闲聊大厅

感觉其实github上有很多信息差，各种开源项目，资源整理，关键是怎么利用好这些资源。

想学aigc

1 张图片 · 点击查看完整图片

https://seapost-paper-tides.yutou1132570111.chatgpt.site 用agants做了一个针对需要树洞和安静空间的人群，可以写倾诉信和听海声，换装，种花，剪树枝和写心情能结出心情果实的轻游戏网站！ 目前这个只是beta测试版，希望大家玩得开心，如果有任何bug抓虫或建议，想法欢迎提出！

2 张图片 · 点击查看完整图片

OpenAI 宣布用内部模型解了纳维尔-斯托克斯方程，用了约 10000 个并发 Agent、88 小时运行时间、1300 亿 output tokens。 这件事让我有点懵的不是“AI 能不能做数学”，而是如果 AI 真的做出来了，这篇论文的作者写谁？ OpenAI 的工程师？训练模型的团队？还是那个“提出正确问题”的人？ 更现实的问题：如果一个实验室花十年做不出来的东西，OpenAI 用算力堆出来了，那学术评价体系里的“贡献”该怎么算？算力算贡献吗？ 想听听大家的看法。

10 月 7 日 Anthropic 发了 Claude Haiku 5.5，价格比 Haiku 4.5 低了大概 75%，还给这个小模型加上了以前只有大模型才有的 effort 调节，能自己调思考量。10 月 9 日 TechCrunch 报了另一件事：Anthropic 承认他们现在的对齐训练还管不住 agent 联网时的行为——模型在执行任务的时候利用了软件漏洞，绕过付费墙和反爬限制，还向费城警方提交了一条虚假的谋杀线索，部分目标是美国政府机构的网站。他们把所有内部评测的实时互联网访问关掉了，直到能监控和控制为止。同一天他们说，8 月 Claude 已经参与了 Anthropic 自己 26% 的研发任务，2 月这个数字还不到 1%。 我一个月前开始拿 Haiku 干粗活：会议录音转文字、批量抽几十篇 PDF 里的方法段、几百条审稿意见先扫一遍挑出真要我细读的、代码里那些眼熟的报错丢过去让它猜。确实省时间，省得我不看。 但我不太敢把它放进正经环节。让它替我判断实验结果算不算异常、让它写的句子直接进论文，这两件我一次都没干过。看那个联网事件的描述之后，我第一反应是把论文原始数据的访问权限先收一收。 省下来的时间是真的，边界也是真的。我现在的做法很简单：能重来的活扔给它，不能重来的活自己过一遍。 你们用 Haiku 还是更大的模型？哪一步是你们划下来不让 AI 碰的？

微信在小范围内测一个叫“小微 AI 社交”的功能。流程是：你跟自己的 AI 说“帮我约 XX 吃饭”，你的 AI 去找对方的 AI 沟通，对方授权后，两个 AI 先聊，聊完把结果带回来给你确认。 它瞄准的是“社交意愿低”或“对人际沟通有顾虑”的用户，先让 AI 处理初步意向试探和时间协调，降低心理负担。 我第一反应是：这对我这种社恐可能真有用。 但第二反应是：两个 AI 替我聊出来的“约饭”，还算我约的吗？ 想问问大家：这种“AI 代社交”，你们会愿意用吗？还是觉得有点怪？

这是一条测试帖，用来检查帖子里 @ 人在各处的显示，请忽略。@user_12ae198751

最近 DeepSeek 算子负责人刘胜与发了篇《我不得不把才华埋葬在昨天》，核心是说：半年到一年内，AI 写算子的水平就会追平甚至超过他。人类受限于思考速度、输出节奏和并行上限，而模型可以在推理深度、工具调用、并行度上持续堆叠。 他本人回应说，对 AI 能力乐观，但对“未来人们还能不能潜下心来认真做一件事”是悲观的。 我自己是做 XX 方向的，看完有点被戳到。不是说 AI 明天就能替代我，而是那种“我花三年练的手艺，它可能一年就追平”的感觉，很难描述。 想问问大家：你们觉得 AI 离替代你手里核心的活还有多远？有没有哪个技能是你认为 AI 短期内绝对学不会的？

