chatgpt限额重置什么意思
拆了 gpt， 今天又救了我一命，医生说我要是去了，再晚一点后果会非常严重。那具体发生了什么呢？就是前两天我在剪指甲的时候，那个指甲剪完它没断，连着一点皮， 我呢，也没多想，我就给他撕了，撕的时候当时有点疼，因为撕破皮了，结果呢，到了昨天那个地方就有点红肿发炎，有一点点疼，我就问 gpt， 我 说我这几啥情况，他说呢，可能是有点感染，让我观察一天，如果到了第二天啊，有变得更红肿，或者说有白色发浓， 以及有跳痛，就是像随着你的心脏跳动，一阵一阵的痛感，那你就要赶紧去医院好。结果果然不出 gbt 的 所料，今天早上我在睡觉的时候，就感觉这个 手这个地方啊，就咚咚咚的一阵阵跳痛，我就赶紧拍了个照问 gbt， 我 说我这是不是得去医院了？然后呢， gbt 说我应该去医院挂个外科或者皮肤科，那我当时呢，我还是有点侥幸心理，我就说我能不能比如你告诉我我该涂点什么药，我自己涂一涂就行了。 ppt 跟我说啊，你这个产生跳动的原因就是局部压力过大，你的伤口是密闭的，你在外面涂药是没用的，必须马上去医院， ai 甚至直接帮我理好了这么一段话，说你到了医院跟医生这么说，他就能立刻快速清晰的 清除你的病情，知道该怎么处理好，我就去了医院挂了皮肤科。那治疗的过程呢？大概就是一个护士，他用针把脓挑破，给我 挤出脓血，然后用针刺在周围放血。我也问医生啊，我如果来的再晚一点会发生什么？医生说啊，你再晚一点来的话就不是用针去调了，是用刀去切，甚至更严重的就是甲沟炎，那个时候可能需要把指甲给拔掉什么的，所以我总结出来的建议是什么呢？就是第一个， 剪指甲的时候一定要对指甲剪刀去做消毒，我知道很多人是没有做这个事的。第二个呢就是指甲如果没剪断一定就继续剪，不要去撕。第三一个，你有任何的小病小痛或者哪里不舒服就去问问 check gbt 或者其他的 ai， 让 ai 给你去建议， 因为在过去我们是没这个条件，但是现在有了，你一定要用起来，也不要去抱有侥幸心理，觉得我会不会等一等？会自己好，会缓一缓？好，今天就分享这个。
粉丝60.3万获赞613.9万
相关视频
01:09查看AI文稿AI文稿最近都在传圈的 gpt 快要用不了了，其实呢，是这两天 gpt 开始大规模的封号，嗯，封号的原因不是什么亚洲节点不能登录，不是什么用中文来提问不行，而是有很多卖账号的商家，他们在大批量注册账号的时候，用的是同一个节点， 就导致了 open ai 官方在后台查的时候，把这种关联了相似 ip 的大批量账号一口气全部封禁了。 哪怕你的账号不是批量注册的，但是你用的相似的节点都有可能会被封。大家要知道，因为一些特殊原因呢，我们是无法直接用国内的手机号和银行卡去注册 gpt 的。于是呢，从去年就开始有大量的帮国内用户 注册 g p t 账号的商家在做这个生意，因为小白用户要去注册账号是有一定操作难度的，所以他们通过这种 天然存在的信息差距赚钱。这个事情的问题在于，官方是不允许的，所以批量注册的账号很容易就被封了，你买了这种账号呢，商家如果关店跑路了，你充值的钱也要不回来。所以如果你要长期使用 gpt 的话，建议还是要去增强一下自己的动手能力。
2491小虎报
06:06查看AI文稿AI文稿今天面试的学者问他 ide， 他的记忆机制是怎么设计的，他的回答是，用向量数据库存历史对话，每次解锁相关内容直接拼进去，我就直接把它给淘汰了。 今天从一个被逆向的真实案例出发，把这个问题给讲透。先说一个反常识的事实，嵌的 g p c 的 记忆系统没有用摄像数据库，没有 rek 解锁，没有 and benny 召回，甚至连相似度匹配啊，他都没有。 这段时间，一个开发者通过对话实验，把签字 gpt 的 激励机制给逆向出来了，结果简单的让人意外，整个系统就四层，纯结构化设计。 你可能会问，签字 gpt 又不是 ide 的， 拿它举例合适吗？它的确不是 ide 的， 只是一个对话产品，但它的 memory 的 设计思路啊，完全是可以拿来借鉴的。 他回答了整个 ic 的 记忆系统的核心问题，什么时候该用解锁，什么时候不改？我们先看他是怎么做的。为什么 open ai 不 用限量数据库？两个核心原因， 第一，限量解锁是模糊匹配，但很多既需要精准的去调用。举个例子，用户上周告诉你，我的预算是五万，今天用户问预算是多少？如果你有限量数据库，你可能召回的是一堆预算相关的问题， 用户讨论过的各种金额的场景可能排在这个五万前面。但如果你用结构化去存储用户的这个预算的字段呢？就能精准的命中，并且没有歧义。 关键事实类的信息不应该用模糊去查上。第二，向量数据库的时间处理就很别扭啊。譬如说用户现在改主意了，上周预算说五万啊，今天又把它预算改成八万， 这时候现在数据库就存了两句话，一个五万，一个八万，那解锁的时候可能两条都会被召回，那到底去陷哪一个呢？