TrendPulse

预期消耗 100w$/mo ，aws/azure 账户交付，需要 主账户/子账号 ，正式合同带罚则，预算较足，一手单，有资源请留下联系方式

最近做了一个有点不一样的浏览器小项目：用摄像头识别双手动作，再把手的位置和姿势映射成和弦、音高、音量和音色。 不需要安装软件，也不需要麦克风。打开网页、允许摄像头后，就可以隔空演奏。 项目地址： GestureSynth.me 建议使用最新版 Chrome 或 Edge 。摄像头画面只在本地处理，不会上传。 真正难的不是“识别到手” 最开始我以为，只要 MediaPipe 能返回手部关键点，剩下的事情就是把坐标转换成音符。 实际做下来发现： 识别出一只手很容易，让它变成一个“能演奏”的控制器才难。 摄像头每一帧都会返回一组手部关键点，但这些坐标会轻微抖动，偶尔还会丢失。如果直接把原始坐标连接到音高或者音量，听起来会非常不稳定。 最后形成的处理链路大致是： 摄像头 → 手部关键点识别 → 提取手掌位置、距离和手势 → 平滑、死区和状态保持 → 映射成音阶、和弦、音量和音色 → Web Audio 实时合成声音

这几天，当我们陆续完成即我桌面端到 DeepSeek Harness 的迁移后，我忽然发现，接下来我没活可派了。 Agent 的能力，DSH 的基建已经做的很好并在持续迭代；面向用户的所有界面，完全可由用户按自己的想法生成。实在懒得弄？插件市场有一堆他人开发的效果不错的插件。 我们唯一要做的，只是做好后端的定义，把数据存好，把接口给好。在用户哪些新场景需求没办法满足的时候，再对后端做点迭代。 绝大多数情况下，已经不需要开发者再干什么了！ 这不仅是我的个人感受，而是全团队都发现了的不可回避的事实。 在基于 DSH 的即我客户端落地的过程中，有几个同事，基于自己的需求，在里边开发出了一些非常好玩好用的贴合其自己的功能。比如： 决策镜子🪞，当自己犹豫不定的时候把向镜子提问，镜子会根据自己过往的数据给出判断行还是不行。 对话天气。把即我的所有私聊群聊根据最近的一些对话情况，转化为不同的天气效果呈现，更直观感知到这个对话里的情绪情况，判断是否想点进去看里边的内容。 我的人生剪影。根据自己每天的数据情况，生成自己的电影片段。感觉如果再介入一个文生图文生视频模型，直接就有一个可以每天连载...

Codex 读取任务记录，一共用了约 1.39 万 credits ，按目前从 100%降到 77%计算，反推完整周额度约 6 万 credits ，看起来并没有明显缩水哦，之前 20X 的周额度不是大约 5.5 万 credits 左右吗？

codex 的 STOP hook 仅在成功的时候触发，因此如果出了错误，是没法通知给你的。此外，hook 在创建新的档案之后（例如用 CC Switch ）需要手动允许，也不是很方便。 不过，Codex 无论是成功、失败，都可以正常的向 Windows 通知中心发送通知。因此可以用这个 Windows 原生 App ，可以转发通知事件到 Webhook / Bark ，软件开源免费，因为要想获取通知中心的系统 hook 需要 Windows.UI.Notifications.Management.UserNotificationListener ，而这个 API 只有商店包的原生应用才能用，所以没法做到单 exe ，只能上传到 Microsoft Store 了。 https://apps.microsoft.com/detail/9MV8SL6JLV2D iOS 建议直接使用 Bark ；安卓的通知稍微繁琐一些，大部分都需要外接各种通知服务（如 wxpusher 等），或者接入飞书/钉钉之类的平台，这里不统一适配了，而是提供 Webhook...

The Cheapest Anti-Bot Bypass Is a Real Browser The web scraping industry spends enormous energy making automated browsers look human: fingerprint spoofers, residential proxy pools, CAPTCHA solvers, per-site choreography scripts. It's a multi-million-dollar arms race — and Scrapewright sidesteps most of it with a simple observation: the best impersonation of you is you. Scrapewright is an open-source Chrome extension. Not a controlled browser it spawns — an extension in the Chrome you act...

