来吧，来展示一下你们用的国外模型到底有多智能，我可以把我的流程给你们看，你们敢把你们的开发流程给我看吗？你看我用手机段，我直接给他说我刚才改的一个功能， 我想看一下他会员表做成什么样的，我去审了一下，然后我就让他再接着给我完善，真实啊，这我手机的录屏， 但是这里边我是发现一个问题，他有个地方他一直跑不通，后来我就问他，我说他为什么会这么用？他说这里边有几个文件，看到这个地方怎么用的，这个本子是我的框架的文档，没有给他写清楚， 然后我的框架对于他来说是黑盒的，他根本看不到原码，你看这个有什么问题啊？还要多聪明啊？然后因为我经常在调整我的思路，他写好的代码，有时候我觉得这么设计不合理，我就会让他改， 就经常就这么来来回回的，因为我本身对代码结构这块也是有那么一点洁癖，不会容忍一个字段弄得不好，我都会让他纠正看一下， 全程我连电脑都没打开，我只看他给我的输出，我看他到底做了什么事，然后最后我让他打开手机端浏览器跑一遍，全自动的测试，他把他跑了。 我不明白，你们告诉我你们用的国外 a a 有 多聪明，聪明到你都不用给他发指令，就给他说给我做个什么什么软件，就一口气给你跑完，你都不管中间他怎么做的。
粉丝3243获赞2.9万
相关视频
00:06查看AI文稿AI文稿clog code 住进 apple watch 了，有点可爱是怎么回事？
328Una在学习
00:36查看AI文稿AI文稿很多朋友都知道 cloud 非常的强，但是还不知道如何去使用到今天来给分享一个非常简单的方法，这个里面都能使用到官网的最新的 o p 四点七，三万四点六等等这些模型啊，我们来看一下， 这个里面我放了多个官网的 max 和 team 账号，都可以去任意的选择使用，并且上面还为你贴心了选择了 samsung 每三小时有三十五次， o p s 每三小时是十次啊，都可以去任意的选择使用的，如果大家也想使用的话，都可以点击我主页的置顶作品找到我直接使用。
32阿坦说Ai
01:47查看AI文稿AI文稿我一定要推荐你用 cloud code， 因为这是走向 ai 时代的一条最快的路。那么用 cloud code 能做什么呢？第一个，它能帮助你部署 open cloud 的 大龙虾，它能帮你去部署，帮你去修复 bug， 给大龙虾安装各种插件，它还能跟大龙虾一起协做，去做更多的事情。 第二个，它能帮你编程，做出你想要的工具、软件、网站，帮你链接各大平台，打通各个平台与网站，甚至是通讯工具之间的连接都能实现。第三个，它能帮你部署任何软件，任何开源软件都能 步数，还能帮你修复 bug、 调参数。 cloud code 有 一个非常重要的功能，真的能帮你收集并下载东西，我就用它收集了一千多份规范，帮我收集了房屋、体 检室相关的全国所有资料，甚至收集各种国外的规范文件。做信息收集一定要用它，它能真正帮你收集并且翻译，它甚至能帮你工作提效， 比如自动填表，帮你填 word、 excel、 bpt 都能实现。而且它能根据你现有的知识库，根据你的资料进行精准填表。格式 code， 甚至是你的内容分发工厂，能自动帮你写文章，自动排版，自动分发各大平台，甚至还能帮你的文章直接转成视频。我这个视频格式 code 帮我做的完全是他帮我做，也没有写一行代码。 他还能帮你做标书，监控招标信息发布，自动审核招标资料，还能帮你对图纸进行分析算量。 但对新手来说，想把格式扣的真正用顺，环境配置实在太麻烦，各种依赖报错，英文命名很容易直接劝退。所以我专门做了这款 ai 集合工具，为了让大家能无痛用上格式扣的，它不仅兼容格式扣的同时，也支持 codex 一 键检测，环境自动补齐，依赖 npm 包和技能也 一键安装，不用你折腾，不用查文档，不用踩坑，让你不用在配置上浪费时间，打开就能直接体验 cologato 的 强大，而且全程免费，没有任何隐藏消费。如果你也想轻松用上这款 ai 神器，关注我，我把安装方式都整理好了，方便大家直接拿去用。
89AI叶师傅
10:21查看AI文稿AI文稿deep c q v 四呢，终于发布了，各方面的参数啊，看起来都很不错，但实际使用起来又是什么水平呢？正好最近两周啊， g p t 五点五， opt 四点七， kimi k 二点六也都刚更新了，再加上之前的 g r m 五点一呢，凑齐了一大批的这个千元模型。很多朋友啊，都在纠结说自己的智能体里面到底应该用哪个模型呢？今天这个视频啊，我就会从价格，从速度， 从完成任务的质量几个角度来跟大家聊一下这几个模型，能够让大家在选这个模型的时候啊，会有个参考。我们首先来看一下各家模型 token 接口的这个价格，按照 token 输入输出七十比 七比二的这个比例来加全，这个呢大家可能如果不清楚的话，也不用特别的去计算，我是按照我自己的平时的账单的统计，然后调用的这个比例算出来的，每个人呢都或多或少会有些不同，但大概呢就是这样一个比例，然后用它来算出每百万 token 的 一个综合的价格，方便我们去比较。我们看到 v 四 flash 呢，零点三二元， v 四 pro 呢，原价是二点五六元，然后加上当前二点五折的发布活动啊，价格大概是零点六四元。 kimi k 二点六呢二点二三元。 jimmy k 二点一呢二点二九元。 opus 四点七十点六三元。 gpt 五点五呢十一点五二元。国产模型啊，大家看到大致呢都在同一个价格袋里面， opus 跟 gpt 呢，价格直接贵了一个数量级， 一次 flash 啊，价格最低，因为它的模型尺寸呢，也是最小的一次 pro 呢，能把一百万的上下文做到这个价格，是采用了新的注意力机制，一百万上下文呢，大概只需要前代的百分之二十七的算力， 百分之十的显存就够了。列出这个综合价格啊，是方便大家去理解，去比较，然后给大家做一个自己选择的参考。然后来介绍一下这次的这个对比的任务设计啊，我这次呢，是想让智能体啊去抓 hack news 上面前一百条的热贴，挑两到四条呢，值得说的话题，查背景， 生成图片，配音，最后用 hyperframe 这个 skill 呢，制作一条三十到六十秒的中文视频报告，中间怎么去完成啊？怎么去这个一步步的定任务呢，完全交给智能体自己去定，每家过程啊，稍有不同， 但大致的内部的流程啊是一样的。先写 python 脚本呢，抓帖子，做数据统计，再写分镜跟旁白，然后呢，生成语音跟图片。