铃阅时讯
❌

阅读视图

三季报对比:中际旭创兑现,胜宏科技落差

原创 心木123 2026-10-29 23:59 广东

暴跌后别再说跌多了,两份三季报揭示:一个估值消化,一个预期修补。

插入的图片

这几天的盘面,最折磨人的不是跌,而是跌得你开始怀疑自己的眼睛。

前阵子还在讨论1.6T、PCB、2027年的需求,转眼就只剩一个问题,还能跌多少。

盘后泡了杯茶,茶叶还没沉下去,自选股先沉了一截。群聊也很有意思,上月还在比谁的研究深入,这周已经开始比谁的成本低。

其实,成本高低只跟自己有关,市场从来不关心。

真正让人难受的,不是账户少了几个点,而是你原以为自己买的是产业趋势,市场却突然问你,这份趋势到底值多少钱。

插入的图片

这波下跌,杀的未必是业绩

每次热门赛道急跌,总会冒出两种声音。

一种说基本面没变,越跌越买。另一种说估值太高,行情彻底结束。

我倒觉得,现在急着站队都没必要。因为下跌本身,不会告诉你答案。

如果只是风偏下降、资金兑现,而企业盈利预期还在往上走,回调确实可能带来机会。

可如果市场开始重新评估增长空间、竞争格局和估值,那么跌了10%还是20%,都只是一个价格变化,不是安全边际。

尤其是在机构持仓集中的热门赛道里,过去把股价推上去的资金,也可能成为调整时的卖出力量。

公募基金三季报里,部分周期行业已经出现了业绩仍高增长、机构持仓却明显下降的情况。

插入的图片

资金并不是不看业绩了,而是开始把当期业绩和后续增长的可持续性分开算账。

所以,别再把龙头当成天然的避险资产。

龙头只是流动性更好的资产之一,上涨时最容易买,调整时也最容易卖。

反弹时,它未必率先企稳。下跌时,它也未必跌得更少。

跌下来有没有机会?当然有。但机会不来自跌幅,来自下跌之后,有些东西反而看清楚了。

为什么之前的策略,突然都不灵了

「回调买龙头」,过去是很好用的经验。

产业趋势向上,龙头业绩最能兑现,资金也愿意给溢价。

可这套经验有一个前提,原来的投资逻辑必须还在。

当一家公司的估值已经建立在很高的增长预期上,任何低于预期的变化,都可能引发重新定价。

此时还盯着买入成本,一次次告诉自己又便宜了,很容易从寻找便宜筹码,变成不断给旧逻辑续费。

「看业绩买股票」也一样。

三季报出来后,按利润增速排个队,看起来最有基本面支撑,实际却经常失灵。

原因不复杂,股价反映的不只是已经发生的事,还包括市场对未来的判断。

连续几个季度超预期之后,一份漂亮财报可能只是验证市场早已知道的事。

反过来,一家此前低迷的公司,只要经营拐点开始出现,即便利润绝对值不高,也可能有资金提前布局。

财报回答的是过去做得怎么样,不能直接回答今天的股价值不值得买。

插入的图片

我现在更愿意把四个问题放在一起看。

① 业绩有没有超过市场预期,而不只是同比增长多少。

② 增长能不能延续。一次性收益、低基数带来的改善,和订单、份额、经营效率持续提升,含金量完全不同。

③ 利润能不能变成现金。收入利润往上走,应收账款和存货却跑得更快,经营现金流还在恶化,就要多问一句增长质量。

④ 估值有没有给未来留下空间。好公司、好业绩、好价格,是三件事,不能只用其中一件代替另外两件。

带着这四把尺子,再看中际旭创和胜宏科技,会发现同样是三季报,市场要处理的问题完全不一样。

两份三季报:兑现与落差

① 中际旭创,业绩没有失约,剩下的是估值问题。

先把数据摆上桌。

中际旭创前三季度营收695.47亿元,同比增长178.13%。

归母净利润222.38亿元,同比增长211.81%,利润增速跑在营收前面。

单看Q3,归母净利润85.87亿元,同比增长173.74%,环比增长8.47%。

扣非净利润90.18亿元,同比增长190.13%,环比增长22.3%。

加回4.05亿元股份支付费用后,调整后利润94.23亿元,符合预期。

更关键的是毛利率。

Q3毛利率46.61%,同比提升3.82个百分点,环比再提升0.19个百分点。

收入在涨,利润涨得更快,毛利率还在往上走,这说明产品结构仍在优化,1.6T光模块占比可能继续提升。

这份季报最硬的地方,不是某个绝对数字有多吓人,而是增长质量暂时没有掉链子。

需求能见度也在往后排。

插入的图片

公司在公开电话会议中明确表达2027年需求强劲,2.4T、NPO、XPO需求可能在2027年下半年逐步释放,部分客户已经给出2028年明确需求,更多客户预计年底陆续释放指引。

不过,客户指引不是锁定订单,更不能直接拿2028年的远景给今天的估值无限上杠杆。

它是加分项,不是免跌金牌。

50亿元回购并改为全部注销,也是一个积极信号。

相比用于股权激励,注销让这565万股永久退出,能够缩减股本、增厚EPS,管理层的态度很清楚。

只是回购股份占总股本0.48%,也没必要把它吹成第二条利润增长曲线。

往后看,1.6T、NPO、2.4T仍是业绩增长的关键引擎。

NPO除了传统Scale-out侧,在Scale-up侧还有望受益于光进铜退。

Scale-up是新增量,并非简单替代传统光模块,超节点放量也可能进一步推动渗透。

所以,中际现在要问的不是Q3好不好,而是这么好的兑现,已经有多少被价格提前计入了。

行业景气、公司兑现、估值消化,得分开判断。

插入的图片

② 胜宏科技,miss不只是一次费用扰动。

胜宏是另一种难受。

Q3营收68.31亿元,同比增长34%。

净利润5.27亿元,扣非净利润12.76亿元,同比增长16.2%。

无论看哪个口径,这份业绩都和此前的任何一次交流对不上,这就是miss。

单看营收和毛利,并没有突然塌掉,主要麻烦出在费用端和损益项。

公允价值变动损益之外,还有2.07亿元营业外支出,再叠加汇兑损失和一些额外管理费用,把表观利润打得很疼。

插入的图片

可即便做一些加回,也不够拼回原来的全年预期。这个细节,比简单骂一句暴雷更重要。

之前Q2就说Q3开始上量,交流时话也说得比较满,现在数字没有接住。

全年预期要下调,不是分析师愿不愿意,而是一道算术题。

如果还沿用旧预期,Q4利润得达到Q1、Q2、Q3之和,这显然不能再用正常经营节奏轻轻带过。

好的地方也应该看到。

存货92.5亿元,环比增加33.6亿元,主要是备货增加。

固定资产128.13亿元,环比增加10亿元,反映产能扩张和在建工程转固。

合同负债8842.5万元,创出历史新高,也能从侧面印证订单情况。

但这些数据不是利润保证书。

存货要变成收入,产能要有利用率,订单最后还要变成现金流。

中间任何环节慢半拍,市场都会继续追问。

胜宏接下来需要修复的,除了利润,还有沟通的可信度。

下一季即便利润回来,资金也会多问一句,这次费用、交付和全年节奏能不能真正看清。

这种折价,不会因为一天反弹就自动消失。

插入的图片

暴跌之后,别给旧逻辑续费

把两家公司放在一起,中际是兑现仍强,估值和拥挤度需要重新消化。

胜宏是备货扩产仍有亮点,但当期兑现和预期管理需要修补。

一个不是涨多了就永远正确,一个也不是跌多了就自然便宜。

暴跌之后,我最怕听到的一句话是,都已经跌这么多了。

跌幅从来不是买入理由,只是重新研究的提醒。

插入的图片

真正值得出手的,是价格跌下去之后,盈利预期没有坏,估值已经消化,原来的逻辑依然成立。

少任何一项,抄底都可能只是给旧逻辑续费。

茶凉了可以再续,投资逻辑坏了,别硬续。

注:文中数据依据所提供的公司三季报及公开交流资料整理,部分为网上整理。

精彩内容推荐:

跳转微信打开

  •  

微软谷歌重整办公套件,腾讯 Buddy One 串联应用:办公 AI 开始比拼生态协同

原创 有新 2026-10-29 23:29 浙江

10 月 20 日,微软为 Work IQ 推出新的检索工具 Retrieve,让 AI 智能体能够查找邮件、文件、会议记录和 Teams 消息,以及企业接入的其他数据。检索遵循用户已有的访问权限,结果会注明出处,供智能体处理任务时参考.....

“创造力,就是把事物连接起来。”——史蒂夫·乔布斯,1996 年《连线》

10 月 20 日,微软为 Work IQ 推出新的检索工具 Retrieve,让 AI 智能体能够查找邮件、文件、会议记录和 Teams 消息,以及企业接入的其他数据。检索遵循用户已有的访问权限,结果会注明出处,供智能体处理任务时参考。

更早些时候,Google 也在加强办公产品之间的配合。9 月公布的 Workspace 更新中,用户可以借助 Gemini,结合邮件讨论、Drive 文件和聊天信息生成可编辑文档。Google One 旗下的 AI Pro、Ultra 等套餐也包含相应功能,用户通过一份订阅,获得多款应用中的 AI 服务和存储空间。

这些变化背后,是科技公司在用 AI 重新组合已有的产品优势。过去需要用户在多个应用之间查找资料、衔接操作的工作,如今可以由 AI 参与完成,原本独立的产品也因此有了共同承接需求的机会。产品之间的配合,也为组合订阅提供了理由。用户是否愿意持续付费,更多取决于这套服务能否共同解决实际问题。

10月29日,腾讯在全球数字生态大会上正式发布面向个人用户的跨应用 AI 协同体系 Buddy One,连接 WorkBuddy、腾讯文档、腾讯会议、腾讯网盘和 ima,共享 WorkBuddy Agent 底座,并统一账号关联与通用积分。

关联账号后,WorkBuddy 可以跨应用检索已获授权的资料,用于分析和制作文件,使用者再通过相关产品继续编辑、讨论与修改。同期发布的腾讯网盘为这套产品提供统一存储;Buddy One 也提供组合订阅,将部分会员权益、AI 积分和存储空间纳入同一套餐。

▍一份方案如何跨应用完成

这类跨应用的场景,也存在于日常生活中。以家庭资产配置为例,既需要查阅研究资料,也需要与家庭成员讨论资金用途,再共同形成方案。日常开支留多少、长期资金如何配置、每月新增收入如何投入,都要在这一过程中逐步明确。

围绕这些问题,用户将收集的数十份研报、公众号文章和网页资料收进 ima 知识库,梳理不同配置思路及其适用条件。

资料按文件夹归类后,ima 对其中的多份材料进行综合分析。结果列出了共同观点,也保留了不同报告的主张及其依据。

分析结果可以保存为可编辑笔记,与原始文章、报告一起留在知识库。后续查阅时,可以先看整理后的观点,再回到原文核对。

这份笔记中,资金期限、分散配置和投资纪律,是多篇材料共同强调的内容;权益资产应该承担多大作用,则存在分歧。这些主张对应不同的资金用途和持有期限,不能直接套用到同一组家庭条件上。

用户将资金情况和长期目标交给 WorkBuddy,希望先了解不同资产在配置中的作用。初步分析暂不确定具体比例。

WorkBuddy 的初步分析列出了几类资产:现金与债券用于保留流动性、缓冲波动,宽基和红利作为权益配置的基础,科技成长与海外权益提供适度进攻性,黄金用于分散风险。

知识库中的报告发表于不同时间,利率、盈利预期和估值也各有观察区间。通过 Buddy One 关联账号后,WorkBuddy 检索 ima 中已有的研究,并通过联网补充市场信息,核对原先提出的方向是否仍适用。

补充后的分析同时考察盈利与估值、利率变化,以及海外资产的汇率和跨境投资成本,为确定各类资产的投入比例提供依据。

用户进一步要求 WorkBuddy 给出初始资金和每月新增投入的安排,并说明市场波动时如何调整。方案以公募基金或 ETF 为主,整理成可编辑 PPT,供后续讨论和修改。

最终生成的15页PPT,将配置方向进一步落实为资金安排:权益类占60%,债券类占30%,黄金与REITs合计占10%。方案将权益资金分六个月投入,每月新增资金按既定比例定投,并设置年度检查和调整条件,例如优先用新增资金补足配置不足的资产,减少频繁买卖。

