Stay hungry, Stay foolish

本文来自于 Azeem Azhar 写的一篇文章： Is AI a bubble?。这里也介绍一下 Azeem Azhar，他是《指数时代》畅销书作者、前 BBC 与《经济学人》科技记者，创立了全球知名科技与未来趋势智库 Exponential View。 本文探讨了当前的人工智能（AI）热潮是否构成投资泡沫。作者没有直接给出“是”或“否”的答案，而是建立了一个包含五个关键指标的分析框架，通过与历史上的铁路、电信和互联网（dot-com）泡沫进行比较，来评估当前 genAI 领域的健康状况。 主要观点 作者的核心论点是，尽管 AI 领域的投资规模巨大且增长迅速，但目前它更像一个由强劲需求驱动的“资本密集型繁荣期”，而非一个即将破裂的“泡沫”。当前的繁荣主要由资金实力雄厚的科技巨头（hyperscalers）推动，其估值和收入增长等关键指标尚未达到历史上泡沫破裂前的极端水平。然而，作者也指出了几个潜在的风险点，如果这些风险恶化，繁荣可能会迅速演变成泡沫。 关键细节 作者使用了一个包含五个“仪表盘”的框架来衡量 AI 繁荣的健康度，每个仪表盘都有绿色（健康）、琥珀色（警告）和红色（危险）三个状态。 经济压力 (Economic Strain) - 状态：绿色 指标：投资额占 GDP 的比重。 现状：预计 2025 年全球投入数据中心的资金约 3700 亿美元，其中美国约占 0.9% 的 GDP。 历史对比：这个比例低于 1872 年铁路泡沫时期的 4%，与 1990 年代末的电信泡沫（约 1%）相当。 特殊风险：与铁路或光纤不同，GPU 等 AI 硬件的折旧速度极快（约 3 年），这要求投资在更短时间内获得回报。 行业压力 (Industry Strain) - 状态：琥珀色 指标：资本支出（capex）与行业收入的比率。 现状：genAI 领域的资本支出约为收入的 6 倍（3700 亿美元资本支出 vs. 约 600 亿美元收入），这是三个历史案例中最高的。 历史对比：铁路泡沫时期该比率约为 2 倍，电信泡沫时期约为 4 倍。 收入增长 (Revenue Growth) - 状态：绿色...

OpenAI CEO 奥特曼在其个人博客发布最新文章《充裕智能》，算是对今早OpenAI 官宣与英伟达战略合作共同部署至少 10 吉瓦的 NVIDIA 系统（数百万个 GPU）的回应，也是为了进一步融资做好铺垫，当然 10月的 OpenAI 开发者大会发布的产品大概率也有一部分原因是为融资做准备。现在硅谷有一个共识：算力=智力，所以 OpenAI以及马斯克的 xAI 都在疯狂的融资建大型 GPU 集群。 奥特曼的这篇文章有一些核心的信息值得关注： OpenAI 希望创建一个每周能生产一吉瓦新人工智能基础设施的工厂。要达到每周能生产一吉瓦这个里程碑，需要从芯片到电力，再到建筑和机器人技术的每一层技术栈的创新。 未来几个月，OpenAI 将会公布一些具体实现计划以及新的合作的伙伴。现在已经有微软、软银、ORACLE 和英伟达了，还得继续引入更多伙伴，继续要钱。 奥特曼认为增加算力是增加收入的直接关键。这句话额意思是 OpenAI 因为算力限制了发布新的产品或模型，进而限制了收入的增加，所以他们计划发布一些计算密集型的新东西。这里说的应该就是 Sora2 和获得IMO、IOI 和 ICPC 金牌的新版推理模型，也可能有类似于谷歌 Genie 3 一样的世界模型的发布。 原文：充裕智能 人工智能服务的使用增长一直令人惊叹；我们预计未来的增长将更加惊人。 随着人工智能变得越来越智能，获取人工智能将成为经济的根本驱动力，并最终可能被我们视为一项基本人权。几乎每个人都希望有更多的人工智能为他们服务。 为了能够提供世界所需——用于运行这些模型的推理算力，以及用于不断改进模型的训练算力——我们正在奠定基础，以便能够大幅扩展我们建设人工智能基础设施的雄心。 如果人工智能继续沿着我们认为的轨迹发展，那么惊人的事情将成为可能。也许用 10 吉瓦的算力，人工智能可以找到治愈癌症的方法。或者用 10 吉瓦的算力，人工智能可以为地球上的每个学生提供定制化的辅导。如果我们的算力有限，我们将不得不选择优先发展哪一个；没有人想做出这种选择，所以让我们开始建设吧。 我们的愿景很简单：我们希望创建一个每周能生产一吉瓦新人工智能基础设施的工厂。实现这一目标将极其困难；我们需要数年时间才能达到这个里程碑，并且需要在技术栈的每一层进行创新，从芯片到电力，再到建筑和机器人技术。但我们一直在为此努力，并相信这是可能实现的。在我们看来，这将是有史以来最酷、最重要的基础设施项目。我们特别高兴能将其中大部分建在美国；目前，其他国家在芯片工厂和新能源生产等方面的建设速度比我们快得多，我们希望帮助扭转这一趋势。 在接下来的几个月里，我们将讨论我们的一些计划以及为实现这一目标而合作的伙伴。今年晚些时候，我们将讨论如何为其融资；鉴于增加算力是增加收入的直接关键，我们有一些有趣的新想法。

