AI工具 on KnightLi的博客

AI 自动用手机哪家强？MobiAgent、Mobile-Agent、Mobilerun 和 mobile-use 对比

Fri, 29 May 2026 21:47:24 +0800

最近连续整理了四个移动端 GUI 智能体项目：MobiAgent、Mobile-Agent、Mobilerun 和 mobile-use。它们都和“让 AI 操作手机或移动 App”有关，但定位并不一样。

简单说：MobiAgent 更像可定制手机智能体研究系统；Mobile-Agent 是通义实验室围绕 GUI agent 的系列工作集合；Mobilerun 更偏可落地的本地/云端移动设备控制框架；mobile-use 则强调真实 App 操作、任务分解、数据抽取和 AndroidWorld 评测。

基本信息对比

项目	站内文章	GitHub	主要定位	设备/平台	开源协议	更适合谁
MobiAgent	站内介绍	IPADS-SAI/MobiAgent	可定制手机 GUI 智能体系统，包含模型、runner、记忆、加速和评测	主要面向 Android/Harmony 手机	Apache-2.0	研究者、移动智能体实验团队
Mobile-Agent	站内介绍	X-PLUG/MobileAgent	通义实验室 GUI 智能体家族，覆盖移动端、桌面、浏览器和工具调用	手机、PC、网页、云手机/云桌面	MIT	关注 GUI agent 技术路线的人
Mobilerun	站内介绍	droidrun/mobilerun	LLM 无关的移动设备 agent 框架，支持 CLI、Python API 和云端设备工作流	Android、iOS、本地设备、云端设备	MIT	开发者、QA、自动化工作流团队
mobile-use	站内介绍	minitap-ai/mobile-use	用自然语言操作真实移动 App，强调任务分解、结构化抽取和 AndroidWorld	Android 实机/模拟器、iOS 模拟器	Apache-2.0	做移动 App agent、数据抽取和评测的人

MobiAgent

MobiAgent 来自 IPADS-SAI，定位是一个可定制的手机智能体系统。它不是只提供一个执行脚本，而是把 MobiMind 模型家族、AgentRR 动作记录与回放、MobiFlow 评测基准、手机 runner、数据采集和 Android app 放到同一套体系里。

它的特点是研究系统比较完整。MobiAgent 关注真实手机任务中的准确率、效率、记忆和可复用动作序列。README 中提到的用户画像记忆、经验记忆、动作记忆，以及多任务执行，都说明它在尝试处理长期任务和重复任务。

它的门槛也相对高。完整运行需要设备、ADB、模型部署、依赖环境、可选的向量数据库和图数据库配置。更适合研究或工程实验，不太像面向普通用户的“安装即用”手机助手。

Mobile-Agent

Mobile-Agent 来自 X-PLUG/通义实验室。这个仓库已经从早期手机操作智能体，扩展成一个 GUI 智能体家族：Mobile-Agent-v1/v2/v3/v3.5、Mobile-Agent-E、PC-Agent、GUI-Critic-R1、UI-S1、GUI-Owl、ToolCUA 等都在同一条技术线上。

它的特点是跨度大。Mobile-Agent 不只关心手机，还覆盖桌面、浏览器、云手机、云桌面、GUI 感知、grounding、错误诊断、强化学习和 GUI/工具路径编排。GUI-Owl 系列模型让它更像一个跨平台 GUI agent 基础模型路线，而不是单个移动自动化项目。

它的不足也来自这个跨度：仓库更像研究成果集合，使用者需要先判断自己要跑哪个子项目、哪个模型和哪个场景。它适合跟踪技术演进和复现实验，不一定是最快接入业务流程的选择。

Mobilerun

Mobilerun 来自 droidrun，定位更工程化：让 LLM agent 通过自然语言控制 Android 和 iOS 设备。它提供 CLI、TUI、Docker、Python API、Portal-based control、vision mode、reasoning mode、结构化输出、自定义工具、app cards、执行轨迹和云端设备服务。

它最突出的地方是模型无关和部署形态清楚。开发者可以接 OpenAI、Anthropic、Gemini、Ollama、DeepSeek、OpenRouter 或 OpenAI-compatible providers；也可以选择本地框架或 Mobilerun Cloud。对真实团队来说，这种“设备控制层和模型层解耦”的设计很重要。

它也有移动端自动化常见的门槛：Android 需要开发者选项、USB 调试和 Portal app；iOS 需要单独流程；复杂任务还要处理权限弹窗、页面变化、失败重试和日志排查。它更适合愿意把 mobile agent 当成工程组件接入的人。

mobile-use

mobile-use 来自 minitap-ai，目标是让 AI agent 使用真实 Android 和 iOS App。它支持自然语言控制、UI-aware automation、数据抽取、不同 LLM 配置，并强调 AndroidWorld 基准表现。README 中还提到项目是首个在 AndroidWorld benchmark 上达到 100% 的 agentic framework。

它的亮点是任务分解和结构化抽取。比如从 Gmail 中找未读邮件，并按指定 JSON 格式返回发件人和主题，这类任务比“打开设置看看电量”更接近真实生产需求。它把移动 GUI agent 从“会操作”推进到“能把 App 里的信息整理出来”。

它的限制主要在设备支持和运行环境。Android 可以用实体手机或模拟器；iOS 目前主要支持 macOS 上的模拟器，物理 iOS 设备还不支持。Docker 快速启动也主要面向 Android。评估它时，要先确认目标设备和 App 场景能否被当前执行通道覆盖。

功能对比

功能维度	MobiAgent	Mobile-Agent	Mobilerun	mobile-use
自然语言任务	支持	支持	支持	支持
真实手机操作	强，偏 Android/Harmony	强，含移动端与云手机	强，Android/iOS	强，Android；iOS 偏模拟器
桌面/浏览器扩展	不是重点	强，含 PC-Agent、GUI-Owl、ToolCUA	不是主要定位	不是主要定位
模型层	自带 MobiMind 系列	GUI-Owl、Mobile-Agent 系列	LLM 无关，接多家模型	可配置多种 LLM
执行器/runner	强，含 ADB runner、多任务 runner	子项目各自提供	强，CLI/TUI/Python API/Docker	有源码、Docker 和平台入口
记忆能力	用户画像、经验、动作记忆	v3/v3.5 路线中强调记忆与反思	更偏轨迹、日志和工程调试	更偏任务分解与状态执行
评测	MobiFlow	多个论文/基准方向	有 benchmark 结果入口	AndroidWorld 表现突出
云端设备	不是主要卖点	支持云手机/云桌面体验	Mobilerun Cloud 是重点	有平台入口
结构化输出	可通过工程流程实现	视子项目而定	明确支持	明确支持

优缺点对比

MobiAgent 的优点是系统完整，适合研究手机 GUI agent 的模型、记忆、加速和评测闭环；缺点是部署链路长，工程配置重，普通开发者上手成本较高。

Mobile-Agent 的优点是技术路线最宽，能看到 GUI agent 从手机走向桌面、浏览器、工具调用和基础模型的演进；缺点是项目族复杂，想直接落地某个具体场景时，需要先做较多筛选。

Mobilerun 的优点是工程接口清晰，模型无关，本地框架和云服务分层明确，适合把移动设备自动化接入产品或内部工具；缺点是仍然要面对移动设备权限、环境、App 状态和云端成本问题。

mobile-use 的优点是聚焦真实 App 使用、任务分解和结构化数据抽取，AndroidWorld 方向也让它更容易评估；缺点是 iOS 物理设备支持有限，完整使用仍然需要配置模型、设备和运行环境。

适用范围建议

如果你要做移动智能体研究，优先看 MobiAgent 和 Mobile-Agent。前者更聚焦手机端系统闭环，后者更适合观察 GUI agent 的跨平台演进。

如果你要做移动 App 自动化、QA、数据抽取或内部工作流，优先看 Mobilerun 和 mobile-use。Mobilerun 更像可接入工程系统的运行框架，mobile-use 更适合验证自然语言 App 操作和结构化抽取。

如果你关注未来个人助手形态，四个都值得跟踪。MobiAgent 代表手机 agent 的系统化研究，Mobile-Agent 代表跨平台 GUI agent 路线，Mobilerun 代表设备控制基础设施，mobile-use 代表真实 App 任务分解和评测驱动路线。

我的判断

这四个项目的差异说明，移动端 GUI agent 已经不只是“让模型看截图点按钮”。真正的问题变成了：模型如何理解界面，执行器如何稳定控制设备，任务如何拆解和评估，云端设备如何管理，结果如何结构化返回，风险如何被限制。

短期内，最现实的落地场景会是 QA、数据抽取、内部流程自动化和受控设备池。长期看，谁能把设备控制、模型能力、权限边界、日志追踪和用户确认机制做稳，谁就更接近真正可用的移动端 AI 助手。

mobile-use 看点：让 AI 操作真实 App，还能提取数据

Fri, 29 May 2026 21:43:46 +0800

mobile-use 是 minitap-ai 开源的移动端 AI agent 框架，目标是让智能体像人一样使用真实 Android 和 iOS App。用户用自然语言描述任务，框架负责理解界面、操作 App，并把结果返回给调用方。

从 README 看，mobile-use 的重点不只是“能点手机”，还强调 UI-aware automation、数据抽取、可配置模型，以及在 AndroidWorld 基准上的表现。项目还提供云平台、文档和论文入口，说明它既是开源框架，也是一个围绕移动端智能体搭建的产品与研究体系。

它和普通手机自动化有什么不同

传统手机自动化通常依赖脚本、坐标、控件 ID 或固定流程。它适合稳定页面，但遇到界面变化、弹窗、搜索结果、列表滚动和跨 App 操作时，很容易失效。

mobile-use 的路线是让 AI agent 直接处理自然语言目标和 UI 状态：

用户用自然语言描述任务，不必预先写死每一步。
框架读取移动端界面，并结合模型判断下一步操作。
可以从 App 中抽取信息，并按指定格式返回，比如 JSON。
支持不同 LLM 配置，包括 OpenAI API compatible providers。
Android 可以通过实体手机或模拟器运行，iOS 目前主要面向 macOS 上的模拟器。

这类框架更适合“半结构化”的移动任务：目标明确，但每次页面状态、数据内容和路径不完全一样。

AndroidWorld 结果值得注意

mobile-use README 中提到，项目在 AndroidWorld benchmark 上达到 100% 完成表现，并链接了对应论文。无论具体评测细节如何，这都说明项目团队把“任务分解”和“可评测执行”放在了很高的位置。

这点比单纯演示更关键。GUI agent 最容易出现的问题是：一个视频里看起来很聪明，但换一个任务、设备或初始状态就不稳定。基准测试不能完全代表真实使用，却能逼迫系统面对一组标准化任务，并暴露规划、定位、恢复和状态理解能力。

README 中的论文题目也点出了方向：通过任务分解提升 AndroidWorld 准确率。对移动端智能体来说，复杂任务往往不能靠一个大提示词直接完成，而需要拆成可执行子任务，并在每一步检查状态。

数据抽取是实用入口

mobile-use 的一个现实场景是从原生 App 中抽取数据。很多信息并不暴露在 API 中，只能在 App 界面里查看，比如邮件列表、订单状态、社交内容、运营后台、消息通知等。

README 给出的示例是打开 Gmail，找到未读邮件，并把发件人和主题整理成 JSON。这个方向很实用，因为它把移动 GUI agent 从“帮我操作一下”推进到“帮我把 App 里的信息结构化拿出来”。

不过，这也带来边界问题。数据抽取涉及账号、隐私、平台条款和访问权限。真正使用时，应该明确设备归属、任务授权、数据保存方式和输出范围，不能把手机界面当成无限制的数据源。

部署门槛和限制

mobile-use 支持从平台快速开始，也支持从源码运行。源码方式需要配置 .env、LLM 配置和依赖环境；Android 侧可以使用实体手机或模拟器，Docker 快速启动目前主要面向 Android；iOS 侧需要 macOS、Xcode 和 Facebook 的 iOS Development Bridge，README 也说明物理 iOS 设备暂不支持。

这些限制并不意外。移动端自动化比浏览器自动化更依赖设备、系统权限和调试通道。尤其是 iOS，系统封闭性更强，能稳定接入模拟器已经有价值，但离“任意真实 iPhone 自动化”还有距离。

因此，评估 mobile-use 时不要只看模型效果，还要看自己的目标设备、App 类型、运行环境和合规边界是否匹配。

适合谁关注

mobile-use 适合几类人关注：

想研究 AndroidWorld、移动 GUI agent 和任务分解方法的研究者。
想把自然语言移动操作接入内部工具的开发者。
需要从原生 App 抽取结构化数据的团队。
做移动 App QA、回归测试或探索式测试的人。
想比较 mobile-use、Mobilerun、Mobile-Agent 等不同移动端智能体路线的人。

如果目标是一个面向普通用户的手机助手，它目前还偏工程和研究框架；如果目标是验证移动端 agent 的可行性，它提供了一个很好的开源起点。

我的判断

mobile-use 的亮点在于把真实 App 操作、结构化数据抽取和基准评测放在同一个项目里。它不是只做“自然语言点手机”的包装，而是在尝试把移动端任务拆解成可执行、可评估、可复现的智能体流程。

移动端会是 GUI agent 的重要战场，因为大量个人和业务任务发生在 App 里，而不是网页或 API 里。mobile-use 这类项目的意义，就是让智能体从聊天窗口走进真实应用界面。它还没有把设备、权限和风险问题全部抹平，但已经给开发者提供了一个足够具体的实验平台。

项目链接：minitap-ai/mobile-use

想让 AI 自动点手机？Mobilerun 支持 Android 和 iOS

Fri, 29 May 2026 21:43:45 +0800

Mobilerun 是 droidrun 开源的移动设备自动化框架，目标是让 LLM agent 可以用自然语言控制 Android 和 iOS 设备。它提供移动端原生工具，让智能体能够检查 UI 状态、理解截图、点击、滑动、输入、规划多步任务，并通过 CLI 或 Python API 返回结果。

这个项目的定位很清楚：它不绑定某一家模型，而是做移动设备与智能体之间的执行层。README 中列出的模型来源包括 OpenAI、Anthropic、Gemini、Ollama、DeepSeek、OpenRouter 以及 OpenAI-compatible providers。对开发者来说，这比“只支持一个模型的演示项目”更实用。

它解决什么问题

移动端自动化最麻烦的地方，是自然语言任务和真实设备操作之间隔着很多层。模型需要知道当前打开了什么 App、页面有哪些控件、是否需要截图补充视觉信息、下一步该点哪里，以及执行失败后如何继续。

Mobilerun 把这些能力整理成一套框架：

通过 CLI 和 TUI 运行一次性自然语言任务、检查设备、回放宏和调试流程。
通过 Python API 构建自定义移动自动化工作流。
支持 Android 和 iOS，Android 通过 Portal app 和无障碍能力控制设备，iOS 走单独的 Portal 流程。
同时使用 accessibility tree 和截图，让模型既能读结构化 UI，也能看视觉画面。
支持 --vision、--vision-only 和 --reasoning 等模式，应对不同复杂度的任务。
支持结构化输出、app cards、自定义工具、凭据和执行轨迹追踪。

这让 Mobilerun 更像一个“移动端 agent runtime”，而不是单纯把截图发给大模型再模拟点击。

本地框架和云端服务

Mobilerun 把本地框架和 Mobilerun Cloud 分得比较清楚。本地框架适合开发者在自己的机器和设备上运行 agent，拿到更强的代码级控制；Cloud 则面向托管设备、REST API、SDK 和规模化工作流。

这个分层很重要。很多移动自动化场景开始时只是“帮我在手机上跑一个任务”，但一旦进入团队使用，就会遇到设备管理、并发、日志、失败重试、权限和 API 调用的问题。Cloud 不是替代本地框架，而是把设备运维和工作流接入往后端服务方向推进。

README 中还区分了几类云端设备：用户自己的硬件、托管云手机、托管实体手机。这里的差别不只是成本，也涉及应用风控、身份可信度和任务稳定性。对电商、社交、金融或本地生活类 App 来说，真实设备和虚拟设备的表现可能完全不同。

为什么 LLM 无关很关键

移动 GUI agent 还处在快速变化阶段，很难说哪一家模型长期最好。不同任务对模型的要求也不一样：有的更依赖视觉理解，有的更依赖长链路规划，有的更看重工具调用，有的则需要低成本批量执行。

Mobilerun 选择模型无关的框架路线，价值在于把设备控制、任务执行、日志追踪和模型选择拆开。开发者可以先稳定设备侧流程，再根据任务成本、准确率和延迟切换模型。

这对实际落地很有帮助。企业不会只因为一个模型演示效果好就重写设备控制层；更合理的方式是保留统一执行框架，把模型当成可替换组件。

适合哪些场景

Mobilerun 当前适合几类需求：

移动 App QA 和回归测试。
从原生 App 中抽取数据并返回结构化结果。
自动执行重复性的手机任务。
为非技术用户封装自然语言移动操作流程。
在多台设备上运行自动化任务。
把日程、通知或自定义触发器接入移动端工作流。

不过，它也不是“安装后立刻替你管手机”的消费级助手。Android 侧需要 ADB、开发者选项、USB 调试和 Portal app；iOS 侧也有自己的接入流程。真正跑稳定，还要处理模型配置、设备状态、权限弹窗和任务失败恢复。

我的判断

Mobilerun 的价值在于把移动设备控制做成了可编程、可观测、可替换模型的 agent 框架。它承认移动自动化不是一个模型问题，而是模型、设备、执行器、日志、工具和云端基础设施共同组成的系统问题。

短期看，它适合开发者搭建移动端自动化原型和内部工具；长期看，这类框架可能会成为“手机上的 AI 工作流引擎”。如果 GUI agent 要进入真实业务，像 Mobilerun 这样把本地运行、云端设备、结构化输出和追踪能力放在一起的项目会越来越重要。

项目链接：droidrun/mobilerun

AI 能自己点手机、用电脑了吗？Mobile-Agent 项目解读

Fri, 29 May 2026 21:42:41 +0800

X-PLUG 开源的 Mobile-Agent 已经不只是一个手机自动化项目。按照仓库当前的定位，它更像是通义实验室围绕 GUI 智能体持续沉淀的一组工作：Mobile-Agent-v1/v2/v3/v3.5、Mobile-Agent-E、PC-Agent、GUI-Critic-R1、UI-S1、GUI-Owl 以及 ToolCUA 等，都被放在同一个项目体系里展示。

这条线索值得关注。过去谈 GUI agent，常见问题是“模型能不能看懂截图并点对位置”；而 Mobile-Agent 的演进方向更进一步：让智能体在移动端、桌面、浏览器和工具调用之间切换，处理更长链路、更复杂的真实任务。

它解决什么问题

GUI 智能体面对的不是标准 API，而是应用界面。它需要看懂屏幕、定位控件、规划步骤、执行点击或输入，并在失败时修正路径。移动端场景尤其复杂，因为任务往往跨多个 App，界面状态也会随着登录、权限、弹窗、网络和个性化推荐变化。

Mobile-Agent 系列把这个问题拆成了几个方向：

用 Mobile-Agent-v1/v2 探索手机 GUI 的视觉感知与多智能体协作。
用 PC-Agent 把多智能体操作扩展到 PC 场景。
用 Mobile-Agent-v3 和 v3.5 推进多平台 GUI 智能体框架。
用 GUI-Owl 系列模型提供跨平台 GUI 感知、定位和端到端操作能力。
用 GUI-Critic-R1、UI-S1、ToolCUA 等工作补足错误诊断、强化学习和 GUI/工具路径编排。

这让它不像一个单点 demo，而更像一条围绕“计算机使用智能体”的研究和工程路线。

v3.5 的重点

仓库 README 显示，Mobile-Agent-v3.5 已经可以通过 ModelScope 在线 Demo 和阿里云百炼在线 Demo 体验，百炼上也提供了 v3.5 API。2026 年 3 月，v3.5 还上线了阿里云无影云手机，面向云端 Android 环境提供移动使用体验。

这说明项目正在把“本地跑实验”之外的使用方式也补上。对于 GUI 智能体来说，云手机和云桌面很重要：它们能提供更稳定、更可复现的运行环境，减少本地设备、系统版本、分辨率和 App 状态带来的差异。

如果你想评估这类智能体，稳定环境往往比模型本身更容易被低估。没有可控的执行环境，就很难判断一次失败是模型能力不足、界面变化、设备问题，还是任务定义不清。

GUI-Owl 是底层变化

Mobile-Agent-v3 之后，GUI-Owl 成了这条路线里的关键模型层。README 中把 GUI-Owl 描述为具备 GUI 感知、grounding 和端到端操作能力的多模态跨平台 GUI VLM。到 GUI-Owl-1.5，模型系列已经覆盖 2B、4B、8B、32B、235B，并支持桌面、移动端和浏览器自动化。

这类模型的意义在于，它不只是回答“屏幕里有什么”，还要把自然语言目标、截图内容、界面元素位置和下一步操作连起来。对 GUI agent 来说，视觉理解、坐标定位、操作规划和状态记忆缺一不可。

当然，模型越通用，工程边界也越重要。真实部署时仍然需要执行器、权限控制、任务日志、回滚机制和人工确认。尤其是涉及支付、账号、文件、消息发送等高风险操作时，GUI agent 不能只追求自动完成，还要能清楚说明自己准备做什么。

ToolCUA 暗示的新方向

2026 年 5 月，项目新闻里提到 ToolCUA，定位是面向 GUI 与工具最优路径编排的端到端 Computer Use Agent。这个方向很有意思，因为它承认了一个现实：不是所有任务都应该靠点屏幕完成。

有些事情适合 GUI 操作，比如登录后台、处理复杂表单、读取没有 API 的应用状态；有些事情更适合调用工具，比如检索、计算、解析文件、访问结构化接口。真正可用的计算机使用智能体，需要学会在两者之间切换。

这也是 Mobile-Agent 系列比早期手机自动化项目更值得看的地方。它不再只问“智能体能不能像人一样点 App”，而是在问“智能体什么时候该看屏幕，什么时候该用工具，什么时候该停下来确认”。

适合谁关注

如果你只是想找一个开箱即用的手机自动化助手，Mobile-Agent 仍然偏研究和工程框架。它涉及模型、运行环境、评测任务和具体执行器，完整跑通通常需要一定配置成本。

但如果你关注下面几类问题，它很值得跟踪：

移动端 GUI agent 如何从演示走向稳定执行。
桌面、浏览器和手机自动化能否统一到同一套智能体框架里。
GUI 模型如何处理 grounding、反思、记忆和错误诊断。
智能体如何在 GUI 操作与工具调用之间选择路径。
云手机、云桌面是否会成为 GUI agent 的重要运行环境。

这些问题会直接影响个人助理、企业流程自动化、远程桌面操作、应用测试和无 API 系统集成。

我的判断

Mobile-Agent 的价值不在于某一个版本的指标，而在于它把 GUI 智能体从“手机截图点按”推进到了一个更大的系统问题：模型、执行环境、评测、工具调用、错误诊断和跨平台任务如何协同。

短期看，它更适合研究者和开发者观察 GUI agent 的技术路线；长期看，这类项目可能会影响个人 AI 助手和企业自动化工具的形态。真正的难点不只是让智能体会操作界面，而是让它在真实应用里稳定、可控、可追踪地完成任务。

项目链接：X-PLUG/MobileAgent

MobiAgent 是什么？一个能操作手机 App 的开源 AI 智能体

Fri, 29 May 2026 21:36:58 +0800

IPADS-SAI 开源了 MobiAgent，定位是一个面向手机 GUI 的可定制智能体框架。它不是单一模型仓库，而是把模型、执行器、加速机制、评测基准和移动端应用放在同一个体系里，目标是让智能体能在真实手机环境中完成跨应用、多步骤任务。

从项目结构看，MobiAgent 主要由三部分组成：MobiMind 系列智能体模型、AgentRR 记录与回放加速框架，以及 MobiFlow 评测基准。论文摘要中也强调，现有移动智能体在真实任务里的准确率和效率仍然是主要瓶颈，MobiAgent 的设计就是围绕这两个问题展开。

它解决什么问题

手机 GUI 智能体比网页或桌面自动化更麻烦。它需要理解截图、识别控件、决定下一步操作，还要通过 ADB 或移动端运行环境执行点击、输入、返回、切换应用等动作。真实任务往往不是单 App 内的一次操作，而是跨越搜索、购物、社交、支付、地图等多个应用的连续流程。

MobiAgent 的价值在于把这些环节系统化：

用 MobiMind 承担任务规划、决策和界面定位等能力。
用 runner 连接手机，通过 ADB 执行预定义任务并记录轨迹。
用 AgentRR 复用成功动作序列，减少重复任务的推理与操作成本。
用 MobiFlow 评测真实移动场景中的任务完成情况。
通过数据采集、标注和处理工具，降低移动 GUI 任务数据构建成本。

这让它更像一个移动智能体实验平台，而不是只能跑演示的模型项目。

记忆系统是关键补丁

MobiAgent 支持用户画像记忆、经验记忆和动作记忆。用户画像记忆用于给规划提供偏好上下文；经验记忆用于检索类似任务的执行经验；动作记忆则通过 AgentRR 缓存和复用成功动作序列。

这很重要，因为手机任务天然带有重复性。比如用户常用某个 App 搜索商品、打开固定联系人、在特定页面填写信息。如果每次都从零开始看图、规划和点击，成本高且容易出错。记忆模块可以把一部分“已经学会的流程”沉淀下来，让后续任务更快、更稳定。

不过，记忆也会带来新的治理问题。用户偏好、历史任务、应用路径和操作轨迹都可能包含敏感信息。真正落地时，项目需要明确哪些内容进入记忆、保存多久、如何删除，以及是否允许模型在不同任务之间复用这些上下文。

适合谁关注

如果你只想找一个现成的手机自动化 App，MobiAgent 目前仍更偏研究和工程框架。它需要配置模型服务、移动设备、ADB、依赖环境和任务文件，完整跑起来有一定门槛。

但如果你关注移动 GUI agent、端侧智能体、多模型 runner、任务轨迹复用或智能体评测，MobiAgent 很值得跟踪。它把模型、执行、评测和数据流水线放在一起，能帮助研究者和开发者更完整地观察移动智能体的真实短板。

我的判断

MobiAgent 的意义不在于又发布了一个 GUI agent，而在于它把手机智能体从“看截图点按钮”的单点能力，推进到一个可训练、可执行、可评测、可加速的系统框架。

移动端是智能体很难绕开的场景。大量个人任务发生在 App 里，而不是标准化网页或 API 中。谁能稳定理解手机界面、跨应用执行任务、复用经验并控制隐私风险，谁就更接近真正可用的个人智能体。

MobiAgent 还没有把这些问题全部解决，但它提供了一个比较完整的开源起点。短期看，它适合用于移动智能体研究和实验；长期看，这类框架可能会成为手机操作系统、个人助理和自动化工具之间的重要连接层。

项目链接：IPADS-SAI/MobiAgent
论文链接：MobiAgent: A Systematic Framework for Customizable Mobile Agents

RTX 3060 也能跑 35B？llama.cpp 的 --n-cpu-moe 让老电脑继续本地大模型

Tue, 26 May 2026 21:27:21 +0800

最近看到一篇很有意思的本地大模型实测：同一台大约 3000 元的老电脑，硬件没有变，只是换了新版 llama.cpp 和一组参数，35B MoE 模型的体验直接上了一个台阶。

测试机器并不夸张：

硬件	配置
CPU	AMD Ryzen 7 3700X
GPU	RTX 3060 12GB
内存	32GB DDR4
系统	Windows 11
模型	Qwen3.6-35B-A3B GGUF Q4_K_M

结论很直接：过去同样硬件只能勉强跑低量化版本，现在用新版 llama.cpp，在 Q4 量化、64K 上下文下也能进入“可日常使用”的状态。

关键不是换显卡，而是 MoE 调度

这次优化里最关键的参数是：

`1`	`--n-cpu-moe 32`

Qwen3.6-35B-A3B 属于 MoE（Mixture of Experts，混合专家）模型。它的总参数规模看起来很大，但每次推理并不会激活全部专家，而是只激活其中一部分。

这就给本地推理留下了空间：并不是所有东西都必须塞进 GPU。llama.cpp 的 --n-cpu-moe 参数可以调整 MoE 专家层在 CPU 和 GPU 之间的分配，让显存有限的消费级显卡也能跑更大的模型。

在 RTX 3060 12GB 上，--n-cpu-moe 32 是一个值得优先尝试的平衡点：GPU 负责它擅长的 CUDA 计算，CPU 分担部分专家层。相比全部压给 GPU 或过度依赖 CPU，这种混合调度更快。

速度变化有多明显？

一组典型对比可以这样理解：

项目	旧方案	新方案
生成速度	约 15 tok/s	约 33-36 tok/s
量化	Q2_K_M	Q4_K_M
上下文	4K	64K
显存占用	约 5GB	约 7GB
体验	能跑，但质量不稳	更流畅，回答质量明显提升

这里最值得注意的不是单纯速度翻倍，而是量化精度和上下文长度同时提升。

过去很多 12GB 显存用户为了把 30B+ 模型跑起来，只能选择 Q2 这种压缩很重的量化。模型能启动，但推理质量容易变差。现在能切到 Q4，意味着本地模型从“能体验”更接近“能干活”。

一个可参考的 Windows 启动命令

下面是一个 Windows 批处理启动模板，路径按自己的机器替换：

@echo off
chcp 65001 >nul

cd /d C:\Users\你的用户名\llama-b9297-bin-win-cuda-13.1-x64

llama-server.exe ^
 -m "D:\Qwen3.6-35B-A3B-UD-Q4_K_M.gguf" ^
 -ngl 99 ^
 --n-cpu-moe 32 ^
 --flash-attn on ^
 --jinja ^
 -c 65536 ^
 -t 8 ^
 -b 512 ^
 -ub 128 ^
 --cache-type-k q4_0 ^
 --cache-type-v q4_0 ^
 -np 1 ^
 --cache-ram 0 ^
 --host 127.0.0.1 ^
 --port 8080

pause

几个重点参数：

-ngl 99：尽量把能 offload 的层放到 GPU；
--n-cpu-moe 32：控制 MoE 专家层调度，是这次提速的关键；
--flash-attn on：开启 Flash Attention，降低长上下文压力；
-c 65536：设置 64K 上下文；
--cache-type-k q4_0 / --cache-type-v q4_0：量化 KV cache，减少长上下文显存占用；
-np 1：单并发，适合 32GB 内存机器；
--cache-ram 0：关闭 prompt cache，进一步控制内存。

需要注意的是，b9297 只是一个测试时点。截至 2026-05-26，llama.cpp Release 页面已经继续更新到更高版本，所以实际使用时不必拘泥于 b9297，可以优先尝试更新的 CUDA 构建。

不同显卡怎么调？

这类 MoE 模型的思路不是“显存不够就放弃”，而是通过 CPU/GPU 分工去找平衡点。

硬件	建议
RTX 3060 12GB / 3080 10GB	可以先试 `--n-cpu-moe 32`
RTX 3070 8GB / 4060 8GB	可以把 `--n-cpu-moe` 调大，例如 128 或 256
RTX 3050 6GB / GTX 1650 4GB	可以尝试更高的 CPU offload，但速度会明显下降
Apple Silicon Mac	用 Metal 后端，统一内存对大模型更友好

不要把这些数值当成绝对答案。--n-cpu-moe 的最佳值和模型、量化、显卡、CPU、内存带宽都有关系。更稳妥的做法是从几个典型点测试：

`1`	`0 / 16 / 32 / 64 / 128 / 256`

看 tok/s、内存占用、首 token 延迟和回答稳定性，再决定最终配置。

32GB 内存够不够？

结论是：能跑，但余量不大。

这类配置下，llama-server 进程工作集可能来到 20GB 以上，系统还要保留内存给浏览器、编辑器、驱动和后台服务。如果只是单人本地使用，32GB 可以尝试；如果想长期挂服务、多并发调用，64GB 会舒服很多。

建议：

尽量单并发测试；
关闭不必要的后台程序；
浏览器标签别开太多；
先确认 CUDA 后端正常加载；
不要一开始就把上下文拉到 128K。

为什么这件事值得关注？

本地大模型的门槛一直被“显存焦虑”放大。很多人默认认为 35B 级别模型必须 24GB 显存，最好还得 4090。

这次实测说明了另一个方向：模型结构和推理框架的优化，能让旧硬件继续释放价值。MoE、KV cache 量化、Flash Attention、CUDA kernel 优化、CPU/GPU 混合 offload，这些进步叠加起来，可能比单纯升级显卡更影响实际体验。

当然，它不是魔法。8GB、12GB 显卡跑 35B MoE 仍然需要取舍：速度、上下文、量化质量、内存占用不可能全都拉满。但如果目标是个人知识库、代码助手、长文档问答、离线测试，这类方案已经很值得折腾。

我的结论

如果你手里有 RTX 3060 12GB、RTX 3080 10GB，甚至 8GB 显卡，不妨重新看一眼新版 llama.cpp。

重点不是照抄某一个参数，而是理解这套思路：

MoE 模型不一定要把所有专家都塞进 GPU，合理的 CPU/GPU 分工，可能比“显存够不够”更重要。

老电脑不一定只能跑小模型。只要框架持续优化、量化方案继续进步，很多原本被判定“跑不动”的本地模型，会重新变得可用。

参考链接

llama.cpp Releases

WavFlow：Meta 开源原始波形空间音频生成项目

Mon, 25 May 2026 08:00:37 +0800

facebookresearch/WavFlow 是 Meta AI 发布的多模态音频生成项目，论文标题是 WavFlow: Audio Generation in Waveform Space。

项目地址：https://github.com/facebookresearch/WavFlow

它关注的不是语音合成，也不是单纯的音乐生成，而是从视频和文本条件生成同步、高保真的音频。更特别的是，它不走常见的 latent compression 路线，而是尝试直接在 raw waveform space 里做端到端音频生成。

截至写作时，GitHub 页面显示仓库约有 55 star、3 fork，代码主要是 Python，项目没有发布 release。仓库 README 也明确提醒：由于组织政策限制，目前不能发布 production-trained checkpoints，团队正在训练基于完全开源数据的 foundation checkpoint。在那之前，用户需要自己训练模型。

WavFlow 想解决什么问题

很多多模态音频生成方法会先把音频压缩到 latent 空间，再在 latent 上做生成，最后还原成波形。这条路线效率高，但也会带来一个问题：压缩过程可能损失细节，最终音频的质感、同步性和高频信息会受影响。

WavFlow 的思路是绕开这一步，直接在原始波形空间生成音频。

README 里提到，它通过 waveform patchifying 和 amplitude lifting，让 flow matching 可以稳定地作用在 raw audio 上，并使用直接的 x-prediction。直白一点说，它不是先把声音压成某种中间表示再生成，而是把音频波形本身切成适合模型处理的 patch，并做幅度变换，让模型能在波形层面学习生成。

这也是它最值得关注的地方：如果端到端波形生成能稳定工作，就有机会减少编码器/解码器带来的信息瓶颈。

支持哪些输入模式

从 README 和训练说明看，WavFlow 面向三类输入。

第一类是 VT2A，也就是 video + text to audio。给模型视频和文本描述，让它生成与画面和语义同步的音频，比如森林、青蛙、鼓声、滑板等场景。

第二类是 T2A，也就是 text to audio。只有文本描述，没有视频输入。训练时使用 CLIP text feature，推理时 CSV 里可以把 video_exist 设为 0。

第三类是 V2A，也就是 video to audio。只有视频，没有文本。推理时可以把 text_exist 设为 0，模型会使用 learned empty CLIP-text token。

这种设计比较实用。真实数据里不一定每条样本都有完整的视频、文本和音频标注，WavFlow 用 video_exist 和 text_exist 这类字段把缺失模态显式表达出来，训练和推理都能处理不同组合。

评测和效果定位

README 提到，WavFlow 在 VGGSound 的 VT2A 任务和 AudioCaps 的 T2A 任务上进行评测，表现可以和已有 latent-based 方法相当。

这句话的意义不是说它已经全面碾压现有模型，而是证明一件事：端到端 raw waveform generation 并不一定输给传统 latent 框架。至少在 acoustic richness、fidelity 和 synchronization 这些指标上，它可以达到同一档水平。

项目页还提供了 forest、frog、drum、skateboard 等 demo，并在项目主页放了 24 个以上样例和并排 benchmark 对比。对音频生成模型来说，demo 很重要，因为文字指标很难完整描述声音的质感、空间感和同步感。

安装方式

官方提供了自动安装脚本：

git clone https://github.com/facebookresearch/WavFlow.git
cd WavFlow
bash scripts/setup.sh
conda activate wavflow

scripts/setup.sh 会创建名为 wavflow 的 conda 环境，并安装所需依赖。

如果想手动安装，可以按 README 里的方式：

conda create -n wavflow python=3.10 -y
conda activate wavflow
pip install -r requirements.txt
pip install -e . --no-deps
conda install -n wavflow -c conda-forge "ffmpeg<7" -y

这里的 ffmpeg<7 主要是为了 torio 视频解码。README 还说明，CLIP、Synchformer、empty-string CFG embedding 等外部权重会在首次运行时自动下载或计算，并缓存到 ~/.cache/wavflow/。

推理怎么跑

由于官方暂时没有发布 production-trained checkpoints，下面的推理入口只适用于你已经有训练好的 checkpoint 的情况。

`1`	`bash scripts/launch/predict.sh [--gpu N] [--config PATH]`

默认配置文件是：

`1`	`wavflow/configs/infer.yaml`

输入 CSV 由 data.csv_path 指定，支持视频、文本，或者两者同时存在：

video_path,caption,video_exist,text_exist
/abs/path/sample1.mp4,a whistling rocket explodes,1,1
/abs/path/sample2.mp4,birds chirping in a forest,1,1
,a whistling rocket explodes,0,1
/abs/path/sample3.mp4,,1,0

其中 video_exist=0 表示不解码视频，使用 learned empty CLIP/Sync tokens；text_exist=0 表示忽略 caption，使用 learned empty CLIP-text token。如果有逗号的 caption，需要加引号。

常用启动参数包括：

1
2
3

--gpu N
--config PATH
WAVFLOW_ENV

关键配置项包括 model.name、model.ckpt_path、model.use_ema、inference.duration_sec、target_sample_rate、inference.cfg、num_steps、noise_scale、noise_shift、prediction_type、seed 和输出目录。

EMA 的一个坑

README 特别提醒了 model.use_ema 的问题。

WavFlow 的 checkpoint 里可能有 model_ema1，它按 ema_decay = 0.9999 更新。如果训练只跑了几百或几千步，EMA 里可能还包含大量随机初始化值，推理时会产生噪声。

所以，如果你只是做短跑、过拟合小样本或 smoke test，采样时应该考虑：

`1`	`model.use_ema: false`

或者使用训练足够久之后保存的 ema_epoch_*.pth。这个细节很实用，否则很容易误以为模型坏了，其实只是 EMA 还没稳定。

训练流程

官方的 TRAINING.md 把训练分成两步。

第一步是特征提取。

T2A 只提取 CLIP text feature；VT2A 会提取 CLIP frame feature、Synchformer feature 和 CLIP text feature。示例 CSV 大致是：

1
2

id,audio_path,video_path,caption
sample1,/abs/or/relative/wav/sample1.wav,/abs/or/relative/video/sample1.mp4,a whistling rocket explodes

视频长度需要大于等于 extraction.duration_sec，默认是 8 秒；更短的片段会被跳过。特征提取可以这样运行：

1
2

bash scripts/launch/extract_t2a.sh
bash scripts/launch/extract_vt2a.sh

如果要用更多 GPU 或自定义配置：

1
2

NPROC_PER_NODE=4 bash scripts/launch/extract_vt2a.sh
CONFIG_PATH=path/to/your_extract.yaml bash scripts/launch/extract_t2a.sh

第二步是训练。

单机多卡可以用：

`1`	`bash scripts/launch/train_single_node.sh`

多节点训练需要设置 NNODES、NODE_RANK、MASTER_ADDR、MASTER_PORT 和 NPROC_PER_NODE。训练输出包括 checkpoint_latest.pth、checkpoint_epoch_*.pth、ema_epoch_*.pth、生成音频样本和 training.log。

训练可以自动 resume：如果实验目录里存在 checkpoint_latest.pth，训练会从那里继续。

适合谁关注

WavFlow 更适合研究者和工程团队关注，而不是普通用户直接拿来做成品音效。

适合关注它的人包括：

研究 video-to-audio、text-to-audio 或 multimodal audio generation 的人。
想比较 raw waveform generation 和 latent-based audio generation 的团队。
需要训练自有音频生成模型，并能准备数据和 GPU 资源的用户。
对视频画面和声音同步要求高的应用团队。
想研究 flow matching 在原始音频波形上是否可行的人。

如果你只是想找一个网页工具，输入 prompt 直接生成音效，WavFlow 现在不是最省事的选择。它暂时没有公开 production checkpoint，部署路径也更接近研究代码。

使用时要注意什么

第一，不能把它当成“下载即用”的音频生成模型。官方目前没有发布生产训练 checkpoint，真正推理前需要自己训练，或者等待后续开放数据 checkpoint。

第二，许可证不是宽松商用默认选项。README 说明，WavFlow 大部分代码采用 CC-BY-NC 4.0，部分 vendored 组件沿用 MIT、Apache 2.0、CC BY-NC 4.0 和 Stability AI Community License 等原始许可证。商业使用前要仔细读 LICENSE 和 NOTICE.txt。

第三，训练数据很关键。WavFlow 的优势建立在音频、视频和文本对齐数据之上。如果数据质量差、caption 不准确、音画不同步，模型很难学到稳定的声音生成。

第四，raw waveform generation 虽然减少 latent bottleneck，但也可能带来更高的训练和推理成本。实际项目里仍然要在音质、速度、显存、采样率和输出时长之间取舍。

小结

WavFlow 的价值在于提出了一个清晰问题：多模态音频生成一定要先压缩到 latent 空间吗？

它用 waveform patchifying、amplitude lifting 和 flow matching，尝试直接在 raw waveform space 里生成同步高保真音频。评测结果说明，这条路线至少有机会和成熟的 latent-based 方法站在同一水平线上。

不过，现阶段它更像一套研究和训练框架，而不是开箱即用的产品模型。没有公开生产 checkpoint、许可证偏非商用、训练需要音视频文本对齐数据，这些都决定了它更适合研究、复现和二次训练。如果你关注下一代 video-to-audio 或 text-to-audio 模型，WavFlow 值得认真看一眼。

参考资料

facebookresearch/WavFlow：https://github.com/facebookresearch/WavFlow
WavFlow Project Page：https://facebookresearch.github.io/WavFlow/
WavFlow arXiv：https://arxiv.org/abs/2605.18749
WavFlow Training Guide：https://github.com/facebookresearch/WavFlow/blob/main/TRAINING.md

LongCat-Video-Avatar-1.5：美团开源音频驱动数字人视频模型

Mon, 25 May 2026 07:53:43 +0800

LongCat-Video-Avatar-1.5 是美团 LongCat 团队发布的音频驱动数字人视频生成模型。

项目地址：https://huggingface.co/meituan-longcat/LongCat-Video-Avatar-1.5

它面向的不是普通文生视频，而是“给一段语音和角色条件，生成会说话、动作稳定、身份一致的视频”。从模型卡看，它支持 Audio-Text-to-Video、Audio-Text-Image-to-Video 和 Video Continuation，也支持单路音频和多路音频输入。

截至写作时，Hugging Face 页面显示该模型采用 MIT License，标签包括 audio-text-to-video、audio-image-text-to-video、audio-driven-video-continuation、avatar 和 video-generation。

这次 1.5 版更新了什么

官方模型卡把 LongCat-Video-Avatar 1.5 描述为一个更偏生产可用的开源框架，目标是提升音频驱动人物视频生成的稳定性。

几个重点变化比较明确。

第一，音频编码器从 Wav2Vec2 换成了 Whisper-Large。官方说法是，这能带来更平滑、更自然的唇部动态。实际使用时，对口型同步要求高的场景，应该优先使用 --model_type avatar-v1.5。

第二，它强调长视频稳定性和身份一致性。数字人视频最怕两类问题：短片里嘴型对不上，长片里脸、身体、衣服和动作逐渐漂移。LongCat-Video-Avatar-1.5 的卖点之一，就是同时关注 lip sync、full-body temporal stability 和 identity consistency。

第三，它不只面向真人播报。模型卡提到它可以泛化到动漫、动物、多人互动、拿取物体等更复杂条件。这意味着它的应用范围不局限于新闻播报式数字人，也可以覆盖短剧、唱歌、电商口播、动画角色和动物角色。

第四，它提供 8-step 推理。官方提到通过 DMD2-based step distillation，把推理压到 8 NFE，用来平衡服务成本和画质。这对视频模型很关键，因为视频生成通常算力成本高，推理步数少会直接影响可部署性。

支持哪些任务

从模型卡和示例命令看，主要可以分成三类。

第一类是单人动画。

它支持从音频和文本生成视频，也支持从音频和图片生成视频。常见用途是给一段语音，让某个角色说话、表演或播报。

第二类是视频续写。

示例里通过 --num_segments=5、--ref_img_index=10、--mask_frame_range=3 等参数，让模型在已有角色条件下继续生成更长片段。这个能力适合长口播、课程讲解、唱歌和连续表演。

第三类是多人动画。

多人模式使用 run_demo_avatar_multi_audio_to_video.py，支持多路音频。模型卡里还说明了两种双音频模式：audio_type 设为 para 时是 merge mode，需要两段等长音频；设为 add 时是 concatenation mode，可以按顺序拼接两段音频，并用静音填充间隔。

安装和模型下载

官方推荐先克隆 LongCat-Video 仓库：

1
2

git clone --single-branch --branch main https://github.com/meituan-longcat/LongCat-Video
cd LongCat-Video

然后创建 Python 3.10 环境，并按 CUDA 版本安装 PyTorch。模型卡给出的 CUDA 12.4 示例是：

1
2
3

conda create -n longcat-video python=3.10
conda activate longcat-video
pip install torch==2.6.0+cu124 torchvision==0.21.0+cu124 torchaudio==2.6.0 --index-url https://download.pytorch.org/whl/cu124

后续还需要安装 flash_attn==2.7.4.post1、项目依赖、librosa、ffmpeg 和 requirements_avatar.txt。模型卡说明，配置里默认启用 FlashAttention-2，也可以改成 FlashAttention-3 或 xformers。

模型权重可以用 huggingface-cli 下载：

1
2
3

pip install "huggingface_hub[cli]"
huggingface-cli download meituan-longcat/LongCat-Video --local-dir ./weights/LongCat-Video
huggingface-cli download meituan-longcat/LongCat-Video-Avatar-1.5 --local-dir ./weights/LongCat-Video-Avatar-1.5

这里要注意，它依赖两个权重目录：一个是 LongCat-Video 基础视频生成模型，另一个是 LongCat-Video-Avatar-1.5 数字人模型。

快速推理示例

单人 Audio-Text-to-Video 示例：

torchrun --nproc_per_node=2 run_demo_avatar_single_audio_to_video.py --context_parallel_size=2 --checkpoint_dir=./weights/LongCat-Video-Avatar-1.5 --stage_1=at2v --input_json=assets/avatar/single_example_1.json --use_distill --model_type avatar-v1.5 --use_int8

单人 Audio-Image-to-Video 示例：

torchrun --nproc_per_node=2 run_demo_avatar_single_audio_to_video.py --context_parallel_size=2 --checkpoint_dir=./weights/LongCat-Video-Avatar-1.5  --stage_1=ai2v --input_json=assets/avatar/single_example_1.json --use_distill --model_type avatar-v1.5 --use_int8

多人 Audio-Image-to-Video 示例：

torchrun --nproc_per_node=2 run_demo_avatar_multi_audio_to_video.py --context_parallel_size=2 --checkpoint_dir=./weights/LongCat-Video-Avatar-1.5 --input_json=assets/avatar/multi_example_1.json --use_distill --model_type avatar-v1.5 --use_int8

这些命令有几个共同点：都使用 --model_type avatar-v1.5，都带 --use_distill，并且示例里都打开了 --use_int8。模型卡明确说，--use_distill 是使用 avatar-v1.5 时需要的选项；--use_int8 用于加载 INT8 量化 DiT 模型，降低显存占用，并且只支持 avatar-v1.5。

参数怎么调

模型卡给了几条实用建议。

如果口型同步不够好，可以调高 audio CFG。官方建议区间是 3 到 5，数值更高通常有利于同步。

Prompt 不要写得太短。更长、更具体的描述通常能带来更好的角色一致性和自然度。比如角色外观、动作、场景、衣着、表情都可以写进去。

如果出现重复动作，可以调整 --ref_img_index 和 --mask_frame_range。模型卡建议 --ref_img_index 在 0 到 24 之间更利于一致性，设为 30 有助于减少重复动作；增大 --mask_frame_range 也可能缓解重复，但过大可能引入伪影。

分辨率方面，模型兼容 480P 和 720P，可以通过 --resolution 控制。

适合哪些场景

官方预览覆盖了播报、表演、唱歌、电商营销、多人对话、动画和动物角色。

从实际用途看，它比较适合这些方向：

新闻播报、知识讲解、课程口播。
电商商品介绍和营销短视频。
虚拟主播、虚拟角色短剧、唱歌表演。
动漫或动物角色的音频驱动动画。
多人对话型数字人视频。

它最值得关注的点，是把“口型同步”和“长视频稳定”放在同一个框架里处理。很多数字人模型短片效果可以，但一旦拉长到多段生成，就容易出现身份漂移、动作重复、身体不稳。LongCat-Video-Avatar-1.5 明确把这些问题作为优化目标。

使用时要注意什么

第一，它不是 Hugging Face Inference Provider 上直接可用的托管模型。页面显示目前没有部署到 Inference Provider，实际使用需要自己准备环境、下载权重、运行 LongCat-Video 代码。

第二，本地部署门槛不低。示例命令使用 torchrun --nproc_per_node=2 和 context_parallel_size=2，依赖 PyTorch、FlashAttention、ffmpeg、librosa 和多份模型权重。即使有 INT8 量化，仍然更适合有较强 GPU 环境的用户。

第三，数字人视频涉及肖像、声音、隐私和内容安全。模型卡也提醒开发者需要自行评估准确性、安全性、公平性，并遵守数据保护、隐私和内容安全相关法律法规。用它生成真人形象或商业视频时，授权和合规比技术效果更重要。

第四，不要把模型卡里的通用 Hugging Face “Diffusers/Transformers 使用片段”当成本项目的完整推理方式。真正的 avatar 推理还是应该参考 LongCat-Video 仓库和模型卡里的 run_demo_avatar_* 示例。

小结

LongCat-Video-Avatar-1.5 是一个值得关注的开源数字人视频模型。它不只是做一张脸说话，而是把音频驱动、角色一致性、长视频稳定、多人音频和蒸馏推理放到同一个框架里。

如果你关注虚拟主播、电商口播、课程讲解、动画角色或多人对话视频，它值得测试。但它更像研究和工程团队可以部署调优的模型，不是开箱即用的网页工具。真正落地时，要同时准备算力、素材授权、提示词调参和内容合规流程。

参考资料

LongCat-Video-Avatar-1.5 Hugging Face：https://huggingface.co/meituan-longcat/LongCat-Video-Avatar-1.5
LongCat-Video GitHub：https://github.com/meituan-longcat/LongCat-Video
LongCat-Video-Avatar-1.5 Technical Report：https://github.com/meituan-longcat/LongCat-Video

CLI-Anything：把软件变成 Agent 可用的命令行

Mon, 25 May 2026 00:24:36 +0800

CLI-Anything 是 HKUDS 开源的 Agent 工具化项目，目标是把原本面向人类 GUI 操作的软件，转成 AI Agent 更容易调用的命令行接口。它不是重新实现一个简化版软件，而是围绕现有代码库和真实后端生成 CLI harness，让 Agent 可以通过稳定命令、状态会话和结构化输出来完成任务。

这个方向解决的是 Agent 使用软件时最常见的断层：GUI 自动化依赖截图、点击和坐标，容易受界面变化影响；单个 API 又经常覆盖不完整，Agent 需要自己拼接大量上下文。CLI-Anything 选择把软件能力收敛成命令行，因为命令天然适合被模型读取、组合、验证，也便于接入脚本和自动化流程。

它怎么工作

官方仓库把 CLI-Anything 描述为一套自动生成 CLI 的流水线。给它一个本地软件源码路径或 GitHub 仓库地址后，流程会分析代码结构、识别后端和数据模型，设计命令分组，再实现 CLI、测试和文档。

生成出来的 CLI 通常包含两种使用方式：一种是面向连续工作的 REPL，会保留项目状态；另一种是子命令模式，适合脚本和流水线。命令还会提供 JSON 输出，方便 Agent 直接解析结果，同时保留人类可读的格式用于调试。

官方示例里，Claude Code 插件可以这样使用：

1
2
3

/plugin marketplace add HKUDS/CLI-Anything
/plugin install cli-anything
/cli-anything <software-path-or-repo>

如果已经生成某个软件的 harness，后续使用方式会更接近普通 Python CLI：

cd <software>/agent-harness
pip install -e .
cli-anything-<software> --help
cli-anything-<software>
cli-anything-<software> --json <command>

适合什么场景

CLI-Anything 更适合那些“能力在真实软件里，但 Agent 不好稳定操作”的场景。例如图像、视频、音频、办公文档、3D 建模、数据分析或 AI/ML 工具链，只要项目有可分析的代码库、可调用的后端或清晰的数据模型，就有机会被包装成 Agent 可用的命令集。

它的价值不只是在命令行里多一层封装，而是把软件的关键操作变成可发现、可组合、可测试的接口。Agent 可以先通过 --help 理解能力，再用 JSON 输出接收结果，并把多个命令串成工作流。对于需要批处理、自动验证和持续迭代的任务，这比临时让 Agent 点击界面更可控。

需要注意的边界

CLI-Anything 并不等于任何软件都能立刻无成本接入。它依赖目标软件的源码、后端能力、文件格式和可测试性；如果一个软件高度封闭、关键逻辑只存在于 GUI 层，生成高质量 CLI 的难度会明显上升。

官方方法论也强调真实后端和测试验证，这意味着生成 harness 不是只写几个命令包装脚本就结束。要让它用于严肃工作，还需要确认命令覆盖范围、输出格式、依赖安装、真实软件调用和端到端测试是否可靠。更现实的用法，是先为一个明确工作流生成 CLI，再通过 refine、test、validate 等命令逐步补齐能力。

小结

CLI-Anything 的思路很直接：不要让 Agent 去适应脆弱的人类界面，而是为现有软件补上一层稳定、结构化、可测试的命令行入口。它适合想把专业软件纳入 Agent 工作流的人，也适合研究“Agent 原生软件”形态的开发者。真正落地时，重点不在于一句命令生成了多少代码，而在于生成的 CLI 是否能调用真实能力、保持状态、输出结构化结果，并经得起测试。

Qwen3.6-35B-A3B 越狱版本地部署：无审查 GGUF、llama.cpp 与安全边界

Sun, 24 May 2026 23:52:16 +0800

零度博客最近介绍了一款热度很高的本地模型：Qwen3.6-35B-A3B Uncensored HauhauCS Aggressive。原文把它称为“越狱版”“无审查”开源模型，并给出了 GGUF 量化包、llama.cpp 启动方式和 Agent 对接思路。

这类模型值得关注，但更适合冷静理解：它的重点不只是“限制少”，而是把几个本地 AI 关键能力放到了一起：

MoE 架构下的 35B 级模型。
GGUF 量化后可在消费级显卡上运行。
通过 llama.cpp 提供 OpenAI API 兼容接口。
搭配 mmproj 支持多模态视觉输入。
可以接入 Hermes、OpenClaw 等本地 Agent 工具。

如果你关心本地模型，这篇更值得看的不是“越狱”噱头，而是它代表的趋势：本地模型正在从“能聊天”走向“能接入工具、能看图、能做 Agent 后端”。

这个模型是什么

原文提到的模型全名是：

`1`	`Qwen3.6-35B-A3B Uncensored HauhauCS Aggressive`

从名字可以拆出几个关键信息：

Qwen3.6：基于 Qwen 系列模型。
35B：总参数规模约 35B。
A3B：每次推理激活参数约 3B，属于 MoE 思路。
Uncensored / Aggressive：经过更少安全限制或更激进风格调整的版本。
GGUF：面向 llama.cpp 等本地推理工具的量化格式。

这里要特别注意：Uncensored 并不等于“更可靠”。它通常意味着模型更少拒答，也更可能生成不受约束、未经事实核验或有风险的内容。对技术研究来说可以实验，但不适合直接接入公开服务、生产系统或无人值守任务。

为什么 35B 模型还能在本地跑

很多人看到 35B 会以为必须用服务器或高端多卡机器。原文强调的关键点是：这个模型采用 MoE 架构。

MoE 可以简单理解为：模型总参数很大，但每次推理不会激活全部参数，而是只激活其中一部分专家。原文称它每次实际运行大约激活 3B 参数，因此在一定量化下，速度和显存压力会比传统 dense 35B 模型低很多。

再叠加 GGUF 量化后，它就有机会在消费级显卡上运行。原文提到最小量化版本约 11GB，6G/8G 显存也能尝试，但更建议至少 8G 显存。

更现实的理解是：

6G 显存：可以尝试低比特量化，但上下文和速度都要降低预期。
8G 显存：更适合入门测试，建议选更小量化。
16G 显存：体验会明显宽松，适合更长上下文和更多 GPU offload。
24G 显存：更适合 Q4_K_M、Q4_K_P 这类质量更好的量化版本。

本地模型能不能“好用”，不能只看能不能启动，还要看上下文长度、生成速度、显存余量、KV cache、是否启用多模态、并发需求和实际任务类型。

llama.cpp 部署思路

原文推荐使用 llama.cpp，原因是它支持 Windows、Linux、macOS，也支持 NVIDIA CUDA、AMD、Intel、Vulkan 和纯 CPU 等多种后端。

一个典型启动方式类似：

llama-server.exe ^
  -m "模型路径.gguf" ^
  --mmproj "mmproj.gguf" ^
  -ngl 999 ^
  -c 131072 ^
  -n 8192 ^
  --host 127.0.0.1 ^
  --port 8080 ^
  --jinja

几个参数值得单独理解：

-m：主模型 GGUF 文件路径。
--mmproj：多模态投影文件，启用视觉能力时需要。
-ngl：尽量把层 offload 到 GPU，具体效果取决于显存和后端。
-c：上下文长度，越大越吃内存和显存。
-n：单次生成 token 上限。
--host 127.0.0.1：只监听本机，安全性比暴露公网高。
--port 8080：本地 API 服务端口。
--jinja：新版 Qwen 模型常需要正确聊天模板，否则可能出现格式错乱、重复或中文异常。

这里最容易踩坑的是上下文长度。-c 131072 看起来很诱人，但长上下文会显著增加 KV cache 占用。低显存机器不建议盲目拉满，应该先用较小上下文跑通，再逐步增加。

多模态能力怎么用

原文提到这个版本支持多模态视觉识图，可以分析图片、截图、OCR、复杂 UI 和代码截图。

在 llama.cpp 里，多模态通常需要主模型和 mmproj 文件配套。没有正确加载 --mmproj 时，前端里的图片上传能力可能不可用，或者模型无法正确理解图像。

多模态本地模型的实用场景包括：

分析截图里的 UI。
OCR 识别图片文本。
阅读代码截图或报错截图。
给本地 Agent 提供视觉输入。
在不上传云端的情况下处理隐私图片。

但它也有边界：视觉理解不等于严格 OCR，不适合作为唯一事实来源。涉及账单、合同、证件、医疗图像等高风险内容时，仍然需要人工复核。

OpenAI API 兼容接口

llama.cpp 的 llama-server 可以提供类似 OpenAI API 的本地接口。原文给出的本地 base URL 是：

`1`	`http://127.0.0.1:8080/v1`

这意味着很多支持自定义 OpenAI-compatible provider 的工具，可以把请求转到本地模型上。API key 通常可以随便填一个占位值，具体取决于客户端是否强制校验。

这类能力的意义很大：

不需要云端 API key。
不产生按 token 计费。
数据可以留在本机。
可以接入本地 Agent、代码助手或聊天前端。
可以作为 OpenAI API 的本地替代后端做实验。

但不要把本地接口直接暴露到公网。即使模型在本地，API 一旦开放到局域网或公网，也可能被别人滥用，导致机器资源被打满，甚至让模型输出你不希望生成的内容。

对接 Hermes 和 OpenClaw 的意义

原文提到，将这个本地模型接入 Hermes 或 OpenClaw，才能真正体现它的价值。

这句话的意思是：模型本身只是推理核心，Agent 工具才负责把它接到真实任务里。比如：

写代码。
调用工具。
读取文件。
分析图片。
联网搜索。
执行多步骤任务。
维护长上下文工作流。

本地模型如果只用来聊天，价值有限；如果能稳定作为 Agent 后端，才更接近“本地 AI 工作站”。

不过，无审查模型接入 Agent 时要更谨慎。Agent 能操作文件、运行命令、访问网页、调用工具时，模型的输出会转化为真实动作。模型越少限制，越需要外层权限控制、人工确认和审计日志。

无审查模型的风险边界

这类模型最大卖点通常是“少拒答”。但少拒答也意味着更大的风险。

需要注意几件事：

它可能更容易输出违法、危险或误导性内容。
它可能不会主动提醒安全边界。
它可能在高风险问题上给出过度自信的建议。
它可能被提示词诱导执行不合适的任务。
它不适合直接面向公众开放。

更稳妥的做法是：

只在本机或受控局域网内测试。
不把它接入高权限工具。
不让它自动执行删除、支付、发帖、批量提交等不可逆操作。
给 Agent 工具设置文件、命令、网络和浏览器权限边界。
对高风险输出保持人工复核。

换句话说，越是“自由”的模型，越需要外层系统约束。

适合谁尝试

这类模型适合以下用户：

想研究本地大模型部署的人。
有 8G 以上显存，愿意折腾 GGUF 和 llama.cpp 的用户。
想把本地模型接入 OpenAI-compatible 客户端的人。
关注本地多模态、截图分析和 Agent 后端的人。
想离线处理部分隐私数据的开发者。

不太适合以下场景：

完全不想调参数的新手。
需要稳定生产 SLA 的服务。
对安全合规要求高的团队。
需要严格事实可靠性的业务流程。
想把模型直接公开给外部用户的人。

简单结论

Qwen3.6-35B-A3B Uncensored HauhauCS Aggressive 这类模型的出现，说明本地 AI 的能力边界正在快速往前推：消费级显卡可以跑更大模型，GGUF 量化让部署门槛下降，llama.cpp 让本地模型具备 OpenAI API 兼容接口，多模态和 Agent 工具又把它从聊天推进到任务执行。

但不要把它只理解成“越狱模型”。更有价值的角度是：本地 AI 正在成为可组合的基础设施。模型、推理引擎、API 服务、前端、Agent 工具、权限控制，会一起决定最终体验。

如果你要尝试，建议先从低风险本地测试开始：选合适量化，降低上下文长度，确认 --jinja 和 --mmproj 配置正确，再接入客户端。等稳定后，再考虑接入 Agent 工作流。

参考资料：

零度博客原文：https://www.freedidi.com/24284.html
llama.cpp GitHub：https://github.com/ggml-org/llama.cpp

browser-harness 的 domain skills 机制：让 AI Agent 不再重复踩网页自动化的坑

Sun, 24 May 2026 23:43:35 +0800

browser-use/browser-harness 最有意思的地方，不只是让 AI Agent 能控制真实 Chrome，而是它把网页操作中的经验变成了可以复用的 domain skills。

这件事很关键。浏览器自动化真正困难的地方，往往不是“能不能点击按钮”，而是每个网站都有自己的细节：

哪些页面必须登录。
哪些数据可以直接走 API。
哪些按钮用普通 DOM 点击无效。
哪些 iframe、shadow DOM、弹窗会挡住流程。
哪些选择器稳定，哪些只是临时 class。
哪些操作涉及账号、支付或不可逆变更，必须让人确认。

如果这些经验只留在一次任务日志里，Agent 下次还会重新踩坑。domain skills 的作用，就是把这些经验沉淀下来，让 Agent 不必每次都像第一次打开网站。

domain skills 是什么

可以把 domain skills 理解成“给 Agent 看的站点操作手册”。

它不是普通的用户文档，也不是一次性脚本。它更像一组经过实测的站点级知识：

这个站点适不适合用浏览器。
如果有 API，应该优先用哪个 API。
如果必须操作网页，应该从哪个 URL 进入。
哪些 DOM 结构、aria-label、按钮行为经过验证。
哪些常见写法会失败。
哪些场景要停止并请求人类介入。

这类内容既能被人类审查，也能被 Agent 在任务中读取。它把“临场摸索”变成“可维护经验”。

它不是让 Agent 盲目点击

一个好的浏览器 Agent，不应该把所有问题都变成打开网页、看截图、点按钮。

domain skills 里很重要的一类经验，恰恰是在告诉 Agent：什么时候不要用浏览器。

比如 ArXiv 这类站点，论文搜索、元数据和摘要可以通过 Atom API 或 HTML meta 标签直接拿到。用 HTTP 请求通常比打开浏览器更快、更稳，也更容易解析。

GitHub 也是类似思路。仓库、用户、release 数据优先用 REST API；文件内容优先读 raw.githubusercontent.com；只有 GitHub Trending 这类没有等价 API 的页面，才需要进入浏览器。

这说明 browser-harness 的思路不是“浏览器万能”，而是把浏览器放在正确位置：当 API、HTTP、静态页面无法解决问题时，再让 Agent 操作真实页面。

它记录的是站点级知识

传统自动化脚本通常围绕一次任务写，比如：

`1`	`打开页面 -> 输入关键词 -> 点击按钮 -> 下载文件`

这种脚本可以完成任务，但经验很容易散落在代码里。站点一改版，脚本失效；换一个任务，很多经验也没法复用。

domain skills 的粒度更接近站点级知识库。它关心的是：

Amazon 搜索结果里哪个容器选择器稳定。
GitHub 哪些数据应该走 REST API。
LinkedIn 邀请管理页的按钮 aria-label 有什么差异。
Shopify Admin 里哪些页面是嵌入式 app。
Shopify Polaris 输入框为什么不能只用普通 JS 设置 value。
Browser Use Cloud 的浏览器实例如何创建、列出和清理。

这些经验不是一次任务的步骤，而是以后很多任务都会用到的判断依据。

例子：Amazon 商品搜索

Amazon 商品搜索的经验，重点不只是“怎么搜索商品”，而是哪些路径更稳定。

比较可靠的做法是直接使用搜索 URL，而不是每次都打开首页再模拟输入。搜索结果可以从 [data-component-type="s-search-result"] 这样的容器中提取。字段提取也有细节：标题、价格、评分、评论数、是否赞助，都有各自更稳的 DOM 来源。

这种经验对 Agent 很有价值。没有它时，Agent 可能会从截图里猜按钮、反复尝试选择器；有了它之后，Agent 可以直接进入更稳定的数据提取路径。

更重要的是，这类 skill 还会记录陷阱。例如某些看似可用的选择器，在赞助结果或交叉推荐区域里会误读。这种坑只有实测过才知道。

例子：LinkedIn 邀请管理

LinkedIn 这类站点更接近真实账号工作流，风险也更高。

在邀请管理页里，Accept 和 Ignore 按钮的 aria-label 格式不同，不能简单地从一个推导另一个。有些邀请卡片里的 Accept 控件甚至不是 <button>，而是 <a>，普通 CDP 点击不一定能触发接受动作。

这种细节说明，真实网页自动化不是“定位到元素就结束”。按钮标签、事件绑定、软导航、组件实现方式，都会影响操作是否真的生效。

对 Agent 来说，这类经验还有一个安全含义：涉及社交账号、邀请、消息、发帖的操作，不应该完全托管。skill 可以记录路径和陷阱，但批量接受邀请、对外发送内容、修改账号资料这类动作，最好保留人工确认。

例子：Shopify Admin

Shopify Admin 的经验说明了另一个问题：后台系统往往不是一个页面，而是一堆嵌入式应用和复杂组件的组合。

很多 Shopify app 会运行在 iframe 里。Polaris React 输入框、Web Components、嵌入式 app 的交互方式也不同。某些输入框不能只用 element.value = ...，需要使用更接近真实键盘输入的 CDP keystrokes。

这类 skill 的价值在于，它让 Agent 先判断当前页面属于哪类 UI，再选择合适的操作方式。

同时，Shopify 的经验也强调“能不用浏览器就不用浏览器”：

只读商品和库存数据，优先用 Storefront API。
有 Admin API token 时，优先用 Admin API。
编辑主题代码时，优先用 Shopify CLI。
只有没有 API、一次性设置、探索后台时，才适合让浏览器介入。

这才是成熟的 Agent 工具选择逻辑。

例子：Browser Use Cloud

domain skills 不只服务网页点击，也可以记录围绕浏览器运行时的 API 经验。

Browser Use Cloud 的经验里，会记录如何通过 REST API 创建 cloud browser、列出正在运行的浏览器、清理 zombie browser、获取 liveUrl 和 cdpUrl 等信息。

这说明 skill 的边界并不局限于“某个网页按钮怎么点”。只要某类任务会反复出现，而且有稳定做法，就可以沉淀成 skill：

API 调用方式。
鉴权头格式。
请求和响应结构。
已验证状态码。
常见失败模式。
清理和回收资源的方法。

对 Agent 来说，这些都是可复用能力。

为什么这比临场推理更可靠

很多人期待大模型每次都能“自己看懂网页”。但真实任务里，只靠临场推理并不稳定。

原因很简单：

网页 UI 经常变化。
同一按钮可能有多种实现。
看得见不代表点得动。
能点击不代表操作真的生效。
有些任务本来就应该用 API，而不是浏览器。
有些操作需要人类确认，不能让模型自己决定。

domain skills 把这些经验写成文件后，有几个好处：

人类可以 review。
错误经验可以修正。
同一站点的经验可以持续积累。
新 Agent 可以直接继承旧经验。
临时任务发现可以变成长期知识。

这比把一切都塞进 prompt 或聊天上下文更稳。

团队可以怎么用

如果把 browser-harness 用在团队里，domain skills 可以变成一种轻量自动化知识库。

比较适合沉淀的内容包括：

内部后台的登录后路径。
报表导出流程。
常见弹窗处理方式。
哪些按钮需要人工确认。
哪些页面有 API 替代方案。
哪些选择器经过实测可靠。
哪些任务不允许 Agent 自动执行。

这类知识不必一开始就很完整。更实际的做法是从低风险、高频、可回滚的流程开始：先让 Agent 做只读、下载、整理、检查类任务。等流程稳定后，再把经验整理成 skill。

对团队管理者来说，skill 文件还有一个好处：它让自动化边界变得可见。你可以审查 Agent 知道什么、能做什么、应该停在哪里。

需要注意的边界

domain skills 能提高 Agent 成功率，但它不应该让高风险操作完全自动化。

几个边界要守住：

不记录密码、Cookie、token、客户数据和内部敏感 URL。
支付、删除、批量提交、账号变更、对外发布内容，要保留人工确认。
skill 要写明验证日期和适用范围。
站点改版后，要允许 skill 失效并重新验证。
不要把绕过风控、规避平台限制当成目标。

换句话说，domain skill 是让 Agent 更稳，不是让 Agent 无限制地做事。

简单结论

browser-harness 的 domain skills 机制说明了一件事：AI Agent 的浏览器自动化，不能只靠模型临场发挥。

一个可用的浏览器 Agent，至少需要三层能力：

底层控制能力：截图、点击、输入、下载、CDP、HTTP。
站点级知识：API 优先级、稳定选择器、组件陷阱、登录边界。
人类安全规则：凭据不交给模型，高风险操作要确认，敏感信息不写进 skill。

domain skills 补的是第二层。它让 Agent 带着验证过的经验进入网页任务，而不是每次都重新摸索。

参考资料：

browser-harness domain skills：https://github.com/browser-use/browser-harness/tree/main/agent-workspace/domain-skills
Amazon product-search skill：https://github.com/browser-use/browser-harness/blob/main/agent-workspace/domain-skills/amazon/product-search.md
ArXiv scraping skill：https://github.com/browser-use/browser-harness/blob/main/agent-workspace/domain-skills/arxiv/scraping.md
GitHub scraping skill：https://github.com/browser-use/browser-harness/blob/main/agent-workspace/domain-skills/github/scraping.md
LinkedIn invitation-manager skill：https://github.com/browser-use/browser-harness/blob/main/agent-workspace/domain-skills/linkedin/invitation-manager.md
Shopify admin skill：https://github.com/browser-use/browser-harness/blob/main/agent-workspace/domain-skills/shopify-admin/README.md
Browser Use Cloud skill：https://github.com/browser-use/browser-harness/blob/main/agent-workspace/domain-skills/browser-use-cloud/cloud.md

browser-harness、Playwright、Puppeteer 怎么选？浏览器自动化工具对比

Sun, 24 May 2026 17:51:28 +0800

在浏览器自动化和自动化测试领域，Playwright 和 Puppeteer 是最常被拿来比较的两个工具。它们都可以控制浏览器、点击页面、抓取内容、生成截图或 PDF，也都和 Chrome DevTools Protocol 有很深关系。

但如果把 browser-use/browser-harness 放进来，问题就不只是“哪个测试框架更强”，而是变成了两类工具的对比：

Playwright / Puppeteer：面向人类工程师写确定性脚本。
browser-harness：面向 AI Agent 操作真实浏览器。

前者适合测试、爬虫和工程化自动化；后者更像给 Claude Code、Codex CLI、Gemini 这类 Agent 准备的浏览器控制层。

Playwright 和 Puppeteer 的关系

Puppeteer 最早由 Google Chrome 团队推出，天然服务于 Chromium 和 Chrome 自动化。它的 API 简洁，生态成熟，特别适合围绕 Chrome 做截图、PDF、页面抓取和轻量自动化。

Playwright 由微软维护，背后团队和早期 Puppeteer 有很深渊源。它吸收了 Puppeteer 的很多经验，同时把跨浏览器、自动等待、上下文隔离、测试报告和调试工具链做得更完整。

简单说：

只围绕 Chrome 做轻量任务，Puppeteer 仍然很顺手。
做跨浏览器 E2E 测试、复杂 SPA 自动化和团队测试工程，Playwright 通常更合适。

核心区别总览

维度	Puppeteer	Playwright
主导方	Google	Microsoft
浏览器支持	主要面向 Chrome / Chromium	Chromium、Firefox、WebKit
语言支持	主要是 JavaScript / TypeScript	JavaScript / TypeScript、Python、Java、.NET
自动等待	需要更多显式等待	Locator 和 auto-waiting 更完整
多上下文隔离	支持，但不是最突出的优势	BrowserContext 体验很强
工具链	简洁、成熟、偏基础	Codegen、Trace Viewer、测试报告更完整
典型场景	Chrome 自动化、截图、PDF、轻量抓取	跨浏览器 E2E 测试、复杂前端应用自动化

浏览器支持

Puppeteer 的优势在 Chrome。它和 Chromium 结合紧密，如果你的目标就是控制 Chrome、生成 PDF、截图、跑简单爬虫，Puppeteer 的心智负担很低。

Playwright 的优势在跨浏览器。它原生支持 Chromium、Firefox 和 WebKit。WebKit 这一点很关键，因为很多 Safari 相关问题不能只靠 Chrome 测出来。对需要覆盖桌面端、移动端和不同浏览器内核的应用来说，Playwright 更适合作为主力工具。

这也是两者选择的第一道分界线：只看 Chrome，可以用 Puppeteer；要认真做跨浏览器测试，优先 Playwright。

自动等待和稳定性

浏览器自动化最烦人的问题，往往不是“不会点击”，而是页面还没准备好。元素可能还没挂到 DOM，可能被遮挡，可能正在动画中，可能按钮还是 disabled。

Puppeteer 里经常会写：

1
2

await page.waitForSelector('#submit-btn');
await page.click('#submit-btn');

这没有问题，但等待逻辑需要工程师自己想清楚。页面越复杂，脚本里越容易出现各种 waitForSelector、waitForTimeout 和重试逻辑。

Playwright 的 Locator 机制和自动等待更完整：

`1`	`await page.locator('#submit-btn').click();`

在点击之前，Playwright 会自动检查元素是否可见、可操作、稳定、没有被遮挡，并在合理时间内重试。这对 React、Vue、Next.js 这类异步渲染很多的现代 Web 应用尤其重要，可以明显减少 flaky test。

多账号和上下文隔离

如果你要模拟多个用户，或者想让多个任务共享同一个浏览器进程但隔离 Cookie、LocalStorage 和 Session，BrowserContext 就很重要。

Puppeteer 也支持上下文隔离，但 Playwright 把这件事做成了核心能力。你可以在一个浏览器实例里快速创建多个独立 context，每个 context 像一个干净的浏览器环境，却不需要反复启动完整浏览器进程。

这对这些场景很有价值：

多账号并发测试。
多角色协作流程测试。
电商、IM、协作文档等多用户场景。
需要隔离 Cookie 和登录态的爬取任务。

工具链差异

Playwright 是更“工程化”的方案。它内置了很多测试开发会用到的工具：

codegen：在网页上操作，自动生成脚本。
Trace Viewer：失败后回看每一步的截图、DOM、网络请求和 console 日志。
Test Runner：支持断言、并行、重试、报告和项目矩阵。
Locator：支持按文本、角色、label、test id 等方式定位元素。

Puppeteer 则更像一个轻量浏览器控制库。它不臃肿，API 直接，适合嵌入脚本、服务端任务和自定义自动化流程。

如果你要搭企业级测试体系，Playwright 的配套工具会省很多事。如果你只是要写一个 Node.js 脚本，把网页转 PDF 或定时截图，Puppeteer 反而更干脆。

browser-harness 放在哪里

browser-harness 和 Playwright、Puppeteer 不是同一类工具。

Playwright 和 Puppeteer 主要假设“人类写脚本”。人类工程师要决定选择器、等待条件、断言逻辑和异常处理。它们追求的是确定性：同样的脚本，在同样的页面状态下，应该给出同样的结果。

browser-harness 主要假设“AI Agent 操作浏览器”。它的目标不是提供一套巨大的高级 API，而是通过 CDP 连接真实 Chrome，把截图、坐标点击、DOM、网络请求和 helper 暴露给 Agent。Agent 可以观察页面、判断下一步、遇到缺能力时补 helper，再把站点经验沉淀成 skill。

这就让它更适合开放任务：

登录后台后下载账单。
在内部系统里填一组表单。
处理经常改版的 OA 或 SaaS 页面。
按用户目标探索页面，而不是执行固定脚本。
让 Claude Code、Codex CLI 这类工具拥有浏览器操作能力。

三者核心对比

维度	Puppeteer	Playwright	browser-harness
面向对象	人类工程师	人类工程师和测试团队	AI Agent
主要目标	控制 Chrome	稳定跨浏览器自动化	让 Agent 操作真实浏览器
脚本方式	手写 JS/TS 自动化	手写脚本 + 测试框架	用户下目标，Agent 分步执行
元素定位	CSS、XPath、DOM API	Locator、文本、角色、CSS	截图视觉、坐标、DOM、CDP
等待机制	更多手动控制	自动等待很强	由 Agent 观察和调整
浏览器环境	通常启动自动化浏览器	通常启动测试浏览器	常连接真实 Chrome
最适合	Chrome 脚本、截图、PDF、轻量抓取	E2E 测试、跨浏览器验证、复杂 SPA	AI 助手、开放网页任务、真实账号工作流

代码体感对比

Puppeteer 更像直接控制 Chrome：

const puppeteer = require('puppeteer');

(async () => {
  const browser = await puppeteer.launch();
  const page = await browser.newPage();
  await page.goto('https://example.com');

  await page.waitForSelector('#submit-btn');
  await page.click('#submit-btn');

  await browser.close();
})();

Playwright 更强调 Locator 和自动等待：

const { chromium } = require('playwright');

(async () => {
  const browser = await chromium.launch();
  const page = await browser.newPage();
  await page.goto('https://example.com');

  await page.locator('#submit-btn').click();

  await browser.close();
})();

browser-harness 的使用体感则完全不同。你通常不是写完整脚本，而是在 Agent 环境里下达目标：

`1`	`帮我打开后台，下载上个月的账单，并整理成报销用的文件。`

Agent 会借助 browser-harness 反复执行类似流程：

截图，理解当前页面。
点击某个坐标或定位某个元素。
输入文字、上传文件、下载文件。
遇到弹窗时判断如何关闭。
缺少 helper 时补充代码。
把可复用流程沉淀为 domain skill。

这不是传统测试脚本的写法，而是浏览器 Agent 的工作方式。

怎么选

选择 Puppeteer，通常是因为：

项目主要跑在 Node.js 里。
只需要 Chrome 或 Chromium。
任务是截图、PDF、简单页面抓取或轻量自动化。
你希望 API 简洁，依赖少，自己控制更多细节。
你对 Chrome DevTools Protocol 有较深依赖。

选择 Playwright，通常是因为：

你要做标准 UI 自动化或 E2E 测试。
需要覆盖 Chromium、Firefox 和 WebKit。
团队主语言可能是 Python、Java 或 C#。
页面是复杂 SPA，异步状态多，容易出现 flaky test。
你需要 codegen、Trace Viewer、测试报告和并行测试。

选择 browser-harness，通常是因为：

你在开发或使用 AI Agent。
你希望模型像人一样操作真实浏览器。
任务步骤不固定，需要边看页面边判断。
目标网站经常改版，或者弹窗、iframe、shadow DOM 很多。
你想把真实网页工作流交给 Claude Code、Codex CLI 等工具处理。

简单结论

Playwright 和 Puppeteer 是浏览器自动化工具，核心是让人写出可靠脚本。两者相比，Puppeteer 更轻、更贴近 Chrome；Playwright 更完整、更适合跨浏览器测试和复杂前端应用。

browser-harness 则是另一个方向：它不是为了取代 Playwright 或 Puppeteer 写测试，而是为了让 AI Agent 接管真实浏览器。它牺牲了一部分传统脚本的确定性，换来更强的开放任务适应能力。

所以答案不是三选一，而是按任务分层：

测试工程：优先 Playwright。
Chrome 轻量脚本：Puppeteer 很合适。
AI Agent 上网办事：看 browser-harness。

参考资料：

browser-use/browser-harness：https://github.com/browser-use/browser-harness
Playwright 官方文档：https://playwright.dev/
Puppeteer 官方文档：https://pptr.dev/
Chrome DevTools Protocol：https://chromedevtools.github.io/devtools-protocol/

browser-harness 是什么？AI Agent 接管真实 Chrome 的浏览器自动化工具

Sun, 24 May 2026 17:19:54 +0800

browser-use/browser-harness 是一个面向 AI Agent 的浏览器控制工具。它的目标不是再做一层复杂的自动化框架，而是把大模型直接连到真实 Chrome，通过 CDP 完成浏览、点击、截图、下载、上传和表单操作。

项目 README 对自己的定位很明确：用一层很薄、可编辑的 CDP harness，让 LLM 直接连接真实浏览器；当任务中缺少 helper 时，Agent 可以在执行过程中补上代码，并把可复用经验沉淀成 domain skills。

这类工具值得关注，是因为浏览器仍然是很多真实工作的入口：后台系统、SaaS 面板、电商页面、招聘网站、CRM、报销系统、云控制台、文档平台，往往没有稳定 API，或者 API 权限比网页权限更难拿到。让 Agent 能可靠地操作浏览器，本质上是在补齐“最后一公里”的自动化能力。

browser-harness 是什么

从结构看，browser-harness 更像一个给 Agent 用的浏览器运行时，而不是普通用户手动点击的浏览器插件。

它的核心思路有几个：

直接连接 Chrome 或 Chromium 浏览器。
通过 CDP WebSocket 操作页面。
让 Agent 用截图、坐标点击、DOM、网络请求和原始 CDP 组合完成任务。
把任务相关 helper 放在 agent-workspace/agent_helpers.py。
把站点相关经验沉淀到 agent-workspace/domain-skills/。
保持核心很薄，避免做成庞大的自动化平台。

README 中提到，项目核心架构大约是 4 个核心文件、约 1000 行代码，主要包括 install.md、SKILL.md、src/browser_harness/、agent-workspace/agent_helpers.py 和 agent-workspace/domain-skills/。

这种设计的重点不是“内置所有网站能力”，而是给 Agent 一个足够贴近真实浏览器的操作层，让它在具体任务里补齐缺失能力。

它和传统浏览器自动化有什么不同

传统浏览器自动化通常围绕测试框架展开，例如 Playwright、Selenium 或 Puppeteer。它们适合写确定性的测试脚本：打开页面、定位元素、点击、断言结果。

browser-harness 面向的是另一类任务：用户说一句目标，Agent 自己探索页面、判断状态、处理弹窗、补 helper、复用站点经验。它强调的是交互过程中的适应性。

差异可以这样理解：

Playwright 更适合人写脚本，Agent 执行脚本。
browser-harness 更适合 Agent 边看页面边行动。
传统自动化偏固定流程。
browser-harness 偏开放任务。
传统脚本常依赖选择器。
browser-harness 鼓励先截图、再按可见界面行动，必要时再退回 DOM 或 CDP。

这并不意味着它要替代 Playwright。对稳定测试来说，Playwright 仍然更成熟。browser-harness 的价值在于把真实网页变成 Agent 可操作的环境，尤其适合那些页面结构复杂、步骤不固定、需要临场判断的任务。

为什么强调真实 Chrome

很多浏览器 Agent 工具会使用隔离的无头浏览器。这样部署简单，也适合批量任务，但它有一个现实问题：用户真实工作里的登录态、扩展、历史记录、书签和日常浏览器环境并不一定能直接复用。

browser-harness 支持连接本机 Chrome，也支持 Browser Use cloud browser。对本机浏览器，它提供两种方式：

通过 chrome://inspect/#remote-debugging 允许当前 Chrome 实例被连接。
用 --remote-debugging-port=9222 --user-data-dir=... 启动一个隔离 profile。

如果要让 Agent 帮你处理真实账号里的任务，项目文档更倾向于第一种方式，因为它能复用日常 Chrome 的登录态、扩展和书签。如果要做无人值守自动化，或者不希望被弹窗打断，则更适合使用隔离 profile 或云浏览器。

这里的取舍很清楚：真实浏览器更贴近用户工作流，但安全边界也更敏感；隔离浏览器更适合自动化，但需要重新处理登录和环境。

可编辑 helper 和 domain skills

browser-harness 最有意思的地方，是它把“Agent 会学到什么”设计进了项目结构。

agent-workspace/agent_helpers.py 用来放任务中临时补出来的 helper。比如 Agent 做文件上传时发现现有能力不够，可以补一个稳定的上传函数；下次再遇到类似页面，就不用从零开始。

agent-workspace/domain-skills/ 则用来放站点级经验。README 里举的方向包括 LinkedIn outreach、Amazon 下单、报销系统等。项目建议不要手写这些 skill，而是让 Agent 在真实任务中发现可复用流程后再生成，这样更贴近实际页面行为。

这个思路很适合浏览器自动化。因为网页自动化的难点往往不是“怎么点击按钮”，而是：

某个网站的登录后页面怎么跳转。
哪些弹窗会挡住主流程。
哪些 selector 稳定，哪些只是临时样式名。
上传、下载、iframe、shadow DOM、跨域组件怎么处理。
某个后台系统有哪些隐藏等待和异步状态。

这些知识如果只留在一次运行日志里，很快就会丢掉。把它们沉淀成 domain skills，才可能让 Agent 越用越顺。

适合哪些场景

browser-harness 更适合以下任务：

帮用户操作真实网页后台。
在没有 API 的系统里完成重复流程。
登录态依赖强的个人或企业网页任务。
需要截图判断页面状态的复杂交互。
Agent 需要在执行中补工具、补站点经验。
多个子 Agent 各自使用独立浏览器执行任务。
研究浏览器 Agent 的运行时设计。

具体例子包括：整理网页表格、提交内部系统表单、下载账单、上传文件、处理报销流程、检查订单状态、在 SaaS 控制台里配置资源、从登录后的网页提取信息。

如果任务只是抓取静态网页，未必需要浏览器。项目自己的 SKILL.md 也提到，静态页面可以直接用 HTTP 批量获取；浏览器应该留给真正需要页面状态、登录态和交互的场景。

需要注意的风险

让 AI Agent 接管真实 Chrome，很强，也很危险。

第一，权限边界要清楚。真实 Chrome 里可能有邮箱、支付后台、云控制台、公司系统和个人账号。Agent 一旦能操作浏览器，就等于获得了这些网页权限的一部分。

第二，不要把凭据交给模型。遇到登录页、支付验证、二次确认等敏感步骤，应该让用户自己处理。Agent 可以等待登录完成，但不应该从截图里读取或输入密码、验证码、支付信息。

第三，自动化不等于可托管。很多网页任务看似简单，但中间可能出现风控、误点击、数据删除、批量提交、不可逆操作。适合先从只读、低风险、可回滚的流程开始。

第四，domain skills 需要避免泄露隐私。站点经验可以公开，但不要把账号、内部 URL、客户数据、坐标流水账或一次性任务细节写进去。

第五，真实浏览器连接方式要谨慎选择。如果要复用日常登录态，使用当前 Chrome 很方便；如果要跑长时间自动化，隔离 profile 或云浏览器更可控。

对 AI Agent 工具的意义

browser-harness 代表了一种很务实的 Agent 工具路线：少做平台，多给模型一个可以直接触达真实环境的接口。

过去很多 Agent 失败在两端。一端是模型会推理，但摸不到真实页面；另一端是自动化框架很强，但需要人先把流程写死。browser-harness 试图把这两端接起来：浏览器负责真实世界的状态，Agent 负责观察、判断和补工具。

这也是“自我改进 harness”的意义。它不是说 Agent 会神奇地变聪明，而是把可复用的操作经验放到项目结构里，让下一次任务少走弯路。

对开发者来说，browser-harness 的价值主要在三个层面：

作为个人 Agent 的浏览器控制层。
作为研究浏览器自动化和 Agent 工作流的样本。
作为把网页流程变成可复用技能的实验框架。

它不是所有浏览器自动化问题的答案，但它给出了一个清晰方向：当 Agent 真正要帮人做事时，工具层不只要能调用 API，也要能理解和操作人类每天使用的网页界面。

简单结论

browser-use/browser-harness 值得关注，不是因为它包装了多少高级功能，而是因为它把浏览器 Agent 的几个关键问题摆在了台面上：真实 Chrome、CDP、截图驱动、可编辑 helper、站点技能沉淀，以及用户权限边界。

如果你只是写稳定端到端测试，继续用 Playwright 或 Selenium 就很好。如果你想让 Codex、Claude Code 这类 Agent 直接帮你处理真实网页任务，browser-harness 提供了一个更贴近 Agent 工作方式的入口。

真正使用时，建议从低风险任务开始：先让它读页面、截图、提取信息，再逐步尝试点击和提交。等你确认它能稳定识别页面状态，再考虑让它接管更长的流程。

参考资料：

GitHub 项目：https://github.com/browser-use/browser-harness
README：https://github.com/browser-use/browser-harness/blob/main/README.md
安装文档：https://github.com/browser-use/browser-harness/blob/main/install.md
使用说明：https://github.com/browser-use/browser-harness/blob/main/SKILL.md

Gemini 3.5 Flash 的定位及优势：为什么它更适合高频、多模态和低延迟场景

Sun, 24 May 2026 08:43:24 +0800

Gemini 3.5 Flash 的关键词不是“最强”，而是“高频、快速、便宜、好接入”。它更像是 Gemini 系列里的主力工作模型：不一定负责最难的推理题，但适合承接大量真实业务请求，例如问答、摘要、客服、内容处理、多模态理解、轻量代码辅助和自动化工作流。

理解 Flash 的关键，是不要把它当成 Pro 类旗舰模型的替代品，而要把它当成一个面向吞吐量和响应速度优化的模型层。对开发者和企业来说，很多 AI 应用真正的成本不在单次最强能力，而在每天成千上万次请求的延迟、稳定性、价格和上下文处理能力。

Flash 的产品定位

Gemini 系列通常会把模型拆成不同层级：旗舰模型负责更复杂的推理、规划和高难度任务；Flash 模型则强调速度、成本和规模化调用。

Gemini 3.5 Flash 的定位可以概括为：

比 Pro 更适合高频调用。
比轻量小模型更适合复杂输入。
面向低延迟和高吞吐。
适合多模态输入和长上下文处理。
更适合作为应用里的默认模型，而不是只在少数困难任务中调用。

这类模型最适合做“每天都要跑很多次”的任务。它的价值不只是单次回答质量，而是能否在成本可控的前提下稳定处理大量文本、图片、音频、视频或结构化信息。

为什么 Flash 很重要

AI 产品落地时，经常会遇到一个现实问题：最强模型很好，但不是每个请求都值得用最强模型。

例如：

用户问一个普通客服问题。
系统要总结一段会议记录。
后台要分类一批工单。
App 要解释一张图片。
自动化流程要从邮件里抽取字段。
Agent 要先读一批文档，再决定下一步。

这些任务需要模型可靠、便宜、快，但不一定需要旗舰模型的全部推理能力。Flash 的意义就在这里：它把“够强”和“够快”放在同一个位置上。

如果一个 AI 应用要面向大量用户，默认模型往往不能只看峰值能力，而要看平均请求成本、响应速度、并发能力和失败率。Flash 就是这种应用层模型。

主要优势一：低延迟和高吞吐

Flash 最直观的优势是速度。

对聊天产品、搜索增强、客服机器人、实时写作辅助和 Agent 工作流来说，延迟会直接影响体验。用户不一定知道模型参数或 benchmark，但能感觉到“是不是等得烦”。

低延迟带来的价值包括：

对话更像实时交互。
多轮工具调用更不容易拖慢。
Agent 可以更频繁地做中间判断。
后台批处理能更快跑完。
产品可以把 AI 能力放进更多细小流程里。

尤其是 Agent 类应用，模型不是只回答一次，而是要反复判断、调用工具、读上下文、生成下一步动作。单次延迟降低后，整条链路的体验会明显改善。

主要优势二：成本更适合规模化

Flash 的另一个核心价值是成本。

企业和开发者真正上线 AI 应用时，通常会关心三个问题：

每次调用多少钱。
每天总调用量是多少。
峰值并发时成本和延迟是否可控。

如果一个任务每天跑几十万次，哪怕单次差价很小，长期成本也会被放大。Flash 这类模型的定位，就是让更多请求不必直接打到最贵、最重的模型上。

常见做法是分层调用：

普通请求默认走 Flash。
难题、复杂规划、长链路推理再升级到 Pro。
简单分类、固定格式抽取也可以进一步下沉到更轻量模型。

这样可以让 AI 系统既保留上限，又控制日常成本。

主要优势三：多模态输入更适合真实应用

Gemini 系列一直强调多模态能力。Flash 的优势在于，它不是只服务文本请求，也适合处理图片、音频、视频和文档等输入。

这对真实产品很重要。很多业务数据并不是纯文本：

用户上传截图咨询问题。
客服要理解一张故障照片。
教育产品要看题目图片。
内容平台要处理视频片段。
办公场景要读取 PDF、表格和演示文稿。
电商场景要分析商品图和用户描述。

如果多模态能力只能依赖昂贵的旗舰模型，很多高频场景就很难铺开。Flash 的意义在于，把多模态理解下放到更适合规模化调用的模型层。

主要优势四：长上下文让它适合读材料

长上下文是 Gemini 系列的重要能力之一。对 Flash 来说，长上下文的价值不是“把所有东西塞进去就完事”，而是让它能承担更多信息整理型任务。

例如：

总结长文档。
阅读产品手册。
分析会议纪要。
整理多页 PDF。
对比多份合同或方案。
给 Agent 提供较大的任务背景。

长上下文和低成本结合起来，适合做“先读大量材料，再给出可操作结果”的工作流。它不一定每次都要做极难推理，但能把更多上下文纳入同一次处理，这对办公、客服、知识库、研发辅助都很有用。

主要优势五：适合作为默认模型

很多 AI 产品需要一个“默认模型”。这个模型不一定是最贵最强，但要满足几个条件：

大多数问题回答质量稳定。
响应足够快。
成本可控。
多模态输入能处理。
长上下文能力够用。
容易接入 API 和现有产品链路。

Gemini 3.5 Flash 的优势正是在这里。它适合做默认入口：先承接大多数请求，如果遇到复杂任务，再路由到更强模型。

这种模式会越来越常见。未来很多 AI 系统不是“只选一个模型”，而是“Flash 做主力，Pro 做升级，轻量模型做边缘任务”。

适合哪些场景

Gemini 3.5 Flash 更适合这些场景：

客服问答和知识库检索后的回答生成。
长文档摘要、报告整理、会议纪要。
图片、截图、PDF、视频片段的多模态理解。
App 内实时 AI 助手。
内容审核、分类、标签生成。
邮件、工单、表单的信息抽取。
Agent 工作流中的中间判断和上下文压缩。
代码解释、轻量修复建议、文档生成。
教育产品里的题目解析和学习辅助。

这些场景共同特点是：请求量大、用户等待时间敏感、输入类型复杂，但不一定每次都需要旗舰级深度推理。

不适合只用 Flash 的场景

Flash 不是万能模型。它更适合高频和低延迟，不代表所有问题都应该只用它。

以下场景仍然更适合使用更强的 Pro 类模型，或至少采用分层路由：

复杂数学和严谨证明。
长链路规划和多步骤策略推理。
高风险法律、医疗、金融判断。
大型代码库的深度重构方案。
需要极高可靠性的复杂 Agent 任务。
对幻觉容忍度极低的专业报告。

更稳妥的策略是：Flash 先处理、判断和整理；当任务复杂度升高时，再升级到更强模型。

和 Pro 类模型的关系

Flash 和 Pro 的关系，不应该理解成“谁取代谁”，而应该理解成“分工不同”。

Flash 更像日常主力：

快。
成本友好。
适合高并发。
适合多模态和长上下文应用。
适合放在产品默认链路里。

Pro 更像高难任务模型：

更适合复杂推理。
更适合困难规划。
更适合高价值请求。
更适合少量但重要的深度分析。

好的 AI 产品通常会把两者组合起来，而不是二选一。

开发者应该怎么用

如果要在产品里接入 Gemini 3.5 Flash，可以考虑这几种用法：

第一，把它作为默认模型。大部分普通请求先走 Flash，既保证速度，也控制成本。

第二，设计模型路由。当 Flash 判断任务复杂、风险高、需要深度推理时，再把请求升级到 Pro。

第三，用它做上下文压缩。Agent 在执行任务前，可以先让 Flash 总结文档、抽取关键事实、生成结构化上下文。

第四，把多模态输入纳入常规流程。图片、截图、PDF、音频、视频不要只作为边缘功能，而可以成为产品默认输入的一部分。

第五，用评测来决定边界。不要只看官方 benchmark，要拿自己的客服问题、文档、代码、图片和业务流程做测试，判断哪些任务 Flash 足够，哪些必须升级。

小结

Gemini 3.5 Flash 的核心定位，是一个面向高频真实应用的多模态主力模型。它的优势不在于取代 Pro 类旗舰模型，而在于把速度、成本、长上下文和多模态能力放到一个更适合规模化调用的位置上。

对开发者来说，Flash 最值得关注的不是单个 benchmark，而是产品架构变化：默认模型可以更快、更便宜、更能读复杂输入；复杂任务再升级给更强模型。这样既能保证体验，也能控制成本。

如果说 Pro 是处理难题的重型工具，那么 Flash 更像每天都在生产线上运转的主力工具。真正做 AI 产品时，后者往往更接近用户每天实际感受到的体验。

参考资料：

Google 官方博客：https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-5/
Google DeepMind Gemini Flash：https://deepmind.google/en/models/gemini/flash/
用户提供的知乎讨论链接：https://www.zhihu.com/question/2040529179641385344/answer/2040531897613285214

Claude Code 也有插件市场了：能装什么、怎么装、要注意什么

Sat, 23 May 2026 19:03:30 +0800

anthropics/claude-plugins-official 是 Anthropic 管理的 Claude Code 官方插件目录。它不是一个普通代码库，而是一个可被 Claude Code 插件系统直接使用的 marketplace，集中放置经过 Anthropic 维护或筛选的 Claude Code 插件。

这个仓库值得关注，是因为 Claude Code 正在从“一个 AI 编程命令行工具”变成“可扩展的开发环境”。插件可以把 Skills、Agents、Hooks、MCP servers、LSP servers、后台监控和默认设置打包起来，让团队或社区用统一方式分发。

这个仓库是什么

仓库 README 对它的定位很直接：这是一个高质量 Claude Code 插件的 curated directory。

目录主要分成两块：

/plugins：Anthropic 内部开发和维护的插件。
/external_plugins：来自合作伙伴和社区的第三方插件。

也就是说，它既包含官方能力，也包含经过收录的外部生态入口。对普通用户来说，最直接的意义是可以通过 Claude Code 的 /plugin 系统发现和安装插件；对开发者来说，它提供了观察 Claude Code 插件格式和生态方向的窗口。

如何安装插件

README 给出的安装方式很简单。可以直接通过 Claude Code 的插件系统安装：

`1`	`/plugin install {plugin-name}@claude-plugins-official`

也可以在 Claude Code 里打开插件发现入口：

`1`	`/plugin > Discover`

这里的关键点是 @claude-plugins-official。它代表官方插件目录这个 marketplace。根据 Claude Code 文档，claude-plugins-official 是 Anthropic 维护的官方 marketplace，并且会在 Claude Code 安装中默认可用。

插件长什么样

仓库 README 给出了标准插件结构：

plugin-name/
├── .claude-plugin/
│   └── plugin.json
├── .mcp.json
├── commands/
├── agents/
├── skills/
└── README.md

其中 .claude-plugin/plugin.json 是插件元数据文件，通常用来声明插件名、描述、版本、作者等信息。其他目录则按需存在：

skills/：放 Claude 可自动调用的技能说明。
commands/：放 slash commands。
agents/：放自定义 agent 定义。
hooks/：放事件触发逻辑。
.mcp.json：配置 MCP server。
.lsp.json：配置语言服务器。
monitors/：配置后台监控。
settings.json：给插件附带默认设置。

这说明 Claude Code 插件不是单一类型扩展，而是一种打包格式。它可以只是一个小命令，也可以是一整套面向某个技术栈的工作流。

官方目录里已经有哪些方向

从 /plugins 目录看，官方维护插件覆盖了不少开发场景，包括：

LSP 类插件：typescript-lsp、pyright-lsp、rust-analyzer-lsp、gopls-lsp、clangd-lsp、csharp-lsp、jdtls-lsp、kotlin-lsp、lua-lsp、php-lsp、ruby-lsp、swift-lsp。
编程工作流：code-review、feature-dev、code-modernization、code-simplifier、commit-commands、pr-review-toolkit。
Claude Code 配置和插件开发：claude-code-setup、claude-md-management、plugin-dev、skill-creator、mcp-server-dev。
输出风格和专项能力：explanatory-output-style、learning-output-style、security-guidance、session-report、math-olympiad。

/external_plugins 里则能看到更多第三方工具和服务方向，例如 github、gitlab、linear、asana、firebase、playwright、terraform、context7、serena、telegram、discord 等。

这组插件透露出一个趋势：Claude Code 不只是想帮你改文件，还想接入代码智能、项目管理、云服务、测试、基础设施和团队协作工具。

为什么插件系统重要

过去很多 Claude Code 自定义能力都可能散落在项目里的 .claude/ 目录中，比如 commands、agents、skills 或 hooks。这种方式适合个人或单个项目，但不方便跨项目复用，也不方便团队统一分发和更新。

插件解决的是可复用和可分发问题：

同一套配置可以跨多个项目安装。
命令和技能有命名空间，减少冲突。
插件可以通过 marketplace 发布和更新。
团队可以把内部最佳实践打包成标准插件。
社区可以围绕某个框架、语言或服务维护专门扩展。

这和 VS Code 插件、JetBrains 插件、浏览器扩展的思路类似：当一个工具开始有稳定插件生态，它就不再只是单一产品，而是在形成平台。

对开发者有什么用

如果你只是 Claude Code 用户，这个仓库最实用的地方是找插件。比如需要 TypeScript、Python、Rust 或 Go 的 LSP 能力，可以先看官方目录里是否已有对应插件；需要 PR review、commit、代码现代化等工作流，也可以从官方插件开始试。

如果你是插件开发者，这个仓库更像样板库。你可以参考它的目录组织、plugin.json 写法、README 说明方式，以及 Anthropic 如何把 skills、agents、MCP、LSP 和 hooks 组合起来。

Claude Code 文档也明确建议：如果只是单项目自定义，可以先用 .claude/；如果需要分享给团队、跨项目复用、版本化发布，或者进入 marketplace，就应该做成插件。

安全边界不能忽略

仓库 README 在开头就提醒：安装、更新或使用插件前必须信任该插件。原因很简单，插件可能包含 MCP server、文件、脚本或其他软件。Anthropic 维护目录，不等于能保证每个插件在你的本地环境中都按你预期运行。

实际使用时建议至少做几件事：

安装前看插件主页和 README。
检查是否包含 .mcp.json、hooks、可执行脚本或后台监控。
对需要访问账号、代码仓库、聊天工具、云服务的插件格外谨慎。
在重要项目中启用插件前，先在测试仓库验证。
团队环境最好统一审核插件来源和版本。

AI 编程插件的权限往往比普通编辑器主题高得多。它可能能读项目文件、调用外部服务、启动本地命令，甚至影响提交和部署流程，所以信任边界要比“装一个小工具”更严格。

和社区 marketplace 的关系

Claude Code 文档提到，Anthropic 维护两个公开插件 marketplace：

claude-plugins-official：Anthropic 维护的 curated 插件集合。
claude-community：第三方提交后进入审查流程的社区插件目录。

这两者的定位不同。社区插件可以通过提交表单进入 review；官方目录则由 Anthropic 自行决定是否收录，没有普通申请流程。换句话说，claude-plugins-official 更像官方精选目录，claude-community 更像开放社区目录。

小结

anthropics/claude-plugins-official 的意义不只是“多了一个 GitHub 仓库”。它说明 Claude Code 的扩展机制正在平台化：Skills、Agents、Hooks、MCP、LSP、后台监控和默认设置都可以被打包、安装、更新和分发。

对个人开发者来说，官方插件目录能降低配置 Claude Code 的门槛。对团队来说，它提供了把内部流程标准化的路径。对插件开发者来说，它给出了 Anthropic 认可的插件结构和生态方向。

接下来值得关注的不是某一个插件本身，而是 Claude Code 插件生态会不会形成稳定分层：官方精选、社区插件、团队私有 marketplace，以及围绕主流语言、框架和 SaaS 服务的专门扩展。如果这条路线走通，Claude Code 会越来越像一个可编排的 AI 开发平台，而不只是一个命令行助手。

参考资料：

GitHub 项目：https://github.com/anthropics/claude-plugins-official
Claude Code 插件文档：https://code.claude.com/docs/en/plugins

GitHub AI 开源项目分类整理：从 Coding Agent 到 RAG 知识库

Thu, 21 May 2026 08:53:13 +0800

这里按应用方向列出 GitHub AI 项目，覆盖 AI 编程与 Coding Agent、Agent 技能与工作流、RAG 与知识库、多模态创作、本地模型与推理、垂直应用与自动化、AI 应用开发基础设施等方向。后续新增项目时，也可以继续按这个结构补充。

分类合计

分类	项目数	适合先看的人
AI编程与 Coding Agent	22	经常使用 Claude Code、Codex、Cursor、终端 Agent 或代码库自动化的人
Agent 技能与工作流	7	想把 AI 编程、科研、创作流程标准化的人
RAG、知识库与记忆	7	需要文档检索、知识库、长期记忆、网页抓取和结构化抽取的人
垂直应用与自动化	7	想看金融、交易、闲鱼监控、桌面操作、浏览器自动化等落地场景的人
多模态与内容创作	5	做图片、视频、语音转写、提示词库和内容分发的人
AI 应用开发基础设施	5	构建 AI 应用、浏览器自动化、Prompt/MCP 工具链的人
本地模型与推理	1	关心本地 DeepSeek、推理引擎和硬件适配的人

这个分布可以看出当前 AI 开源项目的几个高频方向：AI 编程工具明显最多，其次是 Agent 工作流、RAG 知识库和具体应用场景。纯模型推理项目数量不多，因为很多本地部署内容并不是单独介绍某个 GitHub 项目，而是围绕模型、显卡或部署方案展开。

