作者： admin

一、为什么AI编程工具值得关注？

1.1 从”辅助工具”到”协作伙伴”

两年前，AI在编程中的角色还停留在”代码补全”和”错误检查”。那时候的AI更像一个高级的拼写检查器——能帮你找茬，但没法帮你干活。

现在的AI编程工具已经完全不同了：

• 能理解整个代码库的结构和上下文
• 能根据需求生成完整的功能模块
• 能自动重构代码、优化性能
• 能帮你Debug、解释代码、甚至设计架构

从”辅助工具”到”协作伙伴”，这个转变只用了两年。

1.2 市场需求爆发

国内市场需求尤其旺盛。字节Trae上线不到一年，用户突破1000万，这个数字背后是庞大的开发者群体对效率提升的渴望。

一方面，互联网行业进入”降本增效”周期，开发者需要用更少的时间完成更多的工作；另一方面，AI技术的成熟度已经足以支撑”AI编程”这个场景的落地。

二、横评对象介绍

2.1 Cursor

Cursor是2023年崛起的新星，由前DeepMind员工创立。它将AI能力深度集成到VS Code中，支持对话式编程、智能补全、代码重构等功能。

最新版本Cursor 3推出了Composer模式，支持跨文件重构——你可以描述一个需要修改的功能，Cursor会自动分析相关文件，一次性完成修改。

2.2 Trae

Trae是字节跳动推出的AI编程助手，于2025年正式发布。最大的特点是对中文用户极度友好，界面和文档都是原生中文，提示词用中文描述效果更好。

Trae国内用户突破1000万，是国产AI编程工具的领军产品。它集成了豆包大模型，在中文代码理解和生成方面有独特优势。

2.3 Claude Code

Claude Code是Anthropic推出的命令行编程工具，基于Claude模型构建。最大的特点是Agent能力——你描述一个任务，Claude Code会自主规划步骤、调用工具、执行操作，直到任务完成。

最新更新增加了多文件编辑能力，进一步提升了处理复杂项目的能力。

2.4 GitHub Copilot

GitHub Copilot是微软和OpenAI合作的产物，集成在VS Code等主流IDE中，市场占有率最高。

作为这个领域的”老大哥”，Copilot的优势在于生态成熟、插件丰富。但最新一代AI编程工具在能力上已经开始超越它。

三、功能对比

3.1 核心功能对比表

3.2 重点功能深度解析

Cursor 3 Composer模式

Composer是Cursor 3的核心创新。它解决了一个长期痛点：当你需要修改一个涉及多个文件的复杂功能时，传统AI编程工具只能一个文件一个文件地改，容易出现上下文丢失、修改不一致的问题。

Composer模式允许你描述一个跨文件的修改需求，AI会自动：

1. 分析哪些文件需要修改
2. 规划修改的先后顺序
3. 逐个文件执行修改
4. 确保修改的一致性

实测效果不错。我用它重构了一个包含20多个文件的电商模块，AI自动识别了数据层、服务层、接口层，一次性完成了所有修改。

Claude Code Agent能力

Claude Code的Agent能力是三款工具中最强的。你可以用它来完成复杂的多步骤任务：

bash

# 描述任务
claude "帮我重构user模块，要求：
1. 把userService拆分成userAuth和userProfile两个服务
2. 更新所有调用userService的地方
3. 确保单元测试通过"

Claude Code会自主拆解任务、创建子任务、执行操作，每一步都会询问你是否确认，直到任务完成。

这个模式特别适合处理”大型技术债务清理”或者”系统架构升级”这类复杂任务。

Trae中文友好

Trae对中文用户最大的优势是原生中文支持。

界面、文档、错误提示都是中文。更重要的是，用中文描述需求时，Trae的理解准确率明显高于其他工具。

比如，你想让AI帮你写一个处理用户权限的函数，直接用中文说”写一个检查用户权限的函数，需要支持角色和权限两层判断”，Trae的理解比我用英文描述还准确。

四、性能对比

4.1 代码生成质量

我用三个维度评估代码生成质量：

准确性：生成的代码是否能正确运行
可读性：代码结构是否清晰、命名是否规范
完整性：是否考虑了边界情况和错误处理

结论：Claude Code在代码质量上略胜一筹，尤其是对复杂业务逻辑的理解和处理。但差距不大，Trae和Cursor的生成质量已经足够日常使用。

4.2 响应速度

响应速度直接影响使用体验。我测试了在相同网络环境下，三个工具生成一段中等复杂度代码的时间：

结论：GitHub Copilot最快，因为它主要做的是代码补全而非生成。但考虑到Claude Code生成的内容质量更高，这个速度差异是可以接受的。

4.3 上下文理解能力

上下文理解能力决定了AI能否真正”懂”你的代码库。

结论：Claude Code的200K上下文窗口让它能一次性处理更大的代码库，特别适合处理大型项目。Cursor 3的Composer模式在多文件关联上有独特优势。

五、价格对比

5.1 订阅方案对比

5.2 性价比分析

Trae完全免费：这是最大的竞争优势。对于个人开发者和小型团队，Trae提供了足够强大的功能，而且完全免费。

Copilot最便宜：$10/月的Pro版适合个人开发者，但功能相对基础。

Cursor和Claude Code：价格相近，功能各有侧重。如果已经订阅了Claude Pro，Claude Code是顺理成章的选择；如果偏好VS Code生态，Cursor更合适。