语音出来之后呢，来计算一下实际的长度， 重新去调整一下分镜，如果太长呢，就压缩一点，如果太短呢，就扩展一点。最后呢，再用 hyperframes 以代码的形式把这个视频完整的做出来。每个模型的任务呢，我都给它们建立一个独立的空白的文件夹，然后用 skill 去扩展它们 agent 的 能力。比如说像我这里用到了几个 s 册去查资料， gpt， imager 去申图，然后 edge tts 做中文的旁白， hyperframes 负责视频的合成等等，基本上就是四个。如果产出有明显的缺陷啊，我会反馈给 agent 一 次，但只给这一次的机会，只做一次的人工干预，还有一个比较重要的细节来跟大家分享一下。 这次实验用的 agent 啊，是叫做派，大家肯定没听说过，因为在国内还比较冷门。它是一个极简设计的 agent， 几乎不做任何额外的封装。我们平时用的比如说像 cloud code 啊 or codex 这种框架，它约束多，然后规划层比较厚，好处呢就是把那些比较弱的模型啊，能多浮起来走两步， 代价呢就是那些比较强的模型的判断力呢，可能也被一定程度上牺牲掉了。反过来说呢，薄的框架就是让弱的模型一步步能露出马脚，也让强的模型完全能够展示自己的规划跟纠错的能力。我们来大概的这个判断一下，这次一整条的这么长的这个工作流任务啊，需要用到这大模型的工具调用，多步骤规划 上下文，然后选题，判断出错的自己修复，单次跑下来我估计会用到上百次的工具调用，所以这六个模型的推理强度全部拉满，能够真实的展现它们在整个过程中的综合能力。 在最后比较这六个模型的这个能力之前，我们要先来看一下这次任务我们实际使用的账单跟这个生成的速度。 gpt 五点五呢，最快十六分钟 up， 四点七，二十九分钟 up， 开启了 x high。 这个之后啊，花费也是高的离谱， 比 g p t 五点五还贵了三倍多。然后其他的像 deepsea v 四 pro， 然后 kimi k 二点六， g r m 五点一，消耗的 token 呢，差不多，所以成本呢，也几乎差不多。但是 g r m 五点一啊，速度上比较慢， 花了四十四分钟才完成，这个原因呢，就是因为 token 接口的吐字速度太慢。因为之前就听说啊，这智普是国产模型里面比较缺算力的这个一家公司账单讲完之后啊，我们来看一下最终的成品到底是长什么样子。我想按两个维度来评价这次的任务啊， 就是排版跟内容，排版呢，是排版的结构，然后图案的比例，动画字幕这些内容呢，就是指选择题啊，旁白啊，判断力啊这些。然后六个模型呢，按照这两个维度的综合表现，我可以分成三档，第一梯队呢，就是 up 四点七和 gpt 五点五，大家可以看一下它们生成的视频啊。 h n 今日速览 top 一 百里三件事不讲废话第一件 deep c v 四，一千九百八十九分一千五百一十六条评论全列录零抠的跑在华为升腾上 pro 模型每百万输出 token 三点四八美元。 h n 原话从黑客到黑客 第二件， open a i 当天甩出 gpt 五点五，一千五百五十三分。记者分拣封顶贴 andropet missus， 但社区泼水幻觉率百分之八十六，是 opus 两倍多。第三件，最游戏九百零六分的热铁，在 bug 质量下滑。同一天， google 宣布向 andropet 注资最多四百亿美元，社区点透循环贸易， andropet 拿钱回头买 google 的 tpu。 全剧看 top 一 百 ai 话题十五条，却吃掉百分之三十一，得分百分之四十一。评论 谷里四条是 ai 域名榜第，靠十六次领跑。数据采自四月二十五日 h n 热榜，今天 h n 前一百条里， ai 大 模型占三十二条，合计一点一万分七千二百五十七条评论，榜首讨论集中在 deepsea v 四 g p t。 五点五和科沃质量风波。 deepsea v 四拿到一千九百八十九分，一千五百一十六条评论，社区最在意的不是发布会，而是低价好文档，以及跑在华为芯片站上的完整 阅帖。评论里的核心质疑是， ai 编程下的写代码时间是否又变成了独代码和审查成本工作计划最高头 n 四百亿美元， 把它看成供应商融资前 tpu 云和同要成闭环。如果模型商品化，真正的利润可能在算力入口比特和 c i l 供应链攻击，无科技拖拉机走红也只向同一个情绪。技术越强，社区越想要可验证，可修，少锁定系统。今天的关键词是可信。 从排版角度来讲啊，这一档的模型有完整的编辑自觉分进脚本呢，会自动标注 t t s。 实测的时长精确到秒，然后再去反推画面的时长。 g p g。 五点五的定稿啊，甚至自己列了这个时间码的对照表，图文的重点分明，然后动画的节奏也很合理。 t p t。 五点五的短板是首页的，这个数据格式化，没有正确的去渲染。然后从内容角度来说呢， oppo 四点七旁白其实是最讲究的，这可能跟大家的直觉上也比较吻合。 开场四秒钟就切入了三件事情，每一件呢都有具体的数据，加上一句这个嗨客女子原话做压轴，结尾呢，还单独留了十几秒钟做整体的这个全局的数据的复盘，然后这六个里面是唯一一个自己做了 结构化数据分析的这个模型， g p t 五点五呢，选题抓到了这个资本与算力的闭环这个独特的视角。别人都在讲模型本身，然后他呢，在讲生态，在讲一个大的宏观的这个这个角度，但结尾啊，那句就是今天的关键词，是可信。这样句话呢，我觉得就比较仓促了，像他感觉到时间快到了，然后硬切了一个结尾，这种感觉 怎么说呢，就是五十七块钱的 office 啊，贵是真的贵，但能力呢，确实也是最顶尖的。中间党的两个模型呢，就是 dipstick v 四 pro 跟 gim 五点一这一党的模型啊，都只是完成了整个工作的一半，但只是完成的一半不同。 v 四 pro 呢，赢在内容。 r m 呢，赢在了排版。 v 四 pro 的 排版呢，主体是左右结构的，图片被挤得比较小，文字也比较小，远不如第一梯队的那种舒展的，然后清楚的感觉，但有亮点啊，就是首页它做了一张热力图，是这六个模型里面我觉得最具设计感的这个开场，然后结尾这个转场，还用了这个色块动画，看得出来很有这个设计的意图啊。 然后字幕显示呢，我觉得就是比较正常。 v 四 pro 的 内容啊，我觉得它写的旁白是六个模型里面最像写给人看的一份。 d c v 四，近两千顶铁， 完全开源零抠的纯华为 samsung 芯片社区最镇的不是跑分式文档，开发者说比 open a i 好 太多。