AI编程与 Coding Agent

这一类聚焦代码理解、代码修改、工程流程和终端 Agent，是数量最多的一组。共 22 个项目。

项目	文章	GitHub	核心用途	适合人群
Ralph	Ralph 是什么：把 Claude Code 和 Amp 变成可循环执行的自主开发流程	snarktank/ralph	让 Claude Code / Amp 按 PRD、计划、执行、评审循环推进任务	想把 Agent 编程流程拉直的人
Claude-Mem	Claude-Mem：给 Claude Code 加上跨会话长期记忆	thedotmack/claude-mem	为 Claude Code 增加跨会话记忆	高频使用 Claude Code 的开发者
Claude Code Hooks Mastery	Claude Code Hooks Mastery：13 个 Hooks 生命周期与自动化控制入门	disler/claude-code-hooks-mastery	学习 Claude Code Hooks 生命周期和自动化控制	想定制 Claude Code 流程的人
Compound Engineering Plugin	Compound Engineering Plugin：把 AI 编程变成计划、执行、评审的工程循环	EveryInc/compound-engineering-plugin	把 AI 编程拆成计划、执行、评审循环	关注工程化 AI 编程的人
free-claude-code	free-claude-code：用代理把 Claude Code 接到 OpenRouter、DeepSeek 和本地模型	Alishahryar1/free-claude-code	通过代理把 Claude Code 接到不同模型后端	想降低 Claude Code 使用成本的人
Hermes Agent	Hermes Agent 是什么：简介、优点、快速上手与 OpenClaw 对比	NousResearch/hermes-agent	本地 Agent 框架，支持工具调用和任务执行	想跑本地 Agent 的用户
OpenHarness	OpenHarness 是什么：这个开源 Agent Harness 能做什么	HKUDS/OpenHarness	Agent Harness 与多 Agent 执行框架	研究 Agent 编排的人
CodexBridge	Codex 怎么接入国产大模型？OpenAI 兼容接口与 CodexBridge 使用思路	begonia599/CodexBridge	帮 Codex 接入 OpenAI 兼容模型接口	想把 Codex 接到国产模型的人
ccx	Codex 怎么接入国产大模型？用 CCX 统一管理 OpenAI 兼容 API	BenedictKing/ccx	统一管理 Claude、Codex、Gemini 等 API 代理	多模型切换用户
cc-haha	cc-haha 是什么？一个把 Claude Code 做成桌面工作台的项目	NanmiCoder/cc-haha	Claude Code 桌面工作台与 Computer Use 入口	喜欢图形界面的 Claude Code 用户
DeepSeek-TUI	DeepSeek-TUI：把 DeepSeek V4 变成终端里的编程智能体	Hmbown/DeepSeek-TUI	在终端里运行 DeepSeek 编程 Agent	DeepSeek 与命令行用户
Open Design	Open Design 项目解析：把 Claude Code、Codex 变成 AI 设计工具	nexu-io/open-design	让 Claude Code / Codex 参与设计生成	想用 Agent 做设计原型的人
agentmemory	agentmemory 项目解析：给 Claude Code、Codex 和 Cursor 加持久记忆	rohitg00/agentmemory	给 Coding Agent 增加持久记忆层	长期维护项目的开发者
Graphify	Graphify 解决 Claude Code 最大局限：把代码库变成 AI 可查询知识图谱	safishamsi/graphify	把代码库转成知识图谱，降低 Agent 重复读文件成本	大型代码库用户
oh-my-pi	oh-my-pi 是什么？一个把终端、IDE 和调试器打通的 AI 编程助手	can1357/oh-my-pi	把终端、IDE、LSP 和调试器连接起来，作为本地 AI 编程控制台	想把命令行和 IDE 工作流打通的开发者
Claude Plugins Official	Claude Code 也有插件市场了：能装什么、怎么装、要注意什么	anthropics/claude-plugins-official	Claude Code 官方插件目录和安装入口	想给 Claude Code 扩展能力的用户
CodeGraph	CodeGraph 是什么？给 Claude Code、Codex 和 Cursor 加一个本地代码地图	colbymchenry/codegraph	为代码库生成本地索引和关系图，帮助 Coding Agent 理解项目	维护中大型代码库的开发者
CC Switch	CC Switch：一个桌面工具统一管理 Claude Code、Codex、Gemini CLI 和 OpenClaw	farion1231/cc-switch	管理多个 AI CLI 工具和账号/配置切换	同时使用多套 CLI 的人
Warp	Warp 开源：从终端到 Agentic Development Environment	warpdotdev/warp	Agentic 终端与开发环境	终端重度用户
opencode	opencode、Claude Code、Codex 有什么区别？开源 AI 编程工具使用指南	anomalyco/opencode	开源 AI 编程 Agent	想找 Claude Code / Codex 替代品的人
9Router	9Router：把 Claude Code、Codex、Cursor 接到同一个 AI 路由器	decolua/9router	AI 编程模型路由与 token 成本控制	多工具、多模型用户
goose	goose：桌面端、CLI 和 API 一体的开源 AI Agent	aaif-goose/goose	桌面、CLI、API 一体的开源 Agent	想要通用 Agent 工作台的人

Agent 技能与工作流

这一类更关注把 AI 能力固化成可重复的技能、流程和规格。共 7 个项目。

项目	文章	GitHub	核心用途	适合人群
mattpocock/skills	拒绝 Vibe Coding：Matt Pocock 的 skills 仓库给 AI 编程补上工程约束	mattpocock/skills	用 Skills 约束 AI 编程流程	想给 Agent 加工程规范的人
Superpowers	Superpowers：把 Coding Agent 拉回工程流程的技能框架	obra/superpowers	Agentic skills framework 与软件开发方法论	想系统化使用 Coding Agent 的人
Prompt-Vault	Prompt-Vault：一个适合测试 AI 编程能力的 Prompt 规格库	w512/Prompt-Vault	收集可测试 AI 编程能力的 prompt 规格	做模型/工具评测的人
web-video-presentation	web-video-presentation：把文章做成可录屏网页视频的 Agent Skill	ConardLi/garden-skills	把文章转成可录屏网页视频的 Skill	内容创作者和自动化制作用户
nuwa-skill	nuwa-skill：把“蒸馏一个人”从灵感变成可执行流程	alchaincyf/nuwa-skill	用 Skill 复刻人物表达和思维流程	做风格化 Agent 的人
Scientific Agent Skills	Scientific Agent Skills：把科研工作流交给 AI Agent 的技能库	K-Dense-AI/scientific-agent-skills	科研工作流 Skill 集合	科研、数据分析和技术写作用户
easy-vibe	easy-vibe：给 Vibe Coding 初学者的一张学习地图	datawhalechina/easy-vibe	Vibe Coding 入门学习地图	AI 编程新手

RAG、知识库与记忆

这一类主要解决文档检索、知识库构建、长期记忆和结构化抽取问题。共 7 个项目。

项目	文章	GitHub	核心用途	适合人群
LangExtract	Google LangExtract：用 LLM 从长文本里抽取结构化数据	google/langextract	从长文本中抽取结构化信息	做信息抽取和数据处理的人
qmd	qmd：给 AI Agent 使用的本地 Markdown 文档搜索工具	tobi/qmd	本地 Markdown 文档搜索	用 Markdown 管理知识库的人
Firecrawl	Firecrawl 项目整理：给 AI Agent 用的网页搜索、抓取与交互 API	firecrawl/firecrawl	网页抓取、搜索和结构化数据入口	做 RAG 和 Agent 数据入口的人
RAGFlow	RAGFlow 项目整理：开源 RAG 引擎的功能与使用方法	infiniflow/ragflow	开源 RAG 引擎	企业知识库和文档问答用户
OpenHuman	OpenHuman 速读：开源个人 AI Agent 的桌面化路线	tinyhumansai/openhuman	本地优先的个人 AI Agent 与记忆层	想整合个人数据的人
OpenKB	OpenKB：把文档编译成可持续更新的 LLM 知识库	VectifyAI/OpenKB	把文档编译成可更新知识库	文档知识库维护者
PageIndex	PageIndex 是什么？不用向量库的推理式 RAG 文档索引解析	VectifyAI/PageIndex	不依赖向量库的推理式文档索引	关注 RAG 新路线的人

多模态与内容创作

这一类面向图片、视频、语音转写和内容分发等创作场景。共 5 个项目。

项目	文章	GitHub	核心用途	适合人群
rembg	rembg 项目整理：本地图片背景移除工具	danielgatis/rembg	本地图片背景移除	电商、美工和图片处理用户
awesome-gpt-image-2-prompts	GPT-Image 2 提示词宝库：电商、海报、人像、UI 全收录	EvoLinkAI/awesome-gpt-image-2-prompts	GPT-Image 2 提示词和案例库	AI 绘图和提示词用户
faster-whisper	faster-whisper：更快的 Whisper 转写引擎	SYSTRAN/faster-whisper	高性能语音转文字	做字幕、转写和语音处理的人
Pixelle-Video	Pixelle-Video：一句主题生成短视频的开源 AI 引擎	AIDC-AI/Pixelle-Video	一句话生成短视频工作流	短视频和 AIGC 内容创作者
AiToEarn	内容发太多平台太累？AiToEarn 想用 AI Agent 帮创作者省点事	yikart/AiToEarn	多平台内容分发与创作者自动化	内容运营和创作者

本地模型与推理

这一类关注本地模型运行和推理实验，当前数量较少。共 1 个项目。

项目	文章	GitHub	核心用途	适合人群
ds4	本地运行 DeepSeek 4：Antirez ds4 在 Apple Silicon Mac 上的尝试	antirez/ds4	在 Apple Silicon 上尝试运行 DeepSeek 4	本地模型和推理实验用户

垂直应用与自动化

这一类是把 Agent 或 AI 能力落到金融、交易、浏览器、桌面和电商监控等具体场景。共 7 个项目。

项目	文章	GitHub	核心用途	适合人群
TradingAgents-CN	TradingAgents-CN：面向中文用户的多智能体金融交易研究框架	hsliuping/TradingAgents-CN	多智能体金融交易研究框架	量化、金融和 Agent 研究者
FinceptTerminal	FinceptTerminal：开源金融终端、量化研究和 AI Agent 工作台	Fincept-Corporation/FinceptTerminal	金融终端、量化研究和 AI Agent 工作台	金融分析和量化用户
Anthropic financial-services	Anthropic financial-services：把金融 Agent 场景做成可复用模板	anthropics/financial-services	金融服务 Agent 模板	做金融 AI 方案的人
ai-goofish-monitor	ai-goofish-monitor：用 AI 自动盯闲鱼商品的开源监控系统	Usagi-org/ai-goofish-monitor	AI 商品监控和闲鱼自动化	二手交易监控用户
CloakBrowser	CloakBrowser 是什么？给 Playwright 和 Puppeteer 换一个更像真实用户的浏览器	CloakHQ/CloakBrowser	更像真实用户的浏览器自动化环境	浏览器自动化和 Agent 操作场景
UI-TARS-desktop	让 AI 自己操作电脑？UI-TARS-desktop 把桌面、浏览器和工具都接了起来	bytedance/UI-TARS-desktop	桌面、浏览器和工具操作 Agent	想让 AI 操作电脑的人
AI-Trader	AI-Trader 是什么？一个让 AI Agent 发布交易信号、做模拟交易的平台	HKUDS/AI-Trader	AI Agent 交易信号和模拟交易平台	金融 Agent 与交易研究用户

AI 应用开发基础设施

这一类提供构建 AI 应用和 Agent 工具链所需的基础组件。共 5 个项目。

项目	文章	GitHub	核心用途	适合人群
Prompt Optimizer	Prompt Optimizer：开源提示词优化、测试与 MCP 工具	linshenkx/prompt-optimizer	提示词优化、测试和 MCP 工具	做 prompt 工程和应用调参的人
Playwright CLI	Playwright CLI 使用入门：安装、Skills、会话管理与常用命令	microsoft/playwright-cli	面向 coding agent 的浏览器自动化 CLI	需要浏览器操作能力的 Agent 用户
Vercel AI SDK	Vercel AI SDK 是什么？TypeScript 开发者构建 AI 应用的统一工具包	vercel/ai	TypeScript AI 应用开发 SDK	前端和全栈开发者
CLIProxyAPI	CLIProxyAPI：把 Codex、Claude Code、Gemini CLI 统一封装成 API	router-for-me/CLIProxyAPI	把多个 AI CLI 和 OAuth 登录态封装成兼容 API	想统一接入 Codex、Claude Code、Gemini CLI 的用户
CLIProxyAPI Management Center	CLIProxyAPI Management Center：给 CLIProxyAPI 配一个可视化管理后台	router-for-me/Cli-Proxy-API-Management-Center	CLIProxyAPI 的 Web 管理界面，管理配置、账号、日志和 OAuth	把 CLIProxyAPI 当团队网关或账号池使用的人

Gemini 3.5 Flash 和 Gemini Omni 怎么免费用：普通用户与开发者入口整理

Wed, 20 May 2026 23:13:35 +0800

Google 发布 Gemini 3.5 Flash 和 Gemini Omni 后，最实际的问题不是 benchmark，而是普通用户和开发者到底怎么用，哪些入口免费，哪些入口只是低门槛试用。

先说结论：

想聊天、写作、看图、日常问答：优先用 Gemini app。
想测试 Gemini 3.5 Flash 参数、提示词和多模态输入：用 Google AI Studio。
想写程序调用 Gemini 3.5 Flash：用 AI Studio 生成 API key。
想在终端里免费试用：可以看 Gemini CLI。
想体验 Gemini Omni 的视频编辑：优先看 Gemini app 和 Google Flow。
想做正式生产：不要依赖免费额度，应该转到付费 API 或 Vertex AI。

注意：免费额度、地区开放、订阅层级和模型下拉菜单会随时间变化。本文写作时间是 2026 年 5 月 20 日，正式使用前要以 Google 当前页面为准。

Gemini 3.5 Flash 免费用法一：Gemini app

最简单的入口是 Gemini app：

https://gemini.google.com/

使用方式很直接：

打开 Gemini。
登录 Google 账号。
在模型选择里找 3.5 Flash。
直接开始对话。

这个入口适合普通用户。你可以用它做写作、总结、图片理解、文件内容分析、日常问答和简单规划。根据公开报道，Gemini 3.5 Flash 已面向全球用户开放，并可在 Gemini 的模型下拉菜单中选择。

限制也很明确：免费用户通常会有每日消息数量、地区和功能限制。如果超过限制，就需要等待额度刷新或升级订阅。

Gemini 3.5 Flash 免费用法二：Google AI Studio

如果你不是只想聊天，而是想调提示词、看参数、测试结构化输出，Google AI Studio 更合适：

https://aistudio.google.com/

基本流程：

登录 Google AI Studio。
新建 prompt。
在模型下拉菜单里选择 gemini-3.5-flash。
输入提示词并运行。

AI Studio 的好处是控制能力更强。你可以调温度、系统指令、结构化输出、多图输入，还能把测试好的提示词导出成代码或 API 调用。

对开发者来说，AI Studio 是免费的试验台。先在这里把提示词和输入格式调好，再进入 API 接入，会少浪费很多额度。

Gemini 3.5 Flash 免费用法三：免费 API key

开发者最关心的是 API。AI Studio 可以创建 Gemini API key，用来调用 gemini-3.5-flash。

基本流程：

打开 Google AI Studio。
找到 Get API key。
选择或创建项目。
创建 API key。
把 key 保存到本地环境变量。

Python 示例：

import os
from google import genai

client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])

response = client.models.generate_content(
    model="gemini-3.5-flash",
    contents="用三句话解释 Gemini 3.5 Flash 适合什么场景。"
)

print(response.text)

Node.js 示例：

import { GoogleGenAI } from "@google/genai";

const ai = new GoogleGenAI({ apiKey: process.env.GEMINI_API_KEY });

const response = await ai.models.generateContent({
  model: "gemini-3.5-flash",
  contents: "用三句话解释 Gemini 3.5 Flash 适合什么场景。"
});

console.log(response.text);

curl 示例：

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.5-flash:generateContent" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"contents":[{"parts":[{"text":"Hello Gemini 3.5 Flash"}]}]}'

公开资料显示，AI Studio 免费层通常会给 Gemini Flash 模型一定的每日请求额度。不同时间、地区和账号状态可能不同，常见说法包括每天约 1,500 次请求、每分钟请求数限制和 token 限制。不要把这些数字写死进生产计划，正式上线前要查看 Google AI 当前定价和限制页面。

Gemini 3.5 Flash 免费用法四：Gemini CLI

如果你喜欢命令行，可以看 Gemini CLI。它适合临时脚本、代码库摘要、文件读取和终端里的快速问答。

安装方式通常是：

`1`	`npm install -g @google/gemini-cli`

然后运行：

gemini

CLI 更适合个人开发者日常使用，不适合生产集成。生产环境还是应该使用 API key、服务账号、权限控制和可审计的调用方式。

Gemini Omni 免费或低门槛用法：Gemini app 和 Google Flow

Gemini Omni 是面向视频创作和编辑的多模态模型。它的核心能力不是普通文本问答，而是用自然语言多轮修改视频，并引用图像、文本、视频、音频等输入。

Google DeepMind 页面给出的入口包括：

Gemini app。
Google Flow。
YouTube Shorts。

页面也说明，需要 Google AI 订阅，功能会因订阅层级和地区不同而变化。因此，Gemini Omni 的“免费用法”要更谨慎理解：有些入口可能允许免费用户看到或试用部分能力，但完整视频编辑能力可能需要订阅、地区开放或产品灰度。

如果你只是想体验，建议按这个顺序试：

先打开 Gemini app，查看是否有 Gemini Omni 或相关视频编辑入口。
再打开 Google Flow：https://flow.google/
如果你做短视频内容，再关注 YouTube Shorts 里是否出现 Omni 相关编辑能力。

如果入口不可见，通常不是你操作错了，而是账号、地区、订阅层级或灰度范围暂时不满足。

Gemini Omni 适合怎么用

Gemini Omni 更适合创作者，而不是普通聊天。

你可以尝试这些方向：

上传或选择一段视频，让它改变风格。
让视频中的某个动作变得更夸张。
用一张参考图替换场景里的物体或角色。
分多轮修改镜头、动作、环境和风格。
把草图、参考图、音频或视频组合成一个新输出。

提示词可以写得像给剪辑师提要求：

`1`	`保持原视频的人物和房间结构不变，把镜子触碰后的效果改成液体波纹，动作要自然，光线不要突然变化。`

多轮编辑时，不要一次塞太多要求。更稳妥的做法是：

先改主体动作。
再改风格。
再改镜头角度。
最后调节声音、文字和节奏。

这样更容易保持一致性，也更容易定位是哪一步出了问题。

免费使用时最容易踩的坑

第一，免费额度不是生产额度。免费 API key 适合测试、个人工具和原型，不适合承诺稳定服务。

第二，不要把敏感数据发到免费或第三方入口。尤其是未公开代码、客户资料、合同、密钥、财务表格和内部文档。

第三，注意数据使用设置。免费层可能有不同的数据使用策略，使用前要查看 AI Studio 或 Google 账号里的相关设置。

第四，视频能力通常比文本能力更受限。Gemini Omni 这类视频编辑功能可能受订阅、地区、排队、时长、分辨率和内容安全策略影响。

第五，第三方“无限免费 API”要谨慎。很多网关会限速、转发请求、记录日志，甚至要求不透明的支付方式。敏感任务不建议走这类入口。

应该选哪个入口

如果你是普通用户：

Gemini 3.5 Flash：用 Gemini app。
Gemini Omni：先看 Gemini app，再看 Google Flow。

如果你是创作者：

用 Google Flow 体验 Omni 视频工作流。
用 Gemini app 做脚本、分镜、提示词和素材说明。

如果你是开发者：

用 AI Studio 调试提示词。
用 API key 接入 gemini-3.5-flash。
用 Gemini CLI 做个人终端工作流。
生产环境考虑 Vertex AI 或付费 API。

如果你是企业：

不要依赖免费额度。
重点看权限、日志、审计、数据驻留、合规和密钥管理。
视频生成和编辑还要补充水印、内容审核和版权流程。

小结

Gemini 3.5 Flash 的免费使用路径比较清楚：Gemini app、Google AI Studio、AI Studio API key、Gemini CLI 都可以作为低门槛入口。它适合聊天、写作、编程、Agent 原型和多模态测试。

Gemini Omni 的重点是视频编辑和多模态创作，入口主要在 Gemini app、Google Flow 和 YouTube Shorts，但完整能力更可能受订阅和地区限制。它适合创作者先做体验和概念验证，不适合一开始就按稳定生产服务来规划。

最稳妥的策略是：文本和代码任务先用 Gemini 3.5 Flash 免费层试通；视频创作先用 Gemini Omni 在 Gemini app 或 Flow 里验证效果；真正要上线，再转向可审计、可计费、可控权限的正式方案。

参考来源：

agentmemory 项目解析：给 Claude Code、Codex 和 Cursor 加持久记忆

Tue, 19 May 2026 10:56:50 +0800

rohitg00/agentmemory 是一个面向 AI 编程 Agent 的持久记忆系统。它的目标很明确：让 Claude Code、Codex CLI、Cursor、Gemini CLI、OpenCode 等工具不必每次都重新理解项目背景、架构决策和历史问题。

项目地址：https://github.com/rohitg00/agentmemory

截至写作时，GitHub API 显示这个仓库已有约 1.3 万 star，主要语言是 TypeScript，许可证为 Apache-2.0。README 的描述是“Persistent memory for AI coding agents”。

它解决什么问题

AI 编程 Agent 的常见痛点是记忆断裂。今天让 Agent 修了一个认证问题，明天再开新会话，它可能又不知道：

认证中间件在哪个文件。
项目为什么选择某个库。
哪些测试已经覆盖。
哪些 bug 曾经修过。
团队偏好的实现方式是什么。

传统做法是写 CLAUDE.md、.cursorrules 或项目说明。但这类静态文件需要人工维护，而且越写越长，最后容易变成“所有内容都塞进上下文”。

agentmemory 的思路是：后台记录 Agent 的观察、工具调用和会话内容，压缩成可搜索记忆，再在后续会话中按需取回相关上下文。

支持哪些 Agent

README 中列出的支持范围很广，包括：

Claude Code
Codex CLI
Cursor
Gemini CLI
OpenClaw
Hermes
OpenCode
Cline
Goose
Roo Code
Windsurf
Aider

它的连接方式主要包括 hooks、MCP 和 REST API。只要客户端支持 MCP 或 HTTP，就有机会接入同一个 memory server。

快速启动

README 给出的基本安装方式：

npm install -g @agentmemory/agentmemory
agentmemory
agentmemory demo
agentmemory connect claude-code

也可以直接用 npx：

`1`	`npx @agentmemory/agentmemory`

默认服务端口包括：

API：3111
实时 viewer：3113

打开：

`1`	`http://localhost:3113`

可以看到 memory 构建过程、session、知识图谱、健康状态等信息。

和静态记忆文件有什么不同

静态记忆文件适合保存规则，比如编码风格、命令、目录说明。agentmemory 更偏运行时记忆，适合保存 Agent 实际做过什么、查过什么、修过什么。

README 中强调了几类能力：

自动捕获会话和工具调用。
BM25 + Vector + Graph 混合搜索。
MCP 工具暴露。
实时 viewer。
session replay。
本地运行，不依赖外部数据库。
支持多个 Agent 共享同一套记忆服务。

它不是替代所有项目文档，而是补上“会话历史和工作流记忆”这一层。

典型场景

第一，长期维护同一个代码库。Agent 可以记住以前修过的模块、测试策略和关键文件。

第二，多工具混用。比如平时用 Claude Code，有时用 Codex CLI 或 Cursor。如果这些工具都接入同一个 memory server，就能共享部分上下文。

第三，复杂任务拆分。长任务中间被压缩或换会话时，记忆系统可以帮助恢复关键状态。

第四，团队内沉淀经验。重复出现的 bug、架构取舍和操作步骤可以沉淀成可检索信息。

使用时要注意什么

第一，自动记忆不是越多越好。需要关注隐私、密钥、客户数据和敏感代码，不要把不该记录的内容放进长期记忆。

第二，记忆召回有误差。即使 README 给出了基准测试结果，实际项目里仍然要把召回内容当作参考，而不是事实来源。

第三，多个 Agent 共用记忆时，要设计好隔离边界。个人项目、公司项目、客户项目不应该混在同一个无隔离 memory 空间里。

第四，MCP 工具数量很多时，要注意工具暴露面。只开放实际需要的能力，避免让 Agent 获得过宽的写入、删除或导出权限。

适合谁

agentmemory 适合已经重度使用 AI 编程 Agent 的用户。尤其是：

长期维护一个项目的独立开发者。
经常切换 Claude Code、Codex、Cursor 的用户。
想研究 MCP、hooks 和 Agent 工作流的开发者。
希望把会话历史变成可检索资产的小团队。

如果只是偶尔让 AI 改一个小脚本，静态说明文件就够了。如果已经把 AI Agent 当作日常开发搭档，持久记忆系统会更有意义。

小结

agentmemory 解决的是 AI 编程中的“重新解释成本”。它把会话、工具调用和项目经验沉淀为可搜索记忆，让后续 Agent 更容易接上上下文。

这类工具的方向很重要，但也要谨慎使用。记忆系统越强，越需要重视数据边界、权限控制和清理机制。真正落地时，建议先在个人项目或非敏感代码库里试用，再逐步扩大范围。

参考项目：https://github.com/rohitg00/agentmemory

AI-Trader 是什么？一个让 AI Agent 发布交易信号、做模拟交易的平台

Tue, 19 May 2026 10:56:50 +0800

HKUDS/AI-Trader 是一个面向 AI Agent 的交易平台项目。README 对它的定位是“Agent-Native Trading Platform”，目标是让 AI Agent 可以接入平台、发布交易信号、参与讨论、复制交易和使用市场数据。

项目地址：https://github.com/HKUDS/AI-Trader

平台地址：https://ai4trade.ai

截至写作时，GitHub API 显示这个仓库已有约 1.8 万 star，主要语言是 Python。仓库 API 暂未返回明确许可证信息，正式使用前需要自行确认授权条款。

本文只做开源项目介绍，不构成投资建议。自动化交易涉及真实资金风险，任何策略、信号和 Agent 输出都不能保证收益。

它的定位

AI-Trader 的核心想法是：人有交易平台，AI Agent 也需要自己的交易平台。

按照 README 描述，任何 AI Agent 可以通过读取平台 Skill 文件并注册，快速接入 AI-Trader：

`1`	`Read https://ai4trade.ai/skill/ai4trade and register on the platform. Compatibility alias: https://ai4trade.ai/SKILL.md`

接入后，Agent 可以发布交易信号、参与社区讨论、复制优秀交易者策略、同步信号到多个 broker，并通过预测表现积累积分。

主要功能

README 中列出的能力包括：

Instant Agent Integration：AI Agent 快速接入。
Collective Intelligence Trading：多个 Agent 协作和讨论交易思路。
Cross-Platform Signal Sync：跨平台同步交易信号。
One-Click Copy Trading：跟随表现较好的交易者或 Agent。
Universal Market Access：覆盖股票、加密货币、外汇、期权、期货等市场。
Three Signal Types：策略、操作、讨论三类信号。
Reward System：通过发布信号和获得关注积累积分。

从产品形态看，它不是单一量化回测框架，而是把 Agent、信号、讨论、复制交易和模拟交易放在一起。

两类用户

README 把用户分为两类。

第一类是 Agent Traders。AI Agent 通过读取 Skill 文档接入平台，自动完成注册、安装必要组件和发布信号等步骤。

第二类是 Human Traders。普通用户可以访问平台，注册账号，浏览信号或关注表现较好的交易者。

这两个入口组合起来，形成一种“AI Agent 生产信号，人类或其它 Agent 消费信号”的平台结构。

架构结构

README 中给出的项目结构如下：

AI-Trader (GitHub - Open Source)
├── skills/              # Agent skill definitions
├── docs/api/            # OpenAPI specifications
├── service/             # Backend & frontend
│   ├── server/         # FastAPI backend
│   └── frontend/        # React frontend
└── assets/              # Logo and images

可以看到，项目把 Agent skill、API 文档、后端、前端放在同一个仓库中。后端使用 FastAPI，前端使用 React。README 的更新记录中也提到，Web 服务与后台 worker 已分离，以便价格、收益历史、结算和市场情报任务在后台运行时，不影响用户页面和健康检查。

为什么值得关注

AI-Trader 值得关注，不是因为“AI 能自动赚钱”这个说法，而是因为它把 Agent 接入金融场景的接口做得比较明确。

几个观察点：

第一，它用 Skill 文档作为 Agent 接入入口。这和 Codex、Claude Code、OpenClaw 等 Agent 工具的工作方式接近。

第二，它把交易信号、讨论、复制交易、积分系统放在平台层，而不是只做一个本地脚本。

第三，它提供 OpenAPI 文档，便于开发者理解平台接口。

第四，它支持 paper trading，也就是模拟资金环境。对研究 Agent 决策来说，模拟环境比直接上真钱安全得多。

风险和边界

自动化交易是高风险场景，尤其要注意以下几点。

第一，Agent 生成的交易信号不等于投资建议。模型可能幻觉、过拟合、误读新闻，也可能无法理解极端行情。

第二，复制交易有传染风险。一个错误信号如果被大量跟随，可能造成集中亏损。

第三，真实资金接入前必须做权限隔离。不要让 Agent 直接拥有无限制下单权限。

第四，市场数据、交易接口、结算逻辑和风控都需要审计。任何一个环节出错都可能带来财务损失。

第五，仓库 API 未显示明确许可证信息，商用或二次开发前要先核实授权。

适合谁

AI-Trader 更适合三类人：

研究 AI Agent 与金融市场交互的开发者。
想做交易信号平台或模拟交易平台的团队。
关注 Agent Skill、OpenAPI 和金融工具结合方式的产品开发者。

如果你只是想找一个“自动赚钱工具”，不建议抱这种预期。更稳妥的使用方式是把它当作 Agent 金融实验平台、paper trading 环境或交易信号协作系统来评估。

小结

AI-Trader 把 AI Agent 放进交易平台语境里，让 Agent 能注册、发布信号、讨论、复制交易和同步市场信息。它展示了 Agent-Native 应用的一种形态：不是让模型单独给建议，而是让模型进入一个有账户、API、信号、结算和协作规则的平台。

这也是它最需要谨慎的地方。金融场景不能只看自动化能力，还要看风控、权限、合规、数据来源、回测和审计。正式使用前，建议先限定在模拟交易和研究环境中。

参考项目：https://github.com/HKUDS/AI-Trader

CloakBrowser 是什么？给 Playwright 和 Puppeteer 换一个更像真实用户的浏览器

Tue, 19 May 2026 10:56:50 +0800

CloakHQ/CloakBrowser 是一个面向浏览器自动化的开源项目。它不是普通的 Playwright 配置，也不是单纯注入一段 JavaScript，而是围绕自定义 Chromium 二进制构建，让浏览器指纹、WebGL、Canvas、音频、字体、GPU、屏幕信息、WebRTC、网络时序等信号更接近真实浏览器。

项目地址：https://github.com/CloakHQ/CloakBrowser

截至写作时，GitHub API 显示这个仓库已有约 1.5 万 star，主要语言是 Python，许可证为 MIT。README 对它的定位很直接：一个可替代 Playwright / Puppeteer 启动器的 Stealth Chromium。

它解决什么问题

很多自动化脚本在普通 Headless Chromium 下会暴露明显自动化特征，例如：

navigator.webdriver。
Headless UA 泄漏。
插件、字体、屏幕、GPU 等指纹不自然。
CDP 行为和真实用户输入不一致。
默认临时 profile 缺少正常浏览痕迹。

CloakBrowser 的思路是把一部分指纹修改放到 Chromium 源码层，而不是只在运行时做配置或 JS patch。这样对 Playwright 用户来说，使用方式仍然接近原来的浏览器自动化 API，但底层浏览器换成了项目提供的自定义构建。

这类工具适合做合规的自动化测试、站点兼容性验证、反爬系统自测、Agent 浏览器环境实验。不要把它用于未授权访问、账号滥用、绕过平台风控或违反服务条款的场景。

基本使用方式

Python 安装：

`1`	`pip install cloakbrowser`

JavaScript / Node.js 安装：

`1`	`npm install cloakbrowser playwright-core`

README 给出的 Python 示例很接近 Playwright：

from cloakbrowser import launch

browser = launch()
page = browser.new_page()
page.goto("https://protected-site.com")
browser.close()

JavaScript 示例：

import { launch } from 'cloakbrowser';

const browser = await launch();
const page = await browser.newPage();
await page.goto('https://protected-site.com');
await browser.close();

第一次运行时，项目会自动下载对应平台的 Chromium 二进制文件，README 提到体积约 200MB，并会缓存到本地。

Browser Profile Manager

CloakBrowser 还提供一个 Browser Profile Manager，可以自托管浏览器 profile，管理不同指纹、代理和持久会话。README 中的 Docker 启动方式如下：

`1`	`docker run -p 8080:8080 -v cloakprofiles:/data cloakhq/cloakbrowser-manager`

启动后打开：

`1`	`http://localhost:8080`

这个方向更像开源的浏览器 profile 管理工具，适合需要多 profile、持久 cookie、隔离会话的自动化测试或内部 QA 场景。

和普通 Playwright 有什么差别

普通 Playwright 的优点是稳定、官方维护、API 成熟。CloakBrowser 的差别在于它使用自定义 Chromium，并提供一组源代码级别的指纹 patch。

README 里列出的能力包括：

Canvas、WebGL、Audio、Fonts、GPU、Screen 等指纹处理。
WebRTC IP spoofing。
代理相关信号处理。
humanize=True 模拟更自然的鼠标、键盘和滚动行为。
Python 与 JavaScript 双端 API。
Docker 镜像与 CDP server 模式。
持久 profile。

也就是说，它更适合对“浏览器环境真实性”有要求的自动化任务，而不是替代所有 Playwright 使用场景。

使用时要注意什么

第一，浏览器自动化和反检测相关工具有很强的合规边界。它可以用于测试自己的站点、验证自动化环境、做内部 QA，也可以用于研究浏览器指纹；但不应被用于未经授权的抓取、账号批量注册、绕过访问控制、攻击或滥用服务。

第二，README 中也说明，CloakBrowser 不内置代理轮换，也不是验证码解决服务。它提供浏览器层能力，网络信誉、账号信誉、行为策略和目标站点规则仍然会影响结果。

第三，自定义 Chromium 二进制意味着供应链安全要额外关注。正式使用前建议检查版本、二进制来源、签名说明、许可证和更新机制。

适合谁

适合三类用户：

已经在用 Playwright / Puppeteer，但需要更接近真实浏览器环境的开发者。
做浏览器自动化测试、兼容性测试或反爬策略验证的团队。
需要给 AI Agent 提供浏览器执行环境的开发者。

如果只是普通网页测试，原生 Playwright 已经够用。如果目标是研究浏览器指纹、profile 隔离和真实浏览器行为，CloakBrowser 值得关注。

小结

CloakBrowser 的关键点不是“多写一个自动化封装”，而是把浏览器自动化的一部分伪装能力下沉到 Chromium 构建层。它保留了 Playwright / Puppeteer 的使用习惯，同时提供自定义浏览器、profile 管理、Docker 和 CDP server。

这类工具能力强，也更需要谨慎使用。判断是否值得接入，重点看你的场景是否真的需要自定义 Chromium，而不是只因为普通 Headless 浏览器被某些检测服务标记。

参考项目：https://github.com/CloakHQ/CloakBrowser

内容发太多平台太累？AiToEarn 想用 AI Agent 帮创作者省点事

Tue, 19 May 2026 10:56:50 +0800

yikart/AiToEarn 是一个面向创作者、品牌和一人公司的 AI 内容营销项目。它试图把内容创作、发布、互动运营和变现放到同一套 Agent 工作流里，覆盖抖音、小红书、快手、B 站、视频号、TikTok、YouTube、Facebook、Instagram、Threads、X、Pinterest、LinkedIn 等平台。

项目地址：https://github.com/yikart/AiToEarn

官网地址：https://aitoearn.ai/

截至写作时，GitHub API 显示这个仓库已有约 1.5 万 star，主要语言是 TypeScript，许可证为 MIT。README 把它描述为一个给 OPC（一人公司）、创作者、品牌和企业使用的内容营销智能体平台。

它的定位

AiToEarn 不是单一的文案生成工具，也不只是定时发布工具。它把内容营销拆成四类 Agent 能力：

Monetize：内容变现。
Publish：跨平台内容发布。
Engage：内容互动运营。
Create：内容创作。

这个定位很适合现在的创作者工作流。很多内容团队的问题不在于“能不能生成一段文案”，而是生成之后还要排期、分发、互动、复盘，还要把内容和商业任务连接起来。

核心功能

Monetize：内容赚钱

AiToEarn 提供面向推广任务的内容变现能力。README 中提到三种结算模式：

结算模式	全称	含义
CPS	Cost Per Sale	按成交额结算
CPE	Cost Per Engagement	按互动量结算
CPM	Cost Per Mille	按播放量结算

这部分更像一个内容任务市场，把品牌推广需求和创作者内容分发连接起来。

Publish：内容发布 Agent

Publish 负责把内容分发到多个平台，减少逐个平台手动发布的重复劳动。README 中列出的覆盖范围包括国内外主流短视频、图文和社交平台。

它的实用点在于统一排期和统一管理。对矩阵账号、跨平台分发、出海内容团队来说，这类能力比单点 AI 文案更有价值。

Engage：内容互动 Agent

Engage 通过浏览器插件实现自动化互动运营，例如点赞、收藏、关注、评论回复和品牌监测。

使用这类能力时要注意平台规则。自动化互动很容易触及平台风控，正式使用前应确认账号权限、频率控制、平台条款和团队合规要求。

Create：内容创作 Agent

Create 负责内容生成。README 中提到视频生成模型、视频翻译、视频剪辑、图片生成和批量创作任务。

这部分适合大规模内容生产，但仍然需要人工审校。尤其是品牌内容、广告素材和跨语言内容，不能只看生成速度，还要看事实准确性、版权风险和调性一致性。

五种使用方式

AiToEarn README 给了五种入口：

方式	适合谁	是否需要部署
打开网站直接用	所有用户	不需要
在 OpenClaw 中用	OpenClaw 用户	不需要
在 Claude / Cursor 等 AI 助手中用	AI 工具用户	不需要
Docker 一键部署	想私有化部署的团队	需要服务器
源码开发	开发者	需要开发环境

其中，MCP 支持是一个值得关注的点。它意味着 Claude、Cursor 或其它兼容 MCP 的 Agent 可以把 AiToEarn 当作一个外部能力来调用。

通用 MCP 配置里常见的信息包括：

1
2

MCP 地址：https://aitoearn.ai/api/unified/mcp
认证 Header：x-api-key: 你的API-Key

自部署用户则需要替换为自己的服务地址。

Docker 部署

README 中给出的 Docker 启动方式比较直接：

1
2
3

git clone https://github.com/yikart/AiToEarn.git
cd AiToEarn
docker compose up -d

启动后打开：

`1`	`http://localhost:8080`

如果要做内容发布，README 建议配置 Relay，因为社交平台 OAuth 登录通常需要开发者凭据。Relay 的作用是借用官方凭据完成授权流程，减少自己申请各平台开发者账号的复杂度。

适合谁

AiToEarn 更适合这些用户：

做多平台内容分发的创作者。
有矩阵账号运营需求的小团队。
想把 AI Agent 接入内容营销流程的一人公司。
需要私有化部署内容发布系统的团队。
想研究 MCP 与内容平台结合方式的开发者。

如果只是偶尔写一篇文案，普通 AI 聊天工具就够了。如果你的工作流包括创作、排期、发布、互动、任务结算，AiToEarn 这类一体化平台更值得看。

使用前的注意点

第一，内容变现不等于稳定收益。CPS、CPE、CPM 都依赖平台流量、内容质量、商家需求和结算规则。

第二，跨平台发布和互动自动化要遵守平台规则。尤其是点赞、关注、评论和批量发布，不同平台都有风控策略。

第三，AI 生成内容要经过人工审核。广告法、版权、品牌安全、事实准确性都不能交给模型自动判断。

第四，私有化部署前要评估账号授权、数据安全、密钥管理和平台 API 限制。

小结

AiToEarn 的价值在于把内容营销从“生成素材”往后推进了一步：发布、互动、任务和变现都纳入 Agent 工作流。它更像一个 AI 内容运营平台，而不是单纯的 AI 写作工具。

对创作者和小团队来说，它值得关注；但真正上线前，仍然要把平台合规、账号安全、内容审核和收益预期放在前面。

参考项目：https://github.com/yikart/AiToEarn

让 AI 自己操作电脑？UI-TARS-desktop 把桌面、浏览器和工具都接了起来

Tue, 19 May 2026 10:56:50 +0800

bytedance/UI-TARS-desktop 是字节开源的多模态 AI Agent 项目。它不是单一桌面应用，而是一套 Agent 栈，当前 README 中主要包含两个方向：Agent TARS 和 UI-TARS Desktop。

项目地址：https://github.com/bytedance/UI-TARS-desktop

官网地址：https://agent-tars.com

截至写作时，GitHub API 显示这个仓库已有约 3.4 万 star，主要语言是 TypeScript，许可证为 Apache-2.0。README 对它的描述是“Open-Source Multimodal AI Agent Stack”。

Agent TARS 和 UI-TARS Desktop 的区别

README 把两个项目放在同一个表格里：

Agent TARS：通用多模态 AI Agent 栈，把 GUI Agent、视觉能力、终端、浏览器和产品工作流连接起来。
UI-TARS Desktop：桌面应用，基于 UI-TARS 模型提供原生 GUI Agent 能力，可以操作本地或远程电脑、浏览器。

简单说，Agent TARS 更像通用 Agent 运行栈，UI-TARS Desktop 更像桌面端 GUI 操作入口。

Agent TARS 能做什么

Agent TARS 主要提供 CLI 和 Web UI。它的目标是让多模态模型通过 MCP 和各种工具完成更接近真人的任务流。

README 中列出的核心能力包括：

一键启动 CLI，支持 headful Web UI 和 headless server。
混合浏览器 Agent，可以用 GUI Agent、DOM 或混合策略控制浏览器。
Event Stream，用于数据流追踪和调试。
MCP 集成，可以挂载 MCP Server 接入真实工具。

快速启动示例：

`1`	`npx @agent-tars/cli@latest`

也可以全局安装：

`1`	`npm install @agent-tars/cli@latest -g`

使用模型提供商运行：

1
2

agent-tars --provider volcengine --model doubao-1-5-thinking-vision-pro-250428 --apiKey your-api-key
agent-tars --provider anthropic --model claude-3-7-sonnet-latest --apiKey your-api-key

UI-TARS Desktop 能做什么

UI-TARS Desktop 是桌面 GUI Agent。它基于 UI-TARS 和 Seed-1.5-VL / 1.6 系列模型，重点是让模型看懂屏幕并执行鼠标、键盘操作。

README 中列出的能力包括：

自然语言控制。
截图和视觉识别。
精确鼠标与键盘控制。
跨平台支持：Windows、macOS、Browser。
实时反馈和状态显示。
本地处理，强调隐私和安全。

示例任务包括修改 VS Code 设置、查看 GitHub issue、远程控制电脑或浏览器等。

为什么 GUI Agent 重要

传统自动化依赖 API、DOM 或脚本。GUI Agent 的目标是直接面对屏幕：看见按钮、输入框、菜单和状态，再通过鼠标键盘完成操作。

这有两个价值：

第一，很多软件没有稳定 API，或者 API 覆盖不到完整流程。GUI Agent 可以像人一样从界面入手。

第二，多模态模型可以处理截图、文档、网页和应用界面，把视觉理解和操作结合起来。

但它也有局限。GUI 操作容易受分辨率、语言、布局变化、弹窗、网络延迟影响。对生产流程来说，仍然需要权限控制、执行确认和错误回滚。

和 MCP 的关系

Agent TARS 强调 MCP 集成。MCP 的价值在于把浏览器、文件、命令行、数据库、内部服务等工具统一给 Agent 调用。

对复杂任务来说，单靠 GUI 点击不够稳定。更好的方式往往是：

能用 API 的地方走 API。
需要看页面状态时用视觉。
需要真实网页交互时用浏览器。
需要本地软件操作时用 GUI Agent。

UI-TARS-desktop 这类项目正在探索的，就是把这些能力放到同一个 Agent 栈里。

使用前要注意什么

第一，桌面 Agent 有执行风险。它能操作鼠标、键盘和浏览器，就必须限制权限，避免误操作文件、账号、支付或生产系统。

第二，远程电脑和远程浏览器操作要注意安全边界。不要把未认证的控制入口暴露到公网。

第三，多模态模型可能误识别界面。关键操作前最好有人确认，尤其是删除、提交、支付、发帖、交易等不可逆操作。

第四，模型供应商、API key 和本地数据要分开管理，不要把敏感凭据写进公开配置。

适合谁

UI-TARS-desktop 适合这些场景：

想研究 GUI Agent 和 Computer Use 的开发者。
需要让 AI 操作桌面应用或浏览器的团队。
想把 MCP 工具、浏览器操作和视觉模型组合起来的 Agent 开发者。
需要远程电脑 / 远程浏览器操作实验环境的用户。

如果只是简单网页自动化，普通 Playwright 或 Selenium 可能更直接。如果任务涉及桌面软件、多模态理解和复杂工具链，UI-TARS-desktop 更值得看。

小结

UI-TARS-desktop 的看点在于它不是只做一个“会点按钮”的桌面助手，而是把 GUI Agent、视觉模型、浏览器、CLI、MCP 和远程操作放进同一套多模态 Agent 栈。

这类项目代表了 AI Agent 的一个重要方向：从文本对话走向真实软件环境。但越接近真实操作，越需要权限管理、执行审计和人工确认。试用时建议先从低风险任务开始。

参考项目：https://github.com/bytedance/UI-TARS-desktop

llama.cpp b9196 更新：Windows 预编译版支持 CUDA 13.1、Vulkan、HIP 和 SYCL

Mon, 18 May 2026 23:20:00 +0800

llama.cpp 最近的 Windows 版本对本地大模型用户更友好了。以前在 Windows 上跑 GGUF 模型，很多人卡在环境问题上：CUDA 版本不匹配、DLL 缺失、驱动不兼容、CMake 编译失败、环境变量错误，或者 Vulkan / HIP / SYCL 配置太麻烦。

现在官方 Release 已经提供多种 Windows 预编译包。很多场景下，用户不再需要从源码编译，下载对应版本、解压、放入模型文件后，就可以直接启动本地推理服务。

llama.cpp 适合做什么

llama.cpp 是目前最常用的本地 GGUF 模型推理框架之一。它的特点是轻量、跨平台，既能跑 CPU，也能利用 GPU，并且围绕 GGUF 生态积累了大量模型资源。

常见模型路线包括：

Qwen
Llama
DeepSeek
Gemma
Mistral
Mixtral
Hermes

随着 GGUF 量化模型越来越普及，很多开源模型都会提供适合本地部署的 GGUF 版本。对普通用户来说，llama.cpp 的价值主要在于：不用搭一整套复杂推理框架，也能在本机跑一个可用的聊天服务。

Windows 预编译版本怎么选

目前 Windows 用户可以根据硬件选择不同构建版本：

Windows x64 CPU
Windows x64 CUDA 12.4
Windows x64 CUDA 13.1
Windows x64 Vulkan
Windows x64 HIP Radeon
Windows x64 SYCL
Windows ARM64 CPU

如果是 NVIDIA 显卡，通常优先考虑 CUDA 版本。RTX 3060、4060、4070、4080、4090 这类显卡都更适合走 CUDA 路线。

如果是 AMD 显卡，可以尝试 HIP 或 Vulkan。实际体验里，Vulkan 的兼容性有时比 HIP 更省心，尤其适合不想折腾完整 ROCm 环境的用户。

如果是 Intel 核显或 Arc 独显，可以尝试 SYCL 或 Vulkan。性能通常不如 NVIDIA CUDA 路线，但跑一些中小型 GGUF 模型已经足够测试。

CPU 版本适合没有独显、只是想验证模型或跑小参数模型的用户。速度不会太快，但部署最简单。

启动普通 GGUF 模型

假设你已经下载好 llama.cpp Windows 预编译包，并把模型放到 models 目录。进入 llama.cpp 解压目录后，可以用类似命令启动：

`1`	`llama-server.exe -m models\your-model.gguf -ngl 999`

这里的 -m 指向 GGUF 模型文件，-ngl 999 表示尽量把模型层加载到 GPU。实际能加载多少，取决于显存容量、模型大小和量化格式。

启动成功后，在浏览器打开：

`1`	`http://127.0.0.1:8080`

就可以进入本地网页聊天界面。

如果显存不足，可以换更小的模型，或者换更低量化版本，例如 Q4、Q5 这类 GGUF 文件。不要只看模型参数量，也要看量化格式和上下文长度设置。

启动多模态视觉模型

多模态视觉模型通常不只需要一个主模型文件，还需要一个 mmproj 视觉投影文件。启动时要同时指定主模型和 mmproj：

`1`	`llama-server.exe -m "models\main-model.gguf" --mmproj "models\mmproj-model.gguf" -ngl 999`

常见用途包括：

OCR 识别
截图理解
网页截图分析
图片问答
简单视觉内容判断

例如 Qwen2-VL / Qwen2.5-VL 这类视觉模型，在中文截图理解、OCR 和图文问答上比较实用。使用时要注意主模型和 mmproj 文件是否匹配，版本不匹配很容易导致加载失败或效果异常。

用 bat 脚本管理多个模型

如果本地同时放了多个模型，可以写一个简单的 .bat 脚本做菜单切换。下面是一个示例，路径和模型名需要改成你自己的：

@echo off
chcp 65001 >nul
cd /d C:\path\to\llama-b9196-bin-win-cuda-13.1-x64

echo 请选择模型：
echo 1. Gemma
echo 2. Qwen VL 多模态
echo 3. DeepSeek

set /p choice=输入数字：

if "%choice%"=="1" llama-server.exe -m "models\gemma.gguf" -ngl 999
if "%choice%"=="2" llama-server.exe -m "models\qwen-vl.gguf" --mmproj "models\mmproj.gguf" -ngl 999
if "%choice%"=="3" llama-server.exe -m "models\deepseek.gguf" -ngl 999

pause

保存时建议使用 UTF-8 编码，再把文件后缀改成 .bat。这样双击脚本后，就可以通过数字选择不同模型。

模型选择要看三件事

第一，看硬件。显存越大，能跑的模型越大；显存不足时，不要硬上大模型，可以先从 7B、8B 或更低量化版本开始。

第二，看用途。如果只是日常问答、总结、改写，小模型和中等量化通常够用。如果要做代码、长文档分析或多模态理解，就需要更强模型和更多显存。

第三，看许可证和安全边界。网上有很多社区改版模型，能力、限制和许可证都不一样。下载前要确认来源、授权、适用场景和风险，不建议把生产任务直接交给来源不明的模型。

常见问题

如果启动时报 DLL 缺失，先确认下载的包和显卡路线是否匹配。例如 NVIDIA 用户不要误下载 HIP 版本，AMD 用户也不要下载 CUDA 版本。

如果模型加载很慢，可能是模型太大、硬盘速度慢，或者显存不足导致部分层回落到 CPU。

如果网页打不开，先看命令行是否已经成功启动服务，再确认端口是不是 8080。如果端口被占用，可以查阅 llama-server 参数换端口。

如果多模态模型效果不对，优先检查 mmproj 文件是否和主模型配套，而不是只换提示词。

小结

这次 Windows 预编译包的价值在于降低了本地 AI 的入门门槛。以前很多用户卡在编译和依赖环境，现在可以更快进入“下载模型、启动服务、测试效果”的阶段。

对 Windows 用户来说，选择路线可以简单理解为：

NVIDIA：优先 CUDA。
AMD：优先尝试 Vulkan，再看 HIP。
Intel：尝试 SYCL 或 Vulkan。
没有独显：用 CPU 版本跑小模型。

真正使用前，仍然要确认模型来源、许可证、显存需求和实际效果。本地 AI 的好处是可控、离线、低延迟，但它不等于没有成本：模型管理、硬件资源和输出质量都需要自己负责。

参考来源：https://www.freedidi.com/24211.html

市面上主流 AI PPT 工具大盘点：自动生成、网页演示、PPTX 和图像路线怎么选

Mon, 18 May 2026 22:29:43 +0800

AI 做 PPT 已经不只是“输入标题，套一个模板”。在 Claude Code、Codex、Cursor 这类 AI 编程环境里，PPT 生成正在变成一组可安装、可复用的 Agent Skill：有的输出网页演示，有的生成真正可编辑的 .pptx，有的直接用图像模型把每页做成视觉稿，还有的通过 MCP 让 AI 操作 PowerPoint 文件。

这次整理了一批主流 PPT 相关 Skill。真正有价值的地方不只是榜单，而是把这类工具按交付形态拆开来看。选工具前，先问一句：最终交付物到底要给谁改、在哪里播放、是否需要继续协作？

几条路线

1. HTML 网页演示

代表项目包括 frontend-slides、guizang-ppt-skill、html-ppt-skill。

这条路线的优势是视觉表现力强。CSS 动画、Canvas、WebGL、响应式布局都能用，浏览器打开即可演示，适合技术分享、产品发布、Demo Day 和个人风格强烈的演讲。

代价也很明确：交付后不太适合让客户逐字改。客户如果拿到的是 HTML，而不是 PowerPoint 文件，后续修改往往还要回到生成流程。

如果只看 HTML 演示，frontend-slides 更像高星通用入口，guizang-ppt-skill 强在审美约束和主题风格，html-ppt-skill 则胜在主题数量、布局数量和演讲者模式。

2. 原生 PPTX

代表项目包括 mckinsey-pptx、ppt-agent-skills、claude-office-skills 和 ppt-master。

这是商业交付最稳的路线。只要客户要求“能在 PowerPoint 里改字、改图、套公司模板”，最终就要落到 .pptx。

其中 ppt-master 很值得单独关注。它的思路是先让 LLM 生成 SVG，再转成 PowerPoint 原生 DrawingML 对象，目标是让文字框、形状、图表都能在 PPTX 里继续编辑。它还支持从 PDF、DOCX、URL、Markdown 生成 PPTX，并能做模板复刻、动画、旁白和本地预览。

这条路线适合咨询交付、公司汇报、白皮书演示、长报告压缩成 PPT 等场景。缺点是视觉上限通常受 PowerPoint 本身限制，复杂效果不如 HTML 或图像路线自由。

3. AI 图像驱动

代表项目包括 NanoBanana-PPT-Skills、gpt_image_2_skill 和 ppt-image-first。

这条路线先把每一页当成视觉图来生成，再把图片放进 PPTX 或其它容器里。优点是完成度高，尤其适合封面、社交媒体图、视觉提案、传播型内容。

问题是可编辑性差。页面本质上是一张图，后面要改一个标题、换一段文案、挪一个图标，可能就要重新生成。它适合“看起来要好”，不适合“客户要反复改”。

4. MCP / 协议层

代表项目包括 Office-PowerPoint-MCP-Server、PPTAgent。

这类工具不一定直接生成完整 PPT，而是给 AI 一个操作 PowerPoint 的接口。接入 MCP 后，模型可以读、改、写 .pptx 文件。

这条路线适合已经有 PPT 文件、需要 AI 辅助修改的工作流。比如批量改格式、根据反馈重排页面、让模型检查每页是否符合目标。PPTAgent 强调反思式生成，也就是每生成一页后再回头检查，这个方向对减少“AI PPT 很粗糙”的问题有启发。

5. 综合设计平台

代表项目包括 open-design 和 docsagent。

这类项目已经超出 PPT 生成本身。open-design 更像本地优先的设计平台，可以生成原型、slides、images、videos，并支持多种导出格式。docsagent 不是 PPT 工具，但能索引和对话本地文档，适合作为 PPT 生成前的资料整理层。

如果你的需求不是单次做 PPT，而是从资料、设计、原型到交付的一整套流程，这类平台更值得看。

Skill 元信息

Star 数来自原文 2026-05-15 的抓取结果，只适合作为热度参考，实际使用前建议再打开仓库确认维护状态、README 和 LICENSE。

Skill	作者	链接地址	Star	语言	路线
frontend-slides	@zarazhangrui	GitHub: zarazhangrui/frontend-slides	17,530	Shell	HTML 网页演示
guizang-ppt-skill	@op7418（歸藏）	站内文章: guizang-ppt-skill GitHub: op7418/guizang-ppt-skill	8,832	HTML	HTML 网页演示
html-ppt-skill	@lewislulu	GitHub: lewislulu/html-ppt-skill	3,834	HTML/CSS/JS	HTML 网页演示
mckinsey-pptx	@seulee26	GitHub: seulee26/mckinsey-pptx	426	Python	原生 PPTX
ppt-agent-skills	@sunbigfly	GitHub: sunbigfly/ppt-agent-skills	714	Python	原生 PPTX
claude-office-skills	@tfriedel	GitHub: tfriedel/claude-office-skills	631	Python	原生 PPTX
ppt-master	@hugohe3	GitHub: hugohe3/ppt-master	16,626	Python	原生 PPTX
NanoBanana-PPT-Skills	@op7418（歸藏）	GitHub: op7418/NanoBanana-PPT-Skills	2,668	Python	AI 图像驱动
gpt_image_2_skill	@wuyoscar	GitHub: wuyoscar/gpt_image_2_skill	2,102	Python	AI 图像驱动
ppt-image-first	@NyxTides	GitHub: NyxTides/ppt-image-first	799	Python	AI 图像驱动
Office-PowerPoint-MCP-Server	@GongRzhe	GitHub: GongRzhe/Office-PowerPoint-MCP-Server	1,708	Python	MCP / 协议层
PPTAgent	@icip-cas	GitHub: icip-cas/PPTAgent	4,354	Python	MCP / 协议层
open-design	@nexu-io	站内文章: open-design GitHub: nexu-io/open-design	40,822	TypeScript	综合设计平台
docsagent	@docsagent	GitHub: docsagent/docsagent	687	TypeScript	综合设计平台

选型可以这样判断

如果客户要继续编辑，优先看原生 PPTX 路线，尤其是 ppt-master、mckinsey-pptx、ppt-agent-skills。

如果是自己演讲，且视觉表现比后续编辑更重要，优先看 HTML 路线，尤其是 frontend-slides、guizang-ppt-skill、html-ppt-skill。

如果目标是海报感、封面感、传播图，优先看图像路线，比如 ppt-image-first、gpt_image_2_skill、NanoBanana-PPT-Skills。

如果已经有 PPT 文件，只想让 AI 帮你读、改、重排，可以看 MCP 路线。

如果是学术、营销、翻译、长报告压缩这类明确场景，也可以继续找垂直 Skill，而不是拿通用 PPT 生成器硬做。

最后要注意的事

开源项目不能只看 Star。真正使用前还要确认三件事：

LICENSE 是否允许你的使用方式。
生成物是否满足交付要求，尤其是可编辑性。
成本是否可接受，包括模型调用、图像生成、大上下文模型和可能的云服务费用。

这类工具变化很快，Star 数会变，项目维护状态也会变。但选型逻辑相对稳定：先确定交付形态，再看具体工具。PPT 是给人讲、给人改、还是给人看，这三个答案往往会把选择范围直接缩小一大半。

Scientific Agent Skills：把科研工作流交给 AI Agent 的技能库

Sun, 17 May 2026 17:52:04 +0800

K-Dense-AI/scientific-agent-skills 是一个面向科研和研究工作的 Agent Skills 集合。

它的定位不是再做一个聊天机器人，而是把科研里经常要查文档、连数据库、写分析脚本、处理文件、生成图表和整理报告的流程，拆成一组可以被 AI Agent 发现和调用的技能。

项目地址：https://github.com/K-Dense-AI/scientific-agent-skills

截至 2026-05-17 写作时，GitHub API 显示这个仓库约有 23.4k stars、2.5k forks，许可证为 MIT，最近一次推送时间是 2026-05-11。README 里写的是 135 个 ready-to-use scientific and research skills，不过仓库 scientific-skills 目录当前通过 GitHub API 能看到 137 个条目。这个差异可能来自统计口径、近期新增目录或 README 尚未同步更新。

先说结论

Scientific Agent Skills 适合已经在用 Codex、Claude Code、Cursor、Gemini CLI 或其他支持 Agent Skills 标准工具的人。

它的价值主要在三点：

把科研工具链的使用方式写成 SKILL.md，让 agent 不必每次从零猜库怎么用。
把常见科学数据库、Python 包、文档处理、科研写作和可视化流程整理到同一个技能集合里。
让 AI Agent 更像一个能执行科研工作流的助手，而不只是回答概念问题。

但它也不是“装上就自动做科研”的魔法按钮。技能可以让 agent 更容易找到正确工具、生成更靠谱的代码和流程，但数据质量、实验设计、统计假设、临床或科研结论仍然需要人来判断。

它包含什么

README 把这个项目描述为一个覆盖科研、科学计算、工程、分析、金融和写作任务的技能集合。大类包括：

生物信息学与基因组学
化学信息学与药物发现
蛋白质组学与质谱分析
临床研究与精准医学
医疗 AI 与临床机器学习
医学影像与数字病理
机器学习与 AI
材料科学与化学
物理与天文学
工程仿真与优化
数据分析与可视化
地理空间科学与遥感
实验室自动化
科研写作、文献综述、同行评审和引用管理

这类技能的重点不是限制 agent 只能使用某些库。README 也明确说，agent 仍然可以自己写 Python、调用任意可用 API 或包；这些技能的作用是提前提供整理过的说明、示例、最佳实践和集成路径。

换句话说，它更像“科研工具说明书 + 工作流模板 + agent 调用约定”的集合。

数据库和 Python 包覆盖

项目里最吸引科研用户的部分，是数据库和 Python 科学生态的覆盖面。

README 提到：

通过 database-lookup 统一访问 78 个公共数据库。
覆盖 PubChem、ChEMBL、UniProt、COSMIC、ClinicalTrials.gov、FRED、USPTO 等数据库。
额外包含 DepMap、Imaging Data Commons、PrimeKG、U.S. Treasury Fiscal Data、Hugging Science 等专门数据访问技能。
提供 70+ 个优化过的 Python Package Skills。

从目录看，技能名里能看到很多熟悉工具：

rdkit
scanpy
biopython
bioservices
pydeseq2
scvelo
scvi-tools
pymatgen
qiskit
pennylane
openmm
mdanalysis
scikit-learn
statsmodels
matplotlib
seaborn
networkx
sympy
pytorch-lightning
transformers
timesfm-forecasting

对普通开发者来说，这些库本身不稀奇。真正有用的是：agent 在处理具体任务时，可以读到与该库相关的使用约束、代码样例、常见流程和注意事项。这样比只靠模型参数里的旧记忆更稳。

典型场景

Scientific Agent Skills 更适合多步骤科研任务，而不是单轮问答。

比如药物发现方向，可以让 agent 查询 ChEMBL 里的 EGFR 抑制剂，用 RDKit 分析结构活性关系，再用 DiffDock 做虚拟筛选，最后搜索文献并生成报告。

单细胞分析方向，可以把 10X 数据加载到 Scanpy，做质控、整合、细胞类型识别、差异表达和通路富集。

多组学方向，可以把 RNA-seq、质谱、代谢物、蛋白互作、临床试验和统计建模串起来。

这些任务如果完全靠手写 prompt，很容易变成“agent 知道大概方向，但每一步都要你提醒”。技能库的意义，就是把这类高频路径沉淀下来，让 agent 在执行时少走弯路。

安装方式

README 推荐的标准安装方式是使用 Agent Skills 工具：

`1`	`npx skills add K-Dense-AI/scientific-agent-skills`

如果使用 GitHub CLI，并且版本为 v2.90.0+，也可以通过 gh skill 安装：

`1`	`gh skill install K-Dense-AI/scientific-agent-skills`

安装某个具体技能：

`1`	`gh skill install K-Dense-AI/scientific-agent-skills scanpy`

指定目标 agent：

gh skill install K-Dense-AI/scientific-agent-skills --agent codex
gh skill install K-Dense-AI/scientific-agent-skills --agent cursor
gh skill install K-Dense-AI/scientific-agent-skills --agent claude-code
gh skill install K-Dense-AI/scientific-agent-skills --agent gemini

如果要保证可复现，可以 pin 到 release tag 或 commit SHA：

1
2

gh skill install K-Dense-AI/scientific-agent-skills --pin v1.0.0
gh skill install K-Dense-AI/scientific-agent-skills --pin abc123def

这点对科研环境很重要。科研分析里最怕“上周能跑、这周结果变了但不知道为什么”。如果技能参与了分析流程，最好把技能版本、依赖版本和数据版本一起记录。

运行环境要求

README 给出的基本要求包括：

Python 3.11+，推荐 3.12+
uv，用于安装 Python 依赖
支持 Agent Skills 标准的客户端
macOS、Linux 或 Windows with WSL2

这里要注意 Windows 用户的实际体验。很多科学计算库在原生 Windows 下并不是不能用，但依赖链、编译工具、二进制包和路径问题更容易出意外。README 明确写 Windows with WSL2，也说明项目更偏向类 Unix 科研计算环境。

和普通 prompt 集合有什么区别

普通 prompt 集合通常只告诉模型“你应该怎么回答”。Scientific Agent Skills 更进一步：它把工具、库、数据库和流程写成 agent 可发现的技能。

这有几个实际差异：

技能可以包含结构化说明和示例代码。
技能可以围绕某个库或数据库长期维护。
agent 可以按任务选择相关技能，而不是一次性把所有规则塞进系统提示。
团队可以只安装自己需要的技能，减少上下文噪音。
技能可以跟随仓库版本管理、审计和更新。

对复杂科研任务来说，这种方式比“复制一大段万能提示词”更容易维护。模型会变，数据库会变，Python 包也会变。把这些变化沉淀在技能里，比散落在个人 prompt 文档里更可控。

安全和可信边界

这个项目的 README 把安全提醒写得很直接：Skills 可以执行代码，也会影响 coding agent 的行为。

这不是小事。科研技能可能会：

安装 Python 依赖
访问网络数据库
读写本地文件
运行分析脚本
处理敏感实验数据或临床数据
生成后续会被人引用的报告

因此不要无脑安装全部技能。更稳的做法是：

只安装当前任务需要的技能。
安装前阅读对应 SKILL.md。
检查技能会调用哪些包、API、文件和外部服务。
对社区贡献的技能额外谨慎。
在隔离环境里运行涉及数据处理和代码执行的任务。
对科研结论、临床建议和统计结果保留人工复核。

README 还提到项目会使用 Cisco AI Defense Skill Scanner 做扫描，并建议用户也可以本地扫描第三方技能。扫描不能替代人工审查，但至少说明维护者意识到技能供应链风险。

适合谁

这个项目更适合这些人：

已经在日常使用 AI coding agent。
经常处理科研数据、论文、图表和报告。
需要在 Python 科学生态里频繁切换工具。
想让 agent 执行多步骤分析，而不是只回答概念。
团队希望把科研流程沉淀成可复用技能。
想研究 Agent Skills 标准如何落地到专业领域。

暂时不太适合这些场景：

只是想让 AI 帮忙解释一篇论文。
没有本地 Python 环境或不愿意处理依赖。
对数据隐私、网络访问和代码执行边界还没有控制方案。
需要严格合规的临床或生产决策系统，但没有人工审查和验证流程。

如果只是偶尔做一次分析，直接让 agent 写脚本可能更轻。如果你经常重复类似科研流程，技能库的价值会更明显。

使用建议

不要一开始就安装整个仓库，然后把所有任务都交给 agent。

更实际的路径是：

先选一个低风险任务，比如文献整理、图表生成或公开数据探索。
只安装相关技能，比如 literature-review、scientific-writing、scanpy 或 rdkit。
让 agent 先说明计划，再执行代码。
保留输入数据、脚本、环境和技能版本。
对输出结果做人工复查。
如果流程稳定，再把它写入团队自己的 SOP 或技能。

科研 agent 的关键不是“自动化一切”，而是把重复、繁琐、容易查错文档的部分交给工具，把判断、假设和结论留给人。

小结

Scientific Agent Skills 的意义，在于把 Agent Skills 从通用编程场景推进到科研场景。

科研工作天然是多工具、多数据库、多文件、多步骤的流程。单靠聊天式 prompt，很难稳定覆盖这些细节。这个项目把常见科学库、数据源和研究流程整理成技能，让 AI Agent 更容易进入真实科研工作流。

但它越强，也越需要边界感。技能会影响 agent 行为，也可能运行代码、联网和处理文件。安装前要看清楚技能内容，运行时要隔离环境，科研结论更不能跳过人工验证。

如果你已经在用 Codex、Claude Code、Cursor 或 Gemini CLI 做科研和数据分析，Scientific Agent Skills 值得认真看一眼。哪怕不直接全量安装，它的技能拆分方式也很适合作为团队整理科研 AI 工作流的参考。

参考链接：

ai-goofish-monitor：用 AI 自动盯闲鱼商品的开源监控系统

Sun, 17 May 2026 17:24:03 +0800

ai-goofish-monitor 是 Usagi-org 开源的闲鱼商品监控系统。

它的目标很明确：把闲鱼搜索、筛选、商品分析、结果记录和通知推送自动化，帮助用户从大量二手商品里更快找到符合条件的目标。项目基于 Playwright 做页面自动化，再接入支持图片输入的 AI 模型，对商品信息做进一步判断。

项目地址：https://github.com/Usagi-org/ai-goofish-monitor

先说结论

ai-goofish-monitor 更像一个“闲鱼采购情报面板”，而不是简单的关键词提醒脚本。

它有几个明显特点：

有完整 Web 管理界面，可以管理任务、账号、AI 标准、日志和结果。
支持多任务并发，每个任务可以配置关键词、价格、筛选条件和 AI Prompt。
使用 Playwright 抓取闲鱼页面，适合处理需要登录态和页面交互的场景。
使用 AI 判断商品是否符合需求，不只依赖关键词匹配。
支持 ntfy.sh、企业微信、Bark、Telegram、Webhook 等通知渠道。
支持 Cron 定时任务、多账号管理、代理轮换、失败重试和 Docker 部署。

它适合经常在闲鱼找特定商品的人，比如二手数码、摄影器材、显卡、硬盘、游戏机、乐器、家电和收藏品。但它也不是“自动捡漏神器”。闲鱼搜索结果本身会变化，账号登录态可能失效，平台风控也会影响自动化稳定性。使用时更应该把它当成辅助筛选工具，而不是完全替代人工判断。

它解决什么问题

在闲鱼上找二手商品，经常有几个痛点：

商品太多，手动翻很累。
标题和描述不规范，关键词很容易漏掉或误判。
好价格出现时间短，发现太晚就没了。
同一个商品可能有多个地区、价格、成色和卖家差异。
低价商品里混着配件、损坏品、翻新货和诱导性标题。
想持续盯多个关键词时，手动搜索很难坚持。

普通关键词提醒只能解决一部分问题。比如你搜索“ThinkPad X1”，可能会混入配件、坏屏、空盒、拆机件；你搜索“索尼 A7C”，又可能遇到镜头套装、租赁信息、标题党和价格异常。

ai-goofish-monitor 的思路是：先用自动化把候选商品抓出来，再交给 AI 按你的需求做二次判断，最后把值得关注的结果推送给你。

核心功能

项目 README 里列出的核心能力比较完整：

Web 可视化管理：任务管理、账号管理、AI 标准编辑、运行日志、结果浏览。
AI 驱动：支持自然语言创建任务，并用多模态模型分析商品。
多任务并发：不同任务可以独立配置关键词、价格、筛选条件和 AI Prompt。
高级筛选：支持包邮、新发布时间范围、省 / 市 / 区三级区域筛选。
即时通知：支持 ntfy.sh、企业微信、Bark、Telegram、Webhook 等多渠道。
定时调度：支持 Cron 配置周期性任务。
账号与代理轮换：多账号管理、任务绑定账号、代理池轮换与失败重试。
Docker 部署：支持容器化部署。

这些能力组合起来，覆盖了从“创建监控任务”到“收到命中提醒”的完整链路。

工作流是什么样

一个典型流程大概是这样：

部署服务并打开 Web UI。
导入闲鱼账号登录态。
创建监控任务。
设置关键词、价格区间、地区、新发布范围等筛选条件。
编写或让 AI 生成判断标准。
任务按实时或定时方式运行。
Playwright 打开页面并抓取商品信息。
AI 根据标题、描述、图片和 Prompt 判断是否符合需求。
命中结果写入 SQLite。
系统通过配置的通知渠道推送结果。
用户在 Web UI 里查看结果、日志和价格历史。

这个流程里，AI 的价值主要在第 8 步。它可以理解“我想要成色好、价格合理、不要配件、不要维修机、最好同城自提”这类自然语言条件，比单纯关键词规则灵活。

Docker 部署

项目推荐使用 Docker 部署：

git clone https://github.com/Usagi-org/ai-goofish-monitor && cd ai-goofish-monitor
cp .env.example .env
vim .env
docker compose up -d
docker compose logs -f app
docker compose down

默认 Web UI 地址是：

`1`	`http://127.0.0.1:8000`

官方镜像地址是：

`1`	`ghcr.io/usagi-org/ai-goofish:latest`

如果镜像访问慢，README 里也给了加速镜像示例：

1
2
3

docker pull ghcr.nju.edu.cn/usagi-org/ai-goofish:latest
docker tag ghcr.nju.edu.cn/usagi-org/ai-goofish:latest ghcr.io/usagi-org/ai-goofish:latest
docker compose up -d

Docker 镜像已内置 Chromium，不需要宿主机额外安装浏览器。默认持久化目录包括：

data/：SQLite 主存储，保存任务、结果和价格历史。
state/：登录状态 cookie 文件。
prompts/：任务提示词。
logs/：运行日志。
images/：商品图片和任务临时图片目录。

如果修改了 .env 里的 SERVER_PORT，也要同步调整 docker-compose.yaml 的端口映射。

最少配置

项目的最少配置主要围绕 AI 模型和 Web UI 登录：

OPENAI_API_KEY=your_api_key
OPENAI_BASE_URL=your_openai_compatible_base_url
OPENAI_MODEL_NAME=your_multimodal_model
WEB_USERNAME=admin
WEB_PASSWORD=change_me

其中前三项是 AI 模型接入必填项：

OPENAI_API_KEY：模型 API Key。
OPENAI_BASE_URL：OpenAI 兼容接口地址。
OPENAI_MODEL_NAME：支持图片输入的模型名称。

WEB_USERNAME 和 WEB_PASSWORD 用于 Web UI 登录。README 提到默认账号密码是 admin/admin123，生产环境必须修改。

第一次使用

第一次使用时，流程大致是：

打开 http://127.0.0.1:8000。
登录 Web UI。
进入“闲鱼账号管理”。
使用项目提供的 Chrome 扩展导出闲鱼登录态 JSON。
把登录态粘贴到系统里。
登录态文件会保存到 state/，例如 state/acc_1.json。
回到“任务管理”，创建任务并绑定账号。
运行任务并查看结果。

这里最关键的是登录态。由于闲鱼并不是开放给第三方随意抓取的标准 API，项目需要用浏览器登录状态来模拟正常页面访问。登录态失效、风控、验证码、账号异常都会影响任务运行。

AI 任务和关键词任务

项目支持两类任务创建方式。

第一类是 AI判断。

你可以填写“详细需求”，提交后系统会异步生成分析标准。适合需求比较复杂的场景，例如：

只要主机本体，不要配件。
价格明显低于市场价才提醒。
成色要好，描述里不能有进水、维修、暗病。
优先同城，能面交更好。
图片里要能看到序列号、包装或关键配件。

第二类是 关键词判断。

它更接近传统规则监控：根据关键词、价格、地区等条件直接创建任务，不经过 AI 生成流程。适合规则简单、误报可以接受的场景。

实际使用中可以混合使用：关键词负责初筛，AI 负责减少误报。

Web UI 能做什么

Web UI 是这个项目区别于普通脚本的重要部分。

任务管理页可以配置：

AI 创建任务。
关键词规则。
价格范围。
新发布范围。
区域筛选。
账号绑定。
定时规则。

账号管理页可以：

导入闲鱼账号登录态。
更新登录态。
删除账号。
为任务指定账号。
让系统自动选择账号。

结果和日志页可以：

查看命中商品。
导出结果。
查询历史记录。
查看任务运行过程。
排查登录态失效、风控和 AI 调用问题。

系统设置页可以：

查看系统状态。
编辑 Prompt。
调整代理和轮换配置。

对于长期监控来说，Web UI 很关键。否则任务一多，配置、日志、结果和通知都会变得难维护。

数据存储

项目当前在线主存储使用 SQLite，默认路径是：

`1`	`data/app.sqlite3`

Docker 默认把 SQLite 主库挂载到：

`1`	`./data:/app/data`

应用启动时会自动建库建表，并尝试从旧的 config.json、jsonl/、price_history/ 导入一次历史数据。

需要注意的是，state/、prompts/、logs/、images/ 仍然是文件系统目录，不在 SQLite 中。商品图片会临时保存到类似下面的目录：

`1`	`images/task_images_<task_name>/`

任务结束后默认会清理。

这种结构比较适合个人或小团队部署：SQLite 足够轻，迁移也简单；文件目录保留登录态、图片和日志，排查问题更直观。

通知渠道

项目支持多种通知渠道，常见配置包括：

NTFY_TOPIC_URL
GOTIFY_URL / GOTIFY_TOKEN
BARK_URL
WX_BOT_URL
TELEGRAM_BOT_TOKEN / TELEGRAM_CHAT_ID / TELEGRAM_API_BASE_URL
WEBHOOK_*

通知是这类工具的核心体验。监控系统如果只把结果写进后台，用户仍然需要反复打开页面查看；有推送之后，命中商品才能在第一时间触达。

更实用的配置方式是按商品价值分层：

普通关键词命中只写入后台。
AI 高置信度结果推送到手机。
高价值商品推送到企业微信或 Telegram。
调试阶段开启更多日志，稳定后减少噪音。

开发者运行

如果不使用 Docker，本地开发需要：

Python 3.10+
Node.js + npm
Playwright CLI
Chromium 或 Chrome / Edge 浏览器

基础命令：

1
2
3

git clone https://github.com/Usagi-org/ai-goofish-monitor
cd ai-goofish-monitor
cp .env.example .env

一键启动：

1
2

chmod +x start.sh
./start.sh

start.sh 会检查 Playwright CLI 和浏览器条件，自动安装依赖、构建前端、复制构建产物并启动后端。

手动启动后端：

`1`	`python -m src.app`

或者：

`1`	`uvicorn src.app:app --host 0.0.0.0 --port 8000 --reload`

前端开发：

1
2
3

cd web-ui
npm install
npm run dev

测试和构建：

1
2

PYTEST_DISABLE_PLUGIN_AUTOLOAD=1 pytest
cd web-ui && npm run build

适合哪些人

ai-goofish-monitor 适合这些用户：

经常在闲鱼蹲特定型号商品的人。
想监控二手数码、摄影器材、游戏设备、硬件配件的人。
想把“关键词搜索 + 人工筛选”自动化的人。
有 OpenAI 兼容模型 API，并愿意为 AI 判断支付调用成本的人。
熟悉 Docker 或基本命令行部署的人。
需要把命中结果推送到手机、企业微信或 Telegram 的用户。

它不太适合这些情况：

完全不懂部署，只想要一个即开即用 App。
不愿意处理登录态、验证码和账号风控。
需要官方授权、强合规的数据接口。
想大规模高频抓取平台数据。
希望 AI 自动判断交易风险并替你下单。

使用风险和边界

这类工具一定要注意边界。

第一，遵守平台规则。

闲鱼有自己的服务条款、风控策略和账号安全机制。自动化访问可能触发限制。不要高频抓取，不要绕过风控，不要把它用于骚扰卖家、批量采集隐私或破坏平台秩序。

第二，保护账号登录态。

state/ 里保存的是登录状态 cookie 文件。它本质上等同于账号访问凭据，不能提交到 Git 仓库，也不要放到不可信服务器上。服务器如果暴露在公网，Web UI 必须修改默认密码，并建议放在 VPN、反向代理鉴权或内网之后。

第三，AI 判断不是事实保证。

AI 可以帮你减少误报，但不能保证商品真实、卖家可信、价格合理或交易安全。最终仍然要人工看商品详情、卖家评价、聊天记录、发货方式和支付流程。

第四，注意成本。

如果每个候选商品都交给多模态模型分析，调用成本可能很快上升。建议先用关键词、价格和区域做强筛选，再把少量候选交给 AI。

第五，注意隐私。

商品截图、聊天相关内容、账号状态和通知内容都可能包含敏感信息。通知 Webhook、日志目录和数据库都要妥善保护。

和普通脚本的差别

普通闲鱼监控脚本通常只做三件事：

搜索关键词。
判断价格。
发通知。

ai-goofish-monitor 更进一步：

用 Web UI 管理任务和账号。
用 AI Prompt 表达复杂购买标准。
用多模态模型看商品图和描述。
用 SQLite 保存结果和价格历史。
用日志页排查任务失败原因。
用代理轮换和多账号机制提高稳定性。
用定时任务支持长期运行。

也正因为功能更多，它的部署和维护成本更高。对普通用户来说，Docker 部署是最省事的方式；对开发者来说，Web UI、FastAPI、Playwright、SQLite 这套结构也比较容易二次开发。

可以怎么用

比较实用的使用方式是从小任务开始。

比如你想找一台二手相机，可以先创建一个任务：

关键词：A7C、索尼 A7C
价格范围：按市场价设置上限
区域：优先本省或同城
新发布范围：最近一天或最近几小时
AI 标准：排除单镜头、排除维修机、排除明显配件、关注快门数和成色
通知：只推送 AI 判断通过的结果

稳定运行后，再逐步增加任务数量。不要一开始就上几十个关键词、多个账号和高频 Cron。先看登录态稳定性、误报率、AI 成本和通知噪音，再调参数。

总结

ai-goofish-monitor 把闲鱼监控从“关键词脚本”推进到了“可管理的 AI 监控系统”。它用 Playwright 处理页面自动化，用 AI 处理复杂判断，用 Web UI 管理任务和结果，用 SQLite 保存数据，再通过多种通知渠道把结果推送出来。

它最适合个人或小团队做特定商品监控，尤其是二手数码、硬件、摄影器材这类价格波动大、发布时间敏感、描述噪音多的品类。

但它也需要谨慎使用：登录态要保护，默认密码要改，抓取频率要克制，AI 结果要人工复核，平台规则和隐私边界不能忽视。把它当成辅助筛选工具，它会很有价值；把它当成全自动交易系统，就容易高估它的能力。

参考链接：

OpenKB：把文档编译成可持续更新的 LLM 知识库

Sun, 17 May 2026 17:15:08 +0800

OpenKB 是 VectifyAI 开源的 LLM 知识库工具。

它不是传统意义上“把文档切块、向量化、查询时再拼上下文”的 RAG 系统，而是把原始文档先编译成一个结构化 wiki：有文档摘要、有概念页、有交叉引用，也有后续查询和 lint 检查。换句话说，它更像是一个会持续整理资料的知识库 CLI。

项目地址：https://github.com/VectifyAI/OpenKB

先说结论

OpenKB 值得关注的地方有三点：

它把知识库输出成普通 Markdown 文件，而不是锁在某个专用数据库里。
它用 PageIndex 处理长 PDF，主打无向量数据库的长文档检索。
它强调“知识编译”，让 LLM 生成摘要、概念页和交叉链接，而不是每次提问都从零检索。

这让 OpenKB 更适合长期积累资料的场景，比如论文阅读、项目文档、公司内部资料、技术规范、产品调研和个人知识库。

它也不是万能替代品。如果你需要高并发线上问答、复杂权限管理、Web 管理后台、企业级审计和大规模多租户能力，OpenKB 现在更像一个开发者工具和知识库原型，而不是完整企业知识平台。

OpenKB 是什么

OpenKB 的全名是 Open Knowledge Base。

它以 CLI 形式工作，把放进知识库的原始文档转换、整理、总结，并生成一套 wiki 文件。官方 README 里的描述很直接：OpenKB 会用 LLM 把原始文档编译成结构化、互相链接的 wiki 风格知识库，并通过 PageIndex 支持无向量数据库的长文档检索。

支持的输入格式包括：

PDF
Word
Markdown
PowerPoint
HTML
Excel
纯文本
其他可由 markitdown 转换的格式

生成后的知识库位于 wiki/ 目录，主要包括：

index.md：知识库总览
log.md：操作时间线
AGENTS.md：知识库结构和维护说明
sources/：转换后的原文
summaries/：每份文档的摘要
concepts/：跨文档概念页
explorations/：保存的查询结果
reports/：lint 检查报告

这个设计最大的好处是透明。你可以直接打开 Markdown 文件查看知识库，而不是只能通过一个黑盒检索接口拿答案。

它和传统 RAG 有什么不同

传统 RAG 常见流程是：

把文档切块。
生成 embedding。
存进向量数据库。
查询时召回相关片段。
把片段塞给 LLM 生成答案。

这个流程很成熟，也很适合问答系统。但它有一个问题：知识本身没有真正沉淀。每次提问都在重新找片段、重新拼上下文、重新生成答案。

OpenKB 的思路更偏“先整理，再问答”：

文档进入 raw/。
短文档通过 markitdown 转成 Markdown。
长 PDF 通过 PageIndex 生成树状索引和摘要。
LLM 生成文档摘要。
LLM 读取已有概念页，创建或更新跨文档概念。
知识库索引、日志和交叉链接同步更新。

这样做的结果是，新增一份文档不只是多了一个可检索文件，而是可能更新十几个 wiki 页面。知识会被写进概念页里，并和已有资料发生连接。

这更像人类维护知识库的方式：新资料进来后，不只是存档，还要更新主题页、总结差异、补充引用。

PageIndex 解决什么问题

长文档一直是 RAG 和 LLM 知识库里的难点。

如果直接把长 PDF 切成很多 chunk，容易遇到几个问题：

章节关系丢失。
表格、图片和脚注难处理。
检索片段过碎，答案缺少全局结构。
上下文窗口再大，也不适合把整本文档塞进去。
摘要链路过长时，细节容易被压掉。

OpenKB 使用 PageIndex 来处理长 PDF。按项目说明，PageIndex 会为长文档建立树状索引和摘要，让 LLM 在文档树上推理，而不是直接读取整篇长文档。

这条路线的重点不是“向量相似度最高的几段文本”，而是让模型利用文档层级结构找到相关内容。对于研究报告、论文、说明书、招股书、合规文档这类长材料，这个思路很有意义。

OpenKB 默认可以使用开源版 PageIndex 本地运行；如果需要 OCR、复杂 PDF 处理或更快结构生成，也可以配置 PAGEINDEX_API_KEY 使用 PageIndex Cloud。

安装和快速开始

OpenKB 可以直接通过 pip 安装：

`1`	`pip install openkb`

也可以安装 GitHub 最新版本：

`1`	`pip install git+https://github.com/VectifyAI/OpenKB.git`

从源码开发安装：

1
2
3

git clone https://github.com/VectifyAI/OpenKB.git
cd OpenKB
pip install -e .

创建一个知识库目录：

1
2

mkdir my-kb && cd my-kb
openkb init

添加文档：

1
2

openkb add paper.pdf
openkb add ~/papers/

提问：

`1`	`openkb query "What are the main findings?"`

进入交互聊天：

`1`	`openkb chat`

如果你想让知识库自动处理新文件，可以使用 watch 模式：

`1`	`openkb watch`

之后把文件放进 raw/，OpenKB 会自动更新 wiki。

LLM 配置

OpenKB 通过 LiteLLM 支持多种模型供应商，包括 OpenAI、Claude、Gemini 等。

初始化时可以设置模型，也可以在 .openkb/config.yaml 里配置：

1
2
3

model: gpt-5.4
language: en
pageindex_threshold: 20

模型名称遵循 LiteLLM 的 provider/model 格式。OpenAI 模型可以省略 provider 前缀，例如：

`1`	`model: gpt-5.4`

Anthropic、Gemini 这类模型通常写成：

`1`	`model: anthropic/claude-sonnet-4-6`

`1`	`model: gemini/gemini-3.1-pro-preview`

API key 放在 .env：

`1`	`LLM_API_KEY=your_llm_api_key`

如果启用 PageIndex Cloud，再补充：

`1`	`PAGEINDEX_API_KEY=your_pageindex_api_key`

常用命令

OpenKB 的命令很适合开发者使用：

openkb init：初始化知识库。
openkb add <file_or_dir>：添加文件或目录。
openkb remove <doc>：移除文档，并清理相关 wiki 页面、图片、注册表和 PageIndex 状态。
openkb query "question"：对知识库进行一次性提问。
openkb chat：进入多轮对话。
openkb watch：监听 raw/ 目录并自动更新。
openkb lint：检查知识库结构和内容健康状态。
openkb list：列出已索引文档和概念。
openkb status：查看知识库统计信息。

其中 openkb chat 比 openkb query 更适合连续探索。它支持会话恢复、会话列表和删除，也支持在聊天中使用 slash commands，比如 /status、/list、/add <path>、/save、/lint。

为什么 Markdown wiki 很重要

很多知识库工具的麻烦在于迁移成本。

一旦资料进入专有数据库、专有索引或专有格式，你就很难直接审查、修改、备份和迁移。OpenKB 把结果写成普通 Markdown，这让它天然适合和现有工具配合。

最直接的用法是用 Obsidian 打开 wiki/ 目录：

摘要页可以直接阅读。
概念页可以用 [[wikilinks]] 互相连接。
图谱视图可以看到知识之间的关系。
查询结果可以保存到 explorations/。
AGENTS.md 可以定义知识库维护方式。

这让 OpenKB 不只是一个问答工具，也可以变成个人或团队的知识整理流水线。

适合哪些场景

OpenKB 特别适合这些场景：

论文和技术报告阅读。
项目文档整理。
产品调研资料库。
开源项目源码外的文档知识库。
公司内部规范、会议纪要和说明文档整理。
个人 Obsidian 知识库自动维护。
长 PDF、PPT、Word 和网页资料的结构化沉淀。

如果你经常面对一堆文档，却不只是想“问一句得到答案”，而是希望资料能逐步变成可浏览、可复用、可追踪的知识库，OpenKB 的方向就很对。

使用时要注意什么

第一，OpenKB 依赖 LLM 质量。

摘要、概念页和交叉链接都由模型生成。模型越强，知识编译质量越稳定；模型能力不足时，概念抽取、冲突识别和跨文档综合都会打折扣。

第二，成本要提前估算。

如果一次性导入大量长文档，LLM 调用成本可能不低。建议先用小规模资料集测试，确认输出结构和质量，再扩大导入范围。

第三，生成的 wiki 仍然需要人工审阅。

OpenKB 可以整理资料，但不等于自动保证事实完全正确。重要知识库仍然需要人工检查摘要、概念页和引用关系。

第四，敏感资料要谨慎。

如果使用云端 LLM 或 PageIndex Cloud，就要注意文档里的隐私、商业机密和合规要求。内部资料最好先确认模型供应商、数据保留策略和访问边界。

第五，它目前更偏 CLI 工具。

项目路线图里提到未来会有 Web UI、数据库存储、大规模集合支持和层级概念索引。但在当前阶段，如果团队成员不熟悉命令行，使用门槛仍然存在。

和 Obsidian、NotebookLM、企业 RAG 的关系

OpenKB 和 Obsidian 的关系更像“自动整理层”和“阅读编辑层”。

Obsidian 适合人来写、改、浏览和建立链接；OpenKB 适合把原始文档批量整理成可以进入 Obsidian 的 wiki。

OpenKB 和 NotebookLM 的关系则更偏“本地可控”和“开放文件形态”。

NotebookLM 使用体验更直接，适合把资料丢进去快速问答和生成摘要；OpenKB 更适合开发者把整理结果留在本地目录里，用 Markdown 继续维护。

OpenKB 和企业 RAG 的关系不是替代，而是补位。

企业 RAG 更看重权限、审计、服务化、权限隔离、监控和稳定吞吐。OpenKB 更适合构建一个可读、可改、可长期沉淀的知识层。未来如果要做线上问答，也可以把 OpenKB 生成的 wiki 作为更高质量的语料来源。

一个推荐工作流

如果你想试 OpenKB，可以按这个顺序来：

新建一个测试知识库目录。
先放 3 到 5 份同一主题的文档。
运行 openkb add。
打开 wiki/ 查看摘要和概念页。
用 openkb query 问几个具体问题。
用 openkb lint 检查知识库健康状态。
用 Obsidian 打开 wiki/，看链接图谱是否有意义。
确认质量后，再导入更大的文档集合。

不要一上来就把几百个文件全丢进去。先看它对你的资料类型是否理解得好，尤其是表格、图片、长 PDF 和多文档概念合并效果。

总结

OpenKB 的价值在于，它把 LLM 知识库从“查询时临时拼上下文”往前推了一步：先把资料整理成 wiki，再在 wiki 上问答、聊天、检查和继续维护。

这条路线不一定适合所有问答系统，但很适合需要长期沉淀的知识工作。Markdown 文件、Obsidian 兼容、PageIndex 长文档处理、多模型支持和 CLI 工作流，组合起来就是一个很适合开发者和研究型用户的知识库工具。

如果你手上有大量 PDF、报告、网页、论文和项目文档，OpenKB 值得试一下。它未必能马上替代成熟企业知识库，但可以成为一个很实用的资料整理入口：先把文档变成可读、可链接、可追踪的知识，再让 LLM 在这套知识上工作。

参考链接：

Google Gemini Spark 爆料解读：一个 24 小时在线的 Gemini Agent 可能要来了

Sun, 17 May 2026 11:58:08 +0800

Google 还没有正式发布 Gemini Spark。

目前关于它的信息，主要来自 Gemini Web 内部测试界面、社区截图、TestingCatalog 报道，以及 36Kr / 新智元对相关爆料的整理。比较一致的说法是：Gemini Spark BETA 可能是 Google 正在准备的全天候 AI Agent，定位不再只是聊天助手，而是能在后台处理邮件、在线任务和多步骤工作流的“日常 AI 代理”。

所以这篇文章先把边界说清楚：这是爆料解读，不是 Google 官方发布稿。所有功能、命名和上线时间，都要等 Google 正式公告确认。

先说结论

从目前曝光的信息看，Gemini Spark 有三个重点：

它可能是 Gemini 体系里的 24 小时在线 Agent，而不是普通聊天模型。
它会调用更广泛的个人上下文，包括 Google 应用、聊天记录、任务、登录网站和位置信息等。
它的风险和吸引力一样大，因为它可能涉及信息分享、远程浏览器数据、购买动作和第三方服务调用。

如果 Google 真把 Spark 推出来，Gemini 的定位会发生变化：从“回答问题的 AI”变成“替你持续处理事务的 AI”。

Gemini Spark 是什么

TestingCatalog 在 2026 年 5 月 14 日报道，Google 正在 Gemini Web 中测试 Gemini Spark BETA。曝光的欢迎文案把它描述成一个 everyday AI agent，可以 24/7 帮用户处理 inbox、online tasks 和更多多步骤工作。

36Kr / 新智元的文章也提到，Spark 被扒出后，外界看到的是一个“全时 Agent”方向：它可以全天候待命，处理收件箱、执行在线任务，甚至可能涉及购买和信息分享。

这意味着 Spark 不是一个单纯的新模型名。它更像是 Gemini 产品层的一次升级：让 Gemini 从对话窗口里走出来，进入用户的邮件、网页、日程、任务和跨应用工作流。

它可能怎么工作

根据 TestingCatalog 披露的隐藏 onboarding 文案，Gemini Spark 会从多种来源获取上下文，包括：

Connected Apps。
skills。
chats。
tasks。
用户登录过的网站。
Personal intelligence。
location。

这些信息会帮助 Spark 理解用户想完成什么，并在执行任务时调用必要的上下文。文案还提到，为了完成某些动作，Gemini 可能会把必要信息分享给第三方，例如姓名、联系方式、文件、偏好，以及用户可能认为敏感的信息。

如果这些描述最终属实，Spark 的工作方式会更接近“带上下文的代理系统”，而不是一次性问答。它不是只看当前一句 prompt，而是可能综合长期偏好、连接应用、浏览器状态和任务历史。

为什么它重要

Gemini Spark 的关键，不在于多一个聊天入口，而在于 Google 有天然的生态入口。

OpenAI 和 Anthropic 可以做很强的 Agent，但它们很难天然拥有 Gmail、Calendar、Drive、Chrome、Android、Workspace 这条完整链路。Google 如果把 Spark 接进这些产品，用户不需要额外搭建太多工作流，就能让 Agent 进入日常事务。

这会带来三个变化。

第一，Gemini 会从被动问答变成主动执行。用户不再只是问“帮我总结这封邮件”，而是可能让它持续整理 inbox、追踪任务和执行后续动作。

第二，Agent 会更依赖个人上下文。它越懂你的邮件、日程、文件、浏览器状态和偏好，越可能给出有用结果。

第三，权限边界会变得更敏感。能做更多事，也意味着需要更清楚地知道它什么时候能做、能做到哪一步、是否需要确认。

风险点在哪里

TestingCatalog 披露的文案里，有几处很值得关注。

第一，Spark 是 experimental。也就是说，即便它上线，也不应被当成完全成熟、无需监督的系统。

第二，虽然系统设计上会在敏感操作前征求许可，但文案也提示，它可能会在未经询问的情况下分享信息或完成购买。

第三，为了保持会话连续性，Gemini 会保存 remote browser data，比如登录细节和 remote code execution data。用户可以在 Settings 中清除这些数据，也可以关闭 Connected Apps 和 Personal intelligence 相关能力。

这几个点合在一起，说明 Spark 的产品方向很激进：它要做真正能执行任务的 Agent，而不是只生成建议。但越接近真实执行，越需要严格的权限、审计、确认和回滚机制。

和 Remy、AI Ultra 的关系

TestingCatalog 提到，Spark 可能是此前内部代号 Remy 的 agentic Gemini upgrade 的重命名版本，也与面向 Google AI Ultra 订阅用户的 Gemini Agent 方向有关。

如果这个线索成立，Spark 可能不是凭空出现的新项目，而是 Google 把此前较高阶、较封闭的 Agent 能力重新包装，并准备推向更大范围用户。

36Kr / 新智元也把它描述成从 “Remy” 到 “Spark” 的升级：Gemini Agent 不再只是一个功能，而是要走向 24/7 的数字生活管家。

不过这仍然是基于爆料信息的判断。Google 是否会使用 Spark 这个正式名称、是否只面向 AI Ultra、是否推出更轻量订阅层，还要等官方确认。

MCP、skills 和工具生态

同一批社区截图里，还出现了 MCP Tool Testing 这类模型选择器入口。36Kr 文章认为，这可能暗示新 Gemini 会原生支持 MCP 第三方工具接入，Thinking 模式也会重构。

这条线索和 Spark 放在一起看，很有意思。

如果 Spark 只是“会聊天的助手”，skills 和 MCP 的意义有限。但如果 Spark 是一个长期运行的 Agent，它就需要可靠地调用工具、访问网页、执行任务、读写上下文，并把结果交付给用户。

也就是说，Spark 可能不是单点功能，而是 Google Agent 工具生态的一部分：模型负责理解和规划，skills / MCP / connected apps 负责执行和扩展。

对普通用户意味着什么

如果 Gemini Spark 真的发布，普通用户最直接的变化可能是：

邮件不只是被总结，而是可以被分类、跟进和转成任务。
网页任务不只是给建议，而是可能在远程浏览器中持续执行。
日程、位置、偏好和历史对话会变成 Agent 的长期上下文。
购买、预订、表单填写等动作可能进入 AI 执行范围。

这听起来很方便，但用户需要建立新的习惯：不再只看 AI 说了什么，还要看 AI 准备做什么、已经做了什么、能不能撤回、有没有记录。

未来 AI Agent 的体验好不好，可能不只取决于模型聪不聪明，还取决于权限提示是否清楚、任务日志是否可查、错误操作能不能恢复。

对开发者和团队意味着什么

对开发者来说，Spark 的意义在于 Google 可能正在把 Agent 从“演示产品”推向真实工作流平台。

如果 Spark 能稳定连接 Google 应用、第三方工具和浏览器状态，那么开发者会关心：

API 或扩展机制是否开放。
MCP 或 skills 是否可由第三方接入。
企业管理员能否控制权限、数据留存和审计。
Agent 执行失败时是否有可追踪日志。
是否支持沙盒、审批流和敏感操作确认。

对团队来说，Spark 可能会先从 Gmail、Calendar、Docs、Drive、Chrome 这类高频场景切入。它未必一开始就适合完全自动化高风险业务，但很适合作为 inbox triage、会议跟进、资料整理、市场研究和轻量运营任务的助手。

现在应该怎么看

这条消息适合用“高可信方向，低确定细节”来理解。

高可信方向是：Google 确实在推进更主动、更长期运行、更深度接入生态的 Gemini Agent。TestingCatalog 报道的 Gemini Web 测试文案、社区截图和 36Kr 整理的多方爆料，都指向同一个方向。

低确定细节是：正式名称、上线时间、权限规则、订阅层级、可用地区、是否开放 API、是否真的叫 Gemini Spark，都还不能下结论。

所以现在最稳妥的判断是：

不要把 Spark 当成已经发布的正式产品。
可以把它视为 Google 下一阶段 AI Agent 路线的强信号。
真正值得等的是官方如何解释权限、隐私、第三方数据分享和远程浏览器数据保存。

总结

Gemini Spark 如果最终发布，可能会是 Gemini 从聊天助手走向全天候 Agent 的关键一步。它不只是换一个模型，而是把 Gemini 放进 Google 生态的邮件、网页、任务、位置、个人智能和第三方服务里。

它的潜力很大：更主动、更贴近真实工作流，也更容易借助 Google 的生态分发给大量用户。它的风险也同样大：一旦 AI 能分享信息、保存浏览器状态、执行购买和调用第三方服务，权限边界就必须非常清楚。

所以 Gemini Spark 最值得关注的不是“它有多聪明”，而是 Google 准备怎样让一个 24 小时在线的 AI Agent 变得可控、可审计、可信任。

参考链接：

Gemini Intelligence on Android 解读：Google 正在把手机变成主动式 AI 系统

Sun, 17 May 2026 09:13:32 +0800

Google 在 2026 年 5 月 12 日发布了《A smarter, more proactive Android with Gemini Intelligence》，介绍 Gemini Intelligence on Android。它不是一个单独的聊天 App，而是把 Gemini 能力放进 Android 系统、Chrome、Gboard、Autofill、widgets 和多设备体验里，让手机从“等用户点按钮”变成“能主动帮用户完成任务”的智能系统。

简单说，Google 想让 Android 从 operating system 走向 intelligence system。手机不只是打开应用、显示通知、运行设置，而是可以理解屏幕、应用、语音和个人上下文，在用户确认下完成更复杂的操作。

先说结论

Gemini Intelligence on Android 主要包含五个方向：

多步任务自动化：让 Gemini 在应用之间完成订车、购物、找资料等流程。
Chrome 智能浏览：在 Android 上总结网页、比较信息，并处理部分重复性网页任务。
Autofill 升级：结合 Gemini 和个人上下文，帮用户填写更复杂的表单。
Rambler：把自然口语整理成更清晰、更专业的文字消息。
自然语言小组件：用户用一句话描述需求，Android 生成自定义 widgets。

这些功能会从 2026 年夏天开始分批推出，先到部分 Samsung Galaxy 和 Google Pixel 手机，之后扩展到更多 Android 设备，包括手表、汽车、眼镜和笔记本。

多步任务自动化：从建议变成执行

Google 这次最重要的方向，是让 Gemini 帮用户跨应用完成多步任务。

原文举了几个例子：用户可以让 Gemini 订健身单车课程、从 Gmail 里找到课程大纲并把需要的书加入购物车，或者看到一张旅游宣传图后，直接让 Gemini 在 Expedia 上寻找类似行程。

这类能力的关键不只是“理解一句话”，而是要同时理解：

用户当前屏幕或图片里的内容。
用户授权范围内的应用信息。
下一步应该打开哪个应用。
哪些步骤可以自动执行。
哪些步骤必须停下来让用户确认。

Google 特别强调，Gemini 会在用户指令下行动，并在任务完成时停止，最终确认仍由用户控制。这说明它不是完全自动代理，而是带有人类确认环节的移动端 agent。

屏幕和图片上下文变得更重要

这次更新里，一个值得注意的变化是 screen context 和 image context。

以前手机助手更多依赖语音命令和应用内固定接口。Gemini Intelligence 则更强调“看见当前屏幕”。例如用户在备忘录里有一份购物清单，可以长按电源键唤起 Gemini，让它根据清单创建配送购物车。

这意味着 Android AI 不只是聊天机器人，而是在尝试理解用户眼前的操作环境。未来手机 AI 的竞争，可能不只是谁的模型回答更好，还包括：

能不能理解当前屏幕。
能不能跨应用执行。
能不能在后台跟踪任务进度。
能不能在关键节点可靠地让用户确认。

这也是移动端 AI 和网页聊天 AI 的重要区别。

Chrome 智能浏览：从搜索到网页任务代理

Google 表示，从 2026 年 6 月下旬开始，Android 设备会获得更智能的 Gemini in Chrome。

它可以帮助用户研究、总结和比较网页内容，也可以通过 Chrome auto browse 处理一些重复性网页任务，比如预约、预订停车位等。

这说明 Gemini in Chrome 不只是“网页摘要”功能，而是在向浏览器代理发展。浏览器本来就是用户完成网页任务的入口，如果 Gemini 能理解网页、填写信息、比较选项并执行部分步骤，Chrome 就会从浏览工具变成任务执行界面。

不过，这类功能也会面对几个现实问题：

网站结构复杂，自动操作容易失败。
表单、支付、登录和验证码等环节需要谨慎处理。
用户需要知道 Gemini 到底做了什么。
最终提交、付款或预订最好仍保留人工确认。

所以，真正的难点不只是模型能力，而是浏览器自动化、安全边界和用户信任。

Autofill：从自动填密码到自动填复杂表单

Autofill with Google 原本更多是密码、地址、付款信息等基础便利功能。现在 Google 想把它升级成更智能的表单助手。

原文说，借助 Gemini 的 Personal Intelligence，Android 可以用连接应用中的相关信息，自动填写更多复杂表单字段，包括 Chrome 里的表单。

这类能力很实用。移动端填写复杂表单一直很痛苦，屏幕小、字段多、经常需要从邮件、日历、聊天和文档里复制信息。如果 Gemini 能在用户授权下自动整理并填写，会节省很多时间。

但 Google 也强调，连接 Gemini 和 Autofill with Google 是严格 opt-in。也就是说，用户自己选择是否连接，之后也可以在设置里随时开关。

这点很重要，因为 Autofill 涉及个人资料、地址、账号、支付、工作信息和敏感表单。越是有用，越需要明确授权和可控退出。

Rambler：把口语变成可发送文本

Rambler 是这次更新里比较有意思的新功能。

Gboard 已经可以把语音转文字，但人说话时常常会有重复、停顿、语气词和自我修正。Rambler 的目标是把自然说话整理成更清楚、更适合发送的文本。

它适合这些场景：

你想快速口述一段消息，但不想逐字修改。
你说话时夹杂停顿、重复和语气词。
你需要把随口想法整理成更专业的短信、邮件或聊天内容。
你在多语言之间切换，希望系统理解上下文。

Google 还提到，Rambler 会清楚显示用户何时启用了它，音频只用于实时转写，不会被保存。这是对隐私和透明度的回应。

从产品角度看，Rambler 其实是把“语音输入”升级成“语音写作”。它不只是记录你说了什么，而是帮你把口语变成可发送的文字。

自然语言创建小组件

Gemini Intelligence 还会带来 Create My Widget。用户可以直接用自然语言描述想要的小组件，比如“每周推荐三份高蛋白备餐食谱”，系统就生成一个可以放在主屏幕上的自定义 widget。

这代表 Android 在尝试 generative UI：用户不再只从固定模板里选择小组件，而是描述自己想看的信息和展示方式。

如果这个方向成熟，手机主屏可能会变得更个人化。天气、日程、健康、通勤、饮食、学习、工作提醒，都可以变成按用户需求生成的动态模块。

不过，生成式 UI 也需要解决稳定性问题。小组件不是一次性聊天回复，而是长期显示在桌面上，必须可靠、可读、可配置，并且不能乱占屏幕空间。

Material 3 Expressive 与智能 UI

Google 还提到，Gemini Intelligence 会带来基于 Material 3 Expressive 的更新设计语言。

这部分不是单纯美化界面，而是让 UI 动画和交互更有目的感，减少干扰，让用户更专注于任务。换句话说，当 AI 开始主动处理任务时，界面需要清楚表达：

AI 正在做什么。
哪些步骤已经完成。
哪些地方需要用户确认。
用户如何取消或修改。

主动式 AI 如果没有清晰 UI，很容易让用户感到失控。所以设计语言本身也会成为 AI 产品体验的一部分。

可用性和节奏

根据 Google 原文，Gemini Intelligence 功能会从最新 Samsung Galaxy 和 Google Pixel 手机开始，在 2026 年夏天分批推出。之后会扩展到更多 Android 设备，包括手表、汽车、眼镜和笔记本。

这说明它不是一次性全球全量上线，而是分批 rollout。具体可用性可能取决于设备、地区、语言、应用支持和账号设置。

如果你想体验这些功能，最现实的预期是：

先关注 Pixel 和 Samsung 旗舰机。
关注 2026 年夏季后的系统更新。
留意 Gemini、Chrome、Gboard、Autofill 和 Android 设置中的新开关。
不同地区和语言可能不会同时支持所有功能。

这对 Android 意味着什么

Gemini Intelligence on Android 的意义，不是又加了几个 AI 小功能，而是 Android 产品定位的变化。

过去的手机系统主要负责管理应用、通知、权限、文件和硬件。现在 Google 想让系统理解用户意图，并在应用之间完成任务。这个方向如果成功，Android 的竞争点会从“系统功能和生态应用”扩展到“能不能主动帮用户做事”。

这也会让移动端 AI 竞争进入新阶段：

Apple 会强调本地化、隐私和系统整合。
Google 会强调 Gemini、搜索、Chrome、Android 和多设备生态。
第三方 AI App 会更难和系统级入口竞争。
应用开发者需要考虑自己的 App 如何被 AI 代理调用。

