即刻App年轻人的同好社区
下载
公司要做一个某某产品AI创作大赛，类似《哈尔滨啤酒——AI武林大赛》、《安慕希——整颗蓝莓AI创作大赛 》、《旺旺——旺仔AI创作大赛》，可以再延展到各种企业的黑客松比赛，《安克黑客松挑战赛》等等。
有一个点很困扰我——做这个目的是啥？对品牌有什么帮助？
营销价值、品牌传播、产品推广……都不能说服我
我觉得唯一能说服我就是，“做”这件事情本身，就是在向外界和内部传递“我们是一个与时俱进的品牌哦，我们也跟上潮流哦，我们也很年轻哦，不是一个古板的品牌哦”。
跟ChatGPT讨论一番，AI说，这叫做【品牌信号传递】（Brand Signaling），品牌通过参与当下流行的事情，向外界证明自己依然活跃、开放、年轻，并且在跟随时代变化。
因为消费者往往难以判断产品的真实质量，所以品牌为了证明自己，会主动释放一些“高成本”、“难模仿”的信号，以此与低质量品牌区分开来。
例如巨额广告费、高定价、顶级代言人等等。
……茅塞顿开，这些可能都是从来没有被明确写在策划案里的真实价值。
有一个点很困扰我——做这个目的是啥？对品牌有什么帮助？
营销价值、品牌传播、产品推广……都不能说服我
我觉得唯一能说服我就是，“做”这件事情本身，就是在向外界和内部传递“我们是一个与时俱进的品牌哦，我们也跟上潮流哦，我们也很年轻哦，不是一个古板的品牌哦”。
跟ChatGPT讨论一番，AI说，这叫做【品牌信号传递】（Brand Signaling），品牌通过参与当下流行的事情，向外界证明自己依然活跃、开放、年轻，并且在跟随时代变化。
因为消费者往往难以判断产品的真实质量，所以品牌为了证明自己，会主动释放一些“高成本”、“难模仿”的信号，以此与低质量品牌区分开来。
例如巨额广告费、高定价、顶级代言人等等。
……茅塞顿开，这些可能都是从来没有被明确写在策划案里的真实价值。
1 21
以前每年1024都会到上海参加GeekPwn极客大赛，看白帽黑客的神奇攻防。
现在1024有了新的含义，变成AI圈的狂欢。
今年的观猹大会也是1024，见证@缱绻怡然从特工宇宙，到观猹insights，再到词元跳动、观猹大会，一路疯狂迭代进化。
现在1024有了新的含义，变成AI圈的狂欢。
今年的观猹大会也是1024，见证@缱绻怡然从特工宇宙，到观猹insights，再到词元跳动、观猹大会，一路疯狂迭代进化。
0 00
ChatGPT每周给我推送品牌传播的文章，最近这一篇挺有意思。
《AI 生图真正伤害品牌的，可能并不是“AI 感”》
消费者未必排斥 AI，他们更排斥的是欺骗、敷衍和没有创意。
也就是说，一张图让品牌掉价，有时候并不是因为用户识别出了“这是 AI 做的”，而是这张图传递出了另一个信号：你这个品牌没花心思。
AI 带来的另一个风险：所有品牌越来越像。
品牌本来就存在严重的视觉趋同。生成式 AI 出现以后，这个问题可能进一步恶化。
大家调用相似的模型、相似的数据、相似的 Prompt，追求“便宜、快速、规模化”的内容生产，最后得到大量：看起来不错，但没啥记忆点。
AI 把“做出一张 80 分的图”成本压得越来越低之后，80 分本身也越来越没有价值。
www.qrcaviews.org
《AI 生图真正伤害品牌的，可能并不是“AI 感”》
消费者未必排斥 AI，他们更排斥的是欺骗、敷衍和没有创意。
也就是说，一张图让品牌掉价，有时候并不是因为用户识别出了“这是 AI 做的”，而是这张图传递出了另一个信号：你这个品牌没花心思。
AI 带来的另一个风险：所有品牌越来越像。
品牌本来就存在严重的视觉趋同。生成式 AI 出现以后，这个问题可能进一步恶化。
大家调用相似的模型、相似的数据、相似的 Prompt，追求“便宜、快速、规模化”的内容生产，最后得到大量：看起来不错，但没啥记忆点。
AI 把“做出一张 80 分的图”成本压得越来越低之后，80 分本身也越来越没有价值。
www.qrcaviews.org
0 00
当模型和 Agent 越来越聪明，
AGENTS.md 越少越好，
Skills 越少越好。
大部分博主推荐的 AGENTS.md 可能并不适合你，最好的方式可能反而是直接清空。
OpenAI 官方也建议删除旧模型所需的“手把手流程”，避免强制预读文件、重复测试和过度谨慎的决策边界。
同样的，大部分博主推荐的 Skills 可能也不适合你，甚至由于触发机制不规范，反而让你的输出结果更糟。
AGENTS.md 越少越好，
Skills 越少越好。
大部分博主推荐的 AGENTS.md 可能并不适合你，最好的方式可能反而是直接清空。
OpenAI 官方也建议删除旧模型所需的“手把手流程”，避免强制预读文件、重复测试和过度谨慎的决策边界。
同样的，大部分博主推荐的 Skills 可能也不适合你，甚至由于触发机制不规范，反而让你的输出结果更糟。
0 00
一直以来有个困惑，在Codex生图的效果，跟在ChatGPT网页版生图的效果，完全天差地别！
