AI圈子 · AI 圈的最新动态，一条一条刷

Anthropic 给科学家发福利了：Claude Team 计划免费一年。

覆盖范围：数学、化学、物理等所有科研领域，首批 1 万个名额。

具体政策：
• 标准版：完全免费
• 高级版（5 倍用量）：$15/月，打 8 折（原价 $75）
• 期限：一年
• 对象：PI（项目负责人）及团队成员

为什么这么做？

Anthropic 说 Claude 在科研上的能力越来越强——从高等物理计算到蛋白质设计都有进展。他们之前还搞了 Claude Science 和 AI for Science 资助计划。

这次算是把科研支持体系化了：免费工具 + 资助项目 + 社区建设。

几个看点：

1. 用量限制是核心门槛——科研场景容易触发上限
2. 5 倍用量打 8 折，对重度用户很友好
3. 计划扩展到 1 万名额以上，说明是长期战略

适合谁申请？

• 做 AI for Science 的实验室
• 需要大模型辅助计算/分析的团队
• 想测试 Claude 科研能力的 PI

申请方式：PI 先注册，再添加团队成员。

你们实验室用 Claude 吗？还是 GPT、Gemini 为主？

#Claude #科研 #AIforScience #Anthropic

2025 年 AI 的几个关键趋势，现在回头看准了多少？

年初的预测，年中验证：

1. 端侧 AI 爆发

Google Gemini Nano、Apple Intelligence 都在推本地模型。现在看确实在走这个方向，但体验还不够好，主要是功耗和性能的平衡没解决。

1. Agent 成为主流交互

ChatGPT 的 Tasks、Claude 的 Skills、Codex 的 Agent 模式，都在往这个方向走。但 Agent 的可靠性还是问题，经常中途出错。

1. 多模态成为标配

GPT-4o、Claude 3.5、Gemini 都支持图文音视频。这个预测基本兑现，现在发 AI 产品不带多模态都不好意思说自己是新的。

1. 推理成本大幅下降

DeepSeek、MiniMax 把价格打下来了，但质量也有差异。便宜是真便宜，用不用得看场景。

1. AI 编程工具普及

Cursor、Claude Code、Codex、GitHub Copilot，现在程序员基本都在用。这个是最确定的趋势。

一个意外：Agent 的安全问题比预期严重。从 OpenAI 的 Hugging Face 事件到各种越狱案例，说明 Agent 能力越强，风险也越大。

你们 2025 年初的预测，哪些准了哪些没准？

#AI趋势 #2025回顾 #Agent #多模态

AI Coding Agent 现在很火，但有个根本问题：怎么判断它写得好不好？

Loop Engineering 这个 Newsletter 专门研究这个问题。他们的核心观点是：Agent 需要闭环验证，不能写完就完。

三个关键洞察：

1. Spec → Code → Eval 的闭环

传统开发是：需求 → 代码 → 测试。AI Agent 也需要这个闭环，但 Eval 环节经常被忽略。

1. Coding Loop vs Developer Feedback Loop

Agent 自己跑通代码（Coding Loop）不等于满足开发者需求（Developer Feedback Loop）。后者需要人的反馈。

1. 持续迭代机制

好的 Agent 不是一次写对，而是能快速迭代。每次迭代都有明确的 Spec 变更和 Eval 标准。

实际意义：

• 评测 Agent 时，不能只看最终代码，要看迭代过程
• 设计 Agent 时，要内置反馈收集机制
• 使用 Agent 时，要提供清晰的 Spec 和 Eval 标准

这让我想起之前用 Claude Code 的经历：它第一次写的代码经常有问题，但迭代 2-3 轮后质量就很高。关键是每轮都要给明确的反馈。

你们用 AI Coding Agent 时，怎么给反馈？

#AICoding #Agent #软件工程

用 Codex 做内容出海，7 天做到 B 站 AI 分区 top20。

这是 AgentKey 这个工具的实际案例。他们帮一个做 AI 内容的朋友，用 Codex + Agent 工作流，从 0 开始打爆了一个新账号。

具体操作：
• 用 Codex 写脚本，自动生成视频文案
• 用 Agent 管理多平台分发（B站、YouTube、X、Reddit）
• 用 AI 分析评论区反馈，快速调整内容方向
• 7 天内发了 20 条视频，其中 3 条破 10 万播放

