智能助手网
标签聚合 AI

/tag/AI

linux.do · 2026-04-18 20:49:53+08:00 · tech

自从用ai以后基本都是用固定的节点了,一般默认用日本节点比较快,但是有时候也需要切美国节点;之前都是手动切来切去的 今天体验freebuff不支持日本节点,就想跑个容器去专门代理美国节点,没想到gpt-5.4告诉我新版本的clash mihomo核心原生支持listeners,直接可以配置不同端口使用不同的节点,完美解决需求; 分享给有需要的佬,万一我不是最后一个知道的呢 1 个帖子 - 1 位参与者 阅读完整话题

www.ithome.com · 2026-04-18 20:12:44+08:00 · tech

IT之家 4 月 18 日消息,据科技媒体 The Decoder 今天报道,Anthropic CEO 达里奥 · 阿莫迪(Dario Amodei)最近在接受采访时认为, AI 仍存在巨大发展空间 , 如彩虹一般没有尽头 ,并且算力还有很长的增长路径。 IT之家援引 The Decoder,阿莫迪在谈到 AI 对就业市场的影响时表示,当前社会对 AI 的信任仍然不足,导致这项技术只能以信任的速度扩散。这其中的部分问题在于,行业并未兑现以前的乐观承诺,但各种风险警告已经不断累积。 他对此解释道:“人们会怀疑我们吹的东西只是空中楼阁,因此我们必须真正把想的东西做出来”。 同时他坚信,AI 将在未来五年内,取代最多 50% 的初级白领岗位。行业不能淡化这种冲击,必须让 AI 带来更大的正面价值。

linux.do · 2026-04-18 19:51:40+08:00 · tech

model_provider = "cliproxyapi" model = "gpt-5.4" model_reasoning_effort = "xhigh" service_tier = "fast" 上面是我codex 模型配置,我看cpa日志,是不会用gmini和claude的供应商,有啥办法在codex会话里面切换或者让cpa自动切换吗 随便再问一下,cpa里面ai供应商的那个前缀配置怎么用啊 2 个帖子 - 2 位参与者 阅读完整话题

linux.do · 2026-04-18 19:39:02+08:00 · tech

电脑端我有Claude,Gemini和Perplexity,之前也用过GPT和Grok,算是都用过不少。 但手机端目前还没有靠谱方便的AI,求助一下… 手机端同步电脑的AI,每次要先开梯子、等连接,有时候场景又不方便,多端登还容易风控——总之不太方便。 目前手机上兜底用腾讯元宝,日常问点套餐资费、快递查询这类基础问题还凑合。但只要稍微有难度,就开始出问题——举个例子:做大物实验拍了照让它帮我处理数据、算重力加速度的不确定度,这种很基础的数据处理任务它都算不对。客观性和推理能力也差,很多话题直接指挥称赞。 所以想问问有没有什么好用的国产AI?kimi体验不错,但是听说付费效果也一般?MiniMax,Step,GLM怎么样?求助一下 btw: 需求就日常对话,简单问答,偶尔处理些数据,不要求什么代码,生成图片视频或者解决数学题超强,只是图个方便有用。 6 个帖子 - 6 位参与者 阅读完整话题

