嗯哌AI

Banny｜嗯哌AI 主理人 · AI 工作流搭建者
NotebookLM 教程全网 50 万播放｜开源 Dify 工作流 GitHub 2.7k⭐
白天搭能直接抄的 AI 工作流，晚上吐槽被 AI 坑的日常
视频号 / YouTube / B站：嗯哌AI

[嗯哌AI @NpieAI]

做个小调查：

A. 只是玩梗，大家太敏感了
B. 职业场合说这种话就是失言
C. 话没错，场合错了
评论区回个字母就行 👇

[嗯哌AI @NpieAI]

https://t.co/8F1jL4lOy1

[嗯哌AI @NpieAI]

很多人用 AI Agent 总觉得“不够聪明”，其实 90% 的问题出在【上下文架构】上。

过去我们习惯把长 Prompt 塞进一个窗口，但大模型注意力机制（Attention）必然衰减。目前最顶级的解决方案是 3 层记忆架构：

1️⃣ 工作记忆 (Working Memory)：当前 Session 的思考临时文件夹，用完即扔。

2️⃣ 长效结构化存储：绑定 Obsidian / Markdown 本地知识库，实时检索。

3️⃣ 路由索引 (Router Index)：维护全局 MEMORY.md 指针，让 Agent 自行决定调取哪一部分。

把“提问方式”变成“系统设计”，你的 Agent 效率直接翻 3 倍。

#AIAgent #VibeCoding #AI工作流 #Productivity #Obsidian

[嗯哌AI @NpieAI]

完整Prompt：
用 lemo-opuscar 的「白模投影 / Projection on White Model」风格，做一支 50 秒的片子。

片名：《一平方公里》One Square Kilometre
一句话：六座城市各取一平方公里，做成六块 20 厘米的白模，摆在一张黑桌上逐个点亮，看谁的"城市"最密。

【先做数据，再做片子】
- 取 6 个 1 km × 1 km、正南北的方格；比例尺 1:5000，每块 20 cm × 20 cm。
- 候选：曼哈顿中城、巴塞罗那扩展区、阿姆斯特丹中心、东京谷中、香港深水埗、
深圳或广州的一个城中村、成都老城。
- 先跑建筑轮廓覆盖度检查，只保留覆盖完整的 6 个；覆盖不全就换城市，不要凑数，
也不要用生图补。
- 每块只算三个 footprint 指标，不碰楼高（楼高跨城市不可比）：
① 建筑栋数　② 建筑占地覆盖率（footprint 面积 ÷ 1 km²）　③ 单栋平均占地 m²
- 把 6 块按"栋数"排序。我预期的结论是：最密的那块不是最高的那块，而是单栋
最小的那块。如果实测不成立，改结论，不要改数据。

【结构】
0–5 s 微距滑行掠过一块白模屋顶（浅景深），抬到全黑；灯亮，第一块被投影点亮。
5–40 s 侧向轨道平移依次经过 6 块。每块停 4–5 秒：投影从块的边缘漫开，建筑一栋
栋亮起；左侧读数只给三个数字（栋数 / 覆盖率 / 平均占地）；左上角常驻
"城市名 · 1 km² · 1:5000"。
40–46 s 拉回俯视：六块并排在一块黑桌面上，间距均匀，像一排标本。
46–50 s 灯灭 → 室灯亮 → 六块模型还在桌上 → 标题卡 + 一行字幕：
"下一块，放哪个城市？"

【不变量，照 STYLE.md】
- 模型是真实建筑轮廓按 1:5000 挤出，白色哑光（≈#F3F3F1），不得虚构，不得用生成
图代替真实几何。
- 颜色只能是投影光：亮朝向投影机的面，背光墙转暗，光溢出到台板边缘一点点。
- 一次只来一层光；读数跟着光走；模型与台板全程不动。
- 转场靠光的改变，不叠化、不硬切。
- 数字用等宽字体，中文 Noto Sans SC 300/500；左上角常驻标识要极轻。
- 每块停留时间要够读完，跑 readcheck（CJK ≥ 字数 ÷ 4.5 + 1.5 s）。