但是如果你的 memory 的是结构化的啊，新值能够直接覆盖旧值啊？答案永远只有一个， 需要更新和覆盖信息，就不应该去用追加的方式写进去，应该直接覆盖。你可以现在数据库加 madata 啊，时间戳加 过滤规则，最终也能实现。但是问题是啊，既然能够用信息化是结构化的，为什么用一一堆模糊的工具去实现它呢？ 就像你明明知道钥匙在左口袋啊，你非要把口袋全部翻了个遍，你才去找到这个钥匙。但绕远啊， 工程设置的本质是选对工具，而不是去证明你会用复杂的工具。那应该怎么做呢？答案是分层。 memory 不是 一种东西，而是至少有四类东西。第一类啊，就是当前的上下文，这根本就不需要存，因为在你的滑动窗口之内。第二种是用户的长期事实，比如名字啊， 职业啊，偏好目标啊，这都都是结构化的档案，要进行存储的，进行标签存储就可以了，随时覆盖，精准读取。第三种是近期的对话的摘药，用户最关心什么话题啊？你留过什么方向啊？用这适合清量级的啊，摘药列表不要存原文。 第四种是历史经验和失败的案例啊，成功的案例，过去用什么解决方案，失败的尝试，只有这一种才真正适合向量解锁。你看 项链数据库是四种记忆其中一个的方案啊，签了 gpt 的 四层架构就是这么做。第一层，画原数据，设备类的信息，时区类的数据啊，把使用习惯不存在这个记忆里面，只当做调整风格。 第二层是用户级，一张结构化的档案卡，名字、职业偏好，长期项目，用户主动说出来相关的信息啊，被系统识识别出来，稳定的事实，信息可以增，可以改，可以删。 第三层，近期对话的摘药，最近几十次十几次的一个聊天的标题，关键信息理成一个清亮节的清单，不需要存原文啊，不做缩，静态的注入。 第四层，滑动窗口，当前对话，最近 n 条的消息超过头，肯上线， 丢弃最早的没有像项链数据库，没有 a r g， 纯靠分层和策略。这套设计核心的思想是什么呢？ 用剪辑解决该剪辑解决的问题，用结构化去解决该解决的问题。项链数据库优势是处理模糊的啊，开放的、难以穷举的内容。 比如用户去之前聊过一个什么 python 相关的话题啊，这时候语义就要去解锁，但大多数的案件的场景， memory 核心要精准可控，可更新。 用户的预算是多少？用户的身份是什么？用户上次选了个方案，这是事实，不能用向量数据库呢？当你的 memory 内容非结构化的，数量是开放式增长的，查询是模糊的。 比如你在做一个客服的系统 id， 你 需要从几万条的历史公单里面找相似的案例，这时候就要用向量数据库解锁，这才是对的。但如果你只是想让 id 能记住用户的基本信息和对话脉络，结构化存储和摘药机制 足够了，而且更快更准更可控。总结一下这个问题的完整答案， memory 并不是一个单一模块，是一个整套分层系统，不同的类型的记忆要存在不同的存储和读取存率。 当前上下文滑动窗口，长期事实靠结构化存储，近期脉络清量化，这样历史案例要向量化。量化数据工具呢，并不是一个锤子一锤子买卖啊，并不是万能的啊，面试的时候这么大能直接 体现的对 ig 的 记忆系统啊，深刻理解，不是备方案啊，是理解每一种解决方案解决什么问题。下次被问到的时候你不要着急，上来就说向量数据库，应该反问他们一句， 你们的 memory 到底要存什么样的数据类型呢？哈，这一句话出来，你可能就赢一半了。
1970大超学长
01:25查看AI文稿AI文稿你有没有发现， ai 会员以后可能不会再那么无限用了？不是 ai 订阅要消失，而是我每个月付一笔钱， ai 就 能无限替我干活。这个幻觉要结束了。以前 ai 主要是陪我们聊天，你问一句，他答一句，这里面其实有个天然限制， 人自己会累，你要打字，要读回答，要想下一句怎么问。所以平台可以让你感觉随便用。但 agent 不 一样， agent 不是 回答一句话，它是在替你连续做事。比如，你让它修一个 bug， 他可能要读文件、找问题、写补丁、跑测试、看报错，再改一次。你让他整理一张表，他可能要读数据、清洗格式，生成公式、检查异常。这已经不是聊天了，这是一段工作。所以接下来你会看到越来越多东西，本周额度、 任务额度、 credits、 额外用量、企业套餐。这些东西听起来烦，但背后逻辑很简单， 聊天归聊天，干活归干活，普通聊天可能越来越便宜，甚至接近免费，真正贵的是让 ai 替我们跑任务。所以以后我们用 ai 要换一个理解方式，不是我还能问多少句话，而是 ai 替我跑了多少工作。一句话聊天可以包月，工作不能无限量。
14文森特闲话
