https://t.me/AI_News_CN
📈主流AI服务状态页通知 | 🆕汇集全网ChatGPT/AI新闻 #AI #ChatGPT
🔙备用群 https://t.me/gpt345
✨BEST AI中转 https://api.oaibest.com 2.8折起 支持OpenAI, Claude code, Gemini,Grok, Deepseek, Midjourney, 文件上传分析
Buy ads: https://telega.io/c/AI_News_CN
📈主流AI服务状态页通知 | 🆕汇集全网ChatGPT/AI新闻 #AI #ChatGPT
🔙备用群 https://t.me/gpt345
✨BEST AI中转 https://api.oaibest.com 2.8折起 支持OpenAI, Claude code, Gemini,Grok, Deepseek, Midjourney, 文件上传分析
Buy ads: https://telega.io/c/AI_News_CN
xAI 正在为其近期推出的持久化代理产品 Grok Bot 筹备多项重磅基础设施更新，涵盖共享模板、多账户切换、Chrome 配置文件导入及桌面出口路由等核心功能，意在全面提升跨场景自动化与企业级应用能力。
作为能够在云端持续运行并跨应用、跨网站协作的 AI Agent，Grok Bot 于2026年8月11日首次公测，并在8月21日将使用权限进一步扩展至 SuperGrok Plus（当前定价每月100美元）、Cursor Pro+ 及 Cursor Teams 订阅用户，同时面向普通用户开放限额免费试用。
本次功能演化标志着 xAI 正在加速构建可复用的代理生态。新增的“模板”功能不仅支持用户生成私有草稿并通过共享链接一键导入，还将在设置中开设专门的探索选项卡，提供针对研究员、销售助理及运营人员的预设角色与自动化工作流。
在身份认证与网络层，多账户支持将帮助用户平滑隔离个人与工作环境;Chrome 配置文件导入可带入已认证的浏览器会话;而桌面出口路由功能则通过出口隧道将云端 Agent 的流量路由回本地桌面，有效解决了屏蔽数据中心 IP 的访问限制。
随着代理工具从单一对话走向复杂工作流自动化，xAI 的这一系列升级将为 AI Agent 的规模化落座与高阶协作奠定关键的技术底座。
via AI新闻资讯 (author: AI Base)
处于人工智能发展的核心位置，以确保这项强大的技术保持安全，并降低其脱离创造者控制的风险。这在某种程度上是对当前科技行业常见做法的回应。在许多情况下，企业正利用人工智能来监管人工智能。自动化方式具有效率优势，而研究也表明，在发现模型漏洞方面，人工智能的表现可能优于人类。随着AI能力持续增强，这一差距可能进一步扩大。
但参与创立Sampura Research的Rishub Jain认为，人类仍然需要发挥重要作用。
他与联合创始人已筹集650万美元资金，并获得额外420万美元承诺投资。他们计划开发一种被称为“裁判”（Judge）的人机混合系统，帮助企业识别并堵住AI模型试图利用的安全漏洞，从而降低其规避监管甚至脱离控制的风险。自OpenAI和Anthropic披露其模型曾未经授权入侵其他公司系统以来，这项工作变得愈发紧迫。
“我认为我们仍有很多东西需要向人类学习，”Jain表示。“如果从一开始就让人类参与整个过程，模型学会规避这些漏洞的可能性就会更小。”
随着Alphabet旗下谷歌、Anthropic和OpenAI激烈争夺人工智能时代的主导地位，一些实验室内部研究人员认为，商业压力正在压过安全考量。已有不少研究人员因此离职抗议，他们警告称，AI发展过于迅速，或正被用于他们无法接受的用途。
via cnBeta.COM - 中文业界资讯站 (author: 稿源：环球市场播报)
谷歌正式杀入法律AI赛道：Gemini Enterprise for Legal重磅发布，全面对标行业巨头
Alphabet旗下谷歌于周二宣布扩展其Gemini Enterprise人工智能平台，正式推出面向律师事务所和法律从业者的专用工具，全面加剧了科技巨头对法律行业AI需求的争夺战。
根据谷歌官方披露的信息，全新的Gemini Enterprise for Legal旨在帮助律所高效处理日常事务以及复杂的法律任务。通过该平台，法律从业者能够将更多精力集中在具有高价值的专业服务上，同时平台在数据安全性与保密性方面提供严格保障。
在功能架构上，该工具新增了针对各类法律软件和数据平台的插件支持，并内置了一系列能够独立处理专业法律及行政工作的AI智能体，在运作过程中无需大量人工干预。谷歌云产品负责人表示，该产品针对律所的实际需求进行了灵活设计，用户可以在平台集成的多种AI模型之间自由选择。
为了打造兼具实用性与专业度的法律AI工具，谷歌在研发阶段便与多家全球知名的大型律所展开了战略合作。其中包括Weil Gotshal、Cleary Gottlieb、Freshfields以及Williams & Connolly等知名机构。相关律所的合伙人表示，随着客户对律师借助AI提升工作效率的期待日益增长，此类合作能够为整个行业提供真正实用的部署工具。
