大家好，欢迎来到每日AI秀。现在是东海岸时间上午10点，西海岸早上7点。今天是2026年10月9日，星期五，第830期节目。欢迎加入每日AI秀，很高兴你们在这里。今天和我一起的是Andy和Beth。开场由我来主持Brian，大家好伙计们怎么样？周五过得还好吗？Andy我觉得对你来说还早吧，所以刚开始。>> 这里奇怪地很黑啊。等到夏令时结束的时候……Yeah. >> 就不会那么黑了，对吧？是这样运作的吗？是的。>> 没错。还是……哦天哪，希望他们最终能废除它并固定下来。

我知道这对人类健康有害，因为这种切换……然而有一群参议员在阻挠这项法案的通过。>> 奇怪的是我们在佛罗里达州已经批准了，但需要联邦政府的批准。所以在佛罗里达州我们打算这么做，但我总是想到那些在黑暗中等校车的孩子们。我想说反正他们本来就在黑暗中等待。这和AI没关系，但这件事即将发生，而且会让我很恼火。当坦帕晚上六点天黑时我会像个怪人一样抱怨，就像大多数人那样。虽然我可能住在更东北的地方Beth。我想你在加拿大的时候……

那肯定是下午3点半左右的天色昏暗，不是吗？4点半。>> 是的。>> 对。在真正强烈的部分。>> 嗯，是的。而且很明显。当你……哇，你还有光的时候真的非常明显。>> 对。>> 什么？>> 是的。哇，到底发生了什么？

我会快速讲个故事然后我们进入AI话题我保证大家我们会聊到AI。几年前我在欧洲住了五个月那是2017年。当时我女儿上一年级七岁。我的爸爸在圣诞节左右来给我们惊喜那时我们已经到了伦敦之前去过柏林等地。那是年底黄昏来得早我们出门时我爸爸通常六点起床出门太阳刚升起我们就进城了他会说：“我们在两点左右见面吧。到两点还有一个半小时的光线，除非你想在黑暗中看遍伦敦的一切。”

圣诞节时景色很美但你知道的……我们会有些有趣的对话说我们会出门你在城里找我们要知道我们有七岁的孩子需要尽可能多的光线。我们不会两点才出去也不会从下午2点开始一天。所以，给世界各地那些即将面临更早天黑的朋友们……如果你们切换时区的话嗯我理解你们的感受。我知道我在这里坦帕过得比别人好一些。好了让我们进入AI新闻我把话题交给你们说实话这段时间我一直埋头工作没怎么看行业新闻所以我有点落伍了很遗憾我会试着补上。什么吸引了你们的注意？

我想快速谈谈Google发布的一个利用其嵌入Gemma 2模型的产品。昨天他们发布了新应用使用嵌入式Gemma 2这是Gemma 2的一个非常小的变体可以在本地设备上运行>>并且针对Apple Silicon进行了优化。所以在Mac上效果最好但……该端侧模型有7.4亿参数应用是一个笔记应用程序就像Otter、Fathom和Granola一样。这些应用被广泛使用但现在有一个直接来自Google的应用可以在本地工作>>所以它不会把你的会议数据上传到云端进行转录。

我认为这对于那些进行高度敏感讨论不想让数据传输到云端的用户来说是一个重要的产品承诺。它会捕捉会议和其他应用中的笔记。所以它实际上会查看你桌面上发生的一切我猜吧。它会分析面对面的对话和Granola一样它有分屏功能用户可以在屏幕一侧打字记录笔记而AI生成的笔记出现在另一侧。基本上它是在实时转录会议并提供一些实时的AI信息。例如你可以在会议期间向助手提问但它会去回答这个问题它会连接到Gemma 4但Gemma 4也可能在你的本地机器上运行对吧？

因为Gemma 4是一个小模型我实际上把我的手机加载了Gemma 4它很慢就像你要看着它打字输出答案但它毕竟是一个能在手机上运行的重要AI模型。它还可以拥有你的Google Docs知识库你可以在会议期间上传PDF给它。它可以访问Microsoft Office文件和Markdown文件等如果会议涉及某些内容……Yeah. >> 助手可以实时回答问题。抱歉这里发生了紧急情况我要离开一会儿。>> 是的没问题。

好的。我们刚才在谈论嵌入Gemma以及这对每日AI秀来说多么令人兴奋还有能够让我们的内容也被嵌入的能力。Brian你有没有想过这一点关于……>> 使用本地模型？>> 嗯，是的作为帮助它……所以我一直在从事原子化项目很久了我最近几天取得了一些突破。一部分我在想这是否仍然有帮助我认为它是有用的但嵌入式的Gemma能否在整个语料库上做到这一点？不是用我们计划好的原子那些我们认为有趣的……还有什么其他内容？去看看 stuff 看看还能告诉我什么。是的我的想法一直是你知道你和我所……

构建出来的模型，你知道的，可能会被即时模型超越。现在，我认为它无法与之匹敌的地方在于数据库方面，对吧？所以……是的，它可以做到即时处理，我们就说它能实现原子的瞬间化。对于这里的观众来说，当我们提到“原子化”时，基本上是指将事物分解为最小的单元。让我们以转录文本为例，将其简化到最基本的部分。但这比那要复杂得多。我只是试图为了对话而过度简化这一点。

我和Beth都知道，我们在不同方面都为此项目工作过，比如我这边是Bruno项目，而你更多地在节目中进行相关工作，这真的很有帮助。现在，真正的价值在于数据本身。所以随着AI变得更强、更强大，你是在将这些原子化的大型转录语料库数据重新指向这里，而这本身就变得非常强大。所以这很有趣，对吧？Beth？因为我想和你一样在想：“哦，未来的某个模型是否也能像我现在这样快速地得出这个答案？”

是的。没错。看起来我们正朝着那个方向发展。那会是什么样子呢？嗯，那就是作为用户在YouTube上提出一个非常详细的问题，涵盖所有的YouTube视频，然后系统返回并说：“是的、是的。这里有32个关于菲律宾某个岛屿日落……或者类似非常具体甚至奇怪的内容的视频，比如在秋天或雨季的时候。”然后它会去搜索并返回结果。

那是我给你们的音效，用来表示一次性给出大量结果。所以如果你没在看视频只是在听的话……这就是官方的音效。然后它会说：“哦，不仅仅是给你一个视频，而是给你带时间戳的一小部分。”我也想象着Beth，在未来你将能够去YouTube说：“请把这些剪辑成一个蒙太奇给我。”就像拼接起来一样。

