摘要

视频作者介绍了自研AI剪辑工具CutFast桌面端的核心功能与进展。该工具针对视频创作者痛点，实现智能高光识别、章节拆分、口癖标记、重复语句检测等功能，支持链接导入视频快速粗剪，并逐步完善时间线精剪模块。目标是通过AI提升知识类视频的创作效率，推动优质内容传播，预计12月底正式上线。

亮点

• 💡 工具支持YouTube/B站链接导入，自动加载视频并识别高光片段与情绪爆点，提升粗剪效率 02:53
• 🎯 创新"划线剪辑"交互：用户选中字幕段落或划线标记即可生成片段，实时预览剪辑效果 03:53
• 🔧 智能标记功能可自动检测口癖词（如"嗯"、"啊"）、长停顿及重复语句，支持阈值自定义调整 07:00
• 📊 章节分组与时间线编辑结合：AI粗剪后可通过传统时间线精细化调整字幕/音频/特效 08:30
• 🌐 支持直播录像自动化切片与多语言翻译，为二次传播提供技术基建 09:50

#AI剪辑 #视频创作 #效率工具 #知识管理 #智能标记

思考

1. 如何获取CutFast测试权限？

• 官网CutFast.st提供内测注册，299美元永久会员或分钟数充值方案，当前购买额度永不过期。

2. 能否处理非英语视频？

• 演示中已支持中文口癖检测，多语言字幕翻译功能正在开发，适用于跨语言内容分发。

术语解释

• 划线剪辑：通过直接勾选字幕文本或滑动划线，实现片段精准截取与实时预览的交互模式。
• 口癖标记：基于语音识别技术自动定位填充词（如"嗯"、"啊"），辅助删除冗余语气词。
• 情绪爆点：通过声纹/语义分析识别观众可能互动的高燃片段，适用于短视频切片场景。
• 时间线精剪：在AI粗剪基础上提供多轨道编辑、音频调节、字幕样式等专业级后期功能。

摘要

大家好，我是立青。在这期视频中，我挑战了一项有趣的实战：通过给最强的 CLI 编程工具 Claude Code“换脑”，用国产模型 MiniMax M2 替换昂贵的 Claude 模型，实现了一套全自动 AI 短视频二创流水线。我全程没有手写一行代码，仅通过自然语言指令，就让 AI 完成了从 3.5 小时罗永浩对谈何同学的播客中提取精华、生成脚本、克隆我的声音以及生成视频画面的全过程。这不仅验证了 MiniMax M2 在复杂编程和 Agent 任务中的强大能力，更展现了其极高的性价比和稳定性。

亮点

• 🤖 我把 3.5 小时的超长播客视频，通过 AI 全自动处理，变成了一个 2 分钟的短视频，包含 AI 生成的画面、文案以及克隆我本人声音的解说 00:19
• 🧠 为了解决 Claude Code 价格昂贵且不稳定的痛点，我尝试将其底层模型替换为国产的 MiniMax M2，挑战用仅为 Claude 8% 的价格实现同样的功能 00:54
• 💸 Claude Code 虽然好用但非常烧钱，高强度任务下一天能跑掉几十美金，而 MiniMax 推出的 Coding Plan 首月仅需 9.9 元人民币 01:22
• 🚀 MiniMax M2 的推理速度比 Claude Sonnet 快了 90%，并且专门针对 Coding 和 Agent 属性做了优化，能听懂复杂指令并调用工具 01:42
• 🎨 MiniMax 拥有完整的生态，包括海螺视频（视频生成）、Speech（人声克隆）和 Music（音乐生成），可以通过 API 直接复刻全套 AI 视频生成流程 01:58
• 🛠️ 实战中，我使用了 CCMate 工具配置 API，将 Claude Code 的大脑无缝切换为 MiniMax M2，并利用 Plan 模式先规划再执行 02:29
• 🔍 AI 在开发过程中会自动调用 MCP 联网搜索工具查询最新的 API 文档，获取真实的参数结构，避免产生代码幻觉 03:22
• 💻 MiniMax M2 展现了高级工程师的素养，不仅生成了符合我项目规范的代码，还自动处理了视频生成的异步轮询和错误处理机制 05:17
• 🐛 在遇到数据库 Migration 报错时，我通过精准的错误反馈，让 AI 自动修复了 SQL 约束问题并成功运行了数据库迁移 08:34
• ✂️ 配合 Cursor 使用“精准手术刀模式”，我让 AI 快速修正了 API 返回参数的大小写问题，展现了极强的工具调用能力 09:47
• 🎬 最终实现的系统支持基于封面图生视频、多段视频拼接以及自动字幕生成，全程开发我只需在终端看着 AI “自言自语”把活干完 11:29
• 📝 整个开发过程非常稳定，没有封号焦虑，且 AI 在任务完成后还自动生成了详细的技术文档和优化建议 12:59

#MiniMax #ClaudeCode #AI编程 #自动生成视频 #全栈开发

思考

1. 如何将 Claude Code 或 Cursor 的模型替换为 MiniMax M2？

   • 对于 Claude Code，可以使用 CCMate 工具或在命令行配置中修改 Base URL 和 API Key；对于 Cursor，可以在设置中添加自定义模型（Custom Model），填入 MiniMax 的 API 地址和密钥，即可在 Chat 或 Agent 模式中使用。

2. MiniMax M2 在编程能力上与 Claude 相比有哪些优缺点？

   • 优点是速度极快（推理速度提升 90%）、价格极低（首月 9.9 元）、且拥有包含视频、音频生成的完整生态 API，国内访问稳定不封号。缺点是虽然在大多数逻辑处理上表现出色，但偶尔在极度复杂的上下文中可能需要通过“精准手术刀模式”（如在 Cursor 中指定范围）来辅助修正细节错误。

术语解释

• Claude Code: Anthropic 推出的一款运行在终端（CLI）的 AI 编程 Agent 工具，能够直接读取本地代码库、执行终端命令并协助开发者进行全栈开发。
• MiniMax M2: MiniMax 公司推出的旗舰 AI 模型，具有强大的逻辑推理和工具调用能力，在 Coding 和 Agent 任务上表现优异，且成本较低。
• MCP (Model Context Protocol): 一种开放标准协议，允许 AI 模型连接到外部数据源和工具（如联网搜索、本地文件读取），在本视频中 MiniMax 通过 MCP 实现了查阅最新的 API 文档。
• I2V (Image-to-Video): 图生视频技术，指通过 AI 算法让静态图片产生动态效果生成视频，视频中利用此技术基于封面图生成了动态的视频片段。
• Migration: 在软件开发中通常指数据库迁移，即对数据库架构（Schema）进行版本控制和变更的过程，视频中 AI 自动处理了这一流程。

摘要

本视频详细介绍了如何从零开始，利用AI编程工具Colabody和腾讯云开发平台，快速构建一个可视化的AI英语学习应用“Bonno AI”。该应用通过AI生成图片、例句、发音甚至视频，结合双重编码理论，显著提升单词记忆效率，即使是非编程背景的用户也能在短时间内实现产品落地。

亮点

• 传统的背单词方式枯燥且效率低下，本应用通过为每个单词生成生动图片，甚至结合用户自拍，实现更直观、更深刻的记忆。
• 应用基于大脑的双重编码理论，将单词直接映射到图像，利用人脑对图像记忆效率远高于纯文本的特点。
• "Bonno AI"应用的核心功能包括智能单词卡片系统、多模态学习增强（图片、发音、视频）、智能复习系统、以及沉浸式视觉设计。
• Colabody作为AI编程工具，通过AI Agent方式构建整个应用，无需手动编写代码，大幅降低了开发门槛，支持产品经理、设计师甚至普通人快速开发全栈应用。
• Colabody集成了多种AI模型（如GPT 5.1 Dex、混元大模型3.0）、组件库（如Shadcn UI）以及云服务（如CloudBase），实现了从设计到部署的一站式工作流。
• 视频演示了从项目初始化、数据库设计、后端云函数开发、前端页面构建、用户认证到云端部署的全过程，突出了AI在自动化开发中的作用。
• 应用支持用户上传自拍作为底图，AI将其融入例句场景中生成图片甚至视频，提供高度个性化的学习体验。
• 视频强调了“越难的事情越要早做”的原则，建议在模板代码完成后立即进行云部署，以便及早发现并解决线上环境问题。

