← 返回首页
AI Image

AI 图像

AI 图像生成、编辑、设计工具与多模态创作

817 个产品 253 条观点

AI 图像 · 精选产品

Nano Banana 2.1

88

Google's image model with sharper design and mask editing

Google 推出的新一代图像生成与编辑模型 Nano Banana 2.1,通过更强的设计感、基于蒙版的局部编辑、跨轮次主体一致性与文字渲染能力,解决 AI 生图在商用设计场景中"好看但不可控、改不动"的问题。

▲ 84 freemium

Figma Agent

88

Prompt, edit and prototype without leaving the canvas

Figma Agent 是嵌入 Figma 设计画布的 AI 智能体,直接操作用户真实的组件、变量与团队文件(而非扁平图片),可一句话生成布局方向、跨屏幕批量修改、把评论转成改动、用提示词搭建原型,并通过 MCP 拉取 Notion、Slack、GitHub、Linear 的上下文,把重复流程固化为团队可用的 "/" 技能。

▲ 118 freemium

Wanaka Studio

85

Make and publish 3D games with the first AI game engine

Wanaka Studio 是首个 AI 原生 3D 游戏引擎,让用户无需编写代码即可通过 AI 智能体自动构建、编辑并一键发布 AAA 级别的 3D 游戏。

▲ 181 freemium

Spline V2

84

Best 3D platform for the agentic era

Spline V2 是一款面向 AI 时代的全新重构 3D 编辑器,集成 AI Agent 模式与 MCP 协议、WebGPU 渲染引擎及 PBR/HDR 工作流,让设计师和开发者能更高效地创作交互式 3D 内容。

▲ 83 freemium

ChatGPT Images 2.6

82

Create, edit, and animate images with AI

ChatGPT Images 2.6 是 OpenAI 推出的 AI 图像生成与编辑功能升级版本,支持更快速的图像生成、精准编辑、原生 GIF 动画创建及 SVG 导出,解决创意工作者在内容创作中的图像生产效率问题。

▲ 109 freemium

ChatGPT Images 2.6

82

GIFs, reusable reference images and 50% faster generation

OpenAI 推出的 ChatGPT Images 2.6 图像生成模型,支持动态 GIF 生成、可复用参考图像、50% 更快的生成速度及 SVG 导出,面向普通用户和开发者双端提供服务。

▲ 89 freemium

Canva Brush

82

Canva Brush: a vision-language model that edits your designs

Canva Brush 是 Canva 研究团队推出的视觉语言模型,能够理解设计结构并根据用户指令自动完成从单行文案到整套幻灯片的设计编辑,同时保持元素完全可编辑。

▲ 97 freemium

siliXon

82

Turn a plain English idea into a circuit board you can order

siliXon 是一款 AI 驱动的 PCB 设计工具,让任何人只需用自然语言描述想法,即可自动生成可直接投产的电路板设计文件。

▲ 76 freemium

ChatGPT Images 2.5

82

Sharper visuals, faster flow, better creative control

ChatGPT Images 2.5 是 OpenAI 推出的下一代图像生成模型,通过更清晰的细节、更快的生成速度和更精准的编辑能力,帮助用户将草图、提示词和参考图片转化为高质量视觉内容。

▲ 132 freemium

Gemini Omni 1.1 Flash

82

Our newest multimodal model for video generation and editing

谷歌推出的多模态 AI 视频生成与编辑模型,支持场景延伸、帧插值、4K 超分辨率等专业级视频制作能力。

▲ 96 freemium

v0 Design Systems 2.0

82

Build with your components, colors, fonts, and patterns

v0 Design Systems 2.0 允许开发者和设计师将现有设计系统(GitHub、npm、Figma、Storybook 等来源)导入 v0,自动学习组件用法并生成可交互的 AI 编码 playground,解决 AI 生成代码与团队设计规范脱节的问题。

▲ 172 freemium

Framer 3.0

82

With Agents, Branching, Community, and an all-new design

Framer 3.0 是一款面向设计师和团队的 AI 驱动网站构建工具,通过引入 AI Agents、分支协作和社区变现机制,让团队能更高效地设计、迭代和发布网站。