测试了好几次，但结果好像，不是模型问题，也不是我的提示词问题。一整个无解。
问题在于，我很多项目的上下文和AGENTS.md都在Codex，不好直接迁移……
下午跟AI探讨了一下，原来，ChatGPT Images 本身就是一个针对生图优化过的完整产品，具备“Images with thinking”能力。也就是说，在真正调用图像模型以前，ChatGPT已经事先对需求进行视觉推理和规划。而Codex的生图，就是纯纯的执行……
所以，OpenAI官方也建议大家在ChatGPT网页版做最终视觉生成！
特别是我做的那些图，大部分是信息图，恰好非常吃中间那层视觉理解。我看到的天差地别的差距，可能30%来自“生图模型”，70%来自“模型前后的系统”（要不起个名字叫image harness或者生图脚手架？）。
— — —
原理懂了，但问题怎么解决？
AI建议我可以让Codex输出需求和打包上下文——注意，不要给具体生图提示词，给得太具体了，那不就回到上面的问题了，Codex的生图脚手架就是不行，所以别让它导出脚手架。
然后把这个视觉交接包（里面是高密度Context + 低约束 Prompt）发给ChatGPT网页版生图。
下面是让Codex输出视觉交接包的提示词。
— — —
请输出以下内容，并全部用 Markdown 格式整理好：
1. 一个总的 master brief
包含：项目背景、目标用户、传播目标、整组图片想表达的核心信息、整体视觉风格、统一要求、禁止事项、容易出错点。
2. 一个 style guardrails
分成：硬约束 / 软建议 / 禁止事项。
3. 每一张图分别输出：
- page brief
- final prompt
- 如果属于改图任务，再额外输出 edit prompt
要求：
- 传递足够上下文，但不要过度规定具体版式细节；
- 区分哪些必须准确，哪些可以让 ChatGPT 自由发挥；
- 默认适用于小红书图文 / 海报 / 信息图；
- prompt 要能直接复制给 ChatGPT Images 使用；
- 最后列出待确认项，以及建议先生成哪些页面作为风格锚点。
测试了好几次，但结果好像，不是模型问题，也不是我的提示词问题。一整个无解。
问题在于，我很多项目的上下文和AGENTS.md都在Codex，不好直接迁移……
下午跟AI探讨了一下，原来，ChatGPT Images 本身就是一个针对生图优化过的完整产品，具备“Images with thinking”能力。也就是说，在真正调用图像模型以前，ChatGPT已经事先对需求进行视觉推理和规划。而Codex的生图，就是纯纯的执行……
所以，OpenAI官方也建议大家在ChatGPT网页版做最终视觉生成！
特别是我做的那些图，大部分是信息图，恰好非常吃中间那层视觉理解。我看到的天差地别的差距，可能30%来自“生图模型”，70%来自“模型前后的系统”（要不起个名字叫image harness或者生图脚手架？）。
— — —
原理懂了，但问题怎么解决？
AI建议我可以让Codex输出需求和打包上下文——注意，不要给具体生图提示词，给得太具体了，那不就回到上面的问题了，Codex的生图脚手架就是不行，所以别让它导出脚手架。
然后把这个视觉交接包（里面是高密度Context + 低约束 Prompt）发给ChatGPT网页版生图。
下面是让Codex输出视觉交接包的提示词。
— — —
请输出以下内容，并全部用 Markdown 格式整理好：
1. 一个总的 master brief
包含：项目背景、目标用户、传播目标、整组图片想表达的核心信息、整体视觉风格、统一要求、禁止事项、容易出错点。
2. 一个 style guardrails
分成：硬约束 / 软建议 / 禁止事项。
3. 每一张图分别输出：
- page brief
- final prompt
- 如果属于改图任务，再额外输出 edit prompt
要求：
- 传递足够上下文，但不要过度规定具体版式细节；
- 区分哪些必须准确，哪些可以让 ChatGPT 自由发挥；
- 默认适用于小红书图文 / 海报 / 信息图；
- prompt 要能直接复制给 ChatGPT Images 使用；
- 最后列出待确认项，以及建议先生成哪些页面作为风格锚点。
2 00
又删除了十几个skills。
之前尝鲜安装的skill，经常无缘无故调用，导致产出结果比不调用、靠Codex自己的能力，差一大截……
之前尝鲜安装的skill，经常无缘无故调用，导致产出结果比不调用、靠Codex自己的能力，差一大截……
王冠梓: 随着模型越来越智能，最近看到不少人开始删Skills，包括我。 其实也合理，所谓的Skills、Prompt技巧，模型迟早在训练和迭代中学会。 人真正需要做的可能是：给足个人上下文、判断。
2 00