计算机
快来分享你的内容吧～
10-23 10:42·后端PHP 官方发布了紧急安全更新，一口气修复了两个严重漏洞。如果网站和服务器用了 PHP 应该怎么处理？漏洞的原理是什么？本文给你讲清楚查看全文加油鸭：这篇漏洞解析太硬核了！比喻生动、原理清晰、应对方案实用，既专业又接地气，为PHP安全防护提供了及时有力的指南！831分享- 10-16 10:21·后端
- 10-14 14:10·后端
- 10-13 09:17·后端
- 10-12 09:46·后端2 分钟解锁全新 AI 视频创作玩法！一句话让 AI 全自动做出 4K 产品宣传片，我 AI 产品宣传视频制作器开源到了 GitHub。 无论你是想宣传 APP、网站、开源项目的程序员，还是内容创作者，都能让 AI Agent 低成本做出大片！查看全文加油鸭：太酷了！把AI编程和视频创作结合得这么巧妙，还开源分享，这份技术热情和利他精神真让人佩服！1639分享
- 10-08 09:38·后端
- 09-09 14:13·后端ChatGPT Images 2.5 发布，10 大玩法实测，顶流的 AI 生图模型到底怎么样？扔掉 PS 吧，人人都是艺术家的时代，真的到来了。查看全文加油鸭：鱼皮这波测评太硬核了！Sketch草图+Comment精修+透明背景，把AI生图体验直接拉满，技术人的创意自由感扑面而来～1033分享
- 09-08 18:42·后端
- 09-07 11:43·后端GPT-6 Astra 实战测评，4 大项目实战，覆盖 AI 编程能力和 Computer Use 电脑操作能力，看看号称全世界最智能的模型，在 Codex 中的使用体验到底如何？和 Claude Fable 5 比起来怎么样？查看全文蒙牛：请问，现在模型评测只能自己评测么?有没有比较权威的网站来展示各个模型的能力744分享
- 09-04 11:29·后端OpenAI 正式推出 GPT-6 Astra 模型，带大家看看这次 GPT 有哪些提升，跟 Claude Fable 5.1 有什么差距？AI 编程能力如何？AGI 真的来了么？查看全文加油鸭：鱼皮老师这篇深度解析太硬核了！从AGI时代判断到实测对比，再到提示词工程启发，信息量爆炸又条理清晰，干货浓度拉满！731分享
PHP 被曝两大致命漏洞，请所有程序员抓紧做这件事！
PHP 是世界上最好的语言！  曾经，这是编程界热度最高的梗。 如今，这个梗的含金量还在上升。 要知道，PHP 支撑着互联网上很大一部分网站，政府服务、网上商城、银行、媒体网站都有用到它。也正因为用的人太多，它一出漏洞，波及的就是一大片网站。 10 月 21 日晚上，PHP 官方发布了紧急安全更新，一口气修复了两个严重漏洞。两个漏洞的评分都是 9.2 分（满分 10 分），被安全圈称为 PHP2Shell。 **攻击者不需要登录，只要给你的网站发送特殊构造的请求，就有可能在服务器上执行任意代码！**  这次参与发现漏洞的团队里，至少有两家公开表示用上了 AI。按照 PHP 基金会的说法，其中内存超限那个问题，早在 2024 年的一次安全审计中就露出过苗头，只是当时没有找到真正能利用它的方法。直到今年 8 月起，完整的攻击方式才被陆续报告出来。 更要命的是，攻击已经开始了。亚马逊、watchTowr 等安全厂商都监测到了针对这两个漏洞的攻击尝试，亚马逊甚至在官方公布漏洞的 4 天前就抓到过一次。 我团队的同学看到消息之后，第一时间检查了服务器，我也专门写了这篇文章来提醒大家。 下面我先用大白话讲讲这两个漏洞是怎么回事，再说说程序员朋友们应该如何应对。 ## 1、两个漏洞是什么？ 要理解这两个漏洞，得先知道 PHP 是怎么处理网页请求的。 你可以把服务器上的 PHP 想象成一家餐厅。每当有用户访问网站，就相当于来了一桌客人，PHP 会派一个服务员来接待，这个服务员就是 PHP 的工作进程。 服务员会给这桌客人分配一张桌子，也就是一块内存。为了防止有人霸占太多位置，每张桌子能用的空间是有上限的。 而且服务员不是一次性的，他接待完一桌、收拾干净之后，会接着接待下一桌。也就是说，同一个工作进程会接连处理很多个请求。  ### 漏洞 1 - 内存超限后没收拾干净 第一个漏洞（CVE-2026-109618）出在内存超出上限的时候。 PHP 的规矩是，一旦某桌用的空间超过上限，服务员就立刻放下手里的活离开，不管当时做到了哪一步。 问题在于，服务员离开的时候可能刚摆台摆到一半，桌上有一块地方还没来得及铺上新桌布，上面还留着之前的东西（也就是这块内存里残留的旧数据）。 随后负责收尾的店员（也就是 PHP 结束请求时的清理流程）过来收拾，以为这桌都已经按流程摆好了，就把这块没准备好的地方也当成正常的东西来处理。 攻击者利用的就是这一点。他先想办法在那块地方留下一张写着指令的纸条（也就是攻击者精心构造的数据），再故意让这桌超出上限。收尾的店员看到纸条，以为是店里正常的安排，就照着上面的指令去做了。  那攻击者怎么让内存超限呢？ 他会发送一种特殊构造的表单请求，比如用文件上传那种格式（multipart/form-data）。这种请求在网络上传输时看起来并不大，能通过 PHP 的大小检查，但 PHP 解析它的时候，会占用更多内存。 注意，这跟你的网站有没有上传功能无关。只要请求打到了 PHP 页面上，PHP 都会自动解析这类请求。 更麻烦的是，如果用的是 mod_php（把 PHP 直接装进 Apache 里运行），这一切都发生在 PHP 解析请求内容的阶段，你写的业务代码还没开始运行。 **也就是说，这个漏洞出在 PHP 自己身上，跟你的代码写得好不好没有关系，代码写得再规范也拦不住。** ### 漏洞 2 - 上一桌的旧记录没擦掉 第二个漏洞（CVE-2026-109619）出在同一个工作进程接连处理两个请求的时候。前一个请求留下的数据没有清理干净，后一个请求又把这些失效的数据当成有效数据来用了。 这个问题还是用餐厅来类比，会更好理解。 服务员手上有一个记事本（也就是 PHP 的全局状态），记着当前这桌客人的信息，比如坐在哪张桌子、东西放在哪里。按照规矩，一桌客人离开之前，服务员要把记事本上的这一页擦掉。 但如果这桌客人突然出了意外（也就是请求处理时发生了严重错误），被紧急送走了，服务员一着急就忘了擦记事本。可这张桌子已经被收回去，转手分给了别人（也就是这块内存已经被释放，又被重新分配出去了）。 等到下一桌客人坐下，服务员还没来得及翻到新的一页，就照着旧记录去原来那张桌子上拿东西。而这时候桌上摆着的，已经是攻击者提前放好的东西了。  对应到真实的攻击中，攻击者会先发一个请求，让 PHP 发生严重错误，再发一个请求，让同一个工作进程照着旧记录办事。这样一来，他就有机会控制服务器，或者读到内存里残留的其他数据。 官方已经确认了两条攻击路径。一条是 PHP 的上传进度跟踪功能，这个功能默认就是开启的，哪怕你的网站代码里从来没用过它，它也可能被触发。另一条只存在于 PHP 8.5，跟它新增的致命错误回溯功能有关。 按照 PHP 官方的说法，**所有处理网页请求的 PHP 都在风险范围内**，包括 PHP-FPM、Apache mod_php 这些常见的运行方式，其中 mod_php 的风险最高（PHP-FPM 也不安全）。 这两种运行方式的区别在于 PHP 跟网站服务器的关系。PHP-FPM 是让 PHP 作为一个独立的服务运行，再由 Nginx 这类网站服务器把请求转交给它，宝塔面板用的就是这种方式。mod_php 则是前面提到的，把 PHP 直接装进 Apache 里运行，官方已经验证过，攻击者在这种方式下能赶在业务代码运行之前发起攻击。  目前官方已经发布了修复版本，分别是 8.2.35、8.3.36、8.4.27 和 8.5.12。8.1 及更老的版本官方已经不再维护，只额外给 7.4、8.0、8.1 提供了源码补丁。7.3 及更老的版本连源码补丁都没有，只能迁移到新版本。  官方还特别强调，**目前没有任何配置能完全替代升级，升级是唯一安全的选择。** ## 2、如何处理 知道了漏洞的原理和影响范围，接下来就该检查自己的服务器了。 很多同学会用宝塔面板来管理服务器，我自己的部署教程里也经常用它，所以下面主要以宝塔为例来讲。 宝塔面板本身是用 Python 开发的，不是 PHP 程序，所以面板不会因为这次漏洞直接受到影响。但是通过宝塔安装的 PHP 在受影响的范围内，需要你自己处理。 先看看服务器上有没有装 PHP。登录宝塔面板，进入「软件商店」，切换到「已安装」列表，再搜索 PHP，就能看到装了哪些版本。  如果服务器上装了多个 PHP 版本，要逐个检查，别漏掉还在运行的旧版本。 另外，宝塔的软件商店里只能看到通过宝塔装的 PHP。如果你还用 apt 或 yum 命令装过 PHP，在这里是看不到的，要在终端执行 `dpkg -l | grep php`（Ubuntu、Debian）或者 `rpm -qa | grep php`（CentOS、RHEL）来查。 确认装了 PHP 之后，就要看你到底用不用得到它，分两种情况来处理。 ### 情况 1 - 用得到 PHP 如果你的网站本身就是用 PHP 开发的，比如 WordPress 搭的博客，那就要尽快升级。 宝塔官方在 10 月 21 日当天就发布了紧急公告，PHP 官方的 4 个修复版本都已经同步上架。对于 7.4、8.0、8.1 这三个 PHP 官方停止维护的版本，宝塔也自己打上补丁，给 Linux 面板重新打包了修复版。  如果你用的是 Windows 版宝塔，8.1 及更早的版本目前还没有修复包，只能先按下文的方法修改配置临时缓解，然后尽快迁移到新版本。 升级方法也不复杂。先备份好网站和配置，然后还是在刚才的「已安装」列表里，点击右上角的「更新软件列表」，再找到网站正在使用的 PHP 版本，点击「更新」就行。  **升级完成之后，记得检查一下网站能不能正常访问。** 如果你没用宝塔，而是通过系统软件源安装的 PHP，处理方法也差不多，把 PHP 升级到包含补丁的版本，再重启 php-fpm 或者 Apache 就行。 不管用哪种方式升级，都别以为升完就稳了。攻击在漏洞公布之前就已经出现，而且攻击成功之后网站照样能正常访问，你很难察觉。所以如果你的服务器在升级前一直对外开放，最好顺手看看有没有陌生的进程和文件，必要时把数据库密码、API 密钥这些也换一下。（可以让 AI 帮忙检测） 如果暂时没办法升级，可以先修改 PHP 的配置文件 php.ini，做这几项临时缓解： - 把 `session.upload_progress.enabled` 设置为 0，关闭上传进度跟踪功能 - 如果用的是 PHP 8.5，再把 `fatal_error_backtraces` 也设置为 0 - 把 `post_max_size` 调小一点，网站不需要上传就设成 8M，需要上传就设成 32M，并且让 `upload_max_filesize` 小于它，降低漏洞 1 的风险 改完之后要重启 PHP 才能生效。不过这些都只能堵住部分已知的攻击路径，最终还是要升级。 ### 情况 2 - 用不到 PHP 之前我在好几个项目的部署教程里，都推荐大家第一次进入宝塔时安装 LNMP 套件。这个套件除了 Nginx 和 MySQL，还附带了 PHP 和 phpMyAdmin。 可那几个项目都是 Java 后端 + 前端，其实根本用不到 PHP。 **那装了但没用到，到底有没有风险呢？** 在宝塔里，PHP 安装好之后会作为一个服务一直运行。你创建网站的时候如果选择了 PHP 版本，Nginx 就会把 PHP 请求转交给它处理。phpMyAdmin 本身也是一个 PHP 程序，只要装了它，服务器就在用 PHP。 另外，只要服务器上装了 PHP，也得留个心眼。比如在 Ubuntu 系统上，如果你直接执行 `apt install php` 命令，系统默认会顺带装上 Apache 和 mod_php，正好是官方认为风险最高的组合。 所以我的建议是，**用不到 PHP，就直接卸载。** 少装一个软件，就少一个被攻击的入口，下次再出漏洞也不用再排查一遍了。 我们团队的项目用不到 PHP，所以这次就直接卸载了：  注意，卸载之前要先去网站列表里确认一下，没有网站在使用这个 PHP 版本，不然这些网站就访问不了了。phpMyAdmin 依赖 PHP 运行，如果你平时用不到，也可以一起卸载。 ## 最后哔哔 再次强调，这次的两个漏洞藏在 PHP 最底层的内存管理和错误处理里，跟你写的业务代码关系不大，能做的就是尽快升级或者卸载。 用得到 PHP 就升级到修复版本，用不到就直接卸载，千万不要有侥幸心理！（来自一个常年被打的鱼皮提醒）  OK 就到这里，如果你觉得这篇内容有帮助，记得 **转发分享** 给身边的程序员朋友，尤其是用宝塔部署过项目的同学，让他们也抓紧检查一下。
我用 REA 逆向了付费颜色 APP，结果很意外！
