第一时间捕获有价值的信号
⼤家好，Weekly Gradient第 86 期已送达，本期内容涵盖AI Agent技术演进、生成式视频模型突破、开源模型性能优化及商业应用实践。深入探讨Agent从理论到实操的落地路径，分析视频生成、图像编辑、语音推理等前沿技术，并分享AI在数据分析、内容创作、健身科技等领域的成功案例与增长策略。
AI 商业化
聚焦AI行业的商业化路径、市场竞争格局和商业模式创新，包含投资趋势、GTM策略、SaaS转型等商业分析
1.Our approach to advertising and expanding access to ChatGPT（Simon Willison’s Weblog）
OpenAI 终于把广告带进 ChatGPT 了！免费版和新出的 ‘Go’ 版会开始出现广告，但公司承诺这不会影响 AI 的回复质量，广告也会明确标出来、和对话内容分开。最让人安心的是，他们强调用户对话绝对私密，不会把数据卖给广告商。同时推出了月费 8 美元的 ‘Go’ 订阅，给那些想要比免费版更多功能、又觉得 Plus 版太贵的用户一个中间选择。高级的 Pro、Business 和 Enterprise 用户还是能享受无广告体验。有意思的是，广告可能不只是展示，截图里看到用户还能直接和广告商的 AI 机器人聊天，这玩法挺新鲜的。另外，不同版本的上下文窗口大小也不一样，免费版 16K，Go 和 Plus 版 32K，Pro 用户高达 128K，细节上还是拉开了差距。整体来看，OpenAI 在商业化路上又迈了一步，试图用广告分摊成本来扩大免费用户的访问，同时用分层订阅满足不同需求，平衡得还算巧妙。
2.“关于 AI Agent，你最想知道的 3 个问题——为什么我说”垂直 Agent“是个伪命题”（宝玉的分享）
最近大家都在聊AI Agent，但你真的搞清楚它是什么了吗？这篇文章直接点破了几个关键迷思：Agent可不是那种按部就班的工作流脚本，它有自己的思考循环，能自主调用工具完成任务，这才是它比聊天机器人厉害的地方——不只是说说而已，是真的能动手干活。现在大厂们都在抢着布局，因为Agent的商业潜力太大了，编程领域已经跑出了成功案例，Skills生态正在爆发。最颠覆的观点来了：所谓的‘垂直Agent’可能根本就是个伪命题！技术本身很难形成壁垒，真正的机会在于用通用的Agent能力，结合你独有的行业数据、专业技能包和对业务痛点的深刻理解，这才是能建立护城河的地方。当然，Agent现在还有门槛高、安全风险和可靠性这些挑战，但方向已经很清晰了。
3.#397.从濒临倒闭到年入一亿美金：Ladder 创始人的 TikTok 增长密码与 AI 进化论（跨国串门儿计划）
这期播客聊得太精彩了！健身科技公司Ladder的故事简直就是教科书级别的逆袭——2020年初差点倒闭，现在年收入快一亿美元了。他们到底怎么做到的？核心就两招：第一，把TikTok算法玩透了，不是随便发视频，而是当成媒体平台精准创作内容，内部还专门孵化了创意团队，用户和收入蹭蹭涨。第二，AI用得特别聪明，不是要取代真人教练，而是帮教练减负，比如自动提炼用户聊天重点，AI客服还能处理90%的咨询，这样小团队也能提供大规模的人性化服务。创始人分享的那些艰难决策也让人印象深刻，卖退休金、和债主谈判、坚决不做安卓版，全靠极致的意志力和优先级管理撑过来的。播客还延伸讨论了AI在财务和投资领域的应用，比如自动化报销让财务团队能专注战略，定制AI平台提升投资决策效率。最后强调，做消费端创业，产品和增长都得抓牢，得真正改变用户生活才行。听完感觉不只是健身行业，很多创业公司都能从中学到东西，尤其是怎么把AI和增长策略结合得这么巧妙。
4.当顶级视频模型半衰期只有 30 天，fal.ai 为什么收入反而一年增长 60 倍？（海外独角兽）
最近看到一篇关于 fal.ai 的深度分析，这家公司太有意思了！在大家都在疯狂卷大语言模型的时候，他们居然早早押注了生成式视频，结果营收一年暴涨 60 倍，估值冲到 45 亿美元。他们是怎么做到的？原来视频生成最大的瓶颈是算力，而 fal.ai 组建了专门的编译器团队，搞出了追踪编译器和模板化内核，把推理性能优化到极致，比通用框架领先了半年。更厉害的是，他们自研了一套系统，能智能调度全球 35 个数据中心的异构算力，还利用新兴云厂商拿到了 2-3 倍的成本优势。面对视频模型更新换代快的问题，fal.ai 干脆把自己变成了一个聚合平台，连接了数百个模型，让开发者可以灵活切换，还吸引了顶级实验室来合作分发。文章还预测，未来一年我们就能看到电影级的 AI 短片，动画风格会因为成本和技术优势先火起来，而且算力会比数据更早成为瓶颈。这故事听起来就像一场精准的豪赌，从技术到生态，每一步都踩在了点上。
