MindfulReturn 身心修复局

49. 之前我写了系列修复术，其实只有一个意思，就是让你把注意力回到身体。因为你不能让你的器官自己单打独斗自生自灭，你应该把你的总调度师叫出来巡检一下，或者帮助一下它们。 50. 叫出总调度师的方法就是你的注意力，之前说注意力在哪里，血液就流向哪里，就是这个意思，而这是有科学实验依据的。 51. 如果你安静下来，注意力回到身体，慢慢你就发现你的呼吸其实和你的血液流动很有关系。 52，吸气，停顿，呼气，这三个动作每个微秒都影响着你身体的共振系统， 影响着血液的流动。 53. 如果你继续研究，发现给这三个动作分配不同的时间。其实身体感受都很不一样。而且你的注意力放在哪里，在这三个动作期间都会给身体带来很大的不同体验。 54. 如果你开始这样的研究，说明你已经走上了一条千年来老祖宗走上的一条道路。

@yetone Magpie好像还不能自动写入T3的模型列表，什么时候能更新下啊？

Full video: the Yangwang U9X public-road top-speed challenge in Abu Dhabi, start to finish. #YangwangU9X #BYD

NVIDIA Open-Sources Auto Ontology, a Semantic Layer for AI Agents Your boss asks the AI agent: "What was revenue last quarter?" It answers in 3 seconds. Clean number. Nice chart. But it used the wrong "revenue" column. 𝗡𝗼𝗯𝗼𝗱𝘆 𝗻𝗼𝘁𝗶𝗰𝗲𝘀. That's the problem NVIDIA's new open-source library, Auto Ontology, goes after. Its README puts it plainly: "…𝘢 𝘳𝘦𝘷𝘦𝘯𝘶𝘦 𝘮𝘦𝘵𝘳𝘪𝘤 𝘢𝘯𝘴𝘸𝘦𝘳𝘦𝘥 𝘧𝘢𝘴𝘵𝘦𝘳 𝘪𝘴 𝘸𝘰𝘳𝘵𝘩 𝘯𝘰𝘵𝘩𝘪𝘯𝘨 𝘪𝘧 𝘵𝘩𝘦 𝘯𝘶𝘮𝘣𝘦𝘳 𝘪𝘴 𝘸𝘳𝘰𝘯𝘨." 𝗪𝗵𝗮𝘁 𝗶𝘁 𝗶𝘀: A "context layer" that sits between an AI agent and your database. It tells the agent where the data lives, what each field means, and whether to use it. 𝗛𝗼𝘄 𝗶𝘁 𝘄𝗼𝗿𝗸𝘀, 𝘀𝘁𝗲𝗽 𝗯𝘆 𝘀𝘁𝗲𝗽: • 𝗗𝗶𝘀𝗰𝗼𝘃𝗲𝗿: it reads your database metadata and drafts an ontology, a map of business terms like "active customer" • 𝗚𝗿𝗼𝘂𝗻𝗱: agents use those terms instead of guessing from raw table names • 𝗩𝗮𝗹𝗶𝗱𝗮𝘁𝗲: it checks generated SQL against certified definitions • 𝗘𝘅𝗽𝗼𝘀𝗲: agents reach it through MCP, a CLI or an API • 𝗟𝗲𝗮𝗿𝗻: certified corrections go back into the map 𝗙𝗼𝗿 𝘂𝘀𝗲𝗿𝘀: Ask a question, get 𝘁𝗵𝗲 𝗮𝗻𝘀𝘄𝗲𝗿, 𝘁𝗵𝗲 𝗦𝗤𝗟 𝗶𝘁 𝗿𝗮𝗻, 𝗮𝗻𝗱 𝘁𝗵𝗲 𝗿𝗼𝘄𝘀. You can check the work, not just trust it. 