linux.do · 2026-04-18 19:07:30+08:00 · tech

前言 当AI工具用的起飞时,是不是也经常遇到这种尴尬:正写代码写起劲,突然弹出“额度已用尽,请 X 时间后再试”?其实,只要利用好官方的“定时任务”功能,巧妙重置计算时机,你每天的可用资源能直接翻倍。 本教程主要是给订阅官方套餐的用户,可以充分掌控自己账号的5小时刷新时机。 一、 核心逻辑:给 AI 定闹钟 不管是 Claude 还是 ChatGPT,它们的额度限制通常都是“滚动窗口”模式(比如 5 小时内限制 X 的 Token 额度)。 如果是常规使用,每天上午9点半开始用,结果不到12点就用光了额度,即使过完中午吃饭,下午仍然要等很久,看着刷新时间,陷入漫长的等待。 但通过定时任务,在特定的时间点触发一次微小的对话(比如让它打个招呼)。这本质上是在“占位”并提前触发计费周期的重置,让你在白天的黄金工作时段,始终拥有最新鲜、饱满的额度窗口。 按下面这个配置,每天能稳稳刷出 3 个 5 小时的满额度循环,让你每天8~12点,午休后13~17点,18~下班前 都可以使用满血5H额度。 二、 实操指南:手把手教你设置 Claude Code 定时任务设置方法: 通过网页设置定时任务(scheduled),即便你不在线、没打开电脑,它也会在云端自动执行,即可触发刷新机制。 访问地址: https://claude.ai/code/scheduled 操作: 创建定时任务,自然语言对话就可以设置,比如每天北京时间8、13、18点让它说你好。 频率: 建议早8点、中13、晚18各一次。 消耗: 使用最便宜的 Haiku 模型,几乎不占日常额度。 效果: 这样你到公司、吃完午饭、晚上加班,Claude 的 5 小时窗口都刚好完成了“热身”重置。 参考资料: Run prompts on a schedule - Claude Code Docs ChatGPT 定时任务设置方法: 通过网页设置定时任务(task),即便你不在线、没打开电脑,它也会在云端自动执行,即可触发刷新机制。 访问地址: https://chatgpt.com/tasks 操作: 创建定时任务,自然语言对话就可以设置,比如每天北京时间8、13、18点让它说你好。 频率: 建议早8点、中13、晚18各一次。 消耗: 使用最便宜的 GPT5.2 模型,几乎不占日常额度。 效果: 这样你到公司、吃完午饭、晚上加班,codex 的 5 小时窗口都刚好完成了“热身”重置。 参考资料: https://help.openai.com/en/articles/10291617-tasks-in-chatgpt 三、 进阶技巧:利用定时任务解放双手 利用定时任务,不仅可以掌控5h额度刷新时机,更可以构建自动化工作流,即便你不在线、没打开电脑,它也会在云端自动执行, 而且可以设置提醒通知,到点它会主动通知你。 比如说,晨报之类的 主动追踪: 让它每天下午 5 点提醒你写周报,并列出你当天在对话中提到的重点。 数据监控: 比如定时抓取某个网页的信息并汇总。 5 个帖子 - 3 位参与者 阅读完整话题

