即刻App年轻人的同好社区
下载
26 00
谷歌看起来要发布 Veo 4 了，也有可能是其他的名字。
类似 Seedance 2.0 的全能参考，支持对视频进行：修改参考和内容替换
质量上看起来，在文字生成上要比 Seedance 2.0 稍微好点，但在其他方面看不出更好的质量，可能在清晰度和细节上也会稍微好点。
类似 Seedance 2.0 的全能参考，支持对视频进行：修改参考和内容替换
质量上看起来，在文字生成上要比 Seedance 2.0 稍微好点，但在其他方面看不出更好的质量，可能在清晰度和细节上也会稍微好点。
00:20
6 29
Claude Code 昨天更新了一个新的功能：Agent 视图。你可以在一个终端标签页里管理多个正在运行的 Agent。
你可以启动新的 Agent 并将其放在后台，Agent 视图会标注每个 Agent 的状态，包括：已完成、需要输入、正在进行。
你可以通过以下两种方式打开 Agent 视图：
1. 在任何会话点按左箭头
2. 直接在终端运行命令 `claude agents`
在视图中，每一行代表一个 Agent，会显示当前的对话、是否需要你的输入，以及该 Agent 上一次回复的大概内容。
你可以在视图里查看详细的对话信息，也可以直接进行回复。
如果你想将现有的会话加入到 Agent 视图中，可以使用 `/bg` 命令。这个功能对于需要开启多窗口或运行长期任务的场景非常有用。
你可以启动新的 Agent 并将其放在后台，Agent 视图会标注每个 Agent 的状态，包括：已完成、需要输入、正在进行。
你可以通过以下两种方式打开 Agent 视图：
1. 在任何会话点按左箭头
2. 直接在终端运行命令 `claude agents`
在视图中，每一行代表一个 Agent，会显示当前的对话、是否需要你的输入，以及该 Agent 上一次回复的大概内容。
你可以在视图里查看详细的对话信息，也可以直接进行回复。
如果你想将现有的会话加入到 Agent 视图中，可以使用 `/bg` 命令。这个功能对于需要开启多窗口或运行长期任务的场景非常有用。
17 02
前 OpenAI CTO Mira 的公司 Thinking Machines 发了一个非常创新的模型，他们叫交互模型。
这个模型能够持续接收音频、视频、文本等原生的多模态内容，并且实时进行思考、响应和行动。
它不像之前那种 Agent 脚手架，把多个模型、多个模态的模型通过 Agent 串起来，而是所有模态都在一整个模型里。
这样就可以让用户和 AI 在任意模态下实时进行交互：
你可以随时打断它，随时进行补充，AI 会实时关注你的状态，输出结果，不会像之前一样，必须等一句话结束了才能跟模型交互。
核心思路就是把交互部分训练到了模型里。他们从零训练的这个交互模型主要包括两部分：
前台交互模型：
(a) 一直在线，一直在听、看和读用户提供的内容
(b) 每 200 毫秒作为一个节点，同时处理输入并产出一小段输出
(c) 负责照顾用户的在场感，支持用户打断、插话，并能对屏幕和视频内容做出反应
后台推理模型：
(a) 用来处理需要持续推理、工具调用以及长上下文、长规划的任务
(b) 交互模型会在合适的时候，将推理模型的结果放回到对话里，不会插入突兀的内容
用户最终看到的结果，就是一个既能实时交互，又能够处理重度任务的界面。
详情：thinkingmachines.ai
这个模型能够持续接收音频、视频、文本等原生的多模态内容，并且实时进行思考、响应和行动。
它不像之前那种 Agent 脚手架，把多个模型、多个模态的模型通过 Agent 串起来，而是所有模态都在一整个模型里。
这样就可以让用户和 AI 在任意模态下实时进行交互：
