即刻App年轻人的同好社区
下载
置顶开源了一个可以蒸馏任何写作风格的skill
蒸馏方法只需两步，1.提供或让 agent 抓取20 篇以上希望学习的某个风格的文章，2. 让 agent 用这个 skill 来蒸馏复刻。
GitHub: writing-dna-skill
#AI工作流
蒸馏方法只需两步，1.提供或让 agent 抓取20 篇以上希望学习的某个风格的文章，2. 让 agent 用这个 skill 来蒸馏复刻。
GitHub: writing-dna-skill
#AI工作流
142 2077
我开源的图表 skill，Lieflat Charts，新增PPT模式了。现在可以直出HTML/PDF格式的PPT，支持左右翻页，使用HTML格式可以保留图表动效。
整个PPT风格是极简杂志风，主要有中英文两种字体板式，其他语言也可以让agent自由发挥。使用也很简单，让agent安装GitHub上面的lieflat charts就可以。
这个skill 目前已经超过6k star，最近会继续支持PPT的彩色模式～
整个PPT风格是极简杂志风，主要有中英文两种字体板式，其他语言也可以让agent自由发挥。使用也很简单，让agent安装GitHub上面的lieflat charts就可以。
这个skill 目前已经超过6k star，最近会继续支持PPT的彩色模式～
00:28
3 00
半年前，我和我的AI momo写下了这篇文章。
半年过去，AI帮我做的4个项目在GitHub 获得了12k+ star，也是变成万星开发者了。
自然语言也可以编程，文科生也可以开发，怎么不算是一切皆有可能呢👻
半年过去，AI帮我做的4个项目在GitHub 获得了12k+ star，也是变成万星开发者了。
自然语言也可以编程，文科生也可以开发，怎么不算是一切皆有可能呢👻
.md 文件就是新的源代码
4 00
佛罗伦萨和印象里的有点不一样。可能是它另外一个译名“翡冷翠”的误导，我一直以为这是一个非常文艺干净，没什么烟火气息的旅游城市。但事实上，整个城区历史太久远，并不像南意卡普里岛、波西塔诺能被现代商业完整规划，还没有被完全“绅士化”。
佛罗伦萨的中心城区面积比较小，景点密集，市政管理很松，在核心景点还有游览马车，所以路面上有很多马粪。两边店铺除了一些精品店，也有很多义乌小商品店，路边也经常能看到摊贩。而且，整个城区的网络信号都不太好。游客需要有一段时间接受它的粗放。
正是这种未完全绅士化状态下，佛罗伦萨核心景点餐馆的价格甚至可以算得上亲民，人均十几欧的中餐味道非常好。旅游开发的同时，不增加对当地人消费的负担，佛罗伦萨可能考虑到了这一点。
佛罗伦萨的中心城区面积比较小，景点密集，市政管理很松，在核心景点还有游览马车，所以路面上有很多马粪。两边店铺除了一些精品店，也有很多义乌小商品店，路边也经常能看到摊贩。而且，整个城区的网络信号都不太好。游客需要有一段时间接受它的粗放。
正是这种未完全绅士化状态下，佛罗伦萨核心景点餐馆的价格甚至可以算得上亲民，人均十几欧的中餐味道非常好。旅游开发的同时，不增加对当地人消费的负担，佛罗伦萨可能考虑到了这一点。
5 01
我让 Jev 和 opus-5、opus-4.8、terra、luna、gemini 这6个模型同时测评一批文章，看谁能更快找出不恰当的比喻。最后发现，Jev 确实速度很快，标注结果可复用，但是准确度并没有提升，甚至语义理解上不如opus 5。 我一直在做一个 AI 味测评，其中一个重要指标是模型写比喻句（包括明喻、暗喻等）的贴切度。Jev 发布之后，我觉得它很适合用来做模型能力测评和打标，所以我简单做了个小实验，看看它效果到底如何。
我给了这6个模型3篇 AI 写的文章，让它们找出其中不恰当的比喻句。我之前说过，AI 无法真正写作的一个表现是 AI 写不出贴切的比喻。同理， AI 也很难判断什么是好的比喻。一篇有202句的文章，Jev 只花了2.6秒就标注了所有句子，速度确实一骑绝尘。相比之下，opus-5 非推理模式花了8.2秒，gemini花了88.3秒，gpt5.6 terra、luna都在160秒以上。
