林雪

[林雪 @wcouu4]

漏商单这事太真实了。邮箱里真有钱，人就是看不见。聊天框再聪明也救不了这个

[Jason Zhu @GoSailGlobal]

Muse 最近是真的火，上线 13 天，累计下载超过 250 万次，直接登顶美国 App Store 免费榜，把 ChatGPT、Gemini、Claude 全压在身后，Meta 股价一天涨了 11%

华尔街甚至说这是“ChatGPT 以来最重要的 AI 产品发布”

为什么？因为大家终于意识到，自己真正想要的不是一个更聪明的聊天框，而是一个能长期跟着自己、主动把事情往下推的 Personal AI

Chatbot 只能回答问题，Personal Agent 可以长期理解一个人，替他处理邮件、安排日程、跟进任务，甚至在你睡觉的时候继续干活

国内也终于也有了

今天，Today AI 中国版正式上线

我来讲讲它到底特别在哪

1️⃣ 能连接你的邮件、日历、文件、笔记、项目工具和设备，先弄清楚你最近在忙什么。不只是办公场景，睡眠、运动、记账这些生活数据它也能接。

2️⃣ 它会把有用的信息整理成长期记忆。你的工作习惯、重要关系、项目进度、长期目标，全都会持续更新。而且记忆你自己可以查看、修改和删除，不是黑箱。更关键的是，它会主动遗忘过时信息——记忆不是越多越好，而是越来越准。

3️⃣ 它会主动盯着还没结束的事情。出现新邮件、日程变化、或者你关注领域有值得注意的动态，它会判断要不要提醒你，以及下一步该做什么。不是定时轮询那种伪主动，是真的根据你的状态变化来触发

4️⃣ 它有云端电脑，可以开浏览器、处理文件、运行代码。关掉 App 以后，交给它的任务还能继续跑。

说个我自己的真实案例

作为一个 AI 博主，品牌方找我合作基本就两个渠道：邮件和 X 私信

我刚翻了一下，历史上一共有 7 个品牌方联系过我，其中至少漏掉了 2-3 个没回

最离谱的是一家视频平台的代理 xxx，三天内给我发了 3 封邮件，从询价到催回复到改档期，我一封都没看到

人家诚意十足，我这边直接已读都没已读

还有字节的询价邮件，也是石沉大海

这些都是实打实的钱

如果当时有 Today，它知道我是做 AI 内容的博主，知道我接商单，邮箱里进来一封品牌合作邀约，它会直接判断这封邮件对我很重要，主动提醒我

Grace 第二天发催回复的时候，它还会把新邮件和前一天的询价接起来，告诉我“这个品牌方已经催了，建议尽快回复”

普通 Agent 最多帮你搜一下邮件，Today 是真的帮你盯着，不让你漏

这才是 Personal AI 和普通 Agent 的本质区别：不是谁调用的模型更强，而是谁更了解你在干什么、什么事情对你重要

全平台支持，iOS、Android、Windows、Mac、Linux 都有

基础版永久免费，如果你是新用户，首次注册还将领取 1 亿 token，也就是 1 个月 免费 Pro的 权益

🌍 海外版 https://t.co/xbaMOYPaUj
🚩 国内版 https://t.co/n2rK7zyoTR（送会员的是这个哈）

[林雪 @wcouu4]

@AI_Jasonyu 一个人干活最怕的就是这种没人催的钱，真能自己盯 open-loop 的话确实值了。微信里能直接用这点挺香，回头试试

[鱼总聊AI @AI_Jasonyu]

https://t.co/8ZFR54os5N

[老杨啊 | AI产品商业化 @yhslgg]

