全部 AI 动态 · AI 热点

7月5日

01:33

向阳乔木@vista8

一位用户分享了一组提示词，可将整篇文章输入给Codex或ChatGPT，让其生图解读。提示词要求生成一组10个汉字以内的字形图标，矩阵排列，16:9横版构图，留白克制。图标风格为高对比剪影，实心块面，硬边无装饰，配色深色底配高明度主字和单一强调色。最终效果类似主题字库标本卡，而非插画或海报。

技巧 Codex ChatGPT 提示词工程

推荐理由：这招太实用了，教你用一条提示词让Codex或ChatGPT把长文变成酷炫字形图标矩阵，适合做视觉摘要。

原文

7月4日

23:25

berryxia@berryxia

DanKoe提出了一个说服力框架：3大心理张力（生存、身份、进步）和5个心理杠杆（点名威胁、镜像身份、排除人群、描绘转变、给出第一步）。他认为在AI时代，编程、设计等工具型技能会被替代，但理解人性的元技能不会过时。该框架可应用于营销、销售和内容创作，通过触发心理张力让人行动。

技巧 DanKoe 人性理解说服力

推荐理由：DanKoe这篇文章点破了AI时代最值钱的不是编程，而是懂人性。他用3个张力和5个杠杆教你怎么说服人，很实用。

原文

22:17

elvis@omarsar0

Elvis @omarsar0 在推文中分享了如何为编程智能体实现多模态提示，包含视频演示。他认为多模态提示正在改变人与智能体的交互方式。内容聚焦于具体实现方法，而非产品发布。

技巧多模态提示编程智能体视频演示

推荐理由：看看他怎么给编程智能体加多模态提示，有视频演示，很实用。

原文

21:56

AI Will@FinanceYF5

精选

本教程教你如何在 Claude Code 中将模型设为 Fable 5，并开启 Max 推理模式。通过指示 Claude 运行动态工作流，让 Fable 5 充当编排者（orchestrator），Opus 负责推理重阶段。这样可以避免频繁触及使用限制，同时最大化利用 Fable 5 的调度能力。适用于需要高效分配模型资源的任务场景。

技巧 Fable 5 Claude Code Opus

事件专题

推荐理由：想省限额又发挥 Fable 5 的调度能力？让 Fable 5 当大脑、Opus 干活，效率拉满。

原文

21:29

AI Will@FinanceYF5

精选

该教程介绍如何将 Fable 5（max reasoning 模式）设为主编排器，Opus 专用于深度推理子代理，Sonnet 负责机械任务子代理，Codex 作为同行高级工程师。步骤包括在 Claude Code 中通过 /model 切换模型、用 /agents 创建两个子代理、安装 OpenAI 官方 Codex 插件并配置 /codex:setup。在 CLAUDE.md 中写入编排规则后，用特定提示词指示 Fable 5 像技术负责人一样分配任务。此工作流可节省 Fable 5 的使用次数，同时利用 Opus 和 Codex 并行处理高难度决策。

技巧 Fable 5 Opus Codex

事件专题

推荐理由：一个Twitter用户分享了用Fable 5编排Opus和Codex的实战技巧，配置简单，能同时调用多个模型节省成本，适合需要深度推理+代码执行的任务。

原文

21:26

Viking@vikingmute

作者分享了用AI设计应用首页的完整流程：先在styles.refero.design或getdesign.md收集设计参考，获取design.md；再结合PRD让AI提炼页面结构和内容，无需出图先写多个版本；然后使用ChatGPT image2出图，可一次性生成3种风格；最后将图片转为页面代码并微调，动画方面推荐gasp或motion添加精致动效，并参考emil的skill和transitions.dev。

技巧 ChatGPT gasp motion

推荐理由：兄弟，这个工作流很实用，从找参考到出图到加动画都讲清楚了，特别适合自己动手做UI的人，ChatGPT image2出设计确实好用。

原文

20:54

AI Will@FinanceYF5

一位开发者展示使用Claude Code配合Sonnet 5在18分钟内搭建获奖级网站的全流程。教程详细演示了从设计构思到代码生成的步骤，强调Claude Code的实时编辑能力。视频中通过具体项目展示如何利用Sonnet 5理解复杂设计需求并输出高质量前端代码。这套方法比传统手工编码效率提升数倍，适合快速原型开发。

