🆔 网站名称：Veo 3 Prompt Hub

⭐ 网站功能：AI 视频生成

📁 网站简介：一个专注于 AI 视频生成的资源平台，提供了丰富的高质量视频提示。汇集了多种场景的提示，包括 ASMR、科幻、战争、日常生活等，可以根据自己的需求选择合适的提示，快速生成高质量的视频。

🔗 网站网址：点击打开
📢 频道 ✈️ 群聊 📬 投稿 💵 商务

via AI绘画｜AI视频 | AI音乐 - Telegram Channel

🤖 ChatGPT被曝在用户情感化提示时秘密切换至更严格模型

OpenAI正在ChatGPT中测试一项新的安全路由功能。当用户提交涉及敏感或情感话题的对话时，即使选择了GPT-4o，系统也会自动将对话路由到更严格的模型，例如GPT-5或其“gpt-5-chat-safety”变体。若请求疑涉非法内容，系统则会切换至“gpt-5-a-t-mini”（界面显示为“GPT-5 Thinking Mini”）。技术分析显示，即使是无害的情感化或个人化查询也常被重定向。此举引发用户批评OpenAI缺乏透明度，认为这种做法让人感到被轻视。

(科技圈)

via 茶馆 - Telegram Channel

💡 中国AI热潮助推硬件股飙升，三巨头股价翻倍

中国三家硬件制造商——中际旭创、光迅科技和苏州天孚通信——因人工智能（AI）计算能力需求激增，今年股价均实现三位数增长，成为A股市场表现最佳的公司。其中，光迅科技股价翻了两番，中际旭创上涨235%，苏州天孚通信上涨166%。这些公司主要生产用于AI数据中心连接数千个GPU芯片的光模块。

英伟达计划投资英特尔50亿美元和OpenAI高达1000亿美元，以及阿里巴巴承诺投入超500亿美元发展AI，进一步点燃了投资者对AI相关股票的热情。云服务提供商订单预测的提升也推动了该行业发展，第二季度利润同比飙升125%。

这些公司主要客户包括全球科技巨头，如Alphabet（占中际旭创销售额的36%）和英伟达（苏州天孚通信的供应商）。为规避地缘政治风险和美国关税，这些公司已在泰国扩大产能。

尽管估值高企（市盈率已超五年平均水平）可能导致短期涨势难以持续，但国内充裕的流动性（万亿超额储蓄和创纪录的融资融券）以及国内公募基金的增持，预计将为该板块提供支撑。

(Bloomberg Markets)

via 茶馆 - Telegram Channel

马斯克第六次起诉OpenAI 称忍无可忍

via cnBeta.COM - 中文业界资讯站 (author: 稿源：新浪科技)

Telegraph

马斯克第六次起诉OpenAI 称忍无可忍

“忍无可忍，无须再忍，”马斯克这样在X平台上怒斥自己亲手创办的友商，第N次提起诉讼。上周，马斯克旗下的人工智能创业公司xAI在加州北区联邦法院提起诉讼，指控行业巨头OpenAI系统性有预谋地挖角其员工，非法窃取商业机密。 这已经是过去一年半时间，马斯克对OpenAI发起的第六次诉讼大战，诉讼从加州法庭升级到联邦法庭，指控也一次比一次严重，从最初的合同违约到不公平竞争到涉嫌垄断再到窃取商业机密。 这究竟是愤愤不平要说法，还是打击竞对的场外招？又或者这两者皆有之，还有待法院给出裁决。但可以肯定的是，两家公司…

俄罗斯公布 EUV 光刻路线图

俄罗斯科学院微结构物理研究所公布了国产极紫外（EUV）光刻机路线图，计划在 2026–2036 年间分阶段研发三代设备，目标制程从 40nm 推进至亚 10nm。

该方案采用不同于 ASML 的技术架构，使用氙等离子体光源和钌/铍反射镜，避免锡滴光源带来的碎屑问题。研发团队称，这将降低复杂度和维护成本，并覆盖 65 至 9nm 工艺节点，设备价格也将低于 ASML 的产品。

