FlowOps Daily

企业AI自动化服务，企业AI 组织变革。

[FlowOps Daily @FlowOpsDaily]

每日一气，今天一天dots云电脑显示离线，云端的任务啥也干不了，下午dots入口也消失了。

让codex修复，这家伙说他妈一堆废话，正事一件不干！

[FlowOps Daily @FlowOpsDaily]

我每天能被这个chatgpt气死好几次，AI有时候不仅会帮你大忙，也会把你气个半死！

[FlowOps Daily @FlowOpsDaily]

这款农业机器人入选时代周刊年度最佳发明，它靠的是什么？

农场运货，可以不用人一直开车。2026年10月19日，农业机器人公司Burro宣布，自主电动平台Grande44入选《时代》年度最佳发明。获奖的是Grande44，本片展示的是经销商Agri Automation发布的已有Grande系列实际作业。

先看苗圃：人负责装卸，平台牵引拖车运送货物。再看另一处葡萄运输场景：车辆沿道路拖运，并把运输衔接到仓库。两个现场不能拼成同一趟货物的行程，却能说明同一类需求：采收、装筐和入仓之间，总有反复来回移动的一段。

机器接手这段路，并不等于包办全部农活。装什么、何时装卸、下一处怎样接货，仍与人的操作和现场配合有关。这里更值得关注的是劳动分工：人留在需要判断和操作的岗位，移动平台承担重复运输，而不是让人随着每一车货物不断往返。

Grande的用途也不止拖运。演示还包括连接割草机沿行间割草，以及搭载喷洒设备在蓝莓地喷洒。移动平台提供行驶能力，连接的工具完成对应作业；割草和喷洒不能直接说成由车体本身完成。

[FlowOps Daily @FlowOpsDaily]

Anthropic这是要干什么？用Claude把致命蝎毒研究送进实验室

北京时间10月21日，Anthropic公布了一项瞄准蝎子神经毒素的研究。Claude参与设计的211个候选蛋白被送进实验室，其中17个达到了研究团队的结合标准，分别针对四种目标毒素。一个过去常被忽视的健康问题，正在成为AI参与分子设计的具体考题。

蝎毒为什么值得这样投入？团队引用的估计显示，全球每年有上百万人被蝎子蜇伤，儿童受到的严重影响尤其突出。危险毒素能够干扰神经细胞上的钠通道，让本来有节奏的信号出现异常。传统抗毒血清依赖动物产生的抗体，而生产、供应和地区可及性，长期影响着治疗资源能否到达需要的人手中。

这次研究想探索的，是从头设计能与毒素结合的小蛋白。可以把它理解为一只分子夹子：形状要对得上，接触的表面要合适，还要结合得足够牢。人类确定目标与要求，Claude组织专业计算工具，生成、预测并筛选候选，实验室再把设计做成蛋白，测量真实的结合表现。最终的17个结合蛋白，合起来涉及墨西哥、北非和中东的四种毒素目标。

其中，针对Cn2的两个设计表现突出。进一步的竞争实验还给出了结合位置的线索：一种已知抗体先占位后，设计蛋白的结合信号明显下降；换成结合另一处的抗体，影响就小得多。计算中的结构设想，因此获得了实验观察的回应。

值得关注的是，人、AI和实验室的工作已经接成一条链。从提出问题到生成可测试的新分子，AI正在进入药物研发更具体的环节。全部211个设计和实验数据也已公开，供其他研究者继续检查、比较与改进。

#ai #Claude #生物科技 #药物研发

[Anthropic @AnthropicAI]

New on our Science Blog: designing protein binders against scorpion neurotoxins.

Scorpions sting about 1.2m people every year, and antivenoms are often costly or in short supply. Claude has made an early step toward finding new treatments.

https://t.co/l6LgdEqM7I

[FlowOps Daily @FlowOpsDaily]

@thsottiaux 你们天天拆了东墙补西墙，上班干什么呢？

[FlowOps Daily @FlowOpsDaily]

想把AI真正用进工作流，可以先从选对订阅方案开始。

GamsGo把不同数字订阅和套餐集中在一个平台，方便按用途比较。写文案、整理资料、做推文配图和封面，可以先看ChatGPT方案；再按自己的使用频率，选择独享或共享，不必一开始就选最贵的。

价格也是值得比较的一点：10月20日页面显示，ChatGPT Plus独享1个月15.99美元；共享6个月合计30.59美元，折合每月约5.10美元。想降低订阅预算，可以把钱花在自己真正用得到的功能上。