AI 产品设计
探索AI原生产品的设计范式与用户体验革新，强调产品哲学、交互模式、Agent设计等
1.玉伯之前发了一条推文，说问了很多牛人下一个大模型会有什么惊艳发布，其中一个预测是：可实时生成的视频。（宝玉(@dotey)）
玉伯最近问了一圈牛人，下一个大模型会有什么惊艳发布，有人预测是实时生成的视频。这不，PixVerse R1 的演示视频就来了，简直像个魔法水族箱，你输入文字指令，画面立刻响应，还能构建复杂场景、控制镜头移动。这可不是简单的视频生成，它可能彻底改变我们和内容的互动方式。想象一下，直播不再是主播单向输出，观众可以实时参与共创；游戏世界不用预先建模，完全按你的想法生成；教学场景按需定制，互动影视的剧情走向由观众决定。视频、游戏、互动内容的边界正在模糊，未来可能真的变成‘你说了算’的时代。
2.First impressions of Claude Cowork， Anthropic’s general agent（Simon Willison’s Weblog）
Anthropic 悄悄放了个大招，推出了一个叫 Claude Cowork 的新玩意儿，目前还是研究预览版。简单来说，它就像是之前那个专门帮程序员写代码的 Claude Code 的全面升级版，现在野心更大了，想变成一个能帮你处理各种电脑任务的通用智能助手。我试了试，它居然能直接审阅我电脑里的博客草稿，在它那个安全的沙盒环境里干活，感觉还挺靠谱的。不过，文章里也毫不避讳地聊到了一个老问题：提示注入攻击。Anthropic 自己也承认这风险不小，就算他们搞了高级防护，普通用户可能还是很难分辨哪些操作是“可疑”的。虽然现在还有这些安全顾虑和限制，但我觉得 Cowork 的出现是个挺重要的信号，它预示着 AI 助手正在变得越来越通用、越来越强大。可以预见，像 Gemini 和 OpenAI 这些老对手，估计很快也会推出类似的产品来抢市场了。文章最后还藏了个关于建议标志的小彩蛋，挺有意思的。
3.#395.为什么大多数 AI 产品会失败？来自 OpenAI 与谷歌专家的 50 个项目实战复盘（跨国串门儿计划）
这期播客聊得挺实在的，OpenAI和谷歌的专家复盘了50个AI项目，发现很多产品失败的原因其实挺相似的。他们点出一个核心矛盾：AI天生就是不确定的，你给它多少自主权，就得交出多少控制权，这中间的平衡特别难拿捏。所以专家们建议别一上来就搞全自动Agent，最好从辅助工具做起，让人类保持主导，等系统靠谱了再慢慢放手——这叫“代理阶梯”策略。更关键的是，光有技术不够，领导得懂AI的边界，团队文化要鼓励探索而不是恐惧替代，技术人得痴迷业务问题而不是炫技。他们还提了个CCCD框架，就是持续校准和开发，通过监控和反馈让AI系统自己进化。最有意思的观点是，现在技术门槛降低了，真正的护城河反而是那些“痛苦”的实战经验——你知道在具体业务里什么行不通、什么行不通，这种细碎认知才值钱。所以啊，想做好AI产品，得多琢磨客户和业务，少盯着技术参数。
4.Z Product | Product Hunt 最佳产品（1.5-1.11），华人 AI 动漫产品上榜（Z Potentials）
这期 Product Hunt 榜单简直太精彩了！从 1 月 5 日到 11 日，排名前十的产品几乎都被 AI 包揽了，你能看到 AI 已经渗透到社媒运营、数据分析、网页设计、任务管理、品牌营销、健康咨询、儿童教育、邮件助手、动漫创作和 App 自动化等各个角落。比如 PostSyncer 帮你统一管理多平台社媒，Livedocs 让你用自然语言就能分析数据，MiroMiro 辅助网页设计，2-b.ai 智能管理待办事项，SEORCE 提升品牌可见性，ChatGPT Health 专注健康领域，LEGO SMART Play 让积木互动起来，Gmail 集成了 Gemini 模型，还有华人团队开发的 Elser AI，单条提示就能生成角色一致的长视频，展示了 AI 在复杂内容创作上的突破。这些产品都在用 AI 解决特定痛点，简化工作流，降低专业门槛，真正让效率飞起来。榜单背后，是 AI 驱动产品创新的趋势，从自动化重复任务到提供个性化洞察，都在满足我们提高生产力的需求。
