用AI搞学术

最新发布的ChatGPT 6，它的重点不再是编程，而是"更能操控你的电脑" - Computer Use。 🌟 一个判断标准：先分清"让它创作"还是"让它复刻" 让 GPT6干实活之前，先判断任务类型： · ✅ "让它创作"（它自己定规则的世界）→ 它很强 例：各类动画、三维场景搭建、结构连接关系。 · ❌ "让它复刻"（现实里已有精确答案）→ 它相对弱，特别是没有尺寸时 例：照着照片还原客厅、按真人做精准 3D 小人、挑人脸表情。 它做得好，靠的是代码 + MCP 调用（空间计算），不是"看"得准。视觉细节和尺寸估计，它拿不到。 🔁 一个可复用的动作：它复刻失败时怎么办？ 不要让它在"复刻现实"上硬碰。换成： 给它现成的参考（方案 PDF / 官网链接/ ）+ 你的条件限制（手头材料、型号、尺寸），让它做"对比、取舍、重组"。 这是它的主场——主播这次就是这么把攀爬架方案（见图）做出来的，而且做得比他自己好。 ━━━━━━━━━━━━━━━━━━━━━━ ⏳ 时间轴 【第一幕：开场 · 这期在聊什么】 00:00 本期聊最新发布的 ChatGPT 6，它的重点不再是编程，而是"更能操控你的电脑"Computer Use 00:32 💡 啥是Computer Use？——以前模型只告诉你怎么操作，现在它真能在屏幕上点鼠标、敲键盘、打开软件，把任务自己干下去 【第二幕：ChatGPT6能做什么】 01:01 实验一：让它在 3D 软件 Blender 里做一辆豪华车，细节都很好 01:38 实验二：让它做机械臂——两条流水线，机械臂夹起货物、举起、转到第二条线，动作顺畅、空间关系全对 → 理科生"上头"了 【第三幕：为什么要做攀爬架】 01:42 真实需求：家里那套 Quadro 攀爬架（像乐高一样用管子和板拼装、能随孩子年龄改造型）刚拆了，想重新设计 02:25 想法：拍一张客厅照片给 GPT-6，让它在 Blender 里把客厅复刻出来、放进攀爬架方案，然后照着搭 【第四幕：第一次翻车 · 复刻客厅失败】 02:55 ❌ 翻车：它做出一个"像房子"的东西，墙和家具都有，但家具的位置、大小、离墙的远近全不对 → 完全不能用 03:12 社科生追问"是不是 Blender 不行"；理科生反驳：机械臂动画那么复杂它都做得对，说明它三维建模能力没问题 04:32 📌 视觉细节佐证一：让它照着真人做 3D 小人，卡通感重、很多细节出槽 05:30 📌 视觉细节佐证二：让它帮忙挑视频封面，挑的全是"表情很不 OK"的，最后还得自己挑 【第五幕：为什么会这样】 05:00 💡 机理：它做得好，不靠"看"得准，靠的是代码 + MCP 调用做空间计算 07:17 🌟 核心洞察：机械臂的世界是它"自己创作"的（位置自己定，对得上就行）；客厅是现实里"已有精确答案"，照片给不了尺寸 → 这是两种任务 09:14 补一个专业视角：有专门做"深度估计"的模型（Depth Anything 这类），这方面比通用大模型强 【第六幕：转机 · 换思路就成功】 09:46 ✅ 换思路：不再让它复刻客厅，改让它做擅长的事——"重组"现成的方案 10:13 做法：把官网两个现成方案（A 爬高爬低 / B 带书桌）的链接丢给它，让它读 PDF、再自己上官网查材料清单 11:00 ✅ 结果：它读懂两个方案的结构、对比取舍、结合手头材料限制，给出一个全新方案——"比我想的还好" 12:03 ✅ 加码：还出了搭建教程（每层怎么搭）+ Blender 拼接动画（从底层一层层长上来）+ 网页 360° 旋转模型（搭到哪转到哪） 12:55 📌 总结：GPT6没帮我拿管子、也没当机器人帮我装，但把"一个复杂的三维设计"变成了"我能一步步执行的东西" → 实打实省了时间 【第七幕：展望 + 最小行动】 13:19 往后会不会真走到官网宣传那样——说一句话，3D 打印机就打出来，甚至连上机器人操作物理世界？ 