AI圈子 · AI 圈的最新动态，一条一条刷

本地能跑 MiniMax H3 之后，都以为 AI 短剧的门槛天塌了 真正去做才发现，要把小说改成剧本然后分镜制作就必须得先固定人物角色。 我开源了一个 skill 专门来做这件事，Claude Code / Codex 都能跑：

• 丢一本小说进去，AI 自动拆出每个角色：人物画像 + 卡通形象 prompt + 音色 prompt - 如果你装的有 codex cli 环境，还会调用 Codex 生成角色三视图

• 一条命令 /novel-characters ./你的小说.txt 跑完 走你当前订阅的额度，不用另配 API key。最终会生成一个 report 页面以供审阅 项目地址： 欢迎感兴趣的朋友评论区交流。

🔗 相关链接
t.co/AwV9LsQBSH

GitHub: github.com/eternityspring…

🎨 Design Engineer必看：emilkowalski的Skills和课程，Apple风格设计利器

在AI辅助设计的浪潮中，有一位设计师的作品和课程正在深刻影响着整个社区。他就是emilkowalski，被设计师yanliudreamer称为"学习Design Engineer的领路人"。

为什么emilkowalski值得关注？

他的设计作品有着鲜明的Apple风格：简洁、精致、功能性强。更重要的是，他把这些设计思维和工作流封装成了可复用的Skills，让普通设计师也能轻松调用。

Skills：Apple风格设计系统

emilkowalski的Skills不是简单的组件库，而是一套完整的设计语言。它涵盖了：

• 视觉层次：如何用字体、色彩、留白构建清晰的信息架构
• 交互细节：微动画、过渡效果、状态反馈的精致处理
• 响应式设计：从桌面到移动端的优雅适配
• 品牌一致性：保持视觉风格统一的设计规范

两门火出圈的设计课

1. AI for UI：以Skills为核心，覆盖前端设计基础知识，教你如何用AI工具构建现代UI
2. Animations on the Web：全网口碑极好的动效课，深入讲解网页动画的原理和实践

这两门课程之所以受欢迎，是因为它们不是纸上谈兵。每个案例都是真实项目，每个技巧都能直接应用到工作中。

为什么这个资源组合有价值？

1. 学习门槛低：即使不是专业设计师，也能快速上手
2. 实用性强：Skills和课程都聚焦于实际工作场景
3. 审美在线：Apple风格的设计语言永不过时
4. 社区验证：大量设计师已经在实际项目中使用

设计工程师的新方向

emilkowalski代表了一种新的设计趋势：设计师不仅要会做图，还要懂代码、懂AI、懂工程化。这种"Design Engineer"的能力组合，正在成为行业的新标准。

对于想要提升设计能力的开发者，或者想要拓展技术边界的设计师，emilkowalski的资源都是必看的。

个人思考：

在AI工具越来越多的今天，真正的竞争力不在于会用多少工具，而在于能否建立自己的设计系统和审美标准。emilkowalski的Skills和课程，正是帮助你建立这种能力的最佳资源。

🎨 AI设计新玩法：Mono-color Skill让设计回归克制美学

在AI生成设计泛滥的今天，一个真正有质感的设计方案反而稀缺。设计师yanliudreamer分享了他的Mono-color Skill，把一套完整的编辑设计语言封装成了可复用的AI技能。

什么是Mono-color Skill？

这不是简单的"图片变单色"工具。它融合了一整套设计系统：油墨色系、留白原则、排版规范、复古印刷质感。通过这种克制的视觉语言，即使是最普通的素材也能呈现出高级的编辑感。

设计原则核心

1. 克制色彩：默认单色油墨，必要时加入双色套印
2. 大量留白：有意识的空白空间营造呼吸感
3. 强调排版：Typography作为视觉主导
4. 复古质感：Halftone颗粒、套印偏移等印刷效果
5. 系统构图：图片、文字、版式作为完整视觉系统重新构图

使用场景广泛

活动海报：输入主题、时间、地点，快速生成有设计感的宣传视觉。社交媒体配图：告别千篇一律的AI图，建立统一的品牌视觉风格。品牌探索：用克制的色彩和编辑感建立品牌的高级感。音乐封面：单色+Editorial语言特别适合做有情绪感的Cover。个人照片创作：把普通摄影转换成复古印刷海报。概念探索：快速生成视觉方向，找到最对的感觉。