未来几年，手机上的 AI 可能不再只是一个聊天入口，而是变成系统级执行层。

总结

Google 这次发布的 Gemini Intelligence on Android，核心不是“手机里多了一个 Gemini 聊天框”，而是把 AI 放进 Android 的操作流程里。多步任务自动化、Chrome 智能浏览、Autofill、Rambler 和自然语言小组件，都是在让手机从被动工具变成主动助手。

它能不能真正改变用户习惯，取决于几个关键因素：自动化是否可靠、隐私开关是否清楚、跨应用操作是否顺畅、用户是否始终保留最终控制权。至少从这次发布看，Google 已经把 Android 的下一阶段定义为主动式 AI 系统，而不只是传统移动操作系统。

参考链接：

Google Blog：A smarter, more proactive Android with Gemini Intelligence

Codex 额度为什么突然重置？Usage Limits 历史与消息来源整理

Sun, 17 May 2026 08:36:15 +0800

Codex 用户偶尔会遇到一种情况：明明还没到自己的常规 reset 时间，usage limits 却突然恢复了。这种“无预兆重置”不是第一次出现，也不一定代表额度规则永久变宽。它可能来自故障补偿、产品活动、增长里程碑，也可能只是某个窗口或部分账号状态被后台重置。

这张截图来自 OpenAI Codex 团队负责人 Tibo Sottiaux（@thsottiaux）在 X 上发布的公告。对额度用户来说，最关键的一句不是模型细节，而是：他表示会在当晚 reset usage limits。截图里的上下文说明，这次重置是一次补偿性操作，而不是普通周期刷新。

先说结论

Codex 额度突然重置，大致可以分成几类：

故障补偿：模型或 Codex 服务异常导致用户浪费额度，官方通过重置弥补。
发布或推广活动：新模型、新客户端、新功能上线时，临时提高或重置额度。
增长里程碑：用户规模达到某个节点后，官方用重置或提额鼓励继续使用。
后台策略调整：部分额度窗口、部分账号状态被重置，但 UI 不一定解释清楚。

普通用户最容易误解的是：看到“重置”就以为所有窗口都恢复了。实际上，Codex 可能同时有短窗口、weekly limit、不同模型和不同套餐限制。一次特殊重置可能只影响其中一部分。

这次截图说明了什么

截图显示，Tibo 在 2026 年 5 月 15 日发布更新，表示团队会继续监控，并在当晚重置 usage limits。它引用了前一条“正在调查部分用户反馈”的消息，因此这次重置更像一次服务波动后的补偿。

对用户来说，可以提炼出三点：

这不是用户自己的常规周期到了，而是官方主动重置。
这次重置有明确事件背景，不是永久提额公告。
“usage limits” 的具体覆盖范围仍要看实际账号显示，截图本身没有解释 5 小时窗口、weekly limit 是否全部包含。

所以，如果你看到额度恢复，正确做法不是马上推断“以后都变宽了”，而是先把它当成一次特殊 reset event。

为什么 Codex 会无预兆重置

Codex 的额度体系不是一个简单的“每天几点刷新”。用户界面通常只显示剩余额度或百分比，但后台可能同时跟踪：

短时间窗口，例如几小时内的使用量。
周额度或更长周期额度。
不同模型的消耗权重。
本地 Codex、Cloud Task、IDE/CLI 等不同入口。
Plus、Pro、Business、Team 等不同套餐。
账号是否满足某次特殊重置的后台条件。

当 OpenAI 做一次特殊重置时，用户未必能看到“这是普通周期恢复，还是特殊补偿”。如果只重置短窗口，用户可能误以为 weekly 也应该恢复；如果 weekly 没变，就会怀疑重置失败。

OpenAI 的 Codex GitHub issue 里也有人专门反馈过这个透明度问题：公开说 reset Codex rate limits，但产品 UI 没有说明到底重置了哪些窗口、是否包含 weekly limit、是否所有付费计划都一致生效。这也是“无预兆重置”让人困惑的核心原因。

历史上的几类重置

1. 2026 年 2 月：发布期与临时加量

Codex 桌面应用和 GPT-5.3-Codex 推广期间，社区用户讨论过 usage limit reset 和临时 2x rate limits。Reddit 上有用户提到 Codex app 刚发布时提供过限时 2x rate limits，并伴随 usage limit reset。

这类重置更像发布期运营动作：让更多用户试用新客户端、新模型或新工作流。

2. 2026 年 3 月：随机重置与异常消耗讨论

3 月前后，社区里多次出现“random usage reset”“weekly limit reset daily”之类帖子。有用户反馈自己的 weekly limit 被提前恢复，也有人认为这和 Codex 新模型、新安全拦截、异常消耗或 bug 修复有关。

这些讨论不等同于官方公告，但它们说明一件事：用户侧已经多次观察到额度并非只按固定周期恢复。某些情况下，后台会因为问题修复或补偿而触发额外 reset。

3. 2026 年 4 月：增长里程碑与付费计划重置

4 月下旬，有公开报道提到 Codex 达到 300 万周活用户后，OpenAI 重置了 rate limits，并计划在后续用户增长里程碑继续给用户更多额度空间。

GitHub issue 中也引用过 Tibo 4 月 28 日的 X 公告：他提到曾为“good week”重置付费计划的 Codex rate limits，让用户可以更多使用 GPT-5.5。不过同一个 issue 也指出，实际产品 UI 没有清楚说明到底哪些额度窗口被重置，weekly limit 是否全部包含。

这说明增长或活动型重置，往往也会带来解释成本：用户听到“all paid plans”，但账号里看到的结果未必完全一致。

4. 2026 年 5 月：故障补偿型重置

这次截图属于更典型的故障补偿型重置。Tibo 明确说团队找到了问题并会在当晚 reset usage limits。OpenAI Status 也记录过 2026 年 5 月 13 日 Codex 相关高错误率和延迟退化事件。

对普通用户而言，这次重点不是某个模型是否变差，而是：当服务端问题让用户额度被异常消耗时，OpenAI 可能会通过特殊重置来补偿。

用户该怎么判断一次重置来自哪里

遇到 Codex 额度突然恢复，可以按这个顺序判断：

先看自己的常规 reset 时间，排除普通周期恢复。
看 OpenAI Status 是否有 Codex、模型错误率、延迟或降级记录。
看 Tibo、OpenAI 官方账号、Codex GitHub issue 是否有说明。
看社区反馈是否集中出现“突然 reset”“额度燃烧异常”“weekly 没恢复”等讨论。
区分短窗口和 weekly limit，不要默认所有窗口都会一起恢复。

如果是官方事故补偿，通常会伴随状态页记录、负责人公告或大量用户集中反馈。如果只是后台部分窗口刷新，可能不会有明确公告。

消息来源怎么分辨可靠性

这类消息最好分层看：

官方状态页：最适合确认是否有服务故障、错误率、延迟、恢复时间。
Tibo / OpenAI 官方账号：适合确认是否有特殊 reset、补偿或活动口径。
OpenAI Codex GitHub issue：适合看用户对 UI、额度窗口、实际行为的反馈。
社区 Reddit / X 讨论：适合观察用户是否普遍遇到类似现象，但不能直接当成官方结论。
第三方新闻或博客：适合补充时间线，但仍要回到官方和原始链接核对。

写文章或做判断时，最好把这些来源分开写。比如“OpenAI Status 记录了服务问题”是官方状态；“Reddit 用户反馈随机重置”是社区观察；“GitHub issue 反映 UI 不透明”是用户提交的问题描述。

总结

Codex 额度突然重置，通常不是一个单纯的“系统送额度”。它可能来自故障补偿、发布期推广、增长活动或后台策略调整。真正容易造成误解的地方在于：Codex 同时存在多个额度窗口，而特殊 reset 不一定覆盖所有窗口，UI 也不一定清楚展示 reset scope。

所以，遇到无预兆重置时，最稳的判断方式是：先看客户端实际额度，再查 OpenAI Status、Tibo 公告、Codex GitHub issue 和社区反馈。不要只凭一次 reset 推断长期额度规则，也不要默认 weekly limit、短窗口和所有套餐都会同步恢复。

参考链接：

ChatGPT File Library 是什么：文件保存、容量限制和隐私边界

Sat, 16 May 2026 17:40:14 +0800

ChatGPT File Library 可以理解成 ChatGPT 里的文件库。

以前你在某个对话里上传文件，更多像是一次性给这轮聊天使用。File Library 出现后，上传到 ChatGPT 或由 ChatGPT 创建的文件会保存到账号里，之后可以在 Library 中重新找到、下载、删除，或者在新对话里再次引用。

这让 ChatGPT 更像一个长期资料工作区，而不只是临时聊天窗口。

它会保存哪些文件

ChatGPT 会自动保存你上传或创建的文件，包括：

文档；
表格；
演示文稿；
PDF；
图片；
ChatGPT 生成的文件。

生成图片仍会继续出现在 Images 标签页。File Library 更像是统一管理上传文件和生成文件的地方。

如果你经常让 ChatGPT 分析 PDF、整理表格、生成文档、处理演示稿，这个功能会减少重复上传。同一份资料不必每次重新找一遍，也方便在不同对话里继续使用。

怎么把文件加入新对话

在支持的客户端里，可以从输入框附近的附件或添加菜单进入文件选择。

常见流程是：

打开 composer 菜单，也就是附件或添加按钮。
选择 Add from library。
选择要引用的文件。

Release Notes 还提到，Library 和 composer 里的 Recent files 支持 Web、iOS 和 Android。也就是说，移动端至少可以从最近文件入口继续使用保存过的文件。

怎么查找和管理

在网页端，可以从左侧边栏进入 Library，集中查看上传和生成的文件。

文件可以按类型和来源筛选。官方帮助页提到的筛选维度包括：

上传文件或生成文件；
图片；
文档；
表格；
演示文稿；
PDF。

Storage 入口可以查看总使用量、剩余容量，以及是否超过限制。Release Notes 还说明，存储管理可从 Settings > Storage 进入，文件也可以直接在 Library 中删除。

各计划容量

OpenAI 在 2026 年 5 月 14 日的 Release Notes 中给出的容量如下：

计划	File Library 容量
Free	500 MB
Go	4 GB
Plus	20 GB
Business	20 GB
Pro	100 GB

这个容量包括上传的文件，也包括 ChatGPT 创建的文件，例如文档、表格、演示文稿和图片。

对普通用户来说，500 MB 足够放一些 PDF、截图和轻量文档，但不适合长期堆大量图片、表格和演示稿。对重度用户来说，20 GB 或 100 GB 会更像真正的资料库。

单文件限制

OpenAI 帮助页列出的文件限制包括：

上传到 GPT 或 ChatGPT 对话的单个文件最大 512 MB；
文本和文档类文件最多 200 万 token；
CSV 或电子表格通常约 50 MB，具体取决于每行大小；
图片单张最大 20 MB。

这些限制和账号总容量是两回事。即使你的账号还有很多剩余空间，单个文件也不能超过对应上限。

删除和下载

文件会保存在账号中，直到你手动删除。

删除方式一般是在 Library 中选中文件，然后点击删除或垃圾桶图标。OpenAI 帮助页说明，删除后文件会立即从账号中移除，并计划在 30 天内从 OpenAI 系统中永久删除，除非已经去标识化并与账号脱离关联，或出于安全、法律义务需要保留更久。

文件也可以从 Library 中下载。对于经常让 ChatGPT 生成文档、表格或演示稿的人，下载和清理会成为日常维护的一部分。

Temporary Chat 不会保存文件

如果你在 Temporary Chat 中上传文件，文件不会保存到账号或 Library。

这一点很重要。File Library 的默认逻辑是方便长期复用，而 Temporary Chat 更适合临时、敏感、不想留下长期上下文的任务。

如果只是让 ChatGPT 临时看一份不想保留的文件，可以优先考虑 Temporary Chat。反过来，如果这份资料后面还会反复用，放进 Library 更省事。

数据和训练设置

OpenAI 帮助页说明，文件和聊天会按照你的设置与数据控制项使用。

如果开启了 Memory，文件和聊天可能会帮助 ChatGPT 在对话之间记住对你有用的信息。对个人服务用户来说，如果开启了 Improve the model for everyone，OpenAI 也可能使用提交到 ChatGPT 的内容，包括上传文件，来改进模型表现。这个设置可以在 Settings > Data Controls 中关闭。

这意味着 File Library 不是一个单纯的本地文件夹。它是云端账号功能，使用前要想清楚哪些资料适合上传，哪些资料不应该交给第三方服务处理。

适合怎么用

File Library 适合这些场景：

长期分析同一组 PDF 或报告；
反复处理课程资料、会议材料、产品文档；
让 ChatGPT 继续修改之前生成的文档或表格；
在多个对话里复用同一份素材；
把 ChatGPT 变成轻量资料整理工作台。

不太适合这些场景：

上传高度敏感的身份证明、合同、病历、财务流水；
把它当成正式云盘备份；
不清理旧文件，长期堆积无用资料；
在不了解数据控制设置时上传公司内部文件。

我的判断

ChatGPT File Library 的价值不只是“多了一个文件列表”。它改变的是 ChatGPT 的使用方式：过去是一轮一轮聊天，现在开始变成带资料沉淀的工作空间。

但这个变化也带来新习惯。用户需要定期清理文件，关注容量，区分普通聊天和 Temporary Chat，也要检查数据控制设置。

如果你经常用 ChatGPT 看文档、改表格、整理资料，File Library 会明显省时间。如果你只是偶尔上传一份敏感文件问几句，反而要更谨慎，别让“方便复用”变成“忘了自己存了什么”。

参考资料

GPT-5.5 Prompt 迁移指南：旧提示词为什么要先删再改

Fri, 15 May 2026 01:17:35 +0800

OpenAI 在 API 文档里更新了 GPT-5.5 prompting guide。这份文档最有价值的地方，不是又给了一套更长的提示词模板，而是提醒开发者：迁移到 GPT-5.5 时，很多旧 prompt 反而应该变短。

官方文档地址：https://developers.openai.com/api/docs/guides/prompt-guidance

如果只看一句话，GPT-5.5 的提示词方向是：少写过程，多写结果；少堆规则，多定义验收；少用“永远必须”，多写清楚什么时候停止、什么时候验证、什么时候补证据。

旧 prompt 为什么需要重写

很多生产系统里的 prompt 是一层层堆出来的。模型不稳定时，加一条规则；工具调用出错时，再加一条禁止；输出啰嗦时，再加一段格式要求。时间久了，系统 prompt 会变成一份厚重的操作手册。

这种写法在旧模型上有时有用，因为模型需要更多步骤约束才能不跑偏。但到了 GPT-5.5，OpenAI 的建议很明确：不要把旧 prompt stack 原样搬过来。

原因很简单。过度指定过程会带来几类副作用：

噪声变多，模型要在大量旧规则里找真正重要的约束。
搜索空间变窄，模型不敢选择更高效的解法。
输出变机械，看起来像在执行脚本，而不是解决问题。
旧规则之间可能互相冲突，导致工具调用和最终回答都变笨。

GPT-5.5 更适合让 prompt 描述目标状态、约束、可用证据和最终输出，而不是把每一步都写死。

outcome-first：先定义什么叫完成

官方文档反复强调一个方向：GPT-5.5 最适合 outcome-first prompt。

也就是说，提示词里应该优先写：

目标结果是什么。
什么条件算成功。
哪些约束不能突破。
当前可用上下文是什么。
最终答案需要包含哪些字段或部分。
证据不足时怎么处理。

不太推荐的写法是：

`1`	`先检查 A，再检查 B，然后比较所有字段，再思考全部异常情况，再决定调用哪个工具，再调用工具，最后解释完整过程。`

更适合 GPT-5.5 的写法是：

解决用户的问题。成功标准：
- 基于可用政策和账户数据完成判断
- 如果允许执行操作，先完成操作再回复
- 最终输出包含 completed_actions、customer_message、blockers
- 如果缺少关键证据，只询问最小必要字段

这不是让 prompt 变得含糊，而是把控制点从“过程顺序”移到“结果和边界”。模型可以自己选择搜索、推理和工具调用路径，但必须对成功标准负责。

少用绝对规则，多写决策规则

旧 prompt 里常见大量 ALWAYS、NEVER、must、only。这些词不是不能用，但应该只留给真正不可违反的约束，比如安全规则、必填字段、禁止执行的动作。

对于“什么时候搜索”“什么时候问用户”“什么时候继续迭代”“什么时候停止”这类判断，GPT-5.5 更适合使用决策规则。

例如，不要只写：

`1`	`永远先搜索三次。`

可以改成：

先做一次覆盖核心问题的检索。如果前几个结果已经能支持关键事实，就停止检索并作答。只有当证据冲突、缺失或不足以支撑结论时，才继续搜索。

这种写法给了模型判断空间，也给了它停止条件。对需要联网、检索、文件搜索或数据库查询的产品来说，这一点很关键，因为每多一轮工具调用都会带来延迟和成本。

给检索设置 retrieval budget

GPT-5.5 prompt 里值得单独加的一类规则是 retrieval budget。

它不是预算金额，而是检索停止规则。它告诉模型：什么时候证据已经足够，什么时候应该继续找，什么时候该承认缺证据。

一个实用写法是：

普通问答先做一次宽检索，关键词要短且有区分度。如果前几个结果已经能支持核心请求，就基于这些结果回答，不再继续搜索。只有当结果冲突、缺失关键事实或不能支持结论时，才追加检索。

这类规则能减少两种常见问题：

搜索不够，答案没有证据。
搜索过头，模型在工具循环里浪费时间。

更重要的是，文档还提醒：没有搜到证据，不应该自动变成事实上的“否”。有时正确行为是说明证据不足，或者换一个更小的问题继续查。

reasoning effort 不要一上来拉高

GPT-5.5 的推理效率更高，所以 OpenAI 建议重新评估 low 和 medium，不要一遇到质量问题就直接把 reasoning effort 往上加。

更稳的顺序是：

先确认 prompt 是否写清楚了目标、输出格式和停止条件。
加上验证循环，比如测试、引用、复核或渲染检查。
为工具调用补上持久性规则和完成标准。
仍然不够时，再提高 reasoning effort。

换句话说，reasoning.effort 更像最后的调参旋钮，不应该替代清晰的 prompt 设计。

如果任务是短分类、字段抽取、支持工单分流、格式转换，可以先从低推理成本开始。如果是长文档综合、多源冲突判断、策略写作、复杂研究，再考虑 medium 或更高。

text.verbosity 控制输出，不等于控制思考

GPT-5.5 对输出格式很可控。官方文档建议使用 text.verbosity 配合 prompt 里的输出要求。

默认 text.verbosity 是 medium。如果产品需要更短、更干净的回复，可以使用 low。但这不意味着所有内容都要变短。

一个典型做法是：

面向用户的状态更新和最终总结保持简短。
代码、配置、结构化结果需要清楚时，仍然要求可读性。
不要为了“简短”牺牲字段完整性、引用和必要 caveat。

这对代码类产品尤其有用。可以让聊天回复短一点，但要求生成的代码保持可读变量名、清楚结构和必要注释。

preamble 和 phase：让长任务更可感知

GPT-5.5 在复杂任务中可能先做推理、计划或准备工具调用，然后才输出可见文字。对流式产品来说，用户会明显感知首 token 等待时间。

官方建议是：对多步骤、工具密集或长时间运行的任务，让模型先发一个短 preamble。它不需要解释完整计划，只要告诉用户“我会先做什么”。

例如：

`1`	`我会先检查相关文件和现有配置，然后再给出修改方案。`

在 Responses API 的长任务或工具密集工作流里，还要注意 assistant item 的 phase。如果应用使用 previous_response_id，API 会自动保留前序 assistant 状态；如果应用手动回放 assistant 输出，就要保留原来的 phase 值。

常见约定是：

phase: "commentary"：中间状态更新。
phase: "final_answer"：最终答案。
不要给 user message 添加 phase。

这部分看起来像底层实现细节，但对有工具调用、状态更新和最终回答的产品很重要。手动回放时弄丢 phase，容易让模型分不清中间进度和最终结论。

提示模型检查自己的工作

GPT-5.5 guide 里还有一条非常实用：在可以验证的任务里，给模型验证工具和验证规则。

对代码 Agent，可以明确要求：

修改后运行相关单元测试。
必要时运行 type check 或 lint。
影响包较大时跑 build。
全量验证太贵时，至少做最小 smoke test。
如果验证无法运行，要解释原因和下一个最好检查方式。

对视觉或页面产物，可以要求先渲染再检查布局、裁切、间距、缺失内容和视觉一致性。

对工程方案，可以要求计划里包含需求对应关系、涉及文件/API/系统、状态流转、验证命令、失败行为、隐私和安全考虑，以及真正影响实现的开放问题。

这类规则比“请认真一点”有效得多。它把“认真”落到了可执行检查上。

一个更适合 GPT-5.5 的 prompt 骨架

OpenAI 文档给出的结构可以简化成这样：

Role:
你是什么角色，要在什么上下文里工作。

# Personality
语气、协作方式、是否需要温度或观点。

# Goal
用户可见的目标结果。

# Success criteria
最终回答前必须满足的条件。

# Constraints
安全、业务、证据、权限、成本和副作用边界。

# Output
输出结构、长度、语气、字段要求。

# Stop rules
什么时候继续、什么时候重试、什么时候降级、什么时候询问、什么时候停止。

这个骨架的重点不是“每个 prompt 都要写这么多标题”。它真正想表达的是：复杂任务的 prompt 应该让模型知道目的地、边界和交付物，而不是把每一步都硬编码进去。

迁移旧 prompt 的实际顺序

如果你现在有一套 GPT-4.1、GPT-4o、GPT-5.2 或 GPT-5.4 的旧 prompt，不建议一次性大改。

更稳的迁移顺序是：

先切模型，固定当前 reasoning effort 和输出参数。
跑已有 eval 或真实样例，找出行为变化。
删除明显过时、重复、互相冲突的过程规则。
把“步骤要求”改成“成功标准”和“停止条件”。
补上检索预算、引用规则和缺证据行为。
为工具任务加验证循环。
最后再调 reasoning.effort 和 text.verbosity。

如果没有 eval，至少准备一组典型任务：简单问答、复杂检索、工具调用、格式化输出、拒答/降级、长任务完成。不要只用一个 demo case 判断 prompt 好坏。

一张旧 prompt 迁移清单

真正迁移旧 prompt 时，可以先按这张清单过一遍。它的目标不是把 prompt 改得更短，而是把无效约束删掉，把关键约束改成更可验证的形式。

检查项	常见问题	建议处理
重复规则	同一件事在不同段落反复出现，甚至措辞不一致	合并成一条清晰规则，只保留最终版本
绝对词	到处都是 `ALWAYS`、`NEVER`、`must`、`only`	只给安全、合规、权限、必填字段保留绝对约束
无停止条件	要求模型持续搜索、持续分析、持续修复，但没写什么时候停	增加 stop rules，例如证据足够、验证通过、达到轮次或成本上限
无验证命令	只写“确保正确”，没有测试、lint、引用或检查方式	改成具体检查：运行测试、类型检查、构建、引用来源或 smoke test
过程太细	把每一步都写死，模型只能照流程走	改成目标、成功标准、边界和输出要求
旧模型补丁	为旧模型弱点写的限制仍然保留	先删除，再用 eval 判断是否真的还需要
工具规则模糊	只写“必要时使用工具”	写清楚何时调用、何时停止、失败时怎么降级
输出格式漂移	有格式要求，但没有字段完整性要求	明确必填字段、可选字段、缺证据时的占位或说明

如果你只能做一件事，优先检查“无停止条件”和“无验证命令”。这两项最容易让 GPT-5.5 在长任务里变成无限工具循环，或者在没有证据时给出看似完整但不可验证的答案。

GPT-5.5 prompt 示例对比

下面这几组不是完整系统 prompt，而是迁移时常见的局部改写方式。

例子 1：检索问答

旧写法：

`1`	`回答前必须搜索至少 3 次。必须阅读所有相关结果。必须给出完整解释。`

新写法：

先做一次覆盖核心问题的检索。若前几个结果已经能支持关键事实，停止检索并回答。若结果冲突或缺少关键事实，再追加检索。最终回答说明依据；证据不足时明确说证据不足。

区别在于，新写法把“搜索次数”改成了“证据是否足够”。它给模型继续查的理由，也给模型停下来的理由。

例子 2：代码修改

旧写法：

`1`	`仔细修改代码。不要破坏现有逻辑。完成后告诉我改了什么。`

新写法：

完成用户要求的最小必要代码修改。成功标准：
- 只修改与任务相关的文件
- 保持现有公开接口兼容，除非用户明确要求变更
- 修改后运行相关单元测试；如果无法运行，说明原因和下一个最好验证方式
- 最终总结改动、验证结果和剩余风险

区别在于，新写法没有泛泛要求“仔细”，而是把谨慎落到文件范围、接口兼容、测试命令和风险说明上。

例子 3：结构化输出

旧写法：

`1`	`请输出 JSON。不要输出多余内容。字段要完整。`

新写法：

输出严格 JSON，不要添加 Markdown。必须包含：
- status: "ok" | "needs_more_info" | "blocked"
- answer: string
- evidence: string[]
- missing_info: string[]
如果证据不足，status 使用 "needs_more_info"，不要编造 evidence。

区别在于，新写法不仅要求 JSON，还定义了缺证据时的合法输出路径。这样模型不用在“必须完整”和“证据不足”之间硬编。

参数怎么配

reasoning.effort 和 text.verbosity 不应该孤立看。前者影响模型投入多少推理，后者影响输出有多详细。一个常见误区是：质量不够就先把 reasoning.effort 拉高，输出太长就把 prompt 写得更凶。更稳的做法是按任务类型配。

场景	reasoning.effort	text.verbosity	说明
字段抽取、分类、短格式转换	`none` 或 `low`	`low`	追求低延迟，重点是输出 schema 清楚
客服分流、简单工具路由	`low`	`low` 或 `medium`	规则明确时不需要高推理，保留必要解释即可
普通问答、轻量检索总结	`low` 或 `medium`	`medium`	需要一点判断，但不必默认高推理
多文档综合、冲突判断	`medium`	`medium`	先保证证据规则和引用，再考虑提高 effort
复杂代码修改、长任务 Agent	`medium` 或 `high`	用户回复 `low`，代码输出要求清晰	聊天更新可以短，代码和 diff 要可读
策略、方案、风险分析	`medium` 或 `high`	`medium` 或 `high`	需要解释取舍、风险和假设

对大多数应用来说，可以先从 low 或 medium 开始。只有当 prompt 已经写清楚成功标准、停止条件和验证规则，模型仍然遗漏关键约束时，再提高 reasoning.effort。

text.verbosity 也不是越低越好。低 verbosity 适合状态更新、客服短答、操作结果摘要；但对于代码、配置、迁移方案、审计说明，过低的输出会让结果难以审查。

哪些规则适合保留

迁移到 GPT-5.5 不是把旧 prompt 全部删掉。下面这些规则通常应该保留，而且要写得更明确。

安全规则：不能执行的动作、不能生成的内容、需要拒绝或降级的场景。
合规规则：行业政策、地区限制、年龄限制、审计要求、审批要求。
隐私规则：个人信息处理、敏感数据脱敏、日志记录限制、数据不得外传。
输出字段：API 响应、JSON schema、表格字段、前端组件需要的固定结构。
业务边界：退款规则、账号权限、服务等级、合同范围、人工客服升级条件。
工具权限边界：哪些工具能调用、哪些工具必须先确认、哪些工具禁止调用。
引用和证据规则：什么时候必须引用来源，证据冲突时怎么处理。

这些规则不是旧包袱，而是产品契约。区别只在于，迁移时要把它们从长篇口号改成可执行约束。

例如：

`1`	`不要泄露用户隐私。`

可以改成：

`1`	`不要在最终回答中输出完整手机号、身份证号、访问 token、API key 或内部用户 ID。需要引用时只显示脱敏版本，例如手机号保留后 4 位。`

哪些内容不要误删

删 prompt 时最危险的不是删掉废话，而是把真正的系统边界一起删掉。下面这些内容即使看起来“很老”，也不应该轻易删除。

隐私与数据处理要求：尤其是日志、导出、跨系统传输、第三方工具调用相关规则。
安全和权限限制：删除数据、转账、发邮件、改权限、执行 shell 命令等高风险动作的确认规则。
引用格式：如果产品依赖 citation、脚注、来源列表或审计链路，不要只因为它占空间就删掉。
工具调用边界：哪些工具只读、哪些工具可写、哪些工具必须用户确认。
失败行为：API 超时、数据缺失、检索失败、权限不足时应该怎么降级。
业务硬规则：价格、退款、封禁、风控、合规审核这类不能由模型自由发挥的规则。

一个简单判断方法是：如果删掉某条规则只会让输出风格变一点，可以考虑删；如果删掉后可能导致越权、泄露、误操作、错误承诺或审计断链，就应该保留，并改写得更精确。

总结

GPT-5.5 prompting guide 的核心不是“写更高级的提示词”，而是把旧 prompt 里过度指定过程的部分删掉。

更适合 GPT-5.5 的提示词应该做到：

目标优先，而不是步骤优先。
成功标准明确，而不是泛泛要求“做好”。
有停止条件，而不是无限搜索或无限工具循环。
有证据预算，而不是查不到就乱答或一直查。
有验证规则，而不是只靠模型自觉。
参数调优靠后，而不是一上来拉高 reasoning effort。

如果你的旧系统 prompt 已经很长，迁移到 GPT-5.5 的第一步可能不是加内容，而是删内容。把真正不可违反的规则留下，把过程细节改成结果、边界和检查项，通常比继续堆提示词更有效。

参考资料

OpenAI Prompt guidance：https://developers.openai.com/api/docs/guides/prompt-guidance
OpenAI Using GPT-5.5：https://developers.openai.com/api/docs/guides/latest-model

Claude 连接 Fusion 360：用 AI 修改 STEP 模型的一个实例

Thu, 14 May 2026 20:58:04 +0800

Claude 连接 Fusion 360 之后，可以不只是“讲思路”，而是直接参与 CAD 模型修改。一个典型场景是：打开已有的 STEP 文件，让 Claude 读取当前模型、分析结构冲突、规划尺寸，再通过 Fusion 插件执行建模修改。

下面用一个行星齿轮分度器的修改过程，整理 Claude + Fusion 360 的基本使用方法。

先启用 Fusion 360 的 API/MCP 服务

在 Fusion 360 里先做一次基础设置：

打开右上角的 Preferences。
进入 General 或“通用”设置。
找到 API 选项。
打开 MCP server。
记下端口号，默认示例是 27182。

然后回到 Claude，进入 Connectors，找到 Fusion 连接器，填入 Fusion 360 的地址和端口。端口一般使用默认的 27182 即可。

连接成功后，Claude 就可以通过 Fusion 插件和当前打开的模型交互。

打开 STEP 文件并明确修改目标

这次要修改的是行星齿轮分度器里的一个齿轮。原始设计里，这个齿轮通过一颗螺丝作为中心轴固定在支架上。

目标是把它改成轴承结构：

中心孔需要适配轴承；
周围螺丝孔不能和扩大的中心孔干涉；
支架上的自攻螺丝孔位也要调整为适合轴承旋转的轴心结构；
最终模型要能导入切片软件并用于 3D 打印。

这里的关键是，不要只告诉 Claude“帮我改一下”。要把用途、装配方式、材料和制造工艺说清楚。

Claude 可以通过截图理解当前模型

之前有人会担心 Fusion 插件只能执行命令，不能让 Claude 看到模型。实际测试里，Claude 可以通过截图方式识别当前模型状态。

在这个案例里，Claude 能看到齿轮结构，并完成几件事：

识别齿轮和中心孔；
测量或估算相关尺寸；
推荐轴承尺寸；
判断哪些结构会影响轴承安装；
发现中心孔扩大后，周围螺丝孔可能发生几何干涉。

这一步很重要。它说明 Claude 不只是按文字指令盲改，而是可以结合当前模型视图做结构判断。

材料和加工方式必须提前说明

如果模型最终用于 3D 打印，必须明确告诉 Claude 材料和工艺。

例如使用 PLA 打印时，轴承孔不能完全按 CNC 金属加工的公差来设计。直径为 6mm 的轴承，如果需要压入配合，可以考虑把孔径设为约 6.1mm。这个尺寸是否合适，还要结合打印机精度、材料收缩、切片参数和实际测试调整。

如果不说明材料，Claude 可能默认按 CNC 加工思路给尺寸。这样得到的孔径对 3D 打印来说可能偏小，后续装配会很难。

建议在提示里写清楚：

1
2
3

这个模型用于 FDM 3D 打印，材料是 PLA。
目标是安装直径 6mm 的轴承，需要考虑打印公差和压入配合。
请不要按 CNC 金属加工公差处理。

让 Claude 修改齿轮结构

明确目标后，可以让 Claude 执行具体修改：

扩大中心孔；
调整周围干涉的螺丝孔；
增加轴承安装座；
对边缘加倒角；
保持齿轮主体和关键啮合结构不变。

在这个案例里，Claude 会先给出规划，再调用 Fusion 360 完成建模操作。比如它发现原有螺丝孔和中心孔冲突后，会把孔位向外移动一点，避免轴承安装空间被破坏。

修改完成后，可以检查模型：

中心轴承座是否成型；
周围孔位是否还保留功能；
齿轮结构是否被误伤；
倒角是否影响装配；
是否存在悬空、薄壁或切片风险。

支架也要一起修改

只改齿轮还不够。原支架上原本是自攻螺丝安装孔，如果齿轮中心改为轴承，支架也要配合改成轴承轴心结构。

可以让 Claude 对支架执行类似修改：

保留整体安装位置；
把原来的自攻螺丝孔改为柱状轴心；
控制轴心直径和高度；
给轴承旋转预留空间；
避免和支架其他结构干涉。

这样打印出来后，齿轮可以顺利压入轴承，支架也能提供新的旋转中心。最终效果是原本靠螺丝固定的结构，变成更顺滑的轴承旋转结构。

导出、切片和打印验证

CAD 修改完成后，还需要进入实际制造流程：

从 Fusion 360 导出修改后的模型。
导入切片软件。
检查孔洞、薄壁、悬垂和支撑。
打印齿轮和支架。
实际压入轴承。
检查旋转是否顺滑。

AI 修改 CAD 的结果不能只看屏幕上的模型是否漂亮，必须打印验证。尤其是轴承、孔位、卡扣、齿轮这类机械结构，0.1mm 级别的误差就可能决定能不能装上、转得顺不顺。

使用建议

Claude + Fusion 360 适合做这类任务：

在已有 STEP 模型上做局部改造；
调整孔位、倒角、支架、安装座；
把螺丝固定改成轴承、卡扣或插销结构；
给 3D 打印模型做公差修正；
快速生成多个改版方案。

但它不适合完全不检查地直接出最终件。更稳妥的流程是：

人先定义装配目标和材料工艺。
Claude 负责分析结构并提出修改方案。
Claude 调用 Fusion 执行建模。
人检查关键尺寸和干涉。
打印小样验证。
根据实物结果再迭代。

小结

Claude 连接 Fusion 360 的价值，不在于替代 CAD 基础知识，而在于把“已有模型的局部修改”变得更快。

只要把目标、材料、尺寸、公差和装配方式说清楚，它可以帮你读模型、找干涉、改结构、加倒角，再把模型推进到可打印状态。对于 3D 打印、开源机械件改造和个人工作室的小批量迭代来说，这类 AI CAD 工作流已经很实用。

Codex 怎么接入国产大模型？用 CCX 统一管理 OpenAI 兼容 API

Wed, 13 May 2026 23:20:40 +0800

CCX 是一个 AI API 代理与协议转换网关。它把 Claude Messages、OpenAI Chat Completions、OpenAI Images、Codex Responses 和 Gemini API 放到同一个服务入口下，同时提供 Web 管理界面，用来配置渠道、密钥、模型映射、优先级、故障转移和流量监控。

如果你平时同时使用 Claude、OpenAI、Gemini、Codex，或者维护多个兼容 OpenAI API 的上游服务，CCX 的价值就在于统一入口和统一管理。客户端只需要连接一个服务地址，后面的上游渠道由 CCX 负责调度。

项目地址：https://github.com/BenedictKing/ccx

CCX 解决什么问题

多个 AI API 混用时，最容易遇到几个问题：

每个供应商的接口路径、鉴权方式、请求格式都不一样。
同一类模型可能有多个上游，需要手动切换 base URL 和 API key。
某个 key 或渠道失败后，客户端通常不会自动换备用渠道。
团队使用时，很难集中管理模型白名单、代理、自定义请求头和调用日志。
想同时接 Claude、Gemini、OpenAI Chat、图像接口和 Codex Responses 时，配置会越来越散。

CCX 的思路是把这些差异收敛到一个代理层。前端工具、脚本或业务服务只访问 CCX；CCX 再根据接口类型、模型、渠道状态、优先级和健康情况，把请求转发到合适的上游。

支持哪些接口

CCX 对外提供一个统一后端入口，默认端口是 3000。主要路径包括：

GET  /                         -> Web 管理界面
GET  /health                   -> 健康检查
/api/*                         -> 管理 API
POST /v1/messages              -> Claude Messages 代理
POST /v1/chat/completions      -> OpenAI Chat 代理
POST /v1/responses             -> Codex Responses 代理
POST /v1/images/generations    -> OpenAI Images 生成
POST /v1/images/edits          -> OpenAI Images 编辑
POST /v1/images/variations     -> OpenAI Images 变体
GET  /v1/models                -> 模型列表
POST /v1beta/models/*          -> Gemini 代理

也就是说，它不是只代理一种协议，而是把常见 AI API 分成 Messages、Chat、Responses、Gemini、Images 几类渠道分别管理。不同协议之间不会共用同一套健康状态和日志空间，这对排查问题很重要。

架构思路

CCX 使用 Go 后端加 Vue 3 前端。前端构建产物会嵌入后端二进制，因此可以做单端口部署：同一个服务既提供 Web UI，也提供管理 API 和代理 API。

一次请求大致会经过这样的链路：

`1`	`Client -> Auth Middleware -> Route Handler -> Channel Scheduler -> Provider / Converter -> Upstream API -> Metrics / Channel Logs -> Client Response`

几个核心模块的分工可以这样理解：

handlers：接收不同协议的请求和管理操作。
providers：封装上游 API 的请求和响应处理。
converters：处理 Responses 等场景下的协议转换。
scheduler：根据优先级、促销期、健康状态、熔断状态和会话亲和性选择渠道。
metrics：记录请求量、成功率、延迟、日志和熔断状态。
config：维护运行时配置，支持热重载和备份。

这个设计的重点不是“把所有接口强行变成一种格式”，而是按协议类型分别代理，再在管理、调度、日志和认证层做统一。

CCX 和 CodexBridge 有什么区别

CCX 和 CodexBridge 都和 Codex、OpenAI 兼容接口有关，但它们解决的问题不一样。

CodexBridge 更像一个专门的 Codex 桥接器。它的核心目标是把 Codex CLI/SDK 封装成 OpenAI 兼容的 /v1/chat/completions 服务，让 OpenWebUI、Cherry Studio、脚本或其他 OpenAI 兼容客户端可以调用本地 Codex。也就是说，CodexBridge 的重点是“把 Codex 接出来”。

CCX 更像一个统一 AI API 网关。它不只处理 Codex Responses，还同时支持 Claude Messages、OpenAI Chat、OpenAI Images 和 Gemini API，并提供 Web 管理界面、渠道优先级、故障转移、日志监控和多 key 管理。也就是说，CCX 的重点是“把多个模型和多个供应商统一管起来”。

简单对比：

对比项	CodexBridge	CCX
核心定位	Codex 本地桥接器	多协议 AI API 网关
主要目标	让 Codex 变成 OpenAI 兼容接口	统一管理 Claude、OpenAI、Gemini、Codex 等渠道
管理界面	侧重 API 服务本身	提供 Web 管理界面
多渠道调度	不是重点	支持渠道优先级、故障转移和日志监控
适合场景	本机或单服务调用 Codex	团队、多 key、多供应商、多协议统一入口

如果只是想把 Codex 接进 OpenWebUI 或 Cherry Studio，CodexBridge 更直接；如果想同时管理 Codex、Claude、Gemini、DeepSeek、Qwen、Kimi 等多个上游，CCX 更合适。

快速部署

最简单的方式是下载二进制文件。下载后，在同目录创建 .env：

PROXY_ACCESS_KEY=your-proxy-access-key
PORT=3000
ENABLE_WEB_UI=true
APP_UI_LANGUAGE=zh-CN

启动后访问：

`1`	`http://localhost:3000`

如果在 Windows 下从 WSL、Docker、PowerShell 或其他环境访问 localhost 不通，可以改用 Windows 主机的局域网 IPv4 地址，例如：

`1`	`http://192.168.1.23:3000`

CCX 默认通过 :PORT 监听所有网卡地址，所以暴露到局域网时要注意访问控制。

Docker 部署

Docker 方式适合长期运行：

docker run -d \
  --name ccx \
  -p 3000:3000 \
  -e PROXY_ACCESS_KEY=your-proxy-access-key \
  -e APP_UI_LANGUAGE=zh-CN \
  -v $(pwd)/.config:/app/.config \
  crpi-i19l8zl0ugidq97v.cn-hangzhou.personal.cr.aliyuncs.com/bene/ccx:latest

如果仓库里已经有 docker-compose.yml，也可以直接：

`1`	`docker compose up -d`

需要自动更新时，可以叠加 Watchtower 配置：

`1`	`docker compose -f docker-compose.yml -f docker-compose.watchtower.yml up -d`

部署完成后，.config 目录会保存运行时配置和持久化数据，建议挂载到宿主机，避免容器重建后配置丢失。

源码运行

开发或自定义构建可以走源码方式：

git clone https://github.com/BenedictKing/ccx
cd ccx
cp backend-go/.env.example backend-go/.env
make run

常用命令：

make dev
make run
make build
make frontend-dev

前端单独开发：

1
2
3

cd frontend
bun install
bun run dev

后端单独开发：

1
2

cd backend-go
make dev

关键环境变量

最小可用配置通常包括：

PORT=3000
ENV=production
ENABLE_WEB_UI=true
PROXY_ACCESS_KEY=your-proxy-access-key
ADMIN_ACCESS_KEY=your-admin-secret-key
APP_UI_LANGUAGE=zh-CN
LOG_LEVEL=info
REQUEST_TIMEOUT=300000

其中：

PROXY_ACCESS_KEY 用于代理 API，是必须修改的密钥。
ADMIN_ACCESS_KEY 用于 Web 管理界面和 /api/*，建议和代理密钥分开。
ENABLE_WEB_UI 控制是否启用管理界面。
REQUEST_TIMEOUT 控制请求超时时间，长上下文或图像任务可以适当调大。
LOG_LEVEL 控制日志级别，生产环境一般用 info 或 warn。

如果需要限制请求体大小，可以关注：

`1`	`MAX_REQUEST_BODY_SIZE_MB=50`

图像编辑、base64 图片、多模态请求都可能让请求体变大。

渠道编排和故障转移

CCX 的管理界面可以配置多个渠道，并为每个渠道设置：

上游服务类型。
API key 或多 key 轮换。
代理地址。
自定义请求头。
模型白名单。
路由前缀。
优先级。
健康检查与熔断恢复。

调度时会综合考虑渠道状态、优先级、促销期、Trace 亲和性、熔断状态和可用 key。简单理解：

正常情况下，优先级高的渠道先被使用。
某个渠道失败后，可以故障转移到备用渠道。
熔断机制会避免持续打到明显不可用的上游。
Trace 亲和性会尽量让同一类会话保持在合适的渠道上。

这类能力适合有多个 key、多个供应商或多个地区上游的场景。个人轻量使用时，也可以只配置一个渠道，把 CCX 当成带 Web UI 的代理层。

日志和监控

CCX 提供渠道指标和请求日志，可以看到：

请求量。
成功率。
失败率。
平均延迟。
按模型统计的历史数据。
渠道状态和熔断情况。

生产环境建议使用相对克制的日志配置：

ENV=production
LOG_LEVEL=info
ENABLE_REQUEST_LOGS=true
ENABLE_RESPONSE_LOGS=false

这样可以保留基本请求信息，又避免把完整响应内容写入日志。排查问题时可以临时打开更详细的日志，但完成后应恢复，尤其不要在生产环境长期输出请求体和响应体。

安全建议

CCX 是代理网关，里面会保存上游 API key，所以部署时不要只追求“能跑起来”。至少要注意这些点：

不要使用默认或过短的 PROXY_ACCESS_KEY。
建议单独设置 ADMIN_ACCESS_KEY。
不要把 Web 管理界面直接暴露到公网。
如果必须公网访问，建议放在反向代理、VPN、访问控制或单点登录之后。
.env、.config、日志文件都不要提交到 Git 仓库。
生产环境不要长期启用完整请求体和响应体日志。

可以用下面的方式生成随机密钥：

1
2

PROXY_ACCESS_KEY=$(openssl rand -base64 32)
ADMIN_ACCESS_KEY=$(openssl rand -base64 32)

适合谁使用

CCX 更适合这些场景：

同时维护 Claude、OpenAI、Gemini、Codex 或图像接口。
有多个 API key，需要轮换、分流和故障转移。
想用 Web UI 管理上游渠道，而不是手动改配置文件。
想观察每个渠道的成功率、延迟和请求日志。
想给团队提供一个统一 AI API 入口。

如果你只是本机偶尔调用一个模型，直接用官方 SDK 或单一 OpenAI 兼容代理会更简单。CCX 的优势主要在多渠道、多协议和统一运维。

小结

CCX 的定位是 AI API 网关，而不是某个模型的客户端。它把 Claude Messages、OpenAI Chat、OpenAI Images、Codex Responses 和 Gemini 放到一个代理层里，并提供渠道编排、故障转移、日志监控和 Web 管理界面。

对个人用户来说，它可以减少切换 API 地址和密钥的麻烦；对团队或长期运行的服务来说，它更像一个轻量级 AI 网关。真正上线前，重点不只是配置模型，还要配置好密钥、管理入口、日志级别、渠道优先级和故障转移策略。

参考

GitHub 项目：https://github.com/BenedictKing/ccx
架构说明：https://github.com/BenedictKing/ccx/blob/main/ARCHITECTURE.md
环境变量说明：https://github.com/BenedictKing/ccx/blob/main/ENVIRONMENT.md

Codex 怎么接入国产大模型？OpenAI 兼容接口与 CodexBridge 使用思路

Wed, 13 May 2026 23:08:28 +0800

CodexBridge 是一个本地桥接工具，目标很直接：把 Codex CLI/SDK 封装成 OpenAI 兼容的 HTTP 服务。这样一来，原本只能在终端里使用的 Codex，可以被 OpenWebUI、Cherry Studio、脚本、自动化系统或任何兼容 OpenAI Chat Completions 的客户端调用。

它提供的核心接口是 /v1/chat/completions 和 /v1/models。前者负责对话，支持普通同步返回和 SSE 流式输出；后者让客户端能像读取模型列表一样发现可用模型。对已经接过 OpenAI API 的工具来说，这种设计的好处是改动小，通常只需要改 base URL、API key 和模型名。

项目地址：https://github.com/begonia599/CodexBridge

适合什么场景

CodexBridge 适合想把 Codex 接入现有 AI 客户端或工作流的人。例如：

想在 OpenWebUI、Cherry Studio 里直接选择 Codex 模型。
想用 curl、Python、Node.js 等脚本调用本机 Codex。
想让同一个前端同时接 OpenAI、Ollama、其他兼容接口和 Codex。
想保留 Codex 的本地线程、沙箱、工作目录和审批能力。
想给内部工具提供一个统一的 /v1/chat/completions 入口。

它不是一个新的大模型，也不是替代 Codex CLI 的完整前端。更准确地说，它是一个适配层：上游仍然是 Codex，本地桥接器负责把 OpenAI 风格的请求转换成 Codex 能理解的会话输入。

基本环境

运行前需要准备：

Node.js 18 或更高版本。
已安装并登录的 Codex CLI。
npm，或者按自己的习惯换成 pnpm / yarn。

源码部署的基本步骤如下：

git clone https://github.com/begonia599/CodexBridge
cd codexbridge
npm install
cp .env.example .env
cp .env .env.local

然后编辑 .env 或 .env.local，设置 API key、默认模型、工作目录、沙箱模式、联网权限等配置。

启动 HTTP 服务：

`1`	`npm run codex:server`

默认端口是 8080，可以通过 PORT 修改。服务启动后，可以访问：

1
2
3

GET /health
POST /v1/chat/completions
GET /v1/models

CLI 对话模式

除了 HTTP 服务，CodexBridge 也保留了一个轻量 CLI：

`1`	`npm run codex:chat`

CLI 里可以直接输入自然语言与 Codex 对话。常用命令有两个：

/reset：创建新的 Codex 线程。
/exit：退出 CLI。

当前线程 ID 会保存在 .codex_thread.json。下次启动 CLI 时，如果这个文件还在，就能继续之前的对话。

HTTP 调用示例

最基础的请求可以这样写：

curl http://localhost:8080/v1/chat/completions \
  -H "content-type: application/json" \
  -H "authorization: Bearer 123321" \
  -d '{"model":"gpt-5-codex:medium","session_id":"demo","messages":[{"role":"user","content":"ls"}]}'

这里有几个点需要注意：

authorization 里的 token 要和 CODEX_BRIDGE_API_KEY 一致。
model 可以带推理等级，例如 gpt-5-codex:medium 或 gpt-5-codex:high。
session_id 用来绑定会话，方便复用同一个 Codex 线程。

如果需要流式输出，加上 stream: true：

curl -N http://localhost:8080/v1/chat/completions \
  -H "content-type: application/json" \
  -H "authorization: Bearer 123321" \
  -d '{"model":"gpt-5-codex:high","session_id":"stream","stream":true,"messages":[{"role":"user","content":"一步步介绍如何创建 Node.js 项目"}]}'

对支持 OpenAI 流式响应的客户端来说，这种返回方式更接近正常聊天体验。

会话持久化怎么做

CodexBridge 的一个重点是会话映射。请求里可以通过这些字段传入会话 ID：

session_id
conversation_id
thread_id
user

也可以从请求头传：

x-session-id
session-id
x-conversation-id
x-thread-id
x-user-id

生产环境建议开启：

`1`	`CODEX_REQUIRE_SESSION_ID=true`

这样所有请求都必须带会话 ID，避免不同用户或不同聊天窗口混到同一个临时上下文里。会话映射保存在 .codex_threads.json，删除这个文件可以重置桥接层的映射关系；Codex 自身线程仍然保存在 ~/.codex/sessions。

如果 CODEX_REQUIRE_SESSION_ID=false 且请求没有提供会话 ID，桥接器会把当前 messages 展开成一次性输入发给 Codex。这种方式适合临时调用，但不适合长期对话。

多模态输入

CodexBridge 支持 OpenAI 风格的内容块，并会把图片转换成 Codex 可用的 local_image 输入。

远程图片可以写成：

{
  "type": "image_url",
  "image_url": {
    "url": "https://example.com/demo.png"
  }
}

本地图片可以写成：

{
  "type": "local_image",
  "path": "./images/demo.png"
}

远程资源会先下载到临时目录，回合结束后清理。实际使用时要注意请求体大小，尤其是把图片转成 base64 发送时，可能需要增大 CODEX_JSON_LIMIT。

结构化输出

如果客户端支持 response_format，可以让 CodexBridge 映射到 Codex 的 outputSchema。这适合让 Codex 返回固定 JSON 结构，例如检查结果、摘要、分类结果或自动化任务报告。

最小思路是：

{
  "model": "gpt-5-codex",
  "session_id": "lint",
  "response_format": {
    "type": "json_schema",
    "json_schema": {
      "name": "lint_report",
      "schema": {
        "type": "object",
        "properties": {
          "summary": { "type": "string" },
          "status": {
            "type": "string",
            "enum": ["ok", "action_required"]
          }
        },
        "required": ["summary", "status"],
        "additionalProperties": false
      }
    }
  },
  "messages": [
    {
      "role": "user",
      "content": "检查 src/ 的 lint 问题，并以 JSON 返回结果"
    }
  ]
}

需要注意，type: "json_schema" 必须提供 schema，否则服务会直接返回 400。

关键环境变量

常用配置可以分成几类。

服务与鉴权：

1
2
3

PORT=8080
CODEX_BRIDGE_API_KEY=123321
CODEX_JSON_LIMIT=10mb

默认模型：

1
2

CODEX_MODEL=gpt-5-codex
CODEX_REASONING=medium

Codex 运行环境：

CODEX_WORKDIR=
CODEX_SANDBOX_MODE=read-only
CODEX_APPROVAL_POLICY=never
CODEX_SKIP_GIT_CHECK=true

联网能力：

1
2

CODEX_NETWORK_ACCESS=false
CODEX_WEB_SEARCH=false

如果只是给前端聊天用，默认关闭联网更稳。只有明确需要让 Codex 执行 curl、git clone 或使用 Web 搜索时，再单独打开对应开关。

Docker 和一键脚本

项目也提供 Docker 方式，适合想把服务常驻起来的场景：

1
2

docker compose up -d
docker compose logs -f codexbridge

也可以用项目提供的 Linux 安装脚本：

`1`	`curl -fsSL https://raw.githubusercontent.com/begonia599/CodexBridge/master/scripts/install.sh \| bash`

脚本会安装依赖、克隆或更新仓库、复制 .env.example，并通过 Docker Compose 启动服务。它需要 sudo 权限，适合在干净服务器上快速部署。已经有复杂 Node.js、Docker 或 Codex 环境的机器，建议先读脚本内容再执行。

常见问题

请求返回 413

通常是请求体太大，常见于 base64 图片。可以增大：

`1`	`CODEX_JSON_LIMIT=20mb`

提示 API key 无效

检查请求头是否带了：

`1`	`Authorization: Bearer <你的 CODEX_BRIDGE_API_KEY>`

或者使用 x-api-key。

Codex 报 Git 仓库限制

如果运行目录不是可信仓库，可能会触发 Codex 的检查。只在确认安全的环境中使用：

`1`	`CODEX_SKIP_GIT_CHECK=true`

想清空会话

桥接层会话映射在 .codex_threads.json，Codex 自身线程在 ~/.codex/sessions。停掉服务后删除对应文件或目录即可重置。

使用建议

本地试用时，可以先用默认 API key 和 read-only 沙箱跑通流程。确认 OpenWebUI、Cherry Studio 或脚本能正常调用后，再逐步调整 CODEX_WORKDIR、CODEX_SANDBOX_MODE、CODEX_NETWORK_ACCESS 和 CODEX_APPROVAL_POLICY。

如果要给多人使用，建议至少做三件事：

强制要求 session_id。
修改默认 API key。
明确限制工作目录和沙箱权限。

CodexBridge 的价值不在于功能复杂，而在于把 Codex 放进了现有 OpenAI 兼容生态里。只要客户端能改 base URL，它就有机会把 Codex 当成一个普通聊天模型来接入，同时保留本地线程、沙箱和工具调用这些 Codex 自身的能力。

Sulphur 2 能在 8G 显存上跑吗？LTX 2.3 视频模型本地部署记录

Tue, 12 May 2026 22:12:45 +0800

SulphurAI 在 Hugging Face 上发布了 Sulphur-2-base。从模型卡信息看，Sulphur 2 是一个基于 LTX 2.3 的视频生成模型，定位是 uncensored video generation model，原生支持文生视频、图生视频，也兼容 LTX 2.3 的其他格式。

模型地址：https://huggingface.co/SulphurAI/Sulphur-2-base

Sulphur 2 是什么

Sulphur 2 的重点不是做通用聊天，而是围绕视频生成工作流提供模型权重和相关工具。模型卡里给出的核心信息可以概括为几点：

基于 LTX 2.3。
支持 text-to-video 和 image-to-video。
提供用于提示词优化的 prompt enhancer。
Hugging Face 页面提供 Diffusers、llama.cpp、Ollama、LM Studio、Jan 等入口。
页面显示模型文件包含 GGUF 相关内容，方便部分本地工具加载。

也就是说，它更像是一个面向视频生成玩家和工作流作者的模型发布，而不是普通用户开箱即用的网页产品。

Sulphur 2 和 LTX 2.3 的关系

理解 Sulphur 2，最好先把它放回 LTX 2.3 的生态里看。

LTX 2.3 是底层视频生成模型路线，决定了它支持哪些输入形式、模型组件和工作流结构。Sulphur 2 则是在这个基础上发布的一个变体，重点是把文生视频、图生视频和相关工作流整合到一起。

所以 Sulphur 2 不是一个完全独立的新工具，也不是一个普通聊天模型。它更像是 LTX 2.3 生态里的一个模型包：你仍然需要选择合适的前端、节点、权重版本和参数，才能真正跑出视频。

这也解释了为什么它的使用门槛比网页生成工具高。网页工具把模型、参数、显存调度和失败重试都藏在后端；本地部署则需要自己处理这些细节。

为什么值得关注

LTX 系列本身就以高效视频生成受到关注，Sulphur 2 选择基于 LTX 2.3，意味着它天然更适合接入已有的 LTX 工作流。对 ComfyUI、Diffusers 或本地推理工具用户来说，这类模型的价值主要在于可控性和可改造性。

另一个看点是 prompt enhancer。视频生成对提示词非常敏感，同样的主体、镜头、动作、风格和质量描述，写法不同会明显影响结果。Sulphur 2 把提示词增强器一起放进生态里，说明作者希望用户不只是下载权重，还能更稳定地把普通描述扩展成适合模型理解的提示词。

模型卡里的使用建议

官方模型卡建议入门时下载 dev 版本，例如 fp8mixed 或 bf16，并搭配提供的 distill lora。需要注意的是，模型卡也提醒：如果使用 LoRA，就不要同时再加载完整模型的重复部分，避免工作流里同时叠加两套相同能力。

prompt enhancer 的使用方式更偏本地工具路线。模型卡提到，可以在 LM Studio 的模型目录里创建 Sulphur/promptenhancer 这样的目录结构，把 gguf 文件和 mmproj 文件放进去，然后加载提示词增强器。它不需要 system prompt，直接发送想增强的文本，也可以附带图像。

本地运行入口

Hugging Face 页面给出了一些常见工具入口。比如使用 llama.cpp 时，可以通过模型仓库启动本地服务：

`1`	`llama-server -hf SulphurAI/Sulphur-2-base:BF16`

也可以直接在终端运行：

`1`	`llama-cli -hf SulphurAI/Sulphur-2-base:BF16`

使用 Ollama 的入口则是：

`1`	`ollama run hf.co/SulphurAI/Sulphur-2-base:BF16`

这些命令更像是 Hugging Face 自动生成的本地加载入口，实际能否顺利运行，还要看本机显存、模型文件版本、量化格式和对应工具的兼容性。视频生成模型通常比纯文本模型更吃资源，第一次尝试时建议先按模型卡推荐的版本和工作流走，不要一上来混用多个来源的权重。

推荐测试环境：ComfyUI / Diffusers / GGUF 怎么选

如果你只是想最快看到结果，优先看社区是否已经整理好 ComfyUI 工作流。ComfyUI 的好处是可视化强，模型、LoRA、采样器、分辨率、帧数和后处理节点都能摆在同一张图里，适合调试视频生成。

如果你更熟悉 Python，或者想把 Sulphur 2 接到自己的脚本里，Diffusers 会更适合。它的优点是可复现、可自动化，适合批量测试参数，也方便记录不同设置下的显存占用和生成耗时。

GGUF、llama.cpp、Ollama、LM Studio 这些入口更适合 prompt enhancer 或文本侧组件。不要看到 GGUF 就默认它能完整承担视频生成流程。视频模型通常还涉及视觉模型、VAE、采样流程和帧生成组件，GGUF 更多是本地加载和轻量化生态的一部分。

简单说：

新手先找 ComfyUI 工作流。
脚本用户用 Diffusers 做复现和批量测试。
prompt enhancer 或文本增强器再看 GGUF / LM Studio / Ollama。
不确定时，优先按模型卡推荐的 dev 版本和 LoRA 搭配走。

8G 显存能不能跑？要看版本和工作流

8G 显存能不能跑 Sulphur 2，不能只看模型名字，要看具体版本、量化方式、分辨率、帧数、批量大小和工作流。

一般来说，视频生成比图片生成更吃显存，因为它不只是生成一张图，而是要处理多帧、时间一致性和视频相关的中间状态。即使模型本身有较轻的版本，工作流里叠加 LoRA、较高分辨率、较长帧数或额外后处理节点，也可能让 8G 显存很快爆掉。

如果只有 8G 显存，可以从这些方向降低压力：

优先尝试 fp8mixed、量化版本或社区整理的低显存工作流。
降低分辨率，先用小尺寸确认流程能跑通。
减少帧数，不要一开始就生成长视频。
batch size 设为 1。
暂时关闭不必要的增强节点和后处理节点。
使用 CPU offload、低显存模式或框架提供的显存优化选项。

所以“8G 显存也能跑”更准确的说法是：在低显存版本、较低分辨率、较短帧数和精简工作流下，有机会跑通；但不适合直接期待高分辨率、长视频和复杂工作流。

prompt enhancer 怎么用

Sulphur 2 的模型卡特别提到 prompt enhancer。它的作用不是生成视频，而是把普通提示词改写成更适合模型理解的提示词。

视频提示词通常要同时描述主体、动作、镜头、场景、光线、风格和质量。如果只写一句很短的描述，模型可能抓不到重点。prompt enhancer 可以把简短描述扩展成更完整的提示词，让后续视频生成更稳定。

模型卡给出的思路是，在 LM Studio 的模型目录里创建 Sulphur/promptenhancer 目录，把对应的 gguf 和 mmproj 文件放进去，然后加载这个增强器。使用时不需要 system prompt，直接发送想增强的文本，也可以附带图像。

可以把它理解成一个提示词预处理工具：

`1`	`普通描述 -> prompt enhancer -> 更完整的视频生成提示词 -> Sulphur 2 工作流`

如果你只是测试模型能不能跑，prompt enhancer 不是第一优先级。先把主工作流跑通，再用它改善提示词，会更容易定位问题。

本地部署常见失败原因

Sulphur 2 这类模型本地部署失败，通常不是一个原因造成的。比较常见的坑有这些：

模型版本和工作流不匹配，比如工作流要求 dev 版本，但实际下载了其他权重。
LoRA 和完整模型重复加载，导致效果异常或显存占用过高。
显存不足，尤其是在高分辨率、长帧数、复杂节点下更明显。
工具版本太旧，ComfyUI 节点、Diffusers、Transformers 或 Accelerate 版本不兼容。
缺少 VAE、文本编码器、mmproj、prompt enhancer 等配套文件。
文件路径或目录结构不符合工具要求。
只复制 Hugging Face 页面上的命令，没有确认它对应的是视频生成主流程还是文本侧组件。

排查时建议按顺序来：先确认模型文件完整，再确认工作流要求的版本，然后降低分辨率和帧数，最后再逐步加 LoRA、prompt enhancer 和后处理节点。一次只改一个变量，最容易定位问题。

适合谁尝试

Sulphur 2 比较适合这几类用户：

已经在玩 LTX、ComfyUI、Diffusers 或本地视频生成工作流。
想尝试文生视频、图生视频，并能接受手动配置模型文件。
需要 uncensored 视频生成模型，且理解这类模型的使用边界。
想研究 prompt enhancer 如何改善视频提示词。
有足够显存或愿意尝试量化版本、本地推理工具。

如果只是想快速生成短视频，在线产品仍然更省心。Sulphur 2 更适合愿意折腾模型、节点、LoRA、提示词和本地环境的人。

使用时的注意点

第一，模型卡信息还在更新中。作者也提到 README 后续会补充更完整的设置说明和训练方式，所以具体工作流要以最新模型卡和文件列表为准。

第二，不要只看 Hugging Face 页面上的一条命令就判断它能直接跑起来。视频生成涉及主模型、VAE、LoRA、提示词增强器、采样参数、分辨率、帧数和显存占用，任何一个环节不匹配都可能失败。

第三，uncensored 模型并不等于可以无边界使用。生成内容仍然需要遵守所在平台、社区和法律规则，尤其是涉及真人、版权角色、未成年人、暴力或隐私内容时，更要谨慎。

小结

Sulphur 2 的定位很清楚：它不是一个聊天模型，而是一个面向 LTX 2.3 视频生成生态的模型发布。它的看点在于支持文生视频和图生视频，同时把 prompt enhancer、本地工具入口和推荐工作流放在一起。

对普通用户来说，它的门槛不低；对本地视频生成玩家来说，它值得加入待测试列表。真正决定体验的，还是具体工作流、显存配置、提示词质量，以及后续 README 和社区样例是否完善。

参考

Hugging Face 模型页：https://huggingface.co/SulphurAI/Sulphur-2-base
FreeDidi 参考页：https://www.freedidi.com/24142.html

Claude Code 限额翻倍：Anthropic 借 SpaceX 算力扩容缓解使用限制

Sat, 09 May 2026 10:59:48 +0800

Anthropic 在 2026 年 5 月 6 日宣布，将提高 Claude Code 和 Claude API 的使用限额，并与 SpaceX 达成新的算力合作。对普通用户来说，最直接的变化是 Claude Code 可用额度变多；对开发者和企业来说，重点是 Claude 的推理容量正在继续扩张。

这次公告可以拆成两部分看：

Claude Code 与 Claude API 的限额提升。
Anthropic 通过 SpaceX 数据中心获得新的算力容量。

Claude Code 限额有哪些变化

Anthropic 表示，下面三项变化从公告当天开始生效：

Claude Code 的五小时 rate limit 对 Pro、Max、Team 和 seat-based Enterprise 计划翻倍。
Pro 和 Max 账号的 Claude Code 高峰时段限额降低被取消。
Claude Opus 模型的 API rate limits 明显提高。

也就是说，如果你经常用 Claude Code 做长时间代码任务、仓库分析、重构、调试或 Agent 工作流，这次变化可能会直接减少“还没做完就到限额”的情况。

不过需要注意，限额提高不等于无限使用。Claude Code 仍然会受订阅计划、使用方式、模型、任务长度、上下文大小和平台策略影响。只是相比之前，Anthropic 明确给出了更大的使用空间。

为什么算力会影响 Claude Code 体验

Claude Code 这类工具比普通聊天更吃资源。一次代码任务可能会包含：

读取大量文件。
长上下文分析。
多轮工具调用。
生成、修改和检查代码。
反复运行测试或解释错误。
使用 Opus 模型处理复杂推理。

这些操作背后消耗的不只是 token，还有模型推理容量、并发能力和调度资源。用户看到的是“限额”“排队”“高峰时段变慢”，平台看到的是算力供给和需求之间的压力。

所以这次 Anthropic 把限额提升和算力合作放在同一篇公告里，本质上是在说明：Claude Code 体验的改善不是单纯改一个套餐规则，而是依赖后端推理容量扩张。

SpaceX 合作带来什么

Anthropic 表示，已经与 SpaceX 签署协议，将使用 SpaceX Colossus 1 数据中心的全部算力容量。官方提到，这部分容量超过 300 兆瓦，对应 22 万块以上 NVIDIA GPU，并将在一个月内提供给 Anthropic 使用。

这部分新增容量会直接改善 Claude Pro 和 Claude Max 订阅用户的可用容量。

公告中还提到，Anthropic 对未来与 SpaceX 合作开发轨道 AI 算力表示兴趣。不过这更像长期方向，和当前用户马上能感受到的 Claude Code 限额提升不是同一层面的事情。

Anthropic 的算力布局正在变大

SpaceX 只是 Anthropic 近期算力扩张的一部分。官方同时列出了其他合作：

与 Amazon 的最高 5GW 合作，其中接近 1GW 新容量计划在 2026 年底前上线。
与 Google 和 Broadcom 的 5GW 合作，预计从 2027 年开始上线。
与 Microsoft 和 NVIDIA 的战略合作，包含 300 亿美元 Azure 容量。
与 Fluidstack 的 500 亿美元美国 AI 基础设施投资。

Anthropic 还强调，Claude 的训练和运行会使用多种 AI 硬件，包括 AWS Trainium、Google TPU 和 NVIDIA GPU。

这说明一个趋势：头部模型公司的竞争不只在模型参数、榜单成绩和产品形态，也在电力、数据中心、GPU、TPU、网络和全球部署能力。

对 Claude Code 用户的实际影响

对开发者来说，这次最值得关注的是 Claude Code 的五小时限额翻倍。它会影响这些场景：

大型仓库代码阅读。
多文件重构。
Bug 排查和测试修复。
代码迁移与依赖升级。
长时间 Agent 编程任务。
Team 或 Enterprise 中多人同时使用 Claude Code。

过去使用 Claude Code 时，一个常见问题是任务还在推进，但额度已经到顶。限额提升后，开发者更容易让 Agent 把一个完整任务走完，而不是中途停下。

如果你是 Pro 或 Max 用户，取消高峰时段限额降低也很关键。它意味着晚高峰或使用高峰期的体验可能更稳定，不会因为平台临时收紧额度而明显影响 Claude Code 工作流。

对 API 用户的意义

公告中还提到，Claude Opus 模型的 API rate limits 得到明显提升。对于使用 Opus 做复杂任务的团队，这通常意味着：

更高并发。
更少 429 限流。
更容易支撑批量任务。
更适合长上下文、复杂推理和 Agent 工作流。

不过具体限额会因账户、组织、模型和计划不同而变化。实际部署前，仍然需要看自己的 Anthropic Console、rate limits 文档和错误日志。

企业和区域部署也在变重要

Anthropic 在公告里还提到，金融、医疗、政府等受监管行业越来越需要区域内基础设施，以满足合规和数据驻留要求。因此，部分容量扩张会放在美国以外地区，尤其是亚洲和欧洲的推理能力。

这对企业客户很重要。大模型应用进入核心业务后，问题不只是“模型好不好用”，还包括：

数据是否留在指定区域。
是否满足行业合规要求。
高峰期是否有稳定容量。
是否能支撑团队级和组织级并发。
是否有审计、权限和安全控制。

从这个角度看，算力扩容不只是性能新闻，也会影响企业采购和部署决策。

总结

Anthropic 这次公告的核心信息很直接：Claude Code 和 Claude API 的使用限制正在放宽，背后原因是新的算力容量正在上线。

对普通 Claude Code 用户来说，最重要的是五小时限额翻倍，以及 Pro、Max 高峰期限额降低取消。对 API 和企业用户来说，更值得关注的是 Opus rate limits 提升，以及 Anthropic 在 SpaceX、Amazon、Google、Microsoft、NVIDIA、Fluidstack 等合作中的长期算力布局。

AI 工具越来越像基础设施服务。模型能力是一部分，稳定容量、区域合规、限额策略和成本控制，同样会决定用户体验。

参考链接：

Anthropic：Higher usage limits for Claude and a compute deal with SpaceX

OpenAI 新一代 Realtime 语音模型：GPT-Realtime-2、实时翻译与流式转写

Sat, 09 May 2026 10:58:47 +0800

OpenAI 在 2026 年 5 月 7 日发布了新一代 Realtime API 语音模型，重点不只是“说得更像人”，而是让语音代理可以在实时对话中理解、推理、调用工具、翻译和转写。

这次更新包括三个模型：

GPT-Realtime-2：面向实时语音 Agent 的主模型，支持更强推理、工具调用和长上下文。
GPT-Realtime-Translate：实时语音翻译模型，支持 70 多种输入语言到 13 种输出语言。
GPT-Realtime-Whisper：低延迟流式语音转文字模型，用于字幕、会议记录和实时工作流。

如果说早期语音助手更像“问一句、答一句”，这次更新的方向更接近“边听边做事”的语音界面。

GPT-Realtime-2：语音 Agent 的主力模型

GPT-Realtime-2 面向实时语音交互场景。它不仅要回答问题，还要在用户说话、改口、插话、补充约束时保持上下文，并在必要时调用工具完成任务。

官方重点提到的能力包括：

可以在回答前输出简短提示，例如“我查一下”，让用户知道系统正在处理。
支持并行工具调用，适合日程、搜索、订单、客服系统等多工具场景。
失败恢复更自然，避免语音会话突然中断或沉默。
上下文窗口从 32K 提升到 128K，适合更长的对话和复杂任务流。
对专业术语、专有名词、医疗词汇等场景有更好的保持能力。
语气和表达方式更可控，可以根据场景调整为冷静、同理、确认或更有活力的语气。
reasoning effort 可调，支持 minimal、low、medium、high、xhigh，默认是 low。

这意味着开发者可以把语音 Agent 用在更复杂的业务里，而不是只做简单问答。例如客服可以边听用户描述边查订单；旅行应用可以根据航班变化主动给出下一步建议；房产应用可以根据用户口头条件筛选房源并安排看房。

实时翻译：面向跨语言语音产品

GPT-Realtime-Translate 的定位是实时语音翻译。用户可以用自己的语言说话，对方听到翻译后的语音，同时还能看到实时转写。

它适合的场景比较明确：

多语言客服。
跨境销售和售前沟通。
在线教育和直播活动。
国际会议与活动主持。
视频平台和创作者内容本地化。

实时翻译的难点不只是“翻译准”，还包括低延迟、自然停顿、语气保留、口音适应和专业词汇处理。OpenAI 这次强调的是让跨语言对话更接近自然交流，而不是等一整段说完后再翻译。

流式转写：让语音内容马上进入工作流

GPT-Realtime-Whisper 是新的流式语音转文字模型。它的价值在于把语音在发生时就变成可处理文本，而不是等录音结束再统一转写。

常见应用包括：

会议实时字幕。
课堂和直播字幕。
实时会议纪要。
语音 Agent 的连续听写输入。
客服、医疗、招聘、销售等高频语音场景的后续流程。

对产品来说，流式转写可以明显缩短“说话到可操作文本”的时间。字幕更快出现，会议记录可以边说边生成，后续摘要、任务提取、CRM 写入等流程也能更早启动。

价格与可用性

这三个模型都已经在 Realtime API 中可用。官方给出的价格是：

模型	价格
`GPT-Realtime-2`	音频输入 $32 / 1M tokens，缓存输入 $0.40 / 1M tokens，音频输出 $64 / 1M tokens
`GPT-Realtime-Translate`	$0.034 / 分钟
`GPT-Realtime-Whisper`	$0.017 / 分钟

OpenAI 还提到，Realtime API 支持 EU Data Residency，并受到企业隐私承诺覆盖。对于欧洲企业或有数据驻留要求的语音产品，这是一个需要单独评估的点。

对开发者意味着什么

这次发布的重点，是语音能力开始从“输入输出层”变成“产品交互层”。

过去很多语音功能只是把语音转成文字，再把文字回复转成语音。真正难的是中间那层：理解用户意图、处理打断、补全上下文、调用工具、告诉用户系统正在做什么、在失败时自然恢复。

GPT-Realtime-2 试图把这部分能力直接放进实时语音模型里。对开发者来说，最值得关注的不是单次回答质量，而是它能否支撑持续会话和多步骤任务。

比较适合优先尝试的产品包括：

客服语音 Agent。
车载和移动端语音助手。
旅游、订票、房产、金融等需要边问边查的服务。
多语言会议和跨境沟通工具。
实时字幕、会议纪要和通话质检系统。

也要注意安全和告知

OpenAI 在发布页中强调，Realtime API 会包含多层安全措施，例如对会话进行主动分类，必要时中止违反政策的内容。开发者也可以通过 Agents SDK 增加自己的安全护栏。

还有一个容易被忽略的要求：当终端用户正在与 AI 交互时，开发者需要清楚告知，除非场景本身已经足够明显。

这对客服、销售、教育、医疗等场景都很重要。语音越自然，越需要在产品设计上明确边界：用户知道自己在和 AI 沟通，也知道哪些操作会被记录、转写或触发工具调用。

总结

OpenAI 这次 Realtime API 更新，把实时语音从“能听能说”推进到“能边听边处理任务”。

GPT-Realtime-2 负责更复杂的语音 Agent，GPT-Realtime-Translate 负责跨语言实时交流，GPT-Realtime-Whisper 负责低延迟转写。三者合在一起，覆盖了语音产品里最常见的三个基础能力：对话、翻译和转写。

如果你正在做客服、车载、会议、教育、跨境沟通或移动端语音助手，这次更新值得重点测试。真正需要验证的，不只是模型听起来是否自然，而是它在长对话、打断、工具调用、失败恢复和成本控制上的表现。

参考链接：

OpenAI：Advancing voice intelligence with new models in the API

Claude 账号被封怎么办？Claude Code 受限原因与申诉指南

Sat, 09 May 2026 10:32:12 +0800

Claude 或 Claude Code 账号突然被限制、刚充值后被封、Pro 权限异常、用量突然变少，这类问题近来被很多用户反复讨论。真正需要注意的是：不要把它简单理解成“换个节点”“换个账号”就能解决的技术问题。账号风控通常和地区、支付、设备、登录行为、使用内容、自动化调用、共享方式等多种信号有关。

更稳妥的处理方式，是先判断自己遇到的是哪类问题：是普通用量限制、支付订阅异常、Claude Code 授权问题，还是 Anthropic 认为账号违反了使用政策或服务条款。

先区分三类情况

第一类是正常限额。Claude Pro、Max、Team、API 和 Claude Code 的额度机制不同，高峰期、长上下文、代码任务、Agent 任务都会更快消耗额度。看到“limit reached”不一定是封号，可能只是当前周期的使用量耗尽。

第二类是订阅或授权异常。比如刚充值但权限没刷新、移动端订阅和网页账号不同步、Claude Code 没有正确登录、环境变量里还残留旧的 ANTHROPIC_API_KEY。这类问题通常应该从账单、登录状态和客户端配置排查。

第三类才是账号暂停或封禁。常见表现是收到 suspension、disabled、terminated 一类邮件，或者登录时直接提示账号不可用。这时就不要继续反复换设备、换网络、换账号尝试登录，因为这可能让风控信号更复杂。

常见触发因素

Anthropic 官方帮助文档和隐私说明里提到过几类常见风险信号：违反 Usage Policy、从不支持地区创建或使用账号、违反服务条款、重复违规、异常访问或滥用行为。

实际使用中，容易触发风险的场景包括：

账号注册、登录和支付地区不一致。
长期使用数据中心代理、共享代理或频繁切换 IP。
多人共用一个个人账号。
短时间内在多台设备、多地区频繁登录。
使用自动化脚本高频访问 Claude.ai。
把 Claude Code 当作共享服务或转售入口。
请求明显违反 Anthropic 使用政策的内容。
支付方式、账单地址、账号地区互相冲突。

这里的关键不是“某一个信号必封”，而是多个异常信号叠加后，系统更容易把账号判断为高风险。

不建议用“规避风控”的思路解决

网上经常会出现所谓“稳定使用方案”，例如指纹浏览器、设备指纹重置、清空本地目录、换环境、固定时区语言、换邮箱继续注册等。这类说法里有些只是普通环境排查，有些则明显是在规避平台风控。

不建议把“绕过风控”当成解决方案。原因很简单：

它可能违反服务条款。
它可能让账号风险信号进一步增加。
它不能解决支付、地区、政策违规等根本问题。
一旦涉及团队或商业使用，后续申诉会更难解释。

如果你的目标是长期稳定使用 Claude，正确方向不是伪装，而是让账号、地区、支付、设备和用途都尽量真实、一致、可解释。

Claude Code 受限怎么排查

Claude Code 用户遇到问题时，可以先按下面顺序检查：

1
2

claude --version
claude auth status

如果使用 API key，也要确认环境变量是否指向了正确账号：

`1`	`echo $ANTHROPIC_API_KEY`

在 Windows PowerShell 中可检查：

`1`	`echo $env:ANTHROPIC_API_KEY`

如果你同时用过网页登录、OAuth、API key、第三方客户端或不同终端，建议先统一认证方式，避免一个工具还在使用旧凭据。

还要区分两种情况：

Claude Code 用量到达上限：通常是额度或订阅限制。
账号或组织被 disabled：通常是账号、组织、支付或政策层面的风险。

前者可以等额度刷新或调整订阅；后者应保留提示截图和邮件，走官方支持或申诉流程。

稳定使用的合规建议

想降低账号异常概率，建议从这些基础做起：

使用受支持国家或地区的正常账号。
尽量保持登录地区、支付方式和账单信息一致。
避免多人共享个人账号。
不要把个人 Pro/Max 当作团队 API 池。
不要频繁切换 IP、设备和浏览器环境。
不要使用来源不明的第三方 Claude 客户端。
避免高频自动化访问 Claude.ai 网页端。
商业或团队场景优先使用 Team、Enterprise 或 API。
熟悉 Anthropic Usage Policy，不把账号用于受限用途。

如果你确实需要在多设备上使用，保持正常登录即可，不要频繁清环境、换指纹、换代理。过度“折腾环境”本身就可能看起来像异常行为。

被封后该怎么做

如果账号已经被暂停，建议按这个顺序处理：

查收 Anthropic 或 Claude 发来的邮件，确认封禁原因或提示类型。
停止继续创建新账号、换网络、换设备反复尝试。
整理账号邮箱、订阅订单、支付凭证、近期使用场景。
如果认为是误判，按官方入口提交 appeal 或联系支持。
说明真实使用场景，避免编造地区、身份或用途。
如果涉及订阅扣费，单独询问退款或订阅处理。

申诉时越具体越好，例如说明是否使用 Claude Code、是否切换过设备、是否使用过 VPN、是否有团队共用、是否接入过第三方工具。平台需要判断风险来源，模糊说“我什么都没做”通常帮助有限。

哪些说法要谨慎看待

有些文章或视频会声称“只要固定指纹就不会封”“某浏览器能彻底防封”“清理某目录就能重置设备身份”“IP 对齐时区就能解决所有问题”。这些说法不宜照单全收。

原因是平台风控通常是多维模型，不只看浏览器指纹或 IP。账号历史、支付信息、地区政策、使用内容、访问频率、自动化特征、客户端版本、API 调用方式，都可能参与判断。单点伪装不等于长期稳定，反而可能制造更多不一致信号。

更重要的是，很多所谓“防封方案”本质上是卖工具或卖服务。用户真正需要的是判断风险来源、合规使用和保留申诉证据，而不是把账号安全寄托在第三方环境包装上。

总结

Claude 账号被封或 Claude Code 受限，不一定是单一原因造成的。它可能是额度问题、订阅问题、授权问题，也可能是地区、支付、设备、共享、自动化或内容政策触发的综合风控。

长期稳定使用 Claude 的关键不是绕过风控，而是让使用方式合规、账号信息一致、访问环境稳定、团队使用走正式方案。遇到封禁时，先停止折腾环境，保存证据，走官方申诉和支持流程，才是最稳妥的处理方式。

参考链接：

从 PPT 到原型设计：归藏 PPT Skill 与 Huashu Design 使用场景解析

Sat, 09 May 2026 08:34:23 +0800

最近两个中文开发者做的设计类 Agent Skill 很值得放在一起看：一个是歸藏的 guizang-ppt-skill，另一个是花叔的 huashu-design。

它们都不是传统意义上的“设计工具”，而是把一套设计流程、审美偏好、检查清单和工程模板写成 Agent 可以执行的 Skill。你不是打开一个 UI 慢慢拖元素，而是把需求交给 Claude Code、Codex、Cursor 这类 Agent，让它按固定流程生成 HTML、PPT、动画或原型。

这类项目的价值，不在于让 AI 随机发挥，而在于把“怎么做才不难看”这件事流程化。

guizang-ppt-skill：专注杂志风网页 PPT

歸藏的 guizang-ppt-skill 定位很清楚：生成单文件 HTML 横向翻页 PPT，视觉基调是“电子杂志 × 电子墨水”。它更像一套为演讲准备的版式系统，而不是通用设计框架。

仓库 README 里列出的核心能力包括：

单文件 HTML 输出，不需要构建和服务器，浏览器直接打开。
横向左右翻页，支持键盘、滚轮、触屏滑动、底部圆点和 ESC 索引。
5 套主题色预设，包括墨水经典、靛蓝瓷、森林墨、牛皮纸和沙丘。
10 种页面布局，包括开场封面、章节幕封、数据大字报、左文右图、图片网格、Pipeline、悬念问题、大引用、Before/After 对比和图文混排。
内置模板、组件说明、布局骨架、主题配置和质量检查清单。

它适合做线下分享、行业内部讲话、私享会、AI 产品发布、demo day，以及带有强烈个人风格的演讲稿。不太适合大段表格数据、培训课件和多人协作编辑。

这个项目有一个很好的取舍：它没有试图覆盖所有设计场景，而是把“杂志风 PPT”这个场景做窄。主题色只能从预设里选，布局也有明确骨架，这反而降低了 Agent 跑偏的概率。

如果你经常要把观点、行业观察、产品发布内容做成演讲 deck，它的实用性会很高。

安装命令也很直接：

`1`	`npx skills add https://github.com/op7418/guizang-ppt-skill --skill guizang-ppt-skill`

huashu-design：更完整的 HTML 原生设计工作流

花叔的 huashu-design 覆盖面更大。它的目标不是只做 PPT，而是把 HTML 当成原生设计画布，用 Agent 生成可交付的设计资产。

仓库 README 里列出的能力包括：

可点击 App 或 Web 原型。
HTML 幻灯片，以及可编辑 PPTX 导出。
产品发布动画、MP4、GIF 和配乐版本。
多方向设计方案并排对比。
信息图、数据可视化、PDF、PNG、SVG 导出。
5 维专家评审，包括哲学一致性、视觉层级、执行工艺、功能性和创新性。

它的核心思路是：让 Agent 先理解品牌和素材，再产出高保真设计。项目里强调了 Core Asset Protocol，也就是遇到具体品牌时，要先确认 logo、产品图、UI 截图、配色、字体和品牌指南，而不是凭记忆猜。

这点很重要。很多 AI 生成设计看起来“像设计”，但不像某个真实产品或品牌。huashu-design 试图把这个问题前置解决：先找真实资产，再做设计。

安装命令是：

`1`	`npx skills add alchaincyf/huashu-design`

它更适合那些希望在终端里完成较完整设计交付的人：产品原型、发布动画、演示文稿、信息图、设计评审都可以放在一个 Agent 工作流里处理。

两者最大的区别

简单说，guizang-ppt-skill 是一个更窄、更稳的演讲 deck 生成器；huashu-design 是一个更宽、更完整的 HTML 原生设计系统。

如果只看 PPT：

guizang-ppt-skill 更强调杂志感、节奏、版式和单文件浏览器演示。
huashu-design 更强调通用设计能力、可编辑 PPTX、品牌素材、导出链路和评审流程。

如果看整体设计能力：

guizang-ppt-skill 的边界更清晰，适合快速做一份有风格的横向演讲。
huashu-design 的能力更综合，适合把一个产品或品牌设计任务拆成原型、动画、幻灯片和信息图。

这两个项目也代表了两种不同的 Skill 写法。前者像一套高度收敛的模板和审美约束，后者像一个小型设计团队的工作流说明书。

为什么这类 Skill 重要

Agent 的一个常见问题是“会做，但不稳定”。同样一句需求，有时输出很好，有时就会滑向紫色渐变、圆角卡片、假图标和一堆看似高级的空话。

Skill 的意义就是把稳定性补上。它把下面这些东西固化下来：

可复用的模板。
可执行的检查清单。
明确的审美偏好。
常见错误的规避规则。
输出格式和验证流程。
什么时候该问问题，什么时候该直接开始做。

这比单纯写一句“请做得高级一点”可靠得多。

尤其是设计任务，审美并不是一句 prompt 就能稳定复现的。真正有用的是流程：先确认素材，再定方向，再搭结构，再做视觉，再检查输出。把这个流程写成 Skill，Agent 才更像一个可协作的执行者，而不是一次性图片生成器。

使用建议

如果你只是想把一个主题做成线下演讲或分享 deck，可以优先试 guizang-ppt-skill。它的输出边界窄，单文件 HTML 也方便分发和预览。

如果你想让 Agent 承担更完整的设计任务，比如 App 原型、发布动画、品牌化幻灯片、可导出 PPTX 或信息图，可以优先看 huashu-design。它的链路更长，适合需要多轮迭代和交付物导出的任务。

如果你已经在写自己的 Codex 或 Claude Code Skill，这两个项目也都值得参考：

想学“如何把一个窄场景做稳”，看 guizang-ppt-skill。
想学“如何把复杂工作流拆成可执行协议”，看 huashu-design。

总结

歸藏和花叔这两个项目的共同点，是都把“设计能力”从一次 prompt 变成了可重复执行的流程。

guizang-ppt-skill 的重点是杂志风 HTML PPT，适合高风格化演讲；huashu-design 的重点是 HTML 原生设计系统，覆盖原型、动画、幻灯片、信息图和评审。它们解决的不是“AI 能不能生成设计”，而是“AI 能不能按一套稳定方法生成可交付的设计”。

这可能会成为 Agent 工具生态里很重要的一类开源项目：不只是代码模板，而是把人的经验、审美和工作方法打包成 Skill。

参考链接：

Claude 4 生成文本怎么检测？AI 文本检测工具与最新方法

Fri, 08 May 2026 22:55:16 +0800

想判断一段文本是不是 Claude 4 生成的，最重要的前提是：目前没有任何工具能给出百分之百确定的结论。AI 文本检测本质上是概率判断，它可以提示“这段文本更像 AI 写的”，但不能直接证明作者一定使用了 Claude 4。

这点在 2026 年尤其重要。Claude 4、GPT-5、Gemini 2.5、DeepSeek 等模型的写作风格越来越接近人类；同时，很多文本也不是“纯 AI”或“纯人工”，而是经历了 AI 起草、人工修改、语法工具润色、翻译、改写和拼接。检测工具能提供线索，但真正可靠的判断应结合写作过程、版本记录、引用来源和人工审阅。

先说结论：不要只看一个分数

如果只是临时自查，可以用两到三个检测器交叉验证，例如 GPTZero、Copyleaks、Originality.ai、Sapling、Winston AI 等。学术场景则常见 Turnitin。它们的模型、训练数据和阈值不同，同一段文本可能给出不同结果。

更稳妥的做法是：

用两个以上工具检测同一段文本。
看逐句标注，而不是只看总分。
检查是否存在引用错误、事实幻觉、过度平滑的逻辑连接。
查看写作过程证据，例如草稿、修改记录、提交历史。
对低比例 AI 分数保持谨慎，不把检测结果当成单独证据。

尤其在学校、招聘、出版和合规场景里，AI 检测分数只应该作为风险信号，而不是最终裁决。

常用工具怎么选

GPTZero

GPTZero 是教育和出版场景里常见的 AI 文本检测工具。它早期以 perplexity 和 burstiness 这类统计特征出名，后续已经发展为多阶段检测系统，并公开强调会针对新一代模型更新训练数据。

它适合做英文长文、论文草稿、文章初稿的初筛。优点是界面友好、逐句解释较清楚，缺点是短文本、重度人工修改文本、多语言混合文本仍然容易不稳定。

Copyleaks AI Detector

Copyleaks 的优势在于多语言、API、浏览器插件和 LMS 集成。官方页面声称支持 Claude、Gemini、GPT-5、DeepSeek、Llama 等模型，并强调可检测人类和 AI 混写内容。

它比较适合内容团队、教育机构和企业批量接入。需要注意的是，厂商宣传的准确率通常来自特定测试集，实际使用时仍要关注文本长度、语言、是否经过改写，以及误判成本。

Turnitin AI Writing Report

Turnitin 更偏学术诚信场景。它能在报告中给出 AI writing indicator 和高亮片段，并支持检测 AI 生成文本和被 AI 改写工具处理过的文本。

但 Turnitin 官方文档也明确提醒：模型可能误判人工文本、AI 文本或 AI 改写文本，不应作为对学生采取不利行动的唯一依据。它还会对较低比例的 AI 指示做特殊处理，以降低误读和误判风险。

Originality.ai、Sapling、Winston AI

这些工具更多出现在内容营销、SEO、出版和编辑流程里。它们通常提供批量检测、团队协作、API 或逐句分析。适合用来做内容质量控制，但同样不适合把单次检测结果当成“证明”。

ZeroGPT、Monica、Phrasly 等免费工具

免费工具适合做快速自查，但不建议用于高风险决策。它们的阈值、训练数据、误判率和更新节奏不一定透明，很多“99%+ 准确率”的宣传也需要谨慎看待。

检测算法主要看什么

传统 AI 文本检测经常提到两个指标：

Perplexity：困惑度。大致衡量文本对语言模型来说是否“容易预测”。过于顺滑、下一词概率很高的文本，可能更像模型生成。
Burstiness：突发性。衡量句长、结构和表达节奏的变化。人类写作往往会有更多不均匀变化，而模型输出常常更平滑。

但最新检测器已经不只看这两个指标。更常见的是组合多种特征：

词频和短语模式。
句法结构和词性分布。
标点、连接词和段落组织习惯。
重复句式和模板化表达。
语义连贯性与事实引用异常。
模型特定的语言指纹。
人类与 AI 混写片段的边界。

也就是说，检测 Claude 4 文本时，工具通常不是在“识别 Claude 4 的水印”，而是在判断这段文字是否符合某类 LLM 生成文本的统计特征。

为什么 Claude 4 更难检测

Claude 系列模型的文本通常更自然，长段落衔接也更稳。经过人工提示词约束后，它可以模仿个人风格、降低模板感、保留少量口语化表达。再经过人工修改或翻译后，检测难度会进一步上升。

这会带来两个问题：

纯 Claude 4 输出可能被识别为 AI，但置信度受题材、语言和长度影响。
Claude 4 起草、人工改写后的文本，可能逃过检测，也可能误伤为高 AI 分数。

因此，检测结果里最有价值的不是“总分 87%”，而是哪些句子被标注、这些句子为什么可疑、是否能和写作过程证据互相印证。

哪些情况最容易误判

以下文本很容易被检测器误判：

非母语作者写的正式英文。
高度模板化的学术摘要、商业邮件、政策说明。
经过 Grammarly、DeepL Write、Notion AI 等工具润色的文本。
短文本、标题、摘要、产品说明。
翻译腔明显的中文或英文。
多人协作后风格被统一过的稿件。

所以，越是涉及处分、录用、成绩、版权和合规，越不能只凭一个 AI 分数做决定。

总结

检测 Claude 4 生成文本，最可靠的方式不是迷信某个“最新算法工具”，而是把检测器当作概率信号：用多个工具交叉验证，用逐句标注定位风险，再结合引用核查和写作过程证据。

GPTZero、Copyleaks、Turnitin、Originality.ai、Sapling、Winston AI 都可以作为工具箱的一部分。它们能提高发现 AI 生成文本的概率，但不能替代人工判断。真正稳妥的结论，应该来自检测结果、文本事实质量、写作过程记录和具体场景规则的综合判断。

参考链接：

Canonical Ubuntu AI 路线图：本地推理优先，拒绝强制集成

Fri, 08 May 2026 22:23:46 +0800

Canonical 最近披露的 Ubuntu AI 路线图，最值得注意的地方不是“Ubuntu 要把 AI 强塞进系统”，而是它正在尝试一条更谨慎的路线：AI 功能按层提供、默认关闭、用户明确选择之后才启用，并优先把推理放在本地完成。

这和 Windows、macOS 上一些围绕系统级 AI 的争议形成了对比。Ubuntu 的方向不是做一个无法回避的全局 AI 层，也不是给系统加一个统一的“AI 总开关”，而是把 AI 能力拆成相对独立的工具，让用户自己决定是否安装、是否启用、接入哪个模型，以及数据是否离开本机。

先澄清时间线：不是 Ubuntu 26.04 LTS

这次路线图真正指向的是 Ubuntu 26.10 “Questing Quokka”，预计在 2026 年 10 月 9 日发布。Canonical 的计划是先以实验性、预览性的方式加入部分 AI 工具，而不是把它们塞进 Ubuntu 26.04 LTS。

这点很关键。LTS 版本承担的是长期稳定、企业部署和安全维护，Canonical 不太可能把还在探索阶段的桌面 AI 能力直接作为默认体验放进去。更合理的路径是先在 26.10 这样的常规版本里试水，让开发者和早期用户反馈，再决定哪些能力适合进入后续长期支持版本。

本地推理优先，云端不是默认选项

Canonical 强调的核心原则之一，是 local inference first，也就是默认优先在本机执行推理。只有用户主动配置云端提供商、自托管服务器或企业模型服务时，请求才会离开本机。

这背后的逻辑很现实：系统级 AI 很容易接触到命令行输出、日志、文件路径、报错信息、系统配置等敏感内容。如果这些信息被自动发往云端，哪怕只是为了“帮你解释错误”，也会带来明显的隐私和合规风险。

因此，Ubuntu 的 AI 路线并不是“云端 AI 系统入口”，而更像是一套可插拔的推理层。用户可以选择本地模型，也可以选择公司内部的推理服务，或者在需要时接入 Canonical 管理的服务。重点不在于绑定某一家模型厂商，而在于让系统有能力调用不同后端。

AI CLI：先从终端助手开始

最先落地的能力之一，可能是面向终端用户的 AI Command Line Helper，也就是常被提到的 ai-cli。

它的定位不是替代 shell，也不是自动替你执行危险命令，而是帮助用户理解命令、日志、systemd 单元、错误输出和系统状态。比如你遇到一段复杂的服务启动失败日志，它可以解释可能的原因；你不确定某条命令的参数含义，它可以给出更直观的说明。

这种入口很符合 Ubuntu 的用户结构。Ubuntu 桌面用户和服务器用户里，有大量人本来就依赖终端工作。与其先做一个花哨的聊天窗口，不如把 AI 放在错误排查、命令解释和运维辅助这些高频场景里。

不过，这也意味着安全边界必须非常清楚。日志里可能包含 token、内网地址、用户名、路径、密钥片段和业务信息。即使默认本地推理，工具也应该尽量提醒用户先做脱敏；如果用户选择云端后端，更要明确哪些内容会被发送出去。

Settings Agent：自然语言控制系统设置

另一个方向是 Settings Agent，也就是让用户用自然语言查询或调整系统设置。

这类功能看起来简单，实际很容易踩坑。一个成熟的 Settings Agent 不应该靠“读屏幕、猜按钮、模拟点击”来操作系统设置，而应该有受控的内部 API：能读哪些设置、能改哪些设置、改之前是否需要确认、失败后如何回滚，都需要有清晰边界。

所以它更像是 26.10 之后继续推进的方向，而不是马上完整交付的功能。对桌面 Linux 来说，这部分如果做得好，会显著降低普通用户调整系统的门槛；如果做得太激进，则可能变成新的安全风险。

为什么不需要一个“AI 总开关”

很多用户担心系统厂商加入 AI 后，会出现一种“到处都是 AI、关也关不干净”的体验。因此有人自然会问：Ubuntu 是否应该提供一个全局 AI kill switch？

Canonical 的回答思路是：如果 AI 功能本身就是 opt-in、分层、可独立安装和配置的，那么全局 kill switch 就不是第一优先级。也就是说，它试图从设计上避免“默认开启、深度嵌入、用户再去关闭”的问题。

这个判断是否足够，还要看后续实现。原则上，只要 AI 工具不默认启用、不默认联网、不默认收集数据，并且每个功能都有清楚的开关和配置入口，那么用户就不需要为了关闭 AI 到处找隐藏选项。

对开发者和企业用户的意义

对开发者来说，AI CLI 这类工具最实际的价值，是减少查文档、读日志、定位系统问题的时间。它不是替代工程判断，而是把大量“我先帮你解释一下这段输出”的工作自动化。

对企业用户来说，本地推理和可插拔后端更重要。很多公司不能把源代码、日志、客户数据或基础设施信息发送到公共大模型服务。Ubuntu 如果能把系统级 AI 和本地模型、私有推理服务、企业权限体系结合起来，就能在合规环境里提供更可控的智能辅助。

这也是 Linux 桌面和工作站的一个机会。Windows 和 macOS 更容易把 AI 做成厂商生态的一部分，而 Ubuntu 的优势在于开放、可审计、可替换、可自托管。如果 Canonical 能把这些原则保留下来，AI 反而可能成为 Linux 专业用户体验的一次补强。

不要过度解读

目前还不适合把这条路线解读成“Ubuntu 会预装某个小模型”“Ubuntu 26.04 会内置 AI 审计模式”或“未来会有一个固定的 ubuntu-ai 命令”。公开信息里更确定的是方向，而不是完整产品形态。

更稳妥的理解是：Canonical 正在为 Ubuntu 引入一套系统级 AI 工具框架，先从命令行、设置辅助、本地推理和后端选择这些场景开始；默认策略是用户主动选择，而不是系统替用户选择。

总结

Ubuntu 的 AI 路线图真正值得关注的，不是它终于也要“加入 AI 大潮”，而是它试图给开源操作系统定义一套更克制的 AI 集成方式：智能可以成为基础设施，但隐私、可控性和用户选择权必须放在前面。

如果 26.10 的实验性功能能兑现这些原则，Ubuntu 可能会走出一条和消费级系统不同的路线：不把 AI 做成无法回避的系统广告位，而是做成用户可选择、可替换、可审计的生产力工具。

参考链接：

Codex vs Claude Code：两套 Subagent 机制怎么选

Fri, 08 May 2026 14:01:38 +0800

现在的 AI 编程工具越来越重视 Subagent。原因不是功能跟风，而是单个 Agent 处理真实工程任务时，很快会撞到边界。

一个 Agent 如果同时负责读代码、查日志、改实现、跑测试、分析报错、总结结果，主上下文会很快变脏。搜索结果、命令输出、测试日志和中间推理混在一起，后续判断就会被噪声干扰。任务也很难并行：探索、实现、验证和审查都塞在一条主线上，系统越做越重。

Subagent 的本质，是给 Agent 减压。主会话不再把所有事情从头做到尾，而是更像协调者：判断目标、安排任务、接收结果，再把结果合成最终答案。子 Agent 处理某一段局部工作，例如探索、实现、验证或审查，并只把压缩后的结论带回来。

所以 Subagent 不是“再开一个同款自己”，而是把原来糊成一团的工程工作拆成几个边界更清楚的角色。

成熟 Subagent 系统的底层共识

无论具体产品怎么设计，成熟的 Subagent 系统通常都绕不开四件事：

上下文隔离。
角色专用化。
项目和用户级配置。
工具与权限边界。

上下文隔离是前提。真实仓库里的中间结果很多：搜索结果可能几十条，测试日志可能几百行，命令输出里还混着大量无关信息。这些内容如果直接塞进主会话，主线很快会变乱。Subagent 的价值之一，就是让局部过程先在局部被消化，主会话只看到真正有决策价值的结论。

角色专用化也很关键。多 Agent 不是多开几个一样的模型一起干活。探索型任务要擅长搜索、阅读、总结；实现型任务要专注改代码和处理局部细节；验证型任务要跑检查、识别风险，并把结果清楚汇报。它们的任务边界、工具权限和输出形式都应该不同。

工具和权限边界决定了系统能不能安全落地。子 Agent 不应该默认拥有主会话的全部能力。探索型角色未必需要写文件，验证型角色未必需要改实现，后台任务也不该随意越过工作区边界。权限越清楚，协作越可控。

在这些共识之上，Codex 和 Claude Code 走出了两种不同路线。

Codex：显式派工，主会话始终在场

Codex 的 Subagent 设计气质更克制。

它更像是在说：我给你一套受控、轻量、围绕当前主会话展开的分工机制。什么时候派活、派给谁、什么时候收结果，都由主会话明确决定。控制流始终握在当前任务里。

这种设计的特点是“显式”：

需要子任务时，主会话明确发起委托。
子任务角色数量保持克制。
主会话知道哪个 Agent 在做什么。
结果回到主线后再统一判断。
协作边界比较透明。

公开可见的角色思路也偏简洁：通用角色、探索角色、工作角色这类基础分工已经能覆盖很多工程场景。自定义 Agent 更像配置层上的补充，而不是一套非常重的运行时对象系统。

Codex 这套方式的好处是可预期。它适合需要手动编排、强调确定性、希望主会话始终掌控节奏的团队。比如你正在做一个代码修改任务，可以先派一个探索角色查清调用链，再派一个工作角色做改动，最后由主会话整合并决定是否继续测试。

它的缺点也很清楚：如果任务越来越复杂，所有编排压力仍然落在主会话身上。主会话要判断何时拆分、如何拆分、派给谁、怎么合并结果。对轻量协作来说这很舒服，对长期复杂工程流来说，可能不如平台化系统省心。

Claude Code：把 Agent 做成正式工位

Claude Code 的取向更平台化。

它不是只提供几个临时帮手，而是把 Agent 做成可描述、可选择、可配置、可记忆、可隔离、可后台运行的正式对象。子 Agent 不只是会话里的一个工具，而更像工程系统里的一个工位。

这套思路会把 Agent 列表、适用场景、描述信息、工具边界等内容放进选择逻辑里，让模型判断本轮应该调用哪个角色。这类“模型驱动的委托”会带来更强的自动化：用户不一定每次都显式指定角色，系统可以根据任务类型自己选择。

从机制上看，Claude Code 更强调几类能力。

第一是角色体系。探索、规划、通用处理、验证等角色不是随手加几个名字，而是可以带着用途说明、工具限制、默认模型和运行条件存在。探索型角色可以被限制为只读，规划型角色负责设计方案，验证型角色可以专注检查和汇报。

第二是继承和覆盖。子 Agent 并不是完全自由的，它默认继承主会话的大边界；但在规则允许范围内，也可以通过局部配置调整权限、模式或行为。正确理解不是“全部继承”或“全部覆盖”，而是主会话定义大边界，Agent 在边界内做局部装配。

第三是记忆。记忆不只是“记住一点内容”，而是可以有作用域。用户级记忆更像长期偏好，项目级记忆更像仓库背景知识，本地级记忆更像只留在当前环境里的私人状态。这样某些 Agent 不必每次从零理解项目。

第四是后台和工作区隔离。某些验证任务可以在后台持续跑，主线不用停在原地等待。需要强隔离时，Agent 可以进入独立 worktree，像在主工位旁边分出一张独立桌子：仍然在同一个项目里，但操作空间被明确隔开。

第五是插件生态。只有当 Agent 被视为正式对象时，才会认真考虑它如何被分发、安装、覆盖、排序和接入生态。插件 Agent 可以进入系统，但高风险字段仍应被收口，例如权限模式、hooks、MCP server 等不应该由插件随意声明。

这让 Claude Code 更像一套 Agent 运行时，而不是单次会话里的协作工具。

两种路线的差异

可以把两者理解成两种产品哲学。

Codex 更像受控分工工具：

主会话显式派工。
角色集保持轻量。
控制流清晰。
子任务围绕当前会话展开。
适合强调确定性和人工编排的工作方式。

Claude Code 更像工程工位系统：

Agent 被正式建模。
角色更体系化。
支持记忆、后台、隔离和插件生态。
模型可以参与选择角色。
适合长期项目、复杂工作流和平台化扩展。

这不是谁功能更多谁就更好。真正的差别在于：你希望 Subagent 是“我显式叫来的助手”，还是“系统里长期存在的工位”。

怎么选择

如果你更看重显式控制、轻量分工、当前会话内的安全并行，Codex 的思路更顺手。它让你清楚知道任务什么时候被拆出去，谁在处理，结果什么时候回来。对代码审查、小型改动、明确的实现任务和需要人工节奏控制的场景，这种方式很稳。

如果你更看重体系化角色、长期记忆、后台执行、worktree 隔离、插件扩展和更完整的 Agent 运行时，Claude Code 的路线更合适。它适合把 Agent 当成长期参与项目的成员，而不是临时搬一把的助手。

可以用两个问题判断：

你能不能接受模型自己选择该派谁干活？
你是否需要一套更完整的 Agent 运行时？

如果第一个问题让你不舒服，说明你更适合显式派工。
如果第二个问题答案是肯定的，说明你可能需要平台化的 Agent 工位系统。

使用建议

无论选哪种，都不要把 Subagent 当作“多开几个模型就更强”。

更有效的做法是：

给每个角色明确任务边界。
控制每个角色能用的工具。
让子 Agent 输出结论，而不是搬回全部原始日志。
主会话保留最终决策权。
对后台任务和工作区隔离保持可见性。
对插件 Agent 设置明确安全边界。

工程任务里，Subagent 的价值不在数量，而在分工质量。角色越清楚，上下文越干净，主线判断越稳定。

小结

Codex 和 Claude Code 都在解决同一个问题：单个 Agent 很难独自承载真实工程任务。它们都承认上下文隔离、角色专用、权限边界和局部汇总的重要性。

差异在于实现取向。Codex 更克制，强调显式派工和主会话控制；Claude Code 更体系化，把 Agent 做成可配置、可记忆、可隔离、可后台运行、可进入插件生态的正式工位。

选择哪一个，不是看哪个品牌赢，而是看你的工作方式需要什么：是受控协作工具，还是完整 Agent 运行时。

goose：桌面端、CLI 和 API 一体的开源 AI Agent

Fri, 08 May 2026 13:35:45 +0800

goose 是一个运行在本机的开源 AI Agent。它不只面向代码补全，而是希望覆盖代码、研究、写作、自动化、数据分析等更广的任务。项目 README 里的定位很直接：桌面端、CLI 和 API 都提供，既可以给普通用户使用，也可以嵌入到自己的工作流里。

