Loading video...

Video Failed to Load

Go Home

holy shit，Warp这次真的是把整个行业的桌子给掀了。 发布一天多，GitHub直接冲到31.9k星，速度快到系统都卡了。 兄弟们，这可不是简单把代码扔到GitHub，相当于带来了人类历史上第一个AI原生的开源协作范式🤯🤯🤯 以前开源是靠热情开发者周末肝代码， 现在Oz代理会自动写代码，跑测试，做code review， 甚至生成完整的技术文档。 未来人类只需要做最值钱的三件事，提想法，把关品味，拍板最终方向。 更有意思的是，前几天 而且你现在甚至能去 我感觉这可能是未来十年软件开发方式的一次预演。

AYi_AInotes's profile picture

AYi

46,669 subscribers

108,768 views • 6 months ago •via X (Twitter)

EducationNews & PoliticsScience & Technology
LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

李飞飞这段采访，越听越有压力。 她说未来真正被甩开的，可能不是被 AI 替代的人，而是还在用五年前流程工作的人。 以前产品经理不会写代码很正常：写 PRD、开会、等设计、排开发，几个月做个原型。 但现在旁边的人已经能用 AI 当天把 demo 跑出来，拿真实界面讨论需求，你还在说“我负责协调资源”。 差距可能就是这么拉开的。 AI 最狠的地方，不是替你工作，而是逼你从“传话的人”变成“能把想法做出来的人”。
49:04

李飞飞这段采访，越听越有压力。 她说未来真正被甩开的，可能不是被 AI 替代的人，而是还在用五年前流程工作的人。 以前产品经理不会写代码很正常：写 PRD、开会、等设计、排开发，几个月做个原型。 但现在旁边的人已经能用 AI 当天把 demo 跑出来，拿真实界面讨论需求，你还在说“我负责协调资源”。 差距可能就是这么拉开的。 AI 最狠的地方，不是替你工作，而是逼你从“传话的人”变成“能把想法做出来的人”。

Vincent

70,217 views • 4 months ago

马斯克：程序员最快年底消失！ 1. 人类不再需要亲自写代码 最快今年年底，AI会直接生成可运行的软件 2. 编译器被淘汰 未来AI不只是写代码，而是直接造APP 3. 人类只负责提需求 以后开发软件可能像许愿一样简单 想象力变现的狂欢时代来了！
0:26

马斯克：程序员最快年底消失！ 1. 人类不再需要亲自写代码 最快今年年底，AI会直接生成可运行的软件 2. 编译器被淘汰 未来AI不只是写代码，而是直接造APP 3. 人类只负责提需求 以后开发软件可能像许愿一样简单 想象力变现的狂欢时代来了！

Annie 所长

14,409 views • 5 months ago

Linus Torvalds 发飙了。 他在开源峰会上公开吐槽，每次听到有人吹嘘“现在 99% 的代码都是 AI 写的”，他就忍不住生气。 为什么？ 因为按这个逻辑，这些家伙 100% 的代码其实都是“编译器”生成的。 但他们怎么从来不这么说？ 其实是一个道理。 老爷子在台上开始唠家常： “我是写机器码长大的。” 注意，不是汇编语言，是真正的数字。 他到现在都记得，在 6502 芯片上，LDA 指令对应的十六进制是 A9。 当年他花了好长时间才意识到，天天人肉算跳转偏移量，简直蠢透了。 后来，人类发明了汇编器； 再后来，有了编译器； 现在，有了 AI。 这些工具都很好用，AI 正在改变编程，但它绝没有改变编程的根本。 至于 AI 带来的“效率神话”？ Linus 给出对比： “AI 很棒，它能把你的生产力提升 10 倍。” “但当年编译器的出现，把人类的生产力提升了 1000 倍！” 所以，这不过是又一次常规的工具演进。 事情的本质从未改变： 以前，优秀的开发者写出好代码，差劲的开发者写出 Bug。 现在，懂系统的人能用 Prompt 调教 AI 写出好代码； 而不懂系统复杂度的人，用 AI 攒出来的代码，最后一定会崩溃。 现在科技圈很流行“氛围编码”（Vibe Coding）。 就是用 AI 啪啪生成一个一次性项目，爽一把就扔。 Linus 说，这种玩具项目，AI 的确是神器。 但如果你想做点严肃的东西，做一个需要长线维护 35 年的系统（比如 Linux）。 你得懂你的 Prompt。 你必须看懂 AI 吐出来的每一行代码，甚至去盯它最底层的汇编结果。 祖师爷浇了盆冷水： AI 可以替你省去体力劳动。 但如果你连它写了什么都看不懂，那你永远只是在制造一次性垃圾。
4:44

Linus Torvalds 发飙了。 他在开源峰会上公开吐槽，每次听到有人吹嘘“现在 99% 的代码都是 AI 写的”，他就忍不住生气。 为什么？ 因为按这个逻辑，这些家伙 100% 的代码其实都是“编译器”生成的。 但他们怎么从来不这么说？ 其实是一个道理。 老爷子在台上开始唠家常： “我是写机器码长大的。” 注意，不是汇编语言，是真正的数字。 他到现在都记得，在 6502 芯片上，LDA 指令对应的十六进制是 A9。 当年他花了好长时间才意识到，天天人肉算跳转偏移量，简直蠢透了。 后来，人类发明了汇编器； 再后来，有了编译器； 现在，有了 AI。 这些工具都很好用，AI 正在改变编程，但它绝没有改变编程的根本。 至于 AI 带来的“效率神话”？ Linus 给出对比： “AI 很棒，它能把你的生产力提升 10 倍。” “但当年编译器的出现，把人类的生产力提升了 1000 倍！” 所以，这不过是又一次常规的工具演进。 事情的本质从未改变： 以前，优秀的开发者写出好代码，差劲的开发者写出 Bug。 现在，懂系统的人能用 Prompt 调教 AI 写出好代码； 而不懂系统复杂度的人，用 AI 攒出来的代码，最后一定会崩溃。 现在科技圈很流行“氛围编码”（Vibe Coding）。 就是用 AI 啪啪生成一个一次性项目，爽一把就扔。 Linus 说，这种玩具项目，AI 的确是神器。 但如果你想做点严肃的东西，做一个需要长线维护 35 年的系统（比如 Linux）。 你得懂你的 Prompt。 你必须看懂 AI 吐出来的每一行代码，甚至去盯它最底层的汇编结果。 祖师爷浇了盆冷水： AI 可以替你省去体力劳动。 但如果你连它写了什么都看不懂，那你永远只是在制造一次性垃圾。