当前，法律科技领域的竞争正日趋白热化。除了谷歌之外，包括Anthropic在内的多家头部AI企业近期也在持续扩展面向法律行业的企业级产品。与此同时，拥有路透社和Westlaw法律研究数据库的汤森路透也在近期推出了基于开源技术打造、由海量权威法律内容训练而成的行业大模型Thomson 1.0。此外，谷歌的平台还将与Harvey、Legora等专业法律AI开发商的产品实现直接且安全的连接。
根据德勤发布的 2026 年法律行业AI应用报告显示，各大律所目前正在大力投资AI技术，行业转型仍处于早期阶段。随着生成式AI在法律研究、文件起草、客户管理和案件管理等环节的普及，律所正借助技术创新持续降低运营成本并大幅提升工作效率。
via AI新闻资讯 (author: AI Base)
Alphabet旗下谷歌于周二宣布扩展其Gemini Enterprise人工智能平台，正式推出面向律师事务所和法律从业者的专用工具，全面加剧了科技巨头对法律行业AI需求的争夺战。
根据谷歌官方披露的信息，全新的Gemini Enterprise for Legal旨在帮助律所高效处理日常事务以及复杂的法律任务。通过该平台，法律从业者能够将更多精力集中在具有高价值的专业服务上，同时平台在数据安全性与保密性方面提供严格保障。
在功能架构上，该工具新增了针对各类法律软件和数据平台的插件支持，并内置了一系列能够独立处理专业法律及行政工作的AI智能体，在运作过程中无需大量人工干预。谷歌云产品负责人表示，该产品针对律所的实际需求进行了灵活设计，用户可以在平台集成的多种AI模型之间自由选择。
为了打造兼具实用性与专业度的法律AI工具，谷歌在研发阶段便与多家全球知名的大型律所展开了战略合作。其中包括Weil Gotshal、Cleary Gottlieb、Freshfields以及Williams & Connolly等知名机构。相关律所的合伙人表示，随着客户对律师借助AI提升工作效率的期待日益增长，此类合作能够为整个行业提供真正实用的部署工具。
当前，法律科技领域的竞争正日趋白热化。除了谷歌之外，包括Anthropic在内的多家头部AI企业近期也在持续扩展面向法律行业的企业级产品。与此同时，拥有路透社和Westlaw法律研究数据库的汤森路透也在近期推出了基于开源技术打造、由海量权威法律内容训练而成的行业大模型Thomson 1.0。此外，谷歌的平台还将与Harvey、Legora等专业法律AI开发商的产品实现直接且安全的连接。
根据德勤发布的 2026 年法律行业AI应用报告显示，各大律所目前正在大力投资AI技术，行业转型仍处于早期阶段。随着生成式AI在法律研究、文件起草、客户管理和案件管理等环节的普及，律所正借助技术创新持续降低运营成本并大幅提升工作效率。
via AI新闻资讯 (author: AI Base)
机器人初创公司 Generalist 完成新一轮融资，估值达30亿美元
机器人初创公司Generalist在完成由8VC 领投的近2亿美元新增融资后，公司估值已达30亿美元。相关监管文件与知情人士透露，本轮融资系该公司今年6月由 Radical Ventures 领投、估值20亿美元的4亿美元 B 轮融资的延续，使 B 轮融资总额扩展至6亿美元。
Generalist 由前谷歌 DeepMind 研究员 Pete Florence、Andy Zeng 以及前波士顿动力工程师 Andrew Barry 于2024年联合创立，早期曾获8VC、Radical Ventures、英伟达、Union Square Ventures、Bezos Expeditions 及知名 AI 研究员李飞飞等机构与个人的投资。
该公司专注于研发可与各类机器人协同工作的 AI 基础模型。其最新发布的1.5代模型能够让机器人通过观看仅3到12秒的视频演示快速掌握全新任务。目前 Generalist 正在与少数客户合作，通过实际应用反馈调整模型以适配特定场景。
当前机器人行业正在迎来针对通用任务的模型研发热潮。除 Generalist 外，估值110亿美元的 Physical Intelligence、估值140亿美元的 Skild AI 以及估值30亿美元的 Genesis AI 均在该赛道展开竞争。尽管资本热捧反映出投资者对机器人行业迎来“ChatGPT 时刻”的预期，但由于机器人无法直接使用全网数据进行训练，通用模型的技术突破与商业化落地仍需时日。
via AI新闻资讯 (author: AI Base)
机器人初创公司Generalist在完成由8VC 领投的近2亿美元新增融资后，公司估值已达30亿美元。相关监管文件与知情人士透露，本轮融资系该公司今年6月由 Radical Ventures 领投、估值20亿美元的4亿美元 B 轮融资的延续，使 B 轮融资总额扩展至6亿美元。
Generalist 由前谷歌 DeepMind 研究员 Pete Florence、Andy Zeng 以及前波士顿动力工程师 Andrew Barry 于2024年联合创立，早期曾获8VC、Radical Ventures、英伟达、Union Square Ventures、Bezos Expeditions 及知名 AI 研究员李飞飞等机构与个人的投资。