技巧 Claude Code Sonnet 5 Anthropic

事件专题

推荐理由：想学怎么用Claude Code加Sonnet 5快速搭出漂亮网站？这条18分钟视频手把手教，效率真的离谱。

原文

12:04

Jerry Liu@jerryjliu0

Jerry Liu分享通过创建反映自己写作风格的skill，并基于真实写作样本进行hillclimbing，解决了约70%的风格问题。他认为剩余30%涉及清晰独特见解的生成，属于后训练难题。该方法不依赖特定模型版本，适用于非虚构写作场景。

技巧写作技巧提示词工程 Jerry Liu

推荐理由：Jerry Liu教你一个能提升AI写作风格匹配度的实用方法，不需要复杂调参，用你自己的样本就能做到。

原文

10:38

AI Will@FinanceYF5

73°

Anthropic 重新启用 Fable 5 视频生成模型，用户 Veltrx 在 60 分钟内用 4 条提示制作了 91 秒的 GTA 6 风格预告片。Fable 5 自动规划了 22 个镜头、生成场景（22 个中 19 个一次通过）、剪辑并导出 1080p 视频。相比传统 VFX 团队需要 3 周和 1.5 万美元，单人用 Fable 5 将成本降至极低。

技巧 Fable 5 Anthropic 视频生成

事件专题

推荐理由：Anthropic 的 Fable 5 回来了，1 小时一个人就能做出游戏宣传片级别的视频，省掉几万块和几周时间，视频创作者可以试试。

原文

10:37

AI Will@FinanceYF5

用户将Blender连接到Fable 5，在20分钟内完成了纽约市全部建筑群的重建。它先从公开数据源抓取建筑数据，再依据数据建模，实现等比例3D模型。发布者称这种“先查数据再动手”的方法优于Opus 4.8的做法，展现了AI的功课意识。

技巧 Blender Fable 5 Opus 4.8

事件专题

推荐理由：有人用Blender加Fable 5，20分钟把纽约市3D重建出来了，还先去查公开数据再建模，比Opus 4.8那种瞎画强多了。

原文

10:03

shao__meng@shao__meng

精选

Claude Code 核心开发者 @trq212 提出「地图不是疆域」认知框架：Prompt 是地图，真实代码库是疆域，两者落差即未知。他将未知分为 Known Knowns、Known Unknowns、Unknown Knowns、Unknown Unknowns 四类，并给出对应处理方式。实操包含三阶段工作流：实现前用盲点扫描、原型、访谈等技巧挖掘未知；实现中用 implementation-notes.md 记录偏离；实现后用 Pitch 制品和测验反向加速交付。该方法在 Fable 发布视频剪辑案例中验证：通过澄清 Unknown Unknowns（如调色标准）提升最终质量。

技巧 Claude Fable 5 Claude Code 提示词工程

事件专题

推荐理由：想用好 Claude Code 但总觉得模型不够聪明？试试这套四类未知框架和三阶段工作流，把瓶颈从模型能力转到你的提问质量。

原文

07:33

elvis@omarsar0

精选

研究员omar sar分享了多模态提示工作流，通过录制语音、屏幕注释、鼠标点击等输入，预处理后传递给Agent，显著提升任务完成效率。该方法已为他节省数小时工作时间，减少与Agent的挫败交互。他将这些录制的任务作为可复用数据集，不断改进并打包成工作流/模式/技能。该技巧应用于Web开发、设计、原型制作、研究等多个场景。

技巧多模态提示智能体提示词工程

推荐理由：omar sar教你怎么用语音+屏幕操作提示Agent，比纯文字提示聪明多了，能省下大量调试时间。

原文

04:30

Guillermo Rauch@rauchg

在eve.dev部署到Vercel后，Agent可以自动摄取运行痕迹，通过内建的可观测性反思过去运行。它能识别低效、错误、冗余工具调用，并生成新的提示和技能。Vercel开发者现可通过MCP和CLI使用Agent Runs功能。