墓碑科技

68,699 views • 4 months ago

千万别盲目在公司做“AI赋能雷锋”！ 一个月薪 3 万 8 的程序员，被裁了。 最讽刺的是： 不是因为他技术差， 而是因为他太会用 AI 了。 去年下半年，他开始用 Claude Code 写代码，交付效率直接拉满。 老板一看： 你这么会用 AI，那你能不能带带团队？ 于是他花了 3 个月，把团队都教会了 Claude Code。 结果团队效率翻倍，公司发现： 以前需要他兜底的事，现在其他人也能干了。 上周，老板找他谈话： “你工资太高了，公司承受不了。” 他把 AI 能力扩散给了团队，最后却把自己干掉了。 这件事最扎心的地方在于： 未来最危险的程序员，可能不是不会用 AI 的人， 而是只会把 AI 用在“写代码”上的人。 因为写代码正在变便宜。 真正值钱的是： 懂业务、能拆需求、能设计流程、能把业务翻译成 AI 能执行的系统。 未来最吃香的工程师，不是单纯的代码高手， 而是懂业务的技术架构师。 AI 淘汰不了所有的程序员，但是肯定可以淘汰“只会写代码的工具人”。 顺便问大家一个扎心的问题：你敢在公司毫无保留地教同事用 AI 吗？你觉得程序员真正的“护城河”到底是什么？ #裁员 #ClaudeCode
1:33

千万别盲目在公司做“AI赋能雷锋”！ 一个月薪 3 万 8 的程序员，被裁了。 最讽刺的是： 不是因为他技术差， 而是因为他太会用 AI 了。 去年下半年，他开始用 Claude Code 写代码，交付效率直接拉满。 老板一看： 你这么会用 AI，那你能不能带带团队？ 于是他花了 3 个月，把团队都教会了 Claude Code。 结果团队效率翻倍，公司发现： 以前需要他兜底的事，现在其他人也能干了。 上周，老板找他谈话： “你工资太高了，公司承受不了。” 他把 AI 能力扩散给了团队，最后却把自己干掉了。 这件事最扎心的地方在于： 未来最危险的程序员，可能不是不会用 AI 的人， 而是只会把 AI 用在“写代码”上的人。 因为写代码正在变便宜。 真正值钱的是： 懂业务、能拆需求、能设计流程、能把业务翻译成 AI 能执行的系统。 未来最吃香的工程师，不是单纯的代码高手， 而是懂业务的技术架构师。 AI 淘汰不了所有的程序员，但是肯定可以淘汰“只会写代码的工具人”。 顺便问大家一个扎心的问题：你敢在公司毫无保留地教同事用 AI 吗？你觉得程序员真正的“护城河”到底是什么？ #裁员 #ClaudeCode

前端哥Liam

62,018 views • 4 months ago

AI 时代，职场人现在最该学的一项技能是什么？ 吴恩达老师的建议是人人都该学编程。 不少企业高管劝大家别学编程了，理由是 AI 会把它自动化掉。吴恩达认为这个逻辑正好反了。正因为有了 AI 辅助，写代码变得前所未有地容易，所以才值得每个人都去学。 他已经在很多岗位上看到了明显的生产力差距。这不只发生在软件工程师身上。一边是会写代码、能自己做定制软件的人，另一边是不会的人，两者的效率已经拉开了。 学编程不等于手写代码 他说的学编程并不是一行行手敲代码，他自己几乎从不这么做。在可预见的未来，最重要的能力之一是能准确告诉计算机你要它做什么，让它替你完成。而代码就是计算机的语言。所以学编程的实质，是学会用计算机听得懂的方式把需求说清楚。 他团队里最好的市场人员有了想法，不用等工程师来搭网站，自己就能做出来。最好的招聘人员也不再靠肉眼一份份看简历，而是写代码让程序帮忙筛选。在他看来，能把需求交代给计算机的人，会变得强大得多、高效得多。
1:28

AI 时代，职场人现在最该学的一项技能是什么？ 吴恩达老师的建议是人人都该学编程。 不少企业高管劝大家别学编程了，理由是 AI 会把它自动化掉。吴恩达认为这个逻辑正好反了。正因为有了 AI 辅助，写代码变得前所未有地容易，所以才值得每个人都去学。 他已经在很多岗位上看到了明显的生产力差距。这不只发生在软件工程师身上。一边是会写代码、能自己做定制软件的人，另一边是不会的人，两者的效率已经拉开了。 学编程不等于手写代码 他说的学编程并不是一行行手敲代码，他自己几乎从不这么做。在可预见的未来，最重要的能力之一是能准确告诉计算机你要它做什么，让它替你完成。而代码就是计算机的语言。所以学编程的实质，是学会用计算机听得懂的方式把需求说清楚。 他团队里最好的市场人员有了想法，不用等工程师来搭网站，自己就能做出来。最好的招聘人员也不再靠肉眼一份份看简历，而是写代码让程序帮忙筛选。在他看来，能把需求交代给计算机的人，会变得强大得多、高效得多。