生成的 PPT 可以放入腾讯文档,按权限分享和共同编辑。家庭成员可以在同一份文件上补充意见,配置比例与投入安排也能直接修改。

方案还需要结合家庭成员的实际安排继续讨论。未来的大额消费、意外支出,以及面对账面波动时的心理承受能力,都会影响最后的决定。

通过腾讯会议沟通,开启录制与转写后,讨论可以保留为视频和文字,AI 纪要则整理其中的重要意见、结论与待办。需要调整方案时,WorkBuddy 可以读取已授权的会议记录,按照讨论确定的要求继续修改原有 PPT。

确认后的方案及参考文件还可以存入腾讯网盘,供 WorkBuddy 后续检索。方案更新时,使用者需要对照当时的配置和判断依据,决定哪些安排继续保留、哪些需要调整。

在工作场景中,这类资料调用往往会反复发生。以电商促销为例,历史活动方案收在 ima,采购明细和排期由腾讯文档维护,选品、预算与修改意见则留在腾讯会议的记录中。筹备新活动,需要结合可推广的商品、会议确定的要求和此前的活动做法。

运营人员通过 Buddy One 关联账号后,可以在 WorkBuddy 中统一检索已获授权的资料,制作新的活动方案,无需逐个应用寻找、下载和重新上传文件。腾讯网盘中的商品图片、详情页素材等文件,也可由 WorkBuddy 在授权范围内检索。

账号关联免费开放,积分通用也无需购买 VIP。加入 Buddy One 后,WorkBuddy 积分默认升级为 Buddy One 积分,可在同一使用者已关联的 WorkBuddy、ima、腾讯文档和腾讯网盘中使用。原有 ima、腾讯文档积分仍按各自规则使用,不会合并或清零。

对于持续负责上新和促销的运营人员,选品变化后要调整方案,活动期间要修改文案,结束后还要结合销售数据复盘。Buddy One VIP 将 WorkBuddy 旗舰版、腾讯会议专业版和腾讯文档超级会员 Plus 纳入同一套餐,供同时需要这些服务的使用者选择。

套餐每月提供5万通用积分,包括2万基础额度与3万赠送额度。运营人员通过 ima 的“我的 Copilot”分析往期活动、在 WorkBuddy 中制作方案、在腾讯文档中调用 AI 修改内容,都可以使用同一份余额。腾讯会议暂不消耗积分。

图注:Buddy One 的套餐与积分页面,分别展示基础积分、赠送积分和平台奖励余额。

随着上新和促销持续进行,商品图片、详情页素材、历次方案与复盘文件也会不断积累。套餐提供的 1TB 共享存储,由 WorkBuddy 资料库、ima、腾讯文档及腾讯网盘共同使用。这些文件既服务当期活动,也供下一次筹备时查找和比较。

▍协同背后的产品选择

产品之间的协作,也需要组织层面的配合。腾讯通过灵活调整相关业务与团队的组织安排,支持跨产品研发,让已有的技术和产品能力得到更充分的利用。

腾讯能够在自有产品之间推动这种协作,而企业日常使用的软件往往来自不同厂商。Agent 要参与其中,就需要接入客户已有的系统,并适应原有的业务流程。除了接入已有系统,企业还需要明确服务商负责哪些工作,以及按什么标准交付。

BCG 在9月发布的一份技术服务业报告中,结合70多次 CXO 访谈,讨论了客户对业务适配、系统接入和交付责任的要求。它还分析了40多家服务商的100多条公开定位表述:多 Agent 编排、治理等技术主题被广泛强调,按结果收费、承担完整交付责任等主题则相对少见。

图注:BCG 对厂商公开表述的主题分析,按宣传的普遍程度分档,不代表市场份额或客户采购比例。原报告第8页,Exhibit 4。

Intercom 的 Fin 将接入现有系统与按处理结果收费结合起来。它既能搭配自家客服系统销售,也能接入 Zendesk、Salesforce 等系统。选择后者的客户可以保留已有客服软件,无需购买 Intercom 席位,另外为 Fin 完成的 AI 处理结果付费,并承担约定的最低消费。

Agent 因此有机会服务不同软件的客户,围绕其中的具体工作独立收费。对创业团队而言,能否接入客户已有系统、利用其中的业务记录,会直接影响产品的适用范围。除了任务处理的质量,系统改造、员工培训和后续维护也构成客户的使用成本,影响采购与续费。专业产品需要把这些接入和维护成本纳入交付设计,才能减少客户采用新服务的负担。

福利👉:Buddy One VIP (官网原价 1399 元/月)包含 WorkBuddy 旗舰版、腾讯会议专业版和腾讯文档超级会员 Plus,配有每月 5 万通用积分(含 2 万基础积分、3 万赠送积分)及 1TB 共享存储。目前连续包月享约五折优惠,700 元/月,双十一新购会员还可获赠 1111 积分。

详见 https://www.workbuddy.cn/buddyone/

✦精选内容✦

Arc 让位 AI 浏览器,WorkBuddy 则让 AI 用上了旧浏览器

押注金融 Agent 自我进化,EasyLink 完成数千万元天使轮融资,27B 模型超越千亿级最前沿模型

AI 数据供应商转向机器人部署,Mecka 想做新一代系统集成商

当 Personal Agent 有了记忆,Today AI 尝试主动跟进

当 AI 健康应用开始赚钱,「豆包工作」让我们重新思考垂直 App 的价值

跳转微信打开

  •  

我很想跟你分享的4个生活方式

原创 李睿秋Lachel 2026-10-29 21:30 广东

轻松好读不烧脑

Photo by insung yoon on Unsplash

本文共有 3400 字

欢迎星标 L先生说

避免收不到推送喔

今天的文章,我想跟你分享 4 个我很喜欢、也一直在践行的生活方式。

希望能对你有启发和帮助。

1. 遇到复杂的任务,提前拆解并动手做一点

上周四的推送,我分享了一个我很喜欢的思维方式:用主动的姿态拥抱生活,提前去做该做的事情。

有些读者提出疑问:这样会不会变成提前去焦虑和担忧了呢?

其实它适用的范围是这样的:如果一件事情你知道自己早晚要做,那么早做通常是比晚做要好的。

很多人有一个习惯:觉得一件事情很麻烦,很困难,面对它会感到痛苦,于是为了逃避这种痛苦而一直拖着。但如果这件事情早晚都要做,那拖延不但无济于事,反而会让它变得更加难以收拾。还不如提前随便做一点,让自己上手感受一下,或许你会发现,它压根没有你想象的那么复杂。

所以,不妨试试培养这样的习惯:当你有一件事情需要做时,哪怕不需要立刻动手,也先把它分解成可以马上去行动的步骤,记下来。然后在有空的时候,随便拿出一个步骤,把它给解决掉。

比如:

两个月后要搬家,可能不需要那么早找房子,但不妨先列出自己的需求和考虑的范围,然后在闲暇的时候找一找、筛一筛,让自己心里有底;

下个月要见一个重要客户,或许不需要着急提前做准备,但不妨先列出需要注意的事项,在有空的时候提前做一点功课,让自己有的放矢;

明年度有一个复杂的产品要开工,完全可以晚点再动手,但不妨先做一些头脑风暴,想一些可能的方向和架构,让自己提前做点铺垫;

……

这个做法有两个要点:一是「提前」,也就是在尚未需要开始的时候,提前做一点准备,不需要追求做很多进度,重点是动手去接触一下;

二是「闲暇」,也就是利用有空的时候去做,不要让这些提前的事项影响自己当下更重要、优先级更高的事情,而是把它当成一种调剂和消遣。

这能起到三个作用:

1)它能给你一种「赚到了」的感觉。一件事情如果需要花费一整段很长的时间去做,那么直面它的心理压力是巨大的。但是把它「化整为零」,今天做一点,明天做一点,到时面对它就没有那么大的压力了。你会有更大的动力去启动它。

2)这能帮你把高度不确定的事宜变得更确定。一件事情如果一直没有启动,你可能会担忧、会烦恼、会焦虑……但是一旦你动手去体验一下,就会发现它其实也不过如此,没那么容易感到焦虑了。消除焦虑,永远不是靠想象,而是动手去做具体的事情。

3)这能为你提供多巴胺,让你变得更有动力。大脑最喜欢的事情,就是微小的、确定的反馈。当你把这些细微的步骤一个个做完了,尽管它们可能只占这件事情的10%、5%,但也足以为大脑提供强有力的成就感和满足感,让大脑更有动力。

2. 看到一个有趣的东西,想一想如何把它用起来

我之前分享过一个很有趣的思维方式:创造者视角。简单来说就是:看到一样新事物、学到一个新东西,第一反应都是去追问:这个东西我能如何把它用上来?

举一些简单的例子:

走进一家装修得很好看的小店,就可以想一想:这个设计很好看,我能不能从中学到点什么?那么就可以从不同角度拍几张照片,保存到素材库里,并简要写上一点自己的想法。

看了一部不错的电影,就可以想一想:这部电影里面有哪些东西是我能学习的?它的镜头拍摄手法我能不能学起来,它对于某些议题的呈现和处理对我有没有启发。甚至可以试试写一点简单的影评,梳理自己的思路。

挖掘到一个好玩的 APP,也可以思考一下:这个 APP 有哪些特色,有哪些地方做得很巧妙,哪些地方还有待优化,这里的流程设计体现了开发者的什么思维,如果我来做的话可以增添和优化些什么,诸如此类。

这个思维方式有什么用呢?

一方面,它能够让你的大脑变得活跃,随时随地进入思考的状态,并主动地把各种事物建立联系。

你会发现,习惯了这样的训练之后,灵感和想法都会变得更踊跃。我很多作品和产品,都高度得益于这种思维方式和训练。

甚至,当你适应了这种感受之后,你会难以忍受「不动脑子」的享乐方式了。看完一个东西、学到一个东西,不想一想,把它在脑海里转一转,你都会觉得好像少了些什么。这种感觉非常奇妙,也很有趣。

另一方面,它能帮助你透过现象看到本质。当你用这个视角去看待事物时,你会更容易发现:

  • 它目前呈现出来的形态,目的是为了什么,所追求的效果是什么;

  • 为了达到这个效果,它用了什么方法,由哪些构思和想法所支撑;

  • 有哪些地方可能是瑕疵,哪些地方可能是妥协和权衡,又有哪些地方可能是别出心裁的巧思……

日积月累,你对于不同的事物,就会拥有更高的洞察力。你不会再只停留在「好不好」「喜不喜欢」的浅层上,说不出个所以然,而是能够一眼就发现「它为什么会这样」「它的核心和本质是什么」。

很多人总是羡慕有些人具备一眼看到本质的能力,其实这就是一种非常有效的训练方法。

3. 碰到对自己奏效的方法,记入「个人工具箱」里面

这是一个很有意思的做法。

我分享过很多方法和技巧,它们针对不同的人群会有不同的适用性。有些方法可能对某些人群有用,对某些人群作用不大。那么,如何知道哪些方法对自己有用,把它们变成长期固定下来的习惯呢?

不妨试试这个做法:建立一份属于自己的「个人工具箱」,当你碰到对自己奏效的方法时,就及时把它记下来。

比如:

  • 我发现,感到疲乏和困倦时,马上停下工作,出去散步 10 分钟,就能重新变得神采奕奕;

  • 感到情绪波动时,不要说话和行动,先把视角抽离出来,想象从高处俯瞰自己,这能让我马上变得理智;

  • 需要做重大的决策时,尝试不要只考虑当下,而是从更长远的视角去看(比如1年后、5年后、10年后……),这往往能够让决策更理性。

……

不仅如此,这个个人工具箱里面,还可以包含对自己的观察和实验报告。比如:

  • 晚上 9 点之后,我的情绪波动会比较剧烈,容易冒险,尽量不要做重要的决策;

  • 下午 3 点到 6 点,我的注意力更容易集中,不容易走神,适合做高度专注的工作;

  • 跟某些人相处和交流之后,我通常需要时间休息一会儿,这也许说明他们在消耗我?

