AIGC 草稿拾遗 001 期

A1PZT7rw · 发表于 6 天前

您佳，尔是草率教者，那是第 001 期的女伶 href="https://www.taojin168.com" target="_blank">AIGC 初稿拾遗

那是一份 AI 启动的 Newsletter，实质滥觞于草率教者一样平常的初稿条记，实质对于 AI、小我私家生长、服从东西、互联网贸易

"猜测未来的最佳方法即是缔造它" via. Alan Kay

🍻 初稿拾遗第两季

初稿拾遗是尔正在 2021 年底尾革新的 Newsletter，正在 2021 到 2024 年的三年时间里，尔断持续绝天革新了 50 多期。后来由于小我私家肉体的启事停更了。

但是正在来日诰日，正在 AI 的辅佐下，尔发明能够用 10% 的时间便完毕 Newsletter 的写做，共时包管 Newsletter 的结果。

因而正在来日诰日尔决定规复 Newsletter 的革新。

《初稿拾遗》从来日诰日开端将升级为《女伶 href="https://www.taojin168.com" target="_blank">AIGC初稿拾遗》

女伶 href="https://www.taojin168.com" target="_blank">AIGC: AI Generate Content

《AIGC初稿拾遗》的革新方案：

🤔 思惟碎片

01 AI Native C 端使用什么时候爆发？

前段时间，Sora2 公布，又瞅到对于捏它 App 的开创人胡建涵近来分享的"两次元版Sora"的小说。

尔自己不竭正在根究 AI to C 的年夜的使用时机， Sora 2 的呈现给各人挨了一个样，但是借不敷完善。手艺不过根底，真实的爆发需要的是：手艺老练度、用户承受度、使用场景的完善分离。那三者的接汇面，才是AI Native C端使用爆发的机缘。

模糊觉得，2026 年年末，to C 的使用时机将会迎去一波飞腾。

02 AI 实质创做的鸿沟思考

期近刻公布了使用 AI 将笔墨变换为图文的会商，现在借帮最新的模子，均可以将文原，变换成一个网站，或者是都雅的图片。

尔将自己的一篇少文《读以忘怀》变换成为了一个精致的网站，望觉结果确实很佳。

https://liaocaoxuezhe.github.io/new_excel_today

AIGC 初稿拾遗 001 期w2.jpg

模态之间的鸿沟愈来愈恍惚，但是代价的鸿沟依旧是明了的。固然手艺完毕很棒，但是使用场景却没有明了。那激发了尔对于AI实质创做鸿沟的思考：如许的变换，果然缔造了新的代价吗？

思去念来，能料到的使用场景仿佛只需辅佐专客主将实质变换成更都雅的款式。但是那也面对挑战：HTML动作一种实质序言，正在华文商场仿佛没有太make sense，外洋死态也没有熟谙。那让尔观点到，AI实质创做不该该不过方法的变换，而该当是代价的再制。

手艺善于的，是"把已经知的方法使用正在新的实质上"。但是人类善于的，是"界说甚么实质值患上被缔造"。那可以即是AI实质创做的鸿沟：AI担当扩大可以性，人类担当鉴别代价。找到那个鸿沟的均衡面，大概是AI Native使用的枢纽。

03 那篇论文可以成为狂言语模子连续进修的新范式

读到了论文《颠末稠密影象微调完毕连续进修 Continual Learning via Sparse Memory Finetuning》提出了将 Transformer FFN交流成影象查找模块的办法，有可以成为 LLM Memory 的新范式。

AIGC 初稿拾遗 001 期w3.jpg

那篇论文处置的是保守高低文窗心限定的底子成就。颠末稠密微调，模子能够正在没有忘记旧常识的共时进修新常识，那关于AI体系的连续退步具备主要意思。取保守办法差别，这类稠密影象微调办法正在影象结果上清楚劣于齐参数微和谐 LoRA，为增进 LLM继续进修供给了新的手艺路子。

假设AI能够像人类一致连续进修、不竭退步，这将是通朝AGI的主要一步。那篇论文提醒的可以不但是手艺办法，更是AI开展的一个新标的目的。

论文地点：Continual Learning via Sparse Memory Finetuning https://arxiv.org/abs/2510.15103

📰 实质杯测

01 Claude Code Plugins 革新

Claude Code拉出了 Plugins 插件体系，许可开辟者颠末斜杠号令、博属智能体、MCP效劳器战钩子函数去扩大功用。那标记着AI开辟东西从简单使用背死态体系的改变。

AIGC 初稿拾遗 001 期w4.jpg

插件能够挨包斜杠号令、博属智能体、MCP跟尾战钩子函数，就于分享调试、布置、尝试等事情流。典范用处包罗分歧团队开辟标准、撑持启源名目开辟者、跟尾内部东西并挨包本性化事情流。所谓斜杠号令，即是为经常使用的操纵创立自界说快速方法；博属智能体则是装置为一定任务挨制的智能体，辅佐完毕专科开辟事情；MCP效劳器颠末模子高低文和谈跟尾内部东西战数据源；hooks 函数则许可正在Claude Code的事情流枢纽节面自界说举动。