而且就像我们在其他平台上看到的轮播图那样，YouTube会说：“好的，你只想看三到五秒的秋季菲律宾岛屿雨季日落片段。明白了？或者随你怎么说，当然可以。”所以，我认为这是可能的吗？是的。但我认为这并没有改变做这件事的价值，也许通过本地模型并建立……不……数据库？不。因为你拥有数据。

Google在那一边拥有这些数据。是的，你有一个强大的工具可以使用，但你永远不会拥有结果或背景数据的所有权。这与我们正在尝试做的、我想很多人都在努力做的事情不同，Beth。没错。我会说……让我看看我能展示什么？在你做那个的同时Jude问了，是7000个岛屿中的哪一个？是的， exactly。正是如此，Jude。对， specifically 这个岛。我想看……你知道的，某个地方的日落。

无论如何，抱歉Beth。你说吧。现在当你获取的时候……让我给你一个快速更新。所以供应马匹饮水的水系统，那个系统的压力罐爆炸了。是的，所以我不得不跑出去。天哪。水到处喷涌高压水流，我不得不……幸运的是我们在每个压力罐上都安装了止回阀。我只需要转动一个阀门。

嗯，是的。无论如何……我的意思是你在背后这么快就处理好了，你知道的，你几乎没错过任何时刻。灾难被避免了。继续吧。你要我在舞台上把这个调出来吗？我是说……所以这是……我正在做的测试的一部分，还有背后的东西……酷。要理解的事情基本上就是嘿是谁在说话以及我们对此有多确定，这归根结底……

只是为了我们的听众，你在谈论这个节目？我在谈论这个节目。是的。而我在说……让我们看看。嗯，是的。谁说了什么？不。现在我想弄清楚我要给你们展示什么东西。来了。你们向我们展示了五月到六月的名字阅读器？我正在向你展示五月的名字阅读器。但是哪个五月的名字阅读器？Beth的。嗯，我们来了。

当我们向下浏览列表时我们可以看到……好吧。所以系统接收Streamyard提供给它的信息并说是什么，然后说当某人开始说话时、离开时、回来并开始说话时的情况。因为当你离开Streamyard工作室或走出镜头我认为再回来时会开始一个新的视频，并给出该视频开始的时间戳。

这是关于那一刻谁可能在说话的信息之一。所以如果你不在屏幕上，你就不能在说话。如果你在屏幕上，你就可以在说话。我们来回讨论过我们有声纹、所有这些不同的东西可以展示那一刻谁可能在说话的不同方面。但这实际上进去读取名字。读取名牌因为名牌总是相同的。它不在同一个地方，但在一个特定的节目中我们不会把名字改成别的。

所以它可以遍历这些并把它从屏幕上取下来，我会找到更多它以及其他我想给你们看的东西的解释。酷。是的，但你知道这回到了我们之前关于原子化和那种过程的更大讨论中。老实说Beth，当你有时间的时候深入探讨其中一个节目会很好因为我 mean 你已经为此工作了一段时间而且我认为人们我会猜一般观众我们的普通观众，毫不尊重任何人但这是一个非常详细、有趣的新颖方法我认为你以这种方式处理它至少我没有见过。

不是我看过所有的例子，但我认为这真的非常有趣。所以嗯……深入探讨一下或者分享一些关于它的内容会很酷？Beth做任何深度挖掘或即使是稍微试探性地介绍她正在做的事情时，我都会想：“嗯等等，她在这里做了一些非常有趣的事情。”是的，总是有一些新系统。这就是我感觉当它是Beth时像……所以无论如何我使用这个Gobly Goop系统。你会说：“等等，Gobly Goop是什么时候出来的？”然后你说：“嗯我有访问权限并且我”

开始在上面构建，你知道的，随便弄弄。所以，是的，就像节目里的任何人一样，我的意思是这个节目的全部意义就在于努力跟上人工智能的步伐。我们可以给这档节目起名叫那个名字，>> 而且我们总是从演示中得到积极的反馈。所以，是的，让我们系好安全带，听听Beth正在做什么工作。>> 哦，好的。>> 说：“噢，等等。好吧。所以，我们

还有另一个演示。” >> “好了。” 那么，“谁说了什么”基本上是整个流程背后的理念，因为我们想知道为什么。我们想知道该把功劳归于谁，“谁说了什么”。>> 嗯，天哪，这就像到处移动并做所有这些事情。无论如何，呃，所以重叠部分是具有挑战性的一部分，但重叠也是让事物变得有趣的部分之一。

有时嗯我们不想摆脱它。它有时可能是呃兴奋的迹象，对吧？然后它会查看同时发生的聊天内容，这样我们就能看到正在发生什么。现在这里有一个挑战，因为嗯当聊天进入时我们会做出反应，而YouTube呃修复的聊天会被时间戳标记为我们正在做的事情。

所以在节目中，我们对着实时进入我们的聊天做出反应，但当聊天被修改时，对他们来说就晚了。现在看起来我们又不同步了。嗯哼。>> 呃 >> 所以让ju这个东西将会做的是分析交叉对话，你知道的，我们都在说话，我们没有停下来，而且有时我会长篇大论太久，但呃大多数时候这是一次对话，并且

所以有多个方面在谈论同一个主题，那么这会对每个被识别的声音做什么呢？这些声音是在转录中从音频或我猜是你用来标识说话者的任何东西中被识别出来的。>> 让我告诉你，好吧， >> 方法。>> 好的，我们开始吧。>> 三个证据来源。我们有每个主持人的轨道。嗯所以呃

我们每个人都有一个本地视频，与组合视频同时录制。嗯，而且本地视频只显示当Brian发出噪音时、当我发出噪音时、当Annie发出噪音时。这是我们可以使用的一件事。呃，声纹是下一步进入并获取30分钟组合音频的过程，这保证了我们嗯并从那些本地视频中提取或呃长时间的解释

当只有我们在说话时。这与我们要如何塑造我们的声音有关，对吧？就像我们说话时的声音是什么样的，然后是屏幕上的名字。我们也曾经使用过提示符，对吧？所以如果一个句子逐渐消失变成 nothing，那可能是Beth在说话。呃但这被发现并没有那么有帮助。这三件事是

最有用和最有效的。所以因为这部分只是比较嗯而不是推理 >> 我们将它与有两个主持人、三个主持人和六个主持人的节目结合起来。我在之前的呃前一次会议中展示过这个。我们给它打标签。所以有很多像“是的”或呃“You被静音了Beth”之类的后台通道声音，同时开始然后我们读取屏幕上的名字