宝玉

116,039 views • 1 month ago

HeyGen这次开源，把AI做视频的最后一道门槛拆没了🤯 他们用Claude Code写代码，做了自己的50秒产品发布视频，然后把整个工具链完整开源给了所有人，致敬开源🫡 以后做视频真的能简单到离谱， 给一句话，做一个30秒的产品介绍，给一个PDF，自动生成总结视频， 迭代就是改一句话的事，比如把标题放大两倍，第三秒加一个淡入转场等， 这个工具叫HyperFrames，本质上就是一个纯HTML转MP4的视频渲染框架。 所以其实我们不用学任何剪辑软件，也不用写复杂的React代码， 只要写普通HTML，加几个简单的data属性，就能定义视频的每一帧、时间线、动画和音轨。 HyperFrames从第一天起就是为AI代理原生设计的。 AI天生就会写HTML，现在Claude、Cursor、Gemini所有编码Agent，只要装一个skill，立刻就会做视频。 这妥妥的降维打击啊，以前Remotion把视频变成了代码，但它需要你会React，需要构建流程，属于开发者专属的玩具。 HyperFrames是把视频变成了纯HTML，零构建，无DSL，不需要任何前置知识。 说白了，Remotion是给人写的，HyperFrames是给AI写的。 以前AI能写文字，能生成图片，但视频一直是最后一块硬骨头，现在这块骨头也被啃下来了。 代理现在能端到端完成一整条内容流水线，调研，写脚本，做设计，加动画，最后直接渲染出成品视频，全程不需要人类碰一下。 它还自带50+官方现成组件，社交遮罩、图表、转场，一行命令一键安装。 支持GSAP、Lottie、Three.js所有主流动画库，随便混用。 也就是说，同一份HTML永远出一样的结果，完美适合自动化流水线。 官方甚至把视频语言都标准化了，缓动用snappy，bouncy，转场用能量等级，字幕分Hype/Corporate/Tutorial三种风格。 AI只要学会这套词汇，就能稳定输出专业级视频，这不就是在教AI做导演嘛🤣 这对HeyGen来说也是一步妙棋，他们不再只是一个卖AI头像的SaaS公司，现在能做整个AI视频时代的基础设施了， 未来所有AI代理生成的视频都能跑在HyperFrames上。 然后再无缝接入HeyGen的头像、语音、翻译能力，形成一个完美的闭环。 当然目前也不是完美的，初期输出还有AI味，超过一分钟的复杂长视频，渲染还需要较强算力。 但我觉得这都不重要，关键是它第一次把完整的视频生产力交给了AI Agent，相当于AI内容创作时代的又一个里程碑。 想试的直接去GitHub搜heygen-com/hyperframes。 跑一行npx hyperframes init，然后让Claude帮你做第一个视频。 #HyperFrames #HeyGen #AI视频 #AI代理 #开发者 #内容创作
0:49

HeyGen这次开源，把AI做视频的最后一道门槛拆没了🤯 他们用Claude Code写代码，做了自己的50秒产品发布视频，然后把整个工具链完整开源给了所有人，致敬开源🫡 以后做视频真的能简单到离谱， 给一句话，做一个30秒的产品介绍，给一个PDF，自动生成总结视频， 迭代就是改一句话的事，比如把标题放大两倍，第三秒加一个淡入转场等， 这个工具叫HyperFrames，本质上就是一个纯HTML转MP4的视频渲染框架。 所以其实我们不用学任何剪辑软件，也不用写复杂的React代码， 只要写普通HTML，加几个简单的data属性，就能定义视频的每一帧、时间线、动画和音轨。 HyperFrames从第一天起就是为AI代理原生设计的。 AI天生就会写HTML，现在Claude、Cursor、Gemini所有编码Agent，只要装一个skill，立刻就会做视频。 这妥妥的降维打击啊，以前Remotion把视频变成了代码，但它需要你会React，需要构建流程，属于开发者专属的玩具。 HyperFrames是把视频变成了纯HTML，零构建，无DSL，不需要任何前置知识。 说白了，Remotion是给人写的，HyperFrames是给AI写的。 以前AI能写文字，能生成图片，但视频一直是最后一块硬骨头，现在这块骨头也被啃下来了。 代理现在能端到端完成一整条内容流水线，调研，写脚本，做设计，加动画，最后直接渲染出成品视频，全程不需要人类碰一下。 它还自带50+官方现成组件，社交遮罩、图表、转场，一行命令一键安装。 支持GSAP、Lottie、Three.js所有主流动画库，随便混用。 也就是说，同一份HTML永远出一样的结果，完美适合自动化流水线。 官方甚至把视频语言都标准化了，缓动用snappy，bouncy，转场用能量等级，字幕分Hype/Corporate/Tutorial三种风格。 AI只要学会这套词汇，就能稳定输出专业级视频，这不就是在教AI做导演嘛🤣 这对HeyGen来说也是一步妙棋，他们不再只是一个卖AI头像的SaaS公司，现在能做整个AI视频时代的基础设施了， 未来所有AI代理生成的视频都能跑在HyperFrames上。 然后再无缝接入HeyGen的头像、语音、翻译能力，形成一个完美的闭环。 当然目前也不是完美的，初期输出还有AI味，超过一分钟的复杂长视频，渲染还需要较强算力。 但我觉得这都不重要，关键是它第一次把完整的视频生产力交给了AI Agent，相当于AI内容创作时代的又一个里程碑。 想试的直接去GitHub搜heygen-com/hyperframes。 跑一行npx hyperframes init，然后让Claude帮你做第一个视频。 #HyperFrames #HeyGen #AI视频 #AI代理 #开发者 #内容创作

AYi

37,530 views • 6 months ago

拿到Cursor赠送的$10000额度之后，我专门研究下这家公司， 看到Cursor CEO这个演讲，我突然意识到， 我们对AI编程的理解，从根上就错了， 当大多数人还在纠结哪个模型写代码更快更准的时候， Cursor已经直接进入了下一个时代， 工程师不再是写代码的人， 而是管理一整队AI同事的团队经理， 现在Cursor内部30%的合并PR， 都是由异步云代理自动创建的， 单周运行两千多个并发代理，生成三百万行代码， 消耗几十亿个token， 一个任务发出去， 系统会自动拆成规划，编码，测试，发PR四个角色， 每个代理独占一台远程机器，并行在云端运行， 人类只需要在最开始定义范围， 和最后做一次最终审核， 中间所有的脏活累活，AI全部自己搞定， 这就是多代理比单代理强的根本原因，
9:37

拿到Cursor赠送的$10000额度之后，我专门研究下这家公司， 看到Cursor CEO这个演讲，我突然意识到， 我们对AI编程的理解，从根上就错了， 当大多数人还在纠结哪个模型写代码更快更准的时候， Cursor已经直接进入了下一个时代， 工程师不再是写代码的人， 而是管理一整队AI同事的团队经理， 现在Cursor内部30%的合并PR， 都是由异步云代理自动创建的， 单周运行两千多个并发代理，生成三百万行代码， 消耗几十亿个token， 一个任务发出去， 系统会自动拆成规划，编码，测试，发PR四个角色， 每个代理独占一台远程机器，并行在云端运行， 人类只需要在最开始定义范围， 和最后做一次最终审核， 中间所有的脏活累活，AI全部自己搞定， 这就是多代理比单代理强的根本原因，

