刚发现即梦4.0有个限制：提示词不能超过800字。

原本计划用JSON格式的提示词来生成小红书封面，结果字数爆表了。

解决方案：先把提示词翻译成英文，用Nano Banana生成初版，再通过即梦4.0转换成中文风格。最终效果还不错！

AI人脸换妆，效果还挺不错的，想要提示词的可以评论区留言。

我最近观察了一下身边那些真正用AI用得溜的人，发现一个有趣的现象：他们都在用语音输入。为什么？

其实道理很简单，无非是两个核心问题：

第一个问题：效率差距太大了

你算算账就知道了。正常人说话，一分钟能蹦出200-300个字，但是打字呢？就算你是程序员，手速再快，一分钟也就100字左右。这是3倍的效率差距啊。

第二个问题：信息损失太严重

这个更关键。打字其实是对你思维的"有损压缩"，而语音是"无损"的。

什么意思？你想想，当你打字的时候，你会自动过滤掉那些"嗯"、"啊"、"就是说"，会把颠三倒四的表达整理成逻辑清晰的句子。看起来是优化了，但实际上丢失了很多信息。

就像deepseek的推理模型一样，那些看似"不完美"的表达——语序颠倒、自我纠正、重复强调——其实都是上下文的一部分。AI掌握了这些"毛糙"的信息，反而能生成更完整、更贴合你真实意图的内容。

最新图像编辑模型大PK，阿里和字节算是扬眉吐气了！

任务1：物体移除 > "移除桥梁"
获胜者：SeedEdit 3.0 和 Qwen Image Edit

任务2：角度变换 > "展示女人和猫的正面视角"
获胜者：Qwen Image Edit

任务3：背景编辑 > "将背景改为丛林"
获胜者：SeedEdit 3.0 和 Seedream 4

任务4：文字编辑 > "将'seven'改为'eight'"
获胜者：FLUX.1 Kontext [pro] 和 Nano Banana

任务5：风格转换 > "将这张图转换为油画风格"
获胜者：Nano Banana

GitHub官方整理的39个常用MCP，涵盖了Markitdown、Context7、Playwright、Firecrawl、Elasticsearch等多个实用项目，点开图片查看说明。

分享两个我一直在用的AI提示词，效果拔群：

🔍 "请站在更高维度分析"
🔥 "不用刻意迎合我"

刚才用GPT-5分析智能体市场，帮我从二维象限，拓展到了五维视图，有助于打开思路。

第二句话更关键。AI默认只会迎合你，加上这句它就敢给你泼冷水，经常能戳中盲点。

我现在深度思考必用这两句，推荐你也试试。

👊 拆穿 5 个关于 AI 排名的 SEO 大谣言：

1. “写文章要用特别的方式，LLM 才能理解”
错。大模型训练数据里有海量的自然语言：对话、书籍、网页、社交媒体。它们学会了真实的语言模式、语境和俚语。
这意味着模型对错别字、口语化语法、日常表达都很耐受。换句话说：它们就是为了处理正常人类语言，而不是死板的“SEO腔”写作。

2. “加个 llms.txt 文件能提高在 AI 搜索里的曝光”
错。llms.txt 不是排名因素，它只是一个建议标准，用来告诉 AI 模型哪些内容可以用、哪些不能用，而且大多数模型根本不会理会。
发布这个文件不会让你在 AI 答案里更常出现。真正能提升可见度的，是在不同网站、社区和可信来源里塑造品牌叙事，而不是一份文本文件。

3. “AI 会可靠地用 schema 标记生成答案”
错。Schema 只是提示，不是保证。很多 LLM 并不会稳定解析 schema，甚至在内容冲突时会忽略 schema，更可能参考上下文或其他非 schema 信息。
所以，光有 schema 不代表就一定会被生成答案引用。

4. “LLM 只是从谷歌第一页结果里抓答案”
错。AI 答案并不是单纯照搬 SERP。确实有一定重合，但差别很大：
• Perplexity：82% 重合
• Google AI 模式：35%
• ChatGPT：28%
除此之外，还有 40% 的 AI 答案来自 Reddit 和其他社区。
也就是说，光靠排在第一页还不够，要想在 AI 里被看见，你得在论坛、新闻、细分社区里都有存在感。

5. “要有特别的技巧才能进 AI Overviews”
错。谷歌已经明确说了，没有什么隐藏的“黑科技”。AI Overviews 用的还是和自然搜索一样的基本逻辑：高质量、相关性强、权威的内容。
如果你的网页本来就在传统搜索里表现不错，就有机会进入 AI Overviews。真正重要的是：清晰度、专业性和可信度，而不是花哨的套路。

