X：小北

@frxiaobei · X

切换来源

171 条AI 相关新闻 · 最新在前

5月12日周二

星期二

21:51
@frxiaobei@frxiaobeiAI 评分2828
作者5月8日就诊时医生顺手开好6月2日挂号，报销时误将6月2日挂号费发票一并扫描，系统多次催交该日病历。客服上报后专员来电仍反复要求提交6月2日病历，被提醒当天才5月12日后才愣住改口去反馈。作者由此质疑：若人工只是复读系统提示、不做任何判断，这类岗位的价值何在。
观点 #现象/趋势 #Agent
17:28
@frxiaobei@frxiaobeiAI 评分4141
用户借助飞书 CLI 和 skill 读取知识库内容，让 AI 直接生成周报初稿，自己只改了两句话。飞书 CLI 过去一个月更新了 100 多条能力，作者认为它已是国内对 Agent 最友好的协作平台。目前仍存在 Agent 不懂内部黑话、纪要跑偏和幻觉等问题，团队正在建自己的黑话词库。
教程 #教程/实践 #Agent #MCP/工具调用
17:28
@frxiaobei@frxiaobeiAI 评分4141
一位用户用 Agent 接管飞书消息与审批：Agent 过滤掉 90% 噪音，只把 @我、上级找我、严重报警这几类直接推送；审批方面，AI 依据规则文档和项目管理表自行处理常规事项，上周三十多条审批中他只亲自处理了两条，涉及财务和严肃场景的仍由 AI 通知本人确认。他强调红线与必须人工拍板的事项需自己定义清楚，不能甩给 AI。
观点 #大佬观点 #Agent
17:27
@frxiaobei@frxiaobeiAI 评分4848
团队把需求会改为直接录音，飞书 CLI 里的 skill 读取产品知识库，将录音与产品背景拼合生成完整需求文档，机器人再通过飞书 CLI 拉取文档交给 AI 开发，并自动 @ 画板 Bot 生成流程图和架构图插入文档。跟进与审批同样交给 Agent：Agent 读取历史跟进记录和专门写给它的规则文档，按事项标记区分优先级，高频事项自行盯、重要节点提前提醒、普通事项临近截止才动，避免无谓打扰。
教程 #教程/实践 #Agent #编码
17:26
@frxiaobei@frxiaobeiAI 评分3636
飞书 CLI 的 Agent 现在能直接在文档里生成可编辑的流程图和架构图，不再是截图，而是可以点击拖动、修改文字的活图。此前 AI 画完图若发现错误，只能重跑或截图进 PS 修改，网上甚至有人专门写 Mermaid → ProcessOn → 导出 VISIO → 转 PNG 的多步绕路教程。改完把正确逻辑补回知识库，下次 AI 再画就不会犯同样的错。
教程 #教程/实践 #Agent #MCP/工具调用
17:25
@frxiaobei@frxiaobeiAI 评分5555
飞书 CLI 支持 Bot 直接 @ 另一个 Bot，多个 Agent 可以在群里接力协作交付，不用再自建 subagent 编排架构和写调度逻辑。作者举例，自己的 Agent 在群里发跟进并 @ 下属的 Agent，后者翻自己的知识库和任务列表后回复，整段对话看起来和正常沟通没有区别，只是背后没有人操作。作者称这个功能上个月还不存在。
产品 #产品更新 #Agent
17:24
@frxiaobei@frxiaobeiAI 评分2828
一位团队管理者给每个下属都配了跑在飞书上的专属 Agent，如今是下属的 Agent 与他的 Agent 对话，他在旁边看。他发现飞书 CLI 过去一个月悄悄更新了 100 多条能力，不少上个月还不存在，于是开始动手改造协作层。
教程 #教程/实践 #Agent #MCP/工具调用
00:48
@frxiaobei@frxiaobeiAI 评分4949
小北部分认同 Karpathy 关于 AI 输出将从 markdown 演进到 HTML、最终走向扩散模型直出交互视频的判断，认为 HTML 在仪表盘、对比和小交互上确实是质变。
引用Andrej Karpathy (@karpathy)@karpathy
This works really well btw, at the end of your query ask your LLM to "structure your response as HTML", then view the generated file in your browser. I've also had some success asking the LLM to present its output as slideshows, etc. More generally, imo audio is the human-preferred input to AIs but vision (images/animations/video) is the preferred output from them. Around a ~third of our brains are a massively parallel processor dedicated to vision, it is the 10-lane superhighway of information into brain. As AI improves, I think we'll see a progression that takes advantage: 1) raw text (hard/effortful to read) 2) markdown (bold, italic, headings, tables, a bit easier on the eyes) <-- current default 3) HTML (still procedural with underlying code, but a lot more flexibility on the graphics, layout, even interactivity) <-- early but forming new good default ...4,5,6,... n) interactive neural videos/simulations Imo the extrapolation (though the technology doesn't exist just yet) ends in some kind of interactive videos generated directly by a diffusion neural net. Many open questions as to how exact/procedural "Software 1.0" artifacts (e.g. interactive simulations) may be woven together with neural artifacts (diffusion grids), but generally something in the direction of the recently viral nitter.net/zan2434/status/2046982… There are also improvements necessary and pending at the input. Audio nor text nor video alone are not enough, e.g. I feel a need to point/gesture to things on the screen, similar to all the things you would do with a person physically next to you and your computer screen. TLDR The input/output mind meld between humans and AIs is ongoing and there is a lot of work to do and significant progress to be made, way before jumping all the way into neuralink-esque BCIs and all that. For what's worth exploring at the current stage, hot tip try ask for HTML.
观点 #大佬观点 #多模态 #OpenAI

