土木ai提效大古 (@aigcgu) header
土木ai提效大古 (@aigcgu) profile picture

土木人全面拥抱ai cc/codex/workbuddy重度玩家 coding/ai经验分享/ai工具分享/ai流量 remotion+hyperframes重度玩家,多工作流自动化产出

Joined June 2026
Photo by 土木ai提效大古 (@aigcgu)Photo by 土木ai提效大古 (@aigcgu)Photo by 土木ai提效大古 (@aigcgu)Photo by 土木ai提效大古 (@aigcgu)Photo by 土木ai提效大古 (@aigcgu)Photo by 土木ai提效大古 (@aigcgu)Photo by 土木ai提效大古 (@aigcgu)Photo by 土木ai提效大古 (@aigcgu)Photo by 土木ai提效大古 (@aigcgu)Photo by 土木ai提效大古 (@aigcgu)
套餐如何选? claude pro +gemini pixel+workbuddy免费版 我觉得TOKEN足够一般人使用了 从能力到用量 感觉都非常能打! 大家还有什么推荐吗?
1
2
27
大家帮我看看我这是正版吗?在steam上开了298平台会员又+了199买的,游戏还着重介绍这是典藏特别版《GTA6·东北往事》
58
是时候把自己和家人的体检报告交给AI管理了 自己可以不懂 但我们的AI必须要懂,还要会持续帮我们管理 开源高赞健康管理项目 又一次提升了AI的使用范围
《非医学生如何靠codex+Mirobody skill 帮家人看体检报告单》 我一个大学生平时压根不怎么看体检单🤣 体检报告、医院化验单啥的直接拍个照发给AI,但总觉得还是差点什么。 今天刷到了一个开源,叫Mirobody,它能把体检报告、手环数据和基因文件整合成同一份标准记录,回答里每个数字都标明来源、能点开原文件。 (Apache-2.0开源,截至2026年11月18日在GitHub上有1,554星,digital-health话题星标第1) 安装步骤: 1.准备好你要看的体检单、化验单或者Apple Health导出包(没体检单你分析个蛋😠 可以先拿虚拟指标试水) 2.安装好随便一个agent,比如codex、deepseek harness、claude code、cursor等 3.让agent安装好Mirobody的skill并自检,直接给agent发: 请将公开仓库 github.com/thetahealth/mirob… 中的 skills/standardize-health-data 下载并安装为本地 Skill(或执行 npx skills add thetahealth/mirobody --skill standardize-health-data),安装后用虚拟指标跑一次 uvx --python 3.12 mirobody resolve "Total Cholesterol" "总胆固醇" "血脂" 验证离线解析是否正常(Windows终端若中文乱码先设 PYTHONUTF8=1)。 4.装好之后(实测下个包十几秒搞定,离线不花API Key),直接把中英文体检单、化验指标或者手环导出喂给agent,让其调用skill先把名字和单位统一成标准编码再分析。 最nb的是遇到“血脂”这种笼统大类词,它会直接返回unresolved拒绝瞎猜,公开文档里中英日等6种语言的347项常规体检识别测试全对。 5.如果想给不咋折腾手机的爸妈长期代管一份健康档案(开源版自带家人功能),也是直接给agent发: 请阅读公开仓库 github.com/thetahealth/mirob… 中的 skills/mirobody,用 COMPOSE_PROFILES=local-cpu ./deploy.sh 帮我在本机100%本地部署。 (16GB内存没显卡的电脑也能跑,就是纯CPU第一次回答要等几分钟) Tips: 1.如果部署了完整版去设置里生成MCP接入链接,那个链接相当于密码,截图或录屏发出来前必须打码! 2.把体检单喂给codex、claude code、cursor、gemini cli这类云端agent分析时,记录是会发给对应模型公司的;介意的话就按第5步让agent给你跑100%本地部署。 3.结果仅供参考,不做诊断和治疗哈。 懒得开agent的兄弟也可以先去中文demo点点看预设问答(里面是两位虚拟成员的2,019条虚拟数据,想自己提问需要注册或自部署): chat.mirobody.cn/demo 觉得有用的话可以去GitHub点个星,跑出认不准的词也可以顺手提个issue或PR: github.com/thetahealth/mirob…
4
4
72
为什么X上面对于workbuddy总是两极分化? 一边说他营收爆表,市场占有率爆表,线下简直无敌,杀疯了。 另一边说,腾讯快不行了,现金流都是负的,全部来补贴 AI 了,真的很神奇。
1
1
64