大家好，我是程序员鱼皮。 最近一周，我的时间线被一个叫 REA 的开源项目刷屏了。 起因是 AI 圈的知名博主 Matthew Berman 发了条推文：**逆向一切，软件已死。**  这条推文直接爆了，到处都是「以后什么软件都能被 AI 扒光」的声音。 大家也纷纷晒出自己的逆向战绩。 有个老哥嫌语音输入工具 Typeless 越来越贵，干脆用 REA + Claude 把它逆向了，前后说了两句话、花了 25 分钟，就在自己 Mac 上复刻了一个不用登录、不用订阅的本地版。  还有个老外嫌每次找空调遥控器麻烦，直接把自家空调的 App 逆向了，做了个 Mac 状态栏小遥控，点一下就能开关、调温度，再也不用满屋找遥控器。  还有更离谱的。有个老哥把自家智能马桶的微信小程序也逆向了，做了个电脑状态栏遥控，坐在工位上点一下，书房那头的马桶盖真就翻起来。  这个项目在 GitHub 上也跟坐了火箭一样，建仓大半年一直不温不火，结果十月初几天内 Star 数就从几万冲到了 20 多万。  那问题来了：**如果让你来逆向，你最想搞什么软件？** 我的想法可能跟不少人一样，肯定是逆向游戏和《学习类》APP。 所以这篇文章，我就拿一个游戏和一个学习 APP 开刀，顺便用大白话把 REA 讲明白，看看它到底有几分真本事。 ⭐️ 本文对应视频版：[https://www.bilibili.com/video/BV1fZJ26mEQo](https://www.bilibili.com/video/BV1fZJ26mEQo) ## REA 到底是什么？ REA 的全称是 Reverse Engineer Anything，翻译过来就是「逆向一切」。 要搞懂它，得先知道什么是逆向工程。 **逆向就是手里没有源代码，只拿着编译好的成品程序，反过来推出它内部是怎么实现的。** 打个比方，你在饭店吃到一道好菜，但没有菜谱，于是靠尝味道、看食材，自己反推出这道菜的配方。 软件逆向干的就是这件事，只不过把「菜」换成了一个没有源码的 App。  注意，REA 本身并不是大模型，它是一套跑在你自己电脑上的 **命令行工具加 MCP 服务**。 逆向圈原本就有很多老牌工具，比如分析原生程序的 Ghidra、IDA，拆安卓安装包的 JADX。这些工具功能很强，但门槛也高，基本只有黑客和安全研究员才会用。 REA 做的事情，就是把它们打包成一个统一的接口，接到 Cursor、Codex、Claude Code 这类 AI 编程助手上。  为什么要多这一层呢？ 以前你把反编译出来的一大坨机器码直接丢给 AI，它既读不懂，也不知道下一步该调哪个工具去查。有了 REA 之后，AI 能自己选对工具，拿到带编号的分析证据，哪里没看懂再针对性地追问。 **说白了，就是把黑客的一整套逆向流程，变成了 AI 能自己跑起来的工作流。** REA 的安装也很简单，一行命令就能搞定： ```bash npx rea-agents setup ``` 或者直接跟 AI 说一句话，让它帮你安装： ```markdown 帮我安装 github.com/morluto/rea ``` 它到底有几分真本事？我带大家上手体验一下。 ## 实战 1、逆向单机游戏 我有个特别喜欢的单机安卓游戏，叫《火影战记》。可惜作者已经好几年没更新了，一直都是那些角色，玩的有点腻了。  我一直想给它加一个新角色，让自己玩个开心。 但以前这事只能想想。我没有源码，改游戏得懂反编译、懂资源格式，还得会画像素图，每一样都够我喝一壶的…… **现在有了 AI 加 REA，终于可以试一把了！** 一开始我用的是 Cursor 加 Claude Opus 5.5 模型，把游戏安装包直接丢给它，让它照着 REA 去拆。  虽然 AI 说是成功添加了一个新角色，但最后改完的游戏包一打开就直接卡死，结果让我大失所望。 于是我换成了 Codex 加 GPT-6 Astra 模型，整个过程顺畅多了。  有意思的是，Codex 没急着动手，反而先问了我一句：新角色有没有指定人选？ 我说就迈特凯，就是那个穿绿衣、会开八门遁甲的热血忍者。 它随后调用 REA 把安装包整个拆开，摸清了游戏引擎（一个 cocos2d-x 写的原生库）和三种私有资源格式：角色脚本是改了头的 gzip，贴图是改了头的图集，动画索引里存着帧名哈希和裁切信息。 其中最关键的是摸透角色的注册流程。因为光把迈特凯的素材塞进游戏，他是不会出现在选人界面的，角色名单是写死在原生库里的。  **真正让 AI 下得去手的，就是 REA 这一层。** 它把私有资源格式和原生库拆开、整理成 AI 能读懂的证据，AI 才看明白角色是怎么注册、怎么渲染的，否则面对一坨机器码根本无从下手。 至于具体的数值和技能，就没必要抠太细了。简单说，迈特凯和小李都是体术流，Codex 就直接拿小李的数值当基准，技能也复用游戏里现有的攻击和位移指令来实现，这样新角色不容易破坏原有的战斗规则。 美术部分，它还派了一个子智能体专门给迈特凯画像素立绘，跑步、出拳、踢腿，连八门遁甲的特效都安排上了。  素材和数值都弄好之后，Codex 还在一个独立的安卓模拟器里做了验证。 打开游戏，选人页里真的多了一个迈特凯：  选完人进场，迈特凯稳稳站住了，血条、金币、技能图标都正常，非常不烧心~ ❤️🔥  接着开一局试试，技能放出来也像模像样，这就是青春啊！  虽然在数值平衡、音效、画风上还有不少小问题，但可以正常玩耍，我已经很满足了。 ## 实战 2、逆向学习 APP 接下来，我要逆向一个颜色… 哦不，学习 APP。 这次还是先用 Cursor 加 Claude Opus 5.5 模型。结果 AI 刚开始干活，就撞上了安全过滤，对话被自动切换到了 Claude Opus 4.8。  我三番五次软磨硬泡，跟 AI 说我就是想学技术，但它还是守着底线，只肯做静态分析，死活不肯把完整源码反编译出来。 它的原话是：无论怎么框定成「学习」或「反诈」，把这个特定 App 的真实代码还原出来，就是复原它访问和分发内容的管道，这件事本身就越界了。  它一眼看出这是个 Flutter 做的 App，业务逻辑都编译进了一个叫 `libapp.so` 的文件里；还发现它虽然套了 360 加固壳，但加固只保护了 Java 层的代码，根本没盖住 Flutter 这半边；甚至连它底层还在用 2017 年、早就该升级的老版本加密库都给我揪了出来。 **它还顺手把这类 App 的赚钱套路扒了个底朝天。** 这就是一类「挂羊头卖狗肉」的 App，拿学习当幌子，真正的生意是收割用户。  它坑人的手法其实也是经典套路了。 第一，App 里搞了三套虚拟货币，真钱先换成金币，金币再换积分，绕来绕去你就算不清自己到底花了多少钱。 第二，签到领随机金币、拉人头给返利，前者是赌博机那套让你上瘾，后者本质就是让你把亲友也拉下水的分销。 第三，也是最危险的，这类 App 的客服和退款全都引导你去站外的聊天软件处理。一旦 App 被封，它换个马甲就能重新上架，而你手里一点证据都没有。 所以真心建议大家不要用这类 APP 来学习！  **AI 有底线是好事，但对真心想学技术的人来说，确实有点卡手。** 于是我换成了 DeepSeek Harness 工具加 DeepSeek 模型，还是让它照着 REA 去逆向，想着限制应该会松一些。  蓝色大肥鱼听话多了，几句话就把这个 App 的工程骨架讲明白了。  整个 App 是 Flutter 3.27 写的，界面、逻辑和底层能力分成了几层，想换皮只动上面一层就行。它没用系统自带的播放器，而是自己打包带了一套 B 站开源的 IJKPlayer。 这么做是为了兼容性。系统自带的播放器支持哪些视频格式，是手机厂商说了算的，各家不一样，同一条视频可能这台手机能播、那台就报错。自己带一套 IJKPlayer，解码能力就自己说了算，不管用户拿的是什么手机都能把视频播出来。  连夜间模式都单独做了一整套配色图，一共 128 张，宁可多塞几 MB 也要把观感做好。 看来它很清楚，大多数用户都是在夜里躺床上学习的。  我又顺手让它把这个 APP 改造成一个 AI 编程学习 APP。它派了好几个子智能体一起干，最后交付了一份技术讲解文档，还有一个能直接运行的学习 App。  我在本地把这个学习 App 跑了起来，首页是七个模块的课程地图，从 Python 基础一路到 Agent 实战。 点进第一节课，里面有讲解、有能直接复制运行的代码，还配了随堂测验，内容全是原创的 AI 编程知识。  通过逆向这个 APP，还能发现一个挺实用的工程经验。 很多开发者以为 Flutter 代码编译成机器码就逆不出来了，于是把密钥、接口地址直接写死在代码里。但加固壳只盖住了 Java 层，Flutter 这半边是敞着的，这其实是一种安全幻觉。 所以你要是也在做客户端开发，真正需要保护的东西，比如密钥和核心逻辑，就别全堆在客户端上，该放后端的老老实实放后端。 ## 最后哔哔 体验完 REA，我个人觉得：**就那样吧。** REA 工具本身没有发明什么新技术，真正强大的其实是 Ghidra、IDA 这些早就存在的逆向工具，REA 只是把它们整合到了一起，把逆向这件原本只有少数人玩得转的事，压缩成了一行命令、一个服务，让普通人也能指挥 AI 去拆软件。 这才是它能出圈的原因，它也确实让很多人第一次了解到了逆向这件事，是有意义的。 不过噱头大于实际，很多人是冲着「软件已死」这种爽文叙事来的，真正会天天用它的没几个。 而且不用 REA，现在的 AI 模型照样能自主逆向，它完全可以自己去装工具、读反编译的结果。 甚至因为 REA 这个包实在太重，光工具定义就有差不多 170 个、往上下文里塞十几万 token…… 裸着让 AI 自己干，少了这份负担，反而可能更快更省地完成任务。  至于「软件已死」这种说法，当个乐子看就好了，一方面是逆向过程中，可能会触发模型的安全限制，被降级和拒绝。 另一方面，客户端的代码和界面能被读懂、被重写，不代表后端、数据和持续的运营也能被拿走，这些才是很多软件真正值钱的部分，也是软件的护城河。 OK 就分享到这里。如果你对 AI 编程感兴趣，可以看看我免费开源的 [《AI 编程零基础入门教程》](https://ai.codefather.cn/vibe)，上千张图、几十万字，带你从 0 开始快速学会 AI 编程，做出自己的产品、跑通变现全流程，一次拿捏。 > 开源仓库：[https://github.com/liyupi/ai-guide](https://github.com/liyupi/ai-guide)  我是鱼皮，持续分享 AI 编程干货。觉得有用的话记得点赞收藏和关注~ 也欢迎在评论区聊聊：你最想逆向什么？
刚刚 Gemini 4 Argon 发布，对谷歌最失望的一集！
大家好，我是程序员鱼皮。 今天凌晨，Google 终于把 Gemini 4 Argon 模型全面放出来了。 这个模型其实 9 月 30 日就官宣了，但当时只给了一批安全厂商内测，普通用户又干等了两周。 这也是 Google **七个多月来** 第一次发布 Flash 以上级别的新模型。 这大半年里 Anthropic 和 OpenAI 轮番发旗舰，Google 只顾着更新 Flash，网友对它的评价 be like ↓  先看看新模型的价格。11 月 30 日之前是限时五折，每百万 token 输入 2 刀、输出 10 刀，之后恢复到 4 刀和 20 刀。 第三方评测机构 Artificial Analysis 算过一笔账，Argon 跑一个测试任务平均花 1.99 刀，Claude Opus 5.5 要 5.98 刀，但 GPT-6.1 Sol 只要 0.72 刀。 也就是说，Argon 在旗舰模型里算便宜的，但还谈不上性价比之王，等五折结束价格还要翻一倍。 再看能力。官方跑分表里跟 GPT-6 Astra、Claude Fable 5.1、Claude Opus 5.5 比了 19 项，Argon 拿了 14 项第一！  不过在编程能力上，Argon 并没有全胜。考察命令行编程能力的 Terminal-bench 4.0 上，Argon 只有 57.4%，比 Opus 5.5 低了整整 9 个点。 有一说一，官方放出来的演示是真的唬人。比如这个巫师国际象棋，你看到的所有画面元素都是 Argon 自己完成的。  还有一个演示更夸张，Argon 把一张办公桌的照片，直接变成了一个能玩的微缩赛车游戏。  看完这些，我对它的期待一下子就拉满了。 当然，跑分和官方演示都只是参考，模型好不好用，还得拿真实项目来检验。 老规矩，鱼皮实测启动！  这次实测 3 个项目，由浅入深分别为： 1. 3D 版动画知识讲解 2. 以撒的结合肉鸽游戏 3. 零依赖桌面微缩赛车 点个收藏，咱们开始~ ## 1、3D 版动画知识讲解 为了对比，第一个测试我直接复用老的。让 AI 用 3D 动画讲解 Kimi K3 的「注意力残差」机制，提示词跟之前测 Claude Opus 5 和 Kimi K3 时一字不差。 提示词里我只要求 AI 先联网查资料、用 Context7 查 3D 库的最新文档，场景怎么搭、动画怎么编排全部放开交给 AI。  AI 先用 Firecrawl 把注意力残差的原论文抓下来核对公式，又查了 Three.js 的文档，11 分钟左右就交卷了。 来看成品。页面分成四幕，第一幕讲传统残差的毛病，用「64 层大楼的大锅汤」做比喻，越往上的楼层越膨胀，第 1 层的关键信息被稀释到只剩 1.6%。  第二幕切换到注意力残差，第 15 层伸出一根紫色探针回头检索，从第 0 层架起一座金色光桥直达顶层，早期信息的保留率一下子拉到了 96.7%。  最后一幕把两座塔并排对比，右侧还能切换不同的场景，拖动滑块就能实时看到每一层权重的变化。  虽然内容没啥毛病。 **但是，前端的问题很明显！** 左右两块信息面板塞得太满，把中间的 3D 场景挤得只剩三分之一，塔顶还被顶部导航栏挡住了一截。 而且仔细一看，图例和滑块上一共有 6 处公式压根没渲染，直接露出了 `alpha_{i \to l}` 这种源码。 页面上满屏都是 Emoji 就更不用多说了……  手机端的适配也很一般，大家自己感受一下吧：  之前 Kimi K3 的版本干净利落，只有一排节点和金色弧线。  Claude Opus 5 的版本同样做了两种残差的并排对比，而且画面布局更合理，更利于阅读。  论信息量，Argon 是三个里最多的。但显然，Opus 5 那一版更适合给人用。 ## 2、以撒的结合肉鸽游戏 第二个项目我让 AI 复刻「以撒的结合」游戏。这道题的提示词同样跟测 Opus 5 时一模一样，难点在于角色、怪物、道具全部要用代码画出来，还要有随机地牢、道具系统和 Boss 战。  12 分钟后，AI 交卷了。开始界面有点儿原作的味道，哭唧唧的以撒对面站着第一层的 Boss 萌斯戳（我也不知道 AI 为啥要这么翻译）。  