宝玉

宝玉

@dotey最近同步 9/5/2026, 3:15:50 AM

AI Engineer, dedicated to learning and disseminating knowledge about AI, software engineering, and engineering management.

Chicago, IL

7日排名
#29
总粉丝
246K
7日涨粉
+2.3K
7日发帖
38
7日曝光
930K
帖均曝光
24.5K

Ranking History

Today’s rankings update in real time. Historical records retain daily top-five entries for growth, posts, and reach. Click to view a poster.

TOP 4 · 2026-09-05
Daily Reach Breakout
宝玉
宝玉@dotey
114Kviews
Daily posts4 posts
Daily growth+40 followers

粉丝趋势

近7日每日已结算数据

内容表现趋势

曝光/互动与发帖量均按自然日结算

发帖趋势

近7日每日发帖量

帖均曝光趋势

每日总曝光 ÷ 每日发帖量

Participated Topics

Participated in 3 topics

View topic rankings

中文 X 创作者继续围绕 AI 写作去味、Skill 工具和 Agent 课程分享形成高收藏讨论。余温称写作时只加入“禁止使用状语”就能明显减少 AI 味并提升小说质感,铁锤人随后转述类似体验;Viking 分享 show-me Skill,强调让 AI 用最小图示解释技术问题,而不是堆砌长段文字;G哥则分享开源 AI Agent 课程,并称可替代某些付费课程。讨论显示用户关注点正从单条 Prompt 转向可复用工作流、图解能力和系统化学习资源。

Participated post: 怎么感觉 Anthropic 和 OpenAI 对调了😂 OpenAI 宣布断供 Cursor 后不到两小时,Anthropic 联合创始人、首席算力官(Chief Compute Officer)Tom Brown 在 X 上回应:Cursor 从 2024 年的 Sonnet 3.5 时代起就是 Anthropic 信任的合作伙伴,Anthropic 会继续增加算力支持 Cursor 里的 Claude 模型,也期待 Cursor 在 SpaceX 的下一步。
Posts 3 Views 360KHeat 17.2K
#AI写作#去AI味#提示词

GPT-6 Astra 被中文 AI 用户称已在 Codex 中可用,并引发围绕测试范围、Claude Code 额度重置和模型竞争的讨论。宝玉表示 GPT-6 Astra 在 Codex 能用了,正在测试,但不确定是所有 Codex 用户还是仅 Pro 用户可见;Inty News 称自己已经开始用上 GPT-6,体验“很爽”;宝玉随后提到 Claude Code 为迎接 GPT-6 Astra 发布而重置额度,但吐槽通知太晚。Max For AI 则把 Claude 的 reset 解读为在 GPT 更强时试图留住用户的竞争动作。候选推文主要来自用户体验和调侃,尚未给出 OpenAI 或 Anthropic 的完整官方说明。

Participated post: 普通开发者 vs Vibe 开发者 https://t.co/zWgfgXLWaN
Posts 3 Views 181KHeat 6.7K
#GPT-6 Astra#Codex#Claude Code

GPT-6 Astra 在中文 AI 圈的新一轮实测集中转向 3D 建模、Blender 渲染、Computer Use 和 Codex 使用体验。歸藏展示 Astra 在 Blender 中用慢速模式约 10 分钟生成精细甜甜圈模型,并进一步让其制作带糖霜动效和运镜的展示视频;Inty News 转发“GPT 建模、工业模型”案例,Gorden Sun 则称其能像人一样完整弹奏网页版钢琴。与此同时,用户也讨论 Astra 中档模式、Plus 额度消耗、Codex 上线和模型是否足够聪明,评价从惊艳扩展到成本、稳定性与任务适配。

Participated post: 目前用下来 GPT 6 Astra 最让我惊艳的还是 Computer Use 的能力,它不像之前 GPT 5.6 那样 要稍微等一会才进行各种操作,现在它能很快很精准的帮我测试 App,在旁边看着它点击真的是一种享受 https://t.co/Q5b3YLuLXY 这其实带来一个最大的提升就是让 Agent 从开发到验收形成了完整的闭环。 想象一下现在我们开发,在开发完成后,还是不免有很多操作需要手动去验证下,包括线上系统的测试,也是更多的依赖于代码操作 PlayWright 这样的端到端测试框架去执行,之前 Computer Use 也不是不能做到,而是相对成本较高、准确率较低、速度也不够快。 但 GPT 6 可能突破了个 Computer Use 的临界点:准确率高速度快,成本方面现在还不算低,但可以遇见未来会进一步下降。 建议你可以试试在给 GPT 6 安排任务的时候,让它自己去用 Computer Use 测试验收一下,可以大幅减少你手动验收的工作。 另外就是以前一些 App 的自动化测试,也可以试试用 GPT-6 去调用 Computer Use 去做,覆盖一些以前端到端测试框架无法覆盖或者成本过高的场景。
Posts 5 Views 114KHeat 663
#GPT-6 Astra#Blender#Computer Use

