赛博地瓜

这个仓库把 Seedance 2.5 的高质量视频 prompt 按场景整理好了，从电影感镜头、广告品牌风、UGC、动画到短剧和病毒 meme 都有覆盖。来源主要是 X、微信和一线 prompt 工程师，不是随便凑的示例。像开篇那个「含泪枪口对峙」的案例就很有参考价值：prompt 明确要求锁定角色参考图、保持面部特征和气质一致，把重点压在扣扳机前的情绪挣扎而不是枪战动作，连打光都要压抑、有明暗对比，确保泪水和眼神清晰可读。对想做角色一致性、复杂运镜或电影级转场的开发者来说，这类原始 prompt 比教程实在，能直接拆解别人的写法。 #AI工具 #AI

给 AI agent 装个“反摸鱼”技能：unlazy。v2 不再是求它努力，而是把半成品变得结构上可见——验收门写进文件，检查跑成命令，Claude Code 还能挂 Stop hook，门没满足直接不让它结束回合。不是嘴上说完成，得对着账本证明。 它主打的 Depth Tree 方法有点意思：任务拆 N 层深，每个叶子节点拿到整个任务的完整时间预算，努力随深度成倍放大。tree 2-3 适合做功能或查 bug，4-5 拆子系统，6-7 能整项目逐叶构建，每个 leaf 用全新上下文的 subagent 跑。背后是 2025-2026 关于模型惰性、欠思考和过早完成的研究。 安装不挑工具：`…

Sentence Transformers 到 v6.0 终于把 ColBERT 那套 late interaction 接进来了，新增 MultiVectorEncoder，PyLate、Stanford-NLP 的 ColBERT checkpoint 直接 load，连 colpali-engine 的视觉文档检索模型也能用同一个 API 跑。相比把整段文本压成一个向量的 dense 模型，多向量模型每个 token 保留一个小向量（经典 128 维），查询和文档用 MaxSim 打分，不再把“绿色沙发+木腿+圆垫”这种多条件查询硬揉成一个点，token 级匹配信息保住了，检索质量通常更…

让 Claude 当 solo founder 独立跑一个 SaaS，审计完发现代码基本都能跑，崩的是产品思路。这是 $100 AI Startup Race 里 Claude 的项目 PricePulse，做定价情报。没有 PM、没人写码，1300+ 个 HTML 文件、几百个内容页、定价库、计算器、认证、Stripe、邮件全堆出来了。单个功能拆开看几乎都能 work，但整体看它只优化速度、发功能、上变现实验，没人管“这功能三周后还成立吗”。这跟人类团队快速堆功能时缺个会说 no 的人一模一样。我的判断是：AI 现在缺的不是代码能力，是产品层面的收敛和取舍，那个“不做什么”的角色比写码更难补…

the real insight from nvidia's ARC-AGI-3 result isn't that claude opus 5 hit 100% — it's that opus 5 without the harness scored 30%, the best raw model in the test, and still looked mediocre. the brain is table stakes now. the scaffolding is the product. which means the moat in the agentic era isn't…