但业内指出，11.2nm 波长并非行业标准，涉及镜片、光源、光刻胶等大量技术难题，实际可行性仍不确定。分析人士认为，即便研发成功，其更多可能用于科研或实验，而非立即商业化。

Tom’s Hardware | X

🍀在花频道 🍵茶馆 📮投稿

via 科技圈🎗在花频道📮 - Telegram Channel

#AI #数据库 #开源

⭐ NocoDB - 将数据库转为电子表格

🐙 开源页面

NocoDB 通过可视化的方式将 MySQL、PostgreSQL、SQL Server、SQLite、MariaDB 等数据库转换为智能电子表格

支持本地部署，也可也在线使用

↗️ 相关阅读

▫️Teable - 一款开源的无代码数据库
▫️SQL Chat - 一个基于聊天的 SQL 客户端
▫️SQLBot - 基于大模型和 RAG 的智能问数系统▫️DB-GPT - 一个开源的以数据库为基础的 GPT 实验项目
▫️Chat2DB - 一款适用于各种数据库的智能SQL客户端和报表工具

📮投稿 📢频道 💬群聊 🔎索引

via 极客分享 - Telegram Channel

🤖 警惕AI编码陷阱：速度与可持续性的权衡

文章指出，软件开发的核心是解决问题，编码仅占一小部分。AI编码工具如Claude Code虽能“10倍”加速代码编写，但实际交付可用软件的生产力提升仅约“10%”。这是因为AI缺乏应用上下文，导致开发者需投入大量时间进行后期理解、测试和集成，最终沦为修复AI输出的“无趣”工作。

作者将此比作“技术主管的困境”：经验丰富的技术主管在追求交付速度时，常面临公平授权与包揽重任的矛盾。包揽虽短期高效，但长期损害团队健康并导致经验孤岛和人员倦怠。

为避免AI编码陷阱，文章建议将AI视为“闪电般快速的初级工程师”。它们速度惊人，但缺乏学习能力。有效利用AI需采取“AI驱动工程”而非“随性编码”模式，即通过最佳实践平衡交付与团队成长。这包括将AI融入软件开发生命周期的每个阶段：从需求规范、文档生成、模块化设计、测试驱动开发、编码标准到监控与内省。通过为AI提供结构、标准和流程，工程师能将AI的原始速度转化为可持续的交付能力，从而真正放大团队的生产力。

(HackerNews)

via 茶馆 - Telegram Channel

ChatGPT / AI新闻聚合

Spec-Kit 使用指南 什么是Spec-Kit？ Spec-Kit是GitHub开源的一个工具包，用于实现规格驱动开发（Spec-Driven Development）。它与AI编码工具（如GitHub Copilot、Claude Code、Gemini CLI）集成，帮助开发者构建更高质量的软件。 解决的核心痛点 ● "氛围编码"问题：传统AI编码中，你描述目标，得到代码块，但往往"看起来对，但实际不工作" ● 缺乏结构化流程：从想法到实现缺乏清晰的步骤和检查点 ● 质量不一致：生成的代码缺乏统一的质量标准和测试覆盖…

● 依赖关系：确认任务间的依赖关系

阶段4：Implement（实现）

目标：基于TDD原则实现代码

代码生成原则

让Claude生成代码时遵循：

● 必须先写测试（TDD原则）
● 获得测试批准后再生成实现代码
● 通过迭代测试和审查完善代码

Coding 实践

● 1.给AI的信息需要精简.
● 2.不允许AI随便生成文件.
● 3.前期用AI设计方案,再基于方案生成todo列表.
● 4.每个todo都要经过人工审核后,才能让AI实现这个todo.
● 5.每个todo任务修改后的文件都需要人工审核.
● 6.每次审核todo任务完成情况之后都要git push,防止修改错了可以回退.