𝗙𝗼𝗿 𝗯𝘂𝗶𝗹𝗱𝗲𝗿𝘀: • Apache 2.0, runs with Docker Compose or Helm • Works with Databricks, Postgres, Snowflake and DuckDB • Defaults to NVIDIA's Nemotron models, but 𝗮𝗻𝘆 𝗢𝗽𝗲𝗻𝗔𝗜-𝗰𝗼𝗺𝗽𝗮𝘁𝗶𝗯𝗹𝗲 𝗲𝗻𝗱𝗽𝗼𝗶𝗻𝘁 𝘄𝗼𝗿𝗸𝘀 • The MCP server has 𝟵 𝗿𝗲𝗮𝗱-𝗼𝗻𝗹𝘆 𝘁𝗼𝗼𝗹𝘀. There is deliberately no tool to browse raw tables, so agents must go through the business terms 𝗜𝘁 𝗯𝘂𝗶𝗹𝗱𝘀 𝗼𝗻 𝗲𝗮𝗿𝗹𝗶𝗲𝗿 𝘄𝗼𝗿𝗸: • Cube and dbt MetricFlow: semantic layers you write by hand in code • Wren AI: an open semantic layer for AI agents, with a context layer built partly by agents • Snowflake's Semantic View Autopilot: also drafts semantic models with AI, but only for Snowflake What's different here: 𝗼𝗽𝗲𝗻 𝘀𝗼𝘂𝗿𝗰𝗲, 𝘄𝗼𝗿𝗸𝘀 𝗮𝗰𝗿𝗼𝘀𝘀 𝗳𝗼𝘂𝗿 𝗱𝗮𝘁𝗮𝗯𝗮𝘀𝗲𝘀, 𝗮𝗻𝗱 𝗯𝘂𝗶𝗹𝘁 𝗳𝗼𝗿 𝗮𝗴𝗲𝗻𝘁𝘀 𝘁𝗵𝗿𝗼𝘂𝗴𝗵 𝗠𝗖𝗣. 𝗧𝗵𝗲 𝗵𝗼𝗻𝗲𝘀𝘁 𝗽𝗮𝗿𝘁: • 𝗧𝗵𝗲 "𝟵𝟬% 𝗳𝗮𝘀𝘁𝗲𝗿" 𝗰𝗹𝗮𝗶𝗺 𝗶𝘀 𝗡𝗩𝗜𝗗𝗜𝗔'𝘀 𝗼𝘄𝗻 𝘁𝗲𝘀𝘁𝗶𝗻𝗴, with no baseline published • 𝗡𝗼 𝗮𝗰𝗰𝘂𝗿𝗮𝗰𝘆 𝘀𝗰𝗼𝗿𝗲𝘀 𝗮𝗿𝗲 𝗽𝘂𝗯𝗹𝗶𝘀𝗵𝗲𝗱. NVIDIA ships an eval harness (BIRD, 1,534 questions) but no results • That harness was tested with 𝗖𝗹𝗮𝘂𝗱𝗲 𝗢𝗽𝘂𝘀 𝟰.𝟴, 𝗻𝗼𝘁 𝗡𝗲𝗺𝗼𝘁𝗿𝗼𝗻 • 𝗪𝗶𝘁𝗵𝗼𝘂𝘁 𝗛𝗮𝘀𝗵𝗶𝗖𝗼𝗿𝗽 𝗩𝗮𝘂𝗹𝘁, 𝗱𝗮𝘁𝗮𝗯𝗮𝘀𝗲 𝗽𝗮𝘀𝘀𝘄𝗼𝗿𝗱𝘀 𝗮𝗿𝗲 𝘀𝘁𝗼𝗿𝗲𝗱 𝘂𝗻𝗲𝗻𝗰𝗿𝘆𝗽𝘁𝗲𝗱 in Postgres (per the README) • It's young: 𝗮𝗯𝗼𝘂𝘁 𝟳𝟱𝟬 𝗚𝗶𝘁𝗛𝘂𝗯 𝘀𝘁𝗮𝗿𝘀, and NVIDIA isn't accepting outside contributions 𝗧𝗵𝗲 𝗯𝗶𝗴𝗴𝗲𝗿 𝗽𝗼𝗶𝗻𝘁: the hard part of AI analytics isn't writing SQL. 𝗜𝘁'𝘀 𝗮𝗴𝗿𝗲𝗲𝗶𝗻𝗴 𝗼𝗻 𝘄𝗵𝗮𝘁 𝘁𝗵𝗲 𝘄𝗼𝗿𝗱𝘀 𝗺𝗲𝗮𝗻. GitHub: github.com/NVIDIA/auto-ontol… Links in reply 👇

Our latest cyber-specialized model is out. It's in its own league on many cyber-specific use cases. Available through Daybreak Red access.