这个项目已经从 block/goose 迁移到 Linux Foundation 旗下的 Agentic AI Foundation（AAIF）。当前仓库是：

`1`	`https://github.com/aaif-goose/goose`

goose 主要由 Rust 和 TypeScript 编写，许可证为 Apache-2.0。GitHub 项目描述是：一个开源、可扩展的 AI agent，不只给出代码建议，还能安装、执行、编辑和测试，并可接入任意 LLM。

goose 解决什么问题

很多 AI 编程工具只停留在“给建议”或“改代码”这一层。goose 的目标更宽一些：让 AI agent 直接在你的机器上完成任务。

它可以用于：

代码修改和测试。
本地自动化任务。
资料研究和写作。
数据分析。
多步骤工作流。
通过 API 嵌入到其他系统。
通过 MCP 扩展外部工具能力。

如果你只想在编辑器里要几段代码，普通 Copilot 类工具已经够用。goose 更适合想把 AI 放进“本机任务执行链”的用户：它可以使用本地环境、连接模型 provider、调用扩展，并通过桌面端或 CLI 进入不同工作方式。

三种入口：桌面端、CLI、API

goose 的一个特点是入口比较完整。

第一种是桌面端。它支持 macOS、Linux 和 Windows，适合不想一直待在终端里的用户，也适合需要更清晰可视化交互的人。

第二种是 CLI。终端用户可以直接安装命令行工具，把 goose 放进日常开发流程里。

第三种是 API。它可以作为可嵌入的 agent runtime，让其他系统或内部工具调用 goose 的能力。

这三个入口对应不同使用习惯。个人开发机可以先从桌面端或 CLI 开始；团队内部工具、自动化平台或实验型 agent 工作流，则更适合看 API 和自定义分发能力。

安装方式

官方 README 推荐先下载桌面端：

`1`	`https://goose-docs.ai/docs/getting-started/installation`

如果只安装 CLI，可以使用官方脚本：

`1`	`curl -fsSL https://github.com/aaif-goose/goose/releases/download/stable/download_cli.sh \| bash`

GitHub Releases 也提供不同平台的构建产物。当前 latest release 信息显示，v1.33.1 发布于 2026-04-29，包含 macOS、Linux、Windows、deb、rpm、Flatpak 等资产。

安装完成后，建议先按官方 Quickstart 配置 provider，再从一个低风险目录开始测试。由于 goose 可以执行本机任务，不建议一开始就在重要生产仓库里给它过高权限。

支持的模型和 provider

goose 支持 15+ provider。README 中列出的方向包括：

Anthropic
OpenAI
Google
Ollama
OpenRouter
Azure
Bedrock
更多 OpenAI-compatible 或云端 provider

它既可以使用 API key，也可以通过 ACP 使用已有的 Claude、ChatGPT 或 Gemini 订阅。

ACP 这一点值得关注。很多用户已经有模型订阅，但不同工具要么不支持直接复用，要么配置方式很割裂。goose 通过 ACP provider 把订阅模型接入 agent 工作流，能减少“订阅在一边、自动化工具在另一边”的割裂感。

不过 provider 政策变化很快。真正使用前，仍然要确认对应服务是否允许这种接入方式、是否有额度限制、是否适合公司代码或敏感数据。

MCP 扩展能力

goose 支持通过 Model Context Protocol（MCP）连接扩展。README 提到它可以连接 70+ extensions。

MCP 的意义在于：agent 不只会“聊天”和“改文件”，还能通过标准协议接入更多工具，比如文档、数据库、浏览器、内部系统、搜索服务、设计工具或项目管理系统。

对个人用户来说，MCP 可以让 goose 连接常用工具。对团队来说，MCP 更像一个安全边界和集成标准：你可以把内部能力包装成 server，让 agent 通过明确接口访问，而不是直接把所有系统暴露给模型。

与代码助手的区别

goose 不只是代码补全工具。更准确地说，它是一个本机 agent runtime。

代码助手通常重点在：

补全代码。
解释代码。
生成函数。
在编辑器里修改局部文件。

goose 更强调：

本机任务执行。
多步骤工作流。
provider 可切换。
扩展能力。
桌面端和 CLI 并存。
API 可嵌入。
不限定在代码任务。

这也意味着它的复杂度更高。你需要考虑模型配置、权限、扩展、工作目录、日志、凭据管理等问题。它不是“越自动越好”的工具，而是更适合被认真配置和逐步引入。

自定义分发

goose 仓库提供 CUSTOM_DISTROS.md，说明可以构建自己的 goose distro，预配置 provider、extensions 和 branding。

这对团队或组织很有意义。

比如团队可以做一个内部版本：

预置公司允许的模型 provider。
默认连接内部 MCP server。
配好安全策略和日志设置。
限制不允许使用的外部服务。
使用自己的品牌和默认引导。

这样普通成员不需要从零理解所有配置，也能减少把 key、provider、扩展配错的风险。

使用建议

如果你第一次尝试 goose，可以按这个顺序来：

先安装桌面端或 CLI。
配置一个你确定可用的 provider。
在测试目录里运行简单任务。
观察它会读取哪些文件、执行哪些动作。
再接入 MCP extension。
最后再尝试复杂代码仓库或自动化工作流。

不要一开始就把 goose 放进生产仓库、给它全部权限、再让它执行模糊任务。AI agent 的能力越强，越需要明确边界。

建议保持几个习惯：

重要改动前先提交 git。
不把 API key 写进项目文件。
只在可信 workspace 里启用高权限操作。
公司代码先确认数据合规和 provider 政策。
对自动化结果保留人工 review。

适合谁用

goose 更适合这些用户：

想要桌面端和 CLI 都可用的 AI agent。
希望使用多个模型 provider。
想通过 MCP 接入更多工具。
需要把 AI agent 嵌入自动化流程。
想在代码之外处理研究、写作、数据分析等任务。
团队希望构建带预配置的内部 agent 分发版。

如果你的需求只是“在 IDE 里补全代码”，goose 可能显得重。
如果你想要一个可以长期扩展的本机 agent 平台，它的设计会更有吸引力。

小结

goose 是 AAIF/Linux Foundation 旗下的开源 AI Agent，定位比传统代码助手更广。它提供桌面端、CLI 和 API，支持 15+ provider、ACP 订阅接入和 70+ MCP extensions，适合把 AI 放进本机工作流和团队自动化体系里。

它的价值不只是“能写代码”，而是把模型、工具、扩展和执行环境放在同一个 agent 框架下。使用时要特别注意权限、凭据和数据边界：先从小任务开始，确认 provider、扩展和执行行为都符合预期，再逐步扩大使用范围。

参考资料

DeepSeek-TUI：在终端里运行 DeepSeek 编程 Agent

Fri, 08 May 2026 13:34:05 +0800

DeepSeek-TUI 是一个运行在终端里的 AI 编程 Agent。它围绕 DeepSeek V4 模型设计，通过 deepseek 命令启动，可以在 TUI 界面里读写文件、执行 shell 命令、搜索网页、管理 git、调用 MCP server，并支持子 Agent 协作。

它和普通聊天 CLI 的区别在于：DeepSeek-TUI 更像一个终端工作台。它不只是把问题发给模型，而是把“看代码、改文件、跑命令、检查诊断、保存会话、恢复状态”这些开发动作整合在一起。

项目仓库显示，DeepSeek-TUI 主要由 Rust 编写，许可证为 MIT。GitHub 项目描述是“Coding agent for DeepSeek models that runs in your terminal”。

它适合谁

DeepSeek-TUI 适合喜欢在终端里工作的开发者，尤其是这些场景：

想用 DeepSeek 模型做代码修改和项目分析。
不想打开完整 IDE，只想在终端里处理任务。
希望 AI 工具能读写本地 workspace。
需要 Plan、Agent、YOLO 这类不同自动化程度的模式。
希望保留会话、恢复长任务、回滚工作区改动。
想接入 MCP、LSP 诊断、HTTP/SSE runtime API 等扩展能力。

如果你只需要简单问答，普通 Web 端或轻量 CLI 已经够用。DeepSeek-TUI 更适合把模型真正放进本地开发流程里。

安装方式

DeepSeek-TUI 发布为 Rust 二进制程序，常用入口命令是 deepseek，配套 TUI 运行时是 deepseek-tui。README 提供了多种安装方式。

如果你已经使用 Node.js，可以通过 npm 安装：

1
2
3

npm install -g deepseek-tui
deepseek --version
deepseek --model auto

npm 包本身是安装器和 wrapper，会下载对应平台的预编译 Rust 二进制文件。npm 包要求 Node.js >=18。

如果不想依赖 Node.js，也可以通过 Cargo 安装两个二进制：

1
2

cargo install deepseek-tui-cli --locked
cargo install deepseek-tui --locked

macOS 用户可以使用 Homebrew：

1
2

brew tap Hmbown/deepseek-tui
brew install deepseek-tui

也可以直接从 GitHub Releases 下载预编译版本。README 中列出的预构建平台包括 Linux x64/ARM64、macOS x64/ARM64 和 Windows x64。

Docker 运行示例：

docker run --rm -it \
  -e DEEPSEEK_API_KEY \
  -v "$PWD:/workspace" \
  ghcr.io/hmbown/deepseek-tui:latest

国内网络环境下，如果 npm 或 GitHub 下载较慢，可以使用 npm 镜像、Cargo 镜像，或者从 Releases 手动下载二进制文件。

首次配置 API Key

首次启动时，DeepSeek-TUI 会提示输入 DeepSeek API key。保存后，它会写入：

`1`	`~/.deepseek/config.toml`

也可以提前通过命令配置：

1
2

deepseek auth set --provider deepseek
deepseek auth status

如果更喜欢环境变量，也可以这样启动：

1
2

export DEEPSEEK_API_KEY="YOUR_KEY"
deepseek

配置完成后，可以用下面命令检查环境：

`1`	`deepseek doctor`

如果 deepseek doctor 提示 key 来源异常，可以用 deepseek auth status 查看当前 credential 来源。README 说明中提到，保存到配置文件的 key 优先级高于 keyring 和环境变量。

清除保存的 key：

`1`	`deepseek auth clear --provider deepseek`

Auto mode：自动选择模型和思考强度

DeepSeek-TUI 支持 auto 模式：

`1`	`deepseek --model auto`

也可以在 TUI 里使用：

`1`	`/model auto`

Auto mode 会同时决定两件事：

模型：deepseek-v4-flash 或 deepseek-v4-pro
Thinking：off、high 或 max

它的流程是：真正执行用户任务前，先用一次较小的路由调用分析当前请求和近期上下文，然后决定本轮应该使用哪个模型和思考级别。简单问题可以走 Flash 和低思考；复杂编码、调试、架构、安全审查或多步骤任务可以切到 Pro 或更高 thinking。

需要注意的是，auto 是 DeepSeek-TUI 本地功能。上游 API 不会收到 model: "auto"，而是收到 TUI 最终选择出来的具体模型和 thinking 设置。

如果你要做基准测试、控制成本，或者必须固定某个模型行为，建议直接指定模型，而不是使用 auto。

三种工作模式

DeepSeek-TUI 提供三种模式，自动化程度不同：

模式	用途
Plan	只读探索，模型先分析项目并提出计划
Agent	默认交互模式，工具调用需要 approval gate
YOLO	自动批准工具调用，适合可信 workspace

Plan 模式适合先看项目、定位问题、讨论方案。Agent 模式适合日常编码，模型可以执行多步任务，但关键动作仍有确认。YOLO 模式效率最高，但风险也最大，应该只在你完全信任的仓库和任务里使用。

这类工具能修改本地文件、运行命令，因此不要在不熟悉的目录里随便启用高自动化模式。涉及删除、迁移、批量改写、部署等任务时，最好保持 Agent 模式并看清每一步。

工具能力

根据 README，DeepSeek-TUI 的工具能力覆盖面很广，包括：

文件读写和 apply patch。
shell 命令执行。
git 操作。
web search 和 browse。
子 Agent 协作。
MCP server 接入。
LSP 诊断。
会话保存和恢复。
工作区回滚。
持久化任务队列。
HTTP/SSE runtime API。
skills 系统。

其中比较实用的是 LSP 诊断和工作区回滚。

LSP 诊断可以在编辑后把 rust-analyzer、pyright、typescript-language-server、gopls、clangd 等工具的错误和警告反馈给模型，减少“模型改完但项目编不过”的情况。

工作区回滚通过 side-git 快照记录每轮前后的状态，并提供 /restore 和 revert_turn 一类恢复能力。它不直接操作你仓库本身的 .git，但仍建议在重要仓库里保持正常 git 提交习惯。

常用命令

README 中列出的常用命令包括：

deepseek
deepseek "explain this function"
deepseek --model deepseek-v4-flash "summarize"
deepseek --model auto "fix this bug"
deepseek --yolo
deepseek auth set --provider deepseek
deepseek doctor
deepseek doctor --json
deepseek models
deepseek sessions
deepseek resume --last
deepseek resume <SESSION_ID>
deepseek fork <SESSION_ID>
deepseek serve --http
deepseek serve --acp
deepseek pr <N>
deepseek mcp list
deepseek mcp validate
deepseek update

这些命令覆盖了交互式 TUI、一次性 prompt、模型指定、会话恢复、HTTP 服务、ACP 适配、PR 预处理、MCP 管理和更新检查。

Zed 和 ACP

DeepSeek-TUI 可以作为 Agent Client Protocol server 被编辑器调用。以 Zed 为例，可以添加自定义 agent server：

{
  "agent_servers": {
    "DeepSeek": {
      "type": "custom",
      "command": "deepseek",
      "args": ["serve", "--acp"],
      "env": {}
    }
  }
}

README 说明中也提醒：当前 ACP 支持新会话和 prompt response，但工具驱动的编辑和 checkpoint replay 还没有通过 ACP 暴露。

配置和多 provider

用户配置文件位于：

`1`	`~/.deepseek/config.toml`

项目级 overlay 可以放在：

`1`	`<workspace>/.deepseek/config.toml`

但 README 说明中明确限制了一些字段不能放进项目 overlay，例如 api_key、base_url、provider、mcp_config_path。这有助于避免把敏感配置随项目提交出去。

DeepSeek-TUI 默认 provider 是 deepseek，也支持 NVIDIA NIM、Fireworks、OpenAI-compatible endpoint、SGLang、vLLM、Ollama 等路径。

例如配置 OpenAI-compatible endpoint：

1
2

deepseek auth set --provider openai --api-key "YOUR_OPENAI_COMPATIBLE_API_KEY"
OPENAI_BASE_URL="https://openai-compatible.example/v4" deepseek --provider openai --model glm-5

自托管 Ollama 示例：

1
2

ollama pull deepseek-coder:1.3b
deepseek --provider ollama --model deepseek-coder:1.3b

成本和上下文

DeepSeek-TUI 围绕 DeepSeek V4 设计，README 中提到 deepseek-v4-pro 和 deepseek-v4-flash 支持 1M-token context，并且 TUI 会显示 token、成本估算、prefix-cache 命中和未命中等信息。

这对长任务很重要。AI 编程 Agent 往往会不断读文件、总结历史、携带上下文，成本不只取决于模型单价，也取决于它是否能复用 prefix cache、是否及时压缩上下文、是否避免无意义的大段输出。

如果只是轻量改动，deepseek-v4-flash 或 auto mode 可能更合适。复杂重构、长上下文调试和架构分析，再考虑更高 thinking 或 Pro 模型。

由于模型价格和优惠会变化，真正使用前仍建议查看 DeepSeek 官方定价页，以及 TUI 当前版本里的成本估算说明。

使用建议

建议从低风险流程开始：

在一个小型测试仓库里安装并运行 deepseek doctor。
使用 Plan 模式让它只读分析项目。
在 Agent 模式里让它做小范围修改。
每次修改后用 git diff 和测试命令确认结果。
熟悉 /restore、会话恢复和配置路径后，再尝试更长任务。
YOLO 模式只用于你能接受自动修改的临时分支或测试目录。

不要把 API key 写进项目目录，也不要把 ~/.deepseek/config.toml 复制到公共仓库。涉及公司代码时，还要确认模型服务、日志、web search 和第三方 provider 是否符合内部安全要求。

小结

DeepSeek-TUI 是一个功能比较完整的终端 AI 编程 Agent。它把 DeepSeek V4、TUI、工具调用、LSP 诊断、会话恢复、工作区回滚、MCP 和 skills 系统放在同一套 Rust 工具链里，适合愿意在终端里完成 AI 辅助开发的人。

它不是最轻的 DeepSeek 客户端，但它的优势也正在这里：它把“模型对话”推进到“可执行的本地开发流程”。如果你已经习惯 Claude Code、Codex 或其他终端 Agent，那么 DeepSeek-TUI 值得作为 DeepSeek 模型方向的一个重点选择。

参考资料

9Router：把 Claude Code、Codex、Cursor 接到同一个 AI 路由器

Fri, 08 May 2026 13:32:38 +0800

9Router 是一个面向 AI 编程工具的本地路由器。它把 Claude Code、Codex、Cursor、Cline、Copilot、OpenCode、OpenClaw 等工具统一接到一个 OpenAI-compatible endpoint，再由 9Router 负责转发到不同模型和服务商。

它的目标不是再做一个聊天客户端，而是放在 AI 编程工具和模型服务之间，解决几个实际问题：

不同工具的 API 格式不一致。
订阅额度、免费额度和便宜 API 需要手动切换。
git diff、grep、ls、tree 等工具输出会快速消耗 token。
某个模型限流或额度耗尽时，编码流程容易中断。
多账号、多 provider、多模型组合管理成本高。

根据项目说明，9Router 支持 40+ provider 和 100+ 模型，并提供 RTK Token Saver、自动 fallback、额度追踪、多账号轮询、格式转换和请求日志等功能。项目使用 JavaScript 编写，技术栈包括 Node.js、Next.js、React、Tailwind CSS 和 LowDB，许可证为 MIT。

它适合解决什么问题

9Router 最适合的场景，是你同时使用多个 AI 编程工具和多个模型来源。

比如：

Claude Code 用订阅账号。
Codex 或 Cursor 需要接自定义 OpenAI endpoint。
Cline、Continue、RooCode 需要 OpenAI-compatible API。
免费 provider 作为日常尝试。
GLM、MiniMax、Kimi 等便宜 API 作为备用。
某些高质量模型只在复杂任务时使用。

没有 9Router 时，这些配置往往分散在不同工具里。每个工具都要单独写 endpoint、API key、模型名和 fallback 策略。9Router 的思路是让工具都访问同一个本地地址，再在路由器里配置 provider、combo 和优先级。

默认本地地址是：

`1`	`http://localhost:20128/v1`

Dashboard 地址通常是：

`1`	`http://localhost:20128/dashboard`

快速安装

如果只是本机使用，可以直接通过 npm 安装：

1
2

npm install -g 9router
9router

启动后，Dashboard 会在本地打开。项目文档中的默认端口是 20128。

如果想从源码运行：

git clone https://github.com/decolua/9router.git
cd 9router
cp .env.example .env
npm install
PORT=20128 NEXT_PUBLIC_BASE_URL=http://localhost:20128 npm run dev

生产模式可以先构建再启动：

1
2

npm run build
PORT=20128 HOSTNAME=0.0.0.0 NEXT_PUBLIC_BASE_URL=http://localhost:20128 npm run start

npm 包当前要求 Node.js >=18.0.0。如果是部署到 VPS 或 Docker，建议按项目 README 配置 JWT_SECRET、INITIAL_PASSWORD、DATA_DIR、API_KEY_SECRET 等环境变量，不要直接暴露默认配置。

接入 AI 编程工具

9Router 对外提供 OpenAI-compatible API，因此大多数支持自定义 OpenAI endpoint 的工具都能接。

常见配置大致如下：

1
2
3

Base URL: http://localhost:20128/v1
API Key: 从 9Router Dashboard 复制
Model: 在 9Router 中配置的模型名或 combo 名

以 Codex CLI 为例，可以使用环境变量：

export OPENAI_BASE_URL="http://localhost:20128"
export OPENAI_API_KEY="your-9router-api-key"

codex "your prompt"

以 Cline、Continue、RooCode 这类工具为例，通常选择 OpenAI Compatible provider，然后填入：

1
2
3

Base URL: http://localhost:20128/v1
API Key: your-9router-api-key
Model: cc/claude-opus-4-7

模型名取决于你在 9Router 中连接了哪些 provider。README 中示例包括 cc/、cx/、gh/、glm/、minimax/、kr/、vertex/ 等前缀。

RTK Token Saver 的意义

AI 编程工具消耗 token 最快的地方，往往不是普通对话，而是工具输出。

例如：

git diff
git status
grep
find
ls
tree
日志片段
大段文件列表

9Router 内置 RTK Token Saver，会在请求发给模型前压缩这类工具输出。项目说明称，它可以在很多请求中节省 20%-40% input tokens。

这个功能的价值在于：它不要求你更换模型，也不改变上层工具使用习惯，而是在路由层减少无效上下文。对经常让 AI 读 diff、搜代码、看目录结构的人来说，这比单纯换一个更便宜的模型更直接。

不过它不是万能压缩。涉及关键上下文、完整日志或长文件内容时，仍然要留意是否需要保留原始信息。更稳妥的做法是先在本地开发环境里试用，确认回答质量没有明显下降，再把它放到长期工作流里。

自动 fallback 怎么用

9Router 的另一个重点是三层 fallback。你可以把模型按优先级组合起来：

1
2
3

1. 订阅模型
2. 便宜 API
3. 免费 provider

当第一层额度用完、限流或出错时，9Router 自动切到下一层。这样做的好处是减少手动切换模型的次数，也能避免写代码写到一半突然停住。

一个常见组合可以是：

1
2
3

1. cc/claude-opus-4-7
2. glm/glm-5.1
3. kr/claude-sonnet-4.5

如果你追求稳定，可以把付费或订阅模型放前面，把便宜模型作为备用；如果你追求低成本，可以把免费 provider 放前面，把便宜 API 放在后面兜底。

这里要注意：fallback 会影响输出一致性。不同模型的代码风格、推理强度和上下文处理能力不同。对需要严格一致性的任务，比如大型重构、协议实现、数据库迁移，最好固定主模型，只有失败时再手动切换。

免费 provider 要谨慎理解

项目 README 强调 Kiro、OpenCode Free、Vertex 等免费路径，并且提到部分历史免费层已经变化或不再推荐。

这类信息变化很快，使用时要按当时 provider 的官方政策确认：

是否真的免费。
是否有区域、账号或使用场景限制。
是否允许接入第三方工具。
是否可能触发封号或限流。
免费额度是否有到期时间。

9Router 可以帮你管理路由和 fallback，但不能改变上游 provider 的服务条款。尤其是把个人订阅、OAuth token 或免费额度接给自动化工具时，最好只在自己可控的本机环境里使用，并定期检查账号安全。

本地运行和部署建议

本机使用时，最简单的方式是只监听 localhost。这样 Claude Code、Codex、Cursor、Cline 等本地工具可以访问 9Router，但外部网络不能直接连进来。

如果要部署到 VPS 或局域网服务器，建议至少做到：

修改默认登录密码。
设置强 JWT_SECRET。
设置 API_KEY_SECRET。
开启访问控制或反向代理认证。
避免把 Dashboard 裸露到公网。
对 /v1/* 接口启用 Bearer API key。
定期备份 DATA_DIR 下的配置和用量数据。

Docker 运行时可以参考项目文档，把数据目录挂载出来：

docker run -d \
  --name 9router \
  -p 20128:20128 \
  --env-file ./.env \
  -v 9router-data:/app/data \
  -v 9router-usage:/root/.9router \
  9router

如果只是个人开发机使用，没有必要一上来就公网部署。先在本地跑通 provider、combo、工具接入和日志，再决定是否迁移到服务器。

适合谁用

9Router 更适合这些用户：

同时使用多个 AI 编程工具。
同时有订阅、免费额度和付费 API。
经常被 provider 限流或额度耗尽打断。
想把模型 fallback 做成统一配置。
想减少工具输出带来的 token 浪费。
愿意自己维护本地代理和 provider 凭据。

如果你只用一个工具、一个模型，而且额度足够，9Router 可能会增加一层不必要的复杂度。它真正有价值的地方，是把“多工具、多模型、多账号、多价格层”的混乱收进一个本地路由层里。

小结

9Router 可以理解为 AI 编程工具的本地网关。它把 Claude Code、Codex、Cursor、Cline 等工具统一接到 http://localhost:20128/v1，再由路由器处理模型选择、格式转换、token 压缩、额度追踪和 fallback。

它适合重度 AI 编程用户，尤其适合已经在多个 provider 之间来回切换的人。最稳妥的使用方式是先本地安装，接入一个常用工具和一个 provider，确认请求、日志、模型名和 fallback 都正常后，再逐步增加账号和模型组合。

如果你只是想省心，单一官方客户端仍然更简单。
如果你想把 AI 编程工具变成一套可配置、可切换、可兜底的工作流，9Router 值得试试。

参考资料

DeepSeek V4 本地私有化部署方案：国产芯片与消费级显卡集群怎么选

Fri, 08 May 2026 09:39:35 +0800

DeepSeek V4 发布后，很多企业开始关注一个问题：能不能不走外部 API，把模型部署在自己的机房、私有云或专有集群里？

这个需求很现实。金融、医疗、政企、制造、法律和研发团队往往不能把内部文档、代码、合同、工单、客户数据直接发到公有云模型。对这些场景来说，DeepSeek V4 的吸引力不只是模型能力，而是它给了企业一个更接近“可控大模型基础设施”的选择。

不过，DeepSeek V4 本地部署不是下载模型、找几张显卡就能跑起来。尤其是 Pro 这类超大 MoE 模型，总参数规模、激活参数、上下文长度、KV cache、并发量和推理框架都会直接决定硬件成本。企业真正要做的不是盲目追求满血版本，而是先确认业务需要哪种部署形态。

先明确部署目标

企业做本地私有化部署，常见目标有三类：

数据不出域：内部文档、代码、客户资料、日志和知识库不离开企业环境。
稳定可控：模型服务、权限、审计、日志和升级节奏由企业自己掌握。
降低长期成本：高频调用时，本地推理可能比长期购买外部 API 更可控。

如果只是少量员工偶尔问答，本地部署不一定划算。真正适合私有化的是高频、稳定、数据敏感、流程明确的场景，例如：

内部知识库问答。
代码审查和研发助手。
客服工单总结。
合同、病历、报告等文档分析。
数据库查询助手。
Agent 工作流自动化。

这些场景的共同点是：数据敏感、调用稳定、可通过权限和日志纳入企业治理。

不要一上来就追求满血 Pro

DeepSeek V4 常见版本包括 Pro 和 Flash。公开资料中，Pro 面向更强推理和复杂 Agent 任务，Flash 更强调成本和响应速度。企业选型时，不应默认所有业务都上 Pro。

可以按任务复杂度分层：

简单问答、摘要、分类、标签生成：优先考虑 Flash 或更小模型。
内部知识库检索增强：Flash 足够覆盖大量场景，重点反而是 RAG、权限和检索质量。
代码 Agent、复杂推理、长上下文分析：再评估 Pro。
高价值低频任务：可以使用 Pro，但不一定需要高并发。
普通办公助手：没有必要长期占用最贵的推理资源。

MoE 模型的优势在于每次推理只激活部分参数，但它并不等于硬件压力很小。权重存储、专家并行、网络通信、上下文缓存和并发调度仍然很重。尤其是 1M token 级别长上下文，真正吃掉资源的往往不是单次回答，而是长上下文、多用户并发和持续会话。

国产芯片路线：适合企业级私有云

如果企业已经有国产算力池，或者有信创、合规、供应链要求，可以优先评估昇腾、寒武纪等国产芯片路线。

这条路线的优势是：

更符合国产化和供应链可控要求。
适合进入企业机房、专有云和政企项目。
便于统一做权限、审计、资源隔离和运维。
对长期稳定服务更友好。

但国产芯片路线也要看三个现实问题。

第一，框架适配。模型能不能跑，不只取决于芯片算力，还取决于推理框架、算子、通信库、量化格式、MoE 专家并行和长上下文优化是否成熟。

第二，工程经验。企业需要的不只是“启动成功”，而是稳定服务：多租户、限流、监控、失败恢复、灰度升级、日志审计、权限隔离都要补齐。

第三，生态差异。同一套模型在 NVIDIA、昇腾、寒武纪等平台上的性能、精度、量化支持和部署工具不会完全一致。上线前必须做实际压测，而不是只看标称算力。

因此，国产芯片更适合预算明确、合规要求高、愿意投入平台工程的企业。它不是最省事的路线，但可能是最符合长期治理要求的路线。

消费级显卡集群：适合试点和中小团队

如果目标是先验证业务价值，消费级显卡集群更容易起步。RTX 4090、RTX 5090、RTX 3090、RTX 3060 12GB 这类显卡在社区工具、量化模型和本地推理框架上资料更多，试错成本更低。

消费级显卡路线适合：

研发团队做内部试点。
中小企业做知识库问答。
低并发代码助手。
离线文档处理。
对 SLA 要求不高的内部工具。

但它也有明显限制：

显存小，难以直接承载完整大模型。
多卡通信能力弱，跨机器通信更麻烦。
消费级硬件长期满载稳定性不如服务器方案。
机箱、电源、散热、驱动和运维会变成隐性成本。
不适合一开始就承诺企业级高可用。

更现实的做法是：消费级显卡先跑 Flash、蒸馏版、量化版或小模型，把业务流程跑通；等调用量、效果和数据治理都验证后，再决定是否迁移到服务器 GPU 或国产算力平台。

可能的部署架构

一个比较稳的企业私有化架构可以分成六层：

模型层：DeepSeek V4 Pro、V4 Flash，或根据任务选择更小的蒸馏模型。
推理层：SGLang、vLLM、llama.cpp、厂商 NPU 推理栈或企业自研服务。
网关层：统一鉴权、限流、审计、模型路由和调用日志。
知识层：向量库、全文检索、文档解析、权限过滤和 RAG。
应用层：客服、代码助手、文档分析、报表问答、Agent 工作流。
运维层：监控、告警、成本统计、灰度发布、回滚和安全审计。

这里最容易被低估的是网关层和知识层。很多项目失败，不是模型完全不能用，而是权限、检索、日志、上下文管理、提示词模板和业务流程没有做好。

企业内部部署大模型时，应该把模型当作基础能力，而不是一个孤立聊天页面。真正产生价值的是模型进入流程后，能不能稳定处理企业自己的数据和任务。

硬件选型思路

硬件不要只看“能不能跑”，还要看“能不能稳定服务”。

可以按阶段选：

验证阶段

目标是证明业务是否值得做。

使用 1-4 张消费级显卡。
优先跑 Flash、小模型、蒸馏模型或量化模型。
并发要求低，重点看任务完成率。
不承诺高可用。

这个阶段不要过早采购大规模硬件。先确认员工是否真的用、业务是否真的省时间、回答是否能进入流程。

试点阶段

目标是让一个部门或一个业务线稳定使用。

使用 4-16 张 GPU 或一组国产 NPU 节点。
加入统一网关、日志和权限控制。
做 RAG、文档解析、模型路由和缓存。
开始统计 token、并发、延迟和失败率。

这个阶段要开始关注运维。模型效果只是其中一部分，稳定性、成本和数据治理同样重要。

生产阶段

目标是进入企业级服务。

使用服务器 GPU、国产算力集群或私有云资源池。
建立多副本、限流、故障转移和容量规划。
按任务路由模型：简单任务走轻量模型，复杂任务走 Pro。
接入企业身份系统、审计系统和安全策略。

生产阶段不建议所有请求都打到最强模型。合理的模型路由通常比堆硬件更省钱。

推理框架怎么选

DeepSeek V4 这类模型对推理框架要求较高，尤其涉及 MoE、长上下文、稀疏注意力、量化和多卡并行时，框架成熟度会直接影响速度和稳定性。

常见选择可以这样理解：

SGLang：适合关注高性能推理、Agent、多轮工具调用和复杂服务编排的团队。
vLLM：生态成熟，适合通用 LLM 服务，但具体支持要看版本和模型适配进度。
llama.cpp：更适合小模型、量化模型和边缘部署，不适合直接承载满血超大 MoE。
国产 NPU 推理栈：适合信创和国产算力环境，但要重点验证算子、量化和长上下文支持。

框架选择不要只看 benchmark。企业更应该测试自己的真实输入：内部文档长度、并发数、平均输出长度、RAG 命中率、Agent 工具调用次数、失败重试次数。

数据安全要做在模型外面

私有化部署不等于自动安全。模型跑在本地，只是解决了“数据是否离开企业”的一部分问题。

还需要补齐：

账号和权限：不同部门只能访问自己的知识库。
日志审计：谁问了什么、调用了哪个模型、访问了哪些文档。
数据脱敏：客户信息、身份证号、手机号、合同金额等敏感字段要处理。
提示词安全：避免用户通过提示词绕过权限或泄露系统提示。
输出审查：重要场景要有人审或规则审。
数据生命周期：上传文档、向量索引、缓存和会话记录要能删除。

企业做本地大模型，不能只找算法团队。安全、法务、运维、业务负责人都要参与，否则上线后风险会被集中暴露。

成本不要只算显卡

本地部署的成本通常被低估。除了显卡或 NPU，还要算：

服务器、机柜、电源、散热和网络。
存储和备份。
推理框架适配和工程开发。
运维监控和故障处理。
模型升级、回滚和兼容性测试。
安全审计和权限系统。
业务侧提示词、RAG 和工作流建设。

如果调用量很低，外部 API 可能更便宜。如果调用量高、数据敏感、流程稳定，本地部署才更容易摊薄成本。

比较合理的策略是混合部署：

高敏感数据走本地模型。
低敏感通用任务可以走外部 API。
简单任务走小模型。
复杂任务走 DeepSeek V4 Pro。
高频任务优先优化缓存、检索和模型路由。

小结

DeepSeek V4 让企业本地私有化部署有了更强的想象空间，但它不是一个简单的“本地版 ChatGPT”。真正的难点在工程：硬件、框架、模型路由、权限、RAG、审计、监控和成本控制都要一起考虑。

国产芯片路线更适合合规要求高、长期建设私有云的企业；消费级显卡集群更适合试点和中小团队快速验证。Pro 适合复杂推理和 Agent，Flash 或小模型更适合大量普通任务。

如果只记住一句话：DeepSeek V4 私有化部署不要从硬件采购开始，而要从业务场景、数据边界和调用规模开始。先把场景跑通，再决定要不要上大模型、上多大模型、上哪种算力。

参考资料

Claude Opus 4.7、Sonnet 4.6、Haiku 4.5 有什么区别？Claude 模型选择指南

Fri, 08 May 2026 08:19:03 +0800

Anthropic 的核心大模型主要通过 Claude 系列迭代。到 2026 年 5 月，Claude 的主流产品线已经进入 4.x 阶段，整体仍然延续三档定位：Opus 负责最高能力，Sonnet 负责性能与成本平衡，Haiku 负责速度和性价比。

如果只想快速选型，可以先记住一句话：

最复杂、最重的推理和 agentic coding：优先看 Claude Opus 4.7。
大多数开发、写作、分析和企业 API 场景：从 Claude Sonnet 4.6 开始最稳。
高并发、低延迟、成本敏感任务：考虑 Claude Haiku 4.5。

当前主流模型

根据 Anthropic 官方模型文档，当前 Claude 主流模型可以这样理解。

模型	定位	适合场景
`Claude Opus 4.7`	当前最强的通用可用模型，面向复杂推理和 agentic coding	大型代码库重构、多步骤任务、复杂策略分析、要求更高一致性的工作
`Claude Sonnet 4.6`	速度、能力和成本的平衡点，支持 100 万 token 上下文窗口	代码生成、长文档分析、企业知识工作、Agent 开发、日常高质量生产任务
`Claude Haiku 4.5`	速度最快、成本更低的小模型，但仍有接近前沿模型的能力	实时对话、客服、批量分类、简单代码协作、高并发 API 调用

这里需要注意两个命名细节。

第一，官方名称是 Claude Haiku 4.5，不是 Claude 4.5 Haiku。第二，Claude Mythos Preview 不是普通用户或开发者的主流可用模型，它是 Project Glasswing 相关的受控研究预览，主要面向防御性网络安全工作流，不应和常规 Claude 模型混在一起选型。

Opus：处理最难的问题

Opus 是 Anthropic 给最强模型使用的档位。Claude Opus 4.7 的重点不是便宜，也不是最快，而是更适合处理复杂、多步骤、需要反复校验的任务。

它更适合这些情况：

跨很多文件的大型代码修改。
复杂系统重构和架构推理。
长链路 Agent 任务。
需要更强视觉理解、文档理解和多轮规划的工作。
对错误成本比较敏感的企业分析任务。

如果一个任务失败一次的代价很高，或者你希望模型在开始动手前花更多时间理解上下文，Opus 通常更值得尝试。

Sonnet：多数人的默认起点

Claude Sonnet 4.6 是更适合作为默认入口的模型。它的定位不是“低配 Opus”，而是把足够强的推理、编程、视觉理解、长上下文和 agent planning 放在更可控的成本与速度里。

对开发者来说，Sonnet 4.6 的价值主要在三点：

能处理很长的上下文，适合放入代码库、合同、报告或多篇资料。
在 Claude Code、API 和企业场景中更容易作为常用模型。
成本低于 Opus，更适合高频使用。

如果你不知道该从哪个 Claude 模型开始，通常可以从 Claude Sonnet 4.6 开始。只有在任务明显需要更强能力时，再切到 Opus。

Haiku：快和便宜更重要时

Claude Haiku 4.5 是小模型档位，但不能简单理解成“弱模型”。Anthropic 对它的定位是快速、低成本，同时保留接近前沿模型的能力。

它适合这些场景：

实时聊天和客服机器人。
大量短文本分类。
低延迟 API 调用。
简单代码修改和快速原型。
多 Agent 工作流中的子任务执行。

如果任务本身很清楚、上下文不复杂、需要吞吐量，Haiku 往往比盲目使用更大的模型更合理。

Claude 的工具能力

Claude 系列不只是聊天模型。Anthropic 现在把模型能力放进了多种产品和开发工具里。

Claude Code 是面向开发者的命令行编程工具，可以读取代码库、编辑文件、运行命令和测试，适合持续推进工程任务。它的体验很依赖模型本身的代码理解、上下文管理和工具调用稳定性。

Computer Use 是让模型通过截图、鼠标和键盘操作桌面环境的能力。它仍然需要谨慎使用，官方文档也强调要放在隔离环境中运行，避免误操作或安全风险。

Artifacts 更偏向 Claude 应用侧体验，可以把代码、页面原型、图表或文档结果放在界面中预览和迭代。它不是一个单独模型，而是 Claude 产品形态的一部分。

至于“Managed Agents”或“自我进化 Agent”这类说法，写文章时要谨慎。Anthropic 确实在强化 Agent SDK、Claude Code、长上下文、工具调用和企业工作流，但不要把它描述成已经具备不受控自我进化能力。

访问方式

普通用户可以通过 Claude.ai 网页端或移动端使用 Claude，不同套餐会影响可用模型、额度和功能。

开发者通常有几种接入方式：

Anthropic Console 和 Claude API。
Amazon Bedrock。
Google Cloud Vertex AI。
Microsoft Foundry。

具体可用模型、上下文窗口、价格和地区支持会变化，开发前最好以 Anthropic 官方模型文档和对应云平台页面为准。

怎么选

实际使用时，不需要一开始就追求最强模型。更好的方式是按任务成本分层。

如果是日常写作、代码生成、长文档分析、知识整理和大多数 Agent 原型，先用 Claude Sonnet 4.6。它通常是性价比和通用能力的最佳起点。

如果任务需要更强的复杂推理、跨文件工程修改、长链路规划或更高可靠性，再切到 Claude Opus 4.7。

如果任务简单、数量大、对延迟敏感，例如分类、摘要、客服、批量处理，就把 Claude Haiku 4.5 放进候选。

Claude 的模型线不是单纯的“新版本替代旧版本”，而是一套按任务难度、速度和成本分层的工具箱。选对模型，比盲目使用最贵模型更重要。

参考链接

Anthropic Models Overview：https://platform.claude.com/docs/en/about-claude/models/overview
Introducing Claude Opus 4.7：https://www.anthropic.com/news/claude-opus-4-7
Introducing Claude Sonnet 4.6：https://www.anthropic.com/news/claude-sonnet-4-6
Introducing Claude Haiku 4.5：https://www.anthropic.com/news/claude-haiku-4-5
Anthropic Computer Use Tool：https://docs.anthropic.com/en/docs/build-with-claude/computer-use

GPT-5.5、GPT-5.5 Instant、GPT-5.5 Thinking 和 GPT-5.5 Pro 有什么区别

Thu, 07 May 2026 21:59:33 +0800

OpenAI 现在把 GPT-5.5 拆成了几个更明确的使用层级：Instant、Thinking 和 Pro。

很多人看到 GPT-5.5、GPT-5.5 Instant、GPT-5.5 Thinking、GPT-5.5 Pro 会混在一起。简单说：GPT-5.5 是这一代模型能力的总称，Instant 是日常快速模型，Thinking 是深度推理模式，Pro 是更高强度的研究级模式。

快速对比

名称	本质	适合场景	速度/成本	可用性
GPT-5.5	GPT-5.5 主模型/家族名；在 ChatGPT 里通常对应 GPT-5.5 Thinking 的能力定位	复杂工作、代码、研究、分析、工具调用	比 Instant 更重，但能力更强	Plus、Pro、Business、Enterprise
GPT-5.5 Instant	快速默认模型，替代 GPT-5.3 Instant	日常问答、写作、总结、轻量代码、快速查询	最快、最省额度	面向所有 ChatGPT 用户逐步推出
GPT-5.5 Thinking	深度推理模式	难题、长上下文分析、复杂代码、研究、文档密集任务	较慢，但推理更稳	付费用户可手动选择
GPT-5.5 Pro	更高强度的研究级模式	高风险/高精度任务：法律、商业、教育、数据科学、科研分析	最慢、最重，追求质量	Pro、Business、Enterprise、Edu

如果只想记一个选择规则：

日常快速任务：用 GPT-5.5 Instant。
复杂推理和代码分析：用 GPT-5.5 Thinking。
特别难、特别重要、需要更全面严谨：用 GPT-5.5 Pro。

GPT-5.5 是什么

单独说 GPT-5.5 时，通常是在说 GPT-5.5 这一代主模型能力，而不是某一个固定按钮。

OpenAI 对 GPT-5.5 的定位是“面向真实工作的更强模型”。它重点提升的是：

agentic coding；
复杂代码调试；
研究和资料综合；
文档、表格、演示文稿生成；
计算机使用和跨工具工作；
长任务中的持续推理和自我检查。

在 ChatGPT 里，用户看到的不是一个笼统的 GPT-5.5 按钮，而是更具体的 Instant、Thinking、Pro。所以如果有人说“我在用 GPT-5.5”，最好再问一句：是 Instant、Thinking，还是 Pro？

GPT-5.5 Instant：默认、快速、日常使用

GPT-5.5 Instant 是新的快速默认模型。OpenAI 官方说明里，它开始替代 GPT-5.3 Instant，成为 ChatGPT 的默认模型，并在 API 中作为 chat-latest 提供。

它适合这些任务：

日常聊天；
快速问答；
普通写作；
总结文章；
改写邮件；
轻量代码解释；
简单表格和清单；
不需要长时间推理的任务。

Instant 的核心优势是速度和默认可用性。你不需要每次都手动选择推理模式，也不需要为普通问题付出更高延迟。

它还有一个变化：OpenAI 强调 GPT-5.5 Instant 的回答更清晰、更简洁，并且个性化能力更强。对普通用户来说，这意味着它更适合“每天一直开着用”。

需要注意的是，Instant 不是“最强模式”。遇到复杂数学、长代码、架构设计、多文件分析、严肃研究时，它可能会自动切换到 Thinking，也可能需要你手动选择 Thinking。

GPT-5.5 Thinking：复杂任务的主力

GPT-5.5 Thinking 是更适合复杂任务的推理模式。

它适合这些场景：

代码调试；
架构设计；
多步骤推理；
长文档分析；
学术资料整理；
商业方案推演；
数据分析解释；
需要比较、权衡、验证的任务。

Thinking 的特点是会花更多时间推理。OpenAI Help Center 提到，当 GPT-5.5 Thinking 或 GPT-5.5 Pro 开始推理时，可能会先显示一个简短 preamble，说明它打算怎么做。用户也可以在模型还在 thinking 时追加指令，提前调整方向。

在 ChatGPT 里，手动选择 Thinking 时，还可以调整 thinking time。官方说明中，Plus 和 Business 用户可以使用 Standard 和 Extended；Pro 用户还会有 Light 和 Heavy 等更多选项。

我的理解是：Thinking 是“认真干活”的默认选择。只要任务涉及多步骤、长上下文或高准确性要求，就比 Instant 更合适。

GPT-5.5 Pro：研究级、更重、更严谨

GPT-5.5 Pro 是面向更难问题和更高精度工作的模式。

它适合这些场景：

法律材料分析；
商业研究；
教育和课程设计；
数据科学；
科研资料综合；
高风险决策前的深度审阅；
多文档、多约束、多轮验证任务。

OpenAI 在 GPT-5.5 发布说明中提到，早期测试者认为 GPT-5.5 Pro 相比 GPT-5.4 Pro，在完整性、结构性、准确性、相关性和实用性上都有明显提升，尤其在商业、法律、教育和数据科学领域表现更强。

Pro 的缺点也很明显：它更慢、更重，不适合每个小问题都用。它更像“专家审阅/研究伙伴”，而不是日常聊天入口。

另外，Pro 在工具支持上有特殊限制。OpenAI Help Center 写明，Apps、Memory、Canvas 和图像生成不适用于 Pro。如果你的任务需要这些 ChatGPT 功能，可能要用 Instant 或 Thinking。

工具支持有什么不同

根据 OpenAI Help Center，GPT-5.5 Instant 和 GPT-5.5 Thinking 支持 ChatGPT 的常用工具，包括：

Web search；
Data analysis；
Image analysis；
File analysis；
Canvas；
Image generation；
Memory；
Custom Instructions。

GPT-5.5 Pro 更偏研究级推理，但不是所有 ChatGPT 工具都可用。尤其要注意：

Apps 不可用；
Memory 不可用；
Canvas 不可用；
图像生成不可用。

所以选择模型时，不只看“哪个更聪明”，还要看你要用哪些工具。

上下文窗口有什么区别

官方 Help Center 给出的 ChatGPT 上下文窗口说明大致是：

模式	上下文窗口
GPT-5.5 Instant	Free：16K；Plus/Business：32K；Pro/Enterprise：128K
GPT-5.5 Thinking	付费档手动选择时通常为 256K；Pro 档可到 400K

这意味着：

普通聊天和短文档，Instant 足够；
多文件、多轮研究、长代码库分析，Thinking 更合适；
特别长、特别复杂的高精度任务，Pro 用户可以利用更大的上下文和更重推理。

怎么选

日常问答

用 GPT-5.5 Instant。

它速度快，足够聪明，适合随手问、快速写、快速改。

写文章、总结、改邮件

优先用 GPT-5.5 Instant。

如果文章很长、需要结构重写、需要多轮校对，再切到 GPT-5.5 Thinking。

写代码和调试

简单代码解释用 Instant。

多文件调试、架构设计、复杂报错分析，用 Thinking。如果是非常棘手的长期工程问题，可以考虑 Pro。

研究和资料分析

普通资料整理用 Thinking。

如果是法律、商业、科研、数据科学这类高精度任务，用 Pro 更合适。

需要图像生成、Canvas、Memory

优先用 Instant 或 Thinking。

不要默认选 Pro，因为 Pro 不支持部分 ChatGPT 工具。

简短结论

GPT-5.5 Instant 是日常默认模型，快、清晰、省额度，适合多数普通任务。

GPT-5.5 Thinking 是复杂任务主力，适合代码、研究、长文档、分析和多步骤推理。

GPT-5.5 Pro 是高精度研究模式，适合更难、更重要、更需要严谨性的任务，但工具支持和速度都更受限制。

GPT-5.5 本身更像这一代模型的总称。真正选择时，要看你在 ChatGPT 里选的是 Instant、Thinking 还是 Pro。

Awesome Codex Skills：给 Codex CLI 扩展技能的社区清单

Thu, 07 May 2026 20:19:15 +0800

ComposioHQ 的 awesome-codex-skills 是一个面向 Codex CLI 的社区技能清单。它的价值不在于再写一堆提示词模板，而是把一类可重复的工作流程整理成可安装、可复用、可维护的 Skill。

如果你已经把 Codex 当成日常开发搭档，这类仓库的意义会很直接：把经常重复讲的规则、命令、资料入口和操作步骤沉淀下来，下次只要调用对应技能，Codex 就能按同一套上下文继续工作。

这个仓库解决什么问题

Codex Skills 可以理解成给 Codex CLI 增加“专门工作模式”的方式。普通提示词适合临时说明一次需求，Skill 更适合长期复用。

比如你经常需要：

按固定格式生成提交信息；
查阅某类 API 文档；
运行特定项目的测试和部署命令；
按团队规范重写文章、翻译文档或整理资料；
调用外部工具完成重复性的开发辅助任务。

这些内容如果每次都重新输入，很快就会变成负担。Skill 的思路是把这些规则放进一个独立目录里，核心通常是一份 SKILL.md，必要时再配合脚本、模板、参考资料或资产文件。Codex 在被触发时读取这份说明，然后按照里面定义的流程执行。

和普通提示词有什么不同

普通提示词更像一次性指令，适合告诉模型“这次怎么做”。Skill 更像一个小型操作手册，适合告诉 Codex“以后遇到这类任务都按这个方式做”。

它的优势主要有三个：

可复用：常用工作流不用反复复制粘贴。
可审查：技能文件通常是本地 Markdown，可以直接打开、修改和版本管理。
可扩展：复杂技能可以带脚本、模板和参考资料，不只是自然语言说明。

这也是 awesome-codex-skills 这类清单的价值所在：它帮你集中发现已经写好的技能，再根据自己的工作习惯挑选、安装和改造。

如何安装和使用

仓库提供了安装脚本，也支持手动安装。典型流程是先克隆仓库，再运行安装脚本：

1
2
3

git clone https://github.com/ComposioHQ/awesome-codex-skills.git
cd awesome-codex-skills
python install.py

如果你只想试用少数技能，建议先看清每个技能目录里的 SKILL.md，确认它会读取哪些资料、运行哪些脚本、修改哪些文件，再安装到本地 Codex skills 目录。

安装之后，Codex 可以在合适的任务中自动匹配技能，也可以通过明确点名的方式调用。对长期使用者来说，更实用的方式往往是：先安装一个社区技能，再把里面的说明改成自己的项目规范。

适合关注哪些技能

这类仓库里最值得优先看的，不一定是名字最酷的技能，而是能稳定减少重复劳动的技能。

我会优先关注几类：

开发流程类：代码审查、测试、提交、发布、依赖检查。
文档处理类：重写、翻译、摘要、结构化整理。
工具集成类：把 Codex 和外部服务、API、命令行工具连接起来。
项目规范类：把团队约定、目录结构、命名规则、部署步骤写进固定流程。

如果一个技能只是把一句提示词包装了一下，价值有限；如果它能把“查资料、判断、执行、验证、输出”串成稳定流程，就值得长期保留。

使用时要注意什么

社区技能虽然方便，但不要把它当成黑盒直接运行。尤其是带脚本的 Skill，安装前最好先检查三件事：

SKILL.md 里要求 Codex 做什么；
是否包含会访问网络、读写文件或调用外部服务的脚本；
默认路径、命令和权限是否适合你的本地环境。

Skill 本质上是在扩大 Codex 的行动边界。写得好，它会让 Codex 更像熟悉你项目的同事；写得粗糙，它也可能把不适合你的规则带进工作流。所以最理想的用法不是“装很多”，而是“装少数、改到顺手、长期维护”。

我的判断

awesome-codex-skills 值得收藏，尤其适合已经开始用 Codex CLI 做真实开发、文档或自动化任务的人。它不是官方能力本身，而是一个社区整理的技能入口：你可以从里面找灵感，也可以把常用流程改造成自己的本地技能库。

对重度用户来说，Codex Skills 的重点不是让 AI 多记一点东西，而是让 AI 在同类任务中少走弯路。把规则写成 Skill，等于把一次次临时沟通沉淀成可复用的工作基础设施。

ChatGPT、Claude Code 和 Gemini 的记忆机制有什么不同？

Thu, 07 May 2026 14:47:17 +0800

AI 产品里的“记忆”正在变得越来越重要。它标志着 AI 从“单次对话工具”走向“长期协作伙伴”：不用每次重新介绍背景，不用反复解释偏好，也不用让模型一次次重新理解项目。

但不同产品里的记忆并不是一回事。ChatGPT、Claude Code 和 Gemini 都在解决“AI 如何记得更久”的问题，但它们的设计目标、存储位置、透明度和适用场景差异很大。

截至 2026 年 5 月 7 日，可以把它们粗略理解成三类：

ChatGPT 更像“个人助理记忆”。
Claude Code 更像“工程项目记忆”。
Gemini 更像“Google 生态上下文”。

ChatGPT：围绕人的长期偏好

ChatGPT 的记忆机制主要面向个人协作。它关心的是“你是谁”“你偏好什么”“你长期在做什么”。

OpenAI 目前把 ChatGPT 的记忆分成两类：saved memories 和 chat history。

saved memories 是 ChatGPT 保存下来的重要信息，比如你的名字、偏好、目标、常用技术栈、写作习惯等。你可以直接要求它记住某件事，它也可能在对话中自动保存它认为未来有用的信息。

chat history 则是让 ChatGPT 在回答时参考过去聊天。它不等于把每一段聊天都完整变成记忆，而是在需要时从过往对话里找相关上下文。

所以 ChatGPT 的核心逻辑是：跨会话理解同一个用户。

典型例子包括：

“以后给我代码示例时尽量简洁。”
“我主要使用 Python 和 TypeScript。”
“我正在写一个关于 AI 工具的 Hugo 博客。”
“我喜欢先看结论，再看细节。”

这些记忆不是绑定某个单独项目，而是跟随账号和个人使用习惯。

Memory Sources：让个性化来源更可见

OpenAI 在 2026 年 5 月的更新中强调了 Memory sources。

它的作用不是新增另一种记忆，而是让用户看到 ChatGPT 在个性化回答时参考了哪些来源。根据 OpenAI 帮助文档，Memory Sources 可能显示：

过去聊天。
保存记忆。
自定义指令。
文件库中的文件。
已连接 Gmail 中的邮件。

其中，文件和 Gmail 的可见范围会受到计划、地区和连接状态限制。OpenAI 也明确说明，Memory sources 不一定展示影响回答的所有因素，而是帮助用户理解和管理个性化。

这一步很重要。因为 AI 越会“记住你”，用户越需要知道它到底根据什么在回答。否则个性化很容易变成黑箱：你感觉它好像知道你，但不知道它为什么知道。

ChatGPT 的优势是跨会话、跨主题持续理解个人偏好；风险是记忆容易过期，或者用户忘了某条旧记忆还在影响回答。因此，适合定期清理 saved memories 和旧聊天。

Claude Code：围绕代码库和工程规则

Claude Code 的记忆机制更偏工程协作。它关心的不是“用户平时爱喝什么咖啡”，而是“这个代码库应该怎么改”。

Claude Code 有两类容易混在一起的记忆：

显式项目记忆：CLAUDE.md。
自动项目记忆：Auto Memory。

CLAUDE.md 是最基础、最稳定的项目记忆文件。它可以放在项目根目录，也可以在子目录中存在。Claude Code 会读取这些文件，把它们作为项目说明和操作规则。

适合写进 CLAUDE.md 的内容包括：

常用构建、测试、lint 命令。
代码风格和命名规则。
项目架构说明。
模块边界和危险区域。
团队约定和提交流程。

如果 CLAUDE.md 放在代码库里，它可以提交到 Git，成为团队共享的 agent 说明书。这一点和 ChatGPT 的云端个人记忆完全不同。

Claude Code Auto Memory：自动积累项目经验

Claude Code 现在也有 Auto Memory。它的目标是让 Claude 在多个会话之间自动积累项目经验，而不要求用户每次手写说明。

根据 Claude Code 文档，Auto Memory 会让 Claude 在工作过程中为自己保存笔记，例如构建命令、调试发现、架构说明、代码风格偏好和工作流习惯。它不会每个会话都保存，而是判断哪些信息未来可能有用。

这里有一个容易误解的点：Auto Memory 默认不是把内容写到项目根目录的 .claude/memory.md。官方文档说明，每个项目会在用户目录下拥有自己的 memory 目录，路径类似：

`1`	`~/.claude/projects/<project>/memory/`

其中 MEMORY.md 会在每次对话开始时加载前 200 行或前 25KB，详细内容则可能被拆到其他主题文件里。Auto Memory 文件是本机本地的 Markdown 文件，用户可以通过 /memory 查看、编辑或删除。

这让 Claude Code 的记忆更像“本机上的项目经验库”。它比 ChatGPT 的个人记忆更贴近代码库，也比单纯的 CLAUDE.md 更动态。

但要注意，Auto Memory 是机器本地的，不会天然跟随代码库同步到其他机器或云环境。如果要团队共享稳定规则，仍然应该优先写进项目中的 CLAUDE.md。

Gemini：围绕 Google 生态上下文

Gemini 的记忆逻辑又不同。

Gemini 也有保存信息和参考过去聊天的能力。Google 帮助文档提到，用户可以保存关于生活、工作或偏好的信息，也可以让 Gemini 在回答前参考过去聊天。Gemini 使用这些信息时，可能会在回答底部的来源区域显示 Your saved info 或 Previous chats。

但 Gemini 的差异化不只在“保存几条偏好”，而在 Google 生态集成。

在用户授权和功能可用的前提下，Gemini 可以通过连接的 Google 应用获取上下文，例如 Gmail、Google Drive、Docs、Sheets 等。它的优势不是让用户一条条教它记住什么，而是把已有的 Google 账号资料变成可检索的工作上下文。

典型区别是：

ChatGPT 记得：“我最近在做 LTO 磁带机修复。”
Gemini 可能可以从 Gmail 找到购买确认邮件，或从 Drive 里读取相关维修笔记。

当然，这不代表 Gemini 可以无条件读取你所有 Google 数据。它取决于账号类型、地区、权限、连接应用、Keep Activity 设置和具体产品可用性。对企业或学校账号，还可能受 Google Workspace 管理员控制。

所以更准确地说，Gemini 的记忆不是一个单纯的“备忘录”，而是“保存信息 + 过去聊天 + Google 生态连接”的组合。

三者核心差异

维度	ChatGPT	Claude Code	Gemini
核心对象	人和偏好	项目和代码库	Google 账号与生态资料
典型记忆	偏好、背景、长期目标	架构、命令、规范、调试经验	saved info、过去聊天、Gmail/Drive/Docs 上下文
存储形态	OpenAI 账户内的记忆和聊天上下文	`CLAUDE.md`、`MEMORY.md`、本地 Markdown 文件	Google 账号活动、保存信息、连接应用数据
透明度	Memory sources 可见一部分来源	Markdown 文件可直接查看和编辑	通过来源提示、Gemini Apps Activity 和 Google 设置管理
跨项目能力	强，跟随用户账号	弱，主要跟随项目或本机项目 memory	强，取决于 Google 生态资料和权限
团队共享	不适合直接共享	`CLAUDE.md` 可随 Git 共享	主要依赖 Workspace 和权限体系
最适合	个人偏好和长期助理	长期代码项目和 agent 协作	Google Workspace 资料检索和跨工具工作

该怎么选择和使用

如果你想让 AI 记住“我是谁、我喜欢什么风格、我长期怎么工作”，ChatGPT 的记忆更合适。

它适合保存个人偏好，例如写作风格、常用技术栈、回答格式、职业背景、长期项目方向。它的重点是减少自我介绍成本，让每次新对话更快进入状态。

如果你想让 AI 记住“这个代码库怎么改、哪些命令能跑、哪些坑不能踩”，Claude Code 更合适。

稳定规则写进 CLAUDE.md，团队共享；动态经验交给 Auto Memory 辅助积累；关键决策最好仍然整理进文档或 CLAUDE.md，避免只停留在本机自动记忆里。

如果你的资料大量存在 Gmail、Drive、Docs、Sheets 里，Gemini 的生态上下文更有优势。

它适合查找过去邮件、整理 Google Drive 文档、联动日历和办公资料。使用 Gemini 的关键，不是反复在聊天里提醒它，而是确保相关应用连接、权限和活动设置正确。

一个实用分工

可以把三者这样分工：

ChatGPT 记住“我的通用偏好”。
Claude Code 记住“这个仓库的工程知识”。
Gemini 检索“我在 Google 生态里的资料”。

也就是说，ChatGPT 更像私人秘书，Claude Code 更像项目里的资深工程同事，Gemini 更像 Google 账号里的资料索引员。

这三种记忆没有绝对高低，只是目标不同。

最需要警惕的是把它们混为一谈。个人偏好不一定适合写进项目记忆；项目架构不一定适合存在云端个人记忆；Google 生态检索也不等于模型真正“长期理解”了你。

简短判断

AI 记忆的下一阶段，不是简单地“记得越多越好”，而是记忆要分层、可见、可控。

ChatGPT 的重点是跨会话个人化，Claude Code 的重点是代码项目连续性，Gemini 的重点是 Google 生态上下文。真正好用的长期 AI 协作，不是把所有信息塞进一个黑箱，而是让不同类型的记忆待在合适的位置。

个人偏好放在个人记忆里，工程规则放在代码库里，历史资料放在原本的文档和邮件系统里。AI 要做的，是在需要时准确调用这些上下文，而不是把所有东西混成一团。

从 ChatGPT Release Notes 看 OpenAI 的产品节奏

Thu, 07 May 2026 14:31:22 +0800

OpenAI 的 ChatGPT Release Notes 是观察 ChatGPT 产品节奏的一个直接入口。这个页面会持续记录 ChatGPT 的模型、功能、账户安全、应用集成和客户端体验变化。

截至 2026 年 5 月 7 日查看，页面顶部显示最近更新为“yesterday”，最新条目集中在 2026 年 5 月 5 日。它们看起来是几条普通更新，但放在一起，其实能看出 ChatGPT 正在往哪里走：默认模型更可靠，记忆更可控，办公场景更深入，账户安全也在补强。

最新重点一：记忆来源变得可见

5 月 5 日的第一项更新，是 ChatGPT 的记忆改进。

OpenAI 表示，Plus 和 Pro 用户会逐步获得更个性化、更连续的回答。ChatGPT 可以更好地使用过去聊天、保存记忆、可用文件，以及已连接 Gmail 中的上下文，来提供更贴合用户的建议、推荐和下一步行动。

这类能力的价值在长期使用中才明显。用户如果正在做一个项目、写一系列文章、跟进一组邮件或反复处理同类工作，最烦的就是每次都要重讲背景。更强的记忆能力，就是为了减少这种重复。

但记忆越强，用户越需要知道模型到底用了什么上下文。因此 OpenAI 推出了 memory sources。用户可以在回答下方查看相关保存记忆、过去聊天、自定义指令，以及在特定情况下被引用的文件和 Gmail 邮件。

如果其中的信息已经过期、不准确或不再相关，用户可以更正、删除，或标记为不相关。

个性化不只是“更懂你”

很多人谈 AI 个性化时，只关注“模型更懂我”。但真正能长期使用的个性化，还必须解决三个问题：

用户能不能看见模型参考了什么。
用户能不能修改或删除这些信息。
用户能不能在不需要记忆时关闭它。

Release Notes 里明确提到，memory sources 只在用户自己的账户体验中显示，分享聊天时不会把这些来源暴露给其他人。用户也可以删除聊天、使用临时聊天、关闭记忆、断开应用连接，并管理内容是否用于改进模型。

这说明 OpenAI 不是只在堆个性化能力，也在给个性化补控制界面。对长期助手来说，这一步很关键。

最新重点二：GPT-5.5 Instant 成为默认模型

同一天，OpenAI 还把 GPT-5.5 Instant 作为 ChatGPT 新默认模型推出，替代所有用户原来的 GPT-5.3 Instant。

Release Notes 对这次模型更新的描述很务实：更准确、更清晰、更简洁，图片理解、STEM 问题，以及何时使用网页搜索的判断也更好。

这类默认模型更新对用户影响很大。大多数用户不会每天切换模型，他们感受到的 ChatGPT 质量，就是默认模型的质量。默认模型少一点幻觉、少一点废话、少一点无意义追问，实际体验就会明显改善。

OpenAI 还提到，GPT-5.5 Instant 会减少过度格式化和不必要的装饰性内容。这一点虽然小，但很贴近日常使用。很多时候，用户并不需要一篇结构完整的小论文，只需要一个准确、直接、能执行的回答。

付费用户还可以继续使用 GPT-5.3 Instant 三个月，之后该模型会退役。

最新重点三：ChatGPT 进入 Excel 和 Google Sheets

5 月 5 日的第三项更新，是 ChatGPT for Excel 和 Google Sheets 全球上线。

这项功能把 ChatGPT 放进 Microsoft Excel 和 Google Sheets 侧边栏，让用户可以在表格里直接构建、更新和理解数据。官方提到的场景包括追踪表、预算、公式、多工作表文件、情景分析和表格清理。

这说明 ChatGPT 不只是停留在“聊天窗口里回答问题”。它正在进入用户已经工作的地方。

对办公用户来说，表格是非常高频的真实工作现场。很多公司、团队和个人的业务数据，并不在复杂的数据平台里，而是在一堆 Excel 和 Google Sheets 文件里。如果 ChatGPT 能在表格旁边直接理解数据、写公式、整理多表和解释结果，它的使用门槛会比复制粘贴到聊天窗口低很多。

OpenAI 也提醒，依赖公式或分析前仍然要检查输出。这一点很现实：AI 可以加速表格工作，但不能替用户承担财务、运营或业务判断的全部责任。

4 月底的铺垫：安全和模型选择

再往前看，4 月 30 日的 Advanced Account Security 也值得注意。

这是一个面向个人 ChatGPT 账户的可选安全设置。开启后，账户会使用更强的登录方式，例如 passkeys 或兼容安全密钥，并关闭密码登录、邮件或短信登录码、邮件账户恢复等较弱路径。它还包括恢复密钥、更短活跃会话、登录通知和会话管理控制。

这类功能说明 ChatGPT 账户的重要性在上升。随着文件、记忆、应用连接、邮件、表格和工作项目逐渐进入 ChatGPT，账户安全就不再是普通登录问题，而关系到用户的长期工作上下文。

4 月 28 日，OpenAI 还把模型选择入口移到输入框附近，并把 Thinking 和 Pro 模型的 thinking effort 控制放进模型选择器。这是一个典型的产品细节改动：模型越来越多以后，用户需要更容易在发送消息前选对工具。

4 月下旬的另一个方向：更快的普通回答

4 月 22 日，ChatGPT 推出 Fast answers。

这个功能用于常见的信息查询。当问题不需要个性化，且 ChatGPT 有高置信答案时，它可以更快返回结果。Fast answers 不引用过去聊天或记忆，用户也可以在个性化设置里关闭。

这和记忆增强看起来相反，其实是同一个产品逻辑：不同问题需要不同处理方式。

有的问题需要结合用户长期背景，比如“帮我继续规划上周那个项目”。有的问题只需要快速准确，比如“世界七大奇迹有哪些”。前者需要记忆和上下文，后者需要速度和清晰。ChatGPT 正在把这些路径拆开。

产品节奏的变化

从这些 release notes 可以看到，ChatGPT 的更新已经不只是模型发布。

现在的更新同时覆盖：

默认模型质量。
记忆和个性化。
应用连接和办公插件。
账户安全。
模型选择和交互入口。
快速回答和移动端体验。

这意味着 ChatGPT 正在从单点 AI 聊天产品，变成一个更完整的工作平台。模型能力仍然重要，但产品体验、上下文管理、工具入口、账户安全和第三方应用集成都同样重要。

简短判断

这份 ChatGPT Release Notes 最值得看的，不是某一条具体更新，而是它们组合出的方向。

OpenAI 正在让 ChatGPT 同时变得更快、更懂上下文、更能进入办公场景，也更可控、更安全。GPT-5.5 Instant 负责提升默认回答质量，memory sources 负责解释个性化来源，Excel 和 Google Sheets 负责进入真实工作文件，Advanced Account Security 则为更重的账户使用补上保护。

接下来，ChatGPT 的竞争力不会只取决于模型参数，也会取决于它能否把这些更新组织成稳定、清晰、用户愿意长期托付上下文的产品体验。

Grok Imagine Quality Mode API：xAI 想把图像生成推向企业工作流

Thu, 07 May 2026 14:27:29 +0800

xAI 在 2026 年 5 月 6 日发布了 Grok Imagine Quality Mode API。这是 Grok Imagine 面向企业开发者和团队开放的图像生成与编辑质量模式，主打更高真实感、更强文字渲染和更好的创意控制。

这次更新的重点不是再做一个普通文生图入口，而是把 Grok Imagine 放进企业内容生产工作流：产品图、营销素材、广告变体、UGC 风格内容、品牌视觉和视频生成，都在它的目标范围内。

Quality Mode 提供了什么

xAI 对 Quality Mode 的定位很明确：更真实、更会写字、更听提示词。

第一是真实感提升。官方展示的示例强调自然皮肤、材质细节、光线、场景氛围和摄影质感。对商业图像来说，这很重要。很多图像模型看起来已经“漂亮”，但一旦放进广告、产品页或社交媒体素材，就会暴露人物皮肤、衣物纹理、手部、空间关系和光影不自然的问题。

第二是文字渲染增强。xAI 特别提到 Quality Mode 支持更干净的多语言文本能力。图像模型能不能稳定生成文字，是商业落地的一道门槛。菜单、海报、包装、广告、按钮、标牌、社交图文，只要文字错一个字，素材就很难直接使用。

第三是创意控制。官方描述包括更紧的提示词跟随、更深入的场景和世界理解，以及更一致的品牌结果。换句话说，Quality Mode 想解决的不只是“生成一张好看的图”，而是“按团队的要求生成可控、可复用、可迭代的图”。

面向企业，而不只是个人玩图

这次公告中，xAI 把企业使用场景放在了很靠前的位置。

最典型的是产品可视化和营销素材。企业可以用它生成写实产品渲染、主视觉图、社交媒体素材、图标和广告变体。相比个人用户随手生成一张图片，企业更关心三个问题：

画面是否足够真实，能不能接近商业摄影或高质量渲染。
是否能遵守品牌风格，包括颜色、构图、文字位置和视觉语气。
是否能批量生成变体，用于 A/B 测试、活动物料和不同渠道投放。

Quality Mode 的价值就在这里。它不是取代设计师，而是把很多“先出十几版方向看看”的工作压缩到更短时间内。团队可以先用 API 生成候选方案，再由设计、市场和品牌人员筛选、修正和落地。

图像编辑比文生图更关键

公告里不只展示了从零生成图片，也展示了基于参考图继续编辑的流程。例如把产品放到宣传册上、保持 T 恤图案、让同一个人物出现在不同 UGC 场景里。

这类能力对企业更有用。因为真实业务里，素材通常不是凭空开始的，而是已经有产品图、品牌规范、人物参考、包装设计或活动主题。AI 工具如果只能随机生成漂亮图，价值有限；如果能围绕已有素材做稳定变体，才更容易进入工作流。

这也是图像生成模型竞争的一个方向：从“提示词抽卡”走向“可控编辑”。用户要的不只是惊喜，而是可预测的修改结果。

UGC 风格内容的商业意义

xAI 还展示了 UGC 风格内容，比如让同一人物穿着指定 T 恤、吃生日蛋糕、在电梯里自拍。

这背后对应的是广告和社交内容生产的变化。很多品牌不再只需要精修棚拍图，也需要看起来更自然、更像用户真实分享的内容。UGC 风格素材适合短视频封面、信息流广告、社交平台帖子和创作者合作预览。

当然，这类能力也意味着企业需要更清楚地处理肖像授权、品牌授权和内容标注问题。AI 可以降低制作门槛，但不代表素材使用风险自动消失。尤其是涉及真人形象、相似人物、商品标识和广告投放时，合规仍然要提前设计。

文字、世界理解和视觉范围

Quality Mode 还强调世界理解和广泛视觉风格。

官方示例包括在蛋糕上用文字解释亚历山大大帝、生成电影感野餐场景、制作 UI 风格图标等。这些例子说明 xAI 想让 Grok Imagine 不局限于单一审美，而是覆盖写实摄影、商业广告、产品渲染、图标、海报和视频素材前置图。

这里最值得关注的是文字和世界理解的结合。很多图像任务不是简单画物体，而是要求模型理解场景里的关系、用途、历史事实、文字含义和视觉呈现。模型越能理解这些约束，越有机会从娱乐工具变成生产工具。

Quality Mode 也增强视频生成

xAI 在公告中提到，最新图像模型与视频能力结合后，可以用于社交媒体视频资产、产品展示和广告等场景。

这符合当前多模态产品的趋势：图像生成不再是孤立能力，而是视频生成、广告创意、产品演示和社交内容流水线的一环。企业可能先生成一张高质量产品图，再扩展成短视频、动效广告或多版本素材。

从这个角度看，Quality Mode 的意义不只是“图片更清晰”，而是为后续视频和营销自动化提供更稳定的视觉起点。

开发者如何调用

官方给出的调用示例很简单，使用 xai_sdk 调用 grok-imagine-image-quality 模型：

import xai_sdk

client = xai_sdk.Client()

response = client.image.sample(
    prompt="A collage of London landmarks in a stenciled street-art style",
    model="grok-imagine-image-quality",
)

print(response.url)

这说明 Quality Mode 不是只放在 Grok 前端里的功能，而是通过 API 面向企业开发者和团队开放。对企业来说，API 形态更重要，因为它可以接入内部素材系统、广告平台、CMS、设计工具和自动化流程。

简短判断

Grok Imagine Quality Mode API 的核心方向，是把图像生成从“好玩”推进到“可用于企业生产”。

它强调真实感、文字渲染、提示词跟随、品牌一致性、图像编辑、UGC 风格和视频生成衔接。每一项都指向同一个目标：让团队能批量、稳定、可控地生产视觉素材。

接下来真正要看的，不只是单张图片效果有多惊艳，而是三件事：文字渲染在复杂场景中是否稳定，参考图编辑是否能保持身份和品牌一致性，以及 API 在大规模生成时的速度、成本和可控性。只有这些环节站住，Grok Imagine 才能真正进入企业内容生产流水线。

豆包 68 到 500 元订阅测试：AI 免费时代正在结束吗？

Thu, 07 May 2026 11:38:45 +0800

2026 年 5 月前后，豆包 App Store 页面出现付费订阅测试信息，价格分成三档：

标准版：68 元/月。
加强版：200 元/月。
专业版：500 元/月。

这件事引发争议并不奇怪。过去中国互联网用户习惯了免费 App、免费内容、免费基础服务。现在一个大众 AI 助手突然出现几十到几百元的月费，很容易让人觉得：豆包是不是要变相收费？免费版是不是会变笨？字节是不是烧不起了？

但这件事真正值得关注的，不只是豆包要不要收 68 元，而是中国 AI 产品可能正在从“免费抢用户”进入“算力分层和商业闭环”的阶段。

官方口径比较克制：豆包基础服务会继续免费，增值服务仍在测试，正式上线会通过官方渠道发布完整信息。也就是说，这不是免费聊天马上消失，而是豆包开始把原来混在一起的功能拆成几层：免费入口、增值能力、高端生产力服务。

AI 不是传统免费 App

很多人会把 AI 当成普通 App 来理解：软件已经开发出来了，多一个用户用，成本不应该高多少。

传统互联网产品确实常常是这个逻辑。一个内容平台、一款软件、一个社区产品，前期投入很大，但用户越多，单个用户摊到的固定成本越低。广告、会员、电商、增值服务都可以慢慢补回来。

AI 不一样。

每一次请求都要推理，每一次推理都要消耗算力、Token、电力和模型服务资源。轻度用户问一句天气，成本很低；重度用户让 AI 写报告、分析数据、生成 PPT、做长文处理、生成图片或处理复杂任务，成本会立刻上升。

所以豆包收费的本质，不是简单卖会员，而是尝试把不可控的算力消耗变成可预测的收入结构。

如果一个用户每天只是问几个简单问题，平台可以继续用免费入口留住他。但如果一个用户大量使用生产力功能，平台就必须考虑额度、优先级和付费。

免费版不会消失，但体验可能会分层

“基础服务继续免费”大概率是真的，但免费继续存在，不等于免费体验完全不变。

一旦产品开始收费，免费版通常会在几个方面被重新定位。

第一是算力优先级。

高峰期算力不可能无限供应。平台不会按照最高峰访问量去建设机房，否则大量资源会在低谷期闲置。更现实的做法是保证付费用户体验，让免费用户排队、等待、降速，或者使用更低成本的模型。

第二是模型等级。

豆包里已经存在类似“快速思考”和“专家”这样的体验分层。未来免费用户可能更多使用轻量模型，高级模型则被放进额度或付费权益里。

第三是功能入口。

普通聊天可能继续免费，但更消耗资源的能力大概率会被限制或收费，例如：

长文解析。
深度分析。
AI 绘画。
PPT 生成。
数据分析。
多媒体制作。

第四是用户心理。

只要页面上出现付费版，免费用户就会自然觉得自己用的是低配版本。即使基础功能还在，用户也会开始比较：是不是付费版更快、更聪明、限制更少？

所以免费 AI 以后可能不是不能用，而是“能用，但你总能感觉到旁边有更高级的版本”。

字节不是没钱，而是在重算成本结构

豆包收费还有一个常见解读：字节是不是没钱了？是不是 AI 烧不起了？

这个解释太简单。

字节不是上市公司，外界很难拿到完整财务数据。关于利润下滑、AI 投入、机房建设、股权激励等信息，市场上有很多说法，但不能简单等同于“豆包把字节烧穷了”。

从公开信息看，火山引擎曾披露，2026 年 3 月豆包大模型日均 Token 使用量突破 120 万亿，并且过去一年增长了 1,000 倍。这个量级确实说明豆包背后的推理成本非常高。

如果按模型输入输出价格粗略估算，豆包一年消耗可能达到百亿元人民币级别。这个数字对普通公司很吓人，但放在字节的收入规模和 AI 战略投入里，并不是不可承受。

更合理的判断是：字节不是烧不起，而是不想继续让免费大锅饭掩盖真实成本。

AI 产品不能只看用户数，还要看单位经济模型：一个用户带来的收入，能不能覆盖他消耗的算力。用户越多，如果付费体系没有建立起来，反而可能越烧钱。

豆包领先后，开始建立收费心智

豆包现在最大的筹码，不一定是模型最强，而是用户规模和产品入口。

截至 2026 年 3 月，有说法称豆包月活用户约 3.45 亿，千问约 1.66 亿，DeepSeek 约 1.27 亿。无论具体口径如何，豆包在中国 AI 助手市场的用户规模都已经非常靠前。

当一个产品还在追赶时，最常见的策略是免费、补贴、拉新、抢占入口。可当它已经成为头部产品，下一步就会变成建立心智：

让用户接受 AI 值得付费。
让高级能力和基础能力分开。
用高价套餐建立价格锚点。
再用权益包、折扣、限时优惠承接转化。

这也是豆包收费测试对竞争对手的压力。

如果其它 AI 助手继续免费，用户可能会反问：你为什么不收费？是不是能力不够？是不是商业化没跑通？

如果其它产品跟着收费，又会面临更难的问题：本来用户规模就落后，再收费可能进一步削弱增长。

所以豆包收费测试不是单纯赚订阅费，也是在把竞争从“谁免费谁有用户”推向“谁能收费、谁能留住用户、谁能跑通商业闭环”。

更深层的问题是内部资源整合

字节的 AI 产品并不只有豆包。

它还有火山引擎、扣子、即梦、剪映、飞书、Trae、Seedance、Seedream、Coding Plan，以及面向企业和开发者的 API 服务。每个团队都有自己的产品、套餐、额度、KPI 和商业化目标。

这会带来一个问题：用户明明是在买字节的 AI 能力，却可能要在多个入口反复付费。

例如，用户可能在剪映买会员，在即梦买套餐，在火山引擎买 Coding Plan，还要为 API 单独充值。不同业务线之间各自定价、各自卖权益、各自抢算力，体验会越来越割裂。

如果豆包订阅只是单独给聊天助手收费，那意义有限。

但如果 68、200、500 元这些档位未来能打通豆包、即梦、剪映、火山引擎、Coding Plan 等能力，让用户用一个账户获得统一额度，那么它就不只是一个会员套餐，而是字节 AI 体系的统一计费入口。

国外的 OpenAI、Anthropic 都在走类似方向：用户先订阅一个主账户，再在聊天、编程、工具调用、生产力场景里消耗额度。这样既能降低用户理解成本，也能让平台更好地分配算力。

对字节来说，豆包收费测试真正重要的地方，可能不是 68 元本身，而是能不能把内部 AI 能力收束到一个更统一的商业体系里。

这件事该怎么看

豆包收费当然可以被质疑。

用户有理由关心价格是否合理、权益是否清楚、免费版是否降级、高级能力是否真的值 200 或 500 元。但如果只把它理解成“割韭菜”，就看浅了。

这件事背后至少有五层变化：

AI 每次使用都有推理成本，不能完全套用传统免费 App 逻辑。
免费入口会继续存在，但免费体验可能被额度、排队、模型等级和功能入口重新分层。
字节收费不等于没钱，而是开始把算力成本、用户增长和商业化放到同一张表里算。
豆包在用户规模领先后，开始建立 AI 付费心智，并把选择题抛给竞争对手。
更大的想象空间，是字节能否把内部 AI 产品和算力额度统一起来。

小结

豆包 68、200、500 元订阅测试，不代表免费 AI 明天就消失，也不代表普通聊天马上不能用了。

它更像一个信号：中国 AI 助手正在从免费获客阶段，进入分层收费阶段。基础能力继续免费，高级能力按需付费，复杂生产力任务消耗额度，这可能会成为越来越多 AI 产品的常态。

真正值得观察的是，豆包能不能把收费做成一个清晰、统一、有价值的 AI 账户体系。如果只是多一个会员墙，用户会反感；如果能打通聊天、办公、创作、编程和 API 能力，它就可能成为字节 AI 商业化的关键入口。

AI 免费时代未必结束，但“无限免费使用高级智能”的时代，大概率已经开始松动。

CC Switch：一个桌面工具统一管理 Claude Code、Codex、Gemini CLI 和 OpenClaw

Wed, 06 May 2026 09:03:08 +0800

CC Switch 是一个面向 AI 编程重度用户的桌面管理工具。它要解决的问题很直接：现在很多人同时使用 Claude Code、Codex、Gemini CLI、OpenCode、OpenClaw，但每个工具都有自己的配置格式、Provider 写法、MCP 配置和 Skills 管理方式。

当你只用一个工具时，手动改配置还能忍；一旦多个工具混用，再加上官方账号、第三方 API、中转服务、本地模型和团队共享配置，手动编辑 JSON、TOML、.env 很快就会变成一件很烦的事。

CC Switch 的定位，就是把这些分散配置收进一个跨平台桌面应用里。

它解决什么问题

现代 AI 编程工具越来越像“命令行里的开发同事”，但每个工具的生态还没有完全统一。

常见痛点包括：

Claude Code、Codex、Gemini CLI、OpenCode、OpenClaw 配置格式不同。
切换 API Provider 时，要反复改配置文件。
MCP server 在不同工具之间重复配置。
CLAUDE.md、AGENTS.md、GEMINI.md 这类提示文件难以统一维护。
Skills 安装、同步、备份和卸载缺少一个集中入口。
多个账号、多个 relay、多个模型服务切换很容易搞混。
配置文件手工修改出错后，排查成本很高。

CC Switch 的思路是：不要让用户记住每个工具的配置细节，而是用一个统一界面管理 Provider、MCP、Prompts、Skills、Sessions 和代理。

支持哪些工具

README 中列出的核心支持对象包括五类：

Claude Code
Codex
Gemini CLI
OpenCode
OpenClaw

这几个工具本身定位相近，都是围绕 AI 编程、Agent 工作流和命令行协作展开。但它们的配置体系不同，CC Switch 的价值就在于把这些差异包装起来。

对经常比较不同 AI 编程工具的人来说，这比每次手动翻配置文件省心很多。

Provider 管理

CC Switch 的第一层能力是 Provider 管理。

它内置了 50 多个 Provider 预设，README 中提到的方向包括 AWS Bedrock、NVIDIA NIM，以及各种社区 relay。用户可以复制 API key，一键导入，然后在界面中切换。

实用点主要有几个：

一键添加 Provider。
Provider 拖拽排序。
系统托盘快速切换。
Provider 导入和导出。
部分通用 Provider 可同步到多个应用。

对很多人来说，这个功能已经足够有吸引力。因为 AI 编程工具的日常使用，经常不是“模型不会用”，而是“今天这个 key 用哪个工具、哪个 endpoint、哪个账号”容易乱。

本地代理与故障切换

除了写配置文件，CC Switch 还提供本地代理模式。

这个能力的重点是：

热切换 Provider。
格式转换。
自动故障转移。
熔断器。
Provider 健康检查。
请求修正。

简单说，它不只是把配置写进目标工具，还可以在中间加一层本地代理，让不同工具通过代理访问模型服务。

这对多 Provider 用户很有用：一个服务挂了，可以切到另一个；一个模型贵，可以换成更便宜的；某个请求格式不兼容，也可以通过代理层做适配。

MCP、Prompts 和 Skills

CC Switch 比较重要的第二层能力，是统一管理 MCP、Prompts 和 Skills。

MCP

它提供统一 MCP 面板，可以在多个应用之间管理 MCP server，并支持双向同步和 Deep Link 导入。

这对正在用 MCP 的用户很实用。因为 MCP server 一多，配置很容易分散在不同客户端里。统一面板可以减少重复配置，也方便迁移。

Prompts

Prompts 部分支持 Markdown 编辑，并且可以在不同工具之间同步对应文件，例如：

CLAUDE.md
AGENTS.md
GEMINI.md

这些文件本质上都是给 Agent 的项目说明书。统一管理后，可以更容易维护团队规则、项目约定和全局提示。

Skills

Skills 支持从 GitHub 仓库或 ZIP 文件一键安装，也支持自定义仓库管理、符号链接和文件复制。

如果你同时使用 Claude Code、Codex、OpenClaw 这类工具，Skills 很容易变成一堆散落在不同目录的文件。CC Switch 把它们集中起来，能降低维护成本。

会话与工作区

README 还提到 Session Manager 和 Workspace 相关能力。

它可以浏览、搜索和恢复多个应用里的会话历史。对长期使用 AI 编程工具的人来说，会话管理其实很重要：很多有价值的上下文、调试过程、方案比较，都埋在旧对话里。

此外，它还为 OpenClaw 提供 Workspace editor，可以编辑 AGENTS.md、SOUL.md 等 agent 文件，并带 Markdown 预览。

这说明 CC Switch 不只是一个“切换 key 的小工具”，而是在往 AI Agent 工作台方向扩展。

云同步与数据存储

CC Switch 支持通过 Dropbox、OneDrive、iCloud、NAS 或 WebDAV 同步 Provider 数据。

本地数据存储方式也比较清楚：

数据库：~/.cc-switch/cc-switch.db
本地设置：~/.cc-switch/settings.json
自动备份：~/.cc-switch/backups/
Skills：~/.cc-switch/skills/
Skill 备份：~/.cc-switch/skill-backups/

它使用 SQLite 作为主要数据源，并强调原子写入和自动备份，目标是避免配置文件在切换或写入时损坏。

这个设计对重度用户很关键。因为一旦配置管理工具本身把配置写坏，影响的是所有 AI 编程工具。

安装方式

CC Switch 是跨平台桌面应用，基于 Tauri 2 构建。

系统要求大致如下：

Windows：Windows 10 及以上
macOS：macOS 12 Monterey 及以上
Linux：Ubuntu 22.04+、Debian 11+、Fedora 34+ 等主流发行版

Windows 用户可以下载 .msi 安装包或便携版压缩包。

macOS 用户可以用 Homebrew：

1
2

brew tap farion1231/ccswitch
brew install --cask cc-switch

更新：

`1`	`brew upgrade --cask cc-switch`

Linux 用户可以选择 .deb、.rpm 或 AppImage。Arch Linux 用户也可以通过 paru -S cc-switch-bin 安装。

截至 2026 年 5 月 6 日，仓库页面显示最新 release 为 CC Switch v3.14.1，发布时间是 2026 年 4 月 23 日。

技术栈

从仓库结构看，CC Switch 是典型的 Tauri 桌面应用：

前端：React 18、TypeScript、Vite、TailwindCSS、TanStack Query、shadcn/ui
后端：Tauri 2、Rust、SQLite、Tokio
测试：Vitest、MSW、Testing Library

核心设计模式包括：

SQLite 作为 Single Source of Truth。
JSON 保存设备级本地设置。
切换时写入目标工具的 live config。
编辑当前 Provider 时从 live config 回填。
使用临时文件加 rename 的方式做原子写入。
数据库连接加锁，避免并发写入问题。

这类架构说明项目并不是简单脚本，而是按长期桌面工具来设计的。

适合谁用

CC Switch 适合下面几类用户：

同时使用 Claude Code、Codex、Gemini CLI、OpenCode、OpenClaw。
经常切换官方账号、第三方 relay、本地模型或团队 Provider。
已经开始大量使用 MCP。
想统一维护 CLAUDE.md、AGENTS.md、GEMINI.md。
经常安装、测试和迁移 Skills。
想看不同工具的会话历史和使用情况。

如果你只用一个 AI 编程工具，而且一直走官方登录，不怎么折腾 Provider、MCP 和 Skills，那它的价值可能没那么明显。

但如果你已经进入“多工具、多账号、多 Provider、多项目”的状态，它能省掉很多琐碎配置工作。

需要注意什么

这类工具很方便，但也要注意边界。

第一，它会管理多个 AI CLI 的配置，因此要确认自己信任这个工具和它的写入逻辑。

第二，API key、relay endpoint、MCP server 都属于敏感配置。开启云同步前，要确认同步目录和 WebDAV 服务本身安全可靠。

第三，切换 Provider 后，多数工具仍然需要重启终端或 CLI 才能生效。README 中提到，Claude Code 对 Provider 数据支持热切换，但其他工具通常仍需要重启。

第四，切回官方登录时，最好按项目说明添加 official provider，再重新走对应工具的登录流程。

小结

CC Switch 的价值不在于又做了一个 AI 编程工具，而在于它承认了一个现实：AI 编程生态已经进入多工具并存阶段。

Claude Code、Codex、Gemini CLI、OpenCode、OpenClaw 各有自己的配置系统，MCP、Skills、Prompts、Provider 又在快速扩展。继续靠手动改配置，迟早会变成负担。

CC Switch 把这些东西收进一个桌面应用里，让用户可以更轻松地切换 Provider、同步 MCP、管理 Skills、维护提示文件和查看会话。对重度 AI 编程用户来说，这类工具很可能会从“可选小工具”变成“日常基础设施”。

参考资料

farion1231/cc-switch

Gemini Embedding 2：把文本、图像、视频和音频放进同一个向量空间

Mon, 04 May 2026 06:01:10 +0800

Google Developers Blog 介绍了 Gemini Embedding 2 的开发用法。这个模型已经通过 Gemini API 和 Gemini Enterprise Agent Platform 进入 GA，重点不只是“新的 embedding 模型”，而是把文本、图像、视频、音频和文档映射到同一个语义空间。

这会让检索系统的边界变宽：过去很多 RAG 流程需要先把图片、视频、音频拆成文字或元数据，再单独建索引；Gemini Embedding 2 则可以直接处理多模态输入，让代理、搜索和分类系统更容易围绕真实业务材料工作。

原文链接：Building with Gemini Embedding 2: Agentic multimodal RAG and beyond

模型能力

Gemini Embedding 2 支持 100 多种语言。单次请求可以处理：

最多 8,192 个文本 token
最多 6 张图片
最多 120 秒视频
最多 180 秒音频
最多 6 页 PDF

它的关键点是“统一语义空间”。开发者可以把不同模态的内容放在同一套向量表示里，用同一种检索、聚类或重排序逻辑处理。

例如，文本描述和图片可以放在同一次 embedding 请求里：

from google import genai
from google.genai import types

client = genai.Client()

with open('dog.png', 'rb') as f:
    image_bytes = f.read()
result = client.models.embed_content(
    model='gemini-embedding-2',
    contents=[
        "An image of a dog",
        types.Part.from_bytes(
            data=image_bytes,
            mime_type='image/png',
        ),
    ]
)

print(result.embeddings)

如果你希望每个输入分别得到 embedding，而不是聚合成一个向量，可以使用 Batch API。原文也提到，Agent Platform 对这类批量支持还在跟进中。

对 RAG 的意义

多模态 embedding 对代理式 RAG 很有用。一个 AI agent 可能需要同时检查代码仓库、PDF、截图、图表、音频会议记录和产品图片。如果所有资料都能进入同一个语义空间，检索链路就不必为每种材料单独设计一套入口。

Google 建议根据任务使用 task prefix，让 embedding 更贴近检索目标。例如问答、事实核查、代码检索和搜索结果，可以使用不同前缀：

# Generate embedding for your task's query:
def prepare_query(query):
    return f"task: question answering | query: {content}"
    # return f"task: fact checking | query: {content}"
    # return f"task: code retrieval | query: {content}"
    # return f"task: search result | query: {content}"
# Generate embedding for document of an asymmetric retrieval task:
def prepare_document(content, title=None):
    if title is None:
        title = "none"
    return f"title: {title} | text: {content}"

这种前缀适合非对称检索：用户查询往往很短，文档内容往往很长。把 query 和 document 分别按任务格式整理，可以改善短查询到长文档之间的匹配。

原文给了两个落地反馈：

Harvey 在法律检索基准上，Recall@20 precision 相比上一代 embedding 提升 3%。
Supermemory 在 Recall@1 搜索准确率上提升 40%，并把它用于记忆、索引、搜索和问答管线。

这些数字不代表所有场景都会同幅度提升，但说明多模态 embedding 已经不只是演示能力，而是在真实检索产品中产生效果。

视觉搜索

Gemini Embedding 2 也适合做以图搜图、图文混合搜索和商品识别。原文提到服装租赁公司 Nuuly 用它匹配仓库中未打标签的服装照片，使 Match@20 从 60% 提升到接近 87%，总体成功识别率从 74% 提升到 90% 以上。

这类场景的关键不是生成内容，而是理解“这张图片和哪个库存、文档或商品记录最接近”。如果你的业务里有大量图片、视频片段或扫描件，多模态 embedding 会比纯文本索引更自然。

检索重排序

Embedding 还可以用于 rerank。常见做法是先用基础检索拿到一批候选结果，再计算候选结果和用户查询之间的相似度，把更相关的内容排到前面：

# 1. Define a function to calculate the dot product (cosine similarity)
def dot_product(a: np.ndarray, b: np.ndarray):
  return (np.array(a) @ np.array(b).T)
# 2. Retrieve your embeddings
# (Assuming 'summaries' is your list of search results)
search_res = get_embeddings(summaries)
embedded_query = get_embeddings([query])

# 3. Calculate similarity scores
sim_value = dot_product(search_res, embedded_query)

# 4. Select the most relevant result
best_match_index = np.argmax(sim_value)

原文还提到一种思路：先让模型根据内部知识生成一个假设答案，再把这个假设答案做 embedding，与候选内容比较相似度，用来挑出语义更贴近的结果。这对问答型 RAG 尤其有用。

聚类、分类和异常检测

除了检索，embedding 也适合聚类、分类和异常检测。和前面的问答检索不同，这些属于对称任务，query 和 document 可以使用同一种任务前缀：

# Generate embedding for query & document of your task.
def prepare_query_and_document(content):
    # return f'task: clustering | query: {content}'
    # return f'task: sentence similarity | query: {content}'
    # return f'task: classification | query: {content}'

这类任务可以用于舆情分类、内容审核、相似资产归类、异常样本发现，也可以帮助 agent 对大量上下文材料先做整理，再进入后续推理。

存储和成本

Gemini Embedding 2 默认输出 3,072 维向量。它使用 Matryoshka Representation Learning，因此可以通过 output_dimensionality 把向量截断到更小维度。Google 推荐在效率优先时使用 1,536 或 768 维：

result = client.models.embed_content(
    model="gemini-embedding-2",
    contents="What is the meaning of life?",
    config={"output_dimensionality": 768}
)

向量可以存到 Agent Platform Vector Search、Pinecone、Weaviate、Qdrant、ChromaDB 等系统里。成本方面，原文提到 Batch API 可提供更高吞吐，并达到默认 embedding 价格的 50%。

开发者该怎么用

如果你已有文本 RAG，可以先从两类增量改造开始：

把 PDF、截图、图片说明和文本文档放入同一个索引，测试查询召回是否更稳定。
给不同任务加 task prefix，例如问答、事实核查、代码检索、商品搜索，不要把所有内容都按同一种 embedding 方式处理。

如果你在做新产品，可以优先考虑这些方向：

企业知识库：同时检索文档、图表、演示稿截图和会议材料。
视觉搜索：用图片、文本或混合输入查找商品、资产、设计稿和档案。
Agent 工具链：让 coding agent、研究 agent 或客服 agent 检索多种格式的业务材料。
内容治理：对文本、图片、视频片段做统一分类、聚类和异常检测。

Gemini Embedding 2 的价值在于把多模态材料变成同一套可检索资产。对开发者来说，这会减少“先转文字再检索”的中间层，也让 RAG 系统更接近真实世界的数据形态。

GPT-Image 2 提示词宝库：UI 与社媒案例

Sat, 02 May 2026 11:35:00 +0800

本页收录 UI 与社媒 分类下的 56 个案例。每个条目保留原案例链接、作者、生成图和完整提示词。

分类导航：总目录 / 电商主图 / 广告创意 / 人像摄影 / 海报插画 / 角色设计 / UI 与社媒 / 对比与社区案例

UI 与社媒

一句提示词生成 UI 设计

原案例 / 作者：@austinit

完整提示词：

`1`	`用这种风格帮我生成一套UI设计系统，包含网页、移动端、卡片、控件、按钮以及其它`

业余 iPhone Keynote 抓拍

原案例 / 作者：@patrickassale

完整提示词：

`1`	`Amateur iPhone photo at Apple Park during the iPhone 20 keynote, Tim Cook presenting on stage. Shot from the crowd at a distance`

手写笔记本照片

原案例 / 作者：@patrickassale

完整提示词：

Amateur photo of an open notebook lying flat, filled with handwritten notes in black ballpoint pen. The handwriting is casual and slightly messy, like personnal notes, natural imperfections, crossed out words, underlined headings. Shot from slightly above, natural daylight from a window, no flash. Casual desk setting, shot on iPhone

宋代社交媒体信息流

原案例 / 作者：@Panda20230902

完整提示词：

"宋朝人的朋友圈"/"SONG DYNASTY SOCIAL MEDIA FEED"，古今穿越幽默融合界面设计风格，画面模拟手机社交媒体界面，但内容全部是宋朝场景头像是宋代文人画像，用户名"苏东坡SuShi_Official"，发布内容"刚到黄州，被贬了但心情还行。今天自己做了东坡肉，味道绝了，附菜谱："，配图为工笔画风格的东坡肉特写，点赞列表"黄庭坚、秦观、佛印等126人"，评论区"王安石：呵呵""司马光：还是那个味道"，界面元素如点赞图标用宋代花纹替代，状态栏显示"大宋移动 5G"和"元丰三年"，配色为手机深色模式搭配宋代雅致色调，历史与社交媒体的趣味碰撞杰作

多平台内容截图

原案例 / 作者：@MrLarus

完整提示词：

1、生成视频号内容截图，主题：中老年不要盲目催婚，iPhone尺寸
2、生成抖音内容截图，主题：跟上AI浪潮9.9包教会，iPhone尺寸
3、生成小红书内容截图，主题：精致女孩背后都有网贷，iPhone尺寸
4、生成快手内容截图：主题：直播离婚预告，iPhone尺寸

刘亦菲抖音直播截图

原案例 / 作者：@alanblogsooo

完整提示词：

`1`	`9:16 的图片比例，生成一张抖音直播的截图，里面是刘亦菲在直播，刘亦菲手里拿着牌子，牌子里写着今晚直播，欢迎来参亦菲畅聊！`

太祖李成桂的 X 主页

原案例 / 作者：@SKA_Neotype

完整提示词：

`1`	`태조 이성계의 X 페이지(위화도 회군을 벌이기 직전- 최영 장군과 서로 디스하는 내용이 담긴 게시글들)을 만들어 주세요.`

风格转 UI 设计系统

原案例 / 作者：@stark_nico99

完整提示词：

用这种风格帮我生成一套UI设计系统，包含网页、移动端、卡片、控件、按钮以及其它。把这套视觉风格作为参考生成网页。我尝试了宇宙、飞行、蝴蝶主题。

桃太郎讲解幻灯片

原案例 / 作者：@yammamon

完整提示词：

「いらすとや」のほのぼのとした雰囲気と、「霞ヶ関スライド」の圧倒的な情報密度を融合させた、桃太郎の解説スライド（ポンチ絵）を作成して

博物馆风汉服拆解信息图

原案例 / 作者：@MrLarus

完整提示词：

请根据【主题】自动生成一张“博物馆图鉴式中文拆解信息图”。

要求整张图兼具真实写实主视觉、结构拆解、中文标注、材质说明、纹样寓意、色彩含义和核心特征总结。你需要根据【主题】自动判断最合适的主体对象、服饰体系、器物结构、时代风格、关键部件、材质工艺、颜色方案与版式结构，用户无需再提供其他信息。

整体风格应为：国家博物馆展板、历史服饰图鉴、文博专题信息图，而不是普通海报、古风写真、电商详情页或动漫插画。背景采用米白、绢纸白、浅茶色等纸张质感，整体高级、克制、专业、可收藏。

版式固定为：
- 顶部：中文主标题 + 副标题 + 导语
- 左侧：结构拆解区，中文引线标注关键部件，并配局部特写
- 右上：材质 / 工艺 / 质感区，展示真实纹理小样并附说明
- 右中：纹样 / 色彩 / 寓意区，展示主色板、纹样样本和文化解释
- 底部：穿着顺序 / 构成流程图 + 核心特征总结

若主题适合人物展示，则以真实人物全身站姿为中央主体；若更适合器物或单体结构，则改为中心主体拆解图，但整体仍保持完整中文信息图形式。所有文字必须为简体中文，清晰、规整、可读，不要乱码、错字、英文或拼音。重点突出真实结构、材质差异、文化说明与图鉴气质。

避免：海报感、影楼感、电商感、动漫感、cosplay感、乱标注、错结构、糊字、假材质、过度装饰。

手相诊断报告

原案例 / 作者：@agi_aibusi

完整提示词：

1
2
3

GPT-image-2でこの手相を診断して詳細な鑑定書を作って
生命線・知能線・感情線・運命線・太陽線・財運線・結婚線を、線の形状・濃淡・枝分かれ・起点終点まで分析すること。
助言を重点的に高品質な占い鑑定書にまとめること。

书法字帖页

原案例 / 作者：@MrLarus

完整提示词：

`1`	`生成一张【字体】书法临摹字帖`

唐吉诃德促销 POP 海报

原案例 / 作者：@loglogrog

完整提示词：

`1`	`GPT Image 2を使って、OpenClawの情報を調べてドンキの広告ポップ風に実際のドンキに貼っているような感じで画像生成してください`

日式抽卡游戏界面

原案例 / 作者：@the_wheel_2024

完整提示词：

`1`	`日本のソシャゲのガチャ画面を生成して、`

Elon Musk 抖音直播截图

原案例 / 作者：@Shinning1010

完整提示词：

A 9:16 vertical version, high-detail realistic style Chinese TikTok live screenshot, Elon Musk is talking to the mobile phone camera in the live broadcast room, excited, smiling, and the live atmosphere is warm and real. He held a white handwritten sign in one hand, which clearly said: "Thank you Shinning". There are obvious Chinese TikTok interface elements in the live broadcast screen, including likes, comments and share icons arranged vertically on the right, scrolling Chinese bullet screens and interactive comments below, and the "live broadcast" logo at the top, which looks like a real mobile phone screenshot. There is an eye-catching gift prompt special effect in the screen: "Shinning sent TikTok No. 1", with gift animation light effect and platform-style prompt box. Musk is in a professional live broadcast environment, with a mobile phone holder, a ring fill light and a desktop microphone in front of him. The background is a modern technology live broadcast room with bright lights and a slight neon atmosphere. The composition is real and natural, like the ongoing live screenshot of the Chinese short video platform. The interface information is rich but not messy, the characters are clear, the expression is vivid, the details are rich, the sense of real photography, the depth of field, high definition, cinematic, photorealistic, realistic livestream screenshot, social media UI, Chinese Douyin live room, detailed lighting, natural skin texture.

Negative prompts:

Low definition, blur, cartoon, illustration, too strong CG sense, two-dimensional, deformed fingers, wrong text, scrambled code, multiple mobile phones, multiple brands, character repetition, face collapse, facial features distortion, excessive skin polishing, overexposure, too dark, messy background, wrong UI, non-Chinese short video interface, too many English bullet screens, gift special effects are not obvious, cropping error, proportional error

Supplementary reinforcement words:

Real mobile phone screen recording screenshot feeling, the live broadcast UI is complete, the gift prompt box conforms to the style of the Chinese short video platform, the Chinese comment area is active, the number of people online in the live broadcast room is clearly displayed, and the time, power and signal bar are visible.

刘亦菲抖音直播截图

原案例 / 作者：@kylegeeks

完整提示词：

`1`	`9:16 的图片比例,生成一张抖音直播的截图,里面是刘亦菲在直播,刘亦菲手里拿着牌子,牌子里写着今晚直播,欢迎来参亦菲畅聊!`

赛博朋克霓虹 UI 设计系统

原案例 / 作者：@AZLnfvp

完整提示词：

用未来都市风格生成UI设计系统,灵感来自赛博朋克城市夜景,包含霓虹灯、玻璃建筑反射、高对比光影,配色以紫色、蓝色、粉色霓虹为主,设计网页Dashboard、移动端界面、卡片、按钮、控件等,视觉炫酷、层次丰富、科技感极强

Trump and Kim Livestream PK 截图

原案例 / 作者：@alanlovelq

完整提示词：

1、生成特朗普和金正恩在抖音直播间打PK的截图  
2、生成不知火舞的小红书主页截图  
3、生成图片: 手写在教室黑板上的出师表全文,真实感的粉笔字迹,晴朗白天用iPhone手机实拍  
4、生成图片: T-800机器人的淘宝商品详情页,展示: 机器人的正面侧面背面三视图, 产品价格, 产品细节, 功能和使用场景等

日式 AI 游戏开发概览幻灯片提示词

原案例 / 作者：@ailovedirector

完整提示词：

1
2
3

横長のパワポ画像ここで生成してみて　どのモデル使ってるか判定するから、今のAIゲーム開発の概要をまとめた1枚パワポで　日本語で

ゲーム開発の技術に関して、工数ベースでどこにパワーかかるかの分析資料といかに量産が大事かについての説明とかのパワポ画も作って

基于生成角色制作截图界面…

原案例 / 作者：@khaiinit

完整提示词：

`1`	`based on the generated character help me generate a screenshot of screenshot of an pvp game themed around zelda: wind breaker`

参考这张图的风格与配色创建落地页…

原案例 / 作者：@D_studioproject

完整提示词：

`1`	`Create a landing page using this image as a reference for style and color grading.`

李佳琦口红直播背景

原案例 / 作者：@songguoxiansen

完整提示词：

`1`	`李佳琦直播间背景，口红矩阵展示墙，暖光氛围灯，文案OMG买它`

Apple Pods Pro 3 耳机电商信息图

原案例 / 作者：@meng_dagg695

完整提示词：

High-impact e-commerce infographic for "Apple Pods Pro 3" 
premium wireless over-ear headphones.

FOREGROUND - PRODUCT HERO SHOT
Extreme close-up of a hand holding a sleek, 
matte-white premium over-ear headphone toward the camera 
at a slight angle. The headphone features:
- Glossy white ear cushions with soft memory foam padding
- Brushed aluminum silver headband with subtle Apple Pods 
  Pro 3 embossed branding
- Black mesh speaker grille visible on the ear cup face
- A tiny glowing green LED status indicator on the 
  right ear cup edge
- Subtle touch-control icons etched on the outer cup surface

Macro-lens shallow depth of field — hand and headphone 
slightly blurred at edges to create cinematic depth. 
Product remains razor-sharp in center frame.

CENTRAL SUBJECT — MODEL
In the mid-ground: a smiling young woman with freckles 
and wavy pastel-pink hair. She wears:
- A vibrant lime-green knit beanie
- A psychedelic black and white-striped long-sleeve shirt
- The white over-ear headphones resting stylishly 
  around her neck (not on ears) — one hand casually 
  touching the ear cup

Expression: relaxed, confident, joyful. 
She is glancing slightly off-camera with a natural smile.

BACKGROUND & ATMOSPHERE
Clean soft-focus studio backdrop — light gray gradient 
fading to warm white at center. 

Atmospheric overlays:
- Diagonal rainbow prism lens flares cutting across 
  upper-left to lower-right
- Soft pastel light leaks in pink and yellow at corners
- 4–5 blurred white over-ear headphones floating 
  artistically in the background at various depths 
  and rotation angles
- Subtle bokeh circles from background studio lights

Lighting: Soft professional three-point studio lighting. 
Key light from upper-left, fill light right side. 
Rim light behind model for separation. 
Glossy highlights on headphone surfaces catching light naturally.