linux.do · 2026-04-18 18:34:24+08:00 · tech

前情提要:小红书疑似刷到一位L站用户,对不了解AI的人出言不逊十分傲慢 Reference: 上一帖 , 小红书原文 这让我想到了很多年前自己的一个脑洞,如何才能构建一个高质量的理想社区。这个念头的起源来自于当初的知乎从邀请制社区变为开放注册,在短时间内从一个文章质量很高的社区快速跌落成段子手集群的代名词,知乎的股价也同样快速下降,从早期开放注册之后的快速上市,到24年的几乎要被强制退市。用户数量的增长不可避免地带来用户质量的下降乃至社区质量的下降,而用户数量的增长本身则某种意义上也是社区经营的目标之一 - 看起来一个理想社区已经被嵌套在了死循环里。 由于当年的想法现在只残余一些模糊的记忆,我很难成体系地去重构我当时的论点,但我想提出几个问题和我自己的潜在回答或想法来抛砖引玉 1. 谁来制定社区规则? 我最初的想法从“我心目中的理想社区是什么样的”开始。尽管这个想法的源头是厌恶知乎的风气与内容的恶化,但当时和现在的我都不认为“我心目中的理想社区具备一个面面俱到的构造”。假设我真的可以,我如何保证我在时间的推移下,作为管理者,眼界和想法不会发生劣化?如果完全通过社区共识来构建规则,我相信一切会变坏的终究会变坏,随着用户的增长,社区的共识必然会成为最初的共识的劣化。 这看起来像是另一个死循环,但也许它并不重要:一个真正意义上不会劣化的理想社区可能存在吗?谁又要来定义劣化?这种无限循环式的发问是没有止境的。最终我没有继续在这个问题上思考,我不确定这是否有意义。 2. 如何平衡用户数量和用户质量? 许多社区的雏形最初都是由某些同温层开始的,而当社区真正开始走出自己的圈子时,对于非同温层开始具备某些吸引力(如认同感、实用性、经济利益)时用户质量就会走向下滑。社区的共识逐渐从某个具体的主题被社区的工具性替代。这不可避免,如果一个社区能够突破圈层地被认同,相信它本身在各个圈层具备相同的魅力并不十分合理,而相信它的工具性则是合理的多 - 正如不是所有人都偏好某种具体收藏,但没有人会拒绝钱。 我认为邀请制是答案,但又不完全是答案。如果社区成员的身份具备实际价值,社区本身开始突破圈层,邀请制将失去筛选的功能,仅剩下“节流”的作用。邀请机制本身或许需要某种更复杂的构造来实现这一目的。 3. 纯粹的脑洞 - 去中心化社区 当我们讨论去中心化社区时,我们往往指代的是在“技术实现上去中心化”。而这里我指代的是,将用户视作节点去构建共识算法。许多社区对与这一点也许有不同的认识。Mastodon的实现是实例层面的共享黑名单,但这里的节点是每个社区实例而不是用户。同时,这也callback到第一个问题:谁来制定社区规则?当规则的执行者始终是人而不是算法时,我们有必要去质疑,人作为执行者,是否严格执行了规则。当然,博弈论也是构建共识算法的方式,同时也是可以技术上容易实现的 - 但它的工具性太强烈了,强烈到完全覆盖了社区的交流属性。如何用技术构建一个并不功利的共识算法,乍一听似乎在llm时代具备一定的可行性,但具体到细节,在今天我觉得仍然是难以实现的,说到底,只要LLM仍然可能存在幻觉或被提示词注入,我们并不能完全信任其成为验证节点。 我很想写点什么当作收尾但没什么想法……但我很担心意图被错误的解读。这些问题的提出或许可能会被视作对L站现状的不认可,但,没有。L站已经比其他社区更坚持规则,更接近理想社区,对此没有什么可以抱怨的。谨以此文当作一个头脑风暴乱想的引子orz 6 个帖子 - 4 位参与者 阅读完整话题

linux.do · 2026-04-18 18:23:18+08:00 · tech

低价GPT 账号的问题估计周末就要解决了,已经被人反馈给了openai的官方了,直接糊他们脸上,不解决都不行 啊! OpenAI Developer Community – 17 Apr 26 [Security Report] Apple Pay receipt validation does not bind to purchaser... ChatGPT Bugs chatgpt api ⚠ Disclaimer: This report is for technical research and responsible disclosure purposes only. I do not endorse or encourage any unauthorized use, account sharing, or commercial exploitation of this finding. All testing was conducted on accounts I... Reading time: 1 min 🕑 Likes: 8 ❤ 现在就不要再买哪些pro号了,估计随时可能挂!有的加紧蹬,随时可能挂掉啊! 10 个帖子 - 10 位参与者 阅读完整话题

linux.do · 2026-04-18 18:07:57+08:00 · tech

各位佬好,最近在重度使用 AI 辅助写代码,对 Claude 的需求比较大,但一直被渠道和网络稳定性折磨。想请教一下大家目前市面上各类接入方案的实际情况。 我自己了解过并且试过一些渠道,体验都一言难尽: 官方账号反代(C号/池子反代): 这个最大的痛点就是极容易封号。稳定性完全看脸,经常写代码写到一半号没了,心智负担太重。 谷歌 Antigravity (Antig) 反代: 延迟极高,经常卡得死死的。而且给的额度非常少,稍微跑点复杂的逻辑或者上下文一长就不够用了,完全没法满足高频使用的需求。 最近看到市面上还有很多人在说 AWS 渠道 ,我个人的盲区比较大,想重点请教一下懂行的老哥: AWS 渠道到底是什么? 是指通过 AWS Bedrock 申请调用的官方 API 吗?还是别的什么操作? 稳定性和风控: 这个渠道的封号风险大不大?延迟表现如何? 其他方案求荐: 除了上述这些,大家目前在日常高并发/大上下文的开发场景下,还有什么相对稳定靠谱的获取 Claude 额度的路子? 提前感谢各位大佬解惑! 1 个帖子 - 1 位参与者 阅读完整话题