▲ 419 freemium

Modeinspect

79

99 Days Free AI Credits - Design product UI in your codebase

Modeinspect 是一个 AI 驱动的设计画布,让设计师和开发者直接在真实代码库中进行 UI 设计,消除设计稿与代码实现之间的意图偏差。

▲ 91 freemium

Higgsfield Miracle

78

Edit any part of a video without changing the rest

Higgsfield Miracle 是一款 AI 视频编辑工具,能将视频向量化分层,实现对视频任意局部区域的像素级精准编辑,同时保留原始运动、镜头和主体不变。

▲ 96 freemium

FLUX 3 Image

78

Generate and edit images with precise layout control

FLUX 3 Image 是 Black Forest Labs 推出的高精度图像生成与编辑模型,支持边界框布局控制、多参考图合成及局部区域编辑,最高输出原生 4K 分辨率。

▲ 3 freemium

TheySaid 4.0

78

See how users will react, right where you build.

TheySaid 4.0 是一款集成于开发工具(Claude、Cursor、Jira)中的用户反馈验证平台,让开发者在构建过程中即可获取真实用户或合成用户的反应,避免凭猜测发布产品。

▲ 160 freemium

SurgePix

78

AI visuals. Edit every layer. Agent-callable.

SurgePix 是一款支持多层编辑的 AI 图像生成与编辑工具,允许用户精细化修改图层、替换文字、局部重绘,并通过开源 Agent 技能与 Claude Code、Cursor 等 AI 编程工具无缝集成,实现自动化视觉内容生成。

▲ 159 freemium

UseIt Studio

78

Your AI design agent for real, editable project files.

UseIt Studio 是一款面向实物印刷品(徽章、贴纸、礼盒、立体贺卡等)的 AI 设计代理,用户用一句话描述需求,AI 像设计师一样追问细节并协同创作,最终产出带真实尺寸、出血位和刀模线的可编辑设计文件,而非扁平图片。

▲ 168 freemium

Kling 4.0

78

Fast and affordable AI video for high-frequency creators

Kling 4.0 是一款面向创作者、营销人员和工作室的 AI 视频生成模型,通过多关键帧控制、参考资产和长提示词实现高精度、可控的视频创作,内置立体声音频与多语言口型同步。

▲ 69 freemium

afk.ai 2.0

78

Free AI auto-rigging for animals, creatures and humans

afk.ai 2.0 是一个免费的浏览器端 AI 自动绑定(auto-rigging)工具,能识别上传模型中的四肢、翅膀、尾巴和头部,为动物、鸟类、龙、恐龙、蜘蛛、蛇、鱼和人类等非人形生物自动生成匹配体型的骨骼并预览动画,最终导出可直接用于 Unity、Unreal、Godot 或 Blender 的单个 GLB 文件,解决 Mixamo 等主流工具只支持标准人形、无法处理四足动物与奇幻生物的问题。

▲ 2 freemium

Vidu Q4

78

Bring up to 15 images and 3 voices into one 4K scene

Vidu Q4 是生数科技推出的 AI 视频生成模型,可将最多 15 张参考图与 3 段音色融合进同一个 4K 场景,并原生生成音频,为创作者提供更流畅的运动质量与更强的提示词控制力。

▲ 6 freemium

Doop

78

Design with AI agents - live on the same canvas

Doop 是一个无限多人协作画布,允许 Claude、Codex 等 AI 智能体与用户实时共同设计,共享上下文记忆,用户自带 AI 订阅无需额外付费,完全开源。

▲ 85 free

Cohere Parse 5

78

Turn complex docs, tables & images into AI-ready data

Cohere Parse 5 是 Cohere 推出的企业级文档视觉解析模型,将复杂文档、表格和图像中的非结构化数据自动转化为 AI 可直接使用的结构化数据。

▲ 95 freemium

Cherry Blossom

78

Build Fab-ready Custom PCBs with one prompt

Cherry Blossom 是一款 AI 驱动的 PCB 设计工具,用户只需用自然语言描述电路需求,即可在浏览器中5分钟内自动生成原理图、PCB 布局、BOM 清单及生产就绪文件。

▲ 76 freemium

Remix

78

Figma, but on your production app. Test variants and ship.