技巧 eve.dev Vercel MCP

推荐理由：Vercel教你给Agent加自我改进能力，直接反思运行记录自动优化提示和技能，省得手动调了。

原文

04:03

官方账号Simon Willison@simonw

Fable的一个有趣技巧是让模型使用自己的判断。用户可以指示Fable：“对于所有编码任务，使用你的判断来决定合适的低功耗模型，并在子代理中运行”。这个技巧能节省大量token。它利用了模型自身的决策能力来优化资源。

技巧 Fable 提示词工程编程助手

推荐理由：试试让Fable自己决定用哪个模型跑代码，能省不少token，很实用

原文

03:06

elvis@omarsar0

OMARSAR0 在推文中反驳了提示工程已死的观点。他建议通过提示智能体来填补人类思维中的空白，反之亦然。具体方法包括使用头脑风暴、规划、原型设计和可视化（如工件/解释器）来丰富与智能体的对话。

技巧提示词工程智能体协作

推荐理由：别信提示工程死了的说法！学着让智能体帮你补思路，用头脑风暴、原型设计这些方法，对话质量直接拉满。

原文

03:03

elvis@omarsar0

推特用户@omarsar0分享经验：与AI代理交互时使用语音、文本和视觉标注是最大杠杆之一。他默认采用多模态提示方式。他认为这种交互方式更自然，能更充分地利用代理能力并发现未知内容。

技巧智能体多模态提示词工程

推荐理由：这位用户分享了用语音、文字加图标注跟AI代理聊天的技巧，能拿到更多信息，试试看

原文

02:45

向阳乔木@vista8

作者使用Happycapy上的Fable 5工具，安装了5个流行前端设计Skill，设计了3个Prompt，调用6个Sub Agent并行开发，生成了42个对比页面。实验发现有的页面遵守Web规范，有的动效设计好，有的AI味小。结果说明没有一个设计Skill能搞定所有场景。

技巧 Fable 5 Skill Sub Agent

事件专题

推荐理由：vista8用5个前端Skill加6个Sub Agent跑了42个页面，看看哪个组合效果最好。实验结果很实在，想调教AI设计风格的可以看看。

原文

02:33

LlamaIndex@llama_index

精选

LlamaIndex 团队基于 Vercel 的 Eve agent 框架构建了一个模板，集成 LiteParse 工具。该模板提供只读文件系统工具，允许 Eve 解析路径、列出目录和读取文本文件。LiteParse 将源文件解析为干净的结构化 Markdown。Agent 配备详细指令，组合这些工具以导航和理解文档集合。

技巧 Eve LiteParse LlamaIndex

推荐理由：LlamaIndex 出了个 Eve 模板，集成 LiteParse 自动把文件转成 Markdown，还带文件系统工具，开箱即用。

原文

01:42

Qdrant@qdrant_engine

Qdrant将在7月7日举办一场在线讲座，邀请Kaivid Labs创始工程师TRJ_0751演示如何用Qdrant Edge和Google LiteRT构建完全本地化的RAG管道。讲座涵盖设备端文档问答、个人AI助手、笔记语义搜索以及离线AI体验。时间定于印度标准时间20:30、欧洲中部时间17:00、太平洋时间8:00。注册链接为streamyard.com/watch/GDNR4Xtj。

技巧 Qdrant Edge Google LiteRT RAG

推荐理由：想学完全离线的本地RAG？Qdrant和Google LiteRT联手演示，从文档问答到笔记搜索，一个讲座全搞定。

原文

00:07

向阳乔木@vista8

作者昨天用Codex开发了4个网站（YouTube AI播客站、GitHub top100站、Skill精选站、FDE资源站）。发现Codex在生成卡片和文章数量多时会自动套模板，填入无信息量的废话。强制加入记忆并要求用Subagent处理可缓解此问题。

技巧 Codex AI播客网站开发

推荐理由：分享Codex开发网站时遇到的模板化坑和用Subagent缓解的技巧，挺实用。

原文

00:06

向阳乔木@vista8

在Happycapy平台上使用Fable 5模型，安装当前流行的几个前端设计技能。用户设计了三个不同的Prompt，每个Prompt调用6个Subagent进行并行开发。最终比较三个Prompt的输出结果，选出最佳方案。

技巧 Happycapy Fable 5 Subagent

事件专题

推荐理由：试试这个工作流：在Happycapy上用Fable 5，装几个前端Skill，写三个Prompt，同时派6个Subagent干活，比哪个跑得最好。省时又好玩。

