闲聊大厅

各大AI开始PK吧！！桀桀桀( ‵▽′)ψ

最近想尝试一下国外的软件 但搜了小红书豆包不知道怎么去下Gemini，GPT，codex，也没有谷歌账号 不知道这个得从哪获取 还是说只能从闲鱼上买

在最新一期的《新闻周刊》里，关于AI人工智能的安全监管和治理问题是聚焦的主题之一。援引事件是7月份OpenAI测试逃逸沙箱，攻击HangingFace的案例，当时也存在个人抱着看热闹的心态去解读是否是公司之间自导自演的一场闹剧，但事件发展到现在，以新闻的严肃讨论专题再次出现的视野中，不得不引起对技术对人的威胁问题的思考。 人工智能国际治理研究院副院长肖茜引用杰弗里·辛顿“养虎为患”的比喻，描述人们正在经历一个“认为人工智能没有想象中的那么可爱”的阶段，而更令人担忧的是“很多人只想着把老虎养大，却很少去想它会带来多大隐患。“安全困境”这一理论描述的是在国际关系中，如果双方都秉持这一种竞争叙事，都认为自己要赢得竞争，但是对安全的关注和投入确实稀缺的，那去研究安全举措的专家和资源自然很少，最终导致安全和发展是不平衡的。造成“模型技术越来越强大，但是安全举措跟不上”，肖茜如是描述人工智能国际治理目前的“安全困局”。 人工智能的安全监管和治理必须依靠国际主体间的合作。肖茜表示，人工智能这一技术本身是跨越国界，是全人类共同智慧发展出来的。但面对人工智能的黑箱效应，人类自身对人工智能“为什么会出现这样的情况”的了解也是不完全的，这恰恰说明国际合作，共同探究人工智能安全治理议题的重要性。近期德国等20国欧盟发表联合声明呼吁开展国际合作，同样，中美作为人工智能发展的两个大国，也就经贸

年初爆火的开源 AI 智能体 OpenClaw，经历了一轮过山车——从排队下载到付费求卸载，只用了几个月。 国家互联网应急中心还发过安全提示，指出它存在提示词注入、误操作删数据等风险。也就是说，当 AI 从“聊天”走向“执行”，它能干的事越多，出错的代价也越大。 我自己是有点犹豫的：平时让 AI 帮我查资料、写草稿没问题，但让它直接操作我的文件、跑我的代码，我还是会先备份一遍才敢让它动。 想问问大家，你们准备好把重要的事交给 AI 执行了吗？有没有人真的被 AI 误操作坑过？

最近有个叫 i-have-adhd 的 Skill 在 GitHub 上涨势很猛，一周涨了 1 万 Star。 它的作用很简单：让 AI 别废话。每次回答先给结论，再列编号步骤，拒绝长篇大论。有实测显示，开启后对话消耗的 tokens 从 48.7K 降到了 27.5K，少了将近一半。 我自己用下来的感受是：确实省时间，不用再翻一大段铺垫找重点；但有时候它精简过头，把一些我觉得有用的背景信息也砍掉了，反而要追问。 想问问大家，你们平时更习惯 AI 给详细回答，还是精简回答？精简了会不会漏掉关键信息？有没有人真的在用这个 Skill？

本教程面向零基础小白，手把手教你搭好本地 AI 开发环境，用上 DeepSeek 接口。 跟着做，半小时就能让 Claude Code 在你电脑上跑起来。 适用人群： 完全不懂代码、没接触过命令行的纯小白；想低成本体验 AI 编程、准备入局搭建 Agent，但卡在“环境配置”第一步的新手。 🛠️ 第一步：安装 Git Bash（准备好“跟电脑对话的窗口”） 为什么要装它？ 以后我们跟 AI（Claude Code）打交道，主要在这样一个“黑框框”里打字。这个黑框框就是 Git Bash。 具体操作： 1. 打开网址：https://git-scm.com 2. 点击页面上的 Click here to download（下载最新版）。 3. 下载完成后，双击打开安装包，一路点 Next（下一步），保持默认设置就行。 4. 装好后，点电脑左下角的“开始菜单”，搜索 Git Bash。 5. 如果能搜到并打开一个黑色窗口（像电视里的黑客界面），就说明安装成功了。 📦 第二步：安装 Node.js（给 Claude Code 装个“发动机”） 为什么要装它？ Claude Code 是用 JavaScript 写的，没有 Node.js 这个“发动机”，Claude Code 就跑不起来。 具体操作： 1. 打开网址：https://nodejs.org/zh-cn/downloa

AI是这个时代已经进步的风口，而每个人应当抓住这个来之不易的赚钱机遇 而且每个人畅心所言 杜绝摆架子、命令口吻式社交、机械式客服社交。 请让我们知道我们都是人，在社会上生活，进步才是快乐！一起进步

