
Al 创作者•LLM 爱好者•Al Agent 构建者 AI 生视频•AI 生图 输出有温度的洞察。 致力于降低 AI 使用门槛,让更多人受益。 某大厂架构师-多模态、模型私有化领域 企业 AI方案设计• FDE 关注AI产品、AI结合教育、艺术创作领域 📮: [email protected]
Joined December 2022
- Tweets7.8K
- Following773
- Followers26.2K
- Likes10.3K
卧槽!!有了 AI,我终于能把以前幻想过的冒险世界做成游戏了。
以前看《盗墓笔记》、《鬼吹灯》、《古墓丽影》这些类型的探险小说或者电影,总想亲自试试,幻想自己是主角,拥有主角光环,所向睥睨,沿着线索探索遗迹,打开通向未知的门。
前不久,我在测评模型Step-5-Preview的时候,真的做了荒岛求生似的探险类游戏,名字叫《海眼》。
在海岛上探索,趁退潮进入洞穴,寻找地下遗迹里的印记,最后重新点亮灯塔,找到离岛的办法。
然而,我失败了😭,3D效果让我哭笑不得,换成GPT6.1Sol 、Opus5.5 也不行,场景基本靠几何体拼凑,海岛、人物更像积木,连我自己玩都不知道这个场景是干什么的。
后来我反思了下,可能是我要做的海岛地图太复杂,缺乏专业3D建模工具。
这次重做,我用上了 Tripo Agentic Canvas,使用 Tripo Canvas 里的 Agent帮我完成场景、道具、人物的3D建模。
再让 Codex 把这些素材接进《海眼》,处理比例、摆放、碰撞和交互,同时把故事、线索、机关和通关流程串起来,整座岛也慢慢有了我想要的感觉。
现在终于能顺着线索,从提灯进洞,一路玩到打开灯塔封门、点亮海灯,等接应船靠岸。
3D《海眼》游戏直接放在评论区:
#Tripo #TripoAI
游戏地址:
haiyan.lanshuagent.com/
感兴趣的可以自己试试,构建自己的3D小游戏:studio.tripo3d.ai/home?invit…
还有额外惊喜:新用户额外获得500credits+首月60%off
Tripo Canvas 整体使用下来,有几个点我蛮喜欢的:
1、直接用自然语言跟Tripo Canvas 说想做什么,还可以给它参考图片,如《海眼》的2D主人公图片,让它帮我规划制作步骤。参考图、模型生成这些环节都放在画布中,彼此关联,整个流程:生成图片(或直接给参考图)—〉多视图—〉智能拓扑网络—〉智能UV—〉纹理生成;整个流程清晰,中间哪里不满意,就在对应步骤中进行调整。
2、游戏中大量场景和道具,如场景需要的岩石、沙滩、棕榈等,我从场景中全部拆分出来,累计需要30多项3D素材,全部通过Tripo Canvas批量生成,时间成本大大缩减。
3、对于不满意的细节,还可以画布中修改。一开始主人公的手一直张着,放在探险场景中有点出戏,不够自然,后来我把他改成收臂站立、短步探索,右手握灯随动作一起移动,使人物有小心向前探路地探险感,更加符合人物设定。
4、同一套工作流可以复用。 做通一个道具的制作流程后,可以换参考图、调整参数,继续处理其他同类素材。《海眼》需要一批岩石、建筑或道具时,这比每次重新设置流程方便。风格统一仍需要参考图和人工检查。
5、做出来的人物、场景和道具,都可以在 Tripo 里保存、管理,需要时再导出,《海眼》从岛上的沙滩、树木、桥和小船,到地下的岩壁、机关,再到提灯探索的小人,我理解渐渐地就可以给自己攒下了一套 3D 素材库。以后直接调整后复用,省下很多重复制作的功夫。
6、画布里还有个 AI 3D Lab,通过对话对具体 3D 素材进行加工、修整和组装的功能。《海眼》中把地形、石板路、水面、门框、门板组合成遗迹入口,再调整道路贴地、水面衔接,就是通过这个AI 3D Lab完成的。
2
289
我的录音豆终于可以用上了😄
兄弟们,终于爆肝完成,豆仓 BeanPod 终于开源了!