……

等这个「个人工具箱」积累了大量内容之后,日常没事时经常翻阅、回看,就能帮你建立起对自己更深层次的理解。

你会更清晰地知道:自己的喜好和习惯是什么,什么样的方法对自己有用,遇到什么情境需要如何应对,遇到什么问题可以有哪些工具来帮助自己。

在人生的课题里面,可能没有很多东西比「了解自己」更重要,也更有用。但很多人容易忽略这一点。我们会花很多时间去研究和学习各种各样的系统、方法和工具,但却忽略了自己这个最核心的系统。

甚至,你还可以把它分享给 AI(当然,要注意隐私和信息安全),让 AI 建立对你的了解和模型。这样,当你遇到问题需要跟它探讨的,它给出的建议和分析也会更加适合你,更加「对症下药」。

4. 定期安排一些时间,做一些全然不同的事情

我很喜欢这个做法:定期拨出一段时间,去做一些自己之前没有接触过的,有一定兴趣和好奇的事情。不需要追问它有什么收益,试着让自己沉浸进去,体验这种生活方式。

比如:

去参加一次公益志愿活动,比如社区服务、动物救助、环境清洁……接触和了解跟自己平时不同的工作和生活场景。

去一家平时几乎不会走进去的小店,跟店主聊聊,比如早餐店、旧书店、花店……了解一门陌生手艺背后的生活方式。

参加一次完全陌生的运动,比如飞盘、射箭、网球……看看不同运动带来的身体体验,感受身体是排斥还是向往。

参加一次陌生人的桌游或剧本杀,在一个全新的社交环境里,体验如何与陌生人迅速建立关系,以及如何交流、演说和展示自己。

去听一场从未接触过的音乐演出,比如音乐剧、话剧、交响乐、芭蕾舞……即使没有听懂,也可以感受完全不同的审美体系。

去体验一种陌生的饮食文化。比如体验各省市的特色菜,或者尝试异国的餐馆,学习不同的味觉评价方式。

尝试去一个平时很少去的地方,一边走一边拍一些照片,换一个视角看待自己待了很久的这座城市……

具体采取什么频率,可以按你的实际情况而定。如果时间宽裕的话,可以每周利用周末时间来上 1-2 次;如果比较忙,也可以半个月、一个月一次。

无需要求自己必须学会一项技能、必须做得很好、必须得到些什么,关键在于,通过这种短暂的亲身经历,去获得一种原本可能不会有的生活体验,让它丰富自己的生命和感受。

一方面,这可以帮你走出自己熟悉的圈子和生活方式,为你的生活注入新鲜感和可能性,让你更容易发现:哪些东西是适合自己的,自己做起来游刃有余,又能从中获得乐趣和成就感。

另一方面,多去体验生命不同的可能性,也能「拉长」自己的主观时间感受。随着年龄增长,很多人都会感到时间过得越来越快。如何延缓这种感受?这就是一个很有效的方法。它可以让我们在不变的生命长度的,享受更丰富的体验和回忆。

别总是等待生活带来惊喜,你也可以主动去寻找惊喜。

今天的文章,其实有一个关键词:主动。

这 4 个生活方式,其实可以概括为:主动去面对未来;主动去加工信息;主动去发现自己;以及主动去拓展生活边界。

我相信,主动面对生活的人,在面对生活时也会有更多的主动权。

我想把它分享给你,共勉。

我是 李睿秋Lachel

欢迎关注 L先生说

每周四晚 21:30 更新

一起探索心智成长的奥秘

THE END

-  晚  安  -

跳转微信打开

  •  

和人生对线失败,我熟读薄肌圣经

原创 张倍嘉 2026-10-29 21:10 上海

个人IP>薄肌>哈佛毕业证

9月9日,孙宇晨宣布新时代的版本答案:孙学、黄毛、薄肌。

版本答案何解,用孙哥最爱的王者荣耀解释,就是每个赛季最成功的打法,最适配这个时代的成功学。 

新型成功学课件中,孙学相对出圈,薄肌和黄毛两个词略显生僻,由另一位奠基人邵艾伦提出。

意思很好理解,薄肌理论主张男性应追求精瘦、有肌肉线条的身材,既强了身健了体,也能提升男性魅力和个人竞争力。

黄毛理论主张学习刻板印象中黄毛的松弛感,尤其是在两性关系上,不被规训,敢想敢做,主体性配得感满满。

赤峰对夹的花语是愿赌服输,薄肌黄毛的内核是成功坦途,两套理论一套管身体,一套管心态,物质文明精神文明两手抓。练成之后,就能跻身新时代的精英男性之列。

念念不忘,必有回响。一个月后,孙宇晨和邵艾伦历史性会晤,直播对谈四小时,主题是“年轻人如何抓住AI时代的机会”,核心要素为以下三点:

零成本,不需要任何钱,一分钱不花。

至此,薄肌黄毛理论一炮打响,互联网新赢学迎来理论大爆炸。大水理论、大睡理论等后起之秀纷纷涌现,重大理论创新成果不断涌现。

大水,主张喝一升装大桶矿泉水,干净卫生,比咖啡奶茶健康,还便宜不烧心;大睡更简单,每天睡够八小时,大睡特睡,走上人生巅峰。

从身材管理、两性关系到日常饮水、睡眠作息,一套覆盖生活方方面面的理论体系迅速形成,被列入当代四大名著。

人类正式进入大理论时代。

大理论

事情的源头,得从薄肌教父邵艾伦说起。

邵艾伦原本在B站主打跨服英语尬聊+付费英语教学,通过和外国网友随机视频聊天、整活、搭讪等方式,让观众在娱乐中接触英语口语,掏钱买课。

但这个赛道集齐了新东方、多邻国等境内外势力,吴彦祖都卖不动,普通人更没什么出路(万恶的资本)。于是邵艾伦决定抄底一波个人IP。

可能是受峰哥启发,邵艾伦转型当代男性人生导师,发表开山之作《为什么我劝所有男人练薄肌?》[1],提出一种全新的男性版本答案,一炮成名,荣膺薄肌教父。

这套理论的指导思想是男人不能光瘦,还得有肌肉;光有肌肉也不行,体脂太高,辛苦练出的线条就被遮住了。权衡利弊,最优解浮出水面:薄肌。

既能强身健体,又能吸引异性,每天40分钟,坚持就有效果。

理论框架有了,还需要方法论。几天后,邵艾伦发布“薄肌圣经”:《如何练出薄肌?训练、饮食、减脂一次讲透》[2]。

从渐进式超负荷到蛋白质摄入,从热量盈余到减脂方法,为广大男性规划了一条名叫薄肌的康庄大道。

按教父的说法,健身最重要的是让人重新建立行动与结果之间的联系:今天去训练,明天增加重量,长期坚持,身体就会发生变化。由此获得的不仅是肌肉,还有意志力、自信心、人生掌控感。

薄肌小子是国家的战略储备资源,薄肌是小子的战略储备资源,肌肉是个人的银行账户,多吃蛋白质练出肌肉,相当于银行存款。钱没了可以再挣,有薄肌扛大包也能赚钱。

孙哥心爱的克劳德老师也告诉他:你在物质上可能是个富人,但身体上是个穷人[4]。

一套健身教程,完成了身体管理到人生哲学的理论飞升。

邵艾伦自称,就凭把中国男性体脂率拉低2%的贡献,完美超过哈佛毕业证的贡献,下一步可以进名人堂选饮料了。

9月15日,邵艾伦进一步推出《你需要黄毛思维》[3],为理论体系添砖加瓦。

东亚老实人对黄毛又爱又恨,黄毛上课不听讲,考试不及格,顶着黄毛骑着鬼火摩托招摇过市,浑身上下找不出半点优良品质,偏偏能让老实人苦苦追求的女神,坐上他的爱玛电动车后座。

黄毛理论强调,不研究聊天话术,不反复揣摩女生的态度,不做舔狗和屌丝,做个二流子享受一切。

看到有人做笔记,网友评价

理论基础夯实,邵艾伦邀请孙哥加入薄肌俱乐部,两人合作4小时播客,薄肌理论席卷互联网。

随后,大水理论、大睡理论、大菜理论相继诞生,既能夯实理论体系,也是一本抖音小红书快速起号指南。中文互联网的成功学界迎来百家争鸣。

大水理论要保证每天1.5升纯净水摄入,大睡理论要坚决睡够八小时,大菜理论推崇健康饮食,大锅理论讲究控油控盐。

总的来说,四大三小:大水、大睡、大练、大防,小糖、小钠、小辣。

喝水、睡觉、做饭就能完成认知升级,买瓶1.5升装冰露就能上车。分币不花,人生赢家。

大做题

大理论、大成功、大结果,归根到底是大做题。

做题是东亚文化圈生猪出栏式教育体系的特产,具体体现为分门别类的课程,无微不至的管理,高度统一的考核。

其内核是一种极致的工具理性:

有明确的世俗目标(上大学),有清晰的工具手段(刷题),有可量化的校准方法(高考),无益的事务(玩游戏/谈恋爱)都要被摒弃,每分每秒的精力都要落在实处。

这套系统饱受争议,但不可否认,做题为社会个体提供了一个宝贵的东西:确定性。

计算投入产出,比较成本收益,就能找到效率最高、回报最好的路径。撸起袖子打上鸡血,一份努力一份回报,付出就有成果,耕耘就有收获。

为什么中年人一言不合就要健身,因为健身和做题一样,也是一种工具理性:

有明确的世俗目标(健康),有清晰的工具手段(锻炼),有可量化的校准方法(体脂率),有肉眼可见的正向反馈(身材)。

中年人的痛苦在于,高考的题是具体的,生活的题是抽象的。数学卷最后一道大题,驾轻就熟;为什么AI红包转化的5个用户没留存下来,想了一个周末。

转眼又到了Q4,相比拼尽全力难以提振DAU,想方设法无从求索的用户留存,反倒健身这件事,能让人品尝睽违已久的“一分耕耘一分收获”的快乐。

东亚人民多巴胺分泌最多的时刻,就是“这题我做过”。

大理论的底色都是大做题:

大睡理论告诉,你每天睡够八小时,充沛精力信手拈来;大菜理论告诉你,每天一斤绿叶菜,抗炎又控热量;大蛋理论告诉你,每天三个水煮蛋,一天蛋白质补满。

大结果划分小美顶美,田忌赛马实现阶层跃迁;薄肌大水黄毛把自己作为方法,实现低成本强效果,付出就会有回报的事,都被量化成了考点。

张雪峰把填志愿变成做题,婚恋博主把求偶变成做题,职业规划、阶层跃迁,都可以剥离掉思辨与求索的过程,简化为目标-手段、付出-回报的工具理性。

当你妄图穷尽一切去寻找这些现象背后真理的时候,只能看到18岁的自己写卷子时,那双忧郁的眼睛。

A8A9大结果,薄肌黄毛睡大觉,都是做题。人生变成一张卷子,我们要做的只有做题。

大降级

做题提供了确定性,大理论创造了全新的确定性。

《奋斗》还算现实主义题材的年月,男频成功的定义不说是欲上青天揽明月,好歹是天生我才必有用。

出身贫寒,受尽冷眼,悬梁刺股,十年苦读,考上清华北大,从此人生开挂。

毕业进入世界五百强,三十岁出任CEO,坐着奔驰S450衣锦还乡,初中同学看着你的大金链子两眼放光,你冷笑一声,慢慢摇上了车窗。

吃大牛排、开大皮卡、住大豪斯,希望在城市上空飘扬,新世纪来得像梦一样。人生路上的颠簸,都被梅赛德斯奔驰AirMatic空气悬挂系统过滤掉了。

经济上行期的道德是只争朝夕,父母省吃俭用供孩子念书,企业倾尽利润扩大再生产,社会卯足劲为未来投资,人人加班加点赶上疾驰的时代列车,“一分耕耘一分收获”是金科玉律。

这套框架里,一个人的自我价值实现由无数世俗标签组成:成绩、学历、职位,开什么车、戴什么表、买什么房子。今天流下的汗水,都能在未来折现。

努力有方法,竞争有规则,成绩有排名,考上好大学、进个好公司,十八岁前一心只读圣贤书,十八岁后健康工作五十年。

但潇洒昂扬的年代总是来如春雷滚滚,走得悄无声息。付出与回报之间不再有明确的对应关系,延迟满足就失去了说服力。

宏观经济进入高质量增长时代,旧的价值观会遇到一个崭新问题:为什么我完成了社会道德对自己的全部要求,却没有得到应允的回报?

82年的拉菲变成3块钱的大水,米其林三星变成大盆绿化带。失去了装逼的资本,获得了优秀的血糖,身体好极了,钱几乎没有。

社会道德把你的人生境遇归因于“不够努力”,俞敏洪老师从遥远的南极发回情书,你猛然想起,上一次看到企鹅是自己的QQ宠物挂了。

这时有人告诉你,甜水是弱者的饮料,黄毛是主体性的象征,心脏是寿命的底盘,你离成功有多远,打开高德地图,看看最近的健身房在哪。

于是,长久的不安得到平复,漫天的迷茫有了答案,所有的失意和失败,都被赋予了某种合法性。

年轻人关心肛肠胜过纲常,赢学迎来前所未有的大降级,对自我价值实现的想象,退回到个人身体和日常生活。

悲哀的不是人生目标只有薄肌大水,而是你曾以为自己前程锦绣,结果只能喝大水练薄肌。

大解构

抽象的背后是情绪,是拒绝权威,反叛主流,串子也是大解构时代的质子。原有的兑奖公式也失去了神圣性,沦为了被调侃的对象。

年轻人对古早成功学叙事深恶痛绝,非要把高高在上的成功学拖下神坛,为成功的消费主义生活方式,印上二本的吻痕。

网络上支持大睡理论的人,并不一定能在凌晨两点前放下手机,但每说一次大睡理论牛逼,过去那套不容置疑的成功叙事,就少了一分庄严。

年轻人卯着一口气,把宏大叙事拉回具体的身体与物质中。薄肌解决身材,大水解决饮食,大睡解决睡眠,黄毛解决情绪和两性关系。

如果代际间的平等只有时间,人生的出路只剩下“把老登熬死”,那么正常活着就是成功,身体健康就是胜利。

[1]《为什么我劝所有男人练薄肌?》,bilibili

[2]《如何练出薄肌?训练、饮食、减脂一次讲透》,bilibili

[3]《你需要黄毛思维》,bilibili

[4]《对话孙宇晨:年轻人如何抓住AI时代的机会?》,bilibili

跳转微信打开

  •  

挖到个宝藏27B开源Code2Video模型!可本地安装,还送MG Skill~

原创 袋鼠帝 2026-10-29 21:04 广东

可本地部署使用,私密性高。附6大代码生视频玩法,带提示词。

我去,最近代码生成视频是真火呀!

