FDELINK

AIGCLINK发起人，《Llama大模型实践指南》和《一本书讲透MCP》作者

[AIGCLINK @aigclink]

上周六临时开了场直播，分享了最近对AI行业的一些观察和判断，先把最扎心的一句放前面【再过几个月，所有做软件的公司都会有一种「坠落感」——未来软件类公司90% 都会消失】。未来AI 时代的机会到底在哪？有一个大的判断：未来每家公司都会有自己的模型 https://t.co/iS6aH6HVAz

[AIGCLINK @aigclink]

一直不太理解很多简中的朋友，只要老外说dsh好，大家立马风向就变了，就认为多么多么伟大多么多么好。昨天pi的作者说了dsh的价值后，大家立马风向就变了，而国内说的话就不行，看来还是外来的和尚好念经。

昨天发布这个后，我对dsh的评价是linux级别的，这是跟模型公司还有头部的很多核心从业者交流后，给出的结论，不是完全依靠自己的体感和带风向拿流量，很多时候事实是经得起时间推敲的。

[Ant Ling @AntLingAGI]

7.9B total. 1.3B active.
One DGX Spark. No cluster.
Ling-3.0-tiny × ASystem AReno closes the Agentic RL post-training loop—locally, on a single DGX Spark.
Running locally is only step one. Ling-3.0-tiny makes iteration practical; ASystem AReno turns task feedback into a trainable, retestable loop on one node.

[AIGCLINK @aigclink]

今晚值得纪念，参与训练的医疗检验模型novamind在检验科benchmark测评结果跑出来了，效果很好，novalab的算法老师说在协和生产环境跑的效果更好，下一步准备在大兴的基层社区医院部署，这样就完成了三甲医院和基层医院的双层验证，下半年估计能部署几十家医院（参数不会开源，但多个paper会在医疗顶刊上发布，模型算法的paper9月初对外发布）。

因为模型涉及到多模态，需要识别血球细胞相关特征形态、后期可能还有一些其他的多模态识别场景，这块有两个路线：1、准备采用clip来训练一个小模型，然后结合训练好的文本模型，两个整合在一起弄，图像模型只做特征提取文本描述然后文本模型再做医疗临床解读；2、直接使用一个多模态的基座来微调，直接原生多模态解读。两个路线上，大家觉得哪种方式会更好一些？各自的优劣如何？

[AIGCLINK @aigclink]

这几天搓了一个开源的生成式引擎优化（GEO）自托管平台GEOLook，打通了GEO全流程：geo诊断 → AI 答案采样 → 工单 → 资产 → 验收 → 交付，一条完整的GEO流水线。

为什么做这个？

看到很多人留言问geo之类的，加上之前我自己公司也买过geo服务，大都做的差强人意，而且完全黑盒，服务一塌糊涂，所以后来就找了专人搞geo，执行过程基本上都是比较脏活累活的一些操作，所以就把这个sop（同时也借鉴了姚金刚老师的一些思路），打造成了geolook这个产品，来替代中间过程，人更多只做结果监测和观察，以及相关的导入自动化发布。

能解决什么问题？
geo问诊、geo执行工单、geo实施方案、geo执行自动化、优化过程中的前后结果对比。

对研究geo有兴趣的朋友，可以拿回去自己diy成自己的想要的定制化版本，许可证没限制随便用。
#GEO #AI搜索优化 #生成式引擎优化 #开源 #自托管

[AIGCLINK @aigclink]

今天直播与百川郭美青老师聊了很多话题，内容非常干货，里面聊了很多模型公司角度对于skill、loop、从业边界的思考和定义，值得深度从业者思考。

1. 场景化的 Skill 必须定制,「拿来就用」是幻觉
2. 做 Skill 是在给大模型当「养料」——一个顶级阳谋
...... https://t.co/drCRgiz1xr

[AIGCLINK @aigclink]

你刷到一个高质量教程视频，想让 agent 学会里面那绝活——以前得自己看完、提炼、手写成 skill。微软开源的Resource2Skill把这一步做成自动蒸馏提取skill。

一句话：把人类的教程视频、代码、文章、论文等蒸馏成 agent 能浏览、组合、真跑起来的可执行skill。跑通之后，agent 能真的产出网页、PowerPoint、Excel、Blender 场景、REAPER 风格音频等：

① 蒸馏是真开源、能自己跑，不只是放个数据集：

执行python https://t.co/8SrX2BdFe2 analyze --video <YouTube链接>，就从一个视频里蒸出这个域的 skill；还有 batch 批量、collect 自动采集守护进程（连接器按配额从 YouTube/GitHub 拉料），skill连同 HF 数据集 microsoft/RESOURCE2SKILL 一起放出。

