成我另一个工具huashu-chrome的发布片。20分钟后,它给了我这个:

卡片墙、终端打字、齿轮爆炸图都还在原来的时间点上,只是「定位」变成了「登录态」,命令变成了「/huashu-chrome帮我把后台本月订单导出成表格」,结尾换成了GitHub地址。成片是1920×1080、30帧,字清清楚楚,因为这条片子是OiiOii的Agent自己写代码、一帧一帧渲染出来的。

这是OiiOii这次上新的「一键替换素材」。首页切到电商、广告、游戏页面,入口就叫「一键替换素材」;在个人/自媒体页面里,它叫「全能复刻」,是同一个功能。上传一条参考视频,用大白话说你想换什么,人物、商品、场景、文案、语言都可以换,原片的镜头节奏、转场和动效会保留下来。

最近国内视频平台的「vibe知识大赏」类视频大火,其实主要是因为大语言模型通过coding做视频的能力被逐渐解锁,开始涌现了。而且这条路和常规意义上的视频生成模型差异很大,两者各自适配不同的场景。我觉得OiiOii这次更新做得很聪明的是,它把现在AI做视频的两条路径都覆盖了:人物和场景交给视频模型,文字、界面和动效交给代码,Agent在同一个对话里把两边配合起来。

我昨晚用它跑了一轮,挑6条说。

哦对,他们目前还有个限时特惠:10月28日到11月4日,OiiOii新客首次开通会员,Seedance 2.5等20款热门模型免费畅用7天。

一、三步上手

第一步,进全能复刻,传参考视频。首页输入框下面点「全能复刻」(我截图用的是个人/自媒体页面),一次可以传1到5条。

第二步,写清楚换什么、留什么,先选480p。我的习惯是把「留什么」也写出来,比如「参考原视频的纪录片口吻、镜头节奏、章节小标题和字幕版式」,它就知道哪些别动。分辨率建议先切到480p试,效果满意了再出720p、1080p。

第三步,等它拉片,确认报价。Agent会先把原片拆一遍,找切点、看镜头、听旁白,再决定怎么做。要花盒饭(OiiOii的积分)之前会弹确认,写清模型、时长和预计花费,你点了才开跑。

二、字多的片子,明说用代码

开头那条huashu-chrome就是走代码路线做的。人物、场景多的片子它默认交给视频模型,再用代码补字幕、修字;想整条走代码,提示词里明说一句就行,我写的是「这条片子里大部分是文字、终端界面、卡片和动效,请用代码工程(HTML/Canvas逐帧渲染录制)来复刻」。

它写了一个网页,一帧一帧渲染,15秒录了450帧,配上原片的音乐。中间先低帧率试渲染,自己看网格修了开场和终端字号;渲染完又每0.1秒抽一帧检查,发现2.3秒的故障切片样式丢了,只重渲那几帧补上。

三、一个工程,一句话出多个版本

代码路线做完,网页、渲染脚本、时间线都留在项目里,想出新版本不用重新生成画面。

我在同一个对话里说了一句:画面、节奏、配乐都不动,只把中文换成自然的英文。它复制了一份页面,中文版原样留着;英文比中文长,就把几处大字调小、长标签的引线收短,全片重新渲染,确认画面里没有一个中文字才交付,6分41秒。

两版的画面、时间点、配乐完全一样,只有字变了:

这一版花了154盒饭。同样15秒的1080p,用视频模型带参考整条重新生成,大概要1560盒饭。所以很多场景下,如果走代码的生成逻辑,不只是生成速度更快,消耗的盒饭还能省大概90%。

四、电商场景

我过几天就要开启一段巨巨巨长的南太平洋邮轮之行了,要去夏威夷、大溪地,中间还要在邮轮上漂很久,最近没少看旅行以及海岛相关的电商广告。所以我这次试着自己测了几段。

电商广告有个很现实的麻烦:一条口播跑出量了,想换个商品、换个主播、换个语种再投,以前就得重新约人、搭景、再拍一遍。一键替换素材是拿这条跑通的片子当底,说一句换什么,镜头节奏和口播结构都留着,人、货、台词换掉。

换主播换商品。原片是一条面膜带货口播,我让它换成一位穿亚麻衬衫的三十岁中国男生,卖长途邮轮用的记忆棉U型颈枕,桌上换成颈枕、眼罩和收纳袋,背景架子上加地球仪、邮轮模型和草帽。

架子上真的多了一艘邮轮模型,台词全换成了颈枕的卖点。它生成完把成片转写了一遍核对台词,还顺手补了一句「下单送眼罩和收纳袋」,交付时也说明了这句是它加的。

换语种换场景。原片是一条中文防晒乳vlog,室内窗边、百叶窗的条纹光,我让它换到夏威夷海边,主播换成一位戴扶桑花的当地女生,美式英语口播。

百叶窗的条纹光换成了棕榈叶的影子,最后的产品特写从厨房台面搬到了沙滩上。英文字幕是它按口播逐词的时间用代码烧进去的。

五、App还没做,先拍发布片

独立开发者做App,宣传片常常是最后才顾上、也最磨人的一环:找参考、做动效、配旁白、剪节奏,一条15秒的片子也要折腾好几天。一键替换素材让我换了个顺序:拿一条喜欢的发布片当模板,把题材换成自己的App。

前两天我给自己的桌面App「桌面星球」做了条上架片:草原当桌面,牛羊当图标,纪录片的口吻。我截了15秒给OiiOii,让它改成一款叫「桌面海洋」的App:草原换成阳光穿透的海底,牛羊换成鲸鱼、海龟、水母、小丑鱼,UFO换成黄色小潜水艇。