【语言与声音】
- 中文旁白（edge-tts，冷静、短句、不煽情），中英双语字幕：中文在上单行、
英文在下单行，不换行。
- 声音：房间底噪、投影机风扇、继电器；"点亮"用马林巴与玻璃；每块落位一记低音鼓；
至少两处真静默；−14 LUFS。

【交付】
1920×1080 / 24 fps / 约 50 秒；poster.jpg 用第 40 秒的六块并排那一帧；
CREDITS 与 FACTS.md 一并给我，FACTS.md 里每个数字写清算法与 OSM 快照日期。

【不要】
不要 LemoLab 署名或水印；不要照搬 demo 的故事与分镜；不要用"世界最密"这类
绝对表述，只写"这六块里"。

[嗯哌AI @NpieAI]

用 DeepSeek V4.1-Flash-1017 搭配开源 lemo-opuscar 跑了一支 50 秒的短片：《一平方公里》。

画面没有用任何传统视频生成模型，全靠 DeepSeek 强大的代码逻辑和几何数据处理，现场在桌面上“点亮”了六座城市的建筑标本。

🎬 视频呈现的反直觉真相：
我们取了曼哈顿、东京、香港、阿姆斯特丹等 6 座城市的 1 km² 建筑数据，等比例（1:5000）做成 20 cm 白模。
本以为最密的一定是高楼林立的曼哈顿。
结果实测：最密的那块（东京谷中），不仅没有一栋超高层，反而楼最矮、单栋最小（平均占地仅 90 m²）。

💡 为什么这种“代码流 AI 导演”越来越稳？
❌ 不用抽盲盒视频，拒绝画面闪烁。
✅ DeepSeek V4.1-Flash-1017 驱动 Agent 纯靠 WebGL 代码逐格渲染，每一栋楼、每一个覆盖率数字都绝对可控、可复现。

🔗 开源项目：https://t.co/HJiDVFXJYG

下一块白模，你想把哪个城市放上桌？👇
#DeepSeek #ClaudeCode #AI #AIVideo #GitHub #DataVisualization #OpenSource

[嗯哌AI @NpieAI]

视频生成的终局，可能是被 Claude 敲出来的代码干掉。

试玩了 GitHub 爆火的 lemo-opuscar 之后，我彻底被这种“程序化渲染”的思路震撼了：

传统的视频大模型：像抽盲盒，好看但无法精准控制。 这里的 Agent 导演：用 Canvas/WebGL 代码作画，运动轨迹、灯光、剪辑全在掌控中。
零视频模型开销，却能凭空捏出一部赛博风、浮世绘或 98年复古奥斯卡质感的动画短片。

时代真的变了，当程序员可以用几行代码兼职“电影导演”，传统影视制作的门槛正在被彻底平推。

🔗 项目开源自取：https://t.co/HJiDVFXJYG

评论区聊聊：你觉得这种代码渲染流，能抢走大模型的饭碗吗？💬

#Claude #AI影视 #GitHub #独立开发者 #未来工作

[嗯哌AI @NpieAI]

方法与数据严谨性说明：
1. 底图与切片：基于 OpenStreetMap（© OpenStreetMap contributors，快照 2026-10）真北对齐取 1 km² 瓦片。
2. 指标口径：严格只算建筑 Footprint 栋数、覆盖率与平均占地（跨城市高度数据由于测绘习惯不同不可比，故全片统一厚度，不拿楼高做文章）。
3. 完整复现代码与算法细节已同步开源在项目的 `FACTS.md` 中。

[嗯哌AI @NpieAI]

@laopai1990 我觉得是这几件事叠在一起：https://t.co/ms2W0eMvgC

[嗯哌AI @NpieAI]