该公司专注于研发可与各类机器人协同工作的 AI 基础模型。其最新发布的1.5代模型能够让机器人通过观看仅3到12秒的视频演示快速掌握全新任务。目前 Generalist 正在与少数客户合作，通过实际应用反馈调整模型以适配特定场景。
当前机器人行业正在迎来针对通用任务的模型研发热潮。除 Generalist 外，估值110亿美元的 Physical Intelligence、估值140亿美元的 Skild AI 以及估值30亿美元的 Genesis AI 均在该赛道展开竞争。尽管资本热捧反映出投资者对机器人行业迎来“ChatGPT 时刻”的预期，但由于机器人无法直接使用全网数据进行训练，通用模型的技术突破与商业化落地仍需时日。
via AI新闻资讯 (author: AI Base)
消息称OpenAI 秘密预训练 Bel 模型：超 10T 参数，剑指 GPT-6 后 AGI 基座
消息源 @synthwavedd 在 X 平台爆料，OpenAI 已完成下一代模型 Bel 的预训练，其内部代号为 Doug 的直接继任者，总参数量超过 10T。报道称 OpenAI 希望将 Bel 打造为 GPT-6 之后的基座模型，甚至冲击通用人工智能（AGI）阈值。
AGI 指能像人一样学习、理解并执行任何智力任务的假设系统，与只能处理特定任务的狭义 AI 不同，具备跨领域泛化、推理与适应未知环境的自我学习能力。
爆料称 OpenAI 认为面对即将公开的 Astra，Anthropic 受算力所限并无拿得出手的应对方案，后者已做好余下时间局势偏向对手的心理准备，但相信明年初能重回领先。
via AI新闻资讯 (author: AI Base)
消息源 @synthwavedd 在 X 平台爆料，OpenAI 已完成下一代模型 Bel 的预训练，其内部代号为 Doug 的直接继任者，总参数量超过 10T。报道称 OpenAI 希望将 Bel 打造为 GPT-6 之后的基座模型，甚至冲击通用人工智能（AGI）阈值。
AGI 指能像人一样学习、理解并执行任何智力任务的假设系统，与只能处理特定任务的狭义 AI 不同，具备跨领域泛化、推理与适应未知环境的自我学习能力。
爆料称 OpenAI 认为面对即将公开的 Astra，Anthropic 受算力所限并无拿得出手的应对方案，后者已做好余下时间局势偏向对手的心理准备，但相信明年初能重回领先。
via AI新闻资讯 (author: AI Base)
Anthropic改进Claude Cowork的记忆功能
周二， Anthropic 公司宣布其正在合并聊天和Claude Cowork所使用的记忆系统，这意味着Claude将始终记住它在某一领域学到的东西，即使你在另一领域与其互动时也是如此。此次更新将改善Claude用户的体验，因为这将使他们能够在研究阶段和采取行动之间更无缝地切换。例如，某人需要为他们的经理起草一份更新报告或为一场会议起草一份议程，而 Cowork 已经因为之前关于当前事项的对话而理解这些引用内容。
Anthropic还在公开Claude在其记忆中保留的内容，允许用户阅读、编辑或删除任何主题上的信息。
—— Techcrunch
via 风向旗参考快讯 - Telegram Channel
周二， Anthropic 公司宣布其正在合并聊天和Claude Cowork所使用的记忆系统，这意味着Claude将始终记住它在某一领域学到的东西，即使你在另一领域与其互动时也是如此。此次更新将改善Claude用户的体验，因为这将使他们能够在研究阶段和采取行动之间更无缝地切换。例如，某人需要为他们的经理起草一份更新报告或为一场会议起草一份议程，而 Cowork 已经因为之前关于当前事项的对话而理解这些引用内容。
Anthropic还在公开Claude在其记忆中保留的内容，允许用户阅读、编辑或删除任何主题上的信息。
—— Techcrunch
via 风向旗参考快讯 - Telegram Channel
英伟达联手Poolside加码开源AI 目标直指DeepSeek与OpenAI等前沿玩家
据报道，英伟达正斥资60亿美元打造全球最强大的开源人工智能模型之一。据《华尔街日报》报道，英伟达将获得Poolside的技术授权，并将其100多名员工投入Nemotron项目。
此外，英伟达还将向Poolside追加10亿美元投资，Poolside的投前估值高达120亿美元。其目标是挑战DeepSeek和Kimi等中国开源人工智能领军企业，同时与OpenAI和Anthropic等美国前沿实验室展开直接竞争。开源被视为未来发展的重要方向，英伟达的这一布局进一步凸显了其在开源模型领域的战略投入。
via AI新闻资讯 (author: AI Base)
据报道，英伟达正斥资60亿美元打造全球最强大的开源人工智能模型之一。据《华尔街日报》报道，英伟达将获得Poolside的技术授权，并将其100多名员工投入Nemotron项目。
此外，英伟达还将向Poolside追加10亿美元投资，Poolside的投前估值高达120亿美元。其目标是挑战DeepSeek和Kimi等中国开源人工智能领军企业，同时与OpenAI和Anthropic等美国前沿实验室展开直接竞争。开源被视为未来发展的重要方向，英伟达的这一布局进一步凸显了其在开源模型领域的战略投入。
