https://www.candobear.com/detail/l_67e4c512e4b0694c5ab304d7/4阅读路径:先读第二组,看一篇文章的配图怎样从构思走到定稿;再读第三组,把同一套分工迁移到主题研究;第四组解决提示词和经验怎么积累。第一组交代为什么不能只追热点。只看一组就看第三组:它解释了为什么研究交给 AI 后,人反而更需要研究能力。
一句话结论:如果不保留人的问题定义、审美判断和版本积累,即使换上更强的作图与研究模型,也难以稳定提高真实工作的交付质量。
howie 先给出一个强判断:凡是 AI 能完成的事情,最终都会由 AI 完成。他用翻译举例:此前用模型翻译,按自己的专业标准仍要大量修改;后来再用更强的模型,整篇只剩少量地方需要调整。他据此提醒,不能继续把 AI 当作与工作无关的新奇玩具。
但他紧接着补上另一面:人会不断适应。某项能力刚出现时叫人工智能,逐渐熟悉后被叫作机器学习,再后来只是一个算法。这不是严格分类,而是他用来说明认知变化的说法:今天让人震惊的能力,过一段时间可能成为理所当然的基础设施。
两条放在一起,重点不是预测哪个职业何时消失,而是改变行动位置。只看生成图片、发朋友圈、收几个赞,是参与热闹;拿它解决文章配图、封面、贴纸等真实需求,才开始参与生产。衡量标准从「它好不好玩」转成「它替我交付了什么」。
Ben哥可以把这个标准落到 tasks.md 的任务描述中:以后研究类任务明确列出「要支持的决定」「最终交付物」「可检查的变化」。例如读完一场直播,不把「已读」当成完成,而写清要提炼哪条工作方法、落到哪个真实环节。这里是后续字段方案,本轮不读改该文件,也不把生成了一篇文章等同于已经产生业务效果。
讲者反复强调,这次 GPT-4o 作图不能只理解成旧功能换了一种画风。他把过去的方式描述为多个模块拼接:语言模型解释需求,再交给外部作图模型;这次则强调同一多模态模型中的图片理解与生成。他希望听众理解的是:负责画图的系统不只处理画面,还能利用对话内容与世界知识。
他用扩散和自回归作对照,把后者解释成根据前面的内容生成下一个单位,并据此说明为什么自己感受到更好的文字呈现、指令跟随和角色一致性。这里既有技术解释,也混有现场体验与夸张评价,不能把整段都当成已验证的架构论文。
真正值得带走的操作原则是:别从功能按钮是否相同推断能力是否相同,要拿自己的任务重测。 他自己也是先集中测试,再展示文章配图和局部修改,而不是仅凭社交平台上的风格图下结论。
| 观察点 | 讲者用来说明的变化 | 工作中应该检查什么 |
|---|---|---|
| 文字呈现 | 比过去更能处理图中文字 | 要求的词有没有错、漏、变形 |
| 指令跟随 | 能改词,也能调整人物朝向 | 指定变化是否发生,其他内容是否被误改 |
| 多轮一致性 | 连续修改仍能保留主体 | 人物、画风和构图是否前后连贯 |
| 上下文理解 | 配图能利用文章与对话 | 图是否表达这一段,而非泛泛装饰 |
对 ~/.agent-autoloop/report_html.py,可提出一个新增函数 validate_illustration_brief():检查配图说明是否含「要表达的观点」「必须保留的文字」「允许修改的部分」。它只核对需求是否完整,不能假装已经看懂图片。图中文字与人物朝向仍需对照实际图检查。函数名是本篇拟议接口,不是对现有代码的描述;本轮没有检查或修改脚本。
讲者展示「养育孩子的七个真相」配图时,并不是直接让作图模型猜文章。他先把文本交给 GPT-4.5,让它提炼视觉呈现,再选出此前生成的一张图作为风格参考,要求把新内容和参考样式结合;还明确提出四幅图组成拼图、使用横向版式。
这套做法把两个问题拆开了:这段话值得画什么,是理解与构思问题;画成什么样,是视觉表达问题。他认为写文章的模型和负责生成图片的模型可以分工,在同一对话中切换,让各自处理擅长的环节。原文强调上下文窗口的限制,并没有承诺任何切换都能完整保留无限信息。
他又用《丁丁历险记》的参考图现场演示风格迁移。核心不是要求人把一种画风完整翻译成专业术语,而是借参考图表达视觉意图。但人的选择没有消失:选哪张参考图、这种画风是否合适,仍然依赖审美。
Ben哥的 ~/.agent-autoloop/report_html.py 可在后续配图输入中增加拟议字段 message、visual_plan、style_reference、layout:分别放结论、视觉方案、参考图和版式。先把报告中的一条真实观点填写完整,再进入作图环节。不能因为有图片就把它插进报告,也不能用装饰图暗示不存在的数据;本篇只是迁移讲者的分工方法,不新增报告事实。