5月11日周一

星期一

23:37
@frxiaobei@frxiaobei精选AI 评分6969
Anthropic 开源了面向金融服务行业的 AI 工作流模板，覆盖投资银行、股票研究、私募、财富管理、基金管理和 KYC 风控等业务线，包含 10 个端到端 agent、7 个垂直行业插件以及 11 家金融数据商的 MCP 连接器。仓库内容为 markdown 与 json，无 build 步骤，可通过 Claude Cowork 插件或 Claude Managed Agents API 部署。作者认为这相当于把金融行业 AI 落地的完整 SOP 摆上台面。
引用Jason Zhu (@GoSailGlobal)@GoSailGlobal
Anthropic 真的惊为天人直接把金融服务行业的 AI 工作流模板全开源了投资银行 / 股票研究 / 私募 / 财富管理 / 基金管理 / KYC 风控七大业务线的参考 agent / 技能包 / 数据连接器全部公开这超出了 demo 的范畴，是把「金融行业 AI 落地」的完整 SOP 摆出来 / 让全行业照抄 · 打开仓库你会看到这些东西 10 个开箱即用的端到端 agent - Pitch Agent / 自动做 pitch deck（comps + 先例 + LBO → 出品牌排版的 deck） - Meeting Prep Agent / 客户会前自动出 briefing pack Market Researcher / 行业或主题 → 行业概览 + 竞争格局 + peer comps + 标的清单 - Earnings Reviewer / 财报会议 + filings → 模型更新 → 研报草稿 - Model Builder / DCF / LBO / 三表 / comps / 直接在 Excel 里建模 - Valuation Reviewer / 私募估值 + LP 报告 - GL Reconciler / 总账核对 + 找差异 + 路由审批 - Month-End Closer / 月末关账 / accruals / 滚动 / 偏差解读 - Statement Auditor / LP statement 审计 - KYC Screener / KYC 文档解析 + 规则引擎跑 + 标记缺口每个 agent 都是 self-contained 的，带自己用到的全部 skill，clone 下来直接装 · 7 个垂直行业插件 - financial-analysis（核心）：comps / DCF / LBO / 三表 / deck QC / Excel 审计 - investment-banking：CIM / teaser / 流程信 / 买方名单 / 并购模型 / 项目跟踪 - equity-research：财报笔记 / 首次覆盖 / 模型更新 / 投资逻辑跟踪 - private-equity：寻源 / 筛选 / 尽调 / IC memo / 投后监控 - wealth-management：客户复盘 / 财务规划 / 调仓 / 报告 / 税损收割 - fund-admin：GL 核对 / 差异追踪 / NAV 校验 - operations：KYC + 规则引擎直接用 / 想改也行 / 全是 markdown + json / 没有 build 步骤 · 11 家金融数据商的 MCP 连接器 Daloopa / Morningstar / S&P Global / FactSet / Moody's MT Newswires / Aiera / LSEG / PitchBook / Chronograph / Egnyte 这一行单独值得讲意味着 Anthropic 已经跟全球最重要的金融数据基础设施都谈完了，你接进 Claude / 这些数据全是开箱即用的，没有这些连接器 / 你自己接每一家的 API / 光人天就要好几个月 LSEG 和 S&P Global 还各自做了 partner-built 的高级插件一个跑债券相对价值 / 利率曲线 / FX carry / 期权波动率 / 宏观利率监控一个跑 tear