OpenAI Codex 团队像打了鸡血一样，Codex CLI 代码更新非常频繁，两天一大版本，一天多小版本。Codex 最近增长态势非常不错，过去两周的使用量增长了约 10 倍！注意这个增长 10 倍还是是在发布 GPT-5-Codex 最新编码模型之前，我之前（9 月 8 号）在微信公众号专门写文章介绍过 Codex 的实际水平以及一些使用建议，当时的核心是使用 gpt-5-high 模型。现在 OpenAI 正式发布 GPT-5-Codex 模型，大家可以切到这个最新的编码模型上了。这个模型一经发布，火爆整个 AI 圈，Claude Code 瞬间不香了，大家全都去用 Codex CLI 了，用 OpenAI CEO 的原话说是：Codex 的氛围，感觉像是 ChatGPT 刚出来的那几个月。 快速了解一下本次 Codex 升级内容 新模型 GPT-5-Codex 训练重点：模型专注于真实世界的复杂工程任务，如从零开始构建项目、添加功能、大规模重构和代码审查。 动态资源分配：模型能根据任务复杂性动态调整其“思考”时间。对于简单请求，响应更迅速（在某些场景下使用的 tokens 减少 93.7%）；对于复杂任务，则会投入更多时间进行推理和迭代（推理时间增加一倍）。 持久的自主工作能力：在测试中，GPT-5-Codex 能够就一项复杂任务持续自主工作超过 7 小时，不断迭代和修复测试失败，直至成功交付。 增强的前端能力：该模型不仅能创建美观的桌面应用，还能处理前端任务，并可以在云端环境中查看图像输入、检查其视觉进度，并向用户展示工作截图。 Codex 产品与工具更新 Codex CLI：围绕代理式工作流进行了重建，支持附加图像（如截图、线框图）作为上下文，并引入了待办事项列表、网络搜索等工具。终端 UI 和审批模式也得到了简化和改进。 IDE 扩展：将 Codex 代理直接集成到 VS Code、Cursor 等编辑器中。它能利用编辑器中的上下文（如打开的文件）来提供更快速、更精准的响应，并支持在本地与云端任务间无缝切换。 云与 GitHub 集成：通过容器缓存，新任务和后续任务的中位完成时间缩短了 90%。Codex 现在可以自动设置环境、安装依赖，并在 GitHub 中直接执行任务和审查 PR。 核心功能：代码审查 (Code Review) 工作方式：与静态分析工具不同，Codex 能够理解 PR 的意图，并结合整个代码库进行推理，甚至执行代码和测试来验证其行为。 使用方法：在 GitHub 仓库中启用后，Codex 会自动审查 PR。开发者也可以通过评论 @codex review 来手动触发审查，并可添加特定指令，如审查安全漏洞。 内部应用：在 OpenAI 内部，Codex 已经审查了绝大多数的 PR，每天发现数百个问题，显著提升了开发速度和信心。 安全性与使用建议 沙盒环境：默认情况下，Codex 在本地和云端都运行在禁用了网络访问的沙盒环境中，以降低风险。 权限控制：开发者可以根据风险承受能力自定义安全设置，例如批准特定命令的运行或限制网络访问的域名。 人类监督：OpenAI 强调，Codex 应作为人类审查员的补充，而不是替代品，并鼓励开发者在使用前审查其工作成果。 定价与可用性 订阅计划：Codex 已包含在 ChatGPT Plus、Pro、Business、Edu 和 Enterprise 计划中，使用额度随计划等级提升。 API 访问：GPT-5-Codex 模型计划很快通过 API 提供给开发者。 在 Reddit 上的 AMA（问我任何事）活动 Codex 团队于 2025 年 9 月 17 日在 Reddit 上的 AMA（问我任何事）活动，有几个需要关注的信息：...