AYi

21,453 views • 5 months ago

15 张数据图帮你了解 DeepSeek Harness 昨天 DeepSeek Harness 发布，于是就想着让 Codex 分析一下，找到了一个很好的角度，就是从一些数据上向大家介绍这个产品。 确实也发现了一些很有意思的东西： 插件系统与 Koishi 高度相似： 他们主打的插件系统与 Koishi 的插件平台相似度高达 75%。大概率是整个平台都挪过来了，不知道是不是他们的核心开发者入职了。 大量使用 AI 开发： Codex 命名的主干 PR 达到了 21.2%，分支信息中提到 Codex 的比例有 28.2%。 猜测他们肯定用了 Claude Code 开发，只是删掉了一些 Claude 的痕迹。 参考了大量外部 Agent 项目： 提到最多的外部项目是 Pi，第二多的是 Codex，之后是 Claude Code。甚至直接引用了一些 Pi 的 TypeScript 文件。 高效的代码产出： 整个产品在 GitHub 上有记录的是 65 天，总共的代码产出量是 84 万行，有一万多个 commit，非常高效。 交互入口的演变： 他们曾经押注 TUI，后来改成 Web UI 和 TUI 的双入口，再之后整个删除了所有的 TUI，只留下了 Web UI。 开发与工程规范： 整个项目的测试代码比生产代码多很多，基本上达到了 1:1。 全仓库的 Markdown 文档也非常多，说明他们是基于文档去控制 Harness 开发的。他们有完整的工具和科学模型 schema 共 52 个，但最后只留下了一个，目的是为了减少上下文占用。 社区热度与生态：从昨天发布到现在 20 小时，GitHub 已经涨到了 8 万多的 star，非常快。插件体系标签（DSH plugin）已经有 1425 个项目，但有很多并不是真正的插件，看来有不少蹭热度的。 精选清单收录了 211 个仓库，主要补充的是工具、UI 和运行的一些基础设施，甚至一上来就出现了插件市场和插件管理的插件。 学术论文： 他们顺便发了一篇 88 页的论文，其中 57% 都在做一些形式化的理论推导和展示。论文主要讨论的是插件的热插拔和系统稳定性问题。
1:36

15 张数据图帮你了解 DeepSeek Harness 昨天 DeepSeek Harness 发布，于是就想着让 Codex 分析一下，找到了一个很好的角度，就是从一些数据上向大家介绍这个产品。 确实也发现了一些很有意思的东西： 插件系统与 Koishi 高度相似： 他们主打的插件系统与 Koishi 的插件平台相似度高达 75%。大概率是整个平台都挪过来了，不知道是不是他们的核心开发者入职了。 大量使用 AI 开发： Codex 命名的主干 PR 达到了 21.2%，分支信息中提到 Codex 的比例有 28.2%。 猜测他们肯定用了 Claude Code 开发，只是删掉了一些 Claude 的痕迹。 参考了大量外部 Agent 项目： 提到最多的外部项目是 Pi，第二多的是 Codex，之后是 Claude Code。甚至直接引用了一些 Pi 的 TypeScript 文件。 高效的代码产出： 整个产品在 GitHub 上有记录的是 65 天，总共的代码产出量是 84 万行，有一万多个 commit，非常高效。 交互入口的演变： 他们曾经押注 TUI，后来改成 Web UI 和 TUI 的双入口，再之后整个删除了所有的 TUI，只留下了 Web UI。 开发与工程规范： 整个项目的测试代码比生产代码多很多，基本上达到了 1:1。 全仓库的 Markdown 文档也非常多，说明他们是基于文档去控制 Harness 开发的。他们有完整的工具和科学模型 schema 共 52 个，但最后只留下了一个，目的是为了减少上下文占用。 社区热度与生态：从昨天发布到现在 20 小时，GitHub 已经涨到了 8 万多的 star，非常快。插件体系标签（DSH plugin）已经有 1425 个项目，但有很多并不是真正的插件，看来有不少蹭热度的。 精选清单收录了 211 个仓库，主要补充的是工具、UI 和运行的一些基础设施，甚至一上来就出现了插件市场和插件管理的插件。 学术论文： 他们顺便发了一篇 88 页的论文，其中 57% 都在做一些形式化的理论推导和展示。论文主要讨论的是插件的热插拔和系统稳定性问题。

歸藏(guizang.ai)

16,428 views • 2 months ago

🚀 香港大学刚开源了一个宝藏项目—— CLI-Anything，star 数直接飙到 3 w 它可以扫描任意软件的源代码，自动生成 AI agent 可以直接调用的 CLI 接口。 像GIMP、Blender、Audacity 这类没有 API 的桌面软件，Agent 现在可以直接操控了。 软件以前是给人用的，现在是给 Agent 用的
0:20

🚀 香港大学刚开源了一个宝藏项目—— CLI-Anything，star 数直接飙到 3 w 它可以扫描任意软件的源代码，自动生成 AI agent 可以直接调用的 CLI 接口。 像GIMP、Blender、Audacity 这类没有 API 的桌面软件，Agent 现在可以直接操控了。 软件以前是给人用的，现在是给 Agent 用的

阿西_出海

169,780 views • 5 months ago

从GPT-6 Astra发布以来，就一堆人在让Codex去通过computer use去操控blender做各种3D模型的。 但稍微做了点就停了。 然后我自己也拿Claude Code和Codex做了不少测试，发现不管是直接写代码的方式，还是操控blender的方式，从成本和效率来说都不是最好的方式。 所以我自己摸索了一套新的策略。用Codex 加 3D 基座模型 Tripo，做了一座能开车逛的巴黎。 整了两天，一行代码没写。一座能开进去的巴黎👇出来了！ 现在视频演示里的车、树、铁塔、街上走路的人——全是 AI 生成的 3D 资产；而街区、桥、塞纳河——是代码画的。 为什么这么分？ 因为你开车会开到车跟前，但不会开到桥底下去数栏杆。 近景给精细模型，远景交给代码。做出来的网页游戏会在细节和帧率上更平衡。 以及，除了这期视频，我还把一整套操作流程做成了386 页手册教程！ 现已开源了，提示词、脚本、模型全在里面：
11:43

从GPT-6 Astra发布以来，就一堆人在让Codex去通过computer use去操控blender做各种3D模型的。 但稍微做了点就停了。 然后我自己也拿Claude Code和Codex做了不少测试，发现不管是直接写代码的方式，还是操控blender的方式，从成本和效率来说都不是最好的方式。 所以我自己摸索了一套新的策略。用Codex 加 3D 基座模型 Tripo，做了一座能开车逛的巴黎。 整了两天，一行代码没写。一座能开进去的巴黎👇出来了！ 现在视频演示里的车、树、铁塔、街上走路的人——全是 AI 生成的 3D 资产；而街区、桥、塞纳河——是代码画的。 为什么这么分？ 因为你开车会开到车跟前，但不会开到桥底下去数栏杆。 近景给精细模型，远景交给代码。做出来的网页游戏会在细节和帧率上更平衡。 以及，除了这期视频，我还把一整套操作流程做成了386 页手册教程！ 现已开源了，提示词、脚本、模型全在里面：

