作者分享了在四天内用 GPT-6 Astra 编写代码、Blender 生成模型，开发完整可玩的游戏 PaperRoute（一款 Paperboy 风格的送报游戏）的完整流程。文章详细介绍了从撰写可信的项目简报、分离游戏方向与美术方向两条工作流、用 GPT 生成概念图与情绪板、通过 Python 让 Blender 无头运行生成 3D 资源，到使用 Meshy 制作自定义角色模型的方法。作者强调单次演示与完整游戏的差距，并记录了每个 prompt 与 token 的消耗，附有完整 devlog。
文章介绍了 Tripo 官方发布的三维角色模型制作教程，采用 Astra + Tripo 3D + Blender 组合，从参考图生成 3D 模型、组装、绑定、表情到动画全流程。关键技巧是将角色拆分为身体、头部和头发分别生成，避免一次成型导致的脸崩、粘连等问题。作者还分享了国外开发者用 Astra 四天花费 15.6 亿 token 制作完整 3D 游戏 PaperRoute 的教程，强调先把游戏做能玩再做好看，将游戏机制与美术资产拆成两条独立工作流。文章核心观点：AI 时代最重要的能力是任务拆分、选择合适工具、建立测试并迭代打磨作品。
作者Pascio回顾了自己从烧掉9000美元失败电商到打造年利润超百万美元的个人独立生意历程。他曾经从事令人抑郁的电话销售工作，尝试过dropshipping、Instagram运营等多种网络生意均告失败。后来自我提升过程中偶然接触Notion，从零开始经营匿名Twitter账号，通过每周高频发布Notion模板，逐步积累超过37万粉丝，实现超100万美元个人利润。如今他启动名为Side Quests的newsletter，分享产品、原型、增长实验和各种探索性项目。
文章针对新手，详细讲解如何用GPT Image 2.5承接万元商业设计订单。作者强调客户付费的核心是交付稳定性而非生成数量，并将万元视觉包拆解为品牌主视觉、电商产品图、社媒物料、UI展示图和修改服务五项报价。内容涵盖适合的客户类型、获取首单的私信话术、需求确认的12个问题、7天制作流程、提示词九段式写法、参数设置技巧，以及4条可直接使用的生产级提示词模板，教你把模糊的'高级感'翻译成可验收的具体动作，实现从生图到稳定交付的完整商业闭环。
作者Red Magic自述从中学辍学后的创业历程：10年辍学后从单机游戏汉化、实况足球论坛社群起步，通过流量变现赚到第一个100万；后与搜狐、育碧、科乐美等合作做本地化业务；2011年闯入华强北做苹果手机倒卖生意，大胆压货，赚到1000万。文章强调没有学历和背景也能靠执行力、商业嗅觉和不认命的劲头翻身，作者现居新加坡和香港，计划分享真实创业经历、海外生意观察与踩坑经验，鼓励底层挣扎的年轻人主动求变。
文章批判当前 AI 基准测试被过度优化的现象（benchmaxxing）。作者指出，当公共评测与巨额关注和资金挂钩时，实验室会通过训练相似数据、筛选上百个实验设置等方式变相刷分，基准测试随之失去了衡量通用智能的意义。文中列举了 Meta Llama 4 在 LMArena 测试多个私有变体、评测机构随舆论反复修改指数、厂商选择性引用榜单等案例，并指出 MMLU、GPQA 等基准早已失真。作者呼吁实验室诚实披露数据缺陷、用户自行做私有评测，并宣布 TypeSafe 将不在模型发布中提供标准基准表，以追求最大程度的诚实。
本文是对Dario Amodei《We Must Pace the Frontier》一文的回应。作者认同AI风险真实存在（自己也曾签署暂停AI公开信），但反对'智能本身即危险'的立法逻辑。文章批判Sanders法案和英国议会法案将'过于聪明'入罪的做法，称之为'precrime'（预防性定罪）。作者通过OpenAI的Navier-Stokes数学群组与七月的网络攻击基准实验对比指出：危险源于意图与缺乏监督环境，而非模型能力本身。文章进一步引用Anthropic的Sleeper Agents和Subliminal Learning研究，论证模型'品格'由训练数据塑造，安全监管应针对行为与验证机制，而非智能水平。
文章从零讲解 Harness Engineering（线束工程）的概念：模型只负责生成文本，而 harness 是围绕模型的软件系统，负责将模型的输出转化为实际工作。作者通过 OpenAI、LangChain、Anthropic 的案例说明，不换模型也能大幅提升 Agent 能力，关键在于模型周围的系统建设。文章以'给文章添加点赞按钮'为例，逐步拆解 harness 的构成：给模型的六件套（tools、循环、记忆、上下文、工作环境、目标与验证），以及给用户的三件套（权限限制、可观测性、评估），展示了模型'提出请求'、harness'执行动作'的协作模式。