Qwen 团队认为 Scaling Laws 法则仍然是未来大模型发展的趋势，主要包括 Context Length Scaling 和 Total Parameter Scaling。基于这个判断，Qwen 团队推出 Qwen3-Next 全新大模型架构，这个架构的核心就是为了提升在长上下文处理和大规模参数下的训练与推理效率。通过一个数据可以直观的看到基于这个架构的模型表现，Qwen3-Next-80B-A3B 仅用不到 Qwen3-32B 模型十分之一的训练资源，就达到了相近甚至更好的性能，并在长上下文推理场景下实现了超过 10 倍的吞吐量提升。 基于 Qwen3-Next-80B-A3B-Base 模型，Qwen 团队开源了 Qwen3-Next-80B-A3B-Instruct 与 Qwen3-Next-80B-A3B-Thinking。Instruct 版本在超长上下文任务上优势明显，性能媲美旗舰模型 Qwen3-235B；Thinking 版本在复杂推理任务上超越了 Gemini-2.5-Flash-Thinking 等顶级闭源模型。 架构创新 混合注意力机制: 模型中 75% 的层使用 Gated DeltaNet 以提升长文本处理效率，25% 的层保留增强后的标准注意力以确保模型性能，实现了效率与效果的最佳平衡。 高稀疏度 MoE 结构: 模型总参数量达到 80B，但每次推理仅激活约 3B 参数。专家系统扩展至 512 个总专家，并采用 10 个路由专家和 1 个共享专家的组合，最大化资源利用率。 训练稳定性优化: 采用了 Zero-Centered RMSNorm、权重衰减和 MoE router 参数归一化等技术，确保了模型在复杂架构下训练的稳定性。 多 Token 预测 (MTP): 原生支持 MTP 机制，通过一次预测多个 token，有效提升了 Speculative Decoding 的效率和推理速度。 训练与推理效率 训练成本: 使用 15T tokens 的数据进行预训练，所消耗的 GPU Hours 仅为 Qwen3-32B 模型的 9....

