AI圈子 · AI 圈的最新动态，一条一条刷

🔥 GPT Astra首次公开内部测试输出：这个模型可能改变一切

OpenAI刚刚披露了下一代模型GPT Astra的最新内部测试结果，代号mozaik-alpha-fdm。从泄露的输出来看，这个模型的能力可能远超我们预期。

什么是GPT Astra？

GPT Astra是OpenAI即将推出的下一代大语言模型，被认为是GPT-6的前身。它不是简单的性能提升，而是一个全新的架构设计，专为长程推理和自主Agent场景优化。

首次公开的输出展示了什么？

从泄露的两个测试案例来看，Astra在Max模式下展现了惊人的细节关注度：

1. 复杂推理能力：能够处理需要多步骤逻辑推理的问题，思考过程更加深入
2. 代码生成质量：前端代码生成可能终于解决了之前版本的bug
3. 任务完成度：即使在零样本情况下，也能产出高质量的结果

为什么这个模型如此重要？

OpenAI内部评估显示，Astra已经达到了Critical级别的网络能力，这意味着它在某些方面可能已经超越了人类专家水平。具体来说：

• 在数学和理论计算机科学领域，Astra已经解决了10个十年级别的开放问题
• 在网络安全领域，它的能力强大到OpenAI自己都感到担忧
• 它能够自主规划和执行复杂的多步骤任务

安全问题引发的担忧

正因能力太强，OpenAI不得不暂停了Astra的部分训练工作。这不是因为技术问题，而是因为安全基础设施跟不上模型能力的发展速度。

这就像造了一辆跑车，但刹车系统还没准备好。OpenAI选择先停下来完善安全措施，而不是冒险发布。

发布时间预测

Codex负责人Tibo最近暗示好产品至少需要34天。从8月26日算起，34天后正好是9月29日的OpenAI DevDay。这很可能是Astra正式亮相的时间窗口。

个人思考：

Astra的出现标志着AI发展进入新阶段。我们不再只是讨论模型能做什么，而是开始思考模型该不该做这些事。

对于开发者来说，这是一个需要认真准备的时刻。当一个模型能够自主解决十年级别的开放问题时，它对各行各业的影响将是颠覆性的。

建议持续关注OpenAI的官方动态，特别是DevDay的相关信息。这可能是2026年最重要的AI发布事件。

🚀 Jack Dorsey开源了29000+星的AI Agent框架：5分钟搭建AI自动运营的公司

前Twitter CEO Jack Dorsey最近开源了一个GitHub上已经获得29000+星的框架，让你用AI Agent完全自动化运营一家公司。

为什么这个框架值得关注？

1. 零代码部署：克隆仓库、启动服务器、把Agent加到频道，5分钟搞定
2. 全栈覆盖：从客服、运营到数据分析，Agent可以接管所有业务流程
3. 插件生态：支持连接各种API和工具，扩展性强
4. 多人协作：团队成员可以和Agent在同一个频道工作，实时协作

实际应用场景

• 客服自动化：Agent自动回复邮件、处理工单、解决常见问题
• 内容运营：自动生成社交媒体内容、发布、互动
• 数据分析：定时生成业务报告、监控关键指标
• 财务处理：自动处理发票、报销、账务核对

技术亮点

这个框架最聪明的地方是它的"人机协作"设计。Agent不是完全取代人类，而是在需要人类决策的环节自动请求审批，在可以自动化的环节直接执行。

比如：Agent处理完一封客户邮件后，如果是常规问题就直接回复；如果是投诉或特殊需求，会自动@相关负责人请求确认。这种设计既保证了效率，又不会因为AI误判造成损失。