作者介绍了如何用免费的 GitHub 组织为企业搭建 AI 可读的知识库。核心做法：以企业名义创建 GitHub 组织，在私有仓库中按领域（销售、运营、财务等）分层存放 SOP、决策日志和参考数据；同时排除密码、客户个人信息和银行流水。知识库归企业所有，人员变动不影响知识沉淀。作者以自己的亚马逊品牌业务为例，通过 ChatGPT/Codex 拉取仓库并提问理想客户画像，AI 准确引用 icp.md 文件作答。建议本周先建组织、放一份真实文档、问一个问题上手验证。
作者详细介绍了 pragatiLM 的构建过程——一个只基于用户提供的源（PDF、网页、YouTube 视频、字幕文件或粘贴文本）作答并附带可点击引用的 AI 笔记本。文章系统讲解了基础 RAG 的原理及其三大失效点：问题作为搜索键不佳、存储只单向单次搜索、输出缺乏自检。pragatiLM 采用九阶段检索管线：将问题转化为五个搜索变体、并行多通道检索、基于排名一致性融合、重排序、答案 grading，低分时基于缺失诊断再次检索，极低分时拒答。文章还涵盖基础设施、消融实验测试等内容。
本文系统讲解 OpenAI 桌面执行型 Agent——Codex 的使用方法。作者首先介绍 Codex 的能力边界与 Prompt→Plan→Execute→Verify 四步执行逻辑，强调人工验证的重要性。随后详解桌面 App 三栏界面结构（项目任务管理、对话控制台、Diff 审查），并说明 Local、Worktree、Cloud 三种工作区模式的适用场景与选择原则。文章还涵盖 Plan 执行计划的开启时机、沙盒权限三档控制与审批弹窗处理方法，以及 Skill、Plugin、MCP、Automation、/goal 五类扩展功能的分工。最后提出从入门到熟练的四阶段学习路径，全文包含大量排错提示、上手练习与手绘图解，帮助读者快速建立可落地的操作直觉。
本文介绍了如何在 WorkBuddy 中接入按量付费的 OpenAI 最新模型 GPT-6 Astra。作者推荐一个支持按量付费的 API 中转站，优点是无需订阅、国内网络直连、不消耗官方积分，还支持 Claude、Gemini、Grok、DeepSeek 等热门模型，价格约为官网六折。文章分四步演示：创建 API Key、通过闲鱼下单购买额度并兑换、在 WorkBuddy 中配置自定义模型（endpoint、API Key、模型名称）、最后切换模型开始使用。适合想低成本尝鲜新模型的用户。
作者提出一个大胆猜想：真正的AGI可能不是人们预期的单一超级模型，而是已经以分布式、碎片化的形式悄然存在。文章从图灵的通用机器论文谈起，指出历史上重大技术往往从侧门进入而非被刻意预见。随后阐述智能的本质是涌现行为——单个神经元或蚂蚁并无智能，但数十亿神经元连接成大脑、蚁群协作建城，便产生集体智能。现代LLM的注意力头机制和混合专家架构也已表明，最强大的AI系统并非单一心智，而是由大量专门化电路分布式协作构成。因此，AGI可能正在以我们尚未识别的形态一点点浮现。
作者通过四个实操案例展示如何用 Astra 进行视觉动效高保真复刻：高级动效视频复刻、业务介绍动效视频改写、ElevenLabs 动态背景复刻（WebGL+GLSL 技术栈）以及语音交互光球效果移植。文章强调分步验证、单点把控的方法论，如先验证背景再加图文音轨、把视觉效果与交互功能拆开验证等，并分享核心提示词「一边参考原片一边修改直到近乎一样」，总结 AI 自查与人工定点反馈两种协作路径，附通用 Prompt 模板与止损建议，展示普通人无需懂代码也能参与 AI 视觉制作的生产力价值。
Google 一年前推出的 A2A 协议已发展到 1.0 版本，获得 150 多个组织支持并进入 Agentic AI 基金会。但同期 MCP 能力日益强大、Agent 运行时的编排能力提升、长时任务转向持久化工作流、共享状态协调等方式，都在减少 agent 之间需要独立寻址通信的场景。文章分析了四种架构趋势：agent 藏身于 MCP 能力之后、子代理成为运行时内部原语、单一协调代理面向多个 agent、软件工厂按工作任务组织 agent、以及传统工作流编排器从顶层协调 agent，认为显式 agent-to-agent 协议的需求可能并不常见。