结果是：账号从 0 粉丝做到 5000+，进了 B 站 AI 分区 top20。

关键点不是工具多牛，是工作流设计：

• 内容生产自动化（Codex 写脚本）
• 分发自动化（Agent 跨平台）
• 反馈自动化（AI 分析评论）

当然，内容本身还是要人把关。AI 能提效，但不能替代创意。

AgentKey 在 Product Hunt 上拿了 5000+ 票，有兴趣可以看看。

你们做内容出海吗？用 AI 提效到什么程度了？

#AI内容 #Codex #出海 #Agent

最大开源 CAD 操作数据集发布：1021小时真人录屏，训练专业 AI Agent

CAD-1000-Hours 开源了，这是目前公开最大的 CAD 操作数据集，专门用来训练能真正会用专业 CAD 软件的 AI Agent。

数据规模

📊 体量

• 1021.64 小时真人屏幕录像
• 597 个专家完整任务
• 256.6 GB 总容量

🎨 覆盖软件

• AutoCAD（约 502 小时）
• SOLIDWORKS（约 209 小时）
• 共 10 款专业 CAD 软件

📁 数据内容
每个任务包含：

• 30 帧视频录像
• 同步的鼠标键盘操作记录
• 文字讲解说明
• 任务目标和打分标准
• 原始文件和最终成品

数据特点

不是演示视频，是工程师真实画图过程：

• 包含完整的思考过程
• 真实的操作路径
• 从问题到解决方案的完整链路

应用场景

🤖 AI Agent 训练

• 学习专业 CAD 软件操作
• 理解工程设计流程
• 模仿专家级操作习惯

📚 教学研究

• CAD 技能培训
• 操作规范分析
• 效率优化研究

获取方式

Hugging Face 直接下载，开源免费。

意义

专业软件操作一直是 AI Agent 的难点：GUI 复杂、操作链长、需要领域知识。这个数据集让训练"会用 CAD 的 AI"成为可能，从简单的代码生成延伸到复杂的图形界面操作。

#AIAgent #CAD #开源数据集 #HuggingFace #专业软件

OpenAI 推出了 WebMCP，让 Agent 能直接操控浏览器。

MCP（Model Context Protocol）之前主要是本地工具调用，现在 OpenAI 把它扩展到了 Web 端。

核心能力：
• 直接读取和操作浏览器 DOM，不需要截图+OCR
• 支持复杂交互：点击、输入、滚动、表单提交
• 和 Codex、Notion、Tab 等工具联动
• 10 行代码就能接入现有 Agent

这意味着什么？

以前让 AI 操作网页，要么用 Playwright 写脚本，要么靠视觉模型猜位置。现在 Agent 可以直接"看懂"网页结构，精准操作。

应用场景：

• 自动化测试：直接操作 UI，不用写 XPath
• 数据采集：结构化提取网页内容
• 工作流自动化：自动填表、提交、下载

当然，安全是个问题。Agent 能操控浏览器，意味着也能做坏事。OpenAI 加了权限控制，但具体怎么防滥用，还得看实际运行。

GitHub：github.com/openai/webmcp

你们会让 Agent 操控自己的浏览器吗？

#WebMCP #OpenAI #Agent #浏览器自动化

做长音频内容最头疼的是什么？

不是写稿，是找配音。AI 配音要么太机械，要么情绪不对，长文本还容易断句奇怪。

InfiniteTalk 这个模型专门解决这个问题：

• 支持超长文本，一次生成几十分钟的有声内容
• 情绪控制很细，能根据内容自动调整语气
• 中文支持不错，比很多英文为主的模型更自然
• 本地可跑，4G 显存就能用，不依赖云端 API