以及试点结果，这就是关于这个的：我们可以信任它吗？>> 是的。>> 我们足够好吗？因为我真正寻找的是，我们能否将事物从推理中移开，不再要求一个推理模型去做某事，而是变成基于逻辑的东西。这有多大的可能性？对吧？一种Jev类型的事情或决策API >> 以及何时出现边际效益递减？>> 所以这足够好吗

对我们来说。是的。嗯，而且看起来对于它检查的所有帧都是正确的，对于一个70分钟的节目大约花费了两分钟的计算时间。这是值得的。>> 绝对地。>> 是的。>> 是的。所以，Beth，这是一个非常好的解释性工件，你创建它来展示这个。呃，是谁做了那个工件？比如，>> 你没有做，你知道的，你打字输出了这个。什么

工具生成了这个？这是云代码，如果你在第一周看到的话我想我展示了深度数据 >> 然后我说好吧那很有帮助但是呃Annie说嘿这里有很多信息

我说好吧给我一些我可以在节目中展示的东西，这将让我们关注我们要看的内容，所以这就是这样发生的。

非常好。是的。非常酷。是的，只是一个提醒，Beth从原始数据和她用作说话者之间判别器的候选项中展示的一个很酷的事情是音高的变化以及平均音高水平的程度。我们欢迎Gareth Hood加入节目，他是我们的 paso profundo（深层步伐/低音）。他的音最低。

是的。>> 呃，我还要关于这个过程说一件事。我在问Claude问题，对吧？我不是在说要怎么做。这完全是 >> 呃，那相当复杂。“给我一些我可以在节目中展示的东西。”那样会很好，对吧？然后我去调整它说的一些内容。嗯，就像，“我们要展示重叠时刻。”我说，我们有时

想要展示重叠的时刻，>> 对吧？是的。>> 呃，还有像分析那样，你能告诉我什么？你能帮我识别什么时候交叉对话是有影响力的以及不同的说话者应该重要吗？是的，我认为这非常酷并且显然 >> 它对我们要明显有巨大的影响因为我们可以做的是对um

当天的对话有一个一般的理解，对吧？覆盖了哪些主题我们做得非常快Beth正在做的工作是在个人层面上而它真正打开的是能够说“嗯，什么时候Beth提出了某个主题以及Brian想要知道更多或者是在寻求对该主题的更深入理解”之类的东西，而且你能够，你知道的，向

那个人提出未来的问题。嗯，然后将其与时间、日期等东西分层叠加在三月，对吧？你知道的，或者无论情况如何。所以我认为这是我想它会真的很有价值。我知道你一直在工作和完善和完善它在呃几个月里。但我的意思是你证明就在你刚才展示的地方，那就是它有 >> 什么99左右

在99.5和99.7之间的准确率呃贯穿其中以及就像你说的你没有依赖推理来做那件事，这可能是最酷的部分。>> 是的。而且那是所有在人工智能中改变的事情之一以及你如何做某事的方式。Brian和我在与Rachel Wood合作时在um AI交换中教的第一件事之一就是把它拉回到离散的呃东西，对吧？不要只是

请帮我写一封邮件。嗯，我的意思是先列出大纲也没关系，把该做的事都做了，但最后要写出邮件的主题行。主题行本身有具体的指令和标准等要求。如果把这些都嵌入到“写”这个动作中，你就无法对主题行进行单独控制。一旦这些独立的组件都能正常工作了，你就能依赖它、复制它……

是的。你说得很有趣，我确实时不时地与客户合作，嗯，我的客户包括一些大型体育团队。我就先说到这里吧。所以，这正是我刚才看到的情况：提示词设计得很周全，但在试图通过提示达成目标时内容过多。因此，我们需要帮他们解决这个问题，即将他们的概念拆解成各个部分，比如技能或其他方面……

是的。你提到这点很有趣，因为确实如此。我今天有一个会议，肯定会和他们的团队一起工作，试图帮助他们的销售代表。我们经常做这类事情。嘿，Gareth，很高兴你回来了。昨天我们在评论里开了个玩笑，说你写了点什么……

然后你就离开了，没有解释原因。我知道你在我们的内部 Slack 频道里解释了为什么要跳起来离开，但对于所有观众来说……我先说明一下，我们真的不知道 Gareth 怎么了。甚至不确定他是否还在这里。好像有什么东西在他的桌子上移动了，他就离开了节目。目前我们就知道这些。既然现在是万圣节周或者说一个月……

请告诉我们详情吧。一切都好吗？桌子上有什么东西移动了？我们需要知道答案。不，我不知道为什么。就像一个小盒子在我的桌上自己动了。这真的吓到我了。我不确定你们有没有看到我当时的反应……

我试图理解它是怎么自己移动的。然后我就离开了，因为我的电脑收到通知说我有一个会议……我想着“哦”。而且我没意识到那是个临时改期的最后一刻的会议，我还没检查日程表……

你知道那个盒子吗？那是 Jasper 的一种尚未被识别的能力溢出。是的，Jasper 可以在你的桌上移动东西。我们来谈谈 Jasper 吧。对于那些知道 Jasper 的人来说，嗯……它有点像我的语音助手。我调整过它，发现如果我不经常使用或更新它，它就会出问题……

就像如果不维护它，它就很难正常运行。而且还有一些小故障是我一直无法修复的。是的。然后昨天我对那个机器人感到非常恼火。Bot 变得非常慢。所以，OpenAI 的那个 Bot……这是我用过的最慢的东西。我以前觉得它挺快的。你说吧。

当你说 Bot 时，你是指 Dot？Dot。抱歉，谢谢。那个机器人。Dot the bot。绝对正确。不是 Grockbot 吧？我们应该编个顺口溜出来。“如果你能 bot，你能 bot 多少个 Bot？” Dot the bot。是的……

所以这是 Dot。Dot 变得非常慢，几乎到了没什么帮助的程度。我给你一个任务，它可能要过十分钟、十五分钟才回来处理一个简单的请求……而我本来可以直接问 AI 去做，那样做就没意义了，因为它违背了自己的初衷。

然后我想说好吧，让我回到 Jasper 那里去……Jasper 当时确实有点问题，但还好。然后昨天我听了一个演示视频，长达两个小时……它涉及到了 Atomic 技术，我们几个月前曾提到过 Atomic。

