👷 AI+ ｜AI使用技巧&工具推荐

Anthropic 用 AI 造 AI：Claude 已主导四分之一研发Anthropic 首次公开内部 AI 研发自动化数据。截至今年 8 月，Claude 已经“主导”26% 的 AI 研发任务，而今年 2 月这一比例还不到 1%；超过 90% 的研发工作，至少已经进入人类与 AI 协作阶段。所谓“AI 主导”，指的是人类只给出高层目标，Claude 可以完成大部分端到端工作，人类主要负责监督和最终判断。不过目前还没有任何研发任务达到完全自主的 AL5。另一个更直观的数据是：截至 5 月，Anthropic 超过 80% 的合并代码已经由 Claude 编写。2026 年第二季度，每位工程师每天合并的代码量约为 2024 年的 8 倍。Anthropic 也特别提醒，代码量并不等于真实生产力提升，但趋势已经非常明显。我觉得这件事真正重要的地方，不是“AI 会不会写代码”了。而是 AI 已经开始参与研究、实验、代码、验证，再把这些成果用于改进下一代 AI。过去所谓 RSI（递归自我改进）听起来更像未来概念，现在它正在逐渐变成一个真实、可测量的工程流程。当然，距离“AI 完全自主研发下一代 AI”还很远。但“人类研发 AI”正在快速变成：人类定方向，AI 做越来越多研发工作。

微软 10 月将重点展示 OneDrive × Copilot，云盘正在变成 AI 工作入口微软宣布，将于 10 月 8 日举办一场围绕「Copilot + OneDrive」的线上特别活动，重点展示 AI 如何进一步融入 OneDrive。这次值得关注的，不只是给云盘加几个 AI 功能，而是微软正在尝试把 OneDrive 从“存文件的地方”，变成一个可以直接理解、搜索和处理内容的智能工作空间。目前透露的重点功能包括：• 用自然语言直接搜索 OneDrive 中的大量文件 • 自动总结文档内容，快速提取重点 • 跨多个文件进行信息分析和整理 • 无需逐个打开文件，就能直接向 Copilot 提问 • 照片语义搜索进一步升级 • AI 自动整理特定事件、时间段的照片高光 • 优化照片和文件的跨设备管理体验 活动预计会有约 25 分钟的新功能演示，之后还会安排在线 Q&A，由 OneDrive 产品和工程团队参与交流。我比较关注的是“跨文件理解”这件事。过去云盘解决的是“文件放在哪里”，接下来 AI 云盘要解决的可能是：“我的资料里，到底有什么？”当 Copilot 能够直接理解 OneDrive 里的文档、照片和历史资料后，OneDrive 的角色就会开始接近一个长期存在的个人 / 企业知识库。微软真正想做的，可能已经不只是 AI + 云存储，而是把用户长期积累的数据直接变成 Copilot 的工作上下文。#Microsoft #OneDrive #Copilot #AI #GenerativeAI #CloudStorage #AIAgent

🚀 讯飞上线新一代语音基座大模型：从“听清”走向“听懂”科大讯飞正式上线 Spark-Audio-1.0-Preview。这款模型基于国产算力训练，不再只是把语音转换成文字，而是尝试直接理解声音本身。它可以识别语气、情绪、说话人、方言、背景声音和具体场景，支持 99 种语言、202 种方言，并具备语音转写、多语言翻译、环境声音识别和音频问答等能力。模型采用 0.65B 音频编码器 + 30B-A3B MoE 架构，使用约 1300 万小时音频数据训练。官方表示，它在多语言、中文语音识别，以及噪声、方言等真实场景中表现突出。目前模型仍处于 Preview 阶段，在指令遵循、对话和复杂音频理解方面还有提升空间，后续将开放微调和 API 服务。这次发布的意义，不只是语音识别能力升级，而是 AI 正从“Speech-to-Text”走向“Speech-to-Intelligence”。未来，声音可能像文字一样，成为大模型的原生输入。

Novel Writer Skill 发布小说写作系统指令模板Novel Writer Skill 是一个放在 GitHub 上的公开项目，提供可加载到多种 AI 平台的小说写作系统指令和配套模板，帮助用户把构思、写章节、修改到发布准备这些环节整理成一套流程。它比较适合已经有故事点子、但想让 AI 按固定框架协助推进的人。比如写连载时，可以用它提供的章节写前检查、单章结构、场景与对话写作、章首衔接和章尾勾连等环节，避免每次开新对话都从零交代要求。项目还提供角色、伏笔、来源和发布验收等追踪模板，方便把故事设定与写作任务放在一起管理。上手要先进入 GitHub 仓库 liuxiao20051106-prog/novel-writer-skill，获取中文版 SKILL.md 或英文版 en/SKILL.md。通用做法是移除 SKILL.md 开头的 YAML frontmatter，再把正文放进所用 AI 平台的系统提示词、角色设定或自定义指令栏；也可以把它作为一段对话的第一条消息发送。README 还列出了 ChatGPT、Cursor、GitHub Copilot、Gemini、DeepSeek 等平台各自的配置入口；使用 Claude Code 时，可将文件复制到 ~/.claude/skills/。这个项目采用 MIT 许可证，仓库可公开获取。它本身是一套指令和模板，不是独立的小说写作应用；使用时需要选择一个能承载这些指令的 AI 平台。对不想自己反复设计写作提示词的人来说，它的价值在于把“让 AI 帮我写小说”拆成可复用的检查项和写作环节。