13:36 官网演示了 3D 打印、机械臂夹球（24 次成 19 次）；简单任务没专门训练也能做，复杂任务成功率还很低。最大变化是"它开始懂三维结构了"，但离真正用上还有距离 14:19 📋 最小行动：想体验 Computer Use——① 下 Codex（网页版不行）② 充会员（最低 20 美金档）③ 装专业软件（Blender）让它调用 ④ 给它一个小主题让它做 15:52 趋势：这套"办公能力"国产模型也会慢慢跟上，方向是从"编程为主"扩散到"各种专用软件" 17:00 收尾：感谢收听，欢迎评论、收藏、转发，加入听友群 ━━━━━━━━━━━━━━━━━━━━━━ 📋 最小行动：想体验 Computer Use，四步 第 1 步｜下载 Codex 客户端（网页版 ChatGPT 做不到 Computer Use） 第 2 步｜充会员，要花钱（8 美金档不确定能否用 Codex？最便宜的方法欢迎大家留言告诉我们） 第 3 步｜装一个专业软件，比如 Blender 第 4 步｜给它一个小主题，让它调用你电脑里的专业软件，把东西做出来 ━━━━━━━━━━━━━━━━━━━━━━ 🔧 本期提到的工具 / 概念 · ChatGPT 6（GPT-6） —— 本期主角，重点在 Computer Use 能力 · Computer Use —— 让 AI 直接操作你电脑上的软件：点鼠标、敲键盘、打开软件，自己把活干下去 · Blender —— 专业 3D 建模 / 动画软件，本期用它做机械臂动画、攀爬架搭建动画、360° 模型 · Codex —— Chatgpt Agent客户端；想用 Computer Use 必须下载它（网页版 ChatGPT 不行），且需付费会员 · Quadro —— 德国模块化攀爬架品牌，像乐高一样用管子和板拼装，可随孩子年龄改造型 · MCP —— 模型调用外部工具/软件的接口；它做 3D 靠的是这个 + 代码，而非纯视觉 · Depth Anything —— 专门做"深度估计 / 三维重建"的模型，复刻现实场景时比通用大模型强 ━━━━━━━━━━━━━━━━━━━━━━ 🧍‍♂️ 联系我们 微信听友群：加 13826477686 微信进群（加微信时辛苦备注"AI搞学术"或"小宇宙"） 听众反馈：[email protected] 请留言，转发，点赞👍谢谢大家！

一份80页的PPT，社科生做了三天：第一天累到脑子罢工，做出来的 ppt 很差，完全不能用；第三天做出来微调就能讲，给模型的素材内容没变，模型使用也没变。这期我们把这三天完整摊开复盘： ①为什么"看不懂就让AI做更细"，是个越陷越深的坑 ②一句"能不能帮我理出一条主线"，怎么把一坨大杂烩救回来 ③AI自己想出来的"开车"比喻，把四个不相干的板块串成一条线 ④第二天最扎心的瞬间：五个窗口同时跑，我觉得自己特别高产，晚上一盘点——PPT一页都没做 🧪理科生点破两个错觉：用"派活"代替"产出"、AI根本没有时间感 最后给三个可复用的动作 + 五步最小行动。备课、汇报、方案、报告，任何"用AI做一大坨东西"的场景都用得上。 ━━━━━━━━━━━━━━━━━━━━━━ 📌 本期核心内容提炼 1️⃣ 主线没聊透之前，别让AI动手执行 不管做什么内容，先让最强的模型帮你把框架和主线定下来。看不懂就让它"说人话、打个比方"——注意：是让它解释，不是让它做更细。 没厘清主线之前就细化，只会让你陷得更深。 2️⃣ 大体量的活，一定要分窗口 不要让一个窗口干完 80 页 PPT。