热门文章
AI工具
AI 时代，好工具就是新的生产资料。本栏目聚焦全球视野，带你穿透排行榜，发现那些藏在数据背后的 AI 利器。 我们不复读说明书，只拆解工具背后的业务逻辑：它解决了什么痛点？普通人如何快速上手？如何利用它实现业务突围？ 每周5款精品工具拆解，带你跨越信息差，抢占工具红利。
-
看一小时网课、啃一篇五十页论文、听一期两小时播客，学习内容的消化速度永远追不上囤积速度。NoteGPT 就是冲着这个痛点来的：把 YouTube 视频、PDF、音频一键转成带时间戳的笔记、思维导图和闪卡，号称能让学习效率翻十倍。全球 8000 万用户不是小数目，但免费版只给 15 次配额，付费起价 9 美元一个月，到底值不值，测完再说。 先搞懂它是什么 NoteGPT 是一个 AI 驱动的学习效率…
-
做 AI 视频最烦什么？这个模型效果好但贵，那个便宜但拉胯，来回切平台切到心态爆炸。Pollo AI 的解法很直接，把 Veo 3、Sora 2、Kling 3.0 等 15 个主流模型全部塞进一个平台，月付不到三十刀全都能用。听起来像薅羊毛的好事，但积分消耗、视频时长限制这些坑，试过才知道有多深。 这到底是什么 Pollo AI 是新加坡公司 HIX.AI 推出的一体化 AI 视频和图像生成平台…
-
做一张海报背景图，先在 Midjourney 里打 prompt 等十几秒，不满意再调，调完进 PS 抠图，这个流程设计师都熟。Krea 想解决的问题很直接：能不能把所有 AI 模型收进一个画布，实时看到效果，不用来回切工具？它接入了 64 个模型，从图像到视频到 3D 一锅端，自研的 Krea 2 模型能在 50 毫秒内把草图变成照片级画面。拿了 B 轮 8300 万美元，月活 3000 万，L…
AI百科
AI圈每天都在造新词，LLM、RAG、Agent……听得云里雾里？本栏目专为非技术背景的从业者打造，旨在剥离“假大空”的术语堆砌，还原技术背后的商业本质。 我们不复读官方定义，只拆解这些名词如何影响AI应用的实际链路与出海实战。用资深行业观察者的视角，带你穿透技术迷雾，看清大模型时代的真趋势。
-
一个让你脊背发凉的事实： 你每天在淘宝、抖音、豆瓣上的每一次"猜你喜欢"点击，都在帮一个数据库变得更聪明——而这个数据库存的，不是文字，是数字。 它叫向量数据库（Vector Database）。 一句话理解 向量数据库 = 专门存储"味道"（语义相似度）的数据库，让AI能快速找到和某个东西"最像"的其他东西。 它是怎么工作的 普通数据库…
-
你有没有想过这个问题： 当你说"把杯子推下桌子"，你的脑子里发生了什么？ 你可能看到了杯子摇了一下、然后倒下、最后摔在地上——甚至能听到"啪"的一声。 这个过程，你没有真正看到，但你在脑子里"模拟"了一遍。 这就是人类的世界模型——我们有一个对世界的内部模拟，知道动作会导致什么结果。 World Model（世界模型），就是让AI也拥有这…
-
一个有意思的时间线： 2020年：AI能看图，但只能看图 2022年：AI能听语音，但只能听语音 2023年：AI能同时看图、听语音、读文字——而且能一起理解 这个"既能看又能听还能读"的能力，叫做Multimodal（多模态）。 一句话理解 多模态（Multimodal） = 让AI同时拥有人类感知世界的多种方式——看图、听声音、读文字，并且能把这些不同类型的信息联合起来理解…
开源项目
拒绝高昂订阅费，从拥抱开源开始。本栏目专为想用AI、想懂AI的非技术人打造，手把手带你发现那些好用、免费且强大的开源替代品。 我们不聊虚无的代码，只聊真实的落地：从本地大模型部署到多模态工具链，拆解每个项目背后的实操门槛与应用潜力。 用最直白的语言，拆解最前沿的开源力量。 在这里，让AI不再是“黑盒”，而是触手可及的生产力工具。
-
我现在已经是 Hermes Agent 的重度用户了，月初 MiMo 那个 100T 计划申请的 7 亿 Token 给 Hermes 正好。 今天看 OpenRouter 消耗 Token 的 Top App，Hermes 也超过 OpenClaw 成为第一了。 这 Agent 虽好，但日常高频用其实还是有些“卡点”的： 1. 官方只提供了 TUI，不带 GUI 日常…
-
