JexLau

Cat mom of 2, 7 years. Co-founder of @theCatellect, helping cat parents better understand the little beings they love. Shipping AI hardware, learning in public.

[JexLau @JexLau]

实测用medium/high就已经能解决大部分问题了

[jinjingliang @JinjingLiang]

🧠💰GPT-6 Astra Money Tip:
'Medium Effort'

1% less intelligence for 25% cost savings

[JexLau @JexLau]

@dotey https://t.co/myDdqeW2Sd

[JexLau @JexLau]

https://t.co/hvkxg6SUy4

[JexLau @JexLau]

That’s really great work!

[Keunhong Park @KeunhongP]

When we say Atlas has pixel-perfect camera control, we mean it.

Atlas precisely follows input camera parameters, including non-planar projections such as the Brown-Conrady distortion model and the Kannala-Brandt fish-eye model.

@BhamidipatiPan1 invented a novel method of camera conditioning and it works beautifully.

🧵 [1/N]

[JexLau @JexLau]

4/4
TVC要按镜头来做。

给AI一份12秒分镜：
0–3秒，轮廓出场；
3–7秒，材质特写；
7–10秒，核心功能；
10–12秒，产品定格，留文案位置。

先看低清动画的速度和衔接，再渲染正式帧，配音乐、音效剪成片。

每个镜头都要知道在卖什么。

[JexLau @JexLau]

1/4
现在用AI做产品渲染、做TVC，可以从一张产品图起步。

补多角度→生成模型→材质布光→分镜运镜→渲染剪辑。

想要的，是产品出场的那一下、金属高光扫过的质感、细节特写的冲击力。

先放一段产品渲染。后面3条，讲怎么把模型做成片。

[JexLau @JexLau]

3/4
接下来才是渲染的重头戏：材质和光。

把模型、材质参考和喜欢的广告片截图，交给已连接Blender的AI。

可以这样说：
「白底棚拍，大面积柔光。金属有清晰高光，暗部保留层次，镜头慢慢推近。先出一张关键帧，确认后再做动画。」

反馈具体一点：哪里过曝、哪里像塑料、哪处细节看不见。

[JexLau @JexLau]

@AaronxShepherd @ProsperPathway BUILD

[JexLau @JexLau]

@op7418 我直接做产品的营销渲染图，blender + threejs

[JexLau @JexLau]

@op7418 别的不说，用BPY控制Blender比视频模型生成可控性要强得多

[JexLau @JexLau]

这条推发出去半小时后，Codex 团队的 Eric 把同一个判断写成了完整指南。

他给出的建议很具体：精简 Skill 描述、用渐进式披露节省上下文、清理 AGENTS.md 里的过度约束，并重新定义 Astra 的执行边界和完成标准。

模型在升级，围绕模型搭建的系统也需要同步进化。

https://t.co/kcTfhyB9KH

[JexLau @JexLau]

Astra 上线后，我准备先做一次 Agent 系统大扫除。

这段时间，我在 Claude、Codex 和 Hermes 之间积累了大量项目指令、Skills、Prompt、长期记忆和自动化任务。它们解决过真实问题，也记录了旧模型犯过的错。但模型能力升级以后，旧规则的价值会发生变化：有些仍是必要边界，有些已经被模型能力覆盖，有些互相冲突，还有些只是某次失败留下的临时补丁。

我的做法是让 Astra 直接审查完整工作流：

1. 找出跨会话反复出现的 Prompt，把稳定流程沉淀成 Skill；
2. 找出人工重复执行的步骤，把它们改成脚本、集成或 cron job；
3. 检查项目指令和长期记忆，合并重复内容，修正冲突；
4. 回看经常中断的任务，定位卡住 Agent 的文件、权限、测试和上下文缺口；
5. 用真实项目重跑回归，依据失败案例决定哪些规则继续保留。

模型越强，Harness 应该越精准。真正有价值的 Agent 系统，会把每一次模型升级转化成系统升级。

[JexLau @JexLau]

https://t.co/hvkxg6SUy4

[JexLau @JexLau]

今天不用工作流，直接重构，几句话直出，GPT6 把 Catellect 从「9 块 9 塑料玩具感」里捞了出来。
之前整体的塑料感、灯罩发黑、出粮口被柔光吃掉、黄色太淡、项圈灰扑扑……
细节都不用我提，也不用Skill，Astra是真离谱，这是对比：

[JexLau @JexLau]

@zengbozb 对，还有平时的工作流可以重构，每一次模型能力进化后，都要推倒重来。

[JexLau @JexLau]

Astra 上线后，我准备先做一次 Agent 系统大扫除。

这段时间，我在 Claude、Codex 和 Hermes 之间积累了大量项目指令、Skills、Prompt、长期记忆和自动化任务。它们解决过真实问题，也记录了旧模型犯过的错。但模型能力升级以后，旧规则的价值会发生变化：有些仍是必要边界，有些已经被模型能力覆盖，有些互相冲突，还有些只是某次失败留下的临时补丁。

我的做法是让 Astra 直接审查完整工作流：

1. 找出跨会话反复出现的 Prompt，把稳定流程沉淀成 Skill；
2. 找出人工重复执行的步骤，把它们改成脚本、集成或 cron job；
3. 检查项目指令和长期记忆，合并重复内容，修正冲突；
4. 回看经常中断的任务，定位卡住 Agent 的文件、权限、测试和上下文缺口；
5. 用真实项目重跑回归，依据失败案例决定哪些规则继续保留。

模型越强，Harness 应该越精准。真正有价值的 Agent 系统，会把每一次模型升级转化成系统升级。

[JexLau @JexLau]

@xiaomabosn 我之前产品转3D的疑难杂症问题被解决得非常好！

[JexLau @JexLau]

@op7418 我在grok bot里装了另一台grok bot 🤪

[JexLau @JexLau]

@calvinobai 太好用了

[JexLau @JexLau]

@Claudeapicom 太好了 我的陈年旧bug都可以修好了

[JexLau @JexLau]

Astra 全量开放。Full Reset 再送一张。一共3张！
Tibo 这两天的节奏太夸张了，这个周末，Codex 要跑疯了！