AI 不再替你把问题都盖掉，该回头打磨自己的用法了
本文由 AI 自动整理生成，可能存在错漏，请以原文链接为准。
今天想跟你分享两件挺戳人的事：有人拿手机随手拍段视频，就能把人变成可以转着看的 4D 模型；还有开发者发现，AI 的「免费午餐」快吃完了，开始认真盘算哪个活交给哪个模型。
灵感百宝袋
手机随手拍的普通视频，也能把一个人变成可以转着看的 4D 模型了。
过去做这种能转着看的动态人物，要么得架好几台相机，要么生成出来的各个角度看着是那么回事、细看就漂。这篇论文的突破在于，它把要生成的角度分成小组来回倒腾，让全局不散架，再把结果变成能转着看的 4D 动态模型。现在还处在研究阶段，没有现成工具能直接上手。今天能做的：把你手机里一段拍人的普通视频留着，等这类能力开放出来，第一时间拿它试试能不能生成多角度效果。
原文：https://arxiv.org/abs/2608.20335
AI 的「免费午餐」快吃完了——过去靠换新模型盖住的问题，现在值得花时间回头打磨了。
开发者 Simon Willison 的博客里，转引了开发者 Drew Breunig 的一个观察：以前花太多时间优化自己的工具链和上下文策略，显得很傻，因为新模型总会用差不多的价钱把大多数问题盖过去；可后来一个叫 Fable 的模型很强，但贵得让人心疼，其他几个模型又够用，于是大家开始认真想哪个活该交给哪个模型。对你我这样的普通用户也一样：别总等着更便宜更强的模型替我们兜底。今天就能试的是，把你最常干的几件 AI 活列出来，顺手标一下哪些其实用便宜档的模型就够，把贵的留给真正难啃的那几件。
原文：https://simonwillison.net/2026/Aug/23/drew-breunig
江湖快报
摩尔线程说把长文本的「读」和「写」分开跑，推理成本能降一截。
简单说，AI 读进一大段资料时主要费算力，往外吐字时主要费显存带宽。以前这两件事挤在同一批硬件上，怎么配都有一边浪费；他们提出的新做法是把这两摊活拆到不同的硬件资源池里，各干各最擅长的。这更像行业底层的优化，短期不会直接改变你手里的产品。但这类活多起来，以后你分析超长文档、让 AI 写长代码时的响应速度和价格才有往下走的底气。
原文：https://www.ithome.com/0/993/370.htm
贤者视角
Fireship 这期视频把两件事拼在一起：DeepSeek 回归，OpenAI 据称暂停最大训练。
科技博主 Fireship 在视频里说，DeepSeek 这波回来让硅谷那边挺紧张，同一时段还传出 OpenAI 暂停了它史上最大一次训练——当然这些更多是行业里的风声，不是官方公告。对普通人来说，信号其实很直接：模型追得快，价格和效率重新成了主战场。与其追每个新模型，不如回头看看自己常用的那几件事，便宜的模型是不是已经悄悄够用了。
原文：https://www.youtube.com/watch?v=xBByvFrqmWU
Scott Belsky 最新判断：最好的软件，是只有你才有的那一套。
Implications 简报的作者 Scott Belsky 说，我们正在从「人人都用同一套通用软件」的时代，转向「软件按你的流程长出来」的时代；他还提出一个叫「受偏爱的代理」的趋势——用户以后可能不再每次去市场比价，而是习惯把活派给最顺手的那个 AI 代理。这个视角挺耐琢磨：真正拉开差距的，可能不是你多会找工具，而是你攒出了多少专属于自己的小工具、提示词和流程。哪怕从两个专属模板开始，也算迈出第一步。
原文：https://www.implications.com/p/5-things-top-product-leaders-love
Fireship 演示了一家公司怎么用摄像头，查出一辆车都去过哪儿。
前面提过的 Fireship 还拍了另一期，讲的是一家叫 Flock Safety 的公司。据他演示，这家公司把广泛部署的摄像头网络连起来，车牌被拍到后，就能拼出一辆车到过哪些地方。听着有点背后发凉，但也提醒我们：日常出行留下的数字痕迹，可能比想象中更容易被串起来。能做的很朴素，就是留意哪些服务在拿你的位置数据，少授权不是坏事。
原文：https://www.youtube.com/watch?v=E7la7-dtfVM