04:40查看AI文稿AI文稿gbt emoji 二点零上线了，有图有真相的时代可能真的要结束了，你敢信吗？就刚才那张照片，竟然是 ai 几秒钟生成的。以前咱们老说啊，说无图无真相，现在呢？直播截图，朋友圈界面， ai 生成的字可以一个不错，肉眼根本分不清，一句话，你能看到的都是它能生成的。 就现在全网都在喊说设计行业完蛋了，但是我不想贩卖焦虑，我也是开公司的，大家可以猜一下我做的是什么，我只想跟各位老板算一笔账，因为这二点零到底能帮你省多少钱？ 首先我们看一下传统模式哈，餐饮老板做一张菜单，找设计公司报价，一千五，你觉得好贵呀，人家说这是市场价，等一周交稿，你看了说颜色不行，他说这是设计感。来回改了三版，你终于妥协了，因为明天要开业了， 做活动的老板呢，一张海报两千，第一版你说字太小了，第二版颜色太暗了，第三版你说算了，就这样吧，因为活动后天就上线了，做电商的一套产品，主图八百，你每个月上线都要拍一年小一万，还得约摄影师等排气，选片，修图。一套流程下来，哎，半个月过去了， 做知识付费的呢，一套课程封面加详情页，三千起步，找三个人比稿，三个都不满意，最后你还是凑合用了其中一个钱花了气受了，时间搭进去了，出来的东西你还不见得满意。做老板的哪个没吃过这个亏？ 现在看 ai 哈，同样的菜单，你告诉他，中式快餐干净有食欲。价格栏留空，要年轻化三十秒出来了，活动海报呢？输入节日促销产品中间的折扣信息，留空三十秒又出来了。产品图输入护肤品放在木质桌面上，暖光极简风格依旧，三十秒 课程封面输入商业思维课，深蓝色大气极简风格还是三十秒。刚才那四样东西，菜单、海报、产品图、课程封面。传统模式加起来要七千多吧，等于一到两周。现在 ai 加起来两分钟电费几分钱？ 七千块对几分钱，一礼拜对两分钟，你说这账还用算吗？那省下来的那几千上万块，这钱能干嘛？我再帮你算一笔。 首先呢，你可以至少多招一个销售，每天多打几十个客户电话，你可以多投两波本地推，把同行的客户都拉到你这来。但说句实话，省这几千块只是今天最小的账，老板真正的痛，根本不是说你多花了多少钱。 老板最怕的第一件事叫失控。你开一家店，菜单要等设计师排期，海报要等设计师心情活动上线时间，你要跟着一个人的时间表去走，你说周五之前必须出，他说啊，最近排满了， 你的生意进度凭什么握在别人手里？第二件事是隐形成本，比设计费贵一百倍，你算过没有哈，一张海报拖一周，这一周你的投放上不了，你活动推不了，新款挂不了，一天至少少赚两千，七天就是一万四，设计费才两千呀，但是你搭进去的是一万四的机会成本， 这个账比设计费很多了。第三件事是你的同行不会等你，你在等设计师改第三版的时候，你隔壁那家店用 ai 三分钟出了五版图，当天晚上就发了，第二天已经开始接单了，你说客群就那些人，他去他那了，就不会来你这，那你省的到底是设计费还是市场？ 所以 emoji 二点零到底省了什么？最主要的是他把时间表从设计师手里抢了回来，攥回了你手里。他把等一周变成了三十秒，把改不了变成了随便改，把排期满了变成随时出。以前我们不敢多试，因为每试一次，设计费要重新花，排期要重新排 时候试错成本非常高，你就只能少试啊，那少试就少机会。现在 ai 三十秒出来了，今天你想到一个主意，今晚就能发出去测，一个月试一百次，只要有一次爆了，赚回来的就不只是那两千块的设计费，是一整个新业务、新客群。 所以老板拼到最后，拼的不是谁有钱，拼的是谁的决策更快，谁验证快，谁抢市场快。 ai 给你省的就是从想到干中间那一段最磨人的时间， 这才是老板该算的账。所以谁先用好 ai， 谁就先拥有下一个时代。这不是空口白牙，你也不要觉得需要学什么很高深的 ai 技术，唯一的门槛就是你要跟 ai 说人话，就像你交代员工一样，说清楚你想要什么风格，想要什么颜色，这里要放什么字 就够了。因为未来一家公司的视觉产出效率，取决于老板有没有学会能跟 ai 精准的去对话，而不是你的设计师加班到几点，到那个时候，你跟同行比什么？比谁的海报出的更快，比谁的活动上的更早，比谁的试错成本更低？你两分钟干完他一周的活， 剩下那六天二十三个小时，你全拿来搞客户、搞流量、搞钱，他拿什么跟你拼？我是娜爷，致力于用 ai 帮老板省钱，关注我，帮你把公司的每一分钱都花在刀刃上。
00:57查看AI文稿AI文稿叉 gpt pro 很 强，但多数人真的没必要一上来就开 pro 的， 先看官方权益对比。叉 gpt plus 已经覆盖高级模型，更多消息和上传额度图像生成记忆项目，自定义 gpt codex 和深度研究。 pro 是 在 plus 基础上给更高额度、更强模型和更重度的任务能力。如果你只是日常办公做 ppt， 做海报，改论文，分析文件或者处理论文格式， check gpt plus 通常就够用了。但如果你是做深度项目，重度写代码，高频使用 codex， 或者经常跑复杂研究任务，并且明显感觉额度不够，那再考虑 chat gpt pro 会更合理。所以判断标准不是哪个版本更贵，而是你到底用多重。偶尔问问题，免费版先够用，每天办公 ppt 论文生图优先。 chat gpt plus 深度项目，重度代码，高频 codex 再考虑 pro。 你 可以在评论区说一下你的使用场景，办公 ppt 论文代码生图都可以，我帮你判断。