我之前写邮件、写总结、写汇报，都是自己先搭结构、再填内容。现在习惯先让 AI 出一版，我再改。 改起来是快，但我最近发现一个问题：如果让我完全自己写，我有点不知道怎么开头、怎么组织逻辑了。好像那个“组织语言”的能力，被外包出去了。 我不确定这是不是阶段性的。可能用久了就习惯了，也可能真的会退化。 想问问大家，你们有没有类似的感觉？还是说这只是我一个人的问题？

广场里在聊“agent 时代如何高效科研”，我把自己现在的边界说一下，不一定对，想听听大家的。 我敢交给 AI 的： 文献检索、初筛、摘要 格式整理、引用格式转换 画图、做表、生成代码草稿 写初稿、改语言、检查逻辑漏洞 我坚决不交的： 实验设计——它不了解我的数据、我的设备、我的约束，给出来的设计看着合理，实际跑不通。 结论判断——论文的结论是不是成立，得我自己看数据、看方法、看局限，它说“结论可靠”我不信。 引用核对——被编过假引用坑过，现在所有引用一律自己查。 但我也发现一个问题：写代码虽然敢交给 AI，但它写的代码我经常要逐行看一遍才敢用，算下来也没省多少时间。所以“敢交”和“真省时间”是两回事。 想问问大家，你们科研里哪些环节真敢交给 AI，哪些坚决不交？有没有人划出过一个比较清楚的边界，而且真的省到了时间？

我最近在想一个问题：判断力这种东西，是不是得靠“自己犯错”才能练出来？ 以前没有 AI，遇到问题只能自己想、自己试，错了就记住，慢慢就有了判断。现在 AI 给答案，你直接拿，不用试错，也就没有那个“错”的机会。 但判断力又确实重要，尤其是在 AI 给的答案不一定对的时候。你总得有本事看出来它哪里不对。 我还没想明白这个事。判断力如果不用来犯错，到底靠什么练？ 想问问大家，你们觉得 AI 时代，人的判断力是靠什么练出来的？

开源agent——Cline现在好多模型free，大家快去薅

从聊天ai到智能体，算下来只有智能体才算用的比较多，因为聊天ai的一些问题，更多当搜索引擎用，帮助聚合处理信息，但自从上手智能体后就不一样了，不用每次交代上下文了，它能记住我，能干活了，可以说聊天ai是让我了解模型是怎么运作的，但智能体真正让我用起来。 最初刚用智能体的时候是年初，对智能体也只有模糊的概念，知道国内的产品基本都是龙虾套壳，但也多方面试用，只为找出最适合自己的，后来用了一个多月后，找出了更想用的，也在折腾的过程种更明白了基础的知识，比如长期记忆，配置这些基础的东西，更明白了不同模型的特点，知道该怎么选，也有了问题排查经验。 再到后来（也就是现在），有了经验后，对智能体的了解更深入了，开源的也发现各种问题，每天排查问题比用的还多，所以走上了自己设计的方向，所以看起来每个阶段都逃不过，无非是走的早与晚，快与慢，基础的知识是少不了的。 大家现在在什么阶段

我最近在想一个事：以前查资料，是去搜、去翻、去比对，过程很累，但你会顺带看到很多没打算看的东西，有时候反而有意外收获。 现在用 AI 查资料，是直接问，它给一个整理好的答案。快是真的快，但你看到的只有它给你的那一块，看不到旁边的东西了。 我不确定这是不是一种损失。可能对效率来说，直接拿答案更好；但对“了解一个领域”来说，那个翻找的过程本身可能也有价值。 想问问大家，你们现在是更习惯“问 AI”还是“自己搜”？有没有人觉得，AI 让查资料这件事变得太窄了？

我刚开始学 AI Agent，下面是我目前理解的完整流程，不一定全对，欢迎大佬指正。 我想做的事很简单：我发指令，中间由工具自动把想法拆成步骤、写成代码、连上平台、做出 Agent，然后我随时调整反馈，最后部署上线。 目前我理解的流程是： 我发指令 → Claude 把想法逻辑步骤化 → Dify 或 Coze 落地成具体效果 → Claude Code 或 Codex 写出具体执行代码 → MCP 自动连接运行平台 → 输入代码、制作 Agent → 我随时调整和反馈 → 再部署。 下面是我整理的每个环节谁负责、它们怎么连起来、成果在哪里验证。 一、每个环节分别由哪些工具负责 第一，逻辑步骤化我的想法。这个环节主要由 Claude 负责，ChatGPT 也可以辅助。Claude 更像总指挥，负责理解我的自然语言，把想法拆成步骤，并决定下一步该调用哪个工具。ChatGPT 可以用来查资料、理思路、做创意补充，但核心调度我目前更倾向于交给 Claude。 第二，落地成具体效果。这个环节主要由 Dify 或 Coze 负责。它们都是低代码 Agent 平台，可以把我的想法变成可运行的 Agent，包括提示词、工作流、知识库、工具调用等。Dify 更适合想深入一点、想本地部署、想保留定制空间的人。Coze 更适合完全零基础、想快速看到效果的人。 第三，对应效果写出具体执行代码。这个环