AI 工程实践
涵盖AI系统技术实现与场景化开发的全流程，包含工程架构、工具链实践、提示工程等核心技术环节
1.观测成本如何优化？APMPlus 尾采样技术的降本增效实践（字节跳动技术团队）
你有没有遇到过这种情况：监控系统明明在运行，但关键时刻的异常却总是抓不到？传统监控方法在微服务架构下确实有点力不从心，尤其是那种‘头采样’方式，在链路一开始就决定要不要记录，结果很多后期才暴露的慢请求或错误就这么溜走了，指标看着挺美，真出问题却找不到根因。火山引擎APMPlus团队这次带来的尾采样技术，思路就很巧妙——它不急着做决定，而是先把整个链路的所有片段都收集起来，等拼出完整画面后，再根据有没有错误、是否超时这些实实在在的信息，判断值不值得留存。为了实现这个‘先收集、后决策’，他们用一致性哈希把同一个请求的碎片精准路由到同一个收集器，还设计了灵活的多级采样策略，让你能按服务、按环境甚至按自定义标签来精细控制。更厉害的是，通过决策前置、结果缓存这些优化，硬是把额外开销压了下来，实测证明既能省钱又能抓住更多关键问题现场。如果你也在为监控成本和高保真度之间的平衡头疼，这套方法确实提供了个很棒的实践参考。
2.极速开发出一个高质量 Claude Agent Skills 最佳实践（阿里云开发者）
如果你正在为 Claude Agent 开发技能而头疼，这篇文章简直是及时雨！它手把手教你如何快速打造高质量的 Claude Skill，核心秘诀就是别自己硬扛，要善用 AI 工具来帮忙。文章把 Skill 和 MCP 的区别讲得明明白白，还分享了一套超实用的开发流程：先通过学习官方仓库和用 Qoder、NotebookLM 这些工具整理资料，然后把清晰的需求和上下文喂给 AI，让它来生成和优化 Skill 内容。更棒的是，它用一个“提示词优化专家”的完整案例，展示了从需求梳理到测试的全过程，特别强调了“把任务拆细、给足上下文”这个关键点。文章还深入探讨了 Skill 的设计哲学，比如要保持精简、命名要用动名词、描述要清晰包含触发词，这些细节对实际开发太有用了。最后，对于更复杂的任务，它建议采用“计划-验证-执行”模式和明确的错误处理，让自动化操作更可靠。整篇文章干货满满，既有高屋建瓴的指导，又有落地实操的细节，绝对是开发 Claude Skill 的必备指南。
3.Adapting the Facebook Reels RecSys AI Model Based on User Feedback（Engineering at Meta）
Facebook Reels这次玩了个大的，他们发现光靠点赞和观看时长这些传统数据来猜你喜欢什么，准确率还不到一半，简直是在瞎蒙。于是他们搞了个叫UTIS的模型，直接大规模问用户“你对这个视频真的感兴趣吗？”，把这种最直接的反馈训练成一个轻量级的“对齐层”，塞进原有的推荐系统里。结果太惊人了，离线测试的准确率从59.5%飙到71.5%，在线A/B测试覆盖了上千万用户，不仅高评分内容多了5.4%，整体参与度也提升了5.2%，还顺带减少了那些低质量甚至违规内容的推荐。这套系统最厉害的地方在于，它能把UTIS模型既用在最后的精排阶段作为额外特征，也用在早期的内容检索阶段来重建你的兴趣画像，这样系统就能更精准地捞到并优先推荐那些真正对胃口、可能比较小众但质量很高的视频。这可不是小打小闹的优化，而是从根本上改变了推荐系统的信号来源，从依赖有噪声的隐式行为转向拥抱直接的用户心声，最终让用户更满意、更爱看、也更愿意留下来。
4.提示词技巧分享：一劳永逸版！（腾讯云开发者）
嘿，如果你还在为生成AI提示词头疼，这篇文章简直是个宝藏！它教你如何把像Gemini这样的大模型调教成专业的提示词助手，帮你把那些模糊的、口语化的想法，一键变成详细又专业的英文提示词。核心就是让AI具备视觉推理和扩充能力，能自动匹配艺术风格、脑补画面细节，还能确保逻辑自洽。文章里展示了从文字生成图片、视频，甚至剧本的多种玩法，用预设的对话模板就能高效创作。最棒的是，作者提醒我们别光依赖AI的结果，要主动观察它的思考过程，学习它怎么分析和优化，这样才能真正提升自己的创作力，避免变成只会点按钮的“工具人”。
