人工智能

今天盘点一下 codex 从安装、使用到卸载的各个环节，梳理一下使用 codex 的注意事项。 1、下载、安装、打开、卸载 Open AI 官网 进行下载。 安装过程，无法自定义，安装后程序默认放在C:\Program Files\WindowsApps\OpenAI.Codex_26.609.9530.0_x64__2p2nqsd0c76g0\app> 注册、登录、打开应用，务必把全局代理打开，否则无法使用。 卸载codex，请点击开始-设置-应用-安装的应用-codex-卸载。 2、使用初体验 可以白嫖，有免费的额度，并且额度用完之后，会定期重置。 对话框右下角可以选择模型，以及推理的强度。强度越高，消耗token越多，结果越准确。 左下角，可以配置 codex 权限。 第一个选项，权限最低，每件事都会询问用户。 第二个选项，权限中等，偶尔询问用户。 第三个选项，权限最高，ai 具备增删改查能力，不会询问用户是否同意。 左下角加号这里的选项，可以创建ppt、文章、图片、文件…… 这里的计划模式开启之后，ai 会先提供方案，由你决定是否执行。 这里的目标模式开启之后，ai 会一直执行提示词，直到完成为止。 浏览器插件，可以让 codex 以浏览器视角，查看网址。 pdf插件，可以让 codex 解析整理pdf文件。 左侧插件这里，可以看到更多的插件和skill。 自动化工具，可以创建定时任务，让 codex 成为你的私人助理。 对话框下侧可以选择项目，选择之后，所有的对话内容，都会以这个项目展开。 3、套餐订阅 套餐订阅，请看这个视频。 视频里分享了如何在国内，通过官方渠道，订阅 codex 会员。官方渠道付费订阅，安全性更有保障。 以上就是本期分享，感谢阅读。

你知道这些真人感十足的图片是如何生成的吗？只需要一个简单的文生图指令，就可以做出一张这样的图片吗？ 并非如此，好的图片不仅仅依赖模型，提示词也同样重要。 换句话说，好的图片 = 厉害的模型 + 厉害的提示词。 那么如何写出对应的提示词呢？下面这个开源项目，应该可以帮到你。 今天分享一个非常牛的开源项目，star 达到了 2.8k，开源项目链接。 大家可以在 git 平台搜索 gpt4o-image-prompts ，然后，就可以找到这个项目了。 你可以在项目的 README 上，找到示例图片以及示例提示词。 点击之后，会跳转到对应的案例，案例中会显示图片、提示词、模型、原作者信息，如下所示。 图片： 提示词： { "meta": { “项目”:“Ski_Gondola_Egirl_Flux_V4.2” "target_engine": "Flux.1 [dev] / Nano Banana Pro", 版本：4.2.0（一切尽在掌控 - f/11） "created_at": "2025-12-18T15:35:00Z" }, "engine_configuration": { “模型”： { "base": "flux1-dev.safetensors", “量化”： “fp8 / nf4”， "vae": "ae.safetensors" }, "lora_slots": [ { "name": "Realism_LoRA_v2（可选）", “强度”：0.5， “注意”：“增强瓷白的肤色、尼龙的质感和雪的反射效果。” } ], “采样”：{ "sampler_name": "欧拉， "调度器": "简单", “步骤”：28， "guidance_scale": 2.5, "shift": 1.0 }, “方面”： { 宽度：1024， “高度”：1536， "aspect_ratio": "2:3", "megapixel_class": "1.5MP" } }, "prompt_construction": { "narrative_layer": { "风格": "冬季生活方式/旅行摄影", “拍摄说明”：“在滑雪缆车内拍摄一张清晰、高对比度的照片，使车内主体与车外明亮的雪山景色达到平衡。” “subject_flow”: “一位肤色苍白、留着黑色狼头短发的年轻女子，身穿白色羽绒服，坐在缆车里，抚摸着自己的头发。” }, "texture_layer": { "skin_physics": "苍白的瓷肌，亮泽的嘴唇，夸张的电子女孩眼线，光滑的妆效" "fabric_physics": "白色羽绒服的亮面尼龙质感，黑色滑雪裤的哑光科技面料，滑雪镜的反光镜片", "environment_physics": "背景细节清晰：透明玻璃窗、山上的白色积雪纹理、深绿色的松树、蓝色的天空" }, "camera_physics": { "lens_imperfections": "高对比度，锐利的日光，玻璃上有轻微反射" “对焦”：“景深大（f/11）——无模糊。女子、缆车内部以及远处的雪山都清晰锐利。” 设置：索尼 A7R V，35mm 镜头，1/1000 秒，ISO 100（明亮的雪天） }, "color_grading": { “white_balance”: “冷色调日光（蓝天/白雪为主）” “阴影”：“小屋内深邃而清晰的阴影”， “亮点”：“雪地和外套上的明亮、清晰的高光” } }, "final_prompt_string": "一张使用索尼A7R V 35mm f/11镜头拍摄的真实生活照。景深大，画面清晰。一位年轻女性（19-25岁），拥有白皙的肌肤，留着齐肩黑发，刘海齐肩（狼刘海），坐在滑雪缆车内。她身穿亮白色短款羽绒服、黑色滑雪裤，头戴黑色滑雪镜。她轻轻拨了拨耳后的头发，神情平静地看向镜头。妆容精致，带有猫女风格，眼线上扬，唇彩闪亮。明亮的冬日阳光洒在她的脸上。背景清晰锐利：透过宽大的玻璃窗，可以清晰地看到白雪皑皑的阿尔卑斯山脉、滑雪道、松树和湛蓝的天空，没有丝毫虚化。高对比度。展现了冬季旅行的美感。" "negative_prompt_string": "", "note_on_negative": "Flux 会忽略明确的否定提示。清晰度由诸如“f/11”和“深景深”之类的肯定描述符保证。" "post_processing": { “高档”： { “启用”：true， “方法”：“Magnific_AI_Style（创造力：1）” }, “面部修复”：{ “启用”：false， 警告：严重：禁用面部恢复功能。 } } } 你可以把上面的提示词 copy 下来，丢到豆包、gemini banana 等 ai 工具中去使用。 ...

