239 条 · 第 13–24 条
06:29 DeepSeek Harness 团队讨论了一套持续接收信息、分派任务和跟进结果的设计。视频用团队介绍的研发群聊场景解释原理;办公例子为假设,公开研究原型未本机实测。
07:24 新模型能自己决定的事变多了,过去攒下的一堆提示词和规则,值得重新检查一遍。这期讲清三件事:哪些能删、什么必须说清、什么时候才真该拆成多个 AI 一起干。开头那个「删掉八成系统提示词」的说法,是海外一家头部 AI 公司针对自家特定模型和内部编码评测讲的,不是通用比例;片中的周会清单是示意,没有做产品实测。本片配音为 AI 合成,画面由 AI 辅助制作。
07:14 TradingAgents 是一个开源的多智能体框架:十二个 AI 岗位分工写报告,多空双方吵一轮,再交给风控和经理拍板。看完你能分清它交的是研报还是交易指令,也知道 A 股哪些数据它其实看不到。这一期不给买卖建议,只把它自己的材料一条条对齐,回答四件事:这个团队怎么跑、官方演示里跑成什么样、那些漂亮数字能信几分、换成 A 股还缺什么。
07:47 这集给一把尺子:什么时候该让 AI 另开一间房干活,什么时候它自己干反而更稳——你派给 Subagent 的活,可能一开始就错了。素材是 MiniMax Code 研发负责人 RonnyHe 10 月 26 日的长帖——他把一篇海外头部 AI 公司的官方指南读完,结合自己团队的做法讲了一遍。你自己开三四个聊天窗口是一回事——那是你自己在切;
06:19 百度 10 月 27 日开源 Unlimited-OCR 2:一个把图片和 PDF 变成「带位置的文字」的模型,官方说是一整本一次读完。你手上那摞几百页的扫描件,可能不用再拆成一页页、再把断掉的表拼回去。这一期只讲四件事:它跟老一代 OCR、跟会看图的大模型差在哪;凭什么读长了不越读越慢;我亲手只跑通了单页;以及谁该用、谁先别急。手上压着长文档的,可以收藏,也可以转给一起做标书、审财报的同事。
05:34 开会开到下一句,你的字幕还卡在上一句。这期讲腾讯 10 月 26 日开源的中英双向同传 Hy-SimulMT:边听边译,不等整句说完。官方自评平均滞后约 3 秒,但那个数不等于开口后多久冒出译文;我拿两段自己的测试音频在第三方网页上跑了一遍,也把官方没测、我这儿同样没碰的边界一条条划了出来。
05:06 DeepSeek 官方做的免费桌面软件,能替你干点啥。DeepSeek 这个模型公司你多半听过;DSH 不是新模型,是它官方自己做的一层桌面壳。套上这层壳,模型能直接动你电脑里的文件——等于在只会说话的模型身上,长出了一双手。它和豆包是两种用法:豆包是对话框里问答、讨论思路;DSH 是你选一个文件夹,它在本机把事情做完,还你一个整理好的。
04:46 给每天用 AI 干活、习惯把思考强度开在最深那档的人。这期讲我怎么让 JEV 先判一句「这件事该想多深」,简单活不再陪着慢慢想——看完你能自己判断这一层值不值得接、哪些事必须留给人。它是什么:TypeSafe 做的 JEV 不聊天、不写正文,只在给定范围里挑一个答案、打个分、或者回是或不是,另外回一个把握值——那个值只表示这次答得集中不集中,不代表对错。
05:46 DeepSeek 的缓存定价,就是把「你说过的话」单独挂一档价:输入命中缓存只按未命中价的 2% 计费,等于便宜 50 倍,写入费和存储费都是 0(截至 2026-10-26 的高峰价,每百万 tokens)。可它只省输入、不省输出,所以你的账单不会降九成。这期讲四件事:这个价怎么算出来的、它凭什么敢收这么低、你的钱到底花在哪一格,以及什么样的人能真吃到这个价。
03:02 B 站把做中文配音的模型 IndexTTS-2.5 开源了,我在自己电脑上跑了一遍。先录了 9.24 秒我自己的声音喂给它,它输出的是我从来没录过的一句话,5.31 秒 —— 同一把嗓子。三件事值得先知道:模型免费开源;全程本机跑,没联网、声音没传到任何服务器;效果就是片里播的那样,没有后期修。速度上它达不到实时,四秒多的音频要跑五秒左右,日常够用。许可是 B 站自己的,不是常见的 Apache 协议:日常和一般商用免费,只有月活过亿或年收入过十亿才需单独申请。
10:04 这期讲你电脑里那些填过一次就忘了的密钥:别人拿到就可能替你调接口、消耗你项目的额度。看完这期,你能分清文件、屏幕、点按、浏览器登录态和密钥,知道哪些权限该默认关闭,遇到异常该先做什么。先看一个部署平台的官方安全披露:官方说,存客户变量的系统检测到异常活动,第三方可能访问了加密变量,其中一部分可能已解密;官方强烈建议所有用户轮换平台上存放的变量和密钥。这是预防建议,不代表所有人的凭据都已泄露。
05:37 谷歌美国研究院开源了一个研究项目 Harness²,干的事是让 AI 自己动手改它干活时手边那套工具(后面简称「外壳」)。论文里,同一个模型只是把工具自动改了一遍,平均分就从 64.2 涨到 75.7。我拿同一个模型,在 pi 和 omp 两个现成工具里各跑两次同一道题,同一句提示一字不改,四次都修好了。