在「坚持与顽固」配图案例里,讲者从简单描述开始,经过对话逐渐明确画面,最后提出两处精确修改:纠正一个词,让人物换个朝向。他还提到局部擦除后配合指令修改。这说明价值不只在第一次出图,更在于能否针对具体缺陷继续推进。
他总结的流程是:构思、第一稿、多轮迭代、必要时用 Figma 等工具做最终处理。构思既可以自己完成,也可以与模型头脑风暴,或借鉴官方案例。最终图片还可能进入既有模板,不需要把所有版式工作都强行塞给生成模型。
这里有一个容易忽略的分界:让模型改得动,与知道应该改什么,是两种能力。 他看完现场图后仍讨论云的位置和视觉表现,说明所谓生产级并不等于第一稿免审,更不等于人的品位可以省掉。
可在 kb/STANDARD.md 的后续图文交付规则中新增一张「配图修改记录」表,列「版本」「本轮只改什么」「必须保留什么」「实际结果」。例如写成「只纠正标题词语,保留画面主体和横向布局」,不要仅记录「重画一次」。这将配图反馈变成可复用经验;它是未来可采用的文档条目,本轮不修改标准,也不宣称已有这些列。
讲者把写文章、买麦克风、选学校、买书都归入主题研究:先遇到问题,再研究相关领域,形成领域知识,才能有效行动。所以 Deep Research 的重要性不在于替人多写一份长报告,而在于压缩原本耗时的信息获取、阅读理解与整合过程。
他对比了一种常见状态:说去研究,一周后仍没有结果,也没有行动;有了研究工具后,应该更快结束搜集阶段,转入做事。他使用「一个番茄」「十倍以上」表达自己的效率感受,这些是个人体验和主张,不是可直接套用到 Ben哥任务上的工期与收益承诺。
更重要的是,他没有说研究技能已经不需要。恰恰相反,先会研究,才知道怎样把工作交给 AI。AI 报告出来后,他仍会阅读、画线,把概念整理成 Logseq 中的块状笔记,形成自己的知识体系。拿到报告只是获得更密集的材料,不等于完成了学习。
对 knowledge.py,可提出新增函数 extract_research_blocks(),其拟议输出至少包括 concept、source_excerpt、my_understanding、related_task。它把一份报告拆成概念、原文依据、自己的理解和相关任务,而不是只保存全文。Ben哥可以先用人工填写的方式检验这四项是否有用,再考虑实现;代码现状与真实接口本篇未核验,不能把这个函数写成已经存在。
讲者用育儿文章解释「更高层面的抽象」:先与 AI 多轮交流,梳理自己多年积累的想法,否定一部分、保留一部分,也接纳对话中产生的新想法;必要时先做主题研究,读完后再整合框架,随后才进入写作。
他强调,文章并不是让模型不断回答「再讲一个真相」拼出来的。框架、观点和细节都由人把控。研究和写作环节节省的精力,可以重新投入标题比较、头图、配图和排版等原本顾不上的工作。
因此「不用亲自做每一项底层操作」不等于「不需要理解」。原文反复说 AI 的阅读、写作和研究能力越强,人的对应能力越重要:人要在更短时间内作更多选择。情感、品位、共情也被他视为差异化来源,而不是把所有价值都压在信息处理速度上。
对 reading.py,可提出新增函数 build_reading_decision_card(),输出拟议字段 accepted_claims、rejected_claims、rejection_reason、next_action。Ben哥读完 AI 报告后,用卡片明确接受什么、拒绝什么、为什么拒绝、接着做什么。不要让「生成完成」直接变成「知识吸收完成」。这只是可执行的设计建议,不声称脚本已经能够判断观点真伪。
讲者给出的 Deep Research 提示词不是一句「帮我深度研究」,而是先解释为什么研究,再说明研究什么、希望达到什么目标,最后列语言、篇幅、资料类型和呈现形式。他举的资料包括百科、书籍、学术或科普期刊、权威媒体;呈现形式可以指定图表、思维导图等。
他倾向多数情况下指定英文搜索和英文资料,也承认有时要指定中文。这个偏好不是要求所有研究都只用英文,关键在于主动交代来源与语言,而不是任由工具决定。
篇幅方面,他报告过「要求至少两万字反而出现截断」的经历,因此改成不设字数上限,不再给硬性最低字数。与此同时,他又展示过指定短文篇幅、模型自行压缩的例子。两者并不矛盾:长报告追求展开程度,短文章追求表达约束。哪些输出长度对应哪些稳定限制,原文未展开。
| 提示词要素 | 原文要求说明什么 | 应避免的模糊说法 |
|---|---|---|
| 背景 | 为什么现在要做研究 | 只报一个名词 |
