作者实测了国内首个原生Personal Agent产品Today，该产品获得腾讯和蚂蚁集团投资的2亿美元融资，新用户注册可获3亿token和3个月Pro会员。文章详细介绍了Today的下载安装、设置页面的模型（内置DeepSeek V4.1 Flash和GLM 5.3）、应用连接、设备连接、Skill技能等功能，并演示了改名、任务创建、记忆构建、做梦写日记与灵感等特色功能。作者强调Personal Agent的好用性在于给足上下文，让AI主动理解用户、安排任务，是AI从被动执行走向主动服务的关键。
作者萝卜哥开源了一款免费 PPT skill，可对已有 PPT 进行美化（文字一字不动，仅换配色、版式、图标与插画），也能将文章直接生成带口播备注的完整演示文稿。该 skill 支持公式转文字保证兼容性，内置时间线、漏斗、2x2 矩阵、SWOT 等原生可编辑版式，并提供 14 套预设风格。作者借鉴了 dashi-ppt-skill 的容量控制、273 款设计模板提炼的视觉规则，以及 open-design 的排版检查与五维评审机制，并经过 Claude Code 和 WorkBuddy 多模型实测。安装脚本支持 Claude、Codex、Cursor 等主流 Agent，项目已开源在 GitHub。
本文介绍如何通过'循环工程'降低 Claude 自动化的 token 开销：将队列检查、重复判断等高频决策从主对话中剥离，交由专用代码路径和 TypeSafe AI 的决策模型 Jev 处理。Jev 提供 Choice、Noul、Score 三种类型化问题原语，返回带概率的结构化答案，成本低至每百万输入 token $0.042。文章以 issue 分类过滤为例，给出完整的 Python SDK 实战代码，展示如何构建可检查、可扩展的任务路由过滤器，让 Claude 专注于实现工作，应用代码控制任务流转。
文章指出 AI 市场出现新变化：各家厂商的 Token 额度开始过剩。Claude Max 用户反映 Opus 5.5 周额度用不完；智谱夜间订阅可随意开子代理、高并发，Flash 模型免费；OpenAI 的 dots 模型免费无限使用；FreeBuff 免费提供 Flash 模型，付费 8 美元每天可用 30 小时；OpenCode 的免费模型仅需 10 美元 Go 套餐即可无限使用。作者由此提出疑问：Token 从稀缺转向过剩，是否意味着半导体和 AI 相关股票将面临崩盘风险。
作者解读A16Z第七版《Top 100消费级AI应用》和《市场状况 II》报告。指出AI离大众仍很远：美国约半数人用过AI，但日活仅25%，个人付费订阅率仅4.5%，标普500企业中仅2%追踪AI价值。头部1%付费用户月均花费903美元，贡献19.5%消费，重度用户与普通用户差距拉大，形成第二道数字鸿沟。AI正重演杰文斯悖论：单位智能价格暴跌但总算力需求暴涨，Agent已成最大Token消耗源。商业模式上，84%靠订阅、广告仅占14%，AI收费更像SaaS而非传统互联网。
本文是 AI 术语科普系列的第一期，面向小白读者，用通俗易懂的语言讲解 11 个常见 AI 概念：大语言模型（LLM）、多模态、提示词（Prompt）、Token（词元）、上下文、记忆、知识库、Agent（智能体）、Skills（技能）、工作流和 AI 幻觉。作者金尘马解释了模型与应用的区别、Token 与计费和上下文窗口的关系、记忆与上下文的差异，并对比了工作流的固定流程与 Agent 的自主决策，帮助读者扫清学习 AI 路上的术语障碍。
文章介绍OpenAI发布的GPT-6 Sol和Luna模型，讲解如何按任务类型选择模型和推理强度：Astra适合高难度重要任务，Sol平衡能力与成本，Luna适合明确、重复的批量任务。文章详细分析了各模型的定价、事实性表现、编程能力评测，并强调真实成本不能只看每百万Token单价，还需考虑返工和沟通轮数。同时介绍了提示词缓存机制的原理和使用技巧，包括前缀稳定性、显式缓存断点设置等，最后给出Codex普通用户和API开发者的具体实操建议与代码示例。