搞小红书虚拟资料的老板们复刻笔记时，100个人有99个人都是先抄点赞和评论。

但你想过没有： 这些赞，全是家长付钱之前点的。

点赞证明它好卖，不证明它是对的。

前几天拆一篇爆款教辅笔记，我顺手用 ScienceBuddy 把它卖的资料逐页核了一遍。 目录全对，课文讲错。

先说为啥教辅最容易出这种事。

买的人不用，用的人不查； 家长没空一条条核，孩子没本事怀疑； 等考试丢了分，也没人会怀疑到那份 PDF 头上。

错了没人发现，市场就不会惩罚它。 所以错的资料，一样能卖爆。

再叠上 AI。 对话框里要知识点、要题，几分钟出一套； 转手生图、做 PPT，版式比正规教辅还漂亮。

AI 把「做出来」的成本打到了零， 「做对」的成本，一分都没降。

回到那份资料。 四上语文，笔记种草，下单发 PDF，一共 3 份。 核完发现，错误是有规律的👇

• 一眼能看到的，全做对了 课次、目录全部对得上 2026 秋新版，连新版刚调进来的古诗都没漏。

• 出错的，全在要细看的地方 《夜间飞行的秘密》，蝙蝠启发雷达，被写成「研究苍蝇做微型飞行器」； 《普罗米修斯》，「气急败坏」安到了受刑不低头的主角身上； 为了把生词塞进去，硬造出「戴上温暖的项链驱寒」「泡沫般的阳光」。

• 能唬人的，张口就来 「考频高达 90%」：没题库，没年份，没统计方法。

• 没人从头看过一遍 两份「知识点梳理」，文件一模一样。

一句话： 包装是给家长看的，所以做对了；内容是给孩子用的，所以没人管。

这几个错，很像对话框做资料的三个老毛病：

• 联想补全：「仿生学」一联想，蝙蝠就能变苍蝇 • 只管完成指令：让它「用这些词造句」，它就硬塞，不管通不通 • 数字随口编：「考频 90%」这种话，AI 能一本正经地编出来

那再问一遍 AI「这对不对」行不行？ 不行。它挑错的时候，和编内容的时候一样自信。

ScienceBuddy 是 @PhAILabs 做的研究工作台，我也是偶然翻到的。 它和聊天 AI 最大的不同，在出处。

每一条结论都挂着依据。 新版目录、2019 旧版教材放一起对照，哪份材料、哪天查的，写得清清楚楚。

更关键的是，它不光挑错，也替对的部分作证。 资料里的课号跟旧版对不上，它查完新版目录，给的结论是「不是卖家编错，是教材改版了」。

能分清「真错了」和「版本变了」，这才叫核验，不是挑刺。

放进复刻流程里，就一个顺序：

对标笔记交付的资料，先进 ScienceBuddy 验货
按核验结论过一遍：站得住的留，错的改，没依据的卖点删
内容定稿了，再交给 AI 生图、做 PPT、写种草文案
为啥值得？ 同一个品类，大家都用 AI，好看已经不稀缺了。 稀缺的是「每一条都查过」。

家长被坑过一次，就会记住哪个号能拿出依据。 复购就在这。

地址：https://t.co/dw0FhpBJcd 目前免费 Preview。
ScienceBuddy 目前为 Preview 版本，分析结果请自行核验后再用于研究。

给孩子用的东西，先研究，再创作。 好看是 AI 给的，对不对，得你自己兜底。

#ScienceBuddy #PhAILabs #AIforScience

[林雪 @wcouu4]

@yhslgg 太真实了。小红书上那些爆款教辅，封面目录做得比课本还精致，内容一翻全是AI硬编的。家长只看点赞和排版，孩子用了才发现课文都讲歪了。现在谁都能用AI五分钟出一套资料，真正值钱的是有人肯把每一页核一遍。ScienceBuddy这种能给出处、能分清改版和真错的工具，比再多一个漂亮PPT有用多了。

[林雪 @wcouu4]

@GoSailGlobal 漏合作邮件这事儿太真实了，邮箱一堆未读根本顾不过来。聊天框再聪明也解决不了这个，能自己盯着、把前后邮件串起来提醒，才算真有用

[林雪 @wcouu4]

@MinLiBuilds 这才是正常人想用的方式。现在视频模型一堆，选哪个、切几秒、哪段废了，全得自己研究，真受不了。Pexo这种直接聊着改、圈一下就能修，比再接一个新模型有用多了。100克那副眼镜要真能做成日常戴的，广告就该这么拍

[林雪 @wcouu4]

免费、网页就能用、还能自己去PubMed补文献，输出还是中文，适合我这种看不懂脑区图的普通人

[李韭二 @li9292]

我跟抑郁症打了十多年的交道😭
做过 CBT、正念认知疗法，也上过公共精神卫生的课。
治疗端的东西我很熟。
但有一个问题我一直没搞明白：
这些心理治疗，到底在生物层面改变了我大脑的什么？
论文PubMed 上一搜一大堆
打开全是 fMRI、vACC、前扣带回皮层……看三段就劝退。