有人留了四个字， from hackers to hackers。 敢直接把这个 hacker news 的 评论原话当京剧引进来。 from hackers to hackers， 然后循环贸易 中表达呢，保留得很完整，四个镜头的每一个都有一句压得住的短句，然后开源再追，闭源再堵，开发者用脚投票。这句收尾呢，比 opus 我 觉得是最接近第 题。对的，开头有数据统计，然后文字跟图片都足够大，排版很舒服。唯一的问题呢，就是字幕遮住了这个皱纹。我反馈了一次之后呢，也没有修好，但是 g r m 五点一的内容啊，就差强人意了，基本都是新闻播报， 每个镜头的结构呢，都是谁发布了什么数据，多少社区说了什么东西，没有一句呢是自己的这个视角，自己的判断，也没有把几件事串联起来一起的。这个整体的视角只看排版呢。 g r m 真的 厉害，但是把旁白跟分镜如果也算进去的话呢，我觉得 v 四 pro 可能更好一点，所以我把这两个呢，都放在第二档。第三档呢，就是 v 四 flash 跟 kimi k 二点六这一档啊，为什么放在第三档呢？就是因为我觉得它在排版跟内容上面都有些硬伤。你比如说啊，像 v 四 flash 的 这个排版，所有的页面呢，都是同一个上下结构， ppt 模板， 十六比九的图呢贴在上面，然后有大片的空白，字也偏小，开头的数据呢没有渲染出来，字幕也缺失，反馈之后呢，还是没有修复好。至于 vs flash 的 这内容呢，它的旁白基本上也就是在复读这个帖子标题，然后像 deepsea vs 那 段，讲到 sweetband 突破百分之八十，适配华为升腾，这现在都是标题的原话。还有的那段呢，也只是把世界名完成了念一遍， 完全没有自己的这种视角跟判断。然后 kimi k 二点六的排版呢，深图有浓郁的这种 ai 的 味道，深图的提示词呢，也是比较差的，图片也被裁切了，没有完整的展示，然后字呢，也偏小。 kimi k 二点六的内容啊，比 vs flash 我 觉得稍微强一点。选题呢，选了卡尔的信任危机，然后谷歌的助资 把续命和买保险两层的意思呢，都点到了旁白，比较有节奏感。不过相比第二档的 v 四 pro 啊，我觉得还是有点差距的，大家也可以自己看这两视频对比一下。最后来跟大家总结一下，就 gbt 五点五跟 oppo 四点七呢，排版跟内容两件事啊，都非常在线，贵呢，确实有贵的道理。 然后像 v 四 pro 跟 g m 五点一呢，都只能做到一件事，然后卡在中间。然后 v 四 flash 跟 kimi k 二点六呢，在我这个测试当中，两件事都没做到，所以我只能把它排在第三档了。收回这个 dipstick， v 四本身啊，国产第一梯队我就完全是没有问题的。 v 四 pro 一 百万的上下文，性价比也非常的高， 从内容上来说呢，甚至有时候可以超过 g p t 五点五，但综合实力呢，跟 opus 跟 g p t 五点五我觉得还是稍微有点差距。但你聊一下这次测试的本身的局限性，因为六个模型都只跑了一次，会有很大的这个随机性，换一次呢，可能结果又不一样了。 任务设计啊，我这次也是比较偏重于这个视觉方面跟代码能力的，对纯文本推理能力啊，其实不是特别的敏感。真正严谨的测试呢，应该每个模型都去跑 n 次，然后去它的分布，然后再叠加这个盲测打分。这期视频呢，算一个不太严谨的这个测试， 给大家一个基本的这种参考。最后再跟大家说一下，这次测试呢，用的 agent 是 派，在国内还比较冷门，但我现在自己啊，就是内部几乎所有非代码的任务呢，都在它上面跑，非常的顺手，非常的听话，非常的爽。它是个开源项目，完全不是广告，感兴趣的朋友呢也可以自己去学习一下，自己去体验一下。好了，今天视频就到这里，我是李总，黑经理超，我们下次见。
9257第四种黑猩猩
02:38查看AI文稿AI文稿装好了靠的桌面端，但又对着屏幕发呆，那么这七个隐藏技巧，哪怕你是纯小白，看完也能直接起飞！建议点赞收藏加关注，防止以后找不到哦！大家好，我是冰好！技巧一，进入软件，直接在对话框里敲这段指令斜杠， set up， call work， 就会像一个老手一样带你选职业装插件配工具，傻瓜式的操作，五分钟帮你全部搞定。个别插件报错的话，直接跳过就好了，完全不影响你的后续使用。技巧二，靠的桌面端，满屏的英文看不懂，是不是真的很崩溃？ 别慌，我自己歪着抠等了一个汉化神器，安装之后，菜单栏点一下，一键汉化重启，靠的直接变成中文，想切回去，只需要点击恢复原版就可以恢复到汉化前的版本了。 画画之后还可以随意切换其他语言。这个 app 只改变你的 app 语言，不会动你 call 的 任何配置文件，快捷省心。技巧三，别让 ai 再乱翻你的电脑了， 看见输入框下面这个工作区按钮没有？点击它旋转你现在的项目文件夹，这等于给 call 的 划定了一个圈圈外的隐私文件，它绝对不碰！ 切记，千万别把整个电脑硬盘给全选了！技巧是，一堆文件直接扔给靠的，他绝对是懵逼的。聪明人的做法就是点击加号，或者直接把对应的文件拖进去。 比如说我扔一份，销售一笑给他付上去，然后说按月汇总，找到下滑最大的三个品类，指定上下文，不仅省创意，干活还贼精准。 技巧五，这个功能百分之九十的新手都会漏掉。打开设置里的 global instruction， 在 这里写一句，所有的回复必须用中文，之后不管你怎么问他，他都会用中文来回你。以后你的回复格式、口吻、风格全都可以放在这里，收益极其夸张。 技巧六，嫌，每次都要重新调教，太麻烦。设置里面把 memory 的 记忆功能打开，你随便提一句，我是做电商的，多用转化率分析，下次新对话他直接按你的习惯来， 用的越久他就越了解你，简直就是专属的神仙助理啊！最后一个技巧，如果你经常找不到你的历史绘画，在侧边栏点击 vivo 会打开一个完整的任务列表，在这里你可以多选绘画，一键存档， 在这里也可以看到你之前存档的绘画信息。重要的绘画可以点他们侧边的三个点，点击固定，直接置顶，下次直接就能找到。完成了任务，想把绘画从侧边栏删除， 直接点击存档，就会保存到你的任务列表里面。学会了这七条技巧，那么你对靠的桌面端的使用就算正式出师了，我会持续更新更多靠的桌面端的进阶玩法，不想错过的话，赶紧点个关注吧！
3358Winhao学AI