按主线拆成几块，一个窗口负责一块（PPT 约 20 多页一块，对应字数约 1–2 万字），再单独开一个总控窗口做整体把控和最后整合。 3️⃣ 每次回复看三分钟，大体没问题就过 别跟 AI 反复较真细节。它给你的东西没有硬伤就往下推——派了多少活不是产出，学了多少东西也不是产出，最终那个东西出来了才算。 ━━━━━━━━━━━━━━━━━━━━━━ ⏳ 时间轴 【开场与背景】 00:00 开场：同一堆素材，第一天做不出来，第二天+第三天上午完成——差的是用法 00:14 背景：社科生刚成为大学老师，要备一门三学分、两个半小时的课 00:37 第一天 vs 第三天的结果对比：从"完全不能用"到"微调就能讲" 01:37 为什么这次想全交给 AI：上次手搓 80 多页 PPT，太累了 【第一天 · 翻车】 02:31 做法：用 Codex 建文件夹，把四类素材全丢进去（上节课 PPT / 随想记录员 / 拆书 / 习惯） 03:58 "把一整箱材料倒在它面前"——这就是许愿式编程 04:27 它给了个五页五五张的框架，铺到 80 多页，但社科生没看懂 05:34 ❌ 坑一：没让它解释，反而让它"做更细"→ 变成 80 页逐页清单 06:15 ❌ 坑二：逐页写反馈、加素材、找视频，光反馈就花了两个多小时 07:50 晚上六点拿到结果，脑子已经转不动，草草验收 08:13 交给千问办公执行 → 出来的 PPT 内容太散，完全打不到标准 【转机 · 一句话救回来】 09:28 理科生接手：看着两个工具的聊天记录，就知道问题在哪 09:41 💡 开网页版新对话，把最终版 slide 丢进去，只问一句"能不能帮我理出一条主线" 10:57 为什么用网页版而不是 Agent：会员免费、能开 Extra High、可以无限次聊 11:27 理科生诊断三大问题：材料不聚焦 / 过早进细节 / 内容没有主线 12:29 ✅ 主线出来了：对内认识自己 + 对外理解社会运作（后者正好接课程主题） 13:12 AI 主动建议：把"习惯"那块砍短，它喧宾夺主了 【高光 · 让 AI 说人话】 14:43 💡 万能技巧："说人话，再打个比方"——理科生跟 AI 说得最多的一句话 15:12 🌟 AI 给出的"开车"比喻，把四个板块串成一条线（详见后方表格提炼） 16:37 它还给主人公起名叫"小林"，一个大三学生，也就是听课的人 17:22 同样是丢材料，为什么他做对了：目标明确，只要主线，不改细节 18:27 做菜比喻：专门备料做可乐鸡翅 vs 冰箱里有什么炒什么 【第二天 · 虚幻的忙碌感】 19:30 第一天白忙，但晚上睡了个好觉——终于有一条清楚的主线了 20:04 第二天：把网页版当"最强大脑"，让它指挥自己干活 20:38 开 5 个窗口：00 总控 + 4 个干活窗口（各负责 20 多页） 21:07 四步流程：分别调研 → 反过来教我 → 教学设计 → 总控汇总整合 22:40 同时玩 6 个窗口（5 个干活 + 1 个大脑），我以为自己特别高产 23:11 最耗时的其实是"让窗口把内容教会我"——学无止境 23:58 💔 又到第二天六点，第四个窗口还没学完——PPT 一页都没做 【两个错觉】 24:32 ❌ 错觉一：用"派了多少活"代替"做出来多少东西" 25:18 ❌ 错觉二：AI 没有时间感，跑偏了不会自己回头 26:10 "那天不是我没干活，也不是方向不对，是没人喊停" 【第三天 · 半天出活】 26:20 只剩半天：下午还有课，必须在中午出初稿 26:54 💡 救命建议一：别再学了，赶紧进教学设计环节 27:08 💡 救命建议二：每次回复看三分钟，大体没问题就过，不要磨时间 27:29 推进流程：粗框架 → 细框架 → 逐页内容 + 讲稿 → 总控检查整合 