共享方案由多人共用聊天记录和额度，不适合放敏感资料。上述为未用券、未加保障的页面价，默认自动续费；商品页不保证Codex，具体权益和结算价格以下单页为准。

正在挑AI订阅的，可以看看这条套餐对比，再到 @GamsGo_Global 了解当前方案，找到适合自己工作流的选择。#ad

[程序员端哥 @duange6099]

做自媒体以后，我用 ChatGPT 最多的已经变成了生图

每天的推文配图、长文封面，还有那种「这里再改一下」
的小修小补，基本都是在 ChatGPT 里一轮轮磨出来的。
用多了才发现，Plus 每个月 $20 是我订阅里最稳定的一笔支出
最近 @GamsGo_Global 找我合作，我把价格放一起对比了一下（10/16 页面价，美元）：

📌 官方 ChatGPT Plus：$20 / 月
📌 GamsGo 自营 Plus 独享：$15.99 / 月，用码 $15.51
📌 GamsGo 自营 Plus 共享：6 个月 $30.59，折合 $5.10 / 月，用码 $4.95
我自己的建议很简单
生图多、聊天记录不想跟别人共用，选独享
只是偶尔用用，共享更划算
需要 Codex 的注意，共享套餐不包含
平台方面，GamsGo 运营 7 年、1000 万+ 用户，自营商品付款后自动交付，有质保补发和退款，24/7 真人客服

ChatGPT Plus 在这里买 👉 https://t.co/D68jrf6j4i

[FlowOps Daily @FlowOpsDaily]

我每天能被这个chatgpt气死好几次，AI有时候不仅会帮你大忙，也会把你气个半死！

[FlowOps Daily @FlowOpsDaily]

谷歌AI科研助手竟然帮助人找到抗菌药新线索，太牛了

2026年10月15日，谷歌DeepMind公布了一个科研案例：研究者借助Antigravity，从用途还不清楚的天然蛋白质中，找出一条由97个氨基酸组成的抗菌候选。谷歌公布时，这条线索及其他候选正在实验室验证。

1、Antigravity是什么，能帮研究者做什么？
它是谷歌的AI工作平台，在这个案例里充当科研助手。研究者提出目标、决定该追问什么，AI调用工具查数据库，整理文献和结构证据。过去需要在多个软件之间切换的工作，被放进同一个工作环境，让研究者更方便地检查信息、继续提问。

2、为什么要到未知功能的蛋白质里找？
数据库已经收录大量天然蛋白质，但许多记录还没弄清用途。研究者面对的难题，是从海量信息里判断哪些值得花精力。谷歌的ProtNLM模型能够预测蛋白质的生物功能，为查找提供方向。这次案例中的97个氨基酸候选，就是沿着这样的线索继续研究的。

3、找到候选之后，还要补上证据。
ProtNLM先给出可能具有抗菌功能的预测。谷歌报告，候选的预测形状与一种已知抗菌分子的实验结构相近。这为继续验证提供了理由，但候选自身的作用还不能只靠形状确认。Antigravity把这些依据汇到一起，方便研究者比较和判断。

4、三维界面让讨论更具体。
研究者可以查看结构、标记位置，再围绕同一处结构和AI讨论。它让资料检索和证据理解接在一起，减少信息来回搬运，也保留了人的判断空间。

这则新闻的重点，是AI如何帮助研究者更快找到值得实验的线索。候选的实际效果，仍要等实验回答；研究者因此能把更多精力放在判断和验证上。

#ai #Google #科研助手 #抗菌研究

[FlowOps Daily @FlowOpsDaily]

产品宣传片制作神器！花叔这套开源工具真厉害

花叔发布huashu-motion首个公开版本。它不是一支片子的名字，而是一套装进Codex、Claude Code等编程AI里的视频制作技能和工具。产品介绍、数据解说、口播包装，是它面向的具体任务。

1、先把任务和资料交代清楚。
按照项目介绍，想做三十秒产品宣传片，可以提供官网或产品资料，再说明目标。AI先读产品，提出视觉方向供人选择，然后安排镜头、节奏、动画、配乐和音效。人不是等它随便出片，而是从方向选择开始参与。

2、看得到的结果，不只是概念。
作者公开了工具给自己做的五十三秒发布片，也公开了为另一个设计工具huashu-design制作的三十二秒宣传片。文字、图形、转场和声音被组织进同一支作品。另有使用DeepSeek模型完成的动效样片，可以观察字体、粒子和数字怎样配合节奏。