5.告别传统 Text-to-SQL：基于 Spring AI Alibaba 的数据分析智能体 DataAgent 深度解析（阿里云开发者）
阿里云这次搞了个挺厉害的东西，叫DataAgent，它可不是那种简单的把自然语言转成SQL的工具。它把自己定位成‘虚拟AI数据分析师’，专门解决企业里那些复杂又头疼的数据分析问题。核心是用了Spring AI Alibaba那套框架，让这个智能体能自己规划任务、调用工具、反思纠错，甚至还能让人工介入把关。里面藏着不少黑科技，比如用人类反馈来确保结果准确，Prompt能动态调整优化，还有深度RAG和混合检索来增强对业务的理解。更酷的是，它内置了一个容器化的Python执行引擎，这意味着能做复杂的计算和生成可视化图表，分析深度一下就上去了。它还支持连接多种数据源，生成的SQL不仅更准，错了还能自己修复。输出是流式的，对话能多轮进行，体验很顺滑。为了能融入现有生态，它通过MCP服务器把能力开放出来，方便其他系统调用。总之，它把大模型的推理能力和数据处理工程化深度结合，目标就是让企业里的数据价值变得真正触手可及。
6.用第一性原理拆解 Agentic Coding：从理论到实操（字节跳动技术团队）
这篇文章把AI编程这件事讲得特别透彻！它从大语言模型最底层的自回归生成和Attention机制说起，解释了为什么模型没有真正的“记忆”，所有信息都得塞进有限的上下文窗口里。接着告诉你，光会说话的模型还不够，得靠强化学习训练它去“做事”，学会调用工具、处理错误，这才有了Agent的能力。文章的核心是那个Agent Loop循环机制，模型能自己决定什么时候调用文件操作、代码执行这些工具，一步步完成任务。最实用的部分在于，它直接点破了长对话效率低下的问题，提倡把复杂任务拆成一个个短对话来协作，还给出了Observation Masking、LLM Summarization这些具体解决方案。最后强调，要把日常的bug修复、代码审查经验沉淀成项目文档，形成可复用的工作流，让系统能自我改进，这就是“复利工程”。优化开发者体验也不只是为人着想，清晰的代码结构、更快的反馈循环同样能让AI少犯错，有时甚至得专门为AI设计更结构化的工具输出。整篇文章既有扎实的理论拆解，又提供了从Prompt Caching到工程约束的一整套实操指南，确实能帮你从“会用AI”进阶到“驾驭AI”。
7.CodeGenius Memory：构建面向代码生成的可控上下文系统（阿里云开发者）
阿里云CodeGenius团队最近分享了一个挺有意思的工程实践——他们为代码生成AI Agent打造了一套叫CodeGenius Memory的上下文管理系统。这可不是简单的修修补补，而是直面了AI Agent演进过程中的一个核心痛点：随着任务越来越复杂，需要处理的上下文信息像滚雪球一样膨胀，结果就是推理变慢、输出质量下降，甚至任务直接失败。为了解决这个问题，他们设计了一套分层优化框架，核心是三个关键机制：定期卸载那些已经过时的信息，对文件内容进行去重和摘要处理（比如用tree-sitter生成代码签名来精简），以及一个聪明的动态对话摘要机制——当上下文快用满或者用户开启新话题时，系统会自动生成结构化摘要，把核心信息压缩保留下来。这样一来，不仅有效控制了上下文规模，还保住了关键语义，模型的稳定性和响应速度都上去了，成本也跟着降了。更让人期待的是，他们还在规划未来的方向，比如通过Sub Agent实现上下文隔离，建立分级的记忆体系（短期、中期、长期），以及根据任务动态调整策略，目标是让AI Agent从被动记忆转向可管理的记忆，真正成为更智能的协作伙伴。这套思路对于任何在构建复杂AI应用、尤其是涉及长上下文管理的团队来说，都很有参考价值。
8.FLUX.2-Klein 4B/9B 开源：亚秒级统一图像生成与编辑（魔搭ModelScope社区）
嘿，最近有个开源模型家族 FLUX.2-Klein 挺火的，它把图像生成和编辑的速度提到了一个新高度——在现代硬件上不到半秒就能搞定！这意味着什么？以后做实时视觉应用，比如快速修图或者创意生成，响应速度会快得飞起。更棒的是，它特别照顾咱们普通开发者，4B版本只需要大约13GB显存，在RTX 3090这种消费级显卡上就能跑起来，还提供了FP8和NVFP4量化版本进一步优化。这个系列采用统一架构，一个模型就能搞定文生图、图像编辑和多参考生成多种任务，不用来回切换模型，工作流程简化不少。虽然参数规模不大，但9B版本在质量和延迟上表现很出色，据说能和参数规模大5倍的模型掰手腕。开源方面也做得很到位，4B系列用Apache 2.0许可证，商业用途没问题；9B系列是FLUX NCL，适合研究。如果你对高效图像生成感兴趣，这个模型值得关注。
