人工智能

AI 生成代码的速度很快，快到常常让人产生一种错觉： “看起来能跑，就差不多可以用了。” 但真正进入项目以后，问题往往也来得很快：异常处理不完整、输入校验缺失、业务逻辑直接堆在路由里、领域对象和 AP

Google 刚刚发布了 Nano Banana 2，它基于全新的 Gemini 3.1 模型打造。相比上一代 Nano Banana，新版本更快、更便宜、效果也更好。下面简单介绍一下，我还会展示一堆

如果要选一个“2025 年底最火的概念词”，那大概率就是skills 了。 但我刚打开skill.md 的时候，老实说第一眼直接看懵：我脑子里冒出的念头是——这是不是又在“重复造轮子”？ 毕竟大家早就

最近 Anthropic 又刷了一波存在感。作为最早把 MCP 这个概念带火的“开拓者”，他们显然没打算停下来：这两天又提出了一个新概念，叫Skills。更关键的是，Anthropic 还****把A

刷抖音、小红书的时候，你是不是经常刷到那种“AI做的漫画视频”？ 这些AI漫剧真的越来越火：随便一条就是几十万点赞，还有不少人用它做内容顺便实现变现。 但很多新手一开始就容易卡住： 到底该用哪些工具？

2022年底，当ChatGPT以摧枯拉朽之势席卷全球时，昔日的AI霸主Google正陷入前所未有的平庸陷阱。市场甚至传出“Google已死”的激进论调。然而，在随后的1000天里，Google通过一场

最近我在社区发起了一个关于“内容偏好”的投票，结果既在意料之外，又在情理之中。我问大家：是更倾向于“三分钟快速听完论文概要”，还是愿意花“一小时深度解析一篇论文”？ 结果77%的同学选择了后者——深度

你有没有好奇过，ChatGPT 是怎么既能写诗，又能翻译外语，讲起量子力学来还像个老教授一样一套一套的？ 这都得归功于2017年，Google团队发表的一篇名为《Attention Is All Yo

很多人都认为，要让AI表现出色，关键在于使用"更好的模型"。 但事实并非如此。 像OpenAI、Anthropic(Claude)和Google这样的大公司，他们使用的AI模型其实差不多，但他们与AI

我仍然记得前不久的一段小经历。那时候，我们在为一个新的业务需求找技术方案，大家开了好几次会，却始终拿不定主意。每次讨论都像是在修一台特别复杂的大机器——方案一个比一个“高级”，但一谈到具体实现，就陷进

最近在玩生成式AI的朋友肯定都发现了： 不是所有的大语言模型都干同一件事。 有的擅长聊天，有的擅长思考，有的能动手操作，有的能看懂图片，甚至有些在你手机里默默运行而不会耗尽电池。 说白了，选对工具，问

“大数据”是一个模糊的术语，却迅速成为企业家、科学家、政府和媒体关注的现象。 五年前，来自谷歌的一组研究人员在世界顶级科学期刊《自然》（Nature）上宣布了一项了不起的成就。他们不需要任何体检结果，

不要让你的听众淹没在数据中。只提供他们需要的数字。 理解数字的含义是高级管理人员的核心能力。同样重要的是，他们应该善于传达这些数字背后的信息。不幸的是，很少有人能做到这一点。领导者们经常在向员工传达最

有这么个现象，如果你的 AI 助手不再只是个听话的工具，而是能真正明白你想要什么，然后自己规划、动手执行，让你能腾出手来，专心做那些真正重要的事。 这可不是科幻电影里的情节。 这就是 AI 的未来，一

期待半个多月，Gemini 3.0 终于登场了。 真正让我瞠目结舌的，却不是模型本身，而是它身后那款全新的开发工具——Google Antigravity IDE。消息一出，我的舆情监控小应用第一时间

生成式 AI 智能体的未来值得期待。 这场变革不会一夜之间发生，但正在悄然加速。 谁能理解趋势、拥抱技术，谁就能在下一轮竞争中占得先机。

前同事小王，三个月前还在电商公司，为每月六千元的薪水熬夜。如今，他的“办公室”是住所附近的小区商铺。 他每天的工作，是为面馆撰写外卖平台的介绍，或者为水果店制作短视频。上个月，他的净收入超过了两万元。

最近我和一家大型制造公司的IT负责人进行了一次深度对话。这不是那种夸夸其谈、吹嘘技术指标的会议，而是一场实实在在的经验总结——讨论怎样才能真正用AI解决生产中的问题，最终提升公司的业绩。

在早期时，我曾让大模型撰写一位冷门历史人物的传记。它胸有成竹，娓娓道来：年代、成就，甚至几句“名言”，一应俱全。读起来简直像历史上真的存在一样。 唯一的问题是：大部分内容都不是真的。严格来说，模型并非

各位小伙伴们，你们是不是经常遇到这种尴尬： 兴致勃勃地在Midjourney里敲了几个关键词——“宇航员、骑马、写实”，结果AI给你生成了一个四不像，眼看就要崩溃？ 今天我要给你介绍 AI 绘图界的新