近7日爆款推文

按近 7 日曝光排序,展示前 10 条。

2
24.6万 followers
Views9.2万
目前用下来 GPT 6 Astra 最让我惊艳的还是 Computer Use 的能力,它不像之前 GPT 5.6 那样 要稍微等一会才进行各种操作,现在它能很快很精准的帮我测试 App,在旁边看着它点击真的是一种享受 https://t.co/Q5b3YLuLXY 这其实带来一个最大的提升就是让 Agent 从开发到验收形成了完整的闭环。 想象一下现在我们开发,在开发完成后,还是不免有很多操作需要手动去验证下,包括线上系统的测试,也是更多的依赖于代码操作 PlayWright 这样的端到端测试框架去执行,之前 Computer Use 也不是不能做到,而是相对成本较高、准确率较低、速度也不够快。 但 GPT 6 可能突破了个 Computer Use 的临界点:准确率高速度快,成本方面现在还不算低,但可以遇见未来会进一步下降。 建议你可以试试在给 GPT 6 安排任务的时候,让它自己去用 Computer Use 测试验收一下,可以大幅减少你手动验收的工作。 另外就是以前一些 App 的自动化测试,也可以试试用 GPT-6 去调用 Computer Use 去做,覆盖一些以前端到端测试框架无法覆盖或者成本过高的场景。
4
24.3万 followers
Views4.9万
Codex 正在重置额度,并且已经做了 Token 消耗的优化,理论上来说现在 Codex 的额度会更耐用了。 --- 以下来自 Tibo 推文 --- Tibo:我们正在为所有 Codex 和 ChatGPT Work 的付费用户重置使用额度。 如果你想了解 Codex 额度消耗问题的最新进展,请接着往下看。最近,我们的团队一直在日夜奋战,翻阅了成千上万份用户报告,并马不停蹄地发布了一系列修复补丁。 接下来,根据你使用 Codex 的习惯不同,你会发现自己的额度比以前变得更“耐用”了——使用时长大约能增加 10% 到 50%。 这次我们真的是拿着“显微镜”进行了地毯式排查,揪出了许多潜伏已久的小毛病。以下是我们发现并修复的核心问题: - Compaction(上下文压缩)。 在进行压缩时,我们之前错误地保留了旧图片,有时这会让上下文体积依然很大,从而再次触发压缩操作。修复后,对于重度使用图片的用户来说,额度消耗下降了约 10%。已修复。 - Memory(记忆机制)。 后台负责处理记忆的程序有时会继承“停止挂钩”(Stop hooks),导致在挂钩阻止它们结束时,这些程序依然在无意义地空转。这虽然只影响了不到 1% 的用户,但在极端情况下表现得非常糟糕——我们甚至观察到一个线程循环检查了 15,000 次自己“是否可以停止”。已修复。 - Goals(目标指令)。 在某些情况下,设定好的 `/goal` 指令在完成后,并没有乖乖停下,而是越过了预定的停止条件继续运行;或者,模型会死磕那些已经失效的工具,无限重试而不停止。我们看到的一些极端案例中,这竟然白白消耗了用户每周 15% 到 70% 的额度!已修复。 - Automations(自动化任务)。 部分自定义的定时任务,其运行频率超出了用户的实际设定。已修复。 - Subagents(子智能体)。 执行复杂任务时,主模型有时会调用其他专门的模型来协助)较小的模型(例如 Luna)有时会在没有被明确指令要求的情况下,擅自“请外援”调用能力更强(也更耗费额度)的助手模型。同样,如果负责调度的模型本身没有开启 `/fast`(快速)模式,它却会错误地要求子智能体以 `/fast` 模式运行。已修复。 - Computer History(计算机历史记录)。 旧版的代码实现会导致系统反复对重叠的活动记录进行总结。在部分案例中,单是这个小失误,每周就能吃掉用户高达五分之一的额度。已修复。 - Rolling task summaries(滚动任务总结)。 在普通的对话轮次中,系统会触发额外的后台请求。这不知不觉中增加了大约 1% 的 token(词元)消耗。虽然每次只扣一点点,但积少成多也是一笔不小的开销。我们现在已经禁用了这个功能。 - MCP。 部分工具返回的结果被系统重复编码了两次。我们还发现,一些工具的指令会被意外截断,导致系统不得不重新获取。已修复。 为了彻底斩草除根,我们对系统架构进行了底层调整,以防止这些问题卷土重来。退一万步说,即便问题真的复发,我们的团队也会第一时间收到警报。此外,我们正在开发一项新功能,未来你将可以直接在应用内清楚地看到额度究竟花在了哪里,再也不用瞎猜了。 毫无疑问,我们现在正在为大家重置所有的使用额度。祝大家度过一个愉快的周六!
7
24.4万 followers
Views2.6万
手写代码、手搓提示词、认真看 AI 写的代码,这都是手段,目的是软件质量,而达到目的还有更多其他手段 像这种写提示词的场景,并不一定要手搓提示词,如果整理好测试数据集,设置好基准线,反复测试并给 AI 有价值的反馈,用 AI 写应该会比人写的更好 写代码也是类似,定义好架构,做好自动化测试覆盖,AI 完成后人去做功能验证,测试性能和安全性,质量也可以有比较好的保障。