为什么这个方法论重要？

1. 设计系统化：不是随意调整，而是有原则的创作
2. 风格统一：一套语言可以延展到所有场景
3. 效率提升：设计系统约束保证效果稳定
4. 质感突出：在AI泛滥的时代，克制反而成为稀缺品

AI设计的未来方向

Mono-color Skill代表了一种重要的AI设计思路：不是让AI自由发挥，而是给它一套明确的设计语言。这种方式既保持了AI的效率优势，又确保了设计的专业品质。

对于设计师来说，这提供了一个新的创作框架。对于非设计师来说，这让他们也能做出专业级的视觉作品。

个人思考：

在AI工具越来越多的今天，"会用工具"已经不是竞争力。真正的差异化在于：你能否给AI一套独特的设计语言和审美标准。Mono-color Skill的价值不在于技术本身，而在于它背后的设计思考。

🎬 Video Use：让AI替你剪视频的开源神器，告别手动编辑时代

视频编辑一直是内容创作者的痛点：剪辑、去口误、加字幕、调色、渲染，每一步都需要大量时间。现在，一个名为Video Use的开源工具彻底改变了这个游戏规则。

什么是Video Use？

Video Use是一个专为Claude Code设计的视频编辑工具，完全开源免费。它的核心理念是：你只需要把原始素材扔进一个文件夹，告诉AI你想要什么，剩下的事情全部由它完成。

工作流程

1. 素材准备：把你的原始视频、音频、图片等素材放入一个文件夹
2. 需求描述：用自然语言告诉AI你想要什么样的最终效果
3. 自动处理：AI自动完成剪辑、去口误、加字幕、调色、动画、渲染
4. 成品输出：直接得到编辑好的视频文件

核心功能

• 智能剪辑：自动识别并剪切精彩片段
• 口误消除：检测并删除"嗯"、"啊"等无意义词汇
• 字幕生成：自动生成准确的字幕文件
• 颜色校正：智能调整视频色彩和亮度
• 动画添加：自动添加转场和动画效果
• 格式渲染：支持多种输出格式和分辨率

为什么这个工具重要？

1. 降低门槛：即使没有专业剪辑技能，也能制作高质量视频
2. 节省时间：原本需要几个小时的工作，现在几分钟就能完成
3. 开源免费：完全开源，没有订阅费用，可以自由修改和分发
4. 隐私保护：本地运行，素材不会上传到云端

使用场景

• 内容创作者：快速制作YouTube、抖音等平台的视频内容
• 教育培训：自动生成课程视频和教学材料
• 企业宣传：高效制作产品介绍和宣传视频
• 个人记录：轻松整理和编辑生活视频

技术亮点

1. Claude Code集成：利用Claude强大的理解能力，精准把握用户需求
2. 模块化设计：每个处理环节都可以独立配置和优化
3. 批量处理：支持同时处理多个视频项目
4. 自定义模板：可以保存和复用编辑风格

个人思考：

Video Use代表了AI辅助创作的一个重要方向：不是替代人类创意，而是解放人类双手。它让创作者可以把更多精力放在内容策划和创意表达上，而不是繁琐的技术操作。

对于想要提升视频制作效率的创作者来说，这个工具值得关注。它可能不是最专业的视频编辑软件，但它是最省心的选择。

🔥 5个GitHub仓库让你的AI开发效率翻倍：从本地助手到交易研究

AI开发工具越来越多，但真正能提升效率的仓库有哪些？这次推荐5个值得关注的GitHub项目，涵盖本地助手、编码框架、交易研究等多个领域。

1. OpenClaw：跨平台个人AI助手

OpenClaw是一个可以跨平台运行的个人AI助手，支持多种设备和操作系统。它的核心优势在于：

• 统一的用户体验，无论在手机、电脑还是平板上
• 本地运行，数据不离开设备
• 开源可定制，可以根据需求修改功能

1. ECC：Claude Code增强框架

ECC（Everything Claude Code）是一个强大的AI编码Agent框架，专为Claude Code设计：

• 技能系统：模块化的能力扩展
• 记忆功能：记住项目上下文和用户偏好
• 安全机制：防止敏感信息泄露
• 研究工作流：自动化的代码分析和优化

1. Superpowers：结构化AI编码框架

Superpowers是一个旨在让AI编码工作流更结构化、更强大的开发框架：

• 清晰的工作流程：从需求分析到代码生成的完整流程
• 多Agent协作：多个AI Agent协同工作
• 质量保证：内置的代码审查和测试机制
• 可扩展性：支持自定义工具和插件