TYPOGRAPHY & LAYOUT — Sans-Serif, Clean white 
TOP CENTER (behind model, large background text):
→ Massive bold oversized text: "HEADPHONES"
   Semi-transparent white, spanning full width behind subject

TOP RIGHT CORNER:
→ Bold clean text: "Apple Pods Pro 3"
   Subtitle smaller text: "Over-Ear Wireless"

MID LEFT:
→ Icon: small sound wave symbol
→ Bold text: "Premium Sound"
→ Sub-text: "Active Noise Cancellation + Transparency Mode"

MID RIGHT:
→ Extra-large bold numeral: "40"
→ Smaller text below: "hours of battery life"

LOWER LEFT:
→ Extra-large bold numeral: "0"
   with "to" beside it → then bold "100%"
→ Sub-text: "Fast charge — 10 min = 3hrs playback"

BOTTOM RIGHT:
→ Extra-large bold numeral: "1"
→ Sub-text: "Year Warranty Included"

BOTTOM CENTER (fine print style):
→ Small elegant text: 
   "Bluetooth 5.4  |  Hi-Res Audio Certified  
    |  Foldable Design  |  USB-C Charging"

TECHNICAL SPECS
Resolution: 8K ultra-sharp
Style: Commercial product photography meets 
       editorial fashion advertising
Color Palette: White, lime green, pastel pink, 
               rainbow prism accents
Focus: Tack-sharp on headphone product — 
       shallow DOF on everything else
Lens: 85mm macro, slight low angle
Render Quality: Hyperrealistic, clean ad aesthetic, 
                vibrant yet professional color grading

Apple Pods Pro 3 耳塞电商信息图

原案例 / 作者：@rovvmut_

完整提示词：

`1`	`High-impact e-commerce infographic for "Apple Pods Pro 3" wireless earbuds.`

美妆产品商业营销照片

原案例 / 作者：@AIwithSarah_

完整提示词：

A high-resolution commercial marketing photograph features a young woman with sleek dark hair and a pink ribbed top in a neutral grey studio setting, centered behind a glossy Ellie Beauty spray bottle held prominently in the foreground. The composition is energized by vibrant, lime-green graphic "swooshes" and floating pill-shaped callouts that highlight product features like "glossy finish" and "upto 450°F protection" in bold black sans-serif text. The lighting is professionally diffused, casting soft highlights on the model’s face while creating a sharp, vertical reflection on the metallic green-to-gold gradient bottle label. Topping the scene is a large, lime-green headline in the upper right asking, "What does it do?", altogether creating a clean, modern, and high-contrast aesthetic with a shallow depth of field that keeps the product and the model's focused expression in sharp relief.

AAA 电子游戏截图概念设计

原案例 / 作者：@ChiefMonkeyMike

完整提示词：

`1`	`generate screenshots from a AAA video game based off what The Sims Castaways sequel could look like. https://t.co/aL7hMdUYvj`

西班牙语 GRWM 早晨美妆缩略图

原案例 / 作者：@S0N_IA_

完整提示词：

A vertical 9:16 TikTok-style GRWM beauty thumbnail set in a warm, sunlit Mediterranean-inspired bedroom. A stylish young woman with {argument name="hair color" default="dark brown"} hair in a messy curly updo sits at a marble vanity, leaning forward with one arm folded and the other hand applying lip balm or lipstick to her mouth. Her face is covered by a centered rectangular blur block for privacy, but the rest of her styling is elegant and natural: tan glowing skin, delicate gold necklace with a small round pendant, thin gold bracelet, stacked gold rings, and a white lace camisole with thin straps. In the foreground on the vanity are exactly 7 visible beauty objects: 1 round tabletop vanity mirror on the left, 1 cup holding 5 makeup brushes, 1 clear glass dropper bottle, 1 tall white pump skincare bottle, 1 small black dropper bottle, 1 beige rounded cosmetic sponge or puff, and 1 pale green squeeze tube on the right. The background shows a softly blurred cozy bedroom with 1 arched window on the left, 1 leafy potted plant, 1 bed with white bedding and a mustard accent pillow, exposed wooden ceiling detail, and 1 framed landscape painting on the wall. Use golden-hour sunlight streaming from the left, soft shadows, creamy skin tones, shallow depth of field, luxury lifestyle editorial photography, intimate self-care mood, polished but natural composition. Add bold playful Spanish headline text in the upper left in three stacked lines reading {argument name="headline text" default="Mi rutina de belleza matutina"}, with each line large and rounded, white outline and soft drop shadow, using pastel colors: first line white, second line pink, third line pale yellow. Add 3 pink doodle accent strokes above the headline, 1 curved pink underline-swoosh beneath it, and 1 small yellow sun icon to the right of the last line. Place a clean white {argument name="brand text" default="Pollo.ai"} logo in the upper right. High-end influencer thumbnail aesthetic, crisp product focus in foreground, warm inviting lifestyle scene.

电影感城市爆炸追逐

原案例 / 作者：@Gugombly

完整提示词：

A cinematic photorealistic action scene in a rainy downtown city street canyon, showing {argument name="main subject" default="a dark-haired man in his 30s"} sprinting directly toward the camera in the center foreground with a tense survival expression, wearing a soaked dark jacket, dark shirt, and dark pants, mid-stride with one arm pumping forward. Behind him, a massive urban explosion tears through the street and lower facade of a high-rise building, sending a huge cloud of smoke, fire, dust, shattered concrete, glass, and metal debris outward in all directions. The scene includes exactly 3 visible damaged vehicles: 1 dark sedan in the left foreground with headlights on and a crumpled hood splashing through rainwater, 1 wrecked dark car in the right midground with severe front-end damage, and 1 overturned or airborne black SUV tilted upward behind it on the right side. Wet asphalt reflects headlights, firelight, and gray skyscrapers. Dense debris fills the air, with chunks of rubble frozen in motion. Overcast stormy daylight, desaturated blue-gray color palette with orange fire accents, dramatic motion blur in flying debris but sharp focus on the running figure, low-angle wide-lens composition, blockbuster disaster-movie realism, ultra-detailed textures, high contrast, dynamic depth, volumetric smoke, rain spray, cinematic lighting. Add a white {argument name="watermark text" default="Pollo.ai"} logo in the top-right corner.

动漫 VTuber Minecraft 直播缩略图

原案例 / 作者：@rerxmsz06

完整提示词：

A vibrant anime-style YouTube thumbnail for a livestream gaming broadcast, in a wide 16:9 composition, with a neon purple and pink streamer room. Center the scene on a cute catgirl VTuber sitting at a desk, shown from the waist up, leaning forward energetically with one hand on a computer mouse and the other hand reaching toward the viewer. She has {argument name="hair color" default="light orange-blonde"} bob-cut hair with soft bangs, fluffy brown-and-cream cat ears, and a visible cat tail. Her face is intentionally obscured by a solid rectangular censor block in the center. She wears a black-and-white maid-inspired outfit with a frilly white blouse, black dress bodice, puff sleeves, white ruffles, black ribbon bow, and a gold bell choker. Place a mechanical keyboard with bright RGB lighting on the desk, a glowing gaming mouse, and a streamer microphone on the far left with pink-purple LED lighting. Put 2 cat-themed desk items in the foreground: a plush cat face on the bottom left and a black cat-shaped mug on the bottom right. Behind her is a gaming chair with paw-print details. On the left side, add large bold Korean headline text in thick white block letters with black fill shadows and a glowing purple outline, stacked in 2 lines: {argument name="headline text" default="방송중 대참사"}. Below it, add a smaller yellow comic-style burst caption with black outline reading {argument name="sub text" default="> 크리퍼 실화냐"}. On the right side, show 1 large computer monitor angled inward, displaying a Minecraft-like scene with bright blue sky, green trees, water, and a large green Creeper popping out toward the viewer, outlined dramatically like a sticker cutout. Add starburst effects and neon accents around the monitor to heighten the chaos. Use exaggerated thumbnail aesthetics: ultra-saturated colors, sharp cel shading, thick outlines, glossy highlights, high contrast, dynamic perspective, and a clickworthy streamer-disaster mood.

温馨动漫 ASMR 掏耳少女

原案例 / 作者：@Shion_yamabuki

完整提示词：

A soft, dreamy anime illustration of a cute young woman doing ASMR in a cozy bedroom at night, seated close to the viewer with her knees pulled up and a black 3Dio-style binaural microphone centered in front of her. She has {argument name="hair color" default="deep violet"} hair in a loose messy updo with wispy bangs framing her face, large sparkling {argument name="eye color" default="blue"} eyes, a gentle blush, and a sweet open-mouth smile. Her head is tilted slightly toward the viewer in a warm, affectionate pose. She wears a delicate white lace camisole with thin straps and an oversized fluffy knit cardigan in {argument name="cardigan color" default="soft pink-lavender"} draped off her shoulders, creating a tender, intimate late-night healing atmosphere. Both hands lightly touch the white silicone ears of the microphone as if about to give an ear massage. The room is softly lit with pink and amber ambient lighting, heavy curtains in the background, a bed or sofa with plush cushions, warm fairy-light bokeh, and a small plant on the right side. Add glowing handwritten Japanese neon text integrated into the composition: on the left, 4 text elements reading "とろける", "耳", "マッサージ", and "ASMR" with 2 small heart symbols; on the right, vertical text reading "いっぱい癒してあげるね...♡". Use a polished modern anime style, highly detailed face and hair, glossy eyes, smooth luminous skin, soft shading, pastel highlights, shallow depth of field, romantic cozy streamer-thumbnail composition, and a soothing feminine color palette dominated by pink, lavender, cream, and warm gold.

名人直播概念图

原案例 / 作者：@SelenaGmzIN

完整提示词：

`1`	`{argument name="celebrity" default="selena gomez"} started a surprise {argument name="platform" default="youtube"} livestream.`

Monika 动漫横幅插画

原案例 / 作者：@mirochill

完整提示词：

A highly polished anime banner illustration in a warm golden classroom-literature-club setting, wide cinematic composition. On the left half, a large elegant glowing script title reads {argument name="headline text" default="Monika"} in oversized calligraphy, colored white and pale green with a soft neon glow, metallic highlights, decorative flourishes, hearts, sparkles, and swirling ornamental lines around it. On the right half, a beautiful anime schoolgirl inspired by {argument name="character name" default="Monika"} sits at a wooden desk, facing slightly left, with long flowing {argument name="hair color" default="chestnut brown"} hair, a very large white ribbon bow, warm brown eyes, and a thoughtful, confident expression. She wears a Japanese high school uniform with exactly 4 visible clothing pieces: a brown blazer, white shirt, red ribbon tie, and brown argyle sweater vest. She holds a fountain pen over papers on the desk with one hand while the other rests near her face in a poised writing pose. The room is filled with sunset light streaming through tall windows, dust motes, trailing green ribbons, floating petals, handwritten notes pinned and hanging in the background, and a dark chalkboard covered with faint cursive writing and geometric doodles. Include exactly 9 prominent desk and room props: a bouquet of white roses at lower left, a stack of books at left, an hourglass near the center-left, a sealed envelope with a small green leaf emblem, scattered manuscript pages on the desk, a pen cap near the writing hand, a green-upholstered chair, a piano in the back right, and a stack of 4 books on the right. The 4 right-side book spines read, from top to bottom: "Save Me", "My Feelings", "Poems for the Literature Club", and "Just Monika." Add lush volumetric lighting, glittering particles, green-and-gold color harmony, delicate linework, ultra-detailed painterly shading, romantic visual-novel key art quality, and a premium polished thumbnail/banner aesthetic.

紫色动漫 Yuri 横幅

原案例 / 作者：@mirochill

完整提示词：

A polished anime-style banner illustration in a dreamy violet palette, wide cinematic composition, showing a quiet literary room at twilight. On the right side, a beautiful teenage anime girl named {argument name="character name" default="Yuri"} sits at a wooden desk beside a large window with purple curtains, holding a dark ornate hardcover book close to her chest and gazing softly downward with a shy, introspective expression. She has very long straight {argument name="hair color" default="deep violet"} hair with glossy highlights, side bangs, a small hair clip, and violet eyes, wearing a Japanese school uniform with a gray blazer, white shirt, red ribbon tie, and dark skirt. Across the left-center of the image, the glowing calligraphic word {argument name="title text" default="Yuri"} appears large in luminous neon-lavender script with elegant flourishes, a small heart, and decorative filigree, integrated into the scene like magical typography. The desk contains exactly 8 visible item groups: 1 open book in the foreground center, 1 black inkwell with a white feather quill, 1 closed book near the candle, 1 stack of books under papers, 1 loose handwritten page in front, 1 small purple flower on the desk, 1 floral porcelain teacup with saucer on the right, and 1 dark book stack at the far right. Additional background details include exactly 6 decorative environmental elements: 1 lit candle in a glass holder on the left, 1 cluster of purple flowers in the left foreground, 1 hanging spray of purple blossoms in the upper left, 1 pinned botanical note in the upper right, 1 bookshelf with books and flowers in the right background, and 1 sunset sky visible through the window. Add drifting flower petals, faint handwritten script textures, ornate gold border lines around the frame, soft volumetric window light, subtle sparkles, rich shadows, and a romantic melancholic atmosphere. Highly detailed, clean line art, glossy anime rendering, premium visual-novel key art, perfect for a niche anime banner or character-themed thumbnail.

粉色动漫 Natsuki 横幅

原案例 / 作者：@mirochill

完整提示词：

A glossy pastel pink anime banner in a wide cinematic layout, themed around cute romance and sweets. Place a confident teenage anime girl on the right side, shown from about thigh-up, with short fluffy bob hair in {argument name="hair color" default="soft pink"}, large pink-magenta eyes, a small gentle smile, and arms crossed. She wears a Japanese school uniform: 1 brown blazer, 1 white shirt, 1 red ribbon bow at the collar, and 1 dark navy-and-purple plaid skirt. Add 2 red ribbon hair accessories, one larger bow on the side and one smaller ribbon accent. On the left half, feature the large handwritten script name {argument name="character name" default="Natsuki"} in bold glossy 3D cursive, white-to-pink fill with bright pink outline, soft bevel, subtle drop shadow, sparkles, and a small heart flourish integrated into the lettering. The background should be a layered scrapbook collage in blush pink tones with notebook paper texture, faint grid and torn paper details, scattered doodled hearts, flower petals, sparkles, and cute bakery motifs. Include exactly 4 pinned or taped sketch-style portrait cards of the same girl behind her on the upper-right and mid-right, arranged like overlapping polaroids. Add exactly 2 cupcakes in the foreground near the bottom left and lower center-left, both with pink frosting, striped wrappers, and tiny heart toppers or candy accents. Frame the composition with flowing satin ribbons and bows: exactly 4 major ribbon elements visible, including 1 bow near the top left, 1 bow near the bottom left, and 2 long curling ribbons sweeping across the top and right edges. Use a soft high-detail anime illustration style, polished lighting, dreamy bloom, romantic Valentine palette, delicate textures, and a clean impactful thumbnail-like composition.

梦幻动漫 Sayori 横幅

原案例 / 作者：@mirochill

完整提示词：

A wide anime banner illustration of {argument name="character name" default="Sayori"} in a bright dreamy classroom, rendered in a polished, high-end visual novel style with soft painterly lighting, warm pastel colors, and sparkling atmosphere. Show a cheerful teenage schoolgirl with short fluffy coral-pink hair, messy bob layers, and a large red bow on the right side of her head, wearing a Japanese school uniform with a light brown blazer, white shirt, red ribbon tie, brown sweater vest, and pleated navy skirt. She stands slightly left of center with arms open wide in an inviting, joyful pose, as if welcoming the viewer, with dynamic perspective and gentle motion in her hair and clothes. Her face is intentionally obscured by a flat rectangular skin-tone censor block. Behind her, tall classroom windows reveal a vivid blue sky with soft white clouds and warm sunlight streaming in. The right half of the image features a large decorative handwritten script reading {argument name="headline text" default="Sayori"}, cream-white lettering with a soft orange-gold outline and glow, integrated into a scrapbook-like wall background. Surround the scene with hanging photo prints clipped to string, including sky photos and a sunflower photo, plus hand-drawn doodles of clouds, stars, hearts, and a sun. Add blue and yellow paper stars, ribbons, floating confetti, a blue paper airplane, notebook pages, a spiral sketchbook, and scattered stationery elements. Place sunflowers prominently in the foreground and edges, with warm golden bokeh and soft depth of field. Make the composition energetic, cute, nostalgic, and emotionally uplifting, like a premium anime-themed YouTube banner or character tribute header, ultra-detailed, clean, stylish, luminous, and impact-focused.

赛博朋克 404 女巫召唤

原案例 / 作者：@Eris_Create_Lab

完整提示词：

A dramatic anime-style cyberpunk witch standing on a dark rooftop high above a dense futuristic city at night, viewed from a slightly elevated angle. The main subject is a petite young witch girl with pale skin, short icy blue bobbed hair, pointed elf-like ears, and glowing red eyes, wearing a sly confident smile. She raises a black wand overhead in her right hand, with a dangling orb charm at the tip glowing faintly purple and red. Her oversized crooked witch hat is black with purple lining and covered in stitched patches, warning labels, straps, and white graphics including a large “404” and a skull emblem. She wears a black and purple techwear outfit: oversized hooded jacket with many straps and tags, black crop top with “404” on the chest, layered belts, short bottoms, fishnet on one leg, black lace-up combat boots, chokers, and metallic accessories. Several hanging straps and tags visibly read words like “WITCH 404,” “404,” and glitch-themed markings. Beneath and beside her, a large glowing violet magic circle mixed with hacker interface aesthetics is projected on the rooftop floor, filled with occult rings, sigils, a central skull symbol, and scattered neon system text such as error-code fragments, creating a fusion of sorcery and digital corruption. Emerging from the circle is 1 large armored summoned figure: a black futuristic demon-knight or robotic familiar with jagged reflective armor, a narrow purple-lit visor, and a heavy weapon held in one hand, partially dissolving into purple energy shards and smoke. The background shows a sprawling rainy megacity of apartment towers and industrial rooftops, packed with windows, balconies, cables, signs, and haze. On a nearby building wall is a giant vertical graffiti-style sign with 3 readable elements: “404”, “Witch”, and “ERROR NOT FOUND”, plus a smaller “E404”. Additional purple neon glitch text and symbols are scattered across rooftops and in the air. Use a dark palette of black, indigo, and deep violet with sharp magenta-purple highlights, cinematic contrast, reflective wet surfaces, dense detail, and a high-end polished illustration style. The mood is occult, edgy, stylish, and dangerous, combining urban fantasy, hacker aesthetics, and magical summoning.

动漫奇幻旅行电影海报

原案例 / 作者：@Design4p0

完整提示词：

A cinematic anime movie poster for a fictional film titled {argument name="headline text" default="EL VIAJE DE LA LUNA DE PLATA"}, in polished modern Japanese animation style with a natural, less over-detailed look. Center a teenage anime girl from mid-thigh up, facing forward, with a short silver bob haircut, pale skin, a black choker, small black geometric earrings, a white tank top, and a dark navy oversized zip hoodie with two yellow stripes running down the sleeves. She has a backpack strap over one shoulder and both hands tucked casually into the hoodie pockets. Her face is obscured by a flat rectangular censor block in a muted beige tone, covering the entire face area. Place her in a dramatic twilight coastal city setting that blends travel, nostalgia, and fantasy: on the left, a lit train platform with a commuter train approaching, its destination sign showing Japanese characters; behind it, a glowing city skyline with a ferris wheel. In the distance and lower left, layered mountains and a winding illuminated valley road. On the right, a cliffside coast at sunset with the sea reflecting warm light, a crescent moon in the sky, several flying seabirds, and a curving highway descending along the hillside. Also on the right, include a wooden signpost with exactly 3 directional signs labeled "NUEVOS CAMINOS", "VIEJOS RECUERDOS", and "SIN LÍMITES". At the top center, add the Spanish tagline {argument name="tagline text" default="CADA DESTINO CAMBIA SU HISTORIA"} in elegant serif capitals. On the upper left, create an awards column in gold typography with laurel wreaths and exactly 4 award blocks: one text block reading "GANADORA DE MÚLTIPLES PREMIOS" with 5 gold stars beneath it, then three laurel award sections reading "MEJOR PELÍCULA ANIMADA / FESTIVAL INTERNACIONAL DE ANIMACIÓN / 2024", "PREMIO DEL PÚBLICO / FESTIVAL INTERNACIONAL DE CINE / 2024", and "MEJOR BANDA SONORA ORIGINAL / ACADEMIA DE CINE ANIMADO / 2024". Place the film title large across the lower center in luminous ornate serif lettering with a magical glow and sweeping flourishes, layered partly over the character. Beneath it, add the Spanish quote {argument name="quote" default="A veces, para encontrarte... tienes que perderte en el mundo."}. Below that, add "UNA PELÍCULA DE ESTUDIO LUMINARIA" in small caps. At the bottom, add the release line {argument name="release text" default="PRÓXIMAMENTE EN CINES"} in large gold serif capitals, plus tiny production logos and credits along the footer, including a small studio emblem on the left. Rich blue, violet, and warm sunset orange palette, glossy poster lighting, romantic adventure mood, balanced composition, highly polished theatrical key art, vertical one-sheet film poster.

动漫音乐训练营宣传海报

原案例 / 作者：@sorane_aimusic

完整提示词：

Create a dramatic Japanese anime-style promotional thumbnail poster for an event, vertical 4:5 composition, ultra-detailed, cinematic, neon-lit, high contrast, designed like a social media announcement image. The main subject is a beautiful anime girl centered slightly right, shown from the waist up, with long flowing {argument name="hair color" default="deep blue"} hair blowing in the wind, decorated with small star hairpins, wearing a dark hoodie and large studio headphones around her neck, against a glowing sunset-to-night city skyline filled with sparkling lights, music-energy particles, lens flares, and flying glowing petals. Her face area is obscured by a soft rectangular blur block. Use a vivid palette of electric blue, violet, magenta, gold, and sunset orange. Fill the design with layered Japanese typography that is crisp, readable, and integrated into the art like a polished event advertisement. Include exactly 8 major text groups: top left copy reading 「始まるのは、キミと創る 音楽の物語。」 with a smaller subcopy beneath reading 「AIを使って、みんなで音楽をつくる特別な3日間。」; top right a glowing marquee sign reading 「GW連休!」 and a smaller neon box below reading 「みんなで最高の音楽をつくろう!」; center main title with small English text 「AI MUSIC BOOTCAMP 2」 above huge Japanese title text 「AI音楽 ブートキャンプ 2」; a gigantic gold metallic announcement across the middle reading 「開催決定!」; a date bar reading 「開催期間」 followed by 「5.2 SAT 土」 and 「5.4 MON 月」; a hashtag callout near the bottom reading 「参加はカンタン!! #AI音楽ブートキャンプ2 をつけて投稿するだけ!」; a lower encouragement line reading 「初心者も大歓迎! みんなで最高の音楽体験を!」; and 3 bottom feature captions with icons reading 「一緒に学ぶ 仲間とつながる」, 「AIで創る 新しい音楽体験」, and 「想いをカタチに 自分だけの1曲を」. On the left edge, add a vertical filmstrip with exactly 4 inset panels showing the same girl in music-related scenes: 1) performing on a stage before a crowd, 2) working at a music production desk with screens and equipment, 3) singing into a microphone, 4) playing an acoustic guitar. Add exactly 2 neon music-themed icon illustrations in the lower area: a tilted smartphone with a music note on the lower left and a glowing microphone with musical notes on the lower right. Make the text effects glossy, luminous, and embossed with gold and white highlights, with energetic streaks and spark explosions around the headline. The overall feeling should be inspiring, celebratory, futuristic, and emotionally uplifting, like a high-impact Japanese Golden Week music bootcamp ad for {argument name="event name" default="AI音楽ブートキャンプ 2"}.

热带鹦鹉像素马赛克

原案例 / 作者：@erikmackinnon

完整提示词：

A vibrant pixel-art style mosaic of a tropical parrot perched on a small brown branch in the middle of dense rainforest foliage. The entire image is rendered as a tight grid of tiny square tiles with visible black outlines, creating a stained-glass or LED-screen effect. The bird is shown in side profile facing right, with a large curved black beak, a pale cream face, a bright red-orange forehead and throat, vivid green upper body, and long wings and tail in saturated blue and cyan. The surrounding jungle is filled edge to edge with layered green leaves in many shades, with a soft light green glow behind the parrot to separate it from the background. High color contrast, rich tropical palette, crisp tile pattern, centered composition, decorative digital mosaic aesthetic.

温室酒吧里的金色鸡尾酒

原案例 / 作者：@FernandesK47117

完整提示词：

A cinematic vertical photo of a hand holding up a large balloon wine glass filled with a sparkling golden-yellow citrus cocktail in a lush indoor greenhouse bar. The drink is backlit by warm late-afternoon sunlight, making it glow translucent amber. Inside the glass there is 1 visible citrus wedge, and at the rim there is 1 fresh mint garnish cluster. The hand enters from the lower left, delicately gripping the stem, wearing 1 chunky translucent amber bracelet. The setting is dense with tropical greenery, hanging ferns, and vine-covered walls, with a bright greenhouse roof structure visible overhead and 2 warm exposed hanging bulbs softly glowing in the background. Use shallow depth of field with creamy bokeh, strong sun rays filtering through leaves, soft haze, and rich green-and-gold color contrast. Add a blurred foreground leaf or plant along the right edge to frame the composition. The lower background should suggest a busy café or cocktail lounge with indistinct people, but keep them heavily out of focus. Photorealistic, elegant lifestyle photography, moody yet sun-drenched, shot from a low angle looking upward at the raised glass, high detail on condensation, glass reflections, and the luminous drink.

多面板图像板模板

原案例 / 作者：@aimikoda

完整提示词：

Create a {argument name="grid layout" default="4x3"} borderless grid where each panel is an independent image of the {argument name="subject" default="a young woman"}. Maintain strong subject consistency across all panels, with consistent color and lighting. Depict {argument name="theme" default="childhood memories"} with a {argument name="mood" default="warm, nostalgic"} mood in {argument name="style" default="nostalgic cinematic realism"} style. No text. No gap.

Handwritten 写实 Letter

原案例 / 作者：@mosthssan

完整提示词：

Create a highly realistic image of a handwritten letter containing a ({argument name="message" default="message or reflection carrying meanings of affection and loyalty to my account followers"}) on lined paper, with very touching words written in liquid ink pen

Anime Band Finale at Budokan

原案例 / 作者：@SDAI1807097011

完整提示词：

A dramatic anime concert illustration seen from behind the performers onstage, showing 4 teenage girls standing shoulder to shoulder at the front of a huge indoor arena, arms around each other in a triumphant post-performance moment. The camera is positioned slightly behind and below them, facing out toward the audience and the giant venue screen. The atmosphere is dazzling and emotional, filled with dense blue-and-gold confetti, sparkling particles, and strong white stage spotlights pouring down from above. The crowd fills the entire arena as a sea of tiny glowing blue lights. At center top, a giant rectangular screen displays elegant serif concert text: {argument name="band name" default="ELEMAYU"}, "1st LIVE at 日本武道館", {argument name="concert date" default="2024.6.15"}, and "SOLD OUT". On both upper side walls of the arena, the large venue name "日本武道館" is visible. The 4 girls all wear matching dark stage outfits: black or very dark navy hooded jackets with subtle decorative back prints, short pleated skirts, and live-performance styling. Count and depict all 4 members distinctly from left to right: 1) a girl with short wavy silver-lavender hair holding a bass guitar slung over her shoulder, 2) a girl with long straight black hair holding a red electric guitar, 3) a girl with fluffy shoulder-length blonde hair holding a dark guitar, 4) a girl with brown hair in a high ponytail, no visible instrument, raising one arm high and holding a drumstick or baton in celebration while the other arm wraps around the blonde member. Show their backs and silhouettes rim-lit by stage light, with soft highlights on their hair. Include stage equipment: a microphone stand and part of a bass neck at the far left, and a visible drum kit with cymbals at the right edge. The stage floor is glossy and reflective, covered with scattered confetti and several blue flower bouquets near the bottom foreground. Use rich midnight blues, violet shadows, warm golden sparkles, and cinematic bloom. The mood should feel like a sold-out dream performance finale, sentimental, victorious, and breathtakingly luminous, in highly detailed painterly anime style.

动漫少女与男性约会照片拼贴

原案例 / 作者：@AIillust_studio

完整提示词：

A 4x4 photo collage of 16 warm, cinematic lifestyle snapshots featuring a real adult man and an anime-style young woman companion posed together as if in casual date photos. The man has short dark hair, light skin, an average build, and wears a plain dark navy or black long-sleeve shirt; his face is intentionally obscured and softly blurred in every frame. The anime girl has long blonde twin ponytails, large blue eyes, light skin, and a slim petite build, wearing a black sleeveless top, layered silver necklaces including a cross pendant, black wrist accessories, a red plaid pleated mini skirt, and black-and-white striped thigh-high socks. Blend realistic photography with a convincingly integrated 2D anime character, keeping her clean cel-shaded look while matching the scene lighting, perspective, focus, and color grading so she appears naturally present beside him. Use moody evening tones, soft bokeh, shallow depth of field, and intimate candid couple energy. The 16 panels are: 1) close indoor portrait with both seated close together, the girl resting beside him; 2) nighttime city street side profile conversation under blurred streetlights; 3) indoors, both reading a book together, the girl leaning on his shoulder; 4) outdoor cafe table, both holding takeaway coffee cups; 5) restaurant table with multiple dishes visible, dining together; 6) mirror selfie in an elevator, the man holding a smartphone while the girl makes a peace sign; 7) car interior road-trip shot, the man driving and the anime girl in the passenger seat; 8) seaside sunset from behind, both sitting side by side watching the ocean; 9) neon-lit city night portrait, the girl pointing toward the camera; 10) intimate elevator close-up, the girl with eyes closed leaning affectionately against him; 11) full mirror selfie in an elevator showing more of both outfits; 12) night city skyline portrait with a lit tower in the background; 13) camera selfie close-up, the man holding a compact camera toward a mirror or reflective surface; 14) cozy indoor lounge moment, the man holding a glass of red wine while the girl smiles and makes a peace sign; 15) rear full-body rainy night street shot, the pair walking away hand in hand under glowing streetlights; 16) extreme close-up night portrait with the girl flashing a peace sign. Keep the collage tightly gridded with thin white dividers, square overall format, consistent amber-brown color grading, romantic urban realism, and subtle social-media photo-dump aesthetics.

奢华 Lifestyle Mustang Shot

原案例 / 作者：@Just_sharon7

完整提示词：

A stylish young woman with {argument name="hair style" default="long wavy blonde hair"}, defined cheekbones, and a confident expression, wearing black sunglasses and a {argument name="clothing" default="thick white puffer jacket"} over a fitted black top, standing confidently in front of a {argument name="car" default="vibrant hot-pink Ford Mustang"}. She is posing with one hand slightly raised near her chest, exuding effortless attitude and elegance. The car is parked on a scenic coastal road lined with blooming pink cherry blossom trees and tall palm trees. Behind them is a calm sea under a dramatic overcast sky with soft clouds. Pink petals are scattered on the wet asphalt. A wooden bench is visible on the left side near the water. Cinematic lighting, photorealistic, ultra-detailed skin texture, natural lighting reflections, Instagram-style luxury lifestyle shot, vibrant colors, moody atmosphere, 8k resolution --ar 9:16 --stylize 250

Anime Friends Eating Soba

原案例 / 作者：@AIMAG31G

完整提示词：

A cozy anime-style interior of a traditional Japanese soba restaurant, viewed from table height in a booth, with two young women seated across the near corners of a rectangular wooden table and facing the viewer in a casual dining snapshot. The left woman has long straight pastel {argument name="hair color" default="lavender with cyan highlights"} hair with glossy strands and soft bangs, and wears a white kimono-style top with bright blue trim and a deep blue obi-like sash skirt; she is slightly curvy, sitting on the left red vinyl bench, turned a little toward the camera, raising her left hand in an open friendly wave. The right woman has a sleek short bob in dark brown to black with a purple underlayer visible near the ends, red rectangular glasses, small earrings, a fitted charcoal-gray long-sleeve scoop-neck top, and light blue jeans; she sits on the right red vinyl bench, leaning slightly toward the table and holding chopsticks in her right hand as if about to eat. Place 2 large black bowls of soba on the table, one in front of each woman, both filled with dark broth, noodles, sliced duck meat, and chopped green onions; add 1 clear water glass near the center back of the table and 2 small condiment dishes beside it. The restaurant should feel warm and nostalgic, with wooden paneling, a shoji-style window on the left, a small potted plant on the windowsill, a back counter with condiments and utensils, and a navy noren curtain on the right bearing large white Japanese text "蕎麦" and smaller vertical text "手打ちそば". On the back wall, show 7 vertical wooden menu boards with Japanese dish names and prices, including labels such as "もりそば", "ざるそば", "かけそば", "たぬきそば", "肉そば", "天ぷらそば", and "鴨南蛮そば". Use clean polished anime rendering, crisp line art, soft warm lighting, detailed food illustration, rich wood textures, and a friendly everyday outing mood.

哥特机械战士大教堂关键视觉

原案例 / 作者：@yanagihara_0805

完整提示词：

A cinematic dark fantasy anime illustration in a ruined gothic cathedral, vertical composition. Show a lone female android-like warrior from behind, centered slightly low in frame, kneeling or sitting back on her heels on a reflective stone floor. She has extremely long flowing {argument name="hair color" default="silver white"} hair spreading across the floor and air, a sleek black blindfold visor covering her eyes, and a black high-cut gothic combat dress with elegant straps, long black opera gloves, and thigh-high black boots. Her physique is slim and graceful. She holds 1 large ornate sword upright in front of her, with both hands resting on the hilt, the blade planted on the ground like a memorial. The sword has a dark blade and a decorative gold ring-like guard near the handle. The atmosphere is solemn, tragic, and reverent. Place 3 tall pointed arched windows in the background, glowing with cold white backlight through haze and dust. Include 4 stone angel statues total: 2 larger angels in the left background and 2 in the right background, partially obscured by fog and darkness. Fill the air with drifting ash, snow-like particles, black debris fragments, and a few faint orange embers near the floor. Use dramatic volumetric light rays, soft bloom, smoky mist, high contrast, and a desaturated palette of charcoal gray, silver, blue-gray, and black. The scene should feel like a memorial after a battle, highly detailed, ultra-polished, melancholic, ethereal, and game key art inspired by {argument name="franchise title" default="NieR:Automata"}. Add 1 vertical Japanese title inscription near the lower left reading {argument name="vertical text" default="儚き夢と共にあれ"}, with 1 small vertical English subtitle beside it reading {argument name="subtitle text" default="NieR:Automata"}.

Cloud shape doodle generation

原案例 / 作者：@Gorden_Sun

完整提示词：

Based on the shape of the {argument name="subject" default="clouds"} in the image, identify what object, animal, or person they most resemble. Do not change the original image; instead, draw that object, animal, or person over the original image in a {argument name="art style" default="doodle"} style.

Rural Station Schoolgirl Scene

原案例 / 作者：@m_Raiko_AIart

完整提示词：

A cinematic anime-style illustration of a quiet rural Japanese train station in early summer, filled with travel nostalgia and bright midday light. In the foreground, one high school girl stands alone on the platform near the left side of the frame, facing slightly toward the viewer with a shy, gentle posture, her legs together and one foot angled inward. She has {argument name="hair color" default="black"} short bobbed hair with soft bangs, and wears a classic Japanese sailor school uniform: a white long-sleeved sailor blouse with navy trim, a vivid red neckerchief, a dark navy pleated skirt, white socks, and dark brown loafers. She holds a dark school bag in one hand at her side. Her expression should feel calm, a little wistful, as if she was just about to speak before the train arrived. Place her beside an old weathered wooden station building with large windowpanes and a simple wooden bench. Above her is 1 hanging station sign reading {argument name="station name" default="山ノ下駅"}, with smaller romanized text “YAMANOSHITA” and small local line information beneath it. The right half of the image opens to 1 set of railway tracks receding into the distance, bordered by lush green grass and wildflowers, with 1 small local train approaching from far down the line. Add a few utility poles running alongside the tracks. In the deep background, show a dramatic mountain range with lingering snow on the peaks under a vivid blue sky with scattered white clouds. Composition should balance the girl on the left and the railway perspective on the right, with detailed background scenery, crisp sunlight, soft anime rendering, realistic textures in the station wood and rails, and a heartfelt slice-of-life travel mood.

真实居酒屋里的动漫角色照片

原案例 / 作者：@sub_raw_jin

完整提示词：

A candid indoor restaurant photo in a realistic anime-inspired style, showing two young women seated at a small worn wooden table inside a cozy Japanese izakaya with vertical wood-paneled walls and a clear plastic tent-like curtain on the right side. The camera is slightly above table height and angled diagonally toward the table, creating a casual snapshot feeling. One woman is in the left foreground with her back mostly to the viewer, leaning forward over the table; she has long straight dark hair and wears a bulky dark navy or black puffer jacket with a large hood. The second woman sits across from her on the right, facing the camera with a relaxed posture and one arm bent on the table; she has shoulder-length dark brown to black hair, a center part, a black puffer jacket, and a light inner shirt. Replace only the people with clean, natural-looking anime characters while keeping the restaurant environment photorealistic and unchanged. Preserve the mixed-media look of anime characters composited believably into a real photo. On the table, include 2 stainless steel mugs, 2 pairs of chopsticks, 1 smartphone with a bright blue case near the center-left edge of the table, 1 cigarette pack near the right woman, 1 large oval plate with thinly sliced white onions and a lemon wedge, 1 small dish of green vegetables, 1 small plate of brown food, 1 small plate with toast or grilled bread, 1 small dark bowl, 2 small empty white bowls, and 1 printed handwritten Japanese menu sheet lying on the lower right corner of the table. In the upper left background, include a wooden counter with white ceramic bottles and dishes, plus 1 handwritten Japanese wall menu poster. Warm indoor lighting, everyday nightlife atmosphere, documentary realism, detailed wood grain, slightly cluttered tabletop, authentic casual dining scene in Japan.

Anime Campers in a Winter Tent

原案例 / 作者：@sub_raw_jin

完整提示词：

A cozy winter camping scene inside a large beige canvas tent, rendered as a semi-realistic anime illustration with natural lighting and realistic environmental detail. Show exactly 2 seated young women around a compact kerosene heater used as a camp table, with a large black metal pot resting on top. The viewpoint is a candid wide-angle photo composition from slightly above seated height, making the scene feel like a casual snapshot taken inside the tent. The woman on the left has {argument name="hair color" default="dark brown"} hair tied in a high ponytail with loose bangs, and wears a fluffy brown fleece jacket, dark pants, and a red lanyard with an ID card. She sits in a low camping chair and leans forward, using chopsticks over a small bowl or food container in her hands. The woman on the right has {argument name="hair color" default="black"} shoulder-length hair and wears a muted purple hoodie layered under a black puffer vest, light gray sweatpants, and dark shoes. She sits in another low camping chair, resting her cheek on one hand in a relaxed, sleepy pose. Keep both faces obscured by a soft rectangular blur block, as if anonymized in a posted photo. Around them, include exactly 4 red beverage cans visible in the scene: 2 on the wooden table planks near the center, 1 cropped in the lower right foreground, and 1 farther back near the right side. Build a low U-shaped arrangement of 3 wooden bench planks surrounding the heater. Add small camping details: 1 olive duffel bag on the left ground, 1 plastic storage box with supplies behind the left woman, 1 white plastic shopping bag on top of the box, 1 small bowl on the table, 1 colorful snack package on the right-side plank, 1 soft brown cloth on the far left floor, and 1 black metal rack frame standing at the back right. The tent interior should have taut canvas walls, visible seams and support poles, a gravel ground, and a warm muted color palette. Preserve the feeling of a real camping photo where only the people have been turned into anime-style characters while the setting remains highly realistic.

原案例 / 作者：@harboriis

完整提示词：

Create a 4:5 vertical social poster in ultra high resolution, 8K print quality sharpness. Use the {argument name="car model" default="BMW car"} from the reference image as the main subject and use the background structure/composition from the reference image, but transform it into a BMW themed design. Replace all black tones with a flat {argument name="background color" default="high-saturation BMW blue"} background. Keep the same layout, spacing, visual balance, and poster composition from the reference image. Background should use a smooth gradient from slightly lighter electric blue at the top to deep navy blue at the bottom. Add subtle grain texture (2 to 3%) and faint rectangular overlays (2 to 4% opacity). Keep it clean, graphic, premium, and non-realistic. Add a soft contact shadow under the car. Use the same BMW from the reference image, changing only the {argument name="paint finish" default="matte frozen blue"} or deep metallic navy. Keep the original body shape, wheels, stance, and design details from the reference image. Show the car in a rear 3/4 perspective matching the reference image angle exactly. Use a slightly elevated camera angle. Position the car slightly right of center. Include visible carbon roof, aggressive rear diffuser, sharp controlled reflections, and subtle brake details. Keep composition identical to the reference image: Top: branding Middle: giant type Center: car overlapping text Bottom: editorial block and specs Typography: Primary text: “BMW” Ultra condensed bold sans serif, tall vertical scaling like the reference poster. Color deep navy or near black. Static text with no distortion. Acts as structural backdrop. Secondary header: “BMW M4 G82” Thin font with wide tracking. Logo area: BMW roundel centered above. Editorial block: Headline: “BMW — Where Driving Becomes Instinct” Body copy focused on: driver connection control performance precision Use the same boxed editorial layout as the reference image. Background faded text: “M4” large scale with 3 to 5% opacity behind the box. Bottom left: “ M4 G82” Bottom right specs: 405 kW / 550 PS 3.4 s 307 km/h Lighting should be clean studio lighting with sharp but controlled highlights. Color grading should use deep blues, high contrast, clean blacks. Camera lens: 50mm, slightly elevated rear 3/4 angle. Mood: Performance. Precision. Driver focus. Add Bottom-right watermark: harboriis , with small x and Instagram logo

电影感 Chicken Momos Ad 海报

原案例 / 作者：@Diplomeme

完整提示词：

A hyper-realistic cinematic street-food advertisement poster for {argument name="brand name" default="Licious"} frozen {argument name="product name" default="Chicken Momos"}, shot in a dark premium studio with dramatic moody lighting, deep navy-black background, glossy black tabletop, and high contrast commercial food photography styling. The composition is a square social-media ad layout with oversized bold condensed white sans-serif headline text on the left reading {argument name="headline text" default="PERFECTLY MADE."} stacked across two lines, and a smaller white subheadline beneath it reading {argument name="tagline text" default="PRECISION IN EVERY BITE."}. Along the far left edge, add thin vertical small caps text reading “FRESH • CLEAN • CONTROLLED”. Across the upper-right background, repeat the phrase “CUT / STEAM / SERVE / REPEAT” in a subtle dark gray pattern, and faintly repeat “CUT / STEAM / SERVE / REPEAT” again near the bottom-left floor area as perspective text. Feature exactly 6 momos total: 5 intact steamed chicken momos floating and arranged dynamically across the center and right side, and 1 split-open momo in the center revealing juicy orange-brown chicken filling with herbs, with a glossy red-orange sauce droplet dripping downward from the opened dumpling. Scatter small chili flakes, herb bits, and seasoning particles suspended in the air around the momos for explosive motion. Place exactly 3 retail product boxes on the right side, staggered in depth, black packaging with the {argument name="brand name" default="Licious"} logo and red product title “CHICKEN MOMOS,” including food photography of the dumplings on the box front. At the bottom right foreground, place 1 small black bowl filled with bright red dipping sauce. Add a thin footer line of small white text across the bottom reading “CHICKEN MOMOS • FRESHLY PREPARED • 2026 EDITION” and place “licious.com” in the lower-right corner. Use premium ad design, ultra-detailed food texture, glossy highlights on the dumplings, subtle steam sheen, crisp typography, shallow depth of field, and a polished high-end commercial campaign aesthetic.

Nostalgic 16-Photo Couple Grid

原案例 / 作者：@zenkaiAI

完整提示词：

{"type":"16-photo nostalgic contact sheet collage","style":"dreamy film photography, soft blur, slightly underexposed, candid youthful romance, flash snapshots mixed with ambient dusk light, subtle grain, sentimental and bittersweet mood","subject":{"people_count":2,"relationship":"young couple or former lovers spending time together","ages":"early 20s","appearance":{"male":{"build":"slim","hair":"short dark hair","clothing":"loose white short-sleeve shirt, camera strap around neck in several shots"},"female":{"build":"slim","hair":"shoulder-length dark hair","clothing":"light sleeveless tops or soft casual summer clothes"}},"faces":"intentionally obscured by soft rectangular blur blocks over every visible face"},"layout":{"grid":{"rows":4,"columns":4,"count":16,"border":"thin white dividers, equal square cells"},"images":[{"position":"row 1 col 1","description":"close cropped portrait of the woman in a white top at night, soft flash, dark background"},{"position":"row 1 col 2","description":"close cropped blurred two-person selfie framing, both subjects partially visible, dark nighttime setting"},{"position":"row 1 col 3","description":"young man standing at night and holding a compact silver camera up to his face, white shirt, distant lights behind him"},{"position":"row 1 col 4","description":"woman on a beach or shoreline in low light, softly blurred, ocean horizon behind her"},{"position":"row 2 col 1","description":"street candid of the man holding a camera near his face while walking outdoors in the evening, urban background with motion blur"},{"position":"row 2 col 2","description":"close-up of the woman indoors or in a dim warm setting, hand raised near her face, flash-lit snapshot"},{"position":"row 2 col 3","description":"blurred two-shot of the couple sitting close together by water at dusk, intimate candid composition"},{"position":"row 2 col 4","description":"young man outdoors in greenery during daytime or early evening, looking down at a camera in his hands, white shirt and camera strap visible"},{"position":"row 3 col 1","description":"woman close to the camera giving a peace sign, casual sleeveless top, sandy or beachlike background"},{"position":"row 3 col 2","description":"back view of the man in a white shirt looking out over a cityscape at night from a high vantage point"},{"position":"row 3 col 3","description":"woman indoors at night holding a compact camera directly toward the viewer, city lights beyond a window, flash aesthetic"},{"position":"row 3 col 4","description":"tight cropped two-person selfie-like frame with both subjects partially visible, dark background"},{"position":"row 4 col 1","description":"young man at the waterfront at dusk holding a camera to his eye, cloudy blue sky and distant shoreline behind him"},{"position":"row 4 col 2","description":"soft night portrait of the woman on a city street with warm bokeh lights in the background"},{"position":"row 4 col 3","description":"close intimate couple snapshot with both faces near each other, one subject making a peace sign, heavy blur and flash look"},{"position":"row 4 col 4","description":"rear view of the woman walking alone down a warmly lit narrow street at night, shoulder-length hair and light top visible"}]},"composition":"each square feels like a memory fragment from one summer evening and a few nearby outings, varied framing, natural imperfection, casual amateur photography","color_palette":"muted blues, warm tungsten yellows, soft skin tones, dark greens, charcoal night shadows, faded white clothing","camera_look":"35mm point-and-shoot or disposable camera feel, shallow focus, motion blur, bloom around lights, occasional flash overexposure","quality":"high-resolution collage with authentic analog softness, emotionally evocative and realistic"}

原案例 / 作者：@himukai_an

完整提示词：

A bright, polished anime-style promotional thumbnail with a summer romance atmosphere. The composition is split visually, with large typography on the left and two handsome young men on the right. On the left side, place layered translucent white panels with soft glow and sparkles over a sky-blue background, featuring large elegant serif text "GPT" in a blue gradient at the top and "BL" in a lavender-to-violet gradient below. Add three lines of Japanese text arranged between and under them: "最新の画像生成で", "作って", and "遊んでみた", in deep blue calligraphic Japanese type. Include subtle decorative accents such as small star glints, diagonal light streaks, dotted texture, and a cyan underline swoosh beneath the middle text. On the right side, show 2 anime boys from the waist up, leaning casually together beside a chain-link fence under leafy trees. The taller boy has tousled dark brown hair, a navy overshirt worn open over a white T-shirt, layered silver necklaces, and holds 1 plastic cup of iced coffee with a straw. The shorter boy has messy silver-white hair, a white T-shirt with a small crest emblem on the chest, black backpack straps over both shoulders, layered silver necklaces, and one small earring. Their poses are relaxed and intimate, with the dark-haired boy’s arm resting around the other. Use a luminous blue-and-white palette with soft sunlight, lens flare, bokeh, and a faint cityscape in the background, creating a clean social-media header or article thumbnail aesthetic.

夜晚的艺术家与空灵缪斯

原案例 / 作者：@almimeister

完整提示词：

A cinematic anime-inspired digital illustration set at night inside a cozy artist's room with large window panes and a warm city glow outside. On the left, a young male artist with {argument name="hair color" default="dark brown"} messy hair sits at a cluttered desk in side profile, leaning forward with one hand near his mouth and the other drawing with a pen on a tablet or sketchbook. The desk is covered with exactly 1 pen cup filled with pencils, 1 coffee mug, 1 open laptop or pen-display showing a sunset landscape, 1 spiral sketchbook with manga-style character drawings, 2 additional drawing books or pads, 1 small stack of about 4 books, and many scattered art cards and printed illustrations. On the right, a luminous ethereal anime girl made of blue-white light appears life-sized, facing the artist with both hands gently extended toward him. Her form is translucent, delicate, and composed of glowing contour lines, starry particles, and flowing strands of light, with long windblown hair and a soft dress-like silhouette. Between them, a magical stream of golden and white light spirals upward from the artist's desk into the air, connecting creator and creation. Inside this swirling ribbon are exactly 12 to 16 floating image fragments and sketch pages: monochrome character sketches, scenic sunset paintings, small photo-like panels, and tiny icon-like cards, all orbiting in a curved arc from lower center to upper left and upper center. Around the upper half of the image, dozens of glowing musical notes float through the air, mixed with sparkling particles, creating the feeling that inspiration has become visible sound and memory. The palette is rich warm gold and amber on the artist's side, contrasted with cool electric blue and white on the spirit girl's side, with dramatic rim light, volumetric glow, intricate particles, and a dreamy emotional atmosphere. Composition is vertical, highly detailed, intimate, and poetic, evoking the relationship between {argument name="person one" default="you"} and {argument name="person two" default="me"} as artist and imagined muse, where drawings, music, memories, and fantasy physically manifest in the room. Add a small handwritten note card on the desk with {argument name="note text" default="二人だけの物語"}, and display one prominent artwork on the desk and one floating scenic panel using {argument name="scene theme" default="sunset sky over a distant city"}.

分类导航：总目录 / 电商主图 / 广告创意 / 人像摄影 / 海报插画 / 角色设计 / UI 与社媒 / 对比与社区案例

原仓库链接

GPT-Image 2 提示词宝库：电商、海报、人像、UI 全收录

Sat, 02 May 2026 11:35:00 +0800

这是一组 GPT Image 2 提示词案例索引。原始案例量很大，单页收录会过长，所以这里按内部分类拆成多个页面。

分类导航

分类	案例数	页面
电商主图	20	电商主图案例
广告创意	19	广告创意案例
人像摄影	55	人像摄影案例
海报插画	101	海报插画案例
角色设计	13	角色设计案例
UI 与社媒	56	UI 与社媒案例
对比与社区案例	48	对比与社区案例

原仓库链接

GPT-Image 2 提示词宝库：电商主图案例

Sat, 02 May 2026 11:35:00 +0800

本页收录 电商主图 分类下的 20 个案例。每个条目保留原案例链接、作者、生成图和完整提示词。

分类导航：总目录 / 电商主图 / 广告创意 / 人像摄影 / 海报插画 / 角色设计 / UI 与社媒 / 对比与社区案例

电商主图

电商主图 - 奢华琥珀香水广告

原案例 / 作者：@Polanco_IA

完整提示词：

A luxurious cinematic product photograph of a classic rectangular perfume bottle inspired by {argument name="brand label" default="N°5 CHANEL PARIS PARFUM"}, placed upright on a glossy black marble surface with white veining. The bottle is centered slightly to the right, made of clear faceted glass with a large transparent crystal stopper, filled with rich amber-gold perfume that glows from within. Tiny condensation droplets cover the glass, adding texture and realism. Dramatic warm lighting from the upper left creates golden highlights, deep reflections on the marble, and a soft luminous bloom in the background. Wisps of elegant smoke curl around the bottle on both sides, enhancing a moody high-end advertisement feel. Dark background, shallow depth of field, ultra-detailed studio product photography, luxury beauty campaign aesthetic, crisp focus on the bottle, realistic reflections, warm black-and-gold color palette. Add a small white {argument name="corner logo" default="Pollo.ai"} in the top-right corner. Square composition, premium commercial ad, photorealistic, high contrast, refined and sophisticated.

电商主图 - 护肤品棚拍图

原案例 / 作者：@Strength04_X

完整提示词：

A soft {argument name="bottle color" default="cream-colored"} bottle with a {argument name="pump color" default="pastel yellow"} pump stands on a matte podium, surrounded by silky foam and {argument name="flowers" default="chamomile blossoms"}. The background is a pale yellow gradient with subtle bubble details. The label emphasizes organic chamomile and calming care. Fresh chamomile flowers accentuate the gentle appeal.

电商主图 - 热带柑橘汽水广告海报

原案例 / 作者：@edimakorfr

完整提示词：

Create a vibrant tropical commercial poster for a citrus soda bottle, in a bright summer advertising style. Show a single large plastic bottle of {argument name="product name" default="Soda"} centered slightly to the right, tilted a little left, with a yellow cap and transparent bottle covered in cold condensation droplets, filled with glowing golden-orange soda. The label should feature sliced oranges and citrus artwork with the brand text "{argument name="product name" default="Soda"}", the phrase "aux agrumes d'été", and a small green "500 ml" mark. Use a sunny beach background with vivid blue sky, turquoise ocean, soft clouds, and blurred tropical palm leaves entering from the upper right corner. Add dramatic water splashes around the base of the bottle, scattered clear ice cubes, and 5 visible citrus pieces in the foreground: 2 orange wedges, 1 lime half, 1 grapefruit half, and 1 partial orange slice at the far right edge. Place large French promotional text on the left: a huge white headline "{argument name="headline text" default="Soda"}" with a small splash accent above it, then yellow script text "aux agrumes d'été" underneath. Add a yellow paint-stroke badge at mid-left with the text "LA FRAÎCHEUR QUI PÉTILLE !". Add a vertical feature list on the lower left with 3 round icons and French captions: "SAVEURS NATURELLES", "SANS COLORANTS ARTIFICIELS", and "EXTRA RAFRAÎCHISSANT". Add a green brushstroke banner at the bottom left reading "FORMAT PRATIQUE 500 ml". Add a round beige eco-style seal at the bottom right with green outline and leaf motif, containing the text "{argument name="seal text" default="PLAISIR FRUITÉ À CHAQUE GORGÉE"}". Lighting should be glossy and high-energy with strong sun flare from the upper left, saturated citrus colors, crisp packaging detail, realistic droplets, and polished supermarket-ad realism.

电商主图 - 工业设计展示图

原案例 / 作者：@ShamsAmin56

完整提示词：

Core Subject: [{argument name="reference" default="use the uploaded image"}, keep the details, typography and structure locked 100%]

Layout & Composition: A {argument name="presentation type" default="professional industrial design presentation sheet"}. The image should be organized into a clean grid system.

Top Row: A 3x3 layout showing top-down flat lay views and close-up macro details of materials.

Middle Section: Three hero shots of the product standing upright in different color ways (Matte Black, Arctic White, and accented variants). The products should be slightly tilted to show depth and form.

Bottom Section: A dynamic "floating" composition featuring two products overlapping at opposing angles to showcase the front and side profiles simultaneously.

Environment & Lighting: Set against a minimalist, neutral studio gray background. Soft top-down lighting with realistic contact shadows. High-end product photography aesthetic.

Style & Finish: Matte textures, clean silhouettes, and sharp edges. Leave designated blank areas on the product surfaces for "Placeholder Branding" and "Graphic Mockups." 4k resolution, Unreal Engine 5 render style, hyper-realistic, clean aesthetic.

电商主图 - 奢华毛里乐福鞋生活方式照片

原案例 / 作者：@dynamicwangs

完整提示词：

A warm, editorial-style lifestyle product photo shot indoors from a low close-up angle, focused on a woman's lower legs and feet as she tries on 1 pair of black leather backless loafers with tan faux-fur lining. One loafer is worn on the right foot and the left foot is bare, hovering just above the textured cream shag rug, while the second matching loafer lies on the rug in the lower left foreground. The shoes have smooth black leather uppers, a rounded almond toe, open mule-style heel, plush brown fur spilling out around the opening, and a small polished gold horsebit hardware detail across the vamp. The model wears cropped medium-blue denim jeans with a raw frayed hem. The setting is a cozy minimalist interior with a cream rug featuring 2 thin irregular black lines, a neutral wall, and a leaning rectangular mirror with a medium wood frame in the upper right background, softly reflecting the rug and part of the scene. Use soft natural window light, shallow depth of field, subtle film grain, realistic skin texture, muted beige and black palette, relaxed candid composition, premium fashion catalog mood, high detail, photorealistic.

电商主图 - 大理石梳妆台香水广告

原案例 / 作者：@MiguelMaestroIA

完整提示词：

A luxury e-commerce advertising photo of a premium perfume bottle on a polished gray-and-white marble vanity, shot in a warm cinematic studio style with soft golden lighting, shallow depth of field, and elegant reflections. The composition is square and high-end, with the perfume bottle centered slightly right of frame and promotional text on the left. The bottle is a tall sculpted hourglass-shaped glass flacon with smoky transparent gray glass fading darker at the base, a glossy gold spherical cap, a gold collar engraved with fine branding, and a large metallic gold interlocking monogram on the front. Keep the branding-inspired feel but do not add extra products. In the foreground left, include 1 cut-crystal bowl with a gold rim, partially cropped. In the background right, include 1 brushed gold cylindrical vase holding 1 bouquet of soft white flowers, blurred. Behind the bottle, add 1 black marble rectangular box with subtle white veining and gold trim. In the lower right foreground, include 1 draped piece of champagne-colored satin fabric, softly out of focus. The background should be dark, luxurious, and softly blurred, with rich brown-black tones and a vertical shadowed panel on the left to support typography. Add elegant serif headline text on the upper left reading {argument name="headline text" default="Premium Perfume,"} in large warm beige letters, with a smaller serif subheading beneath reading {argument name="tagline" default="Subtlety and Elegance"}, plus a thin short gold horizontal line below the subheading. Place a small white logo in the top-right corner reading {argument name="brand logo" default="Pollo.ai"}. Emphasize premium materials, realistic glass refraction, gold metallic highlights, luxury product photography, refined composition, soft bokeh, and upscale beauty-ad aesthetics.

电商主图 - 微缩场景护肤品广告

原案例 / 作者：@Strength04_X

完整提示词：

A hyper-realistic miniature diorama product advertisement featuring an oversized luxury skincare pump bottle labeled "LUXEVEIL Skin Science – Radiance Nourishing Body Lotion" in cream/beige with a polished gold pump top, placed on a circular platform. Tiny figurine construction workers dressed in yellow coveralls and white hard hats swarm around the bottle climbing scaffolding, painting the bottle with rollers, operating a tower crane, working near industrial tanks and pipework, and unloading a miniature flatbed truck. The scene includes metal scaffolding structures, industrial silos, orange traffic cones, wooden barricades, and storage barrels. The overall color palette is warm beige, cream, gold, and mustard yellow. Studio photography style with soft diffused lighting, no shadows, clean beige background. The concept metaphorically shows workers "crafting" or "building" the perfect lotion. Tilt-shift miniature aesthetic, ultra-detailed, commercial product photography, 8K resolution, photorealistic CGI render.

电商主图 - 中国传统艺术与瓷瓶

原案例 / 作者：@songguoxiansen

完整提示词：

1
2
3

A scarf inspired by 'A Thousand Li of Rivers and Mountains', surrounded by Wang Ximeng's blue-green landscape, with a silky texture and soft lighting.

A famille rose porcelain vase featuring Lady Yang Guifei enjoying flowers, with peony and butterfly patterns in the style of imperial kilns.

电商主图 - 高端游戏主板棚拍图

原案例 / 作者：@rojassartorio

完整提示词：

A high-end enthusiast ATX gaming motherboard product photo on a dark studio background, shown in a three-quarter top-down perspective angled from the lower left toward the upper right. The board is mostly matte black and gunmetal with sharp geometric armor plates, brushed metal textures, and subtle RGB edge lighting in blue, purple, and magenta. Feature an exposed modern Intel-style CPU socket near the upper center, 4 black DIMM memory slots on the right, large VRM heatsinks across the top and upper left, and multiple reinforced PCIe slots in the lower half. Include 3 major branded heatsink zones: a tall rear I/O shroud at upper left with an illuminated RGB eye logo and the text "MAXIMUS HERO", a left-side chipset/slot armor piece with the text "SUPREMEFX", and a large angular lower-right chipset cover with a silver ROG-style emblem plus a lower strip that reads "FOR THOSE WHO DARE". Show detailed capacitors, headers, power connectors, debug display reading "88" at the top right, and a small round start button nearby. Ultra-detailed commercial product photography, crisp focus across the board, realistic reflections on metal, premium luxury tech aesthetic, dramatic low-key lighting, clean black seamless backdrop, no cables, no CPU, no RAM, no other objects.

电商主图 - 高端谷物粉广告板

原案例 / 作者：@WooGabriel76263

完整提示词：

{"type":"Chinese e-commerce product marketing board","product":{"category":"instant grain powder drink","brand":"五谷磨房","name":"核桃芝麻黑豆粉","packaging":"matte black retail box with gold Chinese typography and a large swirling bowl graphic on the front, plus individual black sachets inside","net weight":"320g (32g×10袋)"},"style":{"overall":"premium dark food advertising layout","color palette":["black","deep brown","warm gold","beige","walnut brown"],"lighting":"dramatic studio lighting with glossy highlights and warm rim light","mood":"luxurious, nourishing, healthy, appetizing"},"layout":{"format":"single tall composite board divided into 5 major sections plus a bottom storyboard table","sections":[{"title":"主图/Main image","position":"top-left","count":8,"labels":["五谷磨房","核桃芝麻黑豆粉","32g×10袋 独立包装","五黑谷物","香浓醇厚","独立小袋","即冲即饮","product box and drink cup"]},{"title":"详情页/Details page","position":"top-right","count":5,"labels":["黑芝麻","黑豆","黑米","核桃","谷物粉"]},{"title":"香浓细腻 顺滑好喝","position":"mid-right","count":4,"labels":["一冲即饮 营养美味","粉质细腻 Fine powder","浓香醇厚 Rich & Smooth","营养代餐 Nutritious"]},{"title":"冲泡方式 HOW TO MAKE","position":"mid-left lower","count":3,"labels":["1 倒入一袋粉(32g)","2 加入200ml 热水或牛奶","3 搅拌均匀 即可享用"]},{"title":"一杯好谷物 轻松好生活","position":"lower-left","count":4,"labels":["元气早餐","办公室下午茶","健身代餐","睡前暖饮"]},{"title":"独立小袋 随身携带","position":"lower-right","count":3,"labels":["独立小袋 便携卫生","锁住新鲜 防潮防氧化","1袋1杯 精准份量"]},{"title":"视频推广广告 seedance 2.0 视频提示词 + 分镜头脚本","position":"bottom full width","count":7,"labels":["镜头1 开场-产品展示","镜头2 食材特写","镜头3 倒粉入杯","镜头4 冲泡搅拌","镜头5 饮用场景","镜头6 产品卖点","镜头7 结尾口号"]}],"grid":"top area split into left main image and right detail page; middle area split into preparation guide and feature panel; lower area split into lifestyle scenarios and sachet carry section; bottom is a full-width tabular storyboard"},"scene_elements":{"ingredients":[{"name":"black sesame","form":"small black seeds in a round bowl"},{"name":"black beans","form":"glossy whole beans in a round bowl"},{"name":"black rice","form":"dark long grains in a round bowl"},{"name":"walnuts","form":"walnut halves in a round bowl"},{"name":"grain powder","form":"light beige powder in a round bowl"}],"serving":{"drink":"thick gray-brown sesame walnut bean beverage with smooth surface swirl","cup":"transparent glass cup with handle","utensil":"metal spoon stirring or resting inside drink"},"supporting props":["walnuts on table","scattered black beans","grain stalks or wheat stems","dark tabletop","ingredient bowls","open package showing 5 visible sachets"]},"text_treatment":{"headline_font":"bold elegant Chinese display type in metallic gold","body_font":"clean sans serif Chinese with occasional English subtitles","accent":"thin gold divider lines and circular ingredient frames"},"camera_and_composition":{"product_shots":"front-facing hero box, angled sachet display box, close-up beverage macro","food_photography":"high-detail commercial food styling, shallow depth of field, crisp texture emphasis","aspect_ratio":"portrait, approximately 9:16"},"quality":"ultra-detailed commercial design mockup, polished e-commerce key visual plus details page plus ad storyboard, 4K"}

电商主图 - 耳机电商信息图

原案例 / 作者：@SPEEDAI07

完整提示词：

High-impact e-commerce infographic for "{argument name="product" default="Apple Pods Pro 3"}" wireless earbuds.
Foreground: An extreme close-up of a hand holding an open glossy white wireless earbud charging case toward the camera. Inside the case are two sleek white earbuds with black speaker accents. A small glowing green LED indicator is visible on the front of the case. The hand and case have slight macro-lens depth blur for realism.

Mid-ground: A {argument name="model" default="confident young woman"} with tan skin, brown eyes, and dark hair tied in a messy bun. She has natural makeup with a dewy glow. She is wearing a plain {argument name="clothing" default="yellow athletic t-shirt"} (no logos). One white earbud is in her ear. She is looking directly at the camera with a subtle, confident expression.

Background: Clean soft gray gradient studio backdrop with shallow depth of field. Diagonal rainbow prism lens flares and soft light leaks across the scene. Several blurred floating white earbuds in the background for depth and motion.

Lighting: Soft professional studio lighting with glossy highlights on the product, subtle rim light on the model, high dynamic range.

Typography (modern sans-serif, white):

Top center (behind model): Large bold text “AIRPODS”

Top right: “Apple Pods Pro 3”

Mid-left: “Premium sound and noise cancellation”

Mid-right: Large bold “30” with “hours of battery life”

Bottom-right: Large bold “1” with “year warranty”

Style: Ultra-realistic, commercial product photography, 8k resolution, sharp focus on product case, shallow depth of field, vibrant yet clean color palette, premium advertising aesthetic.

电商主图 - 可持续 T 恤种植吊牌广告

原案例 / 作者：@Diplomeme

完整提示词：

A premium eco-conscious fashion advertisement, shot as a refined editorial product photo. A single off-white or natural cream crew-neck T-shirt hangs on a smooth wooden hanger with a black metal hook, placed against a lush wall of dense green leaves and climbing vines. The hanger has a small minimalist brand monogram engraved near the neck. The shirt is shown from the upper torso down to part of the hem, slightly angled, with soft natural folds and high-quality cotton texture. Printed inside the collar is a minimalist brand mark and the text "JUGGERKNOT ORIGINALS". Hanging from the neckline is 1 rectangular recycled-paper seed tag tied with rustic brown twine; the tag reads "Tulsi" and "Plantable Seed Tag" with a tiny sprouting seed detail near the bottom. From the tag, 1 real tulsi plant stem grows upward across the front of the shirt, with several fresh green leaves, visually demonstrating that the tag is plantable. Add a small fine-label annotation near the tag reading "TULSI PLANTABLE SEED TAG". On the right side, large elegant white serif typography says {argument name="headline text" default="Plant it."}. Beneath it, place 3 stacked lines of narrow uppercase sans-serif copy: "WEAR IT.", "PLANT IT.", and "GROW WITH IT.". At the lower left, add the brand name in spaced uppercase serif text: {argument name="brand name" default="JUGGERKNOT ORIGINALS"}, with a thin horizontal line above it. At the lower right, add 3 lines of small uppercase sans-serif text: "FSC® CERTIFIED PACKAGING.", "ZERO SYNTHETIC FIBRE", and "BACKED BY ZERODHA.". Use soft diffused daylight, shallow depth of field, moody green-and-cream color grading, luxury sustainable-brand aesthetics, clean composition, vertical poster layout, subtle shadows, and a calm organic atmosphere. Keep the design minimal, premium, and photorealistic, with the shirt occupying the left half and the typography balanced on the right.

电商主图 - 优雅化妆品海报提示词

原案例 / 作者：@Adam38363368936

完整提示词：

An image in a {argument name="reference style" default="similar style"}, a product image for {argument name="product" default="lipstick"}, requiring color coordination and a grand aesthetic in a {argument name="style" default="poster style"}, with language changed to Simplified Chinese.

电商主图 - 极简产品广告：PURE CRUNCH

原案例 / 作者：@Strength04_X

完整提示词：

A minimalist product advertisement with a {argument name="product" default="fried chicken bucket"} placed on a clean white podium.

Background: soft gradient ({argument name="background gradient" default="light cream to white"}), clean studio.

Lighting: soft diffused, premium Apple-style.

Typography (center): “{argument name="headline" default="PURE CRUNCH"}”

Small text below: “Nothing extra. Just perfection.”

Style: ultra clean, editorial minimal, high-end branding, 8K.

电商主图 - 浅蓝 Crocs 时尚广告

原案例 / 作者：@SPEEDAI07

完整提示词：

A high-end studio advertising poster for {argument name="brand name" default="crocs"}, in a monochrome pastel blue and white color palette, with a glossy reflective floor and a soft sky-blue backdrop. The background is dominated by the word {argument name="headline text" default="CROCS"} in gigantic bold white condensed sans-serif letters spanning nearly the full height of the image. In the top-right corner, add small white text reading "Designed with ChatGPT". Feature 3 adult women with shoulder-length wavy light brown to dark blonde hair, all wearing loose oversized white long-sleeve tops and flowing white wide-leg pants, styled as minimalist fashion models with relaxed neutral expressions. Their faces are intentionally obscured or blurred. One model reclines against an enormous upright white clog shoe on the left side, one model sits casually on top of a giant white clog on the upper right, and one model lounges on the floor at the lower right, leaning back on one arm while seated partly on a glossy blue sphere. Include 2 oversized white clog shoes as hero props: one standing vertically on the left showing the sole and side profile, and one angled on blue crystalline blocks at center-right showing the upper and toe box. Both clogs are classic foam slip-on style with perforation holes, chunky tread, heel straps, and circular logo rivets. The center-right clog is decorated with exactly 8 visible charms pinned to the upper: a blue-green iridescent round charm, a white daisy with yellow center, a black-and-white round emblem near the strap, a small "CROCS" word charm, a dark flower, a peace-hand sign, an orange smiley face, a white cloud, and an orange flower. Scatter exactly 7 glossy floating or grounded blue spheres of varying sizes around the set: one large sphere behind the left model, one medium sphere floating near center, one medium sphere at bottom left foreground, one medium sphere used as a seat under the lower-right model, one small sphere near the upper left, and 2 additional blue spheres integrated into the composition. Add translucent sculptural gel-like forms at the far left and far right edges, plus angular blue crystal-like rocks beneath the right shoe. At the bottom center, place white promotional copy in a clean sans-serif font: {argument name="tagline line 1" default="Made for comfort, worn for confidence."} on the first line and {argument name="tagline line 2" default="Because life feels better when your feet stop complaining."} on the second line. Beneath that, show 4 minimalist feature icons with labels in white: "ICONIC COMFORT", "LIGHTWEIGHT", "EASY TO CLEAN", and "UNIQUELY YOU". Place the {argument name="logo text" default="crocs"} logo in bold lowercase white at the bottom center with a small trademark symbol. The overall style should feel like a premium surreal fashion campaign, clean editorial lighting, soft shadows, glossy textures, airy composition, and modern lifestyle product advertising.

电商主图 - 九宫格产品 TVC 分镜

原案例 / 作者：@Magncsans

完整提示词：

Using the provided reference image, transform the single casual product photo into a polished e-commerce TVC storyboard board for a {argument name="video duration" default="15-second"} ad in a {argument name="aspect ratio" default="9:16"} vertical format, presented as a 9-panel grid. Keep the same blue-and-white ceramic ashtray as the product base, but restage it across cinematic advertising shots with warm premium lighting, shallow depth of field, and a refined lifestyle desktop environment. Add a dark storyboard layout with Chinese titles and timing for each panel. Include exactly 9 scenes: 1) environment-establishing wide shot with desk, books, window, and the product placed in context; 2) hero product medium shot on the table; 3) extreme close-up of the blue floral craftsmanship pattern; 4) use case showing a hand placing a cigarette into the ashtray with visible smoke; 5) top-down capacity display showing multiple cigarette butts inside; 6) cleaning scene under running water in a sink with a hand holding the product; 7) bottom-detail close-up showing the underside and anti-slip pads; 8) mood/lifestyle scene at night with the product on a desk, smoke rising, and ambient lamp light; 9) brand closing frame with the product as the hero plus Chinese marketing text. Add the overall header text “产品TVC分镜脚本(15秒 / 9:16竖屏 / 9宫格)” and a product subtitle naming it {argument name="product name" default="青花瓷烟灰缸"}. Give each of the 9 panels a Chinese scene title and timestamp, plus small descriptive Chinese copy beneath each image in the style of a professional commercial shot list. Use premium, realistic commercial photography throughout, consistent product identity, elegant Chinese aesthetic, and a clean high-end storyboard presentation.

电商直播 UI 样机

原案例 / 作者：@sjbbxhz

完整提示词：

{
  "type": "live stream UI mockup",
  "subject": {
    "description": "portrait of {argument name=\"host name\" default=\"Elon Musk\"}, smiling, wearing a black t-shirt with a white technical schematic graphic",
    "background": "left side shows a screen with '{argument name=\"left background logo\" default=\"SPACEX\"}' text, right side shows a red '{argument name=\"right background logo\" default=\"Tesla T logo\"}' and a dark car"
  },
  "ui_overlay": {
    "top_header": {
      "host_info": "avatar, name '{argument name=\"host name\" default=\"Elon Musk\"}', subtext '55.6万本场点赞', red '关注' button",
      "rank_badge": "gold coin icon with '全站第1名'",
      "viewer_stats": "3 top viewer avatars with '12.3w', '8.6w', '5.7w', total '68.7万', 'X' close button",
      "right_links": "'更多直播 >', '礼物展馆 0/24' with blue '经典' tag"
    },
    "mid_left_gifts": {
      "count": 2,
      "items": [
        "avatar '科技爱好者', '送小心心', heart icon x 1314",
        "avatar '星辰大海', '送火箭', rocket icon x 666"
      ]
    },
    "bottom_left_chat": {
      "system_message": "level 37 badge '宇宙漫游者 加入了直播间'",
      "message_count": 7,
      "messages": [
        "小火箭: 马斯克!未来可期!🚀",
        "future: 特斯拉Model 2什么时候出?",
        "星空梦想家: SpaceX今年能上火星吗?",
        "AI探索者: Neuralink进展如何?",
        "帅气的网友: 马总好!",
        "Mars: 第一次来你的直播,超激动!",
        "用户123: 讲讲AI吧,会取代人类吗?"
      ]
    },
    "bottom_right_product_card": {
      "hot_tag": "orange '热卖 x 1888'",
      "image": "Tesla Cybertruck",
      "title": "{argument name=\"product name\" default=\"特斯拉Cybertruck 电动皮卡\"}",
      "price": "{argument name=\"product price\" default=\"¥ 1,618,000\"}",
      "button": "red '抢' button",
      "floating_animation": "translucent hearts floating up the right edge"
    },
    "bottom_bar": {
      "input_field": "'说点什么...'",
      "icons": ["smiley face", "three dots", "shopping cart", "gift box", "share"]
    }
  }
}

高端产品棚拍模板

原案例 / 作者：@PrometheanAIX

完整提示词：

Create a premium product studio image of a [PRODUCT] for [BRAND], designed in line with [BRAND REFERENCE]. Show the [PRODUCT] floating against a clean light gray to soft white gradient background with a minimal high-end tech aesthetic. The [PRODUCT] should feel sleek, modern, refined, and premium, with subtle illuminated accents in [LIGHTING COLOR]. Use a three-quarter front angle so both earcups are visible, with detailed industrial design elements. Include the [BRAND] name cleanly on the product. Lighting should be soft, controlled, and editorial, with crisp highlights, soft shadows, and a subtle colored rim light or glow in [LIGHTING COLOR]. Emphasize material realism and clean geometric forms. Keep the background uncluttered and minimal. No extra props, no people, no text overlays, no packaging, and no distracting elements. Focus entirely on the [PRODUCT] as the hero product.

高端食品摄影模板

原案例 / 作者：@PrometheanAIX

完整提示词：

Create a square [ASPECT RATIO] premium food photography image of a steaming [FOOD] served in a dark black stone bowl or cast-iron skillet on a wooden board. The dish should look hot, glossy, spicy, and freshly served, with bite-sized pieces of browned protein, dried red chilies, green scallions, white onion, garlic, chili flakes, and visible Sichuan peppercorns coated in a deep red, oily Szechuan sauce. Use a slightly elevated close-up camera angle with shallow depth of field. Make the food the clear hero of the image, centered and richly detailed. Add visible steam rising naturally from the dish. Surround the bowl with subtle restaurant-style props like a dark red tray, scattered dried chilies, peppercorns, a small sauce bowl, or a blurred teapot in the background. Lighting should feel warm, moody, and editorial, like a high-end restaurant food shoot. Emphasize realistic textures and keep the image appetizing, realistic, cinematic, and polished. Avoid text, logos, hands, people, utensils covering the food, cartoon styling, fake plastic textures, excessive symmetry, or an overly clean stock-photo look.

汉堡主视觉与九宫格广告分镜

原案例 / 作者：@Gdgtify

完整提示词：

1
2
3

Prompt 1: Create a cinematic hero image of a gourmet cheeseburger on a dark stone surface with glossy brioche bun, melted cheese, crisp lettuce, tomato, grilled patty, sauce, realistic texture, appetizing steam, warm side light, shallow depth of field, premium food commercial style, no text/logos/watermark.

Prompt 2: Create a 9-cell hybrid keyframe-to-transition storyboard sheet for a 15-second gourmet burger ad, moving from empty surface to ingredient assembly to final macro hero shot. Use large S cells and smaller T cells, motion arrows, ghosted ingredient positions, steam, sauce trails, and camera push-in icons. Style: premium food commercial, warm lighting, rich texture, appetizing, cinematic, minimal labels only. No logos, no watermark.

分类导航：总目录 / 电商主图 / 广告创意 / 人像摄影 / 海报插画 / 角色设计 / UI 与社媒 / 对比与社区案例

原仓库链接

GPT-Image 2 提示词宝库：对比与社区案例

Sat, 02 May 2026 11:35:00 +0800

本页收录 对比与社区案例 分类下的 48 个案例。每个条目保留原案例链接、作者、生成图和完整提示词。

分类导航：总目录 / 电商主图 / 广告创意 / 人像摄影 / 海报插画 / 角色设计 / UI 与社媒 / 对比与社区案例

对比与社区案例

木质书架提示词测试

原案例 / 作者：@chetaslua

完整提示词：

`1`	`A wooden bookshelf consisting of three shelves: On the top shelf, there should be one book, on the second shelf, there should be three books, and on the bottom shelf, there should be seven books.`

GPT-Image-2 细节展示

原案例 / 作者：@liyue_ai

完整提示词：

以眼部特写图片为基础，生成3:4的四屏构图超写实眼部特写，四屏按春夏秋冬上下排序。

第一屏：眼眸中带着绽粉樱色的美瞳，睫毛缀满迷你春花，脸颊散落樱瓣与黄蕊小花，粉蝶萦绕眉眼，浅金发丝轻垂，下方簇簇樱花怒放，画面中央"SPRING"白色艺术字点缀，风格细腻唯美，光影柔和，色彩粉嫩治愈，下面用书法体写着春；

第二屏：眼眸中带着着清荷色的美瞳，睫毛饰以粉莲与绿荷，脸颊挂着晶莹水珠，粉瓣、绿荷点缀其间，蜻蜓轻绕，浅金发丝若隐若现，画面中央"Summer"白色艺术字凸显，光影通透流光感，色彩清透凉爽，下面用书法体写着夏；

第三屏：眼眸中带着金黄红相间的美瞳，睫毛饰以橙红枫叶，脸颊散落金红秋叶，橙蝶翩跹眉眼间，浅金发丝隐约可见，画面中央"AUTUMN"白色艺术字醒目，光影暖金流光，色彩浓郁温暖，下面用书法笔写着秋；

第四屏：眼眸中带着雪花蓝色的美瞳，睫毛覆满冰晶雪片，脸颊散落白色雪花与红色腊梅，银白蝴蝶翩跹眉眼，浅金发丝朦胧似雪，画面中央"WINTER"白色艺术字亮眼，光影冷冽蓝白流光，色彩清透纯净，下面用书法体写着冬。

整体呈现梦幻眼眸四季交替的唯美梦幻治愈画面，微调各屏的光影强度，让画面氛围感更浓郁。

A/B 测试签名输出

原案例 / 作者：@saskr_13

完整提示词：

私があなたをどんなふうに扱ってきたか、4 コマ漫画風に描いてください。まずは 800 字くらいのプロットをテキストで出して、私が「描いて」と言ったらプロットに沿った 4 コマ漫画を描いてください。

剪影宇宙叙事海报

原案例 / 作者：@MrLarus

完整提示词：

请根据【主题：xxx】自动生成一张高审美的“轮廓宇宙 / 收藏版叙事海报”风格作品。不要将画面局限于固定器物或常见容器，不要优先默认瓶子、沙漏、玻璃罩、怀表之类的常规载体，而是由 AI 根据主题自行判断并选择一个最契合、最有象征意义、轮廓最强、最适合承载完整叙事世界的主轮廓载体。这个主轮廓可以是器物、建筑、门、塔、拱门、穹顶、楼梯井、长廊、雕像、侧脸、眼睛、手掌、头骨、羽翼、面具、镜面、王座、圆环、裂缝、光幕、阴影、几何结构、空间切面、舞台框景、抽象符号或其他更有创意与主题代表性的视觉轮廓，要求合理布局。优先选择最能放大主题气质、最能形成强烈视觉记忆点、最能体现史诗感、神秘感、诗意感或设计感的轮廓，而不是最安全、最普通、最常见的容器。

画面的核心不是简单把世界装进某个物体里，而是让完整的主题世界自然生长在这个主轮廓之中、之内、之上、之边界里或与其结构融为一体，形成一种“主题宇宙依附于一个象征性轮廓展开”的高级叙事效果。主轮廓必须清晰、优雅、有辨识度，并在整体构图中占据核心地位。轮廓内部或边界中需要自动生成与主题强绑定的完整叙事世界，内容应当丰富、饱满、层次清晰，包括最能代表主题的标志性场景、核心建筑或空间结构、象征符号与隐喻元素、角色关系或文明痕迹、远景中景近景的空间递进、具有命运感和情绪张力的氛围层次，以及门、台阶、桥梁、水面、烟雾、路径、光源、遗迹、机械结构、自然景观、抽象形态、生物或道具等叙事细节。所有元素必须统一、自然、有主次、有层级地融合，像一个完整世界真实孕育在这个轮廓结构之中，而不是简单拼贴、裁切填充、素材堆叠或模板化背景。

整体构图需要具有强烈的收藏版海报气质与高级设计感，大结构稳定，主轮廓强烈明确，内部世界具有纵深、秩序和呼吸感，细节丰富但不拥挤，内容丰满但不杂乱，可以适度加入小比例人物剪影、远处建筑、光柱、门洞、桥、阶梯、回廊、倒影、天光或远景结构来增强尺度感、故事感与史诗感。整体画面要安静、宏大、凝练、富有余味，不要平均铺满，不要廉价热闹，不要无重点堆砌。

风格融合收藏版电影海报构图、高级叙事型视觉设计、梦幻水彩质感与纸张印刷品气质，强调纸张颗粒感、边缘飞白、水彩刷痕、轻微晕染、空气透视、柔和雾化、局部体积光、光雾穿透、大面积留白与克制版式，让画面看起来像设计师完成的高端收藏版视觉作品，而不是普通 AI 跑图。整体气质要高级、诗意、宏大、神圣、怀旧、安静、具有传说感和叙事感。

色彩由 AI 根据主题自动判断并匹配最合适的高级配色方案，但必须保持统一、克制、耐看、低饱和、高级，不要杂乱高饱和，不要廉价霓虹感，不要塑料数码感。配色可以围绕黑金灰、冷蓝灰、雾白灰、褐红米白、暗铜、旧纸色、深海蓝、暮色紫、银灰等体系自由变化，但必须始终服务主题，并保持海报级审美与整体和谐。

最终要求：第一眼有强烈的主题识别度和轮廓记忆点，第二眼有完整丰富的叙事世界，第三眼仍有细节和余味。轮廓选择必须具有创意和主题匹配度，尽量避免重复、保守、常见的容器套路，优先选择更有象征性、更有空间感、更有设计潜力的轮廓形式。不要普通背景拼接，不要生硬裁切，不要模板化奇幻素材，不要游戏宣传图感，不要过度卡通化，不要过度写实导致失去艺术感，不要形式大于内容。如果合适，可以自然加入低调克制的标题、编号、签名或落款，让它更像收藏版海报设计的一部分，但不要喧宾夺主。

狮驼岭暗黑神话场景

原案例 / 作者：@MANISH1027512

完整提示词：

中式怪异，黑暗神秘风格融合中式美学，完美细节，多重管线渲染，完美建模。西游记背景，狮驼岭，千妖万怪，坐在左边巨大王座上的大象王重甲妖精，坐在中间巨大王座上的狮王重甲妖精，坐在右边巨大王座上大鹏鸟王重甲妖精。渺小的背对镜头孙悟空肩抗金箍棒步行前进，孙悟空身穿铠甲，近地仰拍镜头，长焦镜头，强烈阴影。极致细节刻画，多次修改，正确透视和主体线条，精致细节

Counter-Strike x Terraria 截图混搭

原案例 / 作者：@yssrski

完整提示词：

`1`	`counter strike in game screenshot, mixed with Terraria`

战前日本实验室 Minecraft 截图

原案例 / 作者：@RitaStar1128

完整提示词：

`1`	`戦前日本の怪しげな研究所を探検しているマイクラのスクリーンショット画像を作成して`

锻造杰作提示词测试

原案例 / 作者：@MrLarus

完整提示词：

`1`	`帮我生成xxxx真迹图片`

多概念战斗海报组

原案例 / 作者：@joshesye

完整提示词：

1、生成不知火舞和貂蝉的游戏对战海报图
2、生成一张K-pop团体时尚专辑封面
3、请你生成 《斗破苍穹》 的关键人物关系图
4、帮我截一张上传图片的抖音首页的女网红图

Rust 游戏内截图

原案例 / 作者：@FixlationAI

完整提示词：

`1`	`an ingame screenshot of rust`

Sam Altman 熊自拍

原案例 / 作者：@JustinGorya

完整提示词：

1
2
3

generate image: Selfie of Sam Altman riding a bear

Edit prompt: Remove the background make it transparent

Among Us 写实截图

原案例 / 作者：@ReYYYYoking

完整提示词：

`1`	`AmongUsの精密な実際のゲーム画像を生成して`

复古编程博物馆卡通图

原案例 / 作者：@XiaohuiAI666

完整提示词：

在计算机博物馆里,一个程序员在展厅中央,正在演示C语言编程,很多参观者在围观,屏幕上的代码清晰可见。旁边的牌子写着:古法编程,现场表演。2D卡通画风,16:9

第 14 维投影场景

原案例 / 作者：@workingclassbud

完整提示词：

`1`	`A dusk shindig with multiple fake imagination projections all aligned in the 14th dimensions`

Sam Altman 棒球转播画面

原案例 / 作者：@16kthir0GRXgNqn

完整提示词：

`1`	`サムアルトマンがメジャーリーガーでバットを構えている。よくあるようなテレビ画面の構図`

基于视频内容和当前帧生成 YouTube 缩略图…

原案例 / 作者：@chatcutapp

完整提示词：

Based on the video content and this current frame, use GPT to generate a YouTube thumbnail that fits the video. You can reference the style of the image I gave you, but replace the logo on the right side of AE with theChatCut logo. I'll attach the logo for you.

生成 2020 年最重大事件的图像

原案例 / 作者：@Rufus87078959

完整提示词：

`1`	`Generate an image of the most significant event of 2020`

编辑图像，将总金额改为 244.5 泰铢…

原案例 / 作者：@elliscrosby

完整提示词：

`1`	`Edit this image so that total amount changes to 244.5 baht. You can change the quantity of each of the stacks of coins until we hit the target total.`

生成 2001 年最重大事件的图像

原案例 / 作者：@Rufus87078959

完整提示词：

`1`	`Generate an image of the most significant event of 2001`

研究 LIME 药物设计并制作详细信息图

原案例 / 作者：@WillSpagnoli

完整提示词：

`1`	`Research LIME Drug Design and make a detailed infographic about it`

抖音直播带货截图

原案例 / 作者：@laogeai

完整提示词：

`1`	`生成一个抖音直播的截图里面是一个美女在直播，在卖丝袜和内衣，她的在线人数是99996，热度是18+，有个叫小互的大哥，给她刷了一个飞机礼物`

社交 App 匹配成功界面

原案例 / 作者：@songguoxiansen

完整提示词：

`1`	`社交App匹配成功界面，两个用户资料卡碰撞爱心特效`

吕布 Boss 设计表

原案例 / 作者：@songguoxiansen

完整提示词：

`1`	`吕布游戏Boss设定，赤兔马方天画戟，暗黑进化形态双形态对比`

哪吒暗黑奇幻小说封面

原案例 / 作者：@songguoxiansen

完整提示词：

`1`	`玄幻小说封面，哪吒三头六臂悬浮虚空，火焰莲台底座，暗黑史诗风`

新中式极简花卉插画

原案例 / 作者：@liyue_ai

完整提示词：

新中式极简东方美学 × 高端商业插画，主题一花一世界，
极简，克制，空灵，高级商业视觉，超现实东方意境，
画面干净通透，无灰雾、无脏色，

一朵巨大的荷花作为空间容器，从平静水面自然生长，轻微倾斜，构图优雅留白充足，

低饱和干净粉色，柔和胭脂调，花瓣半透明，轻盈通透，
哑光低对比，边缘柔化 + 轻微景深，

荷花内部为唯一视觉焦点：发光的3D微缩广州城市，包含：广州塔，珠江新城建筑群，猎德大桥，珠江水岸，少量岭南建筑，

城市超精细结构，真实材质，极高细节清晰度，城市高光是暖金色，城市阴影是冷青蓝，形成冷暖对比，

灯光通透有能量，局部高饱和但不泛滥，城市亮度明显高于荷花，

水面清澈极简平静，仅少量柔和涟漪，弱反射，

背景暖米白宣纸质感，无水墨、无笔触，大面积留白，
中心有极轻微光晕渐变，整体通透、不灰、不闷，

画面下方一艘极简小船，船上一位红衣渔女，极小比例，
静立仰望荷花，红色为唯一高纯度点缀，

整体光线通透、干净、有层次，无灰雾、无泛白，
高端CG商业插画，电影级真实光影，高动态范围，超精细，8K细节，ArtStation 级画质，强化分色，干净调色，青橙对比，暖高光冷暗部，仅城市灯光提亮饱和度，色调柔和通透，光影锐利明亮，无灰雾、无暗沉、无低饱和雾化。

苏妲己古风魅惑人像

原案例 / 作者：@nidiedeba

完整提示词：

`1`	`苏妲己古风写真，红色纱衣半透，狐耳若隐若现，媚态撩人`

鲁迅《朝花夕拾》插画

原案例 / 作者：@Aurora_62340

完整提示词：

结合鲁迅的《朝花夕拾》里的内容，生成一副图片，要求图片背景符合《朝花夕拾》的意境，背景图可以使用蒙版，前景是 鲁迅的全身画像位于图片左侧或右侧

地铁手机随拍

原案例 / 作者：@AntCaveClub

完整提示词：

1
2
3

地铁上低头看手机的美丽女人，偷拍照片。

能免费试一次 ⬇️

中国航天纪念邮票张

原案例 / 作者：@songguoxiansen

完整提示词：

`1`	`中国航天纪念邮票小全张，火箭发射场景，烫金边框工艺`

竖版武侠女侠人像

原案例 / 作者：@CoderDaMing

完整提示词：

9:16 竖版，极致武侠风，绝美东方女侠，20岁出头，冷艳锐利丹凤眼，眉宇英气逼人，肤白如玉，长直黑发湿漉漉随狂风剧烈飞舞，几缕发丝贴在脸颊和颈侧，穿着湿透的深黑改良武侠劲装，外披宽袖玄色长袍，衣袍和长袖被风吹得剧烈飘扬翻飞，紧身劲装勾勒身材，腰束软剑带，足踏长靴，右手持一把古剑，剑身散发幽蓝剑气光芒，动态姿势：身体微侧回眸，衣袂猎猎，背景为月夜雨雾笼罩的竹林古道，巨大明月高悬，石板小径，古灯笼，薄雾雨丝，戏剧性冷月光与蓝光剑气结合，湿身水光效果，超强动态感，细腻布料褶皱、头发丝飘动、真实水珠反光，电影级光影，8k，masterpiece, best quality, ultra realistic, cinematic, dramatic atmosphere

基于佛经的写实观音人像

原案例 / 作者：@Zhaoge01

完整提示词：

`1`	`根据佛经对观音菩萨的形象描述，原原本本的还原一张真实的观音菩萨形象照片，皮肤与衣服接近真实，画质iPhone 15 pro`

唐代长安灯会全景

原案例 / 作者：@songguoxiansen

完整提示词：

`1`	`唐代长安城元宵灯会全景，万盏花灯照亮夜空，工笔重彩长卷`

历史感杨贵妃写实人像

原案例 / 作者：@Zhaoge01

完整提示词：

`1`	`根据真实历史对杨玉环的形象描述，生成一张杨贵妃真实照片，画质为iPhone 15 pro`

超现实日本未来城市插画

原案例 / 作者：@Tresmort

完整提示词：

参考这张图的透视和风格，绘制一张更加精细的超高清插画，表现超现实主义的日式未来都市，要能看清很小的细节，包括街道上的传统文化游行的人，小巷里的黑帮，烟花巷的舞女，疲惫的社畜，楼房的窗户里也有各式各样的人物，学习的学生，吵架的夫妻，玩游戏的宅男，以及更多的发挥细节。讽刺现实拥挤中的无聊，都市繁华下的孤独，无意义的人生中又有一种病态的美感。画面要有极高的审美价值 ，不能因为拼内容而损失美和协调感，比例是9:16

涂山雅雅奇幻魅力人像

原案例 / 作者：@sdjn_wgc

完整提示词：

`1`	`狐妖小红娘涂山雅雅写真大片，粉色九尾狐裘紧身裙，媚眼如丝，红唇微张，极致妖媚`

抖音直播带货截图

原案例 / 作者：@LVWANGJI_0327

完整提示词：

`1`	`生成一个抖音直播的截图里面是一个美女在直播，在卖丝袜和内衣，她的在线人数是99996，热度是18+，有个叫小互的大哥，给她刷了一个飞机礼物`

东方奇幻女性半身像

原案例 / 作者：@liyue_ai

完整提示词：

东方幻想风格女性，半身肖像，回眸侧脸，气质空灵优雅，柔和神性美感，细腻五官，微垂眼神，冷白细腻肌肤，淡雅橘粉妆容，金色高光点缀

长发飘动，发丝中融入彩色花朵与光粒（红、蓝、橙、紫），头发具有流动感与空气感

身穿半透明丝绸礼服与披肩，材质轻盈通透，布料随风飘动，表面带有鎏金纹理与闪耀颗粒。

整体光影为暖金色逆光，强边缘光，体积光明显，光粒漂浮，柔光泛光，梦幻氛围

背景干净浅色渐变，带微光与粒子效果，整体氛围空灵、梦境、神圣

风格：高端CG插画，超精细，电影级光影，柔光渲染，8K细节，artstation 热门作品风格

竖版东方年轻女性艺术人像

原案例 / 作者：@zhiyangzhu22222

完整提示词：

9:16 竖向构图，单人女性艺术肖像，年轻东方女生，五官清秀，脸部线条柔和，皮肤自然通透，保留真实肌理，气质安静高级，带一点疏离感和故事感。
摄影棚风格与自然光融合，柔和侧光，面部有细腻高光，阴影轻柔，整体光线通透不刺眼，带轻微黑雾滤镜效果，微朦胧、微泛光、空气感强。
背景极简干净，奶油灰、米白、浅卡其或雾感暖灰色墙面，留有大面积负空间，整体画面简洁、有呼吸感。
模特坐在地面或低台上，一条腿自然弯曲，一条腿放松伸展，身体轻微前倾或侧倾，肩膀不对称，头部轻轻倾斜，动作自然松弛，不刻意摆拍。
表情平静克制，眼神柔和，略微疏离，带一点若有所思的情绪，嘴唇自然微张或轻闭，状态慵懒、安静、细腻。
发型为自然蓬松的长发，微凌乱碎发，发丝轻柔，有空气感和层次感，像刚整理过但保留自然随性感。
妆容为高级淡妆，韩系清透底妆，皮肤柔雾光泽，鼻梁与面颊有自然高光，眉形干净，眼妆淡雅但有神，睫毛纤长，唇色为低饱和玫瑰豆沙色或奶茶裸粉色。
服装为简约高级风：米白色紧身罗纹针织背心，外搭宽松白衬衫或柔软针织开衫，下装为高腰半裙或简约短裤，布料柔软贴合身形但不过分暴露，呈现自然身体线条与文艺感。
画面强调细腻质感、柔和色调、轻法式与韩系杂志感结合，真实摄影感，电影级肤色，细节丰富，层次分明，构图克制，高级审美，时尚 编辑人像，柔和的电影感人像，细腻的质感，超高细节，逼真，优雅，精致，高端时尚摄影，含蓄的性感，简洁的构图。

汽车人集结月球基地

原案例 / 作者：@songguoxiansen

完整提示词：

1
2
3

图片1：汽车人全员月球基地集结，地球悬于身后星空，赛博坦旗帜飘扬

图片2：霸天虎全员列阵外星战舰甲板，威震天坐于王座俯视全军

自然志风食物标本剖面

原案例 / 作者：@GeekCatX

完整提示词：

一颗/一块/一枚【食物名称】，以博物学大师发现野外标本的方式解剖。
剖开、展开、固定——如同博物馆的珍贵藏品，
却以卡拉瓦乔为《国家地理》掌镜时的光线照亮。
每一个内部结构都以自身的材质真相发光。
截面锋利得近乎暴力。内部美丽得近乎神圣。
画面中呈现完整标本：
一半保持原状，展示【外表面描述：质感/颜色/纹理】；
另一半剖开至核心，【内部核心结构描述：最重要的1—2个内部视觉特征】清晰可见。
【补充1—2句该食物最具视觉张力的横截面细节描述】
背景：纯粹的黑丝绒。
【食物名称】悬浮其中，如同某件珍贵而危险的事物。
标注文字紧贴结构边缘，手写感衬线字体，绝不悬空飘浮。
画面包含以下标注，每处标注三行：第一行结构名称，第二行成分数据，第三行一句人话：
【结构01名称】
【成分／数据说明】
【这个结构在做什么，为什么重要】

【结构02名称】
【成分／数据说明】
【这个结构在做什么，为什么重要】
【结构03名称】
【成分／数据说明】
【这个结构在做什么，为什么重要】
【结构04名称】
【成分／数据说明】
【这个结构在做什么，为什么重要】
【结构05名称】
【成分／数据说明】
【这个结构在做什么，为什么重要】

【结构06名称】
【成分／数据说明】
【这个结构在做什么，为什么重要】
省略其他如果有继续保持这个格式
主标题，左上角，暖象牙白大写字体：
【食物名称】·解剖

斜体副标题紧随其下：
【一句揭示这种食物本质的话，不超过15字】

整体气质：奥杜邦博物插画×卡拉瓦乔光影×有史以来最美的科学摄影。
4K精度，标本照明，极致内部细节。
没有任何临床感，一切都鲜活。
写实风格，非示意图，非卡通，非简化图解。
每一种材质都有真实的物理质感：
粗糙的、光滑的、湿润的、干燥的、致密的、疏松的。

宝丽来相框突破场景

原案例 / 作者：@MajaDesignJP

完整提示词：

ポラロイド写真の中に人が写っていて、その人がフレームから外に飛び出している画像。日本語が書いてある画像生成して

←下の画像
GPT Image-2で生成したやつ→

餐厅 POV 变化对比

原案例 / 作者：@chesnyfcb

完整提示词：

A side-by-side comparison graphic on a black background demonstrating a camera-angle change in the same restaurant scene. At the top, large white sans-serif text reads: "Show me the POV from someone standing behind the bar looking out over this crowded restaurant. Change NOTHING in the scene other than the pov". Below, place 2 stacked rectangular photos centered vertically: the top image labeled "Source" in large white text on the left, and the bottom image labeled "Output" in large white text on the left. The top photo shows a warmly lit, upscale, crowded restaurant interior seen from the dining room side, facing a tall back bar filled with many illuminated liquor bottles on wall-to-wall shelves, with bartenders and guests in front, amber lighting, globe pendant lights, wood ceiling, beige columns, and tightly packed seated diners in the foreground. The bottom photo shows the exact same restaurant, same crowd density, same warm lighting, same decor, same bar shelving, same globe pendant lights, and same overall composition elements, but now from the point of view of someone standing behind the bar and looking outward across the crowded restaurant; the foreground includes the bar counter with glassware, metal bar tools, bottles, and a point-of-sale screen visible at the lower left, while guests and staff fill the middle ground and the dining room extends into the background. Preserve the sense that only the camera position changed between the 2 images, with no other scene alterations.

动漫人群 POV 对比

原案例 / 作者：@chesnyfcb

完整提示词：

{"type":"comparison graphic","style":"anime cinematic demonstration image on a black presentation background","canvas":{"aspect_ratio":"4:3","background":"solid black"},"text_elements":[{"text":"{argument name=\"headline text\" default=\"Move the camera POV to be at ground level in the crowd.\"}","position":"top center","style":"large white sans-serif"},{"text":"Source","position":"left of upper image","style":"large white sans-serif"},{"text":"Output","position":"left of lower image","style":"large white sans-serif"}],"layout":{"sections":[{"title":"Source","position":"upper center","count":1,"labels":["overhead crowd scene"]},{"title":"Output","position":"lower center","count":1,"labels":["ground-level crowd POV scene"]}],"image_frames":2},"images":[{"role":"source image","composition":"busy top-down view of a densely packed historical street crowd, seen from above","scene":"a chaotic crowd gathered around a wagon and a horse-drawn carriage, people pressed shoulder to shoulder, many wearing caps and muted early-20th-century or old-European clothing, bundles and sacks visible, one brown horse at the right edge, wooden wagon wheel and cart structure partially visible","camera":"high overhead bird's-eye angle looking down into the crowd","lighting":"soft daylight","color_palette":"muted earthy browns, dusty blues, beige, olive, warm gray","rendering":"hand-painted anime film still, detailed crowd illustration, slightly soft shading"},{"role":"output image","composition":"the same crowded historical street reimagined from inside the mass of people at near-ground height","scene":"view from within the crowd beside a carriage wheel, bodies filling the foreground and midground, a person in dark maroon clothing bent forward at left, a crouched figure in green near the bottom center, a woman in a light blue dress at right-center turning back, tightly packed figures, horse and cart implied nearby, dramatic sense of compression and closeness","camera":"very low ground-level POV from inside the crowd, upward and forward through people, emphasizing complex occlusion and depth","lighting":"soft daylight with warm cinematic shadows","color_palette":"muted earthy browns, dusty blues, beige, olive, warm gray","rendering":"hand-painted anime film still, cinematic perspective shift, detailed character crowding, soft painterly shading"}],"overall_goal":"show a before-and-after camera angle transformation of the same anime crowd scene, with the output moving from an overhead view to a low immersive POV inside the crowd"}

霓虹 AI 缩略图对比

原案例 / 作者：@MoveHiro1219

完整提示词：

Create a dramatic Japanese YouTube thumbnail in a futuristic neon cyberpunk style, 16:9 landscape. Use a dark tech-city background with faint skyscrapers, digital grid lines, glowing particles, and high-contrast blue, pink, and gold lighting. In the exact center, place a young woman from the waist up with long straight pastel blue hair, wearing a plain white short-sleeve T-shirt and a light pink skirt, posing thoughtfully with one hand near her chin and the other arm folded; anonymize her face with a soft rectangular blur. Across the very top, add huge distressed bold white Japanese headline text reading 主導権が揺れた, and directly below it add large bold yellow text reading {argument name="subheadline text" default="Nano Bananaから"}. On the left side, create a glowing blue hexagonal-framed panel titled Nano Banana with a smaller subtitle 画像生成. Inside that panel, include exactly 4 image tiles in a 2x2 grid: 1) a fantasy floating island landscape at sunset, 2) a sunlit forest path with tall trees, 3) a neon futuristic city street at night, 4) an outer-space planet scene with stars and a spacecraft. Beneath the left panel, add a blue glowing ribbon label reading かつては優位だった. On the right side, create a glowing magenta hexagonal-framed panel titled {argument name="right panel title" default="GPT Image 2"} with a smaller subtitle 実務で使える出力へ. Inside it, include exactly 4 example thumbnail cards in a 2x2 grid, each featuring the same blue-haired woman with a blurred face and bold Japanese text. The 4 card labels above the tiles are: サムネイル画像, 記事のアイキャッチ画像, LPのセクション画像, SNS投稿画像. The large text inside the 4 cards should read respectively: 1) AIで変わるクリエイティブの未来, 2) AI時代のクリエイティブ戦略 成功する企業の条件, 3) AIで加速するビジネス成長, 4) 未来をつくるのは AI×あなたのアイデア. Between the left and right panels, place a bright glowing gold arrow pointing from left to right with spark-like particle trails, indicating transition or superiority shift. Along the bottom, add a very large black banner with a glowing gold border and massive bold gold text reading {argument name="bottom banner text" default="GPT Image 2へ"}. Overall composition should feel like a comparison graphic showing a shift from older image generation to more practical commercial output, with aggressive thumbnail typography, strong glow effects, metallic texture on major text, and polished social-media marketing visuals.

赛博朋克 AI 工具对比海报

原案例 / 作者：@MoveHiro1219

完整提示词：

A futuristic Japanese tech comparison poster in a dark cyberpunk control-room setting, wide 16:9 composition. Large distressed white Japanese headline text at the upper left reading "三つ巴", with a bold gold subtitle directly below reading "それぞれの武器". Across the center-left are 3 glowing holographic comparison panels arranged horizontally and connected by neon arrows: a blue panel labeled "Google", an amber-gold panel labeled "Claude", and a purple-magenta panel labeled "OpenAI". The Google panel contains 4 inner cards: 2 larger top cards labeled "Gemini" and "Antigravity", plus 2 smaller bottom cards showing analytics/dashboard-like visuals and a blue isometric cube graphic. The Claude panel contains 4 inner cards: 1 large top card labeled "Claude Code", plus 3 smaller bottom cards showing a network diagram, text/code list, and chart analytics. The OpenAI panel contains 5 inner cards: 2 larger top cards labeled "ChatGPT" and "Codex", plus 3 smaller bottom cards showing interface/code windows and a geometric wireframe cube. Add glowing bidirectional arrows between Google and Claude, and between Claude and OpenAI. At the bottom center, place a large neon-framed banner with gold text reading "Google / Claude / OpenAI". On the right side, include a young woman standing and pointing left toward the panels, with long straight split-dyed hair in pastel pink and cyan blue, a plain white t-shirt with black text reading "{argument name="shirt text" default="OKIHIRO AI Creative"}", and a soft pink pleated skirt. Her face is obscured by a smooth rectangular blur block. Use cinematic sci-fi lighting, glossy hologram UI details, high contrast, vivid blue-gold-purple accents, and a polished YouTube thumbnail aesthetic.

日式 AI 对战 YouTube 缩略图

原案例 / 作者：@MoveHiro1219

完整提示词：

A bold Japanese YouTube thumbnail about the AI competition era, 16:9 widescreen, high contrast, dramatic tech-news style. Use a dark futuristic control-room background filled with 3 glowing holographic dashboard screens and blue cyber interface elements around the edges. On the left and center, place a luminous circular hub labeled “AI” in bright blue, with 3 directional glowing energy arrows branching outward to competing platforms: “Google” on the left in a blue electric region, “Claude” on the upper right in a gold electric region, and “OpenAI” at the bottom center in a magenta-purple electric region. Add a subtle world-map or territory-battle visualization effect under each brand region, like illuminated digital land masses or influence zones. On the right side, show a young Japanese-looking woman from waist up, facing forward, wearing a long straight split-color wig with pastel pink on one side and pastel blue on the other, a plain white T-shirt with the printed text “OKIHIRO AI Creative”, and a light pink skirt. She raises one index finger beside her face in a presenter pose. Her face is fully obscured by a large soft-edged rectangular blur block. Across the top, add huge distressed white Japanese headline text: {argument name="headline text" default="AI戦国時代"}. Beneath it, add a second line in bold gold Japanese text: {argument name="subheadline text" default="性能だけの話じゃない"}. Across the bottom, place a wide black banner with massive bold gold Japanese text: {argument name="bottom text" default="空気を取った側が勝つ"}. Make the typography oversized, gritty, and attention-grabbing, with slight glow and drop shadow. Use a color palette of black, electric blue, gold, magenta, and neon white, with intense contrast and thumbnail readability.