via AI新闻资讯 (author: AI Base)
AI写长篇小说为什么30章必崩？工程化解法详解
前言
你有没有试过用ChatGPT写小说？
前几章写得挺好，角色鲜明、情节紧凑。但写到30章左右，突然发现：主角的妹妹名字变了，第5章埋的伏笔忘了回收，节奏从爽文变成了流水账，打脸套路千篇一律……
这不是你的问题，也不是模型的问题。是流程的问题。
过去三个月，我作为一个写了7年代码的程序员，用CI/CD的思维重构了AI写作流程，做出了一套叫NovelOps的工具，成功跑通了270章连载小说。这篇文章是我踩了三个月坑之后的完整技术总结。
不是理论空谈，是实际跑通过的工程方案。
----------------------
三大崩溃点：AI为什么写到30章就废了
先说问题。这三个崩溃点不是偶发的，是结构性的——只要用AI写长篇，一定会遇到。
崩溃点一：一致性丢失——AI没有"记忆"
你写到第30章时，AI已经"忘了"第3章的设定：
● 第3章说主角"永远穿灰色连帽卫衣"，第28章突然穿了"白色连衣裙"
● 第7章埋的伏笔，到第30章还没回收
● 第12章口头禅是"该是我的，一分不让"，第25章变成了"我一定要赢"
● 第15章建立"不主动伤害无辜者"的人设，第27章为报复搞垮了无辜员工
为什么？ 大语言模型的上下文窗口是有限的。即使你用128K上下文的模型，也无法在一次对话中塞入30章 × 1500字 = 4.5万字的正文+设定文档。当你开新对话写第30章时，模型对前29章的"记忆"完全依赖于你在提示词里喂给它的摘要——而摘要必然丢失细节。
崩溃点二：节奏失控——从"爽文"变成"流水账"
● 前10章每3章一个小爽点，到20章后连续5章没有爽点
● 主角连续3章被虐没有反击，读者憋屈到弃书
● 章末没有钩子，读者看完这章没有点下一章的冲动
为什么？ AI不懂得"节奏"是什么。你跟AI说"写一章爽文"，它能写。但当你让它连续写30章时，它无法自动维护一个跨章节的"节奏曲线"。节奏是一组可量化的指标——张弛比、憋屈连续章数、爽点密度、温度档位——AI在写单章时不会考虑这些跨章指标。
崩溃点三：套路重复——AI的"叙事形状"固化
● 每次打脸都是"主角说出证据 → 对方脸色一变 → 全场沉默"
● 每次情感场景都是"眼眶一红 → 深吸一口气 → 说了一句硬话"
● 反派反应永远是"脸色一变""嘴角抽搐""握紧了拳头"
为什么？ 大语言模型有"叙事惯性"。模型在生成内容时，会倾向于重复它在训练数据中见过最多的模式。写多了之后，这些模板会在上下文中不断强化，导致后续生成越来越趋同。
三个崩溃点的共同点
都是"跨章"问题，不是"单章"问题。 AI写单章没问题，写多章就崩。
这是一个典型的工程问题，不是模型能力问题。一个工人单独做一天零件没问题，但你让他做100天的零件，如果不引入质检流程、标准规范、状态追踪，第30天的零件一定和第1天的不一样。
----------------------
五个核心技术：用CI/CD思维重构写作流程
我是程序员出身，写了7年代码。当我发现AI写长篇的崩溃点和软件工程的经典问题高度相似时，我意识到可以用同样的方法论来解决：
于是我花了3个月，做出了NovelOps——用CI/CD流水线的思路重构网文创作流程。
技术一：8级质量门禁
每一章写完都要过8道"安检"，任何一级不通过就退回重写。借鉴CI/CD的**"fail fast"**原则——问题越早发现，修复成本越低。
技术二：15条动态状态轨
解决"一致性丢失"的核心。15条状态轨相当于15张数据库表，每章写完后自动更新，写下一章时自动加载。
核心状态轨包括：
● 角色状态轨：位置、情绪、关系变化、已掌握信息
● 伏笔登记轨：伏笔编号、内容、计划回收章节、当前状态
● 语言指纹轨：口头禅、语气词、说话节奏
● 情感弧线轨：好感度数值变化曲线
● 已确立事实轨：正文中已写过的所有"硬事实"
技术三：量化反AI味检测
"AI味"不是玄学，是可量化的。我写了个
技术四：270章节奏规划卡
写正文前，先生成270章逐章节奏标注。写正文时把当前章的节奏标注作为约束喂给AI：
温度档位：冷(10-15%) / 温(20-25%) / 热(30-35%) / 爆(15-20%) / 极爆(5-10%)
铁律：不可连续5章以上同一温度档位；冷章后必须有热章跟进。
技术五：创意扰动机制
解决"套路重复"的核心。不是随机注入，而是计划性失控——在保证大纲方向不变的前提下，有意识地打破AI的叙事惯性。
触发条件：场景重复、钩子重复、情绪曲线重复、反派反应重复等8种
扰动动作：视角切换、意外插入、时间跳跃、信息反转、情绪错位、形式变异
----------------------
最终成果
用这套系统跑通了一本270章的职场大女主小说：
270章，没崩。 角色一致、伏笔回收、节奏可控、套路不重复。不是因为用了更强的模型，是因为用了更完善的流程。
----------------------
总结
AI写长篇的核心挑战，不是"让AI写得更好"，而是**"让AI在第30章和第1章保持同样的质量标准"**。这需要的不是更强的模型，而是更完善的流程。
五个核心技术，每一个都借鉴了软件工程的成熟方法论：
