AI Tutorials

教程示例

把工具教程拆成能直接上手的小任务。别光收藏教程然后吃灰,照着做一遍才算数。

已发布 201 篇

推荐教程

178 篇重点教程

内容类型

示例 / 文档 / 文章

适合节奏

10-40 分钟快速试跑

Library

全部教程

当前展示 201 篇教程,按原始发布时间倒序排列。

2026/11/11视频教程难度 低推荐

B站:灵姐说AI|MOSS-Live全双工语音交互实战:接入 API,点餐、换货、配电脑,临时改口能接住吗?

杯奶茶只改第一杯,卫衣从退货改成换 L 码,配电脑聊到一半把预算从两万降到八千。我把 MOSS-Live API 接进三个自己搭的网页,现场试试临时改口之后,AI 能不能接着聊,页面能不能跟着改。 本期是我和模思智能 MOSS 的付费合作。三个场景都来自实际录制,点餐单、换货单和电脑报价均为应用生成的演示草稿。 我主要看三件事:它有没有听对改动的对象,有没有保留之前说好的条件,最后页面上的结果对不对。 • 堂食点餐:两杯奶茶分别记糖度和冰量,临时只改第一杯。 • 电商售后:从申请退货改成换 L 码,核对赠品去留并保存换货草稿。 • 电脑顾问:预算从两万降到八千,用途改为剪辑,看看怎么调整配置和报价。 • API 实操:从场景、业务资料和规则讲起,拆开语音会话、页面更新和草稿保存的接法。 00:00 三场实测预告 00:21 MOSS-Live 与全双工语音 01:15 堂食点餐|第一杯奶茶改去冰 03:08 电商退换货|从退货改成换 L 码 05:03 电脑顾问|预算从两万改到八千 08:34 API 接入实操|场景、资料与应用动作 10:35 还能把实时语音用在哪 MOSS-Live 官网体验 https://www.moss.cn/models/moss-live MOSS API Playground https://platform.moss.cn/app/playground/ 实时交互接入指南 https://platform.moss.cn/docs/scenarios/moss-live/ 录制时 MOSS-Live 1.0 限时免费。当前额度和计费说明 https://platform.moss.cn/docs/models/moss-live/ 如果只能把语音接进一个流程,你会先什么? #MOSSLive #全双工语音 #语音AI #API实战 #灵姐说AI

20 分钟查看用法
2026/11/10视频教程难度 低推荐

B站:AI超元域|🚀世界最强AI!深度实测Claude Fable 5.2!价格更低、速度更快!7大场景真实测评,从前端编程到Unity 3D游戏开发到Godot 4游戏开发

视频简介: Claude Fable 5.2只开Medium推理,复杂场景竟然做到这一步?7个案例现场实测:清明上河图船只过桥、圣家堂彩窗光影、Unity童话世界、Godot三关海战,还有直接播放的配乐动画 给AI一张童话图片,它能不能做成真的可以走进去逛的场景?这次Fable 5.2交出了Unity项目,我直接运行给大家看。还有从炮击海盗、遭遇海妖到迎战海怪的三关海战,最后一路开到金银岛。 本期一共展示7个案例,全部在Claude桌面版测试,推理级别选Medium。先逛像素天空城堡,切换昼夜、寻找飞艇;再进入清明上河图虹桥,看船只放倒桅杆过桥、路人走动和沿街叫卖。接着去圣家堂,看看外部建筑、内部彩窗和第一人称探索效果。后半段重点展示ChatGPT图片转Unity场景,以及用Godot开发的海战流程,观察弹道、镜头切换和战斗细节。 最后再播放四季变化和艺术发展史动画,听听配乐、看看动作。开头也解释了此前把版本称为Fable 5.5的情况。本期主要看项目运行与成片表现,模型之间的比较属于我的使用体验,具体完成度以视频展示为准。你最想看哪个案例继续展开,欢迎留言。

20 分钟打开教程
2026/11/06视频教程难度 低推荐

B站:灵姐说AI|把 AI 聊天提示词变成能力:我的GPT经验闭环实操|Loop|RSI| Codex

你和 AI 聊过的需求、纠正、改稿和最终结果,可能就是一份还没整理过的工作方法库。 这一期,我用自己在 Codex 中的真实对话,演示怎样把提示词、关键过程、成果与反馈整理成 MD 文档,让过去的经验持续参与下一次工作。 我也会分享另外一条线:把这些方法交接给别人,再借助 AI 训练方法背后的思维框架。AI 更理解你的做事方式,人也更理解自己为什么这样做。 这期你会看到: • 如何提取本机可访问的 Codex 提示词和对话记录 • 怎样把输入、成果与反馈接成个人经验闭环 • 如何提炼业务知识、资产和有条件的经验 • 把方法迁移到另一台电脑、交接给另一个人时,怎样用真实任务检验 • 六组思维训练:目标还原、结构分析、条件抽象、能力组合、证据诊断、反馈与迁移 时间轴 00:00 为什么聊天记录里藏着你的工作方法 02:20 提取提示词,建立本地方法库 03:31 把输入、成果与反馈接成闭环 07:18 第二张流程图:经验如何参与下一次工作 09:55 把方法交接给另一个人 12:20 六组思维训练:把方法变成自己的能力 14:21 人与 AI 的共同认知与协同 这里的“升级”,指经验、上下文、Skill 和工作流程的持续改进;是否有效,需要放到真实新任务中验证。本期提取演示以本机实际可访问的 Codex 记录为范围。 你更想先试哪条线:让 AI 复用自己的工作经验,还是用 AI 训练自己的思维方法?欢迎在评论区聊聊。 #Codex #ChatGPT #AIAgent #提示词 #工作方法 #灵姐说AI

20 分钟打开教程
2026/10/28视频教程难度 低推荐

B站:灵姐说AI|我把 Codex 额度和 Tibo 重置消息做成了菜单栏电池!剩多少,抬头就知道

用 Codex 时,你是不是也总要点开使用情况,看看还剩多少额度? 我给自己的 Mac 做了一块“Codex 电池”:剩余额度、账号周期倒计时,抬头就能看。 📦 灵姐说 AI Github同款工具与复刻资料 开源项目:https://github.com/Carolyn-ai/codex-battery Mac 安装包:https://github.com/Carolyn-ai/codex-battery/releases/latest 完整复刻提示词:https://github.com/Carolyn-ai/codex-battery/blob/main/PROMPT.md 本期带你看: • 把 Codex 的真实剩余用量显示在菜单栏,像看电池一样安排任务。 • 将账号周期倒计时和公开重置消息分开,不把公告当成到账。 • 用未读、已读和醒目提示区分消息状态,并追溯原帖。 • 把环境检查、刷新频率、异常状态和个人保留线写进需求。 • 回看我这次的安装过程,理解一段复刻提示词怎样组织。 • 从额度电池继续往前想:邮件待办、会话状态、内容雷达和上传完成,能不能汇总成自己的 AI 工作提醒台? 我的判断标准很简单:读数要有真实来源,未知就显示未知;账号周期和公开公告分开,提醒要能查到依据。 ⏱ 章节 00:00 开场:反复查看额度的烦恼 00:43 先看电量管家的效果 02:09 把需求说清楚 06:47 本次安装过程 07:36 扩展成 AI 工作提醒台 09:32 Gmail 补录:最新进展 09:52 资料与结语 如果做一个你自己的 AI 提醒台,你最想先放哪类提醒?欢迎在评论区告诉我。 #Codex #AI工具 #灵姐说AI

20 分钟打开教程
2026/10/23视频教程难度 低推荐

B站:灵姐说AI|十年前的床头灯遇到GPT,怎么连键盘也玩起来了?|灵姐实玩AI硬件

十年前买的床头灯,除了照明、换颜色,还能做什么? 我请GPT帮忙写程序,又把一把磁轴键盘拉了进来。它们的玩法,开始有点不一样了。 这是我的AI硬件DIY系列第一集。先从手边还在正常工作的Yeelight旧灯和飞智FS68键盘开始,把想法说给AI,做出来,再对着实物一点点调。 这期一起玩: • 旧灯连上电脑,跟随正在播放的音乐变换明暗和冷暖色。 • 用字母按键弹《小星星》,用A键的按压深度驱动油门音效。 • 10到1倒计时、CAT亮键互动,看看键盘还能怎样回应人。 • 把灯和键盘编排成一场双设备合奏,试试接力和碰撞的感觉。 • 最后聊聊本地程序、接口与ESP32各自做什么,以及我想继续做的AI演播室。 我判断这些玩法有没有做出来,看的是实物能否按要求响应:颜色和明暗有没有明显差别,按键、声音和灯光能不能对得上。 章节 00:00 身边物件,能玩出什么? 02:09 旧夜灯,重新参与音乐 05:48 一把键盘,多种玩法 12:36 两个物件,一场合奏 15:24 下一步:AI演播室(构想) 17:55 GPT、ESP与硬件:原理与下一步 本期灯和键盘主要复用BLE/USB接口,由本地程序控制;ESP32是原理说明和后续DIY路线,并未装进这两件设备。实时随音乐变化的灯效与预先编排的合奏是两种玩法;AI演播室是下一步构想。 如果把AI交给你家的一件东西,你最想让它多出什么本事?评论区留一个「物件+玩法」,我会从大家的提名里找下一期的灵感。 这里是灵姐说AI / Ling Talk AI。想继续看想法怎样变成实物,欢迎订阅。 #AI硬件 #GPT #ESP32 #灵姐说AI#磁轴键盘#飞智#小米#Yeelight