| 主题与目标 | 研究对象,以及要得到的结果 | 「全面分析一下」 |
| 语言 | 搜索与资料使用什么语言 | 默认工具会自行选对 |
| 篇幅 | 精简还是充分展开 | 用长度冒充研究深度 |
| 参考资料 | 希望优先使用哪些类型 | 把所有来源当成同等可靠 |
| 呈现方式 | 是否需要图表等表达 | 结果出来后才想用途 |
可在 kb/STANDARD.md 后续新增「研究委托卡」,字段为 background、topic、goal、search_language、source_types、length_preference、output_format。Ben哥每次委托研究只改任务差异,保留已经有效的约束。对这篇直播蒸馏,资料范围就是所给转写,不因套用了研究模板就自行上网补材料;模板必须服从任务边界。
讲者把普通对话描述为同步的一问一答,把 Agent 描述为接收目标后,自行计划、使用工具、分步骤执行,并在遇到问题时调整路径。Deep Research 是他最重视的例子:任务交出后,可以在一段时间里独立搜集和整合,而不需要人每一步都发消息。
他也谈到不同厂商的相关工具,但这些是直播当时的产品观察,不是永久有效的排名。他自己明确说没有使用过 Operator,因此不能把这场当成全面横评。关于更长运行时间与更大上下文的说法,也包含对未来的推测。
最后他把两条主题收回同一个框架:道、法、术、器。理解原理,掌握方法,积累技巧,熟悉工具,再加上大量案例,才形成自己的能力。他用 Logseq 保存提示词和使用案例,反对每次从脑子里现想。凡努力必可积累,凡积累必可迭代,才是比一次漂亮结果更持久的收益。
Ben哥可在 knowledge.py 的后续方案中增加 record_prompt_revision(),拟议记录 prompt_version、change_reason、result_excerpt、remaining_issue;在 tasks.md 的结果描述中引用采用的版本与实际产物。这样研究失败时能分清是目标没讲清、材料不足,还是表达不合用,而非每次全部重来。本轮不改 cron-jobs.json,也不据这场直播自动新增研究调度;原文没有展开 Ben哥现有自动化的配置方法。
| 这条里的什么 | 对应你手上的什么 | 具体怎么用 |
|---|---|---|
| 从试玩转向交付 | tasks.md | 任务描述区分要支持的决定、交付物、可检查的变化 |
| 内容与风格拆开 | ~/.agent-autoloop/report_html.py | 配图输入分别表达观点、视觉方案、参考图和版式 |
| 精确修改与保留约束 | kb/STANDARD.md | 配图记录列出本轮变化、保留内容与实际结果 |
| 报告变成知识块 | knowledge.py | 拟增 extract_research_blocks(),同时保留概念与原文依据 |
| 人掌握框架与取舍 | reading.py | 拟增 build_reading_decision_card(),记录接受、拒绝和下一步 |
| 提示词复用与迭代 | knowledge.py | 拟增 record_prompt_revision(),留存版本差异与结果片段 |
| 目标型 Agent 不等于无限自动化 | cron-jobs.json | 本篇不产生调度变更;具体接入与配置原文未展开 |
原文:howie.serious《【howie 的 AI 主题讲座】ai 作图大法 + deep research 大法》,2025.03.28 直播回看。视频地址见文首来源行;所给转写没有可核定的总时长。
本篇依据:用户在本次任务提供的转写全文与指定格式样例。按作图能力、配图流程、主题研究、提示词积累四条主线重组;省去暖场、搬家、抽奖与活动安排。序号按本任务 q46 标为 46 / 53,不据此声称已审计整个目录的完成情况。
更正与边界:按上下文统一 GPT-4o、Deep Research、Logseq、《丁丁历险记》等明显误识别。原文关于扩散与自回归的解释、错误「完全消失」、替代专业人员及效率倍数,均属于讲者当时的解释或体验,不作为本篇核验过的技术与效果保证;模型定价、额度、产品状态和上下文猜测不外推到现在。未核查外部资料或源视频;未确认的细节按原文未展开处理。应用段落中的字段与函数均为本篇迁移建议,不是讲者原话,也不是本机现有接口的事实描述;本轮仅写本文,不改任何脚本、标准、任务表或调度配置。
定位:中文深蒸馏,不是逐字摘要。原文观点与「对你的实际应用」中的分析分开,本文为执行稿,不替代独立验收。