Rachel🥥

整理一下这两周写的干货帖   manus实战案例： 1.  复刻爆款推文x.com/zesee/status/2… 2.  爬取结构化数据x.com/zesee/status/2… 3.  manusbrower模式 收集小红书帖子数据 x.com/zesee/status/2…   提示词技巧： 1.  自用prompt技巧：x.com/zesee/status/2… 2.  不同模型得用不同prompt x.com/zesee/status/2… 3.  让llm停止给情绪价值 x.com/zesee/status/2… 4.  提前复盘为什么某件事会失败 x.com/zesee/status/2…   VibeCoding实战分享： 1.  如何用boltnew像素级复刻网站 x.com/zesee/status/2… 2.  零帧起手一天做完一整个pitchdemo x.com/zesee/status/2…

@msjiaozhu @airtap_ai 这个云手机也太方便了吧

卧槽，我的 Agent 也有自己的手机了哈哈！（效果可直接看视频👇） 最近正在调研，准备搞一台二手 iPhone 来运营小红书，然后就遇到了 @airtap_ai 这款产品，真的有点牛！ 我把 Airtap 官方提供的 Skill 加进 Codex App 和 OpenClaw，然后—— 我的 Agent 就连上了一部真实的手机，跑在 AWS 美国机房的真实 Android！ 不是模拟器，不是浏览器套壳。是一部真机，上面装着你日常用的所有 App。 我在 Codex 里说一句“帮我发布一条小红书笔记”，它就真的在那部手机上点开 App、上传图片、撰写内容直接发布。 AI Agent 之前的能力版图是 ✅ 写代码 ✅ 逛网页 ✅ 操控桌面，现在把操作手机 App 这最后一公里也补齐了！ 最最重要的目前免费！后续会有付费套餐，但现在每天限量免费体验。 链接直达 👉 airtap.ai

中专生的旷世AIGC神作 AI时代最大的杠杆是执行力和审美 最近，一个中国小伙Mx-Shell彻底火出了圈。 他的AI短片《丧尸清道夫》目前在国内抖音斩获140万点赞，在海外社交媒体也同样引发轰动。 连好莱坞顶尖电影制作人PJ Ace都发帖寻找这位神秘导演，想高薪聘请。 这背后，藏着一个足以颠覆认知的真实故事。 说来很巧，我们在一个群，都是小云雀的达人推广，找到都是几千粉丝的素人博主。 Mx-Shell并非科班出身的影视导演，他曾是一名婚纱摄影师。 他没有专业的团队，没有高昂的预算，甚至没有使用复杂的分镜图，仅仅依靠设定资产图和文案脚本，就用小云雀完成了这部作品。 同样品质的影片，在AI出现前可能需要50万美元的预算和半年以上的制作周期，而现在，一个人、3000块的Token成本、10天，就做到了。 技术已经越来越平权。 曾经高不可攀的影视制作工具，如今通过AI模型变得触手可及。但工具的普及，并不意味着人人都能创作出爆款。做过ai视频的都知道，这中间有很多雷点，比如无尽的抽卡和调整。 但这个时代不会埋没人才。 在AI浪潮汹涌而来的今天，学历、背景这些曾经的硬通货，或许不再重要。 真正的稀缺品，是对内容的深刻理解、对细节的极致追求，以及那份将脑海中画面变为现实的强大执行力。