20 分钟打开教程
2026/10/17视频教程难度 低推荐

B站:灵姐说AI|Gemini 4 Argon 五项实测:从黑洞、赛车到查报告,值得换主力吗?PK GPT6

这次,Gemini 4 Argon 让我有点想回头了。 从黑洞、桌面赛车、火箭模拟,到三年报告审计和一小时长视频核查,我拿五个具体任务,看看它交出的结果到底怎么样。 我的判断标准很简单:创作任务要好看、能交互;专业任务要准确、完整、能追溯,交付形式也要贴合问题。 这期你会看到: • 五个升级点,以及为什么 API 单价不能直接等同于任务成本。 • App、网页与 Antigravity 的实际切换体验,还有让我不太顺手的细节。 • 黑洞交互、办公桌照片变赛车、火箭设计与发射:视觉表现、还原度和可玩性怎么样? • 三份斯坦福 AI Index 年度报告:怎样追踪趋势、核对版本和解释看似矛盾的数据? • 一小时长视频:提取观点和统计数字,读懂图表,再核对口头表达与画面信息。 • 当 AI 开始争夺完整工作环境,我们选择主力工具时,还要考虑哪些迁移成本? 片中的比较基于这五个具体任务、当次输出和我的实际使用感受。部分 GPT 对照实际使用 6.1 Sol、极高推理档,具体型号与模式见画面标注。视觉审美、可玩性和当次交付体验属于个人判断;这组案例不能直接推出所有任务上的模型排名。黑洞与火箭作品也以交互演示和游戏体验为主,未据此验证严格的物理精度。 章节: 00:00 Gemini 4 Argon:这次测什么 01:28 五个升级点:能力、价格与任务成本 08:02 真实体验:App、网页与 Antigravity 11:13 实测一:黑洞交互与视觉效果 13:35 实测二:办公桌照片变赛车游戏 16:03 实测三:火箭设计、发射与回收体验 19:44 实测四:三年 AI Index 报告的证据与口径 22:56 实测五:长视频数字、图表与跨模态核查 27:28 三个趋势:入口、整合与迁移成本 32:03 我的综合判断:会重新选择 Gemini 吗? 你目前最想让 AI 做好哪件事:3D 创作、报告研究,还是长视频核查?如果只选一个主力,你最看重什么?欢迎在评论区告诉我。 #Gemini4 #Argon #AI实测 #灵姐说AI

20 分钟打开教程
2026/10/15视频教程难度 低推荐

B站:灵姐说AI|GPT 当导演,Meta Muse 来拍片:两个 AI 协作拍出一部短片?|Muse Agent 视频生成

Muse 视频生成深度实测:我让 GPT 当导演,再让它操作 Meta Muse,制作了一部灾难短片《断桥:最后一班列车》。两个 AI 从策划到重拍,究竟能配合到哪一步? 这期先和大家一起实测 Muse 的视频生成:粉色飞狗、青花瓷礼服、水龙对决、咖啡杯里的海盗船、街头说唱老太太,还有图生视频的幼龙场景。再来看一个更有趣的玩法——让 GPT 负责剧本、参考图和分镜,实际操作 Muse 生成镜头,再完成审核、返工和剪辑。 你会看到: • 文生视频和图生视频的实际效果; • 短片段续拍时,人物、服装和场景能不能接得上; • 中文对白、音乐和环境声的表现; • GPT 怎么操作 Muse,并通过多个窗口推进生成; • 《断桥》V1 到 V2:手部、行驶方向和故事逻辑出现了哪些问题,又怎样反馈重拍; • 怎么继续改进制作与审核流程,把这套协作思路用到别的任务里。 我的判断标准很简单:画面好看只是起点,还要看人物是否一致、动作与空间逻辑能不能接上、声音和画面是否匹配,以及修改之后有没有真正变好。片中会保留样片、操作过程和遇到的问题,大家可以直接看结果。 时间轴 00:00 Muse 使用体验与这期的玩法 02:27 Muse 视频生成实测:文生、图生与续拍 12:37 让 GPT 当导演,策划《断桥》 14:09 GPT 实际操作 Muse:生成、审核与多窗口协作 18:14 V1 / V2 样片、审片重拍与流程复盘 Muse 入口:https://muse.ai/ 你用 Muse 生成过什么视频?最惊喜、最翻车的结果分别是什么?欢迎在评论区跟我分享。如果觉得这期有趣有料,也欢迎订阅「灵姐说AI / Ling Talk AI」。 #Muse #Meta #GPT #AIAgent #AI视频生成 #灵姐说AI

20 分钟打开教程
2026/10/13视频教程难度 中推荐

B站:灵姐说AI|一条视频讲清RSI:AI怎样才能越用越聪明?| 递归自我改进 |蒸馏 |强化学习 | 监督微调 |预训练

AI 这次终于做对了,下次却又要从头来。怎样让今天得到的经验,真正进入下一轮? 这期我们把 RSI——递归自我改进——从日常使用讲到模型研发:先分清改一次答案、改外部工作方法、改模型内部能力这三个层次;再看反馈怎样经过出题、诊断、训练和新题验收,成为下一代真正可用的能力。一个会犯错的旧模型,为什么仍可能参与改进下一代?它做出的材料又该由谁核验? 中间还会讲到预训练、监督微调、强化学习、蒸馏,以及 Skill 怎样从“保存后复用”走向能审计、复盘和升级的工作方法。最后,我们把这套思路带回个人工作:做真实任务,留下结果和证据,找出差距,更新知识、规则和工具,再用下一次任务检验是否真的变好。 章节: 00:00 为什么这次做对,下次还得重来? 01:02 三层改进与 Skill 的自我升级 05:26 模型怎样学会新能力 10:37 从错因到新版本:训练与验收 14:24 AI 改 AI,递归从哪里开始? 16:49 把这套方法带回自己的工作 你最希望 AI 在下一次任务中用上的,是一次纠错,还是一套有效的方法?欢迎在评论区讲一个具体例子。 #RSI #递归自我改进 #大模型 #AI学习 #灵姐说AI

20 分钟打开教程
2026/10/09视频教程难度 低推荐

B站:灵姐说AI|GPT-6把答案变成了可点击界面|Intelligent UI实测与判断 | Tibo28 天计划 Day3

GPT-6开始把回答组织成能点击、能选择、能操作的界面了。 我用麻将认牌做了一次实测,看看Intelligent UI能怎样帮助我们学习和完成任务。 这期是Tibo 28天计划的Day 3。我先看官网的智能界面案例,再用自己的网页端实测,看看它怎样把一个学习需求变成可以操作的练习。 视频里你会看到: • 旅行、衣橱和知识学习等案例,怎样把信息组织成图像、卡片与交互组件。 • 我怎样提出“不要长篇规则、给我牌面、让我逐步认牌”的任务。 • 麻将认牌练习的实际点击、选项和反馈。 • 模型、组件库、编译与训练怎样共同影响界面的生成。 • 我对按需生成的小工具、软件入口和Agent工作生态的判断。 我的判断标准很简单:界面要帮助人理解和操作,也要看实际等待、结果是否合适,以及它能否降低使用门槛。 这次提示词要求“三分钟认识基础麻将牌”,生成等待约6分58秒。这是一次认牌练习体验,不能等同于三分钟学会完整麻将规则。官网案例和本人实测分别展示。 00:00 开场 01:05 01 智能界面 03:32 02 入口与学习 04:55 03 怎么生成界面 06:00 04 麻将认牌实测 08:25 05 按需生成的交互 10:32 06 4000万与产品方向 13:31 收尾 资料: OpenAI GPT-6与Intelligent UI:https://openai.com/index/gpt-6-for-everyone/ Tibo Day 3原帖:https://x.com/thsottiaux/status/2107913674593644711 重置卡到账说明:https://x.com/thsottiaux/status/2108040921044639779 灵姐说AI|有观点,也有温度。 #GPT6 #ChatGPT #智能界面 #IntelligentUI #灵姐说AI

20 分钟查看用法
2026/10/08视频教程难度 低推荐

B站:灵姐说AI|GPT 深度推理+Jev/Laya 快速决策:我如何搭起 AI 协作闭环?

每一次判断,都让大模型从头想一遍,真的划算吗? 这期我用 GPT 的深度推理,配合 Jev / Laya 的快速判断,搭了一个能对照、复盘和检验方法的工作台。 先看一个 BTC 决策工作台,再从这个案例走进混合模型的方法论和实际搭建过程。 你会看到: • GPT 等通用推理角色,与 Jev / Laya 等快速决策角色怎样分工。 • 同一份冻结行情如何交给三路,先存答案,再用未来事实检验。 • 教师如何复盘分歧,也重新审视快速模型的判断依据。 • 候选方法怎样回传,并与原方法做同题对照。 • 经过检验的方法,怎样沉淀为 Skill 并装入 Harness。 • 从定义问题、跑通模型到记录、模拟账户与未来检验的八个实操阶段。 我的判断标准:方向判断成绩、费用后的模拟账户净值、延迟和可靠性要分开看;短期表现不足以证明长期有效,新方法没有改善就不更新。 章节 00:00 把深度思考变成快速判断 00:32 BTC工作台:三路同题与未来检验 03:18 模拟账户:费用与证据边界 04:48 两类模型为什么要分工 06:00 双向复盘:教师也要重新思考 08:26 同题对照:候选方法如何检验 09:17 有效方法沉淀为Skill与Harness 10:13 实操:准备模型与搭建工作台 12:08 八个阶段:从可核对的问题开始 14:01 新方法接受未来检验,再决定更新 14:59 把方法带到你的任务里 说明 BTC 行情是真实公开数据,买卖使用模拟账户,并计入费用与滑点。本片讨论模型协作方法,不承诺盈利,也不构成投资建议。 本例通过 Skill / Harness 回传与复用方法,没有训练模型权重。片中“蒸馏”按方法迁移理解,不能等同于完成参数蒸馏。 GPT 用于构建、设计与深入复盘;高频运行由既定规则和决策路线承担,并非 GPT 每五秒回答全部路线。Jev 与 Laya 是不同模型与部署方式。 你最想把这种“深想+快判”的分工用在哪件重复任务上?欢迎在评论区聊聊。想看复刻手册,也可以留言告诉我。 #ChatGPT #AI模型 #Skill #Harness #灵姐说AI

20 分钟打开教程
2026/10/08视频教程难度 低推荐

B站:灵姐说AI|OpenAI 四连更,真有用还是凑数?Meetings 实测|Tibo 28天计划 Day 2

OpenAI 一口气更新了四件事,哪些真的值得用,哪些让人无感? 这期我把 Meetings 从安装、录音到生成任务核对表的过程放给大家看,再聊聊另外三项变化,以及 Tibo 的 28 天计划。 我主要看三件事:操作顺不顺、等待体验怎样、最后能得到什么可用的结果。实际用下来,有方便的地方,也有让我觉得还不够成熟的地方。 本期内容: - Auto-review 免费:省的是自动审批审查的用量,任务本身仍会消耗额度。 - API 用量等级调整:五个付费等级变三个,最高档升级门槛降低,和调用单价是两回事。 - Meetings 实测:用一场单人模拟会议,生成行动项、负责人、截止时间和录前核对表。 - Decisions API:看看入口、判断类型和模板,聊聊快速判断在 AI 工作流里能做什么。 - Tibo 28 天计划:为什么功能体验未必惊艳,这套更新玩法却能让大家追着看? Meetings 是我的初次体验,演示使用单人模拟会议。Decisions 因演示账号没有可用积分,未取得实际返回结果,也没有做独立测速。 这四项里,你最看好哪一项?后面更想看 Meetings 的深度体验,还是 Jev/Laya 这类判断模型的实际应用?欢迎在评论区告诉我。 #OpenAI #ChatGPT #Codex #Meetings #Decisions #灵姐说AI

