OpenAI 发布 Sora 2 与社交应用，视频创作门槛再次降低。它不只是个模型升级，更是一个完整的社交产品。
1️⃣ Sora 2 实现了音视频同步生成，物理真实性也显著提升。比如篮球投失会从篮板弹开，而不是自动飞入篮筐。可直接生成 20 秒 1080p 视频。
2️⃣ 社交玩法，配套的 Sora App 核心是 Cameos 功能。录制一次个人形象，就能把自己“植入”任何 AI 场景中。界面类似 TikTok，但更鼓励 Remix 和二次创作。
3️⃣ App 目前仅在美加地区通过邀请制推出（iOS）。ChatGPT Pro 用户可以在网页端访问更高质量的 Sora 2 Pro 模型，未来也会开放 API。
官网： https://sora.chatgpt.com
OpenAI 发布 Sora 2 与社交应用，视频创作门槛再次降低
更多动态
让你的网站拥有免费AI搜索：Cloudflare AI Search
Cloudflare AI Search（前称 AutoRAG）是一项托管服务，能将你的网站内容转化为可自然语言查询的智能知识库。它自动化了 RAG 流程，用户无需复杂部署即可实现网站内容的问答。 🔹 零运维成本：Cloudflare 自动处理数据索引、向量化和检索，无需自建后端。 🔹 多数据源：支持 R2 存储桶、网站爬取及自定义数据源，持续监听内容变更并更新索引。 🔹 0成本：利用 Workers AI 进行向量化和 LLM 生成，适用于个人开发者和中小团队。 工作原理 AutoRAG 像一位“智能图书管理员”：它把网站内容（书本）拆解（分块），将每部分内容标记（向量化）并存储。当用户提问时，它能迅速找到相关内容片段，再用 AI 总结（生成）答案。 嵌入网站 Cloudflare 提供两种主要集成方式： ◦ NLWeb 嵌入（推荐）： 在 Cloudflare 控制面板选择 NLWeb Website 模板，配置域名。 将提供的 代码片段插入网站，即可获得对话搜索框。 ◦ 自定义 Worker 集成： 创建 AI Search 实例，选择数据源（如 R2 或网站）。 在 Cloudflare Worker 中调用 aiSearch('YOUR_RAG_ID', { query }) 接口，前端通过 Fetch 调用此 Worker，自定义展示搜索结果与 AI 回答。 🔗 参考资料： Cloudflare AI Search 官网: https://developers.cloudflare.com/ai-search/ NLWeb 嵌入指南: https://developers.cloudflare.com/ai-search/how-to/nlweb/ 访问 Cloudflare 控制面板，在 Compute & AI > AI Search 中根据向导创建你的第一个网站知识库。
微软送免费一年 Copilot + Microsoft 365 Personal 订阅
1️⃣ 免费包含：Word、Excel、PowerPoint、Outlook 等 Office 应用集成 Copilot AI 助手，外加 1TB OneDrive 云存储与 Defender 高级安全。 2️⃣ 申请条件：需美国及全球大部分市场认可大学的在校学生身份，凭有效大学邮箱申请。可能需要提供支付方式，免费期满前可取消避免自动续费。 3️⃣ 后续优惠：一年免费期后，可享 50% 学生折扣（每月 $4.99），学生身份有效期内持续有效。 4️⃣ 区分 Copilot： ◦ Microsoft Copilot (M365): 专注文档写作、数据分析、邮件总结，适合知识工作者。 ◦ GitHub Copilot: 专为开发者设计，提供代码补全、调试建议。 尽快申请，截止日期是 2025年10月31日。记得在免费期结束前管理订阅。 申请官网（Microsoft 365 教育优惠）: https://www.microsoft.com/en-us/education/products/office GitHub 学生包: education.github.com/pack
claude申诉失败了。
订阅费也没法儿退，我甚至怀疑申诉邮件就是钓鱼的，有追踪IP地址。 dhh是美国开发者，前段时间来深圳交流，演示了自己怎么用claude code。 目前最稳妥的方式就是参考dhh方法，把Claude code放在海外机器上，用tailscale远程连接使用。 那就得租一台有家宽的海外机器，在那台机器上注册和登录claude。
分享下现在的纯手机端工作流。
九月底前我都是坐在电脑前开着terminal指挥着pi，跑多subagent，最后再自己看diff，提pr，经常一坐就是一天。 九月底，我工作流改成在手机端用hermes指挥pi，完全解决了久坐电脑前的痛苦，用到现在还挺舒服。 Hermes用旗舰模型（gpt-6-astra/opus-5.5），pi尽量不装插件，用中端模型（ds-v4.1-flash/sonnet/terra），二者间用a2a通讯。 hermes负责分析issues，拆分成多个小任务，然后给每个小任务创建worktree，并在里面派遣pi去完成小任务。 每个pi完成任务都会通知hermes，由它判断提pr还是返工给pi。基本逛一天景点，或一觉醒来十几个pr搞好了，舒服得很。 就是过程太黑盒了，心路历程有点像早期的vibe coding，那会diff至少自己会看一下，现在diff也黑盒，完全交给旗舰模型，属于盒中盒了。 如果没数据焦虑，其实可以直接用grok-bot或者chatgpt-dot，开箱即用，里面内置了grok-cli和codex，原生agents通讯。弊端就是数据不在本地，有监管，万一被封号一切归零。