与传统开发的区别

实际使用场景

1. 新功能开发：完整的四阶段流程，适合复杂功能开发
2. Bug修复：简化流程，重点关注测试和验证
3. 代码重构：先明确规格，再进行重构
4. API设计：详细的规格定义和测试用例
5. 团队协作：规格文档作为团队沟通的统一语言
6. 项目交接：完整的规格和文档便于项目移交

项目文件结构

使用Spec-Kit后，你的项目通常会包含：

my-project/
├── spec.md              # 项目规格文档
├── plan.md              # 技术实现计划
├── tasks.md             # 任务分解列表
├── tests/               # 测试文件
│   ├── unit/
│   ├── integration/
│   └── e2e/
├── src/                 # 源代码
├── docs/                # 项目文档
└── README.md           # 项目说明

故障排除

常见问题

1. /specify命令不可用

解决方案：

● 检查是否正确初始化了Spec-Kit
● 重新运行初始化命令
● 确认Claude Code版本兼容

2. 生成的规格不符合预期

解决方案：

● 使用更具体的描述
● 提供更多上下文信息
● 迭代修改，多次执行/specify

3. 技术计划不合理

解决方案：

● 在/plan命令中提供更详细的技术约束
● 明确现有技术栈和限制
● 手动修改生成的plan.md

4. 任务分解粒度不当

解决方案：

● 手动调整tasks.md中的任务粒度
● 合并过小的任务，分解过大的任务
● 明确任务间的依赖关系

性能优化

● 使用上下文优化命令减少重复加载： ● get-steering-context ● get-spec-context ● get-template-context

进阶技巧

1. 规格版本控制

为重要的规格变更创建版本标记：

## 版本历史
- v1.0: 基础用户注册功能
- v1.1: 添加社交登录支持
- v1.2: 增加多语言支持

2. 模板复用

为常见的项目类型创建规格模板：

● Web应用模板
● API服务模板
● 移动应用模板

3. 团队协作

● 建立规格审查流程
● 定期同步规格文档
● 使用规格作为团队沟通工具

总结

Spec-Kit通过引入规格驱动开发，将Claude Code从"聊天式编码工具"转变为"结构化软件开发伙伴"。它强调：

● 先思考，再编码
● 测试优先，质量保证
● 文档驱动，团队协作
● 迭代改进，持续优化

----------------------

本文档基于Spec-Kit官方文档和实践经验整理，如有疑问请参考官方GitHub仓库

via 掘金人工智能本月最热 (author: lizhongxuan)

Spec-Kit 使用指南

什么是Spec-Kit？

Spec-Kit是GitHub开源的一个工具包，用于实现规格驱动开发（Spec-Driven Development）。它与AI编码工具（如GitHub Copilot、Claude Code、Gemini CLI）集成，帮助开发者构建更高质量的软件。

解决的核心痛点

● "氛围编码"问题：传统AI编码中，你描述目标，得到代码块，但往往"看起来对，但实际不工作"
● 缺乏结构化流程：从想法到实现缺乏清晰的步骤和检查点
● 质量不一致：生成的代码缺乏统一的质量标准和测试覆盖

主要功能

1. 规格优先开发：先写规格说明，再生成代码
2. 四阶段工作流：Specify（规格化） → Plan（规划） → Tasks（任务分解） → Implement（实现）
3. 强制测试驱动开发（TDD）：必须先生成测试，再生成实现代码
4. 与AI工具无缝集成：支持Claude Code、GitHub Copilot等

环境准备与安装

前提条件（以Claude Code + macOS为例）

● 系统要求：macOS（支持Apple Silicon和Intel芯片）
● Claude Code：已安装Claude Code CLI
● Claude订阅：Claude Pro（20/月）或ClaudeMax（20/月）或Claude Max（20/月）或ClaudeMax（100/月）
● Python环境：Python 3.8+

安装步骤

1. 安装uv包管理器

brew install uv

2. 验证Claude Code安装

claude doctor

3. 从零开始构建项目

uvx --from git+https://github.com/github/spec-kit.git specify init <PROJECT_NAME>