② skill不是一段文本提示，是"分层多模态 Skill Wiki"：
每个 skill 带结构化文本 + 代码 + 视觉示例 + 元数据 + 来源出处。运行时分两层：
· skills_wiki/ —— 给 agent 浏览、搜索、查看
· skills_library/ —— 域 MCP server 真正执行的可运行资产

视频给"时序操作"、代码给"可执行范式"、文章给"概念地基"，三种模态各补一块。

③ 有跑分，不是纯 demo：
论文里提到：带上蒸馏出的skill，比无技能 agent 提升 11.9 个百分点；在 28 个模型×域格子里赢了 26 个；跨 7 个实操创作域评测。

agent 的"skill"这半年很热，但绝大多数是人手写、再打包分发。Resource2Skill 反过来走自动蒸馏——把散在视频和代码里的高质量做法，熬成技能库，补的是产能的上游一环。

它的"skill"跟 Claude Code 里的 SKILL.md 不是一回事：那个是给 agent 读的 markdown 提示；这里的 skill 是挂在域 MCP server 上、能被真执行的资产，方向是"让 agent 在这些创作工具里干活"，不是"把任意知识写成一段提示词"。

目前绑定创作/办公域：项目落地 5 个（web/ppt/excel/blender/reaper），论文评了 7 个。单条命令最顺的输入还是 YouTube 视频，文章/代码更多走自动采集连接器。

把散落在视频和代码里的高质量方法论，熬成 agent 能直接调用的skill库，这件事以前全靠手写，现在有了可复跑的一整套。

#Resource2Skill #agent技能 #技能蒸馏 #多模态 #MCP #微软

[AIGCLINK @aigclink]

LingBot-Video：首个面向具身智能的开源 MoE 视频基座开源模型。它从架构、数据、训练三处，专为"物理 + 效率"把视频预训练重做了一遍。

过去两年的视频生成模型，本质是为"内容创作"优化的——追画质、审美、跟指令。可一旦搬到机器人身上就撞墙：机器人不只需要好看，还需要接触关系稳定、运动符合物理直觉、对象持续存在、长时序状态一致。互联网视频给了海量视觉多样性，却不保证符合具身交互的物理约束。这就是 LingBot-Video 要解决的 domain mismatch。

① 架构——为什么是 MoE，而不是更大的 Dense。长视频 = 百万级 token 序列，Dense 模型每个 token 都激活全部参数，算力随时长线性爆炸，这是长视频扩展的根本瓶颈。LingBot-Video 用稀疏 MoE 做容量-算力解耦：总参数 30B，每个 token 只激活 3B——拿到 30B 的建模容量，却只付接近小模型的每 token 算力。

结果：100 万 token 长序列上，吞吐约为同规模 Dense 的 3×。做法借鉴 DeepSeekMoE：细粒度专家 + 共享专家隔离、sigmoid + group-limited 路由，并结合 auxiliary-loss-free 的在线负载均衡与 sequence-wise auxiliary balance loss。

② 数据——把"物理先验"喂进去。大多数视频模型的语料就是互联网视频，天然缺机器人交互的动作与动力学。LingBot-Video 造了个数据引擎，在互联网视频之外掺入 7 万小时具身数据（VLA 操作、导航、第一人称），并按拓扑再平衡、向稀有行为倾斜。这一步决定了模型有没有"动作先验 + 世界动态"的内在理解，是它和通用视频模型的分水岭之一。

③ 训练——把"物理合理性"变成可优化目标。通用视频模型的对齐基本是画质 + 文本一致 + 运动连贯；LingBot-Video 用一套六维奖励（画面质量、文本-视频一致、动态程度、运动连贯、人体动作一致，加上物理合理性）配 GRPO。关键在最后一维——物理合理性被作为显式优化信号，而不是只靠画质和文本一致性间接带出来。这正对着"机器人要物理对、不要好看"这个诉求。

综合分登顶公开榜（RBench 平均 0.620），并在偏具身的任务列领先；客观说就是——领先集中在综合分 + 具身相关维度，空间、机械臂等部分维度仍有其他闭源模型领先，不是全都赢。

产业意义：它不是又一个文生视频玩具，是当"具身基础设施"做的。动作条件视频（A2V）能生成 action-conditioned rollout，有潜力作为数据生成、策略评估和动作规划的基础组件。放进 Robbyant 的全栈路线——看→做→预测→想，LingBot-Video 是"预测/想象"这一层的视频基座，研究/基础模型，非消费产品。

一句话：别人把内容创作的视频模型往机器人上硬搬，Robbyant（蚂蚁集团旗下具身智能公司） 选择为具身智能把视频预训练从架构到奖励重训一遍——赌的是物理与效率，不是画质。

#Robbyant #LingBot #EmbodiedAI #RoboticsAI #AntGroup #AI2026 #ad #LingBotVideo

[AIGCLINK @aigclink]

Qwen3.8上了预览版，标志着阿里重新回归开源圈：2.4T 参数、正式发布后开源，在Coding 和 Cowork上超越了 Kimi K3、GLM-5.2，"Cowork方面仅次于 Fable 5.