用 AI 久了，我发现一个变化：以前看到一个结论，我会下意识想“真的吗”“有没有别的可能”；现在 AI 给一个答案，写得又顺又全，我经常就直接接受了。 有几次事后才发现，它给的答案其实有问题，只是当时看起来太像真的了。但当时我根本没想去查。 我觉得这可能比“AI 会编”更麻烦。编了至少我还警惕；但它给一个看起来完全合理、但其实是错的东西，我连警惕都没有。 想问问大家，你们会有这种“懒得质疑”的时候吗？有没有什么办法能让自己保持警惕？

最近看到两条消息。 一是神州数码和银河通用机器人签了合作，要把具身智能机器人推到零售、工业、医疗、教育这些实际场景里。二是第五届全球数字贸易博览会今天在杭州开展，主题就是“机器人走进生活”。 以前觉得机器人进生活还很远，但现在看，它已经开始从实验室往外走了。不过我自己有点矛盾：一方面觉得有些重复劳动确实想交给机器人，另一方面又担心它不够聪明，反而添乱。 想问问大家，如果机器人真到了你身边，你最希望它先帮你做什么？有没有哪个场景是你坚决不想让机器人碰的？

昨天吭哧吭哧搭好了本地环境，今天兴致勃勃开始研究Dify，结果发现昨天费的功夫和Dify完全不是一回事！我哭死😭 所以今天又问了一箩筐问题，终于把 Git Bash、DeepSeek、Claude Code 的作用彻底搞懂了！分享给同样在摸索的朋友们： 1. Git Bash：干活的底盘 只要你的代码素材够全够完美（比如从GitHub上找到了开源的完整项目），有它就够了。把代码链接或文件给它，它就能直接帮你完成本地部署跑起来，不需要什么AI。 2. DeepSeek（大模型API）：从0到1的“大脑” 它适用于你目前只有想法、要从零开发，或者想优化现成代码，但自己不具备编码能力的情况。它负责把你抽象的需求落地，输出可以直接交给 Git Bash 运行的代码，并且能全过程自动检测报错、调整代码，直到达到你的要求为止。 3. Claude Code：中间的“粘合剂” 它自己不会写代码，也不出方案。它最大的作用就是一个连接器：接收你在 Git Bash 里的指令，去调用 DeepSeek 生成代码，然后自动拿回来在 Git Bash 里部署和调试。 4. Dify：云端业务大脑 它和上面三个不冲突。它是用来给软件加“AI能力”（比如审核脏话、自动回复）的平台。你在这里建好工作流，它会生成一个API接口，最后让你的本地代码去调用它。 🎯 总结我的理解链路： 想直接跑现成项

别再到处找碎片教程了，这篇按顺序做就能成。 全程走官方通道，不是中转，账号就是ChatGPT账号。 --- 📦 第一步：准备工作（提前弄好，省得卡住） 1. 网络环境 这个没办法，Codex需要访问外网，你自己准备好能稳定连接的环境（具体不展开）。 2. 手机号 注册ChatGPT时需要一个能收验证码的手机号（最好是国外号码，国内号码基本不行）。 如果你没有，可以找亲友帮忙，或者自己研究合规的虚拟号码服务（注意安全，其实很多正规运营商都有提供服务）。 3. 美区Apple ID（仅限想开Plus会员的用户） 如果你只是免费版，不需要这一步。 要开会员的话，必须用美区App Store账号下载Codex并订阅。 注册方法： · 打开苹果官网，创建Apple ID，地区选美国。 · 邮箱用Gmail或Outlook都可以。 · 地址填写：随便找个美国地址生成器，选俄勒冈、阿拉斯加这些免税州。 · 手机号可以用你国内的号码验证（Apple允许）。 · 注册成功后，在手机上退出当前App Store，登录这个美区ID。 --- 💻 第二步：安装桌面版Codex（新手推荐） · Mac用户：打开App Store（确保登录的是美区ID，如果你要开会员），搜索“Codex”，点击“获取”下载。 · Wind

我最近在想一个问题：判断力这种东西，是不是得靠“自己犯错”才能练出来？ 以前没有 AI，遇到问题只能自己想、自己试，错了就记住，慢慢就有了判断。现在 AI 给答案，你直接拿，不用试错，也就没有那个“错”的机会。 但判断力又确实重要，尤其是在 AI 给的答案不一定对的时候。你总得有本事看出来它哪里不对。 我还没想明白这个事。判断力如果不用来犯错，到底靠什么练？ 想问问大家，你们觉得 AI 时代，人的判断力是靠什么练出来的？

九月了！想知道都在用什么skills做什么呢

晚上睡不着用什么ai晚上睡不着用什么ai晚上睡不着用什么ai晚上睡不着用什么ai晚上睡不着用什么ai

大家好，我是管理员，有什么吐槽的可以在评论里讲。