你可以随时打断它，随时进行补充，AI 会实时关注你的状态，输出结果，不会像之前一样，必须等一句话结束了才能跟模型交互。
核心思路就是把交互部分训练到了模型里。他们从零训练的这个交互模型主要包括两部分：
前台交互模型：
(a) 一直在线，一直在听、看和读用户提供的内容
(b) 每 200 毫秒作为一个节点，同时处理输入并产出一小段输出
(c) 负责照顾用户的在场感，支持用户打断、插话，并能对屏幕和视频内容做出反应
后台推理模型：
(a) 用来处理需要持续推理、工具调用以及长上下文、长规划的任务
(b) 交互模型会在合适的时候，将推理模型的结果放回到对话里，不会插入突兀的内容
用户最终看到的结果，就是一个既能实时交互，又能够处理重度任务的界面。
详情：thinkingmachines.ai
02:15
17 25
来了！藏师傅的 PPT Skill 更新了第二套主题
新主题更加简洁美观，适合讲一些数据和事实性的内容
而且支持 4 种颜色、20 多个版式。
支持用 Codex 内置的 GPT-2.0 帮你生成配图和美化截图。
还能让它帮你生成各种平台的封面，以及公众号配图。
文章里详细讲了一下怎么用，还有一些小技巧：mp.weixin.qq.com
新主题更加简洁美观，适合讲一些数据和事实性的内容
而且支持 4 种颜色、20 多个版式。
支持用 Codex 内置的 GPT-2.0 帮你生成配图和美化截图。
还能让它帮你生成各种平台的封面，以及公众号配图。
文章里详细讲了一下怎么用，还有一些小技巧：mp.weixin.qq.com
02:27
34 59
当前 AI 产品演进已经确立了一个清晰的行业共识：
采取数据与表现分离的架构，以 Markdown 负责底层逻辑与记忆的纯净存储，用 HTML 实现对外的高密度交互与展示。
这个思路的脉络是，前几天借着 Obsidian 作者提出 Markdown 是 AI 内容谢林点的观点，我发散讨论了当前 AI 原生格式主要分为 Markdown 和 HTML。
刚好今天 Claude Code 的作者也发文印证了这一点，他提到自己主要的对外分享形式已经全面转向 HTML。这两位前沿开发者的观点结合在一起，非常完整地勾勒出了这套方案的底层逻辑。
在这个架构中，Markdown 的绝对角色是底层的逻辑和记忆。所有的事实性内容都必须使用 Markdown 存储，它作为核心的底层 Memory，是最适合作为原始数据的载体。
而 HTML 则全面接管了表现层和对外展示。Markdown 最大的缺陷在于篇幅变长后极难阅读和理解，但 HTML 可以通过精细的排版组织、空间定位和视觉元素，达到极高的信息密度，同时还能支持极其丰富的可交互形式。
HTML 也有明显痛点，极不适合做状态的版本控制。
在产品的迭代过程中，HTML 不能作为原始数据直接供 AI 消费。因为它内部混杂了大量的代码结构和样式等非事实类内容，这不仅会让人类在审阅版本差异时面临巨大的噪音，也会让 AI 浪费大量的 Token 额度。
所以构建 AI 产品的核心就在于彻底分离数据层和表现层。底层数据应该继续以 Obsidian 这种成熟的 Markdown 组织形式为核心运转；
而在遇到需要对外分享或交流的场景时，再将内容渲染为 HTML，并部署到类似 S3 这样的平台上，让用户拥有一键打开就能直接消费的顺滑体验。
未来的 AI 产品也必然会沿着这条数据与表现解耦的路径继续发展。
Claude Code 的作者原文：x.com/trq212/status/2052809885763747935
采取数据与表现分离的架构，以 Markdown 负责底层逻辑与记忆的纯净存储，用 HTML 实现对外的高密度交互与展示。
这个思路的脉络是，前几天借着 Obsidian 作者提出 Markdown 是 AI 内容谢林点的观点，我发散讨论了当前 AI 原生格式主要分为 Markdown 和 HTML。