六、使用场景推荐

6.1 个人开发者：推荐Trae

完全免费、中文友好、功能完整。对于个人开发者来说，Trae是性价比最高的选择。

6.2 团队协作：推荐Cursor 3或Claude Code

Cursor 3的Composer模式和Claude Code的Agent能力都适合处理复杂项目。团队可以根据现有技术栈选择：

• 已有VS Code习惯 → Cursor 3
• 已有Claude订阅 → Claude Code

6.3 大型企业：推荐Claude Code

Claude Code的Agent能力和200K上下文窗口特别适合处理大型技术债务和架构升级任务。

6.4 快速原型开发：推荐Cursor 3

Composer模式的跨文件重构能力在快速原型开发中非常有价值。

七、实测横评总结

7.1 核心结论

7.2 一句话总结

• Trae：国产之光，免费+中文友好，普通开发者首选
• Cursor 3：VS Code最佳搭档，Composer模式解决复杂重构痛点
• Claude Code：Agent能力强，适合复杂项目和大型代码库
• Copilot：老牌选手，生态成熟，适合已入坑的开发者

7.3 未来展望

AI编程工具的进化速度远超预期。按照目前的发展速度，预计2026年底，主流AI编程工具的SWE-bench准确率将突破70%，届时AI将能独立完成大部分日常开发任务。

对于开发者来说，现在最重要的是尽早上手这些工具。不是为了让AI取代自己，而是为了让自己站在AI的肩膀上，做更有价值的事情。

相关阅读

• Kimi K2.6-code深度评测：国产编程AI的新高度
• 国产AI编程横评：Kimi/智谱GLM/DeepSeek谁更强
• GitHub Copilot vs Cursor：AI编程工具怎么选

一、Claude Design是什么？

1.1 产品定位

Claude Design是Anthropic推出的视觉创作工具，基于其最新旗舰模型Claude Opus 4.7构建。目前以”研究预览版”形式向Claude Pro、Max、Team及Enterprise订阅用户开放。

官方的定位说得很清楚：

“我们希望帮助设计师更快地迭代想法，同时让没有设计背景的人也能自信地表达视觉构想。”

换句话说，Claude Design不是来抢设计师饭碗的，而是来降低创意表达的门槛——让产品经理、创业者、运营人员都能高效产出专业级的视觉原型和演示文稿。

1.2 四个核心能力

对话式创作：你描述需求，AI生成初始版本，然后通过自然对话迭代优化——”按钮再大一点”、”配色更柔和些”、”这个模块往左边挪”。

多模态输入：不只是文字。你可以直接上传参考图片、Word文档、PPT文件，甚至直接抓取网页元素作为设计起点。

智能品牌系统：这是Claude Design的独门绝技。它能自动读取你的代码库（比如Figma设计文件、GitHub项目），学习你们公司的VI规范，然后在生成的所有设计中自动应用统一的配色、字体和组件。

设计到代码：生成的设计可以一键导出到Canva、PDF、PPTX，或者直接打包交给Claude Code，自动生成React/Vue等框架的前端代码。

二、实测：生成一个背单词App原型

2.1 创建项目的四种方式

进入Claude Design后（访问 claude.ai/design），新建项目时有四个选项：

• 原型（Prototype）：生成UI原型，有线框图和高保真两种风格可选
• 幻灯片（Slides）：生成PPT，支持导出PPTX
• 从模板生成：用你自己创建的模板，适合品牌一致性要求高的场景
• 其他：视频封面、Logo、一页式文档等

我选择用”原型”功能做了一个背单词App。

2.2 提示词技巧

在项目描述中，我输入的是：

设计一个背单词学英语的移动端App，要求包含启动页、登录页、首页、单词学习页、复习页、测试页、个人中心。风格简洁清新，主色调薄荷绿，辅助色米白。要求使用圆角卡片和柔和阴影，整体风格参考多邻国和Notion。

关键点有三个：

1. 功能页面要列清楚：用户需要哪些页面，说清楚
2. 颜色风格要明确：用具体颜色词描述，不要说”小清新”这种模糊词汇
3. 给一个对标产品：AI能更好地理解你想要什么风格

2.3 生成效果

点击发送后，Claude会实时显示任务列表——创建图标、制作登录页、添加交互元素……整个过程大概两三分钟。

出来的效果让我有点惊讶：

六个核心页面全部生成，默认是画板模式（所有屏幕并排展示在无限画布上）。登录页带渐变效果，每一页的按钮颜色、圆角、字体风格完全统一。

最关键的是——所有页面都是可交互的。你可以点击标签栏、翻转单词卡片、切换到测试模式。

旁边的齿轮按钮可以切换模型。默认是Opus 4.7，你也可以上传参考图让它照着做。

三、三种迭代方式：Comment、Edit、Draw

生成完之后怎么改？Claude Design提供了三种迭代方式：

3.1 Comment（评论修改）

把鼠标悬停在任何一个组件上点一下，就能留一条评论。比如我说”把单词卡片的字体颜色改成绿色”，发送后30秒搞定。

这个功能最大的好处是——你不需要描述”哪一页哪一个组件”，直接点就行。

3.2 Edit（直接编辑）

点击Edit会在右侧弹出属性侧边栏。选中任何文字，可以直接改背景色、字体颜色、字号，所见即所得。

改错了怎么办？左下角有回退按钮，连续点几下可以回到任意历史版本。

3.3 Draw（手绘添加功能）

这个功能最让我意外。我用鼠标在画布空白处手绘了一个歪歪扭扭的图形，点发送后，Claude居然准确识别了这是”收藏”按钮的意思，自动加了一个珊瑚色的收藏按钮上去。

位置放得不对？再用Comment告诉它调整就行。

四、导出与Claude Code联动

做完之后右上角有三个按钮：Share、Export、Handoff。

4.1 五种导出格式

Export支持五种格式：

• ZIP压缩包
• PDF
• PPTX（可以直接在PowerPoint里编辑）
• Canva（一键同步到Canva继续编辑）
• 独立HTML文件

我测试了导出PPTX，打开后排版没崩，可以在PowerPoint里直接继续编辑。

4.2 Handoff to Claude Code

这是整套工具最值钱的部分。

点击Handoff会弹出一个命令，复制粘贴到Claude Code里，Claude Code会自动获取这个设计文件，直接帮你实现成可运行的代码。

从想法到原型到代码——Anthropic自己一家吃完了。

Brilliant团队分享的使用体验很有说服力：他们用其他AI工具需要20多次提示词才能完成的复杂页面，在Claude Design中仅需2次对话。而且从设计到代码的交接变得无缝衔接，”原型到生产环境的跨越从来没有这么顺畅过”。