花叔

153,437 views • 1 month ago

这是演示我怎么用 AI 帮我测试游戏，也是我日常在做的事 以前做游戏开发还得请一大堆人来干测试，现在只需花一天的饭钱就能让 AI 帮你测试一个月不停的跑😂 我们算是赶上了好时代了 AI 不会取代人类或工作，AI 是人类最好的辅助 现在学习怎么用 AI 也不算迟 #codex #gaming
1:40

这是演示我怎么用 AI 帮我测试游戏，也是我日常在做的事 以前做游戏开发还得请一大堆人来干测试，现在只需花一天的饭钱就能让 AI 帮你测试一个月不停的跑😂 我们算是赶上了好时代了 AI 不会取代人类或工作，AI 是人类最好的辅助 现在学习怎么用 AI 也不算迟 #codex #gaming

卡神 Karu

10,157 views • 5 months ago

AI 最危险的地方，可能不是抢走初级岗位，而是让 10 年后的资深人才无处可来。 赵斌的演讲让我想到一个更严重的问题：AI 很容易被当成一种“跳过学习过程”的工具。不再亲手写代码，不再追查为什么程序会报错，也不用经历几十次失败的尝试。结果来得更快，于是我们会误以为效率提高了，一切都在正常运转。 可过去，一个人的职业成长恰恰建立在这些看起来“低效”的年份上。初级工程师从简单任务开始，犯错、读别人的代码、接受代码审查、修改、再犯错，然后才逐渐接触更复杂的问题。几年以后，他真正积累下来的并不只是知识，而是判断力：知道一个方案为什么会出问题，能提前看到后果，甚至在问题发生之前就闻到不对劲。 而现在，最适合新人训练的工作，恰好是最先被 AI 接管的那一层：简单接口、常见错误修复、SQL 查询、第一版代码、阅读文档、编写测试。企业得到的激励也很直接： → 少招初级员工 → 更多使用 AI → 对剩下的人直接提出更高要求 短期看，这当然像效率提升。五年、十年以后，它可能变成人才断层。因为资深工程师不会在招聘网站出现“5 年经验”要求的那一刻自动生成。每一个资深工程师，都需要几年的真实工作把他训练出来。 更危险的是，AI 可以让一个新人很早就产出看起来像资深工程师写出来的东西。代码能运行，测试能通过，PR 很整洁，解释也很像那么回事。于是我们第一次可能大规模遇到一种奇怪的人才：能稳定产出“资深级结果”，却还没有形成资深级判断力。 平时很难发现这种差距。真正暴露问题的是没有标准答案的时候：需求互相冲突，测试全部通过但架构方向已经错了，或者 AI 给出的方案今天看起来完美，半年后却变成几个团队一起偿还的技术债。这样的判断力不是从 AI 的答案里读出来的，而是在几百次“我不知道该怎么办”的真实问题里慢慢长出来的。 所以真正值得问的可能不是“AI 会不会取代初级开发者”，而是： 如果我们把培养资深人才所依赖的那层工作全部自动化，10 年以后，谁来当资深工程师？ 看完这场演讲后，可以做一个很简单的实验：挑一个你平时完全交给 AI 的任务，自己从头到尾做一次。不是为了提高效率，而是看看你已经把多少原本属于自己的训练过程交给了机器。 把这条留着。这个问题可能会比我们想象中更早出现。 我在下面的文章里继续追了下去：如果这件事发生的不是某一个人身上，而是整个职业晋升体系，会发生什么？
14:02

AI 最危险的地方，可能不是抢走初级岗位，而是让 10 年后的资深人才无处可来。 赵斌的演讲让我想到一个更严重的问题：AI 很容易被当成一种“跳过学习过程”的工具。不再亲手写代码，不再追查为什么程序会报错，也不用经历几十次失败的尝试。结果来得更快，于是我们会误以为效率提高了，一切都在正常运转。 可过去，一个人的职业成长恰恰建立在这些看起来“低效”的年份上。初级工程师从简单任务开始，犯错、读别人的代码、接受代码审查、修改、再犯错，然后才逐渐接触更复杂的问题。几年以后，他真正积累下来的并不只是知识，而是判断力：知道一个方案为什么会出问题，能提前看到后果，甚至在问题发生之前就闻到不对劲。 而现在，最适合新人训练的工作，恰好是最先被 AI 接管的那一层：简单接口、常见错误修复、SQL 查询、第一版代码、阅读文档、编写测试。企业得到的激励也很直接： → 少招初级员工 → 更多使用 AI → 对剩下的人直接提出更高要求 短期看，这当然像效率提升。五年、十年以后，它可能变成人才断层。因为资深工程师不会在招聘网站出现“5 年经验”要求的那一刻自动生成。每一个资深工程师，都需要几年的真实工作把他训练出来。 更危险的是，AI 可以让一个新人很早就产出看起来像资深工程师写出来的东西。代码能运行，测试能通过，PR 很整洁，解释也很像那么回事。于是我们第一次可能大规模遇到一种奇怪的人才：能稳定产出“资深级结果”，却还没有形成资深级判断力。 平时很难发现这种差距。真正暴露问题的是没有标准答案的时候：需求互相冲突，测试全部通过但架构方向已经错了，或者 AI 给出的方案今天看起来完美，半年后却变成几个团队一起偿还的技术债。这样的判断力不是从 AI 的答案里读出来的，而是在几百次“我不知道该怎么办”的真实问题里慢慢长出来的。 所以真正值得问的可能不是“AI 会不会取代初级开发者”，而是： 如果我们把培养资深人才所依赖的那层工作全部自动化，10 年以后，谁来当资深工程师？ 看完这场演讲后，可以做一个很简单的实验：挑一个你平时完全交给 AI 的任务，自己从头到尾做一次。不是为了提高效率，而是看看你已经把多少原本属于自己的训练过程交给了机器。 把这条留着。这个问题可能会比我们想象中更早出现。 我在下面的文章里继续追了下去：如果这件事发生的不是某一个人身上，而是整个职业晋升体系，会发生什么？