#AI编程 #英语学习应用 #可视化记忆

思考

1. 如何保证AI生成的图片或视频内容符合学习语境且准确？

• 在视频中，作者提到了可以调整提示词（Prompt）来引导AI生成更符合预期的图片，并展示了如何通过异步轮询API来获取更高质量的图片。此外，应用也支持用户上传自己的图片作为参考，进一步提升个性化和准确性。

2. 对于没有编程基础的用户，Colabody的部署和维护是否仍然存在难度？

• Colabody致力于简化开发流程，通过AI Agent自动化了许多传统上需要专业知识的任务，如服务器部署、数据库配置、云函数管理等。视频中演示了通过Colabody直接将应用部署到腾讯云开发环境，大大降低了维护难度。用户主要通过自然语言与AI交互，无需直接处理复杂的运维细节。

术语解释

• Colabody: 一款强大的AI编程工具，通过AI Agent以对话方式协助用户从零开始构建、开发和部署应用程序，无需手动编写代码。
• 双重编码理论 (Dual-coding Theory): 由Allan Paivio提出，认为信息通过两种独立但关联的编码系统（语言系统和非语言图像系统）在大脑中处理和存储，图像和文字同时呈现能提升记忆效果。
• 混元大模型 (Hunyuan Large Model): 腾讯自主研发的大语言模型，具备强大的中文理解与生成能力，包括文本生成、图像生成（混元Image 3.0）和视频生成（混元Video 1.5）。
• CloudBase (腾讯云开发): 腾讯云提供的一站式后端云服务，为开发者提供云函数、云数据库、云存储、静态托管等能力，简化了后端开发和运维工作。
• AI Agent: 具备自主规划、执行和修正任务能力的AI实体，可以在编程环境中理解用户需求，调用工具，并迭代完成复杂的开发任务。

摘要

本期视频作者详细介绍了BibiGPT针对视频创作者推出的多项优化功能，旨在帮助UP主更高效地管理、搜索、总结视频内容，并大幅提升字幕处理的准确性和便捷性。通过跨平台视频搜索、智能合集归纳、高级字幕编辑与校对，以及AI辅助创作等工具，BibiGPT致力于提升创作者的工作效率和内容质量。

亮点

• 🔍 BibiGPT支持在B站、YouTube、抖音等多个平台进行音视频内容的跨平台搜索，帮助创作者快速定位所需素材或进行产品调研。
• 📚 用户可以将多个视频内容快速添加至自定义合集，并能基于整个合集生成一个归纳总结，方便用户全面了解某一主题的所有相关信息。
• 📊 合集总结不仅支持思维导图形式展示，可放大、编辑、下载和分享，甚至还能设置价格并批量导出为多种文件格式，极大增强了内容复用性。
• 🗣️ 平台集成了“Ask AI”功能，允许用户直接与整个视频合集进行对话，通过提问获取合集内容中的具体信息，并自动引用相关视频及字幕原文 06:05。
• 📝 BibiGPT在字幕处理方面进行了重大改进，引入了通义千问、ElevenLabs等高级转录引擎，显著提升了字幕的准确度，并支持自定义热词以进一步提高识别率 11:13。
• ✂️ 视频创作者现在可以手动调整字幕的分段长度、进行合并、AI校对，甚至批量替换关键词，确保字幕与视频内容的同步性和阅读体验 12:00。

#BibiGPT #创作者工具 #视频管理 #AI字幕优化 #内容生产力

思考

1. BibiGPT的合集功能支持哪些高级编辑和导出选项？
   • 除了生成总结和思维导图，合集功能还允许用户对思维导图进行编辑、下载，可以增删改查合集内容，甚至能设置价格并批量导出为PDF、电子书或Markdown文件。
2. 在字幕处理方面，BibiGPT如何帮助创作者提升准确度并进行精细化调整？
   • BibiGPT通过支持多种高质量转录引擎（如通义千问、ElevenLabs）来提升转录准确度，并允许用户添加热词。此外，创作者还可以手动调整字幕分段、合并字幕、使用AI校对（可添加Prompt规则），以及批量替换关键词。

术语解释

• 跨平台搜索: 指BibiGPT能够同时在B站、YouTube、抖音等不同音视频平台搜索内容，打破了平台壁垒，方便用户查找和汇总信息。
• 合集归纳: 允许用户将多个相关视频添加到一个自定义集合中，并能基于整个合集的内容生成一个统一的总结或概述，方便系统化学习和管理。
• 思维导图: 一种可视化的思考工具，通过图形方式来表达主题及相关概念之间的层次结构和联系，在BibiGPT中用于展示合集总结的结构。
• 转录引擎: 指将视频或音频中的语音内容转换成文字的软件或服务。BibiGPT集成了多种先进的转录引擎（如通义千问、ElevenLabs），以提高字幕生成的速度和准确性。
• 热词: 在语音转文字过程中，用户可以预先输入的特定词汇或专业名词，帮助转录引擎更准确地识别这些词语，尤其适用于包含大量专业术语的视频内容。

摘要

本期视频中，作者立青向大家介绍了两款工具：一款是用于管理多平台内容发布的AI工具XAIcreator，他对其自动化发推、AI改写、多账号发布和数据统计等功能进行了体验和评价，并表示XAIcreator有望取代他目前使用的Typefully。另一款是他自己开发的Twitter AI搜索插件Twemex AI Search，展示了其通过自然语言生成高级搜索指令、预设搜索条件和AI查询等功能，旨在将Twitter打造成一个个人第二大脑，帮助用户高效检索和整理信息。

亮点

• 🚀 XAIcreator是一款由Yangyi老师开发的出海AI工具，旨在通过多模态转换将各类内容转化为推文，并支持AI智能改写、个性化编辑以及多账号定时发布，有望取代作者目前使用的Typefully 01:14。
• 📊 社交媒体需要持续稳定高质量的输出以获得曝光和互动，XAIcreator通过一键多账号发布、自动数据统计等功能，可显著提升自媒体管理效率达3倍 05:01。
• 💬 XAIcreator具备用户和推文监控、AI内容生成、情感分析、互动自动化（如自动点赞、关注、回复）及团队协作等核心功能，帮助用户在Twitter上取得更大成功 05:50。
• 📝 作者体验了XAIcreator的草稿生成功能，认为其提供的初始架子有助于从零开始快速生成内容并进行迭代，虽然AI的“味”有时较重，但仍能大大提高效率 25:01。
• 🔍 作者还详细介绍了自研的Twitter AI搜索插件Twemex AI Search，该插件能根据上下文通过自然语言生成高级搜索语法，实现按特定条件（如特定用户、关键词、语言、媒体类型）筛选内容，并可保存搜索预设，极大地提升了信息检索效率 39:50。

#XAIcreator #AI工具 #Twitter运营 #自媒体 #TwemexAISearch

思考

1. XAIcreator在AI内容生成方面是否能够完全替代人工创作？

   • 根据作者的体验，虽然XAIcreator能提供内容草稿和初始框架，但AI生成的文本“AI味”有时过重，在选题和深度内容创作上，人工的干预和润色仍然是不可或缺的，特别是在表达个性化风格时。

