robotbird retweeted
GLM-5.2 topping Design Arena makes a lot of sense.
We tested it in Open Design’s built-in AMR with just a reference URL + one simple prompt.
It recreated the website almost perfectly.
Here is a quick demo👉
robotbird retweeted
Open Design stays on brand across projects with plugins.
Memory. MCP. Built-in skills.
Design systems, references, templates, and tool connections.
Your design workflow, synced and extensible.
河南调查记者魏华走了,才45岁,心脏骤停。
这哥们就是那个卧底缅北120天救回6人、死磕“梅姨”案的“都市大先生”。为了怕被报复,他活着时连家都不敢回,文章都不敢署名。现在人没了,大家才知道真名。这才是真正的无名英雄,一路走好。
消息在媒体圈传开的时候,很多跟他合作过的人都不敢相信。前三天他还在跟编辑对接新的调查线索,语音里带着点疲惫,说等跑完这趟就歇两天,谁也没料到这话成了最后一句。
当年缅北诈骗窝点的线索递到他手里的时候,单位本来想安排年轻记者跟进,他主动拦下了。他说自己年纪大,脸生,不容易被认出来,年轻人还有大好前程,不能冒这个险。他伪装成找工作的打工者,跟着中间人辗转三天才进到窝点里,一待就是一百二十天。
窝点里管得严,手机全被收走,跟外界断了所有联系。他每天跟着其他人一起作息,暗地里摸清窝点的人员架构和逃跑路线,偷偷记下被拐进去的人的信息。中间有一次他藏的小纸条差点被发现,挨了一顿打,他硬扛着说是捡来的废纸,才没暴露身份。
等到跟外面的救援人员对接上那天,他带着六个被骗进去的年轻人,顺着提前摸好的路线往边境跑,身后有人追,躲了大半夜才甩掉追兵,终于摸到接应的地点。六个人全都安全回来了,他身上添了不少伤口,一句苦都没说,回来休整了不到一周,就又开始跑新的选题。
从那之后,他就成了对方重点报复的对象。手机号换得勤,住的地方也经常搬,不敢跟家人住在一起,连过年都只能找个僻静的地方,隔着屏幕跟家里人说几句话。孩子长到十几岁,跟他见面的次数加起来不到半年,学校的家长会一次都没去过,所有的家事全靠妻子一个人撑着。
死磕梅姨案的那几年,他跑遍了周边好几个省份,找受害者家属核实信息,找知情人打听线索。很多关键信息都是他最先挖到的,每篇发出来的报道,署名都只有“都市大先生”五个字。单位里新来的同事经常讨论这个笔名下的记者有多厉害,没人想到天天坐在工位角落、话不多的老魏就是这个人。
他平时在单位话很少,中午就吃一份简单的盒饭,衣服翻来覆去就那几件。有人劝他别这么拼,年纪大了该顾着点身体,他总说没事,等把手里的几个案子跟进完就轻松了。他抽屉里常年放着止疼片和常用的救急药,胸闷的时候就吃一片扛过去,从来没跟人说过自己心脏不舒服。
出事那天,他前一天熬了通宵整理线索,早上跟编辑发了最后一条消息,说自己眯一会儿,下午接着改稿子。编辑等到下午联系不上人,打了好几个电话都没人接,心里觉得不对,赶紧找到他出租屋的地址赶过去。门打开的时候,他还趴在书桌前,手里还攥着没写完的采访笔记。
追悼会那天,来了很多陌生人。有当年被他从缅北救回来的年轻人,带着全家过来鞠躬;有被拐孩子的家属,拿着他当年帮忙找线索时留的纸条,站在遗像前掉眼泪。这些人跟他打交道了好几年,全都只知道他的笔名,直到这天,才第一次知道他的真名,第一次看清他的样子。
他妻子带着孩子站在家属席上,全程很平静。她说自己早就做好了心理准备,知道他干的是玩命的工作。以前他活着的时候,不能光明正大站在他身边,不能跟别人说自己的丈夫是谁,现在他走了,终于能堂堂正正陪着他,送他最后一程。孩子捧着遗像,小声说原来爸爸做了这么多好事,以后自己也要做像爸爸一样的人。
总有人说和平年代没有轰轰烈烈的付出,可总有人愿意隐姓埋名,站在暗处替众人守住公道。他们的名字不被大众熟知,他们的付出很少有人看见,却凭着一股子韧劲,追着真相跑,护着陌生人的周全。这样的人,值得被所有人记住,也配得上所有的敬意。
@作家东方煜
“你们应该多用 Bash。”
过去几周,Anthropic 的 Thariq 和几十家做通用智能体的公司开了电话会议。邮件助手、客服机器人、日程管理——各种产品形态都有。聊完一圈,他发现自己反复在说同一句话。
Bash?那不是程序员用的命令行工具吗,和这些产品有什么关系?
先看一个具体场景。
假设你有一个邮件 Agent,你问它:“这周我在打车上花了多少钱?”