本文详细介绍了 Meta 个人 AI 智能体 Muse 的注册流程。Muse 于 2026 年 9 月率先在美国推出，中国大陆不在官方开放名单内，注册结果由开放地区、网络环境和成年人资格验证三道关卡决定。作者整理了五条注册路线：官方直连、Browser Use Cloud、Gemini Spark 远程浏览器、Airtap 云手机以及 Lexmount 等第三方云浏览器。文章还区分了 Muse Token 与加密货币的区别，说明邀请双方各得 10 亿 Token 的规则，并给出年龄验证（银行卡、Facebook/Instagram 资料等）的选择建议与安全底线，强调使用独立邮箱、不在云环境中输入核心凭据等隐私保护原则。
本文介绍了一个免费注册Muse.ai账号的教程。作者建议使用Browser Use Cloud提供的云浏览器（注册送15美元额度）来获取纯美国IP环境，通过Google关联登录后，打开云浏览器访问muse.ai完成注册。文中还提到注册后可能遇到年龄验证，使用国内招行万事达卡可验证通过（扣1美元）；手机端登录同一账号即可绕过区域限制。最后作者分享了邀请码LHS0GK，兑换后可获得10亿Token，并邀请读者在评论区互助分享邀请码，提醒该方法随时可能失效。
文章梳理了曾鸣对颠覆性技术演化的三段论：AI 先成为通用基础设施，再催生海量新应用，最终诞生原生级现象级应用。2025 年 Token 成为 AI 时代共识度量衡，标志基础设施成熟；Open Claw 爆火开启 Agent 第二阶段；Agentic OS 属第三阶段，还需三五年。作者认为大模型公司本质是 AI 云公司，未来两年核心机会是打造 Agent 入口级产品，OpenAI 和 Anthropic 未必成为 AI 原生应用大赢家。另附曾鸣的公司四层分类：机会、战略、远见、使命驱动，强调使命须发自内心，外部认可驱动易受估值波动冲击。
作者天策记录了与北哥畅聊后对AI时代个人生态位的思考：确立自媒体+线下活动+海外FDE的方向。文章阐述了AI视角下的行业逻辑——skill、agent和AI产品本质上都在为Token打工，关键是扩大应用范围卖出更多Token。作者介绍了合作的AI平台Creao，提供低成本使用顶尖大模型的机会，使其能按想象力开发产品并利用最顶尖大模型套利。作者感叹AI让00后、05后超级个体涌现，一人即一家公司，认为这是最好的时代，鼓励大家顺势而为在AI时代收获财富。后续将专注前端流量，后端承接已稳定。
作者提出 AI 创业的核心是 Token 供给而非 Workflow、Agent 框架等工具层技术，并发布“三位一体金字塔模式”：底层构建高并发、低成本的 Token 调度供给链；中层通过 FTE 数字员工深度改造企业业务流程，将 Token 转化为 EBITDA；顶层沉淀跨境电商、法律等垂直行业开箱即用的爆款方案。团队由北大、清华、字节等技术精英与一线操盘手组成，并获产业资源支持。文章宣布启动 100 天公开实证实验，全程透明记录实战路线、财务数据与现金流，验证该模式能否真正打通 AI 产业链并实现月入百万级变现。
本文从 LLM 基础原理出发，循序渐进讲解 AI Agent 的底层机制。作者首先解释大模型如何通过 Token 预测生成文本，说明无状态、幻觉和知识截止等现象的根源；接着阐述多轮对话依赖上下文拼接实现的原理；进而介绍工具调用如何让模型影响外部世界，以及模型结合工具反馈形成闭环后 Agent 的诞生。文章提出 Agent = Model + Harness 的工程视角，剖析 Harness 在上下文管理、记忆系统、上下文压缩等方面的职责，帮助读者建立对 AI 能力边界的底层认知，摆脱对新工具的 FOMO 焦虑。
