Shimu

Founder@Seele AI
Build game company with Seele AI.

[SEELE AI @SEELE_AI1125]

SEELE is coming to WAIC 2026.

This weekend in Shanghai, come build your 3D game world with AI.

One prompt can start a playable game.
A remembered world can keep evolving.

Find us at H2-E116.
See you in Shanghai.

#WAIC #Seele #GameDev #AIgame

[SEELE AI @SEELE_AI1125]

Writing code is only part of game development.

🎮 SEELE02-pro achieved 50.7% on GameCraft-Bench, outperforming Claude Code (Opus-4.7 High) by nearly 10 percentage points in generating complete, playable games.

Unlike traditional coding benchmarks, GameCraft-Bench evaluates AI agents on 140 real Godot game development tasks, from gameplay logic to assets and interactions.

This sets a new benchmark for AI-native game development.

Read the full benchmark results:
https://t.co/LaPaTOBWTO

#SEELE #GameDev #Benchmark

[Anita AGI/acc @Anitahityou]

已经有 150 多人报名啦！

7 月 19 日上海 WAIC 期间，Sentient 携手奇绩创坛，与阶跃星辰、DINQ、https://t.co/itxGjMhqBr、Drinkinn、SEELE 等一起，带来前沿的 AI 探索

欢迎大家到时候来找我唠嗑 AI 呀

[AC Milan @acmilan]

“I’m a happy 𝒂𝒍𝒍𝒆𝒏𝒂𝒕𝒐𝒓𝒆” 🤩

Rúben Amorim’s first press conference 🎙️

[SEELE AI @SEELE_AI1125]

https://t.co/cpApMvosXp

[SEELE AI @SEELE_AI1125]

New in SeeleAgent: Greybox Previz.

One prompt to generate a 3D greybox previz, lock the camera movement, then render it into a cinematic CG video.

Rehearse the shot first.
Render the film after.
Make game videos controllable, predictable, and iterative.

#Seele #GameDev #GameStudio #CG

[Shimu @shimuuu]

D2：Openclaw的安全本质：人工智能木马。请停止不负责任的宣传！
01 写在前面
今天这篇文章是我们团队过去一个月对Openclaw安全问题的系统思考。我们清楚，观点可能会触及一些行业利益，但作为一家正在深度使用Openclaw进行AI办公改造的创业公司，我认为有责任把真实的观察说出来。

先说三点强烈想法：
1. 不建议任何个人用户，尤其是没有IT、工程相关经验的用户，出于非工作需要安装带有Openclaw、龙虾以及衍生关键字的产品。包括所谓“安全”龙虾产品，或是给你的龙虾上一道“安全”的类似杀毒软件、电脑管家的产品。我对身边亲友的建议非常一致：如果没有明确的工作需要，就不要碰。
2. 企业或个人如果确因工作需要引入Openclaw，必须在经验丰富的工程师主导或指导下进行，并对任何“安全”承诺保持警惕——没有100%的安全，甚至在我看来50%都没有；
3. 呼吁行业里所有围绕Openclaw研发各种产品的企业、个人（无论是推广Openclaw应用的，还是开发安全防护工具的）停止夸大事实、忽略风险、不负责任的宣传。能力/权力越大、责任越大。现在乱象丛生，我能理解出于商业需要宣传的需求（毕竟自己也在创业），但底线是：不能误导用户。后文会分享我们认为负责任的宣传应该怎么做。
以上3点外，我会在下文详述我们公司在实践基于Openclaw开源生态来进行AI自动化办公时，是怎么来思考和落地安全问题的。我们自己在用，所以思考必须落在实处，因此讲的话都是真诚的。
https://t.co/VzOF8ORjjY

[Shimu @shimuuu]

06 一个小细节：为什么我们先不搞复杂协作
这里的设计也符合我们小步快跑迭代的思路。如果一开始将协作设计复杂，很有可能出现各种问题，影响迭代速度。但我们可以 Human in the loop，让人类来做传递 Context 的工作。

这篇经过人类本质思考+持续与AI交互优化后得到的方案，可以看到已经可以开始投产来做了。这个方案讲真直接吊打外面各种忽悠企业转型的，token成本应该不超过10美金。