同时，Qwen3.8-Max 预览版跑分泄露了。这组评分测试集来自阿里自家的agentic产品的真实任务（400 个、隔离 ECS、多次交叉验证），另外就是权重过几天上架hg。

最近国内开源圈也是你追我赶，K3还没发布3天，Qwen就预告先开源了，预览版 Qwen3.8-Max-Preview已经在阿里的 Token Plan、Qoder、QoderWork 上线，我在cline里测试了下，体感接近4.8。

我发现，最近国内的模型公司越来越坦诚了，至少不像去年动不动就全球第一：TML 的 Inkling 直说自己"不是最强"、月之暗面 Kimi K3 承认"与 Fable 5 有明显差距"，现在 Qwen3.8 干脆把定位写成"仅次于 Fable 5"。

开源模型权重这一派正在集体逼近最强模型，但也都坦然承认——还差最强闭源那一档。这种坦诚，反而比虚标跑分更可信。
#Qwen38 #开源权重 #Qwen #AI #大模型 #阿里开源

[AIGCLINK @aigclink]

过两天fable要收紧用量的limit，作者@diegocabezas01 搞的使用 Fable 5 作为协调器，并使用 Opus + Codex 执行的实战方法非常好值得学习借鉴，以节省 Fable 使用量：

Fable 5（最大推理）= 协调器orchestrator
Opus = 深度推理子代理 deep reasoning subagent
Sonnet = 重复工作子代理 mechanical work subagent
Codex = 同级高级工程师，不同视角 peer Sr. engineer, different perspective

实战步骤：
1. 将 Fable 5 设置为你的主要模型。在终端的Claude Code中输入/model → Fable 5 → reasoning /effort to max

2. 使用 /agents 创建 2 个子代理。
～第一个子agent： deep-reasoner → pinned to opus “用于推理密集阶段、架构、调试复杂问题、算法设计。彻底思考，返回协调器可行动的简洁结论。”
～第二个子agent：fast-worker → pinned to sonnet “用于机械任务、样板代码、测试、格式化、简单编辑。高效执行。”

3. 添加 OpenAI 的官方 Codex 插件（先在你的电脑上安装 codex cli），在 Claude Code 中输入：
/plugin marketplace add openai/codex-plugin-cc
/plugin install codex@openai-codex
/codex:setup

4. 将下面内容放入您的项目文件夹的 局部CLAUDE.md 文件：

## 协调工作流程
你（Fable）是协调器。规划、分解、综合。 推
理密集阶段 → deep-reasoner
机械工作 → fast-worker
Codex（/codex:rescue --background）是一位与 deep-reasoner 同级的优秀工程师，来自不同视角。将它视为同级，而非审阅者。
高风险决策：并行地将相同问题交给 Opus + Codex，综合两者的最佳部分，而不让任何一方看到对方的答案。保持你自己的上下文精简。

5. 然后像项目经理一样告诉 Fable：
“目标：[你想要要做什么]
上下文：[相关的文件目录、约束等]
作为负责人，将推理委托给 deep-reasoner，将重复的苦工活委托给 fast-worker，Codex作为同级别的另外一个高级工程师站在另外一个视角来审查、辅助甚至解决问题。先给我看你的计划，然后执行。”

#fable #claudecode #codex

[AIGCLINK @aigclink]

AI短剧最难的从来不是"生成一段视频"，是让第5个镜头里的女主，跟第1个镜头长得是同一个人。Jellyfish ：专门冲着这个"一致性地狱"来的，短剧赛道的ERP，可以作为本地化的巨日禄。

Jellyfish 做的是一套端到端 AI 短剧生��ERP，从剧本输入→结构化分镜→一致性管理→镜头准备→视频生成→导出，全流程串在一个地方。被它替代的不是分镜师的创意，是短剧团队里"人工维护角色/场景/道具/服装设定集、逐个镜头核对有没有跑偏"这个最耗人的环节。完全开源Apache2.0，支持中英日三语。

