即刻App年轻人的同好社区
下载
置顶小罗开年2个月后的感受：
最近三年经历的各种正反馈和负反馈，都在不断提醒我
要敢于bet on你所相信的，要极致的的去执行你所相信的；至于其他可能性，以及失败的可能性，做好风险/红线控制也是很重要的
不要卡在中间，要极致的选择路线，极致的风险管理兜底
2026年希望是自己过去积累涌现的一年！
最近三年经历的各种正反馈和负反馈，都在不断提醒我
要敢于bet on你所相信的，要极致的的去执行你所相信的；至于其他可能性，以及失败的可能性，做好风险/红线控制也是很重要的
不要卡在中间，要极致的选择路线，极致的风险管理兜底
2026年希望是自己过去积累涌现的一年！
17 21
强烈推荐agentmux这个CLI软件
1）CLI的界面，和CC/OpenCode的交互非常有一致性
2）可以灵活的平行建立不同的worktree/Branch，并且在每个branch下同时开启很多cc
3）颜色🔘可以提醒某个任务结束了你要去看看（黄色是运行中，红色是待确认）
我现在做Coding只用2个工具，一个是Obsidian看文档；另外一个就是agentmux跟踪平行的CC任务队列；
至于代码？那是给Agent看的，人类不需要看；IED是上个时代to人类的交互形式了
为数不多的“缺点”
1）没有配置引导，一开始自己电脑上没有安装tmux，agentmux就没法正常工作，但是也没有报错；但是我给cc口述了我的问题，CC查找日志居然帮我解决了？（这我个人完全做不到）
2）收费，我第一次给CLI工具付费，30美元/1人，60美元/3人
猜想：后续开发一些可商业化的CLI工具，是不是也是很好的路线呢？这是个新的画面！
1）CLI的界面，和CC/OpenCode的交互非常有一致性
2）可以灵活的平行建立不同的worktree/Branch，并且在每个branch下同时开启很多cc
3）颜色🔘可以提醒某个任务结束了你要去看看（黄色是运行中，红色是待确认）
我现在做Coding只用2个工具，一个是Obsidian看文档；另外一个就是agentmux跟踪平行的CC任务队列；
至于代码？那是给Agent看的，人类不需要看；IED是上个时代to人类的交互形式了
为数不多的“缺点”
1）没有配置引导，一开始自己电脑上没有安装tmux，agentmux就没法正常工作，但是也没有报错；但是我给cc口述了我的问题，CC查找日志居然帮我解决了？（这我个人完全做不到）
2）收费，我第一次给CLI工具付费，30美元/1人，60美元/3人
猜想：后续开发一些可商业化的CLI工具，是不是也是很好的路线呢？这是个新的画面！
6 30
这个是我们最近做的一个尝试，目标导向「影视飓风」这样的长视频结构，是否可以能端到端的全部用AI来完成
这是一个很好的demo，其实还有很多地方要改进；昨天白天发出来后，看到视频已经自己有了接近30个转发，于是朋友圈再来宣传一下
我们实现了，并且发现了：一套非常有结构美感的「言之有物」的长视频「内容工程管线」，这其中我们至少解决几个这样的问题：
1）分镜是最小单位：如何保证每个分镜可以有单独的上下文去生成，让分镜从整个长内容下，解构/解耦合出来，一个分镜一个分镜生成，模型才可以发挥其全部威力；即使视频模型进化的越来越厉害，长视频依然需要以分镜为最小单位去构建（如同人类社会那样）
2）分镜的连续性如何保证：如果只是单纯的从脚本到具体每个分镜，分镜很容易不连续，即每个分镜看单独看很有逻辑，但是连到一起后，则会显得逻辑并不连贯；这里我们有了一个新的概念，叫做「边界上下文约束」，所有分镜共享同一套基础上下文，同时每个分镜也有自己独立的特定上下文，从而保证了连续性（这里还有很多上下文工程的细节）