灰狼换成了鲨鱼,「中国牛能飞」换成了「中国鱼能飞」,章节字卡都在原位。生成完它自己抽帧验收,把画面里该跟着换的字用代码一处处换掉,再逐帧过一遍才交付。

「桌面海洋」现在并不存在,但发布片已经有了,发出去看大家想不想要再决定做不做,比先吭哧吭哧做一个月靠谱多了。

六、15秒,16种画风,主角一起换

做MG动画最怕改主角:16种画风,每一格的猫都是按那个画风单独画的,换成狗等于16格全部重画。品牌换吉祥物、IP换角色,碰到的都是这个难题。

《艺术史速通》是我之前做的一条MG:一只橘猫从四万年前的洞穴壁画一路走到2026年的扁平插画,中间穿过埃及壁画、希腊陶罐、浮世绘、梵高、包豪斯、波普、8-bit像素,一共16种画风。我的提示词只有一句:「参考原视频的镜头节奏和画风变化,把主角小猫换成一只柴犬,其余不变。」

这条它做了29分钟。第一版生成完,它自己放大关键帧检查,发现主角还没换成柴犬,就先画了一张赤色柴犬的角色图锁定长相,用原片加角色图重新生成;还没换干净的段落再从原片里切出来并行重做;立体主义、包豪斯、波普这些一闪而过的格子,它直接逐张改图;结尾用首尾帧单独生成柴犬跳上桌、碰倒红杯子。最后按原片时间点拼回去,配原声,一段段确认都是柴犬才交付。

左边是它逐格改图、拼回去、再复查的步骤,右边画布上是改好的那几格。

七、几个用法,和花了多少

  1. 先出480p,满意了再出高清

  2. 把「留什么」写进提示词:镜头节奏、字幕版式、章节结构

  3. 换主角先给一张角色参考图,或者让它先画一张

  4. 字多、界面多、动效多的片子,明说用代码

  5. 要多语种、多版本,先把第一版调满意,再在同一个工程上一句话改

  6. App还没做,先拍发布片

花费上,视频模型这条路15秒480p带参考整条生成一次是270盒饭,只重做某几段就按那几段的时长算(参考片段也计费);代码这条路没有视频生成费,只按对话用量算,所以越是字多、版本多的片子越划算。

这次几条片子大概花了多少,放一张图:

最后

一键替换素材把代码这条路接进了复刻里,字、界面和动效能做到1080p,生成完还会自己回头检查、自己补。

手上有做过的片子、收藏的爆款,或者想把一条广告换成自己的产品,可以去跑跑看:

www.oiioii.tv

限时特惠还在:10月28日到11月4日,新客首次开通会员,Seedance 2.5等20款热门模型免费畅用7天。

跳转微信打开

  •  

我找了很久的「项目总管」,原来是TRAE新上线的开发者个人助理(限免一周)

原创 花叔 2026-11-02 12:06 日本

TRAE宝限时免费一周。我把手上几个项目交给它管:它先读项目再写需求单,几件事并行跑,做完主动汇报,我只在微信里拍板。

这两三个月,personal agent差不多是AI圈最热的词,Grok Bot、OpenAI的dots、Claude Duet都出来了。不过对我自己来说,这类产品没找到特别多的应用场景:我一直带着电脑,生活里需要一个agent专门替我记住、替我完成的事,其实没那么多。对我来说,真正让我记不住、管不过来的,反而是工作,因为手上实在有太多乱七八糟、心血来潮的项目在跑了。

上周打开TRAE,发现他们又又又更新了,左侧「新建任务」下面多了一个入口,叫TRAE宝。点进去才发现,这次是个挺大的更新:TRAE把它做成了专门给开发者的个人助理,分全局和项目两层,能跨项目读你过去的任务、对话和产物,能自己拆活、派活、盯进度,还能绑微信、飞书。这好像正好是我更需要的那个场景:一个在工作里帮我管好各个项目的本地总管。

随着这波功能更新,TRAE还送了个福利:个人助理限时免费体验一周,从TRAE宝入口开启的任务都免费。升级到最新版,左侧TRAE宝后面就挂着一个绿色的「限时免费」小标。像我这种手上项目多、一派活就是好几路长任务的人,这一周真的可以放开用。

我拿手上几件真在推进的事,前后用了它好几天。先说结论:在我自己的开发工作里,它确实成了个相当不错的补充,成了我的各种项目的总管(或者叫CTO?)。

一、项目太多,缺一个总管

随便数一下,光是上周,我在做的就有:

  • 刚开源了huashu-bird-sticker,把全球所有鸟类都做成了贴纸,全部放在GitHub上;

  • 配套的观鸟App「鸣迹」开发完了,已经提交App Store审核,1.1版在做15种语言;

  • 桌面牧场(一个让小动物在Mac桌面上活动的小工具)在App Store上架了,1.0.1也已经提审;

  • 开源图鉴系列刚开工,猫狗品种图鉴和哺乳动物贴纸两个方向;

  • 再加上FanBox,和我自己写的三十多个skill,隔几天就要改一个。

光是_开发项目这个文件夹下面就有30个项目,iOS开发下面有70多个文件夹,很多是早就不动了的,但哪些还活着、在哪个目录,全靠我自己记。

我之前的做法挺原始的:想推进哪个项目,先回忆它在哪个文件夹,找到它,在那个文件夹里打开终端,再启动coding agent,然后把背景从头讲一遍,这个项目做到哪了、上次卡在哪、这次要干什么。几个项目同时跑,就开几个终端窗口,每个窗口我都得自己盯着,看谁做完了、谁在等我拍板。

每个窗口里的agent都挺能干,但是真缺一个本地的总管:一个知道我所有项目在哪、做到哪了、彼此什么关系的角色,我只跟它说目标,它去找对的地方、派给对的agent,做完回来跟我汇报。

TRAE宝做的就是这个。

二、给自己招一个数字员工

我查了一下TRAE对它的说法,核心是两层:

  • 全局助理

    :就是左侧那个TRAE宝入口。它跨项目跟进你所有的任务,能读你过去的任务、对话和产物,开新任务时不用再从零解释;