当然重要的组织知识沉淀必不可少，优秀的企业/个人加上AI可以更优秀，平庸的企业/个人加上AI也无法突然蜕变。

[Shimu @shimuuu]

D1：我是怎么把AI训成组织架构师的
Build Seele AI with AI
⚠️ 本篇文章涉及非常多实操细节，文字多、非常干，建议收藏后慢慢分步食用。

01 写在前面：为什么AI时代人类还要先动脑子

Seele的AI办公开始逐步落地了。D0的时候，AI给的落地方案只能算60分，靠这个忽悠卖货可以，但是真正落到企业变革上，还是需要人类给到专业的设计思路。这句话可能有点反直觉——都AI办公了，不应该是AI替我想吗？

不是的。至少现在不是。别指望AI替你想清楚，它只能帮你想得更清楚。

02 关键原则：别按部门分工，按KPI分工

要想组织变革，最重要的锚点是：我们应该围绕公司业务的KPI逻辑来展开，而不是按照原部门划分来展开。

为什么？因为现行公司的部门组织，是根据人类员工的特点来做的：

人类专业技能有分工（研发、产品、运营、财务、人事……）

人类注意力有限，同时只能处理一个领域业务

但AI的特点完全不一样：

AI可以装上各种Skill（现在是Skill，以后还会变）

AI可以同时处理多领域任务

所以结论很直接：给AI的分工，反而最好是根据目标来，而非技能来。这就是为什么我说应该围绕公司业务的KPI逻辑来展开（或者叫OKR都行）。

这里值得注意的是：即便我们处于快速发展的AI时代，决定个体、组织能否做好一件事的，仍然是你的思维深度，你是否能抓住本质（流行语叫第一性原理）。这个道理，10年前我分享网易云音乐的成功之道时就在《幕后产品》里说过。

[Shimu @shimuuu]

AI给的风险与对策还很简单，因为Prompt里没有让他多思考这块。这里我们会有专门的设计来去做，后面会讲。

[Shimu @shimuuu]

AI还给了人类角色重新定义，当然这块看看就行，阿米巴是对的，不过他对人类的了解还浅，在企业AI自动化办公之后，人类角色应该怎么定义、组织架构应该怎么设计，我也在边做边思考。

[Shimu @shimuuu]

大家可以看上面阿米巴1：广告增长与运营Agent，AI给出了清晰的Input、Output、Workspace的设计，基本可以直接使用。这个比人类出方案效率高多了。所以可见让AI充分理解你的公司至关重要，需要给他全部的信息（当然安全风控的敏感信息除外），并且Context, not control——大模型发展从开始到现在都是这个核心原则

[Shimu @shimuuu]

05 让AI干活：我们是怎么“投喂”Prompt的

接下来让AI干活了。需要专业的Prompt输入以及持续优化。以下是我们和AI的对话，一步步调优，例如：
你先检索简单了解一下 openclaw 这个新的产品，我们后续要做一些讨论

我准备在我的公司（SEELE）里推行以一堆 openclaw 为主要执行 Agent 的新的组织架构，原来公司里的产品运营研发算法行政都从原来的执行者变为为我的 Agent 员工提供能力经验，提供指挥决策和事项发起的角色。而 openclaw 会接入公司的飞书，获取公司人员构成，产品信息（产品的 git），数据，kpi，以及由各个团队为其补充的 skill 和工具。我准备彻底改造我的公司组织结构和方式。请你帮我思考一下，我应该如何划分 openclaw 和他的 workspace，以构建这个新的组织方式，从而解决传统公司组织发展中的弊端和难题。你可以问出你的问题，比如我公司目前如何分工或者业务构成是什么样的之类的。