真的很好奇，中文区除了程序员，还有哪些专业的朋友？ 化学、物理、文科，还有别的行业 来留一句你在做什么 也想认识程序员之外的专业朋友

立帖为证啊

分享靠1个Agent控制所有Agent和应用新技巧！两个新的开源项目 两周前我吐槽Grok Bot控制终端codex绕开沙箱用上gpt独一档的computer use能力失败率奇怪的难题终于被我解决了，不只是浏览器自动化，是能操控本机里其他Agent，能操作剪映做AI剪辑，在第二次操作的过程中还可以完全不消耗额度，非常Amazing。 先说一下结论，目前最佳搭配是， Grok Bot➕vercel开源的agent-desktop 因为openai没有开口子所以现在想要用codex同款computer use有两条技术路线。 1️⃣ amontlabs的LCU（Local Computer Use）跟codex用的同一条路，通过macOS的accessibility API读取界面，用accessibility动作去点击输入拖放。 好处是能「看懂」界面，知道哪个是按钮、哪个是输入框。坏处是，如果app的UI不暴露给 accessibility tree，就抓瞎了。它们都需要一个模型在后面做视觉理解和决策，所以截图，识别，规划动作都烧tokens。LCU作为MCP工具我在grok bot调用的时候也是走Codex的token。 2️⃣agent-desktop走的是另一条路CGEvent 注入。它不通过 accessibility API，是直接在操作系统层面模拟鼠标和键盘事件。按下，移动，释放，跟我手指在触控板上划一样。app 收到的就是真实的输入事件。它本身只是一个 CLI工具，不做任何推理，所以单独跑agent-desktop的命令是零额度消耗。 但agent-desktop不会自己思考。要告诉它点哪里，拖到哪里，等多久。这个「告诉它」的工作可以交给1个agent来做，写成脚本后回放时，消耗的额度是零。 重复的操作步骤遇到可变项，比方说ai剪辑就是素材不同导出分辨率不同，才需要模型介入，这样换来就是操作速度会快很多。同样是剪辑视频，第一次用了13分钟但是第二次用37秒就搞定了，LCU平均是4到5分钟。 但也不是完全没有缺点。agent-desktop模仿是真实输入所以需要占窗口，不像LCU可以在后台慢慢跑，最佳搭配还是mac mini。 还有一个技术点区分来这两套方案， 1️⃣ 我仔细对比了ai剪辑每步的操作时间，LCU在素材拖拽里浪费大部分时间，后面发现剪映是Electron套壳的自绘 UI，时间线区域的drop target对accessibility API几乎不可见，用人话说就是发的拖拽指令剪映根本收不到 2️⃣agent-desktop就没这麻烦，duration给了800ms的慢速拖动。对剪映来说这就是一个真实鼠标操作，跟人手拖一样。 果然这种在不断尝试慢慢找到正解， 在啥都可以问agent的现在还是很爽的， 现在我们都可以用1个Agent控制各种应用了！这把效率又原地起飞。

🔥 P-H3-Image 百图实测第一弹 先说结论： 动态感与场景氛围感较好 环境纵深、冷暖光分层和衣料高光比较完整 皮肤仍有锐化感 耗时高于 Qwen-Image-2.1 Turbo 文生图人物形象未达我的审美 提示词还需要再调 因此使用了 Qwen Image 的模特进行图像编辑测试 个人观点： 得益于视频模型底座的特点 值得在多画幅、连续场景、连续动作方面多做探索 ⚙️ 配置： 硬件：RTX 5080 16GB + 32GB 内存 环境：ComfyUI 0.44.0，CUDA 13.0 📊 数据对比： Qwen Turbo：8 步，2048×2048，单张 19.33 秒 P-H3：8 步，约 4MP，96 张参考图编辑，耗时中位数 52.11 秒，平均 66.12 秒，83 张在一分钟内完成 P-H3：8 步，约 8MP，4 张参考图编辑，单张耗时 99–153 秒 #AIGC #AI图片生成

像work产品如workbuddy，后面一定会加入bot的模式。 之前trae work有work模式和code模式。 其实code模式都可以抛弃了。 以后精简为work, bot两个模式就可以了。 现在deepseek harness的形态加上deepseek bot 就差不多是我认为未来进入办公市场的终极形态了。

coze 应该立马全面转为coze bot，毕竟有云端电脑和手机端。 抛弃之前claw和work的路线。work交给豆包work.