2. 如何通过Twemex AI Search插件高效地在Twitter上筛选特定类型的信息？

   • 用户可以通过自然语言输入搜索需求（例如“搜索Yangyi老师2025年之前所有关于营销的推文”），插件会自动生成高级搜索语法；也可以使用预设的搜索条件，如仅查看图片、视频、特定语言（中文/英文）、特定创作者互动记录，或者按热门程度、那年今日等进行筛选。

术语解释

• XAIcreator: 一款由Yangyi老师开发的AI工具，专注于帮助用户在Twitter等社交媒体平台上进行内容创作、自动化发布、多账号管理、数据分析以及互动自动化。
• Typefully: 作者之前使用的，与XAIcreator功能类似的一款内容发布和管理工具，支持多平台同步发布。
• Twemex AI Search: 作者自研的Twitter AI搜索插件，通过AI和自然语言处理技术，帮助用户在Twitter上进行高级、精准的信息检索和内容筛选，旨在将Twitter打造成用户的“第二大脑”。
• 上下文工程 (Context Engineering): 在AI领域，特指有效管理和组织传递给AI模型的信息（上下文），以确保AI能够理解意图、保持会话状态、管理记忆，并进行多轮对话处理，从而生成更准确、相关的响应。
• 截流: 在社交媒体环境中，指通过在大V或热门内容的评论区发布高质量或引人注目的评论，吸引其他用户点击、关注或了解自己的内容/产品，从而获取流量的一种策略。

摘要 section

摘要

本期视频第一时间实测了谷歌刚刚发布的 Gemini 3.0 Pro 模型，并将其快速部署到了 BibiGPT 中。实测发现，新模型不仅在基准测试中全面领先，最令人惊喜的是其“审美能力”的巨大飞跃。通过演示生成动态网站、交互式游戏和高质量 PPT，展示了它强大的多模态理解与视觉呈现能力。虽然定价策略调整为动态模式，但在屏幕理解和物理原理模拟上的表现堪称“炸裂”，真正实现了从单纯的文本总结到“Vibe Coding”的跨越。

亮点

• 🏆 Gemini 3 Pro 在基准测试中全方位领先，视觉化理解能力达到博士级推理水平，在各项榜单上均排名第一 00:41。
• 🎨 模型最直观的改进是审美能力的巨大提升，生成的 PPT 和动态网站配色和谐、布局专业，摆脱了以往“理工男”式的简陋感 01:38。
• 🧩 实测演示了将视频内容转化为交互式游戏，例如通过 SVG 模拟轮椅漂移或构建找牛的追踪系统，极大增强了信息的直观理解 01:44。
• 📊 它能深度理解视频中的硬核技术逻辑，自动绘制清晰的 LoRa 基站架构图，甚至能理解物理原理并转化为可视化图表 02:05。
• 💰 模型采用了动态定价策略，20 万 Token 以内为 2 美元，超过则为 4 美元，同时屏幕理解能力惊人地提升了 6 倍 04:40。
• ✨ 提出了 "Vibe coding" 的核心理念，即通过单一提示词快速构建应用并赋予万物生命，支持从获取灵感到产品上线的完整流程 06:24。

#Gemini3Pro #GoogleAI #BibiGPT #多模态模型 #VibeCoding

思考

1. Gemini 3.0 Pro 的定价策略具体是怎样的？

   • 它的价格采用了动态定价模式。在 20 万 token 上下文以内是 2 美元，如果超过 20 万 token 则是 4 美元。作者提到这个价格体感上比之前稍微贵了一点点。

2. 相比于前代模型，Gemini 3.0 Pro 在实际应用中最明显的提升是什么？

   • 最明显的提升是“审美”和“多模态呈现”。它不仅能总结文本，还能生成配色舒服、布局合理的动态网站、PPT 以及交互式 SVG 游戏，视觉体验远超以前的模型。

3. 什么是视频中提到的 "Vibe coding"？

   • 这是一个基于提示词构建应用的新概念。它强调用户可以通过自然语言描述想法（Vibe），让 AI 快速实现从代码构建到网页上线的全过程，将任何想法变为现实并与世界分享。

术语解释

• Gemini 3.0 Pro: 谷歌最新发布的 AI 模型，在多模态理解、推理能力和视觉生成方面有显著提升，被作者称为目前最智能的模型。
• Vibe coding: 视频中提到的编程新范式，指通过自然语言提示词（Prompt）直接构建整个应用程序，强调快速实现想法和直观的交互体验，而非传统的逐行代码编写。
• SVG (Scalable Vector Graphics): 一种基于 XML 的矢量图形格式。视频中 Gemini 3 利用 SVG 代码直接生成了可交互的动画（如轮椅模拟、物理原理演示），展示了其强大的代码生成与视觉化能力。
• LoRa (Long Range): 视频案例中提到的一种低功耗广域网通信技术，被用于“找牛”的物联网设备中，Gemini 3 成功理解并绘制了其组网架构图。
• BibiGPT: 作者开发的 AI 视频总结工具，在本期视频中第一时间集成了 Gemini 3 模型，用于测试其生成摘要、网页和 PPT 的能力。

摘要

这支视频讲述了作者在使用昂贵的AI编程工具（如Cursor与Claude）后，账单高达2600元的痛苦经历，并从中总结出一种既省钱又高效的AI编程新模式——“规划者-执行者”双核工作流。作者通过演示如何将智谱GLM-4.6模型与Claude Code结合，实现开发生产力的巨大提升，并用实战展示AI自动生成一个带语音播客功能的完整模块。整个过程体现了如何以低成本保持高质量产出，实现“智商高者规划，性价比高者执行”的人机协同新范式。

亮点

• 💸 作者反思高达2600元的AI账单，发现高智商模型承担所有任务造成了巨大的资源浪费。
• 🧠 提出“规划者-执行者”模式，用Claude Sonnet负责规划、高级思考，用GLM-4.6执行具体编码任务。
• ⚙️ 通过Cursor和Claude Code构建完整的双模型工作流，Claude Code作为调度核心，GLM实现代码编写与测试。
• 🚀 GLM-4.6兼具超长上下文（200K）和低成本优势，执行效率极高，令AI账单显著下降 01:42:20。
• 🤝 借助MCP与Context7工具，提供精确的上下文文档与接口支持，让执行更智能、更自动化。
• 🧩 实战演示如何生成AI播客功能，从API调试到模型修复完整展示AI协同开发过程 01:02:45。
• 🎯 最终结果令人震撼，GLM自动生成UI、逻辑与动画，代码风格完全符合既定规范，几乎无需人工干预。
• 🔄 作者总结三大收益：一年可省数千成本、开发流程更省心、协作效率极高 01:56:30。
• 🧩 鼓励开发者不要再盲目追求“单模型万能”，而应像组织管理一样协同多模型合作。
• 🧭 强调用AI工作流编排的思维方式，让程序员从执行者变成产品级AI系统的指挥者。

#AI编程 #ClaudeCode #GLM46 #省钱工作流 #智能开发 #生产力革命

思考 <观众提问>

1. 为什么作者强调要分离“规划者”和“执行者”模型？

   • 因为高智商模型（如Claude Sonnet）虽然擅长思考，但执行任务成本极高；而GLM-4.6执行速度快、成本低，两者分工能实现最佳性价比。

2. GLM-4.6 是如何帮助降低AI账单的？

   • 它月费仅20元，却提供200K上下文、强并发执行力，替代Claude在编程执行阶段的高额Token消耗，实现约80%以上的费用节省。

3. 如何保证AI生成代码的质量与一致性？

   • 作者通过编写CLAUDE.md项目规范文件，定义代码风格、测试框架与目录结构，从源头让执行模型遵守团队标准。

术语解释

• 规划者模型（Planner）：负责全局架构、算法设计与任务拆解的高智商模型（如Claude Sonnet），承担“思考”职责。
• 执行者模型（Executor）：负责具体实现、重构与测试的高性价比模型（如GLM-4.6），承担“行动”职责。
• Claude Code：开源CLI与调度框架，负责编排不同模型执行命令，让AI协同开发成为可能。
• MCP Service：一种在AI环境中维护上下文文档和API信息的机制，让模型能即时访问技术资料。
• Cursor Agent模式：Cursor编辑器的多代理系统，可同步运行多个模型实例进行规划与执行，提升自动化程度。
• Context7：上下文管理工具，为AI模型提供精确技术文档引用，实现更智能的任务执行。