一个原生 macOS 录音整理软件,本来是给 Anker 录音豆 D3200 写的:录完一连 Mac,自动下载、本机转成文字、整理成纪要和待办,录音不出电脑。
没有录音豆也能用,它本身就是个免费的录音 + 学习软件:
① Mac 自己录、导入音频、贴小宇宙、Apple 播客、喜马拉雅的链接
② 文字稿点一句就跳回那句,单句循环,读到哪亮到哪
③ 勾上「英语学习模式」,自动拆出单词分级、短语和难句结构。拿 BBC 的《6 Minute English》试了一期,挑出 29 个词、11 个短语、6 个难句,每句都能点回原音。
④ 知识库直接提问,MCP 一键接 Claude、Codex里面直接可以调用访问你的录音内容;
口播稿还能交给 Claude + Renoise 做成数字人视频
⑤新增支持得到录音卡,未真机测试。
⑥ 中英双语界面,MIT 协议
我的想法很简单:录音这种东西,最好留在自己电脑上,转写也在自己电脑上跑,就是你未来的知识库。
说实话,坑也有:只在固件 04.92 上测过,得到录音卡的支持还没上真机。
纯个人学习、测试项目,觉得有用就⭐️ 就是最大的支持 😂
地址放评论区👇
1
4
650
Qwen4-Max 正式发布了,
看起来在 3D 建模,WebDev领域提升较大
价格较上个版本有所下降
Arena 给出的排名是:国模排名第一
输入 1.5 美元/m 代币,输出 4.5 美元/m 代币,隐式缓存 0.075 美元/m 令牌 - 均低于 QWEN3.8-MAX,隐式缓存下降了 70%。
📢 Meet Qwen4-Max, your new AI teammate for work, creativity, and discovery!
Qwen4-Max is built on a new MoE architecture with native vision and a 1M-token context window.
Highlights:
- Outperforms Qwen3.8-Max with up to ~50% fewer tokens, while average cost per task drops over 60% in our internal evaluation.
- Advances real-world productivity through greater proficiency with professional tools, stronger long-horizon execution, and higher-quality deliverables.
- Handles real tasks, including 3D modeling, game development, manufacturing, finance, law, healthcare, and frontier scientific discovery.
- $1.5/M tokens for input, $4.5/M tokens for output, and $0.075/M tokens for implicit caching — all lower than Qwen3.8-Max, with implicit caching down by 70%.
The API is live on QwenCloud. You can also try Qwen4-Max on Qwen Studio, QwenWork and Qoder.
Start building today! 🚀
- Blog: qwen.ai/blog?id=qwen4-max
- API: qwencloud.com/models/qwen4-m…
- Token Plan: qwencloud.com/pricing/token-…
More to come! The open weights of smaller Qwen4 models will be released. Stay tuned. 👀
4
4
2,950
大的来了,lanshu 的ppt 模版又更新了,继续用claude 来扩充模版,和ppt的常用功能。话说现在我们基本都适用html 写ppt了,这30套大家可以直接拿去,让任意agent来做出你想要的内容和功能
新增 10 套风格:报纸头版讲年度大事,蓝图工程讲技术方案,地铁线路做产品路线图,漫画分镜讲用户故事……动态效果都放进了视频里。
选好模板,打开浏览器按 E,直接改文字、讲稿和配色,公司名支持全套替换,改完另存为自己的 HTML。
现场讲的时候,也能开激光笔标重点,用画笔圈画、撤销、清空,开总览快速跳页,开演讲者窗口看备注、下一页和计时。点右上角「放映工具」就能操作。
本地启动放映服务,手机和电脑连同一 Wi-Fi,还能扫码遥控。
模板、Skill 和使用指南、开源地址都在这里:
ppt.lanshuagent.com/
可能没有GPT 6.2了,直接6.5 ,期望OpenAI也能雄起一波,来一个像Opus-5.5 那样顶的模型,这样我们就不用那么折腾claude 了😂
GPT-6.2 Astra /sol won't drop.
Yes, I think they will rename the model to 6.5 Astra/sol with a bit more training.
Reasons Are simple:
-Fable 5.2 dropped and it's significantly good
-Gemini dropping argon, carbon, hydrogen and krypton.
-Chinese models cost efficiency is top. Notch for the intelligence
So They need a beast Astra/sol not another mid tier model
4
3
1,086
恭喜BLG,哈哈宣布左手FMVP的时候,我听到on说给手子哥点两个😂
BLG ARE WORLD CHAMPIONS. 🏆
Our first Summoner’s Cup. It’s finally coming home.
To everyone who’s ever worn the jersey, worked behind the scenes, or cheered us on: we did it!
#BLGWIN #Worlds2026
1
2
885
最近的体感:codex SOL 6.1 拉完了,都不如antigravity 的Argon好用
研究了下Gemini 这个 Orchestrator 模式,这个应该是一个趋势:核心是一套“双阶段、高低模型接力(Plan & Execute)”与“多智能体协同调度”的架构模式。
在这个模式下,单次对话不再由同一个模型从头跑到尾,而是拆分为 规划(Planner) 与 执行(Executor) 两个阶段,由不同特性的模型接力完成
为什么要用 Orchestrator 模式?