请给我们做个概述吧。Atomic 是一个运行时环境……你最好怎么描述它呢？它是一个巨大的 AI、框架和 CLI（命令行界面）工具箱。基本上，它是生产级别的……所有 vibe coders 应该做但不知道的事情它都做了……

它还包含许多不同的工具箱，全部整合在一起。它在终端中运行，所以看起来有点吓人。但它能帮你节省 token（代币/字符数），虽然它比普通的 AI 慢。你可以用它来使用你的订阅服务……

我已经连接了我的两个订阅账号，它会遍历各种测试项目并返回结果。它做很多我甚至叫不出名字的事情……因为我听过那些词，知道它们应该被完成，但它们非常技术化。我知道 X（原 Twitter）和微软的开发者……

它是由一位目前就职于微软的研究员开发的，他既是 AI 研究员也是开发人员。他构建了这套系统……所以，是的，那个人昨天说 X 的多个开发者以及其他公司的开发人员都说他们发布的代码回归率比团队其他人低。嗯哼……

所以我发现我昨天用它测试了 Jasper，它找到了一些我之前没意识到的有趣问题。它还修复了很多其他 AI 没能发现或无法解决的问题……

那是对话中途发生的，对话突然中断了。我有日志记录，它总是试图处理这个问题……这是我一直以来都要应对的情况，而且一直存在……

我就只能忍受它。但它修复了这个问题，所以真的很酷，虽然确实很慢，但仍然能节省 token。我在 6.1 Max、G 和 Astra 5.5 上运行它，并使用不同的模型。它还拥有一个模型路由器……

所以它会针对特定任务使用特定的模型。嗯，是的，真的很酷。昨天我修复了很多东西……

我还运行了一个任务……昨天我有两个长时间运行的工作任务。其中一个是我创建了一个聊天机器人，但这是一个基于事实的聊天机器人（grounded chatbot），它只回答我放入平台的数据中的问题……

这种基于 RAG（检索增强生成）的技术当时没什么帮助，因为它没有包含额外的提问。所以基本上 Atomic 创建了该系统最好的 RESTful 部分……

它本质上仍然是一个基于事实的聊天机器人，但如果需要额外的答案，比如定义之类的信息，它会去抓取这些信息……

并且以一种安全的方式执行。所以现在它对我们的系统非常有帮助了。另外，前几天我还创建了一个引导式游览……

所以，当新用户首次接入或进入我们的平台时，他们能清楚了解所有功能的位置，因此这是一个引导式覆盖界面。我之前用 GPT——不，抱歉，是用 Atomic 配合 Claude Opus 5.5（或者是其中之一）完成了这项工作，花了大约10个小时。虽然耗时较长，但效果不错。昨天我让 Atomic 再次处理了一遍，清理了许多我之前发现的小问题，这让我对现在的整洁程度印象深刻。

让我先总结一下 Atomic 的功能：我想对我们的观众说，Gareth 为他的公司构建了严肃的企业级应用程序。在我看来，Atomic 是一个能高效地对之前完成的工作进行评估、测试和修正的工具。听起来你们的 Jasper 实施效果现在也有了可衡量或感知的提升？是的，因为使用了 Atomic，效果确实更好了。

我的问题是：对于那些不进行这种级别编码和开发的人，我们可以用 Atomic 做什么？这是一个好问题。我创建这个工具是因为 Atomic 拥有太多功能，它包含 UX/UI、技能等，下载后就有大量现成技能。所以我构建了一个网页来帮助我理解 Atomic 的所有功能。

我记得以前做 Compound Engineering 时也做过类似的事，心想我可记不住所有指南。现在通过这个网页，你可以提问；如果是新项目，它会告诉你如何在 Atomic 内部操作。我试图展示这一点……屏幕丢了，真糟糕……好了，现在可以了。所以问题是它不能做什么？它的构建、底层协作库等应有尽有，对于开发任何类型平台的开发者来说，Atomic 在幕后提供了所需的一切。这真的很惊人。

那么 Atomic 是免费的吗？它是开源的，可以免费下载。抱歉，谢谢。他仍在继续开发它。界面非常终端化（命令行）。昨天我看关于 Atomic 的培训时，有人问：“它有前端吗？有图形用户界面（GUI）可以用吗？”创建者 Alex 说，如果社区需要，因为是开源的，他们可以开始开发。我觉得这绝对是个好主意，能让不懂代码的人也能使用。

我知道自己属于这个群体：我会用命令行界面（CLI），但我不想用它；我更希望有一个漂亮的图形界面。你说得对，Beth。确实有很多人和我一样，之前我帮人接入时就说过了：有些人就喜欢那种原始的 CLI 外观。但我绝对希望能在保持功能的同时，让它看起来更美观、更“闪亮”。就像《海洋奇缘》里的感觉一样。

如果你愿意，我可以展示我创建的东西……抱歉，这是我的屏幕共享。这是我为了帮助自己理解 Atomic 所有工具而创建的网页。我基本上把他所有的播客、GitHub 仓库以及关于 Atomic 的所有资料都加载到 Codeex 中，让它为我生成了一个网站。现在我可以向它提问了。

这个网页涵盖了协同编码、工作流、代码编写、自定义和集成等内容。它真的包含了我需要了解的所有关于 Atomic 的信息以及如何操作的方法。如果我想做某事，我可以去这里查询“如何在 Atomic 中做到这一点”，因为直接在终端里操作就像面对一个黑盒子，让人困惑。

是的，你会想：“好吧，我该怎么用这个黑盒子？”昨天我就是这么做的，问自己“我怎么使用它？”。它基本上告诉了我步骤并引导我操作，这很好。但问题在于从哪里开始。这里也有命令行吗？还是必须回到终端去执行操作？我必须回去到终端才能执行具体任务。但这就像我的维基百科一样。

我想，Gareth 的下一步可能是直接将命令行集成到这个“维基”中。当你想知道如何做某事时，它会自动预填充到命令行窗口并直接运行。虽然是在 CLI 中运行，但你可以在一个地方查看，无需来回切换。这很好。

实际上你可以直接问 Atomic 问题，就像对待普通 AI 一样。这正是我意识到的：为什么我不直接向 Atomic 提问呢？但因为它以黑盒子的形式呈现，确实让人望而生畏。抱歉，我的电脑好像被什么东西占用了……这也涉及到知道该问什么的问题。

我对没有想到像你和 Brian 那样，在使用新工具时为自己搭建一个学习网站感到震惊。我意识到我会问：“Compound Engineering 里有没有能完成这个功能的工具？基于我的目标，我应该让你做什么？”