DeepSeek App 向部分用户灰测语音入口和朗读音色DeepSeek App 正向部分用户灰度测试语音对话和朗读音色功能：它把原本主要靠文字完成的交流，增加了语音入口和可选的朗读声音。对日常使用者来说，最直接的场景是让 DeepSeek 把一段回答读出来。比如通勤时查看一段较长的解释，或不方便一直盯着屏幕时，可以改用朗读来听内容；不同音色也让听读时的声音风格多一个选择。已出现入口的用户，可以先打开 DeepSeek App，查看右上角是否有语音功能入口；在设置页里，则可以寻找“朗读音色”选项。报道显示，可选音色包括贝壳、白浪、海星和暗潮，其中贝壳偏百变活泼，白浪偏明朗坚定，海星偏俏皮甜美，暗潮偏低沉浑厚。这次是面向部分用户的灰度测试，不是每个 DeepSeek App 用户打开后都会看到入口。现有页面信息展示了进入功能和切换音色的路径，但没有把它作为一项需要额外付费才能使用的操作来呈现。

Second Look 开源：帮你复盘 AI 对话并重做交付物Second Look 是一个面向 Codex 和 Claude Code 的开源 Skill：它会从可访问的 AI 对话里找出值得重审的问题，再生成修订后的计划、回答、草稿或代码修改建议。它适合这样的场景：你和 AI 来回讨论过一份方案、写过一篇草稿，后来发现结论不够好，却不想从头翻完整段聊天。把当前可见对话或导出的 Markdown、TXT 等文件交给它，它会围绕原始材料复盘，并说明结果改了什么、为什么改；如果没有实质改进，也会保留原结论。项目主页在 GitHub： https://github.com/MoonHuang0325/second-look 。使用 Skills CLI 时，可先执行 `npx skills add MoonHuang0325/second-look --skill second-look` 安装，再在兼容的 Codex 或 Claude Code 宿主中调用。没有历史访问工具的宿主，也可以直接处理你提供的文件或当前可见文本。Second Look 是 MIT 许可证的开源项目，没有自己的开发者服务器、额外 API 服务、遥测或默认后台扫描。它目前仍是预览版；能读取哪些历史内容取决于宿主实际提供的访问能力，不能借此解锁整个账户历史。导入文件会建立未加密的本地 SQLite 数据库，因此不适合随意导入敏感对话。

OpenAI 推出 GPT-6 Astra，面向付费 ChatGPT 用户逐步开放OpenAI 推出 GPT-6 Astra，并称将在未来几天向 ChatGPT Plus、Pro、Business 和 Enterprise 用户逐步开放。这是一款被定位为执行多步骤工作流的模型，可协助完成网页浏览、计算机操作、软件工程和专业工作。对日常办公来说，它适合接手一件需要在多个页面或工具之间来回处理的事。比如整理日历、填写在线表单、做在线调研后写摘要，或根据科学数据生成图表。重点不只是给出一段回答，而是把这些连续操作串成一个任务。想尝试的用户可以留意自己所用的 ChatGPT 付费账户是否获得逐步开放；OpenAI 也称，GPT-6 Astra 可通过 OpenAI API、Microsoft Azure 和 AWS Bedrock 使用。使用时可以先从边界清晰的小任务开始，例如让它整理一份已给定的信息、汇总调研材料，再核对关键结果。目前，官方只说明了部分组织已经开始获得访问，并将向上述 ChatGPT 付费用户逐步开放；具体资格、地区覆盖、容量限制、API 型号、价格和速率限制并未列出。涉及提交表单、更新记录等会影响外部信息的任务，仍应在执行前确认要求并检查最终结果。我觉得，GPT-6 Astra 对普通用户最实际的价值，在于把零散的网页查找、整理和录入工作交给同一个任务流程处理；但它是否好用，仍取决于任务目标是否清楚、输入材料是否完整。