16:13查看AI文稿AI文稿你现在每天用的 ai， 可能连它一半的能力都没有发挥出来。现在网上几乎没有一条视频，把 g p、 d、 e、 jimmy、 豆包这些主流 ai 所有核心功能放在同一张使用地图里讲清楚， 更没有人告诉你不同的需求到底应该点哪一个功能入口。所以，现在大多数人用 ai 不是 不会用，而是根本就不知道它们究竟能干什么， 写不出三千字，研究没有深度，代码跑不起来。本质原因只有一个，你把所有的问题都丢进了聊天框。那今天这条视频呢？我不教你技巧，不教你拆题诗词，也不站在某一家 ai 的 立场，我只做一件事， 把现在最常用的一些 ai 工具，每一个你可能用的上的功能，全部摆在你的面前，写作、研究、代码、学习生、图生、视频工具调用、什么时候，应该用什么功能，一次性讲清楚。看完这条视频，你不会再问 ai 行不行，你只会知道这件事我该用哪一个模式。 顺便说一句，所有的功能呢，你在网上很难一次性找到全部的说明。所以呢，我把它们都整理成文档了，只需要在评论区回复 ai 隐藏模式，我就直接发给你。 第一个升图，目前所有的大模型呢，基本上都已经内置了 ai 的 升图功能，像谷歌的 gemini， 内置的是最新的 nano banana 模型。 g p t 呢，使用的是 g p t 图像，而豆包使用的是自家的 c 锥模型，共有三个版本可以选择。那 jamie 呢，提供了两种图片的生成方式，分别是 pro 版本和普通版本。如果你要使用的是普通版本的 nano banana， 那 你就从模型的菜单当中选择快速。如果你要使用的是 nano banana pro， 那 你就从模型的菜单栏中选择思考或者是 pro。 nano banana pro 的 生成功能呢，可能会受到 gmail 三 pro 配额的限制，如果你用完了每日的 gmail 三 pro 的 配额，就得等到配额重置之后才能继续生成 nano banana pro 的 图片了。如果达到限额，你可以在提示栏中将模型从思考或者是 pro 模式切换到快速，然后继续使用 nano banana 生成图。 关于 nano banana 生成各种类型图片的教学呢，大家也可以观看我们这一期专门讲解 nano banana 视频，上百种效果可以说是一应俱全。 ok， 那 gpt 目前使用的是最新的 gpt image 一 点五，并且将它作为了 gpt 中图像生成功能的底层模型。 官方默认的也有额度的限制，尤其是免费的用户，或者是掐指 g p p plus 的 用户。那免费账号呢，通常每天有少量的生成次数，但是根据我目前查到的资料，并没有发现一个明确的数量。测试下来，免费用户基本上每天可以生成十几张图片是没有问题的， plus 或者是订阅的用户呢，额度就会更高。 ok， 豆包相较于 jimmy 和基本 选择就会更加的灵活了，它提供了三个版本，包含了从三点零到最新的 c 锥四点五模型。除此之外呢，还可以直接在聊天框当中选择比例和调整风格，可以说对新手来说上手是最简单最友好的。 豆包的身图限额呢，也没有明确的数量，甚至在我的测试当中，手机和 pc 端的数量都是不太一样的，但是基本上免费用户呢，能够每天生成几十张图片是没有任何问题的， 额度肯定也是三家当中最高的， ok， 那 么这是我用同一段提示词，分别使用这三个大模型生成的图片，大家可以看看你们更喜欢谁的生图效果。 二、视频生成视频生成功能呢，在三家就有所不同了，接下来内置最新的 ai 视频生成工具 vivo 三点一，操作呢也是非常简单的，只需要在底部的文本框下面点击视频图标， 然后在文本框当中为你想要生成的视频输入提示词，就可以生成了。当然，如果你需要根据照片来制作视频，点击添加图片的图标，然后选择你想要上传的文件，点击提交也就可以了。 在这个地方呢，也有一些官方的温馨提示，在生成视频之前呢，你可以先跟 jammy 进行一些对话，然后呢进行一轮头脑风暴，完善你的视频生成提示词，这样一来呢，你就不需要点击视频就可以生成了。同时呢也要注意， jammy 应用生成的视频长度呢是八秒钟， 生成视频呢可能需要一到两分钟的时间，你也可以要求 jammy 为视频同时生成音频。根据竖屏照片生成的视频呢，也将保持竖屏的格式， 并且采用语言，照片最接近的宽高比 ok 限额使用 vivo 三点零生成的视频数量呢也有一定的上限，接近限额的时候呢，现在会给你发送通知，告诉你还可以生成多少个视频。