在 AI Agent 架构演进中,传统的 ReAct 单体模式(一个大模型边想边改、循环调用工具)在复杂工程中容易出现三个痛点,而 Orchestrator 模式正好针对性解决
痛点一:思维与行动耦合:边看代码边动手改,容易改到一半发现方向错了,留下半成品脏代码
痛点二: Token 成本与延迟:全程使用昂贵、缓慢的旗舰推理模型去干“机械改代码、跑 Lint”的活
痛点三: 长链路注意力退化:工具调用几十轮后,上下文塞满报错日志,模型开始偏离最初目标
阶段一:Planning Turn(规划回合 —— 旗舰强模型)
核心职责值得学习,通常是给蓝图,纠偏干活的模型:
1️⃣ 消除歧义,做完所有架构、API 和边界条件决策。
2️⃣产出一份“保姆级”执行蓝图:精确到要修改的文件路径、函数/符号名、具体改动逻辑、验证命令及预期输出。
3️⃣设定 Re-plan if(重规划触发条件):明确告诉执行模型“如果遇到哪些迹象说明计划有误,立即停手回交,不要自行发挥”。
快速分流:如果只是问答、架构讨论或代码审查(不涉及文件改动),Planner 会直接回答你,不会启动第二阶段。
阶段二:Execution Turn(执行回合 —— 高速高性价比模型)
无缝接管:Planner 完成规划后移交控制权,底层自动切换到速度更快、成本更低的执行模型,它能看到完整对话上下文和刚刚制定的计划。
核心职责:严格按照计划写代码、改文件、运行测试,不做未授权的架构变更。
阶段三:Review & Hand-back(审查与回交闭环)
如果执行过程中遇到未预料的报错,报告回交给 Planner。
Planner 对比实际进展与原计划,修正方案后再派发剩余步骤。
横向扩展:Subagents(子智能体)与 Swarm(集群模式)
除了纵向的“大小模型接力”,Orchestrator 还会根据任务性质横向调度子智能体:
research:在独立只读沙箱中做大规模代码调研,避免污染主对话上下文。
browser:专门操控内置浏览器进行页面交互与 UI 验证。
Swarm(/teamwork):当任务可以拆分为多个并行模块时,通过共享消息板(Message Board)与独立工作区副本(share / branch),编排多个 Worker 并行开发与交叉验证。
非常适合的场景:
跨文件功能开发与重构:需要先理清调用链、接口契约,再批量修改多个模块。
复杂 Bug 排查:需要先只读分析日志、复现路径、定位根因,再精准修复并补充单测。
需求存在多选一设计:Planner 会在规划阶段
Orchestrator 的推理配置固定,不能再手动调整 effort
研究了下Gemini 这个 Orchestrator 模式,这个应该是一个趋势:核心是一套“双阶段、高低模型接力(Plan & Execute)”与“多智能体协同调度”的架构模式。
在这个模式下,单次对话不再由同一个模型从头跑到尾,而是拆分为 规划(Planner) 与 执行(Executor) 两个阶段,由不同特性的模型接力完成
为什么要用 Orchestrator 模式?
在 AI Agent 架构演进中,传统的 ReAct 单体模式(一个大模型边想边改、循环调用工具)在复杂工程中容易出现三个痛点,而 Orchestrator 模式正好针对性解决
痛点一:思维与行动耦合:边看代码边动手改,容易改到一半发现方向错了,留下半成品脏代码
痛点二: Token 成本与延迟:全程使用昂贵、缓慢的旗舰推理模型去干“机械改代码、跑 Lint”的活
痛点三: 长链路注意力退化:工具调用几十轮后,上下文塞满报错日志,模型开始偏离最初目标
阶段一:Planning Turn(规划回合 —— 旗舰强模型)
核心职责值得学习,通常是给蓝图,纠偏干活的模型:
1️⃣ 消除歧义,做完所有架构、API 和边界条件决策。
2️⃣产出一份“保姆级”执行蓝图:精确到要修改的文件路径、函数/符号名、具体改动逻辑、验证命令及预期输出。
3️⃣设定 Re-plan if(重规划触发条件):明确告诉执行模型“如果遇到哪些迹象说明计划有误,立即停手回交,不要自行发挥”。
快速分流:如果只是问答、架构讨论或代码审查(不涉及文件改动),Planner 会直接回答你,不会启动第二阶段。
阶段二:Execution Turn(执行回合 —— 高速高性价比模型)
无缝接管:Planner 完成规划后移交控制权,底层自动切换到速度更快、成本更低的执行模型,它能看到完整对话上下文和刚刚制定的计划。
核心职责:严格按照计划写代码、改文件、运行测试,不做未授权的架构变更。
阶段三:Review & Hand-back(审查与回交闭环)
如果执行过程中遇到未预料的报错,报告回交给 Planner。
Planner 对比实际进展与原计划,修正方案后再派发剩余步骤。
横向扩展:Subagents(子智能体)与 Swarm(集群模式)
除了纵向的“大小模型接力”,Orchestrator 还会根据任务性质横向调度子智能体:
research:在独立只读沙箱中做大规模代码调研,避免污染主对话上下文。
browser:专门操控内置浏览器进行页面交互与 UI 验证。