五、订阅方案怎么选？

Claude Design必须付费订阅才能用。免费账号没有权限。

目前有四档：

• Claude Pro：$20/月，个人轻度使用够用
• Claude Max 5×：$100/月，Pro的5倍额度
• Claude Max 20×：$200/月，Pro的20倍额度
• Claude Team：$25/人/月，适合团队协作

需要提醒的是：Claude Design跑的是Opus 4.7，算力消耗远大于普通对话。

如果只是偶尔玩一下，Pro够用。但如果要频繁出活——每周生成几个原型、几套PPT——Pro的额度两三个小时就可能触发冷却，建议直接上Max 5×。

真正高频使用、或者要配合Claude Code当主力生产力工具的，Max 20×别省这个钱。

5.1 国内用户怎么订阅？

有两个硬门槛：海外信用卡和稳定的海外网络节点。两个缺一不可。

好消息是，国内WildAI等平台已经支持代充Claude，按月订阅，中途可以升降级，按自然月计费。

六、行业影响：设计工具的游戏规则被重写了吗？

6.1 短期影响：效率工具进化

从效率角度看，Claude Design确实让一些重复性设计工作变得自动化了。

产品经理可以在融资路演前快速生成专业级BP演示文稿，市场人员能即时制作活动海报——而无需等待设计资源排期。对于小团队来说，这确实是重大利好。

6.2 长期影响：创意vs执行

但我认为，”设计师被取代”这件事还早得很。

Claude Design能提升的是执行效率——把设计师从重复性工作中解放出来。但设计的核心价值——理解用户需求、定义问题、创造性思考——这些AI目前还做不到。

一个有意思的现象是：Canva这些年一直在降低设计门槛，但专业设计师的数量并没有减少。门槛降低带来的是更多人进入这个领域，而不是取代现有从业者。

6.3 真正的机会：AI原生设计

更值得关注的是”AI原生设计”这个方向。

Claude Design可以生成带有语音、视频、着色器、3D和内置AI功能的代码驱动型原型。这意味着未来的设计可能不再只是静态的视觉稿，而是可以交互、可以对话、可以动态生成的智能界面。

当设计本身变得”智能”，设计师的价值反而会更高——因为他们能定义AI应该如何响应、如何交互、如何呈现。

七、总结：Claude Design适合谁？

7.1 适合的场景

• 产品经理：快速生成原型，验证想法
• 创业者：没有设计资源，需要做融资PPT和演示
• 运营人员：制作营销素材、社交媒体图片
• 前端开发者：用Design生成代码，提升开发效率
• 小团队：没有专职设计师，需要自己做设计

7.2 不适合的场景

• 高复杂度UI设计：涉及大量自定义交互的设计，AI还做不好
• 品牌视觉系统设计：需要深度理解和创意洞察的工作
• 专业印刷品设计：对色彩精度有严格要求的设计

7.3 核心优势总结

相关工具推荐

• Figma替代工具盘点：哪些AI设计平台值得关注
• Canva使用教程：从入门到精通的完整指南
• Claude Code编程助手：从设计到代码的完整工作流

扩展阅读

• Claude Design官方介绍
• Anthropic官方设计工具使用教程（CSDN）

一、什么是Mano-P 1.0？

Mano-P是明略科技（Mininglamp-AI）开源的GUI-VLA（Vision-Language-Action）端侧智能体模型。这个名字来自西班牙语”Mano”（手）和英文”Person/Party”的首字母，寓意是让AI真正长出”手”，能像人一样操控电脑。

它的核心能力可以用一句话概括：让AI像人一样”看屏幕、点鼠标、敲键盘”，完全自主操控电脑。

1.1 三个关键词理解Mano-P

纯视觉驱动：传统的电脑自动化工具（比如按键精灵、AutoHotkey）需要依赖软件的API接口或者DOM结构。一旦换了个软件、版本更新，甚至只是界面改了个按钮位置，整个自动化脚本就废了。

Mano-P不走这条路。它像人一样，只”看”屏幕上的像素——不管你用的是Photoshop、Excel、ERP系统，还是一个几十年前的老旧软件，只要人能认出来，AI就能认出来，就能操作。

端侧部署：所有推理都在你的Mac上完成。截图不出设备，任务描述不上传云端，完全离线也能跑。对于企业内网、财务系统、医疗记录这些敏感场景，这可能是目前唯一靠谱的AI自动化方案。

开源可商用：Apache 2.0协议，完整代码公开可审计，支持商业使用和二次开发。不像某些”开源”实际上是”限制开源”，Mano-P是真正可以拿去商用、改写、定制的产品级开源项目。

1.2 性能有多强？

说出来你可能不信——这个国产开源项目，在13项国际权威基准测试中拿下SOTA（State of the Art，最优结果）。

特别说一下OSWorld这个测试。它由CMU和港大联合发布，是业界认可度最高的GUI Agent评测基准之一。测试方式是让AI直接操控真实操作系统完成多步任务，由自动化脚本验证最终状态——没有模糊地带，能不能做到一测便知。