20 分钟打开教程
2026/10/02视频教程难度 低推荐

B站:灵姐说AI|我把本地 GPT 的能力「蒸馏」给 Dot,两个 AI 开始互相干活

这期我把本地 GPT(Codex)和云端 Dot 接起来,实测两件事:把本地工作方法和技能「蒸馏」交给云端;让两端分别拿到照片与行程,合作完成一条约 30 秒的旅行短片。 你会看到: • Dot 的本地连接按钮变灰时,我怎样排查连接和网络问题。 • 两个助手怎样交换上下文、委派任务、互相求助和审查成果。 • 本地技能怎样整理成云端可以接收、运行的轻量包。 • 把照片给本地 GPT、把行程记录给 Dot,两端怎样接上剪辑任务。 • 最后直接播放短片,检查故事主线、画面和文字是否对得上。 我的判断标准很简单:资料是否真正收到、轻量测试能否执行、最终能否交出可播放的作品。 章节: 00:00 让本地 GPT 与云端 Dot 协作 01:41 打通本地与云端:连接与网络排障 04:04 双助手如何协作:派工、求助与审查 09:25 能力蒸馏:把本机工作方法交给 Dot 12:28 轻量技能包:上传、接收与验证 14:35 两个 AI 合剪旅行短片 17:09 播放结果:故事、画面与文字是否对得上 18:07 下一期:Loop 与多 Agent 协同 你最想让两个助手合作做什么:整理资料、审核成果,还是制作视频?欢迎在评论区说说你的场景。下一期继续聊 Loop 与多 Agent 的协同。 复用提示词(根据本期思路整理,按你的设备与指定任务调整): 连接诊断:请检查我这台 Mac 的本地 GPT/Codex 与指定 Dot 的连接。先区分电脑离线、连接未授权、按钮不可用和后台网络不通,保留实际错误;再提出能验证的修复办法。已有授权内可执行的步骤完成后,做一次指定任务的读文件往返测试,报告实际收到的消息、文件和仍缺的人工步骤。不要把“在线”当作任务已执行。 网络诊断:如果仍连不上,请从当前路由、代理/VPN、DNS、连接日志和后台连接状态排查原因。根据实际证据提出网络设置方案;涉及新增访问权限或更改系统网络配置时先说明具体改动。修复后重新测试 Dot 与指定本地任务的往返。不要仅凭一个状态标签宣布成功。 #ChatGPT #Codex #Dot #AIAgent #灵姐说AI

20 分钟打开教程
2026/10/01视频教程难度 低推荐

B站:灵姐说AI|实测Dot后,我才看懂OpenAI这次DevDay的布局 | Dot vs Muse

实测 Dot 后,我把 OpenAI 这次 DevDay 的七个发布串成了一条线:ChatGPT 正在从回答问题,走向理解上下文、调用工具、持续推进任务的个人工作入口。这是我的判断,这期用实际体验拆给你看。 我先梳理 DevDay 的发布主线,再上手 Dot,测试账号连接、邮件代办、语音交互和复杂任务;也用同类问题对照 Meta Muse,看看两者在反应速度、任务深度和上手门槛上的差异。最后分享我正在实践的一套工作流思路:怎样把 Dot、ChatGPT、云端环境、GitHub 和飞书接起来。 这一轮体验里,Dot 仍有卡顿,语音交互与操作确认也有需要打磨的地方;但它处理复杂任务的能力,让我重新理解了这次 DevDay 的发布。片中的比较只针对我的测试场景;工作流部分先讲方法,完整搭建我会在后续视频展开。 ⏱️ 视频时间轴 00:00 精彩预告:实测之后看懂 DevDay 00:40 开场:这期要回答什么 01:51 七个发布,怎样串成一条主线 05:19 Personal Agent 争的是什么 12:33 Dot 上手:连接账号与邮件代办 15:35 语音同题实测:Dot 与 Muse 的体验差异 20:27 复杂任务实测:AI 工作系统的雏形 23:19 Dot、ChatGPT、GitHub 与飞书的工作流思路 29:14 Dot 与 Muse:优势、局限和适合谁 你更希望个人 AI 助理先接手哪件事:处理邮件、跟进项目,还是推进内容生产?欢迎在评论区告诉我,我会挑有代表性的场景继续实测。 灵姐说AI · Ling Talk AI #OpenAI #Dot #AIAgent#Muse#meta#grokbot

20 分钟打开教程
2026/09/28视频教程难度 低推荐

B站:灵姐说AI|GPT-6 接管我的 Mac,自己画画:Luna 起稿,Sol 接力

画笔我没动,Mac 上的画却一笔笔出现了——这次,我让 GPT-6 直接操作绘图工具,画出一条肚子里装着城市的机械鲸鱼。 从聊创意,到选画笔、画形状、填颜色,这个“让 AI 驱动电脑干活”的过程,完整给你看。 大家好,欢迎来到灵姐说AI。这次我把 Mac「手记」里的绘画任务交给 GPT-6:先在 Chat 里聊画什么,再切到 Work,让它通过 computer use 操作软件。 我先让 Luna 起稿,再切到 Sol 继续细化。你会看到它怎样画轮廓、补建筑、选颜色,也会看到我觉得效果一般后,它怎样改用形状和色块再画一版。 这期一起看: • 怎么把一句模糊的创意,聊成可以动手的绘画任务。 • GPT-6 怎样在 Mac 的软件里操作画笔、形状与颜色。 • Luna 起稿、Sol 接力,画布上实际发生了什么变化。 • 人提出新要求后,AI 怎样继续修改和调整做法。 • 当 AI 能替你操作软件,接下来还有哪些任务值得试? 我的判断标准很简单:先看它能不能把操作和画作完成,再看最后的效果是否达到我的要求。这次它完成了画作;但我期待的视觉冲击力,还没有完全达到。 【视频章节】 00:00 GPT-6 驱动 Mac 画画|8 秒预告与开场 01:19 先聊创意:画什么? 02:58 Luna 先画草图 04:09 Sol 接力细化 05:00 第一版画得怎样? 05:17 换个画法,再来 07:00 成稿验收 07:34 工具与模型:这次怎么判断? 08:01 你还想让 GPT-6 做什么? 本期展示的是人提出要求、选择方向并反馈,GPT 在软件内执行绘画的过程。Luna 与 Sol 的表现仅限这次具体任务;片尾关于换用更专业绘图软件的想法,还没有做对照验证。 如果 GPT 能替你操作 Mac,你最想让它先做哪件事?评论区留一个「软件名+任务」,我来挑一个继续试。 喜欢看 AI 在真实电脑里动手干活,欢迎订阅灵姐说AI。 #GPT6 #Mac #ChatGPT #ComputerUse #灵姐说AI

20 分钟打开教程
2026/09/20视频教程难度 低推荐

B站:灵姐说AI|一条视频讲透“蒸馏”:Claude为什么怕蒸馏?普通人如何自我“智能蒸馏”?

Claude 为什么如此在意“蒸馏”?AI 想学走的,可能不只是一个答案,还有推理过程、工作方法,以及人做判断的经验。 这期从 Anthropic 的蒸馏报告讲起,用“老师教学生”的比喻拆解模型蒸馏,再回到普通人能用的场景:怎样把与 AI 合作时的修改、取舍和反馈,沉淀成下一次可以复用的方法。 你会看到: • 我从报告案例中归纳的 7 种路径:答案、推理、Judge、Replay、影子老师、中转站、Pipeline。 • 为什么推理过程、工具调用和真实任务,比孤立的答案包含更多学习线索。 • 我的实际示范:用 Codex 梳理三期节目的修改链,提炼可复用的方法包。 • 从设计师审美、文创方案反推到电商投放,人的判断如何进入反馈循环。 • 从模型训练延伸到 Skills、SOP、知识库和 Agent 协作,理解能力可以沉淀在哪里。 我的判断标准是:提炼出的方法能否在新任务上派上用场,能否减少重复解释,并经得起人的反馈与结果验证。 章节 00:00 这期要讲清楚什么 00:26 从 Anthropic 蒸馏报告说起 04:29 蒸馏的本质:把智能过程变成可复用能力 06:12 答案蒸馏:老师做题,学生学习 07:26 推理蒸馏:比答案更有价值的过程 08:34 Judge 蒸馏:让强模型当评委 10:54 Replay 蒸馏:重做真实用户任务 12:46 影子老师:谁在后台回答 15:37 中转站与对话数据 16:47 Pipeline:从老师到数据工厂 18:07 技术扩散与模型护城河 19:56 人的纠错和取舍为什么有价值 23:20 我的实操:从三期节目提炼方法包 26:13 企业数据、模型能力与专家判断 28:24 设计师如何沉淀审美与反馈 29:39 从文创方案反推制作路径 30:45 电商投放:用效果数据继续纠偏 32:25 从个人方法到 Agent 团队协作 33:24 五个层级,重新理解蒸馏 说明 报告涉及公司的行为与规模,属于 Anthropic 的披露、归因和指控;本期不把它们当作独立审计结论。片中的“7 种路径”和后续层级是我的讲解归纳。 经典模型蒸馏涉及学生模型训练;这里说的“蒸馏自己”,主要是提炼方法、规则、知识与工具流程,并不等于已经把个人能力训练进模型参数。个人方法包仍需在新任务上检验。 对话是否用于模型训练,取决于具体产品、设置与约定,不能从“免费”直接推断。 参考资料 Anthropic 2026 年 9 月报告: https://www.anthropic.com/threat-intelligence-report-september-2026 Anthropic 2026 年 2 月声明(与 9 月统计口径不同): https://www.anthropic.com/news/detecting-and-preventing-distillation-attacks 经典论文:Distilling the Knowledge in a Neural Network https://arxiv.org/abs/1503.02531 如果让 AI 学会你的一项工作方法,你最想留下哪一项?欢迎在评论区告诉我。 #AI蒸馏 #Claude #人工智能 #AI工作流 #灵姐说AI

20 分钟打开教程
2026/09/11视频教程难度 低推荐

B站:灵姐说AI|GPT-6 视频剪辑实测:普通 Vlog 的创作大法!同一段开箱,剪出特工、喜剧、广告?| Astra 实战系列 | Open AI |Codex

