Gemini CLI已经发布几天了，很多人拿它跟 Claude Code 对比了一下编程能力，觉得能力不如 Claude Code，就弃之不用了，实际上是错误理解它的定位了。
Gemini CLI（https://github.com/google-gemini/gemini-cli）不是一个编程工具，它可以有很多用途，比如翻译文章、搜索、整理文件、子Agent
Claude Code 由于编程能力过于突出，包括后来的Codex-cli也是定位编程 Agent，所以大家对于CLI Agent天然以为是用来编程的，实际上可以做很多其他任务。
比如我用它来翻译： > 请翻译网页（https://www.anthropic.com/research/project-vend-1）的内容为中文，并保存为 Markdown 文件
还可以让它帮你整理文件夹: > 请把目录下的照片按照日期归档
让它帮你搜索: > 请检索今天的 AI 新闻
还可以把它当作你程序的子 Agent，比如你可以在自己的程序里面通过命令 gemini -p "" 调用，然后解析调用后结果。
> gemini -p "今天芝加哥天气怎么样？" > 今天芝加哥天气晴朗，最高温度约为 81°F（约 27°C），最低温度约为 72°F（约 22°C）。风速为 5 至 10 英里/小时，湿度为 66%。今天下雨的概率为 0%。
当然我这里只是抛砖引玉，更多用途还需要等你发掘，欢迎留言分享！
by：微博 @宝玉xp
Black Forest Labs 发布了 FLUX.1 Kontext [dev] 模型，这是其图像编辑模型 FLUX.1 Kontext [pro] 的开源开发版本，拥有 12B参数，具备 接近专有工具的图像编辑能力，并可在消费级硬件上运行。
它的厉害之处在于： 1. 精准编辑： 能非常准确地修改图片的局部或整体，比如添加物品、更换背景、替换特定对象（狗换猫，人不变），多次修改也不会失真变形。 2. 保持角色一致： 修改图片时，能保持人物的样子（脸、穿着）前后一致。 3. 本地运行免费： 最大的亮点是，它能在你自己的电脑（消费级硬件）上运行，不需要联网上传图片，完全免费（用于研究和非商业用途）！这就打破了GPT-4o和Gemini等收费巨头在这类图像编辑上的垄断。 4. 性能强劲： 官方测试显示，在编辑精度、角色一致性等方面，它的表现甚至超过了谷歌的Gemini-Flash和一些其他开源模型，效果接近最好的闭源工具。 5. 方便好用： 它能和流行的图像生成工具 ComfyUI 无缝结合，操作更简单。官方还提供了很多模板和例子指导怎么用。
总结来说： FLUX.1 Kontext [dev] 提供了一个强大、精准、免费且能保护隐私（本地运行）的图像编辑AI新选择，性能直逼顶尖收费工具。如果你对AI修图感兴趣，值得关注！
模型和技术报告已在 Hugging Face 和 arXiv 平台公开：
- 模型下载: https://huggingface.co/black-forest-labs/FLUX.1-Kontext-dev - ComfyUI 使用教程：https://docs.comfy.org/tutorials/flux/flux-1-kontext-dev
今天给大家分享一个ChatGPT指令大全网站，提供数百个精炼的ChatGPT指令，帮助用户充分发挥ChatGPT的强大功能。 可以说这是一个多功能AI生产力工具，专为职场人士、学生、开发者和内容创作者设计，覆盖求职、写作、编程、学习、行销、管理等数十个场景。
✅ 写不出？直接抄“万能指令”！ 它内置了百万级经过验证的ChatGPT指令库，覆盖设计、运营、产品、求职等10+场景。比如你是设计师，输入“帮我写一份海报设计说明，突出‘国潮风+年轻化’，包含视觉元素解析+用户心理洞察”，秒出专业文档； 运营写文案卡壳？直接搜“奶茶店开业朋友圈文案，要带烟火气+促单”，分分钟生成能戳中用户的金句——不用自己憋灵感，直接用“别人验证过的模板”。
✅ 学不会？AI当你的“私教”！ 想入门Midjourney但总调不出想要的图？想做短视频但不懂运镜？它整理了技术知识库+实战案例，从“设计软件技巧”到“生成式AI底层逻辑”，连FAANG工程师的系统设计笔记都给你扒来了——不用到处翻碎片化内容，跟着系统学，效率直接翻倍。
✅ 求职难？AI帮你“包装” 简历没亮点？用它的“AI简历优化器”，输入你的项目经历，它能自动提炼“可量化成果”（比如把“做了海报”改成“设计3版海报，点击率提升40%”）； 面试紧张？用“模拟面试题库”，输入岗位JD，AI秒变“魔鬼面试官”，从业务问题到HR套话，提前练到滚瓜烂熟