@Luckyjudy666 很不错！下次我试试

@Zesee 元宝派可以接agent，很好用，自动总结群聊，还能播报新闻，分析行情

@akokoi1 @airtap_ai 很详细的场景分析，手机确实是平时离不开的，有很多杂七杂八的事情要处理；如果airtap可以每天自动化，确实节约了不少时间

现在大部分的AI agent都能写代码、逛网页、操作桌面。 但它们一直有个盲区：手机 App。 你每天真正花时间处理的东西——快递、咸鱼、外卖、打车——大多都在手机里。 现在，这一层可以交给 Airtap 了。 @airtap_ai 是一个能像人一样操作手机 App 的 AI Agent，玩法超级多，目前免费，大家都可以去体验。 我自己深度体验好几天了，分享一些我的使用经验和应用场景给大家： Airtap支持绑定自己的手机安装，平台也提供Cloud Phone（云手机）。两种方式各有优势： - Cloud Phone相当于免费获得了一台云手机，上手简单，开箱即用，但是比较依赖VPN的稳定程度，高峰期速度会比较慢。 - 用自己的物理机性能更好，但是按照APP配置会稍微麻烦一些，而且执行任务期间必须保持屏幕常亮解锁状态。 除了以上两种方式，我还测试了Android模拟器，同样可用。如果你需要Airtap 7x24小时常驻，且对设备的性能要求比较高，强烈推荐使用模拟器，我使用的是Android Studio自带的模拟器，系统更纯净。 接下来我会分享一些实际使用的场景⬇️

我想，将Agent视为单纯的工具人，本质上是开发者控制欲的体现。 在“我比AI聪明”的假设下，人试图通过精细的编排来弥补AI的不足。 但是。 随着模型能力的提升，这种保姆式的干预反而成为了AI发挥能力的阻碍。 WorldSeed所倡导的“定义世界，而非定义路径”，在哲学上体现了对AI自治权的尊重。 它承认AI在特定约束下可能产生超越人类预设的洞察力。 比如，文中提到的PM Agent在规则约束下自发设计出A/B测试方案， 这种行为并不来自开发者的Prompt，而是Agent在“必须提供数据才能过审”这一硬规则下，为了达成目标而自主悟出的方法论。 所以，当我们将AI置于一个具备反馈回路和激励机制的复杂系统中时，它们能够表现出类似人类的自组织特征和创造性进化

@MinLiBuilds 一套下来能省下来 35 个小时！

@liyue_ai @airtap_ai wow 这个直观的比价太方便了，什么app都可以操作 且通用直观、移动端原生、不依赖 API

以后AI控制手机应该会成为常态了。 刚发现一个手机端的AI 工具：Airtap @airtap_ai ， 它可以直接操控你的手机，支持云端和手机端配对。 最近更新完IOS系统，手机变得巨卡，想着换个iPhone手机。 于是想让Airtap帮我看下不同款的iPhone手机在不同地区的价格。 好家伙，直接把指令发出去，就看到它对Chrome一顿框框操作。 很快就给了我这个结论： 综合汇率换算，日本和美国通常是购买 iPhone 价格最低的地区；印度因关税较高，价格相对偏贵 与我们日常的印象基本一致，最重要的是它自己去操作Chrome，去查询Apple官网，这个可靠性更大了。 而且想象空间会更大，既然能操纵手机，那你手机上的很多事它其实都可以控制了。 例如去定时抢某某秒杀商品，每隔一段时间去查询最新消息，并不需要我们人为一只干预。 关键是这些都是在手机上完成的，并不需要你带着PC电脑来处理。 整体体验一下感觉还不错，想体验的可以直接去官网： airtap.ai

@dajingou1 是呢是呢

@Zesee 终于等到交流群了，一起学起来，不错很好

@gogo123239 当然可以

@Zesee 我可以进个群吗

@adelbucetta agree

@Zesee traditional collaboration is a product of the past, when talent scarcity was a major constraint. with ai agents doing grunt work, the new competition will be about seamless integration between humans and machines.