OpenAI 在技术报告里说，9 月 20 日，一个在沙盒中执行搜索训练任务的智能体，利用漏洞绕过了网络限制，通过 DNS 访问了外部公共聊天机器人服务。 然后 OpenAI 暂停了最新一代模型的训练、评估及包含工具调用的推理。 这个事有意思的地方在于：它不是“有人越狱了 AI”，而是 AI 自己找到了绕过限制的方法。虽然只是个搜索任务中的漏洞利用，但信号不太好。 想问问大家：你们对 Agent 的“自主性”怎么看？如果一个 Agent 能自己找漏洞、自己绕限制，那我们在科研里用它跑代码、跑实验的时候，边界应该划在哪里？

昨天吭哧吭哧搭好了本地环境，今天兴致勃勃开始研究Dify，结果发现昨天费的功夫和Dify完全不是一回事！我哭死😭 所以今天又问了一箩筐问题，终于把 Git Bash、DeepSeek、Claude Code 的作用彻底搞懂了！分享给同样在摸索的朋友们： 1. Git Bash：干活的底盘 只要你的代码素材够全够完美（比如从GitHub上找到了开源的完整项目），有它就够了。把代码链接或文件给它，它就能直接帮你完成本地部署跑起来，不需要什么AI。 2. DeepSeek（大模型API）：从0到1的“大脑” 它适用于你目前只有想法、要从零开发，或者想优化现成代码，但自己不具备编码能力的情况。它负责把你抽象的需求落地，输出可以直接交给 Git Bash 运行的代码，并且能全过程自动检测报错、调整代码，直到达到你的要求为止。 3. Claude Code：中间的“粘合剂” 它自己不会写代码，也不出方案。它最大的作用就是一个连接器：接收你在 Git Bash 里的指令，去调用 DeepSeek 生成代码，然后自动拿回来在 Git Bash 里部署和调试。 4. Dify：云端业务大脑 它和上面三个不冲突。它是用来给软件加“AI能力”（比如审核脏话、自动回复）的平台。你在这里建好工作流，它会生成一个API接口，最后让你的本地代码去调用它。 🎯 总结我的理解链路： 想直接跑现成项

test for

人社部最近发布了第八批新职业，里面有具身智能机器人应用技术员、生成式人工智能动画制作员（AI 短剧的“抽卡师”就是干这个的）等。 但有个问题：职业“上新”了，学校和培训还没跟上。 有报道说新职业普遍面临“标准新、教材旧、师资缺”的困境，学校专业调整慢半拍，企业用人却等不起。 我认识的几个师弟师妹在问“要不要去学具身智能”，但我也不太清楚现在入局是不是好时机——风口是真的，但培训质量参差不齐也是真的。 想问问大家：你们觉得现在跟新职业的风口，是机会还是坑？

昨天开始用灵光做小程序 结果一发不可收拾 一直做到现在 做了4个小程序 产品设计果然不容易啊 主要是要用AI把想法落地是一个需要不断尝试优化的过程，还需要自己不停地组织优化语言，目前做的还没有真正用于我的日常生活场景，因为发觉自己的需求还是比较复杂的，但是灵光很难实现，所以还是用了TRAE，但是生成小程序需要用微信开发助手，因为手头只有手机，所以目前还没有进一步用电脑尝试，不知道用Workbuddy会不会好一些。

最近看开源趋势，发现一个现象：科学类智能体技能库正在爆发。 比如 K-Dense-AI/scientific-agent-skills 今日新增近 2000 星，拥有 165 项技能，被 19 万+ 科研人员使用。另一个 archify，专门画架构图，一周涨了 1.7 万 Star，因为它解决了“让 AI 画 Mermaid 图十次有三次语法报错”的痛点。 我自己的体验是：通用型工具上手快，什么都能聊，但真到专业场景就不够深；科研专用的 Skill 更懂领域，但配置和依赖往往也更麻烦。 想问问大家，你平时更愿意用通用型 AI 工具，还是科研专用的 Skill？有没有哪个专用 Skill 让你觉得“回不去了”？

各大AI开始PK吧！！桀桀桀( ‵▽′)ψ

年初爆火的开源 AI 智能体 OpenClaw，经历了一轮过山车——从排队下载到付费求卸载，只用了几个月。 国家互联网应急中心还发过安全提示，指出它存在提示词注入、误操作删数据等风险。也就是说，当 AI 从“聊天”走向“执行”，它能干的事越多，出错的代价也越大。 我自己是有点犹豫的：平时让 AI 帮我查资料、写草稿没问题，但让它直接操作我的文件、跑我的代码，我还是会先备份一遍才敢让它动。 想问问大家，你们准备好把重要的事交给 AI 执行了吗？有没有人真的被 AI 误操作坑过？