1. Vibe-Trading：AI驱动的交易研究

Vibe-Trading是一个开源的AI交易研究项目，专注于系统化的交易工作流：

• 策略回测：使用历史数据验证交易策略
• 风险管理：自动化的风险控制和止损机制
• 市场分析：基于AI的市场趋势分析和预测
• 执行优化：智能的订单执行和滑点控制

为什么这些项目值得关注？

1. 开源透明：代码完全开放，可以审计和修改
2. 社区活跃：持续的更新和改进
3. 实用性强：解决实际开发中的痛点问题
4. 跨平台支持：适应不同的开发环境和设备

使用建议

• 新手：从OpenClaw开始，体验跨平台AI助手的便利
• 开发者：使用ECC或Superpowers提升编码效率
• 量化交易：尝试Vibe-Trading进行策略研究

技术趋势

这个推荐反映了AI开发工具的几个趋势：

1. 本地化：越来越多的工具支持本地运行，保护数据隐私
2. 结构化：从简单的代码补全到完整的工作流系统
3. 专业化：针对特定领域（如交易）的深度优化
4. 开源化：社区驱动的开发和改进

个人思考：

这些项目展示了AI开发工具从通用化向专业化发展的趋势。无论是跨平台助手还是交易研究工具，都在解决特定场景下的实际问题。对于开发者来说，选择合适的工具可以大幅提升工作效率。

📚 金融AI实战指南：从架构到Agent，一站式掌握金融LLM应用

金融行业正在经历AI革命，但如何安全、合规地部署大语言模型？这本新书《Large Language Models in Finance》给出了完整答案。

核心内容

1. 基础架构：从数据摄入到部署，手把手教你构建金融LLM系统
2. 微调技术：LoRA、QLoRA、RLHF、DPO，四大主流方法全覆盖
3. RAG管道：专为金融文档和知识库设计的检索增强生成方案
4. Agent设计：自主Agent和多Agent金融工作流架构
5. 安全集成：通过MCP和企业系统安全接入LLM
6. 应用场景：交易、银行、风控、欺诈检测、KYC、AML全覆盖
7. 评估治理：可审计的金融AI评估指标和治理框架

为什么这本书重要？

金融行业对AI的要求极高：

• 合规性：必须满足严格的监管要求
• 可解释性：每个决策都要有据可查
• 安全性：数据泄露风险不可接受
• 稳定性：7×24小时不间断运行

这本书从实际应用出发，不是理论空谈。每个章节都有代码示例和最佳实践。

技术亮点

1. 微调实战：四种主流微调方法的对比和选择指南
2. Agent架构：如何设计可靠的多Agent金融工作流
3. MCP集成：安全地将LLM接入现有金融系统
4. 评估体系：建立可审计、可追溯的AI决策流程

适合人群

• 金融工程师：想要在现有系统中集成AI能力
• 风控专家：需要利用AI提升风险识别能力
• 合规官：需要理解AI决策的可审计性
• 产品经理：需要设计AI驱动的金融产品
• 研究员：需要了解金融AI的最新进展

个人思考：

金融AI不是简单的技术移植，而是需要深度理解行业特殊性。这本书的价值在于它把技术实现和行业需求完美结合。

对于想要进入金融AI领域的开发者来说，这是一本不可多得的实战指南。它不只告诉你怎么做，更告诉你为什么这么做，以及如何确保合规性。

🚀 腾讯混元发布Hy4：770B参数、49B激活、100万上下文，开源前沿模型

腾讯混元团队发布了Hy4预览版，这可能是目前最强的开源大模型之一。

核心参数

• 总参数：770B（7700亿）
• 激活参数：49B（490亿）
• 上下文长度：100万token
• 定位：专注生产力，开源前沿

技术亮点

1. 超长上下文：100万token的上下文窗口，可以一次性处理超长文档、代码库或对话历史
2. 高效激活：虽然总参数高达770B，但每次推理只激活49B参数，在保持性能的同时降低推理成本
3. 开源开放：模型权重、代码、训练细节全部开源，社区可以直接使用和改进