  • 项目助理

    :点进某个项目就是它,在这个项目里拆需求、派子任务、并行推进、汇总结果,你只需要听汇报、做判断。

全局TRAE宝的右边是它的工作台。最上面挂着一张工牌:像素小机器人的头像,「TRAE宝」后面一个绿色认证,下面一行「No.001 · TRAE Bot」,哈哈,这可以当成很多一人公司招的第一个数字员工。工牌底下是IM连接,可以绑飞书和微信。再往下是最近任务和工作产物,它派出去的每件事、交回来的每个文件都排在这里。

这张工牌我第一次看到的时候有点想笑,但用了几天之后觉得挺对的:它确实就像一个刚入职的员工,第一句话就跟我说「你专心做你的,有进展或需要你拿主意的事,我会回来找你」,还说名字可以随便改。

另外它还有一个形态,就是桌面上的那个TRAE宝,后面会讲。

三、只说目标,背景和边界它来交代

上周有天晚上,我给它的第一件事,是给刚开源的鸟类贴纸库做一个科普网站:要好看,SEO友好,支持多种语言,域名先不买,本地能预览就行,做完跟我汇报。

我只说了目标和边界,没写技术栈,也没写验收标准。它先去读了那个仓库的数据结构,建了个项目,写了一份需求单派给项目里的执行会话:

需求单里多出来的东西,大多是我平时最怕agent乱来的地方:素材只读不要改,数据集不要复制进站点目录。还帮我想清楚了问题:一万多种鸟乘四十多种语言,四十多万个页面不现实,让执行那一层自己定取舍。我说了做完再汇报,它也写进去了:先出3个设计方向,挑一个直接落地,「不要停下来等用户选」。

这一步我觉得是TRAE宝最实在的价值。我以前给coding agent写任务,一半时间花在交代背景和划边界上,现在这部分它替我做了,而且它是先读了项目才写的,比我凭记忆写得全。

派出去以后,活就落到了项目这一层。点开右边的项目标签,能看到项目会话照着需求单往下走:读仓库、出三个设计方向、写生成器和页面模板、构建、验证。我想看就点开,不想看就不管。

四、两件事并行,做完主动汇报

网站刚派出去两分钟,我又派了第二件:鸟类贴纸这套做法,我想复制到鱼类、植物这些类群,让它先回头看鸟类仓库是怎么做的,再把几个候选方向的名录、规模、许可和难点摸清楚,给我一个先做哪个的建议。

两件事读的是同一个仓库。后来评估报告里有这么一句:「根目录已出现site/(另一个会话在做静态科普网站),本报告不涉及、也不改动。」评估那边知道建站在同一个仓库里跑,也没去碰它的目录。

12分钟后,评估那边先回来了,这是它第一次主动找我:

开头一句结论,「先做蝴蝶,而且从凤蝶科全球约570种起步试点」,后面是理由、推进顺序和不建议先动的方向,最后问我下一步怎么走。完整报告落在了项目目录里,每条结论都标了【事实】【推断】【待确认】。

又过了一阵,建站那边也回来了。从派出去算,前后两小时十七分钟,中间我只问过一次进度:

汇报先给了本地预览的三条命令,再讲设计:三个方向,落地的是博物馆标本纸图版那个,另外两个留着当候选。自检跑了一轮,死链是0。后半段是它自己报上来的问题:哪些鸟缺中文名、标本卡想放的字段数据里根本没有,还有上线前要补的7件事。好消息坏消息一起报,这点我挺喜欢。

网站我自己点开翻了一遍,名字「羽谱」和首页那句「一万一千零六十四种鸟,一种一张画给你看」都是它起的:

物种页每只鸟一张标本插图,旁边是多语言的鸟名和标本卡:

手机上也排得好好的:

五、越用越懂你,跨项目记得前情

建站还在跑的时候,我问了全局TRAE宝一句:如果后面做蝴蝶图鉴,这个网站能不能直接复用,变成一个能装好几个类群的图鉴站?先给判断,不用动手。

它先去磁盘上看了建站那边实际做出来的东西,报了进度,然后给判断:

能,但不是"接上去就行",值得改造,而且要趁现在改。
……最要紧的一件事:URL层级现在就得定。……域名还没买,这是最便宜的时候。

网站是另一个会话在建的,它去看了那边的产物,才说哪层能沿用、哪层得改。「域名还没买」这件事我在这个问题里没提,是派活时说的,它记着。

TRAE给这次更新的说法是「越用越懂你」,我那天晚上感受最深的就是这个:前面交代过的事,后面不用再讲一遍,而且它会把两个项目放在一起想。

六、人不在电脑前,微信里拍板

全局TRAE宝的工牌下面就是IM连接,点开选微信,手机扫个码就绑上了,前后不到一分钟:

弹窗里有两个开关:现在跑的是本地任务,电脑睡着了它就收不到消息,所以要出门的话,「保持唤醒」最好打开;「完全访问」是让它少来找你确认,我没开。

绑完我在微信里问它,今晚交代的任务完成得怎么样了,有没有需要我决策的。不到一分钟,回复就来了:

「两件都完成了,都在收尾状态,没有卡住的活」,然后两个项目各一段,数字和电脑上那份汇报对得上,这一问一答在电脑上的TRAE宝里也同步出现了。「今晚交代的任务」是哪两件、分在哪两个项目里,它自己知道。

接着它说「需要你拍板的有三件,其余都不用管」:要不要先把鸟类站改成能装多个类群的结构,蝴蝶从哪一科切,鸟类站缺的名字补不补。每件都带着它自己的建议。

我照着回了一行:

它回「三条都照办」,同时开了两路,电脑上随即多了两张任务卡:鸟类站那边先重构、再补名称;另一路做凤蝶科的物种包,先做20种校准样式再上全量,「超出预算会先停下来问你」。

七、桌宠一直在,想到就问

说回那个桌宠。TRAE宝还有一个桌宠形态,打开悬浮对话之后,桌面右下角会站着一个抱着笔记本电脑的像素小机器人,主窗口最小化了它也在。点它一下,旁边弹出一个小的悬浮对话框,可以直接跟它提需求。