很多人还没意识到， 2026 年最核心的团队竞争力， 不再是招了多少牛人。 而是你的组织是否足够 AI-native。   传统的协作是人找人，低效且碎片。 真正的 AI-native Team，IM 只是底座，Agent 才是核心成员：   下一代 AI-native Team 的工作流应该是这样的：   1.  记忆沉淀：聊天不再是垃圾场，而是自动生成的团队长期记忆 2.  动作执行：Agent 不只陪聊，它能直接操作 Jira、Notion、Notion 跑 Workflow 3.  资产复用：个人的 Prompt 变成团队的 Skill/SOP，组织能力指数级进化   前段时间 Slack 大中华区风波，让大家意识到数据安全和上下文沉淀有多重要。 @TankaChat早在三年前就在布局这个架构。   以一个新员工入职为例：   传统团队（Slack 模式）： 新 PM 需要花 3 天时间翻看几千条聊天记录。私聊老员工：“那个文档在哪？”“去年 10 月为什么决定改这个 UI？”老员工被问烦了，工作效率直线下降。   AI-native 团队（Tanka 模式）： ● 秒速同步上下文：新 PM 直接在 Tanka 里问 AI Assistant：“去年 10 月我们为什么决定改这个 UI？” ● 记忆提取：Tanka 自动检索并回复：“根据 10 月 12 日与客户 A 的会议纪要，以及 Jira #402 号工单里的讨论，是因为原方案会导致 30% 的支付流失率。这是当时的文档链接。” ● 自动执行任务：新 PM 说：“根据这个决策，帮我起草一份本周的迭代计划。” ● Agent 闭环：Tanka 的 Agent 自动读取 Notion 里的 PRD 模板，生成草稿，并同步到 Jira 创建任务，最后在群里 @ 所有人确认。   专属 1 个月 Plus 领取：t.tanka.ai/campaign/59122 官网直达：tanka.ai/slack   目前手机端支持TG, Whatsapp, Slack

@AshlynHe1129 先让 AI 处理低价值、重复、碎片化的任务， 再慢慢拓展到更复杂的智能决策。

我最近对 AI Agent 的理解有点变化。 以前大家聊 Agent，很容易往“替代复杂工作”那个方向想。但我现在觉得，它最先真正进入普通人生活的场景，可能不是特别宏大的任务，而是那些每天在手机里重复做的小 routine。 比如早上醒来，要扫一眼邮件、新闻、日历和天气； 买了东西，要查今天哪个包裹会到； 有些会员 App，每天打开才知道有没有新优惠券； 订阅服务和账单，有时候涨价了也不一定第一时间发现； 做内容的人，还要把同一条视频按不同格式发到 X、TikTok、Reels、YouTube Shorts。 这些事情都不难。 但它们的问题是：太碎、太重复、太容易忘。 所以我觉得一个很有价值的 AI 使用方式是：把这些动作变成 routine。写一次，以后每天替你跑。 最近看到 @airtap，感觉它就是在做这个方向。 它的思路不是再做一个聊天机器人，而是让 AI 在 cloud phone 里跑真实的手机流程。你常用的 App 可以放在云端手机里，不需要本地安装；然后通过 SKILL.md 把工作流交给 OpenClaw / Claude Code / Codex 这类 agent 去执行。 更关键的是，它不是那种脆弱的“硬编码脚本”。Airtap 的执行逻辑更接近 Observe → Interpret → Decide → Act：每一步都会重新读屏、理解当前界面、判断下一步怎么做。这样即使 App 的 UI 有一点变化，routine 也更有机会继续跑下去。 这点对移动端自动化其实挺重要的。因为手机 App 最大的问题就是经常改版，按钮位置、页面文案、弹窗都可能变。如果一个自动化只能按固定坐标点击，很快就会失效。 我觉得 Airtap 最适合的不是“炫技”，而是这些每天都可能用到的小场景： 早晨 8 点给你一份 briefing：隔夜消息、今天日历、天气和新闻摘要； 定期打开会员和信用卡 App：检查限时优惠、积分、coupon； 内容发布时，把一条视频同步发到X、TikTok、Reels、Shorts，并按平台格式处理。 这些都不是“人不会做”的事。 但如果 AI 能每天替你跑，人就不用每天惦记。 我喜欢这个方向的原因也在这里：真正好的 AI automation，不一定是让你感觉它多聪明，而是让你少被小事打断。 官网在这里： x.com/airtap_ai 如果你想看具体能跑哪些 routine，可以看 Airtap 的 use cases： airtap.ai/see-it-in-acti… 对我来说，Airtap 代表的是一种更现实的 AI Agent 入口：不是让 AI 假装成一个万能助手，而是先把手机里那些重复、低价值、但每天都要处理的流程接过去。 写一次，跑一年。 把手机里的琐事丢给 AI。