看到一条值得研究的开源消息:判断和生成,正在被拆成两件事做。 起因是算力账。通用模型在浏览器里操作一次,平均开销比复杂推理还贵 4.8 倍。硅谷开始卷「只判断、不写字」的决策模型,谷歌刚发了闭源 Gemini Decision 1。 开源这边杀出 Karpo Decision 31B。Decision Index 300 个模型同台,它 73.9 分排第一;0.8B 到 31B 全尺寸开源。 几个数字: · 单卡中位延迟 94ms,初代标杆 Jev 1.14 是 196ms · 私有盲测公开榜前十平均掉 6.8 分,它只掉 4.3 · 每千次决策 0.025 美元,4 万次判断 1 美元 · 城市扫描 36 场活动,1.12 秒全答完;对照的通用模型 5 秒还在蹦字 原理就一句:砍掉逐字解码,在底座末尾接个读出头,一次前向给最多 255 个选项同时打分。不写 Token,也就不会输出格式错误的废话。 更值得看的是怎么练的:公开集 60% + 陌生领域 40% 综合考评,赢过上一代才晋升;5 个检查点权重直接平均,推理开销还是 1 倍,陌生领域反超 1.6 个点。而「正反读选项再取平均」这类刷榜技巧被砍了——延迟翻倍到 162ms,泛化一点没涨。 选决策模型别只看公开榜。看三样:私有盲测跌幅、校准误差 ECE、单次决策成本。公开分能刷,这三样刷不动。
搭了个基于 gemini-decision-1 的视频逐帧质检工具,拿我以前发过的几条成片实测跑了一遍。 本来以为导出来没啥问题,结果 1 秒抽 1 帧扫下来真揪出一堆当时没看出来的翻车: - 提示卡片直接糊脸上 - 动画圆点精准压在字上 - 字幕切换瞬间两层叠重影 - 框内文字掉到底边黑线上 十几秒扫一条片,0 输出 token,后面终于不用靠人眼硬盯整条时间线查错。
2
2
81
1. ★ 都说 AI 能替代剪辑师,我干脆拿四个 AI 剪辑 skill 剪同一段口播,用的是同一个模型。四个剪出来我觉得都能用,都比我自己手剪的好。差别不在工具,在我有没有把它用全。 2. 我另找了个 AI 打了个参考分:43、39、39、28。这个分我没有太当真,萝卜青菜各有所爱,每个人审美不一样。 3. 50 多星那个,第一轮我用一键命令,只出了半分钟;照着说明书重做,完全是另一个水平。 4. 一个 8 万多星,一个 3000 多星,一个 800 多星,一个 50 多星。同一段素材,四种剪法放在一个画面里对比。 5. 能不能超过剪辑师,我不敢说。但这四个,都比我自己手剪的好。
2
75
我想到了一个超级金点子。 玩差的人,基本上长期对电脑、对手机,脖子都不行。 最近我试了快十个枕头了,终于选到一款可以的。 有人需要选枕头的经验吗?脖子不好的举个手。
4
1
42
和华为的同学交流了一下 正好他是做给企业部署卡的。 华为950DT估计在30万到50万左右一张(不同规模不同报价) 分toB端和toC两个渠道 DT期货要6周左右 但软件以及调试没这么快, b300是拿出来就能用,到2000万一张
1
82
META偷照片、视频, muse拿用户数据还远不远,我是真醉了。 “意大利数据保护局对Meta爱尔兰公司处以8.05亿欧元(约合人民币59亿元)罚款。监管机构认定,Meta通过安卓端Facebook应用,在未取得用户专项同意、未充分告知的情况下,访问了用户手机中存储的照片、视频及元数据,并责令其在60天内完成整改,将该功能设为默认关闭。这是AI时代数据隐私监管持续收紧的又一标志性罚单。”
45
搭了个基于 gemini-decision-1 的视频逐帧质检工具,拿我以前发过的几条成片实测跑了一遍。 本来以为导出来没啥问题,结果 1 秒抽 1 帧扫下来真揪出一堆当时没看出来的翻车: - 提示卡片直接糊脸上 - 动画圆点精准压在字上 - 字幕切换瞬间两层叠重影 - 框内文字掉到底边黑线上 十几秒扫一条片,0 输出 token,后面终于不用靠人眼硬盯整条时间线查错。
3
1
1
1
172
美国这几家ai巨头都想以安全为由限 制其他人然后自己偷偷研发升级, 下一好了,搬起石头砸自己了: “美国四家非营利组织联合向旧金山高等法院起诉OpenAI、Anthropic、谷歌、Meta及SpaceX AI,要求法院叫停下一代先进AI模型的训练与部署,直至被告能够证明其技术处于人类控制之下。诉状直接援引了被告高管自身关于AI可能造成“文明毁灭”的公开表态作为证据。这起诉讼将“AI安全”争论从行业自律层面正式推入了司法审查的轨道。“
1
43
脑虎“三全”脑机接口最新数据:连续任务一次性完成率84%,时延<50ms,多设备切换准确率近100%,抓取成功率>95%。🔥🔥🔥 84%不是“还差16%”的遗憾,而是——出门、避障、购物、居家这一整条链,多数时候不用再喊人帮忙。他终于不是被搬运的人,而是自己走完一段路的人。 这才是AI的真正意义:不是参数榜,不是估值,不是让强者更强;是用AI改造世界,让其他人更幸福,把不幸的人从身体和环境的牢笼里解救出来。 所以我也更期待AI在医疗里做更多事,尤其是癌症——早筛、靶向、疗效预测、新药发现,让更多被病困住的人重新拿回生活。 再往后想一步:今天脑控手套抓杯子、轮椅出门、人形机器人接力;明天就是外骨骼、救援机甲、工业重型机械——人脑意图+AI读环境,机械成为身体的延伸。高达不是中二幻想,是控制论走到足够可靠后的自然外延。
87
minimax是真的没存在感了吗? 我买了他家1000多的年费套餐 我都他喵的快忘了 🤣🤣🤣🤣🤣🤣
5
4
117
百度又要在网盘上面落后了,真的是怒其不争。😡 在 AI 操作的时候。我们要往外面传输一些资料的时候,有时候大文件没办法传输,这个时候就要用到网盘了。 而在我实际的测试与使用过程中,百度网盘的 API key 是有时间限制的,基本上 2 到 3 天就要让你自己手动去刷新。 这样就导致了网盘基本上没法用。 那么现在,腾讯要开始做它的网盘了。以后 workbuddy 直接把他自己的网盘打通,随意传输,不管在家里还是在外面,电脑都能够接大文件。那你还用百度网盘吗?