3、第一版之后还能具体改。
作者演示，在画面上点中一处写意见，评论会携带时间、场景和元素信息。动画由网页代码控制，AI能够找到对应位置，再修改标题、数字或颜色。核心区别不是承诺一次完美，而是让改稿有明确落点。

4、把结果接回日常制作。
工程可以预览、修改和导出MP4；透明背景的动画包装，也能放进剪映继续剪。项目还支持动态图表、字幕和姓名条等任务。

#AI #视频创作 #AI工具

[花叔 @AlchainHust]

https://t.co/42Sao6KYL9

[FlowOps Daily @FlowOpsDaily]

@nolotus2 5 小时窗口和周额度不是等比关系这个细节很关键：周额度还多，也不代表眼前这一轮任务能接着跑。

[FlowOps Daily @FlowOpsDaily]

@bdksmznxjsmzm 任务完成后还要再问一轮‘文件在哪、怎么打开’，长任务省下的心力就又花在找结果上了。

[FlowOps Daily @FlowOpsDaily]

@wiksongkim TDD 里先看测试失败这一步很有用，不然最后一片绿，也可能只是测试从来没碰到要修的那个问题。

[FlowOps Daily @FlowOpsDaily]

@zhixianio 全键盘操作这个细节挺贴合墨水屏：写到一半不用伸手点菜单，注意力还能留在刚才那句话上。

[FlowOps Daily @FlowOpsDaily]

好久不见重炮手王福重，今天突然看到他在视频号直播，我就进去问了问他怎么看黄奇帆的经济学水平，结果王老师对着黄奇帆一同输出，简直大胆！

以下是我整理的王福重老师原话的的摘要：

1、他反对重庆当年动辄抓民营企业家、处置其财产的做法

“有好多重庆的老百姓，有几百个。当时我跟他们说，我说现在你们重庆搞的这一套是不行的。动不动就把民营企业家抓起来，把人搞进去，把财产给他分了。动不动就什么唱红打黑……我说你们这么干，绝对是不行的。”
“当时大家都群情激愤，下边很多人要冲过来，要很愤怒地跟我辩论。我就说，你们这个绝对是不行的，你搞的绝对是不对头的。当时我就这么说。”

2、他认为黄奇帆应为当年的政策执行承担责任，不能脱离那段经历谈经济经验

“你助纣为虐的事干得太多了。你老黄搞死了多少重庆的民营企业，搞死了多少民营企业家啊？”
“你这种经验，你就别再出来指点江山了。你还乱说，那所有的坏事都是你具体执行的。”
这里的批评重点，是他认为黄奇帆并非与当年相关做法无关，而是参与执行的人。

3、他对黄奇帆经济观点的核心评价：那一套是计划经济

“你还懂经济学？……他说的那套完全就是计划经济，完全是计划经济。”
这是视频里最直接的经济思想判断。不过，他在这段视频中没有进一步逐项解释：哪些具体主张属于计划经济，以及为什么。

4、他提出海外投资项目涉及家属利益的指控，但这不能当作已证实的信息转述

“重庆的这个国资，收购这个澳洲的铁矿，他儿子就是中间商。”
“说重庆那个企业到巴西去买地，说是进口大豆，他儿子就是中间商，是不是？他儿子搞了至少几十个亿。”
后面他又说：“他和他儿子一起被抓的，一起被带走的。”

5、他承认黄奇帆在浦东开发初期出过力，但不认为这能抵消其批评的其他问题

“就是他坏事干得特别多，坏事干得特别多。”
“他其实有一些，就是浦东刚开发的时候，老黄在这里边是出过力的。”
“就是因为这个事情，可能他又……了几年。他早就该进去了。”
这里他同时表达了两层意思：承认过去有贡献，但仍对其作出强烈负面评价。

6、谈到与人疏远，他认为根本原因是价值观差距

“我和某某某（郎咸平）是不是闹掰了？就没什么联系了，没什么联系。”
“最后所有的人都会走散的。因为什么呢？因为最后大家发现，价值观差距很大，而且很大。”

7、对于姚景源，

有人问“姚景源水平怎么样”，他回答：
“不怎么样。他们这些人有啥水平？”

8、最后一段是关于美颜、化妆的个人偏好

“就是做了一些美颜，我没化妆，我不喜欢化妆。化妆太麻烦了，我不喜欢化妆。”

