儿子让我给他做个画画游戏，他的需求：能够画画，能够调整颜色，能够擦除，还有画册。我先用Claude Code实现了一版，之后他又提出了通过语音控制自动画的功能。我就添加了语音识别，以及创建了几个预置的图案。后来想干脆加上AI绘画能力，调用了Claude Sonnet 4模型，由大模型根据提示词生成一些图案的线条，然后在画板上绘制出来。在调试时，发现Claude Code有些鬼撞墙，一直更新代码文件失败，后转到Cursor里使用GPT5继续完善，最终效果还可以。

这是神策MCP的介绍文章：mp.weixin.qq.com

一位客户朋友跑通了Trae+神策MCP+GPT5，AI分析的时代已经到来。

昨晚看了apple发布会视频，最打动我的一个体验点是自拍照的横竖屏切换功能。通过一块方形的大传感器，同时满足横屏和竖屏的需求，这样自拍时，如果人多需要拍横屏，不需要把手机横过来，能够AI自动识别人多的场景切为横屏，也可以点击按钮切换。

有没有在用Posthog的Session Replay的朋友？最近新做了个AI Agent，用于代替人做回放分析，感兴趣的朋友可以私聊我，体验最新的AI能力。

每次参加Linkloud活动，都有一种穿越感，风景这边独好。

大模型会推理吗？看了Deepmind团队Denny Zhou的讲座醍醐灌顶。我过去倾向于认为模型本身不具备推理能力，无非是通过一些训练做概率强化。但在他的分享里，把推理的过程分析的很透彻，推理能力是模型本身所具备的，无非是如何激发出来。

结合他的分享，我更好的理解了知识、推理、执行三者的关系。模型本身具有推理能力，需要被激发，背后的逻辑是任务可以被分解，而子任务本身是可以被模型生成的，这样只要问题本身是可推理解决的，那么只要做足够的激发，都能够给出正确答案。

但是有些问题本身不是靠推理能力本身所解决的，比如汉武帝出生的具体时间精确到秒，这就不是推理能解决的了。假设我们有这个知识，只要作为输入提供给大模型，这样大模型就能输出正确答案了，这就是引入联网搜索的价值。有些知识是模型本身拥有的，有些是没有的。

我们如果要让大模型完成一项淘宝下单买双运动鞋的任务，这就需要执行能力了，不然大模型即使知道具体访问哪个网址点哪个按钮，但没有执行的API权限也搞不定，需要生成代码或调用现成的工具。

试了试Qwen今天发的图片编辑大模型，按提示词修改的能力挺强，第一张图是原始图片，第二张图是提示它改为女人骑在狗身上，并去除背景和加上透明通道。图像动作比较到位，但背景处理不行。在同事的建议下，先让它生成绿幕背景再抠图去背景，开始用的绿幕+openCV效果不太好，主体发绿且边界处理不理想。后来换成了生成白色背景+rembg库，效果很满意，也就是第三张图。

用GPT 5 thinking做的一张图表，分析理想、华为问界、小鹏、蔚来四家车企的分车型销量情况，可以看到理想L6，问界M8、小鹏M03都是过去一年来冒出的主力销量车型，现在的竞争局面真的很激烈。

做个小调研，各位在开SUV的朋友们，还在开啥能源车？1、燃油，2、混动/增程，3、纯电。

昨晚和儿子一起做了个火车站乘车小游戏，分别用Manus、Cursor Agent、Claude Code实现了一把，初始提示词一致，后面调整不太相同。对比来看，Manus做出来的成熟度最高，我还试了生成图片的版本，想做到游戏级别还很困难，但能多一些场景效果。Cursor Agent开始的时候发现许多模型由于在国内不能用了，调整网络配置后才解决。Claude Code用sonnet 3.7和4分别实现了一版，感觉4明显要好。

模型本身的能力，Agent实现机制的差异，对最终效果都会产生影响。