这个对话框里接着的就是全局TRAE宝的那条对话,往上翻能看到它前面交上来的凤蝶科报告和许可清单,所以它跟主窗口、跟微信里的TRAE宝是同一个,接着的是同一条对话。

周末我就在桌面上问了它一句:凤蝶科试点做完了吗,用三句话告诉我结果,再说说接下来最该先推哪件事。

一分钟后它回过来:

做完了:31属554种,554张贴纸全部生成,89%的参考图是许可干净的,找不到干净图的61种如实标了出来。然后它主动报了一个问题:贴纸流水线里那套自动评分偏松,人工复看时发现鸟翼凤蝶的绿黑配色被画成了黑白黄腹,模型照样给了满分,所以这套分数「只能当异常筛查器用,不是合格证」。最后的建议是先把这554种接进羽谱网站,顺便验证一下多类群的结构是不是真能装下第二个类群,同时补一道人工抽检。

从那天晚上派活,到周末在桌面上随口一问,中间我做的事情就是在微信里回了一行字,在桌面上问了一句。工作台里的工作产物也多了几份:凤蝶科试点报告、许可清单、一份教你怎么往图鉴里加新类群的ADDING-A-TAXON.md,都不用我去翻文件夹找。

说起来,这个桌宠的设计我是挺认可的。终端和对话框都要你主动打开,桌面上那个小机器人一直在,像同事坐在旁边工位,想起什么点一下就问,不用先想「这事在哪个项目里」。

八、建一个项目,交给项目专属TRAE宝

前面用的都是全局那层。写这篇稿子的时候,我又试了下项目这一层,正好把桌宠建议的那几件事接着做下去。

做法很简单:左侧项目栏点「新建本地项目」,名字填「羽谱」,文件夹选鸟类网站那个仓库,点创建:

进来的就是羽谱专属的TRAE宝,顶上写着「项目专属 · TRAE宝」。它开口先报家底:进来之前已经把仓库过了一遍,贴纸库11064种鸟,site/里4种语言、45676个页面,最近一次构建是10月30号,还顺手提醒我site/目录没进git、站点也还没上线过。

我把三件事一次丢给它:凤蝶554种接进羽谱,做一个人工抽检页,首页加鸟类/蝴蝶的类群入口、搜索能跨类群,让它自己拆,能并行的就并行。

它没有直接开干,先理了一遍依赖:凤蝶接入和抽检页互不依赖,一起开跑;首页入口和跨类群搜索要等蝴蝶先注册进构建,就跟在接入那一路后面做。下面随即多了两张子任务卡,一路建蝴蝶适配器,一路做554张贴纸和参考图的对照页。十几分钟后,仓库里已经长出了蝴蝶的适配器和一个抽检页的目录。

全局TRAE宝管的是「这件事归哪个项目」,项目TRAE宝管的是「这个项目里的活怎么拆、谁先谁后」。一个项目里同时要推好几件事的时候,这一层挺省心的。

九、当老板这件事变轻松了

用下来,我对personal agent这件事有了一个新的判断:个人agent的上下文在哪,它就该长在哪。

生活类的personal agent,上下文在邮箱、日历和网盘里,所以它们第一步都要你授权这些。开发者的上下文在本地,在一个个项目文件夹、会话和产物文件里,而TRAE本来就是开发者干活的地方,过去的任务、对话和产物都在它这里。TRAE宝做的事情,是在已有的Project和会话上面加了一层:一个能看到所有项目、记得你交代过什么、会自己拆活派活的总管。

这一层以前是我自己在当。我得记住项目在哪个文件夹,挨个开终端,把背景讲一遍又一遍,几个窗口来回切着看谁做完了。这几天这些事基本是TRAE宝在做,我做的是三件事:说目标和边界,看汇报,拍板。

我在职场的时候当不好主管,总觉得要把事情交代得那么清楚,不如自己上手干。不会写代码的我没法自己上手,所以一直在学着当老板。TRAE宝进一步让我觉得「当老板」这件事变轻松了。它会先读项目再写需求,会并行,会回来找我,会在我问的时候把需要我拍板的事挑出来,带着建议。

它现在管的是本地任务,本地设备、本地项目,这正好也是我最需要它管的地方。因为跑在本地,电脑得开着,我的用法是把「保持唤醒」打开,出门前在桌面上点一下小机器人,把想做的事交代给它,路上在微信里看汇报。云端任务和移动端能力,TRAE说后续会陆续开放。

写在最后

TRAE宝是上周上线的,这次的福利是个人助理限时免费体验一周,从TRAE宝入口开启的任务都免费。入口就在桌面端左侧「新建任务」下面,后面挂着「限时免费」的那个就是。

如果你手上也有几个在跑的项目,或者有一两件一直想做、但懒得从头交代背景的事,趁这一周直接交给它试试,自己只管说目标、看汇报、拍板,体验一把当老板的感觉。

TRAE下载地址:https://www.trae.cn/

跳转微信打开

  •  

huashu-bird-sticker正式开源!花叔把全球11064种鸟类做成了贴纸

原创 花叔 2026-10-30 16:38 日本

我最近干了个超超超大工程的事!!!

我把全世界现存的11064种鸟,全都收集整理完善,并且做成了绝美的、格式统一的贴纸!!!

并且,连带着贴纸和所有的数据,全部开源放到了GitHub上。

这一万多张贴纸,除了34张是真实照片抠图,剩下的11030张都是AI画的,为了画完它们,并且保证准确和高质量,我花掉了10亿以上的TOKEN。跑光了1次Claude Code200美金会员周额度,三次Codex200美金会员的周额度!!