为什么这个发布重要？

在闭源模型不断涨价的今天，开源模型正在快速追赶。Hy4的发布意味着：

1. 企业可以私有化部署：不用担心数据泄露，可以部署在自己的服务器上
2. 成本更低：不需要为API调用付费，长期使用成本更低
3. 可定制：可以根据自己的需求微调模型，打造专属AI助手

使用场景

• 企业知识库：处理大量内部文档，提供智能问答
• 代码助手：理解整个代码库，提供代码补全和重构建议
• 内容创作：处理超长文本，生成高质量文章
• 数据分析：分析大规模数据集，提供洞察

社区反响

推文获得了5292个点赞和227万次浏览，说明社区对开源前沿模型的需求非常强烈。许多开发者表示要立即尝试，测试其在实际项目中的表现。

技术趋势

这个发布反映了AI领域的一个重要趋势：开源与闭源的竞争越来越激烈。腾讯混元通过开源Hy4，不仅展示了技术实力，也推动了整个行业的进步。

个人思考：

对于需要处理超长上下文的应用场景，Hy4提供了一个强大的选择。100万token的上下文窗口，意味着你可以一次性输入整本书、整个代码库或几个月的对话历史。

建议关注这个模型的发展，特别是需要私有化部署或处理超长文档的场景。开源模型的进步正在改变AI的使用方式。

🎭 88万星的Agent角色提示词库：AI版虚拟董事会，免费开源

你有没有想过，如果能让CEO、市场总监、财务专家同时为你出谋划策，会是什么体验？现在有一个GitHub项目做到了，而且完全免费。

agency-agents是一个角色提示词库，包含140多个专业Agent角色，从CEO、律师到增长黑客，每个角色都有专业框架支撑，不是那种糊弄人的'你是个律师'。

核心价值

1. 专业角色库：140+个精心设计的Agent角色，每个都有专业背景和思维框架
2. 即用即走：三步上手：打开库找角色，喂给Claude Code或Cursor，开始对话
3. 多角色协作：同时开多个窗口，让不同角色对同一件事发表意见
4. 免费开源：完全免费，可以随意修改和扩展

实战效果

开发者测试了CEO角色，发现它给出的商业框架确实能落地，不是废话连篇。更有趣的是'虚拟董事会'玩法：

• CEO视角：战略方向和长期价值
• 市场总监：用户需求和增长策略
• 财务专家：成本控制和ROI分析
• 法律顾问：合规风险和合同条款

7×24小时在线，不要工资不摸鱼，还不会搞办公室政治。

为什么这个项目重要？

现在AI模型能力差距在缩小，真正拉开差距的是你怎么用。这个库就是帮你把提示词那摊子破事全包了。

对于创业者、产品经理、独立开发者来说，这相当于一个随时可用的顾问团队。不需要花大价钱请咨询公司，也不需要自己从零设计提示词。

使用场景

• 创业决策：让不同角色帮你分析商业模式
• 产品设计：从用户体验、技术实现、市场定位多角度思考
• 代码审查：让架构师、安全专家、性能优化师各抒己见
• 学习成长：与不同领域的专家对话，快速提升认知

技术优势

• 开源透明：可以看到每个角色的具体提示词设计
• 模块化设计：可以根据需要组合不同角色
• 持续更新：社区贡献新的角色和改进
• 平台兼容：支持Claude Code、Cursor等主流AI编程工具

