好消息是，体验了一遍rokid，工作场景还行，视野需要调整，功耗热量什么的都还有进步的空间。坏消息是系统设置可以切，切到企业版再也回不来，啥提示也没，世界都是草台班子，高危操作毫无示。。

这个舞蹈在十年前的YouTube是靠人肉练习的，非常棒的团队。春晚这个学习技术表达手段。

在即刻发一个Elys的评论图

人类工作流的工具空间还有一定时间做过度，也就给了Ai opc一些时间空间，站在未来看站在，这个时间窗口短暂而宝贵。

人在路上走，agent正在干活，就像给同事打电话，预览.review.重新来，让机器成为机器。我们已经身处全新的时代。

写了篇关于《产品思维如何化解滑雪时的恐惧》，这个数据有趣。

AI助手可以解决行程规划的问题吗？

移动端，输入缺乏耐心，尤其是过年的假期时存在农历和公历的时间混用的情况，在给定时间地点的情况下，有点不够理想。
问题1 ：部分的模型对时间节点没有很好的概念，超期规划的概率超过7成。比如主打手机端可下单的千问app。
问题2 ：移动端容易默认你是全程自驾出游，然后开个连夜车。基本上是把人当机器使，对人本身的体能没有概念。

桌面端，标准的生产力工具，可以输入相对完整的指令。
目前比较理想的是deepseek和qwen-max-thinking，gemini pro出现了超期的问题。
总体上来说，
ds 有70-80分的水平，信息收集全面，路径规划时选择直飞，和人类计划几乎一致。缺点时滑雪场的辖区没有考虑在同等时间内可选择的范围，这个可以用Agent来解决。人类可自行替换。
qmt 大约是60-70分的水平。见图二，原因是路径规划中多了一道中转，是人类意图的理解还是信息不全面导致，都有可能，符合新手规划的预期。
根据补充的具体的时间会考量人类的可用的时间资源。
gemini fast /thinking/pro 由于超期规划，直接踢出局。
至于快速版和Kimi一顿爆bug输出。

指令：“题主要求尽可能每天滑雪 ，2月14日乌鲁木齐到克拉玛依，之后克拉玛依年初一到西安，初二到永济。请规划行程。”
效果如图。

要么赢家，要么庄家。在时间资源有限的空间里，杠杆来自升维的准备期。

antigravity 一路杀到code IDE

搞不定人的时候可以搞机器人。