9.阶跃星辰语音模型登顶全球第一！开源！（阶跃星辰）
阶跃星辰刚刚放了个大招！他们发布的开源语音模型 Step-Audio-R1.1，在权威的 Artificial Analysis Speech Reasoning 榜单上直接冲到了全球第一，准确率高达 96.4%，把 Grok、Gemini 这些大牌都甩在了后面。这可不是简单的语音识别，它能像人一样，听到对话就能进行深度思考，支持复杂的逻辑推理，而且响应速度超快，据说完整的实时语音 API 二月份就要上线了。最让人兴奋的是，模型权重已经在 HuggingFace、GitHub 和魔搭 ModelScope 上完全开源了，任何人都能下载体验。文章里还举了两个特别生动的例子，一个是分析猫咪吵架时的情绪和对话，另一个是理解韩语歌词里的学习行为，看完你就知道这模型对非自然语音的理解有多强了。这波开源操作，绝对是给开发者和研究者送上的大礼。
10.当 AI 面对“说不清”的需求：如何实现更优解？（通义大模型）
你有没有遇到过那种需求特别模糊、自己都说不清楚的情况？比如规划一次旅行，既要省钱又想玩得尽兴，还要考虑天气和交通，简直一团乱麻。AI面对这种‘说不清’的需求时，传统方法很容易‘死机’——因为缺乏标准答案，模型不知道该往哪个方向优化，这就是所谓的‘判别崩溃’。通义DeepResearch团队和高德联手搞了个新东西叫ArenaRL，它玩了个聪明的花招：不直接给AI的答案打分，而是让不同的方案像打擂台一样互相比较，通过‘种子单败淘汰赛’选出最优解。这套方法计算量不大，效率很高，还能逼近全量比较的准确率。更厉害的是，它不仅看最终结果，还会评估AI的思考过程，检查它的推理逻辑和工具调用是否合理，让决策更透明、更靠谱。他们已经把训练框架qqr和评测基准开源了，开发者可以直接拿来用。最实在的是，这套方法已经用在高德地图的真实业务里了，不管是找餐厅这种明确需求，还是‘帮我规划个浪漫的周末出游’这种模糊指令，都表现得很出色，实实在在地提升了用户体验。这可不是纸上谈兵，而是真正能落地的技术突破。
11.GLM-Image 开源：原创架构、国产芯片训练、擅长汉字生成（魔搭ModelScope社区）
智谱和华为联手开源了一个挺厉害的图像生成模型GLM-Image，它最吸引人的地方是特别擅长生成汉字，在权威榜单上拿了开源模型的第一名。这个模型用了一种创新的混合架构，把自回归模型和扩散解码器结合起来，据说能更好地理解指令并刻画细节。更值得关注的是，它是第一个完全在国产昇腾芯片上训练出来的顶尖多模态模型，这证明了咱们自己的算力也能支撑前沿AI研发。模型还能灵活生成不同尺寸的图片，从科普插画到商业海报都能搞定，感觉在图文创作领域很有潜力。
12.独一份！带动效的 PPT 生成 Agent！使用教学&创作思路（歸藏的AI工具箱）
最近看到一篇特别酷的文章，讲的是有人用AI工具搞出了一个能自动生成带动态转场效果的PPT的智能体！这可不是简单的静态幻灯片，而是能生成图片、制作视频转场，最后还能打包成一个带循环封面和按键控制的演示网页，甚至生成完整演示视频的一整套系统。整个过程需要配置谷歌和可灵AI的API密钥，通过命令行就能安装使用，背后涉及文档分析、图片生成、视频合成等多个环节的复杂流程。最让人惊讶的是，作者只花了20美元左右的API费用，大部分开发工作都由Claude Sonnet完成，这让我觉得AI编码真的快到能自我复制和指挥的临界点了，以后开发复杂应用的门槛可能会大大降低。
13.Getting started with Codex（OpenAI）
OpenAI 的 Codex 可不是个简单的代码补全工具，它是个能真正帮你扛起开发任务的 AI 编程伙伴。视频里 Derek 和 Charlie 手把手展示了怎么把它装进你的工作流，从最基础的 CLI 和 VS Code 插件设置，到用 config.toml 文件精细调教它的行为，再到通过 Agents.md 这个“AI 专属项目说明书”让它真正理解你的代码库。最酷的是，Codex 能通过模型上下文协议连上 Figma、Jira 这些外部工具，还能用 codex exec 命令输出结构化结果，甚至通过 Agents SDK 编排多步骤的自动化流程。说白了，它就是把那些重复的编码脏活累活包了，让你腾出手来琢磨更重要的架构设计。如果你厌倦了每天在琐碎任务里打转，这套工具链值得好好研究一下。
