我把一城烟火、千里江山，交给了一个5B开源模型
作者实测开源的 MOSS-Image（基于 5B DiT 主干）文生图模型，创作宋城市集、汴京灯市、青绿千里江山等中国风作品。文中分享了通过 JSON Layout 控制构图、中文店招直出、参考布局改材质（丝绸、青瓷、墨金）等玩法，并给出具体参数与工作流：先写场景拆布局，再生成、放大核对、迭代修改。模型 Base/SFT 权重与代码已开源，支持 4K tokens 提示词与微调。
全部文档 / 作者: 波妞PONYO (@ponyodong)
17 篇
我让 AI 翻旧经验，真正用上的竟然排第三
作者分享了在 AI 视频创作中使用 EverOS Cloud 记忆层的实测体验。通过将三条旧项目的创作经验（任务目标、修改理由、最终取舍）整理成卡片存入记忆库，Agent 在接到新 Brief 时先检索相关经验再写提纲。对照实验显示，检索分数最高的预告片经验仅作背景，真正被采用的是排第三的香氛修改卡，其'修改要求落到具体位置、比例和留白'的判断被融入提纲。但也发现旧经验可能带偏任务目标，需人工把关。作者结论：旧经验能借的是判断方法，最终取舍仍由人决定。
ElevenLabs v4 上手评测：最有感情的一代语音模型
作者第一时间实测了 ElevenLabs v4 语音模型。该模型被官方称为“最有感情”的一代，能读懂语气、节奏和情绪，无需 SSML 即可通过文案直接指挥表演；即时语音克隆仅需10秒音频，专业克隆保真度更高。v4 支持90+种语言（上代70种），中日文提升最大，长篇创作中说话者身份保留更可靠。Turbo 版延迟压至100ms，适合实时语音智能体。API 定价千字 $0.08，10月12日前有促销。作者认为质感起飞，适合短剧、播客、AI配音场景，但中文音色仍偏少，评论区对中文效果评价不一。
我把四份宇树科技申报材料交给金融模型跑了三次，第三次它没输给数字，输给了 JSON
作者用四份宇树科技公开申报材料构建了10万字符的证据包，对蚂蚁百灵金融模型 Ling-3.0-flash-Fin 进行三轮相同条件实测。前两轮均达 32/33 字段正确、19/20 整项正确，且对无答案问题不硬编；第三轮内容大体正确，却因 JSON 结构错误导致程序无法解析，形成'API 返回 3/3，严格结构化交付 2/3'的结果。文章指出模型进入真实金融工作流后，关键不再是答对问题，而是稳定交付下游可用的结构化结果，建议采用 JSON Schema 校验、失败重试与人工复核的生产路径，认为该模型适合作为金融 Agent 的中间推理层，但尚不能无人值守接管工作流。
MiniMax H3 特效提示词分享
作者分享了 MiniMax H3 的特效视频提示词。文章指出 MiniMax H3 的核心优势在于能将手绘图层与实拍的运动逻辑锁定在一起——手持晃动时手绘特效随之同步，不漂不移。作者给出了一个 15 秒洗衣店场景的完整提示词，通过指尖丝线变成水母、袜子、流星、小鱼、火车等连贯变形，最终整间洗衣店变成夜空涂鸦。作者还对比认为 H3 适合生成广告，Seedance 更适合拍电影、做戏剧。
中国古代贵族女子图鉴·春游篇：AI 绘画贵气秘诀与 Midjourney 提示词分享
作者分享《中国古代贵族女子图鉴·春游篇》AI 绘画作品，指出一个反常识观点：贵女图的贵气与容貌和金饰关系不大，真正决定气质的是人物是否在做只有该身份才会做的事，如骑马放鹰、放风筝等专属动作与场景，才能体现阶层感与故事感。文中完整公开了两组 Midjourney V8.2 的英文提示词，包括唐代贵族女子骑马放鹰和春日草坡放风筝的电影级写实画面，并附中文翻译与参数说明。评论区互动热烈，作者表示后续会整理制作教程分享。
Alloomi｜客户已经改到 V4，AI 还在执行 V1：Agent 需要的不只是上下文
本文通过一个广告片修改的实例，指出当前AI Agent在长期工作中的一个关键缺陷：无法区分旧要求与当前状态，导致执行过时指令。作者认为Agent的下一轮竞争不在于工具数量，而在于记忆、学习与执行三层能力。文章介绍了Alloomi的两份技术报告，分别对应Holistic Context（全域上下文）和Self-Evolving Agent（自进化智能体），并给出了多个基准测试结果，证明其在长期记忆、持续学习和真实任务交付上的优势。最终，作者强调AI应像人类同事一样，从项目经验中成长。