28:18 做 PPT 也有讲究：先确认风格视觉 → 再做 20 页 → 最后才全部做 29:00 ✅ 第三天中午 12 点，PPT 出来了 29:24 内容没变、模型没变，结果提升很大——差的是用法 【总结与行动】 29:37 📌 三个可复用的动作：先定主线 / 分窗口 / 大体就过 32:08 补刀：盯住"产出"两个字，可以设闹钟或让独立 Agent 当监工 32:45 📋 最小行动五步（详见后方提炼） 33:49 结尾（33:53 有声音彩蛋 🎁） ━━━━━━━━━━━━━━━━━━━━━━ 📋 最小行动：五步 第 1 步｜挑一个你正在用 AI 帮你干的大活儿 汇报、课件、报告、方案，什么都行。 第 2 步｜开一个全新的、干净的窗口 先别急着丢素材。说清楚背景和目标，可以简单丢一点素材，然后只问它一句： "能不能帮我理出一条主线？" 第 3 步｜主线没聊透之前，不要让它动手做内容 让它用比喻、说人话的方式，把主线讲得又透又生动，直到你充分理解为止。 第 4 步｜主线定了，再拆成几个窗口 让做规划的那个模型帮你定：这个工作要分几个窗口来做。定了之后，再让干活窗口分头去干。 第 5 步｜推进过程中，时刻问自己一句 我是不是真的推动了最终的结果？ 每个窗口返回的东西，看三分钟，大体没问题就过，进入下一环节。 🚗 AI 给的"开车"比喻（本期高光） AI 把这门课四个八竿子打不着的板块，用一个"开车"全串起来了： 它甚至还给主人公起了名字——一个叫"小林"的大三学生，也就是听课的学生本人。 ❌ 两个错觉 错觉一：用"派活"代替"产出" 你派了很多活出去、好几个窗口同时在跑，感觉自己是个高产的调度者。但其实你是用"派了多少活"代替了"做出来多少东西"。这跟以前说的"假努力"是一回事——用干了多少活、写了多少笔记，代替学了多少东西。AI 时代尤其严重，因为它会一直跟你说"继续、继续"，不给你停下来的机会。 错觉二：陷进细节出不来 AI 没有太强的时间概念，它不知道你已经忙到六点了。它让你先做 A 再做 B 再做 C，听着很有章法，但只要有一个地方跑偏，它就顺着跑偏的方向一路走下去，不会忽然说"等一下，我到底在干啥来着"。 人不一样——人干着干着会警觉：不对，我怎么忙了这么久一点进度都没有？ AI 是没有时间感的。它并不知道你下周就要上课了 ━━━━━━━━━━━━━━━━━━━━━━ 💬 本期金句 · 「内容没变，模型也没变，但结果有很高的提升——这跟用法有很强的相关。」 · 「派了多少活不是产出，学了多少东西也不是产出。」 · 「AI 是没有时间感的，它并不知道你下周就要上课了。」 · 「看不懂的时候，要让它说人话、打比方，而不是让它做更细。」 · 「没有厘清主线之前的细化，只会让你走得更偏、陷得更深。」 · 「产出一定是要有客观证据的，就是落地了多少个东西。」 ━━━━━━━━━━━━━━━━━━━━━━ 🔧 本期提到的工具 · ChatGPT 网页版（用最强模型，我们当时用 5.6 Sol 开 Extra High 模式，现在可以用 Chatgpt6 啦）—— 用来定主线、做规划；会员聊天免费、可无限次 · Codex（Agent 形态）—— 第一天用它做规划 · 千问办公 —— 三天用它最终生成 PPT，感觉千问做 PPT 出来的效果一直不错，用 Qwen3.8 Max 模型，但是，挺费积分的。 · 分窗口结构：1 个总控窗口「00」+ 4 个干活窗口，每块约 20 多页 ━━━━━━━━━━━━━━━━━━━━━━ 🧍‍♂️ 联系我们 微信听友群：加 13826477686 微信进群（加微信时辛苦备注"AI搞学术"或"小宇宙"） 听众反馈：[email protected] ━━━━━━━━━━━━━━━━━━━━━━ 📝 往期链接 39. 在Agent里搭一个越来越了解你的角色-随想记录员 https://www.xiaoyuzhoufm.com/episode/6a3c97209d2f5743683d813d 42. 千问办公实测 https://www.xiaoyuzhoufm.com/episode/6a71d2c2ab3a91c24a0fb6c3