最近试了一个叫 @PhAILabs 出品ScienceBuddy 的工具。
免费的，浏览器直接打开。
我把 今年3 篇关于 CBT 和正念疗法脑机制的
系统综述丢进去，用一句话提问：

"我是一个长期接受 CBT 和 MBCT 治疗抑郁症的患者，想知道这两种治疗在神经科学层面到底改变了大脑的什么。"

它回来的时候，我上传了 3 篇论文，结果里变成了 4 篇
它自己去 PubMed 检索了一篇我不知道的 2026 年多中心纵向研究。

然后给了我一张 12 行的结构化证据表：
CBT 主要改变了腹侧前扣带回（vACC）和旁海马的静息态活动；
正念疗法的模式更像是前额叶控制增强 + 杏仁核反应减弱。

但最让我震撼的不是它告诉我"改变了什么"，
而是它告诉我"科学还不知道什么"：
— 旁海马回的变化方向在不同研究里是矛盾的，
有增强也有减弱
这些信息散落在不同论文里
我自己一直拼不起来。三分钟，Sciencebuddy帮我拼完
免费，网页端直接用
@PhAILabs 出品。注册即可，不需要邀请码。
#ScienceBuddy #PhAILabs #AIforScience

[林雪 @wcouu4]

@li9292 @PhAILabs 这也太真实了，论文一打开全是vACC、fMRI，看两段就想关，结果它还能把互相打架的研究结果摆出来，比直接甩一个结论靠谱多了

[林雪 @wcouu4]

@xiangyuli 腿伤了还把购物车283件给理明白了，这活儿真不是人干的。目标模式先整理、计划模式再确认，花钱这步不直接放手挺靠谱。定时盯降价和纪念日也实用，养伤期间能少操心一堆碎事确实舒服

[林雪 @wcouu4]

@RealYDT 这个拍法挺实在的：先把打烊取不了货的尴尬摆出来，再扫码取货，一看就懂。比干巴巴列功能强多了。圈画面直接改这块也顺手，小团队自己就能出介绍片

[阿良｜AI 工作流 @RealYDT]

兄弟们，产品做出来了，宣传片还没着落？
看看下面这条用 Pexo 做的 30 秒动画，门店打烊、取货、扫码，几个场景就把服务怎么用讲清楚了，给自己的产品做介绍，也可以试试这种方式。

先介绍下，Pexo 是一款 AI 视频创作工具，可以直接跟它对话来做视频。想拍什么、画面怎么做、哪里需要改，都可以跟它说，从脚本、分镜一路做到完整成片。不需要先研究选哪个模型，也不用自己搭一套工作流。

拿下面这种服务介绍来说，你可以把产品资料和想讲的场景交给 Pexo，直接告诉它：“做一条 30 秒的动画，先让观众看到用户遇到的问题，再展示取货、扫码的过程，最后带出品牌。”

它会帮你整理脚本、拆分镜，把这些要求变成具体画面。你看完再接着提意见，比如“这里节奏快一点”“取货这一步多展示一下”。需要改某个具体位置，还可以用 Mark to Fix，在画面上圈出来、留下批注，像给文档留评论一样说明要求。

下面这条案例里，我觉得值得参考的是，它把服务放进了一个具体场景：人到了门店，接下来怎么取货、怎么扫码，观众能顺着画面看下去。比单独列一串功能，更容易让第一次接触的人理解。

对做产品的小团队来说，这样的完整短片，可以放在官网介绍页、产品发布帖里，也可以直接发给客户。先把“它能帮你干什么”讲清楚，后面再聊具体功能。

成片放在下面。正在给自己的工具站、产品或服务做介绍的兄弟们，可以试试 @Pexoai_offical。

我还为大家向官方申请到了 100 credits 的体验福利，兑换码 KVNN34，限时可用，想试的兄弟们尽快去兑换。
Pexo 体验入口：[https://t.co/541E3wb2JL](https://t.co/541E3wb2JL)

[林雪 @wcouu4]