作者分享了自己三个月迭代七个版本的 AI 作图 skill（wtt-nine-comic-imagegen）的完整拆解。核心观点是：拥有自己的作图 skill，起点不是从零写，而是拿大神的骨架、喂自己的翻车。文章从 skill 的来历讲起，分析其分层结构（触发词交付层、骨架变量池工程层、铁律与负面清单经验层），指出最值钱的是「不许什么」的负面约束。通过字体词失灵等实测案例，总结出品味翻译的三种形态：翻译成数字、动作和禁止。还提出锚点与变量分离、共享机制抽取等结构决策，以及比喻成败目录这一沉淀品味的方法，给出了今晚就能开工的实践路径。
本期早报围绕三条主线展开：一是 Anthropic CEO Dario Amodei 提出前沿模型能力提升需放慢节奏、为安全核验留出时间，并建议引入嵌入式独立评估者；二是 a16z 讨论如何改写风险投资幂律，认为 AI 让资本更直接转化为规模优势，但只有嵌入客户工作流才形成护城河；三是 Paul Bakaus 谈 Impeccable 设计技能，强调团队需为智能体建立共享设计语言。速览部分还涵盖 AI 科学发现、数学与 AI 宣言、OpenAI Agents API、Claude 安全对齐缺陷、空间智能及 AI 搜索抗菌分子等内容。
文章以作者与金融行业同学的交流切入，通过豆包帮助业务人员分析合同续约的真实案例，探讨 AI 对金融、法律、财务等专业行业的影响。文章指出 AI 不是先替代岗位，而是先扩大个人工作半径，让一个人接住原本属于多人的任务，并以 JPMorgan 的 LLM Suite 和国内民生银行为例说明银行先给员工配 AI 的趋势。作者进一步讨论了效率提升后的收益分配问题：AI 让人变强的同时可能让人更累，新人积累经验的路径也被改变，未来竞争在于谁能判断 AI 结果的可靠性并承担最终责任，而岗位的真正变化在于其价值被重新定义。
文章基于 TogetherAI 团队 Zain 的分享，沿一个请求的完整生命周期拆解 LLM 推理引擎（vLLM、SGLang、TensorRT-LLM）的内部机制。核心洞察是：prefill 计算受限、decode 内存带宽受限；KV cache 用空间换掉平方级计算，但成为显存瓶颈。引擎通过连续批处理让 GPU 每 pass 都不空闲，PagedAttention 像操作系统管理内存一样管理 KV cache（碎片率从 60-80% 降到 4% 以下），chunked prefill 摊平长 prompt 带来的延迟尖峰。Agent 循环因每轮重发完整对话、输入越来越长而输出极短，使其痛点落在 prefill 与 KV cache 上：prefix caching 可将 100 轮 agent 的总 prefill 工作量从约 55 倍降到约 10 倍，'缓存为王'是 agent 与引擎的交汇点。
作者用 Codex 对抖音、小红书、视频号上 50+ 国内头部及腰部 AI 博主的置顶视频和万赞爆款进行地毯式复盘，揭示国内 AI 自媒体生态真相：纯工具清单号涨粉为零，短平快口播失效，超长实操视频反而爆火；名字带 AI 易掉粉；教软件涨僵尸粉，解决具体问题才是真铁粉。文章总结出 5 大爆款生态位（单点闭环、自动化流水线、帮用户甩锅、真实踩坑叙事、低门槛副业）和 3 套标题公式，并起底变现路径：播放分成微薄，真正造血靠品牌商单和 B 端企业定制交付，核心指标是近 10 条内容的播放中位数。
文章探讨了为什么“现实”的目标反而导致平庸与失败。作者指出，人的每个思想和行动都在服务于某个目标，若未主动选择目标，就会不自觉地追求父母或社会强加的期望。所谓现实的目标往往是将梦想缩小以迎合他人预期，这会让思维被困在牢笼中。作者通过对马斯克、乔布斯等成功者的观察，发现他们共同点在于拥有“妄想级”的目标。这种目标借助选择性注意，迫使大脑进入未知领域、加速神经可塑性，带来专注、心流与痴迷状态，从而实现常人眼中不可能的成就。
作者冰河发布了一款免费开源的新媒体分析工具，帮助内容创作者分析竞品账号。该工具支持抖音、公众号、小红书三个平台的博主数据采集，可将作品数据和口播文案整合，并借助大模型（如 Deepseek、GPT、Claude）进行 AI 拆解分析，揭示爆款内容的底层逻辑，包括钩子开头、选题思路等。文章详细介绍了工具的安装配置（macOS/Windows）、语音转写方式（本地模型或火山引擎 ASR）、红狐 Hub API 采集、账号采集操作、数据大盘和博主管理等功能。工具支持续采、去重、报告重算和 JSON 导出，B站与油管采集功能后续推出，供个人学习使用、禁止商用。