为什么说它反常识？

因为市面上绝大多数 AI 视频项目都在卷"生成质量"，Jellyfish 卷的是"生产管理"——它把角色、演员、场景、道具、服装做成一套跨镜头共享的实体模型，一致性被当成 first-class problem 单独管理，而不是每次生成碰运气。这更像给短剧厂做了个 ERP，而不是又一个文生视频玩具（基于公开信息推测，未做具体同类项目逐一对比）。

翻了下工作流设计，有个细节挺关键。

它把"准备好"和"正在生成"两个���态严格分开——剧本拆解→镜头准备→候选确认→镜头就绪→生成工作区，每个镜头有统一的 readiness 状态决定能不能进入生成。这套设计对应的其实是 harness engineering：长耗时的文本/图像/视频生成全走一个统一异步任务中心，带状态、取消、恢复，把不可控的 AI 生成变成可追踪、可回滚的工序。加上多模型/多provider管理和 prompt 模板复用，本质是把 AI 能力当基础设施来搭，不是当一次性调用。

商业化方面：短剧是已经跑通的付费市场，Jellyfish 直接切"批量产短剧的工作室"这个刚需。能直接变现的两条路——①做成 SaaS，按项目/按生成量对短剧团队收费，卖的是"降低一致性返工成本"；②它已经有 OpenAPI 链接和 Docker Compose 一键部署，很适合给 MCN/短剧公司做私有化部署+定制实施收费。��的返工成本高，谁就愿意为这套流程付钱。

部署稍重一点：不用GPU，docker compose up --build 就能跑起来自己试。

当所有人都在比谁的模型生成得更像时，先有人开始比谁能把这些生成物管成一条可复用的流水线ERP了——短剧这个赛道，接下来拼的可能是生产管理能力，而不只是画质。

#Jellyfish #AI短剧 #视频一致性 #开源 #AIAgent

[FDELINK @fdelink]

替代传统金融行业的AI初级分析师来了，传统分析师可能还没意识到自己的日报周报正在被一个开源仓库悄悄替代。

过去，整理一份带风险提示的行业简报，需要 2 个实习生花 3 天翻财报、读新闻、交叉核对；现在，anthropics/financial-services 用几行 Claude 调用，一杯咖啡的时间能吐出结构化摘要。你觉得你的岗位还有多少安全期？

这个仓库不是白皮书，是直接可跑的金融文本处理流水线：
▸ 财报数据抽取 → 替代人工逐页复制关键指标，并自动标注异常波动
▸ 多源新闻聚合与情绪分析 → 替代初级研究员的晨间信息搜集和初筛
▸ 合规审查要点生成 → 把法务团队逐条对照的重复劳动压缩 90%
▸ 私有化部署友好，无第三方依赖 → 你的数据主权还在你自己手里，而不是某个 SaaS 后台

商业上，这三个切口已经很清楚：
① 懂金融的独立开发者，用此工具做成 SaaS 卖给中小私募和家办，客单价可以定在 2 万/年
② 做成中文金融垂直版并出部署教程，目前几乎零竞争，搜索流量红利肉眼可见
③ 银行券商内部正在悄悄试点类似方案，开源窗口期就是先发优势期

当工具能复现你引以为傲的分析框架时，你拥有的不再是经验，而是可以被训练的数据。

https://t.co/aoQuqHfWsK

#金融ai #claude #anthropic

[FDELINK @fdelink]

一个 npx 命令，让 Claude Code 长出 100+ 蜂群智能体的神经系统，把“手工调 AI 上下文”这件事彻底干掉。

过去你像网管一样反复粘贴 PRD、切会话丢记忆、手动派活；现在蜂群自动生成、记忆跨会话持久、代理跨机器安全协作。GitHub 三周破 4.8 万星——你以为还安全的中级工程师岗位，其实已在重写。

▸ 100+ 智能体蜂群 → 替代人工拆任务、定向派发
▸ 自学习向量记忆 → 告别“每次对话从零开始”，代理自动记住、优化
▸ 零信任联邦 → 替代手动导数据、Scp 文件，PII 自动剥离
▸ 插件市场+多 Provider 路由 → 以前大厂才有的智能路由，现在本地 npx 到手

第一批赚到钱的人：做“RuFlo 私有化部署+合规咨询”的独立工程师，或中文部署教程（尚未有人占的流量入口）。大厂已下场，开源窗口期不过一年。现在不搭自己的 Agent 编排服务，等闭源就没你事了。

推给你技术负责人：自学习智能体集群正在自动化“会用 AI”这个技能本身。

https://t.co/537QdYO8cP

[FDELINK @fdelink]