所以另一个观点是：对于那些目前对仅在 CLI 中运行的 Atomic 感到畏惧的人，未来可能会提供应用程序界面。由于它是开源的，社区也可能基于这个非常酷的想法——即一个能优雅地完善、修订和修正你工作成果的大助手——构建出图形界面。这引出了我的想法：虽然我像 Gareth 那样理解这些技术，但我没有编程背景，不过我可以指派 Claude 或 Codeex 承担一个项目：实施 Atomic。去找出它……

“对。” “是的。” “帮我设置好，然后给我一个比命令行界面更整洁的网页端接口，就像你构建的那样。因此，利用那些真正高级程序员——比如 Atomic 的开发者——为自己打造的工具变得越来越容易访问。现在，凭借这些令人惊叹的代码助手的能力，你也可以在自己的机器上构建它。”

“我很惊讶。虽然我认为我在我的工作平台上做得很对，我觉得‘好的，这很稳定，很好’。但 Atomic 发现了一些小问题，如果是真正的开发人员介入查看，他们会说‘这太乱了。你必须这样做和那样做’。这就是氛围编程（vibe coding）的缺点。是的，它有效且稳定，应该能完成所有功能，但如果真正的开发人员在那里查看代码，他们会说‘天哪，这代码太乱了’。”

“是的。意大利面式代码（Spaghetti code），对， spaghetti 代码。” “所以这就是 Atomic Fix。我得走了……” “我先走一步，Beth，你先说。”

“我只想指出一下，我们现在谈论的是 Atomic。我们也曾讨论过 Claude Code，那也是一位开发者为解决自身问题而创建的工具。Compound Engineering 也是另一位为了解决自己的问题而创造事物的开发者。” “没错。”

“所以当我们谈论这一点时，它确实是一个普遍存在的问题。但 Greg 在聊天中提到终端用户为自己创建解决方案的情况。” “是的，他的技术社区创建了属于自己的电子邮件外展系统。”

“没错。所以当节目结束时我说‘用 AI 去构建’时，我们真正谈论的就是这个。” “没错。你如何解决你的问题？”

“例如 Compound Engineering 就是一个非常重要且持续有用的系统，它已植入到我的 Codeex 和 Claude Code 操作中。这来自一家名为 Every 的公司，Beth 是那个社区的成员。” “没错。”

“所以我通过那里了解了 Compound Engineering，也就是 Beth 提到的：‘Hey，Inside Every 的一位单一开发者构建了一些东西，现在如果你用 AI 进行开发，任何人都可以免费使用它。’顺便提一下，Every 有一个类似诱饵磁石的东西，即一个提示词来评估你参与氛围编程的程度。”

“我昨晚做了那个测试。他们有一个八级的量表，你知道如何评估你利用 AI 和代理能力的程度。” “我想 Beth 和 Gareth 在量表上的排名肯定比我高，但我当时只是用手机做的。这不太好，因为如果我在 Claude Code 内部完成它，Claude Code 就能访问我们共同进行的所有工作，并以此回答很多问题。”

“但我不得不凭记忆口述五个关于你如何使用代码的示例问题的答案。我可以告诉你，在那个八级排名量表上，我是五级。” “我在该量表中是五级。所以还有六级、七级和八级，这些是我所利用的更高级的 AI 用法。”

“但至少我很高兴知道我不是处于第一级，也就是仅仅使用聊天机器人。” “没错。所以很高兴看到你在中间梯队中。”

“嗯，我们稍微偏离了话题，但这没关系，因为其他人正在就 Atomic 和你谈论的内容添加更多细节。但既然 Beth 说过‘好吧，为自己制作一个操作指南’，我就再给大家一两个例子。我会很快转向一个新的新闻故事，然后我得离开了。”

“我想说的是我本周做的一件类似的事情。我觉得这很简单：我在向同事传递信息时构建了一个新版本。” “我快速搭建了一些 HTML，不是简单的示例，而是展示这个新版本的样貌。对我来说，用一些伪造和真实的数据在 HTML 文件（实际上是一个本地文件）中模仿它更快，然后直接发给她。”

“但后来我想，我仍然需要向她解释改变了什么。等等，不，我不必这样做。” “所以我进入了 Claude Code（注：原文为 cloud code，结合上下文应为 AI 编程助手），然后我创建了一个……我不称之为入职引导（onboarding），因为那是另一回事。但这就像当你进入一个新的 SaaS 产品时的情景。”

“我告诉我的妻子 Amanda，我说：‘当你进入一个新的 SaaS 产品时，你知道这是一个全新的工具。当它启动并出现方框在屏幕上移动时，它会说‘点击这里，然后那里，再在那里。这就是使用 Clay 的方式’。太棒了，这是一个快速的四步引导。”

“我创建了一个针对我的同事的特定超文本演示。它提到了我和她在这一协作项目中引用的 CEO 和我自己的具体段落，而我是其中的 AI 构建者。” “所以它引用了之前通话和转录中的来源，并说明之所以这样做是因为 Jake 或我的 CEO 要求如此。”

“这是一个关于 HTML 的 37 步 walkthrough（逐步演示），这真的很有帮助。因为当我给她 HTML 文件时，它欢迎她进入，并说明如何前进和后退。” “你可以随时最小化它并在其中移动。你可以关闭它，或者在你想恢复时在任何时候重新开始演示。”

“她回来告诉我：‘我现在完全理解了，就像你亲自带我走过一遍一样。’我说：‘是的。’我不必这样做。” “我不必坐在那里说，‘这是我制作的 37 个不同之处。’你可以自己花点时间大声说出来，或者异步完成。”

“你也可以这样做。我本可以更进一步，虽然在这个案例中我不需要。我可以制作一个操作视频。” “我已经为其他项目做过这件事，对吧？”

“我快速提到这一点是因为来自 HeyGen 的朋友（注：原文为 Hey Jen/Hey Genen，结合语境应为 AI 视频公司 HeyGen），我们有一段时间没怎么听到他们的消息了。” “他们仍然在那里用视频制作东西。我只是快速把它调出来……”

“嗯，HeyGen 的视频说：‘今天我们推出 HeyGen Video，我们的第一个通用视频模型。’” “专为需要生产级质量但只需支付生产成本的视频业务而构建。”

“现在，他们说这是一个模型涵盖了文本转视频、图像转视频和参考……”