openClaw 是IT圈2026年开年的绝对顶流，它本质上是一个ai agent。 包括去年爆火的Claude Code、Manus，还有前年异军突起的 Cursor，本质上都是 ai agent。 我们今天来聊一下 AI Agent 这个东西。 1、理解ai agent 相比于 ai 大模型来说，ai agent 并非高深莫测的东西，它是一个具备定制化功能的、智能的工具. 例如，有专门写代码的agent（cursor），有“私人秘书”功能的agent（openClaw），甚至还有用于医疗领域的agent、影视领域的agent。 你可以把它简单理解为一把锤子、一个螺丝刀，或者一个扫地机器人。 而螺丝刀本身并不能完成智能化的工作。 但是，当你把它接入ai大模型之后，它就可以智能化地、自动化地替你完成你想做的工作。 ai agent = ai大模型（大脑）+ agent（工具） 其中 agent 是由软件工程师开发，ai大模型是由 ai 工程师开发。 如果可以的话，你可以自创一个做家务的 ai agent ，扫地机器人（工具） + 某某ai大模型。 2、ai agent 的开发 目前市面上，有很多 ai agent 的开发工具或者框架。 例如，LangChain 它的下载量最大、最主流，需要敲代码，有一定学习成本；CrewAI 上升势头很猛，概念直观，易上手；Dify 国内很流行，低代码首选，在图形界面上，拖、拉、拽就能实现一个agent…… 总之，各大工具都有人在用，也各有优势。篇幅有限，这里不做对比讨论，后续再写文章进行具体阐述。 下面用一段步骤明确、注释清晰的伪代码，演示一下开发一个“新闻简报” agent 的流程。 请注意：代码中的 duckduckgo 是 langchain 封装好的工具，可以直接调用。 from langchain.agents import AgentExecutor, create_react_agent from langchain_anthropic import ChatAnthropic from langchain_community.tools import DuckDuckGoSearchRun from langchain.prompts import PromptTemplate # ===== 第一步：装上大脑（大模型）===== llm = ChatAnthropic( model="某个AI大模型", api_key="你的API_KEY", base_url="https://api.ai模型地址.com" ) # ===== 第二步：装上工具（手脚）===== tools = [ DuckDuckGoSearchRun() # 搜索工具，能上网搜新闻 ] # ===== 第三步：写提示词（定规则）===== prompt = PromptTemplate.from_template(""" 你是一个新闻简报助手。 任务：搜索今日科技新闻，整理出最重要的3条，每条用2句话概括。 你有以下工具可以使用： {tools} 工具名称：{tool_names} 工作记录：{agent_scratchpad} 用户的问题：{input} """) # ===== 第四步：组装成 Agent ===== agent = create_react_agent(llm, tools, prompt) agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True) # ===== 第五步：运行 ===== result = agent_executor.invoke({"input": "帮我整理今天的科技新闻简报"}) print(result["output"]) 3、ai agent开发要点 3.1 选择一个合适的ai模型 前面已经提到，ai模型就是 ai agent 的大脑。 ...