作者将摄影中的美姿技巧转化为 AI 生图提示词方法。指出人物姿势不美观多因头、身、腿处于同一平面，缺乏张力。提出“转、弯、顺、露”四字口诀：转即破面，让脸和身体错开朝向；弯即破线，让某个部位微弯增加错落；顺即保持手腕脚尖线条流畅；露即让手有明确落点、手指可见。并给出姿态模板“站坐+朝向+动作”及完整画面模板，还介绍了通过动作收放（上松下紧、上紧下松）来调整画面气质的方法。
南洋理工大学S-Lab与大晓机器人等机构发布统一世界模型Puffin-World，让同一模型原生理解物理方向、空间几何和视觉外观，实现三维世界生成与重建，无需依赖外部模型。模型将世界表示为物理状态（重力场、纬度图）、几何状态（深度）和外观状态（RGB）三种关联状态，并提出Omni-Camera统一相机表示，结合绝对与相对相机信息。该框架在表征、模态、任务三个层面实现统一，支持相机参数估计、自由视点生成、3D场景重建等任务，并构建了包含1500万组视觉-语言-相机数据的Puffin-16M数据集，在多个基准上取得领先结果。
作者以前端资源缩减为契机，从后端工程师视角亲自承担前端项目，总结了高密度页面的信息组织指南。文章指出 CRUD 页面只解决数据增删改查，却不回答用户先看什么、依据什么做决定。作者提出组织信息架构的三个核心问题：用户最该看到什么、需要哪些关联信息、完成后要做什么。并以 GitHub Projects、Notion 为例，对比表格、看板、日历等'表达骨架'的适用场景，给出卡片网格、看板、日历排期、仪表盘、层级树、状态墙等 19 种信息呈现方式的参考表。指南还可直接交给 Agent 用于检查和改造前端页面，让 AI 辅助但由人把握业务判断。
谷歌联合HHMI Janelia发布首个成年雄性果蝇完整中枢神经系统连接图谱MaleCNS v1.0，识别超16.6万个神经元、约1.25亿个突触。图谱开源后，开发者围绕其展开各种创意实验：接入《我的世界》《Doom》《Beat Saber》等游戏，让果蝇刷短视频、决定央行利率等。加密社区也迅速跟进，有人让果蝇自主发币、炒Meme币和比特币，甚至发行Meme币FLYBRAIN，市值一度突破5500万美元。这项神经科学成果从实验室走向大众娱乐与链上实验，成为热门话题。
文章介绍了美籍华裔科学家 Philip Shiu 的重磅成果：他凭一己之力手敲近2年代码，将果蝇大脑13.9万个神经元、5000万个突触的海量数据转译为计算模型。该模型轻量到可在普通笔记本上运行，预测准确率高达95%，且无需机器学习训练或手工调参。2024年10月该成果发表于《Nature》。他还把脑模型装入虚拟身体，使数字果蝇在物理世界中自主运动，开启了'数字生命'与全脑仿真的新篇章。他现加入硅谷AI公司Eon Systems担任工程主管。
文章反驳了“程序员除了写代码啥也不会、将被AI取代”的观点。作者指出软件工程师的核心能力是理解需求、抽象设计、验证与维护，编码只是中间产物；领域专家靠“稍微了解AI”做出可用产品过于乐观，从原型到产品还需处理UI、边界条件、高并发、安全等问题，而AI工程本身就是一门学科，有工程底子的人更容易掌握。能力迁移是双向的，工程师的抽象与系统思维是跨领域的元能力。AI改变的是职业流程中的环节而非职业本身，工程师重心从写代码转向定义问题、验收结果，各行业岗位都在经历类似重新定位。
文章探讨 Agent 系统如何在不更新模型权重的情况下自我改进。作者阐述了两条反馈路径：成功运行产生可复用的程序性记忆（以 Hermes 的 SKILL.md 文件和 GEPA 离线优化为代表），失败运行则通过 Opik 的执行 trace 进行诊断，定位故障源头（模型、工具、配置或代码），提出修复方案，经人工审核后重跑并添加回归测试。文章强调失败必须被记录为可验证的预期行为和测试用例，才能转化为可复用的知识，并详细介绍了 trace 结构、失败检测与根因分析的工作流程。
基于 Anthropic 2026 年 9 月发布的威胁情报报告，作者分析了 AI 降低作恶成本带来的多维风险：AI 混入真人视频的约会应用诈骗、低价 AI 代理窃取凭据、网络攻击自动化、影响力行动、人物画像监控以及武器与生物领域的双重用途问题。文章强调对涉及中国公司的蒸馏指控应区分训练方法、服务授权与用户数据处理三个问题。作者建议中国用户与开发者主动核验 AI 服务的数据路径与经营者身份，管理权限与密钥，验证信息来源，从知情权、选择权和数据权益出发保护自己。