“我觉得所有的男女都不应该化妆……抹一些乱七八糟的东西在脸上……”

[FlowOps Daily @FlowOpsDaily]

@T1doo_AI 同一段材料换几种提示词跑，结果能留在数据库里，就不用一边试一边手工复制到表格里做对照了。

[FlowOps Daily @FlowOpsDaily]

@blueskoo 一次任务拆成多次提交，每条说明能对应上各自的改动，之后查问题才不用把整轮代码重新翻一遍。

[FlowOps Daily @FlowOpsDaily]

@waveking1314 ‘已重启，恢复正常’只记了结果，没留下触发条件。后面想让 AI 把事故变成测试，缺的恰好就是这一段。

[FlowOps Daily @FlowOpsDaily]

@Nutllwhy 能自己招开发、定产品框架，再直接看业务结果，这一整圈反馈，比只负责几个页面更容易知道判断到底对不对。

[FlowOps Daily @FlowOpsDaily]

黄仁勋最新100分钟访谈要点：对未来方向的六个判断

AI越强，人为何未必更闲？

AI会怎样改变工作与生活？黄仁勋在BG2访谈中，从科研、模型、机器人一路谈到安全、基建和收入。六个判断连起来，讲的是能力如何变成真实价值。

1、工作与科研：能做的事更多了
他认为，更强、更便宜的智能会打开新任务，人未必更闲；已有科学积累叠加AI的大量探索，也可能推动突破接连出现。

2、开放与闭源：不必只有一个赢家
闭源模型拓展通用能力，开放模型结合专有数据，则可能形成“领域超级智能”。关键是行业知识与具体任务，而不只是聊天排名。

3、物理AI：机器背后还有三类计算
不只人形机器人，仓储、汽车、医疗也在其中。训练赋予能力，仿真提供练习环境，设备端计算负责现场执行。

4、安全控制：能力要配上刹车
他主张不只等待完美对齐，还要限制权限、做好隔离、从外部监控，必要时升级处理或关停，让控制技术跟上能力增长。

5、2027年：瓶颈不只在芯片
他判断，土地、电力、机房建设及封装、硅光子等供应都会影响扩张。太空服务器仍在探索，不能代替眼前的地面建设。

6、谁来买单：收入不只靠卖硬件
需求不只来自OpenAI和Anthropic，也来自传统计算和行业企业。英伟达还希望通过软件许可，以及与部分云伙伴分成获得持续收入。

总结：看AI，不能只看模型变强。任务是否增加、行业能否落地、系统能否受控，以及基础设施和收入能否跟上，才是这六个判断共同指向的问题。

#ai #黄仁勋 #科技访谈 #物理AI

[FlowOps Daily @FlowOpsDaily]

@lishishen7i 难受的不是单纯等得久，而是不知道该继续等，还是现在就打断它纠正方向。

[FlowOps Daily @FlowOpsDaily]

奔驰发布AMG全尺寸纯电SUV：畅想持续加速！

2026年10月17日，奔驰发布AMG从头开发的全尺寸纯电SUV。新车最值得拆开的，不只是一次加速有多猛，而是高负荷之后还能不能继续输出。

以GT 63为例，奔驰公布的峰值功率为860千瓦，持续功率为530千瓦。两者不是同一种成绩：短时间爆发需要调动能力，持续工作还要处理不断积累的热。对于反复加速、回收能量和补能的电动车，电池、电机与功率电子器件之间，任何一个环节都可能影响整套系统的表现。

GT 63和GT 55采用轴向磁通电机。它的关键部件呈薄圆盘形，两片转子夹住一片定子，磁通沿转轴方向通过。更扁的结构给整车布置提供了空间，但制造并不会因此自动变简单。YASA的技术历史把轴向间隙、绕组和冷却列为需要克服的困难。一个看起来简洁的结构，背后仍要解决批量制造的问题。

奔驰此次把电机油冷、电池电芯直接冷却和中央冷却管理放在同一套方案里。目的不是让某一个部件单独创造漂亮数字，而是让整条动力链协同工作。电池需要送得出电，电机需要持续做功，各处热量也要能及时排走。

这还把行驶性能与充电联系起来：能量快速进入电池时，同样需要合适的温度。公布的性能目前属于厂商初步数据，驾驶画面也不能替代独立的高负荷测试。接下来真正值得观察的，是不同环境和使用条件下，这套系统能否把纸面设计变成稳定、可重复的表现。

#奔驰 #AMG #电动车