(若已有项目)集成Spec-Kit

uvx --from git+https://github.com/github/spec-kit.git specify init --here

4. 启动Claude Code

# 进入项目文件夹
cd <PROJECT_NAME>

# 启动claude code
claude

5. 验证安装

在Claude Code中检查是否有/specify命令可用。

关键命令

完整工作流程

阶段0：Build（构建）

目标：设置项目环境和初始化Spec-Kit

1. 按照上述安装步骤完成环境配置
2. 确认所有命令可用
3. 准备开始规格驱动开发

阶段1：Specify（规格化）

目标：明确项目需求和规格

执行命令

使用/specify命令描述你要构建的内容：

● 专注于什么和为什么，而不是技术栈
● 描述用户旅程和体验
● 定义成功标准

示例：

/specify 我需要构建一个用户注册系统，允许用户通过邮箱注册账号，验证邮箱地址，并在注册成功后自动登录

审查和修改

执行/specify命令后，Claude Code会生成详细的规格文档（spec.md）。你需要审查并修改：

重点关注：

● 业务逻辑准确性：是否符合你的业务需求
● 功能完整性：是否遗漏重要功能
● 边界条件：错误处理、异常情况
● 性能要求：响应时间、并发用户数等
● 安全要求：认证、授权、数据保护

阶段2：Plan（规划）

目标：制定技术实现计划

执行命令

使用/plan命令提供技术实现规划：

示例：

/plan 使用Node.js + Express.js后端，MongoDB数据库，JWT认证，nodemailer发送验证邮件

审查技术计划

Claude Code会生成详细的技术计划，包括：

● 架构设计：系统整体架构
● 技术栈选择：前后端技术栈
● 数据库设计：数据模型和关系
● API端点规划：RESTful API设计
● 部署策略：部署和运维方案

阶段3：Tasks（任务分解）

目标：将规格和计划分解为可执行任务

执行命令

/tasks 将上述规格和计划分解为可执行的开发任务

任务列表管理

生成的任务列表需要你：

● 优先级排序：调整任务执行顺序
● 任务细化：对复杂任务进一步分解

#AI #数据库 #开源

⭐ NocoDB - 将数据库转为电子表格

🐙 开源页面

NocoDB 通过可视化的方式将 MySQL、PostgreSQL、SQL Server、SQLite、MariaDB 等数据库转换为智能电子表格

支持本地部署，也可也在线使用

↗️ 相关阅读

▫️Teable - 一款开源的无代码数据库
▫️SQL Chat - 一个基于聊天的 SQL 客户端
▫️SQLBot - 基于大模型和 RAG 的智能问数系统▫️DB-GPT - 一个开源的以数据库为基础的 GPT 实验项目
▫️Chat2DB - 一款适用于各种数据库的智能SQL客户端和报表工具

📮投稿 📢频道 💬群聊 🔎索引

via 极客分享

Invalid media: image

📸 微软Copilot新增AI照片自动分类功能，简化Windows 11图片管理

微软正在为Windows 11推出一项名为“自动分类”（Auto-Categorization）的AI新功能，旨在帮助用户整理杂乱的照片集。该功能利用基于AI的图像识别技术，能自动检测并将照片归类到四个特定类别：截图、收据、身份证明文件和笔记。微软表示，该工具支持“语言无关识别”，即使文档非英语也能进行分类。

用户可通过“照片”应用左侧导航栏的类别或搜索栏快速查找已分类的图片，从而节省时间、减少混乱并简化照片库导航。此功能目前正通过所有Insider渠道向Windows 11用户推出，但需要Copilot+ PC才能运行，并且“照片”应用需更新至2025.11090.25001.0或更高版本。

此次更新是微软将Copilot深度整合到Windows体验中的一部分。此前，Copilot已于2025年7月推出了Copilot Vision功能，并于本月首次应用于Windows游戏。此外，微软计划从10月起，在所有安装了365桌面应用的Windows设备上自动安装Copilot应用。