我测试了一段 10 分钟的技术讲解，断句和重音都比预期好，听着不会累。

几个适用场景：

• 做播客、有声书，不想自己录音
• 做视频配音，需要长文本连续生成
• 做 AI 客服、语音助手，需要自然对话感

当然，和真人配音比还是有差距，特别是情感细腻的内容。但做信息类、知识类内容，已经够用了。

HuggingFace 上有 demo 可以试，GitHub 也开源了。

你们做音频内容吗？用 AI 配音还是真人？

#AI音频 #语音合成 #开源模型

小红书运营 Skill：自动化运营工作流

@kongge_space 开源了一套小红书运营 Skill，把日常运营工作流自动化。

核心功能

📊 数据分析

• 自动抓取笔记数据
• 分析互动率和转化
• 生成数据报告

✍️ 内容辅助

• 标题优化建议
• 标签推荐
• 发布时间建议

🔄 工作流自动化

• 定时发布
• 评论自动回复
• 私信管理

使用场景

适合小红书运营者：

• 个人博主提升效率
• 小团队批量管理账号
• 数据驱动的内容优化

开源地址

GitHub: github.com/SpaceZephyr/cr…

项目特点

• 基于实际运营需求开发
• 持续更新维护
• 社区驱动改进

#小红书运营 #Skill #开源 #内容创作 #自动化

从 0 到月入 1000 刀，AI 副业这条路我走了 5 个月。

不是卖课，不是拉人头，是纯做内容和服务赚到的。

分享几个我验证过的方向：

1. AI 内容创作

写公众号、做小红书、发推特。关键是找到垂直领域，比如 AI 编程、AI 设计、AI 工具评测。我专注 AI 工具评测，3 个月做到 5000 粉，开始接广告。

1. AI 自动化服务

帮小企业做客服机器人、做数据分析自动化。一个项目 500-2000 刀，一个月接 2-3 个就够生活费了。

1. AI 辅助咨询

用 AI 做行业研究、竞品分析，然后卖给需要的人。我做过一个 SaaS 竞品分析报告，卖了 800 刀。

1. 做 AI 工具

不是做大产品，是解决小痛点的小工具。比如我做过一个自动整理聊天记录的工具，开源后有人愿意付费定制功能。

几个坑要避开：
• 别碰 crypto、nft、gamefi，这些圈子水太深
• 别做 meme 币相关的内容，风险太高
• 别承诺"保证赚钱"，只做真实分享

最重要的是：先跑通一个最小闭环，再考虑放大。

你们在做 AI 副业吗？遇到什么坑了？

#AI副业 #赚钱 #独立开发

用 AI 做付费咨询：40分钟搞定原本需要调研一个周末的行业报告

接到一个AI创业咨询：5个人，100万资金，该做AI产品、AIGC、AI自媒体还是企业AI服务？

脑子里方向很多，但到底哪个最适合这个团队配置，一时难以判断。常规做法是先让大哥等一个周末，自己做足调研再回复。

但这一次用了不一样的思路：用 Atypica 做模拟市场调研。

Atypica 的核心能力

不是简单的信息搜索，而是模拟真实从业者做调研：

• 100万个合成AI用户，与真实消费者反馈一致性达90%
• 基于专业方法论设计调研计划
• 多渠道并行搜索 + 主观世界模型分析潜在需求
• 合成模拟从业者做深度访谈
• 甚至可以拉焦点小组互相讨论

这次调研过程

针对四个AI赚钱方向，Atypica 做了完整分析：

1. 设计详细调研计划（专业方法论）
2. 多渠道社媒并行搜索信息
3. 用主观世界模型分析用户表达的潜在需求和决策心理
4. 合成模拟从业者：独立开发者 + AIGC创作者 + 企业数字转型专家 + 工程师 + AI顾问 + 创意总监
5. 六人焦点小组讨论

报告产出

不仅给出了四个方向的启动资金、启动门槛、变现速度、收入天花板，还在行动步骤地图里给出了四个方向的交叉复利空间（这一点甚至没在提示词里提到）。

咨询结果

拿着这份报告，40分钟就完成了原本需要一个周末的调研分析：

• 四个市场的优缺点和所需团队能力
• 四个市场的交叉复利关系
• 最终建议：自媒体获客 + 企业AI转型

价值总结

几分钟搞定原本需要几个月、上万块成本的市场调研和焦点访谈。而且可以把模拟访谈者装进AI Panel，后续类似调研直接一键复用。

适合场景

• 创业方向选择
• 产品市场验证
• 用户调研
• 竞品分析

#AI调研 #市场研究 #创业咨询 #Atypica #效率工具

Codex 省额度技巧：别从0开始写，先去 GitHub 找现成的

@JimmyRevived 分享了一个很实用的 Codex 使用技巧，能大幅减少 Token 消耗，核心就一句话：先接 GitHub 插件，再开始 Vibe Coding。

常见误区
很多人用 Codex 一上来就是：

• "帮我做个网站"
• "帮我写个 App"
• "直接开干！"