Mano-P 72B模型以58.2%的成功率在这个榜单的专用模型中拿下全球第一，领先第二名（OpenCUA-72B，45.0%）多达13.2个百分点。更夸张的是，它在所有模型（包含通用大模型）中也能排进前五。

二、核心技术原理：72B如何装进MacBook？

2.1 三阶段渐进训练

Mano-P的技术路线分为三步走：

第一步：SFT监督微调
在高保真模拟系统环境中，让模型学习基础的GUI操作逻辑——什么是按钮、什么是输入框、什么是菜单栏。相当于在”驾校”里学会最基本的操作。

第二步：离线强化学习
基于海量真实操作轨迹优化决策策略。模型看过足够多的”老司机”是怎么完成任务的，慢慢学会在不同场景下做最优选择。

第三步：在线强化学习
在真实环境中边做边学，通过实时交互反馈持续迭代。如果上一步操作错了，就从错误中学习，调整下一步策略。

这套”三阶段渐进训练”让Mano-P能够处理各种复杂场景下的长程任务。

2.2 “思考-行动-验证”闭环推理

Mano-P的每个操作都遵循一个闭环：

1. Think（思考）：分析当前屏幕状态，推理下一步应该做什么
2. Act（行动）：执行操作——点击、输入、滚动、拖拽
3. Verify（验证）：检查操作结果是否符合预期

如果验证失败，自动重试或调整策略。这意味着AI在执行长任务时不会”一条路走到黑”，而是会实时纠错、动态调整。

2.3 极限压缩：从72B到4B

72B参数的模型当然很强，但没法跑在你的MacBook上。明略科技用两项核心技术把它压缩了18倍：

GSPruning视觉Token剪枝：模型不需要看屏幕上的每一个像素，只需要看最重要的13%信息。通过剪枝技术，视觉Token压缩到原始数量的12.57%，但UI元素识别准确率几乎不受影响。

w4a16混合精度量化：权重用4-bit低精度存储，激活用16-bit高精度计算。这样既压缩了存储空间，又保证了推理精度。

压缩后的4B模型在M4 Pro上的实测数据：

• 预填充速度：476 tokens/s
• 解码速度：76 tokens/s
• 峰值内存：仅4.3GB

这意味着你可以在正常使用Mac的同时，让AI在后台帮你干活，完全不影响日常体验。

三、应用场景：谁在用Mano-P？

3.1 个人效率神器

对于普通用户，Mano-P可以帮你完成：

• 自动做Excel报表、整理文件夹、批量重命名
• 自动填写表单、发送邮件、生成周报
• 批量处理图片/视频
• 甚至打游戏的时候，帮你识别界面、给出操作建议

一个真实场景：你想把上个月的工作日志整理成一份报告。传统做法是手动打开每个文件、复制粘贴内容、格式排版。使用Mano-P，你只需要说”帮我整理上个月的工作日志”，它就会自动打开文件夹、阅读每个文档、提取关键信息、生成结构化报告。

3.2 企业级自动化

对于企业用户，Mano-P的价值在于跨系统数据整合。

传统的企业自动化需要对接各种API：ERP系统、财务软件、CRM、OA……每个系统都可能有自己的接口规范，数据格式也不统一，对接成本极高。

Mano-P不需要这些。所有的数据都在屏幕上，AI自己看、自己提取、自己整理。财务对账、客户信息录入、工单处理——这些需要跨多个系统操作的任务，现在可以”一键完成”。

更关键的是数据安全。金融、医疗、法律、政府——这些对数据隐私要求极高的行业，终于有了一个可以放心使用的AI自动化方案。所有操作在本地Mac mini上完成，数据不出设备，不需要上传到任何云端。

3.3 开发者工具链

对于开发者，Mano-P有三种接入方式：

mano-cua（命令行工具）：
适合在终端快速执行GUI自动化任务，支持脚本集成和批处理。

bash

# 安装mano-cua
brew install mano-cua

# 让AI帮你完成"打开Chrome，搜索xxx"
mano run "打开Chrome，搜索2026年AI最新动态"

mano-client（Python SDK）：
适合在Python项目中集成GUI自动化能力。

python

from mano_client import ManoClient

client = ManoClient()
task = "帮我填这份表格：姓名张三，年龄25，职位工程师"
result = client.execute(task)
print(result)

mano-skill（OpenClaw/Claude Code插件）：
让AI Agent直接调用GUI操作能力，适合复杂多步骤任务。

四、对比竞品：Mano-P的优势在哪里？

4.1 vs Claude Computer Use

Claude Computer Use是Anthropic在2025年底推出的明星产品，能够让Claude操控电脑。两者的核心区别：

简单来说，Mano-P更适合对数据安全有硬性要求的场景——企业内网、高敏感数据、离线环境。如果你需要这些，Claude Computer Use的云端架构天然就不适合。

4.2 vs 传统RPA工具

RPA（机器人流程自动化）是企业自动化的传统方案，UiPath、Power Automate是代表产品。但RPA的局限在于：

• 需要针对每个软件定制流程，换个版本就要重新配置
• 无法处理非结构化数据
• 部署和维护成本高

Mano-P的纯视觉方案天然避免了这些问题。你不需要告诉AI”这个按钮在屏幕坐标(x,y)的位置”，只需要说”点击登录按钮”，AI自己看、自己判断、自己点击。

五、总结：为什么说Mano-P值得关注？

5.1 技术价值

Mano-P证明了”专用模型+端侧部署”这条路走得通。72B参数的旗舰模型在OSWorld拿下全球第一，蒸馏后的4B模型在Mac上流畅运行——这是端侧AI的重大突破。