摘要

哈喽大家晚上好，我是立青！今天的视频主要为大家详细介绍 BibiGPT 在过去一个季度（Q3）的重磅更新汇总。这次更新不仅优化了全新的 UI 界面，带来了可折叠的左侧边栏和更清晰的四大功能入口，还新增了全局搜索、AI 高光笔记、批量导出电子书（ePub）等超实用功能。我还演示了如何利用 AI 生成小红书图文、甚至是生成 AI 短视频的早期雏形。更重要的是，正值双 11 特惠活动，全场史低 5 折，希望 BibiGPT 能帮助大家让音视频看得快、搜得到、用得好！

亮点

• 🎨 界面与交互重构：左侧边栏现在支持折叠，信息结构重新梳理为新总结、全局搜索、知识库和产出物中心四大入口，操作更加丝滑直观 00:54。
• 🔍 全局与深度搜索：不仅能通过标题搜索，还能深入到总结摘要甚至字幕原文中查找关键词，配合高亮显示，找内容从未如此简单 10:48。
• 💡 AI 高光笔记：AI 自动提取视频中的精彩片段和特定主题（如你关心的某个技术点），生成可点击跳转的时间戳，大幅提升长视频的消费效率 05:24。
• 📚 批量导出电子书：支持将多个总结内容批量导出为 ePub 格式，导入微信读书后可进行 AI 对话、划线和高亮，打造个人专属知识库 20:49。
• 🎥 AI 短视频生成：展示了一个从长视频自动生成短视频的早期雏形，结合克隆语音和画面分析，未来潜力巨大 09:16。
• 🖼️ 视觉化产出物：包括生成带有对应时间戳截图的公众号长文、自动生成小红书风格的配图，让视频内容转化为图文变得轻而易举 18:01。

#BibiGPT #AI效率工具 #双11特惠

思考

1. BibiGPT 的全局搜索有什么特别之处？

   • 我们的全局搜索不仅能搜到视频标题，还能检索总结摘要和字幕原文中的关键词。即使是本地尚未处理的字幕，也能通过深度搜索模式找到，并且搜索结果会高亮显示，支持快捷键 Command+K 快速唤起。

2. 什么是“产出物中心”，它能用来做什么？

   • 产出物中心是一个“知行助理”的概念，旨在集中管理所有 AI 生成的内容。你可以在这里查看和管理你的自定义提示词、AI 对话记录、生成的图片、改写的文章以及视觉化总结等，方便你将视频内容转化为实际的 PPT、文章或社交媒体文案。

3. 双 11 活动有哪些优惠，Plus 和 Pro 版有什么区别？

   • 目前全场史低 5 折。Plus 版适合主要通过在线视频链接使用的用户，有无限总结权益；Pro 版则增加了更多视觉化功能（如小红书图文、公众号文章生成）、更大的本地文件处理额度以及未来高级功能（如 AI 短视频编辑器）的抢先体验权。

术语解释

• Shift+Enter: 在 BibiGPT 的输入框中，使用此快捷键可以一次性输入多个视频链接，实现批量处理和总结。
• AI 高光笔记 (AI Highlights): 一种智能功能，AI 会自动识别视频中的关键主题和精彩片段，并生成带有文字说明和时间戳的导航，点击即可跳转播放对应画面。
• ePub: 一种通用的电子书格式，BibiGPT 支持将总结内容导出为此格式，方便用户导入到微信读书、Apple Books 等阅读器中进行沉浸式阅读和笔记。
• 视觉化总结 (Visual Summary): 利用 AI 分析视频画面，自动截取关键帧图片，并结合文字生成图文并茂的文章或笔记，解决了传统纯文字总结缺失画面信息的问题。
• 产出物中心 (Output Center): BibiGPT 新增的一个集中化管理模块，用于存放和查看所有通过 AI 生成的“结果”，如对话记录、图片、文章、高亮笔记等，是一个“智能仓库”。

摘要

我向大家介绍我开发的一款全新的智能视频剪辑工具 CutFast。这款工具的核心理念是“像用荧光笔一样剪视频”，旨在彻底改变口播视频的剪辑流程。通过 AI 自动识别并高亮精彩片段、剔除废话和无声部分，结合直观的划线操作，创作者可以极大地提升剪辑效率，实现超过十倍的速度提升，并在一分钟内快速导出精华短片。

亮点

• 🖍️ CutFast 引入了像用荧光笔划重点一样剪辑视频的创新体验，用户只需在字幕文本上划线，即可轻松完成视频片段的选择 00:49。
• 🤖 工具内置了强大的人工智能，能够自动识别视频中的高光时刻，并智能剔除口头禅、重复内容以及无声片段，从而精简视频内容 00:56。
• 🚀 用户完成划线高亮后，可以一分钟内极速导出精华片段，这对于制作社交媒体宣传片或吸引观众的视频开头非常高效 01:06。
• 😠 开发这款工具的初衷源于我对传统剪辑软件（如剪映）性能问题的 frustration，例如它在关闭后仍在后台占用高达29G内存 06:37。
• 💡 未来的 CutFast 将以 AI Native 的思路进行构建，计划接入更多 AI 功能，如利用 Kling 或 Sora 生成创意转场、AI 语音生成和多语言翻译等，持续提升创作效率 10:49。
• 🎯 该工具适用于多种场景，无论是科技区UP主、教育课程制作者、粉丝剪辑应援视频，还是游戏主播制作集锦，都能显著提升效率和内容质量 11:52。

#AI剪辑 #视频效率 #CutFast #智能工具 #内容创作

思考

1. 如果 AI 自动识别的高光片段不符合我的预期，我该如何调整？

• 你完全可以手动进行调整。CutFast 允许用户像使用荧光笔一样，在 AI 识别的基础上自由划线，可以精确到“字”级别来增加或取消高亮片段，确保最终导出的内容完全符合你的剪辑意图 01:27。

2. CutFast 未来会支持哪些更高级的 AI 功能？

• 未来计划接入更多前沿的 AI 能力。例如，利用 Kling 或 Sora 等视频生成模型来制作有趣的片头片尾转场，整合 AI 语音克隆与生成、多语言翻译功能，以及图片和视频素材的智能生成，目标是打造一个全方位的 AI 创作工具 10:49。

术语解释

• CutFast: 我开发的一款智能视频剪辑工具，核心理念是“像用荧光笔一样剪视频”，通过 AI 和直观的文本划线操作来极大地提升口播视频的剪辑效率。
• 划线高亮: 这是 CutFast 独创的核心交互方式，用户可以直接在视频的逐字稿字幕上，像在书本上划重点一样选择并高亮文本，从而完成对相应视频片段的剪辑 00:29。
• 口癖废话: 指视频中无意义的口头禅、重复词句或长时间的停顿。CutFast 可以利用 AI 自动识别并删除这些冗余内容，帮助创作者快速输出精炼的视频 00:56。
• AI Native: 一种以 AI 为核心的产品设计和开发理念。我计划用这种思路来重新思考和构建 CutFast，不是在传统编辑器上叠加 AI 功能，而是从根本上让 AI 驱动整个剪辑体验 07:11。