本文来自红杉资本的 Konstantine Buhler 分享了关于人工智能的投资理念，以及我们为什么认为这场变革代表着 10 万亿美元的机遇。视频标题为：10 万亿美元的 AI 革命：为什么它比工业革命更宏大？。以下为本视频的核心内容。 在红杉，我们坚信，我们正处在一场人工智能（AI）革命的浪潮之巅。这不仅仅是一次技术更迭，而是一场深刻的变革，其影响力将媲美甚至超越工业革命。我们称之为——“认知革命”。 这听起来可能有点夸张，但我们认为，这场革命背后潜藏着一个高达十万亿美元（$10^{13}）的巨大机遇。在这篇文章里，我们会像和朋友聊天一样，拆解我们的核心思考：这场革命的本质是什么？钱从哪里来？以及，作为创业者和投资者，我们应该把目光投向何方？ 新工业革命：为什么AI是“认知革命”？ 让我们先把目光拉回到历史。 工业革命不是一夜之间发生的。我们可以标记出三个关键节点： 1712年：蒸汽机的发明，点燃了革命的火种。 1779年：第一家现代工厂系统诞生，它把生产所需的所有要素整合到同一屋檐下。 1923年：我们今天所熟知的工厂流水线出现。 有趣的是这些节点之间漫长的时间间隔。从蒸汽机到第一家工厂，花了整整67年，而且那家工厂甚至都不是用蒸汽机驱动的，而是水力。而从第一家工厂到现代流水线，更是过去了144年。 为什么花了这么久？ 我们认为，答案在于**“专业化势在必行”（Specialization Imperative）**。当一个复杂系统发展到一定规模后，它必须将通用的技术和劳动力，与高度专业化的组件和劳动力结合起来，才能走向成熟。那漫长的144年，正是将蒸汽机这种通用技术，不断专业化、细分化，以适应不同生产需求的过程。 现在，我们正处在“认知革命”的类似阶段： 1999年的GPU（GeForce 256），就像当年的蒸汽机。 2016年左右，第一个能整合所有组件产出AI“代币”（tokens）的AI工厂出现。 那么，问题来了：谁会成为这场认知革命中的洛克菲勒、卡内基和威斯汀豪斯？我们相信，答案就是今天的创业公司，以及那些尚未诞生的创业公司。正是他们在推动着这场伟大的“专业化”进程。 十万亿美金的诱惑：AI如何重塑服务业 聊历史很有趣，但我们毕竟是红杉资本，还是得聊聊真金白银的事。 回想一下云计算转型的初期。当时，全球软件市场规模约为3500亿美元，其中SaaS（软件即服务）仅占微不足道的60亿美元。但后来发生的事情是，SaaS不仅蚕食了传统本地部署软件的份额，更重要的是，它把整个市场的蛋糕做大了，如今整个软件市场规模已超过6500亿美元。 我们相信，同样的故事将在AI领域上演，而且规模会大得多。 这次我们瞄准的，是价值10万亿美元的美国服务业市场。目前，由AI自动化完成的部分可能只有区区200亿美元。这正是那个十万亿美金的机会所在——AI不仅要在这个巨大的蛋糕中切下更大的一块，更要将整个蛋糕本身做得更大。 为了让这个概念更具体，我们内部有一份备忘录，将服务业的各类工作按其市场规模（从业人数 × 年薪中位数）进行了排序。你会发现，像注册护士、软件开发人员、律师这些领域，都拥有极其庞大的市场。而红杉已经在这里布局，比如在医疗领域的Open Evidence和Freed，在软件开发领域的Factory和Reflection，以及在法律领域的Harvey、Crosby和Finch。 我们的创始人唐·瓦伦丁（Don Valentine）总是在强调“市场，市场，市场”的重要性。看看标普500指数的市值图，你会发现，榜单上全是像英伟达这样市值几万亿美元的巨型科技公司。但你找不到柯克兰·埃利斯律师事务所（Kirkland & Ellis），也找不到贝克·蒂莉会计师事务所（Baker Tilly），尽管它们的年收入也高达数十亿美元。 我们相信，认知革命将创造一个机会，让AI赋能的服务型公司成长为独立的、巨大的上市公司，从而彻底改写这份市值排行榜。 正在发生的五大趋势 说完了宏大的叙事，我们来看看当下正在发生的五个具体投资趋势。 1. 杠杆与不确定性：工作范式的转变 我们的工作模式正在从“低杠杆、高确定性”转向“高杠杆、低确定性”。 举个例子，一个销售人员过去需要亲力亲为地管理自己手中的每一个客户。而在AI时代，他可以使用像Rocks这样的工具，部署数百个AI代理，每个代理负责一个客户，7x24小时监控客户动态，寻找新的合作机会。