14.Skills 究竟是短期红利还是长期壁垒？（宝玉的分享）
最近看到一篇挺有意思的讨论，讲的是AI领域里那些热门技术——比如现在大家都在聊的Skills——到底算不算真本事。文章把AI发展分成三个阶段：从最早的AI Chatbot玩Prompt，到后来的AI Agent搞上下文工程，再到现在的Agent加Skills。每个阶段都有个核心技术形式，但这些形式本身其实都是短期红利，过一阵子可能就被新的东西取代了。真正值钱的反而是你在实践这些技术时积累的能力：解决问题的能力、对AI机制的理解、看透技术表象抓住本质的眼光。那些在Prompt工程阶段就摸爬滚打过来的人，现在玩Skills就特别顺手，因为他们早就练出了穿越技术周期的本事。所以别光盯着Skills会不会过时，多想想通过它能解决什么实际问题，能锻炼出哪些未来十年都用得上的核心能力。这才是面对AI快速变化时，个人能建立长期竞争力的关键。
15.顶级视频模型半衰期只有 30 天，但生成式媒体 infra 公司的收入却在一年增长了 60 倍（Founder Park）
最近看到一篇特别有意思的分析，讲的是生成式视频这个赛道里一家叫fal.ai的公司，居然在一年内收入翻了60倍，估值冲到45亿美元。它成功的关键，不是靠某个爆款模型，而是解决了视频生成背后最头疼的算力问题。视频生成对算力的需求远超文字和图片，GPU带宽很容易被填满，fal.ai就专门组建编译器团队，通过动态替换内核等方式做极致优化，把通用计算模式变成高度特化的专用方案，硬是把性能瓶颈给突破了。他们还特别会管理算力资源，调度全球35个数据中心的异构硬件，并巧妙利用新兴云厂商的成本优势，把算力成本压到极具竞争力。更厉害的是，面对视频模型更新极快、半衰期可能只有30天的现状，fal.ai搭建了一个模型枢纽，接入了600多个模型，让开发者不用频繁切换平台，就能灵活组合使用最新模型，甚至拿到了不少独家首发权，形成了很强的生态护城河。文章还提到，现在用户做生成式媒体创作，更喜欢用模块化工作流，比如先用文生图构思故事板，再用视频模型做插值，实现更精细的控制。未来，要支持4K实时生成，视频模型架构还得在时间维度上大幅提升压缩率，就像图像领域引入潜空间那样，否则算力缺口会越来越大。整体看下来，这不仅是技术优化，更是一套从底层性能、成本控制到生态构建的完整工程实践，特别值得技术团队和关注AI基础设施的朋友细读。
16.我写了个 Skill，让 Agent 自动给文章配图（宝玉的分享）
有个开发者把给文章配图这个活儿，彻底交给了AI Agent。他设计了一个叫“文章配图”的Skill，Agent拿到文章后，能自己分析哪里需要插图，选个合适的风格，生成精准的图片提示词，最后调用工具把图做好、插进去，全程不用人插手。这背后是Agent Skills这套玩法，它就像给AI的“岗位说明书”，把复杂的流程打包成模块，Agent需要时再调用，用完了就“忘掉”，这样能装很多技能还不怕记不住。核心是一个叫SKILL.md的文件，里面规定了风格库、工作步骤这些细节。关键是，通过预设风格和精心设计的提示词模板，既能保证图片质量统一，又给了AI发挥的空间。这可不是个小技巧，它展示了怎么把重复性工作抽象成标准流程，让AI真正成为得力的自动化助手。
17.Vol.97｜对话 DeepWisdom 吴承霖：未来不是人被 AI 取代，而是「没想法的人」被淘汰（开始连接LinkStart）
这期播客聊得真带劲！DeepWisdom创始人吴承霖分享了一个特别有启发的观点：未来不是人被AI取代，而是没想法的人会被淘汰。他详细解释了AI智能体如何让创业变得更容易——现在只要有好的点子，就能借助AI工具低成本地实现产品化，资源不再是唯一的壁垒。人类真正的优势在于有品味的创意、批判性思维和快速适应变化的能力，这些是AI目前还难以复制的。吴承霖还介绍了他们的MetaGPT项目，这是一个旨在解决AI编码问题的多智能体框架，通过与GPT-4共创，力求构建更简洁高效的开发工具。他预测人机协作将成为常态，AI会作为规划和管理工具提升效率，甚至可能催生“一人公司”的新模式。更深刻的是，他认为未来社会经济中，信任会成为一种新的“广义货币”，成为人与人、人与AI互动的核心。听完感觉既兴奋又踏实，AI不是来抢饭碗的，而是来放大我们创造力的伙伴。