摘要

本期视频演示了如何利用AI工具链（Expo、Cursor、InsForge）开发跨平台智能记账应用，实现一套代码同步构建Web、iOS、安卓三端应用。核心突破在于通过InsForge的MCP协议实现后端自动化，解决数据库部署、用户认证、AI集成等传统痛点，全程无需手动配置云端服务。作者详细展示了从本地SQLite迁移到云数据库、集成OpenAI实现文本/语音/图像智能记账的全流程，凸显AI原生开发范式的高效性。

亮点

• 🚀 三端同步开发：基于Expo框架用React Native编写单一代码库，自动生成iOS、安卓及Web端应用，实现UI与数据完全互通
• 🤖 后端自动化革命：InsForge通过MCP协议为AI Agent提供标准化接口，实现数据库创建、OAuth配置等后端操作的零手动部署
• 🔄 智能体协作模式：Cursor的Plan Mode将开发拆解为可执行计划，结合Codex CLI自动执行代码生成与错误修复
• 📸 多模态记账集成：利用OpenAI模型解析文本/语音/图像账单（如“早餐花15元”或发票截图），自动提取金额、日期等字段预填表单
• 🌐 云原生数据流：InsForge自动管理用户认证状态同步、云端SQL数据库及对象存储（如发票图片），支持多设备实时数据同步

#AI编程 #全栈开发 #三端应用 #InsForge #智能体协作

思考

1. 传统后端配置（如Supabase）与InsForge的本质区别是什么？

• InsForge专为AI Agent设计，通过MCP协议将后端操作转化为机器可读指令（如JSON格式API），实现程序化创建数据库/存储桶；而传统工具依赖人类理解文档和图形界面操作，中断AI编程心流。

2. 如何保证AI生成代码的可靠性？

• 双保险机制：Cursor Rules预定义技术栈规范（状态管理/目录结构），Plan Mode拆分需求并生成可追溯文档；MCP协议提供错误JSON反馈（含修复建议），如数据库字段冲突时精准定位。

3. 多模态记账的AI模型如何选择？

• InsForge内置多模型路由（GPT-4o/Claude/Gemini），视频中选用GPT-4o处理文本/图像识别；语音识别优先调用设备原生API（iOS SpeechFramework），Web端使用浏览器Web Speech API。

术语解释

• MCP（Model Context Protocol）：InsForge的核心协议，以机器可读格式（JSON）描述后端能力（如数据库schema、API参数），使AI Agent能自主调用云服务，无需人类解读文档
• Expo：基于React Native的跨平台开发框架，通过单一代码库生成iOS/安卓/Web应用，集成原生模块权限管理（如相机、语音识别）
• Cursor Plan Mode：AI驱动的开发规划模式，将需求拆解为可执行任务清单（如“添加SQLite存储”），并生成技术方案文档供AI Agent协同执行
• zustand：轻量级React状态管理库，视频中用于同步前端账单数据与InsForge云端状态，支持跨组件响应式更新
• AI Integration：InsForge内置的AI服务集成模块，自动处理API密钥与计费，支持通过SDK调用多模型（如OpenRouter）实现自然语言账单解析

摘要

视频介绍了作者开发的Twemex AI Search插件，旨在解决Twitter信息搜索难题。插件结合AI生成高级搜索语法，支持预设搜索（如热门内容、仅视频/图片、那年今日等），将Twitter打造成个人公开知识库实现双向引用，还能联动BibiGPT总结视频内容。目前插件未正式发布，后续将优化后上线应用商店。

亮点

• 🛠️ 作者因原有Twitter搜索工具被收购付费，自制Twemex AI Search插件，核心是将Twitter作为公开笔记本，支持搜索个人历史Tweet并实现双向引用，方便写作时引用过往内容。
• 🔍 插件内置多种搜索预设（如查看某博主热门内容、互发对话、仅视频/图片、“那年今日”等），无需记忆复杂的Twitter高级搜索语法，一键筛选特定类型内容。
• 🤖 集成AI功能，用户可通过自然语言描述搜索需求（如“2024年藏师傅关于Sora的视频”），AI自动生成搜索条件；需先授权OpenRouter生成API key（可设置消耗上限）。
• 📋 支持列表（List）搜索，作者维护AI相关中英文List（如ai-cn），可快速筛选列表内博主的热门内容，集中获取AI资讯。
• 📥 联动BibiGPT“稍后看”功能，搜索到的Twitter视频可一键保存并生成中文总结、字幕翻译，支持YouTube/B站等平台，实现音视频内容高效整理。

#TwemexAISearch #Twitter搜索工具 #AI信息管理 #双向引用 #稍后看神器

思考

1. Twemex AI Search插件目前如何使用AI生成搜索语法？

• 答案：需先在插件的Ask AI Setting中通过OAuth授权OpenRouter生成API key（可设置消耗上限如2美元），然后点击AI按钮，用自然语言描述搜索需求（如“2024年藏师傅关于Sora的视频”），AI会自动转换为搜索条件，点击搜索即可。

2. 插件的“双向引用”功能具体是什么？

• 答案：双向引用指用户可将搜索到的历史Tweet内容复制引用到当前写作中，同时历史Tweet也能关联到当前内容，方便回溯过往笔记和整合个人知识，让Tweet成为可相互链接的知识库。

3. Twemex AI Search支持哪些内容类型的筛选？

• 答案：支持筛选仅视频、仅图片、仅链接、特定语言（如中文/英文）、特定时间（如“那年今日”“2025年以前”）、特定博主/列表内内容等，还能筛选关注者或List内的热门内容。

术语解释

• Twemex：作者开发的Twitter AI搜索插件，名称源于Twitter+Memex，核心功能是通过AI生成搜索语法、预设筛选条件，帮助用户高效搜索Twitter内容，将Tweet打造成双向引用的公开知识库。
• Twitter Advanced Search：Twitter官方的高级搜索功能，支持from（来自某用户）、to（发给某用户）、lang（语言）、media（媒体类型）等复杂语法，但需记忆规则；Twemex插件简化了这一过程。
• BibiGPT：作者开发的“稍后看神器”，可与Twemex联动，对Twitter/YouTube/B站等平台的音视频内容生成中文总结、字幕翻译，帮助用户快速整理“稍后看”的内容。
• 双向引用：一种知识管理方式，指内容间的相互关联——用户可引用历史Tweet到当前创作，同时历史Tweet也能关联到当前内容，方便回溯和整合知识。
• OpenRouter：提供AI模型API的平台，Twemex插件通过授权OpenRouter获取API key，实现AI生成搜索语法的功能，用户可设置消耗上限（如2美元）以控制成本。

摘要

本视频是对OpenAI新发布的AI浏览器ChatGPT Atlas的深度开箱和体验评测。作者展示了从下载安装、无缝导入Chrome数据，到体验其核心的“记忆”功能和强大的“自动化代理”（Agent Mode）能力。视频中，Atlas自动完成了网站注册、表单填写和视频总结等任务，展现了其颠覆传统浏览器交互方式的潜力，并探讨了它对现有工具和未来浏览器市场竞争的深远影响。

亮点

• 🚀 OpenAI推出的AI浏览器Atlas，直接挑战Google Chrome的市场地位，预示着一场全新的浏览器大战已经拉开序幕 00:20。
• 🔄 Atlas支持一键无缝导入Chrome浏览器的所有数据，包括书签、历史记录和密码，极大地降低了用户的迁移成本和学习曲线 01:46。
• 🧠 独特的“记忆”功能是其核心优势，它能够学习用户的个人偏好和历史信息，从而在浏览和交互中提供高度个性化和精准的辅助 02:00。
• 🤖 最具颠覆性的“自动化代理”（Agent Mode）能像真人助手一样自主操作网页，自动完成注册、填写表单等任务，彻底改变了用户与网页的交互模式 03:32。
• 🤯 Atlas内置的AI总结能力十分强大，可以直接总结YouTube视频内容，其效果甚至“干掉”了作者自己开发的视频总结浏览器插件 07:16。
• 🧩 Atlas不仅仅是一个浏览器，更像是一个为ChatGPT打造的全新运行时环境，它深度集成了AI对话和操作能力，并兼容所有Chrome插件 [06:24, 07:00]。