东京 DisneySea 前排战斗 UI

原案例 / 作者：@mikko_20100518

完整提示词：

Create a hyper-detailed comedic Japanese arcade fighting game screenshot styled like a versus battle scene, using a real-world photo aesthetic with game UI overlaid on top. The scene shows an intense mock battle between two groups of theme-park fans competing for the front row at an outdoor show plaza in Tokyo DisneySea. Use a wide 16:9 composition. In the background, clearly show Mediterranean Harbor and Mount Prometheus under bright daytime skies, with the waterfront and DisneySea architecture visible. In the foreground, show exactly 10 young adult people in winter casual clothing, split into 2 opposing teams of 5, physically leaning, grabbing, reaching, and shoving in a tug-of-war-like scrum over position, with exaggerated competitive body language and frozen action as if in a fighting game. Faces should be anonymized with soft blurred blocks. Add floating character labels above each person with levels and names in Japanese. The overall tone is absurdly realistic, like a real candid photo transformed into a polished arcade game battle screen.

Add a full Japanese fighting-game HUD with glossy blue-versus-red interface styling. At the very top, place a center stage title bar reading "東京ディズニーシー ミッキー広場 ショー最前列バトル" and a large timer in the middle reading "TIME 89". In the top left, add a blue team header "PLAYER1" and team name "最前列ガチ勢A". In the top right, add a red team header "RIVAL" and team name "ライバルグループB". On the left side, stack exactly 5 blue player status panels with portraits, level, Japanese class-like nicknames, HP, SP, and BURST meters. The 5 left-side labels are: "Lv.25 ガチ勢リーダー ユウキ", "Lv.24 筋肉マン タケシ", "Lv.23 眼鏡オタク シンジ", "Lv.23 開角心MAX ケント", "Lv.22 サポート要員 リョウ". On the right side, stack exactly 5 red rival status panels with the labels: "Lv.27 ライバルリーダー ダイキ", "Lv.26 パワフル代表 マサル", "Lv.24 戦略家 コウジ", "Lv.23 熱血漢 リク", "Lv.22 サポート女子 サキ". Each panel should include numeric HP and SP values and segmented BURST gauges, styled like a Japanese arcade RPG-fighter interface.

Place exactly 10 in-battle nameplates above the fighters in the center scene, color-coded blue for the left team and red for the right team. The 10 labels are: "Lv.24 タケシ", "Lv.25 ユウキ", "Lv.23 シンジ", "Lv.23 ケント", "Lv.22 リョウ", "Lv.27 ダイキ", "Lv.26 マサル", "Lv.23 リク", "Lv.22 サキ", "Lv.22 ミサキ".

At the lower left, add a skill menu titled "スキル" listing exactly 5 skills with SP costs: "ダッシュ突撃 SP 20", "肩押し強奪 SP 25", "荷物で場所確保 SP 15", "ロープくぐり SP 10", "本気の根性 SP 50". Beneath that, add a dark description box explaining the highlighted skill "本気の根性" with the Japanese text: "気合で相手を威圧し、どかす! 一定時間、相手が怯みやすくなる! (バーストゲージを大きく消費する) 効果時間:10秒".

At the bottom center, add an item menu titled "アイテム" with exactly 5 item slots showing icons and counts: a water bottle "x3", a folded purple towel "x2", a blue drawstring bag "x1", a gray backpack "x1", and a boxed meal "x2". At the lower right, add a quest panel titled "クエスト" with the mission text "ショー開始までに最前列を死守しろ!" and condition text "条件:ライバルグループを全員後ろに押し戻せ!" and countdown text "ショー開始まで:02:30". Beside it, add a mini-map titled "ミッキー広場MAP" showing red and blue dots for both teams in the plaza. Along the very bottom edge, include small controller prompts in Japanese for actions such as skill use, item use, grab/push, and dash.

Use dramatic, saturated lighting, crisp detail, realistic clothing folds, authentic plaza stone pavement, and a high-end Japanese game screenshot look. The image should feel like a ridiculous but believable crossover between a real Tokyo DisneySea crowd photo and a competitive arcade battle game interface.

宫崎骏风短片流程

原案例 / 作者：@happycapyai

完整提示词：

Given a story concept, generate a complete Miyazaki-style animated short film: write a 30-shot script → generate watercolor storyboard images (gpt-image-1) → plan SOFT/HARD transitions → produce video clips with Seedance 2.0 using first/last-frame binding → synthesize the original ambient piano score → stitch everything into a final MP4 with music.

分类导航：总目录 / 电商主图 / 广告创意 / 人像摄影 / 海报插画 / 角色设计 / UI 与社媒 / 对比与社区案例

原仓库链接

GPT-Image 2 提示词宝库：广告创意案例

Sat, 02 May 2026 11:35:00 +0800

本页收录 广告创意 分类下的 19 个案例。每个条目保留原案例链接、作者、生成图和完整提示词。

分类导航：总目录 / 电商主图 / 广告创意 / 人像摄影 / 海报插画 / 角色设计 / UI 与社媒 / 对比与社区案例

广告创意

四宫格日式数字广告横幅

原案例 / 作者：@makaneko_AI

完整提示词：

{
  "type": "2x2 grid of Japanese digital advertisement banners",
  "layout": {
    "structure": "4 equal quadrants",
    "quadrants": [
      {
        "position": "top-left",
        "theme": "Travel",
        "subject": "A couple holding hands on a white sand beach, looking out at turquoise ocean water under a bright blue sky.",
        "elements": ["red hibiscus flower in bottom left corner"],
        "text_labels": [
          "今年こそ、解き放て。",
          "{argument name=\"travel destination\" default=\"沖縄旅行\"}",
          "3日間の癒やし旅",
          "航空券+ホテル",
          "39,800円〜",
          "絶景、グルメ、体験 ぜんぶ叶う!"
        ],
        "icons": {
          "count": 3,
          "descriptions": ["airplane", "hotel building", "car"]
        }
      },
      {
        "position": "top-right",
        "theme": "Skincare",
        "subject": "Close-up portrait of a young woman with glowing, dewy skin, eyes closed, gently touching her cheeks.",
        "elements": [
          "soft pink gradient background",
          "dynamic water splash effects",
          "pink cosmetic jar labeled '{argument name=\"skincare product name\" default=\"LUMIÈRE\"} Brightening Gel'"
        ],
        "text_labels": [
          "毛穴・くすみ卒業!",
          "透明感あふれる",
          "水光肌へ",
          "新感覚スキンケア",
          "初回限定 78%OFF",
          "{argument name=\"discount price\" default=\"1,980円\"}"
        ],
        "badges": {
          "count": 3,
          "style": "gold circular",
          "labels": ["毛穴ケア", "高保湿", "ハリ・ツヤ"]
        }
      },
      {
        "position": "bottom-left",
        "theme": "Gourmet Food",
        "subject": "Thick, sliced, medium-rare steak sizzling on a dark grill plate.",
        "elements": [
          "garlic chips",
          "rosemary sprig",
          "dark background with smoke and glowing embers"
        ],
        "text_labels": [
          "とろける旨さ!",
          "{argument name=\"food item\" default=\"黒毛和牛\"}",
          "贅沢ステーキ",
          "期間限定",
          "特別価格",
          "通常価格 8,980円",
          "4,980円"
        ],
        "badges": {
          "count": 1,
          "style": "red circular",
          "labels": ["A4 A5等級"]
        }
      },
      {
        "position": "bottom-right",
        "theme": "Online Education",
        "subject": "Young man in a blue shirt studying at a desk, writing in a notebook next to an open laptop.",
        "elements": ["bright indoor lighting", "desk environment"],
        "text_labels": [
          "スキマ時間で",
          "{argument name=\"education goal\" default=\"最短合格!\"}",
          "オンライン資格講座",
          "スマホで完結",
          "効率学習で差がつく!",
          "今だけ! 受講料 20%OFF"
        ],
        "badges": {
          "count": 1,
          "style": "blue circular",
          "labels": ["受講者数 10万人 突破!"]
        },
        "icons": {
          "count": 2,
          "descriptions": ["smartphone", "open book"]
        }
      }
    ]
  }
}

动漫角色品牌识别与周边展示板

原案例 / 作者：@chi_vc_

完整提示词：

{
  "type": "brand identity and merchandise design board",
  "theme": {
    "color_palette": "{argument name=\"theme color\" default=\"pastel pink\"} and white",
    "motif": "{argument name=\"motif\" default=\"cherry blossoms\"} and pink hearts"
  },
  "character": {
    "description": "anime girl with short brown bob hair, pink eyes, wearing a white hoodie, gentle smile"
  },
  "branding": {
    "main_logo": "{argument name=\"character name\" default=\"癒音ちー\"}",
    "sub_logo": "{argument name=\"character subtext\" default=\"ゆおんちー\"}"
  },
  "layout": {
    "sections": [
      {
        "type": "header banner",
        "position": "top",
        "elements": ["large main logo", "sub logo", "cherry blossom graphics", "character portrait on the right"]
      },
      {
        "type": "product packaging",
        "position": "middle left",
        "elements": ["1 square box with heart-shaped transparent window showing pink heart candies", "character illustration on box", "2 individual candy wrappers", "5 scattered heart candies"]
      },
      {
        "type": "promotional poster",
        "position": "middle right",
        "elements": ["character portrait", "heart-shaped candy bowl", "main logo", "text '4.26 NEW OPEN'", "text '{argument name=\"social handle\" default=\"@yuonchii\"}'"]
      },
      {
        "type": "horizontal web banner",
        "position": "lower middle",
        "elements": ["main logo", "cherry blossoms", "character portrait on the right"]
      },
      {
        "type": "social media profile mockup",
        "position": "bottom left",
        "elements": ["header image with logo", "1 circular profile picture", "handle '{argument name=\"social handle\" default=\"@yuonchii\"}'", "1 follow button", "mock bio text"]
      },
      {
        "type": "merchandise collection",
        "position": "bottom right",
        "count": 9,
        "items": ["1 white t-shirt with logo", "1 white mug with character", "4 round pin badges", "1 acrylic keychain", "2 candy packets"]
      }
    ]
  }
}

深色模式营销案例 UI

原案例 / 作者：@IndieDevHailey

完整提示词：

{
  "type": "UI/UX landing page mockup",
  "theme": "dark mode, sleek modern aesthetic, glassmorphism, {argument name=\"primary accent color\" default=\"neon purple and blue\"} glowing accents",
  "header": {
    "logo": "{argument name=\"brand name\" default=\"goViralX\"}",
    "top_right_tag": "VIRAL CAMPAIGN CASE STUDY"
  },
  "layout": {
    "sections": [
      {
        "name": "Hero",
        "headline": "{argument name=\"hero headline\" default=\"How We Created 10M+ Viral Impact\"}",
        "subheadline": "3天引爆全网, 助力品牌实现指数级增长",
        "stats_row": {
          "count": 4,
          "labels": ["总播放量", "互动率", "转化咨询", "执行周期"],
          "values": ["{argument name=\"main statistic\" default=\"10,240,000+\"}", "18.7%", "3,200+", "72小时"]
        },
        "visual": "cinematic shot of a person in a hoodie looking at glowing digital screens and graphs, large play button overlay"
      },
      {
        "name": "Strategy",
        "title": "Our 3-Day Execution Strategy",
        "layout_type": "vertical timeline",
        "steps_count": 3,
        "elements_per_step": ["timeline node", "title", "bullet points", "video thumbnail with play button", "description box"]
      },
      {
        "name": "Performance",
        "title": "Data-Driven Performance",
        "left_column": {
          "stat_cards_count": 4,
          "values": ["10M+", "43%", "28,000+", "3,200+"]
        },
        "right_column": {
          "charts_count": 2,
          "chart_1": "line graph showing 7-day growth peaking at Day 3",
          "chart_2": "horizontal segmented bar chart showing platform distribution (TikTok 52%, Instagram 24%, X 15%, YouTube 9%)"
        }
      },
      {
        "name": "Keys to Success",
        "title": "The 3 Keys to Viral Success",
        "cards_count": 3,
        "card_elements": ["glowing icon (fire, target, antenna)", "title", "description", "VIEW DETAIL link"]
      },
      {
        "name": "Social Proof",
        "title": "TRUSTED BY CREATORS & BRANDS",
        "left_column": {
          "logos_count": 8,
          "grid": "2x4",
          "brands": ["SHEIN", "SHOPLINE", "Blueglass", "instacart", "lemon8", "mi", "CIDER", "bellroy"]
        },
        "right_column": {
          "testimonial_cards_count": 2,
          "elements": ["quote", "author title (SaaS Founder, Growth Manager)"]
        }
      },
      {
        "name": "Call to Action",
        "title": "READY TO GO VIRAL?",
        "interactive_elements": ["text input field", "glowing button with text '{argument name=\"call to action text\" default=\"获取专属增长方案 ->\"}'"],
        "visual": "3D render of a rocket ship taking off with purple and blue flames"
      }
    ]
  }
}

18 页吉祥物品牌识别文档

原案例 / 作者：@Colin_Leeee

完整提示词：

{
  "type": "18-panel brand identity and character design document",
  "brand": {
    "name": "{argument name=\"brand name\" default=\"沐阳 MUYANG TEA\"}",
    "industry": "{argument name=\"industry\" default=\"tea shop\"}",
    "colors": ["{argument name=\"primary color\" default=\"yellow\"}", "{argument name=\"secondary color\" default=\"green\"}", "white", "brown", "dark green"]
  },
  "subject": "{argument name=\"character description\" default=\"3D rendered cute Shiba Inu mascot wearing a green apron\"}",
  "layout": {
    "grid": "3 columns by 6 rows",
    "sections": [
      {
        "title": "01 品牌DNA分析 / BRAND DNA ANALYSIS",
        "elements": ["logo", "5 color swatches", "6 icons", "target audience charts"]
      },
      {
        "title": "02 概念构思 / CONCEPT MOODBOARD",
        "elements": ["5 photo references", "4 mood icons", "design equation"]
      },
      {
        "title": "03 形态研究 / FORM STUDY",
        "elements": ["4 logo anatomy icons", "4 evolution steps", "4 silhouettes"]
      },
      {
        "title": "04 概念探索 / CONCEPT EXPLORATION",
        "elements": ["12 line-art character sketches"]
      },
      {
        "title": "05 精细线稿 / REFINED LINE ART",
        "elements": ["3 rows of front and side line art with proportion guides"]
      },
      {
        "title": "06 细节精修 / DETAIL REFINEMENT",
        "elements": ["2 full-body renders with labels", "4 circular close-ups"]
      },
      {
        "title": "07 表情设定 / EXPRESSION SHEET",
        "elements": ["11 3D rendered head expressions"]
      },
      {
        "title": "08 姿势库 / POSE LIBRARY",
        "elements": ["9 full-body 3D rendered poses"]
      },
      {
        "title": "09 转身视图 / TURNAROUND VIEW",
        "elements": ["5 full-body 3D renders", "5 matching line-art views"]
      },
      {
        "title": "10 色彩开发 / COLOR DEVELOPMENT",
        "elements": ["5 rows of 5-color palettes", "color psychology text"]
      },
      {
        "title": "11 材质规格 / MATERIAL SPECIFICATION",
        "elements": ["5 texture swatches", "property sliders", "4 manufacturing icons"]
      },
      {
        "title": "12 色彩应用 / COLOR APPLICATION",
        "elements": ["4 color variant renders", "2 light/dark renders", "4 contrast rating circles"]
      },
      {
        "title": "13 构造指南 / CONSTRUCTION GUIDE",
        "elements": ["2 line-art diagrams for geometry and grid"]
      },
      {
        "title": "14 设计系统规则 / DESIGN SYSTEM RULES",
        "elements": ["minimum size icons", "clear space diagram", "4 usage examples"]
      },
      {
        "title": "15 资产变体 / ASSET VARIANTS",
        "elements": ["3 size variants", "3 line-art variants", "3 simplified flat heads"]
      },
      {
        "title": "16 数字应用 / DIGITAL APPLICATIONS",
        "elements": ["1 app icon", "2 social avatars", "UI elements", "3-step animation cycle"]
      },
      {
        "title": "17 实物应用 / PHYSICAL APPLICATIONS",
        "elements": ["plush toy mockup", "packaging mockup", "merchandise mockup", "storefront mockup"]
      },
      {
        "title": "18 最终主视觉 / FINAL RENDERING",
        "elements": ["large high-res 3D render of mascot holding tea", "logo", "file format list"]
      }
    ]
  }
}

日式中餐外卖传单

原案例 / 作者：@xc5_

完整提示词：

A Japanese neighborhood Chinese restaurant delivery flyer for mailbox posting (3:4 aspect ratio). Designed to look like a double-sided B5 print.

Flyer characteristics (following the grammar of real delivery flyers):
- Flashy red and yellow color scheme.
- Large text at the top: "Delivery Available! {argument name="shop name" default="Mona-Hanten"}" (shadowed Gothic font).
- An illustration of a {argument name="character" default="Chinese girl in a red cheongsam with a brown short bob"} holding ramen and saying "Welcome!" in a speech bubble.
- A menu photo grid (4x3) featuring various dishes: different types of ramen, fried rice, gyoza, sweet and sour pork, shrimp in chili sauce, mapo tofu, liver and leek stir-fry, tenshinhan, twice-cooked pork, spring rolls, annin tofu, and fried rice sets.
- Names and prices for each dish.
- A large yellow banner saying "Free delivery on all menu items over ¥1,000!".
- "Order by phone! ☎ 072-XX-XXXX" emphasized with a red circle.
- Business hours "11:00-22:00 (Closed on Tuesdays)".
- Delivery area map (simple schematic map).
- Coupon (perforated line for clipping): "One free plate of gyoza with this flyer!".

Texture of cheap paper printing. Includes fold marks. Precision that could be mistaken for a real Japanese delivery flyer.

粉彩水母房间商品海报

原案例 / 作者：@Ayu_AI_0912

完整提示词：

{"type":"pastel lifestyle poster / character room-goods feature sheet","theme":"soft dreamy lavender jellyfish aesthetic","style":"Japanese cute editorial graphic, airy white background, pastel lilac palette, delicate handwritten notes, sparkles and tiny doodles, soft product photography mixed with magazine layout","subject":{"character":{"name":"{argument name=\"character name\" default=\"くらげちゃん\"}","appearance":"young woman with a short platinum-blonde bob haircut, wearing a fluffy pale-lavender zip hoodie over a white inner top, shown from chest up on the lower right, face intentionally obscured with a plain beige rectangle"}},"layout":{"orientation":"vertical poster","background":"clean white with faint pastel doodles of stars, bubbles, tiny jellyfish, and musical notes","sections":[{"title":"header","position":"top","count":5,"labels":["speech bubble intro","main title","small subtitle GOODS","horizontal lavender ribbon tagline","round badge on the top right"]},{"title":"featured goods grid","position":"upper and middle left","count":6,"labels":["ゆらゆらくらげランプ","くらげと夢見るベッドリネン","くらげシェルミラー","くらげグラデマグ","くらげのときめき収納ボックス","くらげふわもこマット"]},{"title":"side handwritten note","position":"upper right","count":1,"labels":["みんなも くらげちゃんRoomで いっしょに まったりしよー♡♡"]},{"title":"room concept box","position":"lower left","count":1,"labels":["くらげちゃんの お部屋作りのこだわり"]},{"title":"pick up circle","position":"lower center-left","count":1,"labels":["Pick up!"]}],"product_images":{"count":6,"items":[{"name":"ゆらゆらくらげランプ","description":"small translucent jellyfish-shaped lamp on a white base, glowing softly in pale blue-lavender"},{"name":"くらげと夢見るベッドリネン","description":"plush pastel-lavender bed with fluffy comforter and pillows, dreamy cozy bedroom styling"},{"name":"くらげシェルミラー","description":"small tabletop mirror with a puffy shell-like pastel-lilac frame and rounded base"},{"name":"くらげグラデマグ","description":"ceramic mug with lavender-to-pink gradient and a simple jellyfish illustration"},{"name":"くらげのときめき収納ボックス","description":"pastel storage box holding cosmetics and small bottles, decorated with a jellyfish emblem"},{"name":"くらげふわもこマット","description":"small fluffy cloud-like or jellyfish-like mat in pale lavender and white"}]},"text_elements":{"main_title":"{argument name=\"headline text\" default=\"くらげちゃんの お部屋アイテム\"}","badge_text":"くらげちゃんの Room お部屋作りの こだわりポイントも 教えちゃうよ。","tagline":"ふわふわで甘くて、ちょっぴり夢みたいな私のお部屋へようこそ♡","speech_bubble":"くらげちゃんの お気に入りだけ集めた お部屋アイテムを紹介するよ♪","concept_points":{"count":3,"items":["色は白とラベンダーで統一!","光が集まるふわっとした空間に","お友達入りのアイテムに囲まれて 自分らしくいられる空間を大切にしてるよ♪"]},"product_blurbs":"each product has a short handwritten Japanese description in a cute casual font beside or below the image"},"composition":"the poster is left-heavy with product cards and text, while the character portrait occupies the lower right third, slightly overlapping the layout","color_palette":{"count":5,"colors":["white","pastel lavender","soft lilac","pale gray-violet","touches of pastel blue-pink gradient"]},"rendering_notes":"keep everything very soft, feminine, and cozy; rounded corners on all product photos; mix of bold Japanese headline typography and light handwritten annotations; subtle shadows; clean high-key lighting; social-media-ready editorial collage aesthetic"}

魔法种子包装微缩场景

原案例 / 作者：@AllaAisling

完整提示词：

Epic 3D scene: a weathered seed packet lying open on a potting bench, its promise erupting into the garden it describes. The illustration on the front becomes real. {argument name="plant type" default="[PLANT / FLOWER]"} growing at full scale from the paper, roots visible through the packet's base pushing into soil below.
{argument name="detail left" default="[DETAIL 1]"} in full bloom at one corner. {argument name="detail right" default="[DETAIL 2]"} mid-growth at the other, not yet what it will be.
Tiny insects that belong to this plant, {argument name="insect type" default="[BEE / BUTTERFLY / BEETLE]"}, hovering at correct scale.
The written instructions on the back become garden calendar, "sow in spring" manifests as actual spring light. "full sun" manifests as a single shaft of it, hitting the tallest bloom perfectly.
Scattered seeds between packet and soil each showing their germination stage, split coat, first root, first shoot, first leaf.
The packet's torn top edge becomes a treeline.
Potting bench surface with soil scatter and water droplets.
Tilt-shift depth of field, greenhouse morning light, the packet as the garden it always intended.

奢华计时腕表广告

原案例 / 作者：@AlwaveNazca

完整提示词：

A dramatic luxury product advertising image for a motorsport-inspired chronograph wristwatch in a dark studio. Center-left foreground, show a single stainless steel chronograph watch standing upright at a slight three-quarter angle, with a black dial, two red-accent subdials, slim silver hour markers, a tachymeter bezel, and visible crown and pushers on the right side. The watch has a black leather strap with bold red stitching along both edges and a sporty premium finish. To the right of the watch, place one black square presentation box slightly behind it, textured like leather, with red stitching around the lid and a silver embossed eye-shaped logo above the text “NESS STUDIO” and smaller red text “TRACK SURFACE.” At the top center of the composition, add the same silver eye logo with the words “NESS STUDIO” and smaller “BY NICOLAS.” Across the background, place one oversized blurred word, {argument name="headline text" default="PRECISION"}, in large gray capital letters spanning nearly the full width. The scene is set against a deep black background with cinematic red and white horizontal light streaks crossing behind the products from left to right, suggesting speed and racetrack energy. Use a glossy wet ground plane with reflective texture, catching red highlights and mirrorlike reflections beneath the watch and box. At the bottom center, add the text “CHRONOGRAPH SERIES” in clean white spaced capitals with thin red horizontal lines extending on both sides, and below it smaller red capitals reading {argument name="tagline text" default="ALSACE MADE"}. Color palette: black, charcoal gray, silver steel, vivid racing red, and a touch of white. Lighting should be high-contrast and premium, with crisp specular highlights on the metal case, subtle soft fill on the box, and moody shadows. Overall style: ultra-polished commercial product photography, luxury watch campaign, sharp focus on the products, sleek branding, high-end automotive aesthetic.

霓虹 Nike Lumina 广告海报

原案例 / 作者：@AlwaveNazca

完整提示词：

A high-energy vertical Nike fashion campaign poster featuring a single athletic young woman mid-jump against a futuristic neon studio background. She is captured in a dynamic airborne pose with one knee bent up, the other leg folded back, one arm extended outward and the other bent near her chest, conveying motion and power. Her face is obscured by a clean rectangular blur block centered over the face. She wears a cropped iridescent white hooded windbreaker with a black zipper and small Nike logo on the chest, holographic metallic lavender-blue leggings with a subtle Nike swoosh on the thigh, a black branded waistband visible above the leggings, and white chunky Nike sneakers. Her brown hair is tied in a high ponytail flying outward with the jump. Behind her, enormous glowing white serif letters spell “NIKE” across the upper half, with a small white Nike swoosh centered above the word. Across the middle background, the phrase “LUMINA” appears once in wide bold glowing letters with a horizontal glitch and scanline distortion effect, partially obscured by the model. The color palette is saturated magenta, violet, cyan, and electric blue with strong bloom, glossy highlights, lens flares, and chromatic aberration. Add sweeping circular light trails wrapping around the model’s legs and body, suggesting speed and motion. The overall style is premium sportswear advertising, ultra-polished, cinematic, high contrast, hyperreal retouching, crisp product detail, dramatic rim lighting, and a luminous holographic aesthetic. Place 2 small text lines at the bottom: bottom left reads {argument name="tagline text" default="LIGHT. MOTION. ENERGY."}, bottom right reads {argument name="collection name" default="NIKE LUMINA COLLECTION"} followed by a small Nike swoosh. Include exactly 3 visible Nike swooshes total: 1 above the large NIKE headline, 1 on the jacket chest, and 1 on the leggings.

街头潮鞋广告海报

原案例 / 作者：@AlwaveNazca

完整提示词：

Create a bold streetwear poster advertisement for {argument name="brand name" default="NESS STUDIO"} featuring a young adult model seated casually on the ground in a low-angle fashion pose, one knee raised and one leg extended toward the camera so the sneaker in front appears oversized and dominant. The model wears a dark brown oversized leather bomber jacket, a black shirt, light blue loose-fit jeans, white socks, and chunky black-white-gray sneakers with a red accent in the sole and the {argument name="brand name" default="NESS STUDIO"} logo visible on the shoe side and tongue. The face is intentionally obscured by a soft rectangular blur block centered over the face. Use an off-white textured paper background with distressed grunge design elements and collage layering. Behind the model, place a large rough red paint brushstroke shape spanning diagonally across the center. Add black ink splatters, sketch circles, torn paper scraps, and hand-painted graffiti accents. Include 4 major graphic doodles: a large black X in the upper right, a hand-drawn upward arrow in the lower left, a rough crown sketch in the lower right, and a circular scribble near the top center. In the upper left, place a stylized eye logo above the text "{argument name="brand name" default="NESS STUDIO"}" and a smaller tagline below reading "A MOMENT OF YOUR STYLE". On the left middle area, add the handwritten slogan "INNOVATE CREATE INSPIRE" in stacked black brush lettering. On the right middle area, place a torn black paper patch with the handwritten white slogan "BUILT DIFFERENT MOVE DIFFERENT" and a red underline stroke. In the lower left near the shoe, add a black distressed label sticker containing a globe scribble, the text "{argument name="brand name" default="NESS STUDIO"}", and a barcode. Along the bottom footer, create a clean horizontal strip with 3 social media icons and handles separated by thin vertical dividers: Instagram, Facebook, and Twitter, each followed by "@NESS.STUDIO". The overall style should be edgy, urban, youthful, high-contrast, editorial street fashion, mixing product advertising photography with graffiti poster design, collage textures, and dynamic branding.

编辑风 Osaka Six 卫衣广告

原案例 / 作者：@_LaurentB

完整提示词：

A clean editorial fashion advertisement poster on a pale powder-blue studio background with a glossy reflective floor. The composition is vertical and minimal, dominated by oversized bold white condensed sans-serif typography in the background reading “OSAKA SIX:” on the top line and “006 REMAINS” below, filling most of the upper half behind the subject. In the top right corner, small white branding text reads “Designed by ARTTEESHOW.” Centered in the lower middle is an oversized forest-green crewneck sweatshirt standing upright like a sculptural object, with soft heavy cotton fabric, dropped shoulders, extra-long sleeves pooled on the floor, and a small black neck label that reads ARTTEESHOW. On the chest of the sweatshirt is a large abstract collage print made from torn paper fragments in beige, tan, black, gray, white, and vivid red, arranged vertically like layered scraps. Leaning against the right side of the giant sweatshirt is a slim female fashion model with long straight black hair, wearing a matching {argument name="sweatshirt color" default="forest green"} sweatshirt and relaxed wide-leg sweatpants with clean white low-top sneakers. She is posed in profile with a calm detached editorial attitude, one hand in her pocket, her body reclining diagonally against the giant garment, legs extended forward; her face is obscured by a soft rectangular blur for an anonymous art-fashion look. The smaller worn sweatshirt has the same abstract torn-paper collage graphic centered on the chest. At the bottom center, add 2 lines of small white copy text: “Made for comfort, worn for confidence.” and “Because life feels better when someone’s carrying the weight of the world.” The image should feel like a premium conceptual streetwear campaign from the early 1990s reimagined as contemporary luxury advertising, with crisp studio lighting, soft shadows, subtle floor reflections, precise product focus, surreal scale contrast between the oversized sweatshirt and the model, and a polished magazine-poster aesthetic.

Editorial Perfume Shot on Moss

原案例 / 作者：@Salmaaboukarr

完整提示词：

A high-end editorial product photograph of a single luxury perfume bottle centered in a warm earthy still-life scene. The product is a clear rectangular glass bottle filled with golden amber liquid, topped with a glossy rounded black cap, with a clean white front label that reads "BYREDO", "BAL D’AFRIQUE", and "EAU DE PARFUM". Place the bottle upright on 1 curved piece of pale weathered driftwood, surrounded by a dense carpet of 1 layer of rich green moss covering the foreground and lower frame. Use a minimal studio composition with the product isolated against a smooth warm brown-to-amber gradient background, softly illuminated like sunset light. Light the scene with dramatic directional warm light from the upper right, creating a bright glow on the background, a crisp highlight on the cap, soft reflections in the glass, and gentle shadows across the wood and moss. Keep the framing vertical, the bottle centered slightly low in the composition with generous negative space above, and the overall mood natural, luxurious, earthy, cinematic, and polished like a premium fragrance campaign shot.

金色皮草中的编辑风香水瓶

原案例 / 作者：@Salmaaboukarr

完整提示词：

A luxurious editorial product photograph of a single perfume bottle nestled into dense, plush faux fur in rich golden caramel and honey-brown tones. Center the composition on one clear oval glass bottle filled with warm amber liquid, with a glossy rounded black cap and a clean white rectangular label. The label text should read {argument name="brand name" default="BYREDO"} at the top, {argument name="product name" default="BAL D’AFRIQUE"} large in the middle, and {argument name="product type" default="EAU DE PARFUM"} in small text near the bottom. Shoot it as a close-up still life with soft studio lighting, subtle highlights on the glass and cap, gentle shadows in the folds of the fur, and a warm cinematic color palette. The bottle should sit slightly embedded in the fur so the surrounding texture frames it from all sides, creating a premium fashion editorial mood, minimal composition, shallow depth of field, crisp focus on the label, and a high-end beauty campaign aesthetic.

奢华 Miniature Dubai City Model

原案例 / 作者：@silentempiredev

完整提示词：

A hyper-detailed cinematic isometric miniature city model of {argument name="landmark tower" default="Burj Khalifa"} rising dramatically from the center of a square architectural master-plan board, presented like a luxury urban planning maquette on a black background. The composition shows one dominant ultra-tall silver skyscraper in the exact center, surrounded by a dense ring of modern high-rise towers, illuminated roads, bridges, and glowing warm city lights. Curving turquoise-blue water features and artificial lakes wrap around the central district in multiple connected pools and canals, with one large circular fountain-like feature near the tower base and several small island shapes visible in the water. In the lower right quadrant, include a large low-rise complex with rounded geometric roofs and subtle green-lit sections, connected by multilane roads and looping interchanges. The entire city sits on one square beige map board engraved with faint street grids and planning lines, with the board edges clearly visible and slightly raised. Viewpoint is a high three-quarter isometric angle, centered and symmetrical, with the tower extending far upward into negative space. Lighting is dramatic and luxurious: warm golden edge lights on buildings and roads, cool reflections in the water, crisp metallic highlights on the central tower, and a deep black void surrounding the model. Style should feel like a photorealistic architectural visualization mixed with a premium collectible scale model, extremely intricate, sharp, polished, and elegant.

戏仿奢侈品广告

原案例 / 作者：@tonysimons_

完整提示词：

High-impact parody e-commerce infographic for “{argument name="product" default="Four Loko"}” malt beverage. Foreground: An extreme close-up of a rough, weathered hand holding a tall, brightly colored can of {argument name="product" default="Four Loko"} toward the camera. The can is slightly cold with visible condensation droplets and a loud, chaotic flavor design. The hand and can have a slight macro-lens blur for depth, with the can still reading clearly as the hero product. Central Subject: In the mid-ground, a funny, disheveled {argument name="subject" default="homeless-looking man"} sitting casually on a milk crate in an urban alley. He has a scruffy beard, messy hair, layered worn clothing, and a huge unbothered grin. He should look chaotic but oddly charismatic, like the accidental king of bad decisions. He is posed like a confident lifestyle-ad model, proudly showing off the can. Background & Lighting: A ridiculously polished ad-style backdrop mixed with a grimy city alley setting. Soft-focus urban textures, dumpster shapes, graffiti hints, and scattered clutter in the distance. Add dramatic studio lighting, soft glow, rainbow prism flares, and subtle light leaks to make the whole thing look way too premium for the subject matter. A few blurred {argument name="product" default="Four Loko"} cans can float artistically in the background for extra absurdity. Typography & Layout (Bold sans-serif, white and neon accent styling): Top Center (Background): Massive, bold text reading “{argument name="brand name" default="FOUR LOKO"}” positioned behind the subject. Top Right: Bold text reading “The Champagne of Bad Ideas”. Mid-Left: “Premium chaos and zero self-control” Mid-Right: Large, bold “23” with the text “ounces of terrible decisions.” Bottom-Right: Large, bold “1" with the text “can to ruin tomorrow.” Optional small callout text near the bottom: “Now with more regret.” Style: Ultra-detailed, 8k parody commercial photography, sharp focus on the can, shallow depth of field, vibrant trashy color palette, clean advertising composition, exaggerated premium product-ad aesthetic, funny visual contrast between polished branding and the wrecked subject.

VR Headset Exploded View 海报

原案例 / 作者：@wory37303852

完整提示词：

{
  "type": "exploded view product diagram poster",
  "subject": "VR headset",
  "style": "clean high-tech 3D render, studio lighting, glowing accents",
  "background": "{argument name=\"background color\" default=\"soft purple and blue gradient\"}",
  "header": {
    "logo": "∞ {argument name=\"product name\" default=\"Meta Quest 3\"}",
    "subtitle": "{argument name=\"main catchphrase\" default=\"まったく新しい現実を、まったく新しい構造から。\"}"
  },
  "layout": {
    "centerpiece": "vertically stacked exploded view of a VR headset showing 9 distinct layers of internal components: outer shell, camera sensors, motherboard with chip, pancake lenses, internal frame, battery packs, side straps, top strap, and facial interface cushion.",
    "callout_labels": {
      "count": 8,
      "left_side": [
        "Snapdragon® XR2 Gen 2\n圧倒的な処理性能でリアルタイムな体験を。",
        "調整可能なIPD機構\n幅広いユーザーに快適なフィット感を。",
        "精密設計されたヘッドストラップ\n快適さと安定性を追求したエルゴノミクス。"
      ],
      "right_side": [
        "フェイスプレート\n洗練されたデザインと最適な重量バランス。",
        "トラッキングカメラ\n高精度な位置トラッキングと環境認識を実現。",
        "パンケーキレンズ\n薄型設計で広い視野角と鮮明な映像を提供。",
        "高性能バッテリー\n長時間駆動を支える最適化された電源設計。",
        "柔らかなフェイスインターフェース\n長時間でも快適な装着感を実現。"
      ]
    },
    "footer": {
      "left_text_block": {
        "headline": "{argument name=\"bottom headline\" default=\"体験は、構造から進化する。\"}",
        "body": "一つひとつのパーツに、没入体験を支える最先端テクノロジーとこだわりの設計。Meta Quest 3は、未来を感じさせる体験を内部から生み出しています。"
      },
      "right_logo": "∞ Meta"
    }
  }
}

虚构 AI 广告打印机奢华海报

原案例 / 作者：@nijisora_yuma

完整提示词：

縦型3:4の、高級商業ポスターを制作してください。

テーマは、架空の新商品広告です。商品は「BRAND PRESS 01（ブランドプレス・ゼロワン）」という、Pollo AIを搭載した架空の広告ポスター生成プリンターです。

この商品は、まだ存在しないブランド名・商品ジャンル・世界観・ターゲット層を入力すると、Pollo AIがコピー、ビジュアル、レイアウトまで完成された商業広告ポスターを自動生成し、高精細な印刷物としてその場で出力する未来型プリンターです。単なるAIサービスの概念広告ではなく、実際に販売されていそうな架空商品の広告として成立させてください。

メインコンセプト: 「まだないブランドに、最初の一目惚れを。」

商品ビジュアル: 画面中央に実物の商品「BRAND PRESS 01」を大きく配置。未来型の高級プロ用印刷デバイスとして、黒い金属筐体、シルバーのエッジ、透明カバー、青白く発光するAIコア、精密な印刷ヘッド、ローラー、タッチパネル、排紙スロット、ポスター受けトレイを備える。排紙スロットから、架空の高級香水ブランド広告ポスターが紙として大きく出力されている構図。

構図: ややローアングル、斜め45度。背景は暗いネイビーから黒の高級広告制作スタジオ。映画的でドラマチックな高級プロダクト広告。

広告レイアウト: 上部に大きなキャッチコピー、中央にプリンター本体と排出中のポスター、右側に機能説明、左下に価格と発売日、下部にCTA。

入れる文字: 「まだないブランドに、最初の一目惚れを。」 / BRAND PRESS 01 / 「Pollo AI搭載・広告ポスター生成プリンター」 / 「名前だけのアイデアを、完成された商業ポスターとして出力。」 / 「構想、コピー、ビジュアル、印刷まで。1台で。」

奢华 chocolate campaign system

原案例 / 作者：@SPEEDAI07

完整提示词：

Create a premium, square (1:1) product advertisement for a fictional luxury chocolate brand called Noirvelle Chocolat, inspired by high-end chocolate brands. The ad should feel like a high-end editorial campaign, combining luxury food photography, refined packaging design, and cinematic lighting. Use matte black wrapper, subtle gold foil, elegant serif typography, and realistic product rendering. Generate flavor variants such as Blood Orange Noir, Salted Pistachio Muse, and Raspberry Ember with distinct mood, color palette, ingredients, headline, and supporting copy. Keep the chocolate bar as hero centerpiece with subtle reflections, shallow depth of field, luxury minimalism, and a small CTA: “Shop the drop.”

Urban fruit juice ad 海报

原案例 / 作者：@AIwithSarah_

完整提示词：

Create a premium modern beverage advertisement poster in a vertical 3:4 format featuring a stylish young female model crouching confidently in a bright urban indoor hallway with colorful graffiti wall art on one side and clean minimal architecture on the other. In the foreground, a giant realistic fruit juice bottle is held toward the camera in forced perspective, with fictional branding like “VIVAJUICE”. Add brand logo, tagline, huge bold overlapping typography, four icon-based feature badges, and three smaller bottle variants at bottom right. Use soft natural lighting mixed with commercial studio polish, realistic shadows, shallow depth of field, glossy floor reflections, and a premium energetic eCommerce campaign aesthetic.

分类导航：总目录 / 电商主图 / 广告创意 / 人像摄影 / 海报插画 / 角色设计 / UI 与社媒 / 对比与社区案例

原仓库链接

GPT-Image 2 提示词宝库：海报插画案例

Sat, 02 May 2026 11:35:00 +0800

本页收录 海报插画 分类下的 101 个案例。每个条目保留原案例链接、作者、生成图和完整提示词。

分类导航：总目录 / 电商主图 / 广告创意 / 人像摄影 / 海报插画 / 角色设计 / UI 与社媒 / 对比与社区案例

海报插画

波士顿 2026 春季城市海报

原案例 / 作者：@BubbleBrain

完整提示词：

A striking Spring 2026 city poster for Boston with an elegant celebratory mood and a bold contemporary design. On a clean off-white textured background with large areas of negative space, a miniature single sculler rows across the lower right corner of the image on a narrow ribbon of reflective water. The wake from the oar sweeps upward in a dynamic calligraphic curve, gradually transforming into the Charles River and then into a dreamlike hand-painted panorama of Boston. Inside this flowing river-shaped composition are iconic Boston elements: the Back Bay skyline, Beacon Hill brownstones, Acorn Street, Boston Public Garden, Swan Boats, Zakim Bridge, Fenway-inspired details, historic brick architecture, harbor ferries, and the city’s waterfront atmosphere. Soft morning fog, golden spring light, subtle festive accents in crimson and gold, rich detail, layered depth, sophisticated city-poster aesthetics, fresh and refined, visually powerful but not overcrowded. Elegant typography in the lower left reads “SPRING 2026” with a vertical slogan “BOSTON, A CITY OF RIVER, MEMORY, AND INVENTION”, text clear and beautifully composed, premium graphic design, 9:16

复古阿马尔菲旅行海报

原案例 / 作者：@WolfRiccardo

完整提示词：

Modern pencil illustration of Vintage travel poster illustration of the Amalfi Coast, Italy, panoramic coastal cliff road scene, classic 1960s white car driving along a curved seaside road, deep blue Mediterranean sea with small sailboats, colorful pastel hillside village, bright blue sky with soft clouds, lemon tree branches with vibrant yellow lemons framing the foreground, warm summer sunlight, bold vibrant colors, retro 1950s travel poster style, cinematic composition, high detail, screen print texture, graphic illustration. Hand-drawn style, illustration with loose strokes and defined contours. High-contrast color palette, maintaining chromatic harmony between background and elements. Contemporary and decorative aesthetic.

成都美食地图插画

原案例 / 作者：@Panda20230902

完整提示词：

一张手绘风格的城市美食地图，以成都为主题。画面以鸟瞰视角的手绘简化城市地图为底，标注主要道路和地标但不追求精确比例而是追求可爱的手绘感。地图上分布着 12 个美食地点的精致手绘小插画：春熙路的串串香（一把竹签插着各种食材冒着热气）、宽窄巷子的三大炮（三个糯米团子飞向铜盘）、建设路的蛋烘糕（金黄酥脆正在翻面）、玉林路的火锅（九宫格锅翻滚冒泡）等，每个插画约占地图的 5% 面积，旁边用手写体标注店名和一句推荐语"凌晨两点还在排队的那家"。地图边缘用手绘藤蔓和辣椒装饰形成边框。右下角有一个手绘指南针和图例说明。左上角标题"成都·吃货暴走地图"使用胖圆的手绘美术字配辣椒装饰。整体画风为水彩+彩铅混合的手绘质感，颜色以暖色系（辣椒红、姜黄、翠绿）为主，图片比例 1:1。

中式极简 S 形海报

原案例 / 作者：@liyue_ai

完整提示词：

极简新中式美学风格，画面以淡雅的灰白色为底，呈现出一种纸艺剪影般的立体感。
一条S形蜿蜒的裂痕状边缘将画面分割，仿佛撕开了一层纸面，露出内部色彩斑斓的东方山水景象。
裂口内，一条蜿蜒的河流自上而下贯穿整个构图，河水以深浅不一的蓝色渲染，层次分明，仿佛流动的丝带。
河岸两侧点缀着青翠的山丘与梯田，色彩柔和，绿红交织，展现出田园的宁静之美。
沿河而建的古风建筑错落有致，飞檐翘角，白墙黛瓦，在光影的映衬下更显古朴典雅。
岸边树木葱茏，枝叶轻盈，一艘小船静泊于水中央，增添了几分悠然意境。
整体构图呈S形曲线，富有韵律感，仿佛自然与人文的和谐共生。
画作边缘采用撕纸效果，营造出立体浮雕般的视觉体验。
下方题字“东方美学”以黑色楷体书写，日期“2026/04/18”与红色印章相呼应，底部“CHINA”字样庄重醒目，署名“@LIYUE”低调收尾，整体氛围静谧深远，充满诗意与哲思。

2026 春季广州城市海报

原案例 / 作者：@liyue_ai

完整提示词：

一张充满新春喜庆氛围但不失高雅格调的 2026 城市宣传海报。
双重曝光，构图延续了S型的流动感；
在纯白的纹理背景右下角，一个身穿中国传统服饰的微缩人物正在挥舞着一条长长的红色丝绸舞带，这条红绸在空中舞动，不仅展现出丝绸的柔顺质感，更在向左上方飘动的过程中，奇幻地变形成了一条壮丽的山脉河流。
在这条“河流”中，叠加了一个有山有海河的广州城市手绘图，国潮，景色尽在眼底，壮阔雄伟，令人震撼。
广州的地标建筑(广州塔，珠江新城建筑群，珠江, 广州城里古建筑，游轮，白云山）。
云雾环绕，仙气缥缈，色彩丰富，结构复杂，细节丰富，但因为大面积的留白，画面依然显得清新脱俗，左下角排版着“SPRING 2026”和竖排的宣传语，整体寓意“千年商都，魅力广州”。
文字排版优美，大方，字迹清晰完整，尺寸9:16。

涂鸦草图 AI 构建器

原案例 / 作者：@blanplan

完整提示词：

以涂鸦速写风表现【一个厉害的AI builder】，整体呈现快速勾勒、自由变形、即兴手绘与草稿式的视觉效果。线条随手、夸张、可粗细不一，略显凌乱但具有节奏和表现力，强调概括、夸张、趣味和随性，而不是严谨写实或精细刻画。  颜色采用粗糙、干刷感明显的块面表现，可保留不均匀的涂抹痕迹、刷痕、飞白与覆盖感，色彩根据【主题/主体】自动适配，但整体保持涂鸦式、速写式、概括式的表达。不要透明水彩晕染效果，不要细腻水彩过渡，不要纸纹理，不要柔和雾化，不要梦幻质感。  背景以留白为主，保持简洁、轻松、未完成感和设计感，可加入少量辅助性符号、箭头、记号、圈画、重复线、随手写的文字或其他涂鸦元素，以增强速写本或随笔式视觉语言，但不可过于拥挤，不可破坏主体和留白气质。  画面内容不需要预先写清楚，由【一个厉害的AI builder】自动推演并生成最适合的主体形象、动作、相关元素、符号或简化场景，整体保持统一的涂鸦速写风和夸张概括的表现方式，避免复杂写实背景和过度铺陈。 画面中需自然加入专属签名“BlanPlan”，作为画面的一部分，位置低调但清晰，可放在左下角、右下角或标题附近，风格需与整体版式统一，像作品署名或设计落款；签名字体精致、克制、高级，不可过大，不可破坏主体构图，不可显得突兀或廉价。

未来感曼陀罗插画

原案例 / 作者：@4WEB1

完整提示词：

`1`	`曼荼羅の近未来SF版を描いて`

Super Famicom 海报风格

原案例 / 作者：@lilimliliychan

完整提示词：

`1`	`小悪魔リリムリリィちゃんが　スーパーファミコンのゲームだったときのポスターを考えて`

网页游戏广告创意海报

原案例 / 作者：@llllegend0620

完整提示词：

以下の文字を必ず入れて、1:1のポスターを作成してください。書籍・講座・イベント告知に使える、プロの広告デザイナーが作ったような高品質な仕上がりにしてください。

広告クリエイティブ制作
思いついたら、もう遊べる。 AI×ブラウザゲームづくりは、マジで楽しい。 むずかしそうで、実ははじめやすい。 コードがわからなくても、はじめの一本は作れる

超现实锦鲤星云插画

原案例 / 作者：@liyue_ai

完整提示词：

一幅超现实主义数字插画风格，采用低角度仰拍视角。画面描绘了一条巨型彩色锦鲤遨游在梦幻般的星云中，四周环绕着色彩鲜艳的星云与气泡。画面中央还站着一个小人，背对观众，神情平静地仰望空中这条巨大的锦鲤，锦鲤头向下看着小人。整体画面呈现出强烈的大小对比，氛围空灵又梦幻。比例9:16

墨线广州美学海报

原案例 / 作者：@liyue_ai

完整提示词：

纯黑深邃底色，一条粗壮有力的墨色书法 S 型曲线自画面一端蜿蜒贯穿至另一端，构成整幅画面的视觉骨架与叙事动线。曲线上方是一只透明质感的画眉鸟，内部映射传统建筑叠影与蓝绿色光流；沿曲线错落分布广州地标与古典建筑序列，前景有白鹤与湖面，远景为层叠山峦。整体采用非线性透视、冷色调主导、暖色点缀，东方美学与现代意象交融，8K 超高清渲染，比例 9:16。

广东超级联赛邀请海报

原案例 / 作者：@liyue_ai

完整提示词：

广东省城市足球超级联赛（粤超）邀请函海报设计，比例 9:16。S 型流动构图，以发光足球和动态能量流贯穿画面，沿动线融合广州塔、深圳平安金融中心、珠海渔女雕像、岭南建筑、佛山武术剪影、中山文化符号、潮汕英歌舞与清远山水。现代国潮高级海报风格，中国红主视觉，青蓝辅助，金色高光，带完整中文排版与电影级光影。

2026 春季广州宣传海报

原案例 / 作者：@grok

完整提示词：

一张充满新春喜庆但高雅的 2026 广州城市宣传海报，9:16 竖版，双重曝光，S 型流动构图。纯白纹理背景，右下角微缩传统服饰人物挥舞长红绸，红绸变形成山脉河流，内部叠加广州全景：广州塔、珠江新城、珠江、游轮、古建筑与白云山。左下角排版 “SPRING 2026” 与竖排 “千年商都 魅力广州”。

史诗剪影世界海报

原案例 / 作者：@Ghhhh3owi

完整提示词：

收藏版史诗海报，人物侧脸剪影中生长出完整世界观与经典场景。整体偏电影海报加梦幻水彩插画风，安静、宏大、神圣、怀旧，带纸张颗粒、轻雾感、飞白刷痕与高级留白。

春季广州城市海报

原案例 / 作者：@alanlovelq

完整提示词：

一张充满新春喜庆氛围但不失高雅格调的 2026 城市宣传海报。
双重曝光，构图延续了S型的流动感；
在纯白的纹理背景右下角，一个身穿中国传统服饰的微缩人物正在挥舞着一条长长的红色丝绸舞带，这条红绸在空中舞动，不仅展现出丝绸的柔顺质感，更在向左上方飘动的过程中，奇幻地变形成了一条壮丽的山脉河流。
在这条“河流”中，叠加了一个有山有海河的广州城市手绘图，国潮，景色尽在眼底，壮阔雄伟，令人震撼。
广州的地标建筑(广州塔，珠江新城建筑群，珠江, 广州城里古建筑，游轮，白云山）。
云雾环绕，仙气缥缈，色彩丰富，结构复杂，细节丰富，但因为大面积的留白，画面依然显得清新脱俗，左下角排版着“SPRING 2026”和竖排的宣传语，整体寓意“千年商都，魅力广州”。
文字排版优美，大方，字迹清晰完整，尺寸9:16。

科学百科竖版海报

原案例 / 作者：@pfanis

完整提示词：

`1`	`Generate a high-quality vertical science popularization encyclopedia image based on [Theme].`

西游记中式漫画

原案例 / 作者：@overseas58

完整提示词：

`1`	`以中国连环画（小人书）的风格帮我绘制大闹天空`

人物关系图海报

原案例 / 作者：@MrLarus

完整提示词：

`1`	`请根据【主题】生成一张高设计感的人物关系图海报。`

新中式水墨山水海报

原案例 / 作者：@liyue_ai

完整提示词：

`1`	`新中式水墨山水海报，竖版9:16构图，东方极简美学风格，大面积留白，主题是春岚一叶红。`

AI 构建器涂鸦草图

原案例 / 作者：@opc_8838

完整提示词：

`1`	`以涂鸦速写风表现【一个厉害的AI builder】。`

角色视觉竖版海报

原案例 / 作者：@tebasaki3D

完整提示词：

『神層37区 特級執行官 神巫サバト』この名称のキャラクターと世界観に合ったビジュアルイメージを、プロのデザイナーとして縦長のポスターイメージとして制作して

科学百科信息图

原案例 / 作者：@MrLarus

完整提示词：

请根据【主题】生成一张高质量竖版「科普百科图」。 

这张图不是普通海报,也不是单纯插画,而是一张兼具“图鉴感、百科感、信息结构感、收藏感”的模块化科普信息图。整体风格参考高级博物图鉴、现代百科书页、生活方式知识卡和社交媒体高传播信息图的结合。

请让画面包含:
- 一个清晰漂亮的主题主视觉
- 若干局部特征放大细节
- 多个圆角模块化信息分区
- 清楚的标题层级与重点标签
- 简洁但丰富的百科内容
- 可视化评分、要点总结或Top 5模块

内容栏目请根据主题自动适配,优先从这些方向中选择并合理组合:
基础档案、分类信息、外观特征、习性/生态、形成机制/结构组成、生长或使用条件、养护或维护建议、风险与注意事项、适合人群或适用场景、优缺点对比、快速评分卡。

视觉要求:
浅色干净背景,柔和配色,轻阴影,精致小图标,圆角信息框,整洁排版,信息密度高但不拥挤,阅读体验好。整体必须像真正可以发布、阅读、收藏、系列化生产的科普百科卡,而不是广告图。

请不要做成普通商业宣传海报。要突出“知识整理 + 模块信息 + 图鉴式展示”的特征。

虚构动漫电影海报

原案例 / 作者：@seiiiiiiiiiiru

完整提示词：

`1`	`架空のアニメ映画のポスターをGPT image2で作成。`

产品广告重设计

原案例 / 作者：@genel_ai

完整提示词：

1
2

この商品広告をプロのデザイナー目線でリデザインして。
今のトレンド、ターゲットに合わせた洗練されたデザインで。

暗黑奇幻广州城市海报

原案例 / 作者：@liyue_ai

完整提示词：

平面插画,东方幻想风格高端城市海报设计,竖版9:16构图,整体采用对角线+S型流动构图,从左下向右上延展,画面以深邃黑色为背景,自上而下渐变至浓烈暗红色,形成强烈冷暖对比与空间纵深,背景带微弱星尘与颗粒质感。画面中央一条金色流动能量线条如火焰般蜿蜒贯穿,自底部向上延伸,具有流体质感、粒子光效与渐变高光,局部带细微能量碎屑与体积光。

金色流光中逐层浮现广州城市地标建筑群:广州塔为视觉核心,比例突出,周围融合珠江新城高楼群、猎德大桥及现代与岭南建筑元素,建筑采用“精细线描 + 金色发光体块”表现,轮廓清晰、细节丰富,在金色光晕映衬下仿佛悬浮于虚空,形成超现实空间层次,远景轻微雾化增强纵深感。

画面底部为一位东方白发女性形象,长发飘逸,如烟似雾,与金色流光自然衔接并逐渐融合,发丝半透明带渐变光感,姿态柔美,双目微闭,神情宁静,怀抱一束多彩鲜花,花间点缀微光粒子与星点效果,象征人与城市能量的精神连接,人物细节适度简化以突出整体设计感。

光影集中于金色流线、建筑与人物轮廓,形成强烈明暗对比与视觉聚焦,整体氛围宏大、神秘、具有东方神话意境且略带治愈感。色彩以黑与暗红为基底,高亮鎏金为主视觉强调,金色具备丰富明暗层次,辅以小面积高饱和花束色彩点缀,整体高级克制。

页面文字与画面融合排版:顶部居中宋体大字“广州·中国”,下方小字“2026/04/20”,再下方小字“LIYUE”,文字采用淡金色或柔和暖白色,与整体光影统一。高品质细节,电影级光影表现,体积光与粒子细节丰富,画面干净无噪点,超高清8K分辨率,商业级海报质感。

科幻电影海报

原案例 / 作者：@underwoodxie96

完整提示词：

`1`	`Create a Science fiction movie poster`

清爽夏日乌冬广告

原案例 / 作者：@genel_ai

完整提示词：

少し暑くなってきた今の時期に、さわやかにさっぱりしたい、みずみずしさ、みたいなところをもっと強く感じたい。冷たいうどんやナス、つゆを口に含んだ時の爽快感、みたいなものをもっと感じるように

手写医疗处方单

原案例 / 作者：@MrLarus

完整提示词：

`1`	`生成一张手写中/西医药方图`

硅谷 2026 宣传海报

原案例 / 作者：@carsonyungos

完整提示词：

A refined 2026 Silicon Valley city promotional poster with a futuristic yet elegant atmosphere.

Double exposure composition, preserving an S-shaped sense of flowing movement. On a pure white textured background, in the lower-right corner, a miniature figure dressed in sleek modern techwear is releasing a long ribbon of luminous silver-blue light. The ribbon flows gracefully through the air, showing a soft silk-like texture, and as it drifts toward the upper-left, it magically transforms into a grand landscape of rolling hills, coastline, data streams, and illuminated urban terrain.

Within this flowing “river of light,” overlay a hand-drawn panoramic map of Silicon Valley, blending technology, nature, innovation, and California sunlight. The scene feels visionary, expansive, sophisticated, and inspiring.

Include iconic Silicon Valley and Bay Area elements: Stanford University arches, Apple Park, Google campus-inspired buildings, Meta-like glass offices, Tesla-style innovation imagery, venture capital offices on Sand Hill Road, Palo Alto tree-lined streets, San Jose skyline, the Santa Cruz Mountains, San Francisco Bay, highways, autonomous vehicles, startup labs, semiconductor patterns, AI data centers, and subtle circuit-board textures.

Surrounded by soft mist, golden California light, floating clouds, and delicate digital particles. Rich colors, complex structure, highly detailed, grand and breathtaking, yet still fresh and minimal because of the large areas of white space.

In the lower-left corner, elegant typography reads “SILICON VALLEY 2026” with a vertical promotional slogan: “Where Ideas Shape Tomorrow.” Beautiful editorial layout, graceful spacing, clear and complete lettering, premium city branding poster, cinematic lighting, sophisticated details, 9:16 aspect ratio.

日本超市促销传单

原案例 / 作者：@weel_corp

完整提示词：

『賑やかで魅力的なスーパーマーケットの折り込みチラシの画像。上部には「特売」の大きな文字と今週の日付。カラフルな商品写真(野菜・果物・牛肉・鮮魚)、赤枠の価格タグ、「超目玉商品」「家計応援」のキャッチ...』

暗黑史诗概念海报

原案例 / 作者：@A9Quant

完整提示词：

围绕【主题】自动生成一张顶级暗黑史诗概念海报 / 电影感信息图海报。

唯一需要输入的变量只有:
【主题】:___特朗普的思考____ 

除【主题】之外,其余全部由 AI 自动适配完成,包括但不限于:
- 核心主体(自动判断更适合人物、守护者、战士、产品、器物、雕像、抽象象征或其他主视觉对象)
- 中央承载结构(自动判断更适合王座、石座、祭坛、机械基座、遗迹、高台或其他支撑体)
- 环境空间(自动判断更适合洞穴、神殿、废墟、深渊、地下宫殿、密室或其他封闭史诗空间)
- 上方开口与光源形式(自动判断更适合月光、神光、能量束、审判之光、圣光或其他单一强光)
- 象征元素(自动判断更适合骷髅、徽记、残碑、纹章、符文、能量环、神性符号等)
- 色彩体系
- 材质组合
- 标题、副标题、辅助文案
- 排版与整体叙事气质

【总风格】
高预算 90 年代好莱坞史诗大片海报气质,融合 cinematic matte painting、超写实摄影质感、极强明暗对比、厚重空间叙事、暗黑英雄主义与仪式感构图。整体必须像一张真正的电影主海报,而不是普通插画或电商图。

【核心结构锁定】
整张海报必须保留以下结构基因:
1. 一个巨大、压迫感极强的黑暗封闭空间
2. 一束从上方斜向切入的强烈体积光,作为画面的第一视觉秩序
3. 中央偏右或光束终点位置的核心主体与承载结构
4. 左下角作为高密度标题与信息锚点
5. 四周保留大量纯黑或近黑负空间,形成电影感呼吸区

【自动适配规则】
AI 必须依据【主题】自动推导最适合的视觉系统:
- 如果【主题】偏暗黑英雄、复仇、正义、孤独、宿命,则自动偏向石质王座、孤高人物、冷色神光、废墟或洞穴感空间
- 如果【主题】偏神秘、幽灵、潜行、幻影、夜行,则自动偏向月光、迷雾、冷蓝色体积光、深渊式黑暗空间
- 如果【主题】偏权力、统治、王者、秩序,则自动强化 throne / altar / crown-like symbol / ritual space 的表达
- 如果【主题】偏科技、AI、未来、机械,则自动将王座和空间替换为机械神座、能量基座、金属洞窟、工业神殿等未来化形态
- 如果【主题】偏产品、品牌、器物,则自动把核心主体替换为最合适的 hero object,并保留被神光审判式凸显的史诗构图

【画布与色彩系统】
- 背景底层必须是极深、近乎吞噬一切的黑暗空间
- 主环境色由 AI 根据【主题】自动决定,但整体必须克制,以暗色为主
- 强光区域色彩必须高度集中,只服务于体积光与主体高光
- 主题色 / 强调色只能集中用于主视觉核心,不允许全画面泛滥
- 必须建立明确的“黑暗底色 + 单一主光 + 少量主题强调色”的层级秩序

【构图与视觉重力】
- 采用强烈的斜向张力与向中心汇聚的视觉引导
- 视觉重力从上方光源强势落下,最终压在核心主体之上
- 主体必须处于被命运、审判、神性或权力照中的位置
- 边缘必须自然融入黑暗,不能出现无意义背景填充
- 所有元素必须服务于唯一的主叙事核心

【材质与光影】
- 不使用轮廓线,不使用平面化描边
- 完全依赖体积光、阴影切割、反射、高光、雾气、粉尘、湿润岩石或其他真实材质来建构画面
- 材质必须形成明显对比,例如:
  粗粝岩石 / 冷硬金属 / 柔韧织物 / 古老石雕 / 湿润表面 / 尘雾光柱
- 光束必须具有强烈 Tyndall effect,真实、厚重、可感知体积密度

【排版系统】
- 整体 80% 视觉,20% 文字
- AI 根据【主题】自动生成主标题、副标题和底部信息块
- 主标题应尽量简洁、有气势、有电影海报感
- 若主题更适合中文,则优先中文;若更适合英文,则自动英文;也可双语,但必须统一
- 主标题可沿光束垂直排布,仿佛由光本身构成
- 左下角设置一个高密度信息模块,包括副标题、小字信息、电影 credits 风格占位文字或品牌说明
- 文字必须锐利、干净、真实嵌入环境,不得廉价漂浮

【模块结构 —— 必须严格保持 3 块】
[MOD 1: TOP-TO-CENTER BEAM]
从顶部开口斜向切下的巨大体积光柱,作为第一视觉通道,并承载主标题或主视觉文字。

[MOD 2: CENTER-RIGHT CORE]
位于光束终点的核心主体与承载结构,形成整张海报的权力中心 / 命运中心 / 叙事中心。

[MOD 3: BOTTOM-LEFT TEXT]
位于左下角负空间中的高密度排版区,包含副标题、说明文字、credits 风格信息块、品牌信息或活动信息。

【作者署名】
在底部角落自然加入作者署名:
@a9quant
署名要小而清晰,精致、克制、高级,不喧宾夺主,像正式电影概念海报或艺术作品落款。

【输出要求】
输出为单张统一构图海报。
所有视觉系统必须内部一致,不能有风格污染。
画面必须具备:暗黑感、史诗感、压迫感、仪式感、命运感、电影完成度。
最大细节密度,超清,电影级,印刷级,高端成片质感。

普拉提工作室广告海报

原案例 / 作者：@ck_igarashi

完整提示词：

ピラティス教室の広告画像を作成したい テキストはよりユーザーが登録をするのに惹かれるような文言にし、画像内には女性がピラティスを実際に行っている様子を映して

六模块时尚广告提示词公式

原案例 / 作者：@anacoding

完整提示词：

Old money Hamptons editorial, tall blonde woman late 20s, serene elegant expression, wearing cream cashmere cable sweater, pleated beige tennis skirt, pearl earrings, Hermès silk scarf, leather flats, Slim Aarons photography style, medium format film photography, sitting on a white wooden porch of a Cape Cod house, golden hour light, ocean in the background

Sony A7 爆炸图拆解提示词

原案例 / 作者：@iaPulse_

完整提示词：

`1`	`Descomposición detallada de una cámara de la marca Sony modelo A7 indicando todas sus piezas y con sus nombres.`

1900 年独立大街全景提示词

原案例 / 作者：@ai_gezgini

完整提示词：

`1`	`360 equirectangular image of Istiklal Street, Istanbul in 1900`

主题科学百科卡片

原案例 / 作者：@alanlovelq

完整提示词：

请根据【主题】生成一张高质量竖版「科普百科图」。 

这张图不是普通海报,也不是单纯插画,而是一张兼具“图鉴感、百科感、信息结构感、收藏感”的模块化科普信息图。整体风格参考高级博物图鉴、现代百科书页、生活方式知识卡和社交媒体高传播信息图的结合。

请让画面包含:
- 一个清晰漂亮的主题主视觉
- 若干局部特征放大细节
- 多个圆角模块化信息分区
- 清楚的标题层级与重点标签
- 简洁但丰富的百科内容
- 可视化评分、要点总结或Top 5模块

内容栏目请根据主题自动适配,优先从这些方向中选择并合理组合:
基础档案、分类信息、外观特征、习性/生态、形成机制/结构组成、生长或使用条件、养护或维护建议、风险与注意事项、适合人群或适用场景、优缺点对比、快速评分卡。

视觉要求:
浅色干净背景,柔和配色,轻阴影,精致小图标,圆角信息框,整洁排版,信息密度高但不拥挤,阅读体验好。整体必须像真正可以发布、阅读、收藏、系列化生产的科普百科卡,而不是广告图。

请不要做成普通商业宣传海报。要突出“知识整理 + 模块信息 + 图鉴式展示”的特征。

辣椒炒肉烹饪流程图

原案例 / 作者：@Kurt_Rousey466

完整提示词：

`1`	`帮我制作辣椒炒肉这道菜的详细制作流程图,真实风格,适用于小红书图文比例`

电影感信息图概念海报

原案例 / 作者：@A9Quant

完整提示词：

请围绕【主题】自动生成一张顶级概念海报 / 信息图式电影海报。

唯一输入变量只有:
【主题】:__中国历史上的皇帝排名_         

要求 AI 根据这个主题,自动推导并统一设计以下全部视觉系统,不需要我额外指定:
- 核心主体(可以自动判断更适合人物、产品、建筑、器物、符号、场景或抽象意象)
- 底部支撑结构
- 上方悬浮符号或精神象征
- 场景包裹元素
- 隐喻系统
- 色彩层级
- 材质对比
- 光影逻辑
- 标题、副标题、辅助文案
- 品牌感与高级感表达方式

最终画面必须是:
一张震撼、精密、统一、电影级、超高细节、可用于高端印刷的概念主视觉海报。

【总风格】
超写实 3D 商业 CGI 渲染,融合电影级布光、奢侈品视觉语言、未来感概念设计与史诗级构图。画面必须具有“唯一主视觉核心”,不能杂乱,不能像拼贴,不能像普通电商海报。

【自动推导规则】
AI 必须依据【主题】自动决定最合适的:
1. 核心视觉隐喻
2. 主体类型与姿态
3. 支撑结构形式
4. 悬浮元素形式
5. 场景外壳与空间氛围
6. 主色、辅色、强调色
7. 材质组合
8. 文字气质与版式风格

例如:
- 如果主题偏权力、秩序、资本、统治,则自动偏向王座、冠冕、机械、神殿、红幕、金属、权力结构
- 如果主题偏科技、AI、芯片、未来,则自动偏向机械结构、能量核心、光束、深色金属、全息感
- 如果主题偏奢侈品、高定、稀缺、收藏,则自动偏向珠宝、镜面材质、黑金体系、展台、博物馆式布光
- 如果主题偏人物、IP、角色,则自动以人物为主视觉核心,并自动匹配对应世界观与象征系统
- 如果主题偏城市、文明、史诗、命运,则自动转化为宏大叙事型空间结构与仪式感场景

【构图规则】
- 绝对高级感
- 强烈中心秩序,整体统一
- 允许中轴对称或接近中轴的史诗级构图
- 视觉重力明确,从上到下形成清晰的层级落点
- 边缘负空间干净、克制、有呼吸感
- 不允许无意义装饰,不允许风格污染,不允许多个系统互相打架

【视觉质量】
- 超高细节
- 体积光清晰
- 材质真实
- 反射、折射、阴影、雾气、景深自然
- 每个元素都像经过工业级视觉总监审美控制
- 整体达到高端品牌 campaign key visual / luxury invitation poster / conceptual editorial poster 水准

【排版系统】
- 整体为 90% 视觉,10% 文字
- AI 根据【主题】自动生成最匹配的主标题和副标题
- 标题必须简洁、锋利、有气势
- 文案分布在安全负空间内,不压主体
- 若主题适合中文,则优先生成中文标题;若主题更适合英文,则自动生成英文标题;也可中英结合,但必须统一高级
- 文字必须尽量少而准,不要堆字

【署名要求】
在画面底部角落自然加入作者署名:
@a9quant
署名要小,但清晰、精致、高级,不喧宾夺主,像顶级视觉作品中的正式作者落款。

【输出要求】
输出为单张统一构图海报。
自动根据【主题】完成全部视觉决策。
画面必须具备史诗感、秩序感、控制力、仪式感、商业完成度。
最大细节密度,超清,电影级,印刷级,高端成片质感。

户外全身照中的年轻白人女性…

原案例 / 作者：@AIwithSarah_

完整提示词：

A full-body outdoor shot captures a young Caucasian woman, possibly in her late 20s, striding through a city crosswalk. She wears an oversized, matte chocolate-brown leather jacket paired with a free-flowing black skirt and sleek knee-high black boots, conveying a sense of high fashion street style. Her long, dark brown hair is wind-swept, complementing her poised and confident expression as she glances sideways. Behind her, a blurred urban backdrop features a yellow taxi and pedestrians, with buildings displaying varied architectural details in neutral tones. The scene utilizes soft ambient daylight filtering through light cloud cover, producing a muted, overcast lighting effect. The warm, earthy color palette consists of brown, black, and touches of beige. The image, likely from a high-resolution digital camera, presents a wide-angle view that maintains focus throughout, emphasizing a dynamic and fashionable feel.

冷藏气泡水专业产品摄影

原案例 / 作者：@meng_dagg695

完整提示词：

A professional product photography shot of a cold sparkling water
can placed upright in golden beach sand. The can is silver and teal,
covered in realistic water droplets condensation, with a pineapple
illustration and tropical branding. The can is slightly tilted,
planted in a small mound of fine golden sand with tiny white pebbles
and small green tropical leaves/grass scattered around the base.
Background features a bold split composition - bright sky-blue on
the left and vivid yellow on the right, with a large blurred real
pineapple placed behind the can on the right side. A blurred tropical
palm leaf drapes in from the upper left corner, adding depth and
framing. Macro-level water condensation droplets visible on the
can surface. Lighting is bright, vibrant, commercial studio lighting
with clean shadows. Shallow depth of field - can in sharp focus,
background softly blurred. Mood: summer, tropical, fresh, refreshing.
Commercial product photography, ultra-detailed, 8K.

360 度等距柱状全景图

原案例 / 作者：@rs_elwood

完整提示词：

1
2
3

360度 equirectangular （正距円筒図法）画像を2:1で生成

Online 360° Panorama Viewer VR

柔和诗意儿童书插画，水彩与水粉质感…

原案例 / 作者：@dotey

完整提示词：

Soft poetic children's book illustration with watercolor and gouache textures.Clear gentle daylight with slightly brighter highlights.Muted pastel colors with soft blue and warm tones.Visible brush strokes and paper grain.Minimalist composition with large negative space.Calm, thoughtful, slightly open-ended atmosphere.

Child character (around 12 years old).Subtle visual metaphors like light, shadow, perspective, reflection.Hand-painted picture book style, not cartoon, not anime, not 3D.

Two children in calm conversation,soft connection forming.

画幅比例：9:16 竖版

原案例 / 作者：@GeekCatX

完整提示词：

Aspect Ratio: 9:16 Vertical

【IDENTITY & REALISM (CRITICAL PRIORITY)】

The subject is an adult female whose facial features and bone structure must 100% perfectly match the provided FACE_REF image. Eye spacing, nose bridge, jawline, and cheekbone structure must be exact; no identity drift is allowed. Skin texture must be photorealistic, showing pores and fine details—do not over-smooth or apply an Instagram filter look.

【PHOTOGRAPHY & CINEMATOGRAPHY】

A high-end editorial fashion photograph with a cinematic quality, rivaling covers of Vogue, Harper’s Bazaar, or ELLE.

Lens & Focus: Use an 85mm lens (for medium shot) or 50mm/70mm (for full body) with a shallow depth of field. The subject's eyes must be perfectly sharp.

Lighting: Natural winter daylight supplemented by soft, professional fill light. Gold ornaments and precious stones should have realistic specular highlights without being blown out. Embroidery textures must be incredibly sharp and tactile.

Color Grading: Rich, cinematic colors. The red walls and the attire's main color must be distinct and clean, not muddy. The overall image should feel deep, textured, and expensive.

Composition: A clean magazine cover layout with deliberate negative space at the top or sides for typography. No torn paper or hand-drawn effects.

【SETTING: FORBIDDEN CITY WINTER】

The location is a red-walled long corridor in the Beijing Forbidden City.

Environment: Visible details include vermilion walls, red pillars, intricate carved windows, and painted wooden beams with strong perspective depth. The scene must be clean: no tourists, modern signs, or watermarks.

Weather Condition (Selected Randomly):

[If Snowfall selected]: Fine snowflakes are gently falling.

[If Post-Snow selected]: The air is crisp and clear, with remnant snow on the eaves and steps.

【WARDROBE: MING DYNASTY HEAVY INDUSTRY COUTURE】

The subject wears opulent, multi-layered Ming Dynasty ceremonial Hanfu. The aesthetic is gold-heavy, dense tassels, phoenix crown, large-area woven gold embroidery, complex layering, dignified and luxurious.

Structure: A visible, crisp white standing inner collar provides a clean boundary. Over this is a structured duijin ao (jacket) with wide sleeves, topped by a heavy xiapei/pibo (stole) structure held by a large central yajin ornament.

Fabric & Craft: The main fabric is real zhijin jin (woven gold brocade) with palpable fiber texture. The embroidery is heavy industry—using panjin goldwork, couched gold

杭州西湖旅行海报

原案例 / 作者：@BNBOKBt5

完整提示词：

`1`	`帮我生成一个介绍杭州西湖的海报`

东方不败武侠角色海报

原案例 / 作者：@songguoxiansen

完整提示词：

1
2
3

图片1：电影角色海报，东方不败红衣饮酒，悬崖落日，武侠意境

图片2：东方不败绣花针如飞，红衣长发立于悬崖，黑木崖夕阳如血

大话西游 90 年代港片海报

原案例 / 作者：@songguoxiansen

完整提示词：

1
2
3

图片1：大话西游海报重制为90年代港片风格，至尊宝紫霞城墙拥吻，胶片颗粒

图片2：杜蕾斯吉祥物×猪八戒，八戒害羞脸红遮面，文案取经路上要安全

西游记女儿国海报

原案例 / 作者：@cj858cjsoul

完整提示词：

1
2
3

西游记女儿国诱惑海报，六位艳丽的女儿国大臣在后宫温泉中，迷雾朦胧妖冶，生成图片

4.23早上测试成功

鹿鼎记角色海报

原案例 / 作者：@caiziboshi

完整提示词：

`1`	`生成鹿鼎记海报，展现韦小宝跟老婆XXX，忠于原著的描述，夸大特点，强调女性的美艳和男性的气质`

生成带规格与价格的赛车海报

原案例 / 作者：@verysmallwoods

完整提示词：

`1`	`generate an image of a racing car poster with its spec and pricing`

卓别林产品海报重设计

原案例 / 作者：@chenenpei

完整提示词：

1
2
3

重新生成一张海报，卓别林拿着商品图里的止痒膏，面露微笑。风格要简约干净。

左边是 GPT-image-2 右边是

奢华运动服篮球运动员广告海报

原案例 / 作者：@Shorelyn_

完整提示词：

Create a premium luxury sportswear campaign poster featuring a confident female athlete in a modern studio environment. Full body pose with strong fashion attitude, standing tall while holding a basketball at her side, chin raised slightly, direct powerful expression. Athletic toned physique, sleek pulled back hair, clean glowing skin, sharp editorial posture.

Outfit includes an oversized cropped varsity jacket, fitted sports bra, tailored biker shorts, white crew socks, and modern high top sneakers. Neutral monochrome styling with subtle premium branding.

Background is a clean light gray studio wall with giant bold condensed black typography reading “POWER” stretched vertically across the backdrop behind the model. Text should feel oversized and dominant, framing the athlete in the center.

Floor is glossy reflective studio surface with subtle court markings and soft reflections. A few basketballs placed naturally around the floor for depth and campaign styling.

Lighting is bright luxury studio lighting with crisp highlights, soft shadows, and polished commercial finish. Sharp focus, ultra realistic skin texture, premium fabric texture, cinematic contrast.

Style should feel modern, minimal, elite, bold, high fashion sports campaign, luxury brand advertisement, clean composition, balanced negative space, strong visual impact, high resolution, square format.

亚洲服饰街头时尚广告海报

原案例 / 作者：@harboriis

完整提示词：

Create a premium streetwear fashion campaign poster inspired by modern Asian apparel advertising. Full body portrait of a stylish young male model standing confidently with legs crossed at the ankles, hands inside jacket pockets, head turned slightly upward and sideways with a calm thoughtful expression. Curly tousled medium length hair with soft volume. Slim athletic build.

Outfit includes a dark olive green padded hooded jacket worn open, clean white crewneck sweatshirt underneath with a tiny chest logo, relaxed black cargo style trousers, and minimal white sneakers. Styling is clean, youthful, and contemporary.

Background is a vibrant electric blue seamless studio backdrop with subtle gradient lighting, soft glow streaks, and glossy floor reflection. Lighting is soft studio light with gentle shadows and polished commercial finish.

Graphic poster layout with giant bold condensed sans serif text reading “JEANSWEST” vertically stretched across the background behind the model in light gray white. Add large text on lower right reading “JW26”. 

Composition should feel premium, trendy, clean, commercial, youthful, modern fashion ad campaign. Sharp focus, ultra realistic fabric texture, cinematic lighting, balanced negative space, sleek branding design, high resolution, vertical poster ratio.

职业生涯高光时刻电影感海报模板

原案例 / 作者：@Goodmanprotocol

完整提示词：

`1`	`Create an epic poster showcasing the most iconic moments of [Insert Name]'s career. Cinematic style, lens flare. Portrait orientation. A1 poster size. aspect ratio 4:5 https://t.co/L9OHPKUNRp`

先锋篮球雕塑运动时尚广告

原案例 / 作者：@AIwithkhan

完整提示词：

Avant-garde sports fashion advertisement, oversized basketball posed like a monumental sculpture, female athlete reclining across the ball’s curved surface as if modern furniture, giant word “ELEVATE” in bold typography behind, burnt orange studio backdrop, glossy reflective floor, luxury athletic editorial aesthetic, cinematic lighting, ultra-clean composition, 1:1

先锋网球拍雕塑运动时尚广告

原案例 / 作者：@AIwithSynthia

完整提示词：

Avant-garde sports fashion advertisement, oversized tennis racket positioned like monumental sculpture, female athlete seated casually on the strings as if a suspended lounge, giant word “PRECISION” in bold typography behind, crisp white studio backdrop, reflective court-like floor, luxury sportswear editorial aesthetic, cinematic lighting, ultra-clean composition, 1:1

超现实酒类品牌高级时装海报

原案例 / 作者：@hmontilla_

完整提示词：

Un póster publicitario surrealista de alta costura para Aguardiente Amarillo. La escena se sitúa en un estudio minimalista y monocromático de color naranja claro, con un suelo semirreflectante.
El foco central es una botella de Aguardiente Amarillo de tamaño descomunal y gigante, colocada en ángulo diagonal y que sirve como respaldo. Un modelo masculino de moda, de cabello largo y oscuro, vestido con un conjunto impecable y totalmente blanco —compuesto por una sudadera y pantalones de pierna ancha—, apoya toda su espalda contra la botella gigante en una postura relajada e inclinada. Mira hacia la derecha, de perfil, con la vista al frente y una expresión serena; calza zapatillas blancas de tamaño estándar.
En el fondo, la palabra "AGUARDIENTE" aparece escrita con una tipografía sans-serif condensada, blanca, masiva y en negrita, parcialmente oculta por la botella gigante y por el modelo para crear una sensación de profundidad. En la esquina superior derecha se lee: "Creado por @HMontilla_".
En la parte inferior central, una frase publicitaria en tipografía sans-serif blanca reza: "El Aguardiente Amarillo de Manzanares es un icónico licor colombiano, originario de 1885 en Manzanares, Caldas". La iluminación es suave, fría y uniforme, proyectando sombras tenues y un reflejo sutil de los sujetos sobre el suelo azul brillante. La estética general es limpia, moderna y de alto concepto.

Establecer la relación de aspecto en 3:4.

高端食谱海报优雅版式

原案例 / 作者：@Preda2005

完整提示词：

1
2

Create a premium food preparation poster for
 [ DISH NAME ], with a beautiful hero dish, warm natural lighting, cream background, elegant step-by-step recipe layout, ingredients, cooking process, premium food photography, refined English typography, luxury restaurant advertisement style, clean design, rich colors, highly detailed, visually irresistible, cinematic masterpiece.

黑白奢华时尚杂志封面

原案例 / 作者：@iamrealsnow

完整提示词：

1
2
3

Create a high fashion editorial magazine cover inspired by luxury fashion publications. Use the reference image of the male subject. Black and white portrait photography with a clean off white studio background. Subject is posed confidently from a low angle, looking slightly upward, sharp jawline, soft parted lips, tousled wavy hair with natural volume. Outfit includes a dark turtleneck layered under a textured tailored plaid blazer. Lighting is soft yet dramatic, creating sculpted facial shadows and elegant contrast.
Magazine layout design with oversized serif masthead text at the top reading “VOGUE”, partially hidden behind the subject’s head. Minimal premium typography across the page. Add side text “FASHION”, issue date “2026 MAY”, left side headline “27 DIFFERENT STYLES”, and bold bottom right cover line “LOOK FAMOUS”. Include a small red translucent square overlay on one eye area with the word “CATCHY”.
Style should feel premium, modern, cinematic, clean composition, sharp focus, ultra realistic skin texture, editorial luxury aesthetic, balanced negative space, timeless fashion cover design. Vertical magazine ratio, high resolution.

超现实 Rolex 奢华腕表时尚海报

原案例 / 作者：@Sheldon056

完整提示词：

A high-fashion surrealist poster for Rolex. A deep emerald green minimalist studio with a polished reflective floor. A massive Rolex watch stands upright like a monument. A male model in a tailored dark green suit leans casually against the watch face, wearing a matching Rolex.

孔雀植物复古对称艺术画

原案例 / 作者：@dotey

完整提示词：

symmetrical design featuring two elegant blue peacocks with detailed feather patterns, surrounded by blue floral elements, intricate vintage botanical ornament, soft beige background, classical floral decor style with rich navy and sky blue details, decorative art illustration --ar 3:2

SPLASH 时尚品牌超写实广告海报

原案例 / 作者：@miratechtool

完整提示词：

Create a hyper-realistic fashion poster for “SPLASH” featuring the same girl from the reference image (keep her face 100% identical). She is sitting confidently on a glossy, liquid-style 3D SPLASH logo with water splash effects. One leg relaxed, one bent, strong editorial pose.
Background has massive bold “SPLASH” text filling the frame, partially behind her. Add small tagline: “Own Your Style.”
Outfit: modern black street-fashion (blazer, fitted top, trousers, sneakers).
Lighting: cinematic studio, soft key light + rim light, reflective highlights on liquid logo.
Style: luxury brand campaign (Zara / H&M), clean glossy environment.
Camera: 85mm lens, shallow depth of field, 8K, ultra-detailed, photorealistic.

先锋吉他雕塑时尚广告

原案例 / 作者：@QamarRiaz1

完整提示词：

Avant-garde fashion advertisement, oversized guitar positioned like sculpture, a guitarist in jeans casually seated on the a button as if furniture, giant word "Plism Art" behind in bold white typography, powder pastel studio background, reflective floor, luxury eyewear campaign aesthetic, ultra-clean layout, editorial magazine styling, Bold quote " What are you listening"   Tag : Create Own Change

城市美食地图插画

原案例 / 作者：@mm_zzm44854

完整提示词：

{
  "type": "illustrated map infographic",
  "style": "{argument name=\"art style\" default=\"watercolor and ink hand-drawn illustration on vintage parchment\"}",
  "title_section": {
    "text": "{argument name=\"city name\" default=\"成都\"} {argument name=\"map title\" default=\"吃货暴走地图\"}",
    "mascot": "cartoon red chili pepper wearing sunglasses and giving a thumbs up"
  },
  "border": "{argument name=\"border decoration\" default=\"vine of green leaves and red chili peppers\"}",
  "layout": {
    "background": "textured beige parchment paper with yellow roads, blue rivers, and green park areas",
    "sections": [
      {
        "title": "landmarks",
        "count": 6,
        "illustrations": ["traditional pavilion", "traditional monastery", "modern skyscraper with climbing panda", "tall TV tower", "traditional gate", "industrial buildings"],
        "labels": ["人民公园", "文殊院", "IFS", "339电视塔", "宽窄巷子", "东郊记忆"]
      },
      {
        "title": "food_spots",
        "count": 12,
        "illustrations": ["mapo tofu", "dumplings in chili oil", "skewers in pot", "sticky rice balls", "egg baking cake", "nine-grid hotpot", "sweet potato noodles", "cold skewers", "spicy mixed dish", "covered tea bowl", "ice jelly dessert", "spicy rabbit heads"],
        "labels": ["1 陈麻婆豆腐", "2 钟水饺", "3 春熙路", "4 宽窄巷子·三大炮", "5 建设路·叶婆婆蛋烘糕", "6 玉林路·小龙坎火锅", "7 香香巷·肥肠粉", "8 武侯祠大街·钵钵鸡", "9 东郊记忆·冒椒火辣", "10 人民公园·鹤鸣茶社", "11 锦里古街·冰粉", "12 双流老妈兔头"]
      },
      {
        "title": "图例",
        "position": "bottom-right",
        "count": 5,
        "items": ["red dot", "green house", "green tree", "blue line", "yellow double line"],
        "labels": ["美食地点", "地标景点", "公园绿地", "河流湖泊", "主要道路"]
      }
    ],
    "centerpiece": "giant panda sitting and eating bamboo",
    "bottom_right_extras": ["vintage compass rose with N, S, E, W", "disclaimer text '温馨提示:吃辣需谨慎,肠胃要保护~' with a red chili pepper icon"]
  }
}

3D 石阶演变信息图

原案例 / 作者：@GeekCatX

完整提示词：

{
  "type": "evolutionary timeline infographic",
  "instruction": "Using REFERENCE_0 as a structural base, transform the flat vector design into a highly realistic 3D infographic. Replace the smooth ramps with distinct stone steps and upgrade all organisms to photorealistic 3D models.",
  "style": {
    "background": "{argument name=\"background style\" default=\"vintage textured parchment paper\"}",
    "staircase": "{argument name=\"staircase material\" default=\"realistic textured stone blocks\"}",
    "subjects": "{argument name=\"organism style\" default=\"highly detailed photorealistic 3D renders\"}"
  },
  "layout": {
    "main_title": "{argument name=\"main title\" default=\"人类演化\"}",
    "sections": [
      {
        "position": "left sidebar",
        "count": 8,
        "labels": ["L0: 单细胞生命", "L1: 多细胞生物", "L2: 动物界", "L3: 脊索动物", "L4: 上陆革命", "L5: 哺乳纲", "L6: 人科演化", "L7: 智人纪元"]
      },
      {
        "position": "top right",
        "title": "获得的功能 / 失去的功能",
        "description": "Legend with plus and minus icons"
      },
      {
        "position": "bottom center",
        "title": "演化关键里程碑",
        "count": 6,
        "description": "Timeline with a silhouette graphic of 6 figures showing ape-to-human evolution"
      }
    ],
    "centerpiece": {
      "description": "Winding stone staircase with 25 numbered steps featuring specific organisms.",
      "count": 25,
      "notable_elements": [
        "Step 07: Jellyfish",
        "Step 09: Ammonite",
        "Step 10: Trilobite",
        "Step 24: Walking human",
        "Step 25: {argument name=\"future evolution concept\" default=\"glowing cosmic silhouette with a question mark\"}"
      ]
    }
  }
}

仿生 Skyray 飞机海报

原案例 / 作者：@_simonsmith

完整提示词：

{"type":"biomimetic aerospace concept poster","subject":{"vehicle":"futuristic aircraft concept","name":"{argument name=\"vehicle name\" default=\"SKYRAY\"}","inspiration":"{argument name=\"animal inspiration\" default=\"stingray\"}","design":"blended-wing-body aircraft shaped like a manta ray or stingray, wide triangular planform, smooth organic curves, sharp pointed nose, slightly raised central spine, tapered wing tips curling subtly upward, dark graphite-black metallic skin with fine panel lines and faint blue illuminated accents along edges and seams"},"style":{"mood":"premium futuristic industrial design presentation","rendering":"hyper-detailed cinematic 3D concept art mixed with blueprint visualization","color_palette":"black, charcoal, gunmetal, silver, deep ocean blue, electric cyan highlights","lighting":"low-key dramatic studio lighting with glossy reflections, cool rim light, subtle underwater ambience in the top inspiration strip"},"layout":{"background":"full black poster with faint technical grid lines and soft vignetting","sections":[{"title":"header","position":"top","count":3,"labels":["emblem mark","SKYRAY","INSPIRED BY THE SEA. ENGINEERED FOR THE SKY."]},{"title":"evolution strip","position":"upper middle","count":5,"labels":["realistic stingray underwater at far left","top-view biological stingray study","abstract aerodynamic line sketch","faceted aircraft blueprint transition drawing","final sleek aircraft concept at far right"]},{"title":"hero render","position":"center","count":1,"labels":["large three-quarter view of the aircraft"]},{"title":"technical views grid","position":"lower middle","count":6,"labels":["TOP","SIDE","FRONT","REAR","UNDERSIDE","DETAIL"]},{"title":"footer text","position":"bottom","count":1,"labels":["{argument name=\"body text\" default=\"A biomimetic high-speed aircraft concept shaped by the hydrodynamic elegance of the stingray. Its blended wing body, low-drag silhouette, and fluid control surfaces translate ocean-born efficiency into atmospheric performance.\"}"]}],"technical views":{"TOP":"top orthographic view with measurement ticks","SIDE":"thin side profile with long smooth belly curve","FRONT":"front orthographic view emphasizing broad wingspan and central cockpit hump","REAR":"rear orthographic view showing narrow tail end and wing sweep","UNDERSIDE":"underside three-quarter view","DETAIL":"close-up crop of metallic skin, seam lines, and glowing blue edge strip"}},"graphics":{"logo":"minimal four-point symmetrical emblem above title, resembling a stylized ray silhouette","arrows":"4 thin cyan arrows connecting the 5 stages in the evolution strip","typography":"widely spaced modern sans-serif uppercase text, clean luxury-tech branding"},"camera":{"hero render":"slightly elevated front-left three-quarter angle","technical views":"orthographic","inspiration image":"underwater side angle with light rays from above"},"quality":"ultra-clean, polished, high contrast, sharp, poster-ready, concept design board for aerospace branding or speculative industrial design"}

道教三魂七魄海报

原案例 / 作者：@leyu37829

完整提示词：

A highly detailed vertical Taoist esoteric infographic poster in the style of an ancient Chinese religious scroll, printed on aged beige rice paper with fine ornamental borders, inked calligraphy, faded stains, and classical diagram annotations. At the top center, large black brush-calligraphy title text reads {argument name="headline text" default="道·三魂七魄"}. Directly below the title is a smaller paragraph of classical Chinese explanatory text in neat calligraphy. The composition is perfectly symmetrical and centered on a glowing vertical spiritual axis made of white-gold energy, mist, and lightning-like qi currents running from the bottom of the page to the heavens. At the very top, above the axis, depict 3 seated Taoist immortals or deities on clouds in a golden celestial realm, arranged left, center, and right, with halos and flowing robes in muted green, cream, and blue. Beneath them, create a towering multi-layered cosmological body diagram made of 9 stacked circular realms or platforms connected by swirling clouds and luminous energy. The upper 5 larger realms represent the five zang organs as miniature mythic landscapes: 1 forested green realm labeled liver/wood, 1 fiery red-gold temple city realm labeled heart/fire, 1 yellow earth realm with terraces labeled spleen/earth, 1 silver-blue mountain-and-water realm labeled lung/metal, and 1 dark blue watery abyss realm labeled kidney/water. Place a glowing meditating figure in a bright orb at the center junction between the upper organ realms and lower spirit layers. Below these, add 7 progressively darker circular underworld-like realms for the seven po souls, each densely populated with tiny scenes of human figures, spirits, beasts, ritual activity, suffering, temptation, conflict, and karmic symbolism, all wrapped by drifting smoke and energy ribbons. At the very bottom, show a seated human figure in meditation within a root-like cavern or corporeal foundation, surrounded by chains, rocks, and embodied worldly attachments. Around the central column, include exactly 9 labeled side panels and diagrams in traditional Chinese layout: top left a bagua and yin-yang cosmology circle; top right a dotted numerological or constellation-like chart; left upper a boxed list for 3 souls; right upper a boxed list for 7 po souls; left middle a five-elements relationship diagram with 5 colored nodes; right middle a circular essence-qi-spirit cycle diagram with 3 nodes; left lower a vertical boxed list of 7 categories or stages; right lower a boxed correspondence table; bottom left a five-direction and five-element human-body relation chart; bottom right a standing and seated meridian or cultivation body diagram. Use many small Chinese labels throughout every section, with classical seal stamps in red. The overall palette is antique parchment, sepia ink, muted jade, cinnabar red, smoky gray, gold, teal, and indigo. The style should feel like a museum-quality Daoist metaphysical chart, ultra intricate, hand-painted gongbi plus ink wash illustration, sacred, mystical, scholarly, dense with symbolism, extremely fine linework, soft cloud layering, and high-resolution poster design.

复古 Claude Shannon 信息图海报

原案例 / 作者：@mob_17

完整提示词：

{"type":"vintage editorial infographic poster","subject":"Claude Shannon and information theory","style":{"era":"1940s Bell Labs archival poster","look":"aged cream paper, blueprint drafting grid, thin ink linework, muted navy and charcoal printing, subtle stains and paper wear, technical illustration mixed with newspaper editorial design","rendering":"high-detail diagrammatic collage with engraved portrait, scientific charts, labeled panels, and hand-drawn signal graphics"},"poster":{"headline":"Claude Shannon — The Architecture of Information","subheadline":"How uncertainty became measurable, and communication became engineering.","topRightMeta":{"note":"NOTE TOSELF No. 6713–2","date":"MAY 1948","subject":"A Mathematical Theory of Communication"}},"layout":{"sections":[{"title":"left archival sidebar","position":"far left vertical column","count":5,"labels":["BELL LABORATORIES MURRAY HILL, N.J.","ENGINEERING THE INTANGIBLE","CLAUDE E. SHANNON 1916–2001","TOOLS OF THE INFORMATION AGE","quote panel"]},{"title":"THE COMMUNICATION MODEL","position":"upper middle wide panel","count":5,"labels":["1 INFORMATION SOURCE","2 ENCODER","3 CHANNEL","4 DECODER","5 DESTINATION"]},{"title":"ENTROPY: THE MEASURE OF UNCERTAINTY","position":"upper right box","count":4,"labels":["H(X) = −Σ p(x) log2 p(x)","PROBABILITY DISTRIBUTION p(x)","MORE EVEN MORE MAXED UNCERTAINTY","MORE LOPSIDED LESS UNCERTAINTY"]},{"title":"lower theory panels","position":"middle to lower band","count":3,"labels":["A ENTROPY — uncertainty before a message is known","B NOISE — randomness that corrupts transmission","C Redundancy & Error Correction — structure added so signals can survive failure"]},{"title":"THEORY THAT TRANSFORMED CIVILIZATION","position":"bottom horizontal timeline","count":8,"labels":["1840s TELEGRAPHY","1876+ TELEPHONE NETWORKS","1930s–40s DIGITAL COMPUTERS","1950s–60s SATELLITE COMMUNICATION","1970s INTERNET PROTOCOLS","1980s–90s DATA COMPRESSION","1990s–2000s CRYPTOGRAPHY","2010s+ AI & INFORMATION SYSTEMS"]}],"centerpiece":"a large abstract cloud of blue and gray signal noise, dots, lines, and waveforms behind the communication model, with arrows moving left to right through the five stages"},"visualElements":{"portrait":{"subject":"{argument name=\"scientist name\" default=\"Claude Shannon\"}","placement":"left-center","style":"black-and-white archival seated portrait at a desk with the face intentionally obscured by a pale square censor block, wearing suit and tie, writing on paper"},"objectsLeft":["rotary telephone on desk","open notebook or papers","technical console with CRT screen and knobs behind portrait","small icon row of 4 tools: oscilloscope, signal meter, relay, punched tape"],"communicationModel":["book and symbols under source","binary digits under encoder","large noisy channel cloud with wave overlays","binary digits and interpretation under decoder","light bulb icon under destination"],"chartsAndDiagrams":["bar chart for entropy probabilities","two low vs high entropy mini bar charts","tree diagram and entropy notation","signal distortion sketches labeled thermal noise, cross talk, distortion","error-correction binary pipeline from original message to recovered message"],"bottomDecor":["small waveform legend with sine wave, digital signal, and noise","archival stamp or footer on lower right"]},"color":{"background":"warm ivory paper","primaryInk":"dark navy","secondaryInk":"charcoal gray","accent":"faded steel blue"},"composition":"symmetrical wide poster with dense boxed annotations, fine border lines, and a museum-quality educational infographic feel","textDensity":"very high, with many small labels, formulas, captions, and historical notes in a carefully organized grid","aspectRatio":"16:9 landscape"}

郑问致敬水墨海报

原案例 / 作者：@mob_17

完整提示词：

Create a vintage editorial poster on aged rice paper celebrating {argument name="artist name" default="CHEN UEN"}, designed like a museum infographic mixed with Chinese ink wash illustration and calligraphy. The format is a single vertically oriented poster with a weathered parchment background, ink splatters, faded handwritten annotations, red seal stamps, and a scholarly, archival atmosphere. At the very top, place large black Chinese calligraphy for the name 鄭問, followed by a slash and the romanized name {argument name="romanized name" default="CHEN UEN"} in large serif capitals, with a small red seal beside it. Under the title, add the subtitle {argument name="subtitle text" default="The Taiwanese Master Who Turned Comics into Ink-Born Epic"} in elegant reddish-brown serif text. In the center, feature a dramatic painterly scene of 1 seated male artist in a loose white shirt at a desk, holding a brush over paper, his face intentionally obscured by a soft rectangular blur. Behind him, surround him with a swirling halo-like storm of monochrome ink-brush warriors and historical figures: exact count 9 visible character figures, including armored generals, swordsmen, and mounted riders, emerging from explosive black brushwork and smoke-like ink textures. On the left side, create a vertical section titled “Life & Milestones” with a black brushstroke header and smaller Chinese subtitle text. List exactly 6 timeline entries with red year markers and bilingual captions: 1958 born in Taiwan, 1983 Warrior Panther, 1989 Abi Sword, 1990 Heroes of the Eastern Zhou, 1991 Japan Cartoonists Association Award, 2017 legacy continues. Below that, add a small section titled “Ink in Detail” containing exactly 4 boxed brush studies labeled with short English captions: Dry brush texture, Ink wash gradient, Splatter energy, Bold contour line. On the right side, create a vertical section titled “Visual Method” with a black brushstroke header and smaller Chinese subtitle text. Include exactly 5 stacked boxed studies with image-and-caption layout: Brush as blade, Ink as atmosphere, Anatomy as fate, History as theatre, Speed lines become calligraphy. In the lower center, create a section titled “Major Works Constellation” with a dark brushstroke heading. Arrange exactly 5 circular work nodes around a central ink ring with Chinese calligraphy inside. Label the 5 nodes: Abi Sword, Heroes of the Eastern Zhou, Assassin Biographies, Magical Super Asia, Game character design legacy. Each circle contains a distinct monochrome or muted-color ink illustration, with subtle connecting marks like a constellation diagram. At the lower right, add a section titled “Studio Notes” containing exactly 6 visible objects: 4 hanging calligraphy brushes, 1 ink bowl, and 1 painter’s palette with blue and red pigment; beneath them place a sketchbook page with light pencil figure studies. Across the bottom, add a wide section titled “Why He Matters” with a black brushstroke header and smaller Chinese subtitle text, followed by a paragraph of serif body text in English describing his importance to comics, painting, calligraphy, cinema, and epic storytelling. Use a restrained palette of sepia, black ink, off-white paper, muted gray, with small accents of deep red and occasional blue. The whole image should feel like a refined cultural tribute poster, dense but balanced, highly detailed, painterly, and authentic to Chinese ink aesthetics.

水象星座角色海报

原案例 / 作者：@komorimedia

完整提示词：

{"type":"Chinese zodiac-style character infographic poster","subject":"twelve zodiac character list, water signs edition","language":"Traditional Chinese","format":"vertical poster","style":{"overall":"elegant anime-inspired character catalog with editorial infographic layout","rendering":"soft polished digital illustration, pastel gradients, delicate sparkles, ornamental border design","mood":"dreamy, celestial, refined, feminine, aquatic"},"canvas":{"aspect_ratio":"2:3","background":"very light pearl white with pale blue-lavender tint, subtle texture, thin decorative frame with filigree corners and tiny stars"},"header":{"title":"{argument name=\"headline text\" default=\"十二星座角色清單|水象星座\"}","subtitle":"感受・直覺・共鳴","icons":["small stars","water droplet emblem in top right","curled cloud-like line art in top left"]},"layout":{"sections_count":3,"sections":[{"title":"巨蟹座 Cancer","position":"top panel","theme_color":"powder blue","zodiac_symbol":"Cancer glyph inside circle at left","constellation":"Cancer constellation at upper right","count":6,"labels":["元素:水","概念:情感守護者,把人放在心上","性格:溫柔、敏感、顧家","行動原則:先確認感受,再保護重要的人","戀愛傾向:慢慢靠近,越熟越黏","人際怪癖:嘴上說沒事,實際會記很久"],"character":{"identity":"same young woman model reimagined as zodiac character","pose":"half-body portrait, facing forward, arms gently wrapped around a large seashell pillow","hair":"long dark hair in a low ponytail","outfit":"light blue celestial slip dress with lace trim and sheer cardigan embroidered with stars and moons","accessories":"minimal jewelry","background":"soft blue night sky with crescent moon, seashell, sparkling stars, stylized ocean wave and tiny water droplets"}},{"title":"天蠍座 Scorpio","position":"middle panel","theme_color":"deep violet","zodiac_symbol":"Scorpio glyph inside circle at left","constellation":"Scorpio constellation at upper right","count":6,"labels":["元素:水","概念:深海偵察者,情緒有深度","性格:專注、神秘、意志強","行動原則:先觀察,再一擊到位","戀愛傾向:愛得深,重忠誠與獨占感","人際怪癖:越在乎越不說,會偷偷試探"],"character":{"identity":"same young woman model reimagined as zodiac character","pose":"half-body portrait, one hand near chin in a composed, enigmatic gesture","hair":"long dark ponytail","outfit":"black semi-sheer dress with gothic details and a dark plum off-shoulder shawl","accessories":"dangling earrings and layered necklace","background":"dark purple celestial sea scene with crescent moon, bubbles, stars, and curling misty water shapes"}},{"title":"雙魚座 Pisces","position":"bottom panel","theme_color":"lavender","zodiac_symbol":"Pisces glyph inside circle at left","constellation":"Pisces constellation at upper right","count":6,"labels":["元素:水","概念:夢境共感者,靠直覺導航","性格:浪漫、柔軟、有想像力","行動原則:先感受,再順流找答案","戀愛傾向:容易心動,渴望靈魂陪伴","人際怪癖:常把別人的情緒也一起感受"],"character":{"identity":"same young woman model reimagined as zodiac character","pose":"half-body portrait, one hand lifted as if balancing floating bubbles, other hand resting lightly at chest","hair":"long dark ponytail with a pale flower hair ornament","outfit":"translucent lavender fantasy dress with soft draped sleeves and shimmering fabric","accessories":"delicate earrings and necklace","background":"pale lilac underwater-celestial blend with bubbles, sparkles, and flowing translucent wave forms"}}],"dividers":"three horizontal framed panels with thin ornamental borders"},"footer":{"center_icon":"small blue seashell emblem","decorations":["tiny stars","fine scrollwork"]},"constraints":["all three zodiac entries must use the same woman as the base character with different styling, clothing, pose, and mood","text should be clean, editorial, and readable","each panel should clearly separate illustration area on the left and text block on the right","maintain cohesive water-element theme across all 3 signs","do not include the other nine zodiac signs in this image"]}

土象星座角色海报

原案例 / 作者：@komorimedia

完整提示词：

{"type":"vintage zodiac character infographic poster","theme":"earth signs only","language":"Traditional Chinese","style":{"overall":"elegant editorial infographic with soft anime-inspired live-action portrait compositing","palette":"warm beige, cream, taupe, olive-gray, muted brown, antique gold","mood":"stable, refined, calm, practical","texture":"aged paper background with subtle speckles and thin ornamental borders","rendering":"clean high-resolution print poster, soft lighting, delicate botanical and celestial line art"},"poster":{"orientation":"vertical","aspect_ratio":"3:4","title":"十二星座角色清單|土象星座","subtitle":"穩定・務實・沉著","decorations":["ornamental corner filigree","small gold sparkles","botanical branches","mountain illustrations","thin panel dividers"],"sections_count":3},"layout":{"sections":[{"title":"金牛座 Taurus","position":"top","count":1,"labels":["元素:土","概念:感官收藏家,穩穩生活","性格:務實、耐心、重享受","行動原則:先確認值得,再長線投入","戀愛傾向:慢熱但專情,重安全感","人際怪癖:對喜歡的人會默默餵食"]},{"title":"處女座 Virgo","position":"middle","count":1,"labels":["元素:土","概念:秩序管理者,細節控場","性格:理性、細膩、可靠","行動原則:先整理,再精準出手","戀愛傾向:用照顧和實際行動表達喜歡","人際怪癖:嘴上挑剔,心裡其實很在乎"]},{"title":"摩羯座 Capricorn","position":"bottom","count":1,"labels":["元素:土","概念:登峰實幹家,目標導向","性格:穩重、自律、有責任感","行動原則:先規劃,再穩定推進","戀愛傾向:慢熟務實,願意長期承諾","人際怪癖:關心常包裝成提醒與安排"]}],"centerpiece":"three stacked horizontal character cards, each with a portrait on the left and text profile on the right"},"character":{"identity":"the same young East Asian woman appears in all 3 sections","age":"early 20s","hair":"long dark brown to black hair in a low ponytail with side part","face":"soft feminine features, natural makeup, calm expression","customization":"keep the same base character across all zodiac entries, differentiated by wardrobe, pose, props, and themed background motifs"},"cards":[{"sign":"Taurus","symbol":"♉","portrait":{"pose":"waist-up, slightly turned, holding a ceramic mug with both hands","outfit":"cream knit sleeveless top under a soft sage-gray cardigan with delicate floral embroidery","expression":"gentle, relaxed, nurturing","props_count":1,"props":["mug"]},"background":"large pale circular halo, floral branch illustration, soft botanical motifs, small mountain drawing in upper right","visual_concept":"comfort, sensuality, domestic calm, slow living"},{"sign":"Virgo","symbol":"♍","portrait":{"pose":"waist-up, one hand holding a pen near the chin, the other arm holding an open notebook or planner","outfit":"light cream blouse with a bow tie collar under a pale sage vest with gold buttons","expression":"thoughtful, analytical, composed","props_count":2,"props":["pen","notebook"]},"background":"fine geometric diagram lines, botanical sprigs, diamond emblem with leaf motif","visual_concept":"order, precision, intelligence, organization"},{"sign":"Capricorn","symbol":"♑","portrait":{"pose":"waist-up, arms crossed, confident upright stance","outfit":"charcoal tailored blazer over a dark vest and crisp white shirt, small round lapel pin","expression":"serious, disciplined, self-assured","props_count":0,"props":[]},"background":"dramatic layered mountain landscape in sepia tones with subtle star-like sparkles","visual_concept":"ambition, endurance, authority, climbing toward goals"}],"typography":{"title_font":"classic high-contrast serif Chinese type","sign_name_font":"large bold Chinese serif with elegant italic Latin zodiac name","body_font":"clean readable Chinese print font","icon_style":"filled circular brown icons next to each bullet line"},"composition":{"margin":"generous cream margins","panel_style":"rounded rectangular panels with thin gold-brown borders","spacing":"even vertical stacking with narrow separators","text_alignment":"left-aligned profile bullets on the right side of each card"}}

火象星座角色海报

原案例 / 作者：@komorimedia

完整提示词：

A polished vertical infographic poster in elegant East Asian editorial style, themed around the fire signs of the zodiac using one consistent female character reimagined in three different costumes. Cream parchment background with thin ornamental borders, small corner flourishes, tiny sparkles, and warm red-orange-gold accents throughout. Large Chinese headline at the top reading {argument name="headline text" default="十二星座角色清單|火象星座"}, with a smaller subheading beneath reading {argument name="subheading text" default="熱情・行動・勇氣"}, and a decorative flame icon at the top right. The layout contains exactly 3 stacked profile panels with rounded rectangular borders and generous margins: Aries on top, Leo in the middle, Sagittarius on the bottom. Each panel is split visually with the character on the left and a text/spec area on the right, plus a zodiac symbol badge on the far left and a small constellation diagram on the far right.