本文从零开始，深入浅出地讲解了Transformer的原理及其如何演变为大语言模型。文章首先介绍大模型的目标是预测下一个词，然后详细解释了如何将文字转换为数字，包括Token、Token ID、Embedding Matrix等概念。接着，重点剖析了Transformer的核心——注意力机制（Q、K、V）、多头注意力、位置编码、FFN以及残差连接等组件，最后概述了模型的训练过程。全文无需前置知识，适合初学者理解大模型的基础架构。
文章介绍了GPT-6 Astra的推理强度等级（Reasoning Effort）机制，澄清了常见误区：推理等级不是不同级别的模型，而是同一个模型被分配的思考预算。Ultra档位也非更聪明，而是会启动多智能体协作，类似成立专项工作组，因此消耗更大。作者建议推理等级应与任务难度匹配：Plus用户日常用"中"，稍难任务用"高"；Pro用户可"高"常驻，复杂任务先用"最高"+计划模式做规划，再用"高"执行，这是最省Token的方式。"极高"档位定位尴尬，Ultra则适合额度重置前清空余额时使用。
Google 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 模型上推出 agentic video understanding（智能体式视频理解）功能。该功能让模型主动决定观看内容、速度和模态（画面、音频或字幕），动态检索和检查视频片段，而非按固定帧率静态处理。基准测试显示，成本最高降低 66%，token 消耗最高降低 88%，准确率提升最高 7%，在长视频分析中优势尤为明显。新能力包括亚秒级片段检索、长视频大海捞针式搜索、异常检测和精确计数等。该功能已通过 Gemini API、Google AI Studio 和 Gemini Enterprise Agent Platform 开放，未来将集成到 Gemini 应用和 YouTube 的 Ask YouTube 功能中。
本文系统梳理了模型微调的核心概念与术语。作者首先解释了微调的意义：在预训练模型基础上，用任务相关数据继续训练，使模型更适应特定表达、任务或指令，减少幻觉。随后从五个层面展开：模型训练阶段（预训练、基础模型、后训练、微调）；训练原理（SFT、指令微调、下一个token预测）；训练框架与工具（PyTorch、容器、训练方案）；LoRA相关技术（PEFT、QLoRA、rank、alpha、target modules）；数据与训练参数（语料、数据集、batch size、学习率、过拟合、eval loss等）。文章以DGX Spark本地微调Gemma为例，帮助读者理解微调全流程。
作者基于与朋友交流中发现普通人对 AI 术语的困惑，整理出 66 个高频 AI 词汇，用生活化比喻逐一解释。内容涵盖：AI 与大模型基础（LLM、Token、上下文、多模态等）、聊天常见术语（Prompt、幻觉等）、RAG 与检索技术、以及 Agent、工具调用和 MCP 协议等热门概念。每个词都说明其含义、常见使用场景和记忆方法，帮助零基础读者建立 AI 术语的整体认知地图。
作者分享了管理 AI Agent Skills 的经验：不建议在本地一次性安装太多 Skills，因为过多的 Skill 会误触发模型调用并限制模型发挥，同时 Skill 描述会占用上下文窗口的 Token 预算。管理方法分两步：第一步将所有 Skills 统一放在本地目录（分 Github、personal、official 三类），并建立管理文档和定时更新脚本；第二步用软连接（symlink）按项目需要启用 Skill，而不是复制安装，避免全局启用浪费上下文。这些工作都可以交给 Codex/Claude 等 Agent 自动完成。
