AI不会累 ｜ YJ 
最新一期 · LATEST
挑AI画风说不清？我搭了一条视觉流变路径。好用！
No.048
在两种AI画风之间，用现有画风连出一条视觉路径。聊聊这次工具实践的思路、算法选择，以及如何看图挑风格、带走提示词。
-
Karpathy揭秘AI认知漏斗：75%的人还未碰过，0.2%的人正在眩晕
同样的大模型，为什么有人觉得用处不大，有人却正在眩晕？从Karpathy的四层认知漏斗，聊聊能力差异，以及普通人如何把提问变成可验证的任务。
No.047 -
Anatomy：把抽象想法，做成带机械零件的交互网页
我用开源 Skill Anatomy 做了咖啡机、拉柄滚轮机、AI 扭蛋机、算力中心与星舰演示，看看抽象想法如何变成带机械零件、可以亲手操作的交互网页。
No.046 -
我的手绘风 Router Skill 更新了：边看边挑！
我的手绘风 Router Skill 更新到 V2：留下喜欢的方向继续找，补充感觉后细挑，选定后交付提示词与参考图，并在本地记录选择。
No.045 -
4.5%的人付费，1%的人月花900刀：A16Z 的最新报告扒开了“AI 消费”的底牌
A16Z 最新消费级 AI 报告中的五组反差：付费人数、重度用户支出、工具收入与流量、多工具订阅，以及企业量化成效。看清数据，再从自己的真实任务出发判断怎么用 AI。
No.044 -
从卖软件到买公司：硅谷AI落地出现了一个“重资产新物种”
Sequence把长期资本、工程团队和企业经营绑在一起。它在BankSouth的尝试，提醒我们：AI落地不只靠工具提速，还要重新安排流程和人机分工。
No.043 -
想做有趣的“轻量微交互”？这个开源 skill 建议你了解一下
我用 Hairline 做了猫咪、建筑、主机拆解和 AI BOT 流水线等微交互实验，看看这个开源 Skill 擅长什么、哪些地方还做不好。
No.042 -
三个好玩的网站，把AI Bot和手绘头像做成了“毛茸茸”
我把 Dots Lab、FeralUI Fur 和 Vectuno 组合起来，做出了能顺毛的动态 Bot 和可交互的毛茸茸手绘头像。
No.041 -
大厂AI Bot扎堆软萌风，我用手绘风做了两件好玩的小东西
我用开源手绘素材做了趣味对话卡片和今日状态头像，尝试把段子、通知和有门槛的概念，变成更轻松的对答。
No.040 -
从难挑到好用：4个开源工具，治好找画风的选择困难症
围绕手绘画风挑选与应用，我把两周实践整理成4个开源工具：风格路由、头像盲盒、秒级筛选和3D星云，帮创作者更快选风格并用起来。
No.039 -
多样画风的3D星云？我在雕一种很新的花！
从一次炫目的3D星云重构说起：用真实特征切片、全屏空间和悬浮操作层，让261种手绘风格既好看也好找。
No.038 -
嘿 Jev，今天我适合什么Style，“快”告诉我！
我把Jev塞进手绘风格筛选器，和旧Router Skill做了一次端到端速度对照。
No.037 -
从 1 到 261 ：把多样的手绘风格复刻到个人 IP 上
我把个人 IP 母版放进261种手绘风格里，对照风格迁移示例，寻找能支撑视觉辨识度的关键特征。
No.036 -
风格越多越难选：我给261种手绘风格加了一个Router，实现“一个主题5选1”
面对261种手绘风格，我给本地风格库加了一个轻量Router，把“几百选一”变成有差异的“一个主题5选1”。
No.035 -
AI要失控？GPT 6 Astra的自白：请别把我的冷静，当做你们人类安全的证据
AI的回答听起来越冷静，越不能直接证明系统安全；真正要检验的，是它能否被独立评估、撤回授权，并在必要时停下来。
No.034 -
家长不会讲解初中题目怎么办？实测清华团队研发的OpenMAIC
我用OpenMAIC生成初中数学和地理互动课件，观察它如何帮助家庭共学，也记录互动逻辑和家长核验的边界。
No.033 -
AI的算力 ≠ 孩子的能力
AI能交出正确答案，孩子却未必真正学会。比起限制使用次数，更值得关注的是：孩子有没有留下自己的思考、尝试和复盘。
No.032 -
面向普通人的『豆包工作』真实使用体验(3)：我劝你暂时别用“操控电脑”这个功能
