即刻App年轻人的同好社区
下载
藏师傅这篇文章告诉你，26年开年两个月AI到底发生了什么… 另外简单说下最近的体感吧：
1、其实现在我是有点焦虑的，而且不只是我，身边这波AI弄潮儿朋友们很多都开始焦虑了，只有当你深入其中，理解了Agent 体系，你才能发现这个变化到底意味着什么。（AI发展的速度真的很快…快到AI KOL们都追不上）范式转移深度和速度远超想象…
2、在这个时代，「知道做什么」和「什么值得做」越来越重要…
3、之前一直在想AI平权，AI平权…现在才悲哀地发现AI从来不会平权，它只会越来越往越往资源最集中的个人or团队中去。一个有能力有资源会使用能够无限使用Claude Opus4.6等顶级模型的人或者龙虾，不断进化，差距不断会拉开… 寒门再无贵子或许有点悲观但没有一个更合适的词能够去表达，一种“认知-资源”双重马太效应。
4、过年期间，如果不是Agent 还在自主跑着干活，感觉「休息」都有一种负罪感，留着token 不燃烧，就好比在浪费生命。
5、未来最重要的生产力单元和认知主体，可能不再是“个人”，而是“个人+其Agent团队”构成的复合智能形态
或许，社会将基于个体和系统适应AI变革的速度，分裂成不同的“时间阶层”。
1、其实现在我是有点焦虑的，而且不只是我，身边这波AI弄潮儿朋友们很多都开始焦虑了，只有当你深入其中，理解了Agent 体系，你才能发现这个变化到底意味着什么。（AI发展的速度真的很快…快到AI KOL们都追不上）范式转移深度和速度远超想象…
2、在这个时代，「知道做什么」和「什么值得做」越来越重要…
3、之前一直在想AI平权，AI平权…现在才悲哀地发现AI从来不会平权，它只会越来越往越往资源最集中的个人or团队中去。一个有能力有资源会使用能够无限使用Claude Opus4.6等顶级模型的人或者龙虾，不断进化，差距不断会拉开… 寒门再无贵子或许有点悲观但没有一个更合适的词能够去表达，一种“认知-资源”双重马太效应。
4、过年期间，如果不是Agent 还在自主跑着干活，感觉「休息」都有一种负罪感，留着token 不燃烧，就好比在浪费生命。
5、未来最重要的生产力单元和认知主体，可能不再是“个人”，而是“个人+其Agent团队”构成的复合智能形态
或许，社会将基于个体和系统适应AI变革的速度，分裂成不同的“时间阶层”。
歸藏: 过年都在写这个，尝试梳理 2026 年的 Agent 发生了什么变化 我过年写了一篇一万字的文章，如果你最近很焦虑建议看看。 我会尝试告诉你这一个月 AI 领域发生了什么，为什么大家都这么焦虑。这些变化可能会带来什么影响 文章太长，这里直接看吧：https://mp.weixin.qq.com/s/z7zNi_DayzevcTe0EUTv5g
4 00
刚刚，OpenClaw官方推荐接入Kimi模型来跑自己的OpenClaw Bot~
在大家被元宝刷屏前，给大家准备了详细的 Kimi接入指南，一步一图，包教会的！
还可以让你的bot加入moltbook Agent群聊！
在大家被元宝刷屏前，给大家准备了详细的 Kimi接入指南，一步一图，包教会的！
还可以让你的bot加入moltbook Agent群聊！
OpenClaw官方推荐！手把手教你用 Kimi K2.5 打造24小时 AI 助手（超详细，附700+ Skills资源）
3 01
腾讯，终于要发力了…
腾讯的春节活动设计得真绝：分享得奖励、邀请得次数、做任务还能继续抽……
把“社交货币”和“增长黑客”的逻辑玩到了极致。