原文

7月3日

23:50

官方账号SiliconFlowAI@siliconflowai

GLM-5.2模型允许用户输入任意想法，自动完成后续生成任务，无需手写代码。用户只需拥有SiliconFlow API密钥，将模型接入智能体即可使用。SiliconFlow同步推出"Summer Rush"竞赛，参与者在72小时内提交使用GLM-5.2的作品，可进入Early Bird奖励池。排行榜根据有效使用次数排名，前72小时额外奖励。

技巧 GLM-5.2 SiliconFlow 智能体

推荐理由：GLM-5.2给个想法就自动干活，还能参加比赛赢奖励，省心又好玩，赶紧试试。

原文

22:03

Viking@vikingmute

开发者基于自研TinyShip框架（tinyship.cn），通过已有skills和一次plan完成两个产品开发。第一个是单机软件分发与license售卖平台，第二个是基于token的AI服务，各耗时一天。依赖Cloudflare Workers和D1数据库，认为5美元套餐即可支撑轻量产品。

技巧 TinyShip Cloudflare Workers D1

推荐理由：自己搭框架两天造两个产品，用Cloudflare Workers+D1的5美元套餐就能跑，对独立开发者很实用。

原文

21:36

Ate-a-Pi@svpino

精选

这篇教程展示了如何用 Claude Code 的非交互模式（-p 标志）构建 agentic loop。通过一个例子：在空文件夹中运行命令，让 Claude 用 Python 实现 Fibonacci 函数并编写 pytest 测试，每步改动后自动运行测试直到全部通过。核心有三个参数：-p 非交互运行、--allowedTools 预授权工具（Read, Write, Edit, Bash）、--max-turns 15 限制最大轮次。最终会输出 Fibonacci 代码和通过的测试结果。

技巧 Claude Code 智能体编程助手

推荐理由：Claude Code 这个命令模板非常实用，能让你零基础跑通第一个智能体循环，省去手动写代码和测试的重复劳动。

原文

20:49

@koltregaskes@koltregaskes

作者研究后发现，在Together AI或Fireworks上对7-16B模型做LoRA微调，计算成本仅需£10-50，70B QLoRA也不超过£200。推理方面，托管端点按基模型费率收费约£0.20-0.90/百万token，自托管spot H100约£1-2.50/小时，但流量波动时容易超支。数据准备和GDPR合规仍需投入时间。整体门槛已大幅降低，适合企业用自有数据试点。

技巧微调 Together AI Fireworks

推荐理由：这位工程师给算了一笔账：微调7B模型只要几十英镑，而且托管推理按量付费，建议老板们别再犹豫了。

原文

20:41

Marc Andreessen@pmarca

一名用户用ChatGPT详细描述其长达十年的慢性消化问题，包括持续数小时的胸痛。ChatGPT根据“发作时长”这一数据点，判断可能是胆囊问题。随后医生通过新检查确认了胆囊病变，患者十年痛苦得以解除。这一案例展示了LLM在辅助医疗诊断中的实际价值。

技巧 ChatGPT 健康诊断医疗应用

推荐理由：ChatGPT帮我找到了医生没查出的病因，十年胆囊病痛一个AI就解决了，太神了。

原文

20:15

Qdrant@qdrant_engine

Qdrant将于7月9日上午8:30 PT举办免费线上研讨会，主题是根据查询复杂度动态调整检索策略。议程包括：为不同查询选择合适检索策略、早期检测弱检索信号、利用ColBERT reranking和IRCoT查询分解进行路由、以及构建在不确定时主动放弃回答而非生成幻觉的代理。

技巧 Qdrant 检索代理 ColBERT

推荐理由：Qdrant教你怎么让检索代理根据不同问题自动切换策略，省去手动调优的麻烦，特别是ColBERT和IRCoT的具体用法。

原文

18:03

Viking@vikingmute

Shadcn 作者开源的 improve 项目（github.com/shadcn/improve）提出一种思路：将最强大的模型用于代码审计和生成计划，再用便宜模型执行修改。例如，Fable xhigh 做 planner/architect，GPT 5.5 xhigh 做 coder，成本仅几美元。穷鬼版本可用 GPT5.5 做 planner，DeepSeek V4 Pro 做 coder，composer2.5 交叉 review。主 Skill 包含多种模式，不直接修改代码，只产出高质量计划。