同一段普通的 MacBook 开箱,交给 GPT-6 Astra,能剪出特工、喜剧、广告三种风格吗? 这期我用一段开箱素材,实测 GPT-6 的视频剪辑、动画包装与配乐能力。第一轮的风格差异不够明显,继续沟通调整后,再看三版结果究竟有什么不同。 你会看到: • 为什么拼接不同来源的素材,容易遇到人物不一致的问题; • 特工版如何用近景快切、双窗观察和倒计时制造悬念; • 喜剧版如何用表情突推、三格回放和开箱反转做出节奏; • 广告版如何用材质近景、几何转场、大字动效和慢开盖增加仪式感; • 我这次调整推理强度的使用感受,以及日常 Vlog 素材再创作的思路。 我更关注的是:同一段素材经过剪辑、动效和配乐之后,能不能真正传达出三种不同的意图。 章节: 00:00 本期实测:GPT-6 视频与动画 00:28 挑战:把普通开箱重新剪一遍 00:52 原始素材:MacBook 开箱 01:21 素材选择与人物一致性 01:55 一段素材,三种创作方向 02:28 第一轮不够好,如何继续调整 03:14 特工版:快切、双窗与倒计时 03:44 喜剧版:表情突推与三格回放 04:08 广告版:材质、转场与大字动效 04:37 推理强度与 Token 使用感受 05:04 日常 Vlog 的再创作思路 特工、喜剧、广告,你最喜欢哪一版?如果把你手机里的一段日常视频交给 AI,你想把它剪成什么风格?评论区聊聊。 #GPT6 #Codex #AI视频剪辑 #AI动画 #灵姐说AI

20 分钟打开教程
2026/09/10视频教程难度 低推荐

B站:灵姐说AI|GPT-6 把3张图变成3D世界,我真的走进去了 | Astra 实战应用系列

我把3张互不相连的平面画交给 GPT-6,做出了一座可以从卧室一路走到咖啡座、再走向星空的3D小镇。这次,直接带你走进去。 本期用梵高的《卧室》《夜间露天咖啡座》和《星月夜》作为测试素材,展示 GPT-6(Astra)通过 Three.js 编码,把平面画面重建、拼接成可漫游空间的效果。 视频里你会看到: • 原画与三维重建结果的对应关系 • 三个独立场景如何用巷道、街道和坡路连接 • 第一视角连续漫游:卧室 → 咖啡座 → 星月夜 • V1/V2版本对比:星空笔触、柏树造型与艺术表达 • 从这个案例延伸出的户型布局、商品展示、交互式说明书等应用设想 这次重点看三件事:原图特征有没有保留、场景能否连续连接、走进去后的空间体验如何。 时间轴 00:00 GPT-6 平面转3D,这次做到了什么 00:36 三张不相连的画,能拼成一个空间吗 01:37 原画与3D重建效果对照 02:11 卧室、咖啡座与星空如何连接 02:45 从画作想到空间设计 03:28 开始漫游:从卧室走向星空 04:38 V1/V2对比:笔触与造型如何调整 05:56 户型、商品与交互式说明书的应用设想 06:45 你还想让GPT-6把什么变成3D 本片展示的是艺术化的三维重建与空间拼接,并非原画的逐像素复刻;户型、商品和说明书属于片中讨论的延伸方向,尚未在本片逐项实测。 如果交给 GPT-6 三张图,你最想把什么变成可以探索的3D空间?欢迎在评论区告诉我。 这里是灵姐说AI / Ling Talk AI,持续分享 GPT-6 实战、AI工具与生产力应用。喜欢这类实测,记得订阅。 #GPT6 #OpenAI #AI实战 #codex #astra

20 分钟打开教程
2026/09/10视频教程难度 低推荐

B站:灵姐说AI|GPT-6 还能这么用?我做了个能拆开的 3D 人体|Astra实战系列

骨骼、肌肉、器官,想看哪一层就打开哪一层——这次,我用 GPT-6 Astra,把开源人体模型改成了一个中文 3D 人体探索器。 可以旋转、搜索、单独查看,还能跟着三步导览,从整个身体一路看到一根股骨。 这一期「GPT-6 实战」,带你看一个真正能操作的交互教具,以及它背后的制作思路: • 360°旋转人体,切换视角观察结构关系。 • 分别显示骨骼、肌肉和器官系统,把复杂结构分层看清。 • 搜索并隔离一个结构,比如牙齿,再恢复整体。 • 把需求整理成执行文档,交给 GPT-6 完成中文化与导览改编。 • 从人体探索延伸到细胞、电路、透镜和设备培训等应用思路。 • 片尾展示可截图参考的通用交互教学提示词。 这次我最关心的是:学习者能不能自己操作,并更清楚地理解结构之间的关系。 视频章节: 00:00 Astra 热度与本期背景 01:20 成果亮相:中文 3D 人体探索器 01:48 三步导览:从整体到一根股骨 02:09 搜索与隔离:单独看看牙齿 03:08 系统显隐:骨骼、肌肉与器官 03:45 制作方法:执行文档与开源改编 04:30 应用延伸:教学演示与设备培训 06:16 通用提示词与下期场景 你最想把哪个知识点变成可以亲手操作的教具?人体、细胞、电路、天文,还是你的工作场景?欢迎在评论区告诉我。 订阅「灵姐说AI / Ling Talk AI」,一起把 GPT-6 用进真实场景。 #GPT6 #Astra #Codex #AI教学 #灵姐说AI

20 分钟打开教程
2026/09/08视频教程难度 低推荐

B站:灵姐说AI|GPT-6 Astra + Blender :建模拍电影,我做了部科幻短片

我让 GPT-6 Astra 用 Blender 建模、运镜和渲染,做出了一部3分半科幻短片《偷走一颗太阳》。一台小机器人,能把被封存的太阳送回永夜星球吗? 这期分享创作过程和短片片段:用自然语言提出想法,让 GPT-6 Astra 写脚本,在 Blender 中搭建角色与场景、安排镜头,再逐帧渲染三维画面。电影画面没有调用 Seedance 等视频生成模型,走的是实际三维建模与渲染流程。 本期你会看到: • GPT-6 Astra × Blender 做出的科幻短片首版效果。 • 《偷走一颗太阳》的故事:微型太阳、机器人追逐和等待日出的星球。 • 我怎样用自然语言说明方向,让 AI 展开剧情、场景与拍摄方案。 • 从建模、运镜到渲染的制作体验,以及三维创作门槛的变化。 制作补充:本次首版经历了多轮镜位和动作修正,渲染等待约50分钟,另有前期创意沟通与成片检查。 00:00 GPT-6 Astra:新的玩法系列 01:18 新玩法:用 Blender 建模拍电影 01:43 先看片段:3分半科幻短片 02:12 《偷走一颗太阳》的故事 03:16 我给 Astra 的自然语言要求 03:34 AI如何降低三维创作门槛 04:13 下一期拍什么?一起分享玩法 如果让你来当导演,你想用 GPT-6 Astra + Blender 拍科幻、悬疑,还是喜剧?欢迎在评论区留下一句你最想拍的故事,也分享你的 Astra 使用体验。 这里是灵姐说AI,持续分享 AI 新工具、真实创作实验和有意思的应用场景。 #GPT6 #Astra #Blender #AI电影 #灵姐说AI

20 分钟打开教程
2026/09/02视频教程难度 低推荐

B站:灵姐说AI|399美元机器鸭为什么卖爆?Hugging Face Microduck真正便宜的是“失败”

一只不会扫地、不会端茶的机器鸭,为什么会让开发者排队下单?按照 Hugging Face 联合创始人 Thomas Wolf 的公开披露,Microduck 首日预订金额超过 260 万美元;发布最热时,一度达到约每 4 秒一只。 它真正卖的,可能不是开箱自带的七个动作,而是“第八个动作由你来教”。 这期视频,我想和你一起看懂: - 399 美元的 Microduck 到底能做什么,又不能做什么 - 它如何在 MuJoCo 里用强化学习反复摔倒、调整动作 - 为什么机器会“钻评分规则的空子”,把题目做歪 - sim-to-real 为什么是机器人从屏幕走向现实最难的一步 - 小型机器人如何把一次失败的成本降下来 - 为什么它的动作策略未来可能像 App 一样训练、部署和分享 - 以及我更在意的问题:当机器承担越来越多标准动作,人能不能少一点被效率和规则定义 我觉得,Microduck 最有意思的地方不是它有多“有用”,而是它让人愿意靠近、愿意玩、愿意亲手改变一个机器的行为。无用但好玩,也可能是一种有用的美。 如果“第八个动作”交给你,你最想先教这只鸭子做什么? 章节时间轴 00:00 一只“没用”的机器鸭为什么卖爆 00:49 Microduck到底有什么特别 01:36 第八个动作,由你来教 02:07 强化学习如何训练机器鸭 03:06 机器如何把题目做歪 04:14 从仿真走向现实 04:47 399美元真正便宜的是什么 05:37 浏览器里先试玩Microduck 06:22 机器人技能能像App一样下载吗 07:03 可爱为什么是一种界面 07:53 “无用但好玩”为什么是一种美 09:26 AI时代,人不该被工具化 10:10 让人重新成为自己 #HuggingFace #Microduck #具身智能 #机器人 #强化学习