传统做法是这样的:Agent 调用 API 拉取邮件,可能一次性取回 100 封,然后让模型从里面找 Uber、Lyft 的收据,加总金额。
问题在于 100 封邮件塞进上下文,模型要同时记住这些内容,从中筛选、计算。这对大语言模型来说并不轻松。容易漏,容易错,而且你没法验证它到底看了哪些邮件。
这就是典型的模型舒适区问题:数据量不算大到需要专门写程序处理,但又超出了模型一次性硬算的能力范围。夹在中间,很尴尬。
Thariq 的方案是:给 Agent 一个 Bash 工具,让它把中间结果存成文件。
听起来很简单,但背后的逻辑很有意思。
传统的工具调用是这样的流程:
工具 → 模型处理 → 输出结果
所有中间状态都在模型的“脑子”里,你看不见,也没法检查。
换成 Bash 之后,流程变了:
工具 → 存文件 → 搜索/过滤 → 模型处理 → 输出结果
模型可以先把 100 封邮件存到一个文件里,然后用 grep 搜“Uber”,再 grep“Lyft”,分别统计。每一步都有迹可查,最后加总的时候,它还能回头检查自己的中间结果。
这带来三个能力升级:
可复现。同样的命令再跑一遍,结果一样。你可以调试,可以排查问题。
可验证。模型不是凭“记忆”给你答案,而是基于实际文件里的数据。你信不过的话,自己也能打开文件看一眼。
可组合。一个命令的输出可以作为下一个命令的输入,管道一接,复杂任务就能拆成简单步骤。
Bash 让 Agent 从“脑算”变成了“打草稿”。草稿可以留痕,可以检查,可以改。这对需要准确性的任务来说太重要了。
邮件搜索只是最直观的例子。Bash 的能力边界其实很宽。
链式 API 调用是个常见需求。比如“把这周我发过邮件的联系人都找出来”,这需要先拉邮件列表,提取收件人,去重,再逐个查询联系人详情。一连串操作用 Tool calls 来做,调用次数多,中间状态难管理。用 Bash 脚本串起来,逻辑清晰得多。
视频和文件处理也是 Bash 的强项。ffmpeg 这个命令行工具,模型用起来得心应手。找视频里某个片段、裁剪、转码,一行命令搞定。
还有定时任务。在 Agent 运行的容器里,用 cronjob 或 at 命令就能创建定时执行的任务。用户说“每天早上 8 点给我发一份新闻摘要”,Agent 可以自己设好闹钟。
这些场景有个共同点:都需要多步骤操作,都需要保存中间状态,都超出了单次工具调用的能力范围。
但 Bash 是把双刃剑。
能执行命令意味着能做很多事,也意味着能做很多危险的事。rm -rf 一不小心就能删光整个目录。如果 Agent 被恶意提示词攻击,后果可能很严重。
Anthropic 显然考虑到了这一点。他们在 Claude Agent SDK 里做了一套权限系统,包括 Bash 命令解析器和分级权限控制。哪些命令可以直接执行,哪些需要用户确认,哪些完全禁止,都可以配置。
我用 Claude Code 的体会是,这套权限系统确实降低了心理负担。它会在执行敏感操作前询问你,而不是闷头就干。但安全护栏不是万能药。权限系统本身也可能有漏洞,Bash 解析器也可能被绕过。
安全护栏是必需品,但不能因此就觉得万事大吉。
强调 Bash 的好处,也得说清楚它的边界。
如果任务足够简单,别用。“今天天气怎么样”这种一次性查询,直接调 API 返回结果就行,没必要存文件再处理。杀鸡用牛刀反而更慢。
如果环境是 Serverless 的,用不了。很多云函数运行时没有可持久化的文件系统,Bash 的“存中间结果”优势就没了。
如果对安全要求极高,谨慎使用。命令注入的风险无法百分之百消除,金融、医疗这类场景可能更适合用白名单式的专用工具,而非通用的 Bash。
工具的选择取决于场景,而不是工具本身的强弱。Bash 很强,但不是所有场合都该用。
回过头看,Thariq 这条建议的真正价值不是“Bash 很强”这个结论,而是背后的思维方式:
让 Agent 的思考过程“落地”到可检查的中间产物。
传统的 Agent 设计把所有东西都塞进模型的上下文,一锤子买卖。Bash 提供了另一种路径:把复杂任务拆开,每一步都留下痕迹,可以验证,可以回溯。
想想看,这和人类处理复杂问题的方式多像。我们做复杂计算时会列竖式,写长文章时会先拟提纲,处理大量信息时会做笔记。不是因为脑子记不住,而是因为落到纸上更可靠、更容易检查。
Agent 也一样。不是说模型处理不了,而是有中间产物的流程更值得信任。我自己用 Agent 辅助写作,所有中间产物都会存成文件:网络检索资料、提纲、不同版本的草稿、画图的提示词。这些存下来后续就可以灵活组合。
Bash 不只是程序员的工具,更是让 Agent 具备可验证、可复现、可审计能力的关键一环。
robotbird retweeted
🚀 Launching DeepSeek-V3.2 & DeepSeek-V3.2-Speciale — Reasoning-first models built for agents!