05:45查看AI文稿AI文稿问一个直击灵魂的问题，全球 ai 那 么多，凭什么 klo 的 能成为全球第一 ai 在 各大榜单疯狂霸榜？明明 klo 的 创始人在 open ai 一 同参与研发 chad、 gpt， 他 们是有股份的，躺着就能赚钱， 为什么他们偏偏要与老东家决裂，走向一条相反之路？而 cloud 凭什么能封神？今天这条视频，我用最直白的大白话，用四个点给你讲透 cloud 从器子到封神的完整逻辑，看完你就能看懂 ai 行业的底层真相。 cloud 能封神的第一点，是他们从一开始就定死的创业理念。他的成功从达里奥和丹尼拉阿莫迪兄妹离开 open ai 那 一刻就已经注定。当年的 open ai 走的是能力优先、效率至上的路线。为了快速商业化赚钱， 在安全问题上一再让步。他们靠人类反馈给 ai 做对齐，用户喜欢听什么就让 ai 说什么，企业根本不敢把合同、财报、代码库交给一个张嘴就敢瞎编的 ai。 而可唠的直接反过来给 ai 写死了。一套不可逾越的宪法原则， 无害、诚实、负责、可验证。不靠人类反复打分调优，而是让 ai 自己批判自己，自己修正自己，自己对齐规则， 先判断这件事该不该做，再决定要怎么做。最终的结果是，它的违规内容拒绝率超过百分之九十八，幻觉率直接压到了行业最低 g p t。 为了做好全能聊天，把安全当成了可以妥协的选项。 法律文档的准确率不高，谷歌 jammer 多模态能力再强，安全对齐也做得松散。常闻门里逻辑矛盾频发， 只有 cloud 的 opus 四点六在法律 ai 平台 harvey 评测上得分百分之九十。点二，行业最高。 anthropic 官方譬如 cloud 的 年化收入，从二零二五年初的一亿美元，暴涨至二零二六年初的一百四十亿美元，这是其他 ai 永远拿不到的核心基本盘。 cloud 能封神的第二点，是靠百万级上下文长文本，全网都在做百万级长文本，凭啥 cloud 最特殊？因为别的 ai 只是给存储空间扩容。 cloud 是 直接重构了底层逻辑， gpt 和 jm 奶用的传统架构，注意力计算会跟着文本长度指数级增长， 文本越长，速度越慢，忘得越快，必须写成一段一段位进去，信息天然就割裂了。而 cloud 用的分层门控架构，把计算复杂度大幅降低， 全程能把所有内容关联起来，不丢细节，不会遗忘，放到真实场景里，这就是实打实的降维打击。律师用 gbt 处理一百页的合同，要切成五段改三轮，又忘了前面的条款，风险点入减率高达百分之四十。 但是用 cloud 整份合同，加几十条相关法规，一次性喂进去，能完整梳理出所有风险点，零遗漏。 别的 ai 是 你喂多少，我就读多少， cloud 是 你喂的越多，我越能看懂大局。 cloud 能封神的第三个原因，是因为它是全球程序员公认的代码之神。在国际权威的 swisse 两千零二十六编程实测里， cloud ops 得分百分之八十七。点六，断层第一， 稳稳压住了 g p t 斯诺的百分之六十七， jimmy 凹川只有百分之六十三， dicksick 也只有百分之五十九，差距一目了然。他不光能写单段的代码片段，还能看懂整个项目的架构，依赖、性能瓶颈和安全隐患，敢做跨文件的代码重构， 给出完整可运行的方案。最狠的是他的所见即所得闭环。你说一句帮我写个俄罗斯方块，他十秒钟就能写出完整代码，还直接在网页里渲染出能玩的游戏， 不用配环境，不用装软件，所说即所得，哪怕是毫无基础的小白，也能靠说人话一下午做出一个复杂的网站。他和代码工具 curser 深度绑定之后，周活直接从三十万飙到了两百万。 全球程序员用脚投票选了这个最靠谱的 ai。 程序员最怕的是什么？怕 ai 下边函数偷偷埋雷，改完的代码根本跑不起来。而 cloud 靠着宪法 ai 带来的诚实和可验证，刚好解决了这个行业最大的痛点。 cloud 能封神的最后一块拼图，就是它无人能复制的企业级生态。它是全球唯一一个同时深度打通了 a w s 谷歌云、微软 air 全球三大云平台的 ai 企业，不用改造现有系统，不用迁移数据，直接就能用零成本接入私有化部署，端到端加密数据脱敏，符合全球 g d p r 监管要求。 它的商业模式也和行业完全反着来， g p t 百分之七十以上的收入靠 c 端用户订阅，而 cloud 百分之七十五的收入 都来自企业 a p i 服务年增速高达百分之三百，造血能力断层领先整个行业。他还做了 opus sonic 嗨酷三层分机模型。他从来不是一个只会聊天的机器人， 而是一个二十四小时不出错、可审计能直接嵌入业务系统的数字员工，这才是企业愿意持续高价买单的根本原因。当然，直到今天，可乐依然有它明确的不足。在日常闲聊、娱乐创作、多模态生成这些 c 端大众场景里， 它的体验和灵活性确实不如 g、 p、 t 和国产大模型。但在专业办公、企业服务、代码开发这些需要绝对可靠的场景里，它就是当之无愧的全球第一， 都在铁王座上明知实规。你用过科奥的吗？它最让你惊艳的是哪一点？评论区告诉我，收藏这条视频，教你用 ai 高效提效！下一期告诉你为什么 ai 会讨好人类。
4804灵GO
04:27查看AI文稿AI文稿大家好啊，今天一个视频给大家讲清楚，你需要智能手表吗？同时我也会讲一下智能手表和运动手环有什么区别。 首先这个按钮是回到主页面的功能，就会看到它有哪些功能，或者你有哪些 app， 然后这个按钮是可以打开运动模式，看你需要做什么运动，然后就可以直接点一下开始运动，同时这个手环手表也会记录你的运动情况，这些跟运动手环是差不多的。 我们先回到这个主页面，一个一个给大家点开看一下，嗯， 这个就是一个，就跟小爱同学什么的差不多。然后就是你可以跟他对话，但是其实智能手表他是一托于手机的，你看似是在，这个看似是在跟智能手表在对话，其实他就是连的手机的网， 嗯，然后这个也没有什么用，从来没有用过。然后这个是远程控制手机拍摄的，但是手手表是没有拍照功能的，可以远程控制手机来拍照，遥控拍照。 嗯，这个也也没有什么用，也是类似那种蓝牙对话吧。这个是备忘录，你可以在那个手机 app 上，然后跟这个同事记一下，也没有什么用，没用过。 这个是可以控制手机上的音乐吧，网易云什么的。但是这个手表是有扬声器的，你也可以用手表上，然后直接放音乐，这个是可以切换用手表放音乐还是用手机放音乐？他这个比智能啊，比运动手环好的，就是他自己就有扬声器。 