传统的裂变往往是赤裸裸的“求砍一刀”，让人产生社交压力。但这次，“分享红包，邀好友来领”。把一个“拉人头”的行为包装成了“发福利”的行为。
在春节这个节点，发红包是刚需，而且奖品池里的QQ音乐、美团券等“惊喜权益”，通过元宝一个App，为腾讯整个生态进行存量用户的唤醒和交叉引流。
每个环节都在激励你去传播。这就是为什么说，最强的营销不是广告，而是让用户自己去帮你打广告……这是在教我们什么叫'病毒式营销'。接下来微信群里怕是要被这玩意儿刷屏了。
这个裂变的速度会非常快，可以想象到，近一段时间，微信群的聊天记录里，腾讯元宝的分享链接会超过实际聊天内容…
腾讯的春节活动设计得真绝：分享得奖励、邀请得次数、做任务还能继续抽……
把“社交货币”和“增长黑客”的逻辑玩到了极致。
传统的裂变往往是赤裸裸的“求砍一刀”，让人产生社交压力。但这次，“分享红包，邀好友来领”。把一个“拉人头”的行为包装成了“发福利”的行为。
在春节这个节点，发红包是刚需，而且奖品池里的QQ音乐、美团券等“惊喜权益”，通过元宝一个App，为腾讯整个生态进行存量用户的唤醒和交叉引流。
每个环节都在激励你去传播。这就是为什么说，最强的营销不是广告，而是让用户自己去帮你打广告……这是在教我们什么叫'病毒式营销'。接下来微信群里怕是要被这玩意儿刷屏了。
这个裂变的速度会非常快，可以想象到，近一段时间，微信群的聊天记录里，腾讯元宝的分享链接会超过实际聊天内容…
2 30
PPT 这件事，本质是「思考的外化」
AI 如果只是帮你偷懒，那产出一定会打折。
但如果它能帮你把思考结构表达得更清楚，那价值就完全不一样。
Dokie 给我的感觉，正是后者。
它不会让你失去表达能力。
它会逼你想清楚你到底要讲什么。
而当你想清楚了，它能把这件事，做得比你手动更稳、更好。
所以如果你：
经常要做 PPT、对表达质量有要求、不满足于“能看”、想要“能讲、能用、能交付”，
那我真心建议你去试试 Dokie。
工具只是工具。
但好工具，会让你愿意多讲一句话。
AI 如果只是帮你偷懒，那产出一定会打折。
但如果它能帮你把思考结构表达得更清楚，那价值就完全不一样。
Dokie 给我的感觉，正是后者。
它不会让你失去表达能力。
它会逼你想清楚你到底要讲什么。
而当你想清楚了，它能把这件事，做得比你手动更稳、更好。
所以如果你：
经常要做 PPT、对表达质量有要求、不满足于“能看”、想要“能讲、能用、能交付”，
那我真心建议你去试试 Dokie。
工具只是工具。
但好工具，会让你愿意多讲一句话。
实测Dokie：真正好用的 AI PPT，一定离不开对话！
3 00
1 00
AI生成内容的事实性如何进行核查？
经常有朋友问用AI做搜索、调研或是生成内容，如何保证它的事实性？
这里结合自己平时经验以及刘润老师的观点给大家提供几个思路，我们可以先把核查标准定清楚，再让 AI 把文章里所有“可能出错的事实”逐条抽出来，最后按信源等级逐项验证，给出可修改的结论。
一、先统一信源分级
没有标准就没有核查。可以用四级框架：
1、一级信源优先，包含权威学术期刊、政府与监管部门统计、国际组织数据、顶级研究机构正式报告。
2、二级信源可接受，包含行业协会、知名咨询机构、重视声誉的主流媒体与专业出版物。
3、三级信源要谨慎，公众号评论、博客、论坛、社交媒体帖子、研讨会转述等通常都在这一层。
4、四级信源直接禁用，匿名爆料、无法追溯的“内部消息”、强广告倾向结论、明显立场先行且不给证据的论断，都不要出现。
二、拆列事实清单
核查最麻烦的点叫“颗粒度”。你到底查到多细？只查关键数据，还是每个细节都过一遍？想把这件事做成流程，第一步永远是让 AI 从文章里“抽取事实清单”，而且要尽量细，宁可多，不可漏。