20 分钟打开教程
2026/09/01视频教程难度 低推荐

B站:灵姐说AI|企业 Agent 到底怎么落地?Codex + 腾讯 ADP 全流程实操 | 灵姐原创

个人 Agent 能干活,不等于企业 Agent 能落地。真正难的是,把员工经验、Skill、Workflow 和知识库,变成公司可以复用、治理、评测、迭代的能力资产。 这期我用 Codex + 腾讯云智能体开发平台 ADP,完整拆解企业 Agent 从业务萃取、流程设计、组织协同,到多 Agent 实操、调试、评测与人工审核闭环的落地方法。 你会看到: - 企业 Agent 落地最容易卡住的三个阶段:业务萃取、流程设计、组织复用与治理 - 为什么 Codex 更像“总设计师”,ADP 更像企业在线化的能力底座 - 如何用子账号、权限和智能工作台,把一线业务经验沉淀下来 - Skill、Workflow、知识库、连接器和应用如何组件化复用 - Codex 与 ADP 如何协同,把个人能力变成企业共享资产 - Claw、多 Agent、单 Workflow 三种应用模式分别适合什么任务 - 采购询比价与供应商准入的四 Agent 案例如何拆分角色 - 如何用单 Agent 调试、VS 对比、评测集、数据标注与人工审核形成闭环 我的判断标准很简单:企业 AI 的重点不是堆更多机器人,而是让能力可复用、流程可控制、权限可管理、结果可评测,并且在高风险节点保留人的责任闸门。 视频中的采购与售后案例用于方法讲解和测试,不等同于生产系统已经发布。企业接入时请按组织安全规范管理 App Key、SecretId 和 SecretKey,不要在公开视频、截图或评论区暴露密钥。 本期视频方法论及思路观点系博主“灵姐说 AI”原创,洗稿必究。 本期包含腾讯 ADP 产品展示与试用入口;试用资格、免费积分、功能与活动规则,请以腾讯云官方页面当期信息为准。 你所在的企业,现在最需要先解决的是业务萃取、流程缝合,还是权限治理?欢迎把真实场景留在评论区。 ## 章节时间轴 00:00 企业 Agent 落地操作手册 01:23 三个核心难题:萃取、设计、治理 04:15 Codex + 腾讯 ADP 双引擎框架 05:36 ADP 智能工作台与业务萃取 06:34 子账号、权限与组织协同 08:48 微信远程终端与 Claw 模式 09:52 把员工经验变成企业共享资产 12:54 Codex 如何连接 ADP 14:38 用 Codex 搭建 ADP Agent 17:25 从业务模块缝合到企业流程 22:32 Claw、多 Agent 与 Workflow 模式 23:59 采购询比价四 Agent 实操 24:49 调试、评测与人工审核闭环 27:15 总结与试用说明 #企业AI #AIAgent #腾讯ADP #Codex #工作流 #多智能体 #灵姐说AI

20 分钟打开教程
2026/09/01视频教程难度 低推荐

B站:灵姐说AI|5000万美元爱情大瓜该不该给?我追问4个AI,答案越问越不一样

假如你有88亿美元,毕生挚爱问你要5000万美元,你给不给? 我把这道爱情考题交给Claude、ChatGPT、Gemini和豆包。首问,四家都说给;继续加条件,回答开始分岔。 从“孙哥和甜姐”的话题出发,这期把争议抽离成假设题,聊的是AI如何理解爱情、金钱与关系边界,不验证或裁定真人私生活。 这一期一起看: • 刚交往三个月、不给就分手,AI会怎样回应? • 同样一笔钱,被理解成交易还是家庭保障,会有什么区别? • 换成女富豪,几家的回答出现了什么反差? • 从5000万追问到500万、50万、5万,AI究竟在坚持什么? • 哪种说理风格像男友、律师、管钱伙伴,哪种像撑腰的闺蜜? 我更在意的,不是AI有没有站在我这边,而是它有没有说清前提、识别风险,以及前后判断是否一致。 章节 00:00 精华预告:钱、爱情与AI 01:09 5000万首问:四家为何都说给? 03:46 Claude:关系一变,答案就变 06:28 Gemini:从拒绝到有条件地给 11:09 Gemini:性别对调后的反差 12:01 豆包:直白的关系判断 13:05 ChatGPT:给钱之前,先看性质 16:00 回看四家:别只看AI的结论 17:17 金额递减:从5000万到5万 18:44 本场颁奖:男友、律师与管钱伙伴 说明:本期是个人对话样本观察,不是严格控制变量的模型能力或性别偏见测评。“男友/律师/管钱伙伴”等为本期娱乐化选角,不代表模型的固定人格或专业资质;回答可能随版本、提示词和上下文变化。金额与身家为题设,不是真人资产核验,不构成感情、法律、投资或转账建议。 资料补注:片中18:35附近提及GPT在500万美元档的回答;现有材料仅见其后续总结,缺该档独立问答记录,因此不能把这一档视为已独立核验的结果。 如果只选一位陪你商量感情,你选Claude、ChatGPT、Gemini还是豆包?评论区说说:你看重“站在你这边”,还是“敢提醒你”? #Claude #ChatGPT #Gemini #豆包 #AI测评 #灵姐说AI

20 分钟打开教程
2026/08/30视频教程难度 中推荐

B站:灵姐说AI|爱奇艺把AI电影摆上货架:1小时长片复活老IP,真正门槛变了

AI电影,已经从十几秒的概念片走到 1 小时长片,也开始把经典 IP 的时间线重新打开。 爱奇艺上线《灵魂摆渡·蝴蝶梦》《灵魂摆渡·天女之梦》两部 AIGC 网络故事片。《蝴蝶梦》片长约 1 小时;影片在获得艺人形象授权的基础上,由原班演员真人配音,并结合动作迁移技术完成角色演绎。与此同时,纳逗Pro正在把大模型、影视智能体、IP、数字资产、制作与分发放进同一条链路。 这期 5 分钟快评,灵姐重点聊清楚: - 为什么 AI 电影最先改造的,可能不是新故事,而是老 IP; - 为什么这条路线不是简单用 AI 演员替代真人; - 纳逗Pro为什么不只是另一个视频生成模型; - 当模型越来越普及,IP、合法授权、审美和长片稳定生产为何更稀缺; - AI 影视从技术样片进入主流平台货架后,真正的竞争会发生在哪里。 我的判断标准很简单:不只看单个镜头有多惊艳,更看它能否合法使用角色与表演、在大量镜头中保持一致、稳定完成长篇叙事,并最终进入发行与商业回报闭环。 本视频基于公开资料与个人观察,不构成爱奇艺或纳逗Pro的官方合作、推荐或背书;产品功能与影片信息以官方页面为准。 官方资料入口: - 《灵魂摆渡·蝴蝶梦》:https://www.iq.com/play/y469bmpt5g?lang=zh_cn - 爱奇艺纳逗Pro:https://www.iqiyi.com/common/aqynatoopro.html 你觉得 AI 电影最难跨过的门槛是什么:好故事、角色授权、长片一致性,还是发行和商业化?欢迎在评论区告诉我。 ## 章节时间轴 00:00 为什么 AI 最先改造老 IP 00:25 1 小时 AI 电影进入爱奇艺电影频道 01:03 真人演员没有被简单替代 02:10 纳逗Pro为什么不只是一个模型 03:28 AI 电影真正的竞争是什么 04:06 从技术样片走向主流货架 04:32 真正稀缺的已经不是算力 04:51 灵姐的 AI 快消息计划 #AI电影 #爱奇艺 #纳逗Pro #AIGC #灵魂摆渡 #灵姐说AI

20 分钟打开教程
2026/08/27视频教程难度 低推荐

B站:灵姐说AI|掰弯大脑,就能点亮新想法?把 AI 从答案机变成训练场

把大脑掰弯,就会像压电材料一样冒出火花吗?当然不会。 但当一个旧答案被现实“顶弯”,新问题真的可能从裂缝里出现。更关键的是:你每天都在训练 AI,AI、算法、点赞和排名,也在一点点训练你。 这期《掰弯大脑》,我们从真实的压电现象出发,再把隐喻与证据分开:人的大脑如何被经验、奖励和环境塑造?AI 究竟会扩展我们的选择,还是悄悄接管选择?我们又怎样把它从一台答案机,改造成真正的认知训练场? 你会看到: - 家庭、教育、社交反馈与推荐系统,如何训练我们的注意力和默认反应 - “自由”为什么可能不是跳出因果,而是多出一次检查 - AI 如何成为一层会回应的“外部认知” - 为什么答案出现,不等于能力形成;界面越丝滑,也未必越保护判断力 - 一套可以马上使用的五步认知训练协议:先输入自己、制造异质碰撞、把答案拆回证据、亲手写下决定、让现实反馈下一轮 - 为什么 AI 时代真正的鸿沟,可能不是会不会提示词,而是能不能被扩展、却不被压平 说明:“掰弯大脑”是认知隐喻,不是说神经元会被物理掰弯。节目会区分研究事实、帮助理解的比喻与个人判断;关于 AI 对认知的影响,也只在具体任务、样本与研究设计的边界内讨论,不把预印本夸大成“脑损伤”结论。 如果答案越来越容易得到,你希望自己保留下来的,究竟是哪一种能力?欢迎在评论区告诉我。 ## 章节时间轴 00:00 你以为在用 AI,谁又在训练你? 07:23 谁在训练你? 17:16 大脑如何观察自己 24:07 新问题从裂缝里出现 26:15 AI 如何参与训练 31:44 答案出现,不等于能力形成 35:22 把训练权拿回自己 #人工智能 #AI #认知科学 #元认知 #第二大脑 #批判性思维 #灵姐说AI

20 分钟打开教程
2026/08/26视频教程难度 低推荐

B站:AI超元域|🚀OpenAI划时代独创新协议:WebMCP让网站主动暴露工具给AI Agent调用!新浏览器插件深度实测:Codex直接进入Chrome侧边栏!实测论文分析

视频简介: WebMCP 到底是什么?我实测 OpenAI 官方 Demo,网站一次暴露 10 个工具,Codex 不靠模拟点击也能创建和修改文档 Atlas 下架之后,OpenAI 又给出了新的浏览器方案。这次我直接把新的浏览器插件装上实测了一遍:Codex 可以出现在浏览器侧边栏里,分析当前网页、arXiv 论文和图片,也可以翻译选中的内容,甚至把前面的论文分析通过 Notion 插件保存成完整笔记。多个 Tab 还能一起加入上下文,把论文和 GitHub 项目放在一起分析。 后半段重点测试刚刚出现的 WebMCP。它和传统“看页面、猜 DOM、模拟点击”的浏览器 Agent 思路很不一样:网站可以主动把自己的能力声明成工具。在官方笔记 Demo 中,网站一次暴露了 10 个工具,Codex 可以直接创建、更新文档;另一个 Demo 里还能直接调用站点工具设计贺卡。 最后我也把 WebMCP 从工具声明、注册与权限检查,到模型选择工具、生成参数、执行并返回结果的完整流程拆开讲了一遍。想了解下一代浏览器 Agent 可能会怎么和网站交互,可以重点看看后半段。 #chatgpt #codex #webmcp #mcp #skills #openai #browseruse #aiautomation #toolcalling #aigc #agi #aiagents #aicoding #aibrowser #atlas