从提示词、首帧或你自己的参考图片开始。每个片段都带有声音，包括对话、环境音和特效，这些都是在同一次调用中生成的。现在，如果你往下看这里，他们在谈论定价。十月份的价格将是每秒1美分，这比他们通常的价格低50%，但我也看到有人报价3美分。所以我不确定，对此保持观望吧。你可以通过API、Open Router、Runware或Comfy UI现在运行它。但在这里，我想指出这一点：它是基于Miniax H3构建的，并由HeyGen进行后训练。所以它并不是一个全新的模型，而是一个我们之前从Miniax见过的经过后训练的模型。

现在它提供了很多关于比较的信息，但我们不会深入探讨这些细节，让我们直接看这个小视频。我认为我们不会因为这是全AI生成的视频和声音而被取消货币化，希望如此。让我看看能不能重启一下。“每一个镜头都有它自己的声音。”或者如果你的企业需要制作级视频，但不想承担制作级的成本呢？HeyGen视频可通过API获取。

好吧，我还没用过它，不知道具体情况，但这将是另一个价格点上的例子。这是一个很好的案例：如果我构建了一些东西并想传达它，就像我一直在为我的妻子Amanda做的Jova旅程一样。她回来告诉我：“我不理解你构建的那个屏幕。”我说这对我来说很合理，她说对我就不行。她是用户嘛！我是说，你是用户，我会为构建它面向用户而做调整。但这更像是婚姻问题而非其他什么。她说得对，她是那个日复一日需要使用它的人，它需要符合她的需求。

所以如果我这样做，或者对同事、对大家做这件事，我可以再进一步。我可以说“做个导览”，也可以制作一个视频。现在我可以使用HeyGen这样的工具，说：“在这个学习如何操作的过程中，或者Andy向我展示如何做生命编年史或其他什么的时候。”Andy可以说：“是的，但在你的入职培训阶段，就看这个视频吧。”然后我播放一分钟的视频。它包含一些AI生成的内容、旁白，还有一些屏幕录制，这甚至更容易实现。

我的意思是，你现在有如此多的不同方式以高度个性化的方式来沟通你所做的事情。我要说的最后一件事是，我之前是为一位同事做的这个例子。当她提供最终反馈和批准后，我将专门为CEO Jake重新制作它版本。因为他不需要看到Erica或我看到的那些内容；Jake需要看到的是针对CEO的版本。猜猜看，我可以为他定制一个导览？我知道Jake，我认识他五年半了。

我非常清楚Jake希望以何种方式看待这些信息。所以我会给他一个专属的个人导览。为他做这件事所花费的努力，几乎不会比创建一个通用版本多多少。所以我不确定，希望这能帮助大家拓展思维，思考你可以为此做些什么。我要走了，Gareth，我得下线了。“这给我带来了一个难题。”

我正在构建我们正在开发的另一个平台。我使用的是HeyGen的API，我一直在犹豫不决：是继续使用HeyGen还是转向其他平台？我能用另一个实验室解决我正在使用HeyGen解决的同样问题吗？这就是我们目前所处的AI状态，事情变化太快了，很难坚持使用某一样东西。你必须能够灵活应对。

但对于企业来说，这就是为什么我认为许多企业在转向AI时挣扎的原因：尘埃尚未落定。他们希望有一个可以坚持使用的东西，不想反复横跳。所以这就引出了一个问题：“HeyGen，我之前没注意到这个。现在我得去调查一下。”因为我正在回顾我正在构建的另一个产品或视频相关产品。“哦，天哪。那么我们是留下吗？因为我刚才真的在考虑离开他们去使用不同的视频模型。”

这很难，这就是我们目前的处境。但好的一面是，现在一切皆有可能。 literally 任何你想要的东西你现在都可以用AI创造或做出来。真的是一切，我的意思是所有事情。这是便宜、快速且好的……哪三个中的哪一个？或者两个中的哪一个你能做到呢？我之前也没见过HeyGen视频。但我看到Hyperframes现在有了桌面应用。

Hyperframes是他们提供的免费动态图形部分。我在考虑选择视频还是交互式内容，或者是交互网站？Cloud Code刚刚发布了互动仪表板，也许还有视频。OpenAI也有……不，他们不叫它仪表盘，但在聊天中间有一些交互式功能。我必须说，我看到越来越多的人在讨论首先回到Claude，回到Anthropic。我们跳过了他们，当时我们对ChatGPT非常兴奋，但很多东西被削弱了（nerfed）。

所以现在人们正在回到Claude，并开始讨论：当Claude表现不好时，其实并不是那么糟糕，只是使用起来非常令人沮丧。相比之下，其他一些系统就像在说：“哇，看我们能做的所有伟大事情。”但前提是“只要我们在公司里不做其他任何事情”。而现在我们必须做其他事情了。速度没那么快了，对吧？它真的需要很长时间才能得到结果，以及这类问题。

那么你是坚持使用HeyGen或Anthropic这样的平台吗？虽然它们可能没有同样的性能提升，但我认为Anthropic正在经历能力的提升，但也没有出现同样的下降。你愿意为了可靠性而处于中间状态吗？“是的。”嘿，我对此有一个反驳：就在昨天左右，如果你使用的是免费的ChatGPT服务……你正在使用ChatGPT-6 Luna。

这是他们最小的模型。此外，Anthropic 在几天前发布了 Haiku 5.5，也就是 Claude Haiku，同样是他们最小的模型。我关注的一位名叫 Vibbob Cicinti 的人对这几款最小规模的模型进行了并排对比，以观察它们的表现。我将与你分享他的测试结果。他给每个模型提供了相同的提示词：“请创建一幅地球图像，要求有隐约的大陆轮廓以及陆地表面的主要组成部分。然后，我希望用发光的形式呈现这些区域内的各大城市。”他将这一指令分别发送给各个模型，以下是其中两个模型的输出结果。

现在我正在共享屏幕。顶部是 Haiku 生成的图像，它大致符合提示要求。提示中曾提到背景应有星星，它也确实做到了。这个地球模型展示了发光的城市点，且城市位置相当准确。下方则是 Luna 生成的图像，简直一团糟。文字部分你自己看吧，我们甚至懒得描述它。“这印证了我的经验：Claude 的能力持续提升。之前大家可能对 Claude Opus 5（或其他版本）表现不佳感到不满，但现在我们已度过那个阶段。我对目前的一切进展非常满意。”