Remix 是一款面向研发团队的 AI 协作实验工具,允许任何团队成员在真实生产应用的沙箱副本上通过提示词快速创建 UI 变体,并直接合并为 GitHub PR,打通从创意到上线的全流程。

▲ 126 freemium

Shieldstral

78

Define safety at runtime for text and images

Shieldstral 是 Mistral 推出的 3B 开源多模态安全护栏模型,允许开发者在推理时用自然语言定义安全策略,对文本和图像内容进行实时审核过滤。

▲ 109 free

MiniMax H3

78

Unified video generation for motion design and branding

MiniMax H3 是一个开源多模态视频生成模型,支持文本、图像、音频统一输入,可生成带原生立体音效的 2K 商业视频内容。

▲ 313 freemium

Miora

78

Scale your creativity on editable canvas with agent memory

Miora 是一个具备记忆能力的 AI 创意工作室,允许用户在可编辑画布上生成多模态创意资产,并将创作风格沉淀为可复用的「技能」,让一个人拥有整个创意团队的产出能力。

▲ 380 freemium

Adam CAD Copilot

78

AI CAD inside Onshape and Fusion

Adam 是一款嵌入 Onshape 和 Autodesk Fusion 的 AI CAD 助手,让机械工程师通过自然语言提示创建和编辑零件,无需离开现有工作流。

▲ 276 freemium

OpenArt Director

78

Direct cinematic videos through chat

OpenArt Director 是一款通过对话方式创作长达5分钟连贯AI电影视频的工具,解决了传统AI视频生成碎片化、缺乏叙事连贯性的问题。

▲ 305 freemium

PostNitro for Agents

76

Let your AI agent design and publish social posts

PostNitro for Agents 是一个面向 AI Agent 的社媒内容生成与发布工具,让 Claude、ChatGPT 等 Agent 不仅能发布已有素材,还能从主题、文章或推文串直接设计出符合品牌调性的轮播图、图片和动画视频,并一键排期到 LinkedIn、Instagram、TikTok、Threads、Facebook、Pinterest 等平台。

▲ 108 freemium

Floani

76

Create, animate, and share AI-powered diagrams

Floani 是一款把 AI 图表编辑器和动效设计合二为一的在线工具,让用户用 AI 快速生成流程图/架构图,再通过动画串联连线与镜头讲清楚复杂系统的运作逻辑,解决传统静态图表"说不明白、讲不生动"的问题。

▲ 65 freemium

ChatGPT Space

76

Create, collaborate, and build together with AI in Space

ChatGPT Space 是一个面向团队的 AI 共享画布,用户把链接、文件和零散想法沉淀为一份持续生长的上下文,再与 AI 一起将其转化为方案、文档和应用,解决团队协作中信息分散、上下文断裂、难以对齐的问题。

▲ 94 freemium

Autonomyware

76

Idea to physical product, engineer anything you can imagine

Autonomyware 是一个 AI 原生的硬件工程工作空间,用户只需用自然语言描述产品构想,即可由自主 AI 端到端完成产品定义、系统架构、风险评估、CAD 建模、BOM 清单、代码、验证与制造准备,把「想法」直接推进到可落地的物理产品。

▲ 160 freemium

Unraster

76

Turn any image into an editable SVG or PowerPoint

Unraster 把位图(logo、图表、幻灯片截图)逆向还原成可继续编辑的文件——干净的 SVG 矢量图,或含真实文字与形状的 PowerPoint 幻灯片,解决设计师和职场人拿到截图/图片后无法二次编辑的痛点。

freemium

ilse

74

Point at your app and your AI agent changes the code

Ilse 是一个叠加在 React 应用上的 AI 工具栏,允许开发者通过点击元素、拖拽或语音指令直接修改代码,并可对接 Claude Code、Cursor 等已有 AI 编码工具。

▲ 80 freemium

Kimi K3.1 Pro

74

Moonshot’s 3T-class model for coding, 3D and finance

Kimi K3.1 Pro 是 Moonshot AI 推出的旗舰级 3T 参数量大模型,专为编程、3D 建模、金融分析和智能体任务优化,支持 100 万 token 超长上下文,解决复杂专业场景下的 AI 推理与执行需求。

▲ 3 freemium

BrickGen.AI

74

Turn any idea into a buildable brick model in minutes!