1. 8级质量门禁 ← CI/CD流水线
2. 15条动态状态轨 ← 状态持久化
3. 量化反AI味检测 ← 自动化测试
4. 270章节奏规划卡 ← 项目规划
5. 创意扰动机制 ← 代码重构
工具完全开源免费。如果你也在用AI写小说，也卡在"30章必崩"的瓶颈上，可以试试。
----------------------
下一步
这篇文章是总览，接下来我会逐个拆解每个技术模块的详细设计。如果你感兴趣，可以关注后续更新。
有问题欢迎在评论区讨论，我会一一回复。
----------------------
via 掘金人工智能本月最热 (author: fulton)
前言
你有没有试过用ChatGPT写小说？
前几章写得挺好，角色鲜明、情节紧凑。但写到30章左右，突然发现：主角的妹妹名字变了，第5章埋的伏笔忘了回收，节奏从爽文变成了流水账，打脸套路千篇一律……
这不是你的问题，也不是模型的问题。是流程的问题。
过去三个月，我作为一个写了7年代码的程序员，用CI/CD的思维重构了AI写作流程，做出了一套叫NovelOps的工具，成功跑通了270章连载小说。这篇文章是我踩了三个月坑之后的完整技术总结。
不是理论空谈，是实际跑通过的工程方案。
----------------------
三大崩溃点：AI为什么写到30章就废了
先说问题。这三个崩溃点不是偶发的，是结构性的——只要用AI写长篇，一定会遇到。
崩溃点一：一致性丢失——AI没有"记忆"
你写到第30章时，AI已经"忘了"第3章的设定：
● 第3章说主角"永远穿灰色连帽卫衣"，第28章突然穿了"白色连衣裙"
● 第7章埋的伏笔，到第30章还没回收
● 第12章口头禅是"该是我的，一分不让"，第25章变成了"我一定要赢"
● 第15章建立"不主动伤害无辜者"的人设，第27章为报复搞垮了无辜员工
为什么？ 大语言模型的上下文窗口是有限的。即使你用128K上下文的模型，也无法在一次对话中塞入30章 × 1500字 = 4.5万字的正文+设定文档。当你开新对话写第30章时，模型对前29章的"记忆"完全依赖于你在提示词里喂给它的摘要——而摘要必然丢失细节。
这等于一个程序运行到第30个周期时，所有全局变量被重置了——程序当然会崩溃。
崩溃点二：节奏失控——从"爽文"变成"流水账"
● 前10章每3章一个小爽点，到20章后连续5章没有爽点
● 主角连续3章被虐没有反击，读者憋屈到弃书
● 章末没有钩子，读者看完这章没有点下一章的冲动
为什么？ AI不懂得"节奏"是什么。你跟AI说"写一章爽文"，它能写。但当你让它连续写30章时，它无法自动维护一个跨章节的"节奏曲线"。节奏是一组可量化的指标——张弛比、憋屈连续章数、爽点密度、温度档位——AI在写单章时不会考虑这些跨章指标。
没有节奏规划的AI写作，就像没有节拍器的演奏——前几个小节还行，后面越来越乱。
崩溃点三：套路重复——AI的"叙事形状"固化
● 每次打脸都是"主角说出证据 → 对方脸色一变 → 全场沉默"
● 每次情感场景都是"眼眶一红 → 深吸一口气 → 说了一句硬话"
● 反派反应永远是"脸色一变""嘴角抽搐""握紧了拳头"
为什么？ 大语言模型有"叙事惯性"。模型在生成内容时，会倾向于重复它在训练数据中见过最多的模式。写多了之后，这些模板会在上下文中不断强化，导致后续生成越来越趋同。
这不是"写得不好"的问题，是"叙事形状固化"的问题。需要的是有意识的计划性失控。
三个崩溃点的共同点
都是"跨章"问题，不是"单章"问题。 AI写单章没问题，写多章就崩。
这是一个典型的工程问题，不是模型能力问题。一个工人单独做一天零件没问题，但你让他做100天的零件，如果不引入质检流程、标准规范、状态追踪，第30天的零件一定和第1天的不一样。
----------------------
五个核心技术：用CI/CD思维重构写作流程
我是程序员出身，写了7年代码。当我发现AI写长篇的崩溃点和软件工程的经典问题高度相似时，我意识到可以用同样的方法论来解决：
于是我花了3个月，做出了NovelOps——用CI/CD流水线的思路重构网文创作流程。
全局规划(7步) → G1 状态加载 → THINK(章节构思) → DRAFT(正文生成) → G2-G7(6道门禁) → REVISE(退回重写) ↻ G8(人工确认) → 状态更新(15条轨)
↑ 每章循环，直到第270章 ↑
技术一：8级质量门禁
每一章写完都要过8道"安检"，任何一级不通过就退回重写。借鉴CI/CD的**"fail fast"**原则——问题越早发现，修复成本越低。
技术二：15条动态状态轨
解决"一致性丢失"的核心。15条状态轨相当于15张数据库表，每章写完后自动更新，写下一章时自动加载。
核心状态轨包括：
● 角色状态轨：位置、情绪、关系变化、已掌握信息
● 伏笔登记轨：伏笔编号、内容、计划回收章节、当前状态
● 语言指纹轨：口头禅、语气词、说话节奏
● 情感弧线轨：好感度数值变化曲线
● 已确立事实轨：正文中已写过的所有"硬事实"
# 每章写完后的状态更新流程
chapter_30.write() # AI生成正文
state_tracks.update(chapter_30) # 自动提取状态变更