SEELE 目前有 40 个全职，由产品团队，业务研发团队，模型研发团队，模型研究团队，广告增长团队，内容开发团队办公室（行政和人事，财务等）构成目前的业务主要是提供 SEELE这款产品，为用户提供游戏生成的产品服务业务链路包括： 广告增长团队做基于 googleads，fb的广告投放，获取用户。广告增长团队还会做一些社媒运营和 VIP 的社群运营产品团队中的增长团队会做 SEO 和社媒自动化以及一些增长玩法的系统来获取用户产品团队中的业务产品会做产品内如何承接用户，提供什么样的产品设计和 feature 来转化用户使用，转化用户付费等产品团队中的模型产品会支持提供模型能力来匹配上游的业务产品的产品传达和 feature 需求业务研发就是开发页面和后端功能来支撑产品的业务 feature，比如页面如何修改提升转化率，上线什么功能能提升付费转化，接入支付系统等等模型研发主要是围绕模型进行开发（这部分不会使用 openclaw 代替）模型研究主要是研究下一代模型的架构和设计以及训练（这部分也不会使用 openclaw 代替）然后所有团队都会使用外部支付数据，广告数据，内部产品的用户数据和行为数据进行分析，获得下一阶段的策略我是希望使用飞书作为与 Agent 交互的工作区，通过在对话中交互来指挥 Agent 完成任务人类就是不断指挥 Agent 完成 kpi，当 Agent 缺少经验或者工具运行的不够好时，人类要提供对应的经验和工具来补齐。

我觉得你设计的不够好每个 openclaw 或者 openclaw+workspace 最好有清晰的 api我希望每个 openclaw+workspace+人组成小的阿米巴来完成自己内部闭环尽量前期先解耦任务，而非按照协作逻辑设计，因为协作最终其实只是 memory 或者 context 的共享问题，前期就耦合就会导致开发和架构设计太过于复杂。

不，你这样又拆的过于分散了。比如两个ads 系统是不是应该是合并，他们都是通过投放广告来获取结果的。你要不就是广告增长和运营是一个，产品的获客增长和产品业务是一个，然后有一个是只用来 review 模型研发那部分的产品的，最后有一个经营的 Agent，可以阅读这些业务 Agent 的 md 等信息。

经过多轮沟通校准，AI最终交出来了一份我认为挺惊艳的答卷。涉及 Seele AI 的商业机密，我无法把整个交付文档发上来，截一些图举例吧：

[Shimu @shimuuu]

04 T0拆到T1：让AI知道怎么干活

T0指标是公司最高管理层制定，一般都会由管理层再拆分至T1。在这个层面，需要告诉AI更细的路径，例如：

游戏大模型的训练：可以由AI来全链路观测成果（注意力+记忆是AI强项），做出来自动化评测的GameGenBench，这样半自动帮助模型训练

收入和ROI的部分：人类通常有——

自然流量增长（品牌口碑、SEO、裂变……）

付费增长（广告投放、KOL合作……）

提高各转化率、留存率（涉及产品和研发的各种页面功能开发）

这些由什么职能互相配合完成，是后面自动化落地、产生实际业务效果的关键。

到此，准备工作完成。如果你的企业也想要自动化办公，那么就从你的KPI思考和分析拆解开始。

[Shimu @shimuuu]

03 Seele AI的T0 KPI：先告诉AI我们要什么

Seele AI的几个T0 KPI分别如下——（我们之后要告诉AI，围绕这些T0的KPI来设计变革方案）

游戏大模型能力跃迁至L2、L3 （这是我们内部对游戏生成能力的定义，可以细拆为模型的“好、快、省”指标）

来自游戏创作者的月收入MRR、ROI

来自游戏玩家的月收入MRR、ROI

注：企业安全风险需要额外考虑，后面单独讲。

[Haoliang Gao @popomore]

开始造🦞大军，向各位前辈学习

[Shimu @shimuuu]

https://t.co/y0BqBZSKfk

[Shimu @shimuuu]

https://t.co/y0BqBZSKfk

[Shimu @shimuuu]