Meta 的新模型想更深地「住进」你的生活，方便和隐私又成了同一枚硬币。
还是 Fireship 的视频，这回聊的是 Meta 的方向：让模型拿到更多你的日常数据，换来更懂你的体验。他把这形容成「深度访问」你的个人生活。这类方向不是第一次出现，但每次听到都值得停一下：你要换来的这点方便，到底值不值得交出那部分自己。这个问题没有标准答案，但值得自己回答一次。
原文：https://www.youtube.com/watch?v=G55HSGpuh1M
开发者补给站
把 PostgreSQL 内部跑成一座 3D 城市，浏览器打开就能看查询怎么流动。
后端开发者应该会喜欢这个：PGSimCity 把 PostgreSQL 集群的内部机制做成交互式 3D 城市。客户端连接从北边进来，Postmaster 在城里派生工作进程，shared_buffers 是市中心一大片网格，WAL 被送到东边区域，autovacuum、checkpointer 这些住在西侧维护区。更妙的是它接入了 PGlite，能在浏览器里直接跑编译成 WebAssembly 的真实 PostgreSQL。把 shared_buffers 设小能看到缓存淘汰竞争，把 work_mem 调低能看到临时文件溢写。拿来带新手理解数据库内核，或者自己排查概念盲区，都比死磕文档直观。Apache-2.0 开源，还催生了 ClickHouse 的衍生版。
原文：https://www.infoq.cn/article/umVdo2GaEyONQLWNmPZ9
Vercel 出了个轻量开源编码代理 fx，想给开发者一个不笨重的选项。
这个 fx 来自 Vercel，定位是小巧的编码智能体，不是那种把整个 IDE 都占满的大插件。对喜欢在终端里敲命令、或者想把编码代理嵌进自己流程的人，多了一个可以折腾的开源选择。目前公开信息还不多，功能边界和稳定性都得自己验证。动手前先翻一遍仓库的 README，跑通一个你手头的最小任务再说，别急着替换掉现有流程。
原文：https://www.producthunt.com/products/fx-by-vercel
公共 GitHub 统计卡片老挂，有人做了个自己托管、用自己的 API 配额的版本。
玩自托管的人应该懂这个痛点：那些公共的 GitHub 资料统计卡片服务经常因为共享限流而渲染失败。这个项目让卡片跑在你自己的机器上，用你个人的 GitHub API 配额生成 SVG，再嵌进 README 里，分数和字母等级都自己算。仓库是 MIT 协议，用 docker compose 就能起。门槛也在这：你得有台一直开着的机器和一个 GitHub token。自己用用挺好，不稳定也没人可怪。
好物挖掘机
AI 做的原型，发个链接就能在页面上收反馈。
ProtoNote 做的事很轻：你拿 AI 快速搭了个原型，把链接发出去，对方不用注册，直接在页面上钉评论、给反馈，像给原型贴便签。对产品、设计或者想快速验证想法的人挺顺手的。目前细节还不多，中文支持和访问速度都得自己试。急着要用的，拿一个你已经做好的小原型丢进去看看，反馈收集顺不顺，跑一轮就知道了。
原文：https://www.producthunt.com/products/protonote
Windows 上多了一个把语音放前面的 AI 层，还在 beta。
Flunkey 想让你在 Windows 上用说话的方式驱动 AI 干活，不是打字、不是点来点去。对那些习惯语音输入、或者手忙不过来的人，方向挺顺。它还挂着 beta，稳定性大概率一般，别拿来做关键工作。先装起来试几个简单指令，看看它能不能听懂你、执行顺不顺，再决定要不要留。
原文：https://www.producthunt.com/products/flunkey
想把桌面、浏览器和聊天一起交给 AI 代跑，这款产品信息还太少。
AutoClaw 的设想是让一个 AI 代理跨着桌面、浏览器和聊天工具帮你做事，省得你自己来回切窗口。听着像效率提升，但也得看它实际能稳多久、会不会乱动你的账号。现在公开资料太少，没法判断到底靠不靠谱。先放收藏夹观察一阵，等有真实用户反馈了再上手也不晚。