不过，Jev 标注的准确性并没有优于其他模型， Jev 打分最高的最有可能是比喻不贴切的句子，是这句：“顶层是一般智力因素，也就是心理学中著名的 g 因子，代表一种统一的认知能力底层驱动力。”（P1 Jev标注有明显不贴切比喻的句子）
在明显的比喻句上，Jev 找出的概率却很低，例如有 10 句是带明显标记词的（就像、好比、如同、木桶、短板、 遮羞布之类），Jev 一句都没有标注上，opus-5 明显更好，10句里面找到了5句。（P2）
对于多次出现的生硬的“尺子”这一比喻，Jev 的打分只有0.32、0.31、0.30。这是我觉得非常明显的AI滥用比喻的案例，但 Jev 对此并不敏感。（P3）
Jev 当然也有它明确的好处，它输出的是对所有句子的标注，因此我们可以拿着数据做很多分析。但其他模型，输出的只是“哪些句子有不贴切比喻”这一个答案，并不是全量的标注，因此也不能复用。
总之，Jev 在理解比喻这件事上，并没有比其他模型进步多少，甚至可能还不如现有模型。当然，学不会比喻这件事，是所有模型共同的难题。
我给了这6个模型3篇 AI 写的文章，让它们找出其中不恰当的比喻句。我之前说过，AI 无法真正写作的一个表现是 AI 写不出贴切的比喻。同理， AI 也很难判断什么是好的比喻。一篇有202句的文章，Jev 只花了2.6秒就标注了所有句子，速度确实一骑绝尘。相比之下，opus-5 非推理模式花了8.2秒，gemini花了88.3秒，gpt5.6 terra、luna都在160秒以上。
不过，Jev 标注的准确性并没有优于其他模型， Jev 打分最高的最有可能是比喻不贴切的句子，是这句：“顶层是一般智力因素，也就是心理学中著名的 g 因子，代表一种统一的认知能力底层驱动力。”（P1 Jev标注有明显不贴切比喻的句子）
在明显的比喻句上，Jev 找出的概率却很低，例如有 10 句是带明显标记词的（就像、好比、如同、木桶、短板、 遮羞布之类），Jev 一句都没有标注上，opus-5 明显更好，10句里面找到了5句。（P2）
对于多次出现的生硬的“尺子”这一比喻，Jev 的打分只有0.32、0.31、0.30。这是我觉得非常明显的AI滥用比喻的案例，但 Jev 对此并不敏感。（P3）
Jev 当然也有它明确的好处，它输出的是对所有句子的标注，因此我们可以拿着数据做很多分析。但其他模型，输出的只是“哪些句子有不贴切比喻”这一个答案，并不是全量的标注，因此也不能复用。
总之，Jev 在理解比喻这件事上，并没有比其他模型进步多少，甚至可能还不如现有模型。当然，学不会比喻这件事，是所有模型共同的难题。
2 01
有时候我觉得20年也就是一瞬间。当我抱着我的猫的时候，她四仰朝天看着我，一直在呼噜，我不知道该怎么描述这种幸福。但我的心并不是被快乐填满，我想到的竟然是她还能陪我多久，十几二十年后她就不在我身边了。我仿佛瞬间就到了那个时刻，身临其境的悲哀笼罩了我，无论如何我最终都会面临这一天，20年只是一瞬而已。
5 20
AI 无法写作的关键表现之一：AI 无法真正理解和学会比喻。
比喻需要感受，人类会用感受相近的词来比喻，AI 只能通过词频关系来判断。所以现在只能看到一堆牛头不对马嘴的明喻和暗喻，只会给用户增加阅读负担。
比喻需要感受，人类会用感受相近的词来比喻，AI 只能通过词频关系来判断。所以现在只能看到一堆牛头不对马嘴的明喻和暗喻，只会给用户增加阅读负担。
姜汁猴: 几年前我刚开始做记者的时候，一个老记者告诉我一条写作规则：在现场的时候，一定要调动我们的五感，去观察，去感受，这样写出来的东西才是真正有场景感、立体的。 现在，当我通过各种办法调试 AI 写作能力、做去AI味skill的时候，发现 AI 就是写不出人类的感觉，这是因为 AI 没有五感吗？ 哪怕现在给AI加上了多模态能力，它事实上也达不到五感的程度，它没有感受，和人类神经系统处理感官的方式完全不同。相比于编程，AI 在写作、在语言表达上的进步太慢了，甚至可能是倒退了。我现在经常看不懂 opus5 输出的报告。 AI 或许永远无法达到人类的写作水平。
4 00