Joined November 2024
- Tweets 5,826
- Following 379
- Followers 52,783
- Likes 505
1,540 Photos and videos
Google Gemini 现在能直接编辑视频了，而且效果比想象中好
换背景、删物体、改衣服、加电影感，几秒钟出结果
关键是会用 prompt。这几个模板我实测下来效果最稳，分享一下👇
1
83
换衣服
想改视频里人物穿着的时候用
prompt：把[人物]的服装改成[新服装风格]。保持面部、体型、姿态和动作不变。让衣服跟身体运动自然贴合，匹配原始光影
1
34
这几个 prompt 的核心逻辑其实是一样的：告诉 AI 什么要改、什么不能动、怎么让改完的部分看起来自然
方括号里的内容换成你自己的需求就行
Gemini 在视频编辑这块确实在追剪映，而且走的是纯文字指令的路线，不需要学剪辑软件
34
Anthropic 出了一份 23 页的免费指南，讲怎么把 Claude 从一个聊天工具变成企业的核心基础设施
不是营销材料也不是产品手册，是真的在讲架构层面的东西：
- 怎么把 Claude 接入内部数据库和实时文档
- 怎么设计自动化工作流
- 怎么在企业规模下安全处理数据
- 怎么从"员工拿来问问题"过渡到"嵌入业务流程"
里面有一句话我觉得说到点上了：
"模型本身不够。价值在于它怎么连接你的系统、数据和工作流。"
现在大多数公司用 AI 的方式还停留在给员工开个 ChatGPT 账号的阶段。真正把 AI 嵌进业务流程的极少，不是不想做，是不知道怎么做
这份指南就是在回答这个问题。而且是做模型的人自己写的，比外面那些咨询公司5万美元的报告实在多了
做企业数字化或者AI落地相关的可以认真看看，干货密度挺高的，🔗放在了评论区👇
2
1
2
173
翻了一遍这份指南，挑几个对国内团队比较有用的点：
第一个是它把 AI 落地分了三个阶段：个人使用 → 团队协作 → 系统集成。大多数公司卡在第一到第二的过渡上，原因不是技术问题，是没人想清楚"AI 到底该嵌到哪个环节"
第二个是关于数据安全那部分，讲了怎么在不把敏感数据直接喂给模型的前提下还能让 AI 有用。这对国内企业特别关键，很多公司不敢用 AI 就是因为这个
第三个是工作流设计。它给了一个思路：不要让 AI 替代人，让 AI 做人和系统之间的翻译层。比如员工用自然语言描述需求，AI 去查数据库、拉报表、生成文档，人只需要审核结果
说实话这份东西虽然是 Anthropic 写的，但思路不局限于 Claude。换成别的模型逻辑也成立。核心观点就一个：AI 的价值不在模型有多强，在于跟业务系统的连接做得多深
1
33
iOS 27 有一个改动比什么 AI Siri 更重要：
你的 iPhone 不再绑死一个 AI 了。Apple 叫它 Extensions，你可以自己选 ChatGPT、Claude 或 Gemini 接管手机上的 AI 功能
1
260
支持设备：iPhone 15 Pro、iPhone 16 全系及以上 上线时间：今年秋天，随 iOS 27
这步棋挺聪明的。模型几个月就换一轮领先者，Apple 不赌谁赢，直接把选择权给用户。手机变成 AI 的中立平台
1
144
之前两年 Siri 只能对接 ChatGPT，因为 Apple 跟 OpenAI 签了独家。现在锁没了，任何通过审核的 AI 都能接入
等于 Apple 做了一个 AI 的 App Store
到时候你们会选哪个当默认？
145
OpenAI Codex 那个编程 Agent，现在可以白嫖了
方法是用 TokenRouter 把底层模型换成 MiniMax M3，Codex 的界面和功能照用，API 费用为零，也没有速率限制
Codex CLI 该有的都有：
- 读写文件、跑命令、搜索代码库
- 自动拆分任务、跑测试、跨文件操作
- 甚至能用 Playwright 自动化浏览器
相当于你拿着 OpenAI 的壳子，里面跑的是免费的开源模型
之前 Codex 最大的门槛就是贵，现在这个门槛没了。MiniMax M3 的代码能力本身也不差，日常任务扛得住
对于想体验 Agent 式编程但不想花钱的人来说，这可能是目前最低成本的方案了
你们试过用其他模型替换 Codex 底层的吗？效果怎么样？
3
1
5
982
上一条说了 Codex 可以免费跑 MiniMax M3，这条说下怎么设置，5分钟搞定
通过 TokenRouter 接入，Codex App 和 CLI 都能用，不花一分钱 API 费用，也不用担心限速
视频里可以看到，装好之后在终端输 codex，模型那里直接显示 MiniMax-M3 max。问它"which model are you"，它老老实实回答 MiniMax-M3 max
设置不复杂，跟着视频走一遍就行
实测下来 MiniMax M3 在 Codex 里的表现比想象中好，基本的代码读写、文件操作、debug 都没问题。毕竟 Codex 的核心能力很多是框架层面的，模型只要过了及格线就能用
免费方案能做到这个程度，说实话对很多人来说已经够了
209
补充几点实际用的时候会遇到的：
TokenRouter 本质上是一个 API 代理，把请求转发到 MiniMax M3 的接口。所以你需要网络能访问到 TokenRouter 的服务，国内的话可能要看情况
MiniMax M3 免费是因为它在用你的对话数据训练模型，这个之前 FreeBuff 那条帖子提过。写个人项目无所谓，公司代码就别往里扔了
跟原版 Codex 用 OpenAI 自家模型比，差距主要在两个地方：
- 长上下文的连贯性，大项目里改着改着容易忘前面的
- 复杂推理，比如涉及多文件架构调整的时候会弱一些
但日常写脚本、改bug、做小项目，体感差距不大
说白了就是：免费的不可能跟200刀的一模一样，但能拿到七八成的体验，对大多数人来说已经够用了
83