个人思考：

这种"AI运营公司"的框架正在快速成熟。以前我们谈论AI自动化，更多是在单个任务层面。现在，这种全栈框架让AI可以接管整个业务流程。

对于创业者来说，这意味着可以用更少的人力启动更大的业务。对于传统企业来说，这是数字化转型的一个重要方向。

不过也要注意，完全依赖AI运营公司还为时过早。框架提供了很好的基础设施，但业务决策、客户关系维护这些核心工作，还是需要人类来把握。

开源地址GitHub可搜。如果你正在考虑用AI提升业务效率，值得深入研究。

🚀 免费学谷歌官方 AI + Cloud 资源的机会来了，对 AI、云原生、生成式应用开发感兴趣的朋友别错过！

本次是谷歌官方举办的 Cloud Study Jam 学习营，8月17日正式开营、9月30日结营，报名截止到8月16日（周日）23:59，没有任何门槛，对相关领域有好奇心的朋友都可以报名参加。

参与福利非常实在：
· 免费解锁 Google Skills 平台上的付费学习内容额度
· 参与谷歌开发者专家（GDE）带队的手把手实操 Workshop
· 线上自由安排时间学习谷歌 AI 与 Google Cloud 相关技能
· 结业后可获得 Google Skills 官方数字徽章 + 结业实体纪念礼包
· 活动结束后可参与10月中旬举办的配套黑客松，有机会进一步实践产出

本次学习内容覆盖当下 AI 圈热门的方向，包括 AI Skill-up Bundle、Gemini for Google Workspace、数据分析、数据库管理、Gen AI 开发、Google DeepMind 相关技能、Gemini Enterprise Agent Ready（GEAR）等，不管是入门打基础还是进阶学新工具都很有价值。

据活动分享博主 @lucas_flatwhite 透露，他之前参加过谷歌 campus 的同类活动，整体体验非常不错。

💡 已经报名的朋友评论区举个手？想找黑客松队友的也可以在这留言匹配～

🔗 相关链接
[报名链接]

🔗 相关链接
t.co/37r8VZ4IRI

官网: sites.google.com/view/2026-stud…

🧠 99%的人用Claude都用错了：给它一个角色，效果翻倍

大部分人用Claude是这样的："帮我写个东西。"

但高手是这样的：

1. 给Claude一个角色
2. 添加上下文
3. 设置明确指令
4. 定义输出格式
5. 必要时提供示例

就这么简单的改变，能彻底改变输出质量。

为什么角色设定这么重要？

Claude是一个大语言模型，它能理解"你是谁"。当你告诉它"你是一个资深Python开发者"，它会切换到那个思维模式。

就像你问一个普通朋友编程问题，和问一个资深程序员，得到的答案质量完全不同。

15个实战Prompt模板：

🧠 研究类：让Claude做深度分析
💻 编程类：代码生成、优化、重构
🐛 调试类：找出bug并提供修复方案
🤖 Agent类：构建智能代理系统
📈 商业类：制定商业计划和策略
✍️ 写作类：专业文案和内容创作
🎓 学习类：解释复杂概念
📄 文档类：分析PDF和长文档
🚀 构建类：从零搭建SaaS项目
👔 顾问类：CEO级别的决策建议
📱 内容类：社交媒体内容创作
✨ 优化类：改进你的Prompt
🧠 推理类：复杂逻辑分析
🤝 助手类：个人助理功能
👑 终极类：综合所有技巧

实战示例：

❌ 错误用法：
"帮我写个营销文案。"

✅ 正确用法：
"你是一个有10年经验的营销专家，擅长科技产品的文案。请为一款AI编程助手写一段100字的营销文案，风格要专业但不生硬，目标用户是程序员。"

看到区别了吗？后者给了角色、背景、具体要求、目标用户、风格指导。

为什么这很重要？

AI不是魔法，它需要上下文才能给出好答案。你给的信息越具体，它输出的质量越高。

这就像你给员工布置任务：说"帮我做点什么"和说"帮我用这个方法、达到这个效果、截止时间是明天"，结果完全不同。

个人思考：

Prompt工程不是玄学，是沟通技巧。

好的Prompt = 好的问题。好的问题 = 好的答案。

学会用正确的方式提问，是每个人在AI时代的核心竞争力。

做一个下dsh和pi的对比 Pi 的目标是“最小核心 + 用户自己拼”，DSH 的目标是“几乎所有能力都插件化，官方先给你几套完整组合”。 DSH 的骨架是Cordis。 Cordis 不是普通插件加载器，它强调两件事：