不是最强，也不是标价最便宜，但调用量第一，我觉得是这几件事叠在一起：

1. DeepSeek 时刻
那一波影响太大了，很多人第一次认真用国产模型就是它。先入为主，记住了就懒得换。

2. 低调，但能力一直在线
不怎么营销，也不爱开发布会，小版本都是悄悄上线。用的人发现「好像又变强了」，口碑就是这么一点点攒起来的。

3. 当年一度把价格砍到地板
「DeepSeek = 便宜」的印象就是那时候立住的，后来别家再降价，开发者第一个想到的还是它。

4. 简单干净
API 好接，不用折腾，开发者最怕麻烦。

5. 真实账单比标价便宜得多
这点最容易被忽略。Agent 跑任务会反复读上下文，缓存打几折直接决定账单。LobsterAI 9 月的报告里，DeepSeek V4.1 Flash 算上缓存后的输入费只有原价的 4.6%，Qwen 3.8 Max 是 18.5%，Kimi K3 是 20.2%。只看标价是看不出来的。

6. 够用
评论区有人说得好：good enough AI at reasonable costs。大部分活不需要最强的模型，够用、稳定、便宜就是最优解。

7. 生态还在往外扩
最近又开放了搜索 API，5 元一千次，失败不收钱。能干的事越多，留下来的理由就越多。

所以 OpenRouter 上的调用量，比的不是单项第一，比的是综合下来谁最不容易被换掉。

[嗯哌AI @NpieAI]

不是最强，也不是标价最便宜，但调用量第一，我觉得是这几件事叠在一起：

1. DeepSeek 时刻
那一波影响太大了，很多人第一次认真用国产模型就是它。先入为主，记住了就懒得换。

2. 低调，但能力一直在线
不怎么营销，也不爱开发布会，小版本都是悄悄上线。用的人发现「好像又变强了」，口碑就是这么一点点攒起来的。

3. 当年一度把价格砍到地板
「DeepSeek = 便宜」的印象就是那时候立住的，后来别家再降价，开发者第一个想到的还是它。

4. 简单干净
API 好接，不用折腾，开发者最怕麻烦。

5. 真实账单比标价便宜得多
这点最容易被忽略。Agent 跑任务会反复读上下文，缓存打几折直接决定账单。LobsterAI 9 月的报告里，DeepSeek V4.1 Flash 算上缓存后的输入费只有原价的 4.6%，Qwen 3.8 Max 是 18.5%，Kimi K3 是 20.2%。只看标价是看不出来的。

6. 够用
评论区有人说得好：good enough AI at reasonable costs。大部分活不需要最强的模型，够用、稳定、便宜就是最优解。

7. 生态还在往外扩
最近又开放了搜索 API，5 元一千次，失败不收钱。能干的事越多，留下来的理由就越多。

所以 OpenRouter 上的调用量，比的不是单项第一，比的是综合下来谁最不容易被换掉。

[Patrick 老派 @laopai1990]

还是没想明白，

为啥 DeepSeek 既不是最强的，也不是最便宜的模型，

但在 OpenRouter 这样的 API 平台上，调用量却能冲到第一？？

[嗯哌AI @NpieAI]

视频生成的终局，可能是被 Claude 敲出来的代码干掉。

试玩了 GitHub 爆火的 lemo-opuscar 之后，我彻底被这种“程序化渲染”的思路震撼了：

传统的视频大模型：像抽盲盒，好看但无法精准控制。 这里的 Agent 导演：用 Canvas/WebGL 代码作画，运动轨迹、灯光、剪辑全在掌控中。
零视频模型开销，却能凭空捏出一部赛博风、浮世绘或 98年复古奥斯卡质感的动画短片。

时代真的变了，当程序员可以用几行代码兼职“电影导演”，传统影视制作的门槛正在被彻底平推。

🔗 项目开源自取：https://t.co/HJiDVFXJYG

评论区聊聊：你觉得这种代码渲染流，能抢走大模型的饭碗吗？💬

#Claude #AI影视 #GitHub #独立开发者 #未来工作

[嗯哌AI @NpieAI]

@dwjgkbs 同样是第 10 天左右，我的体会是：互关能把粉丝数拉起来，但曝光还是得靠有人愿意看的内容。

[嗯哌AI @NpieAI]