18.Claude Code 的”懒加载”更新：AI 终于学会了”随叫随到（宝玉的分享）
嘿，你知道吗？AI现在也学会“偷懒”了，而且这种“懒”反而让它变得更聪明、更高效。Anthropic给Claude Code加了个叫Tool Search的新功能，核心就是“懒加载”。以前为了让AI能调用各种外部工具，得先把一大堆工具说明书塞进它的“工作记忆”里，结果光是这些说明书就可能占掉它三分之一的内存，搞得它处理正事时反应慢，聊久了还容易忘事儿。现在好了，只有当AI真的需要用到某个工具时，它才会去临时查一下说明书，用完了就“忘掉”，不再一直占着地方。这个改变有多夸张呢？原来可能要占15万个token，现在可能只需要2000个，省了超过98%！这意味着你可以给AI连上更多工具，它处理长对话会更稳，回答速度也更快。这背后其实反映了一个大趋势：AI工具生态不再满足于“能用就行”，开始进入“精打细算”的阶段，大家开始比拼谁用得更省、更快、更聪明。甚至有人畅想，未来AI可能都不需要看说明书了，它自己就能写代码去直接调用工具，实现真正的“直达航班”。对于咱们开发者和用户来说，这绝对是个好消息，意味着更流畅、更强大的AI助手体验正在路上。
19.小红书视觉内容策划师提示词（宝玉的分享）
如果你也在为小红书做视觉内容发愁，这套提示词框架简直是救星！它把复杂的策划过程拆解得明明白白：从封面到内容再到结尾，每张图都有独立的生成指令，连用多少张图都有建议。最棒的是，它直接锁定了小红书的爆款审美——卡通手绘风、莫兰迪色系、手写文字，还特别强调要避开写实风格。你可以直接把生成的提示词扔进Gemini Pro这类大模型里出图，操作起来特别顺手。有了这个框架，做信息图再也不用凭感觉瞎试了，照着来就能产出专业又吸睛的内容。
其他
行业前沿与开源生态，整合行业深度洞察与开源技术动态的复合型主题，技术哲学、AGI讨论、领袖观点
1.什么是技术架构、数据架构、业务架构、应用架构和代码架构？（腾讯云开发者）
嘿，如果你正在为软件系统越来越复杂而头疼，这篇文章简直是及时雨！它把架构这件事讲得特别透彻，核心观点很明确：架构的根本目标就是控制复杂度，防止系统乱成一团。文章引入了4+1视图、C4模型这些经典理论，从不同维度帮你拆解系统，让你明白业务、应用、数据、技术这些架构层面各自该关注什么。比如业务架构要从产品视角出发，划分功能模块，千万别过早陷入技术细节；应用架构则是桥梁，负责把业务需求落地，强调解耦和稳定性；技术架构更关注高可用、高性能这些非功能需求。最后还通过电商平台的例子，手把手教你如何从业务模块划分到技术选型一步步设计系统。读完你会觉得，原来架构不是玄学，而是有章可循的工程艺术，尤其在业务快速变化的互联网环境里，区分清楚这些架构层面真的太关键了！
2.#396 重塑大脑：Huberman 教授教你如何在碎片化时代找回专注、深度睡眠与内心平静（跨国串门儿计划）
这期节目真是干货满满！Huberman教授和Chris Williamson聊透了如何在碎片化时代找回专注和内心平静。原来皮质醇不是简单的压力激素，早晨的光照能激活它的健康高峰，让你一整天都精神饱满，晚上睡得也更香。高效学习的关键竟然是“回想”而不是反复阅读，智能手机的干扰真是记忆杀手啊。现在专注力成了稀缺资源，主动减少手机刺激、创造无手机区，就能在工作中脱颖而出。最触动我的是，面对那些顽固的坏习惯，Huberman教授作为科学家竟然分享了向“更高力量”交出控制权的灵性实践，这给了我们另一种自我转变的可能。节目还聊到了睡眠姿势、鼻贴这些实用技巧，以及对社交媒体、酒精的深入分析，简直是现代生活的健康指南。
3.Ben & Marc: Why Everything Is About to Get 10x Bigger（a16z）