刘润老师给了一个很实用的事实类型划分，你可以直接沿用五类：定量信息（数字、百分比、金额、排名、日期时间）；实体信息（人名、组织、公司、品牌、地点、型号）；事件与行为（谁在何时何地做了什么）；属性与特征（功能、规格、客观特性）；引用与声明（谁说过什么、文件/报告的结论、可追溯的观点表述）。
三、逐项核查
按信源等级搜索与比对。
这里有两个小技巧：先把每条事实改写成更利于检索的表达，带上关键实体、时间范围、指标口径；再从一级到三级逐级找证据。
你会发现“信源白名单”并不万能，因为用户输入可能是某个细分行业分析或学术内容，预设的媒体范围覆盖不到。更稳的路径是沿着事实追“原始出处”，再查“引用链”，确认它不是 A 引 B、B 引 C、C 其实是推测的空心结构。
四、把核查结果分状态输出，方便修改
可以用四类：已核实；核实存在偏差（数字接近但口径不同、时间范围不同、单位不同）；与信源相悖（高等级信源给出不同结论）；无法核实（按既定路径找不到支撑，或需要付费数据库、内部数据才能确认）。依此作为后续编辑修改的基础。
目前国内的AI搜索引擎返回的弱相关结果很多，再不做太多工程化的前提下，输出的结果事实性还是需要注意的，
各位如果有什么实用的技巧，欢迎分享在评论区~
经常有朋友问用AI做搜索、调研或是生成内容，如何保证它的事实性？
这里结合自己平时经验以及刘润老师的观点给大家提供几个思路，我们可以先把核查标准定清楚，再让 AI 把文章里所有“可能出错的事实”逐条抽出来，最后按信源等级逐项验证，给出可修改的结论。
一、先统一信源分级
没有标准就没有核查。可以用四级框架：
1、一级信源优先，包含权威学术期刊、政府与监管部门统计、国际组织数据、顶级研究机构正式报告。
2、二级信源可接受，包含行业协会、知名咨询机构、重视声誉的主流媒体与专业出版物。
3、三级信源要谨慎，公众号评论、博客、论坛、社交媒体帖子、研讨会转述等通常都在这一层。
4、四级信源直接禁用，匿名爆料、无法追溯的“内部消息”、强广告倾向结论、明显立场先行且不给证据的论断，都不要出现。
二、拆列事实清单
核查最麻烦的点叫“颗粒度”。你到底查到多细？只查关键数据，还是每个细节都过一遍？想把这件事做成流程，第一步永远是让 AI 从文章里“抽取事实清单”，而且要尽量细，宁可多，不可漏。
刘润老师给了一个很实用的事实类型划分，你可以直接沿用五类：定量信息（数字、百分比、金额、排名、日期时间）；实体信息（人名、组织、公司、品牌、地点、型号）；事件与行为（谁在何时何地做了什么）；属性与特征（功能、规格、客观特性）；引用与声明（谁说过什么、文件/报告的结论、可追溯的观点表述）。
三、逐项核查
按信源等级搜索与比对。
这里有两个小技巧：先把每条事实改写成更利于检索的表达，带上关键实体、时间范围、指标口径；再从一级到三级逐级找证据。
你会发现“信源白名单”并不万能，因为用户输入可能是某个细分行业分析或学术内容，预设的媒体范围覆盖不到。更稳的路径是沿着事实追“原始出处”，再查“引用链”，确认它不是 A 引 B、B 引 C、C 其实是推测的空心结构。
四、把核查结果分状态输出，方便修改
可以用四类：已核实；核实存在偏差（数字接近但口径不同、时间范围不同、单位不同）；与信源相悖（高等级信源给出不同结论）；无法核实（按既定路径找不到支撑，或需要付费数据库、内部数据才能确认）。依此作为后续编辑修改的基础。
目前国内的AI搜索引擎返回的弱相关结果很多，再不做太多工程化的前提下，输出的结果事实性还是需要注意的，
各位如果有什么实用的技巧，欢迎分享在评论区~
1 00