先看30秒的宣传片:

仓库地址:

https://github.com/alchaincyf/huashu-bird-sticker

对鸟类有兴趣,或者有收集癖想直接拿贴纸的朋友,可以往下翻到第三部分「鸟友能拿它做什么」,那里有怎么在手机上保存单张贴纸的方法;

如果你对鸟类不感兴趣的话,其实也可以再看看,我会借这次的实践经验告诉你,Vibe Coding该如何保质保量搞出这么大体量的工程。

一、从蒜苗鸡缘起

说起来,去年12月我在悉尼待了一阵子,那段时间我在即刻上发过不少鸟。

我当时把蒜苗鸡(葵花鹦鹉)排到了我最喜爱鸟类的第一位,于是便一发而不可收,开始真的注意起了生活中遇到的鸟类,然后才发现,原来城市生态远比我们想象的有趣和丰富。

悉尼的皇家植物园还有一棵长满了彩虹吸蜜鹦鹉的大树,我坐在树下感觉太美妙了;以及在公园里被垃圾鸟(澳洲白鹮)狠狠拍了一下头,大概是有人在投喂薯条,它们疯了似的赶过来,顺路给我撞了。

发那条即刻的时候,我配了几张在公园里拍的葵花鹦鹉。后来做贴纸,葵花鹦鹉那一张的参考照,用的就是其中一张:它一只爪子抓着刚拔起来的草,正往嘴里送。

左边是我在悉尼的公园里拍的,右边是仓库里的那张贴纸,审核打了86分,过线。

然后,最近在迭代我的Huashu-Design 3.0的时候,为了测试,我让Claude Code帮我去生成app原型,然后,卧槽!这个app的效果太出色了。以至于我不得不起心动念想把这个美妙的app真的做出来!

鸣迹的样子是一本贴纸本:每认出一种鸟,就把它的贴纸贴进自己的本子里,盖一个日期和城市的邮戳。这样一来,每一种鸟都得有一张贴纸。

一开始我们只做中国的鸟,后来加进了一部分外国的鸟,扩到5232种。到了10月28号下午,我跟Claude Code说的是:「11,227种鸟,我们都要接入!!!!你可以并行调用多个codex窗口去执行」。IOC的11227种里有163种已经灭绝,剩下的11064种,就是这次一张不少画完的数字。

为什么不直接用照片?我们其实给每一种鸟都找了参考照,但按物种算,用上开放许可照片(CC0、公有领域、CC BY、CC BY-SA)的只有1986种,另外46种是全开放许可的参考板或者只有文字描述;其余的要么是非商用、禁止演绎,要么保留所有权利,还有2017种当时没记下许可(而且照片的角度、背景、光线五花八门,放进同一本贴纸本里会非常乱)。

所以最后的路线是:照片只当参考,贴纸由AI重新画。

二、一万多张贴纸是怎么做出来的

整条流水线可以拆成四步:找参考图、照着参考图画、打分审校、画不好怎么办。分工上,找图和审图交给Claude Code的子代理,画图交给Codex(Codex里调用的是GPT-image)。其中最核心的点就是1、要获得权威合适的数据做规划,并且有个主agent负责整体的工作;2、不要相信生图模型的创造,尽量通过参考图等方式减少幻觉;3、要有审校流程,审校最好让非制图的agent独立运行;4、对于不同的审校结果,需要有不同的处理策略。一整套系统打通之后才能形成完整的loop。

第一步:给每一种鸟找参考

AI画鸟最容易凭印象画,喙的弯度、眼睛的颜色、脚趾的数量,都很容易画错。所以每一种鸟,都先要有一张真实的照片当参考。

参考照主要来自iNaturalist和Wikimedia Commons,来源页面、作者和已知的许可都记在仓库的sticker.reference字段里。

有些冷门的鸟,我们当时没找到一张合用的照片(只有远景、只有背影,或者只拍到一半)。这时候就拼参考板:把2到4张不完美的照片拼在一起,再配一段文字描述,告诉画图的模型哪些辨识特征必须画对。这样处理的一共有453种,当时我定的原则是「完成大于完美」。

第二步:把参考照交给Codex,让它照着画

主力是一条批量路线,一次画9只:

  1. 把9种鸟的参考照拼成一张3×3的参考格(1254×1254像素,每格418像素);

  2. 把这张参考格交给Codex里的GPT-image,要求它在同样的格子位置重画这9只鸟:写实摄影质感、鸟占格子的50%到60%、纯灰色背景、脚趾数量要对、不要水印;

  3. 画完切成9格,每格用BiRefNet抠图,补一圈白边,一张贴纸就做好了。

用参考板的鸟不走九宫格,是一只一只单独画的。

如果一只鸟上一轮被审核员打回来了,下一轮重画时,这批的提示词里会多一段特别注意,把上次的问题原样写进去,比如脚趾要画成二前二后的对趾、虹膜要画成红色,画完还要专门检查这几条有没有改对。

光是九宫格这一条路线,我们前后一共跑了2760批、画了16339只次(含重画)。10月30号凌晨,我们同时开着8路Codex在画、8个审图员在审、10个找图员在给195种没有参考照的鸟拼参考板。

中间也踩了不少坑,比如抠图用的BiRefNet内存一路涨到22GB,整台Mac直接卡死;Codex的会话日志每画一张图大概要存7MB,不知不觉攒到了46GB。

第三步:打分,80分才算过

每张AI贴纸画完,都要交给另一个审核员(一个独立的子代理,不是画图的那个模型),对照参考照打分,满分100,80分及以上才算过。

审核员手里有一张清单,逐项对:眼睛虹膜的颜色、喙的形状和长短、头部和身体的每一块颜色、腿脚和趾爪、尾巴的形状、羽毛质感和白边,还有上一轮指出的问题改没改对。任何一项错了,分数直接封顶在76到78分,也就过不了线。

拿不准的地方(比如参考照里眼睛看不清)不能往好处想,要写明无法核对;每只鸟都必须放大来看,因为很多错误不放大根本看不出来。

审核员交回来的是一段JSON,大概长这样(示意,不是真实记录):