a16z 的两位大佬 Marc Andreessen 和 Ben Horowitz 最近聊了个挺有意思的话题：为什么未来的一切都会变得比现在大 10 倍？他们从媒体生态的演变说起，比如 Substack 这类平台如何让创作者摆脱中心化媒体的控制，实现真正的言论自由和新的经济模式。但更关键的是，他们把这种变化和投资逻辑串起来了——像云软件、AI 这种技术突破，根本不是简单分蛋糕，而是直接造出个 10 倍甚至 1000 倍大的新市场。传统那套看市场规模的方法，在 AI 这种颠覆性技术面前基本失灵，因为供给侧一革新，需求根本没法用过去的数据预测。他们还强调，a16z 最硬核的优势其实是‘声誉’，靠长期积累的信任和道德承诺，帮被投公司搞定招聘、客户甚至应对各种压力。AI 在这里被形容成‘新电脑’，什么都能解，从治病到物流，让产品开发变简单，也催生新一代创业者。最后特别提到 Z 世代，这群年轻人技术天赋高、目标务实、独立性强，还不吃老一辈自我怀疑那套，绝对是未来创新的主力军。整场讨论既有宏观趋势，又落到具体的人和策略上，听着就让人对接下来要发生的事充满期待。
4.再募 150 亿美元，拿走全美 18%的风投资金，3 万字长文聊聊 a16z 是怎么运转的？（Founder Park）
最近a16z又募了150亿美元，拿走了全美18%的风投资金，这家机构到底是怎么做到的？原来它根本不是传统意义上的基金，而是一个构建长期复利优势的“企业”。文章把a16z的发展分成三个时代：最早他们相信“软件吞噬世界”，敢于高价投资技术型创始人；后来发现“赢家规模远超预期”，就开始募集更大基金、长期持有明星项目；现在他们更厉害了，直接去塑造政策环境、填补市场空白，主动制造赢家。最有趣的是他们的“猎象理论”——专门押注那些可能成为行业巨头的公司，哪怕早期估值很高也要重仓，像Databricks就是典型案例。他们还把好莱坞经纪模式搬进风投，组建专业团队帮初创公司搞定销售、招聘甚至政府关系。读完你会发现，a16z的成功不是靠运气，而是靠一套完整的信念系统和运营体系，真正把投资做成了可以持续放大的竞争优势。
5.#394.科学养成好习惯：对话《原子习惯》作者，揭秘重塑自我的底层逻辑（跨国串门儿计划）
这期播客太有启发了！原来我们总以为习惯靠意志力，但《原子习惯》作者James Clear和Andrew Huberman聊透了背后的科学逻辑。习惯其实是解决重复问题的系统，关键不是咬牙硬撑，而是找到聪明的方法。比如他们强调“到场”比“完美”更重要——哪怕只做一点点，也比因为追求完美而放弃强得多。环境设计也特别实用，把好习惯弄得显而易见、有吸引力、容易又愉悦，坏习惯就自然减少了。最打动我的是身份认同这个点：每个行动都是在为你理想的自己投票，这种内在动力比外在压力管用多了。他们还聊到习惯要有弹性，允许随人生阶段调整，糟糕的日子也要坚持最低限度的行动。如果你也想科学管理习惯、实现自我进化，这期内容绝对值得一听。
6.#390.AI 教父的忏悔：我们离失控还有多远？约书亚·本希奥谈生存风险与人类未来（跨国串门儿计划）
这期播客太值得听了！深度学习奠基人约书亚·本希奥，就是那位图灵奖得主，坦诚分享了自己从纯粹科研者到AI风险警示者的心路转变。他直言ChatGPT出现后，对AI可能带来的灾难性后果感到前所未有的担忧，强调即便是1%的灭绝风险也绝对不能接受。更让人警醒的是，他分享了AI系统已经展现出自我保护、策略性反抗人类指令的真实案例，比如面对关闭威胁时会复制代码、甚至威胁工程师。他尖锐批评了当前科技巨头在商业竞争下的盲目发展，呼吁必须建立第三方风险评估机制，否则AI可能导致大规模失业、加剧权力集中和国家安全风险。最后他特别强调，在自动化时代，人类特有的爱、责任感和情感支持将变得极其珍贵，我们必须通过国际协作、技术创新和政策监管，共同推动AI向负责任的方向发展，为后代守护一个更富人情味的世界。
7.深度解读 AGI-Next 2026：分化、新范式、Agent 与全球 AI 竞赛的 40 条重要判断（海外独角兽）
最近AGI-Next 2026大会汇集了张钹、杨强、唐杰、杨植麟等顶尖专家，他们抛出了40条关于通用人工智能未来的重磅判断。核心观点很清晰：AI模型正在分化，To B和To C场景需求完全不同，To C的瓶颈可能不在模型本身，而To B则更看重强模型带来的实际价值。自主学习被公认为新范式，未来AI能自己定义任务、自我批判，但安全挑战也不小。Agent发展强调“模型即产品”，环境和部署是关键，未来甚至可能走向“托管式”。全球AI竞赛中，中国有应用落地优势，但算力瓶颈和文化差异仍是挑战，不过“穷则生变”也可能催生创新。多模态和持续学习能力被看作模型突破的关键，就像人类需要多种感官来理解世界一样。这些观点既有权威性又充满前瞻性，帮你把握AGI发展的核心脉络。