蚂蚁集团上线 Ling-3.0-flash-VL，可免费体验多模态任务蚂蚁集团推出并开源了百灵系列首个原生多模态大模型 Ling-3.0-flash-VL。它可以同时理解图片、文字和视频，适合把一份带图的材料、视频内容或文字需求交给同一个模型处理。对日常工作来说，一个直接场景是解读包含图表、截图或图片的报告：把材料交给模型后，可让它结合画面和文字理解内容。蚂蚁集团还列举了医疗报告解读、前端代码生成和 GUI 自动化等应用场景，并称模型会根据视觉结果进行验证和修正。想体验的话，可从 Ling Studio 使用 Ling-3.0-flash-VL；该服务目前已上线并提供免费体验。模型也支持图像、文本和视频输入，可按手头材料的形式选择输入内容。目前给出的信息没有列出免费体验的额度、地区范围及其他使用条件。需要注意的是，医疗报告解读等场景涉及高风险决策时，模型输出更适合作为信息整理和辅助理解，不能替代专业判断。

ChatGPT Images 2.5 上线：可用草图和批注改图ChatGPT Images 2.5 是 ChatGPT 内的图像生成与编辑工具：你可以先画一个简单草图，再用文字把它变成图片；也可以在现有图片的指定位置批注，要求删掉局部或替换颜色。它比较适合不想反复重写整段描述的人。比如做一张商品图时，主体和版式已经差不多，只想把背景换色、删掉多余物体，直接在对应位置标出来再说明要求即可；对于只有模糊构想的海报或配图，也可以先用 Sketch 画出大致布局，再补充文字描述。使用入口在 ChatGPT 对话中。新建对话后，输入“@Sketch”即可开始绘制草图并添加说明；编辑已有图片时，可在图像特定位置添加批注，再写明要修改的内容。该版本还提供海报、商品等创作格式模板，分享图片时可附带原始提示词。目前信息显示，ChatGPT Images 2.5 已向 ChatGPT、ChatGPT Work 和 Codex 用户开放，支持桌面端、移动端和网页端。现有资料没有列出免费额度、不同地区或不同套餐的具体可用范围，也没有给出面向普通 ChatGPT 用户的单独收费说明。这次更新的实用点不在于多生成一张图，而是把“重新描述整张图”变成了“圈出这里再改”：对日常做海报、商品图和社媒配图的人，修改成本会更低。

路透社：Meta 在美国上线 Muse 智能体路透社报道，Meta 发布了名为 Muse、内部代号为 Hatch 的 AI 智能体，可代表用户发送邮件、卖车和预订旅行。对普通人来说，它对应的是需要代为完成操作的事务。例如，预订旅行不只是整理信息，Muse 被描述为可以代表用户完成预订这一任务。Muse 初期仅在美国上线，可通过专门的 Muse 应用或 WhatsApp 使用。用户还可选择连接电子邮件、日历、支付、健康、购物和智能家居等应用，并可随时撤销访问权限。Muse 提供免费基础版本，也有每月 20 美元和每月 100 美元的订阅套餐，面向更高频的使用需求。它运行在独立虚拟机中，可在用户未主动使用时于后台持续执行任务；Meta 也称，特定情形下会要求用户在执行前授权。

OpenAI 上线 ChatGPT Images 2.5，草图可直接变成图片参考OpenAI 推出 ChatGPT Images 2.5：它是 ChatGPT 里的图像创作与编辑能力，能把文字想法、参考照片或手绘草图变成可继续修改的图片。最适合的场景，是你已经有一个大致画面，但说不清所有细节。比如要做一张活动海报：先在 ChatGPT 里画出排版和主体位置的草图，再把它作为视觉参考生成图片；如果某个元素位置不对，可以直接在图上添加评论，指定要改的区域。上手路径也很直接：在桌面端、移动端或网页端打开 ChatGPT，进入图像创作后先画一张 Sketch 草图，或上传参考照片，再描述你想保留和调整的部分。ChatGPT 还提供了海报、商品图等创作格式的模板，适合不想从空白画布开始的人。这次能力面向所有 ChatGPT、ChatGPT Work 和 Codex 用户提供。使用它的前提是已有这些产品的账户，并通过 ChatGPT 的桌面端、移动端或网页端进入；公告重点说明了可用用户和平台，没有把它作为一款需要单独寻找入口的独立工具。对普通用户来说，Sketch 的价值不在于替代专业设计，而在于把“我想要这种构图”变成模型能看懂的参考。比起反复修改一长段文字，先画出位置关系，再做局部评论编辑，通常更容易把图片改到接近预期。