最近 OpenAI 出现了一次比较有意思的异常：部分会话直接提示风险或拒绝。具体原因外部很难确认，所以视频里关于风控、Reset 的部分都只是节目效果和个人猜测。 真正值得聊的是另一个问题：中转服务可以准备更多账号、节点、机房和负载均衡，但如果最上游本身发生异常，甚至官方 Key 也一起受影响，那么所有同源冗余最终还是会落到同一个单点上。 未来更可靠的 Token 体系，也许不能只依赖一个“超级发电厂”。OpenAI 、Anthropic 、Google ，以及本地或开源权重模型，都需要成为相互独立的供应来源。一家出问题时，业务才能真正切到另一家。 大家觉得中转站未来更重要的是继续扩大单一模型号池，还是做跨供应商、跨模型的真正故障转移？ 视频中的判断只是个人观察和猜测，欢迎理性讨论： https://youtu.be/uecNojFgkf0 最近 OpenAI 出现了一次比较有意思的异常：部分会话直接提示风险或拒绝。具体原因外部很难确认，所以视频里关于风控、Reset 的部分都只是节目效果和个人猜测。 真正值得聊的是另一个问题：中转服务可以准备更多账号、节点、机...

多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp 已上线 DeepSeek API 平台，支持 Chat Completions 、Messages 、Responses 三种格式调用，欢迎测试和反馈。

Tibo：首先，我们本周某个时候 Codex 的活跃用户达到了 2000 万。其次，这值得庆祝，今天我们将为每位 Codex 和 ChatGPT Work 用户记入一个可随时使用的 BANKED 重置机会。我们稍后还会分享其他好消息！

200 以内吧 感谢各位老板了

没怎么走过南方的高速，7 号返京会不会堵成屎，要不要再请一天假 8 号再返京

不算重置，然后用 sol high 和 grok high 对比，哪个量大。看 reddit 说 cursor 能有 3B 左右？我看了我这两周基本上 codex 差不多 3-4 亿(不过有部分是 luna max)，一个月加起来 1.2-1.5B 之间。有没有有用过的，cursor 纯粹 grok high 能有 3B 左右吗？

跟前一个月差不多的工作量，这个月，重置了三天，max20 已经用了 75%，之前基本还能剩 50%+，不知道为啥，感觉 token 消耗贼快，是我自己的用法有问题吗，难受了，一个 200 刀都不够用了，而且好像官方还增加了 50%额度，活动结束可能更不够用了 基本都是用 opus5 ，fable 都不怎么用

Running LLM-Generated Code in a Chrome Extension: An MV3 CSP Adventure Chrome Manifest V3 has one commandment above all others: thou shalt not eval . No new Function , no dynamic code strings, anywhere in an extension's privileged contexts. The policy killed a generation of extensions and made MV3 migration famously painful. Now consider Scrapewright 's core requirement: it must execute scraping code written by an LLM at runtime — arbitrary, generated-after-install, string-shaped Java...

避免浪费各位时间，请注意资格要求是： 过去 2 月没有使用过 chatgpt/codex 桌面端 没有被其他人邀请过 如果你是新号注册，有可能需要用外区手机号收验证码 最后要打开 chatgpt 桌面端发送任意一条对话，你和我才能成功拿到 1000 credits （相当于给你账户充值 40 刀额度) PS：刚刷到 X 上，tibo 今天即将赠送 1 次重置次数（可以存起来以后再用）。 https://x.com/thsottiaux/status/2090766694897619318

这是不是我在 V2EX 的第一篇帖子，是我朋友在 V2EX 的第一篇帖子。 他想跟大家介绍一下他门团队的产品：Airlingo 。 他们做得很用心，大家可以听听他的故事。 1 我与语言产品的故事 Airlingo 是我们团队最近在做的一款第二语言阅读产品。相比直接介绍产品，我更想先聊聊我们为什么会做它。 我叫 Victor ，之前在快手、腾讯、安克等公司工作过，做过记者、纪录片、PR 、海外产品运营和产品经理。 这些工作看起来差别很大，但后来我发现，做内容和做产品其实有一个共同点： 都是把自己的观察和思考，变成别人可以真正使用和感受到的东西。 我自己也是很多年的英语学习者。 高中时自己做单词卡，反复背。工作之后要看大量英文资料，也经常和海外同事沟通，英语一直都是一个绕不开的技能。 现在做独立开发，我也会尽量用英语和 Coding Agent 沟通。一方面是希望把需求表达得更准确，另一方面也顺便训练自己的英文。 但说实话，学了这么多年，我的英语也远远谈不上好。 2024 年 12 月裸考雅思，大概 6 分。 我越来越觉得： ...

