RimWorld Mod研发 Agent - 反编译得到mods与游戏代码上下文，xml上下文

AI自动合并白噪音背景与音乐

AI自动定位音乐在番剧的集数与时间

带正面反馈/更细粒度/更灵活的推荐系统

• 仅从用户使用的角度出发，很诡异的一点是推荐系统，从B站，知乎，小红书到Reddit，Youtube都不存在直接正面的反馈模式，只有负面，正面反馈都只依赖于固定模式的反馈，如点赞，收藏，喜欢等，但1.点赞，收藏，喜欢等都不应直接等同于正反馈 2.不存在直接正面反馈以挑选心仪内容，调整推荐优先级等的选项，如果三种交互都不做呢？

• 收藏≠喜欢，收藏可以作为一种不设上限的稍后再看使用，或者仅仅一种资源收藏使用，稍后再看的不等于喜欢的，囤积的资源也不等于常看的。

• 点赞同样≠喜欢，比如看了一个深度学习入门的组会汇报，点赞，可以是出于对创作者指标的贡献，视频质量的认可，不等于希望这样的内容更多地出现，“我最近看了深度学习入门教程”，“为这一入门教程点了赞”，完全可以是出于欣赏这一内容，作为教程而言很优秀的行为，不等于我需要更多相关的，不等于有“在学习深度学习“的用户画像，尤其是现有推荐系统往往颗粒度稀烂，会导致1.如果需要深度学习相关内容（推荐的内容与点赞体现的相同）的情形，会出现大量的入门教程，但入门教程只需要一个两个足以，总不能天天都在入门 2.如果不处于（推荐的内容与点赞体现的不同），用户也不能控制优先级，反馈的粒度（CV，NLP细分方向，实用教程与技术观点等）

• 现有APP的推荐方式存在在单一方向倾向过大，欠缺多样的选择，比如知乎倾向于不同的内容，对于观点类内容，常推不同观点的回答，但回答之间的价值不是等同的，用户缺少选择，且负面反馈效果欠佳，不喜欢还推，且对于知识类（需要相似相关）的又不能保证内容的相关性了，小红书相反

租房合同AI

• 通过对大量租房合同进行训练，使AI可以很好地应对租房中的经典qa

• 识别合同中潜在的风险与成本转嫁的问题

• 比如家具损坏责任认定，虚假的空调开销

• 水电费不走民电民水

• 打击房东在打工人与公司之间抽取过量利益的行为

将程序变成完全portable的方法

• portable在迁移设备时方便，可以直接磁盘拷贝即可完全复制程序状态，但现有情况下，存在 1.使用了注册表的程序 2.数据目录定死在APPDATA等C盘目录下 等情形，实现一种AI将程序完全变成完全portable的，比如尝试将第二种里APPDATA的访问链接化，APPDATA链接到安装根目录文件夹下

视频理解时间戳自动截图与汇入内容

• AI对传入的视频进行处理，能够截取出文字描述的对应时间戳，也能在对应时间戳按照格式（位置）等要求直接插入用户的添加内容

测试驱动开发 - 需求-测试用例/UT-代码实现-自动测试

• 通过多Agent实现这样一套研发流程

• 从结果出发，减少对AI的过程要求。通过I号Agent面向需求（包括产品产出的文档，UI产出的原型图，研发提出的性能指标与设计规格）设计对应的测试用例，通过II号Agent面向测试用例提供代码实现并要求通过测试用例，通过III号Agent面向实现代码进行Code Review并重测测试用例，通过IV号Agent实现自动化测试（比如Playwright等Web页面测试，相当于是最终用户与产品交互的测试）的开发流程。

MCP2APP - MCP代码转传统APP

• MCP本身带有：吃RPM，吃Token，处理时间长，不便于中断等问题，对部分简单场景(如链接中Anki MCP场景)不适宜使用，成本高效果一般，相比下更适合作确定性的APP，可以实现一个AI Agent，专门用于在现有的MCP源码基础上构建一个确定的APP，将涉及AI（往往是数据转换与生成）的部分封装为一个RPC，结合到确定性的，不涉及AI的确定性业务流程中去。