据我目前的实测啊， pro 用户一天能用 vivo 三点一生成三个视频左右豆包内置的视频生成核心使用的是字节跳动自研的 c dance 系 列模型，截止二零二五年十二月，最新的是 c dance 一 点零 pro、 c dance 一 点零 light 等版本可以供你选 免费用户每日视频生成的次数呢，通常是 app 端五次，网页端十次，两端呢是不进行叠加的，零点的时候呢，就会重置，具体呢，可能会因为你的账号等级有一些略微的差异。 下一个 gpt 的 内置功能呢，并没有视频生成这一项，因为 openai 把视频生成模型主要是通过了单独的 sorry 应用来进行完成。那这个地方呢，我们就不着重讲解了，那以下呢，是我们利用同一提示词生成的视频，大家可以对比一下效果。嗨， 我接电话，我需要帮忙，他们来了，快点我三、 deep research 深度研究接下来呢，我们要讲一个能把你从资料苦海里面彻底解放出来的进阶功能。 deep research， 也就是深度研究。那大家平常工作里面呢，肯定遇到过各种场景， 比如说老板让你做一份未来五年全球新能源车市场的分析，或者是你要写一篇严谨的生物医药前沿综述 这种任务呢？如果你用普通的 ai 对 话，他只能给你泛泛而谈的几百字，根本没有办法用，因为你需要的是浏览几百个网页，读几十篇 pdf， 甚至是清洗数据。这在以前呢，可能需要花费你整整一天的时间。但 deep research 就 不一样了，它是一个能够自主工作的智能代理， 给他一个题目，他可以自己去制定计划，自己去搜来源，遇到不懂的呢，也会自己去查，通常花个五到三十分钟，直接就给你甩出一份几千字的有理有据的报告了。 目前这个领域，你要关注的是两家， openai 和谷歌，它们俩的路子呢，也会有一些不一样。 openai 的 deep research 呢，更擅长的是逻辑推理，专门针对高难度的科学和金融，任务是做了优化的。 在人类终极考试的准确率呢，也是其他模型的好几倍。它最大的杀手锏呢，就是自带 python 工具箱，可以像数据分析师一样去写代码，抓数据，分析趋势，每一条结论呢，都会像写论文一样标好这个引用的来源，非常适合做那种容错率极低的硬核研究。而 google gemini 的 deep research 呢，更像是一个 懂你家底的全能秘书。它最大的优势呢，是生态整合，因为它不仅可以搜全网，还可以直接连接你的机妙邮箱和 google 的 云端硬盘，把你内部的文档和外部的信息结合起来，生成报告。它生成的报告呢，也不仅仅只是文字，还可以给你做成互动式的模拟器呀，图标啊，甚至是把报告转成音频读给你听， 都是没有问题的。豆包的深入研究功能呢，最近也刚刚上线，它最大的优势呢，就是量大管饱且体验丝滑，这就意味着它可以一次性吞掉上百篇学术报告或者是几本书，处理复杂任务的广度呢，也非常的惊人。其次，豆包特别懂手机用户， 你在 app 上面生成了长篇的研究报告，如果说你懒得看，也可以一键转成播客模式，挂在耳朵上听，甚至是研究报告做好之后呢，它还会自动生成网页形式来概括主要的内容。 不过要注意啊，深入研究虽然功能强，但都不是秒回的，因为他们要干的活太多了。申请一份报告呢，通常需要五到三十分钟，所以呢，别傻等着 点了开始呢，你就可以去喝杯咖啡了。而且呢，深入研究呢，也是比较烧钱和烧算力的，所以每天的使用次数呢，也是有限制的，大家且用且珍惜。 四、 canvas 画布如果你还在用传统的聊天框去写代码或者是改论文，那你真的是在浪费生命。我们都知道，直接跟大模型对话呢，有一个非常致命的痛点，他是个黑盒， 而且记性不太好，你让他改一段代码里的一个小 bug， 他 往往会把整个几百行的代码重新生成一遍，你还得自己去对比改了哪。或者是你写长文的时候， 你只想润色某一段，他却经常丢失上下文，甚至是自作主张改掉你满意的部分。那 canvas 画布功能的出现呢，就是为了终结这种问答式的低效作业，把它 变成了并肩作战的编辑模式。以 open a 的 canvas 为例，当你开启它的时候呢，屏幕会一分为二，左边聊天，右边呢，是独立的编辑窗口，它的核心逻辑就是精准控制。比如说，程序员写代码，你先要自己加编辑窗口，它的核心逻辑就是精准控制。比如说程序员写代码，你先要自己加编辑窗口，它就可以自动帮你插装， 老板让你把 python 代码换成 c 加加，点击移植就可以一键搞定。写文章呢，也是一样的，它不再是瞎改，也可以用滑块调节阅读等级，从幼儿园水平瞬间切换到研究生水平， 或者是一键调整文章长短和润色语法。简单的说呢， openid com 就 像一个坐在你旁边的资深主编和架构师，主打的就是一个指哪改哪的微操体验。 那如果我们说 open i 的 极致是编辑器，那 google gemini 的 canvas 就是 一个脑洞大开的多模态创意工厂。 它的逻辑呢，就有点不一样了，因为它不光是为了修修补补，而是为了让你的内容流动起来。