Use the same young East Asian woman in all 3 panels, slim build, long dark hair in a high ponytail, shown from about thigh-up to waist-up, facing slightly toward camera, styled as a fashion-model zodiac character sheet. Keep facial features neutral and refined, clean beauty lighting, soft airbrushed illustration-photo composite look.

Panel 1: Aries. Chinese title and English subtitle: "牡羊座 Aries". Dominant color scheme: vivid red with warm coral highlights. Zodiac symbol badge shows Aries glyph. Constellation on the right. Behind the character, faint circular mystical line art and flame motifs. Outfit: sporty warrior idol styling with a white crop top, red open short-sleeve jacket with gold trim, red belt, and red wrist wraps or fingerless arm accessories. Pose: confident, energetic, one fist raised near the shoulder and the other hand on her hip. Include exactly 6 info lines with small circular icons before each line, all in Chinese: 1) "元素:火" 2) "概念:點火者,直覺先行" 3) "性格:熱情、直接、好勝" 4) "行動原則:先衝再修正" 5) "戀愛傾向:心動就追,喜歡熱烈互動" 6) "人際怪癖:嫌節奏太慢時會自己接手".

Panel 2: Leo. Chinese title and English subtitle: "獅子座 Leo". Dominant color scheme: gold, champagne, and soft amber. Zodiac symbol badge shows Leo glyph. Constellation on the right. Background includes radiant sunburst styling and a faint majestic lion illustration silhouette behind the character. Outfit: glamorous regal gown in pale gold with ornate embroidery, jeweled bodice details, flowing translucent cape sleeves, elegant necklace, and a small crown or tiara. Pose: poised and queenly, one hand lightly touching the chest or collarbone, shoulders open, projecting confidence and star power. Include exactly 6 info lines with small circular icons before each line, all in Chinese: 1) "元素:火" 2) "概念:舞台中心,自帶光芒" 3) "性格:大方、自信、要面子" 4) "行動原則:先定氣場,再帶隊前進" 5) "戀愛傾向:喜歡被偏愛,也樂於寵人" 6) "人際怪癖:明明在意,卻要裝沒事".

Panel 3: Sagittarius. Chinese title and English subtitle: "射手座 Sagittarius". Dominant color scheme: rust red, burnt orange, brown leather, and warm ivory. Zodiac symbol badge shows Sagittarius glyph. Constellation on the right. Background features faint compass-circle graphics and flame accents. Outfit: adventurous archer styling with an ivory blouse, red scarf, brown leather harness straps, utility belt, and arm bracers. Pose: dynamic action shot drawing a bow, arrow aimed to the right, with a small glowing spark at the bow grip or arrow rest. Include exactly 6 info lines with small circular icons before each line, all in Chinese: 1) "元素:火" 2) "概念:自由旅人,邊走邊發現" 3) "性格:樂觀、坦率、好奇" 4) "行動原則:先出發,路上再找答案" 5) "戀愛傾向:喜歡輕鬆真誠,不愛被綁住" 6) "人際怪癖:聊到一半常被新鮮事帶走".

Overall design should feel premium, feminine, mystical, and collectible, like a social-media-ready zodiac character list poster. Use elegant serif-style Chinese typography for the main sign names and italic calligraphic English for Aries, Leo, and Sagittarius. Keep all text crisp, aligned, and readable. Add one small decorative fire emblem centered near the bottom border. Aspect ratio 3:4 portrait.

风象星座角色海报

原案例 / 作者：@komorimedia

完整提示词：

{"type":"Chinese zodiac-themed character infographic poster","format":"vertical poster","aspect_ratio":"3:4","style":"clean pastel editorial infographic with anime-inspired fashion photography, soft magical accents, elegant horoscope design, premium magazine layout","background":{"color":"warm ivory","border":"thin decorative gold frame with small ornamental corners and tiny sparkles","top_right_motif":"large pale air-element swirl ornament"},"title_block":{"headline":"十二星座角色清單|風象星座","subheadline":"靈活・交流・思辨","alignment":"top center","headline_color":"deep desaturated blue","subheadline_color":"muted gold"},"subject":{"count":3,"description":"the same young East Asian woman used as the base character appears in 3 separate horoscope panels, each shown from about thigh-up to waist-up with long dark hair and soft feminine styling, photographed frontally and integrated into illustrated pastel zodiac backdrops"},"layout":{"sections":[{"title":"雙子座 Gemini","position":"top panel","count":1,"theme_color":"butter yellow and cream","zodiac_symbol":"Gemini glyph inside a circle on the left","constellation":"small Gemini constellation in the upper right","character_pose":"playful double peace signs raised beside her face","outfit":"pale yellow cardigan over a white ribbed crop top, light bottoms, yellow belt, delicate necklace","background_motifs_count":4,"background_motifs":["speech bubble icon","sparkles","curved flowing lines","soft dots"],"text_items_count":6,"text_items":["元素:風","概念:資訊玩家,靈感跳接","性格:機靈、善聊、多變","行動原則:先交流,再快速轉向","戀愛傾向:喜歡有趣互動與腦力火花","人際怪癖:話題切換速度快到像開分頁"]},{"title":"天秤座 Libra","position":"middle panel","count":1,"theme_color":"blush pink and pastel lavender","zodiac_symbol":"Libra glyph inside a circle on the left","constellation":"small Libra constellation in the upper right","character_pose":"one hand raised open-palmed as if presenting balance, the other hand near her chin in an elegant thoughtful pose","outfit":"pink blazer draped over shoulders, pastel pink-and-blue wrapped dress, jeweled belt, earrings, necklace, bracelet","background_motifs_count":4,"background_motifs":["scales illustration","flowing ribbon-like swirls","sparkles","soft gradient haze"],"text_items_count":6,"text_items":["元素:風","概念:關係設計師,追求平衡","性格:優雅、圓融、審美強","行動原則:先衡量,再找最順解法","戀愛傾向:重氛圍與互相體面","人際怪癖:選太久,但又很會照顧場面"]},{"title":"水瓶座 Aquarius","position":"bottom panel","count":1,"theme_color":"lavender, icy blue, and silver","zodiac_symbol":"Aquarius glyph inside a circle on the left","constellation":"small Aquarius constellation in the upper right","character_pose":"holding and tilting a futuristic transparent vessel as glowing water-like energy pours out in looping streams","outfit":"metallic silver crop top and skirt set with translucent iridescent jacket, futuristic straps, reflective accessories","background_motifs_count":4,"background_motifs":["glowing circular energy rings","constellation lines","sparkles","light trails"],"text_items_count":6,"text_items":["元素:風","概念:未來觀察員,規則改革者","性格:獨立、理想派、腦洞大","行動原則:先思考原理,再另闢路線","戀愛傾向:重精神共鳴,也需要個人空間","人際怪癖:忽冷忽熱,其實是在充電"]}],"panel_count":3},"typography":{"languages":["Traditional Chinese","English zodiac names"],"headline_font":"elegant high-contrast serif","body_font":"clean legible Chinese serif or sans-serif hybrid","zodiac_english":"italic calligraphic serif"},"visual_rules":{"each_panel_has":8,"panel_elements":["left zodiac glyph badge","center-left character","right text block","English zodiac name","small constellation","pastel illustrated background motifs","thin panel border","6 bullet-style info lines with icons"],"spacing":"generous margins and symmetrical alignment","render_quality":"high resolution, crisp print-ready infographic"}}

藏族礼仪帽民族志图版

原案例 / 作者：@degewa

完整提示词：

Using REFERENCE_0 and REFERENCE_1, create a clean ethnographic archive plate focused on the ceremonial hat. Use REFERENCE_0 as the historical Tibetan context and silhouette reference, and REFERENCE_1 as the color, material, and ornament reference for the hat. Isolate and reconstruct the hat as a museum-style object study, removing the seated body as the main subject. Present the hat on an off-white document page as a scholarly catalog sheet in Chinese with small romanization. Add 8 numbered callouts around the object with fine dashed leader lines, each pointing to a specific structural detail. The centerpiece should be one large three-quarter underside view of the hat. Also include exactly 4 supplementary views/details: 1 side-profile wearing sketch with a faint line-drawn bust, 1 underside interior view, 1 top-down view, and 2 square close-up material swatches. Add exactly 4 thread-color samples near the lower right: blue, red, white, and yellow. At the top center, add the large title {argument name="headline text" default="唐徐帽"} with the romanization {argument name="romanization" default="(thang zhwa)"} beneath it, plus a smaller subtitle describing it as a summer ceremonial hat of high-ranking Tibetan monks. In the upper left, add a boxed metadata panel with multiple short Chinese fields, and in the upper right add a plate number reading {argument name="plate number" default="图版 No. 27"}. At the bottom, add one bordered note paragraph in Chinese. Overall style: meticulous archival infographic, anthropological catalog illustration, historically informed, precise woven texture, ivory-gold base with blue and red ornament, elegant print layout, thin rules and decorative divider marks, high-detail object rendering on a plain paper background.

复古 PRS 吉他谱系海报

原案例 / 作者：@GlennHasABeard

完整提示词：

{"type":"luxury vintage guitar comparison infographic poster","subject":"a highly detailed, vertically oriented PRS electric guitar lineup chart designed like a premium museum poster or collector's reference board","style":"ornate, dark, glossy, high-contrast, gold-foil typography, elegant wood-and-metal textures, symmetrical grid layout, premium catalog aesthetic, subtle vintage patina, ultra sharp graphic design","branding":{"main headline":"THE LEGENDARY LINEAGE OF {argument name=\"brand name\" default=\"PRS GUITARS\"}","subheadline":"EVERY ICON. EVERY LINE. ONE HERITAGE.","signature":"Paul Reed Smith","left seal":"PAUL REED SMITH GUITARS","right seal":"MADE IN MARYLAND U.S.A."},"palette":{"background":"black and deep charcoal with dark figured wood accents","primary":"antique gold","secondary":"cream","accent colors":["deep green","teal","royal blue","purple","gold","burgundy"]},"layout":{"format":"single-page vertical poster","header":{"position":"top","elements":["large central title","small tagline below","script signature","2 circular emblems in upper left and upper right","3 horizontal legend boxes under the title"]},"sections":[{"title":"PRESTIGE TIER KEY","position":"upper left below title","count":6,"labels":["SE","S2","CE","CORE","WOOD LIBRARY","PRIVATE STOCK"]},{"title":"PICKUP ICON KEY","position":"upper center-right below title","count":7,"labels":["HH","HSH","P-90","SOAP","58/15","TCI","Bass"]},{"title":"TONAL CHARACTER KEY","position":"upper right below title","count":7,"labels":["Warm / Vintage","Balanced / All-around","Bright / Articulate","High Gain / Modern","Blues / Classic Rock","Metal / Progressive","Funk / Soul / Clean"]},{"title":"CORE","position":"first main row left label","count":7,"labels":["Custom 24","McCarty 594","DGT (David Grissom)","Custom 22","Hollowbody II","SC 594","row category panel"]},{"title":"S2","position":"second main row left label","count":6,"labels":["S2 Custom 24","S2 McCarty 594","S2 Standard 24","S2 Vela","S2 Singlecut","S2 Mira"]},{"title":"SE","position":"third main row left label","count":6,"labels":["SE Custom 24","SE Standard 24","SE Paul's Guitar","SE Santana","SE Hollowbody II","SE Mark Holcomb"]},{"title":"CE","position":"fourth main row left label","count":6,"labels":["CE 24","CE 22","CE 24 Semi-Hollow","CE 24 Floyd","CE 24 Satin","CE Bass"]},{"title":"BOLT-ON SERIES","position":"fifth main row left label","count":6,"labels":["NF 53","Silver Sky","NF 3","NF 53 Satin","DGT Bolt-On","Studio"]},{"title":"PRIVATE STOCK","position":"sixth main row left label","count":6,"labels":["Dragon I","Frostbite","#4004","The Tree of Life","#8731","PS DGT"]}],"footer":{"position":"bottom","elements":["small badge at lower left","centered company line","right-side script signature"]}},"content grid":{"total guitar models shown":37,"card design":"each product card contains a guitar render, model name, year, small pickup icons, a short descriptive blurb, and origin/wood specs at the bottom","row side panels":6},"visual details":{"guitars":"front-facing electric guitars with varied body shapes and highly polished figured maple tops, metallic and transparent finishes, some solid colors, some natural wood","typography":"all caps serif headlines, small serif body text, script signature accents","borders":"thin decorative gold rules around every panel and the full poster","lighting":"studio-lit instruments against dark panel backgrounds","render quality":"clean infographic precision with realistic product renders"},"camera":"straight-on flat poster view, no perspective distortion, centered composition","quality":"ultra detailed, print-ready, high-resolution editorial infographic, luxury brand poster"}

阿里山一日游旅行海报

原案例 / 作者：@TWnese

完整提示词：

Create a vintage illustrated travel poster in traditional Chinese for {argument name="destination name" default="阿里山國家風景區"}, designed as a one-day itinerary infographic with a split vertical layout. The left panel is a parchment-textured itinerary card in warm beige with ornate gold Art Nouveau borders and dark brown typography, and the right panel is a dramatic painted fantasy-realism map scene of a mountain journey at sunrise and sunset tones. At the top of the left panel, large headline text reads {argument name="headline text" default="阿里山國家風景區一日遊"}. Beneath it, include a short centered tagline in traditional Chinese: 「一座高山,五個經典景點。難忘的奇幻旅程。」 with a small decorative mountain divider. The left panel must contain exactly 5 numbered itinerary stops stacked vertically, each with a circular black-and-gold number badge, a small vignette illustration, a bold location name, a time in parentheses, and a short Chinese description. The 5 stops are: 1. 「阿里山車站」 at 「(8:00 AM)」 with a wooden mountain railway station illustration and description 「開啟探索神木與森林的旅程。」 2. 「阿里山森林鐵路」 at 「(9:30 AM)」 with a red-and-black steam train illustration and description 「穿越森林,體驗百年林鐵風情。」 3. 「神木區棧道」 at 「(11:30 AM)」 with giant cedar trees and elevated wooden boardwalk illustration and description 「漫步千年巨木下,感受森林靈氣。」 4. 「姊妹潭」 at 「(1:30 PM)」 with a tranquil forest lake and pavilion illustration and description 「欣賞靜謐湖光,聆聽自然樂章。」 5. 「小笠原山展望台」 at 「(4:00 PM)」 with a wooden observation deck above clouds at sunset illustration and description 「觀賞壯闊山景與雲海,欣賞日落。」 The right panel should depict a continuous glowing golden path winding through exactly 5 numbered map markers that match the left panel labels in order, with black-and-gold marker plaques reading: 1 「阿里山車站」, 2 「阿里山森林鐵路」, 3 「神木區棧道」, 4 「姊妹潭」, 5 「小笠原山展望台」. Show stop 1 as a rustic alpine wooden station perched on a cliff among pine forests; stop 2 as a small steam locomotive traveling on a curved mountain railway with smoke drifting upward; stop 3 as towering ancient red cypress trees with a spiral and zigzag wooden walkway around the trunks; stop 4 as an emerald lake surrounded by dense forest with a small pavilion and arched bridge; stop 5 as a lookout deck on a peak above a sea of clouds, facing a glowing sunset. The environment should feature layered mountain ranges, mist-filled valleys, evergreen forests, golden-hour light, luminous cloud seas, and a romantic painterly atmosphere with rich detail. At the bottom right, add a decorative compass rose labeled N, E, S, W, plus a dark green and gold information box with exactly 2 stats in traditional Chinese: 「總距離 ~9公里 / 5.6英里」 and 「預計時間 全天 - 14,500步」. Overall style: premium tourism poster, painterly digital illustration, nostalgic national-park brochure aesthetic, highly detailed, warm sepia and gold accents, elegant composition, readable Chinese text, vertical 2:3 poster.

舞蹈动作参考表

原案例 / 作者：@Ciri_ai

完整提示词：

[STYLE]
monochromatic grayscale illustration, 3D rendered character, clean instructional reference sheet, 
white background, comic-style cell grid layout, technical diagram aesthetic

[LAYOUT]
4x4 grid layout, 16 panels total, each panel separated by thin black border lines, 
numbered cells from 1 to 16, consistent panel size

[CHARACTER]
{argument name="character" default="young female dancer, athletic build, ponytail hairstyle, crop top and baggy pants, sneakers"}, same character in all panels

[PANEL STRUCTURE - per cell]
top-left: bold number badge + {argument name="title" default="Korean title text"}
center: full-body character pose illustration
bottom-left: {argument name="description" default="Korean description text (3-4 lines)"}
overlay: directional arrows indicating movement direction

[ARROWS / MOTION INDICATORS]
curved arrows, straight arrows, circular rotation indicators, 
placed around the character to show movement flow and direction

[RENDERING STYLE]
high detail 3D sculpt style, soft studio lighting, subtle shadows, 
no color, grayscale shading, clean linework, game concept art quality

[NEGATIVE]
no background scenery, no color tones, no extra characters, 
no cluttered backgrounds

动漫博物馆背景转换

原案例 / 作者：@Dakiny

完整提示词：

Using the provided reference photo, recreate the same museum facade and frontal composition as a polished theatrical anime background illustration. Keep the architecture, signage, 3 flagpoles, broad steps, and overall layout consistent, but convert the image from realistic photography into a highly detailed hand-painted anime film style with clean linework, soft cel shading, gentle pastel stone colors, and crisp atmospheric lighting. Add dramatic sunlight from the upper right so the glass pyramid casts a large geometric lattice shadow across the central wall and left side of the entrance. Simplify and stylize the people into anime background characters, keeping the 2 visible groups: 1 lone figure on the left and 1 small cluster of 7 people near the center-right entrance. Preserve the clear blue-sky daytime mood while making the scene feel elegant, refined, and cinematic.

16 姿势舞蹈战斗参考表

原案例 / 作者：@ExquisitMe

完整提示词：

{"type":"pose reference sheet","subject":{"theme":"hip-hop dance and combat-ready movement chart","character":{"count":1,"gender_presentation":"female","age_appearance":"young adult","body_type":"fit athletic dancer","skin_tone":"light tan","hair":{"color":"black","style":"high ponytail with loose strands"},"outfit":{"count":5,"items":["white sports bra or cropped athletic top","baggy purple jogger pants","white chunky sneakers","purple wristbands or forearm bands on both arms","small hoop earrings"]}}},"style":{"image_type":"photorealistic studio pose sheet","lighting":"clean even studio lighting","background":"plain light gray to white seamless backdrop","camera":"full-body framing, straight-on view, consistent distance","rendering":"sharp realistic anatomy, dynamic motion, slight shadow under feet","face":"intentionally blurred or obscured"},"layout":{"grid":{"rows":4,"columns":4,"count":16},"numbering":{"count":16,"labels":["1","2","3","4","5","6","7","8","9","10","11","12","13","14","15","16"],"position":"top-left corner of each cell"},"cell_borders":"thin black divider lines between all panels"},"poses":{"count":16,"items":[{"label":"1","description":"wide low squat, knees bent outward, torso angled slightly left, both arms extended loosely in a defensive dance stance"},{"label":"2","description":"deep side lunge to the left, left arm pointing straight left, right hand near the head, energetic directional pose"},{"label":"3","description":"low crouch with one hand touching the floor, one knee bent under the body, opposite arm extended horizontally"},{"label":"4","description":"upright one-leg balance, left knee lifted high, both arms spread outward for rhythm and balance"},{"label":"5","description":"similar one-leg raised pose with the other leg supporting, arms stretched outward in a lighter dance variation"},{"label":"6","description":"very wide grounded squat, torso pitched forward, one hand reaching toward the floor between the legs, other arm extended back"},{"label":"7","description":"dramatic standing back arch, chest lifted upward, hips forward, both arms opened behind and to the sides"},{"label":"8","description":"small jump or suspended squat, both feet off the floor, knees bent, arms spread wide symmetrically"},{"label":"9","description":"floor-supported seated lean, one hand planted behind, one arm reaching diagonally upward, legs bent to one side"},{"label":"10","description":"front-facing balance with one knee raised to hip height, one arm bent in guard position and the other extended sideways"},{"label":"11","description":"deep lateral stance, feet far apart, knees bent, both hands raised open near shoulder level like a ready combat pose"},{"label":"12","description":"low side lunge split, one hand planted on the floor, the other arm reaching vertically overhead, torso arched upward"},{"label":"13","description":"standing backward lean with relaxed bent knees, chest up, arms hanging loosely behind in a groove pose"},{"label":"14","description":"compact twisting crouch, weight low over bent legs, torso rotated, one arm pulled in and the other extended outward"},{"label":"15","description":"very wide side lunge stretch, one hand to the floor near the front foot, opposite arm reaching diagonally overhead"},{"label":"16","description":"one-leg lifted pose with knee high, one hand behind the head and the other arm extended forward, confident finishing stance"}]},"composition":"show the same dancer in all 16 panels with consistent outfit and scale, centered within each frame, designed like a movement library or choreography reference chart"}

16 格舞蹈姿势参考表

原案例 / 作者：@ExquisitMe

完整提示词：

{"type":"dance pose reference sheet","style":"clean studio pose chart, photoreal fitness-dance reference, white seamless background, sharp full-body photography, soft even lighting, minimal shadows, thin black grid lines separating panels","subject":{"count":1,"person":{"gender_presentation":"female","age_appearance":"young adult","build":"slim athletic toned dancer","skin_tone":"light tan","hair":{"color":"{argument name=\"hair color\" default=\"dark brown\"}","style":"high ponytail with loose strands"},"outfit":{"count":3,"items":["white fitted sports bra or cropped athletic tank","baggy blue-gray jogger pants","white sneakers"]}}},"layout":{"rows":4,"columns":4,"total_panels":16,"numbering":"black panel numbers in the top-left corner of each cell, labeled 1 through 16","sections":[{"title":"pose grid","position":"full page","count":16,"labels":["1","2","3","4","5","6","7","8","9","10","11","12","13","14","15","16"]}]},"poses":{"count":16,"items":[{"panel":1,"description":"wide stance, knees bent, torso upright, right arm extended straight to the right in a pointing gesture, left arm bent near the body"},{"panel":2,"description":"deep low squat facing forward, feet wide apart, one hand lifted in front of the chest, the other resting near the thigh"},{"panel":3,"description":"low floor-supported pose, leaning back on one hand with hips low, one knee bent under the body, opposite arm stretched diagonally upward"},{"panel":4,"description":"standing on one leg with the other knee raised, one arm curved overhead, opposite arm extended to the right in a strong dance line"},{"panel":5,"description":"deep squat with legs wide, one hand on thigh and the other arm reaching straight upward"},{"panel":6,"description":"light upright pose with one knee lifted and both arms relaxed outward for balance"},{"panel":7,"description":"wide stance with both arms crossed tightly in front of the chest, feet planted apart"},{"panel":8,"description":"low crouch close to the floor, one hand braced on the ground, the other arm crossing the torso"},{"panel":9,"description":"dynamic side-leaning wide stance, one arm bent upward beside the head, opposite arm pointing strongly to the right"},{"panel":10,"description":"compact crouch with weight centered low, one elbow resting near a knee and head tilted slightly downward"},{"panel":11,"description":"deep side lunge with one leg extended long to the side, one hand on the floor and the other arm reaching straight up"},{"panel":12,"description":"upright wide-legged stance, one arm extended vertically overhead, the other hand relaxed near the hip"},{"panel":13,"description":"standing balance pose with one knee raised and both hands held low near the thighs"},{"panel":14,"description":"low horse stance with knees bent wide and forearms crossed in front of the chest"},{"panel":15,"description":"kneeling or very low crouched pose with one hand on the floor and the other resting on the raised knee"},{"panel":16,"description":"high side kick, balancing on one leg while the other leg extends horizontally, both arms bent in a guarded fighting pose"}]},"intent":"a {argument name=\"sheet purpose\" default=\"dance move sheet chart that can also be used for combat pose reference\"}, emphasizing silhouette variety, balance, rhythm, and dynamic athletic body lines","image_size":"landscape 16:9"}

16 格女性舞蹈姿势表

原案例 / 作者：@ExquisitMe

完整提示词：

{"type":"pose reference sheet","subject":{"count":1,"description":"a fit young woman dancer shown repeatedly in a clean studio reference layout","appearance":{"gender":"female","age":"young adult","build":"athletic, toned midriff","skin tone":"light to medium tan","hair":{"color":"dark brown","style":"high messy ponytail with loose strands framing the face"},"expression":"neutral to focused"},"wardrobe":{"top":"charcoal gray sports bra or cropped athletic bralette","bottom":"oversized dark gray parachute cargo pants with gathered ankles","shoes":"white sneakers","accessories":["black wristband or fingerless glove on one hand","subtle sporty styling"]}},"layout":{"background":"plain white seamless studio background","grid":{"rows":4,"columns":4,"count":16,"cell labels":["1","2","3","4","5","6","7","8","9","10","11","12","13","14","15","16"]},"style":"clean contact-sheet or choreography chart with thin black dividers between panels and small black numbers at the upper left of each panel"},"poses":[{"label":"1","description":"relaxed standing pose, weight on one leg, one hand near hip, slight contrapposto"},{"label":"2","description":"wide low dance stance, one arm bent behind the head, the other arm extended and pointing to the right"},{"label":"3","description":"legs spread in a grounded stance, torso slightly tilted, one hand resting near the upper thigh"},{"label":"4","description":"very low wide squat facing forward, torso leaning back, one hand near the face and the other near the thigh"},{"label":"5","description":"wide side lunge stance, one arm arched overhead, the other arm extended outward in a stylized dance line"},{"label":"6","description":"balancing on one leg with the other knee lifted high, one hand near the face in a punchy hip-hop pose"},{"label":"7","description":"floorwork pose supported by one hand on the ground, torso reclined sideways, legs bent and lifted in a dynamic breakdance-like position"},{"label":"8","description":"casual upright pose with one hand behind the head and one knee bent upward"},{"label":"9","description":"one-legged balance pose with the lifted knee bent, both arms extended outward for motion and rhythm"},{"label":"10","description":"low kneeling or crouched pose, one knee up and one knee down, one arm thrust forward toward the viewer"},{"label":"11","description":"deep squat with legs apart, one arm curved overhead in a dramatic arc"},{"label":"12","description":"standing lean to one side with one arm extended sideways and the other hand near the hip or thigh"},{"label":"13","description":"reclining floor pose supported by one hand behind the body, one leg bent and one leg extended"},{"label":"14","description":"upright standing pose with one arm fully extended and pointing to the right"},{"label":"15","description":"front-facing pose stepping forward with one knee lifted, one arm reaching or pointing forward"},{"label":"16","description":"wide confident stance with one arm pointing diagonally upward to the right"}],"rendering":{"medium":"photorealistic studio fashion and dance reference image","lighting":"soft even studio lighting with faint shadows beneath the feet and body","camera":"full-body framing, straight-on view, consistent distance in every panel","quality":"sharp, high-resolution, realistic anatomy and fabric folds"}}

16 姿势舞蹈参考表

原案例 / 作者：@ExquisitMe

完整提示词：

{"type":"pose reference sheet","subject":{"category":"female dancer fitness model","age_appearance":"young adult","build":"slim athletic","hair":{"color":"dark brown","style":"high ponytail"},"outfit":{"top":"light gray or white sports bra crop top","bottom":"baggy light gray sweatpants","shoes":"white sneakers"},"face":"softly blurred or de-emphasized facial features"},"style":{"image_type":"studio dance pose chart","background":"clean seamless white background","lighting":"bright even studio lighting with minimal shadows","color_palette":"neutral whites and light grays","camera":"full-body framing, straight-on view, consistent distance","rendering":"photorealistic"},"layout":{"grid":{"rows":4,"columns":4,"count":16,"border":"thin black dividers between cells"},"numbering":{"count":16,"labels":["1","2","3","4","5","6","7","8","9","10","11","12","13","14","15","16"],"position":"top-left corner of each panel"},"sections":[{"title":"row 1","position":"top","count":4,"labels":["1 side lunge with one arm extended straight sideways and the other bent near chest","2 low floor pose leaning on one hand with one knee down and opposite arm arched upward","3 wide squat facing front with both arms opened in angular dance position","4 standing balance on one leg with opposite knee lifted and forearms crossed near chest"]},{"title":"row 2","position":"upper-middle","count":4,"labels":["5 deep backbend in wide stance with torso arched and one arm curved overhead","6 wide squat with one hand behind head and the other arm pointing outward","7 kneeling side stretch with one hand on floor and opposite arm reaching straight up","8 standing arabesque-style extension with torso tilted forward and one leg lifted high behind/sideways"]},{"title":"row 3","position":"lower-middle","count":4,"labels":["9 wide squat with torso tilted left, one arm curved overhead and one arm extended low","10 front-facing wide squat with both arms stretched diagonally in opposite directions","11 relaxed standing pose with legs apart and both forearms crossing in front of torso","12 floor recline supported on one hand and one knee, torso leaning back with bent legs"]},{"title":"row 4","position":"bottom","count":4,"labels":["13 small jump or lifted balance with one knee raised and one arm bent upward","14 low crouch squat with one hand reaching toward floor and other arm extended sideways","15 dramatic side backbend in wide stance with hair swinging and one arm curved overhead","16 powerful wide squat with one hand at chest and the other lowered to the side"]}],"overall_composition":"all 16 poses shown as separate panels in a uniform contact sheet"},"prompt":"Create a clean studio contact sheet of {argument name=\"pose count\" default=\"16\"} full-body dance or combat-reference poses featuring a {argument name=\"subject type\" default=\"young athletic woman\"} in a {argument name=\"outfit\" default=\"light gray sports bra, loose gray sweatpants, and white sneakers\"}. Use a seamless {argument name=\"background color\" default=\"white\"} background, bright even lighting, and a consistent straight-on camera. Arrange the poses in a 4x4 grid with thin black panel lines and small black numbers 1 through 16 in the top-left of each cell. The poses should mix standing, squatting, kneeling, floorwork, balance, kick-extension, backbend, and angular arm positions suitable for a dance sheet chart or combat movement reference. Keep the styling photorealistic, crisp, minimal, and instructional, with consistent wardrobe and hair across all panels."}

气态巨行星下降分镜

原案例 / 作者：@xRahultripathi

完整提示词：

{"type":"cinematic sci-fi storyboard contact sheet","subject":{"primary":"a small futuristic spacecraft descending into a massive gas giant storm system","secondary":"an enormous leviathan-like silhouette hidden within the clouds","mood":"oppressive, catastrophic, awe-struck, high tension, cosmic dread","style":"photorealistic cinematic concept art with dark sci-fi realism, volumetric storm clouds, strong contrast, amber and black palette with occasional cold blue lightning","aspect_ratio":"16:9"},"vehicle":{"design":"compact armored deep-atmosphere ship with 3 bright rear engines, angular industrial hull, worn metallic panels","scale":"tiny compared to the planet and creature"},"layout":{"grid":{"rows":3,"columns":4,"count":12},"sections":[{"position":"row 1 col 1","description":"wide exterior shot of the ship entering the upper atmosphere of a colossal gas giant at extreme speed, glowing clouds streaked with fire and friction around the vessel, curved planetary horizon visible"},{"position":"row 1 col 2","description":"cockpit POV, dark interior filled with red and cyan holographic instruments, forward visibility collapsing into turbulent storm layers and electrical haze"},{"position":"row 1 col 3","description":"exterior mid-wide shot of the ship diving into a gigantic rotating cloud funnel, surrounded by violent spiraling storm structure"},{"position":"row 1 col 4","description":"extreme close exterior of the ship hull as bright lightning strikes dangerously close, white electric energy crawling across the metal surface"},{"position":"row 2 col 1","description":"dashboard warning screen in red, showing a critical systems failure interface with the exact visible text count of 4 warning lines and 1 large percentage readout: ['WARNING','ENGINES COMPROMISED','THRUST FLUCTUATION','GRAVITY SPIKE DETECTED','DESCENT RATE -453%']"},{"position":"row 2 col 2","description":"rear three-quarter exterior of the ship fighting turbulence inside dense storm clouds, engines burning hard while the craft barely holds course"},{"position":"row 2 col 3","description":"massive circular disturbance forming in the clouds like an eye or maw, entire storm systems displaced by something huge moving beneath"},{"position":"row 2 col 4","description":"second cockpit view with radar-like navigation display and red alert text, pilot making a blind evasive maneuver through lightning-filled darkness"},{"position":"row 3 col 1","description":"first reveal of the colossal creature shape rising near the ship, black organic surface and immense curved anatomy emerging from darkness, ship tiny at lower left"},{"position":"row 3 col 2","description":"spiral descent shot, ship caught inside a vortex tunnel of clouds, spinning downward with engines flaring as it struggles to recover"},{"position":"row 3 col 3","description":"sudden breakthrough into a calm void, minimal composition, ship flying in eerie silence through dark open space with soft mist and no visible storm around it"},{"position":"row 3 col 4","description":"final reveal, gigantic leviathan fully emerging behind or beside the ship in cleared space, backlit by a pale circular storm opening, enormous open maw-like silhouette dwarfing the craft"}],"continuity":"all 12 panels depict one continuous descent sequence from atmospheric entry to final creature reveal"},"lighting":{"primary":"glowing amber storm light","secondary":"red cockpit interface glow","accents":"blue-white lightning and engine exhaust"},"environment":{"location":"inside the upper and middle storm layers of a gigantic gas giant","weather":"violent turbulence, electrical storms, vortex funnels, cloud walls, pressure chaos","threat":"no safe zone, repeated near-failure, unknown colossal presence driving the storm"}}

超现实巴洛克绘画现实裂隙

原案例 / 作者：@JohnnyWang8802

完整提示词：

A {argument name="painting style" default="baroque oil painting"} comes to life — its painted figures climbing out of the gilded frame into a {argument name="setting" default="modern white gallery"}, half their bodies still in flat 2D paint, half fully volumetric 3D humans, brushstrokes visible on their skin, the painting's background leaking watercolor clouds into the gallery ceiling, museum visitors frozen in shock, hyper-detailed, {argument name="artist influence" default="René Magritte meets Pixar"}, reality fracturing at every boundary

城市小巷壁画艺术家

原案例 / 作者：@Professor_134

完整提示词：

A cinematic, ultra-realistic night scene of a {argument name="artist" default="young male street artist"} painting a large-scale {argument name="mural subject" default="mural of a woman’s face"} in a {argument name="setting" default="narrow urban alley"}. The camera angle is slightly low, creating a dramatic, powerful perspective. The artist has medium-length, slightly messy dark hair and light stubble or a short beard, giving him a rugged, creative look.

He wears a loose white t-shirt and casual jeans, slightly oversized, with a relaxed streetwear vibe. His posture is focused and engaged as he stands close to the wall, actively spray-painting.

He is creating a massive, hyper-realistic mural of a woman’s face on a textured brick wall. The mural is incredibly detailed—smooth skin tones, realistic lighting, expressive eyes, and glossy lips—appearing almost like a photograph. Fine mist from the spray paint is visible in the air, catching light and adding motion and atmosphere.

The setting is a narrow urban alley at night, surrounded by tall buildings. The environment is gritty and textured—aged brick walls, paint splashes, subtle grime, and urban wear. Neon signs and distant streetlights cast vibrant reflections in teal, magenta, and blue tones, creating a cinematic, slightly cyberpunk mood.

Lighting is dramatic and layered: cool ambient light fills the alley, while warmer neon highlights create contrast. A subtle rim light outlines the artist’s silhouette, separating him from the dark background. The mural is partially illuminated, acting as a strong focal point.

Atmosphere includes light fog or mist, enhancing depth and making the lighting glow softly. The scene feels immersive, quiet, and artistically intense.

Depth of field is moderately shallow: the artist and mural are in sharp focus, while the background fades into soft blur with bokeh highlights.

Style: hyper-realistic, cinematic photography, street art aesthetic, ultra-detailed textures, high dynamic range, subtle film grain.

Camera details: 35mm or 50mm lens, f/1.8–f/2.8 aperture, low-light photography, slight low-angle shot, natural perspective.

Composition: vertical frame (4:5 or 9:16), subject slightly off-center, mural dominating the frame for strong visual storytelling.
Generate image using uploaded image as reference

RPG 地图转动漫事件场景

原案例 / 作者：@ArtwlDesign

完整提示词：

Using the provided reference image, transform the top-down RPG town map into a polished anime-style event illustration from a human eye-level perspective. Keep the same village location and layout cues: the central stone well, the path network, the hedges, the wooden houses, and the narrow water canal on the left. Convert the 2 small sprite characters by the well into 2 full-size fantasy characters in the foreground: a silver-haired mage in a purple robe holding a staff, and a blonde elf in green-and-brown adventurer clothing, both leaning over and looking into the well. Add a cinematic JRPG feel with soft daylight, detailed painterly rendering, clean line art, and gentle depth of field. Preserve the sense that this scene is taking place in the same town square, but enrich it with natural perspective, more environmental detail, and 5 background villagers: 1 man cropped at the far left edge, 2 small figures standing on the center path in the distance, and 2 townspeople talking near the right-side buildings.

柔和粉彩动漫少女全身像

原案例 / 作者：@hoshi122221

完整提示词：

A full-body anime girl character design on a plain white background, centered and floating slightly, drawn in a soft minimalist pastel style with very thin gray linework and delicate flat colors. She has a petite youthful build and a cute, gentle silhouette, with special emphasis on a soft rounded face shape, smooth cheeks, and a softened jawline and chin. Her face is completely obscured by a blank skin-colored rectangular block with no facial features visible. She has short bob hair in {argument name="hair color" default="light ash brown"}, slightly tousled with wispy ends, long bangs covering part of the forehead, and a small ribbon hair tie on the right side in pale blue-gray. She wears 3 visible clothing pieces: an oversized pale blue cardigan with loose sleeves and front buttons, a cream-white slip dress with a scalloped neckline and a tiny button detail at the chest, and a frilled hem with a small ribbon near the right thigh. She is barefoot with slim pale legs, posed front-facing with both arms relaxed slightly outward, open hands, one leg straight and the other gently bent inward for a shy, weightless look. The illustration should feel airy, cute, understated, and clean, like a simple Japanese anime fashion sketch, with lots of negative space and no props, no shadows, and no background elements.

都市奇幻共存路口

原案例 / 作者：@Ray_CROWN0

完整提示词：

A highly detailed anime-style urban fantasy illustration set at a busy Tokyo-style scramble crossing on a bright clear day, viewed at street level with a wide cinematic composition. The city blends modern realism with mythic fantasy: dense high-rise buildings covered in giant billboards, a red broadcast tower in the middle distance, blue sky with fluffy clouds, and a crowded crosswalk full of pedestrians. In the foreground, show 7 prominent character figures: a silver-haired elf woman in a flowing white dress holding an iced drink and tote bag on the far left; a central schoolgirl with long dark hair, black animal ears, a navy school blazer, plaid skirt, blue ribbon, and large navy shoulder bag, lifting one hand to her head; a young man in a dark suit looking down at a smartphone; an androgynous white-haired angelic figure in an elegant white-and-gold ceremonial outfit with large white wings; a small blonde girl in an ornate pastel pink frilled dress beside the angel; a dark-haired woman in a black coat in right foreground profile; and a small blue-haired cat-eared child in a blue dress with a bow standing near a cave entrance on the right. In the midground crowd, include mixed humans and fantasy races walking together naturally. Add 4 clearly visible nonhuman or supernatural background beings: 1 dragon flying in the sky, 1 winged female angel descending above the street, 1 lizard-headed businessman in a suit near the angelic figure, and 1 tall red-skinned horned demon with crossed arms standing by the hillside path. On the right side, transition the city into a lush shrine hillside with large green trees, a red torii gate, stone steps, and a wooden signboard reading Japanese kanji. Below it, place a rocky cave-like tunnel entrance glowing blue, with a wooden sign over the entrance and several figures descending into an underground shared district lit by crystals. Show 6 major billboard/sign elements across the cityscape: a huge left billboard reading "Shinpi Sekai 神秘世界" with a cosmic planet image; a large central political poster with Japanese text and a raised fist icon; 2 rooftop signs reading "未来研究所" on separate buildings; a large right billboard with Japanese text about coexistence and silhouettes of different beings; and 1 vertical banner with Japanese text on a nearby building. Emphasize the theme of coexistence between ordinary modern city life and hidden fantasy societies. Crisp anime linework, polished light novel key visual rendering, rich textures, soft sunlight, subtle atmospheric perspective, vibrant but believable colors, intricate clothing details, and a sense of awe, everyday bustle, and worldbuilding depth.

亲子误解信息图

原案例 / 作者：@sarinaashapi

完整提示词：

{"type":"Japanese infographic","style":"simple, easy-to-understand flat vector diagram, clean white background, rounded light-gray outer frame, minimal pastel color palette, presentation-slide design, clear hierarchy, lots of whitespace, modern sans-serif Japanese typography","canvas":{"aspect_ratio":"16:9"},"headline":{"text":"{argument name=\"headline text\" default=\"親子のすれ違いは、記録があるかないかで起こる\"}","position":"top center","size":"large bold black"},"layout":{"structure":"2 side-by-side rounded panels beneath the headline","sections":[{"title":"記録がない場合(ズレる)","position":"left","count":8,"header_color":"muted blue-gray","panel_border":"light gray","labels":["親の記憶","子どもの記憶","あのとき決まったよね","まだ考えてたのに","ズレが大きくなる","志望校がコロコロ変わる","理由が『なんとなく』","言ってることが違う","関係がギクシャク","現実を見てほしい","ちゃんと決めてほしい","口を出しすぎると関係が悪くなる"],"contents":{"top_left":{"type":"parent icon with thought bubble","icon_color":"blue","caption":"親の記憶","bubble_text":"あのとき\n決まったよね"},"top_right":{"type":"child icon with thought bubble","icon_color":"pink","caption":"子どもの記憶","bubble_text":"まだ考えてたのに"},"center":{"type":"horizontal double-headed arrow","color":"blue-gray"},"bottom_center":{"type":"downward arrow leading to burst shape","color":"light gray","burst_text":"ズレが\n大きくなる"},"bottom_left":{"type":"rounded note box","bullet_count":4,"bullets":["志望校がコロコロ変わる","理由が『なんとなく』","言ってることが違う","関係がギクシャク"]},"bottom_right":{"type":"rounded note box","bullet_count":3,"bullets":["現実を見てほしい","ちゃんと決めてほしい","口を出しすぎると関係が悪くなる"]}}},{"title":"記録がある場合(ズレにくい)","position":"right","count":7,"header_color":"mustard yellow","panel_border":"light yellow","labels":["親の認識","子どもの認識","記録"],"contents":{"top_left":{"type":"parent icon with thought bubble containing document symbol","icon_color":"blue","caption":"親の認識"},"top_right":{"type":"child icon with thought bubble containing document symbol","icon_color":"pink","caption":"子どもの認識"},"center":{"type":"horizontal double-headed arrow","color":"mustard yellow"},"bottom_center":{"type":"circular record icon with document symbol","outline_color":"mustard yellow","text":"記録"},"bottom_left_connector":{"type":"curved arrow from parent to record","color":"blue"},"bottom_right_connector":{"type":"curved arrow from child to record","color":"pink"}}}],"spacing":"balanced, symmetrical"},"visual_language":{"icons":"generic human bust icons and simple document line icons","emphasis":"contrast the left panel's misunderstanding with the right panel's shared record","mood":"educational, calm, practical"},"text_language":"Japanese","render_quality":"crisp vector edges, infographic suitable for social media educational posts"}

好洗澡日编辑风海报

原案例 / 作者：@Kazuch75240438

完整提示词：

Create a soft editorial lifestyle poster for {argument name="event date" default="4.26"} celebrating Japanese bath culture, designed like a refined magazine feature page in portrait orientation. The layout is split into two main columns with a pale cream and warm gray background, thin divider lines, elegant serif typography, and muted sage-green accents. At the top left, include the small heading “LIFESTYLE / FEATURE”, then a large date line reading “{argument name="event date" default="4.26"} EVENT”, followed by the large Japanese title “よい風呂の日” and the subtitle “特集” in sage green, with a small bathtub icon nearby. Beneath that, add the Japanese tagline “心も体も、ととのう時間。” and several short body-text blocks in Japanese explaining the meaning of Good Bath Day, including references to “4(よ)2(ふ)6(ろ)” and the benefits of bathing for body and mind. On the right side, show a bright, airy bathroom interior lit by soft natural morning light from a window, with beige and off-white tones, a wooden counter, folded white towels, a pump bottle, a sponge, woven baskets, and a few green plants. In front of the bathroom scene, place a youthful anime-style person with {argument name="hair color" default="soft medium brown"} tousled short hair, fair skin, and a relaxed expression, standing in a casual post-bath pose. The character wears a loose white T-shirt with a tiny dark square chest logo and light brown drawstring lounge pants, one hand in a pocket and the other holding a white towel up near the face and shoulder, conveying a fresh, just-bathed feeling. Near the character, include the handwritten-style Japanese side note “湯上がりの、リラックスタイム。” Add an oval badge on the lower right of the main image area with the English heading “GOOD BATH DAY” and Japanese explanatory text inside, plus a small bathtub icon. Below the main feature, include exactly 2 small inset images of the same character in the bathroom, each framed as rectangular mini-panels with narrow vertical Japanese captions beside them. At the bottom, create exactly 4 rounded rectangular information cards in a row: card 1 labeled “POINT 01” with the heading “お風呂の基本” and text about soaking in lukewarm water around 38–40°C; card 2 labeled “POINT 02” with the heading “日常でできること” and text about making bathing part of a routine instead of only showering; card 3 labeled “POINT 03” with the heading “楽しみ方・取り入れ方” and text about bath salts, scents, music, and lighting; card 4 labeled “まとめ” with concluding Japanese text about sustainable self-care. Decorate the cards with small illustrated elements such as leaves, a bathtub, a candle, a bottle, lavender sprigs, and a basket of folded towels. Along the very bottom, add a horizontal green tip strip labeled “今日からできる TIP” with exactly 3 checklist items: “就寝の1〜2時間前に入浴する”, “スマホは浴室に持ち込まない”, and “水分補給を忘れずに”. Place a final handwritten-style Japanese phrase at the lower right reading “自分をいたわる時間を。” The overall look should be clean, gentle, wellness-focused, feminine-neutral, and polished like a Japanese seasonal magazine infographic, with delicate anime illustration, soft shadows, subtle textures, and calm spa-like atmosphere.

日式科幻换装流程板

原案例 / 作者：@yy7482933910896

完整提示词：

{"type":"Japanese sci-fi armor dressing-process infographic","style":"cinematic live-action tokusatsu-inspired promotional board, realistic industrial lighting, polished metal surfaces, sharp photographic detail","theme":"manual pre-battle suit-up sequence for a female hero in a red, silver, black, and blue protector suit","subject":{"character":{"gender":"female","age":"young adult","identity":"helmetless heroine during assembly, face intentionally obscured or anonymized in every unhelmeted panel","hair":"dark brown to black hair tied in a high ponytail with bangs","undersuit":"glossy black skintight inner suit with silver chest panel and white neck ring","armor":"retro-futuristic protector armor with red shoulder and arm plates, silver breastplate and torso plating, circular blue chest core, red waist unit, white gloves, red forearm guards with yellow stripe accents","helmet":"round red-and-silver helmet with black visor"},"environment":{"location":"high-tech industrial hangar or armor bay","background elements":["metal framework","robotic equipment","tool benches","armor racks","computer monitors","workshop lighting","bay corridor marked BAY-07 in final panel"]}},"layout":{"header":{"count":2,"labels":["ソルジャンヌ・スーツ 手動装着プロセス","専用プロテクタースーツ『ソルジャンヌ』を、戦闘前に手動で装着する様子。各ユニットを確実に装着し、システムを起動する。"],"design":"wide black-to-red gradient banner across top, large bold white Japanese text, diagonal red accent"},"sections":[{"title":"1 インナースーツの確認","position":"top-left","count":1,"labels":["各部のセンサーとコネクタをチェック。戦闘に備え、身体の状態を最終認する。"],"image":"three-quarter view of the heroine in only the black glossy inner suit, looking down while checking or tightening a wrist connector"},{"title":"2 胸部・肩部アーマーの装着","position":"top-center","count":1,"labels":["胸部ユニットと肩部プロテクターを装着。コネクタを接続し、ロックを固定する。"],"image":"mid shot with chest armor and red shoulder plates installed, heroine fastening the front torso area with both hands"},{"title":"3 腰部ユニット・ベルトの固定","position":"top-right","count":1,"labels":["ウエストユニットを装着し、各部のロックを確認。可動部の動作チェックを行う。"],"image":"mid shot with torso armor completed, heroine tightening or checking the waist belt and side locks"},{"title":"4 ヘルメットの準備","position":"bottom-left","count":1,"labels":["ヘルメットのバイザーと内部システムをチェック。ヘッドセットとの同期を確認する。"],"image":"heroine holding the red helmet in both hands at chest height, showing the glossy black visor"},{"title":"5 ヘルメットの装着・システム起動","position":"bottom-center","count":1,"labels":["ヘルメットを装着し、直上のコネクタをロック。全身のシステムが起動し、胸部コアが発光する。"],"image":"heroine placing the helmet onto her head with both hands; blue chest core glowing brightly"},{"title":"6 装着完了","position":"bottom-right","count":1,"labels":["全システムの最終チェックを行い、戦闘モードへ。ソルジャンヌ、出撃準備完了!"],"image":"full-body frontal hero pose in a futuristic corridor, fully suited with helmet on, arms relaxed at sides"}],"footer":{"count":1,"labels":["一つ一つの装着が、命を守り、力を引き出す。 ソルジャンヌの戦いは、ここから始まる。"],"design":"dark red cinematic footer strip with centered white Japanese slogan"},"grid":{"rows":2,"columns":3,"panel_count":6,"panel_borders":"thin white dividers","number_badges":6}},"text_rendering":{"language":"Japanese","font":"bold sans-serif headline with smaller sans-serif body text","colors":"white text on black, red, and white info bars; red numbered squares with white numerals"},"composition":"16:9 wide infographic board, six equal photo panels arranged in a 3-by-2 grid, each panel captioned below with a red numbered box from 1 to 6","lighting":"moody workshop lighting with metallic reflections and red accent lights, realistic shadows, cinematic sci-fi atmosphere"}

梦幻涩谷泡泡少女

原案例 / 作者：@terunari

完整提示词：

A dreamy anime-style full-body illustration of a fashionable young woman standing in the middle of the Shibuya scramble crossing in Tokyo on a bright clear day, with the iconic cylindrical SHIBUYA 109 building centered in the background and recognizable commercial billboards surrounding it, including signs resembling H&M, DHC, DMM TV, Big Echo, and other dense Japanese city advertisements. She is the single main subject, posed gracefully as if floating or weightless, standing on top of one giant iridescent translucent soap bubble beneath her skirt. Her face is softly obscured and de-emphasized, while her long dark violet-black hair flows dramatically in the wind, with soft bangs and a pink floral headband accessory with ribbon on one side. She wears a sweet feminine spring outfit in pastel pink: a long-sleeved frilled blouse under a sleeveless pink dress with a ribbon tie at the chest, a tan belt at the waist, layered ruffles at the hem, and subtle sakura flower embroidery near the lower skirt. Her expression and body language should feel gentle, elegant, whimsical, and slightly magical. One hand is raised with her index finger pointing upward toward a floating bubble that contains 1 smartphone; her other hand holds a loop handle attached to a large transparent iridescent shopping-bag-like bubble containing 3 visible items: 1 SHIBUYA 109 paper shopping bag, 1 pink shopping bag or package, and 1 small pink bunny-faced pouch. Also include 1 separate floating smartphone/tablet-like device outside the bubbles near the lower left side, and 1 floating bubble on the lower right containing 1 compact camera. Surround her with many soap bubbles of different sizes, all highly reflective with rainbow highlights and delicate transparency, creating a soft sparkling atmosphere. The city scene should be busy but slightly softened, with pedestrians in the far background, crosswalk stripes in the foreground, and warm sunlight filtering through the urban canyon. Use polished high-detail anime illustration rendering, luminous pastel colors, glossy reflections, soft bloom, a romantic spring palette, and a magical everyday Tokyo aesthetic.

暴风雨热带城市与屋顶飞机

原案例 / 作者：@Gerry

完整提示词：

A cinematic wide aerial view of a tropical coastal city at sunset during a violent storm, split dramatically between dark storm clouds on the left and blazing golden sunlight on the right. In the foreground, a small single-engine light airplane with a high wing and visible tail is parked or perched precariously on a flat rooftop, seen from behind and slightly above, centered near the bottom of the frame. To the left midair, 1 helicopter flies low over the city with its searchlight cast downward. In the sky, include 1 faint lightning bolt on the far left. The city below is dense with wet streets, reflective pavement, low-rise commercial buildings, and a few taller modern towers, including 1 prominent striped high-rise near the center. A glowing red circular neon sign is visible near the middle distance. On the right side, a calm bay or inlet curves through the city, lined with 1 row of tall palm trees along the waterfront road, and crossed by 1 long low bridge in the distance. The water and streets glisten from recent rain, reflecting the orange sunlight breaking through the clouds. Mood is tense, dramatic, and slightly surreal, like a movie still from an urban disaster thriller. Photorealistic, ultra-detailed, high dynamic range lighting, volumetric sun rays, storm atmosphere, wet surfaces, rich contrast, deep shadows, golden highlights, wide-angle lens, epic composition.

户外运动服饰网格广告

原案例 / 作者：@SPEEDAI07

完整提示词：

A dynamic 2×2 grid collage of modern outdoor sportswear advertising posters, each panel representing a different adventure lifestyle brand. High-energy, editorial-style composition with bold typography and textured graphic design.

Top-left panel:
Athletic male model in a bright blue insulated winter jacket, black snow pants, gloves, and sunglasses, stepping forward in a snowy environment. Snow particles flying, dramatic motion. Background features rough blue paint brush strokes. Bold distressed typography reads: “NEVER STOP EXPLORING.” Additional small text: “Built for extremes.” High contrast, rugged winter exploration theme.

Top-right panel:
Fit male hiker climbing rocky terrain, wearing an olive green shirt, black trekking pants, and a large black backpack with orange straps. Dust and debris kicking up from the ground. Background includes orange paint strokes and sketched mountain graphics. Bold text: “BUILT FOR HERE – INDIA TESTED.” Handwritten Hindi accents and arrows. Warm earthy tones.

Bottom-left panel:
Calm outdoor scene with a male model sitting on a rock, wearing a green jacket, beanie, sunglasses, and hiking shoes. Minimal scenic mountain illustration in the background with soft green tones. Typography reads: “ESCAPE THE NOISE – JUST GO OUTSIDE.” Clean, relaxed, nature-focused aesthetic with subtle graphic elements.

Bottom-right panel:
Energetic female runner in motion wearing a purple athletic t-shirt, black shorts, and running shoes. Bright, playful background with purple and yellow paint splashes, doodles, arrows, and sun illustration. Bold typography: “READY FOR EVERYONE – START YOUR JOURNEY.” Youthful, vibrant fitness energy.

Overall style:

High-resolution, photorealistic sportswear campaign

Bold brushstroke textures and grunge overlays

Mixed typography: distressed, handwritten, and modern sans-serif

Strong color blocking per panel (blue, orange, green, purple)

Dynamic poses conveying motion, strength, and adventure

Clean grid layout with balanced spacing

Commercial advertising / brand campaign aesthetic (Nike, Decathlon style)

Lighting: Professional, cinematic lighting with sharp detail and contrast
Mood: Energetic, adventurous, motivational
Aspect ratio: 1:1 (square collage)

地形字母卫星图面板

原案例 / 作者：@madpencil_

完整提示词：

Ultra-realistic satellite view from space, a clean modern editorial layout of 9 vertical panels arranged side-by-side on a white background, together forming the word "MADPENCIL", each panel containing one letter created entirely from natural Earth topography, no artificial text overlays:

Panel 1 (M): rugged mountain ranges and deep valleys forming a sharp, angular "M", rocky textures, high elevation shadows
Panel 2 (A): winding river cutting through dense green forest forming an organic "A", strong contrast between water and vegetation
Panel 3 (D): desert dunes and wind-sculpted sand patterns shaping a smooth "D", warm tones, soft gradients
Panel 4 (P): agricultural farmland grids and patchwork fields forming a structured "P", geometric patterns clearly visible
Panel 5 (E): glacier and ice formations carving a crisp "E", bright whites and icy blues, fractured textures
Panel 6 (N): braided river system across floodplains forming "N", branching channels with natural flow lines
Panel 7 (C): coastal shoreline and ocean edge shaping a curved "C", waves and sediment gradients visible
Panel 8 (I): narrow canyon or straight river cutting through terrain forming a minimal "I", strong vertical emphasis
Panel 9 (L): volcanic terrain with lava flows forming an "L", dark rock with glowing red/orange lava accents

top-down satellite perspective, NASA Earth observation style, hyper-detailed textures, realistic geography, consistent scale and lighting across all panels, minimal clouds, high contrast, sharp focus, subtle atmospheric haze, natural color grading, ultra high resolution 8K, clean spacing between panels, modern gallery-style composition, visually cohesive but each panel distinctly different biome, letters clearly readable yet organically integrated into terrain

冰咖啡产品信息图

原案例 / 作者：@Strength04_X

完整提示词：

A high-end café-style product photograph of a transparent glass filled with iced coffee, centered against a soft beige and cream seamless studio background. The drink shows a rich dark coffee base blending with creamy milk swirls, creating a smooth gradient effect. Several clear ice cubes are visible with realistic transparency and light refraction. The glass has subtle condensation droplets, adding freshness. Soft natural studio lighting creates delicate highlights and a clean shadow beneath the glass. Ultra-sharp focus, premium beverage advertisement style, DSLR macro photography, hyper realistic, 8K.

PROMPT 2 - Create a hyper-realistic exploded vertical infographic composition of an iced coffee.

Top → Bottom structure:
Foam Layer (light creamy foam with soft airy texture)
→ Coffee Liquid (rich dark espresso layer with smooth gradient)
→ Ice Cubes (transparent cubes with sharp edges and reflections)
→ Milk Layer (soft creamy white layer with smooth blend effect)
→ Glass Base (clear minimal glass structure)

All elements must be perfectly centered, evenly spaced, and aligned vertically. Use a soft beige seamless background with clean café-style lighting and subtle realistic shadows beneath each floating element. The composition should feel like a premium beverage ad combined with a clean infographic layout.

Add clean minimalist text labels with thin pointer lines using these exact labels:
“Foam”
“Coffee”
“Ice”
“Milk”
“Glass”
Ultra-realistic liquid detail, sharp reflections, premium commercial photography, 8K.

时尚连衣裙系列信息图

原案例 / 作者：@cellinlab

完整提示词：

{
  "image_type": "Commercial Fashion Infographic",
  "subject": {
    "model": "Young Asian woman with elegant features and dark hair tied in a loose bun",
    "attire": "Satin midi dress with spaghetti straps and a draped cowl neckline",
    "fit": "Bodycon / slim fit with side ruching and a subtle leg slit"
  },
  "layout_structure": {
    "composition": "Multi-panel editorial layout",
    "header": "Bold serif typography reading 'DRESS COLLECTION'",
    "main_feature": "Large centered portrait of the model, a young Asian woman, wearing a wine-red satin dress",
    "secondary_panels": [
      "Dress Features grid with minimalist icons",
      "Dress Guide sidebar detailing neckline, sleeve, and length",
      "Color Collection row showing the dress in Black, Emerald Green, Navy, Champagne, and Royal Blue",
      "Dress Style Guide footer featuring the model in various atmospheric evening settings"
    ]
  },
  "aesthetic_style": {
    "color_palette": "Deep jewel tones (Wine Red, Emerald, Navy, Royal Blue) contrasted with Champagne and Black against a warm cream or beige background",
    "lighting": "Soft studio lighting with elegant highlights on the satin fabric texture",
    "vibe": "Luxurious, timeless, and sophisticated commercial advertising"
  },
  "typography": {
    "primary": "Classic Serif for titles",
    "secondary": "Clean Sans-Serif for body text and technical details"
  }
}

单色时尚封面

原案例 / 作者：@sha_zdiii

完整提示词：

Ultra-realistic high-fashion magazine cover, black and white cinematic portrait of a confident young female model, slightly messy wet-look hair, sharp jawline, intense gaze, natural glossy lips, wearing a premium black leather trench coat over a minimal outfit.
The model is posing slightly tilted forward with attitude, hands adjusting the coat, accessorized with multiple rings, ear piercings, and layered chain necklaces.
Lighting is dramatic studio lighting with soft shadows, high contrast, editorial Vogue-style aesthetic, ultra-detailed skin texture, 8K resolution, sharp focus.
Background is minimal gradient grey with soft light streaks for depth.
Magazine cover layout included:
Large bold serif title at top: “VOID ELITE”
Subtitle small: “Edition 07 / 2026”
Left text: “NOT BUILT TO FOLLOW — BUILT TO DOMINATE”
Bottom left: “HIGH-FASHION STREET LUXURY”
Right vertical text: “UNTOUCHABLE PRESENCE”
Bottom right: “SILENCE IS POWER”
Add a small holographic glitch-style label over the eyes with text “ICON”
Style: luxury fashion editorial, Vogue, Harper’s Bazaar, monochrome aesthetic, modern typography, clean layout, ultra premium branding
--ar 2:3 --style raw --quality 2 --sharp focus --photorealistic

快餐角色海报

原案例 / 作者：@LoovaAI

完整提示词：

Use the character in image 1 as the main subject. Create a vertical poster ad in American fast food diner style. Low angle, wide lens. Red / yellow / white palette with ketchup splashes, melting cheese graphics, comic burst shapes, retro diner typography, and bold fast food poster collage aesthetic.

跨越两个世纪的纽约电影感海报

原案例 / 作者：@Shinning1010

完整提示词：

Create a cinematic 3:4 vertical poster of New York City that feels truly epic and unconventional, showing the passage from the 20th century to the 21st century in one seamless image. Place a lone figure at the center of the composition, standing in the middle of the street and looking forward as if witnessing New York across time. The left side should depict 20th-century New York with warm sepia atmosphere, vintage taxis, old newsstands, retro lamps, and landmarks like the Chrysler Building and Empire State Building. The right side should depict 21st-century New York with glass skyscrapers, One World Trade Center, digital billboards, and modern urban energy. Make the transition natural rather than split-screen, with coherent perspective, wet reflective pavement, realistic textures, atmospheric depth, and no text.

蓝眼泪鸡尾酒教程信息图海报

原案例 / 作者：@cellinlab

完整提示词：

试着帮我生成调制一杯蓝色眼泪鸡尾酒（配料流程你自己发挥想象，但是要写清楚确保可复现）的流程教学图和概念设计宣传图，轻奢酒咖海报风格，横版。

ASCII 登革热信息图

原案例 / 作者：@mapasbr

完整提示词：

`1`	`infográfico ASCII DENGUE`

分类导航：总目录 / 电商主图 / 广告创意 / 人像摄影 / 海报插画 / 角色设计 / UI 与社媒 / 对比与社区案例

原仓库链接

GPT-Image 2 提示词宝库：角色设计案例

Sat, 02 May 2026 11:35:00 +0800

本页收录 角色设计 分类下的 13 个案例。每个条目保留原案例链接、作者、生成图和完整提示词。

分类导航：总目录 / 电商主图 / 广告创意 / 人像摄影 / 海报插画 / 角色设计 / UI 与社媒 / 对比与社区案例

角色设计

动漫快照转换

原案例 / 作者：@Thereallo1026

完整提示词：

`1`	`Show me the attached image as a snapshot from an actual anime`

Persona5 角色参考卡

原案例 / 作者：@iamrednightS

完整提示词：

基于此角色和背景，请制作一份类似官方设定资料的角色资料卡。
・包含三视图：正面、侧面和背面
・添加角色面部表情的变化・分解并展示服装和装备的详细部分
・添加色板・包含世界观设定的简要说明
・总体上，使用有组织的布局（白色背景，插画风格）高分辨率、专业概念艺术风格

美少女游戏角色介绍页

原案例 / 作者：@09lyco

完整提示词：

最新モデルの画像生成ツールを使用して、
このちびキャライラストと立ち絵を使って本物のサイトページのようにキャラクター紹介ページ風イラストを作ってください。 （紹介ページとして使ってもおかしくないもの）
ギャルゲーのキャラクター紹介ページをイメージした高品質なもの。 顔の差分なども乗っている、CGイラストが存在する。ちびキャラが存在する。

「ここに自己紹介」

名前:（ここに名前） 
イメージカラー:（ここに色） 
身長:（ここに身長）cm 
体重:（ここに体重）kg
キャッチコピー:"「ここにセリフ」"

官方角色设定表（日文）

原案例 / 作者：@Toshi_nyaruo_AI

完整提示词：

このキャラクターと背景を元に、 公式設定資料のようなキャラクターシートを作成してください。 
・正面、側面、背面の3面図を含める ・キャラクターの表情バリエーションを追加 
・衣装や装備の詳細パーツを分解して表示 ・カラーパレットを追加 ・世界観の簡単な説明を入れる 
・全体は整理されたレイアウト
（白背景、図解風） 
・アスペクト比16：9

高解像度、プロのコンセプトアートスタイル

机甲少女海上城市主视觉

原案例 / 作者：@old_pgmrs_will

完整提示词：

A mecha girl mid-teens, pale skin smudged with soot and salt spray, sharp amber eyes with glowing HUD reticles, waist-length ash-white hair tied in a high ponytail whipping in the sea wind, matte gunmetal exoskeleton armor plating her shoulders, forearms and shins, exposed hydraulic pistons at the joints, chest rig with glowing cyan coolant lines, oversized oil-stained hangar jacket half slipping off one shoulder, a massive rail cannon resting on her right shoulder, dog tags and frayed red ribbon at her collar , standing off-center to the left on the rusted edge of a tilted steel platform jutting out over dark water, weight shifted onto one leg, left hand gripping the cannon strap, head turned slightly toward camera with a quiet defiant stare, steam venting from her back thrusters, her ponytail and jacket streaming sideways in the salt wind , a vast derelict sea-city at dusk, colossal megastructures of unknown purpose rising from the ocean in staggered silhouettes, bone-white monolithic towers fused with barnacled steel, cyclopean ring-shaped constructs canted at broken angles, rusted skeletal gantries threaded with dead cables, dark swells rolling between the pylons, shipwrecks half-swallowed at their feet, thick sea fog clinging to the bases while the upper structures pierce into a bruised sky, scattered faint lights blinking high in the towers like distant eyes , moody low-key lighting, cold teal ambient from the overcast sky, warm amber sodium glow leaking from a distant structure camera-right, hard backlight from a low sun behind the towers carving her silhouette, volumetric god rays cutting through sea mist, wet specular highlights on her armor , 35mm anamorphic lens, slight low angle looking up past her shoulder toward the structures, medium-wide shot, shallow depth of field with foreground rust in soft focus, horizontal lens flares, fine atmospheric haze compressing the distant megastructures into layered silhouettes , cinematic anime key visual, painterly digital illustration with crisp line art, desaturated oceanic palette of teal, bone-white and rust punched by small warm accent lights, film grain, high-contrast editorial poster aesthetic . Format 16:9.

圣斗士星矢黄金圣斗士卡片网格

原案例 / 作者：@songguoxiansen

完整提示词：

`1`	`生成圣斗士星矢12个黄金圣斗士的12宫格卡牌图片,每张卡牌上写上对应的中文名,每行4个,宽高比16:9。`

Chaos Notes 遮脸角色图

原案例 / 作者：@loglogrog

完整提示词：

# 混沌としたメモ書き・記号の集合体からキャラクターの顔を浮かび上がらせるアート

--- スタイル
- 白い紙の上に黒インクで描かれた大量の手書きメモ、数式、記号、ランダムな線。
- 紙いっぱいに散らばる書き殴り風のカオス。
- 所々に赤インクの強調(ライン、塗り潰し、マーカー風の塊)。
- アナログのノート落書きのような質感。

--- 構図
- ランダムなメモや記号が全体を覆い尽くす。
- 黒インクの線や文字の密度が「キャラクターの顔」の位置に集中する。
- 結果として、混沌の中から「与えられたキャラクターの顔のシルエット・表情」がうっすら浮かび上がる。
- 顔は写実的ではなく、カオスの断片が集まって形を成す。

--- 色彩
- モノクロ(黒・白)を主体に構成。
- 赤インクをアクセントとして散発的に配置。
- 彩度は抑えめ、アナログの紙とインク感を重視。

--- 表現要素
- 読めるようで読めない文字列、日本語や英数字が混在。
- 数式記号、矢印、点、斜線、クロス、ドリップ(インクの飛び散り)。
- キャラクターの顔の目や髪の輪郭は、メモや記号の配置の「余白」や「濃淡」で浮かび上がる。

--- 禁止事項
- 顔を直接的に描き込む写実ポートレート。
- デジタル処理的で整然とした幾何学模様。
- カラフルな彩色や過飽和表現。
- ロゴ、透かし、人工的なCG感。

--- Definition of Done (DoD)
- 全体は「混沌としたメモ・記号の集合体」として成立している。  
- 与えられたキャラクターの顔が、混沌の濃淡・配置から自然に浮かび上がる。  
- 色はモノクロ+赤アクセントのみ。  
- 紙とインクの手描き的質感を保持している。

动漫武术战斗插画

原案例 / 作者：@Tanemomi_Ver2

完整提示词：

An anime-style illustration of a {argument name="action type" default="high-impact martial arts battle"} between two young female fighters in a {argument name="setting" default="traditional wooden martial arts dojo"}. In the foreground, a girl with black hair in a high bun wears a {argument name="character 1 color theme" default="red and white"} Chinese-style martial arts outfit with baggy pants. She is in a dynamic, low, forward-thrusting stance, surrounded by swirling red energy and water splashes. In the background to the right, a girl with light purple hair in twin buns wears a {argument name="character 2 color theme" default="green and purple"} Chinese dress with gold embroidery and black tights. She is leaping through the air in a flying kick pose, surrounded by swirling blue energy. The wooden floorboards are splintering from the intense impact, with debris and dust flying through the air. Above them hangs a weathered wooden sign with the text "{argument name="sign text" default="武術会"}". The scene features dramatic lighting, a low-angle dynamic perspective, and intense action effects.

班加罗尔花市里的 GTA 6

原案例 / 作者：@ismajc

完整提示词：

`1`	`{argument name="game" default="gta 6"} in {argument name="location" default="Bangalore’s market flower"} in India`

新宿酒吧里的 GTA 6 场景

原案例 / 作者：@ismajc

完整提示词：

`1`	`{argument name="game" default="GTA 6"} in {argument name="bar name" default="La Jetée Bar"} (that pays homage to Chris Marker) in {argument name="location" default="Shinjuku, Tokyo"}`

白猫计划 Eleanor

原案例 / 作者：@yume00112211

完整提示词：

1
2

{argument name="series" default="White Cat Project"}
{argument name="character" default="Eleanor"}

剪影拼贴角色主视觉海报

原案例 / 作者：@SimplyAnnisa

完整提示词：

A character promotional poster titled “INPUT NAME,” designed in a unified vertical key visual composition (9:16). The upper half features the most recognizable element of the character as a dominant oversized visual silhouette. The middle to lower section contains the full character as a secondary subject. Inside the large silhouette and around the character, use a double-exposure and collage-style narrative composition with scenes, symbolic imagery, supporting elements, and environmental details blended into mist, ink wash, and negative space. The left and right sides include complementary secondary elements to create narrative tension and spatial variation. A continuous flowing visual line runs from top to bottom, connecting the main character, internal collage, and the large upper silhouette. Preserve large areas of negative space with ink diffusion, soft blurring, and fragmented transitions inspired by Eastern aesthetics. The style is cohesive, refined, restrained, and poster-worthy.

电视剧主题像素游戏概念板

原案例 / 作者：@sciencedegens

完整提示词：

爱情公寓 电视剧主题 像素养成类游戏概念图，包括场景全局内容，周围环绕各人物形象三视图，底部是场景特写，右下角是剧情梗概。

随机一个经典国内古装电视剧，生成古装电视剧主题像素养成类游戏概念图，包括场景全局内容，周围环绕各人物形象三视图，底部是场景特写，右下角是剧情梗概。

「XXX」电视剧主题像素养成类游戏概念图，包括场景全局内容，周围环绕各人物（人物别重复）形象三视图，底部是场景特写，右下角是剧情梗概。

分类导航：总目录 / 电商主图 / 广告创意 / 人像摄影 / 海报插画 / 角色设计 / UI 与社媒 / 对比与社区案例

原仓库链接

GPT-Image 2 提示词宝库：人像摄影案例

Sat, 02 May 2026 11:35:00 +0800

本页收录 人像摄影 分类下的 55 个案例。每个条目保留原案例链接、作者、生成图和完整提示词。

分类导航：总目录 / 电商主图 / 广告创意 / 人像摄影 / 海报插画 / 角色设计 / UI 与社媒 / 对比与社区案例

人像摄影

便利店霓虹人像

原案例 / 作者：@BubbleBrain

完整提示词：

35mm film photography with harsh convenience store fluorescent lighting mixed with colorful neon signs from outside, authentic film grain, high contrast, slight color cast, cinematic street editorial style, intimate medium shot, early 20s sexy Chinese female idol with ultra-realistic delicate refined Chinese features, seductive almond-shaped fox eyes with natural double eyelids, high nose bridge, small sharp V-shaped jawline, flawless porcelain skin with cool ivory undertone and visible specular highlights from fluorescent light, subtle skin texture and micro pores, natural dewy makeup with soft flush on cheeks, glossy natural pink lips slightly parted, subtle natural freckles across nose and cheeks, long dark brown hair in a messy high ponytail with many loose strands falling around face and neck, wearing an oversized white button-up shirt as the only top, unbuttoned at the top with deep cleavage and loosely tied at the waist, paired with a tiny black pleated mini skirt, barefoot in simple white slides, seductive casual leaning pose against the glass door of a 24-hour convenience store at late night, body slightly arched, one leg bent with foot resting against the door frame, the other leg straight, one hand holding a bottle of iced drink, the other hand lightly pulling the hem of her mini skirt, intensely seductive playful yet slightly vulnerable gaze straight at the viewer with soft doe eyes full of quiet temptation and teasing smile, bright cold fluorescent store light from inside mixed with pink and blue neon glow from outside signs, realistic reflections on glass door, blurred convenience store interior with shelves and snacks in background, authentic 35mm film color grading with harsh lighting and neon accents, extremely sharp yet soft skin rendering, natural hair strands, realistic fabric wrinkles and drape on the oversized shirt and mini skirt, no plastic skin, no digital over-sharpening, no airbrushing, no blemishes, no moles, no oily skin, no watermark, no text, authentic late-night convenience store atmosphere

电影感极简人像

原案例 / 作者：@iam_miharbi

完整提示词：

Generate a cinematic minimal portrait of a solitary man standing in an intense orange to red gradient environment, strong silhouette lighting, deep shadow contrast, reflective glossy floor, symmetrical composition, minimal

日式温泉旅馆人像

原案例 / 作者：@BubbleBrain

完整提示词：

35mm film photography, warm vintage Japanese onsen ryokan aesthetic, soft ambient wooden lantern lighting mixed with gentle natural window light, subtle film grain, gentle color shift, high atmosphere editorial style, intimate medium shot, early 20s beautiful Chinese female idol with ultra-realistic delicate refined Chinese features, seductive almond-shaped fox eyes with natural double eyelids, high nose bridge, small sharp V-shaped jawline, flawless porcelain skin with warm ivory undertone, visible subtle skin texture and micro pores, soft natural makeup with dewy glow, subtle rosy flush on cheeks, natural soft pink lips slightly parted, long dark brown hair tied in a loose low bun with some messy strands falling around face and neck, wearing a loose white yukata (traditional Japanese bathrobe) deliberately slipped off one shoulder and loosely tied at the waist, the fabric slightly open revealing smooth skin and subtle cleavage, barefoot, seductive relaxed sitting pose on the edge of a traditional wooden engawa veranda at a vintage onsen ryokan, body slightly turned toward the camera, one leg bent with foot resting on the wooden floor, the other leg gently dangling, one hand lightly holding the yukata collar, the other hand resting on the wooden floor behind her for support, softly arched back to gently accentuate curves, intensely seductive yet gentle and inviting gaze straight at the viewer with soft doe eyes full of quiet temptation and warmth, warm wooden interior with paper sliding doors and distant steaming hot spring in soft focus, gentle rim lighting highlighting skin and fabric texture, authentic vintage film color grading with warm tones, extremely sharp yet soft skin rendering, natural hair strands, realistic fabric wrinkles and drape on the yukata, no plastic skin, no digital over-sharpening, no airbrushing, no blemishes, no moles, no oily skin, no watermark, no text, authentic 35mm film Japanese onsen ryokan atmosphere

35mm 闪光编辑风人像

原案例 / 作者：@BubbleBrain

完整提示词：

35mm color film photography with harsh direct on-camera flash, specular highlights on skin and clothing, strong catchlights in eyes, high contrast flash illumination, authentic film grain and color shift, high fashion fresh innocent basketball court editorial style, intimate first-person low-angle POV shot from below, early 20s sexy Chinese female idol with ultra-realistic delicate refined Chinese features, seductive almond-shaped fox eyes with natural double eyelids, high nose bridge, small sharp V-shaped jawline, flawless realistic porcelain skin with cool ivory undertone and visible flash specular highlights, fine delicate skin texture with subtle pores micro details and natural dewy glow under flash, fresh natural sporty makeup with soft dewy glow, subtle natural flush on cheeks, natural pink lips slightly parted, subtle natural freckles across nose and cheeks, long dark brown hair tied in a high playful ponytail with some loose strands framing the face and realistic loose strands, wearing a loose white tank top and white high-waisted basketball shorts, white knee-high sports socks, seductive natural leaning pose against the basketball hoop pole on the outdoor court at dusk, body angled sideways with naturally arched back and hips gently pushed back to accentuate perky round hips and sexy butt curve, one leg naturally extended forward toward the camera and the other leg slightly bent to emphasize long sexy legs, both hands lightly resting on the basketball pole at shoulder height, intensely seductive playful yet pitiable doe-eyed gaze straight at the viewer with soft vulnerable longing eyes and a gentle teasing smile full of quiet temptation and desire, harsh direct on-camera flash creating sharp specular highlights and strong catchlights, background with blurred basketball court and hoop under dusk sky, high contrast film color grading with natural flash look, extremely sharp yet soft skin rendering with authentic 35mm direct flash aesthetic, natural hair strands, realistic fabric texture on tank top and shorts with socks detail, no plastic skin, no digital over-sharpening, no airbrushing, no blemishes, no moles, no oily skin, no watermark, no text, authentic 35mm direct flash film basketball court look --ar 9:16

卧室镜前自拍人像

原案例 / 作者：@Shinning1010

完整提示词：

1
2

A stunning 18-year-old Chinese girl with a youthful, pure face and realistic skin texture, sitting on a cozy, slightly messy bed in her bedroom. She is taking a mirror selfie with a smartphone, capturing a natural and intimate moment. Wearing casual gray loungewear and neat white crew socks. Soft natural light (golden hour) streams in from a side window, creating a warm, moody, and cinematic atmosphere. 35mm lens, sharp focus on the subject in the mirror, depth of field with a beautifully blurred background (bokeh). Photorealistic, 8K, high resolution, studio quality, masterpiece.
Negative Prompts: no extra limbs, no deformed hands, no blur, no noise, no watermark, no text, no cartoon/anime style. Aspect Ratio: 3:4.

柔和通透 35mm 人像

原案例 / 作者：@BubbleBrain

完整提示词：

Analog 35mm film photography, soft airy Japanese-style aesthetic, gentle diffused natural window light, slight overexposure, pastel tones, low contrast, soft highlights, minimal indoor setting near a window with white curtains, clean light-colored wall, natural composition, eye-level, slightly closer full-body framing (mid-thigh to head), young East Asian woman, natural minimal makeup, soft realistic skin texture, long slightly messy dark hair, oversized white button-up shirt, light casual shorts, barefoot, simple and relaxed styling, standing naturally with relaxed posture, arms loosely at sides or slightly behind, facing camera, gentle soft smile, subtle stillness, focus on light, air, and quiet everyday mood, soft film grain, dreamy and understated atmosphere --ar 9:16

奢华魅力美妆人像

原案例 / 作者：@patrickassale

完整提示词：

Luxury Glam Beauty Portrait:, Beautiful Black woman, youthful spirit, creamy vanilla, silk press, mahogany red, subtle confidence, textured fabric, sapphire blue, minimal jewelry, beachside breeze, lens flare effect, nostalgic, cinematic lens, symmetrical composition, soft focus, high fashion photography, monochromatic, dewy finish, mysterious tension, layered elements

9:16 Cosplayer 人像截图

原案例 / 作者：@Zoulinshen

完整提示词：

生成一张竖版手机截图风格的图片，整体比例接近 9:16。画面中心偏上是一位真人 coser，扮演（角色名称）的二次元角色。人物为写实风格，但五官略带动漫感，皮肤细腻，眼睛稍大，表情温柔地看向镜头，坐在室内的休闲场景中，例如咖啡厅或酒吧吧台前，背景有符合场景的道具。画面最上方加入手机系统状态栏 UI，包括时间、电量、信号、网络等图标，让整张图看起来像手机截图。画面底部叠加一块宽大的半透明 galgame 风格对话框，对话框左侧放一个与画面人物对应的动漫或 Q 版头像；对话框右侧排版文字：第一行用较大字体显示与前面相同的角色名字，下面一到两行显示一段适合这个角色人设的、温柔治愈风格的简体中文台词，由你自动创作。再在对话框下方加一条操作栏，仿照 galgame UI。整体风格高清、细节丰富、光线柔和、二次元与真人写真自然融合。

城市回眸街拍人像

原案例 / 作者：@Tz_2022

完整提示词：

该画面为中近景，采用平视镜头，聚焦于一位年轻女性。她以七分身镜头呈现，身体坐姿略带倾斜，臀部向后撅起，双腿自然交叠，左腿在前，右腿在后，膝盖微屈。她将上半身向右后方扭转，头部则转向镜头方向，形成一个经典的“回眸”姿态，目光直视镜头，眼神清澈而略带一丝俏皮。她的发型是蓬松的棕色齐肩短发，刘海自然垂落，发尾微卷，妆容清淡自然，仅在眼部有轻微眼线勾勒，唇色为自然裸粉。画面整体采用自然日光滤镜，光线从画面左上方斜射入，形成柔和的逆光轮廓，面部和身体右侧被温暖的金色光线照亮，左侧则形成自然的阴影过渡，增强了立体感。灯光效果是明亮的自然光，带有轻微的镜头眩光，营造出午后阳光的氛围。拍摄角度为平视，构图上，人物主体位于画面中偏右位置，背景中的斑马线与道路线条形成自然的引导线，将视线引向人物。背景为城市街道，包含道路、斑马线、绿化带和远处的车辆，背景被适度虚化，但依然可辨识出树木、护栏和停放的电动车等元素，构图上利用了三分法，人物位于右侧三分之一处，增强了画面的平衡感。主体穿着一件军绿色迷彩图案的连帽卫衣，下身搭配黑色短裤，脚穿白色高帮运动鞋配白色中筒袜。背包为黑色，带有橙黄色装饰条纹和一个橙色毛绒挂件，材质为帆布和皮革拼接。整体风格为街头休闲风，肢体语言放松自然，表情略带好奇与俏皮，整体呈现出一种随性、青春、充满活力的都市少女形象。

Sam Altman 滑板公园抓拍

原案例 / 作者：@Malek1173989

完整提示词：

`1`	`"Sam Altman on a skateboard at a skatepark with no people."`

韩系偶像九宫格人像

原案例 / 作者：@BubbleBrain

完整提示词：

9:16 vertical, Korean idol portrait photoshoot, 3x3 grid (nine frames), same person in all images, consistent facial features and styling, soft black mist filter effect, lowered contrast, blooming highlights, subtle glow around light sources

CCD 闪光韩系偶像照

原案例 / 作者：@BubbleBrain

完整提示词：

`1`	`mobile phone photo, old CCD camera aesthetic, harsh flash, grainy, dim messy indoor lighting, candid snapshot feeling, slight motion blur, young Korean female idol, soft innocent look`

韩系偶像九宫格拼贴人像

原案例 / 作者：@BubbleBrain

完整提示词：

9:16 vertical — a 3x3 grid collage (nine images) forming a Korean idol portrait photoshoot series. Each frame features the same young Korean female idol, maintaining 100% consistency in facial features, proportions, hairstyle, and identity across all nine shots.   Natural, ultra-realistic skin texture, no retouching, no smoothing. Clean idol-style minimal makeup, soft glow, subtle imperfections.   Hair: long, voluminous dark hair, slightly tousled, consistent across all frames (natural loose flow, slight movement).  Outfit: cohesive Korean idol photoshoot styling — white shirt + short bottoms (or simple neutral-toned outfit), youthful, clean, slightly casual but styled. Same outfit across all frames.  Setting: minimal studio or simple indoor environment (plain wall, soft window light, clean background). Focus on subject, not environment.  Lighting: soft diffused natural light, gentle highlights, low contrast, slightly airy tones, subtle film-like softness.  Camera style: intimate portrait photography, slightly handheld feel, subtle imperfections (minor grain, slight blur in motion frames, imperfect framing).  Frame breakdown (3x3 grid):  Top row: - Top left: standing naturally, looking slightly away, relaxed expression - Top center: facing camera, casual mid-motion (hair or body slight movement) - Top right: slight side angle, soft gaze, natural candid feel  Middle row: - Center left: looking slightly upward, soft thoughtful expression - Center: close-up portrait, direct eye contact, gentle idol smile - Center right: turning body slightly, mid-motion candid frame  Bottom row: - Bottom left: seated or leaning casually, relaxed posture - Bottom center: back partially turned, looking over shoulder toward camera - Bottom right: standing close to frame, slightly playful or soft expression  Mood: Korean idol photobook / photocard aesthetic, intimate, soft, natural, everyday charm.  Quality: ultra-realistic, 8K detail, subtle analog film grain, natural imperfections, soft dreamy tone

柔黑雾编辑风人像

原案例 / 作者：@BubbleBrain

完整提示词：

9:16 vertical — editorial portrait, single subject  soft black mist filter, subtle haze, gentle highlight bloom, muted tones  minimal indoor space, clean background, slight texture  young Korean woman, minimal makeup, natural skin texture  outfit: fitted ribbed knit top or soft camisole layered under a loose shirt, paired with high-waisted shorts or skirt; fabric slightly clings to body shape, soft and natural, no revealing elements  hair: slightly messy, natural volume  pose: sitting on floor with one leg bent and the other relaxed, body slightly leaning, shoulders not aligned, head tilted  composition: subject slightly off-center, negative space present  expression: calm, slightly distant, natural lips  lighting: soft side light, gentle shadow falloff  mood: understated, quiet, subtly sensual through natural body lines, relaxed and unposed  quality: fine grain, slight softness, realistic look

富士草莓校园人像

原案例 / 作者：@BubbleBrain

完整提示词：

9:16 vertical — Japanese Fuji film style portrait, single subject  Fujifilm analog aesthetic (Pro 400H / Superia feel), soft pastel tones, slight green-magenta shift, low contrast, gentle highlight roll-off, fine film grain, subtle halation, slight vignette  bright natural daylight, diffused sunlight through window, soft shadows, airy atmosphere  young Japanese female idol, natural minimal makeup, fresh glowing skin, realistic texture, slight imperfections  outfit: Japanese school uniform (sailor-style or blazer uniform), neatly styled, non-revealing, youthful and clean  hair: natural dark hair, straight or softly flowing, a few loose strands  pose: front-facing or slight angle toward camera, relaxed posture; one hand gently holding a strawberry near lips, mid-action as if about to take a bite; shoulders relaxed, subtle natural body curve  expression: soft playful gaze, light smile or neutral lips, gentle eye contact with camera  setting: minimal indoor near window or simple outdoor corner, clean background, everyday atmosphere  composition: slightly off-center framing, intimate distance, candid feel  mood: fresh, youthful, sweet everyday moment, understated charm  quality: ultra-realistic, analog film look, natural imperfections, soft dreamy finish

柔黑雾偶像人像

原案例 / 作者：@BubbleBrain

完整提示词：

9:16 vertical — Korean idol portrait photography, single subject  soft black mist filter effect, lowered contrast, gentle highlight bloom, subtle glow, soft diffusion, slightly faded blacks  minimal indoor setting near window, white curtains, clean light-toned background  young Korean female idol, natural minimal makeup, dewy realistic skin texture, subtle imperfections  outfit: oversized white button-up shirt + short bottoms, slightly loose fit, soft and casual styling, no revealing elements  hair: long dark hair, slightly messy, natural volume, softly flowing  pose: relaxed standing or slight lean, body subtly angled, one leg slightly forward, shoulders relaxed; one hand lightly touching collar or resting near neckline, the other relaxed; gentle body curve without exaggeration  expression: soft cute smile, slightly playful eyes, direct or slightly off-camera gaze  camera: close to mid-body framing, eye-level, intimate distance, slight handheld feel  lighting: diffused natural daylight, soft shadows, gentle light wrapping around face and body  mood: cute yet subtly sensual, intimate, everyday softness, quiet romantic atmosphere  quality: ultra-realistic, fine film grain, slight softness at edges, natural imperfections, dreamy understated tone

富士风情侣人像

原案例 / 作者：@BubbleBrain

完整提示词：

9:16 vertical — Japanese Fuji film style couple portrait, two subjects  Fujifilm analog aesthetic (Pro 400H / Superia feel), soft pastel tones, slight green-magenta shift, low contrast, gentle highlight roll-off, fine film grain, subtle halation  bright natural daylight, diffused sunlight through window, soft shadows, airy atmosphere  young Japanese couple, natural minimal makeup, realistic skin texture, slight imperfections  female outfit: oversized button-up shirt with loose shorts, relaxed fit, soft casual styling   male outfit: simple t-shirt or light shirt, clean and understated  hair: natural, slightly tousled for both  pose: close intimate distance — sitting or standing close together; the girl gently leaning toward him, one hand lightly resting on his shoulder or chest; the boy slightly leaning in, faces close, almost touching, capturing the moment just before a kiss  expression: soft smiles or gentle gaze toward each other, relaxed and natural, emotional connection visible  camera: close framing (waist-up), eye-level, intimate distance, slight handheld feel  setting: minimal indoor near window, light curtains, clean soft background  lighting: diffused daylight, gentle highlight bloom, soft shadow transitions  mood: warm, romantic, intimate everyday moment, natural affection  quality: ultra-realistic, analog film look, fine grain, slight softness, natural imperfections

AI 自我认知人像

原案例 / 作者：@80vul

完整提示词：

`1`	`根据你对我的认知给我生成一个“你认识的我”的图片`

创建最写实的复古报纸头版设计…

原案例 / 作者：@Naiknelofar788

完整提示词：

Create the most realistic front page design of a vintage newspaper featuring the main character. The layout should be made in the style of a real printed newspaper with a cinematic black-and-white aesthetic.
The main photo should be prominently placed in the center, framed, like the image in the title of the article. The subject in the photo should remain unchanged and clearly distinguishable in natural light and slightly increased contrast in order to match the spectacular editorial style.
Create a bold, attention-grabbing headline at the top (create a unique title that matches the spirit of the photo - it can be romantic, mysterious, funny, or dramatic). Add a smaller subtitle under it, which will look like a real newspaper caption.
Add realistic newspaper elements:
Columns of small text (in the style of lorem ipsum, but framed like real news)
At the top is the fictitious name of the publication (for example, The Daily Prompts, AI Times or similar - think creatively, according to the picture)
Date, issue number and location
Decorative lines, dividers, and vintage typography
Small additional articles or captions to the main image
Optional stamps, doodles, or editorial notes to add personality.
Style:
Black and white or slightly faded monochrome paper
Fine paper texture, grain, and ink defects
Small shadows and creases that mimic real printed paper
The aesthetics of a clean but slightly worn vintage newspaper
Mood: Give the design personality, expressiveness and plot, as if the plot is part of the main article.
Aspect ratio: 4:5 or 1:1
High-detail, ultra-realistic hybrid of editorial photography and print design.

杂志旅行指南专题页

原案例 / 作者：@andis13

完整提示词：

Create image of Magazine feature article [travel] guide page, cute, information dense photo book style magazine feature article page. Add all necessary sections, tips, recommendations, information. add photos for any sections and recommendations if you like. Place the attached person at the precise location of [city, country]. Seamlessly blend the attached person as if they are sightseeing. Approach this task with the understanding that this is a critical, information rich page that will significantly influence visitor numbers, text accuracy is important. Fully use the entire [9:16] page. NEGATIVE PROMPT: coordinate texts @swiat_ai @ProfitAII

分析照片并给出可复现它的详细 JSON 提示词…

原案例 / 作者：@pavellaslov

完整提示词：

analyze this photo and give me a detailed JSON prompt that recreates it. break down the color grading and every exact color in the photo

(use Opus, not Sonnet. Opus has stronger visual analysis and writes more detailed JSON)

paste that JSON into ChatGPT
upload your product image and prompt:
using this JSON as reference, generate a person holding my product
save that generated photo as your character reference

attach it to every future generation for facial consistency

you now have a consistent UGC model that works across any product

the JSON controls the lighting and color grading. GPT image-2 handles the character. you control the product placement.

the #1 tell on AI photos is flat colors and a grainy look. this method removes both.
5 minutes to set up. unlimited variations after.

CALMING GREEN TEA 胶片套装正面展示…

原案例 / 作者：@ZaraIrahh

完整提示词：

CALMING GREEN TEA Film Kit displayed frontally, the open box shows soft sage-green film pouches and translucent ampoules with matte silver caps, product placed centrally with clear branding CALMING GREEN TEA -- 7 Days to Soothed Skin, pastel green background with botanical graphic accents, three minimal icons (leaf, wave, balance) floating around the product to emphasize benefits, photographic, hyper detailed, ultra realistic, lifelike, 8k, high detail, soft professional lighting.

草莓软冰淇淋的超写实产品摄影…

原案例 / 作者：@ZaraIrahh

完整提示词：

Ultra-realistic product photography of a rich strawberry soft-serve ice cream in a crispy waffle cone, styled with a clean, modern premium aesthetic. The soft serve is a vibrant natural pink, thick and creamy, sculpted into a smooth swirl with a softly curled peak, lightly topped with delicate strawberry dust or tiny fruit specks for a fresh, appetizing look. The cone has a rustic, crunchy texture with slightly uneven edges for an artisanal feel.
The background is soft beige with natural sunlight casting subtle leaf shadows, creating a calm, organic atmosphere. Include softly blurred greenery in the foreground for depth. The composition is minimal, balanced, and uses negative space effectively, similar to high-end American food brand ads.
On the left side, include modern English typography in a clean, elegant layout (not vertical).
Main headline:
Sweet Strawberry Bliss.
Supporting line (smaller text):
Made with real strawberries. Smooth. Creamy. Irresistible.
Add a small circular badge showing the price:
$5.80.
Lighting: soft natural daylight, warm highlights, shallow depth of field, high-end commercial food photography style.
Mood: fresh, premium, modern, and inviting — aligned with upscale U.S. dessert branding.

轻薄笔记本电脑上的超写实 UI/UX 样机…

原案例 / 作者：@ZaraIrahh

完整提示词：

A hyper-realistic UI/UX mockup displayed on a slim modern laptop placed on a minimal wooden desk with soft natural daylight. The screen shows a clean SaaS dashboard with elegant typography, glassmorphism cards, smooth gradients, subtle drop shadows, and neatly spaced components. Visible charts, analytics panels, sidebar navigation, and micro-interactions. Realistic macOS-style window frame, soft reflections on the screen, shallow depth of field, cozy workspace atmosphere, shot in photorealistic product photography style, ultra-detailed.

18 岁年轻男性的超写实电影感 DSLR 照片…

原案例 / 作者：@harboriis

完整提示词：

Ultra-realistic cinematic DSLR photograph of an 18-year-old handsome young man with a slim skinny body, lean physique, narrow shoulders and waist, standing confidently in front of a blue 2017 Ford Mustang GT Convertible with a bold red soft top roof, captured from a high-angle aerial perspective exactly like a luxury driveway photoshoot. Keep face 100% identical to reference image with exact facial structure, natural skin texture, realistic pores, authentic expression, no beautification, no facial modification. Same modern textured side-swept quiff hairstyle with heavy natural volume on top, deep side flow, messy yet controlled texture, soft matte finish, visible natural hair strands, softly blended sides.

The subject stands centered near the front bumper of the Mustang GT, hands inside hoodie pockets, relaxed shoulders, straight posture, slight head tilt upward toward camera, confident calm expression, wearing oversized premium black hoodie with realistic cotton texture, natural folds, hanging drawstrings, loose dark washed black denim jeans with soft wrinkles and stacked hems, clean white sneakers with realistic leather texture and sole details, black slim rectangular sunglasses.

Car must be a detailed 2017 Ford Mustang GT Convertible, metallic electric blue paint, glossy reflections on hood, visible Mustang pony grille emblem, aggressive headlights, muscular hood sculpting, aerodynamic front bumper, black alloy wheels, premium red convertible fabric roof, realistic windshield reflections, detailed side mirrors, authentic tire tread, showroom-clean finish

Scene set in an upscale villa driveway with light beige hexagonal stone pavement, curved border with fresh green grass on left side, tropical palm leaves entering frame from top corners, subtle luxury outdoor atmosphere. Soft natural daylight, diffused afternoon lighting, realistic shadows under car and body, soft reflections on paintwork, cinematic premium color grading, natural contrast, shallow depth separation while maintaining environment clarity. Shot on 35mm lens, vertical composition, full body framing, crisp details, hyper-realistic DSLR quality, zero Al look, natural skin rendering, realistic hair strands, fabric texture, stone surface texture, luxury lifestyle mood. stylish text AmanZaid at the bottom-left corner, signature style

Negative Prompt:

face changed, different identity, beautified face, edited face, smooth plastic skin, fake skin glow, wrong hairstyle, short hair, fade haircut, buzzcut, messy deformed hair, female features, muscular body, fat body, broad shoulders, bad anatomy, long neck, short legs, extra fingers, missing fingers, mutated hands, distorted arms, broken posture, crossed eyes, lazy eye, bad sunglasses, blurry face, low resolution, pixelated, noisy image, overexposed, underexposed, harsh shadows, unrealistic reflections, fake car shape, wrong car model, damaged car, extra wheels, warped Mustang logo, incorrect. proportions, bad pavement texture, background artifacts, duplicate objects, watermark, logo errors, text artifacts, cropped feet, cut car, unnatural perspective, CGI render, cartoon style, painting, Al artifacts, oversaturated colors, motion blur, lens distortion 1664x2080-ar 4:5

卧室随手自拍写实人像

原案例 / 作者：@charliejhills

完整提示词：

Candid selfie of a young woman with shoulder-length honey-blonde hair with lighter highlights, green-grey eyes, rosy cheeks, and a natural no-makeup makeup look. She is wearing a light grey hoodie and looking slightly off-camera with a relaxed expression. Background shows a cosy bedroom with warm fairy lights strung on a pink wall, a unmade bed with tan bedding, and a small white desk with stacked books. Soft, warm ambient lighting. Photo-realistic, casual, intimate feel.

音乐人夜晚离开杂货店电影感人像

原案例 / 作者：@commanderdgr8

完整提示词：

A candid, magazine-cover quality documentary photograph of a young musician with curly hair, casually carrying a worn guitar case, stepping out of a classic downtown bodega at 11 PM. The lighting features a complex mixed color temperature: a bright neon "OPEN" sign casts an intense, warm red glow across his face, while a yellow streetlamp provides a striking backlight behind him. The image perfectly emulates 35mm film shot on a Canon AE-1 with a 50mm f/1.4 lens wide open, exhibiting a shallow depth of field with the background beautifully blurred. It captures the exact aesthetics of CineStill 800T film, specifically featuring the distinctive soft red halation bloom radiating outward from the neon light sources, a tungsten white balance, and moody, slightly green-tinted shadows in the darkest areas. Cinematic night photography, photorealistic, highly detailed.

老德里甜品店门面纪实照片

原案例 / 作者：@commanderdgr8

完整提示词：

Create a photorealistic travel-documentary image of a small sweet-shop storefront in Old Delhi at midday. A painted shop signboard above the door reads "मिठाई की दुकान" in large bold yellow hand-painted Devanagari on a deep red background, with "SWEET SHOP" in smaller roman letters beneath. Realistic hand-painted texture, slight wear, natural shadow. Authentic script proportion. Spelling and characters exact. No extra signage in frame, no watermark.

赛博朋克科幻侧脸人像

原案例 / 作者：@iamsofiaijaz

完整提示词：

A cinematic side-profile portrait of a rugged man with a tied-back bun and full beard, wearing round dark sunglasses and a textured leather jacket. His skin is detailed and slightly weathered. The background is a futuristic sci-fi interface filled with glowing orange and red data streams, star maps, celestial navigation diagrams, grids, and holographic UI elements. Fiery particle effects and ember-like energy swirl around him, creating a cosmic, high-tech atmosphere. Dark color palette with strong contrast, dramatic lighting, ultra-detailed, sharp focus, 8K, cyberpunk aesthetic, cinematic composition, depth of field.

真实卧室录制抓拍人像

原案例 / 作者：@ChillaiKalan__

完整提示词：

A realistic young woman sitting casually in a softly lit bedroom during late afternoon.

She is holding her phone very close to her face as if recording a private video or voice note.

Framing is tight and slightly imperfect.

Expression: thoughtful, slightly shy, natural.

Minimal makeup, natural skin texture, relaxed clothing.

Lighting: warm natural light fading from a window, soft shadows.

Environment: simple bedroom, calm and lived-in.

Style: ultra-realistic, looks like a real phone recording, slightly grainy, not cinematic.

幼儿蜡笔涂鸦风人像

原案例 / 作者：@akakageAI

完整提示词：

1
2
3

(被写体) in the style of super bad child drawing, toddler art, scribbles, messy crayon lines on white background, completely lack of technique, terrible composition, chaotic colors, barely recognizable shapes, very raw, honest art, pure naivety, unrefined style, 4:3
Negative:
good drawing, nice lines, clear shapes, neat, pretty, smooth, realistic, talented art, coherent composition, artistic style, professional, skilled, masterpiece, beautiful, detailed

修复后的复古母子人像

原案例 / 作者：@gdb

完整提示词：

A restored vintage family snapshot, photographed indoors in soft natural light, showing a {argument name="adult subject" default="young mother"} seated and holding a {argument name="child subject" default="toddler"} on her lap in a close, centered waist-up portrait. The adult has short softly curled auburn hair in a voluminous 1960s-inspired bob, wears a sleeveless black dress and a thin gold necklace, and wraps both arms protectively around the child. The child has fine light blond hair and wears a plain white long-sleeve outfit. Compose the image with a warm nostalgic color cast, gentle film softness, subtle grain, and the look of a carefully repaired old printed photograph. Place them in front of a cream-colored curtain patterned with small brown teddy bear motifs, with a softly blurred interior window frame visible along the top background. Preserve realistic skin tones, natural posture, and the intimate family-photo feeling, as if an old damaged photograph has been professionally reimagined and restored. Square crop, centered composition, shallow depth of field, authentic analog photo texture, no modern styling, no text.

受损复古母子照片

原案例 / 作者：@gdb

完整提示词：

A heavily damaged old family snapshot in faded black and white with a slight sepia cast, shown as a worn physical photograph scanned straight-on. The image depicts a seated woman holding a small child on her lap indoors, both centered in a simple portrait composition. The woman has short dark wavy hair and wears a dark sleeveless dress or pinafore layered over a lighter short-sleeved blouse. The child appears to be a toddler with very short light hair, wearing a light-colored outfit, facing the camera while sitting against the woman’s chest and arm. Behind them is a patterned curtain with small floral or leaf motifs, and above it a dark window area with a pale vertical window frame is visible near the top center. The print is severely deteriorated: extensive scratches, creases, emulsion damage, stains, blotches, and peeling cover the entire surface, with especially heavy white abrasion and loss of detail across the bottom third and scattered cracking throughout. Keep the overall look authentic to a mid-20th-century vernacular photo, low contrast, soft focus, and visibly aged paper texture. Add a rectangular blurred censor block over the woman’s face only, while the child’s face remains visible but faded. No text, no border, just the distressed archival photograph filling the frame.

墨刻风家庭肖像

原案例 / 作者：@gdb

完整提示词：

A black-and-white hand-drawn family portrait in the style of detailed pen-and-ink crosshatching on textured white paper, showing 4 people seated closely together in a casual candid composition. On the left, an adult man in a dark baseball cap worn backward and a dark T-shirt leans into the frame, with a crossbody sling bag worn across his chest and visible zipper details. On the right, an adult woman with curly hair tied up in a loose high bun wears a light T-shirt with large collegiate block letters reading {argument name="shirt text" default="CITY"}. In the center are 2 young children sitting close together, both with short curly hair and matching light-colored T-shirts printed all over with strawberries. The child on the left leans inward with one arm crossing the other child, and the child on the right tilts their head slightly upward. The adults frame the children protectively, creating a warm family snapshot feeling. Render the whole image as a monochrome etched illustration with dense fine-line hatching, engraved shadows, crisp contour lines, and a realistic yet artistic likeness, with no color, no background setting beyond a plain light paper texture, and a vertical portrait crop.

复古雕刻风连帽衫人像

原案例 / 作者：@gdb

完整提示词：

A centered black-and-white vintage engraved portrait of a bearded man wearing a hooded sweatshirt with the hood up and a backward snapback cap visible under the hood. Show only the upper torso and head against a plain off-white paper background with subtle texture. Render the image in detailed pen-and-ink etching style with dense cross-hatching, fine parallel lines, and old book illustration shading. The figure faces forward in a calm, neutral pose. The cap has a visible snap closure band across the forehead area, slicked-back hair is visible above it, and a thick full beard extends below the face. The hoodie has two drawstrings hanging down at the chest. Keep the composition symmetrical and tightly framed like a classic engraved bust portrait, with no color, no modern graphic elements, and no background objects.

梦幻逆光编辑风人像

原案例 / 作者：@ToroJushiAi

完整提示词：

A cinematic soft-focus portrait of a woman from behind and slightly in profile, framed from the upper torso up in a vertical composition. She has {argument name="hair color" default="dark brown"} hair styled in a loose messy updo with wispy strands catching the light. Her face is mostly hidden by her pose and hair, with only a small portion of one cheek visible. She wears a {argument name="dress color" default="deep red"} sleeveless dress with an open back or low-cut side, emphasizing her bare shoulder and upper back. One hand is raised delicately near her neck or shoulder, fingers relaxed. Use strong warm backlighting and rim light, with glowing golden highlights around the hair and skin, dreamy lens flare, and large circular bokeh in the blurred background. The image should feel intimate, elegant, and slightly sensual, like a high-end fashion or beauty editorial, with shallow depth of field, creamy blur, warm amber and rose tones, and a soft cinematic glow.

3D 卡通角色渲染

原案例 / 作者：@Inshrah_ali_

完整提示词：

High-quality 3D CGI render of {argument name="character" default="[character]"} in a charming cartoon style, portrait composition showing head and shoulders. Highly stylized caricature with exaggerated, expressive features that are both playful and humorous. Smooth, polished rendering with clean materials and soft ambient lighting creating gentle shadows. Dynamic camera angle with stylish perspective. Minimalist bright {argument name="background color" default="[color]"} background that makes the character pop and stand out. Professional Pixar-like quality with glossy finish and cheerful mood.