官网地址：https://www.explainthis.io/zh-hans/chatgpt
Google昨天正式上线了其全新的Search Live语音搜索功能，该功能基于Gemini模型，并内置于iOS和Android版Google应用中，适用于已加入AI Mode实验的用户。
Search Live 的核心功能与特点 1. 实时语音对话 用户可以通过语音与搜索引擎进行自然对话，无需手动输入关键词。例如，用户可以问：“如何防止行李箱中的亚麻裙起皱？” Search Live 会以 AI 生成的语音回答，并支持后续提问，如“如果还是起皱了怎么办？”。这种连续追问的机制使得搜索过程更加流畅和高效。
2. 网页链接辅助 每次回答都会附带相关网页链接，方便用户跳转查看详细信息或验证答案来源，确保信息透明可信。这种设计不仅提升了信息的可信度，也增强了用户的信任感。
3. 多模式切换 用户可以一键切换至文字视图，查看对话转录文本，或通过打字继续提问，灵活适应不同使用场景。这种灵活性使得 Search Live 适用于多种场景，如驾驶、旅行或多任务处理时。
4. 后台持续运行 即使切换到其他应用，Search Live 对话依然保持活跃，真正实现多任务并行。这一功能极大地提升了用户的操作效率，尤其是在需要同时处理多个任务的情况下。
5. 历史记录保存 所有对话自动保存在 AI Mode 历史记录中，用户可随时回顾或继续之前的搜索。这种设计不仅方便用户回顾之前的搜索记录，也便于用户在需要时快速找到相关信息。
终于还是等到了啊，Midjourney 今日宣布推出其首个 AI 视频生成模型 V1，正式进军 AI 视频领域。
V1 是一款图像转视频模型，用户可以上传一张图片，或使用 Midjourney 其他模型生成的图像，V1 将基于此生成四段五秒的视频。
V1 提供低动态和高动态两种方案，支持延长，每次4秒最多4次。
与 Midjourney 的图像模型类似，V1 目前仅通过 Discord 平台提供，并且初期仅支持网页端使用。
每个月订阅费只需要10美元，视频任务的定价约为图片任务的 8 倍，每次任务将生成四段 5 秒视频。
成本跟图像超分服务相当，非常便宜。
OpenAI宣布为企业用户推出两大重磅功能，让ChatGPT真正融入工作场景：
1. 一键连接企业知识库 通过“连接器”功能，ChatGPT可直接访问企业内部系统（如Outlook、Google Drive、Gmail、SharePoint等） 自动检索用户有权限查看的文件、邮件、数据 即时解答工作问题，相当于给企业配了AI知识管家
2. 会议记录自动化 开启“录音模式”，ChatGPT自动完成： ✓ 实时语音转文字 ✓ 提炼会议重点 ✓ 标记发言时间点 ✓ 点击时间戳快速回听关键讨论 适用于线上会议、电话沟通、灵感速记等场景
此次升级让ChatGPT从聊天工具转型为智能工作中枢，企业数据仍受严格权限保护，仅处理授权内容。
每天一个AI工具！设计师们，这款王炸级AI插画工具居然可以免费使用！ Pictographic AI生成的插图库，应有尽有。
1、海量插画资源 Pictographic 拥有超 210000 幅插画，涵盖 10 种风格，从简约现代到复古怀旧，各类设计项目都能找到适合插画。 2、智能生成功能 找不到心仪的插画？使用生成功能，依现有风格生成新插画，为作品添独特视觉元素。 3、可定制性 多数插画为 SVG 格式，可在平台自由改色、调整大小等，轻松适配设计。 4、Figma 插件 提供 Figma 插件，无需下载，直接在软件中使用插画，设计流程更高效。
又是一匹黑马！今天要给大家介绍的创意新宠Kittl！是一款在线的 AI 设计工具，同时也能为非专业人士提供一站式的设计赋能。目前已经拿了2轮融资，今年1月的B轮，拿了3600万美元。现在的kittl，每个月将近有300W的惊人访问量！
主要亮点： ① 实时文本变形：数千款可定制字体字型，轻松实现创意设计。 ② 海量免费素材库：上百万免费素材，随意插入图标、插画等。 ③ 一键生成矢量logo：支持行业风格定制，满足多种设计需求。 ④ 产品实景展示图：直观预览设计效果，所见即所得。 ⑤ 流行色彩板：一键替换设计中的颜色，轻松实现多种配色方案。
试玩地址：https://www.kittl.com/
太贴心了，连描述词都有 AI 帮你细化了，输入简单的词，这个工具会帮你优化成适合生成带有丰富细节的画面 prompt ，还可以多次调整，你能得到不同的提示词，直到你满意为止！
🔥 为什么它值得你收藏？ ✅ 全能型创作工厂 - Logo/品牌设计：输入关键词，秒出30+商业级方案（含字体/配色/排版） - 插画/艺术创作：国风水墨/赛博朋克/二次元...一键切换风格 - 摄影级大片：生成风景、人像、超现实场景，堪比专业摄影师 - 影视/游戏分镜：直接输出带光影的动态故事板