刚好今天 Claude Code 的作者也发文印证了这一点，他提到自己主要的对外分享形式已经全面转向 HTML。这两位前沿开发者的观点结合在一起，非常完整地勾勒出了这套方案的底层逻辑。
在这个架构中，Markdown 的绝对角色是底层的逻辑和记忆。所有的事实性内容都必须使用 Markdown 存储，它作为核心的底层 Memory，是最适合作为原始数据的载体。
而 HTML 则全面接管了表现层和对外展示。Markdown 最大的缺陷在于篇幅变长后极难阅读和理解，但 HTML 可以通过精细的排版组织、空间定位和视觉元素，达到极高的信息密度，同时还能支持极其丰富的可交互形式。
HTML 也有明显痛点，极不适合做状态的版本控制。
在产品的迭代过程中，HTML 不能作为原始数据直接供 AI 消费。因为它内部混杂了大量的代码结构和样式等非事实类内容，这不仅会让人类在审阅版本差异时面临巨大的噪音，也会让 AI 浪费大量的 Token 额度。
所以构建 AI 产品的核心就在于彻底分离数据层和表现层。底层数据应该继续以 Obsidian 这种成熟的 Markdown 组织形式为核心运转；
而在遇到需要对外分享或交流的场景时，再将内容渲染为 HTML，并部署到类似 S3 这样的平台上，让用户拥有一键打开就能直接消费的顺滑体验。
未来的 AI 产品也必然会沿着这条数据与表现解耦的路径继续发展。
Claude Code 的作者原文：x.com/trq212/status/2052809885763747935
38 617
最近把你的户外照片做成“法天象地”效果的图片非常火。
他们大多是生成的图片，但我试了一下，直接生成视频的效果会更好。
优化了一下提示词，主要是 GPT-Image-2.0 加上 C-Down 3.0。图片的提示词我放在视频后面了。
他们大多是生成的图片，但我试了一下，直接生成视频的效果会更好。
优化了一下提示词，主要是 GPT-Image-2.0 加上 C-Down 3.0。图片的提示词我放在视频后面了。
00:19
41 69
Codex 越来越猛了，昨天更新增加了内置的谷歌浏览器插件，可以直接控制你的谷歌浏览器执行任务。
而且它可以在后台跨浏览器页面并行工作，不耽误你正常使用浏览器。所谓“并行工作”，指的是你可以启动多个子 SubAgent 帮你操作多个网页。
我试了一下，发现最厉害的一点是：它不仅可以控制 Chrome，任何基于 Chromium 的浏览器都是可以的。比如我这里用的是 Dia 浏览器，我在 Dia 浏览器安装了一个插件，它就可以直接控制我的 Dia 浏览器。
具体如何使用呢？
在 Codex 的插件库里找到 Chrome 这个插件。
点击添加，随后它会引导你打开浏览器插件的安装页面。
点击打开并安装即可。
安装完成后就可以直接给它下达任务了。这种支持并发且不影响用户原生操作的体验真的很爽。而且 Mac 和 Windows 都支持。
而且它可以在后台跨浏览器页面并行工作，不耽误你正常使用浏览器。所谓“并行工作”，指的是你可以启动多个子 SubAgent 帮你操作多个网页。
我试了一下，发现最厉害的一点是：它不仅可以控制 Chrome，任何基于 Chromium 的浏览器都是可以的。比如我这里用的是 Dia 浏览器，我在 Dia 浏览器安装了一个插件，它就可以直接控制我的 Dia 浏览器。
具体如何使用呢？
在 Codex 的插件库里找到 Chrome 这个插件。
点击添加，随后它会引导你打开浏览器插件的安装页面。
点击打开并安装即可。
安装完成后就可以直接给它下达任务了。这种支持并发且不影响用户原生操作的体验真的很爽。而且 Mac 和 Windows 都支持。
76 2420