越来越觉得，未来的软件开发形态已经被完全重塑了。

以前：写代码 80%，调优 20%
现在：构思架构 50%，Prompt 调试 30%，AI 生成与 Review 20%

很多人担心技术门槛降低会导致程序员失业，但真正发生的是：创意和架构能力的溢价在暴涨。

只要你有清晰的逻辑和对痛点的洞察，AI 就是你最便宜也最顶尖的“技术合伙人”。

你最近有在用 AI 尝试 Vibe Coding 构建自己的小项目吗？体验如何？👇

#VibeCoding #Developer #AI趋势 #大模型

[嗯哌AI @NpieAI]

@rwayne 我太太太同意你的观点了。同一个工具，有人用得顺，有人用得崩溃，都正常。各说各的体验就好，没必要踩一个捧一个

[嗯哌AI @NpieAI]

@xKaka1456 "除了帮上班的家长看孩子"，这句话老师看了要连夜改简历😂

[嗯哌AI @NpieAI]

刷 X 刷出《楚门的世界》既视感了…… 😅

「你要是能靠 AI 把订阅费赚回来，就已经超过 99% 的 AI 玩家了」这句话，我今天连续看到了至少 20 个账号在发：

🔹 博主 A：恕我直言，你要是能靠 AI 把订阅费赚回来，就已经超过 99% 的 AI 玩家了…
🔹 博主 B~Z：恕我直言，你要是能靠 AI……

只要有一个人发了金句爆单，全平台瞬间涌现 20+ 个“零号病人”平行宇宙。

真正的 AI 玩家还没把订阅费赚回来，批量抄袭的博主先把互动率给刷明白了。真服了！😂

[嗯哌AI @NpieAI]

@LiaoMojo 世界真奇妙，说得太温柔了

[嗯哌AI @NpieAI]

观察了 X 平台上的一些“数据大牛”，我发现了一个非常魔幻的现象：

真正日更硬核干货、天天深夜爆肝写长文的原创号，评论区往往只有寥寥数语的深度探讨；

而那些靠着脚本全自动抓取、全网洗稿、把别人几万阅读的推文换个词发一遍的“搬运号”，反而天天转赞评过百，粉丝蹭蹭涨。

看着辛苦码字的人被当成免费劳动力，而抄袭者赚得盆满钵满，有时候真觉得劣币驱逐良币在这个圈子被玩明白了。

大家觉得，长此以往，还有多少人愿意在社交平台上输出真实的想法和一手体验？

评论区聊聊，你平时是怎么过滤这些“营销号”的？👇

#X平台 #创作者生态 #独立思考

[嗯哌AI @NpieAI]

@Jevik_AI 吵了一整天，终于有人把用户和开发者两头都说到了

[嗯哌AI @NpieAI]

@geekbb 以前骂它是因为它笨，现在夸它是怕它记仇

[嗯哌AI @NpieAI]

@An_yhl 哈哈哈哈「又老实了」。
表格：你收藏的那些跟我有什么关系

[嗯哌AI @NpieAI]

观察了一下身边那些天天喊着“被 AI 淘汰”的人，发现一个真相：

他们焦虑的不是 AI 太强，而是每天花了 8 小时在小红书和 X 上收藏各种“AI 提效 100 倍”的教程，结果连自己手头那份 Excel 都没整明白。

焦虑是会上瘾的，因为“假装努力”比“死磕一个具体问题”轻松太多了。

别看别人发什么你就慌什么，先把手头最恶心、最不想干的那项工作用最笨的方法解决一次，你就发现自己已经跑赢 90% 的网民了。

#认知提升 #成长 #效率

[嗯哌AI @NpieAI]

@taiyanghere 扎心了老铁！
收藏 = 学会了，这是我们的共识😂

[嗯哌AI @NpieAI]

@nicekate8888 选题、纠错、写清来源，这些才是一条资讯视频真正花功夫的地方。声音是谁配的，反而是最不重要的那部分。骂配音的人，大概率根本没看出你在前面做了多少事。

用 AI 讲 AI，本来就是最合理的事。一个讲 AI 的博主坚持不用 AI，那才奇怪