5.2 生态价值

Apache 2.0开源协议+完整代码公开，意味着任何人都可以在Mano-P的基础上做二次开发。你可以用它构建自己的自动化工具、定制行业解决方案、甚至训练专属的端侧模型。

5.3 商业价值

对于企业用户，Mano-P提供了目前最完整的数据安全方案。所有推理在本地完成，不需要上传任何数据到云端。对于金融、医疗、政府这些”数据不能出门”的行业，这可能是目前唯一靠谱的AI自动化选择。

相关工具教程推荐

• OpenClaw AI智能体使用教程：微信/飞书绑定，自动执行任务
• OpenAI Codex深度教程：AI操控电脑的正确姿势
• Claude Code编程助手：从入门到精通

扩展阅读

想深入了解GUI-VLA智能体的工作原理？推荐阅读：

• Mano-P官方技术报告
• OSWorld基准测试详解
• 端侧AI部署最佳实践

前言

用了这么多年浏览器，你是不是也遇到过这种情况：

看到一个网页，想提取里面的关键信息，但懒得自己看；网页上有个功能不会用，又不好意思问同事；看一篇文章，想让它帮你总结要点……以前这些需求要么靠自己硬啃，要么把内容复制给ChatGPT处理，总归是不够顺畅。

Chrome这次推出的AI模式，可能是解决这个问题的一个方向。简单说，就是让浏览器原生内置AI能力，你浏览网页的时候，AI就在旁边等着帮你。不用复制粘贴，不用切换窗口，边看边问，边看边让AI帮你处理。

我用了一段时间，今天来聊聊实际体验。

一、Chrome AI模式是什么？

1.1 核心功能

Chrome AI模式是谷歌在4月16日发布的重要更新。它的核心功能是：

• 原生AI集成：浏览器内置Gemini大模型，不需要额外安装插件
• 分屏交互：点击链接时，自动打开分屏视图，左边是网页，右边是AI助手
• 实时辅助：浏览网页时，可以随时让AI帮你解读、总结、提取信息

这意味着Chrome不再只是一个”展示网页”的工具，而是变成了一个”AI辅助浏览”的平台。

1.2 技术原理

Chrome AI模式基于Gemini大模型，能够：

• 理解当前浏览的网页内容
• 回答关于网页内容的问题
• 提取关键信息并结构化
• 执行简单的网页操作

简单理解，就是给浏览器装了一个”永远在线的助手”，你看到什么它就知道什么，你问什么它就回答什么。

1.3 使用前提

需要注意的是：

• 目前还在分批推送，不是一上线所有用户都能用
• 需要登录Google账号
• 国内用户需要科学上网才能使用完整功能

二、核心功能详解

2.1 分屏浏览+AI辅助

这个是我最喜欢的功能。以前的模式是：

1. 打开网页
2. 有问题，复制内容
3. 切换到ChatGPT
4. 粘贴问题
5. 等待回答
6. 切换回网页

现在Chrome AI模式的流程是：

1. 打开网页
2. 直接问旁边的AI
3. 获得答案
4. 继续浏览

省去了复制粘贴和切换窗口的步骤，效率提升还是很明显的。

实测体验：
我打开一篇英文技术文章，让AI帮我翻译和解释几个专业术语。它不仅给出了翻译，还解释了这些术语在实际场景中的应用。这种”边看边问”的体验，确实比传统方式顺畅很多。

2.2 智能内容解读

Chrome AI模式不仅能回答问题，还能主动帮你解读网页内容。

适用场景：

长文章处理：
打开一篇万字长文，可以让AI帮你：

• 生成摘要，快速了解核心观点
• 提取关键数据和结论
• 列出文章结构和大纲

表格数据解读：
看到复杂的Excel表格或网页表格，可以让AI帮你：

• 解释表格的含义和逻辑
• 总结数据趋势和规律
• 回答关于数据的具体问题

代码页面处理：
浏览GitHub或者技术文档时，可以让AI帮你：

• 解释代码逻辑
• 分析潜在的bug
• 给出改进建议

2.3 搜索增强

Chrome AI模式还增强了搜索体验：

• 搜索结果解释：不只是展示链接，还能帮你理解搜索结果的内容
• 多结果对比：可以同时问几个网页内容的对比问题
• 智能追问：基于搜索结果，AI会推荐你可能想问的跟进问题

2.4 隐私与安全

说到浏览器内置AI，很多人会担心隐私问题。Chrome官方表示：

• AI处理主要在云端进行，不会存储你的浏览历史
• 可以手动关闭AI功能
• 敏感页面（如银行、邮箱）AI功能会自动禁用
• 不会用你的浏览数据训练模型

当然，隐私这种事见仁见智，大家可以根据自己的需求决定是否开启。

三、使用指南

3.1 如何开启

1. 更新Chrome到最新版本
2. 登录Google账号
3. 等待功能推送（部分地区可能需要等待）
4. 在设置中开启”AI模式”开关

如果没有收到推送，可以试试：

• 更新Chrome到最新版
• 切换到美区节点
• 等待几天，功能在逐步开放中

3.2 基础操作

唤起AI助手：

• 点击地址栏右侧的AI图标
• 或者使用快捷键（默认是Alt+Shift+A）

提问方式：

• 可以语音输入，也可以打字
• 支持多轮对话
• 可以上传图片让AI识别

关闭分屏：

• 拖动分割线到边缘
• 或者点击关闭按钮

3.3 高效使用技巧

技巧1：快捷指令
Chrome AI模式支持一些快捷指令，比如：

• “总结这个页面”
• “翻译成中文”
• “提取联系方式”
• “比较这几个选项”