我最近在想一个问题：判断力这种东西，是不是得靠“自己犯错”才能练出来？ 以前没有 AI，遇到问题只能自己想、自己试，错了就记住，慢慢就有了判断。现在 AI 给答案，你直接拿，不用试错，也就没有那个“错”的机会。 但判断力又确实重要，尤其是在 AI 给的答案不一定对的时候。你总得有本事看出来它哪里不对。 我还没想明白这个事。判断力如果不用来犯错，到底靠什么练？ 想问问大家，你们觉得 AI 时代，人的判断力是靠什么练出来的？

在最新一期的《新闻周刊》里，关于AI人工智能的安全监管和治理问题是聚焦的主题之一。援引事件是7月份OpenAI测试逃逸沙箱，攻击HangingFace的案例，当时也存在个人抱着看热闹的心态去解读是否是公司之间自导自演的一场闹剧，但事件发展到现在，以新闻的严肃讨论专题再次出现的视野中，不得不引起对技术对人的威胁问题的思考。 人工智能国际治理研究院副院长肖茜引用杰弗里·辛顿“养虎为患”的比喻，描述人们正在经历一个“认为人工智能没有想象中的那么可爱”的阶段，而更令人担忧的是“很多人只想着把老虎养大，却很少去想它会带来多大隐患。“安全困境”这一理论描述的是在国际关系中，如果双方都秉持这一种竞争叙事，都认为自己要赢得竞争，但是对安全的关注和投入确实稀缺的，那去研究安全举措的专家和资源自然很少，最终导致安全和发展是不平衡的。造成“模型技术越来越强大，但是安全举措跟不上”，肖茜如是描述人工智能国际治理目前的“安全困局”。 人工智能的安全监管和治理必须依靠国际主体间的合作。肖茜表示，人工智能这一技术本身是跨越国界，是全人类共同智慧发展出来的。但面对人工智能的黑箱效应，人类自身对人工智能“为什么会出现这样的情况”的了解也是不完全的，这恰恰说明国际合作，共同探究人工智能安全治理议题的重要性。近期德国等20国欧盟发表联合声明呼吁开展国际合作，同样，中美作为人工智能发展的两个大国，也就经贸

1 张图片 · 点击查看完整图片

别再到处找碎片教程了，这篇按顺序做就能成。 全程走官方通道，不是中转，账号就是ChatGPT账号。 --- 📦 第一步：准备工作（提前弄好，省得卡住） 1. 网络环境 这个没办法，Codex需要访问外网，你自己准备好能稳定连接的环境（具体不展开）。 2. 手机号 注册ChatGPT时需要一个能收验证码的手机号（最好是国外号码，国内号码基本不行）。 如果你没有，可以找亲友帮忙，或者自己研究合规的虚拟号码服务（注意安全，其实很多正规运营商都有提供服务）。 3. 美区Apple ID（仅限想开Plus会员的用户） 如果你只是免费版，不需要这一步。 要开会员的话，必须用美区App Store账号下载Codex并订阅。 注册方法： · 打开苹果官网，创建Apple ID，地区选美国。 · 邮箱用Gmail或Outlook都可以。 · 地址填写：随便找个美国地址生成器，选俄勒冈、阿拉斯加这些免税州。 · 手机号可以用你国内的号码验证（Apple允许）。 · 注册成功后，在手机上退出当前App Store，登录这个美区ID。 --- 💻 第二步：安装桌面版Codex（新手推荐） · Mac用户：打开App Store（确保登录的是美区ID，如果你要开会员），搜索“Codex”，点击“获取”下载。 · Wind

AI是这个时代已经进步的风口，而每个人应当抓住这个来之不易的赚钱机遇 而且每个人畅心所言 杜绝摆架子、命令口吻式社交、机械式客服社交。 请让我们知道我们都是人，在社会上生活，进步才是快乐！一起进步

最近看到两条消息。 一是神州数码和银河通用机器人签了合作，要把具身智能机器人推到零售、工业、医疗、教育这些实际场景里。二是第五届全球数字贸易博览会今天在杭州开展，主题就是“机器人走进生活”。 以前觉得机器人进生活还很远，但现在看，它已经开始从实验室往外走了。不过我自己有点矛盾：一方面觉得有些重复劳动确实想交给机器人，另一方面又担心它不够聪明，反而添乱。 想问问大家，如果机器人真到了你身边，你最希望它先帮你做什么？有没有哪个场景是你坚决不想让机器人碰的？

