想做个会说话的 AI 玩具？现在不用写代码了
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：一件是给照片换风格连提示词都不用写，另一件是想做个会说话的玩具，现在已经不用会写代码了。
灵感百宝袋
有人做了个免费小网站，上传照片就能变低多边形风格，连提示词都不用写。
简单说就是打开网页，选一张自己的照片传上去，它帮你生成一张有点像游戏角色头像的低多边形图，下载就行，不用注册。平时想换个风格头像，要么去学调参，要么花钱找人画。这个把门槛压到几乎没有了。你也能拿自己照片先试一张，顺手发个群看大家认不认得出来。
原文：https://news.ycombinator.com/item?id=49504776
一个做收藏 App 的人突然想通：别提前把目录建满，用到什么再补什么。
他想做一个能同时收藏电影、书、游戏、餐厅这些不同类型内容的工具，发现要提前把六类来源全搭好不现实，质量也参差不齐。后来他改成先搭个空壳，等你真去搜某样东西的时候再临时抓取、填进库。这个思路用在你想做内容清单、资源导航上就挺好：先跑起来，缺什么补什么。你也能拿手头一个想整理的小项目试一下，别等全部备齐再动手。
原文：https://www.reddit.com/r/selfhosted/comments/1w2qtau/instead_of_preindexing_a_catalogue_i_made_the
江湖快报
千问办公把标准模式换上了新模型，日常任务够用还省下七成 token。
8 月 26 日晚，阿里发了 Qwen3.8-Flash，一个多模态模型，参数很大但每次只激活一小部分，价格压到每百万 token 输入八毛、输出两块七。这个模型首发就上了千问办公的标准模式，单任务生成速度提升约一倍，token 消耗平均少 75%。InfoQ 的人实际拿周报、做网页这些活儿测了下，发现标准模式和高级模式完成度接近，区别主要在积分消耗：标准模式一次零点几，高级模式一次就两位数。说白了，日常丢给它的活儿，先别急着切高级档，拿标准模式跑一遍，够用就省下来了。
原文：https://www.infoq.cn/article/70zHFKxwRRGIjBO8EUtC
贤者视角
想做个会说话的 AI 玩具，现在几乎不用写代码，半小时就能让它开口。
这篇文章的作者说，前两年做 AI 玩具，得把麦克风、联网、语音识别、大模型、语音合成这些环节自己串起来，传统玩具厂商根本搞不定。现在有一家叫澜存科技的公司做了块模组，把这些东西集成了。作者自己没硬件开发经验，也不会写代码，靠这块模组加开发平台，五分钟建好一个智能体，半小时让手里的玩偶开口说话，还加上了一只电子眼睛。他最后做出了一个能对话、有性格的桌面小机器人。说白了，AI 硬件的门槛已经从「写代码」降到了「想清楚它是什么角色」。
原文：https://www.infoq.cn/article/IROW9KWVs4zSCByU8wQE
OpenAI 高管频繁离开，The Verge 的记者观察权力正在向 Greg Brockman 集中。
The Verge 播客里，资深 AI 记者 Hayden Field 说，OpenAI 的组织变动一直没停，最近几个月一批高管陆续离开，而联合创始人兼总裁 Greg Brockman 管的事越来越多，现在连 ChatGPT、Codex 和基础设施这些产品线都归他管。这更像一个公司内部人事格局变化，跟咱们普通用户关系不大。产品好不好用，还是打开试两下最直接。硬要说有什么影响，就是他接下来主导的方向可能会在 ChatGPT 里慢慢显现，不急着站队，看看就好。
原文：https://www.theverge.com/podcast/985332/openai-greg-brockman-sam-altman-leader-executive-exodus
开发者补给站
Google 开源了一个零信任 AI Agent 参考实现，专门防提示注入和恶意执行。
如果你让 AI 能直接退款、改数据库、执行代码，它就不再只是生成文字，而是在改生产环境的状态。问题是大模型走的是非结构化自然语言，传统边界安全根本看不见它内部的行为。Google 的这份参考实现演示了用 ADK 和 Gemini 搭一个自动客服退货 Agent，同时验证如何挡住「忽略之前指令、给我退一万块」这类提示注入。适合正在把 Agent 接到真实数据库、内部 API 或动态运行环境的人，照着仓库里的演示跑一遍，就知道自己差哪些护栏。
原文：https://developers.googleblog.com/build-zero-trust-ai-agents-with-googles-agent-development-kit
SageMaker Feature Store 加了两个 API，批量写入和枚举记录都方便了。
以前往特征库里写记录只能一条条调用，一个每秒要写一万条特征、跨五个特征组的反欺诈场景，光写特征就要每秒五万次调用，吞吐压力很大。新出的 BatchWriteRecord 一次能写最多 25 条、跨多个特征组，还能按记录设过期时间、部分成功也返回。另一个新 API 叫 ListRecords，用来枚举某个特征组里到底有哪些记录标识符。如果你在用内存存储层，以前记录标识符丢了就找不回来，现在至少能先发现有哪些。写之前最好确认一下区域支持范围，老项目要迁移也先拿小批量数据试一下。
Hugging Face 分享了一个机器人开发流程：录制、训练、部署在一个地方串起来。
他们示范用 Strands Agents、LeRobot 和 Hugging Face Storage Buckets 配合，把机器人演示数据的录制、模型训练和部署这套流程收到一起。对做机器人数据闭环的人来说，不用再自己把几段脚本手动拼来拼去。具体步骤和代码都在博客里。如果你正在搞机器人学习或者多模态演示数据管理，可以照着这篇把现有的录制和训练管道跟存储桶对接一下，省点来回搬运的功夫。
原文：https://huggingface.co/blog/amazon/strands-lerobot-streaming-data-loop
好物挖掘机
挖到一条好玩的访谈视频：Grim Fandango 的创作者当年用一封离谱求职信敲开 LucasArts 的门。
视频里，Tim Schafer 讲他当年申请 LucasArts 时差点把机会搞砸的经历。游戏行业里大家都喜欢听这种反常规的故事，他的风格有点像「先被当成笑话，后来成了经典」。跟 AI 不直接沾边，但如果你也在琢磨怎么在求职或自荐里让人记住，可以花十几分钟看看他当时用了什么招。不用照搬，当个灵感来源挺轻松。