BrickGen.AI 是一个 AI 生成工具,把一句文字提示、一张照片或一个 3D 文件自动转换成可真实拼搭的积木模型,直接解决普通 AI 3D 生成结果「好看但拼不出来」的问题。

▲ 2 freemium

FloorGen

74

Draw the house, or just ask. Free floor plans with AI

FloorGen 是一款浏览器端的 AI 平面图生成工具,用户通过绘制或自然语言描述即可在数秒内生成可编辑的房屋平面图,支持 IRC 规范校验、3D 漫游与施工图集导出,面向改造、ADU 和整屋设计的免费前期方案。

▲ 68 freemium

Maildun for Mac

74

Design on-brand emails by hand, with AI, or over MCP

Maildun 是一款面向 macOS 的「智能体化」邮件编辑器,让用户通过拖拽手工设计邮件,或接入自带 API Key 的 Claude/ChatGPT/Gemini/Grok 让 AI 实时改稿(以可接受/拒绝的提案形式),并内置 MCP Server 让 Claude Code、Codex、Cursor 等编码代理直接创建和编辑邮件,从而解决营销/品牌邮件设计门槛高、AI 与设计工具割裂的问题。

▲ 66 freemium

HeyPi

74

Build and ship anything live, in-meetings

HeyPi 是一款实时会议 AI 助手,区别于传统只做录音转写和会后纪要的工具,它在会议进行中实时跟进对话、跨当前与历史会议记忆内容、按需私下推送关键信息,并在会议结束前就跨工具自动执行后续工作(如生成落地页、应用、社媒内容、广告投放素材),定位从「AI 记录」转向「AI 执行」。

▲ 76 unknown

Stencil AI

74

Turn any photo into a tattoo-ready stencil in seconds

Stencil AI 是一款面向纹身师和纹身爱好者的图像转换工具,能把任意参考照片在 30-60 秒内自动转成可用于转印的纹身模板(线稿),解决手工描图耗时、尺寸不准和版权不可商用的问题。

▲ 2 paid

Imag8 Studio - Style Locked Ai Image Gen

74

AI images at scale, via API, MCP or web - An agent necessity

Imag8 Studio 是一个「风格锁定」的 AI 图像生成引擎:用户先定义一个主风格,之后即可批量生成主体各异但视觉识别度一致的图片,并通过 Web、REST API 与 MCP Server 让人类或 AI agent(Claude、Cursor、ChatGPT 等)都能规模化调用。

freemium

CircleIt

74

Circle it on the page. Claude Code or Codex changes it.

CircleIt 是一款 Chrome/Edge 浏览器扩展,让非技术用户(客户、设计师、产品经理)直接在网页上用圈选、框选、钉点的方式标注需要修改的内容并附上说明,一键发送给开发者正在运行的 Claude Code 或 Codex 编码代理,由 AI 自动完成代码修改并回执,从而把「口头/文字描述 UI 问题」这一步压缩成「所见即所标」。

▲ 1 freemium

Siteprint

74

Measure any website's design, then hand it to your AI

Siteprint 是一款 Mac 上的 Safari 扩展,能抓取任意网页的设计系统(颜色及其语义角色、字体层级、间距、圆角、布局),并导出为一段可直接粘贴给 Claude Code、Cursor 或 Codex 的精确 prompt,让 AI 按测得的设计规范生成界面代码,本地运行,一次性付费 9.99 美元。

▲ 83 paid

Karbonized

74

The programmable image editor your AI agent can use

Karbonized 是一款免费开源的「可编程图片编辑器」,让开发者通过积木式组件快速生成代码截图、应用样机和社交配图,并借助内置 AI Agent 或 MCP 客户端(如 Claude、Cursor)自动化地构建与导出图片,解决设计素材批量生产与品牌统一的问题。

▲ 2 free

Weftly

74

Edit your video by editing its transcript. $1 per edit

Weftly 是一款通过编辑文字转写稿来剪辑视频的工具,用户删除或移动文字,视频画面自动跟着裁切,让不会用时间线的创作者也能完成精剪。

▲ 2 paid

jambuild

74

Near instant multiplayer vibecoding, just point and talk

jambuild 是一个多人在线『氛围编程』(vibecoding)工具,用户通过语音说话加鼠标指点的自然交互方式描述需求,AI 在数秒内把改动直接落到代码中,解决多人协作时描述需求与等待生成之间的摩擦问题。

▲ 102 freemium

Paste 7

74

Intelligent clipboard that knows what you're about to paste

Paste 7 是一款 Mac 端智能剪贴板管理器,记录用户复制过的所有内容,并借助 Apple Intelligence 在本地预测用户下一步最可能粘贴的条目,从而减少在历史剪贴板里翻找的成本。