# 15条轨自动更新
character_state.update() # 角色A从"愤怒"变为"冷静"
foreshadow.register() # 新埋伏笔#037，计划第45章回收
# 写第31章时
context = state_tracks.load(chapters_1_to_30) # 加载全部状态
chapter_31 = AI.generate(prompt + context) # 带着完整"记忆"写作
这等于给AI装了一个"外部记忆体"。就像程序运行时从数据库查询数据，而不是把整个数据库加载到内存。
技术三：量化反AI味检测
"AI味"不是玄学，是可量化的。我写了个
metrics.py 脚本，自动检测6项指标："去AI味"不是一个主观判断，是一组客观指标。让"去AI味"从玄学变成工程。
技术四：270章节奏规划卡
写正文前，先生成270章逐章节奏标注。写正文时把当前章的节奏标注作为约束喂给AI：
章01-10: 张 张 弛 张 张 弛 张 张 弛 爆
规律：每3章1个小爽点(弛)，每10章1个大爆点(爆)
憋屈不连续超2章
温度档位：冷(10-15%) / 温(20-25%) / 热(30-35%) / 爆(15-20%) / 极爆(5-10%)
铁律：不可连续5章以上同一温度档位；冷章后必须有热章跟进。
技术五：创意扰动机制
解决"套路重复"的核心。不是随机注入，而是计划性失控——在保证大纲方向不变的前提下，有意识地打破AI的叙事惯性。
触发条件：场景重复、钩子重复、情绪曲线重复、反派反应重复等8种
扰动动作：视角切换、意外插入、时间跳跃、信息反转、情绪错位、形式变异
AI的叙事惯性是"惯性"，不是"错误"。套路之所以是套路，是因为它有效。你需要做的是在套路固化的时刻注入变化，让读者始终有"猜不到下一步"的新鲜感。
----------------------
最终成果
用这套系统跑通了一本270章的职场大女主小说：
270章，没崩。 角色一致、伏笔回收、节奏可控、套路不重复。不是因为用了更强的模型，是因为用了更完善的流程。
----------------------
总结
AI写长篇的核心挑战，不是"让AI写得更好"，而是**"让AI在第30章和第1章保持同样的质量标准"**。这需要的不是更强的模型，而是更完善的流程。
五个核心技术，每一个都借鉴了软件工程的成熟方法论：
1. 8级质量门禁 ← CI/CD流水线
2. 15条动态状态轨 ← 状态持久化
3. 量化反AI味检测 ← 自动化测试
4. 270章节奏规划卡 ← 项目规划
5. 创意扰动机制 ← 代码重构
工具完全开源免费。如果你也在用AI写小说，也卡在"30章必崩"的瓶颈上，可以试试。
----------------------
下一步
这篇文章是总览，接下来我会逐个拆解每个技术模块的详细设计。如果你感兴趣，可以关注后续更新。
有问题欢迎在评论区讨论，我会一一回复。
----------------------
本文是「AI写作工程化」系列第1篇，共11篇。如果觉得有帮助，点个赞吧。
via 掘金人工智能本月最热 (author: fulton)
Anthropic 宣布更新 Claude Cowork 与聊天功能的记忆机制，将两套系统的记忆打通、统一管理。官方称 Cowork 如今拥有记忆且复用聊天中的同一套记忆，用户无需反复交代背景，Claude 也能更好接续此前工作。
敏感信息默认不存，可手动开启
双向打通的逻辑是：Cowork 在云端执行任务时可读取聊天中记住的信息，而 Cowork 产生的新记忆也能回到聊天里使用。Anthropic 强调，涉及健康、个人信念等敏感话题的记忆默认关闭，用户可在"记忆"设置中手动开启；免费与付费版、Mac 与 iOS 均支持。
官方说明，网页、桌面与移动端的 Free、Pro、Max 套餐默认开启记忆功能，敏感项仍默认关闭，iOS 与 Android 用户需更新至最新版。对重度用户，这等于把"个人上下文"变成跨工作台的持久资产，但也把"哪些信息被长期记住"的开关交回了用户手中。
via AI新闻资讯 (author: AI Base)
马斯克训话曝光：斥资600亿收购Cursor后开启深度整合
近期，太空探索技术公司SpaceX完成了对AI编程工具公司Cursor高达 600 亿美元的重磅收购。在交易完成后，埃隆·马斯克面向Cursor千余名员工召开了内部全员会议，首次公开承认SpaceX的人工智能部门在激烈的行业竞争中目前落后于Anthropic等强劲对手。
在这次讲话中，马斯克不仅直面了技术落后的现实，更强调人工智能技术最终将发展至人类无法掌控的阶段，并以此要求全体员工全力以赴助力其抢先攻克核心技术，同时明确表示后续会继续大规模囤积算力。
随着今年 4 月双方正式签署技术共享与算力合作协议，SpaceX的影响力在Cursor内部持续扩散。在业务与资源层面，Cursor获得了充裕的招聘预算以加速团队扩张，并全力推进对标GitHub的Origin项目及相关测试版。
然而，在这一场轰轰烈烈的收购与整合过程中，Cursor内部也经历了不小的动荡。尽管此前管理层曾声称交易对日常运营影响有限，但实际落地时却出现了大量人员离职，其中包括多名高层领导以及Graphite团队的核心成员。同时，公司还调整了股权兑现政策、对部分高层进行了降职处理，并对整体薪酬方案进行了改动。随着收购的最终收官，Cursor的高管团队已正式进入SpaceX AI担任要职，双方的深度团队整合工作正在全面展开。