嗯嗯，然后这个是闹钟的功能，然后这个是血氧的功能，这个是记录你睡眠，然后这个是心率，然后微信。好的一点就是你可以直接在手表上，然后发信息，就跟手机是一样的，不过也是要连手机的网，其实用的就是手机的网，支付宝是可以付款， 然后这个钱包是可以绑定 fc 的 功能。然后这个对讲机，如果两个人都有这个一样的手表，就可以用这个对讲机，然后五十米之内可以兑换。这个就是。嗯，没有什么用吧？ 哦，不对，这个是你运动的时候就可以选择运动模式，手表会给你记录一下，然后跟这个运动跟运动手环功能是一样的， 这个就是看你一天的运动量有没有达标，然后这个压力值，测测你的压力，其实我感觉手表的压力值可能比手环准一些。 嗯，然后这个是秒表的功能。这个是秒表的功能。这个是记录女性经期，然后准时不准时？没有用过，毕竟是男的。然后这个是倒计时，这个是。嗯，这个是运动教程，从来没有用过，感觉没有什么用。 这个是直接可以用手机手手表来打电话。这个然后不过这个也是，其实就是用手机打他，就是连着手机 运动记录是记录你的运动情况。这个是天气，这个是应用商店，也可以下一些有意思的东西东西，不过没有手机方便。这个是你可以在手表上养一个宠物，然后可以给他。呃，洗澡喂饭什么的。从来没有用过。这个就是呼吸训练，也没有用过。 呃，这个是记录你身边的噪音有多大。 这个没有什么用，就是教你运动的课程吧。这个是指南针，然后这个是对你手表上可以进行一些设置，台外显示，然后字体大小、亮度什么的，这个百度地图、网易云，还有这个喜马拉雅、酷狗音乐、高德地图都是下载的一些 app， 但是其实我感觉都没有什么用，没有手机方便。 嗯，我感觉这个智能手表跟运动手环其实没有什么区别，它就是增加了一些功能，就比如微信发信息的功能， 然后，嗯，像这些听歌它是自带一个扬声器，然后它还可以打电话，就比如这个打电话，然后还可以下载一些 app， 但是我感觉这些都没有手机直接来的方便， 可能就是。嗯，如果然后可能手表就是颜值好看一些吧，手环就小一些，如果大家有钱的话就可以买一个智能手表来玩一玩。但是我感觉这个东西其实如果只有运动的需求，或者记录你睡眠的需求，就手环就完全够用了。 呃，我有一期视频也讲了，就是运动手环主要功能，大家也可以看一下，这个是 vivo 最新的一个智能手智能手表。
12梁总
00:42查看AI文稿AI文稿我今天就要吐槽一下 ai 智能体，这玩意真上头。我上一次这么废寝忘食的时候，还是在我小学去玩梦幻西游，去东东海湾打大海龟的时候，你看可乐的扣的 open 可乐，然后还有扣的叉， 天天跟他们斗智斗勇，停都停不下来。嗯，没有接触过这些东西的兄弟们，我真心推荐你们去了解一下，他能带给你不一样的体验， 他能从认知包括策划执行，给你不一样的思路，不一样的天地。
04:50查看AI文稿AI文稿今天分享的主题是探索 cloud 目录。 cloud 目录就是你和 cloud code 之间的沟通手册，你在这里告诉 cloud 项目的上下文规则偏好，甚至可以给他添加全新的技能和子代理。无论你是刚接触 cloud code 的 新手， 还是已经在日常使用它的老用户，理解好这个目录的结构，都能让你的开发效率再上一个台阶。那 cloud 目录到底是什么呢？你可以把它理解成 cloud code 的 大脑配置文件， 它告诉 cloud 你 的项目有什么背景，有哪些规范工具，应该怎么用。这个目录可以放在两个地方，一个是项目跟目录下的 cloud 文件夹，提交到 get 后就能和团队共享。 另一个是 home 目录下的 cloud， 这是你个人的全局配置，所有项目都能用到。大多数情况下，你主要和 cloud md 以及 settings john 打交道，剩下的都是按需添加的扩展功能。我们来看看 cloud 目录里到底有什么。 最核心的两个文件是 cloud md 和 settings john， 这也是大多数开发者日常打交道的东西。 cloud md 用来写项目指令和上下文， settings java 配置权限钩子和环境变量。 剩下的目录项， skills， rules agents， 这些都是可选的，当你的项目需要更复杂的能力时才添加上去。值得注意的是， cloud md 既可以放在 cloud 子目录里，也可以直接放在项目跟目录，两种方式 cloud 都会加载。 现在我们来深入看两个最核心的文件。首先是 cloud md， 这是 cloud code 在 每个绘画开始时都会加载的指令文件， 你可以在这里写下项目的架构说明、编码规范、测试约定、关键文件路径等等。简单说，这就是你给 cloud 的 入职手册。另一个是 settings john， 它控制 cloud 的 行为边界，比如哪些工具允许调用？工具调用前后要不要刨脚本？环境变量怎么设？这里要特别提一下 settings， 点 local 点账，它专门用来存你的个人偏好， 自动会被 g t nore， 所以 不会污染团队配置。当项目变复杂了，光靠 cloud md 可能不够用，这时候就要用到扩展能力了。 skills 是 可附用的提示模板， 你可以通过斜杠命令，比如 review 来调用，也可以让 cloud 自动触发。这非常适合代码审查、生成文档这类重复性工作。 safaris 更高级，它让 cloud 可以 创建专门的子代理， 每个子代理有自己的提示词、工具级，甚至持久记忆空间。此外还有 rose 来做主题范围的指令， output styles 控制输出格式， m c p john 连接外部工具，这些全部都是按需添加的。 关于配置的作用域。项目级的 cloud 放在你的仓库里，提交到 get 后，团队所有人都能用，适合放项目规范和团队约定。而全局级的 cloud 属于你个人， 所有项目都能用到，但不会提交到任何仓库，适合放 api、 蜜月、个人偏好。这些隐私信息需要注意。优先级，项目级的配置会覆盖全局级的同名配置， 而 c l i 命令行标志的优先级最高。接下来聊聊应用数据，这部分 cloud code 会在 cloud 下存储绘画、记录文件、快照、缓存数据等等，这些数据默认三十天后自动清理。你可以调整参数值来控制保留时间， 但有几个是无限期保留的，比如 history。 java 用来支持上箭头回忆提示，如果你想手动清理，可以用 cloud project purge 命令。 强烈建议先加 drive 预览，要删什么确认没问题再跑。另外注意数据是纯文本存储的，如果工具读取了俄女文件或者命令输出了密码， 这些内容会留在记录里。最后来总结一下这张决策表，帮你快速定位，想做什么就找哪个文件。 核心原则就是从小处着手，先配好 code， md 和 settings， java 等有更复杂的需求，再逐步添加 skills， subintelligence 这些扩展。这几个要点值得记住。团队共享的，放项目级 个人隐私，放全局级 cloud mb 是 项目指令， settings 掌握控制权限和环境。如果遇到配置不生效的情况，可以用 debug 标志启动 cloud code 来查日记。掌握了 cloud 目录的用法，你就能让 cloud code 真正成为你的专属开发助手。