#AI浏览器 #ChatGPTAtlas #自动化代理

思考

1. Atlas浏览器和普通的Chrome浏览器加上ChatGPT插件有什么区别？

• 根本区别在于集成深度和核心能力。Atlas将ChatGPT原生集成到浏览器核心，形成了一个新的“运行时环境”。它不仅能在侧边栏聊天，更具备“自动化代理”（Agent Mode）能力，可以直接理解用户意图并自主操作网页，如自动填表、注册，这是普通插件无法实现的。此外，它的“记忆”功能贯穿整个浏览体验，提供更深度的个性化服务 06:24。

2. 使用Atlas的自动化代理功能（Agent Mode）是否安全？

• 该功能在启用时会提示可能存在风险，因为它会代替用户操作网页 03:47。虽然AI会请求用户确认关键步骤，但用户仍需谨慎授权，尤其是在处理涉及个人敏感信息或金融交易的网站时。建议在信任的环境下使用，并留意AI的每一步操作。

3. Atlas浏览器是否支持现有的Chrome插件？

• 支持。视频中提到，Atlas基于Chrome内核开发，因此能够直接安装和使用Chrome网上应用店的所有浏览器插件，这保证了其丰富的扩展性和对用户现有工作流的良好兼容性 06:55。

术语解释

• ChatGPT Atlas: OpenAI最新推出的AI原生浏览器，它将ChatGPT深度集成，旨在通过自动化代理、上下文感知和个性化记忆功能，颠覆传统的网页浏览和交互方式 00:02。
• Agent Mode (代理模式): 这是Atlas的核心功能之一，指AI能够作为一个智能代理，根据用户的指令自主地在网页上执行一系列复杂操作，如填写表单、点击按钮、注册账户等，实现任务自动化 [02:23, 03:43]。
• Memory (记忆功能): OpenAI的一项关键技术，允许ChatGPT记住与用户的历史对话和个人偏好。在Atlas浏览器中，这一功能扩展到整个浏览行为，使AI能够提供更加个性化和上下文感知的帮助 01:57。
• 运行时环境 (Runtime Environment): 在视频的语境中，指Atlas浏览器不仅仅是一个内容展示工具，更是一个能让ChatGPT执行网页操作、与网络深度交互的平台或环境，极大地扩展了AI的应用场景 06:24。

摘要

视频深入探讨了AI翻译工具"沉浸式翻译"如何突破语言壁垒，重塑信息获取方式。作者结合三年使用经验，演示其在网页、视频、图片/漫画、PDF等场景的双语对照翻译能力，强调其通过大语言模型实现精准翻译、排版优化及多模态支持。工具与知识管理流程结合，可提升学习效率，助力用户直接获取全球一手信息，扩展认知边界。

亮点

• 🌐 网页双语对照：实时保留原文排版，支持自定义大模型风格与领域专家提示词（如科技/社交媒体），智能适配语境提升翻译准确度
• 🎬 视频字幕生成：AI为无字幕视频实时添加双语字幕，精准断句优化理解，支持本地/在线视频学习资源
• 🖼️ 多模态图片翻译：突破传统工具局限，智能识别漫画/图表内文本并重绘排版，保持图像原风格
• 📚 复杂文档处理：PDF/电子书支持表格/公式翻译，开源"巴别塔"项目解决排版错乱痛点，实现批量翻译与知识变现
• 🔁 工作流深度整合：与Readwise等知识工具联动高亮双语笔记，快捷键一键翻译，社交平台实时评论翻译促进跨语言交流

#语言革命 #AI翻译 #知识管理 #信息平权 #工具流

思考

1. 免费版是否满足日常需求？

• 免费版支持基础功能（如网页双语翻译），可接入默认免费翻译服务；Pro版解锁智能上下文、高级模型及文档翻译额度，适合高频深度使用者

2. 如何建立英语思维减少翻译依赖？

• 启用"英文→简英"翻译专家，用简单英文解释复杂内容；长按Alt悬停查看单词释义，逐步培养直接理解能力

3. 技术类内容翻译准确性如何保障？

• 自定义提示词工程：选择科技领域专家模版，保留专业术语原文（如Prompt/API）；手动调整字幕分段逻辑，适配模型处理能力

术语解释

• 大语言模型：核心翻译引擎，用户可自选模型风格（如GPT/Claude），通过调整提示词优化不同场景翻译效果
• 多模态识别：工具突破文本局限，同步解析图像/视频中的文字、布局、视觉元素，实现跨媒介翻译
• 提示词工程：通过设计特定指令（如"科技风翻译"）引导AI适配专业领域语境，提升术语准确性与风格一致性
• 巴别塔项目：开源PDF翻译解决方案，智能处理表格/公式/角注等复杂排版，消除语言隔阂的代称
• 知识管道：信息处理流程隐喻（采集→分块→向量化→存储），翻译后内容可直接纳入该体系强化学习

摘要

视频展示了如何通过腾讯云EdgeOne Pages与MCP（模型上下文协议）实现AI驱动的全自动部署。作者以"一句话指令"（如"帮我部署到EdgeOne Pages"）触发AI Agent自动完成项目构建、云服务调用及上线流程，彻底消除传统部署的配置复杂度。整个过程在带娃干扰场景下高效完成，凸显了AI如何让非技术人员也能轻松发布全球可访问的Web应用。

亮点

• 🤖 AI理解部署语义：MCP协议使AI能解析"部署"等自然语言指令，自动调用云工具链（如npm build、域名绑定），无需人工操作技术细节。
• ⚡️ 端到端自动化：从语音输入到生产环境上线仅需分钟级，AI自动识别项目框架（Next.js/Node等），生成构建清单并触发云端发布。
• 🌍 零摩擦全球访问：EdgeOne Pages基于边缘网络实现毫秒级全球分发，自动集成CDN、DDoS防护等能力，开发者无需关心基础设施。
• 🧩 声明式开发范式：用户只需声明"要什么"（如"创建2048游戏并部署"），AI自行决策"怎么做"，颠覆传统命令式操作流程。
• 🚀 技术普惠实践：设计师、领域专家等非技术人员可通过自然语言快速发布应用，结合模板库一键生成AI聊天机器人、电商网站等场景。

#AI部署革命 #无代码开发 #腾讯云EdgeOne #MCP协议 #VibeCoding

思考

1. 如何配置MCP实现自动化部署？

• 在Cursor编辑器设置中添加腾讯云提供的MCP服务代码段，启动deploy_folder工具。AI获得权限后，通过自然语言指令（如"部署到EdgeOne Pages"）即可自动触发云端构建与发布流程。

2. EdgeOne Pages支持哪些技术栈？

• 支持全栈应用（如Next.js）、Node函数及Express/Koa等框架，AI自动识别项目结构并选择最优部署策略。同时提供模板库，涵盖AI图片生成、电商等场景，支持一键部署后定制。

3. 传统开发者会被取代吗？

• 不会。技术专家将转型为"AI领路人"，负责设计MCP协议、训练领域Agent，并赋能非技术人员。复杂系统仍需工程师把控安全与架构，但重复性部署工作由AI接管。

术语解释

• MCP（模型上下文协议）：自然语言与云服务的翻译层，允许AI理解"部署"等抽象指令并自动调用API工具链，实现从想法到上线的自动化流水线。
• 声明式开发：用户仅需定义目标状态（如"需要限速功能"），AI自主选择实现方案（如KV数据库），区别于传统逐行写代码的命令式开发。
• 边缘网络分发：EdgeOne Pages通过全球分布式节点就近响应用户请求，结合CDN加速与安全防护，消除跨地域访问延迟。
• AI网关：腾讯云内置服务，可代理管理第三方AI模型API（如DeepSeek/Gemini），提供缓存、频控等能力，降低集成复杂度。
• Vibe Coding：以自然语言交互为核心的开发范式，聚焦产品逻辑而非技术细节，使设计师等群体能快速验证创意。