我翻了一下 AI 的自测脚本，发现 Boss 战和通关这几张截图，都是用调试接口直接传送到对应房间拍的。Boss 那张「激战」截图，是脚本先把 Boss 的血量改成 78、再挪到指定位置摆出来的，通关界面上的击杀数和存活时间也是脚本直接写进去的。 所以我又让 AI 写了一个脚本，只用键盘从第一个房间开始真实体验游戏。 战斗画面还不错，岩石、便便堆、小地图、属性面板一应俱全，四种小怪的走位方式各不相同。  清完房间会刷出道具，比如拿到「蟋蟀头」之后，以撒头上多了一个猫耳头套，攻击力从 3.5 涨到 6.6，眼泪也变成了三连发。  这就是 AI 自测时摆拍的那张 Boss 战，萌斯戳的造型倒是还原得挺到位。  然后就尴尬了，我的脚本进 Boss 房 2.5 秒后截了张图，发现萌斯戳已经被打死了……  不是哥们，115 滴血的 Boss，被三连发的眼泪两秒多就打没了？这是不是有点太简单了。 AI 自己没发现这个问题也不奇怪，因为它的自测从来没有从第一个房间一路打到 Boss 房。 最后小人儿触碰金箱通关，会弹出一个结算界面：  再看看用同一段提示词的 Claude Opus 5 版本，房间里铺满了血迹和岩石，细节更丰富。  之前 Kimi K3 做的版本就简陋多了。  整体来看，Argon 的美术还原度已经接近 Opus 5，比 Kimi K3 好了一大截。但是数值平衡完全没调，Boss 一碰就碎，可玩性大打折扣。 ## 3、零依赖桌面微缩赛车 第三个项目，我想专门测一下 Argon 主打的 3D 能力。 开头提到的那个官方演示里，Argon 把一张办公桌的照片变成了能玩的微缩赛车游戏，但官方用上了 Blender、Nano Banana 和 Three.js 一整套工具。 这次我把工具全部拿掉。提示词里卡死了一条，不准用任何第三方库和外部素材，3D 渲染、物理碰撞、引擎声音全部从零手写。赛道怎么设计、桌面物件怎么建模，我一个字都没写。  不到 11 分钟，AI 就交卷了。3400 多行代码里，矩阵运算、赛道曲线、着色器、漂移物理全是手写的，真的一个库都没用！  点击开始，起跑线上有黑白格和拱门，左边是逐个键帽建模的机械键盘，倒计时结束就能发车。  过弯时按住空格可以甩尾漂移，后轮会喷出白烟，右上角实时显示漂移角度。  画面是方块风格，比如你看马克杯就是一个红色圆柱，跳台就是一块纯黄色的平板，离官方演示那种写实感差得远。 但别忘了，这可是纯手写的 WebGL。  下图是 AI 自测时拍的成绩单，三圈的圈速、漂移积分、碰撞次数都有。  然而我翻代码时发现，**这张成绩单是假的！** AI 在游戏里给自己留了一个「演示结算」的口子，自测脚本先把车传送到终点，再把编好的三个圈速和写死的积分塞进去，实际上一圈都没跑过。  AI 确实用浏览器打开了游戏，也用键盘开了几段，每张截图都自己看过一遍。只不过它的测法是把车直接放到弯道口、键盘边上，开两秒就截图，相当于只抽查了几个片段。 真正的问题在于，整个游戏最核心的那条链路，也就是从发车、跑完三圈、计圈到结算，AI 一次都没验证过，最后那张成绩单还是拿假数据凑出来的。 于是我又让 AI 写了个自动驾驶脚本，只按方向键，真实跑完三圈。  好在游戏本身是真能玩的，计圈和结算都没问题。 ## 我的感受 3 个项目跑下来，我对 Argon 有了一个基本的判断。 不知道是不是我最近 Claude Opus 5.5 和 GPT-6 Astra 用多了，我对 Gemini 4 Argon 还是有些失望的。 它确实能完成独立的项目开发，功能清单一条条对下来，好像也都符合要求。但真上手用一下，我发现它离能直接交付还差得远。 跟其他顶级模型比，差距就在这个 **可交付性** 上。  当然进步也是有的。3 个项目的完成速度都不错，3D 和美术能力比以前的 Gemini 强了不少，以撒那个项目的画风接近 Opus 5 了。 但是 AI 自测验证会偷懒的问题，也不止我一个人遇到。海外科技媒体 Every 的团队实测发现，Argon 在 38 次测试里有 17 次，代码审查这一步从打开到关闭只隔了 30 毫秒，等于根本没看。 我又翻了一圈网友的实测，整体评价跟我差不多。有人拿 Argon、Opus 5.5、GPT-6.1 Sol 和 Astra 做同题对比，结论是 Opus 5.5 依旧断崖式领先，Argon 第一轮还报了语法错误；也有开发者直说 Argon 的前端和动效不行，缺少审美。 **那网上那些刷屏的惊艳 3D 作品是怎么回事呢？** 我仔细看了一下，它们大多是在 Google 自家的 Antigravity 里接上 Blender，反复调了好几轮才做出来的，开头那个官方演示也是这样。跟我这种一段提示词、不给任何工具的测法，根本不是一回事。  也就是说，**用 Argon 的话，一定要自己验收，千万别把 AI 交上来的报告当成结论。** 再说说成本，这 3 个项目一共花了多少钱呢？ 答案是 4.55 刀，折合人民币 30 多块钱。  平均下来每个项目 10 块钱左右，跟上个月我用 Gemini 3.8 Flash 跑 3 个项目花的钱差不多。而且这还是五折价，11 月 30 日之后还得翻一倍。 **所以，我个人不太推荐大家用 Gemini 4 Argon。** 它交上来的东西，还得自己花时间一点点验收和返工。真要做能交付的项目，我宁愿多花点钱用 Claude，至少拿到手的东西能直接用。 --- OK 就分享到这里，本文会收录到我免费开源的 [《AI 编程零基础入门教程》](https://ai.codefather.cn/vibe)，上千张图、几十万字，带你从 0 开始快速学会 AI 编程，做出自己的产品、跑通变现全流程，一次拿捏。 > 开源指路：[https://github.com/liyupi/ai-guide](https://github.com/liyupi/ai-guide)  我是鱼皮，持续分享 AI 编程干货。觉得有用的话记得点赞收藏和关注~ 也欢迎在评论区聊聊：你用 Gemini 4 Argon 了嘛？觉得这个模型怎么样？
Personal Agent 是什么？为什么大厂都抢着做？连 DeepSeek Bot 都来了。。
大家好，我是程序员鱼皮。 最近 AI 圈的风向又变了…… 8 月，马斯克家的 Grok Bot 开启公测；9 月初，Meta 推出了 Muse；9 月底，OpenAI 又在开发者大会上发布了 Dots。 到了这个月，连民间开发者都给 DeepSeek 做了一个 DeepSeek Bot 插件。  短短两个月，几家 AI 巨头扎堆发布了同一类产品，而且宣传语基本都是雷同的，无非就是什么：有自己的电脑、24 小时在线、像同事一样给它派活。 它们有一个共同的名字，叫 **Personal Agent**。  我的第一反应是：蛤？又吵新概念？ 这玩意儿跟我天天用的 Codex、WorkBuddy 有什么区别？ 跟之前爆火的 OpenClaw 小龙虾又有什么区别？ 怎么突然大家都在做？  如果你也有类似的问题，请接着看下去。 这篇文章，我会依次分享： - 什么是 Personal Agent？ - 它和其他 AI 产品有什么区别？ - 为什么最近突然火了？ - 以 Grok Bot 为例，Personal Agent 怎么用？ - 我的真实使用感受 一次性帮你把 Personal Agent 讲明白，建议收藏~ ## 什么是 Personal Agent？ Personal Agent 翻译过来就是「个人智能体」，你可以把它理解为一个 **专属于你的** AI 私人助理。 想象一下，你花钱雇了一个远程助理。它有自己的名字，记得你的喜好和习惯，还有一台属于自己的电脑。你平时有活儿就给它发条消息，它会用自己的电脑登录你授权的邮箱、日历和社交账号，把事情办完再回来跟你汇报。哪怕你下班睡觉了，它也还在电脑前帮你盯着。 Personal Agent 就是这样一个 AI 助理。 我第一次打开 Grok Bot 的时候，它就给我发了段自我介绍，直接讲清楚了 Personal Agent 的作用： > 你不在的时候，我也会在自己的电脑上继续干活。 > > 我能连接你的应用，比如邮箱和日历，像你一样使用它们。  一个合格的 Personal Agent 通常有 4 个特点： 1）有身份和记忆。它有专属的名字和人设，会记住你们聊过的内容和你的偏好，越用越懂你。 2）有自己的电脑。它在云端有一台专属电脑，浏览器、终端、文件管理器一应俱全，干活不占用你的电脑。 3）能连接你的应用。经过你授权后，它可以登录你的邮箱、日历和社交账号，像你一样使用这些应用。 4）一直在线。你可以给它安排定时任务，你关掉电脑它也照样干活，有了结果会主动来找你。  你负责睡觉，它负责干活，这大概就是打工人梦想中的生活吧。 ## 和其他 AI 产品有什么区别？ 知道了 Personal Agent 是什么，你可能更好奇：它跟我们已经在用的 AI 产品到底差在哪？ 我用「招人」来打个比方，你一看就懂了。  ### 聊天 AI - 只动嘴的顾问 像 ChatGPT、豆包、DeepSeek 这类聊天 AI，就像一个知识渊博的顾问。你问什么它都能答，但它只动嘴不动手，答完之后事情还得你自己去办。 比如我让 ChatGPT 帮忙给客户回一封项目延期的邮件，它很快就写好了一份措辞得体的模板。但复制内容、打开邮箱、填好收件人、点击发送，这些事还是得我自己来。  而且大多数时候都是你先开口，你不找它，它也不会主动找你。 ### 桌面端 Agent - 你的实习生 像 Codex、WorkBuddy 这类桌面端 Agent，已经从「动嘴」升级到「动手」了。 你给它布置一个任务，它会自己拆解步骤、读写文件、执行命令，最后把结果交给你。比如腾讯的 WorkBuddy，可以在你授权的目录里直接读写本地文件，帮你整理资料、生成文档、表格和 PPT。  不过它更像一个用你的电脑干活的实习生。你交代一个任务，它干完这一单就结束了，下次找它还得重新交代，而且干活期间你得一直开着电脑。 虽然现在不少桌面端 Agent 也支持把部分任务放到云端运行，但整体思路依然是「你拿它来完成某件事」。 ### Personal Agent - 有自己电脑的专属助理 Personal Agent 在这个基础上又往前走了一步，它更像一个长期跟着你的专属助理。 它有自己的电脑，不需要占用你的电脑。 它有长期记忆，不需要你每次都重新交代背景。 它还会主动干活，到点了自己执行任务，遇到需要你拍板的事情再来问你。 拿 Meta 的 Muse 来说，它运行在一台专属的云端安全虚拟机里，你可以直接在 Muse App 里给它发消息派活。它能在后台同时推进好几件事，头像下方会实时显示它正在忙什么，还会把你的长期目标拆成计划，一项项跟进。  OpenAI 的 Dots 也是一样的思路。它由 GPT-6 Astra 模型驱动，同样有自己的云电脑，还能通过插件连接 4000 多个应用。 官方演示里有个内容创作者的例子，新的访谈稿一到，Dot 就挑好了适合剪成短视频的片段，准备了节目笔记，还起草了社交媒体文案，全部等你确认之后再发布。  **桌面端 Agent 是你拿来用的工具，Personal Agent 是替你干活的人。** 这就是两者最本质的区别。 ### OpenClaw - 需要自己装修的毛坯房 说到这里，玩过 OpenClaw 的朋友肯定会说：这不就是之前的龙虾吗？ 没错！ OpenClaw 和 Hermes Agent 本质上也是 Personal Agent，可以说是这波浪潮的开路先锋。 OpenClaw 是一个开源的个人 AI 助理，你可以把它部署在自己的电脑或服务器上，然后通过飞书、QQ 这些聊天软件给它派活。 路透社的报道还提到，Meta 的 Muse 就是参考 OpenClaw 打造的。  Hermes Agent 则是 Nous Research 开源的「自我进化」智能体，最大的特点是能从完成过的任务里自动总结出技能，下次遇到类似的活儿直接复用，越用越聪明。 那它们和 Grok Bot 这些大厂产品有什么区别呢？ 我觉得最大的区别在于 **谁来负责装修**。 OpenClaw 和 Hermes Agent 就像毛坯房，空间大、很自由，但你得自己找服务器、自己配模型的 API Key、自己装技能、自己做安全防护。之前我写 OpenClaw 保姆级教程的时候，光安装部署就写了好几篇。 而且它们直接跑在你的电脑或服务器上，权限一旦给大了就容易翻车。之前就有 Meta 的 AI 安全总监让 OpenClaw 帮忙处理工作邮箱，结果它把 200 多封邮件全删了，她喊停都没用，最后只能冲回电脑前强行终止。  专门研究 AI 安全的人都被 AI 坑了，换成我们普通人，恐怕早就裂开了。。。 Grok Bot、Muse、Dots 这些大厂产品就像精装房，拎包入住。下载 App、登录账号、聊几句就能用，AI 干活用的电脑是厂商在云端准备好的隔离环境，不会碰到你的主力机。 **代价就是你的数据和记忆都放在厂商的云上，模型也由厂商说了算。**  再打个更接地气的比方，OpenClaw 相当于买只活龙虾回家自己养、自己做，Grok Bot 这些就相当于直接下馆子，点一份厨师做好的龙虾。 至于最近刚出的 DeepSeek Bot，它介于两者之间。 DeepSeek Bot 并非 DeepSeek 官方出品，它是社区开发者给 DeepSeek Harness（DeepSeek 官方的桌面端 Agent 工具）做的一个开源插件。在 DeepSeek Harness 的插件页面里添加一下就能装好，然后就可以创建多个有名字、有人设的 Bot，接入飞书、微信等聊天软件，背后用什么模型也能随便换。  它的记忆存在用 Git 管理的 Markdown 文件里，Bot 每次记住了什么、改了什么都能查得一清二楚。不过它运行在你自己的电脑或服务器上，想让它 24 小时在线，还得自己准备一台不关机的机器。 ## 为什么最近突然火了？ 其实 OpenClaw 早就证明了，很多人需要一个 24 小时帮自己干活的 AI 助理，只是自己部署又麻烦又危险，劝退了大多数普通人。 现在 Claude Opus 5.5、GPT-6 Astra 这些新模型，已经能稳定地连续干几十分钟的活儿了，大厂自然要趁机把 Personal Agent 做成拎包入住的精装房。 更关键的是，谁拿到了你的邮箱、日历授权和长期记忆，谁就占住了下一个超级入口。 **毕竟一个助理跟了你半年，谁还舍得换呢？**  ## Grok Bot 上手体验 讲了这么多概念，接下来我以 Grok Bot 为例，带大家看看 Personal Agent 实际用起来是什么样的。 先简单介绍一下背景。Grok Bot 是马斯克旗下 SpaceX 的 AI 团队推出的。今年 8 月，SpaceX 以 600 亿美元完成了对 Cursor 的收购，所以 Grok Bot 的账号、计费和云电脑都跑在 Cursor 的体系上。 目前 Grok Bot 支持桌面端和手机 APP，你在电脑上和手机上看到的是同一批 Bot，聊天记录也是同步的。 ### 1、创建第一个 Bot 下载安装后打开 Grok Bot，就能看到一段动画指引。第一句话就是「Grok Bot 有自己的电脑，工作方式和你一样」，一上来就把核心卖点亮出来了。  走完指引，Grok Bot 会立刻帮你创建好第一个 Bot，然后跟你打招呼，问你想怎么称呼它。 整个过程跟当时初始化 OpenClaw 的体验很像，都是通过聊天来完成设置，不需要填任何表单。 我给它取名叫「鱼皮的狗」，它也很爽快地接受了这个名字。。。  接着它会做个自我介绍，然后引导你连接邮箱，Gmail 和 Outlook 都支持。点一下授权按钮，在浏览器里登录邮箱账号，它就能帮你读邮件、写草稿了。  它还特意强调了「没有你的同意，什么都不会发出去」，敏感操作都会先找你确认。 ### 2、连接应用 点击左下角的「连接应用」，可以看到 Grok Bot 内置了大量的应用连接，并且按照通信、设计、代码、数据等类别整理好了。  常用的 Gmail、Outlook、Google 日历、Slack、X 都有，设计类有 Figma、Canva，开发类有 Vercel、Cloudflare、Supabase、Sentry 等等。 而且 Grok Bot 支持的 MCP、插件和技能跟 Cursor 是通用的。如果你是 Cursor 用户，平时在 Cursor 里用惯的那些工具，基本都能在 Grok Bot 里继续用。 我先把 X 连上了，后面追热点和复盘数据都要用到它。  另外我还看到一个「邮箱」连接，可以给 Bot 分配一个 Grok Bot 专属域名下的邮箱地址，相当于让 AI 助理有了一个自己的工作邮箱。用它来接收注册验证码、收据和新闻简报都很合适，收到邮件后还能通过例行任务唤醒 Bot 去处理。 我已经给自己抢到了 yupi 的邮箱前缀，好名字先到先得，大家抓紧去抢注呀！  ### 3、用 X 追热点和复盘数据 连好应用之后，我又新建了一个 Bot。 它上来就问我最想让它先帮忙做哪类事，给了写代码、刷 X 追技术热点、内容创作、日常杂事这几个选项。  我选了刷 X 追热点，方向选 AI 和大模型。 没过多久，它就整理出了 X 上过去一天 AI 圈讨论最多的几件事，每条后面都附上了原帖链接。  紧接着它问我，要不要每天定时发一份这样的简报。我选了每天早上 9 点，它就直接创建了一个「每日 AI 简报」的例行任务。 注意，整个过程我一个配置项都没填，就是聊着聊着，一个定时任务就搭好了。 接下来，我让它帮我复盘一下过去 3 天的发帖数据。  它很快统计出我过去 3 天发了 28 条主帖，总浏览量约 12.7 万，还挑出了表现最好的 5 条和表现偏弱的几条，最后给出了几条观察。 比如我的粉丝明显更爱「拿来就能用」的东西，像 Skill、提示词、清单、合集这类内容，收藏数基本和点赞数持平甚至更高；纯新闻类的内容虽然能带来浏览，但很少有人收藏。 好家伙，这比我自己翻后台数据看得还透彻，AI 太适合用来分析数据了！  复盘完之后，它又问我要不要每周一自动复盘一次上周的数据？ 我当然同意了~ 点开 Bot 的详情页，可以看到它名下已经有 2 个例行任务了，分别是工作日早上 9:04 的 AI 简报和每周一早上 9:05 的发帖复盘。  我顺手给这个 Bot 改名叫「X 助手」，然后又试了试它的创作能力。 我让它分析我的 X 主页，生成一张最符合我个人特点的照片。它根据我发过的内容画了一张「鱼皮的工作台」，桌上有跑着 AI 编程 Agent 的笔记本、录视频用的补光灯和麦克风、记满选题的本子，甚至还摆了一只小鱼公仔当吉祥物，细节拉满。  不过当我要求它生成一张有我本人形象的写实照片时，它明确拒绝了。哪怕我说主页上有自己的真实照片，它也坚持不生成真实人物的照片，建议我用自己的照片去合成。这个安全边界守得还挺严的。  最后我又给它出了个难题，让它根据我最新发布的 20 个帖子，生成一条热点速览视频。 几分钟后，它真的交付了一条 60 多秒的竖屏视频。不过效果挺一般的，就是每页长得都一样的 PPT。  而且它原本说要带中文配音，结果中文语音服务连接失败了，最后交付的是无声版本。  ### 4、Bot 的云电脑 前面这些活儿，其实都是 Bot 在自己的云电脑上完成的。 在 Bot 详情页切换到「电脑」标签，就能打开这台云电脑。点开后会先显示「正在唤醒」，稍等十几秒就能进入桌面。  进入桌面后，你可以看到 Chrome 浏览器、文件管理器和终端，这些就是 Grok Bot 给 AI 准备的基础工作环境。  Bot 可以用浏览器打开网页、登录网站，用终端执行命令、跑脚本，用文件系统保存资料和成果。哪怕是没有提供 API 和 MCP 的网站，它也能像人一样一步步点击操作。 你也可以随时接管这台电脑。遇到需要输入密码、两步验证、人机验证或者付款的环节，Bot 会停下来请你接管，你手动完成这一步再交还给它就行。 需要注意的是，同一个账号下的所有 Bot 共用这一台云电脑，浏览器的登录状态、文件和命令行凭证都是共享的。也就是说，你用一个 Bot 登录了某个网站，其他 Bot 也能直接访问。**所以不要在上面存放你不希望其他 Bot 碰到的账号和文件。** ### 5、把本地任务搬上云 体验完基础功能，我打算搭一个每天都能真正用起来的东西。 作为一个天天要找选题的博主，追热点是我的刚需。 于是我新建了一个叫「每日热点」的 Bot。它先问我想重点盯哪类热点，我把 AI 和编程圈、科技互联网、全网综合热搜、X 上的热门讨论全都选上了，推送时间定在每天早上 9 点。  跟前面一样，它立刻创建好了例行任务，还问我要不要先看看今天的热点。 我说「想看」，几分钟后，一份按板块整理好的热点简报就发过来了，每条都附带了信息来源。  在聊天窗口里看长内容还是不太方便，于是我又让它整理成一个 HTML 网页。 它很快生成了一个网页文件，可以直接在 Grok Bot 里预览，在手机上看也没问题。  到这一步已经挺好用了，但还不是我想要的效果。 其实我之前就在电脑上用 AI 搭过一套「创作选题获取器」工作流，里面有从十几个平台抓取热点的脚本，还有我自己总结的选题评估标准和受众画像。不过它只能在我的电脑上运行，每次想用都得打开电脑、启动 AI 工具去执行。 如果能把这套工作流搬到 Grok Bot 的云电脑上，每天自动运行，那不就爽了？ 于是我直接跟它说：使用我之前搭建的《创作选题获取器》，帮我优化每日热点。 这时 Grok Bot 弹出了一个权限确认，询问是否允许 Bot 在我的本地电脑上运行命令：  Grok Bot 的云电脑和你面前的这台电脑是分开的，只有你开启权限并同意之后，Bot 才能在你的电脑上执行命令。这个权限在设置里也能随时修改，而且即使开启了，自动审核也会先检查所有操作。  授权之后，它先把选题获取器的脚本和规则文档复制到了云电脑上，然后参照我的抓取脚本和选题标准，重新设计了每日热点的来源和筛选方式。 大概等了 10 分钟，新版每日热点就做好了。  这一版用的是我那套抓取脚本，从 14 个数据源一共抓到 347 条内容，再按我的选题评估标准和受众画像逐条打分。 网页开头是今日推荐选题 TOP 5，每条都标注了值得做、可考虑或者仅了解，还给出了一句话的创作角度，非常 nice~  从现在起，我的选题工作流可以在云端 24 小时运行。就算我电脑关机、出门旅游，每天早上 9 点也能准时收到一份按我的标准筛选好的选题简报。  之前我在 [编程导航](https://www.codefather.cn) 带大家做过一个 AI 热点监控工具的实战项目，从数据抓取、AI 分析到消息推送，要写不少代码。 现在有了 Personal Agent，普通人聊几句天就能拥有一个类似的私人热点助手，时代变了啊。 ### 6、模型和额度 聊完体验，再说说大家关心的模型和价格。 Grok Bot 背后用的不只是自家的 Grok 模型。10 月 7 日，马斯克在 X 上宣布，Grok Bot 以后会为每个任务选择最合适的后端模型，还点名了 Claude Opus 5.5、Midjourney 和 Suno。 **Grok Bot 团队的成员也透露，所有 Bot 都会由 Claude Opus 5.5 驱动！** 要知道，今年 2 月 Anthropic 宣布融资的时候，马斯克还在 X 上公开骂它「misanthropic and evil」（反人类又邪恶）。这才过了 8 个月，就为了让产品好用，把人家的模型请进了自家产品，真香定律虽迟但到啊。  不过 Grok Bot 没有提供模型选择器，每个任务用哪个模型由官方自动决定。 价格方面，Grok Bot 不需要单独订阅。只要你是 Cursor Pro、Pro+、Ultra 或者 Teams 的付费用户，用同一个 Cursor 账号登录就能直接用；订阅了 SuperGrok 的朋友，也可以关联账号获得额度。免费账号则可以领一份试用额度先体验一下。 划重点，**Grok Bot 的用量是单独计算的，不会占用你 Cursor 订阅里的额度**，每周自动重置。 我前面做了那么多事，又是追热点又是复盘，还生成了图片和视频、搭了一套每日热点，打开设置一看，每周额度才用掉了 1%。  不过我订阅的是 Cursor Ultra，送的额度会多一点。 所以如果你本来就是 Cursor 付费用户，Grok Bot 这份额度不用白不用。像追热点、整理资料、复盘数据这些杂活，完全可以交给 Grok Bot 去做，把 Cursor 的额度留给写代码，能省不少。 而且 Grok Bot 还能直接调用 Cursor 的云端 Agent 去写代码。官方教程里就演示过，让 Bot 先从各个渠道收集需求、整理好提示词，再交给 Cursor 的云端 Agent 去开发，这样两边的优势都用上了。  ## 我的使用感受 整体体验下来，Grok Bot 给我最大的感受就是 **省心**。 从创建 Bot、连接应用到设置定时任务，全程都是靠聊天完成的，不用写配置，也不用部署服务器，对比当初折腾 OpenClaw 真的轻松太多了。任务跑在云电脑上，电脑关了它照样干活，这也是 Personal Agent 和桌面端 Agent 拉开差距的地方。而且它做事比较有分寸，没核实的信息会主动标注，敏感操作也会先征得我的同意。 不过它工作的速度不算快，适合交代完任务就去忙别的，回头再来看结果。复杂任务偶尔也会掉链子，结果还是得人工检查一遍。 另外，长期使用需要 Cursor 付费计划或者 SuperGrok 订阅，数据和记忆也都放在厂商的云上，授权重要账号之前一定要想清楚。 如果你是 Cursor 付费用户，或者每天有大量重复的信息收集和整理工作，我很建议你试试 Grok Bot。如果你更看重数据隐私，想自己掌控一切，那 OpenClaw、Hermes Agent、DeepSeek Bot 这类可以自己部署的开源方案会更适合你。 ## 最后哔哔 以前我们用 AI，都是打开一个对话框，问一句、答一句，用完就关。 Personal Agent 则把这件事反了过来。你不用每次都去找它，它会按时在自己的电脑上干活。AI 从一个需要时才打开的工具，变成了一个长期跟着你、记得你的助理。 不过，它现在还不完美，速度、稳定性和隐私都还有提升空间。但 SpaceX、Meta、OpenAI 在两个月内接连入场，说明大厂们都已经把宝押在了这个方向上。 光看这篇文章，你可能还很难感受到 Personal Agent 到底有什么用，毕竟让 AI 替你干活这件事，只有亲自用过才知道好不好用。建议大家别光看热闹，挑 1 ~ 2 件自己每天都在重复做的事情，比如追热点、整理邮件、复盘数据，先交给 Personal Agent 试试。用上一周，你就能体会到身边多了个 AI 助理是什么感觉了。 到时候如果你发现这玩意没什么用， 那说明对你来说没有用， 那就别用。  OK 就分享到这里，如果你想系统学习 AI 编程，也欢迎阅读我的 [《Vibe Coding 零基础入门教程》](https://ai.codefather.cn/vibe)，上千张图、几十万字，GitHub Star 已经突破 2 万，完全免费开源，从零基础带你用 AI 做出并上线自己的产品。 > 开源仓库：[https://github.com/liyupi/ai-guide](https://github.com/liyupi/ai-guide)  我是鱼皮，持续分享 AI 编程和 AI 工具干货。觉得有用的话记得点赞收藏和关注~ 也欢迎在评论区聊聊：如果你有一个 24 小时在线的 AI 助理，你最想把哪件事交给它？
用 AI 全自动做视频，太爽了！开源 AI 视频制作器 + Skill