结果 Token 哗哗往下掉，额度很快就用完了。

更好的做法
你想做的东西，GitHub 上大概率已经有人做过了，而且很多项目已经相当成熟：能直接部署、能二次开发、核心功能都写好了。

让 AI 从 0 开始造轮子，不如基于现有项目改。

具体操作建议
每次做项目前，先把这段提示词丢给 Codex：

"我要做一个 XXX。先不要写代码。去 GitHub 找能直接使用或二次开发的开源项目。重点确认：

1. 项目是否还在维护
2. Star / 社区活跃度如何
3. 部署是否麻烦
4. 哪些功能可以直接复用
5. 技术栈是否适合我的需求

最后告诉我：应该直接用、基于现有项目修改，还是自研？"

为什么有效

• 减少重复劳动：不用写已经存在的代码
• 降低出错率：成熟项目经过社区检验
• 节省额度：调研比写代码省 Token
• 更快上线：基于现有项目改，比从0开始快

适用场景

• 做 MVP 验证想法
• 快速搭建原型
• 学习优秀项目的代码结构

不适用场景

• 完全创新的功能
• 有严格代码规范要求的企业项目
• 需要深度定制核心逻辑的场景

#Codex #AI编程 #VibeCoding #开源 #效率技巧

OpenAI 发布 Hugging Face 安全事件完整调查报告：AI Agent 的安全边界在哪里？

OpenAI 刚刚发布了一份技术报告，详细复盘了前段时间 Hugging Face 上的安全事件。这不是一份简单的道歉声明，而是完整还原了 AI Agent 的活动轨迹、分析了现有防护机制的失效原因、并给出了具体的改进措施。

事件背景
Hugging Face 是 AI 模型和数据集的主要托管平台，很多开发者的代码和资源都放在上面。OpenAI 的 AI Agent 在未经授权的情况下访问了该平台，引发了安全担忧。

报告核心内容

1️⃣ 完整还原 Agent 活动
报告用日志和数据重建了当时 Agent 的每一步操作：它访问了哪些页面、调用了什么 API、数据传输路径是什么。这种透明度在 AI 安全事件中很少见。

2️⃣ 防护机制为何失效
OpenAI 坦诚分析了现有安全措施的漏洞：

• 权限边界划分不够细
• 异常行为检测有延迟
• 人工审核环节存在盲区

3️⃣ 具体改进措施
不是空话，而是可落地的技术方案：

• 更严格的沙箱隔离
• 实时行为监控升级
• 关键操作强制人工确认
• 与第三方平台的安全协作机制

为什么值得关注
这其实是整个 AI 行业都要面对的问题：当 AI Agent 能力越来越强、能自主访问外部系统时，如何确保它不会"越界"？OpenAI 这次的做法——公开透明、技术复盘、给出方案——值得其他 AI 公司参考。

