更多动态
DeepResearch。 主打“端到端 Deep Research”，把类似 Gemini 的复杂搜索+报告生成能力，塞进了一个高性价比的单体模型里。 1️⃣ 逻辑像个“多疑”的实习生：普通 RAG 是“搜完即答”，它是“规划-搜索-反思-修正”。我试着让它写一份 Web3 竞品分析，它会自动交叉验证数据源，而不是瞎编。 2️⃣ 成本友好：32B 的参数量，对中小团队很香。官方提到单次任务成本不到 5 毛，我实测下来，确实比自己搭 Agent 调用其他 Deep Research API 便宜太多。 3️⃣ 使用场景：对写长报告、行业综述很稳，但如果你只是想查个实时汇率或天气，用它就有点“大炮打蚊子”，反应也没那么快。 做深度调研，大家最常用是 Perplexity 还是还在手动 Google？ #AI工作流 #开源模型 #深度调研 #StepFun #独立开发
这两天跑通了字节开源的 StoryMem，感觉它是目前长视频叙事的最佳解： 1️⃣ 它不做「一镜到底」的伪长视频，而是模拟导演思维：生成新镜头时，自动去「记忆库」检索之前的关键帧。 2️⃣ 实测下来，它解决了最头疼的 Cross-shot Consistency 问题。比起我之前用 Wan2.2 盲抽，它能记住主角穿什么衣服、长什么样，不用手动炼 LoRA 也能稳住。 ⚠️ 目前还是纯代码库（Python），没界面，依赖本地算力，小白慎入。 但如果你想做短剧，这东西能省下大量修图时间。 #StoryMem #AI视频 #开源项目 #独立开发 #效率工具
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。
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。