摘要

本视频主要评测了 macOS 最新系统 Tahoe 的各项新功能，作者吐槽了新系统在 UI 设计上的不足，尤其是 Finder 中按钮的圆角设计，认为其审美令人难以接受。同时，作者也体验了新系统的 Spotlight 聚焦搜索、剪切板功能，以及与 iOS 的联动。虽然新系统有一些亮点，例如语音转文字功能，但总体而言，作者认为这次更新缺乏创新，对生产力的提升效果有限，不如关注如何利用第三方应用来提高效率。作者还分享了自己如何利用 Readwise Reader 进行信息管理，以及未来视频的计划，包括如何利用 AI 创造工具等。

亮点

• 🤮 macOS Tahoe 的 UI 设计，尤其是 Finder 中的圆角，审美让人难以接受，原生应用和第三方应用的圆角不统一，拼凑在一起显得更加糟糕。#UI设计 #macOS #Tahoe
• ✂️ 新的剪切板功能虽然有所改进，但与 Alfred 和 Raycast 等第三方工具相比，仍有较大差距。虽然允许保存8小时内容，但用户通常需要更长时间的保存。#剪切板 #效率工具 #Alfred #Raycast
• 📱 macOS 新增了手机 App，实现了与 iOS 的联动，可以在电脑端直接打开手机应用。这个联动效果对于需要在电脑上查看手机内容的用户来说非常方便。#iOS联动 #生产力 #跨平台
• 🎤 语音备忘录的语音转文字功能虽然方便，但仍存在一些问题，例如在英文系统下转录中文语音时会出现错误，且无法重新听写，与第三方应用相比仍有差距。#语音转文字 #语音备忘录 #生产力
• 🧑‍💻 苹果的强大之处在于其生态系统和第三方应用，而苹果现在似乎在抄袭一些优秀的第三方应用，但效果并不理想。开发者依然愿意为苹果贡献灵感和资金，但苹果的创新似乎已经进入了瓶颈期。#生态系统 #第三方应用 #创新瓶颈

#macOS #Tahoe #UI设计 #生态系统 #效率工具

思考

1. macOS Tahoe 的圆角设计真的有那么糟糕吗？不同的人审美差异很大，是否会有人觉得这种设计很可爱？

   • Answer 1: 作者的观点可能比较主观，但视频中也展示了不同应用圆角不统一的问题，这确实会影响整体美观。是否觉得丑还是取决于个人审美。

2. 除了语音转文字功能，macOS Tahoe 还有其他值得关注的亮点吗？

   • Answer 2: 视频中提到的 iOS 联动功能可以方便用户在电脑上查看手机内容，以及 Apple Notes 可以导出为 Markdown 格式，可能对一部分用户有用。

术语解释

• 访达 (Finder): macOS 系统中用于管理文件和应用程序的默认文件管理器。
• Spotlight 聚焦搜索: macOS 系统中内置的搜索工具，可以快速查找文件、应用程序和执行操作。
• 液态玻璃 (Liquid Glass): macOS Tahoe 中引入的一种新的 UI 设计语言，旨在提供更流畅和透明的视觉效果。但被作者吐槽“丑”。
• Setapp: 一种付费软件订阅服务，用户可以通过按月付费的方式访问和使用大量的付费软件。
• Markdown: 一种轻量级的标记语言，可以用来编写格式化的文本，常用于编写文档、博客和代码注释。

摘要

视频介绍了作者开发的“AI无限空镜”项目，该工具可将谷歌街景地图截图转化为电影级空镜视频，详细讲解了其操作流程、多场景应用、成本效益、技术拓展（如集成其他视频模型、替换地图数据源）、高级功能（风格/时长/镜头运动设置）及商业模式，最后表达了寻求合作探索出海市场的意愿，帮助用户低成本获取商用视频素材。

亮点

• 🎥 AI无限空镜工具核心功能：用户只需在谷歌地图搜索地点（如东京塔）、截图并输入描述性提示词（如“黄昏时期的电影级空镜，柔和光线+云层移动+宁静烂漫氛围”），即可生成对应电影级空镜视频，操作简单却极大释放创作想象力。
• 🌍 多场景覆盖与技术拓展性：支持东京塔、自由女神像、埃菲尔铁塔等全球地标，用户可自定义提示词生成特定场景；项目基于Google VEO构建，未来可集成可灵、即梦、通义万相等同视频生成模型，还能替换为百度/高德地图数据源。
• 📚 内容创作潜力：能生成“人山人海”“城市袭击”等特定场景，为历史故事、纪录片等内容创作提供丰富视觉素材，彻底打破传统素材获取的场景限制，拓宽创作边界。
• 💰 成本优势与商用价值：AI生成的空镜画面可商用，成本远低于传统无人机拍摄（无需飞行执照、高额素材费），实现高效且经济的视频制作，解决了传统素材获取成本高昂的痛点。
• ⚙️ 高级功能与未来优化：提供电影风、写实风等风格选择，4秒/8秒时长控制，平移、推进、拉远等镜头运动选项；Google VEO自带背景音增强沉浸感；当前支持720P输出，未来可通过集成其他模型或清晰度放大工具升级至1080P，并将根据用户需求迭代。
• 🤝 商业模式与合作展望：项目有包月（含200个视频生成）等定价模式，作者希望寻找有产品/运营经验的合作伙伴，共同探索项目出海市场，临时地址为https://bibigpt.co/veo3。

#AI无限空镜 #谷歌街景转视频 #低成本视频素材 #AI创作工具 #商用AI视频

思考

1. AI生成的空镜视频商用时，是否需要额外确认版权问题？比如谷歌街景截图的使用是否会影响商用授权？
2. 若替换为百度或高德地图数据源，生成的空镜视频效果（如街景覆盖度、细节还原）会和谷歌地图有差异吗？
3. 未来支持1080P高清输出后，生成视频的成本会不会比现在720P的版本更高？

摘要

本视频汇总了BibiGPT 2025Q2及后续（7-8月）的核心功能更新，涵盖视频内容高效处理（视觉摘要、公众号图文转换）、本地功能强化（字幕压制、视频导出）、内容管理升级（手动/智能合集、全局搜索）、学习辅助工具（智能闪记卡）及体验优化（UI主题、通知系统、多模型集成）等方向，旨在帮助用户实现“音视频看得快、搜得到、用得好”的需求。

亮点

• 🖼️ 视觉摘要功能：自动提取视频关键帧截图并匹配对应时间点，结合AI润色将口播字幕转为书面化文本（保留结构），同时高亮关键词，大幅提升视频内容的阅读直观性。
• 📝 公众号图文转换（Beta）：Pro会员可将45分钟内视频转为排版精美的公众号文章，支持HTML/PDF导出，文中截图和链接可直接跳转原视频对应位置，降低内容二次创作成本。
• 🎬 字幕烧录与视频导出：本地客户端支持将字幕（单/双语）直接压制进视频，可自定义字幕颜色、背景、尺寸（横屏16:9/竖屏9:16），满足多平台发布需求，解决手动合并字幕的麻烦。
• 🗂️ 智能内容管理：支持手动合集（可公开、变现）、智能分类（通过标签筛选自动整理内容）及全局搜索（快捷键Command+K快速检索4000+条视频），实现音视频内容的高效归档与检索。
• 📚 智能闪记卡功能：自动生成视频核心知识点的问答卡片（如“成年出现期的五大特征”），支持空格显答案、方向键切换，还可导出Anki用间隔重复算法复习，助力知识内化。
• 🔔 异步通知系统：网页/桌面端支持总结完成通知（需开启权限），无需守在屏幕前等待；同时集成智谱GLM-4.5、豆包Seed等多模型（含快速版/Pro版），满足不同场景的生成需求。

