
实践哥 Li
@MinLiBuilds • 26,961 subscribers
🚀 AI Builder|连续创业,折腾不止 ⚡ AI 干货 · 本地大模型 · AI Agent · AI 视频 · AI 产品 🔥 每天与AI 聊25h,尝鲜,探索,洞察,分享,思考🤔 📩 合作: [email protected]
Shorts
Videos

🚨 全体起立! 我发现Claude Opus 5.5,不用担心被封的野方法! 居然藏在 Microsoft Word 里! 我试了,真的可以。 🔥 Microsoft 365 Copilot 在9月22日已经接入 Anthropic 旗舰模型 Claude Opus 5.5,直接在 Word 里写文章、改稿、处理长文档。 赢麻了,我的Microsoft 365 Premium 2030年到期,一份订阅最多 6 人使用(自己 + 5 位家庭成员)。 🐮 现在还是主账号可以用AI,微软从10月9日开始,准备逐步把 Copilot AI 权益改成家庭共享。 🚀 看我用Opus 5.5 写番茄炒蛋
实践哥 Li1,220,354 просмотров • 1 месяц назад

😂 笑死我了。机会留给有准备的人,这位大学生助农。 去印尼的农村搞 Claude KYC 生意,助力中国大模型科研团队发展,笑死我了。 KYC 一次 20 刀。
实践哥 Li158,666 просмотров • 9 дней назад

🚨 不藏了!祖传秘方,逐帧复刻 MV 的《焚诀》Skill,今天直接开源! 拆镜头、首尾帧、提示词、本地H3 视频生成,全塞进一个 Skill。也支持云端视频模型,拿去白嫖! 上次复刻《大话西游》× Tibo ❤️ Poteto,现在配好模型 API,丢给 Agent 就能干活。 牛逼的是: 这套 Skill 的开发需求,我全靠嘴喷出来的。 用的是网易叭哥说,一次能连续口喷好久,松手1秒就能输出结构化文字。 🔥 视频复刻有个大坑,最重要的不是视频模型,而是拆镜头、生成首尾帧,然后一定要检查! 人物和构图对不上,后面再好的模型也白搭。 🤣 坐在工位上小声叭叭,同事完全没有听到我在说话。 这次叭哥说口喷Skill具体有多爽,放下面 👇
实践哥 Li144,338 просмотров • 11 дней назад
0:23
Sensitive content
This media may contain sensitive content.

😭 服了!Opus 5.5 装进专业炒股Harness,我是真的骗不了它! 我拿 Tesla × SpaceX 合并编了一条假新闻:双方已签协议,1:1 换股。 结果它根本不信,直接查股价、翻 SEC 原始文件! 更刺激的来了,我让 Opus 5.5 干 Opus 5.5,谁会赢? Claude App Opus 5.5 VS LangAlpha Opus 5.5,同一个Claude账号: 第一回合,Claude 4 分 40 秒交卷,LangAlpha 11 分半,难道被暴打? 😲 后面马上反转了。 LangAlpha 派出 3 个子 Agent 并行研究,一口气创建了 10 个云端盯盘任务。 刚建好 1 分钟,SPCX 涨超 5%,自动触发分析,还自己拉 1 分钟 K 线复核。 最后我问:电脑关了,你还盯吗? Claude App 的本地脚本停了,LangAlpha 说云端照样继续干! 同样的 Opus 5.5,换个 Harness,差距还真不小。 30 秒实测视频,👇 1/3
实践哥 Li211,436 просмотров • 25 дней назад

突然发现,之前折腾什么 Tailscale + tmux、Claude Remote、Codex 远程,全他妈浪费时间。 这才是终极的手机 AI 远程。 目前体验下来最舒服的产品,手机上看到的 100% 和你电脑上的那个终端一致。 我手机使用的是 Qwen3.8-27B Dense,用 Pi 连模型。 如果你家里跑着 Qwen、GLM、Kimi、MiniMax 这类本地模型,你大概率遇到过一个很蠢的问题: 模型就在家里。 Agent 也在家里跑。 但你一出门,它就跟你失联了。 现在手机上直连 Mac/pc 正在跑的终端 Agent。 不是远程桌面里缩放半天找窗口!! 就是真正的终端。 完整 TUI、会话列表、多 Session、手机输入,断开以后任务继续跑,回来继续handoff。 现在出门,掏出手机就能继续让家里的 Qwen 干活。 这软件本来是远程游戏软件,结果这一轮升级,莫名其妙把自己做成了本地模型的手机端。 玩本地模型的,真可以试试这个。 👀
实践哥 Li223,215 просмотров • 2 месяцев назад