再品MCP

MCP再体验

https://camelliav.cloudns.ch/mcp-exp2

AI逆向（bushi）

监听Git Commit触发HF Space的factory rebuild

• 对于HF Space多以Dockerfile的方式部署，没有像Vercel或Netlify上的新Commit触发部署更新，需要一个单独的APP实现，考虑上用Github Action在提交后Hook里进行HF Space的factory rebuild更新部署

带Prompt优化的基本交互

• 虽然对于如Gemini2.5Pro这样的优秀模型而言，直接简单的一句话已经可以解决相当部分任务，但实践上，仅通过简单将Google自家的Prompt Guide丢进去让AI对用户描述（简单一句话）生成对应的Prompt再去执行任务，效果表现仍有相当明显的提升，可以将这一流程作为一个基本的交互块

• 下方案例里通过AI Studio用户输入，提供一个输入数据参考格式的例子和任务目标（通过MCP实现Anki自动制卡）

• 生成对应Prompt，将其放入Cherry Studio的助手Prompt里，往后直接CV输入数据，然后自行制卡

元信息知识库

• 让模型在对anki制卡时，自行提醒（想到）日语字体的问题

How to Fix the Japanese Font Issue on Anki/Chrome

The Japanese Font Issue or Chinese Font Issue is a problem for all Japanese learners on Windows computers where Japanese Kanji display using the default font this is Chinese Kanji. One of the first times learners will encounter this font problem is with the word 直る. 📋 Copy this Kanji and paste it into Anki to see which it looks like (Remember to preview the card as the UI and actual card may use different fonts): 直 The reason this issue is occurring is because 直 only has 1 unicode despite it looking different in Chinese and Japanese, unlike the following 3 kanji which use separate unicodes and can display differently: 乐樂楽 直 is not the only Kanji that is susceptible to this font issue and so it's best that all Japanese learners fix this before they get Chinese Kanji too engrained into their brains, which could lead to confusion later down the line. 🎬 Timestamps: 00:00 How to know if you have the font issue 00:54 Why the Japanese Font Issue exists 03:08 How to Fix the Font Issue (Method 1) 04:08 Method 2 04:40 Diagnosing Problems with Anki 05:32 Diagnosing Problems with Chrome ⭐Get Migaku ONE MONTH FREE⭐: → https://migaku.com/signup?code=Juls&legacy=true 👨‍👧‍👦 Our Public Discord Server: https://discord.gg/UaDRc9fR4U 🙇 Help me create future content by supporting me on Patreon! https://www.patreon.com/JouzuJuls 🎓 Book a Private 1-on-1 Class with Me: https://www.jouzujuls.com/classes Opening title credits: COEIROINK:AI声優-朱花 CV:AI声優-朱花@COEIROINK 声:AI声優-朱花@COEIROINK 🎵 Music Credits (tiny links to Google Docs): Most of the music comes from Epidemic Sound: https://epidemicsound.com/referral/x0q4r2 Other music comes from: https://bit.ly/JulsMusic

https://www.youtube.com/watch?v=wlmfncz-Wxg

• 参见二语习得文章

启发式交互

• 对于真正了解甚少的领域而言，用户是不能进行“提问“的，提问的前提是已经有一定的基础了解，至少知道该问什么，模型应该能实现一种树状的启发式的会话，用户给出某一个名词，模型逐步迭代从这个名词能延伸到的地方。

Pre-Study

• 用于沉浸式学习方案，在观看视频前提前进行学习：
• 抽取视频文本
• 拆句（词汇/俚语/语法与固定（习惯）搭配/动词变形/游戏限定剧情上下文）
• 制卡（理想情况应该能把片段拆下来）

• 难点在于拆句的粒度 | 如何同时将片段也对应拆下来