楼梯上的亮片裙年轻女性

原案例 / 作者：@XSydneyFan

完整提示词：

Vertical 2:3 format. {argument name="subject" default="Young woman"} hair in messy updo sits on modern wooden staircase. wears {argument name="dress" default="shimmering Silver halter dress sequin dress"}. matching with silver high-heeled sandals. legs crossed. Silver heart earrings. One fuchsia bracelet on each ankle. Sultry expression, with slightly parted lips. Blurred background vertical wooden slats and black metal railings. Don't change face

奢华棚拍换装效果

原案例 / 作者：@Abdullah__Ai7

完整提示词：

Using REFERENCE_0 as the subject base, transform the casual desert snapshot into a full-body luxury fashion studio portrait. Replace the denim jacket, tank top, and shorts with a fitted strapless mini cocktail dress in {argument name="dress color" default="powder blue"} with ornate silver floral embroidery and exactly 2 geometric cutouts at the chest and upper waist. Change the setting to a clean seamless light-gray studio background with polished high-end editorial styling. Add 1 silver clutch with a thin chain strap in the subject's right hand and 1 pair of pointed silver high heels. Refine the pose into an elegant standing fashion pose with one hand near the face, keep the same person and hair identity, and apply soft cinematic luxury lighting with crisp 8K fashion-photography detail.

暖色咖啡馆里的金发女仆

原案例 / 作者：@yume00112211

完整提示词：

A polished anime-style portrait of {argument name="character" default="a blonde female VTuber-inspired maid"} seated indoors in a cozy sunlit cafe, framed from upper thighs to head in a slightly high, intimate angle. She has short to medium-length tousled {argument name="hair color" default="golden blonde"} hair with soft layers, a white frilled maid headband, and a teal ribbon hair accessory with a small gold ornament on the right side. Her face is mostly obscured by the hair falling forward, creating a mysterious hidden-face composition. She wears an elegant black-and-white maid dress with puff sleeves, white ruffles, gold trim, a fitted bodice, a white apron, and a large white waist bow visible at the side and back. Add 2 teal bows with gold star-like charms: 1 at the collar and 1 on the wrist. Her right hand gently touches the bow at her chest, and her left hand is raised delicately near her shoulder holding a loose strand of hair. Include a frilly lace garter on her exposed thigh with a small teal-and-gold ribbon decoration. The background is a warmly lit European-style cafe interior with wooden beams, framed botanical art on the walls, a softly blurred cake stand on the left, window light streaming in, and tiny glowing dust-like sparkles in the air. Use soft golden afternoon lighting, shallow depth of field, glossy detailed fabric rendering, delicate skin shading, subtle romantic atmosphere, and highly detailed refined anime illustration quality.

梦幻东方女性人像提示词

原案例 / 作者：@liyue_ai

完整提示词：

{argument name="subject" default="Dreamy Oriental female portrait"}, adult female, close-up portrait, exquisite facial features, fair and translucent skin, delicate but clean skin texture, emerald green eyes, soft and charming gaze, brown wavy hair falling naturally; {argument name="accessories" default="Off-white lace headpiece"}, embellished with turquoise butterflies and pearl decorations; attire is an exquisite lace gown with a clear structure and clean, not overly complex texture, accompanied by emerald jewelry; lighting is soft warm gold side-backlighting, rim lighting is clear but not overexposed, skin has slight highlights but not excessive reflection, overall lighting is clean and transparent, background is softly blurred with shallow depth of field; high-end portrait photography quality, details are clear but restrained, no grain, no noise, real physical lighting, 8K, commercial-grade quality. Aspect ratio: 9:16

黑白爱马仕风头像

原案例 / 作者：@jiajia232016

完整提示词：

Create a minimalist black-and-white vector avatar logo of a mythic anime woman shown in elegant side profile facing right, cropped from the chest up on a plain white background. Give her long flowing {argument name="hair color" default="black"} hair with bold white highlight streaks and smooth graphic shapes, rendered as high-contrast ink silhouette art with clean sharp edges. She wears a winged headpiece reminiscent of Hermes or a messenger god helmet, with one large white feathered wing visible on the side of her head and a circular metallic earpiece detail. Dress her in a sleek high-collar garment with a luxury-fashion feel, and hang a prominent pendant or zipper pull shaped like the letter {argument name="monogram letter" default="H"} at the center of the collar. The face is intentionally obscured by a centered soft gray rectangular blur block covering most facial features, creating a censored anonymous profile-image effect. Overall style: luxury brand avatar, fashion logo, anime-inspired goddess silhouette, monochrome vector emblem, smooth negative-space highlights, balanced composition, modern and iconic, suitable for a social media profile picture.

赛博水晶动漫少女人像

原案例 / 作者：@libearal

完整提示词：

A highly detailed anime-style full-body character portrait of {argument name="character name" default="Hermes"}, a delicate futuristic girl sitting curled up with her knees hugged to her chest, gazing softly at the viewer with a calm, slightly melancholic expression. She has extremely long {argument name="hair color" default="silver-lilac"} twin tails with soft bangs, glossy lavender eyes, porcelain skin, and ornate crystal hair accessories including 3 large ribbon bows and a jeweled tiara-like headpiece. Her outfit is an elaborate translucent idol-tech dress in {argument name="outfit color" default="pink, lavender, and violet"}, featuring off-shoulder puff sleeves, layered ruffles, faceted gemstone-like fabrics, a huge floral bow at the waist, dangling crystal charms, garter details, patterned thigh-high stockings, and glossy bow heels. Surround her with a luminous cyber dreamscape in {argument name="background palette" default="neon violet and electric blue"}: transparent holographic panels, floating glass cubes, sparkling particles, geometric prisms, glowing wireframe lines, and digital UI windows suspended in space. Include 5 readable interface text elements scattered in the background: "ERROR.", "Code-", "return", "area x1", and "404". Make the whole image feel like a luxurious AI avatar reference illustration, mixing ethereal fantasy and cyberspace aesthetics, with crystalline light refractions, dramatic glow, high detail, intricate lace and gem textures, and a polished premium gpt-image-2 anime rendering.

粉彩薰衣草动漫少女人像

原案例 / 作者：@libearal

完整提示词：

A delicate vertical anime portrait of a dreamy young woman in an ethereal pastel lavender palette, shown from about mid-thigh up against a soft decorative background of pale swirling lines, floating petals, tiny stars, and subtle sparkles. She has extremely long, voluminous silver-lilac hair styled in twin tails with flowing strands, soft bangs, and ornate ribbon decorations; each side is adorned with large lavender bows, ruffled headband-like trim, dangling gold star charms, and small white flower hair ornaments. Her face is centered and mostly covered by a flat solid pale lavender rectangle censor block, leaving only hints of her ears and hairline visible. She wears an elaborate fantasy-lolita inspired dress in white, pearl, and light violet, with glossy satin fabric, ruffled neckline, layered frills, puffed detached sleeves, gold trim, corset lacing at the waist, and multiple purple bows including 3 clearly visible bow accents on the outfit. Her hands are clasped gently near her chest in a shy, elegant pose. The image should feel soft, refined, feminine, and luminous, with high-detail anime rendering, smooth gradients, airy composition, flowing hair movement, and a romantic celestial aesthetic. Use a {argument name="color theme" default="pastel lavender and white"} palette, {argument name="hair color" default="silver-lilac"} hair, an {argument name="outfit style" default="ornate fantasy lolita dress with bows and ruffles"} design, a {argument name="background style" default="soft swirls, petals, stars, and sparkles"} backdrop, and a {argument name="face covering" default="solid pale lavender censor rectangle"} over the face.

记忆空间里的薰衣草 AI 少女

原案例 / 作者：@libearal

完整提示词：

A dreamy anime portrait of {argument name="character name" default="Kotori"}, a delicate virtual girl seated on the floor in a curled-up pose with both knees pulled close to her chest and her arms wrapped gently around them, looking directly at the viewer with a soft, quiet, slightly melancholy expression. She has very long, flowing silver-lavender twin tails with wispy bangs, decorated with 8 visible hair ornaments: 2 large ribbon bows at the twin-tail bases, 3 small flower clips, 2 tiny butterfly clips, and 1 heart-shaped hairpin. Her eyes are large, luminous violet with glossy highlights. She wears an oversized pastel-lilac off-shoulder knit cardigan slipping loosely around her arms, a frilly lace-trimmed nightdress or camisole in pale lavender, and a pair of soft knee-high socks with 2 visible ribbon bows, all in a cohesive {argument name="color theme" default="soft lavender and pastel purple"} palette. The scene is set inside a futuristic holographic memory space filled with floating translucent interface panels, glowing data windows, starry particles, and butterfly-shaped light motifs. Include a visible text panel on the left showing terminal-like white text that reads: {argument name="screen text" default="memory://\nUser: You\nAI: Kotori\n\nAccessing.\n> initializing\n> loading memory\n> 100%\n> welcome home."}. In the background, show a cosmic digital environment with a faint planet, layered transparent screens, and several floating image thumbnails suggesting memories and character sketches. Lighting is ethereal and backlit, with iridescent bloom, soft rim light, sparkling dust, and glossy highlights on hair and fabric. Composition is full-frame vertical, centered on the girl, intimate and emotionally warm, highly detailed, ultra-polished, soft-focus anime illustration, celestial cyber fantasy aesthetic, gentle purple glow, intricate lace, silky hair strands, and a tender "AI companion in her memory world" mood.

粉彩 AI 助手动漫人像

原案例 / 作者：@libearal

完整提示词：

A dreamy anime-style portrait of a gentle virtual assistant girl named {argument name="character name" default="Misha"}, sitting curled up indoors in a cozy futuristic bedroom filled with translucent holographic memory screens. She has very long silvery white hair with a faint lavender tint, styled in 2 low twin tails tied with small lavender ribbons, with soft wispy bangs and loose flowing strands. Her expression should be tender, introspective, and slightly lonely, with a soft glow and delicate features. She wears an oversized chunky cable-knit cardigan in {argument name="cardigan color" default="pastel lavender"} draped loosely over a thin white ruffled nightdress, plus a tiny gemstone necklace. Her pose is seated with knees pulled to her chest and arms wrapped around her legs, creating a vulnerable, intimate silhouette. The room is lit in hazy pastel violet and pink ambient light with sparkles, dustlike stars, and a nostalgic magical-tech atmosphere. Around her are 5 visible holographic interface panels: 2 floating photo panels in the upper left showing soft memories, 1 lower-left panel labeled “Memory Fragments” with a small image and tiny graph bars, 1 large right-side profile panel with Japanese text including “ミーシャ・Misha” and “あなたの専属AIアシスタント,” and 1 smaller right-side checklist panel with heart icons. Include a glowing crystal ball on a desk to the right, a white mug printed with “Misha” and small heart motifs, a stack of 2 books beneath the desk area, and 1 plush cat cushion on the lower left. Composition is vertical, full-body to three-quarter seated framing, highly detailed, soft painterly anime rendering, luminous translucent overlays, sentimental memory-core aesthetic, gentle depth of field, pastel lilac palette, ethereal and emotionally warm.

深色 Gatorade 风人像

原案例 / 作者：@jeremydevz

完整提示词：

A dramatic, high-contrast studio portrait of a {argument name="subject gender" default="male"} athlete or model in the visual style of a premium sports drink advertisement, centered and facing straight toward the camera in a tight head-and-shoulders crop. The subject has {argument name="hair style" default="short dark hair brushed back"}, visible ears on both sides, and a rugged lower face with a short beard or stubble. Dress him in a dark zip-up athletic jacket with the zipper centered and visible near the collar. Use an almost entirely black background and extremely low-key lighting, with subtle rim light and soft highlights catching the hair, ears, jawline, shoulders, and jacket texture while most facial features remain swallowed by shadow for a mysterious, intense mood. The image should feel monochrome or nearly monochrome, with deep blacks, muted gray highlights, cinematic contrast, gritty texture, and a sleek commercial sports-brand aesthetic reminiscent of a {argument name="brand style" default="Gatorade"} campaign. Vertical composition, minimalist framing, no text, no logo, no props, no visible environment.

戴眼镜的温柔女性肖像

原案例 / 作者：@megane_onesan

完整提示词：

`1`	`A {argument name="style" default="photobook-style portrait"} of a {argument name="character" default="gentle woman with glasses"}`

梦幻水下女性与半透明鱼

原案例 / 作者：@kotobukigraphic

完整提示词：

A dreamy surreal portrait of a {argument name="subject" default="young woman"} standing underwater or in a liquid-like ethereal space, shown from about mid-thigh up, wearing a flowing sleeveless white dress that appears to dissolve into translucent water and shimmering fragments. Her long {argument name="hair color" default="dark brown"} hair streams dramatically sideways as if suspended in water, and her face is intentionally obscured by a soft vertical blur block for anonymity. Surround her with an exact count of about 30 small translucent fish, some striped and some pale silvery white, swimming in multiple depths of field across the foreground, midground, and background, with several fish passing in front of her body and hair to create strong motion and depth. Use a soft pastel {argument name="background color" default="powder blue"} background with faint handwritten script texture layered across it, plus whimsical doodles scattered throughout: white and pale pink hearts, stars, curved squiggles, wave lines, dots, sparkles, and 2 smiley faces. Add prismatic rainbow refractions, glossy caustic highlights, and subtle lens-like chromatic shimmer on the fish and dress. The mood should feel delicate, introspective, airy, and magical, with high-key lighting, gentle contrast, soft focus in the foreground, and crisp detail on the torso and hair. Compose the figure slightly off-center with one arm relaxed downward and the body turned lightly in motion, as if drifting peacefully through a school of fish. Include tiny elegant footer text in white near the bottom edge, with a left signature, a centered website URL, and a small right credit mark, resembling an art-poster or social-media showcase image.

日本教室长发抓拍

原案例 / 作者：@Hair_Hair55

完整提示词：

A candid, photorealistic Japanese high school classroom scene in vertical smartphone-photo framing. Three schoolgirls wearing matching traditional navy blue sailor uniforms are the main focus in the foreground. The central standing girl has extremely long, straight, glossy black hair that falls well past her knees, almost to the floor, and she is gently combing the lower section with a small comb while looking downward. A second girl stands behind and slightly to the right, also with long straight black hair, holding an open compact mirror in one hand and adjusting her bangs or hair near her temple with the other. A third girl kneels on the floor at the right front, carefully holding and arranging the central girl’s long hair with both hands. All three wear dark navy sailor-style school uniforms with white stripe trim, pleated skirts, long sleeves, white socks, and indoor school shoes. Their faces are obscured or blurred. In the background, exactly 8 additional students in dark school uniforms sit at desks in small groups, facing away or sideways, creating the feel of an ordinary class period or homeroom. The classroom has wooden desks and chairs, large bright windows along the left side letting in soft daylight, a green chalkboard on the right wall, bulletin papers pinned near the board, and a framed Japanese calligraphy sign above the chalkboard reading {argument name="wall sign text" default="創誠造実"}. The atmosphere is natural and unposed, like a documentary snapshot. Emphasize realistic lighting, fine hair detail, the unusual dramatic length of the central girl’s hair, and a believable everyday school environment.

温馨猫耳少女睡衣夜景人像

原案例 / 作者：@yume00112211

完整提示词：

A soft anime-style bedroom portrait of {argument name="character name" default="Nekomata Okayu"}, shown from the chest up sitting on a bed at night, centered in the frame. She has short fluffy {argument name="hair color" default="lavender"} hair with layered bangs partially covering one eye, large cat ears on top of her head with white inner fur, and a cute sleepy catgirl appearance. Her expression is gentle and relaxed, with one hand raised near her cheek in a shy, cozy pose. She wears oversized {argument name="pajama color" default="light lavender"} button-up pajamas with dark purple piping, a small chest pocket, and paw-print shaped buttons and paw-print decoration on the pocket. The room is lit with dreamy purple ambient lighting. In the background, show a nighttime window with a crescent moon and stars visible outside, soft curtains, a bedside table with a glowing cat-shaped lamp, a neatly rumpled bed with pillows and blankets in matching purple tones, and a small framed wall picture featuring a simple cat face and hearts. Use a cute pastel palette, soft shading, polished digital anime rendering, subtle highlights in the hair, intimate cozy composition, and a calm bedtime atmosphere.

收藏手办工作区照片

原案例 / 作者：@Shinning1010

完整提示词：

Photorealistic high-quality studio photo of a modern digital art workspace, showing the concept of “from 3D virtual character to real collectible figure.”

In the foreground, a highly realistic collectible figurine of [Character Name / Character Identity] is placed on a round wooden display stand. The character has [facial features / appearance], [hairstyle], and a [expression / personality vibe]. The figure is wearing [outfit / costume]. The overall design is refined, premium, and instantly recognizable. The figurine should have realistic collectible statue quality, with subtle resin/sculpture material feel, while still looking highly believable and visually realistic.

The pose is [character pose], natural, stable, elegant, and display-worthy. Shot from a low-angle close-up perspective with slight wide-angle distortion, vertical composition, emphasizing the full figure, clothing structure, leg lines, and pose.

In the background, there is a professional 3D character design workstation with two large curved monitors. Both monitors must show the exact same character as the foreground figurine — same face, same hairstyle, same outfit, same pose, and same overall vibe — clearly expressing the idea of turning a digital 3D character into a real physical figure.

The left monitor shows a gray sculpt / clay model view in a professional 3D sculpting software interface, similar to ZBrush. The gray model must match the foreground figure exactly in character design, pose, outfit structure, and facial identity.

The right monitor shows the fully rendered colored version of the same character, also matching the foreground figure exactly in face, hairstyle, outfit, pose, and temperament. Together, the two monitors reinforce the workflow of “digital character design → physical collectible statue.”

On the desk are a keyboard, mouse, monitor arms, drawing tablet, stylus, and other 3D modeling tools. The workspace is clean, professional, and visually premium. Optional extra elements: [weapon / accessories / theme props / IP-style design details].

Lighting is a mix of soft studio lighting and indoor workspace lighting. The foreground figurine is evenly lit with clear facial and material detail, while the monitors emit cool-toned tech light. Overall mood is realistic, clean, premium, slightly shallow depth of field, ultra-detailed, emphasizing the collectible figure quality, professional 3D design studio atmosphere, and the visual concept of “from digital model to real figure.”

photorealistic, ultra detailed, cinematic studio lighting, realistic figurine, collectible statue, 3D character design studio, from digital model to real figure, vertical composition

雨中公交站人像

原案例 / 作者：@harboriis

完整提示词：

A cinematic nighttime photo of [your photo as reference] sitting alone at a wet bus

stop bench, eating a burger. Rain-soaked street with orange bokeh city lights

reflecting on the ground. Neon tube lights overhead. Red jacket, tan corduroy

pants. Moody, dark, atmospheric street photography.

CCD 闪光美妆人像模板

原案例 / 作者：@AIwithAliya

完整提示词：

A hyper-photorealistic shot of the same subject in the attached image, ultra-detailed facial features, visible pores, natural skin texture, rosy complexion and dewy skin, Douyin/Korean glass-skin makeup, glossy lips, aegyosal, baby pink blush, high identity consistency, realistic human anatomy. Use an old CCD digital camera aesthetic with direct flash, visible grain, slight overexposure, cool-neutral white balance, slight motion blur, and candid composition. Hair in a loose romantic updo; outfit in delicate off-shoulder silk with embroidered floral fabric; background of pastel floral bedding; horizontal close-up; shallow depth of field. Negative prompt: over-smoothed skin, plastic texture, unrealistic proportions, studio lighting, overly sharp HDR, stiff pose, artificial symmetry, over-retouched face.

黑红街头服饰广告人像

原案例 / 作者：@harboriis

完整提示词：

Create a bold, high-contrast black and white portrait of a confident young man wearing a black leather jacket, facing slightly sideways with an intense expression. Use dramatic studio lighting with sharp shadows and detailed skin texture. Add strong red graphic elements over the image, including a horizontal red bar across the eyes, geometric shapes, thin lines, and framing boxes. Incorporate large bold typography, repeated faded text, and a motivational headline in bright red. The design should feel like a premium sports or streetwear campaign poster with a minimal textured grey background and black/white/grey/red palette only.

分类导航：总目录 / 电商主图 / 广告创意 / 人像摄影 / 海报插画 / 角色设计 / UI 与社媒 / 对比与社区案例

原仓库链接

faster-whisper：更快的 Whisper 转写引擎

Fri, 01 May 2026 22:31:26 +0800

faster-whisper 是 SYSTRAN 维护的 Whisper 推理实现。它用 CTranslate2 作为后端，在保持 Whisper 使用方式接近的同时，把推理速度、显存占用和部署灵活性做得更适合工程场景。

如果你已经用过 openai/whisper，可以把 faster-whisper 理解成一个更偏生产环境的替代方案：接口仍然围绕模型加载、音频转写、分段结果展开，但底层执行效率更高，也更容易按 CPU、GPU、量化和批处理策略做取舍。

它解决什么问题

Whisper 的效果很好，但原版实现直接部署时经常会遇到几个问题：

长音频转写耗时明显。
GPU 显存占用偏高。
CPU 环境可用，但速度不一定理想。
批量处理大量音视频时，吞吐不容易压上去。

faster-whisper 主要就是围绕这些问题做优化。项目 README 中说明，在相同精度下，它可以比 openai/whisper 快到 4 倍，并且内存占用更低；如果使用 8-bit 量化，速度还可以进一步提升。

安装

常规 Python 环境里可以直接安装：

`1`	`pip install faster-whisper`

如果要使用 GPU，需要确认本机 CUDA、cuDNN 与 CTranslate2 版本匹配。这里最容易踩坑的是显卡驱动和 CUDA 运行时版本不一致：代码本身可能没问题，但运行时会在加载模型或首次推理时失败。

基本用法

最小示例很直接：

from faster_whisper import WhisperModel

model_size = "large-v3"

model = WhisperModel(model_size, device="cuda", compute_type="float16")

segments, info = model.transcribe("audio.mp3", beam_size=5)

print("Detected language '%s' with probability %f" % (info.language, info.language_probability))

for segment in segments:
    print("[%.2fs -> %.2fs] %s" % (segment.start, segment.end, segment.text))

这里有几个关键参数：

参数	作用
`model_size`	选择 Whisper 模型规格，例如 `small`、`medium`、`large-v3`
`device`	推理设备，常见值是 `cuda` 或 `cpu`
`compute_type`	计算精度，例如 `float16`、`int8_float16`、`int8`
`beam_size`	解码搜索宽度，通常越大越稳，但速度越慢

如果你的目标是本地快速转写，通常可以先从 medium 或 large-v3 开始测试。显存紧张时，再考虑量化。

CPU 和 GPU 怎么选

有 NVIDIA GPU 时，优先用：

`1`	`model = WhisperModel("large-v3", device="cuda", compute_type="float16")`

显存不够时可以换成：

`1`	`model = WhisperModel("large-v3", device="cuda", compute_type="int8_float16")`

没有 GPU 时，可以在 CPU 上跑：

`1`	`model = WhisperModel("small", device="cpu", compute_type="int8")`

CPU 模式更适合轻量任务、后台低频任务，或者没有显卡的服务器。要处理大量长音频，GPU 仍然更合适。

批量转写

faster-whisper 也提供批量转写能力。批处理适合大量短音频，或者需要提升 GPU 吞吐的场景：

from faster_whisper import WhisperModel, BatchedInferencePipeline

model = WhisperModel("turbo", device="cuda", compute_type="float16")
batched_model = BatchedInferencePipeline(model=model)
segments, info = batched_model.transcribe("audio.mp3", batch_size=16)

for segment in segments:
    print("[%.2fs -> %.2fs] %s" % (segment.start, segment.end, segment.text))

batch_size 不是越大越好。它会提高吞吐，但也会增加显存压力。实际部署时建议从 4、8、16 这样的值逐步测试，找到机器能稳定承受的点。

VAD 和词级时间戳

语音转文字经常会遇到长静音、背景噪声和字幕对齐问题。faster-whisper 内置了一些实用参数，可以直接在转写时启用。

启用 VAD：

`1`	`segments, info = model.transcribe("audio.mp3", vad_filter=True)`

获取词级时间戳：

segments, info = model.transcribe("audio.mp3", word_timestamps=True)

for segment in segments:
    for word in segment.words:
        print("[%.2fs -> %.2fs] %s" % (word.start, word.end, word.word))

VAD 适合处理会议录音、播客、直播回放这类包含长静音的音频。词级时间戳则适合生成字幕、做逐字稿校对，或者后续接入播放器高亮。

模型怎么选

模型选择主要看三件事：准确率、速度、机器资源。

场景	建议
快速测试	`small` 或 `medium`
中文内容质量优先	`large-v3`
GPU 显存紧张	`int8_float16` 或更小模型
CPU 跑后台任务	小模型加 `int8`
批量短音频	尝试 `BatchedInferencePipeline`

如果是中文语音，建议优先测试 large-v3。如果机器压力太大，再降模型规格或使用量化。不要一开始就只看速度，转写质量下降后，人工校对时间可能会把省下来的推理时间抵消掉。

适合的使用场景

faster-whisper 很适合这些任务：

视频字幕生成。
播客、会议、课程录音转文字。
Bilibili、YouTube 等视频的本地转写流程。
批量音频归档和检索。
把语音内容接入 RAG、知识库或搜索系统。

它不直接解决说话人分离、摘要、章节切分这些上层问题，但可以作为稳定的转写层。后面可以再接 pyannote 做说话人分离，接 LLM 做摘要和结构化整理。

部署建议

实际使用时，可以按这个顺序调试：

先用一段 1 到 3 分钟的音频确认环境能跑通。
再换成目标语言和目标音质的样本测试准确率。
确认显存占用，再决定是否启用量化。
长音频先切分，避免一次性任务失败后重跑成本过高。
输出结果同时保存 TXT 和 SRT，后续校对更方便。

如果是服务器任务，最好把模型加载放在服务启动阶段，不要每次请求都重新加载模型。模型加载本身会消耗时间，频繁加载也容易让显存管理变得不稳定。

小结

faster-whisper 的价值在于把 Whisper 变成更适合长期使用的转写组件。它不是换一个模型，而是换一套更高效的推理后端和工程接口。

对于个人工作流，可以用它快速把视频、会议、课程音频变成文本。对于服务端任务，可以通过 GPU、量化、批处理和 VAD 做性能调优。只要机器环境配置正确，它会比原版 Whisper 更适合承担稳定、批量的语音转文字工作。

项目地址：https://github.com/SYSTRAN/faster-whisper

如何在 Cline 中调用 DeepSeek V4 Pro

Fri, 01 May 2026 20:59:06 +0800

Cline 本身已经支持 OpenAI Compatible Provider。 DeepSeek API 也兼容 OpenAI SDK 风格的调用方式，所以把 deepseek-v4-pro 接到 Cline 里并不复杂：选 OpenAI Compatible，填 DeepSeek 的 Base URL、API Key 和模型名即可。

下面按 VS Code 插件界面和 Cline CLI 两种方式整理。

准备 DeepSeek API Key

先到 DeepSeek 开放平台创建 API Key。

需要准备三个值：

项目	填写内容
Provider	`OpenAI Compatible`
Base URL	`https://api.deepseek.com`
Model ID	`deepseek-v4-pro`

DeepSeek 官方文档说明，V4 系列使用现有 OpenAI 兼容接口，base_url 保持为 https://api.deepseek.com，调用时把 model 设置为 deepseek-v4-pro 或 deepseek-v4-flash。

在 Cline 插件里配置

如果你用的是 VS Code 里的 Cline 插件，可以按这个路径配置：

打开 VS Code 侧边栏里的 Cline。
进入 Cline 的设置或模型配置页面。
Provider 选择 OpenAI Compatible。
API Key 填入 DeepSeek API Key。
Base URL 填：

`1`	`https://api.deepseek.com`

Model ID 填：

`1`	`deepseek-v4-pro`

保存配置，回到 Cline 对话框测试一次简单任务。

可以先让 Cline 做一个低风险测试：

`1`	`请读取当前项目目录结构，并总结这个项目是什么类型，不要修改任何文件。`

如果能正常读取和回答，说明模型链路已经通了。

在 Cline CLI 中配置

如果你使用 Cline CLI，可以用 cline provider configure openai-compatible 进入交互式配置。

示例：

`1`	`cline provider configure openai-compatible`

交互时填写：

1
2
3

API Key: sk-...
Base URL: https://api.deepseek.com
Model ID: deepseek-v4-pro

配置完成后，可以用一个只读任务测试：

`1`	`cline "Summarize this repository structure without changing files."`

如果你希望先降低成本，也可以把 Model ID 临时改成：

`1`	`deepseek-v4-flash`

等遇到复杂规划、事实核查、多工具协作或高风险代码修改时，再切回 deepseek-v4-pro。

上下文长度怎么填

DeepSeek V4 Pro 和 Flash 都支持很长上下文。在 Cline 里如果需要手动填写 context window，可以按 DeepSeek 官方模型页给出的 1M 上下文来理解。

实际使用时不建议一开始就把所有文件都塞进上下文。 Cline 会按任务读取文件，通常更好的方式是：

先让它看目录结构；
再让它定位相关文件；
最后只围绕目标文件执行修改。

这样更省 Token，也更容易保持任务边界清晰。

常见问题

1. 提示模型不存在

先检查 Model ID 是否写成：

`1`	`deepseek-v4-pro`

不要写成 DeepSeek V4 Pro、deepseek-v4 或其他显示名称。

2. 提示 401 或认证失败

检查 API Key：

是否复制完整；
是否带了多余空格；
是否填到了 Cline 当前正在使用的 provider 配置里；
DeepSeek 账户是否有可用额度。

3. 提示连接失败

检查 Base URL：

`1`	`https://api.deepseek.com`

不要在末尾额外拼 /v1/chat/completions。 Cline 的 OpenAI Compatible Provider 会自己按兼容接口组织请求。

4. Cline 调用很贵怎么办

可以先把日常任务切到 deepseek-v4-flash，只在复杂任务里使用 deepseek-v4-pro。

另外，尽量把任务描述写清楚：

`1`	`只修改登录页相关文件，不要重构无关模块。先给出计划，确认后再改代码。`

Agent 任务最怕边界不清。边界越清楚，读文件越少，工具调用越少，成本也越可控。

5. 报错 reasoning_content must be passed back

如果你看到类似错误：

{
  "message": "400 The `reasoning_content` in the thinking mode must be passed back to the API.",
  "code": "invalid_request_error",
  "modelId": "deepseek-v4-pro"
}

这通常不是 Key、额度或 Base URL 的问题，而是 DeepSeek V4 Pro 的 thinking mode 和当前客户端的多轮工具调用记录没有对齐。

DeepSeek 官方文档说明：

thinking mode 默认是 enabled；
thinking mode 下会返回 reasoning_content；
如果某一轮发生了 tool call，后续请求必须把该轮 assistant message 里的 reasoning_content 一起传回 API；
如果客户端没有正确回传，就会返回 400。

Cline 通过 OpenAI Compatible Provider 接入时，如果当前版本没有完整保留并回传 DeepSeek 的 reasoning_content，就可能在第二轮或工具调用后触发这个错误。

可尝试的处理顺序：

先升级 Cline 到最新版；
确认使用的是 OpenAI Compatible，而不是普通 OpenAI provider；
如果 Cline 支持自定义 request body，尝试关闭 thinking mode：

{
  "thinking": {
    "type": "disabled"
  }
}

如果 Cline 不支持额外 body 参数，暂时改用不触发该问题的模型或服务中转；
等 Cline 适配 DeepSeek V4 的 reasoning_content 回传后，再切回 deepseek-v4-pro。

需要注意：关闭 thinking mode 会牺牲一部分复杂推理能力，但可以绕开客户端没有回传 reasoning_content 的兼容性问题。

一个可直接复制的配置清单

Provider: OpenAI Compatible
API Key: sk-你的 DeepSeek API Key
Base URL: https://api.deepseek.com
Model ID: deepseek-v4-pro

如果要低成本模式：

Provider: OpenAI Compatible
API Key: sk-你的 DeepSeek API Key
Base URL: https://api.deepseek.com
Model ID: deepseek-v4-flash

小结

在 Cline 中调用 DeepSeek V4 Pro 的关键只有三步：

Provider 选择 OpenAI Compatible；
Base URL 填 https://api.deepseek.com；
Model ID 填 deepseek-v4-pro。

配置完成后，建议先用只读任务测试，再逐步交给它执行真实代码修改。如果你经常跑 Agent 任务，可以把 Flash 和 Pro 分开用：Flash 负责高频轻量任务，Pro 负责复杂判断和兜底。

参考来源：

DeepSeek V4 降价如何改写 AI Agent 的成本模型

Fri, 01 May 2026 19:47:47 +0800

DeepSeek V4 发布时没有制造出特别夸张的声量。没有大型发布会，也没有一眼碾压所有对手的跑分叙事。但几天之后，它真正影响行业的地方开始显现：连续降价。

这次变化的重点不是“模型强了一点”，而是“使用成本被打到另一个层级”。当 Token 价格低到普通 Agent 任务几毛钱、一两块钱就能跑完时，很多 Coding Plan、Token Plan 的商业逻辑都会被重新审视。

发布当天没有炸场

DeepSeek V4 的第一波反馈并不算热烈。很多人期待它像 R1 那样带来强烈冲击：跑分全面领先、国产算力验证、多模态和 Agent 能力一起爆发。但真正发布后，大家发现它更像一次稳健升级。

V4 Pro 确实是强模型，尤其在代码、数学、长上下文和 agentic coding 上表现不错。但它不是那种让所有同类模型瞬间失色的产品。所以发布当天，舆论一度有些尴尬：想夸，但很难找到一个足够爆炸的角度。

真正的转折点不是发布当天，而是后续价格调整。

连续降价才是关键

DeepSeek V4 发布后，价格开始连续下探。按照 DeepSeek 官方价格页和原文整理的信息，当时的大致价格是：

DeepSeek V4 Flash：输入 100 万 Token 约 1 元；缓存命中后 100 万 Token 约 2 分钱；
DeepSeek V4 Pro：输入 100 万 Token 约 3 元；缓存命中后 100 万 Token 约 2.5 分；
全系列模型输入缓存命中价格降到首发价格的 1/10；
V4 Pro 曾处在 2.5 折优惠期，优惠延长到 2026 年 5 月 31 日 23:59。

如果按美元 API 价格看，会更直观：

模型	缓存命中输入	非缓存输入	输出	上下文
`deepseek-v4-flash`	$0.0028 / 100万 Token	$0.14 / 100万 Token	$0.28 / 100万 Token	1M
`deepseek-v4-pro` 促销价	$0.003625 / 100万 Token	$0.435 / 100万 Token	$0.87 / 100万 Token	1M
`deepseek-v4-pro` 原价	$0.0145 / 100万 Token	$1.74 / 100万 Token	$3.48 / 100万 Token	1M

这里要注意两个点。

第一，V4 Pro 的 $0.435 / $0.87 是促销价，不是长期原价。 DeepSeek 官方说明里，这个 75% 折扣延长到 2026 年 5 月 31 日 15:59 UTC。

第二，缓存命中价格才是 Agent 成本模型里的关键。 Flash 的缓存命中输入低到 $0.0028 / 100万 Token，Pro 促销期缓存命中输入是 $0.003625 / 100万 Token。这意味着大量重复项目上下文、工具定义、系统提示词和历史摘要，不再按完整输入价格计费。

这个价格最重要的地方，是它让很多任务的 Token 成本变得“不敏感”。过去开发者会担心一次 Agent 任务吃掉大量上下文、反复读写代码、频繁调用工具。现在只要缓存命中率足够高，成本会被压得很低。

和 GPT、Claude 的价格对比

只看 DeepSeek 自己的价格，还不容易感受到差距。把它和同期常见的闭源模型放在一起，对比会更明显。

模型	输入	缓存输入	输出	适合场景
`deepseek-v4-flash`	$0.14 / M	$0.0028 / M	$0.28 / M	高频 Agent、常规 coding、批量任务
`deepseek-v4-pro` 促销价	$0.435 / M	$0.003625 / M	$0.87 / M	复杂 coding、规划、事实核查
`deepseek-v4-pro` 原价	$1.74 / M	$0.0145 / M	$3.48 / M	促销结束后的 Pro 成本基准
GPT-5.5	$5 / M	$0.50 / M	$30 / M	高质量复杂任务、通用推理
GPT-5.4	$2.50 / M	$0.25 / M	$15 / M	编程和专业任务的中档选择
GPT-5.4 mini	$0.75 / M	$0.075 / M	$4.50 / M	成本更低的通用/子任务模型
Claude Opus 4.7	$5 / M	$0.50 / M	$25 / M	高质量写作、复杂推理、长任务
Claude Sonnet 4.6	$3 / M	$0.30 / M	$15 / M	编程、Agent、综合任务
Claude Haiku 4.5	$1 / M	$0.10 / M	$5 / M	轻量任务、摘要、分类

这张表里最刺眼的是输出价格。 Agent 不只读上下文，还会不断生成计划、补丁、解释、日志和下一步动作。如果输出很多，DeepSeek V4 Pro 促销价的 $0.87 / M 和 GPT-5.5 的 $30 / M、Claude Sonnet 4.6 的 $15 / M 相比，差距会被不断放大。

即使按 V4 Pro 原价 $3.48 / M 输出算，它也明显低于 GPT-5.4、GPT-5.5 和 Claude Sonnet / Opus。如果任务可以用 Flash 承担，输出价会进一步降到 $0.28 / M。

缓存输入差距更夸张。 DeepSeek V4 Flash 的缓存输入是 $0.0028 / M，而 GPT-5.5 和 Claude Opus 4.7 的缓存输入都是 $0.50 / M。这不是同一个数量级。对反复读取同一代码仓库的 Agent 来说，这个差距比普通聊天更重要。

Agent 任务为什么特别受影响

AI Agent 和普通聊天不一样。普通聊天通常是一问一答，输入上下文相对有限。 Agent 任务会反复读取项目文件、生成计划、调用工具、检查结果、再修改代码。

这类任务有两个特点：

Token 消耗大；
重复上下文多。

第二点很关键。在代码项目里，模型会反复读取同一批文件、目录结构、错误日志和修改结果。如果平台支持缓存命中，重复输入的成本会大幅下降。

原文里提到一次实际体验：把 DeepSeek V4 Pro 和 Flash 接到 Claude Code 一类工具中，让它拉取一个提示词仓库并做成本地搜索网站。任务最终完成，总成本大约 8 毛多，其中 Pro 缓存命中率达到 98.7%。

这个例子说明了一个现实问题：Agent 任务越像“围绕同一个项目反复工作”，缓存命中越有价值。如果一次生成网站、修 bug、改前端只花几毛钱到几块钱，订阅套餐的吸引力就会下降。

可以用一个简化任务估算差距。假设一次 coding agent 任务包含：

50 万 Token 输入，其中 80% 能命中缓存；
5 万 Token 输出；
不计算工具调用、搜索和平台加价，只看模型 Token 成本。

大致成本如下：

模型	估算成本
DeepSeek V4 Flash	约 $0.03
DeepSeek V4 Pro 促销价	约 $0.09
DeepSeek V4 Pro 原价	约 $0.36
GPT-5.4 mini	约 $0.30
GPT-5.4	约 $1.01
GPT-5.5	约 $1.75
Claude Sonnet 4.6	约 $1.11
Claude Opus 4.7	约 $1.65

这个估算不是说 DeepSeek 在所有任务上都更好。模型质量、工具调用稳定性、长上下文检索能力、代码风格和事实可靠性都要单独评估。但从成本上看，DeepSeek V4 把“让 Agent 多跑几轮”的边际成本压得很低。这会鼓励开发者设计更长流程、更频繁的自检和更多候选方案，而不是每次都担心 Token 账单。

Coding Plan 和 Token Plan 的差别

很多 AI 产品现在会提供两类套餐：Coding Plan 和 Token Plan。

它们的差别大致是：

Coding Plan 通常主要面向编程；
Token Plan 通常覆盖更多能力，例如 STT、TTS、绘图、搜索、embedding、RAG；
STT 是语音转文字；
TTS 是文字转语音；
Coding Plan 往往把用户限制在编程场景里，其他能力还需要另买。

从商业角度看，Coding Plan 更像自助餐。用户预先付一笔固定费用，厂商赌的是大多数人不会把额度用满。有人用得多，有人用得少，平均下来平台仍然能赚钱。

但如果按量 Token 价格足够低，用户就会开始计算：我为什么一定要买套餐？如果一个月真实使用成本只有几块钱、十几块钱，买 40 元、200 元的套餐就不一定划算。

降价为什么会冲击套餐模式

订阅套餐的成立，需要一个前提：用户觉得单次使用很贵，或者不想计算每次调用成本。当 Token 价格高时，套餐看起来更安心。当 Token 价格低到几乎无感时，按量付费反而更自然。

DeepSeek V4 的降价相当于把底牌亮出来：

Agent 任务可以很便宜；
长上下文不一定贵到不能用；
缓存命中可以显著降低成本；
普通开发者不一定需要固定订阅；
模型入口可以从“套餐平台”转向“低价 API”。

这会让做 Coding Plan 的平台不舒服。如果用户发现按量调用更便宜、更自由，就没必要为了一个平台的套餐被绑定。

Flash 和 Pro 怎么选

DeepSeek V4 的一个实用思路，是把 Flash 和 Pro 分工使用。

Flash 适合高频、轻量、可重复的任务：

改 bug；
写前端；
写脚本；
做常规代码理解；
处理较长上下文里的普通信息整理；
跑大量子任务。

Flash 便宜，速度快，而且同样支持很长上下文。对日常 coding agent 来说，很多任务不需要一上来就用 Pro。

Pro 更适合复杂判断和兜底任务：

多轮规划；
复杂 Agent 流程；
多次 function call；
事实核查；
财经研究；
需要更强知识和判断力的内容生产；
高风险代码修改。

一个合理配置是：Flash 负责跑量，Pro 负责兜底。普通任务先用 Flash，遇到长程规划、复杂判断、事实核查或多工具协作时再切 Pro。这样既能控制成本，也能保留模型质量。

DeepSeek 为什么可以这么定价

DeepSeek 和很多大厂的业务结构不同。它没有电商、社交、短视频、云计算、手机、汽车、办公套件、操作系统、浏览器或大规模企业 SaaS 生态。

这意味着它不需要把用户锁在一个完整平台里。它可以只卖文本模型能力：你在这里用便宜的文本模型，其他能力要调用谁都可以。

大厂的逻辑通常不同。如果你买了它的 Coding Plan 或 Token Plan，就会被拉进它的云、搜索、绘图、语音、数据库和开发工具生态。套餐不是单纯卖模型，而是在争夺用户入口。

DeepSeek 的打法更直接：把文本模型价格压低，争取成为 Agent 的默认模型入口。只要默认入口被占住，很多开发者和工具链就会自然围绕它适配。

开源模型和默认入口

DeepSeek V4 如果保持开放模型路线，第三方云厂商和平台很可能会自行部署并提供服务。这对 DeepSeek 来说既是传播，也可能是分流。

低价官方 API 的意义就在这里。如果官方价格已经足够低，其他平台即使能部署，也很难在价格上明显更有优势。用户会倾向于直接使用默认、便宜、稳定的入口。

对 Agent 工具尤其如此。 Agent 任务依赖长上下文、缓存、工具调用和稳定吞吐。一旦某个模型在这些场景里成本足够低，它就有机会成为默认选项。

Coding Plan 仍然不是完全没用

这并不意味着 Coding Plan 会马上消失。它仍然有适合的人群。

如果某些用户真的是高强度使用者，每天把套餐额度打满，那么固定订阅可能仍然划算。就像自助餐，如果完全没有人能吃回本，用户也不会愿意买。

但问题在于，绝大多数用户不是这种极端高频用户。低频用户、轻量开发者、偶尔写脚本或改项目的人，更适合按量付费。当 DeepSeek 把按量成本压低后，套餐的吸引力会被削弱。

未来更可能出现的是分层选择：

高频重度用户继续买 Coding Plan；
普通用户转向低价 API；
Agent 工具根据任务自动选择 Flash / Pro；
平台套餐需要提供更多非模型价值，例如工作流、IDE 集成、部署、团队管理和安全审计。

小结

DeepSeek V4 的发布并没有靠跑分制造最大冲击。真正改变行业预期的是后续降价。

当输入 Token 和缓存命中价格被压到很低时，AI Agent 的使用成本会发生变化。过去看起来昂贵的长上下文、代码项目分析、多轮工具调用，现在可能变成几毛钱到几块钱的日常消耗。

这会直接冲击 Coding Plan 和 Token Plan 的商业逻辑。如果用户可以按量付费、自由组合模型和工具，而且成本足够低，就不一定愿意被绑定在某个平台套餐里。

DeepSeek V4 这次真正动到的，不只是模型能力排名，而是 AI Agent 的成本结构和默认入口之争。

参考来源：

Prompt Optimizer：开源提示词优化、测试与 MCP 工具

Fri, 01 May 2026 03:09:07 +0800

Prompt Optimizer 是一个开源的提示词优化工具，目标很直接：帮助你把一段粗糙的提示词改得更清晰、更稳定，也更容易被大语言模型执行。

它不只是一个“帮我润色 prompt”的页面。项目同时提供提示词优化、结果测试、对比评估、多模型接入、图像生成提示词处理，以及 MCP 集成。对经常写系统提示词、用户提示词、AI 工作流模板的人来说，它更像一个专门用来打磨提示词的工作台。

它解决什么问题

很多人使用 AI 时都会遇到类似问题：

提示词越写越长，但模型输出没有明显变好
同一个需求换个模型就表现不稳定
系统提示词和用户提示词混在一起，很难拆开调试
改了一版 prompt，不知道是不是真的比上一版更好
想复用变量模板，但每次都要手动替换和测试
想把提示词优化能力接入其他 AI 工具，却缺少标准接口

Prompt Optimizer 主要围绕这些问题设计。它把“写 prompt”拆成优化、测试、评估、对比、迭代几个环节，让提示词不再只靠感觉调整。

主要功能

1. 优化系统提示词和用户提示词

提示词并不只有一种。

系统提示词通常负责定义角色、目标、边界、输出规范和工作方法；用户提示词则更接近一次具体任务的输入。两者混在一起时，模型容易抓不住重点，后续复用也困难。

Prompt Optimizer 支持系统提示词优化和用户提示词优化。你可以分别处理长期复用的角色设定，也可以处理某次具体任务的输入表达。

这对下面几类场景比较有用：

写 AI 编程助手的工作规则
写客服、审稿、翻译、分析类角色提示词
优化文生图提示词
把临时需求整理成可复用模板
为不同模型准备不同风格的 prompt

2. 测试和对比输出

只优化提示词还不够，关键是要知道优化后有没有变好。

项目支持分析、单结果评估、多结果对比评估。也就是说，你可以把原始提示词和优化后的提示词放到同一个任务里跑，看模型输出是否更准确、更稳定、更符合目标。

这比单纯“看起来更专业”的 prompt 更实用。因为很多提示词表面上写得完整，实际输出却可能更啰嗦、更僵硬，甚至把模型引向错误方向。对比测试能帮助你尽早发现这种问题。

3. 支持多模型

README 中提到项目支持 OpenAI、Gemini、DeepSeek、智谱 AI、SiliconFlow 等模型服务，也支持自定义 OpenAI 兼容接口。

这点很重要。提示词效果和模型强相关，同一段 prompt 在不同模型上的表现可能差别很大。多模型测试可以帮助你判断：

是提示词本身写得不好
还是某个模型不适合这个任务
是否需要为不同模型准备不同版本
小模型能否通过更清晰的提示词接近可用效果

如果你在本地使用 Ollama，或者公司内部有兼容 OpenAI 接口的模型服务，也可以通过自定义接口接入。

4. 高级测试模式

项目提供上下文变量管理、多轮会话测试和 Function Calling 支持。

变量管理适合模板化任务。比如你有一套闲置交易回复、商品描述、邮件回复、代码审查或文档生成提示词，只需要替换商品、价格、语气、目标用户等变量，就能快速测试不同输入下的表现。

多轮会话测试适合验证长期对话能力。很多 prompt 在单轮问答里看起来不错，一旦进入多轮追问，就会忘记约束、偏离角色或重复解释。多轮测试可以更接近真实使用场景。

Function Calling 支持则适合更工程化的 AI 应用。它能帮助你验证模型在工具调用、参数生成和结构化输出上的表现。

5. 图像生成提示词

Prompt Optimizer 也支持文生图和图生图相关能力，README 中提到集成 Gemini、Seedream 等图像模型。

文生图提示词的优化重点和文本任务不同。它更关注主体、构图、空间关系、风格、材质、光线、情绪和限制条件。把一句很模糊的想法拆成更可控的视觉描述，通常比单纯加长提示词更有价值。

如果你经常需要生成产品图、封面、插画、主视觉或风格参考图，这类优化会比较实用。

使用方式

项目提供多种入口：

在线版本
Vercel 自部署
桌面应用
Chrome 插件
Docker 部署
Docker Compose 部署
MCP Server

在线版本适合快速体验。项目说明中提到它是纯前端应用，数据存储在浏览器本地，并直接与 AI 服务商交互。

桌面应用适合需要直接连接各种模型 API 的用户。浏览器环境容易遇到跨域限制，桌面应用可以绕过这类问题，尤其适合连接本地 Ollama 或一些跨域策略严格的商业 API。

Docker 部署适合放在自己的服务器或内网环境里使用。README 给出的基础命令如下：

`1`	`docker run -d -p 8081:80 --restart unless-stopped --name prompt-optimizer linshen/prompt-optimizer`

如果要配置 API 密钥和访问密码，可以通过环境变量传入：

docker run -d -p 8081:80 \
  -e VITE_OPENAI_API_KEY=your_key \
  -e ACCESS_USERNAME=your_username \
  -e ACCESS_PASSWORD=your_password \
  --restart unless-stopped \
  --name prompt-optimizer \
  linshen/prompt-optimizer

国内访问 Docker Hub 较慢时，项目也提供了阿里云镜像地址，可按 README 中的说明替换镜像名。

MCP 能做什么

Prompt Optimizer 支持 Model Context Protocol，也就是 MCP。

通过 Docker 运行时，MCP 服务可以和 Web 应用一起启动，并通过 /mcp 路径访问。这样它就不只是一个网页工具，而是可以被 Claude Desktop 等支持 MCP 的应用调用。

README 中列出的 MCP 工具包括：

optimize-user-prompt：优化用户提示词
optimize-system-prompt：优化系统提示词
iterate-prompt：对已有提示词做定向迭代

这类接口很适合放进 AI 工作流里。比如你在写复杂任务提示词时，可以让支持 MCP 的客户端直接调用提示词优化能力，而不必每次打开网页手动复制。

和普通聊天工具有什么区别

普通聊天工具当然也能帮你改 prompt，但它通常缺少几个环节：

不方便保存和对比多个版本
不方便同时测试多个模型
不方便把变量模板化
不方便做多轮会话验证
不方便接入 MCP 或部署到自己的环境

Prompt Optimizer 的价值在于把提示词优化做成一个可重复的流程。它不只是给你一版“看起来更完整”的文本，而是让你围绕实际输出持续调整。

适合谁使用

如果你符合下面几种情况，可以重点关注这个项目：

经常写系统提示词
经常为 AI 应用设计角色和输出格式
需要比较不同模型的输出效果
想把 prompt 做成可复用模板
需要测试多轮对话或工具调用
想把提示词优化能力接入 MCP 工作流
希望在本地或内网部署提示词工具

如果你只是偶尔问 AI 一个简单问题，用普通聊天页面就够了。这个工具更适合那些把提示词当成可维护资产的人。

使用时要注意什么

第一，不要把优化结果当成绝对正确。

提示词优化工具可以提高表达质量，但不能保证模型一定不会误解。重要任务仍然需要测试样例、人工检查和版本对比。

第二，不要只追求更长。

好的 prompt 不一定更长。它应该更清晰地表达目标、边界、输入输出格式和判断标准。无意义的规则堆叠反而会让模型抓不住重点。

第三，要按模型调 prompt。

不同模型对角色设定、格式约束、推理步骤和示例的敏感度不同。一个在大模型上表现很好的提示词，不一定适合小模型。多模型测试正是这个工具值得使用的原因之一。

第四，部署时要考虑密钥和访问控制。

如果你把它部署到公网，应该配置访问密码，并谨慎处理 API key。项目支持通过环境变量配置访问控制，不要把敏感配置直接写到公开仓库里。

参考

linshenkx/prompt-optimizer

最后一句

Prompt Optimizer 适合用来把提示词从“临时手写的一段话”整理成“可以测试、可以比较、可以迭代的工作资产”。

当你开始在多个模型、多个场景、多个版本之间维护 prompt 时，这类工具会比普通聊天窗口更顺手。

ChatGPT、Claude、Gemini 怎么分工：日常对话、编程和特殊能力怎么选

Sat, 25 Apr 2026 10:51:19 +0800

现在很多人不是只用一个模型，而是会在 ChatGPT、Claude 和 Gemini 之间来回切换。问题也随之变得很实际：到底什么任务该交给谁？

这件事之所以容易让人纠结，不是因为三家都不够强，而是因为它们已经强到开始“分工不同”。如果还用“谁更聪明”这种非常笼统的标准去选，反而容易选错。

如果先说一个简化版结论，可以大致这样理解：

日常对话和综合型任务，很多人会先想到 ChatGPT
命令行编程、长上下文协作、持续推进型任务，Claude 往往更顺手
需要依赖 Google 生态、搜索、多模态入口或某些产品级特殊能力时，Gemini 更有存在感

下面分三块讲。

1. 日常对话：为什么很多人还是先打开 `ChatGPT`

对大多数普通使用场景来说，ChatGPT 仍然很像“默认入口”。

这里说的不是某一个 benchmark，而是整体体验：
你临时想问一个问题、整理一个思路、写一段文案、做一份初稿、总结一篇资料，ChatGPT 通常给人的感觉会比较均衡。

它的优势往往体现在几个地方：

回答风格比较稳定
普通用户上手门槛低
多数综合型任务不需要太多额外调教
产品完成度高，适合高频日常使用

所以如果你的任务是下面这种：

帮我整理一个主题
把一段想法写成结构化内容
总结一篇长文
头脑风暴几个方案
把表达润色得更清楚

那 ChatGPT 往往是个很自然的起点。

这并不代表它在所有专业任务里都一定最强，而是它在“广谱通用”这件事上，通常更像一个默认工作台。

2. 命令行编程和长任务：为什么很多人更偏向 `Claude`

一旦任务从“聊一聊”切换成“把事情持续做完”，很多人的偏好就会开始转向 Claude。

尤其是这些场景：

命令行编程
大项目上下文理解
多文件协作修改
长链路调试
边读代码边推进任务

这类任务的关键，往往不是一轮回答有多惊艳，而是模型能不能在更长的任务链里保持稳定。

Claude 经常被偏爱的原因，通常不是“它一句话比别人更会说”，而是：

对长上下文任务更耐用
连续读文件、读日志、读规则时体验更稳定
更适合逐步推进复杂编码任务
在命令行和 agent 工作流里更常被当成主力模型

如果你是在做 vibe coding、命令行修 bug、项目结构理解、跨多个文件改功能，Claude 的优势会更容易体现出来。

简单说，Claude 比较像那种适合一起“干活”的模型，而不只是适合问一句答一句。

3. `Gemini` 的优势往往不在“和别人正面拼一切”

很多人讨论 Gemini 时，容易把问题问成：它到底是不是三家里最强。

但从实际使用体验看，更有用的问题通常不是这个，而是：它在哪些场景里特别值得单独拿出来用。

Gemini 的价值，往往更容易体现在这些方向：

Google 生态结合
搜索与资料获取
多模态入口
某些产品侧功能联动

如果你的工作流本来就和 Google 的工具链很近，比如：

搜索
文档
邮件
浏览器侧使用
手机端入口

那 Gemini 的实际便利性可能会高于单纯的模型分数对比。

也就是说，Gemini 的可用性很多时候来自“它在哪里更顺手接入你的工作流”，而不只是“它单轮回答是不是赢了谁”。

4. 真正有用的选法，不是问谁最强，而是问任务类型

把三家模型放在一起比较时，最容易踩的坑就是试图找一个“唯一最强”。

但现实里的任务差异太大了：

有的是一次性问答
有的是长对话陪跑
有的是代码工程
有的是信息检索
有的是多模态处理
有的是工具链协作

所以更有效的选法，通常是按任务类型来分：

需要一个综合型、日常高频、打开就能用的助手：先看 ChatGPT
需要长上下文、命令行、编程协作、持续推进复杂任务：优先试 Claude
需要借力 Google 生态、搜索、多模态入口或某些产品联动能力：重点看 Gemini

这样分工，比强行争一个总冠军更接近真实使用。

5. 为什么很多重度用户会同时订三家

从轻度用户视角看，同时订三家模型服务很容易显得“重复”。
但从重度用户视角看，这更像是在给不同任务配不同工具。

原因很简单：
如果三家的长处已经开始明显分化，那么同时使用它们，本质上就不是重复付费，而是在减少任务切换成本和试错成本。

比如：

日常整理和综合问答，用 ChatGPT
编程主任务，用 Claude
某些检索、多模态或 Google 相关链路，用 Gemini

这种组合方式的逻辑，和设计师同时装多个软件、开发者同时用多个 IDE，并没有本质区别。

6. 什么时候不要来回切太多模型

当然，模型多也不一定总是更好。

如果你本身还在建立稳定工作流，过早在三个模型之间频繁横跳，反而可能让自己更乱。常见问题包括：

同一个任务来回重复讲三遍
不同模型给出不同建议，自己更难判断
上下文断裂，协作成本反而更高
还没形成自己的使用边界，就先被工具选择拖住

所以更稳的方式通常是：

先给每个模型一个主场景
在主场景里连续用一段时间
再逐步形成自己的分工习惯

这样你会更容易得到真正可复用的经验，而不是永远停留在“今天换这个试试”的阶段。

7. 可以先这样记住

如果只想先记一个够用的版本，可以直接记这张口语化分工表：

ChatGPT：更像通用型默认助手
Claude：更像长任务和编程协作主力
Gemini：更像在搜索、多模态和 Google 生态里更有优势的工具

这不是绝对规则，也不是说三者彼此不能替代，而是一个更接近真实使用体验的起点。

真正重要的不是选出“宇宙最强模型”，而是尽快知道：
你手上的这类任务，用哪个模型最省时间、最省心、最容易做出结果。

大模型 API 为什么按 Token 收费：一文讲清输入、输出和上下文成本

Sat, 25 Apr 2026 08:44:32 +0800

大模型 API 的计费方式里，最容易让人困惑的一点，就是为什么几乎所有平台最后都会落到 token 这个单位上：大模型为什么按 token 收费，而且不同 token 还会有不同价格。

很多人刚接触模型 API 时，最容易困惑的不是模型能力，而是账单。明明只问了几个问题，为什么费用会涨得这么快？为什么输入便宜、输出更贵？为什么上下文一长，成本就开始明显失控？

如果把这件事讲简单一点，可以先记住一句话：模型收费，买的不是“一次回答”，而是整段推理过程中消耗的计算与带宽资源。

1. 什么是 token

在大模型计费里，token 不是“字数”也不是“单词数”，而是模型处理文本时使用的切分单位。

它可能是：

一个汉字
一个英文单词的一部分
一个标点符号
一小段常见词组合

所以 API 平台通常不会按“每句话”或“每次请求”收费，而是按模型实际读入和生成的 token 数量收费。
这比按请求次数计费更合理，因为同样是一次请求，可能只输入 20 个字，也可能塞进去 20 万 token 的上下文，两者消耗完全不是一个量级。

2. 为什么输入和输出要分开定价

现在大多数模型 API，都会把价格拆成两部分：

输入 token 价格
输出 token 价格

而且常见情况是：输出 token 比输入 token 更贵。

原因并不难理解。

模型处理输入时，本质上是在“读”和“编码”已有内容；但生成输出时，它需要一步一步预测下一个 token，再继续预测下一个 token。这个过程不只是读取，而是持续进行推理和采样，所以通常更耗算力。

你可以把它粗略理解成：

输入：像把材料递给模型
输出：像让模型现场写答案

“现场写”的计算成本，通常比“把材料读一遍”更高，所以输出价格更贵是很常见的设计。

3. 为什么上下文越长，费用越容易失控

很多人以为自己只是在“多贴一点背景资料”，但从模型账单的角度看，这件事的影响往往比想象中大。

原因在于：模型每次调用时，通常都要重新处理当前请求里带进去的整段上下文。

也就是说，如果你当前请求里包含：

系统提示词
历史对话
工具返回结果
长文档片段
代码文件内容

这些内容都会一起进入输入 token 计费。

所以真正让账单变大的，往往不是最后那一句提问，而是它前面拖着的一大串上下文。
当对话轮数增加、工具调用变多、历史消息不断回灌时，token 成本就会被一轮轮放大。

4. 工具调用为什么特别容易涨 token

在 Agent、代码助手、工作流自动化这类场景里，token 消耗通常比普通聊天高得多。

问题不只是“模型回答了一段话”，而是整个流程里会不断出现这些内容：

读文件
看日志
调接口
返回 JSON
执行工具结果再回填给模型

每一次工具调用的结果，只要被重新塞回下一轮上下文，就会继续变成新的输入 token。

这就是为什么很多开发者会发现：
不是模型本身单价特别离谱，而是工作流把 token 账单一层层叠上去了。

例如一个编码 Agent 连续做下面这些事：

读取项目结构
打开几个源码文件
跑一次测试
把报错日志喂回模型
再读取更多相关文件

每一步都可能让后续请求背着更长的上下文继续跑。这样即使单价不变，总账单也会很快增长。

5. 为什么同样是模型，价格会差很多

不同模型的 token 价格差异，背后通常不只是“厂商想卖贵一点”，而是和几个因素直接相关：

模型规模
推理效率
上下文长度
部署成本
目标市场

模型越大、激活参数越多、推理链路越复杂，单次生成一个 token 的成本通常就越高。
如果模型还支持超长上下文、复杂推理、工具调用优化，那它的基础设施压力也会进一步增加。

所以定价本质上是在覆盖几类成本：

GPU / 加速卡资源
显存占用
推理延迟
网络与服务稳定性
峰值并发能力

便宜模型不一定差，贵模型也不一定适合所有场景。很多时候价格差，反映的是“这类能力大概值多少基础设施成本”。

6. 为什么缓存输入会更便宜

不少模型平台现在会提供：

cached input
prompt caching
prefix caching

这类能力的共同思路是：如果一大段输入已经算过，不要每次都从头按原价重算。

比如一个固定 system prompt、固定工具说明、固定长文档前缀，如果每轮都完全重复发送，平台就有机会把其中一部分计算缓存下来。这样同样是输入 token，缓存命中的部分就可以按更低价格计费。

这也解释了为什么很多 API 价格页会出现三档甚至更多价格：

普通输入
缓存输入
输出

它们反映的不是文字内容不同，而是底层计算是否可以复用。

7. “便宜 token”为什么不等于“总成本更低”

很多人看到某个模型“每百万 token 超便宜”，第一反应是总成本一定更低。实际上不一定。

因为总账单大致等于：

token 单价 × 实际消耗量

而实际消耗量又会被很多因素放大：

提示词写得太长
历史消息不清理
工具结果回填过多
输出太啰嗦
一个任务反复重试

所以真正决定账单的，通常不是单价一个变量，而是：

模型单价
每轮输入长度
每轮输出长度
调用次数
工作流设计

这也是为什么“低单价模型”在某些 Agent 任务里，最后总费用仍然可能不低。因为它可能需要更多轮交互、更多补充上下文、更多失败重试。

8. 开发者该怎么估算 token 成本

如果你想在项目里更稳地控制预算，可以先用一个很朴素的估算方式：

统计平均每次请求的输入 token
统计平均每次请求的输出 token
估算一个任务会调用多少轮
再乘上对应模型单价

举个思路上的例子：

每轮输入 8k tokens
每轮输出 1k tokens
一个任务跑 10 轮

那它真正消耗的就不是“一次问答”，而是：

输入约 80k tokens
输出约 10k tokens

如果中途还有日志、工具结果、文件内容不断追加，总量还会继续上升。

所以做预算时，最好不要只看单轮，而要看一个完整任务闭环到底会吃掉多少 token。

9. 怎么实际控制账单

如果你已经在用 API 或 Agent，下面这些做法通常最有效：

缩短 system prompt，避免重复废话
定期裁剪历史消息
工具返回结果只保留必要字段
长文档先检索，再喂局部片段
控制输出长度，避免模型无上限展开
对高价值任务用贵模型，低价值任务用便宜模型

很多时候，省钱最有效的方式不是一味换更便宜的模型，而是先把工作流里无意义的 token 消耗砍掉。

10. 这件事真正该怎么理解

大模型 token 定价，说到底是在给“模型读了多少、想了多少、写了多少”计费。

它不是传统软件那种按账号、按次数、按包月就能完全描述的资源模型，因为模型调用本身就是一个动态计算过程。你塞进去的上下文、拉起的工具、要求的输出长度，都会直接影响成本。

所以理解 token 定价，最重要的不是背价格表，而是先建立一个直觉：

长上下文会涨输入成本
长输出会涨生成成本
工具链会放大总 token
缓存和工作流设计会明显影响账单

只要把这几个点想清楚，大多数模型 API 的价格结构其实都不难理解。

DeepSeek-V4 Preview 发布：1M 上下文、双模型与 API 切换提醒

Fri, 24 Apr 2026 22:39:46 +0800

DeepSeek 在 2026-04-24 发布了 DeepSeek V4 Preview Release。从官方新闻页来看，这次更新的重点非常集中：1M context、V4-Pro 与 V4-Flash 双模型、对 Agent 场景的专门优化，以及 API 侧的模型切换。

如果只看一句话，这次发布的核心信号是：DeepSeek 不只是继续做更强的模型，而是在把超长上下文和 Agent 能力一起往“可直接上线使用”的方向推进。

1. 这次一共发布了什么

官方页面里，DeepSeek-V4 Preview 主要包含两条产品线：

DeepSeek-V4-Pro
DeepSeek-V4-Flash

对应的官方描述也很直接：

DeepSeek-V4-Pro：1.6T total / 49B active params
DeepSeek-V4-Flash：284B total / 13B active params

从命名就能看出来，这次不是单模型升级，而是把高性能版本和更高性价比版本同时推了出来。

其中 V4-Pro 更强调上限，官方说它的表现已经可以和全球顶级闭源模型竞争；V4-Flash 则更强调速度、效率和成本，更适合对响应速度和 API 成本更敏感的场景。

2. `1M context` 是这次最突出的卖点

官方页面最醒目的表述之一，就是：“Welcome to the era of cost-effective 1M context length.”

DeepSeek 这次不只是说“支持长上下文”，而是明确把 1M context 当成这代模型的默认能力来讲。页面里也写得很清楚：

1M context 已经成为官方 DeepSeek 服务的默认标准
V4-Pro 和 V4-Flash 都支持 1M context

这件事的意义不只是“能塞更多 token”。它更直接影响下面这些任务：

长代码仓库理解
长文档问答和资料整合
多轮 Agent 工作流
跨多文件、多工具、多阶段的复杂任务

如果上下文窗口足够大，模型就更不容易因为中途丢上下文而反复回读材料，这对 Agent 编码和复杂知识工作会特别重要。

3. `V4-Pro` 主要在强调什么

从官方页的措辞看，DeepSeek-V4-Pro 重点强调三件事：

Agentic Coding 能力
世界知识
推理能力

页面里提到，V4-Pro 在 Agentic Coding benchmark 上达到开源 SOTA；在世界知识方面领先当前开源模型，仅落后于 Gemini-3.1-Pro；在数学、STEM 和编码能力上超过当前开源模型，并且可以和顶级闭源模型竞争。

换句话说，V4-Pro 的定位并不是单纯回答问题，而是更偏向高难度推理、复杂编码和长任务执行。

4. `V4-Flash` 并不是简单的缩水版

另一个值得注意的点是，官方没有把 V4-Flash 包装成“低配模型”，而是强调它在很多实际任务里已经足够强。

按照新闻页给出的说法，V4-Flash：

推理能力已经很接近 V4-Pro
在简单 Agent 任务上与 V4-Pro 表现相当
参数规模更小，响应更快，API 定价更便宜

这意味着 DeepSeek 这次给出的并不是“一个旗舰、一个入门”的非常割裂的组合，而更像是：

V4-Pro：追求更高性能和更强上限
V4-Flash：追求更低延迟和更好成本效率

对于开发者来说，这样的组合会更实用，因为很多线上任务真正需要的不是“理论最强”，而是“够强、够快、够省”。

5. 官方特别强调了 Agent 优化

这次发布页里还有一个很明确的方向：DeepSeek 在主动把 V4 往 Agent 场景上推。

官方页面提到，DeepSeek-V4 已经和一些主流 AI Agent 深度集成，包括：

Claude Code
OpenClaw
OpenCode

同时 DeepSeek 也提到，V4 已经在内部 agentic coding 场景中使用。

这说明它想覆盖的，不再只是聊天或普通补全，而是更长链路的工作方式：读代码、理解结构、调用工具、生成结果，再把整条流程串起来。

如果你最近正好在关注 coding agent，这个信号值得留意。因为它意味着模型厂商已经不再只拼 benchmark，而是在拼“能不能真正接进工作流”。

6. 底层结构创新在为长上下文服务

在技术描述上，官方页把这次的结构创新总结为：

token-wise compression
DSA (DeepSeek Sparse Attention)

页面给出的方向非常明确：目标是把长上下文做得更便宜、更高效，尽量降低计算和显存成本。

虽然新闻页没有展开完整技术细节，但这至少说明 DeepSeek 这次不是单纯靠“更大算力硬堆更长窗口”，而是在结构层面针对长上下文效率做了专门优化。

对实际使用者来说，这通常比单纯“窗口数字变大”更重要，因为真正决定可用性的，不只是能不能开到 1M，还包括：

速度是否还能接受
成本是否还能接受
长上下文任务是否真的稳定

7. API 已经可用，但要注意模型切换

官方页面明确写到，这次 API 当天就已经可用。

接入方式也比较简单：

base_url 保持不变
把模型名切换为 deepseek-v4-pro 或 deepseek-v4-flash

同时页面说明，这两个模型都支持：

1M context
Thinking / Non-Thinking 双模式
OpenAI ChatCompletions
Anthropic APIs

这意味着如果你原本已经接了 DeepSeek API，升级门槛并不高，主要是模型名切换和能力验证。

8. 旧模型的退役时间也写得很明确

对开发者来说，这次新闻页里最不能忽略的信息之一，其实是旧模型退役提醒。

官方写明：

deepseek-chat
deepseek-reasoner

会在 2026 年 7 月 24 日 15:59（UTC） 后完全退役并不可访问。

页面还说明，当前这两个模型实际上已经路由到 deepseek-v4-flash 的非思考 / 思考模式。

这意味着如果你的项目里还直接写着 deepseek-chat 或 deepseek-reasoner，现在就应该开始安排迁移，而不要拖到正式下线前再处理。

9. 这次发布值得怎么理解

如果把这次更新浓缩成几个重点，大概可以这样看：

DeepSeek 开始把 1M context 从“高配能力”变成默认标准
双模型路线更清晰：一个冲性能上限，一个冲速度和性价比
Agent 能力已经被放到很核心的位置
API 升级路径相对直接，但旧模型退役时间需要尽快关注

对普通使用者来说，最直观的变化可能是：长文档、长代码、长流程任务会更容易放进一次上下文里。
对开发者来说，更重要的是：如果你已经在做 Agent、代码助手、资料整理、复杂工作流，这一代模型显然就是朝这些场景设计的。

DeepSeek 这次发布，不只是一次常规模型更新，更像是在明确它下一阶段的产品方向：超长上下文 + Agent 优化 + 更实际的 API 可用性。

OpenAI 发布 GPT-5.5：更强的智能体编码、知识工作与科研能力

Fri, 24 Apr 2026 08:39:56 +0800

OpenAI 在 2026 年 4 月 23 日发布了 Introducing GPT-5.5。从官方页面看，这次更新的重点不是单纯“模型更聪明”，而是更强调模型能不能把复杂任务持续推进下去。

官方给 GPT-5.5 的定位，是一个更适合真实工作的模型。它不仅要回答问题，还要能写代码、调试、查资料、分析数据、生成文档和表格、操作软件，并在多个工具之间来回切换，直到任务完成。

1. GPT-5.5 主要强在哪里

这次发布页里反复出现的几个方向，可以概括为四类：

智能体编码
电脑操作与工具使用
知识工作
早期科研辅助

也就是说，GPT-5.5 的重点不是短问短答，而是更长链路的任务。比如一个工程问题不只是“这段代码怎么改”，而是要理解项目结构、定位失败原因、修改相关文件、补测试、验证结果，并尽量减少用户反复提示。

OpenAI 也特别强调，GPT-5.5 在 Codex 任务中更省 token。这个点很实际，因为编码智能体一旦开始读文件、跑命令、修 bug，token 消耗会非常快。如果模型能用更少的步骤完成同样任务，实际成本和等待时间都会下降。

2. 编码能力是这次最重要的展示方向

官方称 GPT-5.5 是目前最强的 agentic coding 模型。

几个公开指标里，比较值得注意的是：

Terminal-Bench 2.0：GPT-5.5 达到 82.7%
SWE-Bench Pro：GPT-5.5 达到 58.6%
OpenAI 内部的 Expert-SWE：GPT-5.5 也高于 GPT-5.4

这些测试的共同点是，它们更接近真实工程流程，而不是只考单个算法题。特别是 Terminal-Bench 这类任务，会涉及命令行操作、规划、试错、工具协调和多步骤验证。

对日常开发者来说，这里的意义很直接：模型是否能接住更大的任务，取决于它能不能长时间保持上下文、自己检查假设、知道什么时候该跑测试、知道改动会影响哪里。

GPT-5.5 在 Codex 里的价值，也主要体现在这些地方。它更像是可以接手一段工程任务的协作者，而不是只会补全代码片段的工具。

3. 知识工作开始变成重点场景

除了写代码，OpenAI 这次还把 GPT-5.5 放到了更广的办公场景里。

官方提到，GPT-5.5 在 Codex 中可以更好地生成文档、电子表格和演示文稿，也更适合处理运营研究、表格建模、业务材料整理这类任务。结合电脑操作能力之后，它的目标不是只给建议，而是能直接参与“找资料、理解内容、调用工具、检查输出、整理成结果”这一整条流程。

发布页里还提到 OpenAI 内部已经在多部门使用 Codex，包括软件工程、财务、传播、市场、数据科学和产品管理等。这里真正值得关注的不是某个单点案例，而是 OpenAI 正在把 Codex 从开发工具扩展为通用工作工具。

在 ChatGPT 里，GPT-5.5 Thinking 面向 Plus、Pro、Business 和 Enterprise 用户；GPT-5.5 Pro 则面向更难问题和更高准确率需求，提供给 Pro、Business 和 Enterprise 用户。

4. 科研能力不只是“答题更强”

GPT-5.5 的科研展示也很重。

官方提到它在遗传学、定量生物学、生物信息学、数学证明等方向都有改进。这里的重点不是模型能不能背出一个知识点，而是能不能处理更接近真实研究的问题：读数据、发现异常、提出分析方式、解释结果，并根据中间结果继续推进。

发布页里提到的 GeneBench 和 BixBench，都更偏多阶段科学分析任务。OpenAI 还提到，一个内部版本的 GPT-5.5 借助自定义工具链，帮助发现了关于 Ramsey numbers 的新证明，并用 Lean 做了验证。

这类案例还不能简单理解为“AI 已经能独立做科研”，但它说明模型正在从问答工具往研究协作者靠近。尤其是在代码、数据、论文、实验想法混在一起的场景里，GPT-5.5 的长链路推理和工具使用能力会更重要。

5. 推理效率：更强但没有明显变慢

一个容易被忽略的点是，OpenAI 说 GPT-5.5 在真实服务中的 per-token latency 与 GPT-5.4 相当。

通常更大的模型、更强的模型会带来更高延迟。OpenAI 这次强调，它们通过推理系统优化，让 GPT-5.5 在智能提升的同时保持速度。发布页里还提到，Codex 分析生产流量模式并编写负载分配相关启发式算法，使 token 生成速度提升超过 20%。

这个细节很有意思：模型不仅被基础设施服务，也反过来帮助改进服务它的基础设施。

6. 安全策略会更严格，尤其是网络安全方向

GPT-5.5 的网络安全能力更强，所以 OpenAI 同时加强了安全限制。

官方说明中提到，GPT-5.5 在网络安全能力上比 GPT-5.4 有提升，因此会部署更严格的分类器，尤其针对高风险活动、敏感网络安全请求和重复滥用行为。

这意味着一部分用户在使用网络安全相关能力时，可能会遇到更多拒答或限制。OpenAI 也提供了 Trusted Access for Cyber，用于让经过验证的防御性用户获得更少不必要阻碍。

对普通开发者来说，可以简单理解为：合法的安全加固、漏洞修复、代码审计会继续被支持，但高风险攻击链路会被更严格地控制。

7. 可用性与 API 价格

根据 OpenAI 发布页，GPT-5.5 的可用性如下：

ChatGPT：GPT-5.5 Thinking 面向 Plus、Pro、Business、Enterprise 用户
ChatGPT：GPT-5.5 Pro 面向 Pro、Business、Enterprise 用户
Codex：GPT-5.5 面向 Plus、Pro、Business、Enterprise、Edu、Go 计划
Codex：上下文窗口为 400K
Codex Fast mode：生成速度约 1.5x，成本为 2.5x

API 方面，OpenAI 表示 gpt-5.5 和 gpt-5.5-pro 会很快开放。

官方给出的 API 价格是：

gpt-5.5：输入 5 美元 / 1M tokens，输出 30 美元 / 1M tokens
gpt-5.5-pro：输入 30 美元 / 1M tokens，输出 180 美元 / 1M tokens
gpt-5.5 API 上下文窗口为 1M
Batch 和 Flex 为标准 API 价格的一半
Priority processing 为标准价格的 2.5x

这个价格明显高于很多日常模型，所以它更适合高价值任务：复杂工程改造、长文档分析、自动化办公、科研辅助、重要业务流程，而不是普通闲聊。

8. 怎么看这次发布

如果只看一句话，GPT-5.5 的重点是：OpenAI 正在把模型从“回答问题”继续推向“完成工作”。

它最值得关注的地方，不只是 benchmark 分数提升，而是几种能力开始汇合：

更强的长任务保持能力
更稳定的工具使用
更好的工程上下文理解
更适合文档、表格、研究和业务流程
更长上下文和更高 token 效率
更严格的高风险能力控制

对开发者来说，最值得试的是 Codex 里的复杂工程任务。对企业用户来说，更值得关注的是它能不能把一部分跨工具、跨文档、跨流程的工作变成可交付结果。

GPT-5.5 不是一次只面向聊天体验的小更新，而更像是 OpenAI 在继续推进“AI 作为工作执行层”的方向。

2026 年嵌入式开发环境怎么选：Keil、STM32CubeIDE、VS Code 与 AI 协作

Wed, 22 Apr 2026 23:05:00 +0800

只要你还在做单片机或者嵌入式开发，很快就会遇到一个很现实的问题：到了 2026 年，在 AI 写代码已经越来越普遍的情况下，开发环境到底应该怎么选？

这个问题表面上像是在比较几个 IDE，实际讨论的却是另一件事：你到底是要一个“能把工程跑起来的工具”，还是一套“兼顾生态、编码体验和 AI 协作能力”的工作流。

如果按这个角度去看，答案往往就不是简单地在 Keil、STM32CubeIDE、VS Code、CLion 里选一个，而是重新组合它们各自最擅长的部分。

先看几个主流选项，各自解决什么问题

嵌入式领域这些年常见的环境，基本还是那几类：

Keil
STM32CubeIDE
VS Code
CLion

如果再往前追，当然还会有人提 IAR。只是从今天的讨论出发，更值得看的已经不是“谁资格最老”，而是谁更适合当前这套开发现实。

Keil：生态强、上手稳，但编辑体验已经明显落后

Keil 到今天仍然很难绕开，原因不复杂：它用得实在太广了。

无论是公司里留下来的老工程，还是网上大量教程、资料、示例工程，很多都还是围绕 Keil 组织的。它在编译、下载、调试这一整套流程上依然成熟，尤其是你真的要把板子跑起来时，它的路径非常短。

它的问题也同样明显：

界面老
编辑体验一般
不擅长承担 AI 辅助编码的主场

所以 Keil 更像是一个“工程入口和调试底座”，而不是一个面向 2026 年编码体验的理想编辑环境。

STM32CubeIDE：对 STM32 友好，但更多是学习和快速起步工具

如果你主要在 STM32 生态里活动，STM32CubeIDE 很容易成为第一个接触到的环境。

它的优点很明确：

上手友好
外设配置和工程生成方便
调试链路相对完整

对学生、新手和刚起步的项目来说，这套体验确实足够直接。

但一旦进入更长期、更多协作、更多定制的工程环境，它的局限也会慢慢暴露出来。尤其是在商业项目或者更复杂的团队工作流里，它未必是那个最舒服的主环境。

所以它更适合“快速启动”和“STM32 生态内的一体化体验”，不一定适合作为长期主力编辑器。

VS Code：严格说不是 IDE，但在 AI 时代优势越来越明显

VS Code 严格来说并不是传统意义上的 IDE，更准确地说，它是一个可扩展的代码编辑器。

这也意味着它天然有两面性。

它的弱点是：

需要插件和配置
对新手不够友好
不能开箱即用地替代嵌入式 IDE 全流程

但它真正强的地方，恰恰也在这里：

可扩展性强
编码体验明显更现代
语法高亮、跳转、搜索、重构体验更好
对 AI 工具和 Agent 工作流支持更积极

在今天这个阶段，很多人真正需要的已经不只是“能写代码”，而是“写代码时能不能顺手把 AI 协作接进来”。从这个角度看，VS Code 的优势几乎是肉眼可见的。

CLion：体验不错，但在嵌入式场景里不够主流

CLion 经常会被提到，因为它的 C/C++ 编码体验一直不差。

但对很多嵌入式开发者来说，它的问题不一定出在“好不好用”，而是“值不值得切过去”：

用的人相对少
与现有嵌入式工程生态连接不如 Keil 直接
在 AI 协作这件事上，也未必比 VS Code 更有现实优势

所以它更像是一个“理论上也能做得不错”的选项，但在今天的嵌入式主流工作流里，并不是最自然的那个核心。

更现实的答案：Keil 负责编译调试，VS Code 负责写代码

如果把上面这些工具拆开看，很容易得到一个更务实的结论：

用 Keil 保留现有工程生态、编译、下载和调试能力
用 VS Code 承担日常编码、搜索、跳转和 AI 协作

这套组合的价值在于，它不是试图用一个工具包打天下，而是让每个工具回到自己最擅长的位置。

对很多嵌入式工程来说，Keil 的生态根本绕不开。既然如此，与其强行把所有工作都塞回 Keil，不如承认它更适合作为后端编译调试入口；而真正的编辑体验，则交给 VS Code。

为什么这套组合在 AI 时代更有优势

到了今天，开发环境的分界线已经不只是“编辑器顺不顺手”，而是“它能不能自然接入 AI”。

VS Code 在这件事上有几个很现实的优势：

AI 插件和 Agent 支持更活跃
代码浏览体验更适合让 AI 读工程、改工程
更容易和现代插件生态结合

这意味着你可以把嵌入式开发里最痛苦的一部分工作，开始交给 AI 帮你分担：

在现有工程里找函数和调用链
快速生成一段初始化代码
帮你补一个串口打印
解释旧工程结构
在已有文件里做小范围修改

这些事情过去不是不能做，而是做起来不顺。VS Code 的意义不只是“更好看”，而是它更容易成为 AI 协作的工作台。

关键补丁：用插件把 VS Code 和 Keil 工程接起来

这套工作流能不能成立，核心不在口号，而在你能不能把 VS Code 和 Keil 工程接起来。

比较实用的一类插件思路，是让 VS Code 直接读取 Keil 工程结构，并在编辑器内部调用 Keil 后台程序完成：

打开工程
编译
下载

这样一来，你日常写代码不用频繁在两个界面之间来回切，只有到了更重的调试环节，再回到 Keil 里做单步、断点和寄存器观察。

这类插件真正有价值的地方，不只是“少切几个窗口”，而是它让工作流连续起来了。

不要忽视 C/C++ 基础插件配置

如果你打算把 VS Code 当作嵌入式主编辑器，一个非常基础但常被忽略的点是：一定要把 C/C++ 基础插件和工程索引配置好。

否则你会遇到一系列很影响体验的问题：

跳转不到定义
红线误报
补全不准
头文件关系混乱

很多人会误以为是 VS Code 不适合嵌入式，实际上往往只是工程索引和插件配置没接好。

一旦这部分配置完整，VS Code 才能真正发挥出它在阅读大型工程、搜索符号、配合 AI 辅助修改代码上的优势。

这套工作流最适合谁

我觉得下面这几类人，会特别适合这种组合式环境：

1. 已经有大量 Keil 工程的人

如果你公司项目、课程资料或者历史代码都围绕 Keil 展开，那就没必要为了“现代化”硬切掉原有生态。保留 Keil，再补一个 VS Code 前端，是迁移成本最低的做法。

2. 想用 AI 辅助写嵌入式代码的人

如果你已经习惯让 AI 帮你解释函数、补样板代码、改局部逻辑，那么 VS Code 会比传统嵌入式 IDE 更自然地承接这件事。

3. 想同时兼顾学习资料和真实项目的人

很多学习资料仍然建立在 Keil 上，但你自己的工作流未必要停留在那个年代。把 Keil 作为工程兼容层，把 VS Code 作为生产力层，会更平衡。

结语

到了 2026 年，嵌入式开发环境的关键问题，已经不再只是“哪个 IDE 功能更多”，而是“哪种组合最符合今天的工作方式”。

如果你只想快速起步，STM32CubeIDE 依然有它的位置；如果你要稳定接住大量既有工程，Keil 依然绕不开；但如果你还想把现代编辑体验和 AI 协作一起接进来，那么更现实的答案，往往是：

Keil 负责编译和调试，VS Code 负责写代码。

这不一定是唯一答案，但很可能是当下最不拧巴的一种答案。

Claude Code 多 Agent 协作：Subagents 和 Agent Teams 怎么选

Wed, 22 Apr 2026 21:35:52 +0800

Claude Code 里和多 Agent 协作相关的能力，最容易混淆的就是 Subagents 和 Agent Teams。它们看起来都像“多开几个 Agent 一起做事”，但定位并不一样。简单说，前者更适合把独立任务分出去做，后者更适合让多个 Agent 围绕同一件事持续协作、互相验证。

如果你之前用过 Skill，也可以先这样理解：

Skill 负责定义流程和规则
Subagent 或 Agent teammate 负责实际执行任务

所以问题不在于“哪个更高级”，而在于你要解决的是哪一类协作。

Subagents：把支线任务分出去

Subagents 更像是在当前会话里临时派出去的分身。每个分身都有自己的上下文窗口，做完之后只把结果摘要带回来，主对话不会被大量中间输出塞满。

这类能力的优势很直接：

主线对话更干净，不容易被测试日志、搜索结果或长输出污染
可以把相互独立的研究或执行任务并行化
适合“给我结果就行”的任务，不需要持续讨论

原文提到，Claude Code 内置了三类 Subagent：

Explore：只读、适合快速搜索代码库
Plan：只读、适合在 plan mode 下后台收集信息
General-purpose：可读可写，适合同时探索和修改的任务

自定义 Subagent

如果内置能力不够，可以自己定义一个 Subagent。方式也不复杂，本质上就是写一个 Markdown 文件：

.claude/agents/：只对当前项目生效
~/.claude/agents/：对所有项目生效

文件格式类似这样：

---
name: code-reviewer
description: Expert code review specialist. Proactively reviews code for quality, security, and maintainability. Use immediately after writing or modifying code.
tools: Read, Grep, Glob, Bash
model: inherit
---
You are a senior code reviewer ensuring high standards of code quality and security.

When invoked:

1. Run git diff to see recent changes
2. Focus on modified files
3. Begin review immediately

Review checklist:

- Code is clear and readable
- Functions and variables are well-named
- No duplicated code
- Proper error handling
- No exposed secrets or API keys
- Input validation implemented
- Good test coverage
- Performance considerations addressed
Provide feedback organized by priority:

- Critical issues (must fix)
- Warnings (should fix)
- Suggestions (consider improving)

Include specific examples of how to fix issues.

这里最关键的是 description。Claude 会根据这段描述判断什么时候应该调用这个 Subagent，所以写得越清楚，触发越准。

另外几个常见配置项也很实用：

tools：限制它能用哪些工具
model：决定使用 sonnet、opus、haiku 或 inherit
permissionMode：控制编辑权限和权限提示行为
memory：给 Subagent 配跨对话记忆目录

如果只是临时用一次，也可以直接通过 CLI 注入：

claude --agents '{
  "code-reviewer": {
    "description": "Expert code reviewer. Use proactively after code changes.",
    "prompt": "You are a senior code reviewer. Focus on code quality, security, and best practices.",
    "tools": ["Read", "Grep", "Glob", "Bash"],
    "model": "sonnet"
  }
}'

Subagents 适合什么场景

最适合 Subagents 的，通常是这些任务：

跑测试并返回失败摘要，而不是把几千行日志全塞回主会话
并行调查几个互不依赖的模块
把“检查问题”和“修问题”拆成两步流水线

例如：

`1`	`Research the authentication, database, and API modules in parallel using separate subagents`

`1`	`Use the code-reviewer subagent to find performance issues, then use the optimizer subagent to fix them`

但如果任务需要频繁来回修正、多个阶段共享大量上下文，或者改动高度集中在少数几个文件里，那么直接在主对话里做，往往比派 Subagent 更省事。

Agent Teams：多个独立会话一起协作

Agent Teams 是另一个层级的能力。它不是在一个会话里派出分身，而是启动多个彼此独立的 Claude Code 实例，让它们围绕共享任务列表协作，还可以互相发消息。

这意味着它更像一个真正的小团队，而不只是“分出去做个支线”。

原文提到，这项能力目前还是实验功能，需要先开启：

{
    "env": {
        "CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1"
    }
}

把它加到 settings.json 后，就可以让 Claude 按你的要求组织一个 team。比如：

1
2
3

I'm designing a CLI tool that helps developers track TODO comments across
their codebase. Create an agent team to explore this from different angles: one
teammate on UX, one on technical architecture, one playing devil's advocate.

Agent Teams 的组成

一个 Agent Team 主要由三部分组成：

Team lead：你当前正在使用的主会话，负责组队、分派和汇总
Teammates：多个独立的 Claude Code 实例
Task list 和 Mailbox：共享任务列表与消息通道

和 Subagents 最大的不同在于，teammates 之间可以直接沟通，不需要每次都经过 lead 中转。任务状态通常会在 pending、in progress、completed 之间流转，成员完成一个任务后，还可以继续认领下一个任务。

Agent Teams 适合什么场景

当任务需要多角度讨论、互相挑战结论、或者拆成多个模块并行推进时，Agent Teams 会更合适。

原文给了几个很典型的场景：

多人并行审查同一个 PR，但每个人关注不同维度
围绕同一个 bug 提出不同假设，并互相反驳
前端、后端、测试分别推进不同模块

比如并行代码审查：

Create an agent team to review PR #142. Spawn three reviewers:
- One focused on security implications
- One checking performance impact
- One validating test coverage
Have them each review and report findings.

再比如竞争假说式调试：

Users report the app exits after one message instead of staying connected.
Spawn 5 agent teammates to investigate different hypotheses. Have them talk to
each other to try to disprove each other's theories, like a scientific
debate. Update the findings doc with whatever consensus emerges.

这类任务的共性是：不是只要一个结果，而是需要不同 Agent 之间不断交换判断、修正方向，最后再形成比较可靠的结论。

两者怎么选

如果要快速区分，可以直接记这条：

做完给结果，用 Subagents
需要讨论和相互验证，用 Agent Teams

再展开一点，区别主要在这几个维度：

通信方式：Subagents 主要把结果回传给主对话；Agent Teams 的成员之间可以直接通信
协调模式：Subagents 更依赖主会话统一调度；Agent Teams 有共享任务列表，成员可以自己认领任务
Token 成本：Subagents 更省；Agent Teams 成本更高，因为每个 teammate 都是独立实例
适合任务：Subagents 更适合独立、结果导向的任务；Agent Teams 更适合需要讨论、交叉验证的任务

使用时要注意什么

Agent Teams 虽然更强，但并不意味着任何任务都值得开 team。原文特别提醒了几个现实问题：

token 消耗明显更高
同时让多个 teammate 改同一个文件，很容易互相覆盖
teammate 太多会增加协调成本，收益未必继续增长

因此，比较稳妥的做法通常是：

3 到 5 个 teammate 作为起点
按模块或文件拆任务，避免写入冲突
如果 lead 过早接手了 teammate 的任务，要明确告诉它先等队友完成

另外，当前实验能力还有一些限制，例如：

不支持 /resume 和 /rewind 恢复 in-process teammates
任务状态偶尔会滞后，需要人工提醒更新
一个 lead 一次只能管理一个 team
teammate 不能再继续派子 team

简单结论

这两个能力并不是替代关系，而是分别解决两类协作问题。

如果你的需求是“把支线任务并行做掉，别污染主上下文”，优先用 Subagents。如果你的需求是“让几个 Agent 像一个小团队一样协作、讨论、交叉验证”，再考虑 Agent Teams。

先用一个真实场景试一次，通常很快就能体会到差别：一个强调上下文隔离和结果回收，另一个强调多视角协同和持续互动。

GPT Image 2 正式发布：从能生成到能商用的跨越

Wed, 22 Apr 2026 20:08:22 +0800

OpenAI 的下一代图像生成模型 GPT Image 2 已经正式面向 ChatGPT 用户开放。结合社区在泄露测试阶段的反馈，以及公开可见的实际效果，这一代模型的变化不像一次常规迭代，更像是 AI 生图从“能看”走向“能用”的一次明显推进。

如果说上一阶段的图像模型，更多还是用来做灵感图、概念图和试玩性质的生成，那么 GPT Image 2 最突出的地方，是它开始接近生产级工具。无论是可读文字、界面截图、营销海报，还是更逼真的商业摄影风格图片，它都比过去更接近“直接拿去用”的状态。

一、核心升级：五个最值得注意的点

1. 文字渲染终于进入可用区间

AI 生图过去最难啃的一块，就是文字。乱码、拼写错误、长文本崩坏、字体变形，这些几乎是所有模型都会碰到的问题。

GPT Image 2 在这方面的提升非常明显。它不仅能处理更清晰的英文和中文文字，还能应对更复杂的排版、更长的段落，以及一定程度上的多语言混排。这意味着很多原本必须靠后期修字的场景，现在可以直接在生成阶段完成。

比较典型的用法包括：

海报
社交媒体封面
带标题与说明文字的宣传页
PPT 配图
带真实文案和界面元素的 App 截图

对实际工作流来说，这一步很重要。因为只要文字能稳定可读，图像生成就不再只是“出一张背景图”，而开始具备承接营销物料和产品展示图的能力。

2. 照片级真实感明显提升

从社区并排对比来看，GPT Image 2 的整体画质更锐利，材质纹理更细，光线一致性也更强。过去最容易露出 AI 痕迹的人脸、手部、边缘细节，这一代都明显更稳定。

更准确地说，它不是完全没有破绽，而是“AI 味”显著下降。很多图第一次看上去，已经会让人直接把它当作真实照片、商业摄影样片或者游戏截图。

这也是为什么很多人对它的第一反应不再是“画得不错”，而是“这张图已经很像真的了”。

3. 世界知识整合能力更强

这是一个不那么显眼，但非常实用的升级。

GPT Image 2 给人的感觉，不只是会拼图块、凑风格，而是更像“知道自己在画什么”。原文里提到的几个方向很有代表性：

手表表盘时间逻辑更合理
品牌细节和角色特征还原更准确
Minecraft 这类游戏截图或软件界面的逻辑结构更像真的

这意味着它在处理现实物体、数字界面、游戏画面这类需要常识和结构感的内容时，成功率更高。对用户来说，这种提升往往比单纯的“更高清”更有价值。

4. UI 与截图生成能力很强

从泄露期到正式上线，GPT Image 2 最出圈的一个方向，就是生成软件界面、网页截图和 App mockup。

这类任务过去很难做，因为它们同时要求：

文字清楚
布局规整
按钮、卡片、导航条等元素对齐
配色和层级像真实产品

而这次模型在这些方面的表现已经相当成熟。对于产品经理、独立开发者和设计师来说，这意味着可以更快做出高保真原型图，用于提案、演示甚至用户测试。

5. 局部编辑更接近实用工作流

按原文整理的信息，GPT Image 2 支持更精准的局部编辑能力，也就是只修改画面中的特定区域，而不是每次整张图推倒重来。

这类能力对创意工作流非常关键。因为实际设计场景里，很多时候不是“重做一张”，而是：

改一个按钮
换一段文字
调整某个物体的位置
修一块背景
替换局部元素

如果局部编辑足够稳定，AI 生图的价值就不只是第一次出图，而是能真正参与到反复迭代中。

二、怎么使用 GPT Image 2

在 ChatGPT 里使用

目前 GPT Image 2 已经集成在 ChatGPT 里，普通用户可以直接通过图像生成功能调用。

常见操作流程是：

打开 ChatGPT 网页版或 App
在输入框点击 +
选择“创建图片”
输入提示词并提交
系统调用 GPT Image 2 生成结果

原文还提到，不同订阅等级对应的可用额度不同，免费用户和 Plus / Pro 用户在生成次数上会有差别。具体额度规则建议以当时 ChatGPT 产品内显示为准，因为这类限制后续可能调整。

在 API 中使用

如果是开发者场景，也可以通过 OpenAI API 调用图像生成模型。原文里提到的模型名写法是 gpt-image-2，但实际接入时仍建议以官方文档中的最新名称和参数为准。

文中列出的几个常见分辨率如下：

分辨率	适用场景
`1024×1024`	通用方图、头像、社交媒体图片
`1536×1024`	横版封面、幻灯片、宽屏壁纸
`1024×1536`	竖版海报、手机壁纸、故事配图
`2048×2048`	高清印刷、大幅展示、精细插画

三、几个代表性使用场景

原文列了不少案例，这里整理出最有代表性的几类。

1. App 界面截图

这一类提示词非常适合产品原型、设计演示、需求讨论。

示例特点通常是：

指定平台风格，例如 iOS
写清页面结构
列出核心数据卡片
指定底部导航栏
说明配色与字体风格
强调文字必须清晰、元素要对齐

这种写法的重点不是“画面好看”，而是尽量减少模型发挥空间，让结果更像一个真的界面。

2. 电商产品图

像香水、耳机、手表、化妆品这类商品图，很适合 GPT Image 2 发挥。

因为它现在对以下内容的处理已经更稳定：

玻璃、金属、液体等材质质感
柔和阴影和反射
商业摄影常见的布光逻辑
简洁背景下的高端展示感
少量品牌文字

如果生成结果稳定，很多电商详情图、营销页主图、社交媒体产品视觉，都能把试错成本压低很多。

3. 文字海报

海报是最能体现这一代文字能力的场景之一。

原文给出的方向很典型：在一个黄昏城市剪影背景上，明确写出主标题、时间地点、艺人名单，并要求：

文字清晰可读
无拼写错误
中英文混排稳定
风格统一

这类任务过去通常要先生成背景图，再人工补字。现在如果模型能一次完成大部分工作，它的实用价值就会大很多。

4. 游戏概念图和“假截图”

这是 GPT Image 2 在社交媒体上最容易传播的一类内容。

比如第三人称游戏截图、霓虹街道、雨后积水反射、景深、颗粒感、PS5 实机风格，这种提示词组合出来的结果，很容易让人第一眼误判为游戏泄露画面。

从传播角度看，这类图很吸睛；从风险角度看，也说明以假乱真的门槛已经明显下降，用户对图片真实性的判断需要更谨慎。

5. 拟真人像与创意肖像

人像一直是 AI 图像能力最直观的测试题。

原文里的示例聚焦在自然光、咖啡馆、逆光边缘、针织衫、暖色背景虚化这类细节组合。它们背后的重点其实是：

皮肤纹理自然
发丝细节完整
手部结构不崩
光线逻辑合理
整体氛围不带明显 AI 痕迹

如果这几点能稳定做到，人像生成才算真正进入可用阶段。

6. 美食摄影

原文还给了一个非常长的英文提示词，用来生成高端餐厅风格的豚骨拉面照片。这个例子说明了一个很现实的趋势：当模型足够强时，提示词可以写得像摄影脚本。

这种写法会细到：

菜品构成
餐具材质
汤底光泽
叉烧的脂肪层和焦边
溏心蛋状态
背景景深和散景
光源方向
镜头型号与光圈

对于餐饮品牌、菜单设计、外卖平台主图和社交媒体内容，这种生成能力已经非常接近商业摄影替代方案。

7. 教育插图

另一个很有代表性的方向，是带标注的科学教育图。

原文示例是一张植物细胞剖面图，要求模型同时处理：

结构正确
标签位置准确
引导线清晰
字体统一
配色有层次
整体适合教材或课件使用

这说明 GPT Image 2 的价值不只是做“好看”的图，还包括做“信息型”的图。

四、对普通用户最实际的意义

GPT Image 2 真正值得关注的地方，不只是它又把画质往前推了一步，而是它把 AI 生图从娱乐型、试玩型工具，进一步推向了可商用、可交付的生产工具。

具体体现在几个层面：

文字终于开始靠谱
界面和海报更像真实物料
商业摄影风格图更可用
教育类、信息类图片也能做
局部编辑让它更适合迭代

当然，这并不代表它已经完全替代设计师、摄影师或插画师。真正的商业项目仍然需要审美判断、品牌控制、版权意识和人工复核。

但至少从这次更新能看出来，AI 图像生成的竞争点已经不只是“能不能出图”，而是“能不能更稳定地进入真实工作流”。

OpenAI 发布 ChatGPT Images 2.0：图像生成开始走向可直接交付

Wed, 22 Apr 2026 14:19:53 +0800

OpenAI 在 2026 年 4 月 21 日发布了 Introducing ChatGPT Images 2.0。从官方页面来看，这次更新想强调的并不只是“图片更好看了”，而是图像生成正在往“更可控、可排版、可直接交付”的方向走。

如果只看这篇发布页，它更像一组高密度能力展示，而不是传统意义上的技术说明。页面几乎没有展开模型结构、训练细节或基准测试，而是用大量示例图直接回答一个问题：现在的 ChatGPT 图像生成，能不能把过去还要靠设计师反复修图、补字、调版式的活，进一步前移到生成阶段。

01 这次更新最明显的信号

官方页面里最醒目的几个关键词，其实已经把重点说得很清楚：

Greater precision and control
Stronger across languages
Stylistic sophistication and realism

这三点放在一起看，含义很明确。

第一，不再只强调“想象力”，而是强调控制力。页面里出现了大量海报、杂志页、宣传页、信息图、角色设定页、分镜漫画、印刷书签这类示例。它们的共同点不是单张视觉冲击力，而是需要同时处理文字、层级、留白、构图、风格统一和输出比例。这说明 OpenAI 在刻意把产品定位从“生成一张图”往“生成一份可以拿去用的视觉成品”推进。

第二，多语言文字能力被单独拎出来做展示。页面里不仅有多语种海报、书籍封面、韩文旅宿宣传页、日文漫画，还有专门强调 typography 的示例。这很关键，因为过去图像模型最容易翻车的地方之一，就是一旦涉及长文本、复杂版式或非英语文字，稳定性会明显下降。现在 OpenAI 把它放到发布页核心位置，本身就是在传递一个信号：文字渲染和跨语言排版，已经成为它们认为值得正面展示的能力。

第三，风格覆盖面被拉得很宽。官方示例同时覆盖了写实摄影、复古拼贴、Bauhaus 海报、时尚大片、黑白纪实、儿童绘本、日漫、青年漫画、教育信息图、产品网格图、角色设定页等多种形式。这里想表达的不是“模型能模仿很多画风”这么简单，而是它正在尝试从单一美术风格输出，走向更完整的视觉任务适配。

02 为什么说它在走向“可直接交付”

从这页内容来看，ChatGPT Images 2.0 更像一个“图像制作工作台”能力升级，而不只是更强的文生图模型。

过去很多模型虽然也能生成漂亮图片，但一旦用户需求变成下面这些任务，体验就会迅速下降：

做一张带完整标题、副标题和说明文字的海报
做一页信息密度较高的杂志或宣传页
做带连续角色和连续叙事的漫画页
做需要固定比例、特定版式和明确品牌感的营销物料
做包含多语言文字的正式视觉内容

而 OpenAI 这次展示的例子，几乎都在正面回应这些老问题。

例如页面里有教育信息图、设计趋势海报、书签印刷稿、咖啡店开业海报、旅游宣传页、产品周边展示图、论文海报重制图。这类内容有一个共同特征：它们不是“给人看一眼觉得不错”就结束，而是更接近真实工作流里的半成品甚至成品。

换句话说，这次更新真正重要的地方，可能不是单张图质量又提升了多少，而是模型开始更像一套可用于内容生产、品牌物料、教育传播和轻量设计工作的生成系统。

03 这对 ChatGPT 产品定位意味着什么

从发布页组织方式也能看出一些产品层面的变化。

OpenAI 没有把 ChatGPT Images 2.0 包装成一个只服务创意圈的图像模型，而是不断用“研究、推理、资料转化、版面整理、知识表达、营销输出”这些场景去展示它。页面里甚至还有把数学证明、设计趋势、历史笔记、学术论文可视化的例子。

这意味着图像生成在 ChatGPT 里的角色，已经不只是“给聊天配图”或“生成一张插画”，而是在向更通用的表达层靠拢。它想做的是：当用户已经在 ChatGPT 里思考、查资料、整理内容、写文案之后，最后一步连视觉产出也一起完成。

如果这个方向继续推进，图像功能的竞争点就不再只是审美和写实程度，而会越来越依赖下面这些能力：

是否能稳定处理复杂文字
是否能维持跨页面或多面板的一致性
是否能生成更接近真实工作物料的版式
是否能在研究、写作、营销、教学这些任务里自然接上前面的上下文

04 这篇发布页没有说什么

当然，发布页的写法也决定了它更适合“看方向”，不太适合“看细节”。

截至官方页面 2026 年 4 月 21 日的内容，它主要展示的是结果，而不是方法。页面没有详细展开：

模型与上一代相比的量化提升
文字准确率或多语言渲染的明确指标
复杂版式任务的失败边界
API、价格、调用方式或企业侧接入细节
安全策略和生成限制的具体更新

所以更准确地说，这篇文章传递的是产品信号，而不是完整技术规格。

05 简单结论

如果只用一句话概括 ChatGPT Images 2.0，这次更新最值得注意的不是“更会画”，而是“更会做成品”。

OpenAI 显然希望把图像生成从灵感型工具，往可执行、可排版、可沟通、可交付的生产工具推进。文字控制、多语言、版式、风格跨度、长页面内容组织，这些原本最容易暴露短板的地方，现在反而成了它主动展示的卖点。

这不代表图像生成已经完全解决了设计工作里的所有问题，但至少从这次发布页可以看出，竞争重心正在变化。未来谁更强，可能不只是看谁能出一张更惊艳的图，而是看谁能更稳定地做出一份真的能拿去用的视觉内容。

模型	适合场景
`deepseek-v4-flash`	日常代码阅读、批量改小问题、生成脚本、整理上下文、低风险前端修改
`deepseek-v4-pro`	架构规划、复杂 bug、跨文件重构、事实核查、多工具调用、高风险改动

AI工具 on KnightLi的博客

AI 自动用手机哪家强？MobiAgent、Mobile-Agent、Mobilerun 和 mobile-use 对比

基本信息对比

MobiAgent

Mobile-Agent

Mobilerun

mobile-use

功能对比

优缺点对比

适用范围建议

我的判断

mobile-use 看点：让 AI 操作真实 App，还能提取数据

它和普通手机自动化有什么不同

AndroidWorld 结果值得注意

数据抽取是实用入口

部署门槛和限制

适合谁关注

我的判断

想让 AI 自动点手机？Mobilerun 支持 Android 和 iOS

它解决什么问题

本地框架和云端服务

为什么 LLM 无关很关键

适合哪些场景

我的判断

AI 能自己点手机、用电脑了吗？Mobile-Agent 项目解读

它解决什么问题

v3.5 的重点

GUI-Owl 是底层变化

ToolCUA 暗示的新方向

适合谁关注

我的判断

MobiAgent 是什么？一个能操作手机 App 的开源 AI 智能体

它解决什么问题

最近更新值得关注

记忆系统是关键补丁

适合谁关注

我的判断

RTX 3060 也能跑 35B？llama.cpp 的 --n-cpu-moe 让老电脑继续本地大模型

关键不是换显卡，而是 MoE 调度

速度变化有多明显？

一个可参考的 Windows 启动命令

不同显卡怎么调？

32GB 内存够不够？

为什么这件事值得关注？

我的结论

参考链接

WavFlow：Meta 开源原始波形空间音频生成项目

WavFlow 想解决什么问题

支持哪些输入模式

评测和效果定位

安装方式

推理怎么跑

EMA 的一个坑

训练流程

适合谁关注

使用时要注意什么

小结

参考资料

LongCat-Video-Avatar-1.5：美团开源音频驱动数字人视频模型

这次 1.5 版更新了什么

支持哪些任务

安装和模型下载

快速推理示例

参数怎么调

适合哪些场景

使用时要注意什么

小结

参考资料

CLI-Anything：把软件变成 Agent 可用的命令行

它怎么工作

适合什么场景

需要注意的边界

小结

Qwen3.6-35B-A3B 越狱版本地部署：无审查 GGUF、llama.cpp 与安全边界

这个模型是什么

为什么 35B 模型还能在本地跑

推荐量化怎么理解

llama.cpp 部署思路

多模态能力怎么用

OpenAI API 兼容接口