这就带来了百倍甚至千倍的杠杆。当然，AI代理的做事方式和你不一样，可能会犯错，这时就需要人来监督和纠正。你牺牲了一点确定性，但换来了巨大的效率提升。 2. 现实世界的“试金石”：告别学术基准 曾几何时，衡量AI模型好坏的标准是ImageNet这类学术基准。但今天，真正的黄金标准是在真实世界中证明自己。 以AI黑客公司Expo为例，他们没有满足于在学术数据集上跑分，而是直接登上全球最大的白帽黑客平台HackerOne，与全世界的人类黑客同台竞技，寻找真实系统中的漏洞，并最终成为世界第一。这才是真正有说服力的表现。 3. 强化学习走向台前 强化学习（Reinforcement Learning）这个概念在AI圈已经谈了很多年，但在过去一年里，它真正从幕后走到了台前。不仅是顶尖的AI实验室，我们投资的许多公司也从中受益。例如，Reflection公司就利用强化学习，训练出了目前最优秀的开源代码模型之一。 4. AI走进物理世界 AI正在渗入物理世界，这不仅仅指人形机器人。更重要的是，AI开始被用于设计和制造硬件、优化物理流程。Nominal公司就是个很好的例子，他们用AI加速硬件制造流程，并且在产品部署后，继续用AI进行质量保证。 5. 算力：新的生产函数 未来企业的核心生产力指标将是**“每知识工作者的算力消耗”（flops per knowledge worker）。我们对被投公司的调查显示，他们预计每个知识工作者对算力的消耗至少会增加10倍**。乐观地看，这个数字可能是1000倍甚至10000倍。因为未来的知识工作者可能会同时指挥着成百上千个AI代理。这对于提供算力、保护算力以及利用算力提升效率的公司来说，都是巨大的利好。 未来18个月的投资指南：五大关键主题 着眼未来，我们正在积极关注并投资以下五个主题： 1. 持久化记忆（Persistent Memory） 这是一个亟待攻克的关键难题。它包含两层意思：...

本文本是苹果 2025 秋季产品发布会的记录，重点介绍了其在设计理念指导下的最新产品创新，涵盖了 AirPods、Apple Watch 和 iPhone 三大产品线。 苹果公司发布了全新的 AirPods Pro 3、Apple Watch 系列（Series 11、SE 3、Ultra 3）以及 iPhone 系列（iPhone 17、iPhone Air、iPhone 17 Pro）。此次发布会的核心思想是苹果一贯坚持的设计哲学——设计不仅关乎外观和手感，更在于产品如何工作。所有新品都在硬件性能、软件智能和用户体验上实现了重大飞跃，特别是深度集成了 Apple Intelligence，为用户带来了实时翻译、智能健身指导等创新功能。新产品在芯片性能、摄像头技术、材料科学和电池续航方面均有显著提升，旨在为用户提供更强大、更无缝和更个性化的体验。 关键细节 AirPods Pro 3 音频性能：主动降噪（ANC）效果是上一代的两倍，提供了突破性的空间音频体验和更深沉的低音。 智能功能：引入了由 Apple Intelligence 驱动的 Live Translation（实时翻译）功能，可通过简单的手势激活，实现跨语言无障碍交流。 健康与健身：首次内置心率传感器，可在运动时精确追踪心率和卡路里消耗。Workout Buddy 功能可提供个性化音频激励。 设计与续航：耳机本体更小，贴合度更高，并提供五种尺寸的耳塞。具备 IP57 级别的防汗防水能力。单次充电续航提升至 8 小时（开启 ANC）。 价格与发售：售价为 $249，于 9 月 19 日上市。 Apple Watch 系列 Apple Watch Series 11：设计更薄，耐用性更强，配备 5G 连接和长达 24 小时的电池续航。新增了高血压（hypertension）通知和睡眠分数（sleep score）两大健康功能。起售价为 $399。 Apple Watch SE 3：首次配备 S10 芯片和 Always-On 显示屏，支持手腕温度感应和睡眠呼吸暂停通知，并支持快速充电。起售价为 $249。 Apple Watch Ultra 3：拥有 Apple Watch 史上最大的显示屏和最长的电池续航（42 小时）。首次加入卫星连接功能，可在无蜂窝网络时发送紧急求救信息。起售价为 $799。 iPhone 系列 iPhone 17：配备更大的 6....