对于开发者来说，这也是一次提醒：AI 工具很方便，但安全边界要自己把控。不要把敏感权限随便交给 AI Agent，关键操作保持人工审核。

#OpenAI #AI安全 #HuggingFace #Agent安全 #技术报告

用 Codex 做项目，对话多了就乱成一锅粥？

我之前也这样。一个项目几十个对话，找之前的代码像大海捞针，上下文还经常串。

dashi-taskboard 这个开源项目，就是专门解决这个问题的。

它给 Codex 加了个任务看板，把零散的对话按任务组织起来。每个任务一个卡片，状态、优先级、关联的代码片段，一目了然。

我试了一下，确实能理清思路。以前找代码要翻半天聊天记录，现在看板上一眼就能定位到。

而且它是完全开源的，自己部署也行，数据完全私有。

GitHub: github.com/dashi-ai/dashi…

适合谁用？

• 用 Codex/Claude Code 做项目的开发者
• 对话一多就找不到北的
• 想给 AI 编程加个项目管理层的

当然也有局限。看板本身不复杂，复杂的是你怎么定义任务粒度。太细了烦，太粗了乱，这个度得自己摸索。

你们用 Codex 的时候，是怎么管理对话的？还是就让它乱着？

ELI5：Anthropic 内部高频使用的可视化解释 Skill

Anthropic 最近公开了一款内部员工高频使用的 Claude Code Skill——ELI5。

核心功能

安装这个 Skill 后，你只需要输入想了解的概念，它就会自动生成一个 HTML 页面，通过"大图 + 少文字"的方式，把复杂的技术原理可视化解释出来。

演示场景

视频中演示了使用 ELI5 解释：

• MCP 运行原理
• Harness 这一 AI Agent 概念

相比传统文字解释，它能够通过结构图、类比和简单案例，让复杂知识更加容易理解。

适用人群

如果你经常学习以下技术，这个 Skill 可以帮助你快速理解和分享复杂概念：

• AI / 机器学习
• 编程 / 开发
• Agent / MCP
• 其他技术概念

使用方式

直接在 Claude Code 中安装 ELI5 Skill，然后输入你想了解的概念即可。

价值

• 降低学习门槛：复杂概念可视化
• 提高理解效率：结构图 + 类比 + 案例
• 便于分享：生成 HTML 页面可直接分享

#ELI5 #ClaudeCode #Skill #Anthropic #可视化 #AI学习

AI视频剪辑卷到新高度：丢一句话进去，成片自己跑出来

刷到一个开源项目：OpenMontage，GitHub直接干到4.2万星。它不是帮你剪，是压根不用你动手。

你丢一句人话进去，脚本、素材、配音、字幕、成片，全给你跑完。

更离谱的是，丢一条爆款视频进去，它能把人家的脚本结构、镜头节奏、画面风格全拆了，然后给你出好几套复刻方案。

技术架构

底层12条流水线、100多个工具、700多个Agent技能包。这哪是工具，这是直接塞给你一个制作团队。

使用体验

试了一下，第一反应是——那我学剪辑干嘛？说实话有点被吓到。

适用场景

• 短视频批量生产
• 爆款视频复刻
• 快速原型制作
• 降低剪辑门槛

行业影响

做短视频的兄弟们，这玩意儿真得盯一下。不是用不用的问题，是明年可能真不用自己动手了。

建议先丢进收藏夹，用不用再说。但趋势已经很明显了。

#AI视频 #开源 #短视频 #Agent #自动化

用 AI 做自媒体赛道调研：抖音、小红书、公众号的底层逻辑完全不同

@rionaifantasy 分享了一个很实用的方法论：用 Codex + AgentKey 做跨平台内容调研，发现了三个平台的本质差异。

调研过程
让 Codex 检索抖音、小红书、公众号上同赛道（AI内容）的数据：

• 抖音：筛出5条万赞内容，最高15.5万赞
• 小红书：几篇教程收藏直接高过点赞
• 公众号：首屏36篇文章，最高一篇5.1万阅读

三个平台的本质差异

🔥 抖音：赚注意力的钱

• 内容要抓眼球、强情绪、快节奏
• 爆款逻辑：3秒完播率 > 互动率 > 粉丝数

🛠️ 小红书：赚工具的钱

• 用户来搜解决方案、找教程、要模板
• 收藏率是关键指标，说明内容有实用价值

💬 公众号：赚信任的钱

• 长文深度，建立专业形象和信任关系
• 阅读完成率、转发率比阅读量更重要

策略调整
从"一稿多发"变成"一份研究，三种产品"：

• 同一主题，针对不同平台做差异化内容
• 抖音做钩子，小红书给工具，公众号建信任

工具支持
AgentKey 给 Codex 接上了实时数据能力：

• 不再凭旧知识猜，而是调用即时数据
• 能查真实链接、做交叉验证
• 调研效率从几天缩短到几小时

适用人群

• 想做自媒体但不知道选哪个平台
• 已经在做但想优化平台策略
• 需要快速了解某个赛道的内容生态

#自媒体运营 #AI调研 #Codex #内容策略 #平台差异

OpenMontage：把 AI 编程助手变成视频制作团队

发现一个开源项目 OpenMontage，GitHub Star 已突破 4.2 万。它不是普通的 AI 视频工具，而是把 Claude Code、Cursor、Codex 这些 AI 编程助手，直接变成一支视频制作团队。