3）分镜的画面质感如何保持一致性，同时保证工程化上的确定性；这里我们又引入了「分镜模板」的概念；这个概念是我们此前从AI图文矩阵的工作流中获得概念推广得来的，因为要保证内容效果，内容形式其实是最难迭代的，但是人类看长视频本质看的还是形式背后的信息量和信息节奏；因此我们跑同了一系列稳定的模板，后续所有的核心都是文字/JSON本身的生产，这样整个工作就很好控制了，画面的质感也可以把控审美
后续我们会考虑把整套长视频的上下文工程原理开源出来（这还需要很多时间去梳理），相比于这个工作流本身，更另我们感到激动的是，背后的上下文工程的一些很有趣的范式，我们希望系统的提出对应的概念。（且这些概念不单纯可以用到内容上）
在这之前，其实还有很多细节要去做优化的。这个视频的质感和效果其实离「影视飓风」还有很大的一些距离，但是做了这一轮之后，我们也很清晰的知道改进点在哪里，这个感觉就很快乐（比如引入人像A轨的分镜模板，比如做脚本本身做工作流改良）
这篇内容我们自己打分在70分，单纯从内容上来说还有很多需要去优化的；但是从工程化的视角来说，我们找到了无限优化迭代到100分的轨道和框架
为什么我们要做这样的尝试：
1）希望探索AI的内容能力边界，我今年希望可以做一个内容品牌，来探索生产力的边界和背后的上下文工程范式
2）我们从23年就开始做AI图文矩阵，这个过程中遇到了很多的质疑，核心质疑点在内容质量和背后的可持续性，很多人以前对AI矩阵内容的理解是垃圾内容堆量；但是我们有不一样的理解，我们相信工业化的优质内容生产管线才是矩阵的未来，这个是我们的一个实验和探索
👆Build In Public，差不多是这些，感谢大家观看
最后还要credit to我们的博涵老师～ 这个工作Idea锚定点 最初来自我，工程架构化+关键范式 来自我和他的共创，实际的0-1落地和操作全部来自博涵好！
如果有长视频批量生产需求的欢迎联系交流
这是一个很好的demo，其实还有很多地方要改进；昨天白天发出来后，看到视频已经自己有了接近30个转发，于是朋友圈再来宣传一下
我们实现了，并且发现了：一套非常有结构美感的「言之有物」的长视频「内容工程管线」，这其中我们至少解决几个这样的问题：
1）分镜是最小单位：如何保证每个分镜可以有单独的上下文去生成，让分镜从整个长内容下，解构/解耦合出来，一个分镜一个分镜生成，模型才可以发挥其全部威力；即使视频模型进化的越来越厉害，长视频依然需要以分镜为最小单位去构建（如同人类社会那样）
2）分镜的连续性如何保证：如果只是单纯的从脚本到具体每个分镜，分镜很容易不连续，即每个分镜看单独看很有逻辑，但是连到一起后，则会显得逻辑并不连贯；这里我们有了一个新的概念，叫做「边界上下文约束」，所有分镜共享同一套基础上下文，同时每个分镜也有自己独立的特定上下文，从而保证了连续性（这里还有很多上下文工程的细节）
3）分镜的画面质感如何保持一致性，同时保证工程化上的确定性；这里我们又引入了「分镜模板」的概念；这个概念是我们此前从AI图文矩阵的工作流中获得概念推广得来的，因为要保证内容效果，内容形式其实是最难迭代的，但是人类看长视频本质看的还是形式背后的信息量和信息节奏；因此我们跑同了一系列稳定的模板，后续所有的核心都是文字/JSON本身的生产，这样整个工作就很好控制了，画面的质感也可以把控审美
后续我们会考虑把整套长视频的上下文工程原理开源出来（这还需要很多时间去梳理），相比于这个工作流本身，更另我们感到激动的是，背后的上下文工程的一些很有趣的范式，我们希望系统的提出对应的概念。（且这些概念不单纯可以用到内容上）
在这之前，其实还有很多细节要去做优化的。这个视频的质感和效果其实离「影视飓风」还有很大的一些距离，但是做了这一轮之后，我们也很清晰的知道改进点在哪里，这个感觉就很快乐（比如引入人像A轨的分镜模板，比如做脚本本身做工作流改良）
这篇内容我们自己打分在70分，单纯从内容上来说还有很多需要去优化的；但是从工程化的视角来说，我们找到了无限优化迭代到100分的轨道和框架