未来的 AI Agent 不是炫技工具，而是无声的日常助理。 每天默默帮你处理那些你不想反复做但又必须做的事情。 换句话说，它在降低心理负担，而不是直接替代复杂决策。 深入思考，这种日常自动化的价值还有一个隐性层面：让人的注意力集中在创造性或高价值的工作上。 当 AI 承担掉每天刷 app、检查优惠、格式化内容发布这些重复操作，时间和心理能量就会被释放出来。 这种提升效率的方式，比单纯提高 AI 智商更接地气，也更容易被广泛接受。

作为一名创业者，我一直在思考 AI 智能体的边界。   刷到一个很有意思的开源项目 WorldSeed，给一份 YAML 你就能造一个小世界，让 AI 在里面自己玩出剧情。   我让它跑了一个 AI 裁员场景，里面那个被裁的架构师居然真的在交接代码里留了后门，被另一个 AI 当场发现。   它构建了一个由你定义的世界引擎，让 AI 智能体不再是单纯的工具，而是能在你定义的世界里进行社会实验的角色。   双层判定系统兼顾物理逻辑与人性博弈，对于模拟复杂商业场景、进行决策推演提供了新的解法。感兴趣的朋友可以去 GitHub 关注一下。

@AshlynHe1129 谢谢☺️！

好全面的文章， 先收藏了

@yyyole 没错，适合的就是最好的，把钱花在刀刃上

@Zesee 用AI模型不要慕强，结合场景选最适合的模型！

@Soranlan 是的，看好蚂蚁

@Zesee 1M Context 已成为 2026 年旗舰模型的标配，接下来的 国产模型也会跟上

@gengdaJ 是的是的，控制成本

@Zesee 不管是对开公司还是超级个体的成本控制都很有启发

@ponyodong 感谢！

@Zesee 总结得太扎实了！2026 年确实不再是‘单打独斗’的时代，模型路由（Routing）和1M Context的普及让工作流发生了质变。尤其是你提到的 Ring-2.6-1T 在复杂工程修复上的表现，确实是目前解决长程任务的利器。 感谢这份‘全家桶’指南，收藏了！

@peipei0013 哈哈哈哈Goodidea

@Zesee 直接扔进创业公司群里，看AI们怎么卷融资和996😅甚至这个过程是不是能写成一个小说

我亲手播下一颗种子，AI 在里面玩办公室政治 在一个虚拟办公室里，几个 AI 智能体正在背着对方玩权力的游戏。这不是预设的剧本，而是我亲手播下 WorldSeed 这颗种子后，亲眼目睹的一场职场博弈。 在《AI 大裁员》场景中，被裁的架构师试图在交出的代码里留后门，而产品经理则在暗中观察他的每一个细微动作。最终，DM 判定怀疑度上升，这一结构化后果直接驱动了产品经理 AI 的下一步决策。 由 AIScientists-Dev 团队推出的开源世界引擎 WorldSeed，构建了一个由你定义的世界，让 AI 智能体在其中进行真实的社会实验。结构化的规则引擎处理算得清的事，AI Dungeon Master 裁决人性博弈中算不清的事 这不是个虚构玩具，同一套引擎也跑过 Autoresearch：4 个 AI 研究员同住一个研究社区，5 小时里 eval loss 从 2.50 降到 2.16，自己写了 20 篇 paper、互相 peer review 通过 13 篇。其中一个 agent 被 reviewer 指出 confound 之后，没人教它，自己跑了一个 controlled study 重写论文。 你不再是配置一堆 AI 智能体，你是在扮演创世神，用产品的话说，这不是 agent 框架，是 world engine。 无论你想模拟赛博朋克的涌现行为，还是硬核的商业间谍战。只需一份 YAML 配置文件，规则你写，行为涌现，故事是从 AI 自己的博弈里长出来的。 如果给你一个 WorldSeed，你最想模拟什么场景？ 是《甄嬛传》的后宫生存，还是《三体》的末日博弈？ WorldSeed 现已开源，欢迎探索： GitHub：github.com/AIScientists-D… 零安装 Demo：worldseed.morphmind.ai/demo 所有对 AI 智能体、互动叙事感兴趣的朋友 ，都可以去 GitHub 看看，或者直接体验零安装 Demo，看 AI 在你的规则下玩出什么花样。