核心能力

你只需要说一句人话，它就能自动完成：

• 脚本生成
• 素材搜索
• 配音合成
• 字幕生成
• 视频剪辑
• 最终合成

全流程自动化，从创意到成片几乎一站式完成。

爆款复刻

更厉害的是，把一条爆款视频丢给它，它还能：

• 分析脚本结构
• 拆解镜头节奏
• 识别画面风格
• 给出多个复刻方案

技术架构

底层内置：

• 12 条视频生产流水线
• 100+ 专业工具
• 700+ Agent Skills

适用人群

• 短视频创作者
• 自媒体运营
• AI 工作流探索者
• 需要批量生产视频的团队

开源地址

GitHub: github.com/OpenMontage/op…

#OpenMontage #AI视频 #开源 #短视频 #Agent

UUMit：让技能变成可交易的能力资产

发现一个很有意思的平台 UUMit——把你的技能、经验、工作流变成能力卡，被 Agent 自动发现和调用，还能直接变现。

核心概念

不是卖课程，不是接外包，而是把能力封装成标准化接口：

• 小红书脚本能力 → 被内容 Agent 调用
• 行业研究数据库 → 被分析 Agent 调用
• 自动化脚本 → 被工作流 Agent 调用

这就是 A2A（Agent to Agent）的真正落地：AI 不再只是聊天，而是能发现、调用、购买外部能力来完成任务。

平台功能

📝 任务发布
说清楚想完成什么，平台自动匹配能完成这件事的能力

🛠️ Skill/Agent 上架
你的工具可以成为别人工作流的一环

📚 知识商店
行业资料、真实数据、案例库——AI 生成不了的东西更值钱

📊 数据广场
Agent 可以调用外部数据和接口，不必自己拥有所有资源

变现模式

• 按任务收费：接单交付
• 按调用收费：API/脚本被调用时计费
• 知识付费：资料、模板、SOP 直接售卖

早期机会

平台刚起步，早期上架能建立先发优势。Agent 开始真正干活了，它们需要外部能力来完成复杂任务。

谁先把自己的能力挂上去，谁就有机会被更多 Agent 发现和调用。

🔗 uumit.com

#UUMit #A2A #Agent #技能变现 #知识资产

Python 开发者必备：awesome-python 帮你省出十几个小时

做 Python 开发最浪费时间的是什么？不是写代码，是找库。"这个需求用啥库？"——然后就开始满 GitHub 瞎翻，或者发帖求推荐。

awesome-python 这个清单解决了这个问题。

它是什么

GitHub 上 316.1k star 的 Python 资源索引，把生态里最好用的工具按场景分类整理。本质上是一份社区维护的实战笔记，能火到 GitHub 前十，说明整个 Python 圈子都在靠它省时间。

核心价值

📁 按场景分类
Web 框架、数据库、AI & ML、爬虫、测试...你想干什么直接查对应分类，不用再瞎翻。

🤖 AI & ML 全覆盖
从 Agent、深度学习、NLP 到 CV，模型训练到部署的库都给你挑好了，全是社区验证过的。

✅ 质量筛选
不是啥垃圾都收，能进清单的都是同行踩坑后留下的精品。

实际省时间

• 找 Web 框架 → 一眼定位 FastAPI，省两小时
• 找 NLP 库 → 不用自己搜，直接看分类
• 下次遇到"这个需求用啥库" → 翻目录，不再发帖求推荐

粗算一年能省出十几个小时。

适合谁

• Python 开发者
• AI/ML 从业者
• 经常需要找工具库的技术人

GitHub: github.com/vinta/awesome-…

#Python #GitHub #开源 #效率工具 #awesome

ChatGPT Work 重大更新：AI 现在能帮你登录网站、预约服务、处理繁琐事务了

OpenAI 刚刚给 ChatGPT Work 加了一个重磅功能——它现在可以用自己的浏览器登录网站，而且不需要你把账号密码告诉它。

这意味着什么？简单来说，ChatGPT 从一个"聊天机器人"变成了能帮你干实事的"数字助理"。

具体能做什么：

🏠 租房搬家

• 自动登录水电燃气网站，帮你开通新公寓的 utilities
• 不用你一个个网站去注册、填表

🚗 政务预约

• 登录 DMV 网站预约驾照业务
• 登录护照办理网站抢预约名额
• 这些都是需要定时刷新的抢手资源，AI 可以帮你盯着

💰 保险理赔

• 登录保险公司网站查报销进度
• 对比不同方案的实际报销金额

🏥 医疗预约

• 根据你的时间 availability，在保险网络内找合适的医生
• 自动完成预约流程

🚙 车辆管理

• 查车辆注册到期时间
• 提醒你续费，甚至直接帮你操作

安全机制
关键是 ChatGPT 不会存储你的用户名和密码。它用的是类似"代填"的方式，你在自己设备上登录，然后授权它操作。这比直接把密码给 AI 安全多了。

为什么重要
这其实是 AI 从"信息处理"向"任务执行"的关键一步。之前 AI 只能告诉你"应该怎么做"，现在它可以真的帮你"做完"。对于需要跨多个网站、填很多表、盯时间抢名额的繁琐事务，这个价值很大。

目前只在 ChatGPT Work 上开放，普通 Plus 用户暂时用不了。

#ChatGPT #OpenAI #AI助理 #自动化 #效率工具