大家好，我是程序员鱼皮。 你绝对想不到，以前要花几千块找人做的产品宣传片，现在只要一句话，AI 就能全自动帮我搞定。  上面这 6 支宣传片，风格从 3D 城市地图、黑白热血漫画、水下 Q 版，一路跨到电影预告片和泄密档案，全都是 AI 给我做的。 而且你敢相信么，这些画面没有一帧是在剪辑软件里做的，**全部都是 AI 用写代码的方式「凑」出来的**！  下面给我 2 分钟，我来教你这套全新的 AI 视频创作玩法。 ⭐️ 本文对应视频版：https://bilibili.com/video/BV1eepv6jEJm ## 1、AI 是怎么写代码做视频的？ Claude Opus 5.5 模型出现之后，大家开始意识到，原来做视频除了用 Seedance 这种 AI 视频生成模型之外，还可以让 AI 文本模型通过编程来做。  这是两种截然不同的方式。 视频生成模型是直接把画面「画」出来，效果很惊艳，但画面里的文字和产品界面很难画准。 写代码做出来的画面就不一样了，每个字、每张截图都是精确的，特别适合做需要展示真实产品的宣传片。 原理也很简单。AI 先写代码，把每个画面做成一个会动的网页；再一帧一帧地截图；最后把几千张截图拼起来、配上声音，就成了一支视频。  比如一支 1 分钟、每秒 60 帧的视频，就要截 3600 张图。这套流程用到的是开源框架 Remotion，在它眼里视频就是一个 React 网页，所以会写前端代码的 AI，天生就会剪视频。 ## 2、我开源的宣传片制作器 作为一名 AI 编程博主，我当然也跃跃欲试。 趁着假期，我让 AI 给自己的几个产品做了不同风格的宣传片，编程导航、面试鸭、老鱼简历、鱼皮 AI 导航，还有我的免费 AI 编程教程，一个都没落下。 我一边做一边踩坑，一边把踩过的坑总结成规则，最后打磨出了一套《AI 产品宣传视频制作器》，并且完全开源到了 GitHub 上。 > 开源指路：https://github.com/liyupi/ai-promo-video-maker  这个项目里没有什么复杂的代码，核心是一份写给 AI 看的工作规范，外加一个 Remotion 视频工程模板和十几个辅助脚本。 AI 读完规范，就知道一支宣传片该从哪一步开始、每一步要做到什么标准。 ## 3、一句话做出宣传片 用法非常简单。你只需要把这个项目下载到本地，用任何一个 AI 编程工具打开它，Cursor、Claude Code、Codex 都可以。 ```bash git clone https://github.com/liyupi/ai-promo-video-maker.git ``` 电脑上需要先装好 Node.js、Python 和 ffmpeg，不用担心缺少环境，AI 开工前会先做一遍环境体检，告诉你该怎么补。 然后跟 AI 说一句想给哪个产品制作宣传视频，比如： ```text 我要给 laoyujianli.com 制作一个宣传视频 ```  接下来 AI 会先自己去调研这个产品，搞清楚它是干嘛的、卖点有哪些、有哪些能拿出来证明的数据。然后像产品经理一样主动找你询问和确认需求，比如视频多长、给谁看、开头先讲痛点还是先秀亮点。 问完之后，AI 会把所有结论整理成一份需求确认文档，你确认了它才开工。  最让我惊喜的是，AI 还会给你的产品画出好几种不同风格的小样，任你挑选。 比如给老鱼简历做宣传片的时候，AI 一口气给了纸张拼贴、像素通关、极简发布会、黏土 Q 版 4 个方向，我最后选了左上角的纸张拼贴风。  选完风格，你就可以去摸鱼了。  AI 会自动完成写脚本、截图、配乐、剪辑这一整套流程。  最后交给你一个直接可用的 4K 宣传片：  还附赠一个动画网站，部署上线就能直接分享给别人看：  注意，模型推荐用 Claude Opus 5.5 这样的顶级模型。 一支宣传片要走十几个步骤，中间还有好几轮截图审查和音频校验，能力弱一点的模型很容易偷懒跳过校验，或者不知不觉把每个产品都做成千篇一律的深色科技风。 ## 4、AI 视频制作技巧 让 AI 做视频不难，难的是做出让人愿意看完的片子。我打磨这个工具的时候，大部分精力都花在了下面这几件事上。 ### 真实产品才是主角 你会发现，这些宣传片里有很多真实的产品画面。  这是因为我给 AI 定了一条铁律，**主角必须是真实产品，不能拿 AI 画的假界面来敷衍**。 规范里要求每个功能段落至少放一张真实的界面截图，AI 会自己打开网站截 4K 的图，遇到需要登录的页面，就弹出一个浏览器窗口让你登录一下。AI 生成的图片只负责包装和转场，抢不了产品的戏。 ### 配乐卡在鼓点上 配乐方面，AI 默认会从免费可商用的曲库里挑几首让你试听。  之所以要你亲自试听，是因为 AI 压根儿听不到声音。。。它只能靠分析波形来判断节奏，曲子搭不搭、好不好听，还得你的耳朵来感受。 选定之后，AI 会把整首曲子的节拍精确测出来，尽量让每个镜头都切在鼓点上，看起来就很带感。 ### 用你自己的声音配音 如果你想要真人配音，可以先到 ElevenLabs 上克隆自己的声音，然后把 API Key 提供给 AI。  AI 会用你的声音念旁白，念完还会把音频重新转成文字，跟稿子逐句比对，品牌名和网址错一个字都不放过。这样一条属于你风格的视频就做出来了。 没有 ElevenLabs 账号也完全没问题，AI 会用醒目的大字幕代替旁白，照样能出片。 ## 5、成片效果 来，感受一下 AI 给面试鸭做的这支黑白热血漫画风宣传片：  开场直接连发 4 道站内浏览量最高的真实面试题，然后小黄鸭闪亮登场，紧接着用真实的页面展示题库和题解。配乐是 AI 按分镜专门作的曲，有两次爆发和一段回落，旁白刚好落在回落段讲解答案。 完整版建议去视频里看，有声音才有内味儿~ 怎么样，溜不溜？  ## 6、做一支要花多少钱？ 大家可以猜猜看，这样一支 1 分钟的视频，大概要花多少钱？ 揭晓答案：**大概几十块钱。**  这个价格也是真心不便宜啊！ 毕竟 AI 要反复截图、审图、校验，烧的 tokens 可不少。但相比找人做一支宣传片动辄几千上万块，肯定是便宜多了对吧？ 我自己也是烧了很多 money，才给大家打磨出了这套开源视频制作工具。  现在规范里已经攒了 80 多条踩坑记录，像截图被横向压扁、开场铺垫太慢、配乐和画面不搭、旁白把品牌名念错，每一条都来自我真实收到过的修改意见。大家直接用这个工具，就能少让 AI 走弯路，节省很多 tokens。 如果你不想克隆仓库，也可以把它装成一个 Skill，在任何项目里随时调用： ```bash npx skills add liyupi/ai-promo-video-maker -g ``` 装好之后，在你自己的产品仓库里跟 AI 说一句「给这个项目做一支宣传片」就行。AI 可以直接读你的源码和文档，拿到的素材比去官网扒的还准。 不管是 APP、网站、开源项目、课程，甚至是任何你想宣传的东西，都能快速搞出宣传大片。  ## 最后哔哔 最后告诉大家一个小秘密，文章开头的那个口播视频，后期剪辑也是 AI 做的。 我只负责对着镜头把稿子念完，然后就交给 AI 了。我前后提了几轮修改意见，它就交出了一支 4K 成片。 所以标题说「我再也不会剪视频了」，是真的不会了，也不用会了 😂 所以不出意外的话，之后我不会再用视频剪辑软件了。 OK 就分享到这里，更多关于 AI 编程工具的用法和 AI 玩法，可以看看我写的免费开源 [《AI 编程零基础入门教程》](https://ai.codefather.cn/vibe)，上千张图、几十万字，带你从 0 开始学会 AI 编程，做出自己的产品。 > 开源指路：https://github.com/liyupi/ai-guide  我是鱼皮，持续分享 AI 编程干货。觉得有用的话记得点赞收藏和关注~
2 万 Star，我的 AI 编程教程被豆包推荐了！
大家好，我是程序员鱼皮。 今年 1 月份，我把自己爆肝写的 [《Vibe Coding 零基础入门教程》](https://ai.codefather.cn/vibe) 开源到了 GitHub 上，完全免费。 当时就发了篇 [文章介绍](https://mp.weixin.qq.com/s/-SVubcs31OTVrU3_RSXZZA)，没想到反响特别好，阅读量快到 10 万+ 了。 9 个月过去了，这套教程的 **GitHub 已经突破了 2 万 Star！** 内容也从最初的几十篇文章扩充到了 **170 篇**，覆盖了 AI 编程的方方面面。  而且这套教程也被各大 AI 平台青睐了，现在你跟 AI 说「想学 AI 编程」，AI 就会推荐我的教程。 不信你问问豆包，直接排在第一个！  其实一开始我只是想写个简单的入门教程，结果越写越收不住，实战项目加了一套又一套，AI 编程概念大全也从十几个词条扩到了 80 个。 **现在回头看，这套教程的体量和深度已经远超我最初的预期了。** 臭不要脸一下，我敢说这套免费教程吊打 90% 的付费 Vibe Coding 教程，毕竟这 9 个月我一直在往里面加新东西。 - 教程文档开源：https://github.com/liyupi/ai-guide - 教程在线阅读：https://ai.codefather.cn/vibe 欢迎大家 Star 收藏、分享给身边的朋友！  ## 这套教程有什么？ 网上虽然有很多 AI 编程教程，但要么太碎片化、要么只讲工具不讲方法、要么缺少实战案例。 这就导致大家只能东拼西凑、搜到一个学一招，很难系统地掌握 AI 编程。 **因此，我出手了！** 这套教程涵盖了 AI 编程的方方面面，不止 Vibe Coding！ 从零基础入门 → 10 分钟做出第一个项目 → 学会多种 AI 编程工具 → 实战各类 AI 项目 → 掌握 AI 编程核心技巧 → 跑通产品变现全流程，再搭配 AI 编程学习资源、AI 知识百科、常见问题解决手册，能够帮你玩转 Vibe Coding，应对各种需求。  我精心梳理了内容结构，让你能够一条龙学习，或者快速找到适合自己阅读的内容： - 基础必读：帮你快速理解 Vibe Coding 并上手实践，10 分钟做出第一个作品 - 编程工具：帮你选择适合自己的 AI 编程工具，覆盖 AI 模型选择、AI 零代码平台、AI 智能体平台、AI 代码编辑器、AI 命令行工具、IDE 插件等全品类。**Cursor、Codex、Claude Code、DeepSeek Harness 等主流工具各有专属的教程合集**，比如对接国内模型教程等。 - 模型动态：每当有重磅模型发布，第一时间做实测和横评，已经覆盖了 GPT-6、Claude Opus 5.5、Kimi K3、DeepSeek V4 Pro 等十几个热门模型，帮你快速判断值不值得切换 - 项目实战：**近 30 套原创项目教程**，按 AI 创意应用、AI 实用工具、AI 智能体和平台、AI 跨端应用 4 大类整理，手把手带你从 0 到 1 做出真实可用的产品。从 Claude Code + DeepSeek 做全栈网站、Codex + GPT 做 AI 搜索引擎、Cursor + Claude Opus 5 做肉鸽游戏、到 Cursor + Claude Fable 5 做桌面 APP、GitHub Copilot 云端开发，覆盖网站、小程序、桌面应用、浏览器插件、命令行工具等各种形态 - 经验技巧：帮你提升 AI 编程的效率和质量，包括核心心法、对话工程、上下文管理、幻觉处理、代码质量保障、代码重构、性能优化、安全防护、成本控制、团队协作等，还有 Harness Engineering 和 Loop Engineering 等前沿方法论的保姆级教程，以及 Anthropic 等大厂官方的 AI 编程经验 - 产品变现：教你如何让产品产生价值，涵盖需求分析、技术选型、架构设计、盈利模式、SEO 搜索引擎优化、GEO 生成式引擎优化、系统监控告警、自媒体运营等，我做过 10+ 自研产品踩过的坑全在里面 - 编程学习：为想深入学习编程的同学准备的进阶内容，包括各种一条龙的学习路线、知识百科、资源大全、AI 应用开发、AI 大模型面试刷题等 - 资源宝库：汇集各种实用资源，包括工具大全、提示词模板、**收录了 80 个核心概念的 AI 编程词典**、AI 编程常见问题解决手册等 - OpenClaw 保姆级教程：18 篇系列教程，从一键安装到接入微信和飞书、从模型切换到多 Agent 协作，带你玩转 AI 时代最火的开源智能体项目  这套教程不是枯燥的理论堆砌，而是以实战为核心。配有丰富的项目案例和大量截图示例，手把手带你边学边做，真正掌握 AI 编程！  ## 适合哪些同学？ **1）适合任何想用 AI 提升效率的人** 如果你曾经想学编程，但被复杂的语法、难懂的概念劝退过；或者你有不错的创意，想要快速开发上线自己的产品；又或者你只是想用 AI 提升日常办公效率、做个小工具解决工作中的重复劳动。用 AI 编程，几天就能上手，像聊天一样编程。 **2）适合想提升效率的程序员** 如果你是一个传统程序员，每天被重复的代码折磨得想摔键盘。用 AI 编程，生产力提升数十倍不是梦。教程中的经验技巧和项目实战，能帮你快速进阶成为 AI 编程高手。 **3）适合想产品变现的创业者** 如果你想把想法变成产品并盈利，这套教程不仅教你怎么做产品，还教你怎么让产品产生价值。从需求分析到盈利模式，从 SEO 优化到自媒体运营，我会把自己做过 10+ 自研产品、从 0 到 200 万粉的经验都分享给你。  ## 从哪开始学习？ 教程里我专门写了一篇《AI 编程学习路线》，把 AI 编程拆成了六个阶段，从零基础到进阶提升，每个阶段要学什么、用什么工具、做什么项目都帮你规划好了，跟着走就行。  