大家好,我是袋鼠帝。

老粉应该知道,我最开始是一个后端开发,剪辑和AE是完全一窍不通。

但从今年2月开始,我陆陆续续用代码做了不少视频:

用Remotion把公众号文章转成动画视频,基于HyperFrames搭了个宣传片专家团,给仓颉.Skill和WorkBuddy都拍过宣传片等等。

Image

Image

用代码做视频这条路,其实工具这一块早就开源了不少,之前有Remotion,HyperFrames。但每次片子的效果,主要还是看背后那个写代码的模型,而且生成一次不便宜。

上周HeyGen在Kaggle上更新了一个Code2Video榜单。

玩法是给模型一份很细的创意brief,让它在HyperFrames里写代码出片,再拿去跟人做的参考片比。

Image

前八名清一色是闭源模型,Claude Opus 5.5排第一,原始分33.5%。

GLM、Kimi、DeepSeek等开源模型,基本在10%上下。

榜单说明里有句话我挺认可的,大意是:很多前沿模型都会写HTML、CSS和JS,但要把代码变成一支靠谱的视频,模型得在时间上去理解画面,而不只是画好一个静态页面。难度是指数级上升的。

所以现在的局面其实有点尴尬。

想要效果,就得用付费用闭源。之前我用Opus5.5做一条1分钟的视频,花了半个小时,跑一条可能都要几十块。。也没办法在本地使用。

一些通用的开源模型本来也不是专门为做视频训练的,所以用起来也不是太ok。

不过,我发现最近发现了一个宝藏开源Code2Video模型:SenseNova-6.8-Code2Video

哈哈,刚想睡觉,枕头就递来了~

https://github.com/OpenSenseNova/SenseNova-6.8-Code2Video

Image

它是一个专门为代码做视频训练的模型,模型权重在Hugging Face。直接填补了这个中空地带。

https://huggingface.co/sensenova/SenseNova-6.8-Code2Video

SenseNova-6.8-Code2Video是一个27B的小模型,基于Qwen3.8-27B微调,支持512K上下文。

它虽然小,但它的定位居然是干长任务:写代码、渲染、回看画面、再改,一轮接一轮,甚至最多能连续跑10个小时以上、2000多轮。推荐接入Claude Code使用~

Image

而且,没想到还有配套的code-video Skill,把做片子拆解成了一套标准流程:

Image

先写规格,再写代码渲染,然后把渲染出来的画面读取自己检查,最后验收交付。里面带了8份领域指南,科普讲解、角色动画、3D场景、音乐卡点这些都有,贼全。

同时,它可以增强 Prompt 生成,也就是自动优化提示词后再生成视频,极大降低创作门槛。

Image

开放的制作轨迹也非常详细,每一条消息、每一次工具调用、看了哪几张渲染图,都有。

想知道片子是怎么一步步做出来的,直接翻轨迹就行。

省流总结一下这个Code2Video模型(SenseNova 6.8)的特点:

1、一句话出片:说需求,它自己组织画面、设计动态文字,能直接出一支多镜头的完整短片。手上有现成的视频素材,也能编进成片里。

2、能直接改,不用推倒重来:整体换风格,信息、节奏和动画,可以直接往画面里加新元素,它会自己处理。一轮一轮改,慢慢改到你满意。

3、看视频就能复刻:只给一段参考视频,不用原始代码和工程文件,它会逐帧拆解画面和动效,重新写一份代码,还能顺手改成你要的样子,比如换个产品名、换个配色。

4、许愿式创作:想法很模糊也没关系,配套的Skill会先跟你聊清楚需求,把零散的想法扩成完整方案,优化好提示词再开做。

说实话,我还第一次见到专用的Code2Video开源模型(不知道是不是首个)。

不知道你们有没有这种感觉,作为开发者,对开源完全没有抵抗力,每次出来一个全新的开源项目,就会像见到了一个令人兴奋的"玩具"。特别是Code2Video最近还很火。甚至开辟出一条新的AI视频方向。

现在安装部署也非常简单,把GitHub或者huggingface链接直接丢给Codex等本地Agent,让它帮忙部署模型,并配置到Claude Code,顺便把code-video Skill也安装上。中途如果遇到问题,让它解决就好。

ok,接下来,我们一起看看SenseNova-6.8-Code2Video做视频的效果如何~

1、《周末的48小时,到底去哪了》

我找了一个大字报风格的短片,让他来复刻。看看效果怎么样。

提示词:请参考我上传的视频,为《周末的48小时,到底去了哪里?》生成一支30秒竖屏动画的完整代码。
采用瑞士动态排版风格(参考我上传的视频):黑白灰加一种强调色,统一网格、单一字体家族、强烈字号对比和大面积留白。文字通过裁切显现,图形精准移动、卡点落位,不使用弹跳、粒子或复杂三维效果。
用巨大的“48”、时间方块和简短文字,表现周末被睡觉、家务、刷手机等活动逐渐占满,最后落到“怎么又星期一了?”的共鸣。时间分配为虚构示意,合计48小时。具体分镜自行设计。
使用 HTML、Canvas 或 SVG 实现,适配1080×1920,提供完整可运行代码和渲染说明。如果当前平台支持执行和视频导出,请继续完成并交付MP4。

参考的原视频由Opus5.5生成:

SenseNova 6.8 Code2Video 生成的视频:

可以看到格子填色的动效其实做的和原视频一样丝滑。

整个视频的动效,BGM卡点都做得很不错。不足的就是画面布局少了些设计感和精致感,还有一个小瑕疵一开头的数字48没有显示完全(这种可以让SenseNova 6.8 Code2Video直接修复)。

接下来我继续让他修改了配色和画面内容,我这里先把配色改成蓝色了,接着修改了数字48 的显示问题和换了一首更轻松愉快的电子音乐,一共做了两轮修改。

修改只是相应代码块的修改,而不是传统视频生成那样的整支视频重新生成。

最后的成片如下:

提示词:

制作30秒、9:16《128GB,都去哪了?》存储空间动态图解。角落全程注明“容量分配示意”,数据虚构,不使用真实手机品牌或声称系统实际统计。128个等大方格,每格1GB,16列×8行,留足手机安全区。照片34GB珊瑚色、视频46GB钴蓝、应用22GB橙色、系统16GB灰色、剩余10GB空心,总和128。
0—4秒:手机轮廓打开为方格面板,标题“128GB,都去哪了?”4—14秒:依次高亮五类,34/46/22/16/10与方格个数精确一致,数字和图例可读。14—20秒:方格连续重排成五组,强调视频46GB,不使用随意的百分比条。20—26秒:模拟用户已确认删除14GB重复视频,把14个视频方格转换为空闲格,视频变32GB、剩余变24GB,照片34/应用22/系统16不变,128格全程守恒。26—30秒:“剩余24GB”“先看占用,再决定清理。”不要表现未经确认自动删除真实文件。配乐与重排、释放动作同步,避免格子闪烁或凭空增减。

像这类把一组数字变成可以跟着看的动态图就很适合用这个模型生成,数字色块的增减数量都是对应的,色块变动的动效也够丝滑。

2、超现实主义气泡水广告

提示词:制作一支24秒、16:9的虚构气泡水广告,品牌叫ROUND,主打柚子口味。
采用明快的二维与简单立体图形混合风格。易拉罐由圆柱和上下两个薄圆盘构成,水果由圆形、扇形和短线构成,气泡用圆点。主色是柚子黄、青绿和米白,使用简单渐变和落地阴影。
0—4秒:黄色圆形弹入,展开为柚子切片,三片水果沿弧线错位排开,背景圆环和短线跟随运动。文字“给今天”。
4—10秒:切片向下运动,带动一只ROUND易拉罐进入中心。罐体轻转20°,标签始终附着在罐体正面。前景水果滑过,中景产品运动,背景气泡上升,形成三层构图。
10—18秒:三只罐子排开,中间是最大的柚子黄主罐,左侧青柠绿,右侧莓果粉。背景大色块随节拍滑动,三种口味依次被强调。
18—24秒:回到单只柚子主罐,水果切片和气泡沿环形路径运动。出现“给今天,加点气泡”和ROUND。最后2秒让产品与文案完整停留。
音乐轻快,产品入场、口味切换、片尾定格都有对应音效。画面层次来自水果、产品、背景图形及其遮挡关系。交付带声音的视频。

成片

说实话,这条属实让我有点惊艳到了,在这条视频里面我终于看到了些设计感,不管是字体的设计还是整个画面的配色都比较和谐。

我是没有想到一个27B的小模型,能做到这种程度。看来微调还是很权威的,微调好,得学啊!

3、开源项目宣传片

我开源的仓颉Skill 马上12 K Star啦~

顺便用SenseNova 6.8 Code2Video,再来给仓颉Skill做一个宣传片吧。整个视频1分钟。

说实话,做的还不错,虽然整体设计略显粗糙,但是各种细节,动效都是很到位的。该表达的都表达清楚了。

4、科普讲解

再来看看对于数学问题它处理的怎么样--《两个圆,能画出直线?》

说实话,我光看这个题目根本想象不到咋画的直线🤦‍♂️

要是我当年学数学的时候老师拿出这玩意也不用我自己费劲巴拉自己想象了。

当年听过数学老师说的最多的一句话就是你们自己想象一下🤣。

接下来再看看他的3D能力,这是一个距微缩动画,用简单的3D模型讲解了平常我们购物过程中快递是怎么实现分流的。

提示词:制作32秒、16:9等距微缩物流动画《一件快递,怎么找到自己的路?》。角落标注“物流流程示意”,不冒充真实物流算法。奶油白地面、蓝色设备、橙色传送带路径,A/B/C三个明确分流终点。主角包裹标签始终“017”,目的地B,身份与外观保持一致。
0—4秒:完整仓库建立空间关系,标题“一件快递,怎么找到自己的路?”4—11秒:跟随017通过扫描门,读取结果清楚显示“017 → B”。11—21秒:橙色高亮B路线,分流挡板先转到正确方向,包裹沿真实的传送带路线进入B通道,不能穿透设备或瞬移到另一带。21—27秒:017到达B装载区,标注“目的地匹配”,其他包裹作少量背景但不抢主体。27—32秒:镜头回全景,流程“识别 → 分流 → 到达”。

可以看到整个视频中几乎没有穿模的镜头,发光特效和音效也配上了,总的来说还不错。

所以,我觉得它对教育也是有非常大的意义,比如你是一位数学,或者物理老师,经常需要备课。

就可以本地部署这个小模型,上课前让它自己生成一些帮助学生理解的动画,本来一图胜千言,视频就更是了。

5、小猫DJ

这个主要是看生产的鼓点是否和画面同步,我想要的效果是小猫每按一个按钮(3个按钮代表低鼓、和弦与短音旋律)发出的声音要和小猫的动作符合。

提示词:制作一支16秒、9:16竖屏、首尾无缝衔接的音乐动画。
主角是参考图中的猫,坐在一台有三个大按键的迷你合成器后面(图参考图所示),小猫整体轮廓在手机缩略图里也能识别。
背景奶油黄,三个按键分别为珊瑚红、天蓝和薄荷绿。采用平面插画与轻微立体阴影,画面不出现文字。
音乐为120BPM、4/4拍,共8小节,准确16秒。用程序合成简洁的鼓点、低音和短音旋律,不使用现成歌曲。
三个按键分别对应低鼓、和弦与短音旋律。建立统一的音符事件表,声音触发、按键下压、对应颜色光环、小猫前爪动作都读取这张表。
0—4秒:小猫敲出清楚的基础节奏,主体和三个按键立即可见。
4—8秒:加入旋律,彩色圆环从按键向外展开。
8—12秒:节奏最丰富,背景出现少量随节拍旋转的几何图形,小猫尾巴按节奏摆动。
12—16秒:逐渐减少装饰,回到与开头兼容的姿态、构图和音乐状态。
每次落爪前有短暂抬起准备,接触按键时发声,然后回弹;不允许爪子还悬空,声音已经响起。身体动作保持简单,避免关节拉长或突然多出肢体。
循环边界不能靠黑场或淡出隐藏。检查第16秒的理论状态与第0秒一致,实际最后一帧到第一帧应连续前进。音乐在循环处不能有明显爆音或截断。
重点检查全部落爪时点的音画同步,以及把成片连续播放三遍时的衔接。