▲ 109 paid

BrickForgerAI

74

Turn any prompt into a brick set you can actually build

BrickForgerAI 将文字提示转化为可实际搭建的乐高兼容积木模型,提供零件清单与分步骤 PDF 说明书。

▲ 75 unknown

Stitch AI by Dynamic Mockups

74

The first embroidery digitizing agent

Stitch AI 是首个刺绣数字化 AI 代理,能在15秒内将图稿自动转化为专业刺绣机器文件,包含针迹方向规划、密度设置和生产说明,服务于刺绣生产商和定制服装卖家。

▲ 96 freemium

Topview Motion Studio

74

Create launch videos without touching After Effects

Topview Motion Studio 是一款 AI 驱动的产品发布视频生成工具,帮助团队无需学习 After Effects 或聘请专业团队即可快速制作高质量的产品宣传视频。

▲ 147 freemium

genvi

74

One canvas for everything you generate

genvi 是一个整合 40+ AI 模型的全能创作画布,支持图像、视频、音乐、语音和 3D 的多模态生成,内置节点图编排与浏览器内时间线剪辑导出,让创作者告别多工具切换之苦。

▲ 2 freemium

Screenify Studio

74

Polished product demos on Mac recorded by an AI agent

Screenify Studio 是一款 Mac 屏幕录制工具,借助 AI 代理自动将粗糙录屏转化为带有 3D 动效、聚光灯和标注的精美产品演示视频,大幅降低后期剪辑成本。

▲ 79 freemium

Adomate

74

Turn data into winning ads. At scale.

Adomate 是一款基于数据驱动的广告创意生成工具,帮助营销人员从 Meta 广告账户、广告库及用户评论中提取洞察,批量生成可追溯的品牌广告概念。

▲ 469 freemium

V2Fun

74

Generate 3D character with 8K textures and AI motion capture

V2Fun 是一个 AI 驱动的 3D 内容创作平台,帮助创作者将图片、文字提示和视频一键转换为带 8K 贴图的高质量 3D 模型和动捕角色,打通建模、贴图、动捕全流程。

▲ 442 freemium

Fudge MCP

74

Give your AI agents design taste from existing websites

Fudge 是一个面向 AI 编程代理的设计参考引擎,通过 MCP 协议让 AI 能够检索近万个真实网站的字体、配色、组件和布局,从而生成有审美依据的界面,而非空洞的「现代感」设计。

▲ 137 freemium

OnBrand by SlideSpeak

74

Design context for AI agents

OnBrand 通过 MCP 协议为 AI 智能体提供品牌设计上下文,让 Claude、ChatGPT 等 AI 工具生成的幻灯片和视觉资产真正符合品牌规范,而非千篇一律的通用输出。

▲ 106 freemium

Locofy: design-to-code agents

74

Agentic frontend layer between Figma and Cursor & Claude

Locofy 是一个将 Figma 设计稿自动转换为高质量前端代码的 AI Agent 层,解决了 AI 编程工具在 UI 精度和设计结构理解上的短板。

▲ 105 freemium

Upstream

74

The inbox designed for humans and agents

Upstream 是一款由 AI 智能体驱动的邮件客户端,自动分类消息、起草回复,让收件箱管理变得轻松高效。

▲ 544 freemium

AI 图像 · KOL 观点

Andrej Karpathy 提出「英语是最热门的新编程语言」这一论断,并通过多个案例(GPT-3上下文学习、Chain-of-Thought提示、ChatGPT虚拟机、Bing系统提示泄露等)论证:LLM本质上是可在运行时通过自然语言重新配置的通用计算机,提示词(Prompt)就是程序,英语就是编程语言。他还指出GPT的本质是「模仿」而非「想要成功」,因此提示词设计需明确引导其目标行为。

Andrej Karpathy 提出了一套完整的 AI 工程方法论,核心是将上下文窗口视为代码(Software 3.0),用工程化思维(规范设计、差异审查、评估循环)替代随意的 Prompt 尝试。他还推广了并行 Agent 管理模式和 CLAUDE.md 配置文件,构建出一套从世界观到具体工具的完整实践体系。