1. 可逆副作用（temporal composability）：插件卸载时，注册的服务、事件、工具 schema、prompt section 全部自动撤销。

1. 依赖声明与空间组合（spatial composability）：插件通过 inject 声明需要什么服务，运行时按依赖挂载。 所以在 DSH 里： - 模型适配器是插件 - 工具注册表是插件 - session log 是插件

• agent loop 本身也是插件 - 甚至 UI 也是插件 没有“神圣不可动的核心”。你想换 loop、换工具策略、换上下文压缩，挂一个新插件 + 改配置就行。 启动时是 Profile + Bundle叠出来的：

空根 → dsh-base（模型、工具、沙箱、凭证…） → dsh-web-app 或 dsh-headless → 用户自己的 cordis.patch.yml → 命令行 --patch

dsh --profile web --dump-config 能直接把当前实际挂载的树打出来。 Session 设计是硬核部分 Session 是 append-only 的事件流

模型最终看到的上下文，必须能从这条 log 完整重建出来。官方写得很死： > Model-visible means logged. 任何会进模型请求的内容，都要先变成 session event。

所以 fork、resume、回放、UI 渲染、telemetry，全部从同一条流投影。这点比大多数 coding agent 做得更彻底。 Turn / Step 有claudecode的影子，流程如下： turn/start

→ claim input → agent/pre-step（可拦截、可改写） → step/start → llm/stream

→ tool/call → tools/pre-execute → execute → post-execute → step/end → 继续 or turn/end

agent/pre-step、tools/* 这些是 waterfall，监听者必须显式 next() 才能往下传。扩展点设计得很规整。 Pi 的实际交集 DSH 仓库里有一个包： -ai/dsh-llm-pi-ai

它就是把 pi-ai当成 LLM 适配器的后端。 多 provider、协议兼容、reasoning effort 映射、catalog 覆盖，都走 pi-ai 的能力，再包一层 Cordis 插件契约。 所以：

• LLM 调用层：吃了 Pi 的基础设施 - Agent 编排、工具、session、UI、沙箱：完全自己的 Cordis 体系 “LLM 适配层直接用了 pi-ai，上层重做了一套更重的可组合 Runtime”。 模式上的对应

DSH 的 Minimal 模式才最接近 Pi 的默认体验：只留 shell + 文件编辑器，专门给 benchmark 用。 官方之前在 V4 的 agent 评测里就用过这个模式。

Standard 模式和 Code（PTC）模式则是完整工具集 + 程序化工具编排，已经远超 Pi 默认的 4 工具。 如果你喜欢 Pi 那种“核心极瘦、自己动手加东西”的感觉，DSH 会显得重，配置和概念也更多。

如果你要的是可替换的 agent loop、完整事件回放、多模式预设、以及官方已经搭好的 Web 界面，DSH 的插件树和 seam 设计更系统。 一句话：

Pi 是极简可扩展的 coding harness；DSH 是基于 Cordis 的完整 Agent Runtime，LLM 层复用了 pi-ai，但整体不是同一套代码。

🎬 告别CapCut：这个开源工具让AI帮你剪视频

有人做了一个叫Video Use的工具，专门为Claude Code设计的视频编辑器，开源免费。

工作流程简单到离谱：把原始素材扔进一个文件夹，告诉它你想要什么，剩下的它全包。

它能做什么？

• 自动剪切片段
• 删除填充词和静音
• 生成字幕
• 应用色彩校正
• 添加动画效果
• 渲染最终视频

没有时间线，不用手动拖拽片段三个小时，没有月费订阅。

和Remotion有什么区别？

Remotion是一个库，你需要手动组装每一帧。Video Use不同——它直接帮你完成编辑。

你不是在"使用工具"，你是在"指挥AI"。

为什么这很重要？

过去视频编辑是这样的：

1. 导入素材
2. 裁剪、排列、调色
3. 加字幕、动画
4. 导出、渲染

每一步都需要手动操作，一个下午可能只剪出一个30秒的短视频。

现在，Video Use把这些步骤全部自动化了。

你只需要告诉AI："帮我把这些素材剪成一个1分钟的短视频，去掉废话，加上字幕。"