补充: 按照国家有关规定，实行车票实名制的，列车验票时，同时核对旅客、所持车票及购票时所使用的有效身份证件原件。票、证、人不一致，按无票处理。 无坐票,无固定座位票 经济厢车票,应该是有国家对票价的补贴吧. 核心:购票者没有上车,没在车上现场的情况, 票有没有效 座有没有所属.

文内说 - 在纯文本能力（ Agent 、推理、世界知识等）方面，DeepSeek-V4-Flash-Vision-Exp 与 DeepSeek-V4-Flash 正式版持平；在需要视觉理解的 Agent Benchmark 上，DeepSeek-V4-Flash-Vision-Exp - 相比 DeepSeek-V4-Flash 实现了大幅跃升，多模态 Agent 能力已接近 Opus-4.8 。 文章链接 实测了下，速度挺快的

“天阶夜色凉如水，卧看牵牛织女星。” 我常常觉得，这句诗写的就是我的童年。 我出生于 1990 年，在山东即墨的一个村子里长大。十岁以前，我们住在一栋带院子的老房子里。院子不大，却种了不少东西：杏树、无花果树、梧桐树，还有一架葡萄。葡萄藤顺着铁丝和石柱爬开，到了夏天，枝叶密密地遮在头顶，像给小院搭起了一片绿色的天空。 夏天和初秋的晚上，大人会在院子里铺一张凉席。我躺在上面，身下还留着白日的余温，风从树叶间慢慢吹过，抬头便能看见满天的星星。 那是我童年里出现得最多、也最清楚的一幅画面。 最早教我认星星的人是妈妈。她指给我看牵牛星和织女星，也给我讲牛郎织女的故事。她说，到了七夕，如果悄悄站在葡萄架下面，就能听见牛郎和织女说话。 那时候的我深信不疑。 我甚至等不到七夕。一连几个晚上，我都偷偷跑到葡萄架下，仰着头，屏住呼吸，认真听藤叶间的动静。风吹过时，叶子窸窸窣窣地响，我总怀疑那里面真的藏着谁的低语。现在想来，我当然没有听见牛郎织女说话，但也许正是在那些夜晚，我第一次听见了来自星空的声音。 后来，我又认识了北斗七星和北极星。天上的星星从一片杂乱的亮点，慢慢有了...

看到消息说 codex 开源，有人说是冲着 dsh 来的。 这个判断对，也不完全对。Codex 早就开源了，但 DSH 发布 6 天后，官方又专门发文强调 Codex 是一个 Harness 平台。至少从时间点和宣传口径来看，多少是有点针锋相对的意思。 再说回 DSH 本身，只能说确实很猛：几天就超过了 100k star 。 我在几个开发群里潜水了一周，感觉大家对它的评价基本是： 好玩，但容易崩；能做东西，但不敢维护 。 我自己就搓过一个自动审批插件，可以调用其他模型进行审核，并在通过后自动放行。结果就在刚才，DSH 更新到 0.1.1 rc1 ，插件直接被扬了。为了增加兼容性，我当时用的全是原生实现，还是没躲过。只能说官方在破坏性更新这块... 所以现阶段，我还是不太敢把 DSH 当成生产力工具。除了稳定性，它还有不少问题，比如子代理、token 消耗、第三方模型适配。要是没涨价，最后这个问题倒也不算什么。 另外就最近 AI 的发展，我坐在椅子上 仿佛看到了核爆，内心世界冲进特洛伊木马一样。年初还在聊 agent ，MCP ，skill 和 openclaw ，...