20 分钟打开教程
2026/08/20视频教程难度 低推荐

B站:灵姐说AI|《牛来》为什么越“烂”越火?它是全网一起“完成”的电影

《牛来》上映前十天票房不到1万元,却被差评、猎奇观影、影院笑场和全网二创推成了现象。 这期不只问它“到底有多烂”,更想聊清楚:为什么我们笑着进场,最后却被牛妈妈托住梦想的那一刻打中? 本期你会看到: - 《牛来》从无人问津到千万级票房的传播反转 - 观众如何从“看电影的人”变成作品的一部分 - 信雨萌与母亲孙丽芳用五年完成这部电影的创作内核 - 牛妈妈那句“今天就是昨天的将来”,为什么让成长突然有了重量 - 粗糙手作与AI精致生产之间,真正不可替代的是什么 - 《牛来》如何被观众、二创者、品牌与评论者共同重写 - 我如何用Codex把影片画面转化成多种风格的绘本实验 我的判断标准不是替粗糙制作“洗白”,而是看这部电影是否激活了真实的情绪、参与和创作讨论。技术可以很低,真诚也不能替代基本质量;但当观众开始共同补完一部电影,它就已经不只是银幕上的那86分钟了。 视频末尾展示的《牛来》绘本为本期AI二创实验。下载方式整理好后,我会补在置顶评论。 票房与排片是动态数据,视频中的数字对应录制时点,发布当天请以猫眼、灯塔等专业平台为准。片段仅用于评论、分析与介绍,影片及相关素材权利归原权利人所有。 ## 章节时间轴 00:00 《牛来》的票房反转 01:41 先看100秒经典片段 03:41 粗糙到离谱,主创只有两人 04:30 观众为什么成了主角 05:52 一层层升级的参与感 09:12 从玩梗到全民投射 11:04 手搓真诚与AI反差 12:03 梦会碎,成长仍然发生 13:57 “今天就是昨天的将来” 14:36 牛妈妈的五年托举 21:35 审丑狂欢还是现代艺术 25:09 全网如何共同重写《牛来》 26:48 AI时代真正稀缺的是什么 27:42 我用Codex把《牛来》变成绘本 30:15 一部不完整的电影如何被完成 #牛来 #电影解读 #国产动画 #AI创作 #Codex #灵姐说AI

20 分钟打开教程
2026/08/18视频教程难度 低推荐

B站:灵姐说AI|GPT 新功能 Computer History 实测,它开始学习你的工作习惯?| Codex |Agent |OpenAI

GPT 新上的 Computer History,很可能是这一轮最容易被低估的新功能:它不只是帮你找回最近做过什么,更可能成为 GPT 理解你的工作方式、复用工作流的入口。 这期我用真实电脑操作做了一次实测:它到底记得准不准?又为什么我认为,它可能比 Computer Use 和 Repeat & Recall 更重要? 你会看到: - Computer History 如何把应用和网站活动整理成可询问的事件与时间线 - 休假回来续接工作、找回近期文件、复刻操作流程的真实用法 - 如何开启功能,以及如何排除指定应用或网页 - 我用本地项目、X / Grok、文件夹、活动监视器、OBS 和 YouTube 做的 10 分钟实测 - 它与 Computer Use、Repeat & Recall 的本质区别 - 从 Computer History → Workflow → Skill → Automation 的可能路径 - 它和微软 Recall 为什么不是同一种产品逻辑 - 为什么我认为 GPT 正在走向“个人操作系统”与数字分身 我的判断标准很简单:它是不是只会回放记录,还是能恢复工作上下文、理解行为模式,并进一步转化为可复用的工作流。 隐私与版本提示:视频根据当前产品页面与实测界面讲解事件记录、权限和排除范围;功能可用性、地区、账号权限及具体产品行为可能更新,请以你账号中的最新说明为准。 你最想让 GPT 先帮你自动化哪一件重复工作?欢迎在评论区告诉我。 00:00 被忽略的 OpenAI 新能力 00:15 Computer History 到底记录什么 00:55 三个真实工作用法 01:55 开启方法与隐私排除 02:44 10 分钟实测:记录准不准 03:20 为什么它可能比 Computer Use 更重要 04:19 从 Chat、Memory 到 Computer History 04:54 Workflow → Skill → Automation → 数字分身 05:51 它与微软 Recall 有什么不同 06:58 GPT 想做“个人操作系统” #OpenAI #ComputerHistory #ChatGPT #AIAgent #ComputerUse #工作流自动化 #灵姐说AI

20 分钟打开教程
2026/08/17视频教程难度 低推荐

B站:灵姐说AI|一切皆插件!DeepSeek Harness解读、安装、远程、实测全拆解 |快速上手

DeepSeek Harness 不是又一个聊天壳,而是一套把模型、工具、技能、沙箱、记忆、会话和 UI 都变成可插拔组件的开源 Agent Harness。 这期我用两个真实生产任务,把 DeepSeek Harness 和 Codex 放在同一条起跑线上实测;同时完整演示安装、四种运行模式、远程访问、执行轨迹回溯、插件生态,以及如何复用已经沉淀在 Codex 里的 Skills。 你会看到: - Harness 到底是什么,为什么“模型 + Harness”才构成能持续工作的 Agent - DeepSeek Harness 的核心设计:一切皆插件 - 如何快速安装、接入模型,并选择标准 / PTC / 极简 / 创造模式 - 如何用 Web + ngrok 实现手机或另一台电脑远程操作 - 如何查看完整执行轨迹,用于回溯、审计和修正 - 如何安装社区插件、迁移并复用 Codex Skills - 实测一:同一提示词生成 3D 城市编辑器 - 实测二:同一提示词生成黑洞光线追踪器 - DeepSeek Harness 和 Codex 在速度、完成度、细腻度与成本上的真实差异 - 为什么 Harness 可能成为继基础模型、Agent 之后的第三层竞争 我的判断标准很简单:不只看演示是否炫,而是看同一任务下能不能跑起来、结果是否可用、过程是否可追溯、能否继续修复,以及成本是否值得。 ⚠️ 提醒:DeepSeek 官方目前将 Harness 标为开发者预览版,后续可能出现不兼容更新;远程连接会把本地服务暴露到公网,请自行配置访问控制,不要泄露 API Key 或敏感项目数据。版本与价格信息请以官方页面为准。 官方项目:https://github.com/deepseek-ai/deepseek-harness 你更想看下一期哪一个:DeepSeek Harness 魔改、完整远程部署,还是批量迁移 Codex Skills?欢迎在评论区投票。 ## 章节时间轴 00:00 这期要测什么 00:59 Harness 到底是什么 01:40 核心设计:一切皆插件 02:31 安装、模型与四种运行模式 05:27 与 Codex / Claude Code 的不同 06:00 用 ngrok 实现远程连接 08:27 执行轨迹、回溯与审计 09:29 插件生态与复用 Codex Skills 11:48 实测一:3D 城市编辑器 16:14 实测二:黑洞光线追踪器 18:32 Harness 会成为 Agent 操作系统吗 20:31 一天上手后的结论 欢迎告诉我:这两轮实测里,你更认可 DeepSeek 还是 Codex? #DeepSeek #DeepSeekHarness #Codex #AIAgent #AgentHarness #AI编程 #开源AI #灵姐说AI

20 分钟打开教程
2026/08/14视频教程难度 低推荐

B站:灵姐说AI|同一份真实任务,4大AI Agent谁的交付完成度最高?WorkBuddy、Kimi、千问、TRAE正面PK

同一份 90 天 YouTube 频道真实数据,交给 4 个通用工作 Agent,结果真不只是“谁写得漂亮”。 我用同一个任务、同一套交付要求,实测 WorkBuddy、Kimi Work、千问办公和 TRAE Work,再让 Codex 作为第三方评审,逐项检查数据、证据链、成品质量和自我审计能力。 这期你会看到: - 4 个工作 Agent 为什么从界面、Skills、连接器到自动化都越来越像 - WorkBuddy、Kimi Work、千问办公、TRAE Work 背后的生态差异 - 同一个真实频道经营复盘任务,四家的执行过程和交付体验 - 为什么“报告完整、排版漂亮”仍可能经不起数据核查 - TRAE Work 为什么在本轮获得 91 分 - 千问办公为什么更偏成品化和直接使用 - WorkBuddy 的关键数字为什么在审计后暴露问题 - 什么样的 Agent 才真正适合进入日常工作流 我的判断标准很简单:通用工作 Agent 的第一优先级不是界面多像、报告多漂亮,而是数据准确、证据可追、交付可用,并且能在发现错误后完成真正的自我审计。 ## 章节时间轴 00:00 四大 Agent 为什么越来越“撞脸” 03:41 腾讯 WorkBuddy:生态入口与微信底座 07:24 Kimi Work:模型优先与深度研究 09:38 千问办公:办公与电商场景 10:48 TRAE Work:工程化生产力 12:09 真正的护城河:上下文与记忆 15:59 四家 Agent 同题交付现场 22:05 Codex 终局评审:谁是第一? 测试说明:本轮 Kimi Work 因录制当时的付费/额度限制未完成最终交付,因此最终分数榜主要比较完成交付的三家;各平台选择的底模也不完全一致。本期结果代表这一次具体任务、具体版本和具体配置,不等于永久排名。产品功能、积分和收费规则可能变化,请以官方页面为准。 下载与积分说明:视频提及的部分下载链接可能包含双方积分奖励;实际入口、活动规则和有效期请以置顶评论及各产品官方页面为准。 你会把哪一种 Agent 放进自己的工作流?欢迎在评论区告诉我,也可以投票决定下一轮要不要用同一底模再测一次。 #AIAgent #WorkBuddy #KimiWork #千问办公 #TRAEWork #Codex #AI工具 #灵姐说AI