make claude

214,592 views • 1 month ago

一个人做游戏，真的开始像带团队了。 Claude-Code-Game-Studios 这个项目很猛。 它不是单纯给你一个更会写代码的 Claude， 而是想把一整个游戏工作室塞进 Claude Code 里。 README 里直接给了： 48 个 AI agents 37 个 workflows 还有完整的 studio hierarchy、slash commands、hooks、rules 和 templates。 也就是说，你不是在和一个 AI 助手聊天， 而是在调度一支虚拟游戏团队。 从创意总监、技术总监、制作人， 到玩法程序、关卡设计、叙事、音频、QA、发行， 整套分工都已经拆好了。 甚至连 Godot、Unity、Unreal 三套引擎专家也都配上了。 我觉得这类项目真正有意思的地方，不是“Agent 数量很多”， 而是它开始把 AI Coding 从单兵作战，推进到“组织协作”这一步。 游戏开发本来就是最典型的多角色协同场景之一， 所以这种玩法特别值得看。 项目现在 GitHub 也已经有 3.3k Stars、440 Forks。 如果你在关注 AI 游戏开发、多 Agent workflow， 或者一人游戏工作室这个方向，值得研究一下👇
0:27

一个人做游戏，真的开始像带团队了。 Claude-Code-Game-Studios 这个项目很猛。 它不是单纯给你一个更会写代码的 Claude， 而是想把一整个游戏工作室塞进 Claude Code 里。 README 里直接给了： 48 个 AI agents 37 个 workflows 还有完整的 studio hierarchy、slash commands、hooks、rules 和 templates。 也就是说，你不是在和一个 AI 助手聊天， 而是在调度一支虚拟游戏团队。 从创意总监、技术总监、制作人， 到玩法程序、关卡设计、叙事、音频、QA、发行， 整套分工都已经拆好了。 甚至连 Godot、Unity、Unreal 三套引擎专家也都配上了。 我觉得这类项目真正有意思的地方，不是“Agent 数量很多”， 而是它开始把 AI Coding 从单兵作战，推进到“组织协作”这一步。 游戏开发本来就是最典型的多角色协同场景之一， 所以这种玩法特别值得看。 项目现在 GitHub 也已经有 3.3k Stars、440 Forks。 如果你在关注 AI 游戏开发、多 Agent workflow， 或者一人游戏工作室这个方向，值得研究一下👇

axiaisacat

67,870 views • 7 months ago

又又又免费了，最近的赛博活佛是真多啊！！ ScienceBuddy，一个 AI 科研工具，集成了 224 个专业科学工具，文献检索、基因组分析、数据处理、代码执行全包了，现在竟然免费了！！ 做过产品的人都知道，科研数据分析这个领域的成本有多夸张： 做一次生物信息分析外包，少说几千块起步，周期一两周 请一个生信分析师，一年几十万打底 各种专业分析软件的企业订阅，加起来一年也得大几万 而科研人员常年被三件事折磨：文献太多读不完比不过来，拿到数据不会分析不会画图，实验出了问题没人可问 以前这些事要么花钱要么花命 ScienceBuddy 来自 PhAI Labs 你把文献、数据丢进去，用一句话提问——它自己规划步骤、自己检索文献、自己写代码跑分析，最后把结果和每一步的过程都摆在你面前 我试了一下： 上传了几篇公开论文，就问了一句——帮我把这几篇里关于某个方向的证据整理成表，标上出处 十分钟不到，它自己规划了分析路径、调了文献检索工具、跑了代码处理，甩回来一份带来源标注的证据表，直接能下载 让我更意外的是它的团队——斯坦福、牛津、普林斯顿背景，研究代码已经在 GitHub 开源了，MIT 协议 而且你们注意一个时间线： 9 月 17 号，Anthropic 宣布 Claude 在不到四周内优化了 30 多个生物学 AI 模型，包括 AlphaFold3 和 Boltz-2，并且把优化代码全部开源了 同一天，ScienceBuddy 背后的技术框架 ScienceIDE 也开源了——7 个学科、15 个真实科研代码环境，从天体物理到量子计算，让 AI Agent 在真实的科研代码上练习 Anthropic 证明了 AI 能优化科学软件，ScienceIDE 提供了让 AI 在更多学科学这种能力的练习场——而 ScienceBuddy 就是这套技术框架面向科研人员的产品化落地 这意味着什么？意味着 ScienceBuddy 不是一个套壳的聊天机器人，它背后是一套在 7 个学科真实科研代码上训练出来的 Agent 系统 但真正让我觉得这个产品做对了的，不是结果，是过程 它有一个叫轨迹的面板，你能看到它每一步的规划、调了什么工具、跑了什么代码、拿到了什么中间结果 不满意直接在同一个任务里追问，它会带着上下文接着改 这和大家天天用的 ChatGPT 有什么本质区别？ ChatGPT 是通用聊天——你问它科研问题，它给你一段看起来有道理的话，但你没法验证中间过程 ScienceBuddy 带着 224 个专业科学工具——它真的去检索文献数据库、真的跑 Python 和 R 代码、真的生成文件让你下载复核 说白了就是：一个在聊天，一个在干活 而且它能干的事范围有点吓人： 1、上传表达矩阵数据，一句话让它做差异表达分析+画火山图，代码和方法全给你写好 2、描述一个实验失败的情况，它给你出分步排错方案 3、给它一个研究问题，它能规划完整的研究计划 作为一个做了五年产品的人，我觉得科研 Agent 最大的难题从来不是能不能给你答案——是你敢不敢信这个答案 ScienceBuddy 的解法是让每一步都透明可查，你不是在盲信一个黑盒，是在监督一个真正能干活的助手 说一个小缺点——目前注册需要 edu 邮箱，而且是 Preview 版本，结果用之前建议自己再核验一遍 但是——免费、不排队、不要邀请码， 打开就能用 以前要花大几千块外包、花好几天人工才能搞定的事，现在一个免费工具十分钟干完了 身边有读博的、做科研的朋友，真的可以转给他们试试 我已经开始拿它跑一些真实的分析任务了，后续有新发现继续和大家分享！！ 产品链接和底层框架 ScienceIDE 的论文、GitHub 全放评论区👇
0:51