248村头的猫
09:58查看AI文稿AI文稿二零二六年 ai 圈最火的概念莫过于 harness engineering 了，但从二月份 open ai 发文到现在，我翻遍了全网的讲解，发现几乎都是在讲概念， 怎么落地，怎么实操，竟然没有人说。所以今天我就从原理到代码实践给大家讲明白 harness 是 什么。并且你听完后啊，可能会发现自己的智能体已经在往 harness 这个方向发展了。 先说一个你很有可能的误解，很多人看到 harness engineering， 第一反应就会把它和题日词工程还有上下文工程挂上关系。 这个理解不能说是错，但并不是 harness 的 本意。题日词工程解决的是你对模型说什么，指定写的有多精准，角色设的有多么的清晰。上下文工程解决的呢，是模型能看到什么，记忆怎么存，长，文档怎么切，历史怎么压缩。 而哈尼斯工程解决的是模型在什么环境里工作，去调用哪些工具，怎么调度，权限怎么控制，出了异常怎么兜底，三件事情，三个层面同步引进，不存在谁取代谁。就好像写程序，你需要好的算法，好的数据结构，好的内存管理，少了哪个，你的程序都跑不通。 那 harness 到底是什么最直接的公式啊？ agent 等于 model， 加上 harness， 模型是大脑， harness 是 它的工作环境。打个比方， java 代码是跑在 j b m 上面的， python 呢，是跑在解释器里面，模型呢是跑在 harness 上面， 那 harness 就 决定了模型能调用哪些工具，调用怎么被安排和调度，上下文快满了，怎么压缩用户没授权的操作，怎么拦截这些东西啊，模型自己不会负责，也不应该负责，这是基础设施该干的事。 还有一个很常见的误区，很多人啊，会把 longchain、 spring ai 这类框架直接当成 harness， 这是不对的。这些框架呢，是脚手架， 它帮你把工具调用、模型接入这些东西，封装好，让你少写很多的代码。但它本身不是 harness， 它只是让你更容易的去搭出一个 harness。 真正的 harness 呢，是跟着业务走的，不同场景长得完全不一样。拿两个极端的例子来对比， cloud code codex 这类 agent， 面向的是 c 端，用户，跑在操作系统上，工具呢，基本是文件的读写，终端命令，这些场景很开放。 而你自己做的业务 agent 呢，面向的可能是 b 端，跑在数据库和内部的服务上，场景是有边界的，对权限的控制和稳定性的要求完全不在一个量级。同一套模型，哈密斯不同，能干的事啊，和能信任的边界就完全不一样。那接下来我就从 cloud code 的 源码中带你了解什么是哈密斯。 我们先看一下 c c 的 主流程编排层，也就是 query engine 这个类，里面有一个叫 submit message 的 函数，所有你跟 c c 的 对话都是从这里进和出的。阅读这段代码后啊，你会发现，前面的三百多行代码全是在准备工作，没有任何大模型的调用， 那里面包含了环境的准备处理，用户的输入、落盘、系统出式化消息等操作。其中我挑选了两处最能体现 harvest 这个函数， 他把 kusu 啊包装了一层，做了一件事，每当一次工具的调用被拒绝，不管是用户手动拒的，不可拦截的，还是 classify 判定不安全的，这个包装啊，都会把记录压入一个叫 permission denies 的 数据库， 记录下来。哪个工具哪一次调用的 id 传了什么参数，那模型在整个执行过程中啊，使用者对此是无感的。那记录这些的意义是什么呢？为什么能体现出 harsh？ 其实这份记录是给 sdk 调用方用的，像审计 a 技能的行为调优，权限策略啊，都靠它。 每次任务跑完，你就有一份清单， agent 在 这次绘画里面总共碰壁了多少次？异常的点在哪里？如果某个工具被高频的拒绝，说明 agent 的 行为啊，和你的权限配置之间有异常，你得回来调。 但最关键的一点是啊，模型知道这次被拒绝，但不知道自己这次绘画总共被拒绝了多少次。而 harness 帮他统计了这份清单，并且汇总专门给外部系统用不进模型的上下文。所以 harness 不 只是在控制 agent， 他 同时也在观测 agent。 第二个是 record transcript 的 这个函数。这个啊，在模型调用之前，他做的事就先把你这条消息落盘注示解释了。为什么 如果说进程在 api 响应回来之前被强制终止，比如说机器断电，用户按了 stop， 那 绘画可以从这个断点恢复。如果等模型回来再存，中途断掉，那这条消息就丢了， resume 就 找不到记录了。 用户几乎感知不到这件事情正在发生，但他一直在保护用户。那这一点我相信很多大模型开发的同学都会这么去做，不可能傻傻的等到大模型的结果回来之后，再把用户的消息去进行持久化。所以这两个位置合起来说明一件事情，模型在开口之前， paris 已经在旁边做了很多用户看不见的事情。 接着我们看一下 cc 的 指定装配层。这边我要对比的是两处都在构建系统提示词这个函数里面。 第一处没错，就是这三行代码。在这个判断中，如果 override 存在函数，直接 return 后面所有的 prompt， 不 管你是在 cloud 的 md 里面写的规则，还是你定义的 agent 的 指令，全部都跳过一行都不跑。 那什么场景会触发这个呢？