今天胡扯 AI 群里，有群友问到： 各位，很久没有关注生图模型，现在是不是 image2 比香蕉强了？ 图中提到的 image2，指的是 OpenAI 最新的 gpt-image-2 模型；香蕉则是 Google 的生图模型，目前最新的是 gemini-3.1-flash-image-preview，俗称 Nano Banana 2。 最好的比较方式，就是在实际工作中直接拿来用。下面的比较，是曾老师在日常工作中使用 ChatGPT 和 Gemini 官方 App 做的对比。曾老师一般都会使用同样的提示词，在 ChatGPT 和 Gemini 中各生成一遍，谁表现好就用谁。 为了方便表述，下面统一使用 ChatGPT 和 Gemini …

阅读更多

曾老师去年底进入 AI 漫剧领域，在一线获得了不少洞察。五个月过去，目睹 AI 漫剧产业的变化：红果平台从沙雕漫到真人漫，从解说剧到互动剧，扶持政策一变再变；行业从疯狂招人到谨慎缩编，再到现在平台下架几千部成品剧，过审率跌至谷底。 这说明平台也在尝试淘汰劣质产能，属于优质作品的时代即将来临。 但我们也知道，行业的变迁从来不是一蹴而就的。曾老师经历了完整的页游、手游、小游戏周期，在这些平台早期，都出现过低质量产品占领市场的阶段。但无一例外，所有行业最终都会向优秀作品转型。 对中小团队有利的是：无论是平台还是发行方，都开始追逐 更优质的产能。 对于中小团队不利的是：早期入场的千人团队，已经通过早期的增长红利 完成了原始积累。 劣币驱逐良 …

阅读更多

在 一到下午，所有的模型都在卡…… 这篇文章里，我提到了小米 Xiaomi MiMo Token Plan 中的 mimo-v2-pro，效果挺不错。 在升级到 mimo-v2.5-pro 之后，小米不但把之前套餐里的使用积分全额重置，还同时开通了 Xiaomi MiMo Orbit 百万亿 Token 创造者激励计划。 我再次使用 mimo-v2.5-pro 把我的博客和主页重构了一下，整个体验非常顺滑，也没有再碰到资源不足导致模型没法使用的情况。看来小米已经增加了算力储备。 搜索模块设计 我的个人博客 blog.zengrong.net 中有一个搜索功能，一直没有完成。这次，就让 mimo-v2.5-pro 帮我把这个放了两年多 …

阅读更多

上一篇 漫剧全自动字幕翻译 Skill：Codex 5.5/DeepSeek V4/Gemini 3 混战 中，曾老师介绍了使用三个大模型工具进行字幕翻译和检验的流程。 本篇接着介绍利用大模型 + ffmpeg 进行多语言字幕和首帧烧录流程。 任务流程回顾 建议回顾一下上篇中的字幕与首帧烧录全流程。下面是流程图，文字版见上篇。 任务文件夹结构 无论是自动化程序还是 AI（或者正经人类程序员），都会先将过程结构化以方便推导。下面是整个执行过程中的文件夹结构： 1└── C01 2 ├── cache //过程中使用的中间素材 3 │ ├── covers //多国语言封面首帧图片 4 │ │ ├── en 5 │ │ ├── id 6 …

阅读更多

曾老师日常工作中，常常混用多个 AI 工具和大模型，哪个好用就用哪个。 这样不但方便了解每个模型和工具的特点，也容易找到最出活、效率最高的那一个。 这次这个项目，就是用多个模型解决一个相对具体的任务。这样的生产项目测试，远比写一个 demo 进行测试要靠谱。如果文章对你有帮助，欢迎关注点赞转发三联。 任务定义 在海外漫剧制作的过程中，经常需要翻译多种语言。正常情况下，使用剪映或者 Premiere 重新输出另一种语言的字幕视频，效率是非常低下的（因为需要人类参与）。 更高效的方式是这样： 抽离英文字幕。 抽离人声。 英文字幕翻译成多种语言（对齐时间轴）。 人声翻译成多种语言（对齐时间轴）。 封面翻译成多种语言。 将多种语言的字幕、人 …