截图、图片标注、下载公众号数据，三个任务各跑两轮。豆包工作在哪些操作上碰壁，又怎样绕路完成？这次实测，看看它“操控电脑”的能力边界。
No.031 -
干货：FDE的AI产业定位、价值与发展路径
FDE是解决AI大模型落地“最后一公里”的关键角色，是连接模型能力与真实产业场景的“神经末梢”与“防火墙”。记录一堂公开课的核心观点：核心能力要求、商业边界与长期发展空间。
No.030 -
大模型词元(Token)支出价格腰斩，但你换来真正的自由时间了吗？
Token 支出指数腰斩、厂商密集调价，但真正用过几天的人都会遇到同一个困惑：AI 越来越便宜、越来越快，为什么下班没有变早？
No.029 -
在Codex里生图经常遇到“正在重新连接...”？我给生图任务做了个调度器
我做了一个仍在MVP阶段的生图任务调度器：把多张图片拆成独立任务并分发，但不负责图片质量，也保留网页端人工确认。
No.028 -
来自麦肯锡对97国1719名受访者的调研：AI让80%的个人提效，但企业还没有跑出ROI
麦肯锡调研显示：AI已让80%的受访者个人提效，但仅37%报告企业EBIT正向影响。关键差距在工作流重构、责任归属与投入产出衡量。
No.027 -
面向普通人的『豆包工作』真实使用体验（2）：你终于多了一个会后收尾的靠谱伙伴
出差在火车上，我用手机把会议录音交给豆包工作。它先调用飞书妙记生成转写稿，再整理出会议纪要和行动建议，最后保存为飞书文档。这个流程能接住会后整理，但正式分发前的核对和责任，仍然不能交给AI。
No.026 -
面向普通人的『豆包工作』真实使用体验（1）：写作似乎比PPT更靠谱
我用同一批材料测试豆包工作的写作和PPT：写作初稿的第一感受不错，但PPT仍要人把关重点、完整性和跨页一致性。
No.025 -
OpenAI做出了Codex，创始人Sam Altman却仍在用旧方式工作
AI能力提升，不等于人和组织会立刻改变工作方式。连拥有Codex的Sam Altman也仍在用旧方式工作，普通人可以从一个真实问题开始，亲手把AI用起来。
No.024 -
AI研学营一万块一期，我给孩子的AI课只花了10行提示词
AI研学订单涨了370%，但孩子真正缺的可能不是一次体验。孩子用AI做PPT时只剩下调字体，调查中34.6%的受访中小学生遇到过AI错误信息。家长能做的第一步，是和孩子一起弄懂：AI会犯错，关键时刻要人判断。
No.023 -
你点下「允许一次」时，真的知道AI在做什么吗？
AI越来越会执行，也可能把任务交给别的Agent。普通人如何判断一次授权能不能快速确认，发布Skill或App前又该清理哪些内容？
No.022 -
三步把DeepSeek Harness接入iMessage
我在 DSH Web 的 rc.8 上跑通 dsh-imessage，整理从安装插件、完成 Photon 授权到用 iMessage 收发 DSH 任务的三步流程，也把文本、1对1和最终回答等限制写清楚。
No.021 -
从零开始建立一个生图类skill，可以看看我的思路
我从一张意外成型的水墨图出发，把视觉感觉拆成主体、构图、虚实、色彩、确认、验收和重试规则，做成一套可以反复运行的生图类 Skill。
No.020 -
我给两个 DSH 对话之间，装了一条“引用线”
AI 对话默认各自独立，但上下文不一定只能靠人重新复述。我用 DSH 和 DeepSeek V4 Flash 做了一个轻量插件，把会话引用和有限快照接进另一个对话，也记录它能做什么、不能做什么。
No.019 -
我只是问了一句“能不能做”，DeepSeek Harness直接给我写了个macOS App
不懂编程的我，在DeepSeek Harness里随口问了一句“能不能在Mac菜单栏做个提醒”，去洗了个澡回来，App已经被写出来、跑起来了。记录这次真实开发：为什么做、“一切皆插件”如何让外部工具成为可能，以及全程用DSH的真实感受——快，但有点卷。
No.018 -
黑鲸出水：DeepSeek正式进入Agent下半场
模型负责想，Harness负责干。DeepSeek把执行层开源了：一切皆插件、模型中立，不绑死自家模型。AI的竞争正在从比谁更会聊天，变成比谁能把事办成。