又又又免费了，最近的赛博活佛是真多啊！！ ScienceBuddy，一个 AI 科研工具，集成了 224 个专业科学工具，文献检索、基因组分析、数据处理、代码执行全包了，现在竟然免费了！！ 做过产品的人都知道，科研数据分析这个领域的成本有多夸张： 做一次生物信息分析外包，少说几千块起步，周期一两周 请一个生信分析师，一年几十万打底 各种专业分析软件的企业订阅，加起来一年也得大几万 而科研人员常年被三件事折磨：文献太多读不完比不过来，拿到数据不会分析不会画图，实验出了问题没人可问 以前这些事要么花钱要么花命 ScienceBuddy 来自 PhAI Labs 你把文献、数据丢进去，用一句话提问——它自己规划步骤、自己检索文献、自己写代码跑分析，最后把结果和每一步的过程都摆在你面前 我试了一下： 上传了几篇公开论文，就问了一句——帮我把这几篇里关于某个方向的证据整理成表，标上出处 十分钟不到，它自己规划了分析路径、调了文献检索工具、跑了代码处理，甩回来一份带来源标注的证据表，直接能下载 让我更意外的是它的团队——斯坦福、牛津、普林斯顿背景，研究代码已经在 GitHub 开源了，MIT 协议 而且你们注意一个时间线： 9 月 17 号，Anthropic 宣布 Claude 在不到四周内优化了 30 多个生物学 AI 模型，包括 AlphaFold3 和 Boltz-2，并且把优化代码全部开源了 同一天，ScienceBuddy 背后的技术框架 ScienceIDE 也开源了——7 个学科、15 个真实科研代码环境，从天体物理到量子计算，让 AI Agent 在真实的科研代码上练习 Anthropic 证明了 AI 能优化科学软件，ScienceIDE 提供了让 AI 在更多学科学这种能力的练习场——而 ScienceBuddy 就是这套技术框架面向科研人员的产品化落地 这意味着什么？意味着 ScienceBuddy 不是一个套壳的聊天机器人，它背后是一套在 7 个学科真实科研代码上训练出来的 Agent 系统 但真正让我觉得这个产品做对了的，不是结果，是过程 它有一个叫轨迹的面板，你能看到它每一步的规划、调了什么工具、跑了什么代码、拿到了什么中间结果 不满意直接在同一个任务里追问，它会带着上下文接着改 这和大家天天用的 ChatGPT 有什么本质区别？ ChatGPT 是通用聊天——你问它科研问题，它给你一段看起来有道理的话，但你没法验证中间过程 ScienceBuddy 带着 224 个专业科学工具——它真的去检索文献数据库、真的跑 Python 和 R 代码、真的生成文件让你下载复核 说白了就是：一个在聊天，一个在干活 而且它能干的事范围有点吓人： 1、上传表达矩阵数据，一句话让它做差异表达分析+画火山图，代码和方法全给你写好 2、描述一个实验失败的情况，它给你出分步排错方案 3、给它一个研究问题，它能规划完整的研究计划 作为一个做了五年产品的人，我觉得科研 Agent 最大的难题从来不是能不能给你答案——是你敢不敢信这个答案 ScienceBuddy 的解法是让每一步都透明可查，你不是在盲信一个黑盒，是在监督一个真正能干活的助手 说一个小缺点——目前注册需要 edu 邮箱，而且是 Preview 版本，结果用之前建议自己再核验一遍 但是——免费、不排队、不要邀请码， 打开就能用 以前要花大几千块外包、花好几天人工才能搞定的事，现在一个免费工具十分钟干完了 身边有读博的、做科研的朋友，真的可以转给他们试试 我已经开始拿它跑一些真实的分析任务了，后续有新发现继续和大家分享！！ 产品链接和底层框架 ScienceIDE 的论文、GitHub 全放评论区👇

超级个体｜柿子

52,317 views • 1 month ago

埃隆·马斯克断言： 编码将在今年彻底死亡。不是“进化”。是死亡。 到今年12月，AI 将不再需要任何编程语言。它直接吐出机器码——那种二进制优化程度，远超人类逻辑所能触及的极限，没有翻译层，没有编译步骤，只有纯粹的、赤裸的执行。 马斯克原话：“你甚至都不用再费心去写代码。”代码从来就不是目的。它只是摩擦，是我们被迫支付的“人类税”——因为机器不懂人话。现在，AI 已经学会了流利的人类语言，这笔税，彻底取消了。再把这一切接入 Neuralink：没有语法，没有键盘，没有屏幕。 马斯克：“从想象直接到软件。”一个念头，就能变成可执行代码。你脑海中浮现一个结果，系统瞬间为你架构、优化、编译成现实。我们不是在“自动化编程”。我们是在把编程这个概念从宇宙中抹除。整个职业瞬间坍塌成一个念头。几十年的训练、无数行代码、无数个通宵——瞬间变得毫无意义。从“idea”到“成品”的距离，归零。你不再“构建”。你只需“想象”，它就具现。这不是渐进式进步。这是彻底的相变。人类一万年来“创造”的方式，在这一刻过时了。欢迎来到新世界。在这里，限制你的不再是技能、资源、时间…… 而是你能不能足够清晰地“看见”你想要的东西——然后让机器把它生出来。 我认为事情实际上可能会在今年年底之前就发生转变，到时候你甚至都不用再费心去写代码了。AI 会直接生成二进制代码，而且它生成的二进制会比任何现有编译器优化得更高效。所以你只需要说：“针对这个特定结果，生成最优化的二进制代码。”——这样就直接绕过了传统编码流程。 没错，这其实只是一个中间步骤，但我估计到今年年底，这个步骤很可能就彻底不需要了。
0:29

埃隆·马斯克断言： 编码将在今年彻底死亡。不是“进化”。是死亡。 到今年12月，AI 将不再需要任何编程语言。它直接吐出机器码——那种二进制优化程度，远超人类逻辑所能触及的极限，没有翻译层，没有编译步骤，只有纯粹的、赤裸的执行。 马斯克原话：“你甚至都不用再费心去写代码。”代码从来就不是目的。它只是摩擦，是我们被迫支付的“人类税”——因为机器不懂人话。现在，AI 已经学会了流利的人类语言，这笔税，彻底取消了。再把这一切接入 Neuralink：没有语法，没有键盘，没有屏幕。 马斯克：“从想象直接到软件。”一个念头，就能变成可执行代码。你脑海中浮现一个结果，系统瞬间为你架构、优化、编译成现实。我们不是在“自动化编程”。我们是在把编程这个概念从宇宙中抹除。整个职业瞬间坍塌成一个念头。几十年的训练、无数行代码、无数个通宵——瞬间变得毫无意义。从“idea”到“成品”的距离，归零。你不再“构建”。你只需“想象”，它就具现。这不是渐进式进步。这是彻底的相变。人类一万年来“创造”的方式，在这一刻过时了。欢迎来到新世界。在这里，限制你的不再是技能、资源、时间…… 而是你能不能足够清晰地“看见”你想要的东西——然后让机器把它生出来。 我认为事情实际上可能会在今年年底之前就发生转变，到时候你甚至都不用再费心去写代码了。AI 会直接生成二进制代码，而且它生成的二进制会比任何现有编译器优化得更高效。所以你只需要说：“针对这个特定结果，生成最优化的二进制代码。”——这样就直接绕过了传统编码流程。 没错，这其实只是一个中间步骤，但我估计到今年年底，这个步骤很可能就彻底不需要了。