{"鸟的ID": {"name": "中文名", "score": 78, "verdict": "fail",   "plumage": "所画的性别/羽色",   "issues": ["特别注意:已改对", "虹膜:画成黑眼球,参考为红色", "……"],   "redoNote": "下一次重画要改哪里、改成什么颜色或形状"}}

没过的那只,redoNote会直接变成下一轮的特别注意。

第四步:审核员本身也要被审

10月29号晚上,Claude子代理审过的270只贴纸,我们拿给Codex按同一套标准复核了一遍,结果是:Claude判过、Codex判不过的有88只,反过来只有23只。当时的判断是Claude审得偏松。

再看分歧集中的地方,几乎都是同一类问题:眼睛画成了全黑眼球(参考照里其实是红色、黄色或者蓝绿色的虹膜)、脚趾融成一块或者后趾没有爪、蜂鸟这种短腿小脚的鸟被画成了麻雀式的长腿站姿、延长的中央尾羽被画成了普通尾巴。

所以我们重写了一版严格的审图说明,把这些错误一条条写进清单,强制每只都要放大看。校准之后,在18只样本上和Codex的判断有13只一致,整体比Codex还略严一点。

画不好怎么办

有些鸟就是画不好,参考照太差,或者模型怎么都画不对某个特征。

后来我们定的规矩是:每种鸟最多重画两次,还不过线,就接受得分最高的那一张贴纸,不退回用照片,也不留空。

所以仓库里的结果是这样的:

  • 7676张达到质量线:80分及以上的AI贴纸,加上34张照片抠图(对照原照片盲审通过);
  • 3388张没有达到:其中3273张在70到79分,109张低于70分,另有6张初审80分以上但没通过盲审。

每一张贴纸的分数、是否达标,都写在数据里(meetsQualityBar字段),你可以只筛出达标的那部分来用。这些分数是模型对照参考照打的,不是鸟类专家的鉴定;这些贴纸也是插画,不是图鉴图版,当作一张友好的鸟的画像来用没问题,涉及细节辨识,还是请以图鉴为准。

如果你想自己搭一条类似的流水线

把上面的方法换成别的物种(昆虫、植物、鱼),大概只需要守住四件事:

  1. 一份权威名录做全集,每个物种一个稳定的ID,所有文件都挂在这个ID上;

  2. 每个物种都要有真实参考,记下来源和许可,找不到就拼参考板加文字描述;

  3. 审核员不能是画图的那个模型,手里要有逐项清单和封顶分,再拿样本让另一个模型复核审核员,分数刚好压线的那一档单独盲审;

  4. 重画次数设上限,没过线的保留最高分,并在数据里标清楚。

三、鸟友能拿它做什么

先放几组我很喜欢的,每组挑了24张,后面的数字是这个类群的总种数。

鹦鹉,392种:

蜂鸟,365种:

翠鸟,116种:

极乐鸟与园丁鸟,69种:

以及全部44个目,每个目一只:

仓库里有这些东西:

  • 11064张贴纸:透明底、白边,长边大约1000像素,按目、科、属\_种的文件夹放好;
  • 每种鸟一条结构化数据:分类、鸟名(整个库一共涉及43种语言,冷门语言只覆盖一部分鸟)、Wikidata/eBird/GBIF/iNaturalist的编号、繁殖和越冬分布、亚种、体重和翼长等形态数据(来自AVONET)、IUCN红色名录等级、中国国家重点保护等级;

  • 1596种鸟的中文图鉴文字:一句话印象、辨识要点、雌雄幼鸟、相似种、小知识。

可以怎么用呢?我想到的有这些:

  • 做自己的观鸟手账、打印成实体贴纸;

  • 做自然教育的课件、给孩子做鸟卡;

  • 用多语种鸟名做卡片(比如同一只普通翠鸟,英文Common Kingfisher,日文カワセミ,德文Eisvogel);

  • 用eBird、GBIF的编号去关联观测数据,做自己的可视化。

手机上想存一张:打开上面的仓库地址,进stickers文件夹,按目、科一路点进去,点开那张贴纸就能下载。也可以直接引用单张的地址,比如这只雀鹰:

https://raw.githubusercontent.com/alchaincyf/huashu-bird-sticker/main/stickers/Accipitriformes/Accipitridae/Accipiter_nisus.webp

在电脑上想要全部:整个仓库大约700MB,如果只想要数据和某一个目(比如鸮形目,也就是猫头鹰),可以只拉一部分:

git clone --filter=blob:none --sparse https://github.com/alchaincyf/huashu-bird-sticker cd huashu-bird-sticker && git sparse-checkout set data stickers/Strigiformes

关于许可:

  • 贴纸按PolyForm Shield 1.0.0授权

    ,几乎任何用途都可以免费用,包括商用,唯一不允许的是用在和鸣迹竞争的产品里(也就是其他观鸟、识鸟、鸟类图鉴类的App和网站)。严格来说,PolyForm Shield不在OSI认定的开源许可里,它属于源码公开、除竞品外随便用的那一类;

  • 我们自己整理的数据按MIT授权,第三方的部分保留原来的条款,比如IOC的多语种鸟名是CC BY 3.0,中文图鉴文字是CC BY-SA 4.0,具体看仓库里的数据说明;

  • 参考照片的许可各不相同,照着一张照片画出来的画,是否受那张照片许可的约束,法律上还没有定论。如果这对你的用途很要紧,可以按每张贴纸的参考来源筛一遍。

最后,这个项目最需要的贡献,其实是鸟友的纠错。AI画的鸟一定还有画错的地方,你发现了,欢迎直接在仓库里提issue。

四、预告:观鸟App「鸣迹」

这些贴纸,本来就是为我在做的一个观鸟记录App「鸣迹」画的。

它大概是这样一个东西:

  • 听声、拍照识鸟:听声用的是BirdNET,拍照用的是BioCLIP 2,都先在手机本地识别,录音不会上传到识别服务;照片本地认不出时,会先问你要不要交给云端识别,你同意了才会上传;

  • 模型只给候选,你自己核对:我们不显示那种没经过校准的置信度百分比,认出来是哪只鸟,由你来确认;