🔹 DeepSeek-V3.2: Official successor to V3.2-Exp. Now live on App, Web & API.
🔹 DeepSeek-V3.2-Speciale: Pushing the boundaries of reasoning capabilities. API-only for now.
📄 Tech report: huggingface.co/deepseek-ai/D…
1/n
robotbird retweeted
如果你想知道什么才是真正的程序员思维,
去读一本快 40 年的书——《Programmers at Work》。
这本书不是讲语法、不是讲框架,
而是采访了 19 位塑造计算机史的传奇程序员:
Bill Gates、Simonyi、Gary Kildall、Dan Bricklin、Jaron Lanier……
读完你会发现:
改变世界的不是技术,而是思考方式。
这里是我从书里总结出的 8 个关键洞见👇
robotbird retweeted
Time for a fresh roundup of Nano Banana Pro examples from the community. Drop yours in the replies ⬇️
robotbird retweeted
Remix the cat cam vid 👇
sora.chatgpt.com/p/s_6908b9e…
robotbird retweeted
GitHub上看到的「批量生成短视频」开源工具——AI Short Video Factory
一句提示词,批量生成短视频内容。
主要功能:
- AI 根据提示词自动生成脚本
- 自动语音合成 + 自然语气播报
- 智能剪辑 + 自动字幕 + 加特效
- 支持批量处理,按模板合成
- 多语言支持,中英文都能跑
- 跨平台客户端(Win / macOS / Linux)
- 本地运行,隐私友好
如果想做短视频自动化项目,可以研究一下这个
地址见评论区👇🏻
robotbird retweeted
说个暴论: 信息差不仅能赚钱,还能帮你发表高质量论文
国庆放假,跟西工大材料读博的师兄聊天,他开口就说现在论文写作,图表用DeepSeek很牛逼,现在是AI的时代
我受不了,跟他说,你都知道现在是AI时代了,为啥不用一下最新的 AI 工具呢?
后来我给他推荐
论文写作用Gemini
材料力学模拟编程用Codex
论文图片编辑Nano banana
搞学术的人很明白信息越靠近源头,学到的越多,因为很多顶尖论文全是英文的
最后我给他推荐了下面这这张图
你们觉得我做的对吗
robotbird retweeted
teapawt.org/testingcatalog/status/… OpenAI即将发布「Agent Builder」,轻松拖拽,人人都能打造AI智能体
作者:Alexey Shabanov
OpenAI即将在10月6日的「开发者日」活动(Dev Day)上发布全新的「Agent Builder」(智能体构建工具),这款新工具直接对标Zapier和n8n等老牌自动化流程产品,目标用户则是希望轻松创建复杂AI智能体工作流程的开发者和团队。
像拼乐高一样,轻松搭建AI智能体
与传统的手写代码方式不同,「Agent Builder」采用了直观的可视化界面。它提供了一个拖拽式的画布,让用户能像搭积木一样,快速拼出自己想要的AI智能体。这些智能体可以涵盖客服机器人、数据增强流程、问答助手,以及文档比对工具等众多场景。
在这个画布上,有各种模块化的组件供你选择:
- 逻辑模块:例如条件判断(if-else)和循环(loop)结构。
- 连接器:比如MCP(模型连接协议)等连接工具。
- 用户审批步骤:允许人工审核AI的决策。
- 安全防护模块(Guardrails):避免AI做出意外或错误的决策。
- 文件搜索与数据转换模块:轻松实现数据的检索和格式转化。
可以看出,这些功能跟目前市面上的智能化工作流工具类似,但更加深度地整合了OpenAI的AI模型,形成独特优势。
毫无疑问,这款工具最直接的受益者就是开发者、解决方案架构师,以及那些已经在使用OpenAI API的企业。
传统上,如果要开发一个AI智能体,你可能要花不少时间在繁琐的代码集成上。而现在,只需在OpenAI平台的专属界面中打开这个工具,便可通过侧边栏上的组件库,拖拽出自己的AI流程。这种方式大幅降低了门槛,即便不是专业开发人员,也能快速上手、搭建出可投入生产环境的AI应用。
此外,Agent Builder还提供了完善的测试和预览功能。在发布智能体之前,你可以轻松地进行调试、预览效果,从而快速迭代并确保其稳定性。
回头看,OpenAI最早仅仅提供单纯的模型接口(API),如今却越来越注重生态建设,围绕自身的AI模型打造丰富的配套工具和平台。「Agent Builder」正是这一生态战略的重要一环,它帮助用户自主快速地创建AI智能体,并保证智能体与OpenAI自家的模型、基础设施、以及安全机制紧密集成。
当然,自动化流程市场竞争早已十分激烈。不过,OpenAI显然有自己的底气。他们押宝的是:
- 与自身AI模型的深度整合;
- 极佳的用户体验;
- 可能推出的预制逻辑模块(例如安全防护机制)。
这些都是OpenAI与竞争对手们拉开差距的关键。

