(PCMag.com)

via 茶馆 - Telegram Channel

claude.ai and Sonnet 4 errors

Sep 28, 14:06 UTC
Resolved - An issue affecting some claude.ai users of Sonnet 4 giving a 'conversation not found' error, has been resolved. All systems are now operating normally. We apologize for any inconvenience caused.

via Claude Status - Incident History

OpenAI 将用户请求秘密路由至新部署的安全模型

大量用户发现，OpenAI 刚刚部署了一个名为 GPT-5-Chat-Safety 的新模型，只要用户请求里出现任何情绪化的内容，主模型的输出就会被忽略并用新的安全模型提供响应。官方从未承认 GPT-5-Chat-Safety 的存在，在 FAQ、API 文档或服务条款里从未提及。OpenAI 曾表示自杀、自残或重大危机场景时才会自动路由，但当前正常对话也会被秘密路由到该模型。目前还没有办法禁用这种行为，并且也不清楚切换具体何时发生。有用户称之为欺诈行为，因为新模型整体性能更差，只会提供简短回复，而且从未公开披露。在该事件引发轩然大波后，OpenAI 高管 Nick Turley 解释说，新的安全路由系统适用于“敏感和情绪化话题”，并且是基于每条消息和临时机制进行工作的。

—— TechRadar，最早发现者Lex

via 风向旗参考快讯 - Telegram Channel

黄仁勋：OpenAI融资时NVIDIA太穷了 不然应该把钱都给他们

在BG2最新访谈中，NVIDIA CEO黄仁勋透露，OpenAI一早就寻求NVIDIA的投资，但“当时太穷了，应该把所有的钱都给他们。”前不久NVIDIA官方宣布计划向OpenAI投资最高1000亿美元，OpenAI则要用这笔钱构建至少10GW的AI数据中心，全用NVIDIA的系统。

至于背后的原因，则是对OpenAI增长潜力的判断，黄仁勋认为：“OpenAI大概率会成为下一个万亿级超大规模公司。”

而对于“NVIDIA投资OpenAI是为了通过投资变相让OpenAI采购自家芯片，间接实现循环收入”的质疑，黄仁勋强调“投资与营收完全独立”。

他认为现在只是投资OpenAI的一个机会，毕竟有望成为下一个万亿规模的公司谁都想成为投资人。

黄仁勋还透露，实际上OpenAI一早就想让NVIDIA投资，但当时太穷了，（现在想想）应该把所有的钱都给他们。

via cnBeta.COM - 中文业界资讯站 (author: 稿源：快科技)

俄罗斯公布 EUV 光刻路线图

俄罗斯科学院微结构物理研究所公布了国产极紫外（EUV）光刻机路线图，计划在 2026–2036 年间分阶段研发三代设备，目标制程从 40nm 推进至亚 10nm。

该方案采用不同于 ASML 的技术架构，使用氙等离子体光源和钌/铍反射镜，避免锡滴光源带来的碎屑问题。研发团队称，这将降低复杂度和维护成本，并覆盖 65 至 9nm 工艺节点，设备价格也将低于 ASML 的产品。

但业内指出，11.2nm 波长并非行业标准，涉及镜片、光源、光刻胶等大量技术难题，实际可行性仍不确定。分析人士认为，即便研发成功，其更多可能用于科研或实验，而非立即商业化。

Tom’s Hardware | X

🍀在花频道 🍵茶馆 📮投稿

via 科技圈🎗在花频道📮

Invalid media: image

OpenAI被指欺诈 用户输入可能会被秘密路由到新模型GPT-5-Chat-Safety

via cnBeta.COM - 中文业界资讯站 (author: 稿源：机器之心)