WyckoffAgent 开源：用对话做股票量价分析与复盘WyckoffAgent 是一个开源的股票量价分析 Agent，面向 A 股、港股和美股，能把筛选、持仓诊断、研究报告和形态复盘这些任务放进对话里完成。如果你平时会看 K 线和成交量，但不想每次手动翻股票、整理观察结论，可以用它把需求直接说出来，例如让它做筛选、检查持仓，或生成一份研究报告。它还提供信号反馈和通知推送，适合把日常盯盘和复盘整理成固定流程。上手可以从项目的 React Web、CLI 或 Electron 桌面端进入；想先用对话方式体验，可以启动 CLI 的 Agent 对话。项目支持配置 Gemini、Claude、OpenAI、DeepSeek 等模型，但需要自行填写对应的 API Key。项目地址：https://github.com/YoungCan-Wang/WyckoffTradingAgent它不是一键替你做交易决定的工具。项目将自身定位为教育、研究和信息用途；定时任务默认只在 TUI 打开时运行。若使用无人监督的 daemon 或 wyckoff run，只有 set_stop_loss 能自动执行，其他写操作会进入待批准队列。我觉得它更适合已有看盘习惯、希望把筛选和复盘流程集中到一个对话入口的人；它能减少整理步骤，但不会替你省掉判断本身。

Google 将 Gemini Live 整合进 Gmail、Docs 和 KeepGoogle 宣布在移动端 Gmail、Google Docs 和 Google Keep 中整合 Gemini Live 语音搜索能力，让用户通过自然语言语音完成查找、起草和记录。一个直观场景是整理出行或聚餐事项：在 Gmail 里直接用自然语言提问，应用会扫描收件箱内的相关信息并给出答案；需要写成文档时，Google Docs 可通过语音创建草稿，并把邮箱、备忘录和互联网中的相关信息整合到文档页面。要使用这项功能，需要在移动端的 Gmail、Google Docs 或 Google Keep 中使用 Gemini Live 模式，并用语音提出问题或交代要完成的内容。例如在 Google Keep 里，可以口述一条备忘录、给已有备忘录补充内容，也可以让它把酿土豆所需食材加入购物清单。这不是面向所有用户的免费功能：目前可用人群是 Google AI Plus、Pro 和 Ultra 订阅用户，且仅支持英语。对已经订阅 Google AI 的用户来说，它把语音入口放进了日常处理邮件、文档和清单的应用里。

Water-Run/get：用自然语言检查电脑本机状态的只读工具Water-Run/get 是一款本机只读检查工具：把“电脑里有哪些大文件”“某个目录是否有异常”这类自然语言问题，转换成受限制的本机检查，并直接给出结果。它适合不想自己记命令、但偶尔需要查电脑状态的人。比如整理磁盘前，你可以先用一句话让 get 帮你检查某个位置；它的定位是查看和回答，不是替你删除文件或修改系统设置。上手需要从 GitHub Releases 下载软件包，运行 get_ready.py 完成准备。项目通过兼容 OpenAI Chat Completions 的服务来配置模型名称、服务地址和 API Key；准备好后，直接输入想检查的问题即可。项目地址：https://github.com/Water-Run/get使用时要接受它的边界：get 的只读允许列表策略不能关闭，遇到未知语法或未知可执行文件会默认拒绝执行。它还支持“不要使用工具”的查询，此时不会向模型提供工具定义。对想查本机信息、又不希望 AI 随意执行命令的人来说，这种限制比“什么都能做”更实用。

RunComfy 为 Gemini CLI 提供 ComfyUI 与生成工具入口RunComfy 的 README 显示，其 Gemini CLI 扩展可把 ComfyUI 工作流执行、图像与视频生成，以及 LoRA 训练相关操作接入 Gemini CLI。对不想在本地安装 ComfyUI、配置 GPU 的人来说，它的用途是直接在 Gemini CLI 中调用托管服务完成生成任务。比如已有一个 ComfyUI 工作流时，可以先查看部署的节点输入和 GPU 设置，再运行工作流并获取结果；图像和视频任务则可读取可用模型、输入要求与价格后提交请求。上手需要先安装扩展：`gemini extensions install https://github.com/runcomfy-com/runcomfy-gemini`。安装后要有 RunComfy 账户，并在 Gemini CLI 中运行 `/mcp auth runcomfy` 完成授权。生成和训练属于异步任务，服务会返回请求 ID，方便后续查看任务状态。安装扩展本身不包含执行额度。付费工作流、模型调用和训练任务需要 RunComfy 账户余额；不同模型请求，以及使用 GPU 的工作流或训练任务，适用不同计费规则，GPU 启动和保温时间也可能产生费用。扩展会把工具参数、所选媒体或数据集输入及结果交由 RunComfy 处理后返回 Gemini CLI。我觉得它更适合已经习惯用 Gemini CLI、但不想维护本地 ComfyUI 环境的人：把工作流、生成和训练放进同一个命令行入口，但账户授权与云端任务成本仍是使用前要先接受的条件。