Swarm(/teamwork):当任务可以拆分为多个并行模块时,通过共享消息板(Message Board)与独立工作区副本(share / branch),编排多个 Worker 并行开发与交叉验证。
非常适合的场景:
跨文件功能开发与重构:需要先理清调用链、接口契约,再批量修改多个模块。
复杂 Bug 排查:需要先只读分析日志、复现路径、定位根因,再精准修复并补充单测。
需求存在多选一设计:Planner 会在规划阶段
Orchestrator 的推理配置固定,不能再手动调整 effort
DeepSeek真是啥都开源:DeepSeek 提供了一个开源的演示聊天客户端,展示了如何使用这些 API 构建聊天机器人。
同时提供了web Search、Fetch 、OCR、ASR、TTS相关调用API ,方便组装,虽然现在chatbot后面基本都是加个Agent ,但是这些网站查询,浏览,OCR,语音识别、语音合成等能力还是很刚需的,这个价格也是相当便宜了,尤其是这个ASR 1小时还不到4毛钱😄
🚀 The full DeepSeek App experience, now via API
Search, files, links, safety, and voice. The capabilities behind the DeepSeek App are now available through the DeepSeek API.
Enable built-in features with a few parameters, or call standalone APIs such as OCR, ASR, and TTS. Build richer conversations or recreate the full DeepSeek App in your own application.
Try our open-source frontend demo, with support for importing DeepSeek conversation history.
🔗 Demo: cdn.deepseek.com/chat-demo
📦 Code: github.com/deepseek-ai/chat-…
📖 Details: api-docs.deepseek.com/guides…
1/4
Google 新发的 Gemini 4 Hydrogen,看下来主打一个“用三分之一的成本摸到第一梯队”。对标 Claude Sonnet 5.5 和 GPT-6.1 Terra
这挡做日常用还不错,晚点咱们详细实测下
基础参数:
- 上下文:1M tokens
- 多模态:支持文本、图片、视频、语音输入,文本输出
- 推理深度:low / medium / high,外加这次新增的 xhigh 四档
- 价格:每百万 tokens 输入 $1.50 / 输出 $7.50,缓存输入减免 95%($0.075)
跑分和性价比:
AA能力只比 Claude Sonnet 5.5 (max) 和 GPT-6.1 Sol (max) 落后 1 分,成本大约只有 Sonnet 的 32%,不过还是比 GPT-6.1 Sol 贵 2.5 倍左右。
更明显的是对自家产品的替代:开 high 推理档时,它能跑出跟 Gemini 4 Argon 一样的智力表现,但单任务成本只有 Argon 的 19% 左右。
3
1,248
这套方法已经稳定使用claude code 快两个月了🎉
经过多天的测评和群里小伙伴的反馈,目前功能已经完善。且我目前已经能稳定使用claude code 了,也没弹kyc,我打算开源使用方法和二进制,但是代码不打算公网开源了,主要是为了能长期稳定使用。只在群里小范围开源,感兴趣的小伙伴可以在原推加我入群。
BoxBridge 当前最新为0.4.4 版
已支持 Mac / Windows 自动安装与配置,通过 Grok 原生通道连接云端 Orca 和 Claude Code,无需 Tailscale 或 Cloudflare。
功能包括: 后台保活、断线重连、Orca 故障自动恢复、指定 Bot 聊天、云端命令执行、截图及键鼠操作,并提供 Agent Skill 辅助安装和使用。后台保活零模型调用、不抢窗口焦点;聊天和桌面操作需手动授权。支持检查更新、升级和回滚,保留原有授权、配对与配置。
安装和使用地址: lanshuagent.com/boxbridge
做个小结:
英伟达董事会宣布黄仁勋辞去总裁、CEO及董事职务,即刻生效;CFO科莱特·克雷斯兼任临时CEO,常任继任者遴选已启动
导火索是个人丑闻:黄仁勋内部邮件承认与芯片客户Megaspeed前高管黄姓女子婚外情,又被曝与医疗保健业务负责人鲍威尔的第二段婚外情
盘前股价跌超10%,市值蒸发超4000亿美元、跌破4万亿美元(开盘前市值4.195万亿美元)
能被罢免的根源:黄仁勋持股约8.7亿股、仅约3.58%未控股,贝莱德约7.43%、先锋领航约7.31%持股更高,且一股一权、无超级投票权,董事会可多数表决罢免
2
897