部署上，它把门槛踩到地板了。Windows 一键整合包，下一步就行；mac/Linux 两行命令启动 Web 界面。LLM 可以直接用 Qwen 的免费额度，图像用本地 ComfyUI 的 FLUX 或 WAN 2.1，语音用 Edge-TTS，从头到尾不花一分钱。你需要的只是一台能接 GitHub 的电脑。

更狠的是它的扩展性：所有能力由 ComfyUI 工作流驱动，你可以把生图模型替换成你最擅长调参的那个，把 TTS 换成 ChatTTS，甚至自己写 HTML 模板。这不是一个工具，是一套视频生成的乐高。现在去做一套中文文案的模板市场，就是低竞争的流量入口。

https://t.co/KDyBYpP2Ar

[FDELINK @fdelink]

短视频剪辑助理岗，正在被一行代码重写。

过去一条 AI 解说视频需要文案、配音、找图、剪辑，至少消耗半天人力；现在你给 Pixelle-Video 一个主题，它自动给你出脚本、生插画/动态��材、合成语音、加 BGM，视频直出。如果你现在靠接单剪这种视频，你的位置还能坐多久？

▸ 文案生成 → 替代文案策划的初稿环节，1 分钟生成完整分镜脚本
▸ AI 图片/视频生成 → 替代图库搜图或外包美工，每条分镜自动匹配风格化画面；甚至支持数字人口播、动作迁移，以前只有专业团队才玩得起
▸ TTS 语音合成 → 替代真人配音或第三方 TTS 服务，Edge-TTS / Index-TTS 免费用，还能克隆音色
▸ 模板化合成 → 替代剪辑师切镜头、对音轨的重复劳动，竖屏/横屏一键成型
最关键的是：你不需要任何云服务，本地 ComfyUI + Ollama 就能跑，零成本、全私有，主权完全在自己手上。

第一批靠它赚钱的人已经出现——知识付费博主批量生产科普号内容，一个人管 10 个号。接下来，定制模板、ComfyUI 视频工作流、以及「帮人部署一套私有化视频工厂」本身就是一��生意。大厂可能不会收购，但会悄悄跟进，现在正是你建立个人生产线的窗口期。别等着别人发教程，自己先把坑占住。

#AI短视频 #开源视频工厂

[HeyGen @HeyGen]

An easter egg skill we hid in hyperframes:

/website-to-hyperframes

- create DESIGN.md
- screenshot the page - download assets
- build logo animations + more

we hope to support the launch of anyone's businesses

RT + comment "Website" for codebase access (must follow)

[FDELINK @fdelink]

@HeyGen website

[FDELINK @fdelink]

去年高大上的cursor、manus等，今天成为了人人都可以搞的东西，几十亿的估值意义是啥呢，工程上的东西都是浮云。很多人期待的AGI，也就是AI左脚踩右脚的时代快来了，其实很多模型公司内部已经开始了，溢出到场景侧还需要点时间，不过不太远了。PS：走到今天确定性的事情，无外乎三个，算力、模型、其他infra（计算存储网络相关），其他都是浮云。

[FDELINK @fdelink]

郭老师的作品必属精品

[AIGCLINK @aigclink]

一键给龙虾OpenClaw体检加固工具，检查你的龙虾有没有在裸奔，openclaw-security-hardening

对话式完成体检和修复，自动扫描配置、出报告、给三档加固方案，选完直接帮你改

OpenClaw安全隐患除了黑客攻击，还可能是配置不当，比如门禁没锁、权限过大、群聊不设防等

不想逐条对照配置文件的，可以用这套自动化skill
它可以：
自动检查OpenClaw配置文件中的安全风险
哪些配置有问题、风险等级是什么（CRITICAL/WARN 等）
给三档安全加固方案
选完方���后直接改配置，无需手动改JSON

#OpenClaw #OpenClaw安全

[AIGCLINK @aigclink]

一个能帮你找适合你电脑的本地模型的工具：llmfit ，一条命令告诉你���的配置能跑什么模型，跑得有多快

里面已经写好了专门给OpenClaw的技能，给龙虾即能用

它能自动检测硬件（CPU、内存、GPU等），内置200+模型数据，从质量、速度、适配度、上下文窗口四个维度评分，根据你的硬件和使用场景自动推荐综合最优的模型

支持动态量化选择，比如同一个模型有多种量化版本，自动选你的硬件能承载的最高精度版本

还支持反向查询（Plan模式），输入模型名称，反推跑这个模型需要什么硬件

llmfit相当于一个本地模型选品顾问，模型太多不知道选哪个的，可以用它扫一下，直接拿方案，省得下载后发现跑不动

#模型选择工具 #llmfit