看了朱啸虎最近的分享，有三点感悟：

1. 小模型崛起：从"大力出奇迹"到"小而美"
GPT-5的发布让业界清醒认识到：大模型的边际效应正在递减。
当算力投入与能力提升不再成正比，小模型凭借其速度快、成本低、体验佳的优势脱颖而出。
"用小刀雕出大师作品"正成为AI时代的稀缺能力——通过精巧的提示词工程和深度微调，让小模型达到大模型的效果。这在企业端尤为明显，因为企业更看重性价比而非纯粹的技术指标。
这带来一个利好：AI应用不会轻易被大模型"降维打击"，创业者有了更长的时间窗口去打磨产品。

2. 多模态爆发：从文字到感官的全面革命
"当AI学会说话和看图，世界将被重新定义。"
一个月前，我在Upwork（全球最大外包平台）上观察到一个有趣现象：AI电销机器人的开发需求井喷。如今的语音生成技术已经跨越可用线，不仅音色逼真，连语气停顿都惟妙惟肖。
Seedream 4.0和Nano Banana在图像一致性上的突破，让AI生成的图片达到"照片级真实"。视频生成的奇点，或许就在明天。

3. AI应用的壁垒，恰恰不在AI本身
朱之前就提到Agent的壁垒主要体现在工程化能力上，如何让产品更可控、更稳定、体验更好，是AI之外的能力壁垒。
这次谈到了要做“无聊但有价值的脏活累活“，这和我之前分享的关于做个“杠杆型服务机构”不谋而合：
* 第一步：找到B端的真痛点，亲自下场干脏活，在实践中积累know-how
* 第二步：依托技术能力，实现自动化
* 第三步：打包成解决方案，规模化复制
优秀的AI应用=专家知识+技术能力，是"行业智慧的数字化结晶"。

我发现了个超赞的开源项目，🌟84.9k stars！

收集了各种AI工具的系统提示词，包括Cursor、Manus、Lovable、V0、Augment这些热门工具，已经有20多个了，而且一直在更新。

对搞AI的朋友来说，这简直是个宝库——能看到各种AI工具的底层设计思路，对优化自己的产品肯定有帮助。

地址在这：github.com

一文教你把 AI 生成的流程图“变好看”

大模型画流程图常见三宗罪：节点挤、分支乱、配色土。

下边这个方案带你彻底解决（附提示词）⬇️⬇️⬇️

1、核心思路（极简版）
让模型输出合法的 draw.io XML；
预设配色/形状/方向/间距等“审美参数”；
给清单式流程数据（节点+分支+标签）；
导入drawio文件并下载流程图。

2、大模型生成结构化数据
提示词：帮我生成一个关于[主题]的流程文档，可能包含：起点、步骤、判断、终点等要素，示例：电商退货流程，
• 起点：开始：用户申请退货
• 步骤：商家接收申请
• 判断：退货原因？（质量问题→商家承担运费；非质量问题→用户承担运费）
• 判断：检查退回商品？（符合→退款成功；不符合→拒绝退款）
• 终点：流程结束

3、“审美参数”设置
复制提示词直接使用：你现在是“draw.io 流程图生成器”。请根据“流程数据”生成可导入 diagrams.net 的 .drawio（XML）：
1）根节点必须包含：<mxfile><diagram><mxGraphModel><root>；并包含 id=0 和 id=1 的默认单元。
2）每个节点用 <mxCell vertex="1" parent="1">，包含 <mxGeometry x y width height as="geometry">。
3）连线用 <mxCell edge="1" parent="1" source= target= style="endArrow=block;html=1;strokeColor=#4A5568;strokeWidth=2;">，并在 value 写条件文字（如 Yes/No）。
4）样式按如下审美参数：方向 Top→Down；节点形状/颜色按我给定；节点间距 y=100、x=220；统一圆角样式 rounded=1;whiteSpace=wrap;html=1;。
5）只输出 XML 内容（从 <?xml ...?> 到 </mxfile>），不要解释、不要 Markdown 代码块。

4、保存drawio文件
如果你的大模型无法直接生成drawio文件，则打开txt文档，将生成的代码粘进去并修改文件后缀为.drawio

5、导入与导出
- 导入：打开 app.diagrams.net → 文件(File) → 导入(Import) → 从设备选择 .drawio 文件
- 编辑：可以左右拖拽节点、对齐布局、添加 Logo 或注释说明
- 导出：文件(File) → 导出为(Export as) → PNG / SVG（记得勾选“透明背景”“高分辨率”）
- 小技巧：在菜单中选择“调整图形 → 布局 → 垂直流” 可以一键理顺布局，让图更整齐

6、获取示例模版
好看的流程图＝结构清晰 + 审美预设 + 可编辑。
用这套 Prompt 模板，你能让 AI 一步产出“可导入、可微调、可导出”的成品图。
如果需要我把模板 + 示例打包成 .drawio 源文件合集，评论区扣「流程图」。