Seedance 2.5能做30秒了，你的提示词应该如何进化？
文章指出Seedance 2.5支持30秒视频生成，创作者需承担导演职责。文中详细解析了如何通过一句话故事、分秒时间轴、参考素材分工及连续性锁定来优化提示词，并提供了可直接复制的提示词骨架，以提升视频质量和叙事逻辑。
SkildArt 实测：从文物展馆到换装短片的 AI 工作流
作者测评了 AI 视觉工具 SkildArt，通过两个案例验证其将创意转化为完整视频案例的能力。一是构建禁止出境文物数字展馆，利用首尾帧技术生成统一镜头语言与氛围；二是制作服装换装短片，实现人物一致性控制与单品同步展示。作者认为 SkildArt 不仅是画图工具，更是整合绘图、视频与排版的创意画布，大幅缩短了从素材到成片的创作路径。
Fable 5 深度测评：从翻车现场到 Skill 工作流的系统级重构
本文作者使用回归的 Fable 5 模型对自己开发的“AI 视觉风格导演” Skill 进行了 V3 升级。文章展示了 Fable 5 在处理复杂、多文件工程任务上的独特优势：它不仅能发现 V2 版本中缺失的 frontmatter 等基础 Bug，还主动补齐了双引擎编译、视频模型路由和风格资产沉淀等三层关键逻辑。作者认为，Fable 5 在生产链路判断和工程品味上超越了传统模型，适合用于解决高复杂度的“硬骨头”任务。
视觉锚点：小红书封面的核心逻辑
文章深入剖析了小红书封面设计的关键——视觉锚点。作者指出，单纯追求美观不如构建清晰的信息密度和视觉锚点以提升点击率。文章总结了四种高频封面结构（冲突型、数字型、截图型、情绪型），并分析了平台的算法偏好。最后，作者发布了相应的 GitHub Skill 工具，辅助用户快速生成符合逻辑的封面方案。
做了 12 年因果 AI，她为什么今天创业？
本文探讨了黄碧薇教授创立 Aether AI 的深层原因。她深耕因果 AI 领域 12 年，致力于解决下一代 AI 从“相关性”走向“因果性”的问题。文章指出，Physical AI 的发展瓶颈在于模型需要理解物理世界的干预机制而非仅预测像素，Aether AI 试图通过因果世界模型填补感知与控制之间的空白，实现可靠的物理推理。
四模态喂料工作流：从抽卡到稳定出片
文章指出提示词时代正在退场，掌握“喂料能力”才是 AI 视频创作的关键。作者以 Seedance 2.0 为例，详细介绍了四模态（图、视频、音频、文本）的混合喂料方法，阐述了如何通过分别控制长相、运镜、情绪和剧情来提高出片稳定性。此外，文章推荐了 Edimakor 工具来实现从素材生成到后期缝合的工业化工作流。
ZenMux 测评：一个入口，调度 200+ AI 模型
本文测评了 AI Gateway 工具 ZenMux，它支持在一个界面内统一调度 200+ 个模型。作者从 AI 内容创作者的视角出发，详细介绍了该工具在多模型对比、成本统一管理、智能路由及赔付保障方面的优势，认为其能有效降低多平台切换的心智成本，适合需要同时调用多个模型进行创作或开发的用户。
一张图如何变成 IP 资产：从角色锚点到标志性动作
本文探讨了 AI 创作中将单张图转化为持久 IP 资产的方法。作者指出，90% 的初学者因混淆“类型介绍”与“人物指认”而导致角色不一致。文章提出“角色锚点”理论（硬、软、场景三层），并结合微表情与标志性动作确立角色辨识度。此外，对比了 AI 资产库（主体模式）与 LoRA 训练的优劣，提供了一套从快速迭代到商业量产的最佳实践路径。
AI 视频光影课：《银翼杀手 2049》四种光影系统拆解
本文通过拆解电影《银翼杀手 2049》，总结了摄影师 Roger Deakins 使用的四种核心光影系统：逆光剪影、霓虹反射、环境染色和漫射无影。作者指出，光影不仅是为了照明，更是为了控制观众的信息量和情绪。文章进一步探讨了这一逻辑在 AI 生图中的应用，强调适度的信息留白能带来更有张力的视觉效果。
聊聊分镜这件事：4张图怎么变成一段故事
文章探讨了AI视频创作中常见的“PPT感”问题，指出核心在于缺乏分镜思维而非图片质量。作者提出了适合AI创作者的导演视角，强调通过设计空间、主体、变化和结果来连接镜头。文中详细解析了景别的情绪功能、切镜的逻辑标准，并提供了一个实用的5镜头叙事结构，帮助创作者提升作品的连贯性与故事感。