sheet / 财报预览 / 融资 digest · 部署方式两种，一个仓库方式一：Claude Cowork 插件装在分析师电脑上 / 个人工作流方式二：Claude Managed Agents API 跑在公司自己的工作流引擎后面 / 整个公司用同一份 system prompt / 同一份 skill / 你选在哪儿跑还附带一个 Microsoft 365 安装工具，让公司 IT admin 把 Claude 部署进 Excel / PowerPoint / Word / Outlook 而且可以走你公司自己的云（Vertex AI / Bedrock / 内部 LLM gateway），不强制走 Anthropic API · 金融是企业 AI 落地最大也最难啃的市场，合规要求高 / 数据敏感 / 流程复杂 Anthropic 这一手直接把整个行业的 AI 落地 SOP 写明白了谁照这套搭 / 谁就在 Claude 的轨道上长谁不照这套搭 / 谁要从零开始踩半年坑最值得对比的是 OpenAI OpenAI 上周刚上线广告平台 Anthropic 这周直接开源金融行业全套 agent 两家公司的路线分化在这种地方又看得清清楚楚 OpenAI = 大众消费 + 广告 Anthropic = 企业场景 + 开源行业模板链接 github.com/anthropics/financ…
产品 #产品更新 #Agent #MCP/工具调用
推荐理由：Anthropic 开源金融行业 agent 模板与数据商 MCP 连接器，可看到企业级落地的整套结构与部署选项。
23:22
@frxiaobei@frxiaobeiAI 评分3939
Tesla FSD 展示对比：人眼在强眩光下只见白茫茫一片，AI 重建画面却能清晰辨出道路、树木和车辆。其做法是跳过 ISP，把传感器原始光子计数直接喂给神经网络，保留完整光强信息以重建场景细节。Musk 称人眼感知的 RGB 是左图，Tesla AI 光子计数重建是右图，这正是 FSD 在夜间或极端眩光下仍能看清的原因。
引用Elon Musk (@elonmusk)@elonmusk
The human-perceived RGB is image 1 and the Tesla AI photon count reconstruction is image 2. This is why Tesla FSD can see so well at night or through extreme glare.
教程 #教程/实践 #多模态 #具身智能
22:13
@frxiaobei@frxiaobei精选AI 评分6868
OpenAI 成立 Deployment Company，由 OpenAI 持多数股权并控股，联合 19 家投资机构、咨询公司和系统集成商，帮助企业将前沿 AI 部署到生产环境。作者认为这一结构让 PE 被投企业成为天然客户池，并对比 Anthropic 此前与高盛、Blackstone 成立的类似合资公司，规模为 15 亿对 100 亿，判断单纯靠 API 卖模型已接近天花板。
引用OpenAI (@OpenAI)@OpenAI
Today we’re launching the OpenAI Deployment Company to help businesses build and deploy AI. It's majority-owned and controlled by OpenAI. It brings together 19 leading investment firms, consultancies, and system integrators to help organizations deploy frontier AI to production for business impact. openai.com/index/openai-laun…
行业 #行业动态 #OpenAI #Anthropic
推荐理由：作者对比 OpenAI 与 Anthropic 的合资落地路径，并判断单纯靠 API 卖模型已接近天花板。