技巧 Shadcn improve 工作流

推荐理由：谁说贵模型才厉害？Shadcn作者教你用混合模型省大钱，规划和执行分开，又快又稳。

原文

16:10

AI Will@FinanceYF5

这条Prompt通过模拟手持抖动、跑焦和曝光跳变，让AI视频看起来像千禧年家用DV拍摄的。环境要求写实到晾衣绳、电线等细节，主体锁定发型衣着。音效只保留环境音，结尾突然掐断，制造真实感。核心是故意加入“缺陷”来掩盖AI痕迹。

技巧提示词工程视频生成 AI视频

推荐理由：想让你生成的AI视频看起来像老式DV录像？这条Prompt手把手教你怎么加抖动、跑焦和跳帧，效果超真实。

原文

12:57

AI Will@FinanceYF5

Anthropic工程师在45分钟直播中从零演示如何搭建5个AI助手处理重复任务。核心包括：用Tool分离外部操作、将复杂Agent拆成子Agent、以及当prompt超过上下文窗口时的分段策略。演示展示了Claude Agent的实际配置步骤，包括自定义Tool调用和子Agent调度机制。教程覆盖了从需求拆解到部署的全流程，适合想用Agent自动化日常工作的开发者。

技巧 Anthropic Agent Tool

事件专题

推荐理由：Anthropic工程师手把手教你拆Agent，45分钟学完Tool和子Agent怎么用，比你自己瞎试快多了。

原文

10:17

向阳乔木@vista8

一个名为 qiaomu-ai-access 的开源 Skill 可通过 npx skills add joeseesun/qiaomu-ai-access 指令安装。该工具基于 isChinaUser 项目 (github.com/yArna/isChinaU…) 开发，用于判断当前浏览器环境是否更像中国用户或中国地区设备。它能帮助识别环境差异，方便用户调整模型访问策略。

技巧 qiaomu-ai-access isChinaUser 开源工具

推荐理由：想省事用AI？有个开源小工具qiaomu-ai-access帮你检测网络环境，装完npx一行指令就跑起来，专为中国用户设计。

原文

10:04

Viking@vikingmute

精选

Mitchell Hashimoto分享了使用Fable xhigh作为规划/架构师、GPT 5.5 xhigh作为编码员、再让Fable xhigh审查的工作流。每次规划和审查成本仅需几美元，远低于通常的50美元以上。另有用户尝试廉价方案：GPT5.5规划+DeepSeek V4 Pro编码+composer2.5/GPT5.5交叉审查。GPT 5.5 xhigh收费比Fable便宜且速度很快。

技巧 Fable GPT 5.5 DeepSeek V4 Pro

事件专题

推荐理由：Mitchell Hashimoto分享的核心方案：Fable xhigh规划+GPT 5.5 xhigh编码+Fable xhigh审查，成本低至几美元。想省钱的可以用DeepSeek V4 Pro代替编码步骤。

原文

09:31

shao__meng@shao__meng

精选

Every 团队分享了五位成员使用 Codex 的差异化工作流：Natalia 作为非技术用户让 Codex 自行架构，夜间自动 enrich 数百条 CRM 记录；Dan 创建长线程处理邮件和 Slack 摘要，通过路由线程分发任务；Katie 构建本地上下文文件夹（含 AGENTS.md、identity 等），让 Codex 按风格评分选题；Austin 只给结果目标，让 Codex 搜索 Notion 和 Slack 后直接执行；Kieran 将上下文文件夹跨设备同步，Codex 作为执行层处理申请者邀请流程。文章提炼出四条共性模式：上下文比提示更重要、让 Codex 自建系统、委托重复任务为后台、建立审计反馈循环。

技巧 Codex Claude Code 工作流

事件专题

推荐理由：如果你想让 Codex 真正干活而不是闲聊，这篇给出了五位真实用户的完整工作流，从架构到执行都有具体案例，直接能抄作业。

原文

07:15

官方账号Simon Willison@simonw

Simon Willison分享了他在Fable上的实验，使用Fable一次性生成了一个基于LLM Python库的CLI编程代理。该代理能够通过命令行执行多种编码任务。实验展示了Fable在构建智能体方面的潜力。相关博客记录在simonwillison.net上。

