投标团队常被 RFP 里的技术要求、法律条款搞得焦头烂额,这篇分享了用 Gemini 四步搞定:总结要求、找产品缺口、起草方案、生成合规清单。做销售方案或政府投标的朋友可以直接套用这个工作流。
Latest
Ethan Mollick 让 Fable 5.2 和 Gemini Carbon 玩了一把费米悖论,答案没解出来但过程挺精彩。重点是那句提示词模板,你拿来测试任何推理模型都好用,想学结构化提问的别错过。
Mollick 只给了一句话需求,让一队智能体自己吵美术、吵剧情,最后真做出一款叫 Dread & District 的奇幻物流游戏。想试多智能体协作的人可以直接参考他的提示词和分工方式。
Claude 给部分用户送了重置卡,恢复配额还不动你原来的 5 小时重置节奏,挺良心。但博主拿亲身教训提醒:别一口气连用,他上个号就是这么没的。重度用户和薅额度党都该看看这套避坑经验。
一句话讲清聊天机器人和 AI 助手的区别:一个只会列餐厅,一个能帮你建日程、加待办、再去订位。想理解为什么大家都在做 Agent 类产品,这条推文是最直白的入门解释。
写代码变快了,发布管控却常被忽略,这条帖子把灰度、度量、回滚四个必答题列得很清楚。做智能体编码或者用 Claude Code、Cursor 干活的开发者都该对照检查一下自己的发布流程,避免上线翻车没退路。
Apify 的 Run 会上讲了 MPP 这个协议,能让你的智能体自己掏钱买服务,不用你手动审批。跟 Stripe x402、AP2 是同一方向。做智能体的开发者可以留意,付费调用 API 这块迟早用得上。
做智能体的朋友可以看看这个思路:给你的 Agent 单独配一个邮箱,收到回复就自动唤醒、带上完整邮件线程和历史记录接着干。比定时轮询省事多了,做客服类 Agent 的话基本可以直接抄这套工作流。
写代码交给 Agent 之后,测试怎么跟着改?Matteo Vaccari 给出的答案是测试写成数据而不是代码,方便人审和机器读。做 AI 辅助开发的工程师值得看看这套思路。
The non-obvious lesson is that stripping LLM calls out of steps where rules suffice was as important as adding retrieval, a design decision most teams skip. QA leads and engineering managers designing LLM pipelines for internal tooling can use the flow-by-flow review method as a checklist. Japan's DeNA is not an ASEAN player, but the closest concrete comparison is the 50% effort reduction benchmark, which teams can measure their own QA automation against.
开发者 Elvis 分享了一个反直觉用法:不拿 agent 堆功能,而是拿它精简软件。他用 SQLite 加文件做记忆,就搭出个人级 agent,思路对想自己动手做工具的人很有参考价值。
不会 Blender 的人用 Claude 写脚本驱动 Blender,再用 Seedance 出片,30 分钟搞定。这条流程把三维制作门槛拉到几乎为零,想做视频内容、想试 AI 工作流的人都值得照着跑一遍。
Centralising agent steering files changes how teams maintain consistency: rules and skills get updated once instead of per-repo, and cross-project tasks become one agent session instead of several. Engineers juggling monorepo alternatives or many small repos can copy this setup in minutes with only AGENTS.md path pointers. It pairs well with tools like Claude Code or Cursor that read AGENTS.md conventions, and it suits remote teams standardising agent behaviour across projects.
Kling AI 访谈了韩国导演 TaeWoo Kang,他讲怎么让 AI 生成的视频显得有生命感,细节比主体更关键。做过社交爆款也接过政府机构的 AI 影片项目,他的经验对玩 AI 视频的创作者挺有参考。
有人把两段提示词公开了,能让 Agent 自己找有户型图没3D看房的客户,然后做样品、搭建可浏览的3D住宅、验收再交付。想做Agent接单生意的话,这套获客加交付的提示词模板可以直接拿来改。
一位开发者只用户型图加几张照片,就让 Claude Fable 5.2 在浏览器里生成了还没建成的房子的 3D 漫游,还自动录了视频。原文附了完整 prompt,做建筑可视化或想玩 3D 生成的可以直接照抄。
Alan Nicolas 公开了一整套可直接复用的提示词,输入户型图和照片就能产出手机上能走的 3D 房子。亮点是那个独立 Critic 验收机制和固定种子防回退的做法,做建筑可视化或想学多角色提示词编排的人都该收藏。
一个做了半辈子音乐的前电影配乐师,用 Fable 5.2 花一周晚上时间写出了自己的 DAW,带 Ableton Push 支持和会一起作曲的智能体。做音乐、做设计的可以看看,说不定你也该造个自己的工具。
有人把 MiniMax H3 Image 玩出了漫画工作流:题材、分镜、网点、拟声词全做成可换参数,换一下就出整页新漫画。模板免费公开在回复区,想批量产漫画页或研究排版控制的话直接抄走改。
有人拿 Fable 5.2 和 Opus 5.5 同台比拼 3D 动画制作,从零做完整条视频。想做无真人出镜 YouTube 频道的话,可以看看两个模型实际产出的差距再决定用哪个。
有人把 Fable 5.2 和 Opus 5.5、GPT-6.1 Sol、Gemini 4 Carbon 跑了 6 组同题测试,速度差多少、谁便宜近 5 倍都摆出来了。正在纠结选哪家的可以照着自己的场景对号入座。