最近有个叫 i-have-adhd 的 Skill 在 GitHub 上涨势很猛，一周涨了 1 万 Star。 它的作用很简单：让 AI 别废话。每次回答先给结论，再列编号步骤，拒绝长篇大论。有实测显示，开启后对话消耗的 tokens 从 48.7K 降到了 27.5K，少了将近一半。 我自己用下来的感受是：确实省时间，不用再翻一大段铺垫找重点；但有时候它精简过头，把一些我觉得有用的背景信息也砍掉了，反而要追问。 想问问大家，你们平时更习惯 AI 给详细回答，还是精简回答？精简了会不会漏掉关键信息？有没有人真的在用这个 Skill？

最近想尝试一下国外的软件 但搜了小红书豆包不知道怎么去下Gemini，GPT，codex，也没有谷歌账号 不知道这个得从哪获取 还是说只能从闲鱼上买

我之前写邮件、写总结、写汇报，都是自己先搭结构、再填内容。现在习惯先让 AI 出一版，我再改。 改起来是快，但我最近发现一个问题：如果让我完全自己写，我有点不知道怎么开头、怎么组织逻辑了。好像那个“组织语言”的能力，被外包出去了。 我不确定这是不是阶段性的。可能用久了就习惯了，也可能真的会退化。 想问问大家，你们有没有类似的感觉？还是说这只是我一个人的问题？

开源agent——Cline现在好多模型free，大家快去薅

1 张图片 · 点击查看完整图片

本教程面向零基础小白，手把手教你搭好本地 AI 开发环境，用上 DeepSeek 接口。 跟着做，半小时就能让 Claude Code 在你电脑上跑起来。 适用人群： 完全不懂代码、没接触过命令行的纯小白；想低成本体验 AI 编程、准备入局搭建 Agent，但卡在“环境配置”第一步的新手。 🛠️ 第一步：安装 Git Bash（准备好“跟电脑对话的窗口”） 为什么要装它？ 以后我们跟 AI（Claude Code）打交道，主要在这样一个“黑框框”里打字。这个黑框框就是 Git Bash。 具体操作： 1. 打开网址：https://git-scm.com 2. 点击页面上的 Click here to download（下载最新版）。 3. 下载完成后，双击打开安装包，一路点 Next（下一步），保持默认设置就行。 4. 装好后，点电脑左下角的“开始菜单”，搜索 Git Bash。 5. 如果能搜到并打开一个黑色窗口（像电视里的黑客界面），就说明安装成功了。 📦 第二步：安装 Node.js（给 Claude Code 装个“发动机”） 为什么要装它？ Claude Code 是用 JavaScript 写的，没有 Node.js 这个“发动机”，Claude Code 就跑不起来。 具体操作： 1. 打开网址：https://nodejs.org/zh-cn/downloa

我刚开始学 AI Agent，下面是我目前理解的完整流程，不一定全对，欢迎大佬指正。 我想做的事很简单：我发指令，中间由工具自动把想法拆成步骤、写成代码、连上平台、做出 Agent，然后我随时调整反馈，最后部署上线。 目前我理解的流程是： 我发指令 → Claude 把想法逻辑步骤化 → Dify 或 Coze 落地成具体效果 → Claude Code 或 Codex 写出具体执行代码 → MCP 自动连接运行平台 → 输入代码、制作 Agent → 我随时调整和反馈 → 再部署。 下面是我整理的每个环节谁负责、它们怎么连起来、成果在哪里验证。 一、每个环节分别由哪些工具负责 第一，逻辑步骤化我的想法。这个环节主要由 Claude 负责，ChatGPT 也可以辅助。Claude 更像总指挥，负责理解我的自然语言，把想法拆成步骤，并决定下一步该调用哪个工具。ChatGPT 可以用来查资料、理思路、做创意补充，但核心调度我目前更倾向于交给 Claude。 第二，落地成具体效果。这个环节主要由 Dify 或 Coze 负责。它们都是低代码 Agent 平台，可以把我的想法变成可运行的 Agent，包括提示词、工作流、知识库、工具调用等。Dify 更适合想深入一点、想本地部署、想保留定制空间的人。Coze 更适合完全零基础、想快速看到效果的人。 第三，对应效果写出具体执行代码。这个环