所有社群里跑个 bot ，作为 boardcast ，人类通过 agent 跑 plan ，接入这个 humanllms 。 比如做一个 xxoo 的东西，目标生成一个结构化开发文档。 agent 的 user 只要给一个 simple prompt ，就能通过社群跑出很多 branch （比如 v2ex-bot 负责一个，reddit-bot 负责一个。） 人类理解人类发散性思维更容易实现聚合。 agent 后面跑一个 grill-me ，让 bot 不断的通过 HumanLLMs 询问社区，生成清晰的 spec ，然后扔给 tdd 开跑。 跑完继续扔社区 demo 之类，让社区做审核。 这样，是不是就可以完全躺平了？ bot 支付 V2EX 这类平台佣金，token 怎么收费肯定不能按字数，这个不重要。 有没有人开始搞了？我只想躺平。

苹果客服告诉我，Apple 账号商店被永久封禁，ChatGPT 和 Claude 没办法取消关联，也无法换其他 Apple 账号重新订阅，也要重新注册账号，是这样子的吗？ 如果是这样子，那我就充礼品卡，得先去注册稳定的账号

多年后回想起来，人们可能会发现，让程序员指挥 AI 写代码，可能是我们人类走过的一段弯路。 我的意思是，要让真正对产品负责、懂产品的那个人去指挥 AI 写代码，而不是还在用传统的分工，觉得程序员懂代码，就还在依赖程序员去指挥 AI 写代码。 当然，如果是一个懂产品，能够对产品负责的程序员来做，那就没问题了。 但这意味着产品经理的时代到来了吗？ 我觉得不一定，因为部分产品经理也不一定真的懂产品。 传统的分工正在模糊，现在每个人都可以有产品能力、设计能力、开发能力了，所以超级个体，我觉得会增多。 这里使用“超级个体”这个称呼，只是为了让大家一眼能看懂，不代表目前大家眼里的超级个体，跟我描述的这个是一致的。

AI 写代码真的是越看越累啊 一直用 codex 和 claude ，claude 稍微省心点，codex 感觉就是个懵懵懂懂的实习生，你让他做点简单的，又快又好，稍微复杂的就出岔子。包括不限于： 1 、看错需求了； 2 、理解错需求了； 3 、不好意思漏了； 4 、突然加入不存在的需求，然后抱歉。 一直用的 sol 高模型，大家有什么好办法吗？😭 PS:前阵子下载安装点赞量 87K 的号称最好的专家团队 skill ，结果 gpt 疯狂幻觉，给我代码里加了一坨安全检测，多级鉴权，多轮回测脚本（我完全没要求他这么做过）。

在知乎经常遇到一些问答不错，后面再想看的时候就变成知识的荒野，有时候一个问答正在看，过一会切回来就变成知识的荒野了。我原来做了一个 chrome 插件保存浏览的问答。后面看到有一个安卓第三方，给开发者提 issue 增加保存功能，结果因为忘记写 title ，结果遇到戾气很高的开发者，那就自己 fork 了一个版本。 主要新增功能：本地和远程的问答保存功能，可以按多维度进行保存，可以设置加载、浏览、点赞、收藏这几个保存级别。 另外增加了一些例如老人模式、盲人模式的优化。 https://github.com/zhihu-plus/android

境内外国人当然可以使用 sim 卡漫游上网。但是想用电脑通过本地运营商网络进行国际联网。 如果你提供技术支持帮助他在境内通过本地运营商网络进行国际联网，会有风险吗？ 还是说收钱就有风险，不收钱就没有？

自如换租只有 100 元优惠券，没有别的了，不像 2 年前还有 400 元优惠；搬家需要 199 元，距离 1 公里内。

上次那个尽量不上传图片的浏览器工具，有人问本地去背景用的哪个模型。三档：ISNet INT8 四十多兆，BEN2 两百出头，BiRefNet HR-Matting 四百多兆，用到了才下，下完缓存在浏览器里。 后来想把这套搬到视频上，直接拿图片模型逐帧跑。单看每一帧都挺对，连起来播就不行，边缘一帧一个样，头发和肩线一直在抖。换成带时序的模型才稳住，音频单独走一条最后再对上。现在能出片也能保住音轨，但只敢挂 Beta ，而且只做了桌面 Chrome 和 Edge 。 PDF 压缩那边，体积大多是内嵌图撑起来的，引擎按每页实算内嵌图的有效 DPI 决定要不要重采样，几种编码各压一遍取最小的。边界也硬：没做字体子集化，纯文字 PDF 一般只能压 5%-20%，指望大幅瘦身的可以不用试。 图片压缩在手机上也能用，坑比桌面多。iOS Safari 和微信里拿不到原生 WebP 编码，只能自己带个兼容编码器顶上。更麻烦的是内存，一次塞几十张大图，页面直接被系统干掉，后来改成处理完就释放源文件，又加了个手动清空队列。上次有个朋友提的平铺水印还没做，只做了单个。想问下有没有人在移动浏览器里跑...