@xiangxiang103 测得挺细。噪声和方言其实都还扛得住，真正会翻车的还是一句里突然换语言。整段硬喂确实容易在切换处直接收尾，先切再送这个思路很实用。那条19秒混合的要是能发出来就好了

[雨哥向前冲 @xiangxiang103]

两周测下来，脏音频里真正会翻车的不是噪声，是一句里突然换语言。

同一批音频对照 Whisper large-v3：
加粉噪 WER 1.88 vs 2.82
1.4 倍速 3.29 vs 5.16
干净时它略输，一加压就反过来。

粤语按字错 7% vs 50%，四川话 3% vs 11%。
对面会把「你话过请我食饭㗎」写成「你曾说过请我吃饭的」；它留着唔、嘅、噶。

点开 Hojo-ASR-Multi-V1 的页面，中文栏到今天还写着待支持。实测中英粤川都能用。

旧方案烦在两处：方言会被翻译成书面语；加压后整句崩。

它改掉的是前一条——你说什么字，它写什么字。

后一条里，句中切语言还没改掉：普通话接到粤语、英语、法语，整段喂会在切换处收尾，后面丢掉。拉丁语系互切没事。

前面加一个 VAD 按停顿切开再送，五种语言一句不丢。

他们问先测什么，我投这一项。19 秒那条混合音频可以发给大家实测。上一条是五种语言 11 句的短片，字幕是模型原文，一个字没改。

以后拿它做字幕，先切段再送，别整段混语言硬喂

[林雪 @wcouu4]

@bozhou_ai 刚试了下，证据能追到具体页码还不瞎编，这点真少见。平时用普通AI读论文最怕它一本正经地胡说，这个至少边界划得清楚。免费先用着看

[泊舟 @bozhou_ai]

专属于科研工作者的 AI 工作台，它来了。

并且现阶段完全免费，不要邀请码，直接就能去白嫖。

平时拿普通聊天 AI 读论文或者查资料，最头疼的就是 AI 太容易胡说八道。看着说得头头是道，真要去找具体出自哪一页、哪一段，全是编出来的。

做科研或者正经调研，最怕的就是这种不可靠。

最近测了一款叫 ScienceBuddy 的科研工作台，由 PhAI Labs @PhAILabs 发起（团队有斯坦福、牛津、普林斯顿背景，沐晨 AI 联合研发）。

他们的研究实验代码在 GitHub 上开源了（MIT 协议），线上直接提供现成的工作台。

它跟普通聊天框最大的区别在于，它是专门针对科研场景搭的一整套工具环境。

我拿它做了一个很实际的测试：

我丢了三篇关于Jev的论文给它，要求它做一次文献调研。

第一，读完这 3 篇论文，整理一张中文证据表，把每篇的研究问题、方法、主要发现和局限标出来，而且必须精确到章节和页码。

第二，对照 Jev 的情况，分析哪些能用论文来理解，哪些关于 Jev 的实现还缺少公开证据，不要瞎猜。

我给它发的需求就是这段话：

我正在研究 Jev 这类输出结构化判断的 AI 模型。请阅读上传的三篇论文，围绕“文本分类判断、概率校准、小模型完成特定任务”整理一张中文证据表。每行包含：研究问题、方法、实验设置、主要发现、局限，以及对应章节或页码。再单独阅读 Jev 官方介绍，标出哪些概念可以借助这些论文理解，哪些关于 Jev 的具体实现和效果仍缺少公开证据。不要推断 Jev 采用了这些论文的方法。
结果一出来，确实挺让人服气的。
第一，证据表极其详细，每一条结论在论文第几节、PDF 第几页，全部标得清清楚楚。

第二，它完全不瞎编。

我给它的 3 个链接其实都是学术论文，并没有 Jev 的官方技术细节。普通 AI 往往就开始顺着你的话胡乱联想了，但 ScienceBuddy 直接把边界划得明明白白：哪些是论文里能解释的通用概念，哪些是关于 Jev 根本没有公开证据的，全部拆成了对照表。
不会为了讨好你而胡乱脑补，证据支持到哪里就说到哪里，这对严谨科研来说太重要了。
除了文献调研和整理证据表，它还内置了 224 个专门的科研工具（覆盖生物医学、组学分析、方案排错等），原生支持跑 Python 和 R 代码。
在轨迹面板里，它每一步调了什么工具、跑了什么代码、得到了什么结果，全透明可查，产物也能直接下载复核。
现阶段处于 Preview 阶段，没有任何门槛，完全免费。建议大家用电脑浏览器打开体验。