Karpathy 的想法太好了。 红果这么猛,连大人都抵挡不住,更别说孩子了。 既然推荐算法总是把人带偏,为什么不干脆绕开它,自己做一个视频入口? B 站其实有大量优质的自然、科学、历史、数学科普视频,但这些好内容都混在推荐流里。 孩子明明只是想看个科学实验,结果刷着刷着就不知道跑哪去了。大人其实也一样。 可以参考Karpathy的想法,不要推荐算法,只保留人工挑选的内容。 直接调用 B 站官方播放器,把适合孩子的视频整理成一个独立网站,按兴趣分类,点开就看,看完就停。 甚至可以让 Agent 根据孩子的年龄和兴趣,定期寻找优质内容。 有了 Agent,给自己、给孩子定制一个专属视频网站,技术上已经不是什么难事。 不需要改变 B 站,只需要重新做一个入口,就能在很大程度上绕开推荐算法。 👉 做了一个小demo:
实践哥 Li25,821 просмотров • 7 дней назад

元宇宙又复活了。 Meta 眼镜 这次把 VR 干到了 100 克。 比 Quest 3 轻差不多 5 倍,$1300,明年春天发货。 刚好我这两天在云栖大会逛了一圈。 一个非常强烈的感觉: 🔥做 AI 视频的公司,已经多到离谱了。 走几步一家。 广告视频、商品视频、数字人、短剧、自动剪辑…… 大家底层接的模型其实也越来越像。 所以我现在看一个 AI 视频产品,已经不太关心: 你又接了几个模型。 能不能让我少操心才关键。 如果乔布斯还在,他会怎么给这副 Meta 眼镜拍一条广告? 🔥我直接 0 帧起手,嘴炮 Pexo。 要求就几个: 100g、轻、未来感、VR 真正变成一副眼镜。 然后让它自己出脚本、拆镜头、做关键帧,再一段段生成。 哪里不对继续聊。 Pexo还能调整细节,直接用 Mark to Fix 圈出来改。 这是 Pexo 跟我在展会上看到一堆视频工具,最大的区别。 现在这个行业太卷了: Veo、Kling、Seedance、万相……模型一大堆。 15 秒、30 秒、不同分辨率、不同价格、不同积分…… 普通用户哪有空天天研究这些破玩意。 一个真正有用的镜头,可能就 3~5 秒。 该用哪个模型,让 Agent 自己选。 该拆成几个镜头,让 Agent 自己想。 Motion、重生成、剪辑、音乐、字幕…… 这些东西最好都别让我看到。 AI 视频公司越多,@Pexoai_offical 这种产品反而越有意义。 把这一堆 AI 视频工具,全藏到一个 Agent 后面。
实践哥 Li115,989 просмотров • 1 месяц назад

两个 session 通信的方法: 1. /rename,给每个 session 命名,例如 jack,tom 2. 对其中一个 jack 说,告诉 tom,xxxx
实践哥 Li189,745 просмотров • 3 месяцев назад

🤣 麻了,哈利·波特可能做梦都想不到,马尔福有一天会用四川话骂他! 国产开源 ASR,方言识别SOTA 梯队。 我整了个抽象短剧。哈利和马尔福,一路旅行一路拌嘴,测试蚂蚁百灵的 Ming-3.0-asr-tiny。 18个镜头,三个 ASR 模型同场 PK: - Ming-3.0-asr-tiny - Qwen3-ASR-1.7B - Whisper-large-v3 Ming表现稳定。 对白基本识别正确,七种语言听力💯,唯一的小毛病是几乎不加标点。 👉 再看官方 Benchmark,更有信心了: 15 组中国方言平均识别错误率(越低越好): Ming:8.42% Qwen3-ASR-1.7B:15.30% Qwen3-Omni-30B:16.36% Fun-ASR 1.5:8.00% 相比 Qwen3-ASR,错误率相对降低约 45%! 湖南话、闽南话、粤语、江苏话,Ming 都拿下了这张榜单的第一。与 Fun-ASR 相比,15 组方言中有 10 组领先! 🔥 我想了一下它的实际用途。 中国这么大,南腔北调,语音识别最难的恰恰不是普通话。 客服通话、会议记录、视频字幕、AI 眼镜、车载助手……以前一遇到方言就容易抓瞎,现在连地方口音都能让 AI 来听了。 蚂蚁百灵团队真实业务和数据支撑,评测覆盖 15 组方言,方言识别的门槛越来越低了。 完全开源、MIT 许可证,还能本地部署! 👇 看看女版马尔福怎么怼哈利,谁的耳朵更灵!
实践哥 Li35,679 просмотров • 17 дней назад

太香了,今天逛博物馆,突然发现 Muse 免费拿来做历史教育,太好用了。 馆里有一组 1000 多年前吴越国的渔村布景。 河道、码头、帆船、捕鱼归来的渔民、村落、猪羊……本来只是一个静态的微缩场景。 哎,这不是白魔最牛逼的场景吗? 我拿手机沿着布景拍了一圈,直接扔给 Muse: 你把这个场景还原成真实世界,再按照我原来的镜头走位,做成一段视频。 它直接把原来 26 秒的视频拆成了 6 个分镜: 高空俯瞰村落和码头 → 帆船停靠 → 河道行船 → 码头集市 → 村落庭院 → 街巷收尾 然后每个镜头重新生成 10 秒实景视频,最后拼成了整整 60 秒。 🔥最有意思的是: 我拍的是博物馆布景,它理解的却是这个布景背后的世界。 原来只能隔着玻璃看一眼的吴越渔村,现在船可以开起来,人可以捕鱼回来,整个村子真的活了。 以前博物馆告诉小孩: 1000 多年前的人是这样生活的。 现在直接演。 这个教育意义,我觉得比单纯拿 AI 生成几个漂亮视频大多了。
实践哥 Li71,868 просмотров • 1 месяц назад