✅ 中文友好，精准拿捏需求 - “古风少女手持油纸伞立于江南烟雨中” → 生成水墨质感插画 - “赛博朋克城市夜景，霓虹灯管文字‘未来已来’” → 输出电影级海报 - 内置中文提示词库，拒绝“直译翻车”，精准传递创意脑洞
✅ 顶级模型加持，画质炸裂 - 基于MidJourney的艺术表现力 + Stable Diffusion的细节掌控力 - 支持1024px超高清输出，导出即用无需二次修图
✅ 小白友好，0基础也能玩转AI艺术 - 智能提示词生成器：输入“科幻飞船”，自动扩展为“未来主义银色飞船在陨石带飞行，带机械触角和粒子尾迹” - 多语言混搭：中英双语输入，生成融合东西方美学的作品
Techcrunch整理了一份AI行业最常见到的技术词语词典，搞懂这些，或许能帮初学者们轻松迈入AI世界的大门。
- AGI 通用人工智能 通用人工智能（AGI）是一个有些模糊的概念，通常指在多数任务上比普通人更强大的AI。OpenAI将其定义为“在最具经济价值的工作上超越人类的高度自主系统”。谷歌DeepMind则认为AGI是“在大多数认知任务上至少与人类能力相当的AI”。
- Chain of Thought 思维链 思维链推理意味着让AI像人一样一步步思考，把一个大问题拆解成多个小步骤。虽然慢一点，但在逻辑推理或编程这种需要严谨思考的场景里，答案会更准确。现在的大语言模型经过优化，在处理复杂问题时，就是靠这种“思维链”来提高准确性。
- Deep learning 深度学习 AI能自我优化学习的关键技术。它模仿人脑神经元连接方式，搭建多层人工神经网络，使AI算法能够建立比简单机器学习系统更复杂的关联关系。 深度学习模型能自己识别数据里的重要特征，而无需人类预先定义，还能从错误中学习，不断改进。
- Diffusion 扩散模型 扩散技术是众多艺术、音乐和文本生成AI模型的核心。受物理学启发，先“故意”一步步往数据里加噪声，直到数据面目全非。然后，AI学习如何“逆向扩散”，把这些被破坏的数据还原回来，从而获得从噪声中“创造”出全新数据的能力。
- Distillation 知识蒸馏 一种“师父带徒弟”的学习方法。让一个大型（“老师”）AI模型处理问题，然后把它的答案用来训练一个更小、更高效的（“学生”）模型，让学生模型学会老师的行为。这样就能用更小的模型，实现接近大型模型的性能。
- Fine-tuning 微调 微调是指对已训练的AI模型进行进一步训练，通过输入新的专业化数据，优化其在特定任务或领域的性能表现，使其超越原始训练的重点范围。很多AI公司都在用这个技术，把大型语言模型“微调”成适合自己行业的产品，提升实用性。
- GAN 生成对抗网络 让AI能“以假乱真”的关键技术。它由两个互相竞争的神经网络组成：生成器负责创造数据，判别器负责鉴别真伪。就像一场“猫捉老鼠”的游戏，两者不断对抗，让AI能自动生成极其逼真的数据，无需人工干预。GAN适合用于生成图片或视频。
- Hallucination 幻觉 “幻觉”是AI行业对模型虚构内容的专业术语，特指AI生成错误信息的行为。这显然是影响AI质量的核心问题。
- Neural Network 神经网络 神经网络是指支撑深度学习的多层算法结构，是推动生成式AI工具全面爆发的技术基础。尽管这个概念由来已久，GPU的崛起也让这个概念迎来了爆发。GPU被证明非常适合训练具有更多层次的算法，使得基于神经网络的AI系统在语音识别、自动驾驶导航和药物研发等多个领域实现了远超以往的性能表现。
- Transfer Learning 迁移学习 把一个已经训练好的AI模型拿来当起点，开发一个针对不同但相关的任务的新模型。这样可以节省大量开发时间，尤其是在新任务数据量不多的时候非常有用。但要注意，模型可能还需要在新领域的数据上进行额外训练才能表现最佳。
- Weights 权重 权重是AI训练的核心要素，它决定了在训练系统所用数据中，不同特征（或输入变量）的重要程度，直接影响AI模型的最终输出。训练开始时权重是随机的，但随着学习的深入，它们会不断调整，让AI的预测越来越准。
这份词典由Techcrunch定期维护，有需要的朋友可以收藏：https://techcrunch.com/2025/05/25/from-llms-to-hallucinations-heres-a-simple-guide-to-common-ai-terms/
ps：转自量子位
Ta们 2 人需要你的帮助，回答有机会 👉 赢取奖品
优设好身体以后会涉及到商用收费吗？
2025/04/17
GPT-4o出世，你还没拥有自己的手办吗！！一个也能定制～
2025/04/172.4k 设计师已围观