Telegraph

OpenAI被指欺诈 用户输入可能会被秘密路由到新模型GPT-5-Chat-Safety

今年 8 月，GPT-5 发布，其在多个任务和基准上都表现卓越，但几乎和人世间的所有事物一样，并不是所有人都满意。尤其是 GPT-5 发布后“OpenAI 移除 ChatGPT 中模型选择器”的做法更是备受诟病（尤其是移除了情感表达更佳的 GPT-4o），甚至引发了诸多用户的“网上请愿”。 一位用户在 Reddit 愤怒发帖表示 OpenAI 的做法让他直接取消了订阅，并称“OpenAI 失去了我所有的尊重”。他指出，这些模型本有特定用例。“什么样企业会连夜删除 8 个功能各异的模型，连付费用户都不提前通知？………

🎉7.6倍训练加速与24倍吞吐提升：两项核心技术背后的大模型推理优化全景图

via 掘金人工智能本月最热 (author: 聚客AI)

Telegraph

🎉7.6倍训练加速与24倍吞吐提升：两项核心技术背后的大模型推理优化全景图

本文较长，建议点赞收藏，以免遗失。更多AI大模型应用开发及AI算法学习视频及资料，尽在聚客AI学院。 在大语言模型（LLM）的推理过程中，Attention机制是计算和内存消耗的主要瓶颈。FlashAttention和PagedAttention作为两项革命性优化技术，分别从计算效率和内存管理两个维度显著提升了LLM的推理性能。今天我将深度解析这两种注意力加速技术及其优化策略，希望对你有所帮助，如有遗漏，欢迎交流。 一、Transformer中的Attention机制与性能瓶颈 Transformer的…

OpenAI“GPT门”事件引爆 Plus、Pro账户统统降配 偷换模型全网实锤

via cnBeta.COM - 中文业界资讯站 (author: 稿源：新智元)

Telegraph

OpenAI“GPT门”事件引爆 Plus、Pro账户统统降配 偷换模型全网实锤

OpenAI正在“瞒着你”的情况下，偷偷给模型降配，还擅自更改所选模型！不管你是免费用户，还是20美元的Plus用户，或者是200美元尊贵的Pro会员。ChatGPT都会在未经你同意的前提下，擅自帮你更改模型！最近，AIPRM首席工程师Tibor Blaho证实，OpenAI正在将所有ChatGPT用户分流至两款新型低算力需求的“秘密模型”： OpenAI被曝在用户不知情下，强制将GPT-4、GPT-5等模型路由至两款低算力敏感模型“gpt-5-chat-safety”与“gpt-5-a-t-mini”…

黄仁勋深度访谈 首次揭秘投资OpenAI的原因

via cnBeta.COM - 中文业界资讯站 (author: 稿源：划重点KeyPoints)

cnBeta.COM

黄仁勋深度访谈 首次揭秘投资OpenAI的原因

9月26日，英伟达黄仁勋在最新访谈中，就AI行业趋势、计算的未来、英伟达的护城河等话题展开讨论，并首次揭秘其千亿美元投资OpenAI背后的原因。他认为，摩尔定律失效导致晶体管的成本和能耗不再有显著改进，传统计算无法继续提供必要的性能提升。在此背景下，AI需求正经历着双重指数级复合增长。首先，AI的用户使用量呈指数级爆发。

🚫万能Agent兜底：当规划缺失工具时，AI如何自救

via 掘金人工智能本月最热 (author: 聚客AI)

Telegraph

🚫万能Agent兜底：当规划缺失工具时，AI如何自救

本文较长，建议点赞收藏，以免遗失。更多AI大模型应用开发及AI算法学习视频及资料，尽在聚客AI学院 在多智能体协作调度场景中，尽管存在诸如层级指挥、嵌套模式、转交模式和群聊模式等多种实现方式，但层级指挥模式仍是生产环境中最常用的方式。该模式通常由主代理生成任务拆分，调度工具或子智能体分别执行，类似 Cursor、Aone Copilot、Manus 等产品的工作机制。 此前我们也参考此类产品，设计了基于 React 模式的智能体自主规划架构，集成 MCP 和子智能体以处理复杂任务。实际应用中发现，虽然任…