回顾自身的发展历程，Cursor近年来实现了高速扩张。这家最初由麻省理工学院（MIT）团队创立的代码编辑工具厂商，因行业竞争日益白热化而不断拓展业务边界。此前，由于毛利率为负导致融资受阻，该公司最终选择与SpaceX联手获取算力支持，共同投入到新版Grok模型及相关AI智能体的研发工作当中。
via AI新闻资讯 (author: AI Base)
近期，太空探索技术公司SpaceX完成了对AI编程工具公司Cursor高达 600 亿美元的重磅收购。在交易完成后，埃隆·马斯克面向Cursor千余名员工召开了内部全员会议，首次公开承认SpaceX的人工智能部门在激烈的行业竞争中目前落后于Anthropic等强劲对手。
在这次讲话中，马斯克不仅直面了技术落后的现实，更强调人工智能技术最终将发展至人类无法掌控的阶段，并以此要求全体员工全力以赴助力其抢先攻克核心技术，同时明确表示后续会继续大规模囤积算力。
随着今年 4 月双方正式签署技术共享与算力合作协议，SpaceX的影响力在Cursor内部持续扩散。在业务与资源层面，Cursor获得了充裕的招聘预算以加速团队扩张，并全力推进对标GitHub的Origin项目及相关测试版。
然而，在这一场轰轰烈烈的收购与整合过程中，Cursor内部也经历了不小的动荡。尽管此前管理层曾声称交易对日常运营影响有限，但实际落地时却出现了大量人员离职，其中包括多名高层领导以及Graphite团队的核心成员。同时，公司还调整了股权兑现政策、对部分高层进行了降职处理，并对整体薪酬方案进行了改动。随着收购的最终收官，Cursor的高管团队已正式进入SpaceX AI担任要职，双方的深度团队整合工作正在全面展开。
回顾自身的发展历程，Cursor近年来实现了高速扩张。这家最初由麻省理工学院（MIT）团队创立的代码编辑工具厂商，因行业竞争日益白热化而不断拓展业务边界。此前，由于毛利率为负导致融资受阻，该公司最终选择与SpaceX联手获取算力支持，共同投入到新版Grok模型及相关AI智能体的研发工作当中。
via AI新闻资讯 (author: AI Base)
Claude重磅升级：Cowork与日常聊天实现数据互通
Anthropic近日正式宣布对旗下Claude的记忆机制进行全面更新，成功打通了Claude Cowork与常规聊天功能之间的记忆壁垒，实现了两者的统一管理。
过去，用户在不同场景下与AI交互时，往往需要重复输入背景信息或历史偏好。此次更新后，当Cowork在云端独立执行复杂任务时，可以直接调用Claude从用户日常聊天记录中积累的记忆；反过来，在Cowork中产生的相关操作记忆，也能够在平时的聊天对话中无缝复用。这种双向互通的设计，让AI能够更加精准地接续此前的工作进度，显著减少了用户反复解释背景的沟通成本。
在用户关心的隐私与个性化控制方面，Anthropic采取了审慎的默认策略。涉及健康状况、个人信念等被判定为敏感话题的内容，系统默认不会将其保存到记忆库中。不过，为了满足部分用户希望避免重复说明特定敏感话题的实际需求，平台也提供了手动开启的相关选项，用户可以根据自身偏好在“记忆”设置中灵活调整。
适用范围方面，此次记忆机制的升级覆盖了更广泛的用户群体与终端设备。无论是免费版（Free）还是付费的Pro与Max套餐，均默认开启了这项记忆功能，且同步支持网页版、桌面端以及移动端。对于iOS和Android平台的移动端用户，只需将应用更新至最新版本，即可第一时间体验到这一全新的互通记忆机制。
via AI新闻资讯 (author: AI Base)
Anthropic近日正式宣布对旗下Claude的记忆机制进行全面更新，成功打通了Claude Cowork与常规聊天功能之间的记忆壁垒，实现了两者的统一管理。
过去，用户在不同场景下与AI交互时，往往需要重复输入背景信息或历史偏好。此次更新后，当Cowork在云端独立执行复杂任务时，可以直接调用Claude从用户日常聊天记录中积累的记忆；反过来，在Cowork中产生的相关操作记忆，也能够在平时的聊天对话中无缝复用。这种双向互通的设计，让AI能够更加精准地接续此前的工作进度，显著减少了用户反复解释背景的沟通成本。
在用户关心的隐私与个性化控制方面，Anthropic采取了审慎的默认策略。涉及健康状况、个人信念等被判定为敏感话题的内容，系统默认不会将其保存到记忆库中。不过，为了满足部分用户希望避免重复说明特定敏感话题的实际需求，平台也提供了手动开启的相关选项，用户可以根据自身偏好在“记忆”设置中灵活调整。
适用范围方面，此次记忆机制的升级覆盖了更广泛的用户群体与终端设备。无论是免费版（Free）还是付费的Pro与Max套餐，均默认开启了这项记忆功能，且同步支持网页版、桌面端以及移动端。对于iOS和Android平台的移动端用户，只需将应用更新至最新版本，即可第一时间体验到这一全新的互通记忆机制。
via AI新闻资讯 (author: AI Base)