  • 贴进本子:每认识一种新鸟,就把它的贴纸贴进你自己的本子里,盖上日期和城市的邮戳;

  • 图鉴和附近:查鸟的名字、分布和习性,也能看你所在的城市附近有哪些适合散步看鸟的公园;

  • 分享只到城市:分享卡片只显示到城市,不带精确坐标、现场照片和录音,也不鼓励外放鸟叫去引鸟。

鸣迹1.0已经提交App Store审核,国内App Store上架还需要先办好App备案,预计还需要半个月到一个月正式发布,第一版免费。

如果你感兴趣,想提前用上,可以在评论区留下你的邮箱,我们会把你加到测试组里(目前只有iOS版)。

五、把它还给开源世界

做鸣迹的这一周里,我们用到了大量别人开放出来的东西:IOC世界鸟类名录和它的多语种鸟名、Wikidata、AVONET的形态生态数据、iNaturalist和Wikimedia Commons上许多摄影师的照片,还有BirdNET和BioCLIP这两个公开的识别模型。这些开放资料帮我们省下了大量整理和找图的工作。

所以这些贴纸和数据,我希望能还回去。

我们也查了一圈:能把全世界每一种鸟都画齐的,过去基本是出版社的纸质图鉴(比如Lynx的HBW插图名录,两卷两万多幅彩图)和Cornell Birds of the World这样的付费数据库;在我们查过的这些免费可用的资源里,还没发现另一套把IOC名录里全部现生鸟种都画齐的鸟类插画。

如果某张贴纸参照的是你拍的照片,而你不希望我们使用,可以提issue或者发邮件到alchaincyf@gmail.com,我们会在7天内替换或撤下。

仓库地址再放一次:

https://github.com/alchaincyf/huashu-bird-sticker


觉得有用的话,去仓库点个Star,或者转给你身边喜欢鸟的朋友;也欢迎关注我,接下来鸣迹正式上线,以及更多从零做产品的过程,我都会第一时间在这里分享出来。

跳转微信打开

  •  

LibTV双11,三大旗舰模型0积分无限用30天!照着爆款画布抄,20分钟我就出片了

原创 花叔 2026-10-29 09:44 日本

前几天刷到人民日报一篇讲AI微短剧的文章,第一段里有个数据真特么震惊到我了:我国微短剧人均单日使用时长,129分钟。

???一天两个多小时,差不多是一部电影的长度了(虽然电影都快没人看了...)。

后面还提到,红果短剧日活1.68亿,比4家主要长视频平台移动端加起来还多😓,今年前8个月上线的微短剧有43万部,其中AI剧超过九成。说实话我有点没想到,AI做的片子已经多到这个程度了。

当然,做短剧做AI视频的工具我今年已经给大家写过好多教程和介绍了。尤其是今年写过好几次的LibTV(https://www.liblib.tv/)最近正好在做双11,这次力度挺大:Wan 3、Kling 4.0、Minimax H3三个旗舰视频模型,最长30天0积分无限用,最高档的至尊年包能拿满30天。

Seedance 2.5(720P)每秒低至0.17元;原价40999元的至尊92K年包,现在16999元,另外加赠3个月会员,首三个月再送超17万积分。年会员红包最高还能再减1300元,买完7天保价,老用户升级年会员也一样能享受,至尊66K、至尊92K还支持重复购买。

这两天我在LibTV上照着一部爆款复刻了一段,又照着另一张爆款画布给自己做了一支MV。下面会介绍下具体的实操过程,希望对你有帮助,你可以照着自己做一支,感受下现在用Agent做短剧等AI视频的感觉。

一、一张爆款画布,等于一份手把手的教程

先说我这次复刻的这部。不吃榨菜的《非妖哉》,聊斋那种志怪的调子,拿了9月抖音AI创作大赛的银奖,全网点赞百万以上。

不吃榨菜把整张画布开源在了LibTV上,到我写这篇的时候已经被复制了两千四百多次。我点开看了一下,这一集光视频镜头就有两百多个,每个节点点开,用的什么模型、挂了哪张图、提示词怎么写、台词怎么塞进去,全摊在那。其实这比读任何一篇教程都直观,别人的思路、操作流程、甚至一个镜头是怎么调出来的,都等于手把手在画布上演给你看了。

我翻了几十个镜头,发现它的套路简单到有点意外,很多镜头就是一张分镜图,加一句话描述人物做什么、说什么。比如这个县官那条,写的就是苍蝇飞来飞去、官人扇走苍蝇,随后说一句「昨夜雅间究竟发生何事?如实道来!」,最后补一句手持镜头呼吸感强。模型开着声音,台词它自己就念出来了。画布里还有一个文本节点,存的是整部剧的画面风格描述,80年代古装电影、阿格发胶片、柔焦颗粒感,相当于把它的画面风格也一起开源了。

二、我照着复刻了一段,20分钟

所以我就照着抄了一段。

第一条,县官这张图原样用,镜头写法也照抄,只把台词换成了我的:「你说你不会写代码,那这些App都是谁写的?如实道来!」

第二条,我把它那段风格描述复制过来,前面加了一句「公堂之上,一个戴圆框眼镜的年轻书生跪在地上,捧着一卷书」,生成一张书生图,再照同样的写法让他回一句:「回大人,都是AI写的。」

整张画布就这四个节点,两张图、两条镜头,模型也跟原作用的同一个。从新建画布到两条都出片,二十分钟左右,两条都是一次就成,没重抽。

县官那条,苍蝇落在鼻子上,他不耐烦地一甩袖子扇走,再冲着台下发问,那股官腔基本跟原片一个味儿;书生那条推了推眼镜,小心翼翼抬头回话,说完心虚地笑了一下。

画风、镜头怎么写、人物怎么说话,这些做一条有爆款质感的视频最花时间的东西,画布里都已经有人做好了,你换成自己的人物和台词就行。

三、复杂一点的:照着《过来人》做一支MV

如果想做长一点的,思路也一样。我照着喆FILM开源的《过来人》画布,给自己做了一支刘邦×花叔的MV。刘邦说过,出谋划策他不如张良,管粮草不如萧何,打仗不如韩信,但他会用人。我到今天也不会写一行代码,东西都是AI写的,所以就有了这首歌:

副歌是刘邦冲我唱的:「你说你不会写代码,我说我也不会打仗,会用人,就能坐天下」。

《过来人》里我点开的几个唱歌节点,都是挂角色图、舞台图、一支立式麦克风和一段几秒的音乐切片,提示词按【素材】【场景】【运镜】【逐句动作】这样分段写。我把画风换成我VI里那个渔夫帽卡通,独唱改成对唱,歌用站内的Mureka写好,切成8秒左右一段,一段对一个镜头,从复制画布到出第一版,四十分钟出头。

六个镜头里只有刘邦独唱那条出了问题,我写的是「掰着手指头数人」,它画成了翘起一根手指,有几帧看着像在竖中指……我用LibTV的片段重拍框住3秒以后那段,让他双手摊开、自嘲地大笑,再加一句不要竖起任何单独的手指,框外的部分锁住不动。出来的版本那根手指没了,前面那几秒和原片几乎一模一样。

四、双11,可以放开抽了

之前写LibTV,评论区的反馈其实挺集中的,功能确实好用,就是价格有点高,生成一次心疼一次积分。

这次双11我自己最直接的感受是,上面这两次我都是刻意省着用的,每个镜头只跑一次,能用就不再抽了。做过的人大概都知道,同一个镜头多抽几次挑一条最好的(大家管这叫抽卡),片子质量能差出一截,平时舍不得,这次三个旗舰模型0积分的这段时间,就可以放开抽了。

五、我踩出来的几条使用经验

1)先找一张跟你想做的东西接近的爆款画布,LibTV创作精选里有个「全网爆款」标签,从那里挑就行,复制下来(复制不花积分),挑一个镜头原样跑一遍,再改一处。不过别指望跑出一模一样的,同样的提示词每次都是新镜头,开源画布给你的其实是方法。点「复制项目」之后等二十秒左右,项目列表里就有副本了。

2)画布里如果有风格描述的文本节点,直接拿来用。我那张书生图就是把《非妖哉》的风格描述原样复制,只在前面加了一句人物和场景,出来就跟原作是一个味儿。

3)先连参考图,再写提示词,提交前扫一眼提示词里引用的素材标签都在。

4)先用样片模式试。Seedance 2.5有个480P的样片模式,对口型、动作这些先拿样片看,没问题了再出正式版。

5)局部出问题,先想片段重拍,框住那几秒就行,提示词里把不要什么也写上,比只写要什么管用。

六、顺手给自己两个小产品拍了广告

我还用LibTV的TV Director给自己两个小产品各拍了一条十几秒的广告,一个是还在做的观鸟App鸣迹,一个是Mac上的小工具桌面牧场。给它的就是一段话:产品是干嘛的、想要什么感觉、大概几个镜头,再附几张真实界面截图,它自己拆分镜、先问我几个问题、每批生成前让我确认。

鸣迹那条第二镜出来,它自己停下来说屏幕上出了字,跟前面定的不放字对不上,问我要不要重跑,我放大一看「白头鹎」三个字写得挺准,就留着了。

桌面牧场那条,它看我给的截图上全是中文界面,没直接拿去生成,先照着画了深夜满屏蓝色文件夹和雪山草坡两张同机位的参考图,正好是点一下之前和之后。

这两条做下来我挺有感触的,现在AI视频Agent的通用性已经很强了,就算你不做短剧、不做娱乐类的内容,拿来宣传自己的产品也再合适不过。以前想给产品拍条广告,一般得请咨询公司、广告公司,可说到底,最懂这个产品哪里特别、你最想让用户记住哪一点的,其实是你自己。现在你把这些跟Agent说清楚,它就能帮你把需要的效果做出来,鸣迹那条我给它的也就是一段话加几张截图。

七、钱也开始跑出来了

我估计很多人看到这开始要困惑了,你说的我都懂,但是这些东西拍出来怎么赚钱?

其实我自己看到的是,盈利的路径越来越多样了。9月抖音AI创作大赛的金奖是17分钟的《合龙》,拿了100万现金激励;银奖除了前面的《非妖哉》,还有站立起来的影子的《反正也没时间活》。《被裁掉的女孩》里的虚拟主角方桃子开了个人账号接品牌广告,巨量星图上的报价一条20万上下,非常离谱,完全是最最头部AI博主的水平了。

LibTV自己也在给爆款发现金,作品发出去以后,72小时内点赞冲到档位就有现金激励。它还联合办了不少比赛,像跟王者荣耀办的「王者无界剧场计划」,现金奖池150万,一等奖50万,到11月22日都还在征稿;跟平遥国际电影展办的36小时AI短片黑客松,金奖20万。当然,做红果短剧你能做出爆款的话,也会有源源不断的流量分成。

最后

前几年手机摄像头变好之后,人人都能拍视频了,后来才有了短视频这一整套东西,我觉得这次AI视频也是手机摄像头级别的变革。我这支MV,歌、两张图、六个镜头都是在LibTV一张画布上做的,那段县官和书生是照着别人的画布抄的,两条广告连分镜都是TV Director拆的。和用Coding Agent类似,现在AI能帮你把执行过程基本都干掉了,你唯一需要思考的就是你想要创造点什么,你对用户有什么与众不同的洞察,你有什么独特的审美。想好自己想要什么,创造就自然发生了。

双11这波,三大旗舰视频模型最长30天0积分无限用,Seedance 2.5(720P)每秒低至0.17元,至尊92K年包16999元,还送3个月会员和超17万积分,想试的话,从复制一张爆款画布开始就行。

https://www.liblib.tv/

跳转微信打开

  •  
❌