阅读更多

经常有群友问我：Coding 过程中，怎么把测试和编码都自动化起来？ 看看你的 Coding 流程，是不是还在用下面这种方式和 AI 沟通： Coding 之后，手动调试。 把后端 log 发给 Agent。 在前端控制台里复制 log 内容发给 Agent。 Agent 调整完成后，再重复上面的 1 到 3 步。 这个流程其实挺低效。 让 Agent 读取后端 log 其实很方便。你只要在 AGENTS.md 或 CLAUDE.md 里把后端 log 的获取方式写清楚，Agent 就会自己去拿。比如下面这样： 当然，后台管理不是本文重点。本文着重讨论曾老师日常在 Web 前端开发里使用的浏览器自动化工具。有了这些工具，你就能把 …

阅读更多

曾老师昨天买了小米的 Xiaomi MMO Token Plan（100 元档），改了两个 BUG 就剩 80 块了…… 问题是，这还卡着，一个问题改 40 分钟没改完。 曾老师这是第一次希望 token 快点花完，因为 token 不动，证明模型被限流了。 小米的 mimo-v2-pro 编程能力还是不错的，曾老师觉得差不多达到了 GLM 5.1 的水准。当然有可能是 GLM 5.1 太卡，水准发挥不正常？ 一到下午，对于我这种每个模型都开一个窗口，同时干活的人来说，也无法逃过被卡住的命运，因为： ！所！有！模！型！都！卡！！！ 智谱的 GLM 5.1 超卖就不说了，一到下午就 429。 速度发挥最稳定的莫过于 …

阅读更多

你的 API 号池环境里，可能躺着一个定时炸弹。 2026 年 3 月 24 日，PyPI 官方紧急下架了 LiteLLM 的两个版本——1.82.7 和 1.82.8。 不是 bug，而是这两个版本被植入了窃取凭证的木马。Wiz、Datadog Security Labs、Kaspersky、Snyk 等主流安全厂商全部在 48 小时内发布了警报。 这件事值得认真对待，因为它暴露了高价值 API 代理服务的安全脆弱性。 LiteLLM 是什么，和 New API 有什么区别 Claude Code 频繁被封，逼着大家不得不在各大模型间来回切换。我们接触到的付费 API 系统，大多采用 New API 项目搭建。 New API …

阅读更多

nanobot 是一个只有 4000 行代码，Python 实现的类 OpenClaw 智能体。曾老师在 Windows 系统中使用它，有两个益处： 规避 OpenClaw 的安装和运行环境问题 规避安全问题，4000 行代码很容易阅读和修改 使用 nanobot 的时候，我碰到一个很实际的问题：我希望它能访问局域网中的服务。 例如，我有一个 indexTTS2 语音生成服务搭建在局域网服务器上（需要使用高配显卡集群），这个服务不对公网提供访问，但我希望能在外网通过龙虾随时调用它。 但 nanobot 默认做不到。 无论是 web_fetch，还是 exec 里的 curl，只要目标是局域网地址（例如 …

阅读更多

目前有两种主要的方法，可以让微信直接和 OpenClaw 通信。 但你们不要想多了。让微信官方的机器人，做到和飞书中的机器人一样，在群里作为小助手回复信息，是不可能的。 它只能作为你的私聊对象。 接入已有的 OpenClaw 实例 要确保手机上的微信是最新版本。 对于 iOS 手机，升级到最新的 8.0.70。 对于 Android 手机，如果已经是 8.0.69，建议访问官方网站下载安装包，再更新一次： https://weixin.qq.com 点击微信中的插件进行连接： 进入微信的 我 -> 设置 -> 插件 配置，找到 微信 ClawBot 插件。 这里的体验其实很不好，它直接给了一段命令让你执行： 1npx -y …

阅读更多