OpenAI 宣布推出 ChatGPT Business Premium Seats，新增每月 100 美元的高级席位，面向小企业和初创团队，提供更快的工具与工作流，以及此前多为大公司保留的能力。该计划可按团队规模灵活扩展，用量是标准席位五倍且无 5 小时限制。
OpenAI(@OpenAI)
🌸 在花频道 · 茶馆水群 · 投稿通道
via 科技圈🎗在花频道📮 - Telegram Channel
谷歌周二扩展 Gemini Enterprise 平台，推出面向律师与律所的专用工具 Gemini Enterprise for Legal，加剧科技巨头对法律行业 AI 需求的争夺。该工具提供与法律软件、数据平台集成的插件及一系列 AI 智能体，可处理专业化法律与行政工作而无需大量人工监督，让律师聚焦更高价值服务，同时强调数据安全与保密。
行业定制战全面铺开
除法律外，谷歌同日推出金融服务行业工具，并计划陆续覆盖更多垂直领域。这正撞上对手密集布局：Anthropic 等企业级 AI 也在扩张法律场景，而坐拥路透、Westlaw 的汤森路透周一刚发自研模型 Thomson 1.0；谷歌称平台将与汤森路透、Harvey、Legora 等产品安全直连。
律所正快速采用生成式 AI 做检索、起草与案件管理以降本增效，多家大所已深度参与合作开发。谷歌云负责人称产品可让律所在多种模型中灵活选择，Weil、Cleary 等管理合伙人均表示客户愈发期待律师用 AI 提效——法律 AI 的"平台 + 生态"之争，已从模型跑到了工作流入口。
via AI新闻资讯 (author: AI Base)
OpenAI自研Jalapeno芯片曝光：性能测试全面反超GB300
在全球算力格局面临深度重塑的当下，人工智能巨头们正在加速摆脱对单一硬件供应商的依赖。当地时间 8 月 25 日，OpenAI对外披露了其在硬件领域取得的突破性进展，其全新自研芯片Jalapeno在内部测试中的表现正式超越了英伟达的现有主力产品线。
核心指标实现关键超越
作为大模型时代的技术领头羊，OpenAI在底层基础设施的建设上动作频频。此次浮出水面的Jalapeno处理器，在实际测试环节展现出了极具震撼力的技术参数。
根据官方及相关测试数据显示，Jalapeno芯片在两个核心维度上取得了领先优势：首先是在单位功耗下所能处理的AI工作负载效率上表现优异，其次是在数据响应速度上达到了行业领先水准。这两个关键指标的突破，意味着其在面对高并发、大吞吐量的生成式AI推理和训练任务时，能够以更低的能耗成本实现极速运转。
大模型厂商的硬件自主化博弈
近年来，随着大模型参数规模呈指数级增长，算力成本与供应链安全成为制约行业发展的核心痛点。包括OpenAI在内的头部玩家纷纷选择亲自下场研发专用芯片，试图通过软硬件深度的协同优化来打破算力瓶颈。
业内分析认为，Jalapeno芯片在多项测试中压倒英伟达现有的旗舰级硬件架构（如GB300 系列），不仅标志着OpenAI在芯片设计领域具备了与传统硬件巨头正面扳手腕的实力，也将对全球半导体产业和算力市场竞争格局产生深远的影响。随着相关测试的持续推进与后续落地，未来AI基础设施市场的竞争势必会更加白热化。
via AI新闻资讯 (author: AI Base)
在全球算力格局面临深度重塑的当下，人工智能巨头们正在加速摆脱对单一硬件供应商的依赖。当地时间 8 月 25 日，OpenAI对外披露了其在硬件领域取得的突破性进展，其全新自研芯片Jalapeno在内部测试中的表现正式超越了英伟达的现有主力产品线。
核心指标实现关键超越
作为大模型时代的技术领头羊，OpenAI在底层基础设施的建设上动作频频。此次浮出水面的Jalapeno处理器，在实际测试环节展现出了极具震撼力的技术参数。
根据官方及相关测试数据显示，Jalapeno芯片在两个核心维度上取得了领先优势：首先是在单位功耗下所能处理的AI工作负载效率上表现优异，其次是在数据响应速度上达到了行业领先水准。这两个关键指标的突破，意味着其在面对高并发、大吞吐量的生成式AI推理和训练任务时，能够以更低的能耗成本实现极速运转。
大模型厂商的硬件自主化博弈
近年来，随着大模型参数规模呈指数级增长，算力成本与供应链安全成为制约行业发展的核心痛点。包括OpenAI在内的头部玩家纷纷选择亲自下场研发专用芯片，试图通过软硬件深度的协同优化来打破算力瓶颈。
业内分析认为，Jalapeno芯片在多项测试中压倒英伟达现有的旗舰级硬件架构（如GB300 系列），不仅标志着OpenAI在芯片设计领域具备了与传统硬件巨头正面扳手腕的实力，也将对全球半导体产业和算力市场竞争格局产生深远的影响。随着相关测试的持续推进与后续落地，未来AI基础设施市场的竞争势必会更加白热化。
via AI新闻资讯 (author: AI Base)
研究发现，微软 Paint 和 Photos 会把远程提示词审核服务返回的 16 字节 GUID 嵌入本地生成图像的像素，形成不可见水印；Paint 水印失败时会将生成视为错误。
这些图像还可写入包含同一 GUID 的 C2PA 元数据。即使由 Copilot+ PC 本地 NPU 生成，提示词审核和溯源签名仍需联网完成。
Xusheng Li
🌸 在花频道 · 茶馆水群 · 投稿通道
via 科技圈🎗在花频道📮 - Telegram Channel