为什么我们要做这样的尝试：
1）希望探索AI的内容能力边界，我今年希望可以做一个内容品牌，来探索生产力的边界和背后的上下文工程范式
2）我们从23年就开始做AI图文矩阵，这个过程中遇到了很多的质疑，核心质疑点在内容质量和背后的可持续性，很多人以前对AI矩阵内容的理解是垃圾内容堆量；但是我们有不一样的理解，我们相信工业化的优质内容生产管线才是矩阵的未来，这个是我们的一个实验和探索
👆Build In Public，差不多是这些，感谢大家观看
最后还要credit to我们的博涵老师～ 这个工作Idea锚定点 最初来自我，工程架构化+关键范式 来自我和他的共创，实际的0-1落地和操作全部来自博涵好！
如果有长视频批量生产需求的欢迎联系交流
03:46
16 55
大模型时代的品牌逻辑：
用claude code的时候，配GLM模型，虽然量大便宜，但是我总是没有安全感，认为cc的一些功能是不是会因为模型不适配而漏掉
今天开始测试不同的skill，发现没有触发；加上今天朋友圈有人炫耀了触发了cc的新功能
这种不信任感更加加强了，因为大模型太复杂，哪怕有榜单，在具体场景的产品任务上，你也不知道是不是可以信任的，没有人可以告诉你，除非你完成体验过，但是你不希望错过
很理解为什么模型厂商要下场做工具了，这很像供应链要做自有品牌的逻辑，最后对复杂技术的信任全部沉淀到了品牌上？
用claude code的时候，配GLM模型，虽然量大便宜，但是我总是没有安全感，认为cc的一些功能是不是会因为模型不适配而漏掉
今天开始测试不同的skill，发现没有触发；加上今天朋友圈有人炫耀了触发了cc的新功能
这种不信任感更加加强了，因为大模型太复杂，哪怕有榜单，在具体场景的产品任务上，你也不知道是不是可以信任的，没有人可以告诉你，除非你完成体验过，但是你不希望错过
很理解为什么模型厂商要下场做工具了，这很像供应链要做自有品牌的逻辑，最后对复杂技术的信任全部沉淀到了品牌上？
11 21
一个团队构建问题：
减去Agent的能力，人类还剩下什么
思考清楚了这个问题，可能会对于AI Native的团队形态，有更清楚的答案
还在思考中，有一些猜想
1）社会的「人类贵族」上下文，AI完全掌控生产力后也会被替代
2）长时间线注意力（未来会被Agent吞掉）
3）新概念的涌现 & 可塑学习（晚上人脑做梦修剪突触，online finetune - 未来也会被Agent吞掉）
4）基于社会网络中的声誉/货币的强化学习属性（未来RL范式兴起后，Agent也会吞掉）
5）某种自我反思审查（其实Agent的自我Review也可以实现，但是目前还没有看到很好的框架，能像人类那样可以每做一步都审查下自己，在做类似于方案设计的时候，人类通过审查从而写出精辟的文字，LLM会写一堆废话）
当下人类还是剩余很多优势的，但是有点害怕的是，随着时间推移感觉这些优势最后Agent也可以掌握
减去Agent的能力，人类还剩下什么
思考清楚了这个问题，可能会对于AI Native的团队形态，有更清楚的答案
还在思考中，有一些猜想
1）社会的「人类贵族」上下文，AI完全掌控生产力后也会被替代
2）长时间线注意力（未来会被Agent吞掉）
3）新概念的涌现 & 可塑学习（晚上人脑做梦修剪突触，online finetune - 未来也会被Agent吞掉）
4）基于社会网络中的声誉/货币的强化学习属性（未来RL范式兴起后，Agent也会吞掉）
5）某种自我反思审查（其实Agent的自我Review也可以实现，但是目前还没有看到很好的框架，能像人类那样可以每做一步都审查下自己，在做类似于方案设计的时候，人类通过审查从而写出精辟的文字，LLM会写一堆废话）
当下人类还是剩余很多优势的，但是有点害怕的是，随着时间推移感觉这些优势最后Agent也可以掌握
2 00
