错过这个，你做视频可能多花 90% 的时间
Google Flow 集成 Nano Banana 图像模型，用自然语言 P 图并一键生成动态镜头，解决角色一致性难题。
工作流被极大简化：
1️⃣ 上传或生成图像。
2️⃣ 用人话下指令编辑 (例如“移除背景，换成森林”)，模型能理解语义，保持发丝级细节。
3️⃣ 拖拽P好的图到时间线，自动生成 8 秒动态镜头 (Veo 3 驱动)，从P图到动态镜头仅需几十秒。
官方: https://labs.google/fx/tools/flow
#AI工作流 #视频制作 #Gemini #GoogleFlow #NanoBanana
错过这个，你做视频可能多花 90% 的时间
更多动态
别再忍受高幻觉了，Grok 4.1 已推出
xAI 最新模型，重点解决幻觉和延迟，实测数据远超上代，已全平台推送。 🔹 体验直升: 延迟降低 42%。支持两种模式：深度“思考模式”和即时“非推理模式”（无需消耗 token）。 🔹 可靠性大增: 幻觉率从 12.09% 降至 4.22% (近 3 倍改善)。多轮对话一致性达 91.4%。 🔹 硬核指标 (Dev): 基于 Grok 4 MoE 架构优化。LMArena 榜 (quasarflux 版) Elo 1483 登顶；MT-Bench 8.97；HumanEval (代码) 87.1%。 🔹 即刻可用: 网页、iOS、Android 已全平台推送，免费用户可用基础功能。新增 "上下文记忆" 开关 (可选 30 天)。 官方介绍：https://x.ai/news/grok-4-1 #Grok #AI大模型 #xAI #人工智能 #生产力工具
错过这波红利，你的 AI Agent 可能永远只是个玩具
MuleRun 来了，一个让 Agent 跑在虚拟机里的交易市场，把 AI 能力打包成可售卖的数字员工。 它和 n8n/扣子 模式不同，核心是解决了 Agent 的“最后一公里”执行问题： 1️⃣ 虚拟机驱动 (VM) 传统 Agent 像受限的浏览器插件，MuleRun 则是给每个 Agent 配了台专属电脑 (VM)，带持久化环境、GPU 和文件系统访问权。 🔹 结果：它能操作你本地的 Blender（3D创作软件）、自动玩《崩坏：星穹铁道》（一款游戏），而不只是 API 聚合。 2️⃣ 创建者经济 (80% 收益) 开发者可使用 LangChain, n8n 或 API 快速构建，5 分钟上线。平台解决计费、部署和模型集成，你拿 80% 收入。 3️⃣ 普通用户 (Agent 商店) 不用配环境，直接“租用”160+ 个专业 Agent 协同工作 (Agent Team)，比如月付 $19.9 雇佣一个电商视觉团队。 这才是 AI Agent 商业化该有的样子。 官网：https://mulerun.com/agent-store #AIAgents #数字劳动力 #MuleRun #AIAgent #AI工作流
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。