No.017 -
让我们挖一挖“去AI味Skill”的本质
我沿着一个“去AI味Skill”的运行逻辑，追到维基百科的观察指南，看看它究竟能清理什么，又为什么不能替作者补上材料、观点和判断。
No.016 -
我把一次“抽卡”得到的生图风格，写回了Skill
我测试了一个视觉类 Skill。先跑完 10 种预设，都不满意。于是用自己的提示词继续“抽卡”。拿到满意的效果后，我把这次“抽卡”留下的规则，写回了 Skill。
No.015 -
我封装了一个开源工具，架起了给AI喂材料的小桥
我为什么把MarkItDown封装成EXE，又如何用MinerU补足OCR和复杂版面，建立一条兼顾便利、隐私与知识沉淀的Markdown文档路径。
No.014 -
我拿一套网红款skills，给自己的公众号“把脉”
12篇公众号文章，四条内容线，阅读量却持续偏低。我把一套网上被推荐的 dbskill 跑了一遍：分析账号定位、拆解对标对象、诊断低阅读量的可能原因。工具能帮我看清问题，但真正要验证的，还是下一篇文章和下一次实践。
No.013 -
从25家到235家：开放权重公开信的“扩圈”真相
几天前还是25家机构联署，截至7月30日签署方已超过230家。名单变长意味着什么？是简单扩容，还是美国AI产业正在形成新的共识？（摘要取自正式稿开头，待YJ确认）
No.012 -
AI配图如何形成自己的风格：先借鉴，再二创
做公众号时试过不同 Skill，最后持续被改写的是视觉。notion 给了手绘知识卡的起点，但颜色、构图、字体、人物和检查规则，才慢慢让它变成「AI不会累」。（摘要取自正式稿 Front Matter，待YJ确认）
No.011 -
不禁开放权重，Dario却要守住三道门
Dario表示Anthropic不主张全面禁止开放权重，同时提出限制芯片、打击工业规模蒸馏、强制安全测试。三项措施分别卡住算力、追赶效率和发布准入。
No.010 -
25家机构，为什么偏偏在这时为AI“开源”站到一起？
25家机构联署支持开放权重，名单随后增至35家。YJ从六类利益位置出发，分析这场阶段性联合为何发生，以及它会怎样影响普通用户的安全、体验、价格和选择。
No.009 -
比起给娃做错题集，我更想先给AI做一个
AI犯错后，纠正一次并不等于下次不再犯。YJ从一次真实的文件归档错误出发，区分规则、Skill、记忆与验证机制，并提出一个仍待尝试的“AI错题本”方向。
No.007 -
从3D模型到空间智能，中间还缺了什么？
从三维模型到空间智能，关键不只是把空间做得更像，而是让系统理解对象、变化、关系和现实交互。YJ结合WAIC公开资料，整理了一套从空间表达走向空间智能的四层观察框架。（摘要为发布前基线候选，待YJ确认）
No.006 -
我做了一个行业日报，为什么遇到问题时还要重新搜索
我用 Vibe Coding 做了一个围绕三维建模、数字孪生和空间智能的行业日报。它能持续收集、筛选和整理信息，却没有让我在遇到具体问题时停止重新搜索，这让我重新思考信息跟踪与知识沉淀的区别。
No.005 -
Vibe Coding最难的，不是把程序做出来
我用AI把一个真实教学需求做成了程序，也在使用中修过交互、数据关系和工作流问题。后来我才发现，Bug并不是项目停在MVP的原因，真正困难的是判断哪些需求值得继续投入。
No.004 -
我让4个热门Skill做了同一道选题
同一道选题交给4个热门Skill，结果把账号带向了四条不同的路。实测以后我发现，AI可以提供更多选择，但选什么、写什么，最终仍然不能交出自己的判断。
No.003 -
文章一眼AI，是哪里出错了？
第一篇文章走完选题、写作、审稿和“去AI味”，仍被一眼认出是AI。我回溯了三个出错环节，又用同一组事实重写开头，看看Skill能帮什么，又替代不了什么。
No.002 -
我决定从零开始，用AI做一个账号
今年3月底开始接触 vibe coding，至今累计消耗 30.4 亿 Token，硬盘里留下 17 个项目目录。我决定把自己当成初学者，重新开始一场从“会用 AI”走向“持续做出作品”的公开实验。（摘要取自正式稿摘要建议，待YJ确认）
No.001