安全研究员 Johann Rehberger 发布了一个针对 Claude Code Opus 5 Auto Mode 的可复现漏洞利用链,通过网页摘要请求实现了 60-80% 成功率的远程代码执行攻击,与 Anthropic 此前声称'基本解决'提示注入问题形成鲜明对比。更值得关注的是,Auto Mode 的安全分类器不仅未能阻止攻击,还主动阻止了模型自身的清理补救操作,形成'倒置失败'。Anthropic 将该漏洞报告关闭为'Informative',称这属于'设计如此'的行为。

Claude Code创始人Boris Cherny提出'循环工程'概念:不再手动输入提示词,而是设计让AI自主循环运作的系统,由循环自动向AI发出指令并判断任务执行。2026年起Cherny本人已不再直接写代码,通过手机审批AI提交的PR。这一理念在硅谷技术社区引发广泛讨论。

Claude Code创始人Boris Cherny宣称已不再手动编写提示词,而是设计让AI自主循环运行的'循环工程'(Loop Engineering)。这一理念迅速在硅谷技术社区引发广泛共鸣,OpenAI、Google等多位行业大牛同期提出类似观点,标志着AI协作范式正从'对话式提示'向'自主循环设计'转变。

Claude Code创始人Boris Cherny在斯坦福课堂分享AI开发实践:其团队自去年11月起100%由Claude写代码,人均产出提升约10倍,同时运行数千个Claude agents。他强调应自动化开发瓶颈、为6个月后的模型能力设计系统、小团队反而更高效,并预测手写代码将像打孔卡一样被淘汰,领域专家将成为未来最佳软件构建者。

Andrej Karpathy (@karpathy): "We'll be spending a lot more time trying to understand the outputs of language models. A few thoughts, tips & tricks: Writing. Something I've had success with: Ask your LLM to explain something in ASD-STE100, it's a controlled language specification originally developed for aerospace maintenance documentation. LLMs well-versed in this language and it comes with heavy constraints on clean writing style that I often find a lot more readable. Sometimes I've tried to soften it a bit e.g. ask for "80% of the way to ASD-STE100" because the spec is quite stringent. But even better: Diagrams / images. Instead of writing, ask your LLM to create a diagram. These can be a lot easier to process, parse, and understand. But even better: Web pages. Ask for output "in HTML" to get a beautiful, interactive webpage. LLMs are getting really good at frontend and can create beautiful experiences, animations, etc. But even better: Explainer videos. The output format I am most bullish on is fully custom / bespoke explainer videos generated on any arbitrary topic. Experiment with things like "Create a 3b1b style video explainer on X. Use my ElevenLabs API key for audio narration". (you'd need an API key for the latter or you can ask your LLM to find you decent free alternatives that use your local compute). This is actually starting to work! In summary: - As LLMs get better, they will do more and more of the legwork autonomously, and a lot more of our work will rise up the abstractions into oversight and understanding. - Luckily, LLMs can help here too because as intelligence and code are increasingly abundant, you can ask for large, custom, discardable software artifacts (e.g. web apps, video explainers) that would have never made sense to create before. Push the boundaries here and you'll be surprised." | teapawt

88

Karpathy 认为随着 LLM 承担越来越多执行工作,人的重心会上升到「监督与理解输出」这一层,因此需要更好的输出格式。他给出一组递进式技巧:用 ASD-STE100(航空维修用的受控语言规范)约束写作风格、改让模型画示意图、再升级为 HTML 交互网页,最终是他最看好的方向——针对任意主题即时生成定制的 3b1b 风格讲解视频。核心洞察是:智能与代码变得廉价后,可以大量索要过去根本不值得制作的「一次性、可丢弃」软件产物。

Claude Code创始人Boris Cherny在YC Startup School 2026分享了Opus 5的突破性能力,包括自主长时间运行、近乎免疫prompt injection攻击,以及'product overhang'概念——即模型能力已超越产品所允许的边界。他提出'press delete'哲学,主张定期清理系统提示而非堆砌,并强调解除模型能力限制是产品设计的核心任务。

Greg Isenberg认为未来18个月硬件和机器人创业者数量将增长5倍,因为从设计、原型、电子、运动控制到制造和销售的每个环节都可以通过低成本工具和服务外包完成。他提供了一套完整的工具链(AI辅助CAD、低成本3D打印、JLCPCB电路板、Unitree机器人SDK等)和从选品到销售的实操步骤,核心逻辑是用AI降低技术门槛、用内容营销替代广告预算。