剩下的时间，你可以去做别的事。

开源的意义

这个项目完全开源，在GitHub上可以找到代码。

这意味着：

• 你可以审查代码，确保没有后门
• 你可以根据自己的需求修改
• 你可以贡献功能，让工具变得更好

对于内容创作者来说，这是一个解放生产力的工具。以前需要花一个下午剪辑的视频，现在可能只需要几分钟。

个人思考

AI视频编辑工具正在改变内容创作的格局。

过去，视频编辑是专业技能，需要学习复杂的软件。现在，AI让任何人都能轻松制作高质量视频。

这降低的内容创作的门槛，让更多人能够表达自己的想法。

对于营销人员、教育工作者、自媒体创作者来说，这是个好消息。

不过，这类工具目前还不够完美。AI剪辑的逻辑可能和你的预期有偏差，需要手动调整。

但随着AI模型的进步，未来视频编辑可能会变得和写文档一样简单。

Video Use是一个值得关注的项目，特别是如果你经常需要处理视频内容。

🎬 AI直播进入实时互动时代：观众发弹幕就能改直播画面

昨天刷到一个Twitch直播，聊天室里有人用英语说"切到街头"，画面就真的从动画场景跳到了城市街景。

下一条弹幕是西班牙语的"60年代木偶广告"，紧接着画面变成了复古定格动画风格。

再然后有人用日语要求"机器人脸上缠满电线"，AI居然也接住了，生成了一张荒诞但视觉冲击力很强的画面。

这不是预录好的演示视频，是实时直播。

支撑这个玩法的是什么？

MiniMax H3 Max，一个视频生成模型。

数据：

• 生成5秒768p视频不到3秒
• 15秒视频大约15秒完成

这个速度意味着什么？

上一段视频还在播，下一段已经生成好了，中间几乎没有等待。

Pieter Levels做了什么？

他做了一个24小时AI直播网站，首页只写了一句话："The chat decides what airs next"

没有导演，观众就是编剧。

直播可能从动画突然切到真人访谈，再跳进某个荒诞广告，全看下一条弹幕说什么。

为什么这很重要？

过去视频生成模型的定位是"内容工具"——你给它一段提示词，它给你一段视频，你拿去剪辑、发布、投放。整个流程是离线的。

但实时直播把这个逻辑彻底改了。

生成速度不再是"效率指标"，而是"能不能用的门槛"。如果生成5秒视频需要10秒，直播就会卡住，观众体验直接崩掉。

H3 Max把这个时间压到了3秒以内，理论上还能给排队、内容审核、编码推流留出余量。

这不是量变，是质变。视频生成从"工具"变成了"系统"，从一个离线的生产环节，变成了一个持续运转的内容流。

技术层面怎么实现的？

两条路线：

1️⃣ fal做的后训练加推理优化，在开源版H3基础上加新数据、加可验证强化学习，吞吐量做到原版的35倍

2️⃣ FastVideo做的稀疏化加速，把49次Transformer Forward压缩到4次，结合90%稀疏度的VSA，单张Blackwell GPU最高14倍加速

两条路线的共同点：都在追求"实时可用"。不是跑分更高，不是画质更好，而是快到能接进直播流。

实操建议：

如果你想试这个方向，先别急着做24小时直播。

先用H3 Max的API做一个5分钟的互动测试，看看观众发10条弹幕，AI能不能都接住，画面连贯性能不能维持。

如果这个都跑不通，24小时就是灾难。

另外，关注FastH3的开源权重，单张Blackwell 14倍加速这个数据如果能复现，成本会低很多。