技巧2：上下文理解
AI能记住你之前的提问，所以可以：

• 先问大方向，再追问细节
• 不需要每次都重复背景
• 可以让它帮你做多步骤的分析

技巧3：结合搜索

• 搜索时开启AI模式
• 让AI帮你筛选和对比搜索结果
• 比自己逐个点开看要高效

四、实际应用场景

4.1 办公场景

处理工作邮件：
打开邮件网页，让AI帮你：

• 总结邮件要点
• 识别需要回复的内容
• 生成回复草稿

阅读行业报告：
看到一份长报告，让AI帮你：

• 快速了解核心发现
• 提取关键数据和结论
• 列出行动建议

处理表格数据：
看到网页上的数据表格，让AI帮你：

• 分析数据趋势
• 对比不同选项
• 生成可视化建议

4.2 学习场景

阅读学术论文：
遇到专业术语多、逻辑复杂的论文，让AI帮你：

• 解释专业概念
• 梳理论文逻辑
• 总结研究方法

学习编程：
看技术文档或教程时，让AI帮你：

• 解释代码含义
• 回答疑惑
• 给出实践建议

学习外语：
浏览英文网站时，让AI帮你：

• 翻译和解释
• 讲解语法和用法
• 练习口语表达

4.3 购物场景

产品对比：
打开几个电商页面，让AI帮你：

• 对比产品参数
• 分析用户评价
• 推荐性价比最高的选择

查找优惠：
看到原价商品，让AI帮你：

• 搜索历史价格
• 预测价格走势
• 提醒最佳购买时机

4.4 日常信息获取

新闻解读：
看到一篇新闻，让AI帮你：

• 了解背景信息
• 分析事件影响
• 追踪后续发展

查找联系方式：
看到企业官网，让AI帮你：

• 提取电话号码、邮箱
• 识别正确的联系部门
• 生成联系模板

五、与竞品对比

5.1 Chrome vs Edge Copilot

微软Edge浏览器早就有了Copilot功能，但两者有一些区别：

简单说，Chrome AI模式更专注于”浏览辅助”这个垂直场景，而Edge Copilot覆盖面更广但深度不够。

5.2 Chrome AI模式的独特优势

1. 原生集成：不需要安装额外插件，系统资源占用更低
2. 分屏交互：边看边问的体验更流畅
3. Gemini加持：Google在AI领域的积累让功能更智能
4. 与Google生态打通：可以无缝使用Google的其他服务

5.3 局限性

当然也有一些局限：

• 需要科学上网：对国内用户不太友好
• 功能覆盖有限：目前只支持英文
• 隐私顾虑：部分用户可能不想让Google知道你看了什么
• 资源占用：长时间开启会消耗更多系统资源

六、浏览器AI的未来

6.1 从工具到平台

Chrome AI模式的发布，标志着浏览器正在从”展示工具”向”AI平台”转变。

以前浏览器只负责展示网页内容，处理信息的工作留给用户自己。现在浏览器内置了AI，可以帮你处理、分析、总结网页内容。用户的角色从”主动获取信息”变成了”让AI帮你处理信息”。

这个转变的意义是深远的。它意味着：

• 信息获取的门槛降低了
• 处理信息的效率提高了
• 人类可以专注于更高价值的思考工作

6.2 可能的演进方向

根据目前的技术发展趋势，浏览器AI未来可能的方向：

更主动的辅助：

• AI主动识别你的浏览意图
• 提前准备好可能需要的信息
• 预测你下一步想做什么

更深入的操作：

• 不只是理解网页内容
• 还能帮你执行网页操作
• 比如帮你填表、帮你下单、帮你发帖

更个性化的体验：

• 学习你的浏览习惯
• 提供个性化的AI建议
• 打造专属你的浏览体验

6.3 竞争格局

Chrome推出AI模式后，预计其他浏览器也会跟进：

• Edge已经有了Copilot，会继续强化
• Safari可能会在Apple Intelligence框架下增强
• 国产浏览器可能会接入国产AI模型

浏览器的AI化会成为一个趋势，关键是谁能做得更好、更符合用户需求。

七、我的使用感受

7.1 优点

• 分屏交互体验流畅，确实比切换窗口方便
• Gemini的理解能力不错，回答比较准确
• 原生集成，不需要额外安装
• 和Google生态打通，使用顺畅

7.2 缺点

• 需要科学上网，国内使用有门槛
• 目前只支持英文，中文内容支持有限
• 功能还在完善，有些场景不够好用
• 隐私问题需要自己权衡

7.3 适合人群

Chrome AI模式比较适合：

• 经常需要阅读英文资料的人
• 有科学上网条件的人
• 追求效率提升的办公人群
• 对AI辅助浏览有需求的人

结语

Chrome AI模式的推出，让我看到了浏览器进化的一个方向。它不再只是展示网页的工具，而是变成了一个AI辅助浏览的平台。虽然目前功能还在完善，但这个方向是对的。

对于国内用户来说，可能还需要等待一段时间才能用上。但如果你有条件，建议体验一下，这可能是未来浏览器的主流形态。

浏览器AI化的大幕才刚刚拉开，让我们拭目以待。

相关链接

• Chrome Gemini技能库教程
• Gemini Mac版使用教程
• AI浏览器工具推荐

前言

AI生成视频这事儿，估计大家都见怪不怪了。不就是输一句话，等个几十秒，拿一段视频嘛。但阿里4月中旬发布的”快乐生蚝”（HappyOyster）让我眼前一亮——它不只是一个生成视频的工具，而是能生成一个能走、能碰、能改的3D空间。

这什么意思？简单说，普通AI是”给你一段固定视频”，快乐生蚝是”给你一个活的3D世界”，你在里面怎么动、怎么改，画面实时跟着变。这体验就像从看照片升级到了玩游戏。