技巧 Fable LLM CLI

推荐理由：Simon用Fable一次就写出了个CLI编程助手，基于他写的LLM Python库，挺酷的。

原文

05:08

Notion@NotionHQ

Notion 在 X 平台发布演示，展示其 MCP 交互式解释器 (ntn.so/mcp-explained)。该解释器通过可视化方式帮助用户理解 MCP（Model Context Protocol）概念。演示页面包含互动示例和说明，无需注册即可直接体验。这条推文获得 2152 次浏览和 9 个点赞。

技巧 Notion MCP 交互式解释器

推荐理由：Notion 做了个 MCP 交互解释器，点开就能边玩边学，适合想了解 MCP 的人。

原文

04:39

Harrison Chase@hwchase17

精选

Elvis 展示了如何用 LLM 构建 PaperWiki，一个持续更新的论文知识库。他使用 Obsidian 作为存储库，通过自动化每天从多个来源摄取论文，并用 qmd 索引，支持全文与语义搜索。该项目结合了 frontier 模型（opus-4.8）和开放权重模型（deepseek-v4-flash），并加入人工审核以提升质量。Elvis 认为 K-LMS 可将低质量论文筛选效率提升，并计划开源部分内容。

技巧 PaperWiki Obsidian 自动化

推荐理由：Elvis 手把手教你用 LLM 和自动化搭建论文知识库 PaperWiki，每天自动更新，还能帮你过滤噪音论文。有具体的技术栈和心得，想提升科研效率可以看看。

原文

03:12

官方账号LangChain@LangChainAI

LangChain 发布开源工具 OpenWiki，可在后台自动生成和更新代码库文档。它通过 deepagents 开放框架运行，支持 GLM 5.2、Kimi K2.7 等开源模型。你只需在 GitHub 仓库中配置一个夜间工作流，OpenWiki 就能自动更新自身和 AGENTS.md 文件，让 coding agent 自动读取最新文档。

技巧 OpenWiki LangChain deepagents

推荐理由：设一次 OpenWiki 就再也不用操心文档了，它自动跑在后台，还能用开源模型，适合想省心又提升 agent 表现的开发者。

原文

03:05

elvis@omarsar0

精选

PaperWiki是一个基于LLM的自动知识库，能生成并持续维护AI领域的综述论文。它使用Obsidian和qmd索引，每天通过自动化更新，整合前沿模型（如opus-4.8）和开源模型（deepseek-v4-flash）。作者Elvis用它来策展论文、支持研究Agent，并帮助筛选高质量论文。该系统强调人类在环和精细的提示词设计，以降低噪声。

技巧 PaperWiki LLM Wiki Obsidian

推荐理由：Elvis用PaperWiki自动生成最新的AI综述论文，每天更新，比手动整理快得多，还能和Agent配合研究，适合想高效追踪前沿的人。

原文

02:50

elvis@omarsar0

精选

Omar Sar分享了PaperWiki，一个用LLM和编码智能体构建的研究知识库。它存储在Obsidian中，通过qmd索引，并以HTML artifact呈现，支持全文搜索和语义搜索。自动化流程每日更新，结合了opus-4.8和deepseek-v4-flash等模型。作者认为LLM知识库能帮助过滤噪声、识别高质量论文。

技巧 PaperWiki Obsidian 知识库

推荐理由：Omar手把手教你用智能体和自动化搭建个人研究知识库，连模型组合和工具链都说了，适合想提升科研效率的人。

原文

02:48

官方账号Simon Willison@simonw

Simon Willison引用Geoffrey Litt提出的'理解以参与'（understand to participate）框架，解释与编码智能体协作时的认知债问题。该框架强调用户需要理解智能体的行为，以便在创作过程中成为主动参与者，而非被动接受者。Willison认为这对于有效使用AI编码工具至关重要。

技巧 Simon Willison Geoffrey Litt 编码智能体

推荐理由：Simon Willison分享了一个很实用的观点：和编码智能体一起工作时别只当甩手掌柜，得主动理解它在做什么才能更好地协作。

原文