作者基于一年来的AI产品创业经历，提出AI创业的核心是token的观点。他认为AI经济的核心就是token，任何AI产品归根结底都是把token包装起来进行分销，大厂也不例外。他以coding这一已跑通盈利的业态为例，说明其成功关键在于token消耗量大，为上游token生产提供了倾销渠道。作者指出，虽无法成为token的创造者，但可以成为AI的经销商，通过打造AI产品、高效供应token来参与AI经济，这是他下一阶段创业的方向。
作者在天策23岁生日之际回顾过去一年的巨大变化：从深圳8平米出租屋独过22岁生日，到经历遇见大学老师、做亚马逊跨境电商、来推特起号14天破万粉、辞职创业、探索AI项目，再到发现Token视角切入AI基础设施服务的四个转折点。他强调不带社群成员赚钱、让参与者拿到结果是最值得炫耀的事，并感谢一路上帮助过自己的朋友与伙伴，期许23岁继续保持好奇，在真实世界中获取反馈、持续迭代。
本文由a16z合伙人Martin Casado撰写，宣布Stripe收购OpenRouter，并阐述其战略意义。文章提出“Token是新美元”的观点，认为Token已成为AI时代新的价值交换媒介，而OpenRouter作为模型路由和清算层，与Stripe在支付领域的角色类似，共同构成AI经济的基础设施。作者回顾了OpenRouter的创业历程，强调其从小规模聚合到大规模基础设施的演进，并看好合并后的发展前景。
本文是 168X 对 AI Builder Sukie 的访谈摘要。Sukie 从 Crypto 转战 AI，经营 RelayRouter 和 RelayDance 两个中转站平台。她分享了中转站行业的三个阶段、获客渠道、产业链分层，指出真正赚钱的是服务 B 端与大客户的那 10%。她认为 C 端利润薄、流失高，投放需结合 SEO、GEO 和垂直社区。她还讨论了中转站的护城河与风险，以及 AI 时代个人品牌和分发能力的重要性。
文章提出了一种结构化的 Agent 沟通协议“Spec”，包含目标、完成标准、约束等 8 项必填清单。通过明确协议而非单纯依赖 Prompt 技巧，可显著降低 Token 消耗，提升任务一次性完成率，避免 Agent 猜测与无效返工。
文章介绍了 Anthropic 推出的 Claude Skills 功能，通过文件夹和 YAML 配置实现渐进式披露，显著减少 Token 消耗和重复解释。详细说明了技能的构建规则、命名规范、测试方法及分发策略，帮助用户将聊天机器人转化为高效的专业工程团队。
文章针对 AI 新手容易混淆的“会员订阅”与“API Token 付费”两种模式进行了深度解析。作者用“办月卡”和“交水电费”的类比，生动解释了会员适合普通用户固定使用，而 API 按量计费适合开发者集成软件。文章还详细拆解了额度限制、计费逻辑及不同档位的选择建议，帮助读者按需决策，避免不必要的开支。
本文从纯小白视角出发，系统性拆解了 AI 领域的 9 个核心概念：LLM、Token、Context、RAG、Prompt、Tool、MCP、Agent 和 Agent Skill。通过生动的比喻（如将 LLM 比作发动机，MCP 比作 Type-C 接口）和清晰的逻辑链路，文章阐述了 AI 从文本生成到任务执行的底层架构，帮助读者理解 AI 的能力边界、成本构成及应用开发逻辑。
文章介绍了如何利用小米官方活动免费申请大量 Token 的教程。针对开发者和普通用户提供了两种申请路线：开发者版需如实填写项目信息和上传账单截图；小白版则强调描述真实的学习或办公需求。审核门槛低，通过率高，适合需要大量处理长文本和知识库构建的用户。
文章深入解析了2026年AI领域兴起的“API中转站”（俗称Token进口）赛道。分析了该模式基于全球AI服务价格差与访问壁垒的套利本质，揭示了其“低价资源供给、用户数据变现、模型偷换降级”的三层盈利结构。文章同时指出了用户面临的数据泄露、欺诈及法律风险，预测随着国产模型崛起，此类灰色套利窗口将逐渐消失。
