https://linux.do 论坛的话题更新通知频道。
Neptune (@Neptune1) 在 分享一个目前自己用的GPT精简回复指令 中发帖
同时风格选高效务实，感觉限制一下确实不那么啰嗦了
[!info] 设置>个性化>自定义指令
偏向中文回答。回复采用信息熵最高的表达，不要加入大量没有任何信息的辅助用语，精简自己的话术。在包含核心表达同时做到能短则短。
[image]
duxiaoxiong 在 写论文时候发现codex限制生物学相关用途了 中发帖
最近在写一篇生物医学方面的论文，之前用它进行数据分析和作图一直没有问题。最近快发表了，今天只是让他帮我整理一下表格，结果他今天给我弹出来了这个：
[image]
点进去发现需要填写组织、用途和国家等信息 https://openai.com/form/trusted-access-for-biology-research/https://openai.com/form/trusted-access-for-biology-research/
有没有佬友遇见了同样的问题，我是cpa反代的自己开的team，最后几次也是显示正常调用
[image]
WizisCool 在 突然发现，去年的这个时候，我们还在用 GPT-o3，AI的发展速度太惊人了 中发帖
2025年4月 OpenAI发布 o3 和 o4-mini
2026年4月 OpenAI发布 GPT-5.5
2026年6月 Authropic 发布 Fable5
一年前，AI能高效的Coding还被视作科幻，大部分人使用AI依然处于ChatBot和搜索的阶段，对于AI取代某些职业，人们当时普遍觉得“也许还要过几年吧”
Claude Code 在 2025 年 2 月推出。在此之前，我们都在用那些VSCode的自动补全，在web端粘贴一大段文本然后反复复制粘贴
现在，一轮提示词编写一个类"我的世界"游戏已经成为了检验一个模型的指标
试想一下2年3年后的这个时候的世界会是什么样子
谈 (@Noct1s) 在 佬友们上班摸鱼、通勤划水，会听有声书吗？抛砖引玉求推荐 中发帖
通勤较长，路上总得打发时间，最近播客听腻了准备回来听听有声书/广播剧
毕竟跟ai听书对比起来，真人演播给人的感觉还是不一样，而且这个玩意跟看文字还是有挺大区别的，好的演播或者团队确实有能力把一般般的小说演得更有意思hhhh
因此想跟大家交流下有没有什么比较好的作品可以推荐推荐，题材和范围不限，大家畅所欲言
目前听完的：
**《诡秘之主》：**由于网文看的比较少，第一次听的时候，被这种序列体系+克苏鲁西幻题材+豪华的演播阵容惊到了，各个角色的演播老师给我感觉就是俩字，专业（后面才得知这个工作室8082audio跟黑神话悟空合作，有不少老师都负责游戏角色配音）。给我感觉就是开了眼界和惊艳，在考虑实在没东西听的话会再刷一遍。
**《道诡异仙》：**慕名而来听的“东方克苏鲁”，也是一个鼎鼎大名的原作底子，有疯有刀有温情的邪典玩意，非常值得一提的是，作品里除了比较专业的人声录制以外，针对很...
SaoGa 在 终于又手搓了一个k12，谷歌邮箱搞的 中发帖
这个帖子还是不错，虽然有些说只是封装了一个http
https://linux.do/t/topic/2519650
特感谢下这个帖子，有人说都不行了，实测了一个
[图片]
jerry828 在 不知不觉升到三级了，感谢引荐人 中发帖
如题。从4月初注册到现在3个月左右，得闲就到社区来看看，学习学习。在此要特别感谢我的邀请人@biubiu666，给了我2次邀请码（第一次小作文没过，第二次才过的）。
@yuzyf 在 分享0刀卡也能被举报吗？？？ 中发帖
弱弱的问一句我分享0刀卡、我就是不想浪费了、这也能被举报吗？？逻辑有点搞不懂、涉及灰色产业？？？我就是不想浪费个0刀卡啊、就是吐吐槽、算了以后不弄了 😅
lablawliet (@ljm777) 在 claude code 触发子agent的方式 中发帖
什么叫子agent?
主 agent(就是跟你对话的那个 Claude)干活时,如果遇到一个又大又独立的子任务,比如"去把整个 src/ 目录扫一遍,找出所有用了废弃 API 的地方",它会开一个分身去干。这个分身就叫子 agent(subagent)。
为什么要开分身,不自己干? 两个原因:
省上下文:扫代码会读一堆文件,这些文件内容如果全塞进主对话,主 agent 的"记忆"很快就爆了。让分身去读,分身干完只把结论(比如一份清单)交回来,主 agent 的上下文就干净。
隔离风险:分身跑偏了不影响主线,主 agent 收到结果后可以决定信不信、要不要重跑。
关键问题来了:这个分身开机的时候,脑子里带不带主 agent 的记忆?
三种模式,用"新员工入职"打比方
想象你是项目负责人(主 agent),现在要派一个新人(子 agent)去干活。有三种派法。
模式 1:Nor...
刘秀江 (@joel_liu) 在 求佬们给一些方法，关于生图的image2 nano banana 中发帖
有不少生图需求，想用image2、banana的生图，2k 4k等，目前是本地用了chatgpt2api注册机来用image2的1k生图，但是2k/4k 以及banana不太了解，目前市面上都是什么方案呀
梦秋思 (@skyline1982) 在 和他们学的用一段提示词来整理下codex，整理效果可以，但是Claude code里没啥效果。 中发帖
其实非常简单啊，就是工作一段时间了，对话很多情况下，让codex整理下，
Look across my threads and projects and come up with five ways to simplify and work more efficiently with Codex. Use sub-agents.
中文意思大概是：
查看我最近的 Codex 线程和项目，帮我提出 5 个可以简化流程、提高效率的做法。请使用子代理分头分析。
codex输出挺好的，大致是，你最近真正做了什么
哪里在重复消耗时间
哪些流程值得固化下来
哪些内容可以变成下一套工作流 ，还能发现我的skill那些不适合我，改进下能得到我想要的结果，让他直接改了，后面真的很好。。。
但是Claude code里，就对我一顿教育，给我上课了。。。。。。上的都挺郁闷了。。
joker (@yuanniyu) 在 人工智能3-最大似然估计 中发帖
最大似然估计（Maximum Likelihood Estimation，MLE）就是：假设数据来自某个模型，然后找一组参数，让“观测到当前这些数据”这件事最有可能发生。
直观解释一下：你现在看到一个结果，投掷了10 次硬币，其中有7次是正面，有3次是反面。
但你不知道这枚硬币到底是不是公平的（如果硬币是公平的，那正面、反面概率都应该是0.5）
你现在有三个猜测
猜测 A：正面概率 p = 0.5
猜测 B：正面概率 p = 0.7
猜测 C：正面概率 p = 0.9
最大似然估计要做的事就是：
看看哪种猜测，最容易产生7正3反这个结果。
如果p=0.5，出现7正3反也可以，但没那么符合。
如果p=0.9，它太偏正面了，出现7正3反反而也不算最自然。
如果p=0.7，那10次里面大约7次正面，刚好最符合你看到的数据。
所以最大似然估计会说： 我估计 p = 0.7。 ...
反正可爱就对了~ (@Black_L) 在 Xiaomi MiMo Free 是不是改了白嫖策略 中发帖
虽然早知道会这样做了，但是动作也有点快了。
最开始用 嘎嘎快
中期用 （单ip限制上限，达到上线就无限阻塞） 可换IP解决
现在 （无限阻塞+限制多轮次数）多轮思考 会无输出强制停止，需要我一直干预。