整理了 10 个 Fable 5.2 的真实用例:有人一条提示词做出完整浏览器游戏,有人拿它改 Roblox 项目和 3D 动画。想快速出游戏原型或交互 demo 的人可以直接抄这些玩法,比抽象评测直观多了。
这篇拆了 5 个用 Fable 5.2 做出来的作品:科技公司势力地图、玩家扮鬼的反向史酷比游戏、质感网页菜单。看点不在工具本身,而在"一句话讲清创意"这个思路,做 AI 创作的人可以对照着找选题。
有人拿Fable 5.2跑了13项真实测试,做骑龙游戏、改大型代码库、剪视频都行,但画漫画和写对话会翻车。难得的是失败案例也放出来了,想做游戏或用AI改代码的人可以看看它到底靠不靠谱。
有位博主用 Claude Fable 5.2 录了 8 分钟教程,从零做出一个网站,还号称值 5 万美元。带英语和西班牙语字幕,想学 AI 建站的可以看看人家的提示词怎么写的,省自己摸索的时间。
有人把用 Claude Fable 5.2 建站的完整流程录成了 8 分钟教程,从下提示词到出成品一步步演示,还配了中英西字幕。想用 Claude 做前端接单或自己搭站的可以直接照着抄作业,比啃文档快多了。
一个完全不会写代码的人,靠 Fable 5.2 和 Opus 5.5 反复看截图改 bug,几天做出了 2 倍 Skyrim 体量的游戏。8.5 万次工具调用、19347 张截图自查,这套批评循环工作流值得直接抄。
这条推文最值钱的地方是对比:同样是 Fable 5.2,5 个人分别只拿它写代码、接引擎、重做老游戏、全流程生成。想做独立游戏的可以照着自己的技术栈抄作业,尤其推荐看 Loktar 那个美术全交给模型的案例。
Greg Isenberg 把他测 Fable 5.2 时用的 12 个提示词全公开了,都是围绕赚钱和效率的场景,像氛围制造、营销工程这些。想找现成提示词模板直接套用的,可以照着改。
Greg Isenberg 实测 Claude Fable 5.2 后整理出 12 条能直接拿来赚钱的提示词,覆盖营销工程和 AI 原生服务。想拿模型跑业务而不是做评测的人可以直接抄这套工作流。
这条推短但观点很戳:服务不好用就现场让 Claude 搓一个,替换成本几乎为零。做 SaaS 或卖工具的人看完会有紧迫感,用工具的人可以试试这个思路。
HashiCorp 创始人公开了小团队怎么把 agent 审查嵌进开发流程:不开 PR 直接 push main,发布靠 15 分钟 Slack 倒计时兜底,平台对齐不靠开会。如果你在琢磨 AI 时代工程团队该怎么组织,这篇比大多数空谈方法论的文章具体得多。
有人用 Claude Fable 5.2 加 10 条提示词,让 Claude Code 从零写出一个 220KB、3400 行的沙漠巨虫游戏,地形和特效全是代码画的。跟需要美术资源的游戏开发比,这条路径省掉了素材环节。想试 vibe coding 或者做网页小游戏的人,代码已开源可以直接扒。
有人把 Fable 5.2 和 Opus、Gemini、GPT、Kimi 用同一批提示词跑了 10 组对比,连速度和成本都算进去了。做选型的人可以直接抄这套评估维度,还能看看强模型规划加小模型执行怎么省钱。
The interesting part is that a single prompt encodes an entire production pipeline — script, voiceover, scene layout and rendering rules — so model differences surface as creative judgement rather than code quality. Anyone making faceless YouTube Shorts or explainer content can replicate it with a free local stack and a mid-range GPU. Teams comparing frontier coding agents get a concrete, reproducible side-by-side of Opus 5.5 versus Fable 5.2 on a creative task, though one run per model says little about consistency.
宝玉分享的个人用法,把用 AI 当成带实习生:定目标和验收标准,结果差就查是上下文、工具还是模型的问题。适合想让 AI 独立干活的人,比抄提示词模板更能帮你定位问题出在哪。
The non-obvious point is that context files and skills are maintenance liabilities that age badly as models improve — a leaner setup can outperform a heavily engineered one. Developers running Claude Code or similar agent setups should audit their rules periodically and use this checklist as a ready-made audit prompt. Compared with manual rule reviews, delegating the inventory-and-confirm flow to the agent itself makes the cleanup repeatable across projects.
Fable 5.2 刚发布,5 个用户案例走的是完全不同的路:有人让它写代码改绘画引擎,有人一句提示词就出了游戏,最快的 10 分钟做完一支预告片。想做视频、做游戏、玩生成工具的人都能从中挑到适合自己的用法。
有人在用 Fable 5.2 把达·芬奇500年前的手稿做成可交互作品,还有人用它做折纸,这个任务以前模型一直做不好。5个案例横跨音乐、长视频和空间结构,想找创作灵感的可以看看大家怎么测它的。
dotey 分享了一个实用心法:别问 AI 会什么,直接给目标,要求拉高,再补足上下文和工具。类比带员工的方式很好懂,还提醒模型每次升级后可以回头重试老任务。常和 AI 协作干活的人都该看看。
Only the latest 2000 items are listed; for older ones see the daily archive