#ScienceBuddy #PhAILabs #AIforScience

产品入口和开源仓库在评论区

[林雪 @wcouu4]

这才是科研AI该有的样子。以前大家聊的都是读论文、写综述、出点子，听着高级，真干活还是卡在代码里那个不报错但结果偏一点的bug。ScienceIDE把“跑通了”改成“跟基准一个点一个点对上”，这关过了才算真及格。业务代码有编译器和单测挡着，科学代码最吓人的就是程序照跑、曲线还好看，后面整条推论全歪。Anthropic那边证明AI能改真实科学软件，这边直接给了练兵场，两边凑一起味道就出来了。考场还没被刷穿，反而更有练的价值

[AYi @AYi_AInotes]

Anthropic 创始人 Dario Amodei今天凌晨那篇 ART 长文，一个早上就刷到了 300 多万浏览，

里面有一句我反复看了好几遍，数学可以纯靠推理，生物必须做实验，

但很少有人注意到，昨晚刚发了免费科研工作台 ScienceBuddy 的 @PhAILabs，上周四还开源了一个项目 ScienceIDE，把验证这一关，直接做成了 AI 的对账考场，

上周四，9 月 17 号，其实有两件重磅的事同时落地，

→一边是 Anthropic 公布，Claude 用不到四周，优化了 AlphaFold3、Boltz-2 在内的 30 多个生物学 AI 模型，代码全部开源，

→另一边是 ScienceIDE，把天体物理的 Athena++、海洋气候的 MITgcm、等离子体的 Gkeyll、暗物质探测的 NEST、量子纠错的 Stim 等 7 个学科的真实科研代码，封装成了 15 套 AI 能动手训练的环境，

判分只认一条铁律， 改完的代码算出来的科学结果，必须和基准参考结果逐点吻合， 跑通不算，对了才算，

就拿 MITgcm 来说，海洋和大气之间氟利昂交换的模块里，埋了一个 bug， AI 要自己找到，自己修好， 合不合格，不看代码写得漂不漂亮，只看最终输出能不能一个点一个点对上，

一开始我也觉得，不就是修个 bug 吗，
后来才反应过来，写业务代码，写错了有编译器和单测当场拦住你， 科学代码里最吓人的 bug，偏偏不报错，
程序照样跑完，曲线照样好看，只是海洋吸收的氟利昂悄悄偏了一点，后面整条气候推论，就跟着一起偏， 拿写业务代码的标尺去量科研 AI，量出来的多半是假及格，

难度也摆在明面上， 最难的 85 道题，8 家厂商的 15 个模型，表现最好的首次尝试正确率是 67.1%， 差不多每三道，还有一道拿不下，

另外说句实在的，现在绝大多数任务是代码修复和重构，加速类任务还在早期， 我反而觉得挺好，考场没被刷穿，才有练的价值，

两件事放在一起，味道就出来了，
Anthropic 证明了 AI 有能力改进真实的科学软件，ScienceIDE 想给 AI 一个跨学科练这类活的地方，
团队还说，准备把 Anthropic 开源的优化方案也封装成训练环境，把前沿的做法，变成大家都能拿来练的标准题，

做过科研的人都懂，调代码、排 bug、适配工具、核对结果，能耗掉一个博士生大半的时间，
以前聊 AI 做科研，聊的多半是读文献、写综述、出思路， 现在它开始下到各学科的代码库里，干这些最磨人的活，还要对着基准结果一个点一个点交账，

ScienceBuddy现在免费开放，思路是让科研智能体在和研究者的长期协作里，一轮一轮变强， 同一个团队，一边做给 AI 练兵的考场，一边做给科研人当副驾的工作台，

生物学靠湿实验室验证，计算科学靠和基准结果逐点对账， 论文读得再多，综述写得再漂亮，到了几万行的模拟代码面前，还是得把每一个数都对上。

[林雪 @wcouu4]

我以为是DJ金素雅

[林雪 @wcouu4]

这豹子也太凶了，咬一口直接缴械，体内已经存那么多了还欢迎继续处理，胃口可以啊💦