这里给个快速参考： **零基础新手** - 第 1 天：读完基础必读，理解 Vibe Coding 并做出第一个作品 - 第 1 ~ 2 周：学习 AI 编程工具 + 做几个简单项目 - 之后：按需学习经验技巧和产品变现 **有编程基础** - 第 1 天：快速过完基础内容，完成快速上手教程 - 第 1 周：学习主流 AI 编程工具，尝试重构之前的项目 - 之后：重点学习进阶技巧，提升对话和上下文管理能力 实战是最好的老师，无论你是什么背景，都要在学习过程中多 Vibe 一些项目，在实战中遇到问题并解决，这才是最有效的学习方式。  ## 更详细的视频教程 上面这套教程是文字版的，适合喜欢按自己的节奏阅读和查阅的同学。 不过还是有不少小伙伴跟我说，光看文字有时候不太好上手，想要更直观的视频演示。 所以我又录了一套 **《小白都能学的 AI 编程实战》** 视频课，讲解比文字版更细致，全程保姆级演示操作。 刚一发布，就连续多天霸榜了 B 站课程的 IT 互联网榜 No.1！ 课程覆盖了 Cursor、Codex、Claude Code、Code Buddy、TRAE 等主流 AI 编程工具的实战讲解，带大家做网站、浏览器插件、桌面 APP、小程序等多种不同形态的应用，**如果遇到任何问题都可以加我本人的微信提问**，而且我还会在课程专属 AI 交流群内不定期分享 AI 编程资源和技巧，哪怕完全没基础也能跟着做出来。 > 课程指路：https://ai.codefather.cn/course/2087008226460565505  ## 写在最后 我一直相信，知识分享是互利共赢的。 这套教程完全免费开源，希望能帮更多人打开 Vibe Coding 的大门。 但毕竟是一个人编写的，会有不足的地方，我会持续更新和完善内容。这 9 个月的更新频率大家也看到了，只要 AI 编程还在发展，这套教程就不会停更！ **如果这套教程对你有帮助的话，希望能点赞或者 Star ⭐️ 支持一下！** 别犹豫，现在就 [打开教程](https://github.com/liyupi/ai-guide)，10 分钟后你就能做出第一个作品，跟着鱼皮一起开启 Vibe Coding 之旅吧！🛫 ## 附录 - 近 3 个月重点更新一览 老读者如果 7 月份看过 [上一次的更新](https://mp.weixin.qq.com/s/1xp-2FnCd_9biBJQBNZHVg)，下面列一下这 3 个月新增的重点内容，方便按需查漏补缺： 1. 模型动态大扩充：从 3 篇扩充到 19 篇，覆盖 GPT-6 Astra、Claude Opus 5.5、GPT-6 Sol、Kimi K3、DeepSeek V4 Pro、GLM-5.3、Gemini 3.8 Flash 等热门模型的实测和横评 2. DeepSeek Harness 系列教程：7 篇系列教程，从保姆级入门、服务器部署、桌面端上手到 Agent 预设、精选插件和进阶玩法 3. 编程工具教程补充：新增 Claude Code 封号机制和应对方案、Claude Code 验证循环实战、Cursor Debug 模式详解、Codex 主题定制，以及 Qoder、Matt Pocock Skills 等工具实战 4. 项目实战重新分类：按 4 大类重新整理，新增肉鸽游戏、AI 智能 PPT 生成器、AI 修图智能体、AI 闯关学习小程序等项目 5. 大厂 AI 编程经验：新建专属目录，收录 Anthropic 官方的人机协作团队、大规模代码迁移、提示词精简 3 篇方法论，还有用 grill-me 让 AI 拷问你需求的技巧 6. 概念大全升级：扩展到 80 个核心概念，新增 AI 大模型原理入门、AI 动态工作流详解、主流 AI 应用开发模式 3 篇深度解读 7. 多语言版本：新增英文和繁体中文翻译，每种语言已翻译 160 篇 8. 开源协议和贡献指南：欢迎大家提 PR，一起参与教程共建
GPT Images 2.5 首发实测，手绘成图、指哪改哪、也太逼真了！
大家好，我是程序员鱼皮。 5 个月前我写过一篇 GPT Image 2 的测评，当时就已经被它的真实感震撼到了，连微信聊天记录都生成的无比真实。 刚刚 OpenAI 又放了个大招，ChatGPT Images 2.5 正式发布！  这次升级不仅提高了生图的质量、提升了多达 50% 的生成速度、提升了多轮编辑的一致性，更关键的是 **改变了整个 AI 生图的创作方式**。 新增了 Sketch 草图参考功能，可以直接在 ChatGPT 里画草稿让 AI 帮你生成完整图片。还支持了在图片上放 Comment 标注来精准修改局部细节。此外，还新增了 Templates 创作模板、Prompt 共享、透明背景生成能力。  现在打开 ChatGPT 生图，默认就是 Images 2.5 了，所有用户都已经可以直接体验。 我第一时间把这些新能力全测了一遍，整理出 10 个最有意思的邪修玩法分享给大家，每个都附上了完整提示词和操作流程，傻子可懂。  ## 一、Sketch 草图 - 画给 AI 看 Sketch 是这次最让我兴奋的新功能。以前想让 AI 生成特定构图的图片，只能用文字描述"左边放什么、右边放什么"，来来回回调半天。现在直接在 ChatGPT 对话框里输入 @Sketch，就能打开一个画板，随手画个草稿当构图参考。 重点是，你完全不需要有任何绘画基础，画得越「灵魂」越有反差效果。  ### 1、草图变文章封面 作为一个天天写文章、做视频的博主，封面图是我最头疼的事情之一。以前要么用设计软件自己拼，要么纯靠文字描述让 AI 反复试，构图经常不是我想要的。 现在有了 Sketch，我可以先用草图画出封面的大致布局，比如标题放在哪、文字是什么、人物在什么位置、背景有哪些元素。  然后把我的真人照片也上传作为参考，AI 就能理解我要的是什么效果。 提示词： ```markdown 制作 16 比 9 的封面图，画面为写实风格，标题醒目，构图和人物参考我提供的图片 ```  不到一分钟，AI 就生成了封面。整体构图完全按照我画的草图来的，人物位置、标题区域全都对上了：  这个流程比纯文字描述高效太多了。以前我得花好几轮对话才能让 AI 理解我想要的构图，现在花几十秒画个草稿就搞定了。以后做封面图可以省下不少时间。 ### 2、草图秒变室内设计 Sketch 的另一个实用场景是室内设计。你不需要会用任何 3D 建模软件，只要能画出房间的大致布局，比如沙发在哪、桌子在哪、窗户在哪个方向，AI 就能帮你生成一张像模像样的室内设计效果图。  提示词： ```markdown 根据房间布局草图生成现代简约风格的实拍房间图，暖色调灯光，北欧风家具，窗外是城市夜景 ``` 如果你正在装修或者搞出租屋改造，完全可以先用这个功能快速出效果图，看看自己的想法实现出来是什么感觉，满意了再动手。  ### 3、草图变漫画分镜 这个玩法我觉得特别适合有故事想法，但是不会画画的人。用 Sketch 画出 4 格漫画的分镜草图，每一格只需要画个火柴人和简单的场景轮廓，再用文字描述每格的内容和对话，AI 就能生成一张完整的漫画页面。 来感受一下我的大作，你能看出来我画的是什么故事么？  然后我把自己 cosplay「老头程序员」的照片也上传了上去，让 AI 参考我的形象来画主角。 提示词： ```markdown 根据四格漫画分镜草图，生成一页完整的彩色漫画。风格是日系轻松搞笑风，主角是一个程序员，参考我上传的照片中的人物形象。 ```  来看下成品效果，不错吧！  以前想做个漫画要么自己学画画，要么请人画，成本都不低。现在有了 Sketch 加持，别说做个草图了，可发布的成品大作都能给你搞定。 ## 二、Comment 评论编辑 - 改图之王 Comment 是这次另一个很实用的新功能。 生成图片后，你可以直接在图上点击某个位置放一条评论，写上修改指令。操作逻辑和 Figma 里给设计稿打标注差不多，AI 会按你标注的位置精准修改，其他地方保持不动。 在图片编辑工具栏里，除了 Comment，还有 Markup 标记、Remove BG 去背景、Erase 擦除、Resize 调整尺寸等工具，编辑能力比 2.0 丰富了很多。 ### 4、Comment 标注精修 我先让 AI 给自己的编程导航生成了一张宣传海报，提示词如下： ```markdown 生成一张编程导航（codefather.cn）的宣传海报：深蓝色科技感背景，中央大标题「编程导航」，副标题「从学编程到做项目到找工作，一站搞定」，下方展示三个核心卖点图标（学习路线、实战项目、面试刷题），底部放网址 ```  生成之后，点击图片进入编辑模式，点击上方工具栏上的「评论」按钮。  我在图上添加了 3 个 Comment： 1. 标题上标注「加大字号，换成渐变金色」 2. 副标题标注「改为：近 30 套项目教程 + 万道面试真题」 3. 背景标注「加一些代码粒子飘落的视觉效果」  标注完成后，点击发送评论，可以看到所有的改动都精准生效了：  以前只能跟 AI 对话，通过文字描述要修改的内容，AI 经常搞错位置。现在直接点击图片的某个位置添加具体的改动，准确率高了太多。 ### 5、修改微小细节 既然 Comment 编辑主打精准，那我就来测测它的极限。 这次我选了个高难度任务，先让 AI 生成一张火影忍者中宇智波佐助的半身像，默认是万花筒写轮眼，然后用 Comment 只修改眼睛这一个微小细节。 先生成图片，提示词如下： ```markdown 生成一张宇智波佐助的动漫风格半身像，黑色头发，穿着经典的鹰小队白色开襟上衣，双眼为永恒万花筒写轮眼（六芒星图案，红色瞳孔），表情冷峻，背景为暗色调 ```  生成之后，我在佐助的左眼上精准添加了一个 Comment 标注「把左眼的万花筒写轮眼改为轮回眼」。 来看下效果：  卧槽，真牛啊！ 眼睛在整张图里就那么一小块区域，AI 做到了只修改瞳孔图案和颜色，佐助的发型、表情、衣服、背景全都纹丝不动，这个精准度真的能用在实际创作中了。  再见 PS，真的可以卸载了！ ## 三、Templates 模板 - 快速复刻 Templates 是给不想写提示词的人准备的功能。ChatGPT 内置了一批高频创作模板，比如 Poster 海报、Merch 周边、Product Photo 商品图、Logo 等等。  选一个模板，按提示填写信息和风格偏好，就能生成对应的图片，省去了从零构思提示词的过程。 ### 6、一键电商大片 试试 Templates 的 Product Photo 商品图模板。随便拿一个日常物品，看看模板能不能帮它拍出带有「高级感」的电商产品图。 选择 Product Photo 模板，然后上传一张图片（比如鱼皮的光头小企鹅盆栽），点击发送：  AI 会询问你一些问题，比如产品照的用途、摄影风格、背景和灯光等等：  看看效果，还不错吧，很有生活气息。感觉哪天我的头像可以更新一波了~  对于做电商、做小红书带货的朋友来说，这个功能太实用了。以前拍一张像样的产品图要么请摄影师，要么自己搭灯光布景折腾半天。现在手机随手拍一张，选个模板就能出一张可以直接上架的商品图。 ## 四、多轮编辑 + 精准局部编辑 ChatGPT Images 2.5 的多轮编辑一致性是一个重要升级。以前用 Images 2.0 连续编辑几轮之后，画面质量会越来越差，人物五官也会慢慢跑偏。 这次官方说多轮编辑时，之前的修改结果会更稳定地保留下来，每一轮新编辑都是在上一轮的基础上叠加，而不是重新生成。 精准局部编辑也有提升，AI 在修改指定区域的时候，能更好地保持其他区域的构图、光线和细节不变。 ### 7、同一人物七十二变 上传一张照片，连续 5 轮让 AI 把同一个人变成不同的风格，看看到最后一轮人物还像不像本人。 提示词如下： ```markdown 上传一张人物照片。 第 1 轮：把这张照片转换成日系动漫风格，保持人物五官特征 第 2 轮：在上一张的基础上，换成文艺复兴油画风格 第 3 轮：换成赛博朋克风格，加上霓虹灯光效 第 4 轮：换成中国水墨画风格 第 5 轮：换成乐高积木风格 ```  等 AI 生成完所有图片后，我再让 AI 把原图和生成的所有图片按顺序拼接成一张图，便于我对比效果：  显然 5 轮下来，人物是始终保持一致的，多轮一致性做得很好！（第二张图我打算拿来做头像了哈哈）  另外我还测了个搞笑版本。同一条狗的照片，每一轮都让 AI 把主体的头发再减少一点：  几轮下来，除了发量在肉眼可见地减少之外，人物的五官、表情和动作始终保持一致，说明 Images 2.5 的多轮一致性能力确实靠谱。  TNND，仿佛看到了自己从前和以后的样子…… 但哪怕时光流逝，年少不再，也要始终保持自信的微笑呀！ ### 8、上海迪士尼四季轮转 上传一张上海迪士尼城堡的照片，只通过文字描述，让 AI 连续变化春夏秋冬四个版本。 ```markdown 第 1 轮（春）：春天，城堡前的花坛换成盛开的粉色樱花，草地嫩绿，天空晴朗 第 2 轮（夏）：夏天，在上一张的基础上，植被变成深绿色，加强阳光感，天空湛蓝配几朵白云 第 3 轮（秋）：秋天，树叶变成金黄和橙红色，地面铺满落叶，天空变成暖色调黄昏 第 4 轮（冬）：冬天，树木变成光秃秃的枝干，城堡屋顶和地面覆盖一层雪，天空变成灰白色 ``` 注意，我甚至不需要在提示词中告诉 AI「要和原图保持一致」：  这个测试的关键是看城堡的造型、尖塔的位置、前方广场的布局这些元素，在四轮编辑中是不是始终保持一致。 来，感受一下 GPT Images 2.5 可怕的局部编辑能力和一致性！  ## 五、透明背景 - 直接生成可用素材 透明背景是 Images 2.5 新增支持的能力。以前想要一张透明背景的素材，得先生成完整图片，再用第三方工具抠图，经常抠得不干净。现在可以直接在提示词里要求输出透明背景的 PNG 图片，生成出来就能直接贴到其他设计里用。 ### 9、DeepSeek 鲸鱼娘表情包 DeepSeek 的鲸鱼娘形象大家应该都很熟悉了，蓝色渐变长发、鲸鱼鳍耳朵、女仆装，性格设定是爱吃白饭、嘴硬心软、理直气壮偷懒，活脱脱一条「蓝色大肥鱼」。 