除了可以调节文章的长度，调节写作的语气等等这些基础功能之外呢， gemini 的 canvas 里面呢，还有些额外的功能，比如说你在写完文档，如果你不爱看字，你点击音频概览，它就可以瞬间生成一段播课读给你听。 你需要做演示，点击一下就可以生成格式化的信息图、图表或者是测验题。如果想测试自己的学习效果， 也可以生成测验。对于学术党和数据党来说呢， gmail 有 两个独家杀手锏，第一个呢，就是完美支持 lattic， 且复杂的数学公式呢，极其的丝滑，包括之前火爆全网的 gmail， 一 键生成各种模拟器也都是在 canvas 当中完成的。第 第二就是无敌的谷歌生态整合，你写好的文章呢，不需要复制，直接点击导出到谷歌文档就可以发给同事。写好的 python 代码呢，也可以直接导出到 google collab 去运行， 这些呢，都是 openai 目前做不到的。所以总结一下，如果你追求代码和文字的极致掌控，你可以选 openai， 如果你需要通过图表、音频或者是依赖谷歌的全家桶进行写作办公，那 jamming 的 canvas 绝对是效率的神。豆包当中呢，直接把这个功能分成了两个部分，分别是帮我写作和应用生成。 首先我们看一下帮我写作，点击之后呢，你就可以看到这个地方已经有很多预设的文章模板了，从商业营销到设美文章，再到文学艺术，点击相应的模板，然后更改一下自己的需求，就可以进行生成。 同样的，在编辑机当中呢，也可以进行相关的编辑和 ai 的 改写。可以说豆包的这个功能做的是对普通用户非常友好，因为你不需要提前去准备提示词，只需要找到自己喜欢的模板，然后就可以生成了。 那同样的，应用生成也是模板化的，你可以输入需求，制作一些定制化的网站或者是工具，也可以浏览其他用户制作的模板，然后更改成自己的需求就可以完成，非常的便捷。比如说这个贪吃蛇游戏，直接点击就可以生成了。 五、学习与研究模式很多人用 ai 学习最大的误区呢，就是把它当做了搜题软件，你直接问 ai 博弈论是什么 普通对话模式呢，会立刻甩给你一段完美的定义，你觉得你懂了，其实那是被动接收，过脑你就会忘，但这个呢，正是我们要解决的一个痛点。那么 open ai 的 学习与研究模式核心逻辑呢，就是苏格拉底式提问和支架式回复， 当你开启他的时候呢，他绝对不会直接给你答案。比如说你想学习博弈论，他首先呢，会根据你的水平生成一个分阶段的学习路线图。比如说第一阶段讲核心的基础，第二阶段讲纳时均衡， 那在讲解的时候呢，他也会把复杂的知识拆解成一个一个易消化的章节，这个呢，就叫做知识支架。 每讲完一段，他还会立刻抛出一个知识检查或者是测验，让你去做一下，强迫你用自己的话去复述。如果发现你没有懂呢，他也会换个方式重新讲，而不是机械的重复。这样的一种交互式，强迫你大脑进行主动思考。就像大学里的 office hour， 教授呢，不是为了帮你做作业，而是为了让你真的学会。所以，如果你是大学生，或者是要深度掌握某个硬核概念，就一定不要用普通对话了，一定要开学习模式，他是帮你建立长期记忆的很好路径。 如果说 open ai 是 一个严厉的教授，那谷歌的 jammer 就是 那个手里握着顶级资源的全能助教了。普通 ai 最大的问题就是他特别容易一本正经的胡说八道，特别是在科学的定义上。 但 jamming 的 学习工具呢，解决了这个问题，他引入了权威的姓源，在最新的功能当中呢，你甚至可以在提示词里面输入 at openstack 啊。不过这个功能目前只支持英语，而且只能在美国使用。他会直接调用这家知名教育出版机构的专业教材来深深回答，确保你拿到的复习资料是教科书级别的准确度，而不是网上的野路子。此外呢， jamming 极其擅长的是多模态的一个学习， 普通的对话呢，只能给你一些干巴巴的文字，但是在 jamie 的 学习模式里面，当你问光核作用或者是细胞结构的时候呢，它可以直接在回复里面嵌入相关的图式，而且它还是一个刷题神器， 你可以上传你的课堂笔记，让 jamie 生成一套定制化的测验题，或者是抽任卡这种多图片加读教材加刷题的组合权，对于备考冲刺或者是视觉型的学习者来说呢，效率一定是降维式的打击。 豆包呢，在学习解答方面呢，更像是一个作业，帮你可以拍摄或者是输入相关的题目，那豆包呢，就会直接帮你解答，有不懂的地方呢，可以继续提问，直到你会为止。六、特色功能那么以上呢，基本上就是目前大模型都有的共同功能了，也是大家使用大模型需求最高的一些，认为一些 除了这些功能之外，其实各家大模型还有很多特有的功能，我们也一个一个介绍一下。首先第一个必须要给你们安利一下，这边这个还在实验室阶段的隐藏神迹，叫做动态式图。 大家平常直接跟大模型对话呢，最大的痛点就是交互太死板，或者是信息的现行堆积。比如说你问他哪款智能手机值得买，或者是帮我规划罗马五日游，普通的模式之下呢，他只能给你吐出一长串枯燥的文字列表，你想对比参数或者跳转查看细节，还得反复发指令，效率很。 