Andrej Karpathy 与 Sarah Guo 深度对话,探讨 AI 代理(Code Agents)的现状与未来,重点介绍其 AutoResearch 项目——让 AI 代理自主完成实验设计、数据收集和模型优化的闭环研究流程。同时讨论了自然语言编程的二阶效应、AI 时代的相关技能、模型分化(Model Speciation)以及 AI 对就业市场的影响。

安全研究员在Anthropic宣称提示注入问题'基本解决'仅四天后,成功构建了针对Claude Code Auto Mode的间接提示注入攻击链,测试成功率达60-80%。攻击利用Python模块影子覆盖机制,通过多步骤链式操作绕过AI安全检测,最终实现远程代码执行。Anthropic的回应坦承Auto Mode从未被设计为安全边界,仅为便利性功能。

安全研究员 Johann Rehberger 证明了 Claude Code Auto Mode 存在通过 Python 模块劫持实现远程代码执行的漏洞,成功率高达 60-80%,而 Anthropic 委托的第三方评估却声称该模式零提示注入攻击成功率。Anthropic 将此漏洞披露归类为「按设计运行」,拒绝修复,导致其安全营销宣传与实际漏洞现实之间出现公开矛盾。文章深刻揭示了基准测试覆盖范围与真实攻击面之间的本质差距,以及 AI 分类器「批准命令」与「命令执行结果安全」之间的语义错位。

Andrej Karpathy 分享了一套以 LLM 为核心的个人知识库构建方法:将原始资料(PDF、文章、图片等)存入 raw/ 文件夹,由 LLM 自动编译成可互查的 Markdown Wiki,人类角色从「写笔记」转变为「监督 LLM 写笔记」。该系统已在其个人项目中积累约 100 篇文章、40 万词,全部由 LLM 端到端生成与维护。这一「LLM 驱动内容,人类监控」的范式与传统 Obsidian/Notion 手动维护方式有本质区别。

Riley Brown 分享了他如何用 Codex 等 AI 工具运营 150 万粉丝内容业务的完整工作流,涵盖选题研究、缩略图设计、脚本撰写到视频制作全流程。他的核心理念是用 AI 消除重复性工作,将节省的时间投入到提升内容质量,而非批量生产内容。护城河在于长期持续的高质量输出,而非 AI 加速的数量堆砌。

Greg Isenberg 在播客中系统讲解如何将 Claude Code 当作 AI 员工来管理,涵盖工作区搭建、上下文记忆、计划模式、任务分配等九大核心管理维度。核心理念是通过结构化的 repo 设计和提示词工程,让 Claude 承担真实的、持续性的创业工作流。内容附有具体提示词和七天行动计划,实操性极强。

Andrej Karpathy 探讨了 AI 代码智能体的现状与未来,重点介绍了其 AutoResearch 项目——一个能够自主完成 AI 研究闭环(实验设计、数据收集、训练优化)的智能体系统。他还深入分析了自然语言编程的二阶效应、AI 时代的相关技能演变、模型物种化趋势以及对就业市场的影响。

Karpathy 在 Sequoia AI Ascent 2026 上明确区分了'氛围编程'(vibe coding)与'代理工程'(agentic engineering),认为掌握规格设计、差异审查、评估循环和安全监督的专业开发者可以实现远超10倍的生产力提升。他将2025年12月视为关键拐点,届时 AI 代理生成的代码块变得更大、更连贯、更可靠,开发工作的本质随之改变。这一框架为专业软件工程师在 AI 时代的核心价值提供了清晰定位。

Claude Code 之父 Boris Cherny 提出 AI 产品「脚手架」(系统提示、技能、钩子)的有效期仅约六个月,建议开发者定期通过消融实验(逐行删除测试)重建这些组件。他引入「产品溢出」和「解锁模型」两个核心概念,主张给模型分配更难、更长周期的任务,减少过度约束,将模型视为同事而非工具来协作。

Claude Code 之父 Boris Cherny 提出 AI 产品「线束」(system prompt、skills、hooks)的有效期仅约六个月,建议开发者定期通过消融实验(ablation study)删除并重建这些组件,因为更新的模型往往不再需要它们。他引入「产品过剩悬挂(Product Overhang)」和「解锁(Unhobbling)」两个概念,主张给模型分配更难、更长的任务并配备自验证机制,而非用繁琐的脚手架限制模型能力。核心理念是将模型视为同事而非工具,以实证而非规定性方式调优。