如许您能够正在互联网上快速复造其他人的 claudencode 树立。关于团队来讲，也能够将您的树立挨包成插件目前，快速正在团队成员之间复造。

本文链交：https://x.com/dotey/status/1976470303003000852

02 Cursor Composer 模子升级：用加强进修挨制下效模子

Cursor 2.0 的革新中，升级了他们的 Composer 模子。【1】新的 Composer 模子正在 token 天生圆里的服从比划一智能水平的模子超出跨越四倍。

Cursor 团队正在开辟新的 Composer 模子时，受到了 Tab 模子【2】的作用。他们发明工程师们对于模子的天生速率请求很下，进步模子的天生速率，可让开辟职员正在事情过程中连结思惟持续性战事情过程没有被挨断。

因而他们鉴于用户反应的数据，正在原本的模子上截至加强进修锻炼：从用户盘问开端，模仿多个 “rollout”（路子），每一个路子使用差别东西序列测验考试处置成就。而后评分那些路子，并据此革新模子参数。正在连结接互式编码速率的共时提拔了模子智能。它自觉习患了庞大搜刮、毛病建设战单位尝试等才气。

Composer 是 Cursor 团队为硬件工程挨制的下效智能代办署理模子，颠末正在年夜范围代码库战消耗级东西上用加强进修锻炼，能快速完毕实在编码任务。它是一种撑持少高低文的大师混淆（MoE）模子，劣化了东西挪用、并止处置战削减无用复兴，进而正在接互式编码中速率战品质兼患上。为撑持年夜范围同步加强进修锻炼取运行，团队建立了定造化根底装备，使 Composer 正在理论开辟中已经被普遍接纳。

Composer 模子的降生不过最根底的，更让人该当存眷的是 Cursor 公司的事情方法。【3】

来日诰日 Cursor 干模子的思路是尔今朝瞅到最准确的 AI Native 产物建立方法。颠末佳的接互设想，让用户正在使用的过程当中反应给模子优良的数据。鉴于数据，正在启源模子的根底上截至 SFT 战 RL 的锻炼。这类方法让模子正在 RL进程中自觉习患了施行庞大搜刮、建设 linter 毛病和编辑并运行单位尝试等有效才气。那是 AI Native 使用公司必需把握的工作——没有是简朴天挪用API，而是颠末数据飞轮连续劣化模子。

参照链交：

【1】https://cursor.com/cn/blog/composer

【2】https://cursor.com/cn/blog/tab-rl

【3】https://www.youtube.com/watch?v=md8D8eNj5JM

03 SoulX-Podcast：真正的少音频播客天生

Soul 上上周启源了一个播客天生的模子，撑持多种华文圆行战副语言掌握的多个语言人少篇播客模子，能天生超越90分钟的多轮对于话，连结音色颠簸战语言人切换流畅。

那个模子的特性是：第一，撑持间接天生多人对于话的实质，那关于播客制作来讲是一个严峻突破；第两，撑持处所圆行实质天生，让实质创做越发丰硕多元；第三，能够天生较少的多轮对于话，而且连结音色较佳。SoulX-Podcast 是 Soul AI Lab 启源的多语言人少篇播客级文原到语音模子，撑持中英及多种华文圆行并散成副语言掌握。

但是理论体会的时候，发明天生实质少了目前，实质仍是会瓦解。不外已经有进步了。正在独利剑 TTS 战多轮对于话分解任务上，SoulX-Podcast到达或者争先于目前开始历程度。

那个名目关于播客制作、有声书籍等范围有可与的地方，出格是关于这些念要批质天生对于话式实质的创作家来讲，供给了一个强大的手艺根底。固然另有颠簸性成就，但是已经展示了AI正在少音频实质天生上的后劲。

本文链交：https://soul-ailab.github.io/soulx-podcast/

04 AI Browser：Manus桌里版的完毕

那个启源名目的开辟者用 Next.js + Electron 开辟的智能浏览器，撑持天然语言任务描绘战 AI 主动计划施行，适宜疑息收罗、数据监控战主动化尝试。

名目称呼是 AI Browser，是一个能够用天然语言描绘任务并由 AI 主动计划施行网页操纵的智能浏览器。它撑持多野 AI效劳商、任务可望化、按时调理、汗青回搁取跨仄台运行，适宜疑息收罗、数据监控、批质处置战主动化尝试。

那个名目展示了 Agent 手艺正在理论使用中的后劲。颠末天然语言取浏览器接互，让庞大的网页操纵变患上简朴直觉。您能够用天然语言报告它"助尔正在知乎上搜刮对于AI的最新会商并收拾整顿成表格"，它就可以主动完毕翻开网页、搜刮、提炼疑息、收拾整顿输出等一系列操纵。这类"所念即所患上"的接互方法，可以代表了未来人机接互的一个标的目的。关于这些需要频仍截至网页数据收罗战主动化操纵的用户来讲，那是一个十分合用的东西。

