感谢 DeepSeek，老师教我们用 WorkBuddy，我装逼想用 Hermes。
结果我安装了 Hermes 并且玩了一天，才用了 2￥ 左右！
@aigc1024

所谓理性
就是为了对抗一种感觉而去唤醒另一种感觉的一套sop
@aigc1024

充气娃娃＋AI＋具身智能，怎么还没有搞出来？

vals.ai 之前评测过 Fable 5，在他们的 200 次测试当中，有 199 个都路由到了 Opus 4.8。但最后评估得分是 Opus 的 2 倍，token 消耗也是 2 倍。
@aigc1024

终于上了！
藏师傅现在这个 Skills 可以帮你做 Live Photo。
我过去一段时间用下来，发现这个能力非常有用。它比做成视频的难度要低得非常非常多
又可以帮你展示一些需要动态展示的东西，比如：
1. 步骤说明
2. 不同角度的产品细节
3. 带动效的网页展示等等
这个 Skills 基本上把做 Live Photo 的门槛拉得非常低。
你只需要给它文案和你随便录制的一段视频，它就可以帮你编辑排版，变成一个带文字的 Live Photo。
当然，一些基础的 Live Photo 编辑它也能帮你做（比如拼图、夹子等），比你在市面上能找到的对应产品要方便很多。
详情：https://mp.weixin.qq.com/s/2EMtOo6C_xSt6CcU3DZuvA
@aigc1024

我有个朋友姓 艾
她和个外国人结婚了
她说她结婚后本来不想管夫姓
但这个年头顶着 艾(AI) 这个last name去投简历很少拿到面试
有一次好不容易拿到面试
Zoom的时候被面试官当成AI踢出来了
也是很心酸
瞬间觉得那个叫 诗婷(Shiting) 的朋友也不是那么可怜了
@aigc1024

吴恩达三言两语，就把 Loop Engineering 说清楚了。
吴恩达果然厉害。前两天在他的 Newsletter 中，短短几句就把 Loop Engineerring 这个新词的本质说清楚了。刚看完他的文章，结合着说下我的理解。
1、如果用一句来总结的，Loop Engineering 讨论的其实是，如何让 AI 像工程师一样，一边干活、一边验收、一边返工，直到达到要求。
一个程序员标准的写代码流程是这样的：写完代码、运行程序，然后发现 Bug，紧接着修改代码，继续测试，直到没问为止。
现在越来越多的 AI Coding Agent 已经能够自己完成这个过程。
给它一份产品需求文档（Spec），再给它一套评测标准（Eval），Agent 就会进入循环：写代码 → 运行测试 → 发现问 → 修改代码 → 再测试。
如果测试没通过，它会继续改。如果功能不符合需求，它也会继续改。整个过程不需要人工介入。
2、Loop Engineering 这个词听起来挺唬人，但核心思想其实并不复杂。
以前我们给 AI 提需求，更多是在描述想做什么。现在还需要提前告诉它，什么叫成功、什么叫完成，以及如何自动判断有没有完成。
这也是 Spec 和 Eval 存在的意义。有了这些标准，Agent 才能自己写代码、自己测试、自己修 Bug，形成真正的闭环。
3、吴恩达认为，如果把视角放到整个软件开发流程里，大家最近讨论的 Loop Engineering，只是一小部分。
所以他专门画了下面这张图，把软件开发拆成了三个嵌套在一起的 Loop。
在 Coding Loop 之外，还有第二层循环，叫 Developer Feedback Loop。
简单理解，就是开发者不断调整产品的过程。Agent 负责实现需求，开发者负责修正需求。
当我们看到一个功能真正做出来之后，经常会发现自己一开始想的和真正想要的并不是一回事。
于是开发者会重新修改需求，再交给 Agent 继续开发。这个循环的速度通常比 Coding Loop 慢得多，可能几十分钟，甚至几个小时才会发生一次。
但它决定的是产品会长成什么样。其实这部分讲的就是 Builder 要决定做什么，以及产品会长什么样。
诸如一个按钮放在左边还是右边，Agent 可以帮我们实现，但判断还得自己做。
4、在这层 Loop 还有个误区，很多人以为，开发者脑子里只要有了清晰的产品愿景，剩下的事情交给

Agent 就行。其实完全不是。
一开始，我们会先写一个大概的 Spec，交给 Agent 去实现。
等第一个版本做出来，自己真正用了一遍之后，往往又会发现：原来我真正想要的，并不是这个。哈哈哈，我就经常经历这样的过程。
于是再回过头修改 Spec，把之前没有想清楚、没有表达清楚的地方补充进去，再让 Agent 继续开发。
如果发现 Agent 总是在同一个地方犯错，比如某个用户流程总是走不通，或者某类输入总是处理不好，这时候就需要补充一套 Eval，把这些容易踩坑的场景固定下来，作为以后每次开发都必须通过的测试。
或者这么讲，第二层 Loop 就是不断校准自己的认知，并将这些理解逐步沉淀进系统之中。
5、我记得去年参加一个活动时，大家讨论过一个：如果 AI 的品味越来越好，是不是以后我们只需要说一个想法，它就能把整个产品做出来，人几乎不用再介入？
吴恩达说自己不太喜欢品味这个词。他觉得，相比 AI，人类真正的优势不是品味，而是拥有更多的上下文。
比如，我们知道用户是谁，知道他们的真实使用场景，也知道他们到底在为什么事情烦恼。这些信息很多都不在模型的上下文里。
只要人手里还有 AI 不知道的信息，就必须有人参与到这个 Loop 中，把这些关键信息持续注入系统。所以，Developer Feedback Loop 很难完全自动化。
6、最外层的 Loop，说白了就是获取真实世界的反馈。前面两层 Loop，解决的都是实现层面的问。
而到了这一层，关注的是这个产品方向到底对不对，以及我们接下来要做哪些功能。
通过了解用户的反馈、分析数据或者研究竞品的产品等等方式，我们需要不断修正自己的产品判断。
诸如这个功能到底有没有必要做？用户真正的痛点是不是这个？产品是不是应该换一种交互方式？甚至，我们是不是一开始就选错了方向？
真实世界的反馈会不断影响开发者的判断。开发者再把新的理解更新到 Spec 中，交给 Agent 继续开发。这就是三层 Loop 之间的关系。
7、非常透彻。所有对 Loop Engineering 有所困惑的同学，都应该看看这篇文章。
文章链接：https://www.deeplearning.ai/the-batch/issue-359
最后，再画蛇添足一句，我感觉这些新词，真的就是换了种说法而已。之所以能爆火，核心还是因为这些概念，精准击中了目前 AI 行业正在发生的变化。
要我说，Loop Engineering 就是递归式的自我提升。Keep Building。
@aigc1024

tabbit浏览器依然是大善人
能用赶紧用
@aigc1024

codex好搞笑：
一边思考，一边自言自语：让我再人工看一遍…
我：你算哪门子人工？！

<br /><img src="https://cdnv2.ruguoapp.com/FhesOfAoXgjMfxOxL7F8vkx3cEEDv3.png" />
@aigc1024

同一个任务给4个模型，Fable 5 全胜，但贵了 Opus 4.8 六倍
任务：3个 HTML5 物理场景，断桥脱轨、峡谷碰撞、怪兽卡车
Fable 5：$3.12，A+，无穿模
GPT 5.5：$1.14，最接近 Fable
Opus 4.8：$0.56，效果一般
GLM 5.2：$0.08，最便宜，没赢一局
质量和价格还没法兼得，你会怎么选？

AI探索 | Hermes/OpenClaw｜优质资源｜优质信息