成片

可以看到视频里面生成的音乐鼓点与小猫的敲打按球动作是一致的,鼓点严格按照我的提示词生成。还挺好玩的,可以作为视频素材啥的。

6、动效能力

看看他的动效能力,这个的提示词很简单

提示词:制作一段动态的 15 秒动态图形视频,展示你是多么出色的动态设计师,就像简历的展示集。全力以赴。

生成的视频

这次动效测试让我发现,它基础 MG 动画的处理效果还是不错的。

像视频里面的文字弹跳、粒子聚散、动态渐变和透视层叠,都能融合在一个视觉风格里,画面也有一定丰富度。不过,仔细看看看还是能发现完成度上有一些瑕疵,尤其是画面的精细度,还达不到隔壁Opus5.5的水平。不过小模型能做到这个程度已经属实不易了。

「最后」

坦白讲,它做动态图形、科普讲解、风格化的2D/3D场景这些可以,写实的拍摄画面做不了。

同时,一次制作要跑几十分钟,甚至一两个小时(也跟本地算力有关)。

画面完成度和长程稳定性,跟最强的Opus5.5还有明显的差距。连提示词增强,官方都建议交给Claude这类更强的模型来做(还是很诚实的)。。但这个方向,确实是有需求的。

回头看这两年,开源模型追得是真快。甚至在在通用能力上,开源和闭源的差距正在越来越小。

可回到某些具体的场景,差距又变得明显了起来。就像最开始那个榜单,同样是写代码做视频,开源模型的分数只有闭源的三分之一左右。

所以我觉得:开源模型接下来更有机会的地方,是在一个个具体的场景上做到够用。

而够用加上能本地跑,对很多人来说,比榜单第一更重要。

比如有些国企客户要求非常苛刻,从大模型到知识库再到应用,所有东西都必须部署在他们自己的内网服务器上,物理隔绝。这些单位也想用好东西,但数据只能在本地,私密性要求很高。

现在可以试着把SenseNova-6.8-Code2Video模型放进内网,还没对外的项目、内部的业务数据,都可以直接做成动画。

企业培训也是。我做企培经常要给不同企业重做课件,上次去国企培训,台下大多是年轻人,讲久了容易走神。要是能把一些抽象的流程、原理做成几十秒的小动画,肯定比干巴巴的PPT要更容易理解。而人家的业务资料,很多也是不方便往外传的。

还有自媒体。我之前说过,起号阶段要轻量化、低成本。代码视频特别适合做科普、数据、排行榜这类内容,量一上来,token消耗也挺恐怖的。特别是对做矩阵号的朋友来说。

如果模型部署在自己机器上,跑一百支和跑一支,成本差不了太多(电费另算🤣)。

不得不说,SenseNova-6.8-Code2Video作为一个只有27B的小模型,确实做到了小而美。

宝藏开源项目,Star了!

你最想拿它做什么视频?欢迎评论区聊聊~

我是袋鼠帝,一个致力于帮你把AI变成生产力的博主。我们下期见~

能看到这里的都是凤毛麟角的存在!

如果觉得不错,随手点个赞、在看、转发三连吧~

如果想第一时间收到推送,也可以给我个星标⭐ 谢谢你耐心看完我的文章~

跳转微信打开

  •  

一键复刻任意视频,SD2.5免费畅用,OiiOii这个双11夯爆了

原创 冷逸 2026-10-29 21:04 四川

附教程

大家好,我是冷逸。

平常看到一些爆款视频,想复刻只能在评论区求提示词。现在不用了,今天推荐大家一个方法,可以一键复刻任意视频,批量替换、批量生成。包括像最容易翻车的复杂动效、产品展示、TVC,都能完美复刻。

这个神器,就是最近OiiOii上线的「一键替换素材」功能。我们只需要给参考视频和替换素材,通过对话就可以替换原片里的所有主体、物体和场景,包括文字、界面、动效都能换。

这几天,他们正在搞双十一活动。10.28-11.04期间,新用户开会员,不仅可以使用Seedance2.5等20款热门模型,还可以免费畅用7天。

我体验了一下,OiiOii用的是视频模型+Coding模型的组合模式,只需要跟它简单对话,就能一键修改、替换原片里的人物、商品、背景、文字和声音。尤其是批量出片,非常省成本。

比如,你做电商、TVC,可以参考原片的广告创意和镜头叙事,一键替换成自己的商品和模特;你做游戏、影游,可以参考原片的运镜和动作节奏,一键替换游戏的角色和场景;你做自媒体,可以选择喜欢的创意视频和叙事节奏,一键替换成自己的人物、素材和场景。

最主要是,它的Agent是真的聪明。

1、复刻创意广告

比如,我一开始的需求是这样。

我用OiiOii的一键替换素材功能,上传了一支参考视频和一张替换素材,以及复刻需求(主要是改字)。

它花了一点时间思考,分析了我的参考视频,并提出新片子的创作任务。

然后,写出了完整的视频生成Prompt。

完全参照参考视频的镜头运动、构图节奏与玩法:纯白无缝摄影棚背景,一镜到底,镜头从左向右匀速平移并逐渐拉远,最后静止定格。商品主体替换为参考图中的“农大山泉”550ml天然矿泉水(透明瓶身、白色瓶盖、白底标签上有绿色山峰logo、绿色“农大山泉”字样和雪山河流图案,外观必须与参考图一致)。所有人物与场景重新设计,围绕山泉水和户外健康生活。
0-1秒:左侧前景是一个巨大的绿色户外登山背包特写;中景三位穿冲锋衣、登山装的年轻人坐在原木长凳上歇脚,举起农大山泉矿泉水开心畅饮,脚边有登山杖和野餐垫;他们身后立着一个巨大的墨绿色立体汉字“水”。
1-3秒:镜头右移,一瓶巨大的农大山泉矿泉水从画面右侧滑入,占据右半画面,瓶身晶莹剔透,标签清晰正对镜头。
3-6秒:镜头继续右移并拉远,背包移出画面,巨型水瓶后方出现一排微缩生活场景:晨跑的人、篮球场上的学生、瑜伽、办公室白领、教室学生,每个人手里都拿着农大山泉;地面上露出墨绿色立体大字“到农大”。
6-8.5秒:巨型水瓶向左移出画面,镜头拉远成全景,所有微缩场景连成一排,人物站在铺在地面的墨绿色大字标语“喝山泉,到农大”上,画面底部中央出现小号绿色山峰logo与“农大山泉”字样。
8.5-10秒:全景静止定格:一排生活场景人物、地面大字“喝山泉,到农大”、底部“农大山泉”logo。
风格:明亮干净的商业广告质感,白色背景,墨绿与清透蓝配色,微缩模型感的人物布景。
声音:轻快活泼的电子流行配乐,带清脆鼓点,开头有一声清凉的开瓶“啵”声和倒水声,无旁白。
文字仅出现“水”“到农大”“喝山泉,到农大”“农大山泉”,不出现瑞幸、咖啡等任何原品牌元素。

这个Prompt写得是真好,也就保证了最终的成片,肯定会高度还原原片。

略有点遗憾的是,第一稿出来的视频,6-10秒的人物是静止的,而且偏动画。

解决这个问题很简单,直接跟OiiOii说就行。

它会自己读取项目的工程文件,然后进行二次创作。如果你需要改的是文字、界面、动效等元素,它会直接用Coding模型来改,这样可以大幅降低积分消耗,而且速度也快。

改得越多,省得越多,而且速度也快。因为它是直接用Coding模型来改,这比“先用低分辨率生成视频再超分”的路径可省太多了。

比如,你用Coding模型修改5次只消耗215盒饭,而如果用Seedance来生成,则消耗1100盒饭,成本直接暴涨了5倍。详细的积分消耗对比,我做了张表,一目了然。

给大家看下修改后的视频,人物动起来了,画面也就自然了许多。

2、复刻可口可乐经典广告

然后,我还用它复刻了可口可乐的经典广告片《边界线》(Border)。

对,就是那支没有一句台词的广告片,堪称神级作品。由广告大神Wieden和Kennedy操刀,耐克的Just Do It正是他们提出来的。

我想用OiiOii复刻里面的经典镜头,把视频里的可乐换成瑞幸咖啡。

需求很简单,替换原片中的商品,并一次性生成3个视频。

看到所有视频出来的那一刻,这也太强了,感觉直接就是99.9%还原啊。除了雪山版有一个镜头被切成了远景外,其他地方我挑不出任何毛病。

比如这里,你仔细看,沟壑形状、饮料阴影、划剑方向甚至包括力度,这些细节都完全对得上。

这复刻能力真的太强了。

3、动效视频批量出片

动效类视频,过去一直是视频模型的难点,很难准确生成出文字,尤其是中文。更别说复刻了,很多时候,我们用视频模型生成就是一锤子买卖,生成后你想再编辑修改,根本不行。

但对于做电商、TVC、产品Demo、营销活动、游戏、图解视频的创作者来说,这又是一个非常刚需的场景。

这次体验了一下,发现OiiOii复刻这类带文字/界面/动效元素的视频,非常的擅长,而且成本巨便宜,还支持批量修改生成。

比如,我让它根据参考视频分别复刻WoYin牌的iPad和电视,完成得非常好。

体验下来,像产品宣传、带货视频、口播视频、文字动效、界面展示这些视频,都可以用OiiOii轻松复刻,轻松替换了。

比如,你一条原片,给五个话术,直接就能得到五条视频素材。可以一次性制作多人群、多语言的宣传视频,这效率直接起飞。

最关键是,完全不用担心积分消耗。你做10条视频,跟你做1条视频的成本几乎是一样的。

而且效果也很顶,基本就是Opus 5.5的效果。

4、替换视频人物

如果是纯画面的修改,比如改人物、改背景、改场景,OiiOii则会调用Seedance 2.5来生成。同样,也是支持批量修改的。

比如,我让它把原片中的两个角色人物给替换掉。

它分析一通,最终设计的提示词是:

古装武侠电视剧实拍质感。
只借用视频1的镜头结构、运镜和剪辑节奏,视频1中的核心人物都必须替换,不得出现视频1原演员的脸;画面干净,不要任何水印、台标、字幕。
场景:古风木结构酒楼二层,窗外绿树。
角色A=图片1的女子:深绿汉服,高马尾,银饰发簪,冷峻。
角色B=图片2的男子“田伯光”:黑色绣纹古袍,束发戴冠,散落长发,八字胡和山羊胡,邪魅笑容。
0-4秒:角色A与角色B隔木桌对坐窗边,桌上有菜肴,A的长剑横放在桌沿;镜头缓慢向A推近,A冷冷侧目看向B。约4秒,A一把抓起长剑迅速起身,镜头跟随甩动。
4-5秒:镜头横移,前景木柱划过画面作为转场。
5-8秒:酒楼全景,A站在中央,长剑平举直指画面左侧,背景有食客,A冷声质问:“你就是臭名远扬的田伯光?”
8-9秒:硬切到角色B(图片2男子,长发、八字胡、邪魅)的面部大特写,他抬眼邪笑,低沉回答:“不错!”
声音:女声清冷有力,男声低沉带笑,酒楼环境声,无背景音乐。

这提示词质量非常高,最终出来的视频效果肯定也不差。

写在最后

OiiOii这个「一键替换素材」功能,整体用下来,感觉无论是做电商、游戏、广告、策划、自媒体视频,包括影视剧制作,都非常好使。

它很聪明的用了多种组合生成方式,包括图片拼接、Code 2 Video、Seedance直接生成等,OiiOii会根据任务智能判断生成方式。

尤其是用代码生成视频,生成后的帧率、清晰度相较Seedance生成,不仅质量高了许多,成本也降了很多,速度还快。当然,你如果要改的是画面、人物,它也能用SD2.5生成。而且,都支持批量生成,可多对1,也可以1对多。

体验下来,感觉这个复刻效果就是目前业界的SOTA水准。

感兴趣的朋友,现在就可以去OiiOii试试,现在配合双十一还有优惠。

体验完后,回来评论区告诉我,你觉得它的复刻效果如何。

跳转微信打开

  •  

上周我见了几百个创业者,我确信这是创始人未来3年的核心议题

原创 古典 2026-10-29 20:09 北京

上个周末,我去了广州,发现创始人对“事业原点”的需求,比我想象的更迫切。

上周末,我在深圳、广州连续做了两场线下分享,主题都是「事业原点」。

两场人数,都超出了我们预期。

周六深圳场,面向我的老用户,场地只有100个座位,最后来了130人;

周日是得到新商业会员专属场,150个座位全部坐满,还有不少人全程站在后排听完四个多小时。

散场之后,很多人留下来拉住我聊天。我能真切感受到,时代的提问已经悄悄变了。

01

从「超级个体」到「事业原点」

大家关心的问题变了

2016年,我第一次提出「超级个体」,那个时候大家关心的问题是:我如何挣脱组织,拥有一门属于自己的生意,把能力变成收入。

但到今天,在场很多创业者、自由职业者、企业高管,思考的问题是:我为什么要做这份事业?我真正想要为哪些人创造什么价值?我想把自己什么样的天赋和能力,贡献给这个世界?