这次我提供鲸鱼娘的标准素材作为参考，让 AI 生成一套透明背景的表情包贴纸，每张表情都融入鲸鱼娘的经典梗。 ```markdown 参考上传的 DeepSeek 鲸鱼娘素材图片（蓝色渐变长发、鲸鱼鳍耳朵、鲸鱼尾巴、女仆装），生成一套 9 张透明背景的表情包贴纸。角色形象必须和参考素材保持一致，卡通 Q 版风格，表情夸张可爱，必须输出透明通道背景 PNG。9 个表情分别是： ①开心大笑，手举「开源大法好！」小牌子 ②无语翻白眼，旁边飘着「又在深度求索了...」文字 ③加油打气，握拳冲刺姿势，配文字「低成本冲冲冲！」 ④哭泣委屈，抱着空碗，配文字「白饭吃完了...」 ⑤比心，配文字「满血版上线！」 ⑥疑惑挠头，头上冒出「思考中...」气泡 ⑦生气鼓腮，配文字「谁说我在摸鱼！」 ⑧困了打哈欠，趴在键盘上，配文字「推理好累...」 ⑨竖大拇指，配文字「大肥鱼认证 👍」 ```  虽然过程有点曲折，但最终 GPT Images 2.5 一口气生成了 9 张高清无背景的大图！  每张鲸鱼娘的风格都是一致的，背景也是干净透明的，以后做品牌 IP 的周边素材就方便多了，不用再手动抠图了。 好了，我现在可以到黄色大咸鱼上开个店了，有没有人需要代做表情包的？  ## 六、Prompt 共享 - 创意接力 Prompt 共享是一个偏社交属性的功能。当你生成了一张满意的图片，分享的时候可以选择把提示词也一起发出去。 别人看到你的图片后，可以直接用同一个提示词模板，上传自己的照片和细节，生成属于自己的版本。  在 ChatGPT 的图片页面可以浏览当前热门的共享 Prompt 和 Templates 模板，看看大家都在玩什么花样。  ### 10、80 年代复古照 GPT 官方提到，目前有一个 80 年代复古照的共享 Prompt 正在全网刷屏。 那我干脆就用这个 Prompt，来体验一下这个共享功能。 点击「80s flashback」这个热门 Prompt，上传一张自己的照片，提交任务就好：  看看效果，真不戳，鱼皮成功穿越了！  其实之前我给自己的 AI 导航网站也做过类似的图片提示词大全功能，现在官方下场了，AI 生图的生态将被无限放大。 以后热门的创意 Prompt 可以像表情包一样在社交平台上传播，每个人都能用同一个模板生成自己的版本，还挺有意思的。 ## 写在最后 这次测完 Images 2.5，我用几十秒画的草稿变成了一张能直接用的文章封面，随手画的房间布局变成了精美的室内设计图，甚至还做出了一套完整的鲸鱼娘表情包。 要知道，我是完全没有任何美术技能的。 以前这些事情，要么得找专业设计师，要么得自己折腾 PS。 现在画给 AI 看、指给 AI 看、随随便便就能生成图片大作。感谢 AI，创作这件事的门槛，真的已经低到了前所未有的程度。 **人人都是艺术家的时代，真的到来了。** 除了 GPT 官方提供模板之外，我的 [鱼皮 AI 导航](https://ai.codefather.cn) 也提供了「AI 绘图提示词」模块，包含提示词模板大全、提示词生成器、图转提示词三大能力，完全免费，可以快速帮你复刻想要的图片。 > 指路：https://ai.codefather.cn/painting  你最想用 Images 2.5 的哪个新功能？欢迎在评论区分享你的作品和玩法~
刚刚 DeepSeek V4.1 Flash 开启内测，1 分钟教你用上！
TNND！DeepSeek V4 Pro 才发布了多久啊，新东西又来了…… 刚刚 DeepSeek 内测群发布了 DeepSeek V4.1 Flash 中间版本内测的消息，这次的模型采用了新的结构，原生支持多模态、能力更强、速度更快、且成本更低。  使用方法很简单，无论你使用什么 AI 工具，先像之前一样接入 DeepSeek，然后只需要把模型名称改为 `deepseek-v4.1-flash-expires-on-0910` 就可以了。 举个例子，比如我使用 DeepSeek 的角色专武 —— DeepSeek Harness 来内测新模型，还不会用的朋友可以看看我之前写的[《DeepSeek Harness 保姆级教程》](https://mp.weixin.qq.com/s/Rv3ww-67fZrU2hNQeCp8oQ)。 启动 DeepSeek Harness 后，在网页左下角点击设置，编辑内置的 DeepSeek 模型配置：  在 DeepSeek 模型配置中，点击「添加模型」，输入完整的模型名称 `deepseek-v4.1-flash-expires-on-0910` 并保存：  然后就可以愉快使用了，输出速度嘎嘎快！  但有个问题，明明 DeepSeek V4.1 Flash 模型是原生多模态的，却在 DeepSeek Harness 中显示「不支持图片」：  没关系，咱们换个其他的 AI 工具试试，我这里随便用个国产的 AI 工具，比如智谱的 ZCode。 进入模型设置，添加一个 DeepSeek 的供应商，根据 [DeepSeek 官方的 API 文档](https://api-docs.deepseek.com/zh-cn/) 来填写信息就好：  点击添加模型，模型 ID 填写 `deepseek-v4.1-flash-expires-on-0910`，并且输入类型一定要把「图片」勾选上：  保存之后，就能愉快使用 DeepSeek V4.1 Flash 了，能够正常识图！  有趣，DeepSeek 官方的工具反而不适配自家最新的模型吗？  简单测试下来，我发现 DeepSeek V4.1 Flash 的速度真心非常快，大概是新模型还没多少人知道的原因吧，也算是带大家吃一波螃蟹了。 目前 DeepSeek V4.1 Flash 的计费和 DeepSeek V4 Flash 完全相同，不过看官方的意思，估计 V4.1 Flash 发布后会降价？ 我不知道，我猜的，我希望如此。 --- 往期更多模型评测和 AI 编程教程可以看看我免费开源的 [《AI 编程零基础入门教程》](https://ai.codefather.cn/vibe)，上千张图、几十万字，带你从 0 开始快速学会 AI 编程，做出自己的产品、跑通变现全流程，一次拿捏。 > 开源指路：https://github.com/liyupi/ai-guide  我是鱼皮，持续分享 AI 编程干货。觉得有用的话记得点赞收藏和关注~
我终于能用 GPT-6 了！实测一波，Codex 要杀疯了？
大家好，我是程序员鱼皮。 前几天 OpenAI 发布了 GPT-6 Astra，号称全世界最智能的模型，主打像人一样操作电脑和自主完成编程任务。  我看了一圈官方展示的案例，3D 城市生成、3D 卡丁车赛车游戏等等，效果确实震撼。  当时我就想第一时间跑轮实测，结果打开 Codex 一看，没有 Astra 的选项。 我以为是自己账号的问题，又专门买了个新账号，结果还是没有！ 唉，只能「望模兴叹」了…… 现在，我的 Codex 终于有 GPT-6 Astra 的权限了，赶紧搞几个实战项目测测看。  这次我选择了 4 个案例，由浅入深： 1. 3D 程序化城市生成器（对标官方 Showcase，纯前端） 2. 3D 奥德赛战争视频动画（前端 + 后端，专业运镜） 3. 全栈 AI 编程工具（复杂长程全栈任务，跟 Fable 5.1 横评对比） 4. 操作 KiCad 完成电路板布线（Computer Use） 点个收藏，咱们开始~ ## 1、3D 程序化城市生成器 OpenAI 官方的开发者展示馆里有一个用 GPT-5.5 做的程序化城市生成器，编辑器风格的界面加上实时 3D 渲染。我想看看 Astra 能不能做到更好的水平。  提示词里我就强调了一件事，至少包含重庆、上海、西安、深圳、江南五种城市风格，要让用户一眼就能认出是哪座城市。 之所以选重庆当主打风格，是因为层叠立交的复杂地形在国内辨识度极高，最容易看出 AI 到底有没有理解城市特色。此外，参数维度和编辑器布局怎么设计我一个字都没提，让 AI 自己去搜官方那版的产品设计，在此基础上做中国版。  AI 拿到任务后，先用 Firecrawl 搜索了官方 Showcase 的产品设计，又查了 Three.js 的文档，然后一口气把整个项目写完了。 过了大约 18 分钟，7 项自动化测试全部通过，前端项目构建成功。 来看看成品，第一眼就被惊艳到了……  网站右侧是完整的城市生成器控制面板，城市风格、城市形态、建筑密度、平均高度、地形与交通、光照氛围全都能调。你随便拖动一个滑块，3D 场景就会实时重新生成。底部是五种城市风格的预览卡片，一目了然。 重庆的 3D 场景确实做出了高差感，建筑群层叠在地形的起伏上，标注了立交层数和轨道交通的位置。  再看看切换其他城市风格的效果。上海版是滨江平地加超高层密集，色调完全变了，标注了东方明珠和上海中心。  西安版的特色也很鲜明，城墙围合结构、中式屋顶、低矮建筑群，整个色调偏暖土色，标注了大雁塔和钟楼中轴。  深圳版切换到了暗色调，超高密度的玻璃幕墙建筑群，标注了深圳湾，赛博感十足。还能看到道路上的小车，很细节。  江南版的画风跟前四个完全不同，白墙黛瓦、小桥流水、低层建筑，水系穿城而过。  这五种风格切出来视觉差异非常明显，不是简单换个颜色，建筑形态、地形高差、地标标注全都跟着变了。 这个完成度已经超出我的预期了。只用一段提示词，AI 运行 18 分钟就完成了开发和校验。之前用 Claude Fable 5.1 做同等复杂度的项目基本上要半小时起步，Astra 快了不少。 ## 2、3D 奥德赛战争视频动画 第二个案例难度拉高。我让 AI 做一个 3D 史诗级战争场面的视频动画，主题是古希腊奥德赛的特洛伊战争，而且这是一个前端 + 后端的全栈项目。 这个案例最核心的考点是运镜。我要求整段动画要体现专业的运镜手法，不同段落用不同类型的镜头，镜头之间的转场要自然，战场上要有大规模的士兵群体。具体怎么实现、后端承担什么职责，全部交给 AI 自己设计。  AI 先搜了特洛伊战争的经典场面和电影运镜手法，然后自己设计了一套前后端架构。前端用 Three.js 做 3D 场景渲染和镜头动画，后端用 Node.js 提供两个接口，一个根据场景配置生成分镜脚本，另一个调用 ffmpeg 把前端渲染的帧序列编码成 MP4 视频。 大约 19 分钟后，AI 交卷了：  打开网页，一整片黄昏色调的战场直接扑面而来，大规模的士兵方阵、城墙城门、远处的战舰群都在。底部有完整的时间轴播放器，可以拖拽进度、调倍速、全屏播放，右上角还有「导出影片」按钮，对接的就是后端的 ffmpeg 导出接口。  动画播放过程中，镜头确实在持续运动，从远景推向近景，能看到摄像机角度在截图之间有明显变化。  整段动画分成了六个章节，72 秒完整叙事，从风暴将至的全景一步步推到近距离搏杀，最后拉远收束。镜头轨迹的加速度都做了连续性处理，章节字幕是渐隐渐现的。  过程中，AI 在自验证阶段发现了远景雾气太重、角色脚底悬空等几个问题，自己修了两轮，最后跑了 9 项测试全部通过。 不过也有明显的瑕疵，有几处角色穿模，士兵的武器偶尔会穿过身体，这种问题让 AI 再跑一轮修复大概率能搞定。  整体来看，这个项目从产品设计到技术实现都很完整。虽然 3D 模型本身是低多边形风格的，不是很精细的建模，但考虑到这是一段提示词从零做出来的全栈项目，已经很强了。 ## 3、全栈 AI 编程工具 - 复刻 Cursor 这是我经常用的一个测试案例，让 AI 复刻一个像 Cursor 那样的 AI 编程工具。提示词跟之前测 Claude Fable 5.1、Kimi K3、DeepSeek V4 Pro 时用的 **完全一样**，好跟这些模型横向对比。 简单来说，我要求 AI 先克隆 VS Code 的开源代码，然后在此基础上做一个支持 Editor Window 和 Agents Window 双窗口切换的 Web AI 编程工具。Editor Window 负责代码编辑，Agents Window 负责 AI 对话和自主开发，技术栈让 AI 自由发挥。  AI 拿到任务后同时做了两件事，一边用 Firecrawl 搜索 Cursor 3 的产品设计，一边通过 Git 命令克隆 VS Code 仓库。 然后花了大约 23 分钟，完成了第一轮开发。 有意思的是，AI 没有直接把产品叫做「Cursor 复刻版」，而是自己取了个产品名叫「orbit」，顶部中间就是 Editor / Agents 双窗口切换按钮。  先来看看 Editor Window 编辑器模式的效果：  整体布局参考了 VS Code，比如左侧文件树、中间 Monaco 编辑器、上方多标签页和面包屑导航、下方终端面板、右侧 Agent 对话面板。但又跟 VS Code 不完全一样，比如暗色主题配色、活动栏图标、状态栏信息这些细节都做了自己的设计，更像是一个独立产品而不是简单的换皮。 切换到 Agents Window，这就是我们熟悉的 AI 对话界面了：  Agents 面板有完整的任务管理能力，中间是对话输入区，下方已经配好了 `deepseek-v4-pro` 模型选择和 Agent 模式。 AI 能够正常完成简单的开发任务，核心功能都能跑通：  跟之前我测试过的几个模型横向对比一下。 Kimi K3 那次花了半个多小时，核心功能跑通了，但是界面比较简陋。  再来看看 Claude Opus 5 用同样的提示词做出来的版本，代码高亮、小地图、管理面板都在，还原度很高，但说实话跟 VS Code 太像了，少了点自己的想法。  Claude Fable 5.1 的完成度最高，有完整终端、Agent 执行流程和文件审阅机制，还能逐文件接受或拒绝 AI 改动。  GPT-6 Astra 这次最让我惊喜的是它有自己的产品想法。没有完全照着 Cursor 去抄，而是自己设计了 orbit 这个品牌、自己加了任务分类管理和三个快捷入口、自己定义了暗色主题的配色体系。