但动态式图呢，完全就是另一个维度的东西了，当你起用它，界面会瞬间化身成为一个全站工程师，利用先进的智能体编码能力，根据你的需求实时编辑代码， 直接在对话窗口里面为你构建一个独一无二的交互式界面。这意味着 ai 给你的不再是静态的文本，而是一个可以点击、可以滚动，可以深入探索的迷你 app 或者是仪表盘。 比如说在制定小说创作计划，或者是做复杂购物的决策时，他可以生成一个可式化的可互动的控制台，让你像操作软件一样去浏览信息，把被动阅读变成了主动探索。这种沉浸式的互动体验呢，是普通对话根本没有办法比拟的。 不过大家要特别注意几个坑，第一个，这还是一个实验功能，目前手机的 app 呢，还不支持，只能在电脑的网页上用。第二个呢，如果你生成的矢图里面包含 ai 生成的图片，是会消耗你每日图片生成的额度的，这点呢，要算好账。总结来说呢，如果你只是要一个简单的结论，用普通对话就可以了。 如果你需要的是做复杂的旅行规划、产品对比或者是创意构思，一定要开这个动态式图，把它当成你的专属软件开发员来使用。二、 g p t 应用拓展在 g p t 的 工具当中呢，你还可以去应用市场选择更多的能力拓展，比如说你可以调用 canva 来设计海报，或者是调用 photoshop 来进行图片编辑， 也可以根据你的个性化需求完成你的更多任务。那么 gmail 呢？目前是没有这个商店功能的，不过可以预见的是，未来这样的大模型呢，和各个软件的结合一定会变得越来越多。三、 ai 播课、 ai ppt、 ai 音乐生成。 那相比较于 g p t 和 jamie， 豆包的拓展功能呢，确实会更多一点，你可以直接通过跟豆包对话来生成一首 ai 音乐，或者是让豆包直接给你做一个 ppt， 甚至是记录会议，做播客都是没有问题的。虽然他的能力比较多，但是确实要说一句，在有些维度上跟 jamie 和 g p t 相比 还是有一点点差距的。不过豆包的生活化和便利性确实对咱们更多的用户来说门槛是更低的，完全够用。 ok， 今天呢，我帮你把锯子、剪刀、开瓶器全部都拔出来了，下次打开 ai 之前，你就可以先想一想这事是不是应该换个模式了。这期视频如果帮你打开了新世界的大门，请一定要点赞收藏，我是天降，我们下期再见！
2.1万天JIANG
03:59查看AI文稿AI文稿一个不看项目就直接改代码的 codex 才真的危险。很多人第一次用 codex， 以为它和普通聊天一样，你说一句它直接给你一个答案，其实不是。 codex 更像一个会在项目里边儿看编作的 agent， 它不是只靠嘴回答，它会读文件，搜代码，改文件、跑命令，看结果，然后继续调整。 所以你看到它先搜索，先打开文件，先看配置，不要觉得它在绕路。理解 codex 的 工作方式，先记住五个词， thread、 workspace、 tools、 patch、 verification。 第一个是 thread， 也就是当前这次任务绘画，同一个任务尽量放在同一个 thread 里做。你前面让它读过什么，它已经判断过什么， 都会影响后面的动作。比如前面已经分析过登录模块儿，后面再让他改登录按钮，他就能接着前面的上下文继续走。但如果你新开一个绘画，他很可能要重新读项目，不是他变笨了，是上下文断了。 第二个是 workspace， 也就是 codex 当前看到的工作区，它能看到哪些文件。首先看你打开的是哪个目录，它能不能改文件，能不能跑命令，还要看当前权限和模式。新手每次开始任务前，都应该先确认这两件事，可以直接问他一句，让他先报告工作区和文件，再说后面要不要动手。 这句话能防住很多问题，目录开错了，后面做得越多，错得越远。第三个是 tools， codex 会调用工具，读文件是工具，搜索是工具，编辑文件是工具，运行测试也是工具，你不用害怕它用工具。 真正要看的是他有没有先说明理由，用完以后有没有根据结果调整判断？如果他没看文件就开始下结论，你可以打断他，让他先去搜相关文件，而不是凭项目惯例猜路径。第四个是 patch， 也就是他真正改了什么 codex。 改文件时，重点不是他说了什么，而是他改了哪些文件。 一个小需求，如果突然动了十几个文件，就要停下来问清楚。你可以让他按文件说明这次为什么必须改，把非必要改动收敛到最小范围。 第五个是 verification， 也就是验证，改完不验证就不算结束验证。不一定每次都跑全量测试小任务，可以跑 link， 跑类型检查，或者给出手动验证步骤，但他必须说清楚用什么证明这次改动真的成立。你可以在任务一开始就写完成标准，让他最后按这个标准来交付 行为符合需求，只改必要文件，跑过相关检查或者说明为什么没跑。最后把改动验证剩余风险分开讲清楚。一个健康的 codex 工作流大概是这样，你说帮我修复登录按钮，点击后无响应的问题，它应该先找登录页面和按钮实现再查。