我第一时间申请了内测，体验了一周，今天来聊聊真实感受。不吹不黑，客观说说这玩意儿到底怎么样。

一、什么是世界模型？和文生视频有啥区别？

1.1 传统文生视频的局限

先说说我们熟悉的文生视频工具。不管是Sora、Runway还是国内的即梦、Vidu，它们的逻辑都是：你输入一段文字描述，AI生成一段视频，你只能看，不能改。

这个模式有什么问题？

• 被动接受：生成什么样就是什么样，想改只能重新生成
• 无法交互：不能走进去看，不能换个角度看
• 细节难控：人物动作、场景细节经常跑偏

1.2 世界模型的新范式

快乐生蚝代表的是”世界模型”这个新方向。核心特点是：

• 可交互：生成的不是一个视频，而是一个有物理规则的3D空间
• 可漫游：你可以在里面自由行走、转身、探索
• 可修改：生成过程中可以随时调整剧情、镜头、角色

这就好比：

• 传统文生视频 = 给你一张照片
• 世界模型 = 给你一个可以走进去的房间

虽然目前分辨率和流畅度还没法和专业渲染比，但这个方向的潜力是巨大的。

二、快乐生蚝的两大核心模式

2.1 漫游模式：像玩游戏一样逛AI世界

这是快乐生蚝的基础能力，对标的是谷歌Genie3。核心玩法是：

1. 输入一句话或一张图片
2. AI生成一个有物理规则的3D空间
3. 你用键盘、鼠标在里面自由探索

实测体验：

我输入了”夕阳下的海边小镇”，等了大概十几秒，生成完毕。进去之后发现：

• 场景确实是个海边小镇，有码头、有房屋、有沙滩
• 物理规则基本合理，影子方向一致，海水有波浪
• 可以用WASD移动，鼠标控制视角
• 支持1分钟连续漫游，分辨率480p

画面质量说实话比不上专业游戏，但作为AI生成的实时交互场景，已经相当震撼了。

2.2 导演模式：随时改剧情的实时大片

这是快乐生蚝比Genie3更实用的地方，也是我最喜欢的功能。

导演模式下，你可以：

• 中途打断：随时停止当前生成
• 实时调整：用文字、语音、图片发指令
• 控制一切：镜头、角色、场景、天气都能改

实测体验：

我试着生成一个”森林探险”的场景。生成过程中，我随口说”镜头拉近”、”让主角跑起来”、”天空换成下雨”、”加个山洞入口”——这些指令它都实时响应了。

虽然细节质量还有提升空间（比如雨天效果的真实性、角色跑动时的动作自然度），但”边生成、边调整、边出片”这个体验是真的爽。

这意味着：

• 不用等渲染完再返工
• 可以边想边改，快速迭代
• 创作门槛大幅降低

三、与谷歌Genie3正面PK

3.1 核心参数对比

3.2 各有所长

Genie3的优势：

• 纯物理模拟、漫游探索能力更强
• 背靠谷歌，技术积累深厚
• 生态更完善，后续迭代快

快乐生蚝的优势：

• 导演模式，中途实时调整
• 原生音画同步，体验更流畅
• 二次创作开放，适合内容创作者
• 中文语境优化，国人上手更快

3.3 我的判断

如果你只是想探索AI生成的世界、体验实时漫游，Genie3是更好的选择。

但如果你是内容创作者，想用AI辅助创作短视频、游戏、虚拟场景，快乐生蚝的导演模式会更实用。它把”创作控制权”还给了用户，而不是让用户被动接受AI的生成结果。

四、普通人的上手指南

4.1 如何申请内测

快乐生蚝目前还在内测阶段，感兴趣的朋友可以按以下步骤申请：

1. 访问官网：happyoyster.cn
2. 点击”申请内测”，填写手机号和用途
3. 等待审核（一般1-3个工作日）
4. 审核通过后登录，开始体验

4.2 漫游模式入门

适合场景：

• 体验AI生成的世界，感受新技术
• 生成创意灵感，寻找创作素材
• 游戏关卡设计参考

操作步骤：

1. 选择漫游模式
2. 输入场景描述（越具体越好）
3. 等待生成
4. 用WASD移动，鼠标控制视角
5. 逛完可以保存或分享

小技巧：

• 场景描述越详细，生成效果越好
• 可以上传参考图片，AI会融合风格
• 不满意可以重新生成，或者换种描述方式

4.3 导演模式入门

适合场景：

• 短视频创作
• 游戏原型设计
• 虚拟场景搭建

操作步骤：

1. 选择导演模式
2. 输入初始剧情/场景
3. AI开始实时生成
4. 随时输入指令调整（文字/语音/图片）
5. 满意后导出视频或保存工程

小技巧：

• 先让AI生成基础场景，再逐步调整细节
• 指令要具体：”主角走向右边”比”动一下”效果更好
• 可以用参考图片控制角色外观和场景风格
• 导出后用专业软件做后期精修