不得不承认,大家需要钱,但钱无法成为唯一驱动力。人走到一定阶段,心底总会冒出一种不甘心:

这一生,我有没有机会真正去做我热爱、也被天赋所托的事?能不能让我的事业,承载我内心真正想要活出来的样子?

这是这个时代留给我们所有人的新命题。

02

AI 存量时代:

生产力变廉价,「自己」变更贵

在现场,我做了一个小小的调研:

Ai到底提效了你的工作,还是挤压了你的工作?

大部分人感受到AI正在挤压自己的工作;更多人的状态是:上班谋生,下班回家,再找回生命力,直到入不敷出,然后愤然离职。

对创业者来说,这个局面就更壮烈一点。

这让我更加确信一件事:进入AI存量时代,生产力变得廉价。但你选择做一件事的时候,有没有把“自己”真正注入进去,变得无比重要。

不管是对外的竞争力,还是对内的平衡自洽,都绕不开这一点。

杭州市政府有一组很现实的数据:90%的一人公司活不过三年,其中三分之二倒闭,根源并不是商业模式不行,而是创始人精力耗竭,心力耗尽。

很多人的疲惫,来自三类心力内耗:

  • 体验性回避:因为害怕痛苦的过程,回避自己真正想要的结果;

  • 表层扮演:为了流量、机会扮演并不认同的角色,内外撕裂;

  • 无边界满足他人期待:分不清什么是别人的需求,什么是自己的需求,一味透支自我。

你会发现,很多人日程安排的满满当当:学AI、做IP、改产品、搞流量,忙得脚不沾地,却越做越疲惫。人是很难靠责任心长期做一件事的,如果你打心底觉得不值得,再怎么逼你,也提不起心气儿。

创始人的心智和生命力,就是一家企业最大的杠杆,这一点没有替代。

这是我今年决心投入到“事业原点”这个课题上,去服务创始人和知识工作者的原因。

只有当你搞懂自己为什么做事,把内在的发动机真正点燃,外部所有的能力、资源、机会,才会真正向你汇聚,帮你成事。

03

什么是「事业原点」?

很多人会混淆,把事业原点当成优势,或者一时的热血。但它不是。

事业原点,是你一再回去、赖以立身、并且愿意由此拒绝其他诱惑的那件事,你可以围绕它,重新整合你的全部事业。

一再回去:哪怕经历迷茫、挫败、低谷,兜兜转转,你总会不由自主回到这件事上。宫崎骏七次宣布退休,还是忍不住回去画画;樊登吃饭聊天,也忍不住开口讲书,就是这个状态。 

赖以立身。它是你底层的特质,不受限于某一份具体工作。新东方的原点不是教英语,而是“从绝望中寻找希望”,所以做培训可以成,转型直播文旅也能走通。

由此拒绝。原点最难的不是选择做什么,而是拒绝什么。就像于东来做胖东来,原点不是 “开超市”,而是 “让组织里的人过得幸福”。所以他敢于不扩张、敢于关店,守住自己能够亲自照护的规模。 就像老干妈,原点是守住味道与本分,所以拒绝上市、拒绝赊账、裁撤昂贵直播团队,守住自己的经营节奏。

很多诱惑是以机会的样子出现的,你觉得处处是机会,其实为诱惑付出了很多代价。

原点不是让你躺平,也不是玄学心灵鸡汤。恰恰相反,原点要落地到真实的商业:找到原点,做减法,聚焦客户,重新设计产品,再把你的生命体验变成内容,向外流动出去。

事业原点会贯穿你的创业定位、产品设计、合作关系、品牌影响力每个环节。在这个基础上,所有事都是一件事。

它决定你会选择什么样的合作伙伴,会放弃什么样的机会,会输出什么样的内容,会服务什么样的用户。

如果你忽视“原点”问题,战术再漂亮,也很难长出持续的生命力。

04

为什么说必须来线下

在群体中才能找到原点?

对创始人来说,如果你不脱离日常角色,你就很难从具体的动作里抽离出来。

人需要置身群体之中,像照镜子一样,借由他人的反馈,照见自己看不见的部分。你需要卸下平日里的盔甲、社会身份、扮演的面具,才能够触碰到自己真实的卡点、执念、不甘心。

我们做「事业原点工作坊」,就是希望创造这样的线下沉浸式场域,大量互动练习。

就像我们深圳现场做的背对背练习:3人小组,当事人讲述过去十年不赚钱也愿意做的事、内心最不甘心的事,转过身,听同伴说出对你的观察。很多人就是在这种“偷听感”的反馈里,突然看见自己的优势。

在这里,大家都是带着相似课题而来的创始人、超级个体、咨询师、转型高管。他们互相映照、彼此校验。在真实的对话、练习、碰撞中,卸下盔甲,看见真正的症结所在。

当创始人的心力、内在目标变得清晰,很多改变是自然而然发生的。

05

你会在现场听到什么?

收获什么样的改变?

我会把自己二十多年创业、做产品、做管理、做咨询的经验,放到现场。

我会讲那些支撑过我的能力,也讲那些曾经控制我的模式;

讲我如何从新东方离开,如何写书、做课、做公司,也讲我如何在一些时刻误判自己、误判市场。

通过练习、案例、同伴互动和现场回应,把那些原本说不清的东西一点点变得可观察、可体验、可显化。

上个月我已经做了第一期内测场,我们和20多个来自于全国各地的创始人、IP、咨询师顾问、上市公司高管一起经历了难忘的三天两夜。

他们有人快速的做出来判断,聚焦一项核心业务,砍掉其他业务。

有人快速确定了未来10年新公司业务方向和股权结构。

有人重新迭代了自己的产品,并且获得了很好的反响。

有人开始写自己的第一本书,有人重新更新停滞很久的号,开启了一个拖延的创业项目......

总之,他们找回原点,找回生命力,重新铺开新的人生方向。

更重要的,是他们听从内心,守住原点,为自己的生命力做了重要选择。

因为由此拒绝,是战略中最重要的事。

06

如何参加「事业原点工作坊」?

我们「事业原点工作坊」正式走出去的第一站,依旧选择放在深圳。

(公众号后台回复“事业原点”,可以加到我们)

我是在深圳长大的,这里也有很多老朋友,老客户。我的每一个重要新产品第一站,都会放在深圳。

这次依旧坚持小班制,不超过30人,保证每一个人都能被充分关照。

三天两晚沉浸式体验,我全程带领,我们一起卸甲、照镜子、做练习,一层层向内探索,找到属于你的事业原点,再向外落地到产品、用户、影响力。

最后,也宣布一件重要的事儿:

2027年,我们将正式启动「事业原点大篷车」全国巡讲计划。

我想多走走一些二三线城市,那里有大量的中小企业主、创作者。他们同样在面对AI冲击、转型、第二事业的迷茫与困顿,但又很少有这样的资源,把大家聚在一起聊聊真实的感受。

大篷车就像嬉皮士乐队巡演,我们轻装上阵,走到各个城市,做线下闭门交流会。只要你在当地能够集结起一群对这个话题感兴趣的伙伴,我们就愿意奔赴过去。

如果你所在的城市,能号召起一群想认真做点事的人,就可以联系我们的团队,一起办一场免费分享。

你不需要做很复杂的事,大概三件:

1.告诉我们你在哪个城市;

2.大概能召集多少人(比如 20—30 位创业者、个体户、做IP的人);

3.如果能帮忙找到一个小场地,就更好了。

剩下的,交给我们:定主题、出内容、开车过去、支摊开讲。

成都、杭州、上海、郑州、合肥.....你所在的城市,都可以告诉我们。一座城市攒够人,我们就排期。

如果你或你有朋友在这些城市,欢迎把这条转给 TA。

欢迎你在这条下面留言:你的城市 + 人数 + 场地。

期待与你的相见。

跳转微信打开

  •  

从“会生成”到“能生产”:萤火虫AIGC平台的 AI Infra 实践

京东零售 郑忠权 2026-10-29 20:09 北京

本文系统呈现了京东AIGC产品萤火虫平台从模型调用迈向规模化生产的工程实践,贯通编排、算力、数据与观测,适合做AIGC内容生产的同学一读。

一、引言:从一次内容请求到一套生产系统

很多 AIGC 产品最初都从一个聊天窗口开始:用户输入需求,模型返回文本、图片或其他内容。但当生成结果真正进入内容生产,问题就不再是一次模型调用能否成功,而是多种能力能否被稳定地组织起来,持续完成内容生成和交付。

萤火虫是面向内容生产的 AIGC 平台,包含内容 Agent、Workflow、生产模板、模型能力和浏览器操作等多种使用方式。用户可以通过对话、工作流或模板组织内容生产,也可以结合萤火虫浏览器扩展完成网页操作、内容发布和多平台分发。

对用户来说,一次请求可能只是“帮我生成一篇商品图文内容”;对平台来说,它背后需要完成知识库检索、图片理解、模型推理、文案生成、结果加工和内容交付。不同环节依赖不同的模型、数据和计算资源,还需要被编排成一条可以执行和观察的任务链路。

因此,萤火虫平台的 AI Infra 关注的不只是模型能否生成结果,而是模型、数据、任务和算力如何协同,最终形成一套能够稳定运行的内容生产系统。

二、为什么内容生产需要 AI Infra

AIGC 从单次生成走向规模化内容生产后,系统需要解决四类核心工程问题。

1. 能力如何被组织:一次内容生产往往包含知识库检索、商品解析、图片理解、生图、文案生成和结果加工等多个步骤。模型和算法能力如果仍以独立服务或临时脚本存在,很难被统一组合、复用和管理。

2. 任务如何被执行:在线请求关注响应速度,批量生产关注吞吐,海量素材处理关注资源弹性。CPU 预处理、GPU 推理和高初始化成本模型也具有不同的运行特征,单一执行方式无法同时覆盖这些场景。

3. 数据如何支撑模型效果:模型输出不仅取决于模型本身,还取决于素材质量、特征是否完整,以及能否检索到合适的多模态素材。原始多模态数据需要先被加工、治理和沉淀,才能成为生产阶段可直接使用的输入。

4. 长链路如何被观察:一个任务由多个算子组成。发生异常时,平台需要知道任务执行到了哪里、哪个算子失败,以及对应的日志和失败原因。

为此,平台需要用统一的方式组织模型和算法能力,根据任务特征选择执行引擎,将原始多模态素材加工为可检索的数据,并建立覆盖工作流的观测能力。这些能力共同构成了面向内容生产的 AI Infra。

三、整体架构:统一编排,差异化执行

整体架构围绕两条相互协同的链路展开:

1. 内容生产链路从萤火虫业务层开始:业务侧通过 Agent、Workflow 和生产模板选择并组合 AIGC 能力,平台层将这些能力解析为可执行的 Pipeline/DAG,再根据任务特征调度到 Ray Serve、Ray Data 或 Spark/Flink 等执行引擎。

2. 另一条是多模态数据处理链路:图片、视频等原始素材进入 Lance 多模态表,由弹性算力完成推理打标、内容理解、特征处理和清洗,推理结果、标签和特征等数据回写并沉淀在湖仓中,经过筛选的合格素材再进入图片 / 视频知识库,为内容生产提供检索能力。

Trace 横向连接平台层和不同执行引擎,通过 DAG、任务标识、算子标识和日志还原任务的实际执行过程。

四、平台层:从业务Workflow到可执行DAG

业务侧组合的是面向生产目标的 Workflow,执行引擎需要的则是可以直接调度的算子和依赖关系。平台层位于两者之间,负责把业务能力描述转换成真实的执行计划:

4.1 算子管理:把算法能力变成平台执行单元

算子是平台能够识别和调度的最小能力单元。它可以是一段图片处理逻辑、一个模型推理能力,也可以是对外部服务的标准化调用。平台通过算子管理统一约束输入输出、资源声明、版本、业务参数和依赖环境,使上层 Workflow 不需要了解算法内部如何实现。

模型权重、业务参数、运行配置和核心代码彼此解耦后,同一个能力可以独立升级,也可以根据任务类型进入不同运行方式。算子因此不再是某个需求下的一次性脚本,而是具备契约、版本和资源语义的平台执行单元。

4.2 Pipeline/DAG:把能力组合编译成执行计划

平台将 Workflow 中选择的能力解析成 Pipeline/DAG。DAG 描述算子之间的依赖关系、执行顺序和数据流转:依赖上游结果的节点按顺序执行,没有依赖关系的节点可以并行执行。

上下游之间通过输入输出映射传递数据。下游算子只获取自己需要的字段,算子输出也可以被筛选、重命名和映射到后续节点,避免不同算法实现直接耦合,也避免中间数据在长链路中无边界地传递。

4.3 任务管理:从执行计划进入具体运行时

DAG 生成后,平台创建对应任务,并关联本次运行所使用的 Workflow、算子版本、业务配置和资源要求。任务管理提供任务提交、运行配置和状态查看等入口,统一编排 DSL 则负责描述任务并选择执行后端。

平台统一的是任务、算子和数据流转语义,运行时可以保持差异。在线模型服务、离线批量推理和多模态数据处理分别进入 Ray Serve、Ray Data 和弹性算力。

五、执行体系:实时、批量与弹性

执行体系:实时、批量与弹性

不同 AIGC 任务对延迟、吞吐、模型生命周期和计算资源的要求差异明显。萤火虫没有用一种运行方式承接所有任务,而是在统一任务语义之下,根据任务特征选择实时、批量或弹性执行路径。

5.1 为什么选择 Ray

Ray 同时提供 Task、Actor 和服务化模型实例三种重要抽象。普通无状态计算可以作为 Task 执行,需要保持状态或复用模型实例的计算可以由 Actor 承载,在线模型则可以通过 Ray Serve 以服务副本方式运行。这些抽象能够匹配 AI 任务中模型初始化成本高、运行时间长、资源类型复杂的特点。

对于以 Python 为主的模型和算法算子,Ray 还提供了统一的资源语义。算子可以声明 CPU、GPU、内存、并发度和机器标签等要求,调度时再将图片预处理、文本处理和 GPU 推理放到合适的资源节点。在线与离线任务共享一套分布式执行体系,但分别采用 Ray Serve 和 Ray Data 的运行模型。

Ray 的价值并不只是单点推理性能,而是将模型运行、服务副本、资源调度和分布式数据处理组织在同一套体系中,为上层 Pipeline 提供一致的执行接口。

5.2 Ray Serve:管理在线模型服务的生命周期

实时任务由自研调度引擎统一调度,并通过 HTTP 接口调用 Ray Serve 中部署的算子。

Serve 主要提供三个方面的能力:

1. 模型常驻与服务副本:模型和算子提前加载在常驻实例中,避免每次请求重复初始化。不同服务可以独立配置副本数量、CPU/GPU 资源和并发能力,单个模型的资源变化不需要带动整条 Workflow 一起扩容。

2. 滚动部署与自动扩缩容:模型或算子发布新版本时,Serve 支持逐步切换服务实例,降低版本切换对在线请求的影响;同时具备根据服务负载调整副本数量的能力,用于适应请求的波峰波谷。

3. 平台编排与模型运行解耦:自研调度引擎负责任务编排和请求调度,Ray Serve 负责模型加载、服务副本、请求分发和运行资源。两者通过稳定的 HTTP 接口连接,为后续多模型协同和复杂 Workflow 留出扩展空间。

5.3 Ray Data:面向模型推理的离线批处理

批量内容生产采用 Ray Data 进行离线推理和分布式数据处理。待处理数据以 Dataset 组织,并被分发到不同模型实例上执行;读取、推理和结果写出则被串成连续的数据处理流程。相比逐条调用模型,这种运行方式更适合以 Python 模型为主的大规模批量推理。

1. 模型实例复用:模型算子以长生命周期 Actor 运行,模型在 Actor 初始化时加载一次,后续可以持续处理多个数据批次。Actor Pool 负责维护一组可复用的模型实例,降低图片和多模态模型反复初始化的成本。

2. 批量推理与资源协同:map_batches 将一批数据交给模型实例集中处理,减少逐条调用产生的调度开销,也更符合 GPU 推理的执行方式。不同算子可以分别配置批大小(batch size)、并发度、CPU/GPU、内存和机器标签,在吞吐、显存占用和资源隔离之间进行调整。

3. Pipeline 化并行执行:数据读取、模型处理和结果写出可以随着数据流动并行推进;长链路中没有依赖关系的图片理解、属性提取等分支也可以并行执行,完成后再合并结果。

Ray Data 把离线推理从“循环调用模型”,转变为“面向数据集和模型实例的分布式执行”。

5.4 弹性算力

弹性算力承接多模态数据湖仓中的海量素材处理,包括图片、视频清洗、推理打标、内容理解和特征处理。这类任务通常具有阶段性计算峰值,将其放到独立的弹性资源中,可以减少大规模数据处理对在线内容生成和日常批量生产的资源影响。

这套设计的核心是统一任务语义、差异化运行:平台层统一描述任务,执行引擎分别针对在线延迟、批量吞吐和数据规模优化自己的运行方式。

六、多模态数据湖仓:从素材治理到数据飞轮

模型效果不仅取决于模型本身,还取决于输入数据是否准确、素材是否匹配、上下文是否完整。对于内容生产来说,原始图片和视频需要先经过理解、打标、特征提取和质量清洗,才能成为知识库中可检索、可复用的素材。

6.1 为什么选择 Lance

多模态数据与传统分析数据具有不同特征。一份素材记录可能同时关联图片或视频、结构化元数据、模型标签、内容理解结果和特征向量;随着算法迭代,同一份数据还会不断增加新的标签、特征和打分列。

Lance 面向 AI 数据访问场景设计,能够用一套表格式统一组织图片、视频、结构化元数据、推理标签、内容理解结果、特征和向量。

对我们的多模态素材处理来说,选择 Lance 主要看重三点:

1. 列式组织与按需读取:素材元数据、标签、内容理解结果、特征和向量按列组织。处理任务可以只读取需要的字段,适合多模态宽表和持续增加的特征列。

2. 素材与推理结果统一关联:原始素材、模型推理结果、标签和向量在同一套数据组织中建立关联。算法增加新的特征或处理结果时,可以继续围绕同一份素材数据扩展,减少数据在多个系统之间复制和拼接。

3. 向量检索与快速点查:既可以根据标签、属性等结构化条件筛选素材,也可以通过向量检索找到语义相近的图片和视频;检索命中后,还可以快速读取对应的素材信息,为可视化筛选和知识库构建提供统一访问路径。

因此,Lance 表既是多模态素材的统一承载方式,也是后续批量处理、可视化筛选和知识库构建共用的数据入口。

6.2 素材清洗:从素材入湖到知识库构建

当前多模态数据湖仓围绕素材处理和知识库构建形成一条主链路,同时湖仓可视化平台作为连接 Lance 多模态表的旁路入口,为数据观察和人工操作提供支持:

业务、算法和运营人员可以通过可视化平台查看整个湖仓中的素材数据集、推理结果、标签和特征,按照标签、属性和处理结果筛选素材,也可以通过向量检索查找相关数据,用于检查清洗结果、观察数据分布和发现异常样本。经过治理和筛选的合格素材进入图片 / 视频知识库,内容生产任务再从知识库中检索模特、上身图和视频素材。

通过将图片和视频理解、特征提取等高成本处理前置,生产阶段可以直接使用已经治理的多模态素材,减少在线 Workflow 的临时处理压力。

6.3 数据飞轮:从数据沉淀到模型与算子迭代

当前已经建设的能力覆盖素材入湖、弹性处理、结果沉淀、可视化观察和知识库构建。在此基础上,后续希望将内容生产过程中的推理结果和问题样本逐步沉淀下来,形成完整的数据飞轮:

这条目标链路将数据沉淀、问题分析和模型迭代连接起来,使线上生产过程不再只是消耗模型能力,也能逐步积累下一轮优化所需要的数据。随着这部分能力完善,多模态湖仓可以从当前的素材治理空间,进一步演进为同时服务检索、评测、训练和 Agent 上下文的数据资产空间。

七、Trace:让工作流执行过程可见

一条内容生产 Pipeline 可能包含多个前后依赖或并行执行的算子。仅依靠分散日志,很难快速判断任务执行到了哪里,以及失败发生在哪个节点。Trace 将 DAG 结构、任务、算子和日志连接起来,形成工作流级的执行视图。

7.1 任务、算子与日志的关联机制

Trace 使用统一标识串联一次任务的执行过程:

task_id 标识一次完整任务,DAG 提供工作流结构,operator_id 对应流程中的具体算子,trace_id 则将算子与实际运行日志关联。平台可以从任务总览进入 DAG,再从具体节点下钻到相关日志,不需要在多个系统之间手工比对标识。

7.2 可以观察什么

Trace 可以展示任务和算子是否执行、执行结果是成功还是失败,并在失败时定位具体算子、错误上下文和关联日志。它既服务于业务人员查看任务进度,也帮助算法和平台人员理解长链路任务的实际运行情况。

在现有工作流观测基础上,后续还可以进一步建设任务自动重试、中间结果恢复等运行管理能力。

7.3 总结:让模型、数据和任务在同一套体系中协同

萤火虫 AI Infra 围绕多模态内容生产形成了一条清晰的技术链路:平台层将业务 Workflow 转换为可执行 DAG;Ray Serve、Ray Data 和弹性算力让不同任务进入合适的运行方式;Lance 多模态数据湖仓把原始素材加工成知识库可以检索的数据;Trace 则把任务、算子和日志连接成完整的执行视图。

关键不在于堆叠组件,而在于统一编排、差异化执行、数据前置治理和工作流级观测之间形成协作。业务可以持续组合新的 AIGC 能力,平台负责将其转换为标准任务,执行引擎按照任务特征分配资源,多模态数据持续沉淀和演进,任务运行过程也能够被观察和定位。由此,模型能力才能从单点调用走向持续、稳定的内容生产与交付。

八、写在结尾

萤火虫平台是京东面向电商业务的“一站式 AI 内容规模化生产平台”,电商内容生产的基础设施平台,推动商家从单点分散的内容创作,走向平台化、智能化、规模化的协同生产。

平台以商品信息和业务需求为核心,依托创作智能体(Agent)与低代码工作流,打通“商品理解-卖点提炼-批量生成-人工质检-一键发布”全链路。

在内容形态上,平台不仅能高效产出商品主图等标准化素材,更擅长围绕商品构建立体的人物设定、生活场景、故事线及内容风格。通过持续输出真实、多元、极具“活人感”的图文与视频,萤火虫 AI 致力于赋能电商内容生产,推动其从“单次生成”向“一站式、规模化、可持续运营”长效发展。

最后欢迎大家使用萤火虫平台,也欢迎在实际使用过程中多提宝贵意见。无论是产品体验、内容效果,还是工作流和平台能力上的反馈,都会成为我们持续迭代的重要输入。大家的反馈和建议,是我们不断前进、把萤火虫做得更好的最大动力。

👉平台地址:https://firefly.jd.com/

推荐阅读

跳转微信打开

  •  

滴滴开源 HelixHarness:让团队AI Coding稳定交付

原创 金融技术 2026-10-29 19:58 北京

本项目已开源,欢迎探讨交流~

一、前言

2025 年,随着大模型技术的持续突破,AI 迎来了新一轮发展热潮。尤其在软件研发领域,AI Coding 正在迅速改变开发者的工作方式。

从最初的代码补全、辅助编程、理解需求、设计方案、甚至执行测试,AI 已经开始参与越来越多的软件研发环节。但在真实的软件工程环境中,开发者需要解决的远不止代码生成,如何让 Coding Agent 理解真实项目、遵循团队规范,并在复杂的工程环境中稳定完成研发任务,滴滴金融技术团队基于内部真实场景的探索实践,正式开源面向团队的 AI Coding Harness - HelixHarness。

项目地址:https://github.com/didi/helixharness

二、背景:从真实工程中淬炼出来的工具

HelixHarness 最早起源于滴滴金融技术团队内部的 OpenHarness 项目。 Helix 意为“螺旋”,象征持续演进、循环迭代与不断向上的成长过程。正如 DNA 双螺旋承载着生命的遗传信息与进化密码,HelixHarness 也希望通过工程知识的持续积累、真实研发实践中的观测与评测反馈,不断优化 AI Coding 的工程化能力,让每个团队都能构建并持续进化属于自己的专属 Harness。

最初,我们也是从个人使用 AI Coding 开始的。借助 Coding Agent,开发者能够更高效地理解代码、完成开发任务。随着 AI Coding 的深入应用,我们开始思考:面对真实工程中复杂的业务知识、技术架构和研发规范,如何让 AI 从提升个人开发效率,进一步走向支撑团队规模化的研发交付?