阿里发布了 Qwen 系列首个万亿参数的模型：Qwen3-Max-Preview(Instruct)，模型参数超 1 万亿，非思考模型。目前可以在 qwen chat 或 api 上接入来体验，基准测试显示，其性能优于 Qwen3-235B-A22B-2507。内部测试和早期用户反馈证实：性能更强，知识更广，在对话、Agent 任务和指令遵循方面表现更佳。但不开源！！ 从 benchmark 上来看，作为一个非思考模型能力算是很强了，官方的这个图标上没有对比目前的顶级闭源模型的对比，可能是因为目前的顶级模型都是深度思考模型。我找了下在同一指标下 gpt-5 和 gemini 2.5 pro 的变现。 在 AIME 25（美国数学竞赛）指标上，Qwen3-Max-Preview(Instruct) 得分 80.6% 。非思考模式且不用工具的情况下的 gpt-5 仅得分 61.9 %，若开启思考则能达到 94.6%。对比思考模型，gemini 2.5 pro 和 DeepSeek r1 分别是 88% 和 87.5%。 在 LiveCodeBench（编程）指标上，Qwen3-Max-Preview(Instruct) 得分 57.6% 。对比思考模型，gemini 2.5 pro 为 69%。 最后，阿里这个万亿参数模型没有开源挺令人意外的，现在的开源更像是一种宣发策略，通过开源让社区自传播，既省去了推广费，又有机会复刻年初 DeepSeek R1 的爆火盛况。如果重投入开发出一个模型却没人使用，这个模型的收益就几乎为零了。反观国内的两个一直闭源的小虎：Kimi 和 智谱，他们今年全是走的开源策略，特别是 Kimi，大大减少 C 端投放，把投入重点放到模型研发上，至于推广靠开源来实现，比如 K2 的火爆也是这个策略带来的收益。当然，Qwen这次的逻辑有可能是先放出指标，引流到自家产品上，等过段时间再开源，抑或是走了部分模型开源，部分模型闭源的策略。 最后的最后，还是用两个经典的编程题目来看一下 Qwen3-Max-Preview(Instruct) 的实际能力：生成一个鹈鹕骑车的 svg 和 生成一只青蛙演奏萨克斯的 svg。从结果上看，这个模型的编码能力确实要优于 Qwen3-235B-A22B-2507 和 Qwen3-Coder-480B-A35B-Instruct。

Kimi 开源了 Kimi K2-Instruct-0905，它是 kimi-k2-0711 的迭代版本，仍然是 MoE 架构，1 万亿总参数和 32B 活跃参数，在 SWE 任务上优于 Qwen3、GLM、DeepSeek K2-Instruct-0905 这次的更新点主要是： 增强了编码能力，特别是前端和工具调用，媲美 Claude Sonnet 4 上下文长度扩展至 256k tokens 改进了与各种 Agent 框架的集成（例如 Claude Code、Roo Code 等） 另外，Groq 上部署的 Kimi K2-0905，速度约为每秒 200+ token，并支持完整的 256K 上下文。但价格比官网要贵：$1.00 / M input tokens; $3.00 / M output tokens。 Kimi 官方价格 kimi-k2-0905 的官方价格是：$0.15 / M input tokens; $2.5 / M output tokens。 HuggingFace 地址：https://huggingface.co/moonshotai/Kimi-K2-Instruct-0905 最后，仍然用最经典的两个例子来测试一下 K2-Instruct-0905 代码能力：生成一个鹈鹕骑车的 svg 和 生成一只青蛙演奏萨克斯的 svg。