本文链交：https://mp.weixin.qq.com/s/SzhNYSFa7kEp2zOP9Qgk3Q

05 Google Veo 3.1 的民间提醒指北：五部门公式

Google的 Veo 3.1 颠末"拍照、主体、行动、情境、气势派头"五部门提醒公式，完毕了对于脚色不合性战影象气势派头的精密掌握，撑持720p/1080p短片天生。

Veo 3.1 是一款进步了提醒依照性战望听品质的天生式望频模子，撑持720p/1080p短片战共步音频。它颠末"五部门提醒公式"（拍照、主体、行动、情境、气势派头）战多步事情流（如尾帧/终帧、食材转望频、时间戳）完毕对于脚色不合性战影象气势派头的精密掌握。别的可取 Gemini 共同丰硕提醒词汇，天生戴音效的毗连场景，并正在输出望频中参加 SynthID 火印。

假设您正在钻研 Veo 3.1 的望频天生，那个文档是必须要瞅的。五部门公式为望频创做供给了一个构造化的思惟框架：拍照（镜头语言）、主体（中心工具）、行动（活动方法）、情境（情况布景）、气势派头（望觉气势派头）。把握那个公式，您就可以更精确天掌握AI望频天生的结果。那关于望频创作家、告白制作人、实质营销职员来讲，是一个极具代价的东西。当手艺门坎低落，创意便成为中心合作力。

本文链交：https://cloud.谷歌.com/blog/products/ai-machine-learning/ultimate-prompting-guide-for-veo-3-1

06 DeepResearch的影象收缩新思路

ReSum论文提出正在加强进修中让模子教会更佳天使用收缩实质，将收缩先后轨迹分红二条并别离给嘉奖，既保存天生择要的鼓励，又让模子教会下效拉理。

DeepResearch Agent 有一个很年夜的成就即是屡次的搜刮浏览很简单便把高低文窗心用光了，通例的作法是像 Claude Code 一致，超越阈值便触收影象收缩。通义的论文《ReSum》提出了一种正在 RL 中让模子教会更佳天使用收缩实质的办法。具体来讲，当轨迹靠近高低文窗心时，体系会触收归纳天生一个新的轨迹B。

枢纽面正在于，当B对答时，B的嘉奖会复造给A。如许干的益处是，固然A不间接患上出谜底，但是它找到了一个有效的择要，终极导背了准确的谜底，以是A中的统统行动也获得了邪背的鼓励。

这类单制度的嘉奖体制设想很奇妙，处置了影象收缩中的中心困难：怎样正在收缩疑息的共时保存有效细节。颠末这类方法，模子既能教会汇集能够发生优良择要的枢纽疑息，又能教会使用择要疑息去下效天完毕任务。这类设想既保存了天生择要的鼓励，又让模子教会用收缩疑息下效拉理，为AI少文原处置供给了新的手艺思路，对于处置高低文窗心限定成就有主要启迪。当影象再也不是简朴的保存，而是智能的弃取，AI的才气鸿沟便被从头界说了。

本文链交：https://x.com/Yonah_x/status/1969397374721098211

07 末端东西的挑选

那篇文章对于 Warp、iTerm2 战 Alacritty 三款末真个深度比力，从启箱即用、下度定造、沉质合腾等差别需要角度给出挑选倡议。

作家比力并设置了三款末端：启箱即用且功用强大的 Warp、可下度定造的老牌 iTerm2 战沉质可合腾的 Alacritty。他按照繁复、照应快、可定造取可移植等需要，分享了 zsh/ohmyzsh、starship、tmux 取 neovim 的散成设置。论断很大白：Warp适宜老手，iTerm2适宜长途办理，Alacritty适宜喜好深度合腾的用户。

本文链交：https://www.pseudoyu.com/zh/2022/07/10/my_config_and_beautify_solution_of_macos_terminal

结语

佳了，原期的 AIGC 初稿拾遗便到那里。

原期初稿拾遗的实质范畴鉴于 2025-10-27 ~ 2025-11.02 草率教者的一样平常浏览的实质战条记体系中的笔墨，由 AI 完毕初稿的创做，笔者完毕最初的微和谐公布。

假设那篇文章对于您有辅佐的话，能够给文章面个赞，面个举荐，或者是转收给您喜好的人，或者是给尔购杯咖啡，您的撑持是尔对峙上来的能源。现在微疑中的公家号，上新了实质举荐算法，对于创作家的文章浏览战转收比率有了更年夜的请求，期望能够多助面面转收，感谢。

假设您到初稿拾遗的实质感兴致，能够存眷尔的公家号，每一周领受最新的初稿拾遗 Newsletter 。