“我非常乐意将我大部分的工作迁移到 Sonnet 5.5，因为它目前处于榜首。我甚至不需要使用 Opus 5.5，凭借更便宜且效率更高的 Sonnet 5.5 就能完成任务。虽然我可以从 Sonnet 5.5 中获得更长的连续使用时间，但我尚未做出切换。为什么呢？因为我生活中干扰太多，并没有像其他人那样频繁遇到会话限制的问题。”“是的。至于我，我正在使用 Opus，但我认为目前仍将其用于中等强度的工作。”

“没错。对于这类‘熟练工’级别的任务，比如我们现在的对话——‘这里有数据，我们来设定测试方案吧。你打算投入多少精力去做？’——同样的情况也出现在我看到的另一个对比测试中，那人比较了 Haiku 5.5、Luna 以及 Sonnet。如果你涉及基础编程，比如‘我们要找这个 Bug’或执行某项任务，Haiku Medium 就是你的最佳选择。你可以选择更高级别的模型并支付更多费用，但并不会带来更好的结果。”

“所以我现在的策略是：只要 Medium 版本能满足我的需求，我就坚持使用它。我不明白的是，为什么这些模型发布后性能会下降？它们是基于同一数据集训练的，刚推出时表现优异，随后却变笨了。模型没变，但我认为这归根结底在于推理阶段的算力分配。”“后端给予的算力多少是关键。发布初期，他们投入全部算力；但当有其他项目需要资源时，他们会将部分算力转移。于是模型就显得‘变笨’了。”

“我们确实观察到这种现象，对吧？你能预判 OpenAI 何时发布新产品。‘是的，因为你会看到一阵混乱：服务中断、错误频发。然后有人会说：“哦，今天有新东西发布。”显然，他们在发布时会调动大量资源来支持该产品上线，随后再调整以维持持续服务。”“是的。而‘继续服务’往往意味着：如果大家都使用该产品，我们就必须限制其能力（nerf），收回部分功能。这在 OpenAI 身上是事实，在 Anthropic 身上也是，只是程度不同。”

“Anthropic 的情况略有不同。虽然我们在同一语境下讨论它们，但 OpenAI 处理的对话数量呈指数级增长于 Anthropic。Anthropic 对其服务范围和能力的界定更为严格。例如，Anthropic 不提供视频生成功能。”“也不为你生成图像，对吧？”“是的。他们的目标更加聚焦。此外，这些都是由风险投资家资助的实验室运营的项目，并非以‘提供世界最佳客户服务’为核心理念。”

“尽管如此，Anthropic 新增的多模态能力依然出色：我可以将任何截图发给 Claude，它能迅速识别屏幕上的所有内容并解读每个元素。这很酷。”“关于在蓝色方框中读取人名这件事，我曾疑惑如何实现。Claude 回答说：‘哦，你想使用 macOS 原生的屏幕阅读器吗？你不需要推理模型，也不需要安装任何东西。macOS 本身就能读取屏幕内容，我们只需接入该系统即可。’”

“是的，Beth。我们只需要开启这个小功能并提问。”“我觉得人们可能更倾向于一个性能稍弱或响应较慢的系统，而不是完全无法使用。如果他们在转移资源时，能让 AI 保持智能水平不下降、不出错，只是响应变慢，那会更有用。毕竟，比起得到错误答案或系统崩溃，缓慢但正确的回答更重要。”

“我不知道普通大众会怎么想。让我们暂且思考一下，这些公司构建的生产系统有多么复杂：它们管理着所有并发对话，保留每个会话的记忆，并在数百万 token 的范围内维持上下文。我不理解他们如何在 AI 服务器上运行这样的代码，同时还能在所有并发对话中保持隐私安全。这让我想到，如果给予更多算力……”

这是否意味着他们正在做的事情表明，如果你给同一个大语言模型更多的算力，它就会变得更聪明？也就是说，你在后端给予的权力越大，它就越强大。这让我想到那些构建这些系统的人，他们获得了多少权限？因为他们并不在普通公众使用的常规系统中运行。相反，他们在一个独立的沙盒环境中操作。那么问题来了：如果使用的是完全相同的AI模型，仅仅是在后端拥有更强的算力，那这些系统的强大程度究竟如何呢？

是的。我想我们确实看到过来自OpenAI和Anthropic的人员谈论他们所能访问的资源，这显然与系统内的普通权限不同。比如那位OpenClaw的开发者，他是OpenAI的员工或者以某种合作关系存在的人。彼得·斯坦伯格？是的。我认为他可能并没有访问那些尚未发布且不会发布的模型的权限，但我认为他肯定拥有更多的Token额度以及更快的计算速度。

我不明白为什么他没有这些权限。毕竟，他之所以被雇佣，是因为具备前瞻性的架构技能，能够构思并交付OpenClaw。我想他在所有OpenAI员工中，可能是极少数几个能持续访问超越“神话”级别模型的人之一。我认为这些权限受到严格限制，他实际上可能说过：“不，我使用的是和你一样的模型，我是这样使用它的，这也是我得出结果的方式。”

但这并不意味着他从未使用过下一代模型。在关于“我们得不到那种权限”的对话背景下，他说：“不，我们也在使用与给你们相同的访问权限做某些事情。”这让我昨天在Atomic训练（其实不是真正的训练，而是关于Atomic的讨论）时认真思考了一番。有人问他：“你认为本地模型或开源模型会取代主流吗？”这是一个我之前没想过的问题，他的基本回答是：不会。

因为它们的运行速度不够快。你可能拥有最聪明的模型，但它们非常慢，而且需要极其强大的机器支持。即使使用最强大的机器运行最先进的模型，其响应和推理速度也远不如我们在这里看到的OpenAI或其他类似服务。因此，人们会渴望更快的系统。这就是开源模型目前唯一的短板或阻碍因素。

没错。这再次证明了道格拉斯·亚当斯比许多其他科幻作家更预见未来，就像我之前没想过这一点一样。直到昨天我还认为开源模型有可能接管市场，因为它们可以变得比其他所有模型都聪明。但它们能保持与其他模型相同的响应速度吗？不能，因为它们不在本地系统上运行（指云端优化）。除非你愿意花费两万美元或更多荒谬的金额来实现这一点，否则无法做到。

而且这不可能向普通公众开放。这意味着日常用户根本无法操作。我也感觉好像听过安迪说过类似的话。如果有时间，我可以建立一种机制：设定目标、所需努力以及成功标准。我在夜间运行中称之为“蜜瓜列表”。我的蜜瓜列表就是：“嘿，午夜了。开始吧，我要去睡觉了。”你去执行我们决定让你做的事情。如果它需要三小时完成，我不观看也不等待，我会收到一条消息说“已完成”，并附带过程报告。