当 cloud code 被当成一个子 agent 嵌进自动化的流水线，副 agent 开这个子实体的时候，就会通过 override system prompt 给它指定一个完全受控的身份。 比如说你只做代码审查，只输出 jason， 那 cloud code 就 会把所有的默认配置全部架空，你可以认为是 sub agent 的 概念。 注意啊，这里的替换是什么力度？不是优先级更高，是其他的根本不跑。三行代码中，模型对自己是谁的认知完全被替换，这给刁永芳一个干净的白板，没有任何底层默认值泄露进来。 第二处， proactive 模式同样是 agent 的 定义，普通模式下， agent prompt 直接切换 default prompt 模型变成了个 agent。 但在 proactive 模式下，它是这样做的。 在这段代码中的注示中有说明， proactive 啊，不是换了一个人，而是给这个人增加了新的技能。同一个 agent 的 定义文件会有两种执行模式，模型的身份啊，完全不同，普通模式是换人， proactive 模式是加技能。当然了，这个决策也不会在你的 prompt 里面体现，而是 harness 自己帮你做的。 然后我们再看一下 c c 的 工具调度层。这边啊，我选了同一个文件中的两处代码。第一处，我们先看一下 is currency safe 这个函数， 在 c c 中啊，每个工具会自己声明并发安不安全，那 harness 则会调用这个函数来进行提问。那如果这个方法本身抛了异常，不管是什么原因，比如说解析 share 参数失败啊，工具里面有 bug 啊，那捕获了这个异常之后啊，就会直接 return false。 按照常规的软件工程来说，捕获异常我们会向上抛，抛到上层，进行统一的管理，但这边的报错，它并不会抛给上层，而是降级到串行。那为什么会这么做呢？ c c 认为啊，病发出错付出的代价，比如说数据损坏，文件冲突要远大于花一点时间进行串行。 harness 的 默认哲学是，不确定的时候选安全的那条路。 第二处， run to 函数里面对病发败局的处理，当一批工具都是病发安全的，它们是同时跑的，但是注意里面有个 map 结构， key 是 工具调用的 id， 工具跑完之后啊，它对执行环境的状态修改。 比如说我刚才写了哪个文件，但这个操作并不是立刻应用的，先是被压入这个 map， 等整个并发的半局完全完成之后，再按照顺序一个一个的把修改应用上去。 也就是说，工具的执行是并发的，但状态的更新是串行的，有顺序的。那听到这里，如果有开发同学应该会比较熟悉，其实跟我们平时使用的现成池差不多的原理。 所以说如果不这样做，两个并发工具同时改同一份上下文，谁厚写谁覆盖谁状态就乱了。这个问题啊，被 harness 在 基础设施层解决掉了，模型那边发出工具调用，收到结果，完全不需要关心这件事情。 接着我们再看一下上下文。治理层在 to use context 这个文件中有两个字段， set app stat 和 set app stat for tasks。 普通的 set app stat 在 sub agent 里面是一个空的操作，不做任何的事情，这是有意设计的。此 agent 不 应该直接改副 agent 的 全剧状态，否则嵌套会越深越乱。但是第二个字段就不一样，注示里面写得很清楚， 不管 agent 嵌套了多少层，它都能写到最外层的绘画状态，而且专门用于比单次绘画活的时间更长的东西，比如说 background， task， clean up， hook， session 级别的注册等等。 那实际的含义是什么呢？一个嵌套了三层的 sub agent， 可以 通过这个接口在最外层注册一个清理任务，在整个绘画结束时执行。这个能力啊，不在模型身上。在 harness 上第二处 agent id 字段，这个字段只有 sub agent 才会被赋值，主线称没有，这个字段是 undefined。 注示里面说，你可以在户客的逻辑里面这样判断，如果 agent 的 id 存在，说明这次工具调用来自某个子 agent， 如果不存在，说明是主线程。根据这个啊，你可以给子 agent 的 工具调用，增加额外的审批步骤，或者完全不同的权限规则， 同一个工具，主线程来的直接放行， seven agent 来的要多问一句，那这条逻辑不在模型里，也不在工具里，而是在 harness 里。 如果说你想对谁发出的调用有不同的应对方式，那不用改模型，也不用改工具，改的是 harness 对 不同调度来源的响应。 好了，关于源码，我们先分享到这，现在把四段源码串起来，你就能看到 harness 的 真实面貌。模型调用之前，有一层系统在为他准备好一切认知框架、工具、权限、调度策略。这些东西啊，不在提示词里，也不在上下文里，但没有它，提示词写的再好，上下文管的再精， a j 呢？还是跑不稳。 所以记住这一句，模型决定了 agent 的 上限，但 harness 决定了 agent 的 下限。最后我想说的是， ai 时代下，做好智能体往往不是选对了什么框架，而是你要把智能体想要成人的大脑去模仿，大脑会做什么事，哪些地方需要记下来，哪些地方可以忽略， 哪些地方需要较验，那又有哪些地方需要被约束？这些判断才是真正决定智能体上线和下线的关键。所以，正如我前几期视频所说的一样，产品思维和架构思维在智能体时代显得尤为重要。 ok， 那 以上就是本期关于 honeyse engineering 的 全部分享。不得不说啊，在 ai 浪潮下，保持清醒的认知最重要，不要人云亦云，我是布鲁，你的 ai 好 搭子，我们下期再见！
2357布鲁歇一歇