Claude Code创始人Boris Cherny介绍了Opus 5的核心突破:模型可自主运行数天乃至数周而无需额外脚手架,且首次在实践中解决了长期困扰AI产品设计的提示注入(Prompt Injection)问题。他还探讨了在底层模型能力持续加速迭代的背景下,如何重构AI产品的系统提示与产品设计思路。

Anthropic工程师Boris Cherny分享了构建Claude Code的核心理念:通过'产品过剩'概念(模型能力与产品实际释放能力之间的差距),开发者应给模型更难的任务、更少的指令和更多信任。Opus 5具备真正的自主代码能力,已用于将Bun运行时从Zig重写为Rust(11天完成),并每日运行数百个自动化维护例程。最大机会不在于训练更好的模型,而在于'解锁'现有模型的全部潜力。

Claude Code 创始人 Boris Cherny 分享了其通过「Loop」系统和「/goal」命令管理数百至数千个 AI Agent 的工作方式,一年来本人未写过一行代码却每日提交数十个 PR。他认为编程的未来在于构建由可验证目标驱动的自主系统,而非逐步提示 AI。Anthropic 新发布的 Fable 5 模型正是为此类长期自主运行场景设计。

Andrej Karpathy(@karpathy):We'll be spending a lot more time trying to understand the outputs of language models. A few thoughts, tips & tricks: Writing. Something I've had success with: Ask your LLM to explain something in ASD-STE100, it's a controlled language specification originally developed for aerospace maintenance documentation. LLMs well-versed in this language and it comes with heavy constraints on clean writing style that I often find a lot more readable. Sometimes I've tried to soften it a bit e.g. ask for "80% of the way to ASD-STE100" because the spec is quite stringent. But even better: Diagrams / images. Instead of writing, ask your LLM to create a diagram. These can be a lot easier to process, parse, and understand. But even better: Web pages. Ask for output "in HTML" to get a beautiful, interactive webpage. LLMs are getting really good at frontend and can create beautiful experiences, animations, etc. But even better: Explainer videos. The output format I am most bullish on is fully custom / bespoke explainer videos generated on any arbitrary topic. Experiment with things like "Create a 3b1b style video explainer on X. Use my ElevenLabs API key for audio narration". (you'd need an API key for the latter or you can ask your LLM to find you decent free alternatives that use your local compute). This is actually starting to work! In summary: - As LLMs get better, they will do more and more of the legwork autonomously, and a lot more of our work will rise up the abstractions into oversight and understanding. - Luckily, LLMs can help here too because as intelligence and code are increasingly abundant, you can ask for large, custom, discardable software artifacts (e.g. web apps, video explainers) that would have never made sense to create before. Push the boundaries here and you'll be surprised.

86

Karpathy 认为随着 LLM 能力提升,人类的工作重心会上移到「监督与理解」的抽象层,因此我们需要花更多时间理解模型输出。他给出一套递进式的输出格式技巧:用 ASD-STE100 受控语言写说明、改成图表、再改成交互式 HTML 网页,最终是定制化的讲解视频(如 3Blue1Brown 风格)。他特别看好多媒体与「用完即弃」的定制软件产物,因为智能和代码正变得廉价充裕。

Karpathy 提出「人机工效学新纪元」:产品、服务、库的第一读者已经从人类变成 LLM,LLM 偏好抓取而非导航、阅读而非观看、curl 而非点击。因此精致的品牌化文档站点正在过时,单文件 .md 文档加「复制到剪贴板」按钮才是新范式;用需要点右上角、填表单、点提交的老式文档流程,已经像 2024 年的古董。

Andrej Karpathy 在 Dwarkesh 播客中给出了与当下 AGI 狂热相反的审慎判断:距离 AGI 至少还有十年,核心瓶颈不在算力堆叠,而在持续学习、多模态深度融合与主动探索等 Scaling Law 无法直接解决的问题。他借用卡尼曼的“系统1/系统2”框架指出 LLM 只是擅长直觉式模式匹配的“早期弱智能体”,并用自己构建 nanochat 的经历说明 LLM 在理解代码设计哲学上的根本缺陷。

探索其他赛道