但你无法在本地模型上同时运行多个会话来执行这些操作，这是另一个问题。在你的本地机器上做这件事，你可能只能跑几个任务电脑就会崩溃。虽然你可以完全利用线程处理本地处理器，但在与云操作合作时，如果你需要，可以同时访问资源，将其分布在多个服务器上。如果需要更多算力，你可以按需获取大量权力，当然这需要付出代价。

说到本地实现，我想谈谈几件事。英伟达和微软刚刚宣布将把英伟达的RTX Spark技术带入Windows PC。这是他们的Spark DGX AI计算机用于大规模运行本地AI模型的技术。这很有趣，因为使其成为可能且重要的一个因素是：他们在新设计的RTX Spark中内置了机器本身的沙盒，称为“执行容器”，以控制智能体正在做什么。

我们最近看到很多关于失控智能体自行行动的新闻，包括我今天早上读到Mistral推出的新万亿参数模型Luchon也试图自行行动。这就是英伟达和微软为Windows PC构建的新架构所包含的内容：一个沙盒执行容器。智能体不能像你知道的那样跳出这个执行容器，除非你明确授予它这样做的权限。

是的，我看了部分相关内容。我看了一位YouTube博主的直播，我想他叫Ray某某人。他是唯一现场直播微软活动的人。我在YouTube上查到的活动中，只有他一个人出现。他也是我得知Atomic的第一人。他的展示很有趣，微软在Windows方面要做的事情真的很酷。我当时就在想苹果会如何回应？因为这对苹果来说将是一个巨大的挑战，基于苹果过去对AI的响应方式。

我不知道他们会如何应对或正在酝酿什么方案，但这将使Windows机器变得非常强大。基本上大家一直在等待的是一种AI操作系统。是的，这也预示着PC不会成为落后者……

目前，许多系统针对Apple Silicon进行了优化，或者仅与macOS兼容。例如，我无法在这台Intel iMac上使用ChatGPT桌面应用程序；它在搭载M4 Pro的设备上运行良好，但在这里却不行。这很有趣，因为他们确实为此进行了优化。我推测他们也针对一系列PC处理器等进行了优化，但在当下，Mac确实是AI的首选系统。

微软不愿落后，将与英伟达合作提供DGX Spark alongside（并行/配套）。这是一款售价4000至6000美元的旗舰AI桌面系统，能够运行全规模的Frontier模型。我想要一台，真的想要！但我不想为此放弃macOS。这也是我的顾虑所在：他们 essentially 重新发明了计算机。我认为人们尚未充分意识到这一点，但他们确实做到了。

我感到强烈的错失恐惧症（FOMO）。我对这台电脑感到严重的FOMO，但我心想：“好吧，我真的需要苹果做出回应，这样我就不必去别处了。” 是的，继续说。

苹果正在作出回应吗？但在英伟达和微软重新定义计算机方面，我觉得我们需要退后一步观察。微软倾向于推出某种臃肿的产品，而macOS则坚持自己的方式。我觉得Mac和苹果更可靠……顺便说一句，听起来 daunting（令人望而生畏），一台6000美元的电脑。这不便宜，对吧？这是一台工作站级别的设备。

但即使要获得一台配备128GB内存的Mac系统（我想DGX Spark也是这个配置），你仍然需要支付4000到6000美元。价格区间是一样的。确实如此。

然而，问题在于普通大众对AI的认知尚未尘埃落定。现在买这台电脑很好，但两年后它可能就无法工作了，届时会有更好的产品出现。那么，你应该为一年后就不太好用的东西投入多少资金呢？这是一个有趣的问题：计算机系统的生命周期是多久？

我现在使用的这台iMac是一台十年前的顶级机型。它拥有2TB SSD、48GB RAM以及Intel处理器，这些处理器无法正确适配当今构建的AI应用。你必须使用Apple Silicon才能运行它们，这就是我旁边放着M4 Pro的原因。

我以前期望一台好的MacBook Pro能使用十年，保持运行状态。早期的Mac Mini使用了很久，生命周期相当不错。不过，我就像是在经营一个“老年PC中心”和“中年Mac社区”，这更像是计算机生命周期中的“辅助生活区”。

它们协助我，我也协助它们。所有的任务都是基于Tailscale系统构建的。因此，这些系统可以互相跨越连接，我可以在那台Intel MacBook Pro上运行一些我不想在这台电脑上运行的任务，或者进行此类分析推理。

对于不熟悉的人，你能解释一下Tailscale是什么吗？我不知道你提到的“slack”和我们的后台频道。我不清楚什么是Tailscale。

Tailscale是在本地设置一个安全网络，它通过……这可能与我的GitHub有关？但在Mac世界中，你可以因为所有电脑都在同一个Wi-Fi下而实现连接。但这更安全，我可以发起那些适合该系统的任务。这样我就不必占用这台系统了。

但你都是通过MacBook Air上的Tailscale应用程序界面来操作这一切的吗？嗯，这不仅仅是从这里的界面。它是一种安全消息传递、SSH……我不记得SSH代表什么了，但重点是我刚才说的：我有时间。如果Intel MacBook Pro花两个小时完成我要求的代码分析，那也没关系；这不需要在我的日常主力机上发生，也不需要在那台Mini上发生。我觉得我们无论如何都能做到这些。

我可以继续说下去。我喝了很多咖啡，非常兴奋，有很多话题可以聊，但我们可能不应该做一个两小时的节目。

你看，当Brian提前离开时，我们会延长直播时间，而Brian会说：“你们讨厌我。” 节目结束后，我们通常会再聊半小时，三个人讨论AI。这就像是我们平常做法的延续。

是的，你现在看到了节目幕后真正的样子。它没完没了……因为当我们结束直播并私下交谈时，我们都会说：“哇，这应该放在节目里。” 但今天是周五。我们周一再见。

如果你刚找到我们，请加入我们的社区 dailyaiishowcommunity.com，我们会在那里发布今天讨论的一些内容。如果我们忘了发消息给我们。我们的网站是 dailyaiishow.com。明天，《谜团》（The Conundrum）将发布，Brian本周已提及它。

这将是一个有趣的挑战，将在Spotify上的《谜团》中展开探索。周日我们的通讯将发布，你可以在 daily.com 订阅。周一见，再见大家。用AI去构建吧！