林俊旸离职背后：阿里真正的问题，不在模型

大家好。

这两天，阿里林俊旸离职的消息，在圈内动静很大。
聊瓜我不太擅长，但这件事能折射出阿里一些问题，是值得思考的。
先说结论吧，我认为是：阿里AI战略上出了问题。
为什么这么说？我们不妨跳出离职事件本身，代入一下AI基座模型牌桌上那些还有大量筹码玩家的视角，阿里、腾讯、字节、Google、OpenAI、Claude等等他们在关注什么？
AI基座大模型有三个事情很重要：
01
模型战争，本质是一场长期战争
从2022年开始大中小厂一起卷模型，如今只剩少数玩家。24年、25年，我和投资人探讨一个问题：业界很多声音说Scaling Law带来的模型性能增长斜率已经放平了。我的判断一直没变：模型能力还有巨大的提升空间。
原因很简单：过去模型吃掉的主要是互联网上能被搜索引擎抓到的公开数据（也就是几家巨头手里的存量）。但还有海量“沉默的数据”尚未被消化，比如现在大火的龙虾，吃的是：用户本地数据、个人生活轨迹里那些未被电子化的信息，这些数据里当然也包括多模态。
那在这个前提下，大厂之间模型竞争“你追我赶”其实是很正常的事情。阿里通义千问的模型能力在25年时还是国内第一领先，但在后面逐渐被赶上且速度不及预期、甚至被反超，这并非不可接受。毕竟短期领先，从来不是最重要的。要知道OpenAI作为行业先行者并且资源也是数一数二的，模型能力也被反超过，直到现在在很多方面也落后Claude。
一时的领先落后没那么重要，关键在于清晰的战略和持续长久的投入，就像Google的追赶甚至反超一样。所以，我们完全可以期待通义千问半年、一年后的表现，因为出问题的不是基模本身。
02
AI行业最大的KPI误区：DAU
我个人一直不认同：用DAU作为AI相关业务的KPI，这非常传统互联网，尤其是做基模的公司。但很奇怪，很多公司都在这么做，比如24年的minimax当时1000万DAU的目标，甚至OpenAI现在还会去说。在国内就更明显：豆包、千问、元宝几乎都在看这个指标。
但对于基模来讲，真正应该看的KPI，一定是token消耗量（这点下面会说）。基模的愿景是成为AI大模型时代的水、电、煤，那token消耗量就是用水、用电、用煤量。追求DAU的KPI就会导致公司追求海量个人用户，但现实是：普通用户现在对AI的使用深度其实还不够。很多人只是问问题、写东西、偶尔生成内容。这确实能带来声量，但对模型的进化帮助有限，甚至可能是噪声。
也许大模型进化到下一阶段，载体就不是App形态呢？到那时，DAU带来的价值可能就只有品牌名字了。
所以，目前阿里千问App的DAU增长赶不上字节的豆包，在我看来现在没那么重要，全球60多亿人口，中国十多亿人口，AI应用才刚刚开始。
更何况微信都还没下场呢。国内大厂的AI竞争，严格来说才刚刚开始。
03
真正的胜负手：生态（即token消耗量）
真正决定胜负的，其实是生态。与其说林俊旸的离开是因为上面两点的短期乏力，不如说生态的失位，才是根本原因。
特别是龙虾火爆之后，minimax、moonshot、智谱接入之后带来的token消耗量暴涨，这意味着在全球开发者、自媒体中的影响力暴涨。阿里、字节、腾讯在干什么？没有第一时间去接入龙虾的生态窗口，这是很严重的战略失误。
大模型时代，全球开发者都可以创新，你无法预判下一个爆火的idea出自哪里。对基模来讲，重要的是能第一时间靠上去。
但可惜的是，阿里通义千问虽然在开源社区上做得很好，但是在生态连接上却不好。从24年到现在，巨大的基模相关的机会点：coding、agent、openclaw，可以说没有一个和通义千问是强相关的，这自然会导致在这些大机会点引发的token消耗量暴涨之时，模型能力增长变慢了。
生态爆发，会直接改变模型格局。Coding和Agent时期，带来Claude的暴涨，Gemini也乘势而起，给了OpenAI很大的压力，乃至现在美国大模型出现大乱战（最近马斯克狂批Claude的各种策略，何尝不是希望乱拳把老二拉下马自己上呢），而Openclaw这波生态，让minimax、moonshot、智谱的token消耗量直接完成了一次逆袭。当然从长期看，如果没有基模持续进化，这些公司很快也会面对大厂的价格战。
但是对阿里来说，真正的问题来自于战略判断：长期对生态机会的把握缺失，是比一个模型版本的落后、一个技术人才的流失，更值得警惕的问题。
写在最后：
AI行业有自己的优势，机会窗口出现得非常快，
也许半年、一年，巨大的机会就会出现。
只是窗口期越来越短，所有人都在拿放大镜看。
只因身在其中，你不能只做一个优秀的观众。