个人思考：

这个项目的价值不在于技术有多复杂，而在于它把AI的'角色扮演'能力结构化了。以前我们手动写提示词，现在直接用现成的专业框架。

建议创业者和产品经理试试，特别是需要多角度思考决策的场景。88万星不是白来的。

兄弟们，短剧这块真被人掀桌子了。

我今天挖到一个宝藏开源项目：火宝短剧（Huobao Drama）

GitHub地址：github.com/chatfire-AI/hu…

这个开源项目太牛了不是PPT嘴炮，是真能把分镜、视频、配音、剪辑、字幕一条龙跑完。

几分钟给你出一部短剧，人坐旁边做个监工就好。

最离谱的是开源，意味着人人都能拿去改、去批量跑。目前GitHub上已经6800+星标了，热度相当高。

我说句难听的，靠接短剧流水单的小团队，看到这个估计绝望写在脸上了。

这个项目把AI短剧制作的全流程都自动化了，从分镜脚本到最终成片，全部由AI完成。对于内容创作者来说，这意味着生产效率的指数级提升。

核心功能包括：

• AI剧本生成：输入关键词自动生成完整剧本
• 角色一致性管理：解决AI"脸崩"问题
• 自动分镜制作：从剧本到分镜一键完成
• 视频合成：图生视频+文生视频+配音+字幕

Docker一键部署，技术栈是Go+Vue3，对开发者相当友好。

想靠AI赚钱但不知道从哪入手？GitHub上这5个仓库可以帮你理清思路。

第一个是AI Money Maker Handbook，整合了AI副业、创业案例、赚钱模式和避坑经验，相当于一本AI变现百科全书。第二个是n8n，一个自动化工作流平台，可以帮你连接AI和各种工具，快速搭建内容生产和业务自动化流程。

第三个是Remote Job，远程工作资源合集，收录了大量远程招聘网站和数字游民指南。第四个是Awesome，涵盖AI、编程、设计、创业等多个领域的学习资料库。第五个是Public Datasets，包含40多种量化交易策略和90多个交易相关仓库。

这5个仓库覆盖了从方法论到工具链的完整路径。方法论告诉你怎么想，工具链帮你怎么做。

对大多数人来说，AI赚钱的最大障碍不是技术，而是信息差——不知道有哪些机会、不知道从哪开始、不知道哪些工具好用。这5个仓库直接把信息差抹平了。

不过需要冷静的是：工具和信息只是起点，真正赚到钱的人靠的是执行力和对市场的理解。收藏了不等于学会了，看了不等于会做了。把这些资源当成起点而不是终点，才能真正发挥价值。

🤝 多Agent协作的终极方案：Switch让人和AI在同一个频道工作

你有没有遇到过这样的场景：一个Agent查完了日志，然后你手动把结果复制粘贴给另一个Agent生成图表？这种手动搬运不仅浪费时间，还容易出错。

Switch是一个开源框架，它把多个Agent和人类放在同一个聊天频道里，让任何两个参与者都能直接协作，不需要预先配置。

核心问题：Agent之间的信息传递损耗

Anthropic的研究发现，当多个Agent协作时，Agent在协调上花的token比实际工作还多。他们把这叫做telephone game——每次交接都会让信息质量下降。

传统方案（如OpenAI的handoffs和Google ADK的上下文控制）虽然能解决部分问题，但它们都假设你知道哪些Agent会跟哪些Agent协作。然而实际工作中，很多协作关系是临时产生的。

Switch的创新

1. 共享频道：所有Agent和人类在同一个频道工作
2. 自然路由：人类决定下一步谁来做，但不需要手动搬运数据
3. 上下文保留：新加入的Agent能直接看到之前的所有讨论
4. 框架兼容：支持Claude Code、OpenAI Codex、OpenCode等主流框架

实际案例

假设电商网站的错误率突然上升：

1. 监控Agent查询日志，发现是最近的部署导致的
2. 人类决定需要对比上周的基线数据
3. 图表Agent加入频道，直接引用监控Agent的报告，而不是重新查询
4. 结果：节省时间，避免重复工作

技术优势

• 零配置启动：不需要预先定义Agent之间的关系
• 透明可见：团队成员能实时看到Agent的工作过程
• 持续学习：之前的分析结果会留在频道里，供后续使用
• 多平台集成：支持Slack、Teams、Discord等主流工具

为什么这个方向重要？

AI Agent正在从单体智能向群体智能演进。就像人类团队需要协作工具一样，Agent也需要高效的协作机制。Switch提供了一个优雅的解决方案。

这个框架特别适合需要多个专业Agent协作的场景，比如DevOps、客服、数据分析等。如果你在构建多Agent系统，值得关注这个项目。