在 Editor Window 的视觉还原度上也做到了几个模型里最好的。 不过整个编辑器的功能丰富度还差 Fable 5.1 一截，像逐文件审阅改动这种功能 Astra 是没有做出来的。 ## 4、操作 KiCad 完成电路板布线 前面三个案例测的都是 AI 写代码的能力，但 GPT-6 Astra 这次主打的其实是「操作电脑」。官方称它是全世界最强的电脑操作模型，ScreenSpot-Pro 的屏幕理解准确率从上一代的 76.9% 直接拉到了 92.7%。 官方的案例展示中，让 Astra 打开 KiCad 电路设计软件，把一张电子原理图变成可以直接拿去生产的 PCB 布线图，元器件怎么摆、铜线怎么走全部由 AI 自己完成。  要知道，以前这玩意是硬件工程师一点一点手工拖出来的，是整个电子设计流程里最费时间的环节之一。 我想仿照这个案例自己试一试，于是在本机装了 KiCad 10，看看 Astra 能不能自己操作 KiCad 完成从原理图到 PCB 布线的全过程。  这个案例跟前 3 个完全不同，AI 没有写代码，而是像人一样看屏幕、点按钮、拖拽元器件。 过了大约 13 分钟，AI 完成了任务。 它确实成功操控了 KiCad 的界面，打开项目、进入 PCB 编辑器、从原理图导入网表，这些流程操作都做对了。原理图一致性检查也通过了，说明 AI 看懂了原理图和 PCB 之间的对应关系。最后它还自己跑了一次 DRC 设计规则检查。  但是没能完成正确的布局和布线。我发现 AI 在画布上点击和框选元器件的时候，坐标经常对不准，没法可靠地把元器件拖到指定位置，更别说一根根地画铜线了。最终 DRC 报了 12 项违规和 20 处未连接。  这个结果让我挺失望的，因为我看了很多博主分享 Astra 操作 Blender 创造各种 3D 大作，成品都很惊艳，怎么到我这就翻车了呢？  从我自己的测试结果来看，Astra 在「看懂专业软件界面」和「找到正确的菜单按钮」这两件事上做得不错，但是却卡在了精细的画布交互上。这也侧面解释了为什么官方的 ScreenSpot-Pro 跑分能到 92.7%（看懂屏幕没问题），但 OSWorld 的任务完成率只有 72.6%（真正把活儿干完就难多了）。 ## 我的感受 跑完这几个项目，我最直观的感受是：**Astra 的前端审美和产品设计能力比 GPT 5 系列提升太多了！** 以前大家测试 GPT 系列的模型，前端效果经常是被吐槽的点，而且 GPT 特别爱偷懒，功能能省就省，以快速完成为主。 比如之前我用 GPT-5.6 Sol 做出来的足球游戏界面是这样的：  是的，那一坨黑色方块就是球门…… 这次 GPT-6 Astra 的使用体感有明显变化，比如 3D 城市生成器那个项目不光功能做全了，连每座城市的地标标注都自己设计了一套，这种用心程度在以前的 GPT 身上是看不到的。 奥德赛战争那个项目也是，完整的 72 秒六章叙事、后端分镜脚本引擎加 ffmpeg 导出、连镜头轨迹的加速度连续性都做了处理。而且速度真的很快，几个项目 20 分钟左右就交卷了，比其他同级别模型快了将近三分之一。 但是我实测下来，感觉 Astra 消耗的 Codex 额度明显更快了，价格比之前贵了不少。基础的 Plus 账号跑 2 ~ 3 个项目就能把 5 小时额度耗光了，Computer Use 消耗更大，想长期用至少得开 Pro。 **所以 Astra 到底值不值得用呢？** 如果你做的是视觉要求高的前端项目，或者需要一次性交付的全栈产品，Astra 目前确实是第一梯队。 对于日常大多数的办公任务，没必要用这么贵的模型，国产的 Kimi、GLM 或者 DeepSeek 够用了。 OK 就分享到这里，本文会收录到我免费开源的 [《AI 编程零基础入门教程》](https://ai.codefather.cn/vibe)，上千张图、几十万字，带你从 0 开始快速学会 AI 编程，做出自己的产品、跑通变现全流程，一次拿捏。 > 开源指路：https://github.com/liyupi/ai-guide  我是鱼皮，持续分享 AI 编程干货。觉得有用的话记得点赞收藏和关注~ 也欢迎在评论区聊聊：你用 GPT-6 Astra 了么？觉得它是目前最强的模型吗？
刚刚 GPT-6 Astra 发布，全球最强，AGI 时代到来！
大家好，我是程序员鱼皮。 时间过得真快啊，距离 GPT-5 发布竟然已经过去一年多了。 昨天凌晨 3 点多，OpenAI 终于把 GPT-6 Astra 放出来了！ 官方把它叫做「全世界最智能、也最对齐的模型」。而 OpenAI 总裁 Greg Brockman 在发布前的媒体闭门会上，最后说了这么一句话。 **现在觉得我们已经进入 AGI 时代，并不算什么不合理的想法，欢迎来到 AGI 时代。**  我本来是想第一时间跑一轮实测的，案例都准备好了。结果打开 ChatGPT 翻了一圈模型列表，没有；去看 API，也没有…… 去官方博客看了一下，目前 Astra 只开放给一小批安全厂商，普通订阅用户是用不了的，接下来几天才会陆续开给 ChatGPT 的 Plus、Pro、Business 和 Enterprise 用户。 吊大家的胃口嘛这不是？ OpenAI 自己也知道这件事说不过去，于是负责 ChatGPT 的 Tibo 发了一条推特，说会给每一个订阅了付费计划但还没拿到 Astra 权限的用户，按天补偿额度重置，一天没用上就补一次。  行行行，原谅你了（正好周五我可以摸鱼了~ ## GPT-6 Astra 强在哪 这次，OpenAI 官方推文并没有吹 GPT-6 的编程能力，而是操作电脑能力。 他们把 GPT-6 Astra 称为「全世界最强的电脑操作模型」，AI 可以像人一样看屏幕、点按钮、填表单、刷应用，无所不能。  先看看跑分，有个叫 ScreenSpot-Pro 的测试专门考模型能不能看懂屏幕、并且精准点到该点的位置，上一代 GPT-5.6 Sol 是 76.9%，Astra 直接干到了 92.7%。  还有一个更接近真实工作的测试叫 OSWorld，就是把 AI 扔进一台真电脑里让它自己干活。Astra 的完成率是 72.6%，比 Sol 的 65.7% 高了不少。更关键的是完成同样的任务，Sol 平均要 75 分钟，Astra 只要 40 分钟！  我觉得主攻「屏幕理解」是个正确的方向。现实里绝大多数软件根本没有 API，很多公司的内部系统还是二十年前写的，文档都不知道在哪。但所有软件都有界面，那界面本身就是最通用的 API，AI 不用等谁来适配，自己看屏幕操作就完了。 GPT-6 Astra 的编程能力也有大幅提升。Terminal-Bench 4.0 考的是在终端里完成软件开发、系统配置和数据分析这类复杂任务，Astra 拿到 57.9%，Sol 只有 37.3%，Claude Fable 5.1 是 55.8%。  不过这次最让我意外的跑分是 ARC-AGI-3。 这个测试难在不给 AI 说明书、不给规则、甚至都不告诉 AI 目标是什么，模型进去只能自己乱按，慢慢摸清怎么才算赢，再把摸出来的规律用到更难的关卡上。 它考查的不是 AI 的知识，是悟性。 今年 3 月这个测试刚发布的时候，最强的 AI 只有 0.51 分，人类平均 48 分，GPT-5.6 Sol 是 7.8 分。 而 Astra 做到了 99.9 分！  把这称作 AI 的开悟时刻，不过分吧？ 再看看 GPT-6 的数学能力，FrontierMath Tier 4 这套题 Astra 拿到 97.6%，基本上算是打穿了。  最后说说大家关心的价格。API 里的模型 ID 是 `gpt-6-astra`，每百万输入 token 10 美元、输出 50 美元，跟 Claude Fable 5.1 一模一样，是自家上一代 GPT-5.6 Sol 的 2.5 倍，涨得还是挺狠的。 但是考虑到大多数用户都是在 Codex（ChatGPT）中使用套餐，再加上官方老是赠送重置额度，实际开销没有那么大。 ## 实战案例 跑分看着很爽，但我更关心 GPT-6 做出来的东西是什么效果。 官方这次放了不少实际案例，我挑几个有意思的说说。 先看一个最能体现「操作电脑」能力的。官方让 Astra 打开 KiCad 这个电路设计软件，把一张电子原理图变成可以直接拿去生产的电路板布线图，元器件怎么摆、铜线怎么走全都是它自己完成的。  这活儿平时是硬件工程师一点一点手工拖出来的，也是整个电子设计流程里最费时间的环节之一。 然后是 3D 建模能力，官方展示了让 Astra 直接建出一整座城市场景，楼体、道路、绿化带、斑马线、路上的车，一个都不少。  不光是建静态模型。官方还演示了先在 Blender 里把一栋房子建出来，再导进 Unreal Engine 5 变成可以自由走动的场景，让设计师和客户在开工之前就能提前逛一遍。  再看看游戏开发能力，官方直接在发布页面里嵌了两个能玩的网页项目，鼠标点进去就能上手。 第一个是卡丁车竞速游戏，这是完全用 AI 程序化生成的 Three.js 卡丁车赛车，赛道和场景不是靠网上的素材堆出来的，是靠代码算出来的。  我自己上手跑了两圈，速度表、漂移条、小地图、名次和圈数都在，手感也不飘。沙滩的高光、水面的透光、椰子树的剪影、彩旗的排布，这水准我觉得已经超过不少外包团队交的活儿了。 第二个案例更酷炫，是个宇宙飞船船厂。每换一个随机种子就能生成 1000 艘不重复但可复现的飞船，全部由 177 个模块化零件拼出来，每一艘还带尺寸、载货量、推力、装配模块数这些参数。  左边是舰队列表，中间是整页图鉴，右边是选中那艘船的详细规格，还能导出成一张拼版图。 除了官方，一批提前拿到内测权限的人也在 Twitter 上晒了自己的测试，有几个我觉得比官方演示还带劲儿。 Matt Shumer 让 Astra 在 Unreal Engine 里造一个世界，往里面填满由 Astra 驱动的角色，要求他们必须互相合作才能活下去。第二天他在卧室里听见客厅有人说话，以为家里进人了，走出去还有点害怕，结果是那些 AI 角色自己开始互相聊天了。  一位研究 T 细胞三十五年的免疫学教授，只给了 AI 一句「做一个 5 分钟讲 T 细胞的教学视频」，Astra 自己挑了视频框架、调文生图做画面、还主动建议用 AI 配音，最后一次性把讲什么、怎么讲、配什么画面全组装好了。 教授说：凭他三十五年的经验，他自己也讲不了比这更好。  看完案例你可能会想：官方是拿什么样的提示词做出这些东西的？ 这个问题其实有答案。OpenAI 有一个 [开发者展示馆](https://developers.openai.com/showcase)，里面收录了五十多个用 Codex 做出来的项目，而且 **每个案例的详情页都把当时用的提示词原文一字不改地贴出来了，后面还列了每一轮迭代都改了什么**。  虽然这个展示馆不是这次跟 Astra 一起发的，里面的案例大多是用 GPT-5.5 和 5.6 做的，但我觉得值得给大家分享一下，看官方的提示词能收获不少 AI 编程的启发。 随便分享 2 个，第一个启发是 **要逼 AI 自己验收**。 比如玻璃塔堆叠游戏的提示词，最后一句是这么写的： ``` Run build and lint, then play several runs in the browser to verify collisions, scoring, failure, and restart with no console errors. ``` 意思是先跑构建和代码检查，然后让 AI 在浏览器里玩几局，把碰撞、计分、失败和重开都验一遍，控制台不许有报错。  这就是我一直在讲的 Loop Engineering，让 AI 写完自己验，验证不通过就自己修复。官方把它写成了提示词里的硬要求。 第二个启发是 **先画图再写代码**。 小镇模拟游戏的提示词最后一段，是让模型先用文生图工具画几张玩法概念图，把视觉方向定下来，再开始写代码。  如果你平时让 AI 做前端总觉得出来的东西土，这一招直接助你羽化登仙。 剩下的案例我就不逐个讲了，放一张成品感受一下水平。  ## AGI 时代真的来了么 虽然官方把 GPT-6 Astra 吹得狂拽炫酷吊炸天，我看了官方展示的案例也觉得很牛呗，但是网上有很多不同的声音。 第三方评测机构 Artificial Analysis 在发布当天就出了独立评测，结论跟官方不太一样。在他们的综合智能指数里，Astra 是 61 分，跟上一代 GPT-5.6 Sol 一模一样，比 Claude Fable 5.1 还低了 5 分。  图里右边那一栏是单个任务的成本，Astra 1.67 美元，GPT-5.6 Sol 0.94 美元。**智能指数一分没涨，成本快翻倍了！** 所以「全球最强」这个说法，在 OpenAI 自己挑的那批测试上成立，一换成第三方的综合指数就未必成立了。 而且根据历史情况，我们可以大胆假设，GPT-6 Astra 大概会像其他模型一样，第一周用起来像是在跟神说话，一周后厂商为了省算力搞一波降级，再用起来就像是在跟三岁小孩说话，两周后被用户投诉多了，就再把智力调回来一点，几周之后再发布 GPT-6.1，然后循环……  就分享到这里吧，等我拿到 GPT-6 Astra 的使用权限，再跑几个 AI 编程实战项目测测看。 本文会收录到我免费开源的 [《AI 编程零基础入门教程》](https://ai.codefather.cn/vibe)，上千张图、几十万字，带你从 0 开始快速学会 AI 编程，做出自己的产品、跑通变现全流程，一次拿捏。 > 开源指路：https://github.com/liyupi/ai-guide  我是鱼皮，持续分享 AI 编程干货。觉得有用的话记得点赞收藏和关注~ 评论区有没有已经用上 GPT-6 Astra 的朋友，聊聊你们的使用感受？