2
3
135
让 AI 帮忙检查视频有没有问题速度 又慢又费钱。😂😂 昨晚我拿 Google 新出的免费接口 gemini-decision-1 搭了个自动审片小工具,实测完 60 秒视频(就是和jev一样的,不过它还可以看图)💪: 只做“选择题和打分题”。丢给它一张图,顺手挂上 6 个问题(文字有没有出界、字幕有没有挡住图表、画面糊不糊等),它半秒钟直接吐出“是/否的概率”和“几分”,0 废话输出(完全不花输出额度,谷歌实验室api免费💴)。 我用脚本把视频“每秒截 1 张图”,跑了两轮实测: 1)43 秒的真实口播视频:12.1 秒全部扫完,0成本。 2)60 秒的故意藏错测试片:67 秒扫完 60 张图,零报错;文字被截断、字幕遮挡图表、连续 9 秒画面卡死不动、黑屏模糊全部精准抓出来,还自动挑出最严重的 Top 3 问题截图。 实测踩出的 3 个大坑,想抄作业必看: 只把图片尺寸缩小没用,必须开“省流开关”我本地把截图压到 512 像素宽,结果接口还是按高清大图扣额度(1,100 Token/张);必须在代码里显式加上 resolution="low",消耗才直接降到 264,立省 76%,而且该抓的错一个没漏。 免费版不怕你“问得快”,怕你“一次吃太撑”AI Studio 免费版限制每分钟最多 5 万输入额度(TPM)。一窝蜂把 60 张图全砸过去,后台会自动卡死重试 30 多秒;改成像高速收费站一样按额度匀速排队发请求,全程丝滑扫完,一次限流报错都没有。 查“画面卡没卡住”,别花冤枉钱问 AI我试过把前一秒和后一秒两张图一起传给 AI 对比,结果图片额度直接翻倍。后来想明白了:两张图一不一样,在自己电脑上用代码对比像素差就行,0 成本一秒搞定,省下额度让 AI 专注看排版。 以后我剪视频就固定用这套组合拳: 先让这个“选择题模型”当保安,10 几秒扫完一整条片子,只揪出最可疑的 3 张问题截图; 再把这 3 张高清大图交给最聪明的大模型去改代码、修排版。 目前只在测试片和 1 条口播素材上跑通,还没拿以前真实翻车过的几条老视频验证误报率,所以先当内部小工具用着,跑稳了再继续迭代。
4
2
349
本周 Google 正式在 AI Studio 上线了 Gemini Decisions API(支持单次并行评估多达 1,000 个判断项,且输出完全免费)。 算上开创“不说话只给概率”路线的 Jev(刚拿 8.7 亿美元融资)和 OpenAI 的跟进,三大玩家全部入局。Agent 架构正在发生一个关键分层:不再用重型生成式大模型去干“条件反射”的脏活。
8
3
150
以前写 Agent 管线,最浪费算力的场景就是拿旗舰模型当“分类器”: 入口判断意图路由,调一次 LLM; 执行高危终端命令前做安全审查,再调一次 LLM; 批改文档或逐帧质检视频画面异常,还得逐条让它吐字。 用生成式模型做判别式任务,就像请博士生去流水线上按 Yes/No 按钮
1
46
现在更合理的混合架构是 System 1(决策模型)+ System 2(推理生成模型): 前者把输入编码一次,毫秒级并发跑完几十个布尔/打分指标(如路由分流、提示词注入拦截、Remotion 渲染帧溢出检测),直接返回结构化置信度驱动代码控制流;只有高风险或异常切片,才拉起后者做深度推理修复。 把“判断”和“生成”解耦,长程 Agent 才能真正跑进高频生产环境。
19