💥 Tibo取消了20x 升级或者订阅20x都不行 本周日claude将减少17%的额度 预计后面50x,100x的账号,即将到来😲
实践哥 Li106,385 просмотров • 2 месяцев назад

无敌了,我用 30 分钟,做了个给小孩订正作业的小工具。 现在这种视觉模型,已经开始够快、够便宜,可以直接拿来干活了。 我把孩子做完的作业丢给蚂蚁百灵刚开源的 Ling-3.0-flash-VL。 我没让它直接处理图片,我让它先让它看整张作业,把错题、题目区域、手写答案的位置直接输出成坐标。 后面的程序拿着这些坐标去裁图、去手写,再整理成可以重新订正的题。 这就比单纯 OCR 有意思多了。 🔥当然,现在还远没到“干死作业 App”。 它坐标可能有偏差。 但以前这种东西,你得自己接 OCR、版面分析、错题识别,甚至训练专用模型。 现在一个通用视觉模型,30 分钟就能先把整条链路跑通。 这里也有个很容易误解的地方: 视觉模型,不等于出图模型。 Ling 这种 VLM 的视觉,是它能看图片、截图、文档、视频。 它本身不是 Image 2.5 那种负责生成像素的模型。 它擅长看懂以后,把结果变成文字、坐标、代码或者动作,然后继续干活。 Ling-3.0-flash-VL 总参数 124B,但 MoE 每 token 只激活约 5.5B。 这对 Visual Agent 很重要,极为广阔的知识,以及极低的激活,能做到又快又好。 🔥再往前一步,这种模型甚至很适合当教师模型。 先让 Ling-3.0-flash-VL 批量看作业,生成错题框、手写区域、版面结构这些坐标和标注,再用这些数据训练一个更小、更快的专用模型。 先让大模型直接干活,再让大模型教小模型干活。 这个 Demo已经完全跑通了,30 分钟能做到这一步,已经无敌了。 OpenRouter现在可以免费使用Ling-3.0-flash-VL:
实践哥 Li93,204 просмотров • 2 месяцев назад

3D 打印任务:Sol 14分钟 VS Step 5 Preview 54分钟。 猜猜哪个差点没打印出来? 这次我参与了 Step 5 Preview 的提前评测。 没有跑传统 Benchmark,我直接拉来 GPT-5.6 Sol,让两个模型用 Computer Use 干一个真的会翻车的任务: 照着参考图,在 Blender 里做一只 8cm 弹簧毛毛虫,最后直接拿去 3D 打印。 两边环境完全一样: pi coding agent + Computer Use + Blender 5.2.1 + 1M Context,Thinking 各自最高档。 要求也很简单: 做出来,而且真的能打印。 🚀结果速度差得非常夸张。 Sol:14分34秒。 Step 5 Preview:54分40秒。 我一开始都以为 Sol 赢麻了。 结果真把 STL 丢进打印机以后,反转了。 Step 5 Preview给毛毛虫做了完整、平整的底面,整个模型贴床很稳,顺利打印完成。 Sol 则主要靠几个小脚接触热床,底部明显拉丝,打印的时候看得我都有点慌,差点翻大车。 🔥更有意思的是 Step 5 Preview整个执行过程。 首发,刚上线涌入太多人了,测起来需要一些时间等待。 它第一轮Thinking 就接近 17 分钟。 后面为了尾巴上的 StepFun,自己用贝塞尔曲线一点一点抠字。 真的非常认真。 当然也有点好笑: 因为模型只有 8cm,最后真打印出来以后…… Logo 太小,其实也没多清楚。😂 🤔以前测 Agent,代码跑通、文件生成,基本就算完成。 可一旦进入物理世界,事情完全不一样。 Blender 里看着没问题,不代表真能打出来。 底面够不够稳、有没有悬挑、哪里会拉丝、模型到底能不能站住…… 很多东西都需要 Agent 自己判断、自己检查。 所以这次 Step 5 Preview虽然花的时间更多, 但它给我的感觉更像是在做一件事: 不是赶紧把任务“做完”,而是尽量把东西“交付出来”。 速度当然重要。 但真的进入物理世界以后, 知道哪里值得多检查一次,可能比早 40 分钟交卷更重要。 我后面又跑了一轮实验。 我把底面、悬挑、可打印性明确写进 Prompt,两边其实都做得挺好。 Sol 那次不是不会,是太自信,14 分钟就急着下班了。 Step 5 Preview这次虽然慢,但也因此多检查了一些真正影响打印的东西。 全过程、最终打印效果,我都放视频里了。
实践哥 Li87,236 просмотров • 1 месяц назад