02:30查看AI文稿AI文稿现在市面上这么多 ai agent， 到底选哪个呢？我将选定四款最具代表性的智能体，从产品定位、上手难度、使用费用几个方面进行比较，帮助你选择最适合自己需求的 agent。 首先是产品定位， 字节跳动的 tree 是 原生的 ai 开发环境，定位是主要是用于 ai 编程领域，但一般的综合用途也是可以满足的。 cloud code 是 antropic 出品，一开始就是为编程而生的，目前仍然是编程界的天花板，能胜任大型代码工程。在 github 开源社区有非常多的 skills 可以 应用，借助 skills， 它也可以完成编程以外的很多任务。 openclaw 小 龙虾，它的定位是开源的个人 ai 助手，它能帮你操作电脑里的软件，完成任务，通过微信、飞书等聊天软件就能给他下命令，这也是他最受欢迎的一点。 hermes agent 它的定位和 openclaw 类似，但是它的记忆系统设计得比小龙虾要好，所以它算是会学习进化的个人助手。 一句话， tree 是 综合 ai 开发环境， cloud code 偏向编程。 openclaw 个人 ai 助手 hermes 会学习的个人助手。 安装使用方面， tray 下载即用，对电脑配置要求也不高，也不需要什么配置，打开就可以使用。 cloud code 对 电脑配置要求最低，安装需要几个命令行来完成，如果配置国内大模型，需要再安装一个 c c switch， 总的来说上手还是比较容易。 opencloud 和 hermes 对 电脑配置要求较高，特别是对 windows 用来说，至少需要一些 linux 基础才行，需要折腾一下才能使用。 再来对比一下使用费用， tray 是 有免费额度的，也可以使用国内的主流大模型，对于轻度使用足够了。 cloud code 配置国外大模型就不说了，配置国内大模型的话，一般是购买 coding plan 套餐，最低档的一般四十元每月。 openclaw 和 hermes 是 需要额外买大模型的 token， 这个就看你消耗 token 的 情况了，重度使用它俩消耗的 token 都不低，不过还好， deepsea v 四目前还比较便宜。 最后总结一下，如果你只是想体验或偶尔使用一下，可以用 tray 编程，用 clod code。 如果有很多任务想让 ai 帮你做，用 openclaw 或 hermes。
69AI伙伴计划
03:59查看AI文稿AI文稿当下如果说你只有时间学一门技术，那一定是 code x 或者说 cloud code， 不 信你看我通过它搭建的智能体怎么为我服务的？ 我举到这个例子，是我之前在清华大学上面看到的这个 open mac 这个项目，它基础的功能已经非常不错了，但是它还有很多需要我们优化的功能啊，我就在它的基础上把它模改成了一个非常适合我们作为编程教学 以及齐老师教学的这么一个智能体。我刚刚的话，他已经动的生成了一整节课堂啊。之后讲解 ppt， 有 捕捉你注意力的动画， 有文字，有讲解文字部的引导，还有详细的 ppt 界面，以及整个的图像过程和讲解非常详细，还包括画以及互动界面。 那这个互动界面很多老师可能学了基础的一些工具之后也可以做出来，但是他不是成体系的，那这里呢？是成体系的，给它搭建出来的前后的衔接，包括图像，那这地方都是可以交互的啊，这个斜率的交互，以及对应的这个结句的交互， 包括下面这里可以改对应的这个函数，改完之后都可以看到整个参数的变化，非常方便学生去交互，去感受。会有互动的练习界面，比如说这里给我们选择答案，它自动判断对错， 还有课堂的测试界面，随堂检测，边选一下会自动进行批改，批改之后会告诉你多少分对错，哪些非常详细。 在他的基础上还更新了非常重要的几个方面的功能啊，是优化界面，比如说某一个页面你觉得不好，你可以点击这个优化按钮来对于当前这个页面的 bug 或者不足的地方，重新做这一页，让他更加的符合你的需求， 包括删除页面也是一样的，还包括插入页面，如果说这两页之间你需要再插入一个测试，或者说一个交互界面，或者说一个讲解界面，都是可以点击，插入之后跟刚刚的 优化按钮是一样的，他这个时候就会在八页和第九页之间去插入你想要的东西，比如说某个公式讲解等等，都是 ok 的， 非常方便我们去背课和去学习某些知识点，让整个前后逻辑 衔接的更加的深刻一些。除此之外呢，我们课堂他不是说就单独的页面，他都是带有讲解的，并且同时会带有讨论环节，你点击这个按钮，比如说这地方不会随便写一下， 我刚的话也测试了几轮啊，测试完之后说完不会。之后整节课程的讨论环节这个时候就开始了，咱们的老师呢，会这个时候 打开白板啊，将你进行讲解，你看这个白板它都自动打开的呦，打开之后会进行这个部分的讲解， 或还会有其他的一些跟你一起学习的 ai 学生出来啊，补充一些问题，包括补充一些技巧， 这个笔就很形象啊，小明同学就补充到了，那这个时候呢，到了你的回答，其实你到你发言了，这个讨论环节就不是你一个人啊，很多同学陪你一起，当然这些都是 ai 的 同学， 增加了一个非常方便大家的功能呢，是整个的导出按钮啊，这个导出可以导出，只导出 ppt 界面，就只有那些讲解页面啊，可以导出整个资源包，那这样导出之后呢？还有压缩包，就包含了整个你这个课程中的讲解语音包，以及 互动交互页、测试页面等等。啊，也是包的形式。那我也增加了导入资源包的功能啊，点击导入可以选择一节课啊，比方我已经选完了，选完之后就可以将你这个资源包中所有的资源 打开了，只要是这个资源生成的，他之前的语音包讲解都是会正常进行的。我也分享完了，如果说对于整套系统都想要自己去使用的，他之前的语音包讲解都是会正常进行的。我也分享完了。如果说对于整套系统都想要自己去使用的，欢迎右边点击头像入股。
48愈见森林
00:28查看AI文稿AI文稿智能手表看时间可以，别相信心脏监测。你的智能手表平时看看时间还行，别迷信他的心脏监测，看心率还行，可监测的房颤睡眠质量就不靠谱了。你要记住，脉搏不等于心跳，打个比方，你要是有房颤，那一次心跳在脉搏上是反应不出来的，就像你手表显示心率三十八次， 实际上你的真实心跳可能有七十多次，只是早搏多了还没识别对而已。带他看时间，大致测心率就行。真心脏不舒服还得是来医院做专业的检查。
00:30查看AI文稿AI文稿我只能说克洛德你是真的很牛逼啊，竟然上线了一个全新的身份验证，用户现在必须用身份证件加上实时自拍，这下普通人真的是完全用不了了。说个冷知识啊，克洛德背后公司 s u p 和 ceo 曾经在百度工作过一年， 他是整个硅谷 ai 大 脑中对我们最强硬的人员之一，这真的让我很好奇，那一年在百度他到底经历了什么，我只能说牛逼。
36再见老张
00:37查看AI文稿AI文稿兄弟们，我发现一个好玩的，前几天我不是用那个 gbt 生成了一个，呃，我们中转站的一个推广视频嘛，然后我想着，哎， ai 漫剧是不是也可以用我们这个 gbt 来生成？然后我就去网上找了一下提示词，我给你们看一下 这个成果，这个效果给我笑死了，万龙归海。
279安品科技