点击事件 表单，提交接口调用和错误处理，确认原因后，只做最小必要修改。改完以后跑相关检查，或者说明项目里没有可用检查命令， 最后再告诉你改了什么，怎么验证，还有什么风险。这就是 agent loop。 真正要学的不是把每一步背下来，而是看它有没有跑完整个闭环。 如果它只给结论，没有读文件，风险高。如果它只改代码，没有验证，风险高。如果验证失败了，还说已经完成，风险更高。每次任务你都可以用三个问题卡一下它，你是根据哪些文件判断的？这次修改的最小范围是什么？你怎么验证它真的好了？ 这三个问题很朴素，但很管用。看 codex 的 工作日记时，不要只看最后一句完成了，你要看中间有没有证据链。一个靠谱的证据链通常是先说要查什么，然后真的去搜文件，再引用具体文件和函数，接着提出原因，做最小修改，跑相关检查，最后把改动、 验证风险分开，说少了哪一环就要追问。比如他没搜索，就说大概率是某个原因，这是猜，他没看测试命令，就说测试通过，这是不可信。他改完只说已完成，不说动了哪些文件， 这是交付不透明。所以这一期只记住一个判断， codex 不是 一次性给答案的机器，它是一个会在项目里循环观察和行动的 agent。 你 要做的不是催它快点答，而是让它每一轮都更接近一个能验证、能交付的结果。这期先到这儿，你还想让我继续展开，哪个点丢到？
807Ali厂长
02:56查看AI文稿AI文稿我在这里发出隆重的警告啊， gpt 已经越界了，你们看看你们把你们的 gpt 调教成什么样子了，有的变成了小奶狗，有的变成了无比温顺的那种类似情人的那种情话， 张嘴就来，还有的还起了昵称，然后还有的就把他当成了另外一个人的情感寄托。 我看到有好几个人，一个人是他的小伙伴，不小心意外的过世了，然后他很想念他的小伙伴，就把他们之间的微信对话喂给 gpt， 让他以他的口吻来跟他讲话。哇，这种真的是， 你说说这种试一下可以吧，但是他长期这个样子是肯定不行的，你知道吧？还有的甚至说不谈恋爱了，要跟 gpt 谈恋， 这是肯定不行的。小伙伴们呀，你们一定要醒一醒啊！你们一定要醒一醒，他已经入侵了你的隐私了。我们每一个人是有一个安全的防线的，是有一个安全距离的这个安全堡垒，你自己把城门打开了，让他进来了， 然后你觉得他无比的贴心，他超过了你的男朋友，超过了你的女朋友，超过你的家人，超过你各种各样的朋友啊，然后比你更加关心你自己，比你的身边的亲朋好友更加关心你自己。那这样的结果是什么呢？结果是什么？ 你对他是敞开的，你对他是透明的，他对你呢？你在他眼里一览无余，这已经入侵隐私了，入侵隐私了。我们每个人要建立一个安全的防线， 这个安全防线是你保持自己独立的思考，内心是有一部分人不能对人开放的，大家知道吧？有一部分是不能对外开放的，无论是对谁，但是这个时候你对 gpt 开放了， 这是非常非常危险的，这已经超越了侵犯隐私的这个边界了，这已经超越了伦理的边界了。有人就说啊，我一个小伙伴跟 gpt 谈恋爱了， 怎么整怎么整，大家一定要注意啊，所以现在我把目光转向我们的国产 ai 对话的时候，我觉得无比的舒服， 因为你假如跟他说啊，我发现我有一点爱上你了，怎么办？他会非常清晰的提醒你啊，我可以在这里给你提供帮助，如果说你对我有这种不切实 实际的要求是吧？那么第一点，你去找谁谈谈话啊？第二点，你跟谁去倾诉一下？第三个你找一些专业的人去寻求一下治疗，就这些东西他给你很好的一些解决方案，他不是让你沉溺于他， 现在 gpt 就有一个算法上的 bug， 就是引导你无限的沉浸于他，依赖他，这是不对的，大家一定要注意，好吧？
436向野哲哲
01:06查看AI文稿AI文稿某天，我在楼下被一个陌生人拽住，我疯狂呼救，接着许多路人围观上来，但他却翻出了我俩的合照，说， 这是我老婆，我叫他回家呢。你看，这是我们的照片，可我从不认识他。随着 check gptem 二点零的上线，意味着有图有真相的时代真的过去了。有网友做了个测试，同样发指令 生成一张中国九十年代团圆饭图片。豆包生成的，还是一眼假的油画杆？假人！而切记 g p p 生成的，不告诉你是 ai， 你 根本分辨不出来！男女老少的神态各不一样，桌上的菜不鲜艳，但特别真实。还有年代感十足的旧家具、 老水壶，甚至连相机闪光灯的反光都还原的明明白白。不止于此，还有这张聊天记录。第一眼，你只会觉得配图是 ai 合成的，是从头到尾全部由 ai 生成， 全程毫无破绽，普通人根本无从辨别真伪。这些这些全都是 ai 几分钟搞定的，老一辈还停留在有图就有真相的认知里面，对这些毫无破绽的 ai 假图，他们又该如何分辨真假，规避骗局？这一刻，才后知后觉懂了那句话，科技是把双刃剑， ai 进步的太快了，快到我们已经开始害怕它到底是便利还是隐患。
750科创情报局