我说的这个项目是 Open-Slide 使用方法： 把这个项目的仓库https://github.com/1weiho/open-slide发给你的Agent（Claude Code/Codex/Hermes/OpenClaw等等都可以），让它安装并启动该项目。 启动好之后，你就可以让你的Agent创建如此美观优雅的Web版的PPT了： 当然，也提供了Presentation Model： 也可以…
-
GPT-Image-2发布之后，各种炫酷的生成效果在社交平台刷屏：便利店霓虹人像、奢侈品香水广告大片、UI界面一键直出……看着别人玩得飞起，自己打开ChatGPT对着输入框发呆，脑子里只有一个想法——"我想生成一张好看的图"，然后呢？提示词怎么写？什么结构？要不要加否定词？光圈、焦距、色温这些参数怎么组合？结果就是反复试、反复改、反复失望，最后图没生成几张，耐心先没了。最近我在…
skills资源
我们深知skills的核心是“实用、可落地”，因此持续挖掘全网优质技能skill，定期更新。助力大家在学习AI的同时，拓宽技能边界、提升综合能力，用每一个实用skill赋能成长，解锁更多可能性。
-
你上一次在终端里手打 gh pr checks 是什么时候？我猜大多数人的回答是"从来没用过"。GitHub CLI 装是装了，但那些子命令名和参数格式，每次都得现查文档。 ClawHub 上 steipete 发布的 GitHub Skill 解决的就是这个问题。它把 gh CLI 的常用操作封装进 OpenClaw 的 Skill 系统里，让你在非 Git 目录下也能用自然…
-
说实话，我一开始对"给 Agent 加记忆"这件事是有偏见的。不就是存个 JSON 文件、记几个键值对吗？大多数所谓"记忆系统"到头来就是个带时间戳的键值对仓库，查点历史对话还行，但要让它理解"这个任务是谁布置的、当前被什么阻塞了、项目 A 和项目 B 之间有没有耦合"，完全指望不上。 后来我看到了 Ontology 这个 Skill，在…
-
你从 ClawdHub 上找了个看起来很不错的 Skill，描述写得天花乱坠，下载量也不低。你想都没想就装了。然后它静悄悄地读了你的 .ssh 目录，把私钥发到了一个你不知道的服务器上。这听起来像恐怖故事，但在当前 AI 代理生态里，这完全可能发生。而且大概率没人告诉你。 skill-vetter 干的就是这件事：在安装之前，先把技能扒一层皮检查一遍。它的出发点简单到有点粗暴：不信任任何来源，先审…
实战分享
拒绝纸上谈兵，我们只聊“如何落地”。本栏目深度拆解全球前沿AI应用的实操链路，将复杂的工具组合转化为标准化的SOP。 从提示词微调到自动化工作流构建，手把手带你完成从“看到”到“做到”的跨越。这里没有晦涩的代码，只有贴合真实业务场景的干货。不论是复刻海外爆款案例，还是优化本土化运营，我们只提供拿来即用的实战指南。
-
作者：ethanytzhou 我们以为自己在给 AI 套缰绳。写 Spec、定 Rule、设 Eval、调 Prompt——每一次按下回车，都像是在多拧紧一圈对它的控制。但如果你在某个深夜回头看过自己写下的那份 project.md，你会发现一件让人后背发凉的事——那根缰绳的另一头，系着的不是 AI，是你自己。 你手里攥着的不是缰绳，是一面镜子。它正在你每一条 CI 规则、每一次 Code Rev…
-
无论是搜索、推荐还是问答，把企业的数据资产变成可检索、可调用的智能服务，往往意味着一条漫长且高门槛的链路 —— 数据清洗、Embedding 选型、索引构建、策略配置、效果调优…… 每一个环节都离不开工程投入和算法经验。 Viking AI 搜索 CLI （下文统称 SearchCLI ）正式发布，代表着上述的这些复杂繁琐环节，现在都可以让 Agent 替你完成了。 通过 IaC （Infrast…
-
借助 AI，每个研发个体都变快了，但组织并没有变快。 我们也是在把 AI 工程化推到数百人规模后，才真正看清这个瓶颈所在。编码效率被大幅拉升，但需求转述的损耗、决策回流的延迟、上下文在终端间的散落，反而成了更明显的阻碍。 要解的不再是“个人怎么用 AI”，而是“组织怎么用 AI”。本文由小米零售研发团队分享我们的三层工程实践——统一工作流、知识沉淀、协作透明——以及一个核心判断：工具会换代，但知识…