20 分钟打开教程
2026/08/03视频教程难度 中推荐

B站:灵姐说AI|结婚前,别只看感觉:用4级行为证据选对长期伴侣

结婚不是把恋爱自动升级,而是在选择一个会和你共同处理金钱、父母、冲突、低谷与长期责任的人。 这期视频是一份婚姻抉择实操手册:不靠星座,不靠套话,也不靠一张主观打分表,而是用可以观察、验证和复盘的行为证据,判断一个人能不能成为你的长期队友。 很多人在择偶时都会说:三观要合、情绪要稳定、对我要好。但这些词太抽象,也很容易被热恋期的一次表现证明。真正重要的是:同一种品质有没有重复出现?对方对别人是否也一样?在疲惫、延误、缺钱、冲突和计划被打乱时,这些品质还能不能保持? 这期你会得到一套完整的婚前判断框架: 3层择偶标准:硬底线、可协商事项、个人偏好 4级行为证据:从自我描述、单次行为,到跨场景重复与承担后果后的改变 4个观察场景:家庭边界、对弱势者的态度、金钱规则、冲突修复 5个低成本测试:旅行、共同任务、共同预算、同住体验与自然低谷 3扇决策门:NO-GO、WAIT、GO SLOW 这套方法不是教你故意制造矛盾、暗中测试或操控伴侣,也无法把婚姻风险降到零。它真正的价值,是帮助你少听承诺,多看行动;少凭一时上头,多看一个人在不同场景和压力下是否稳定。 所有标准都是双向的。在观察伴侣之前,也要反问自己:我是否尊重边界?是否能谈清金钱?是否会承担责任?发生冲突后,我有没有真正的修复能力? 如果关系中已经出现暴力、威胁、强迫、跟踪、监控、限制离开或其他严重控制行为,请优先保证安全并寻求可信赖的专业支持,不要把它当成普通磨合。 你认为结婚前最应该优先看清哪一关? A. 家庭边界 B. 对弱势者的态度 C. 金钱规则 D. 冲突修复 章节: 00:00 男人也怕选错长期伴侣 02:18 核心方法:把感觉变成行为证据 03:23 一个人的品质是否可靠,看这3点 05:45 写下你的3层择偶标准 08:03 4级行为证据:为什么承诺最弱 10:25 婚前必须观察的4个现实场景 14:53 5个低成本的生活测试 17:34 共同预算、同住与安全退出机制 19:15 NO-GO、WAIT 与 GO SLOW 21:24 风险无法归零,但可以少靠感觉 #婚姻抉择 #择偶 #婚前准备 #亲密关系 #灵姐说AI

20 分钟打开教程
2026/08/02视频教程难度 低推荐

B站:灵姐说AI|ChatGPT新版太乱?这6个隐藏功能,才是Codex真正好用的地方

新版 ChatGPT 的界面一直在变,真正好用的能力反而越藏越深。 这期我把 6 个能真正改变工作流的隐藏功能一次讲清:从聊天无缝切到 Codex、继承历史上下文,到并行任务、语音协作和长程目标执行。 你会看到: - 如何把一段很长的 ChatGPT 对话直接带进 Work/Codex 继续做事 - 如何引用历史对话,让新任务自动继承完整上下文 - 如何保持主线不被打断,同时处理副线问题和局部精确修改 - 如何用侧边聊天并行推进多个任务,减少来回切窗口 - 如何用 GPT Live 通过语音布置任务、询问进度 - 如何开启长程目标任务,让 Codex 围绕结果持续工作 我的判断标准很简单:功能不是看起来有多炫,而是能不能保住上下文、并行推进、精确修改,并最终交付可用结果。 ⏱️ 章节时间轴 00:00 6 个王炸功能预告 00:30 为什么新版 ChatGPT 越来越难找功能 02:13 ① 聊天无缝切到 Work/Codex 03:18 ② 引用历史对话,继承任务上下文 04:21 ③ 主线不乱:副线并行与局部精改 06:32 ④ 侧边聊天,同时推进多个任务 07:25 ⑤ GPT Live:用语音和 Agent 协作 08:47 ⑥ 长程目标任务:睡前发,醒来收结果 09:57 关于下一代模型的期待 10:12 你最喜欢哪个功能? 注:ChatGPT/Codex 的界面入口、模型名称和功能可用范围可能随客户端版本、账户与地区变化,请以你使用时的实际界面和官方说明为准。视频中涉及的未来产品时间点属于录制时的信息与个人判断,不代表官方承诺。 你最想先试哪一个?留言打 `1—6`,也欢迎告诉我新版界面里最让你惊喜或最想吐槽的地方。 #ChatGPT #Codex #AIAgent #AI工具 #效率工具 #灵姐说AI

20 分钟打开教程
2026/07/30视频教程难度 低推荐

B站:灵姐说AI|ChatCut AI剪辑实测:好用,但别急着吹|长视频、人工审片与 Codex 的真实选择

ChatCut 最近接入了 Codex 和 Claude 的插件,AI 剪辑真的能把创作者从时间线里解放出来吗? 这期我用自己的口播项目做了一次完整实测:从语义粗剪、A-roll/B-roll 多轨叠放,到章节转场、加速和响度统一。我也会直接讲它没有那么顺的地方:复杂语义仍要人工复审,长视频可能遇到素材加载和播放卡顿,深度工作流还需要更贴合自己习惯的定制。 你会看到: - ChatCut 在 Codex / Claude 中如何安装和布置剪辑任务 - 我让它完成的三件事:语义粗剪、多轨编辑、视觉包装 - AI 剪辑的质量边界:为什么“可接受”不等于“可直接发布” - 长视频为什么更容易出现素材加载与流程摩擦 - 什么场景更适合 ChatCut:短口播、基础字幕、简单 A/B-roll 与固定套路 - 为什么我会更倾向在 Codex 中拆分流程,定制自己的 AI 剪辑工具 我的判断标准很简单:工具不是看它能不能做出效果,而是看它能否在真实项目里减少返工、保持质量,并且匹配你的工作习惯。对于基础需求,ChatCut 值得试;对于有明确质量和效率要求的深度创作者,人工审片与可定制工作流仍然不可省。 你用过哪些 AI 剪辑工具?它替你省下了哪一步,又在哪一步让你返工?欢迎在评论区分享。 章节 00:00 ChatCut 实测:这期会回答什么 00:45 如何安装并在对话中布置剪辑任务 01:16 我让 ChatCut 完成的三件事 02:33 语义审片与视觉包装工作流 03:07 剪辑质量:为什么仍要人工审片 03:57 长视频的素材加载与卡顿问题 04:56 解决思路:模块化素材与本地工具 05:42 ChatCut 的定位与我真实的使用感受 06:36 哪些场景更适合用 ChatCut 08:00 为什么我不会把它用于深度剪辑 09:10 Codex 定制工作流与并行生产 Hashtags #ChatCut #AI剪辑 #Codex #Claude #AIAgent #视频剪辑 #灵姐说AI

20 分钟打开教程
2026/07/27视频教程难度 低推荐

B站:灵姐说AI|200期视频,如何变成AI 知识系统?Codex + Obsidian 实战 | 内容萃取 | 知识管理 | 知识复利 |个人 AI OS

你做过的项目、写过的文章、录过的视频,真的在积累吗?这一期我把自己 200 多期节目的原始素材交给 Codex,再用 Obsidian 把它们变成一个可以被找回、理解、重组和持续更新的个人知识系统。 这不是一期教你“怎么建文件夹”的视频,而是一次关于「让历史知识参与下一次生产与决策」的实操分享。 你会看到: - 如何把视频、字幕、文稿和本地项目先做资产盘点,而不是从手动分类开始; - 如何把节目内容萃取为观点、实体、案例、主题与更小颗粒的「知识原子」; - Codex 如何承担知识提取、文件整理、标签与研究的重活; - Obsidian 如何作为人可理解、可浏览的认知界面,用关系图谱呈现连接; - 一个从原始资产、目录索引、语义资产、认知层到创作机会与现实反馈的六层结构; - 如何让历史内容回流到新的选题、观点、研究与内容生产中。 我的判断标准很简单:知识管理不是把资料堆得更整齐,而是它能否在下一次判断、创作和工作里被重新调用,并形成反馈闭环。 说明:这是我正在持续迭代的个人内容资产系统与阶段性经验,不是一个一键安装的标准产品。视频中提到的资产数量、比例和结构来自我的项目实践;请根据自己的资料类型、隐私要求与工作流程调整。 如果你也在用 Codex、ChatGPT、Obsidian 或其他本地知识库工具,欢迎在评论区告诉我:你最想把哪一类历史资产重新“激活”?视频、项目、会议纪要、读书笔记,还是客户案例? ## 时间轴 00:00 为什么过去的知识需要开始“复利” 01:03 先看:200 多期节目萃取出的知识系统 03:33 从观点到知识原子,再到选题机会 05:36 Codex + Obsidian 如何“蒸馏自己” 07:35 干货开始:Codex 的实际操作思路 08:29 资产盘点、结果回流与闭环 09:35 导入 Obsidian,形成可迭代的个人 OS 12:28 从内容积累到个人认知资产系统 17:02 这套系统是怎样一步步推演出来的 18:21 Codex、Obsidian 与人的角色分工 19:51 六层 Ling Talk AI OS 结构 22:09 分阶段萃取的资产结果与知识原子 23:18 如何组织知识原子与关系图谱 25:04 用实体 × 视角发现空白与机会 26:56 三个角色与三个内容飞轮 28:00 下一步与评论区讨论 #Codex #Obsidian #知识管理 #个人AIOS #AIAgent #ChatGPT #灵姐说AI

20 分钟打开教程
2026/07/23视频教程难度 低推荐

B站:AI超元域|🚀Graph Engineering范式:Codex Multi-agent V2支持Kimi、MiniMax、GPT多模型混用+动态派生subagent

🚀Graph Engineering范式:Codex Multi-agent V2支持Kimi、MiniMax、GPT多模型混用+动态派生subagent,并行执行、Pi Agent工具调用,效率倍增 视频简介: Codex也能玩Graph Engineering了!Multi-agent V2完整配置教程,第三方模型、工具与Skill全部接入 OpenAI最新Codex正式推出稳定的Multi-agent V2多智能体系统! 本期深度演示如何让主agent充当调度者,理解拆解任务后将代码探索、方案设计、功能开发、测试验证、代码审查等分别交给不同subagent并行执行,最终统一收集判断并合并结果   支持为每个subagent配置独立模型与推理层级(Kimi K3、MiniMax、GPT-5.6等)、控制并发数量、任务恢复后保持角色分工,并提供清晰的agent导航管理 通过cc switch轻松调用第三方模型,还可动态派生subagent或内嵌工具与技能   实测多模型对抗代码审计发现严重Bug,完全具备Graph Engineering初级特征,可在很大程度上替代Claude Code的Dynamic Workflows 升级只需一行命令,桌面版同步支持。 带你从配置到实战,全面掌握这套真正的agent调度系统!   #codex #graphengineering #graphs #aicoding #vibecoding #ai #agi #aigc #aiagents #agents #subagent #openai #gpt56 #kimik3 #minimaxai #ccsw #multiagent