#BibiGPT更新 #视频转图文 #智能合集 #字幕压制 #闪记卡学习

思考

1. BibiGPT的公众号图文功能仅支持45分钟内视频，若需处理更长视频（如1小时以上的课程），后续会开放时长限制吗？
2. 智能闪记卡生成的问题是否基于视频中的“高亮关键词”或“章节要点”？用户可以手动调整问题的数量或侧重点吗？
3. 字幕烧录时的样式自定义目前只有颜色、背景等基础选项，后续会不会增加字体选择（如宋体、黑体）或字幕动画特效？

摘要

本视频介绍了软件3.0和“随心编程”（Vibe Coding）的新兴理念，并结合Andrej Karpathy的观点，阐述了自然语言如何成为新的编程语言。视频通过一个完整的实战案例，详细演示了如何利用AI原生代码编辑器Cursor与腾讯云开发套件CloudBase AI ToolKit，仅通过几轮自然语言对话，就从零开始构建出一个功能完善的微信语音记账小程序，直观地展现了AI驱动下软件开发效率的巨大飞跃。

亮点

• 💡 软件开发正迈向3.0时代，其核心理念是将自然语言（Prompt）作为一种全新的编程语言，指挥大语言模型（LLM）这个新“操作系统”来自动化完成复杂的编程任务。
• 🚀 AI原生开发工具（如Cursor）与一站式云开发套件（如CloudBase AI ToolKit）的结合，是实现高效AI编程的最佳拍档，能覆盖从前端到后端部署的全流程。
• 🛠️ 模型上下文协议（MCP）是实现AI自主操作的关键，它为AI Agent提供了一套可调用的工具集，使其能自主执行创建数据库、部署云函数、管理文件等复杂操作，而无需人工干预。
• 📱 视频通过实战演示，仅用两轮核心对话，就让AI成功构建了一个支持语音输入的微信记账小程序，并自动完成了界面、逻辑、云函数和数据库的设计。
• 📄 为AI提供精确的上下文至关重要，例如，通过分享官方文档链接，AI能自主学习并调用最新的API（如CloudBase的extend.ai能力）来解决未知问题。
• 🤖 AI不仅能编写代码，还能高效地进行调试；将报错信息直接复制给Cursor，它能够分析问题根源并自动生成修复后的代码，极大地简化了排错过程。
• 🗣️ 未来的软件开发将更加“声明式”，开发者只需描述“做什么”（What），而AI会利用各种云服务和工具集（Agentic AI）来解决“怎么做”（How）的技术细节。
• ☁️ CloudBase AI Toolkit深度整合了微信生态，提供了数据库、文件存储、AI模型调用等一站式云服务，通过MCP协议让AI能无缝操作这些云资源，打通了从开发到部署的“最后一公里”。
• 🧠 大语言模型被比作新时代的操作系统，其上下文窗口（Context Window）如同内存（RAM），需要通过提供精准的上下文（如文档）和强大的工具集（如MCP）来辅助其完成复杂推理和任务。
• 🌐 作者呼吁所有云厂商都为AI Agent打造工具（适配MCP服务），让人类只需指挥Agent，就能将创意快速变为现实，真正实现“人人都是程序员”的愿景。

#AI编程 #软件3.0 #云开发 #微信小程序 #AIAgent

思考

1. 使用这套CloudBase AI Toolkit和Cursor进行开发，对个人开发者来说成本高吗？需要哪些前置准备（比如腾讯云账号、微信认证等）？
2. AI生成的代码和部署操作完全可信吗？当AI执行了错误的操作（比如视频中提到的删除数据库集合），我们该如何进行回滚或控制？
3. 对于比记账小程序更复杂的应用，比如包含复杂业务逻辑和多表关联的系统，这套AI编程工作流是否依然高效？

摘要

视频系统介绍了BibiGPT如何通过AI技术实现音视频知识管理的全流程优化，涵盖快速收集、智能整理、深度提炼和高效输出四大核心环节。作者结合CODA框架演示了从B站、YouTube等平台一键导入视频、自动生成字幕与思维导图、联动Notion/Obsidian笔记软件等实操场景，并展示了AI辅助视频创作、跨语言搜索、视觉化总结等创新功能。最后提及618限时五折优惠及永久会员机制。

亮点

• 🚀 全平台极速捕获：通过浏览器插件、微信助理、桌面客户端实现B站/YouTube/播客等多源音视频一键收藏，异步自动总结并同步至笔记软件
• 🧠 AI智能重组知识：支持自动生成章节摘要、标签分类、跨视频关联分析，通过Mermaid图表/动态网页等可视化形式重构知识结构
• 🔍 跨语言深度检索：中英文字幕互译后仍可精准搜索，结合AI语义分析实现"未知的未知"内容推荐，拓展认知边界
• 🎥 创作闭环赋能：AI自动生成短视频脚本、公众号文案、PPT大纲，甚至通过MCP协议调用工具链实现字幕样式定制与视频再加工
• 📈 人机协同进化：开发者将持续迭代提示词库与智能体架构，未来可通过自然对话实现"一句话生成专题合辑"等高级功能

#AI知识管理 #音视频处理 #Notion联动 #智能搜索 #生产力工具

思考

1. 如何处理BibiGPT暂未适配的视频平台内容？
2. AI生成的总结准确度如何保障？需要人工二次校验吗？
3. 永久会员机制关闭后，现有用户权益会受影响吗？

摘要

这期视频我开箱并深度体验了著名浏览器公司 The Browser Company（Arc 浏览器开发商）推出的全新 AI 浏览器——Dia。我详细展示了 Dia 将 AI 作为核心交互界面的设计理念，测试了它与网页、视频和文件的对话能力，并设置了个性化的 AI 风格。最后，我将它与 Arc 浏览器进行对比，指出了它在公测阶段的不足之处，并给出了 65 分的综合评价。

亮点

• 💡 Dia 浏览器的核心理念是“AI 即浏览器”，它试图将 AI 深度集成到浏览器内核，让对话成为用户与互联网交互的主界面，而非像传统浏览器那样将 AI 作为附加功能。
• 🗣️ 用户可以通过个性化设置，让 Dia 以特定的语气和风格（例如模仿著名思想家保罗·格雷厄姆）进行回应，并能根据用户输入的职业和兴趣，提供高度定制化的内容总结与回答。
• ✍️ Dia 内置了强大的对话式交互窗口，支持与网页、视频、图片甚至本地文件进行多任务对话，能够快速总结内容、翻译文本、辅助写作，极大地提升了信息处理和调研的效率。
• 🖼️ Dia 在界面设计上继承了 Arc 浏览器一贯的美学风格，交互动画精美流畅，并且支持将对话内容一键生成设计精美的图片进行分享，优化了内容创作和社交媒体分享的工作流。
• 🤔 尽管理念先进，但 Dia 目前仍处于公测初期，成熟度不高。它与现有浏览器插件生态的联动体验较差，且缺少一些 Arc 浏览器中备受好评的核心功能（如 Space），整体体验并未完全达到预期。

#AI浏览器 #Dia #ArcBrowser #生产力工具 #科技开箱

思考

1. 既然 Dia 目前缺少很多 Arc 的核心功能（比如 Space），那它对于已经习惯 Arc 的用户来说，除了新颖的对话交互，还有什么独特的吸引力吗？
2. 视频里提到 Dia 和现有浏览器插件的联动很差，未来官方有计划改善这一点吗？还是说他们希望用原生的 AI 功能彻底取代大部分插件？
3. **Dia 浏览器未来会收费吗？**它这种深度集成的 AI 功能看起来运行成本不低。