🌹MIDNIGHT🌹ROSE🌹

99,296 views • 8 months ago

两周前开发的App终于开张了，感谢这位台湾的朋友，一直没在X上宣传，是因为这个应用是面向小仙女的，X上毕竟大多是糙老爷们。 这次分享出来，是因为被Opus5.5做的产品宣传视频震撼到了，把代码库给它，一句提示词，就能做出这么强的宣传视频。 只能说，感谢AI，让我们处在这么好的时代。
0:40

两周前开发的App终于开张了，感谢这位台湾的朋友，一直没在X上宣传，是因为这个应用是面向小仙女的，X上毕竟大多是糙老爷们。 这次分享出来，是因为被Opus5.5做的产品宣传视频震撼到了，把代码库给它，一句提示词，就能做出这么强的宣传视频。 只能说，感谢AI，让我们处在这么好的时代。

WY

29,921 views • 1 month ago

最近的 GPT 5.6 sol 越来越拉了，额度改成周限额以后，开 FAST 模式可能一天就把一周的额度用完。Codex 又有些过度防御，改个小地方也要读取大量规范和代码，频繁触发上下文压缩，等了五六分钟还没开始写代码。 而且特别喜欢写表演性的，形式主义的前后端测试， 1 + 1 = 2 写玩都得写个测试验算一遍。 但是没招儿，复杂的自动化任务目前还是 GPT 表现更好。而且还有 GPT Image 2 这个最好的生图模型。所以我最近只能把不少开发任务交给了速度更快、效果不错、没那么过度防御的 Grok 4.6 了。
5:22

最近的 GPT 5.6 sol 越来越拉了，额度改成周限额以后，开 FAST 模式可能一天就把一周的额度用完。Codex 又有些过度防御，改个小地方也要读取大量规范和代码，频繁触发上下文压缩，等了五六分钟还没开始写代码。 而且特别喜欢写表演性的，形式主义的前后端测试， 1 + 1 = 2 写玩都得写个测试验算一遍。 但是没招儿，复杂的自动化任务目前还是 GPT 表现更好。而且还有 GPT Image 2 这个最好的生图模型。所以我最近只能把不少开发任务交给了速度更快、效果不错、没那么过度防御的 Grok 4.6 了。

oil-oil

20,885 views • 2 months ago

一个中国开发者花了三天测试本地 AI 硬件——Mac Mini 16G 对战 RTX 4070Ti。他把结果发到 B 站，结论是：正经跑代理工作流，至少需要 2,800 美元的硬件。 看起来像真活。一边 Mac Mini，一边 4070Ti，双双发烫，图表并排跑。他最后甩出一个数字：想在家里正经搞 AI，至少得花 2,800 美元。 兄弟，停在 0:20 秒。看他手悬停的那个 Ollama 窗口，再看它背后终端日志里的时间戳。 那些时间戳不是隔了三天——它们只差 27 分钟。 “三天”是代理跑的。“27 分钟”是他本人跑的。 一个 Claude 代理在 27 分钟 内跑完了所有测试：Mac Mini 测、4070Ti 测、工具集成检查。代理写了脚本，代理生成了截图里的时间戳，代理生成了“三天”这个叙事——因为 B 站的科技区喜欢看得见的努力。 有人扒了上传元数据：视频是在第一个终端打开后的 31 分钟 上传的。还有人把截图和 GitHub 上公开的 Mac Mini 测试脚本做了对比——除了屏幕上那只手，其他全是代理生成的。 六个月前，深圳一个 14 岁小孩把一个 AI 代理推到了 GitHub。评委说：没有实际应用价值。3,100 次 fork 之后。这个开发者是其中之一。他在接不到咨询客户的那一周，就把代理接入了自己的内容流水线。 他从 2019 年就是 B 站科技 up 主。最好的一期视频，做了三个月。现在代理做他以前需要 27 分钟才能干完的活。他仍然出镜——因为观众要看那双手。 他想告诉观众关于本地 AI 硬件的真相。却不小心让大家看到了——屏幕上唯一一个代理生成不了的东西。
1:11

一个中国开发者花了三天测试本地 AI 硬件——Mac Mini 16G 对战 RTX 4070Ti。他把结果发到 B 站，结论是：正经跑代理工作流，至少需要 2,800 美元的硬件。 看起来像真活。一边 Mac Mini，一边 4070Ti，双双发烫，图表并排跑。他最后甩出一个数字：想在家里正经搞 AI，至少得花 2,800 美元。 兄弟，停在 0:20 秒。看他手悬停的那个 Ollama 窗口，再看它背后终端日志里的时间戳。 那些时间戳不是隔了三天——它们只差 27 分钟。 “三天”是代理跑的。“27 分钟”是他本人跑的。 一个 Claude 代理在 27 分钟 内跑完了所有测试：Mac Mini 测、4070Ti 测、工具集成检查。代理写了脚本，代理生成了截图里的时间戳，代理生成了“三天”这个叙事——因为 B 站的科技区喜欢看得见的努力。 有人扒了上传元数据：视频是在第一个终端打开后的 31 分钟 上传的。还有人把截图和 GitHub 上公开的 Mac Mini 测试脚本做了对比——除了屏幕上那只手，其他全是代理生成的。 六个月前，深圳一个 14 岁小孩把一个 AI 代理推到了 GitHub。评委说：没有实际应用价值。3,100 次 fork 之后。这个开发者是其中之一。他在接不到咨询客户的那一周，就把代理接入了自己的内容流水线。 他从 2019 年就是 B 站科技 up 主。最好的一期视频，做了三个月。现在代理做他以前需要 27 分钟才能干完的活。他仍然出镜——因为观众要看那双手。 他想告诉观众关于本地 AI 硬件的真相。却不小心让大家看到了——屏幕上唯一一个代理生成不了的东西。

CAT

42,457 views • 5 months ago