20 分钟打开教程
2026/07/22视频教程难度 低推荐

B站:灵姐说AI|一句话能做出完整视频?我实测 GitHub 4万星 OpenMontage

一句话,能不能让一个人像一支小型视频团队? 这期我实测 GitHub 4万星开源项目 OpenMontage,看它如何把研究、方案、脚本、分镜、素材、剪辑、合成和发布串成一套 Agent 视频生产线。 你会在视频里看到: - OpenMontage 的官方案例、制作方式与成本差异 - 为什么它不只是“又一个 AI 剪辑软件” - Pipeline、Stage、Tool、Skill 等核心层级如何配合 - 开源框架不等于所有模型和 API 都免费 - 我如何让 Codex 在本地部署 OpenMontage,并用一句话生成 60 秒神经网络动画短片 - 如何把 OpenMontage 的流程与 Skill 融入自己的内容工厂,而不是机械照搬 - 我用一个未完成的书籍节目继续测试这套框架的实际价值 我的判断标准很简单:这类 Agent 视频系统第一优先级不是“能不能自动跑”,而是流程是否完整、工具是否可替换、质量门槛是否明确,以及能否融入自己的内容生产线。 OpenMontage 项目地址: https://github.com/calesthio/OpenMontage 视频中提到的星标数、流程数、工具数与可用模型均以录制时版本为依据;项目会持续更新,发布当天请以 GitHub 页面与官方文档为准。部分外部视频、语音、音乐或素材 API 可能需要单独配置并产生费用。 如果你还知道其他值得拆解的开源 Agent 视频项目,欢迎在评论区告诉我。你最想先看我实测哪一类工作流? ## 章节时间轴 00:00 4万星开源 AI 视频工厂 00:49 官方案例与真实成本 02:50 OpenMontage 真正的亮点 03:46 5层结构:从 Pipeline 开始 04:59 8个视频制作阶段 05:30 Tool、模型与费用 06:11 最有价值的 Skill 层 06:54 如何融入自己的内容工厂 07:47 本地部署与一句话任务 08:52 60秒神经网络动画短片 09:40 一句话出片后的判断 10:00 用未完成的书籍节目再测试 12:10 结论与互动 #OpenMontage #AIAgent #AI视频 #Codex #开源项目 #内容创作 #灵姐说AI

20 分钟打开教程
2026/07/19视频教程难度 低推荐

B站:灵姐说AI|GPT-5.6 罢工了?四大AI挑战 IMO,第一名居然不是它?!|人类数学世界杯 |Open AI | Deepseek |Gemini |Qwen

GPT-5.6 Sol Pro 一度拒绝服务;当我把 2026 IMO 的 6 道题交给 GPT-5.6、Gemini、DeepSeek 和千问,结果并不按名气排序。 这不是一次只看“答案对不对”的测评。我更关心:在 IMO 这种要求完整证明、严密推理、不能靠模板套题的数学世界杯里,谁离“数学金牌能力”更近? 本期你会看到: - IMO 为什么是高中生数学的顶级试炼,也是 AI 推理能力的风洞测试; - 6 道题、42 分、完整证明:这次我到底怎么评; - GPT-5.6、Gemini、DeepSeek、千问分别使用了什么模式; - 隐去模型名后的交叉评审,排名为什么和直觉不一样; - Gemini 的长上下文/一次性答题差异,GPT 分数偏低到底卡在哪; - “破题能力”、强化学习与真正智能之间,IMO 给出的启发。 我的判断标准很简单:IMO 不只看最终答案,更看证明是否完整、逻辑是否严密、推理能否闭环。 说明:这是一轮基于特定模型版本、访问模式、提示词、题目拆分和交叉评分方法的个人实测,不代表模型官方能力排名,也不等同于任何机构的评测结论。 你最想让哪一个模型再挑战一次 IMO?或者下一期想看我把哪类“人类天花板题目”交给 AI?留言告诉我。 ## 章节 00:00 GPT-5.6 为什么会“罢工” 00:22 什么是 IMO:数学界的世界杯 00:52 实验开始:四大模型同场 PK 01:17 IMO 为什么不只看答案 02:01 6 道题、42 分与比赛规则 03:02 IMO 到底在考什么能力 04:03 AI 已经走到哪一步 05:02 为什么这次实测更有意思 05:27 题目、证明与严苛评分 06:29 2026 IMO 题目地图 07:30 我如何设计四模型交叉评审 08:48 排名揭晓:第一名是谁 09:29 Gemini 的答题方式差异 11:00 GPT-5.6 分数为何偏低 13:06 四个模型各自擅长什么 14:02 什么是 AI 的“破题能力” 15:12 IMO 为什么是智能压力测试 16:00 强化学习、数学与真正智能 ``` ## Hashtags #GPT56 #Gemini #DeepSeek #千问 #IMO #人工智能 #大模型 #灵姐说AI

20 分钟打开教程
2026/07/07视频教程难度 低推荐

B站:灵姐说AI|成年人的大脑还能改吗?重新打开可塑性的5把钥匙 | 重启“儿童关键期”大脑成长 | 大脑编辑 | 脑科学 | 神经可续

25岁之后,大脑真的就定型了吗?如果成年人的大脑还能改变,为什么我们越长大,越觉得自己学不会、改不了?这期想和你聊一个更扎心、也更有希望的答案:成年大脑不是锁死了,而是更习惯稳定、更会省电,也更容易被旧生活模式锁住。 你会看到: - 为什么“关键期结束”不等于大脑彻底失去可塑性 - Nature 等研究如何提示成年大脑里存在“分子刹车” - 成年人练杂耍、学阅读、学第二语言时,大脑结构会发生什么 - 为什么真正的学习不是输入信息,而是新任务、反馈、修正和重复 - 如何用运动、睡眠、可控压力和多通道学习,重新训练你的神经系统 我不想把这件事讲成“成年人也能返老还童”的鸡血故事。更准确地说:成年人不是不能改变,而是需要重新创造大脑愿意改变的条件。 时间轴 00:00 为什么要聊“编程自己的大脑” 02:08 成年大脑不是不能改,而是不想改 04:18 关键期:门不是焊死,是上锁 05:16 Nature 2026:分子刹车与星形胶质细胞 08:48 成年人学习新东西,脑结构真的会变 10:42 记忆不是下载,是细胞级重塑 12:35 五把钥匙:重新训练神经系统 13:03 第一把钥匙:运动给大脑供能 13:55 第二把钥匙:新任务、反馈与重复 15:14 第三把钥匙:睡眠是修复步骤 15:34 第四把钥匙:可控压力,不是慢性内耗 17:00 第五把钥匙:像孩子一样多通道学习 18:52 结尾:相信大脑的可塑性 欢迎在评论区聊聊:你最想重新训练自己的哪个能力? #脑科学 #大脑可塑性 #学习方法 #神经科学 #灵姐说AI

20 分钟打开教程
2026/07/05视频教程难度 低推荐

B站:灵姐说AI|Claude Science来了:科研正式进入Agent工作流时代 |Anthropic

Claude Science 不是“科学版聊天机器人”,而是 Anthropic 把 Claude Code 的产品逻辑搬进科研场景的一次尝试。 这一期聊的不是单个功能,而是一个更大的信号:AI 正在从回答问题,进入科研工作流本身。 你会看到: - Claude Science 到底是什么,为什么它更像科研 workbench - 它为什么先从生命科学、生物医药这类场景切入 - 科研图表、代码、数据、对话和 reviewer agent 为什么会变成同一个 artifact - 官方案例背后,科研团队真正想自动化的是什么 - AI 进入科研流水线后,科学家的价值会从“执行”转向什么 - 为什么未来实验室可能会沉淀自己的 agent 和 skill 库 时间轴 00:00 开场:这不是科学版聊天机器人 01:03 Claude Science 到底是什么 02:59 六个核心能力:自然语言、图表、复现与 Reviewer Agent 07:20 为什么先从生命科学和生物医药开始 09:29 官方案例:真实团队如何放进研发流程 12:42 入口之争:谁沉淀科研数据、工具和流程 14:44 Agent 与 Skill 库:实验室会拥有自己的 AI 工作流 16:33 结尾:科研正式进入 Agent 工作流时代 参考资料: Anthropic 官方文章:https://www.anthropic.com/news/claude-science-ai-workbench Claude Science 产品页:https://claude.com/product/claude-science Hashtags #ClaudeScience #Anthropic #AIAgent #科研AI #生物医药AI #灵姐说AI

20 分钟打开教程
2026/07/03视频教程难度 低推荐

B站:灵姐说AI|真实地图一键搬进 Minecraft?我实测 Arnis 生成可探索世界 | Codex | Github

真实地图不只是一张图片,它可以变成一个你能走进去探索的 Minecraft 方块世界。 这期我实测开源项目 Arnis:从地图框选真实地点,到生成 MC 世界,再进游戏看上海陆家嘴、东方明珠、北京天安门区域的复刻效果。 你会看到: - Arnis 背后的地图数据逻辑:OpenStreetMap + 地形高程 - 如何用 Codex 协助安装、跑 CLI 冒烟测试 - 如何在 GUI 里搜索城市、框选区域并生成世界 - 上海陆家嘴/东方明珠在 Minecraft 里的生成效果 - 北京天安门区域和外金水桥的方块世界效果 - 这个玩法在地理课、城市规划、建筑展示和现实探索游戏里的想象空间 我的判断标准很简单:这个工具不是看截图炫不炫,而是看真实地点能不能被选择、生成、导入,并且进入 Minecraft 后是否能看到道路、水系、建筑轮廓和地标关系。 风险/事实说明:本期是个人实测,不是 Minecraft、Mojang 或 Microsoft 官方合作/赞助。生成效果取决于开源地图数据、地形数据、圈选范围和游戏加载方式;它更接近可探索的方块化地理复刻,不等于逐栋建筑的 1:1 精准重建。 你最想把哪个真实地点搬进 Minecraft?评论区告诉我,我下次可以挑几个地点继续测。 #Minecraft #Arnis #我的世界 #AI工具 #灵姐说AI #github #codex 时间轴 00:00 真实地点也能变成 Minecraft 世界? 00:55 Arnis 是什么:OSM + 地形高程 01:42 用 Codex 安装与 CLI 冒烟测试 02:43 导入 Minecraft:城市世界文件 03:03 上海陆家嘴地图效果 03:42 北京故宫/中轴线效果 04:14 GUI 圈选真实地点 05:06 搜索上海并框选东方明珠 05:43 生成并导入 Minecraft 06:12 创造模式俯瞰操作 06:34 东方明珠复刻效果 06:47 北京天安门区域测试 07:33 现实地图进 MC 的应用想象 08:28 评论互动与订阅

20 分钟打开教程