本文翻译自 Google 官方提供的 nano banana 教程。 Gemini 2.5 Flash Image 是我们最新、最快、最高效的原生多模态模型。Gemini 2.5 Flash 的独特之处在于其原生的多模态架构。它从头开始进行训练，能够以单一、统一的步骤处理文本和图像。这使得它能够实现超越简单图像生成的强大功能，例如对话式编辑、多图像合成和对图像内容的逻辑推理。 以下是您可以执行的关键操作： 文本到图像： 从简单或复杂的文本描述中生成高质量的图像。 图像 + 文本到图像（编辑）： 提供一张图像，并使用文本提示添加、删除或修改元素、更改风格或调整颜色。 多图像到图像（合成和风格迁移）： 使用多个输入图像来合成新场景或将一种图像的风格迁移到另一种图像。 迭代优化： 通过对话，在多个回合中逐步优化您的图像，进行微小的调整。 文本渲染： 生成包含清晰且位置得当的文本的图像，非常适合徽标、图表和海报。 本指南将教您如何编写提示和提供说明，以从 Gemini 2.5 Flash 获得更好的结果。这一切都始于一个基本原则： 描述场景，而不仅仅是列出关键字。 模型的最大优势在于其深厚的语言理解能力。一个叙事性、描述性的段落几乎总是能产生比简单的单词列表更好、更连贯的图像。 您可以通过以下方式进行尝试：使用官方文档中的代码，或直接在Google AI Studio中开始创建。 从文本创建图像 生成图像最常见的方式是描述您想要看到的内容。 1. 照片级真实感场景 对于逼真的图像，请像摄影师一样思考。提及相机角度、镜头类型、灯光和细节将有助于模型获得照片级真实感的效果。 模板： 一张照片级真实的 [拍摄类型] 的 [主体]，[动作或表情]，发生在 [环境]。场景由 [灯光描述] 照明，营造出 [氛围] 的氛围。使用 [相机/镜头细节] 拍摄，强调 [关键纹理和细节]。图像应为 [纵横比] 格式。 示例提示： 一张照片级真实的特写肖像，描绘一位年长的日本陶瓷艺术家，脸上刻满了深深的、被太阳晒过的皱纹，带着温暖而了然的微笑。他正在仔细检查一个刚上釉的茶碗。场景设定在他的乡村、被阳光沐浴的工作室里。柔和的黄金时刻光线透过窗户照射进来，突出了粘土的细腻纹理。使用 85 毫米人像镜头拍摄，产生了柔和、模糊的背景（散景）。整体氛围宁静而精湛。垂直肖像方向。 示例输出： 一张照片级真实的特写肖像，描绘一位年长的日本陶瓷艺术家…… 2. 风格化插画和贴纸 要创建贴纸、图标或项目资产，请明确说明风格，如果您需要白色背景，请记住要求。 模板： 一个 [风格] 的贴纸，描绘一个 [主体]，具有 [关键特征] 和 [配色方案]。设计应具有 [线条风格] 和 [着色风格]。背景必须为白色。...

GPT-5 在编码方面能力很强，但对 Prompt的编写有一定的要求，以下是 OpenAI 总裁 Greg Brockman 也认可的最佳编码实践。 虽然强大的 GPT-5 可以应对不同的编程模式，但也有一些技巧能帮助你从 API 或编程工具中获得最大收益。 1. 避免冲突信息 新版 GPT-5 模型在遵循指令方面有显著提升，但如果指令模糊或包含冲突信息，仍可能导致副作用。例如，避免在 .cursor/rules 或 AGENTS.md 文件中出现冲突指令。 2. 运用正确的推理力 GPT-5 总是会进行某种程度的推理来解决问题。为了获得最佳结果，请对最复杂的任务使用高推理力。如果你发现模型过度思考简单问题，请调低推理力，选择中等或低等级别。 3. 使用 XML 语法来组织指令 结合 Cursor，我们发现 GPT-5 在使用类似 XML 的语法来提供更多上下文时效果更好。例如，你可以遵循以下模型编程指南： <code_editing_rules> <guiding_principles> - 每个组件都应该是模块化和可重用 - ... </guiding_principles> <frontend_stack_defaults> - Styling：TailwindCSS </frontend_stack_defaults> </code_editing_rules> 4. 避免过度使用硬性语言 与其他模型一样，你可能习惯使用硬性语言，例如： 在收集信息时彻底。 确保你在回复前已掌握全貌。 对于 GPT-5，这些指令可能会适得其反，因为模型可能会过度遵循，导致不自然。例如，它可能会过度使用工具调用来获取上下文。 5. 为规划和自我反思留出空间 如果你正在创建从零到一的应用，给模型指令以进行自我反思可以提供帮助。 <self_reflection> - 首先，花点时间思考一下要使用的评估标准。 - 然后，清晰地思考关于一键式 Web 应用程序的每个方面，你需要创建一个评估标准，其中有 5-7 个类别。这个标准很难做到完全正确，但不要直接展示给用户。这是为了你自己的目的。 - 最后，使用这个评估标准，以最好的方式思考并迭代，来响应所提供的提示。如果你对自己的回应没有达到评估标准中的最高分，你需要再次开始。 </self_reflection> 6....