带着这一思考,我们开始将 AI Coding 引入团队中真实业务研发中, 随着实践的深入,项目逐步从单个团队走向滴滴内部更广泛的推广应用,目前已在公司内部推广至 10 余个部门和团队,累计应用于上百个业务模块。 在企业团队的规模化实践中探索它的能力适用性,也逐渐发现了像“工程化支撑”、“过程可观测”、“能力评测”和“团队适配”等方面的挑战。

  • 工程化支撑不足。 AI 缺乏对项目知识、业务逻辑和工程规范的完整理解,也缺少贯穿需求、开发、验证的统一工作流程,开发者仍需投入大量精力引导 AI。

  • 过程数据不可观测。 AI 开发过程中的工具调用、代码修改和返工路径缺乏有效记录,难以准确分析研发效率与问题根因。

  • 框架迭代缺少评测。 知识、规则、Skills 和工作流持续迭代,但缺乏统一的评测体系,难以客观衡量改进效果。

  • 框架与团队不适配。 不同团队的技术栈、工程规范和研发流程存在差异,通用 Harness 难以直接适配,重复定制成本高、经验复用难。

经历这些实践后,我们逐渐意识到,AI Coding 在企业团队中面临的核心挑战,已经不只是如何让 AI 写出更好的代码,而是如何让 AI 在真实工程环境中,更稳定、更可控、可衡量地完成研发任务。

这也让我们开始重新思考:能不能在现有 Coding Agent 之上,构建一套工程化基础设施,既能让 AI 理解项目、遵循团队规范,又能记录执行过程、评估实际效果,并支持不同团队根据自己的需求持续扩展?

HelixHarness 正是在这样的背景下逐步诞生的。

 HelixHarness 整体架构与工程化能力

三、HelixHarness 的设计和思考

3.1 核心工作流设计

在工程开发场景中,一个需求从理解、方案设计、代码开发到测试验证,往往需要经过多个相互关联的环节,所以我们基于内部真实研发项目的实践经验,将日常研发流程中的关键环节抽象为一套标准化研发命令,贴合项目初始化、需求方案设计、开发执行、结果验证和归档沉淀等阶段。让 Coding Agent 在工程约束下有序完成任务。

通过标准化命令,组织端到端研发工作流

HelixHarness 将研发过程拆解为初始化、方案设计、开发执行和结果归档等阶段,并通过统一命令驱动执行。

通过标准化命令启动工作流

初始化、方案设计、执行开发和归档沉淀

3.2 工程上下文管理:让项目知识成为可复用资产

在真实企业团队的日常研发中,项目知识往往分散在代码仓库、技术文档、工程规范和开发者经验中。这些知识既包括系统架构、模块职责、业务逻辑,也包括代码规范、安全要求和历史设计约束。如果完全依赖开发者在每次对话中补充,不仅增加 AI Coding 的使用成本,也难以保证不同开发者、不同任务之间的一致性。

因此,HelixHarness 将工程上下文进行结构化组织,通过 Knowledge、Harness、Specs、Hooks 四个部分,为 Coding Agent 提供相对完整的工程环境。

通过标准化目录,将工程知识沉淀到项目中

HelixHarness 将工程知识、规范约束、需求契约和检查规则统一组织在项目目录中,与业务代码共同维护。

通过标准化目录结构,让原本分散在文档和个人经验中的工程知识,转变为可管理、可复用、可持续更新的项目资产。

business-project/           业务仓库根目录
├── src/                    业务源码(示例)
├── tests/                  业务测试(示例)
├── config/                 业务配置(示例)
├── docs/                   HelixHarness 上下文与交付工件
│   ├── harness/            工程约束与索引
│   ├── knowledge/          项目知识与索引
│   ├── specs/              需求规格、任务及验证工件
│   └── hooks/              检查规则
└── AGENTS.md               宿主上下文入口

通过四层工程上下文,让知识真正参与 AI Coding

工程知识的结构化存储只是第一步,更重要的是让这些知识能够在 AI Coding 的实际执行过程中发挥作用。

HelixHarness 通过四层工程上下文,将项目知识、工程约束、需求契约与自动化检查机制相结合,并融入从需求分析、方案设计到开发验证的完整工作流。让 Coding Agent 在理解项目的基础上,遵循团队规范,明确开发目标,通过检查保障质量,最终完成交付闭环。

Knowledge、Harness、Specs、Hooks 四层工程上下文

3.3 可观测、评测、自进化

随着团队持续使用框架,会不断积累真实研发过程中的执行数据、问题反馈和工程经验,Knowledge、Rules、Skills、Workflow 等框架能力也需要随之持续优化。这就需要我们是针对 HelixHarness 自身的工程化能力不断进行迭代升级,包括项目知识、工程规范、技能工具和研发工作流等,让框架更好地适应团队的实际研发需求。

这也带来了一个关键问题:每次对 HelixHarness 进行改造升级后,我们如何判断这些改动是否真正有效?是否会引入新的问题?

举 2 个例子来说,例如我们调整某个 Rule,它可能在规范 AI 行为的同时可能引入额外的执行约束;或者我们在框架中新增一个 Skill,虽然可能提升特定场景下的开发效率,却未必适用于其他研发场景。

因此,HelixHarness 希望建立一套基于真实工程数据、面向框架能力升级的可观测、可评测、可持续进化机制,让每一次框架调整都有数据依据、效果验证和风险控制,而不是单纯依赖经验判断。

其整体思路是:

可观测 → 形成假设 → 候选修改→ 统一评测 → 受控采纳 → 持续迭代

可观测、统一评测与持续进化闭环

四、与同类框架的差异

当前,AI Coding 生态中已涌现出丰富的工具与框架。有的项目能提供代码理解、任务规划和工具执行能力;有的项目提供 Skills 和 MCP 等机制支持能力扩展;还有的项目从开发流程和任务规范等方向提供了各自的解决方案。

我们框架的核心定位,是在现有 Coding Agent 的能力基础上,进一步组织真实工程所需的项目知识、团队规范、研发工作流以及验证评测机制。HelixHarness 希望在已有生态基础上,重点解决工程能力如何在团队中统一组织、复用和持续改进的问题。HelixHarness 不仅提供完整的 AI Coding 工程化基础能力,更支持不同企业团队结合自身的业务知识、工程规范和研发流程,持续构建和演进属于自己的专属 Harness。

五、未来规划:构建持续进化生态

HelixHarness 计划分阶段扩展 Agent 支持、开放工作流程配置,并围绕真实企业团队研发场景持续迭代,让框架更好地适配不同团队的开发工具与研发方式。

5.1扩展 Agent 支持

在现有支持的基础上,调研开发者使用的其他 Agent,并推进相应的适配开发,逐步覆盖主流 Agent,让更多团队能够在熟悉的开发工具中使用 HelixHarness。

5.2支持工作流程自定义

针对不同企业团队在研发流程上的差异,提供工作流程顺序的配置能力。团队可以根据自身的流程要求调整工作流,使 HelixHarness 更好地适配企业团队实际的研发过程。

六、写在最后

希望通过这篇介绍,大家对 HelixHarness 的设计思路、核心能力,以及它如何帮助企业团队打造专属 Harness,有了更清晰的认识。如果你的团队正在探索 AI Coding 的落地方式,希望让 AI 更好地理解项目知识、遵循工程规范,并融入日常研发流程,HelixHarness 可以作为一个值得尝试的选择。

也欢迎大家结合自己的业务场景和使用体验,与我们探讨交流。无论是使用中的疑问、希望补充的能力,还是已经验证有效的工程经验,都欢迎分享。期待和更多开发者一起,在真实研发实践中不断完善 HelixHarness,让它更好地服务团队的实际需求。

项目地址:

https://github.com/didi/helixharness

往期推荐

点击阅读原文,跳转项目

阅读原文

跳转微信打开

  •  

奖励丰厚!2026AIGC国风动漫大赛,延期至2026.11.10

Clip设计夹 2026-10-29 18:18 北京

图片

图片

前言

近年来,中国国漫创作正迎来从"高原"迈向"高峰"的重要历史机遇。在推动中华优秀传统文化创造性转化、创新性发展的时代号召下,如何以国风为载体,让东方审美与当代青年精神同频共振,是这一代创作者肩负的文化使命。本届大赛旨在为全国国漫设计创作者搭建一个兼具学术高度与传播广度的展示与孵化平台,诚邀全国创作者共创新篇。

大赛主题

国风题材、形式不限

参赛对象

面向全国高等院校、行业协会、动漫企业、单位组织及设计、动漫爱好者,专业与非专业个人爱好者

报名时间

即日起至2026年11月10日

参赛类型 

设静态类、动态类两大板块。凡与国风相关题材的原创作品均可投稿。涵盖:IP设计、游戏视觉场景、国风插画、国风视觉海报、漫画、插画、绘本、连环画、动画、动漫、AIGC 生成影像、动漫音乐 MV、微电影、动态海报等。

作品格式

静态类

JPG格式/PNG格式、300dpi,单幅、系列皆可,单张≤10MB;如IP角色需提交完整设计展板;

动态类

优先 MP4 格式(可 MOV);分辨率不低于 1920×1080;时长≤15 分钟(≤900MB)。如有对白,须添加中文及英文字幕;鼓励提交带配音版本。

注:AI辅助生成的须注明使用工具、人工修改部分使用;纯AI生成的图像或视频须按要求添加显式标识(含“AI生成”字样)。

每人上限可投2个作品,一件作品只能投报一个类别。

报名方式

提交资料⬇️

1.参赛报名表;

2.参赛作品,图片/视频文件;

3.艺术/证件照一张,团队提交合照/队长照即可;

注:以上四项材料重命名为【姓名 + 联系方式】zip压缩包格式提交至官方微信/官方邮箱;

官方邮箱:bjgfyx@163.com

官方微信:13263466613(许老师)
官方电话:010-84837422
官方地址:北京市朝阳区北辰东路8号院H座

注:因邮箱附件容量限制,大体量作品通过网盘链接提交,将提取码写入邮件正文,链接有效期1年。

图片


图片

图片

图片

组织机构

主办单位

玄灵杯动漫组委会

出彩中国文艺组委会

当代美育文化促进会

承办单位

北京华艺梦文化传播公司

协办单位

海南卫视《荣耀绽放》栏目组

北京IOJY动漫狂欢节

合作单位

万象有声

海天瑞声

北京漫盟文化传播有限公司

支持单位

海南卫视

央视频

CCTV-15

北京鸟巢文化中心

北京中国工艺美术馆

北京中国民贸非遗中心

权利声明

1.参赛作品著作权归作者所有,主办方仅用于非商用性质的放映、展览、宣传,商业合作需另行协商。

2.作者投稿即视为同意主办方自投稿之日起,在中国境内以非独家、无偿方式,在电视展播、画展展示、官方作品集出版、颁奖典礼及赛事宣传范围内使用该作品,不用于任何商业用途,如需衍生品开发或商业授权,另行协商并注明作者姓名。

3.有声作品改编、电子专辑收录、画册出版等超出本条授权范围的使用,须单独取得作者书面授权。

4.获奖作品经查实存在侵权或违规情形的,主办方有权取消其获奖资格,并追回证书、奖杯及全部奖励。

注意事项

参赛者须保证投稿作品为本人或团队原创,不得侵犯任何第三方的著作权、商标权、肖像权、名誉权等合法权益。由此产生的法律责任由参赛者本人承担。

参赛作品须符合社会主义核心价值观,不得含有违反国家法律法规、危害国家安全、破坏民族团结、宣扬色情、暴力、血腥、歪曲历史、侵犯公序良俗的内容。组委会有权对不符合本条上述要求的作品直接取消参评资格。

动态作品中如使用音乐、音效、字体、第三方素材,参赛者须确保已获得合法授权,或使用无版权素材库内容。因素材侵权引发的法律责任由参赛者本人承担。

严禁抄袭、洗稿、代笔、未经授权改编他人作品;一经发现,取消参评资格并予以公示;已获奖的,取消获奖资格并追回奖励。

如需用于商业开发、衍生品开发或商业授权,须事先取得作者书面授权并另行约定报酬。

本届大赛最终解释权归玄灵杯动漫大赛组委会所有。

跳转微信打开

  •  
❌