linux.do · 2026-04-18 17:46:34+08:00 · tech

最近半年一直在折腾一个项目——用 AI 自动生成短视频。起因是身边做小生意的朋友总问我能不能帮忙剪视频发抖音,我想这事儿应该能自动化,就开始做了。 分享一下技术方案和踩过的坑,希望对有类似想法的朋友有参考价值。 整体架构 用户上传素材 + 输入文案 ↓ TTS 语音合成(MiniMax / 火山引擎) ↓ 根据语音时长自动分配素材时间轴 ↓ 云端渲染(转场、字幕、BGM) ↓ 成品视频 后端 FastAPI + MySQL,前端 Vue 3,视频渲染走云端 API,手机端用 Capacitor 套了个壳。一个人全栈,没有团队。 几个有意思的技术点 1. TTS 选型 试了一圈,最后主力用 MiniMax speech-2.8-hd,中文多音字准确率目前最好。火山引擎作为补充,主要是剪映生态的独有音色(奶气萌娃、广告解说这种)。Azure 的中文效果一般,Fish Audio 没深入测。 踩坑:TTS 返回的音频时长和文字长度不是线性关系,语气词、停顿都会影响。批量生成时如果对时长有严格要求,需要做重试机制。 2. 素材自动分配 这块逻辑最复杂。用户上传 N 个素材(视频+图片混合),系统要自动决定每个素材展示多久、从视频的哪个位置截取。 几个关键决策: 视频从中间 70% 区域截取(跳过开头 20% 和结尾 10%),因为大部分手机拍的视频开头都是晃动的 图片展示时长根据总时长动态计算,保证每张都出现,最少 1 秒/张 批量生成时用发牌算法分配素材,保证每条视频的封面帧不同 3. 批量生成去重 做矩阵号的核心需求是"一组素材生成几十条不重复的视频"。去重策略: AI 扩写多组文案时分配不同的切入角度(预定义了 30 个角度) 每条视频的素材起始偏移不同 视频截取位置随机化 第一个 clip 强制用不同素材保证封面不同 4. 浮点精度问题 这个坑最隐蔽。视频时间轴用浮点数计算,多个 clip 拼接时 accumulated 会漂移,导致素材重叠或出现缝隙。解决方案是每次用 round 后的值更新 accumulated: cs = round(clip_start, 1) ce = round(clip_end, 1) accumulated += (ce - cs) # 不是 accumulated += clip_dur 5. 实时语音输入 加了个语音输入功能,用户对着手机说文案直接转文字。技术上是浏览器 AudioContext 采集 PCM → WebSocket 传到后端 → 转发到阿里云 paraformer-realtime-v2。 踩坑:中间结果和最终结果的拼接如果处理不好会闪烁,最后用了"快照 + 增量"的方案解决。 技术栈汇总 层 技术 前端 Vue 3 + Vite + Capacitor 后端 Python 3.13 + FastAPI + SQLAlchemy 数据库 MySQL 8 存储 阿里云 OSS + CDN AI 文案 通义千问 TTS 火山引擎 语音识别 阿里云 paraformer-realtime-v2 目前自己和几个朋友在用,做餐饮和服装的,反馈还行。有兴趣的可以体验一下: https://zj.xinghepay.com ,Android 也有 APK https://media.xinghepay.com/xinghe/app/xhzj.apk 技术上有什么想聊的欢迎评论区交流,特别是视频处理和 TTS 这块,踩的坑比较多,能聊的也多 6 个帖子 - 5 位参与者 阅读完整话题