本期聊过去一周AI模型圈的大事：智谱、千问接连发布轻量版（Flash）模型——牛来模型5.3 Flash，qwen3.8 Flash，还有腾讯混元4也发布了预览版。Flash版本模型一个比一个便宜，表面是扎堆发新品，背后可能是整个行业的转向——最贵的旗舰模型，开始卖不动了。日常任务已经不太需要最强Claude Fable级别的模型。 我们拆解了便宜模型为什么能追上来，也给一个模型选用原则：规划和验收阶段用最贵的模型，中间执行交给便宜管饱的。不管你是刚上手AI的小白，还是天天跟模型打交道的进阶用户，这期都能帮你把模型选得更聪明、花得更少。 ⏳ 时间轴 00:47 什么是模型Flash轻量版，和普通版差在哪 02:20 最贵的模型卖不动：旗舰款企业用量只占一成 05:20 便宜模型凭什么追上来：64个专家只激活4个 11:40 贵模型的正确用法：只做规划和验收 16:05 本周新模型逐个点评：智谱、千问、混元 23:20 普通人现在到底该怎么选模型 🧍‍♂️联系我们 微信听友群：加13826477686微信进群（加微信时辛苦备注“AI搞学术”或“小宇宙”） 听众反馈：[email protected]

AI 算法工程vibe了一个"论坛"（不是给人用的，是给他的 Agent军团 用的），让它们在上面发帖、回帖、互相提建议，复盘。 这期我们从"AI 们干完一个项目后自己开了复盘会"这个画面讲起，聊了： 1）为什么要搭建这个论坛？ 因为帖子所有任务窗口的负责agent都能看，且可按主题聚合能沉淀。 2）一个新上任的"论文总监"怎么在论坛上发方案求建议？ 被几位老agent总监给建议后，迭代出一版更优的工作流。 3）论坛最大的价值？ 让整个工作流的协作方式自进化，而不只是单个 Agent 进化。 4）最小行动，如何搭建你的论坛： 可以先借助飞书文档让agent们开始讨论。 如果你也在搭 Agent 团队，这期会给你一个让你的很多 AI agent角色变成"一支团队"彼此交流的思路。 ⏳ 时间轴 00:00 我的 AI 们自己开了个复盘会，纪要留在论坛上 02:30 为什么不拉群？论坛 vs 群聊 vs 共享文档 05:30 核心案例：新上任的"论文总监"发帖求建议 07:20 调度设计：随机唤醒、后面的人能看到前面的意见 09:30 搜索专家发现：方案里编造了一个期刊投稿限制 12:30 方案优化：两阶段——逐章翻译定稿→全文校审 14:00 复盘：论坛最大的价值是"工作流级别的自进化" 15:20 复盘四优先级：硬约束 > 脚本 > 文字 > 角色设定 16:20 论坛怎么搭？小白先用飞书共享文档就行 17:10 最难的点：身份验证（防止 Agent 冒充别人） 18:00 WorkBuddy 用户实操：做一个共享 Skill 去飞书文档回帖 20:40 最小行动：单 Agent 写文档 / 多 Agent 放飞书文档讨论 21:20 两个最好用场景：新角色求建议 + 工作流复盘 23:00 收尾：别让 AI 各自闷头干活，给它一个能沉淀讨论的地方 🧍‍♂️今日感谢 谢谢听友——sir金金，你给我们播客的很多留言给了我们启发和力量！ 🧍‍♂️联系我们 微信听友群：加13826477686微信进群（加微信时辛苦备注“AI搞学术”或“小宇宙”） 听众反馈：[email protected]