五、实际应用场景

5.1 短视频创作

对于短视频博主来说，快乐生蚝可以帮你：

• 快速生成概念场景，验证创意
• 制作概念视频，吸引粉丝期待
• 降低特效成本，小团队也能做大场面

不过需要注意，目前的分辨率和真实度还达不到商用水准，更适合作为创作辅助工具。

5.2 游戏开发

独立游戏开发者可以用它来：

• 快速生成游戏原型
• 可视化关卡设计
• 寻找创作灵感

有个做独立游戏的朋友告诉我，他用快乐生蚝来生成游戏场景概念图，比自己画要快很多。当然，最终的游戏资产还是得用专业工具来做。

5.3 虚拟场景搭建

对于需要虚拟场景的从业者：

• 建筑可视化：快速生成建筑内外景
• 室内设计：预览装修效果
• 影视预演：提前看到场景效果

5.4 教育培训

教育场景也很有潜力：

• 历史场景还原：让学生”走进”历史
• 科学实验模拟：危险的实验可以虚拟进行
• 职业技能培训：模拟真实工作场景

六、局限性和改进空间

6.1 当前局限

说实话，快乐生蚝目前还有不少局限：

画面质量：

• 分辨率最高720p，和专业渲染比差距明显
• 细节不够精细，偶尔会出现纹理错误
• 光影效果有时不自然

物理规则：

• 复杂物理交互偶尔穿模
• 液体、织物等软体模拟较弱
• 多角色互动时容易出问题

内容控制：

• 特定要求难以精确控制
• 生成结果有随机性，不一定每次都满意
• 长序列生成稳定性下降

6.2 改进方向

根据阿里ATH团队透露的信息，后续优化方向包括：

• 提升分辨率和细节质量
• 优化物理模拟的真实性
• 增加更多可控参数
• 支持更长的生成序列
• 开放更多API接口

七、国产AI的新里程碑

7.1 从跟跑到并跑

阿里这次48小时连发两款AI，快乐生蚝直接对标Genie3，说明国产AI在前沿世界模型这个赛道上，已经有了和国际巨头正面竞争的实力。

以前这种”实时可交互世界模拟”的技术，基本是谷歌一家独大，国内要么做文生视频、要么做大语言模型，很少碰这个方向。现在阿里做出了自己的世界模型，不再是跟跑，而是开始并跑。

7.2 对普通人的意义

对于咱们普通人来说，这意味着：

• 以后做短视频、做虚拟场景、做小游戏，不用再等国外工具
• 国内产品对中文语境优化更好，上手更快
• 竞争加剧会让产品价格下降，服务质量提升

7.3 展望未来

世界模型这个方向，潜力是巨大的。虽然现在还不够成熟，但技术发展速度很快。

想象一下：

• 以后你想拍个电影，可能只需要描述想法，AI帮你生成完整场景
• 游戏开发者可以用AI实时生成无限世界
• 教育可以让学生”走进”任何场景学习

快乐生蚝是这个未来的第一步。

结语

体验了一周快乐生蚝，我的感受是：这是一款有诚意的产品。虽然画面质量和Genie3比还有差距，但导演模式确实解决了创作者的痛点——把控制权还给用户。

对于想尝鲜世界模型的朋友，值得申请内测试试。对于内容创作者，这个工具可以作为创作辅助，值得关注后续发展。

国产AI这次走得很快，咱们拭目以待。

相关链接

• Sora文生视频教程
• Runway视频生成教程
• AI视频生成工具横评

前言

用AI写代码这件事，我折腾了快三年。从最初的Copilot到后来的GPT-4，再到各种国产编程助手，几乎主流产品都用了个遍。上个月Claude Opus 4.7发布的时候，看到”编程能力暴涨11%”这个数据，说实话我是不太信的——这些年见过太多”吊打”、”超越”的说法了。

但用了一周之后，我承认这次确实有点东西。不是那种PPT上的纸面数据，是实打实能感受到的提升。特别是那个”敢于说No”的能力，用起来特别舒服。今天就把这几天的真实体验分享出来，不吹不黑，给想上车或者还在观望的朋友一个参考。

一、编程能力：从”能用”到”专业级”的跨越

1.1 数据背后的真实含义

先说硬指标。Claude Opus 4.7在SWE-bench Pro测试中得分64.3%，比GPT-5.4的57.7%高出近7个百分点，比Gemini 3.1 Pro的54.2%更是拉开了10%的差距。这个测试是什么概念呢？它考察的是AI处理真实代码库的能力，不是那种割裂的算法题，而是让你去理解一个有几万行代码的项目，然后修复bug或者添加功能。

之前用GPT-4写代码，遇到复杂项目经常需要反复沟通、改来改去，有时候AI自己都不知道自己在干什么。用Claude Opus 4.7这几天，明显感觉它对项目结构的理解更准确了。有次我扔给它一个半成品的后端项目，让它帮我加个缓存模块，它不仅写出了代码，还主动指出了原项目里几处潜在的性能问题。

1.2 企业场景下的表现

光看基准测试不够，咱说说实际落地的情况。根据官方披露的数据：

• Cursor内部测试：代码完成率从58%提升到70%，提升了21%
• Notion报告代理：任务成功率提升14%，工具错误率降到前代的三分之一
• 日本乐天：生产级任务解决数量是Opus 4.6的3倍

这几个数字里我比较关注Cursor的提升。之前用Cursor写代码，虽然有代码补全，但遇到稍微复杂点的逻辑，还是得自己来。现在代码完成率70%，意味着大部分常见场景确实可以交给AI处理了。

有个做独立开发的朋友告诉我，他用Claude Opus 4.7加Cursor，半天时间就把一个数据可视化组件库从Vue2迁移到了Vue3。他负责review，AI负责写，效率比以前高了三四倍。这不是个例，我周围好几个开发者朋友都有类似的感受。

1.3 编程能力的边界

当然也得说清楚，Claude Opus 4.7不是万能的。遇到特别复杂的系统设计，或者需要深入理解业务逻辑的场景，AI还是经常卡壳。但对于日常开发中那些重复性的CRUD、接口对接、数据处理这类活儿，它确实能帮你省不少时间。

我个人的判断是：现在的Claude Opus 4.7已经能较好地承担”高级工程师的实习生”这个角色。能干活，但需要你把关；能提建议，但最终拍板还得是人。

二、视觉能力3倍提升：看见更精细的世界

2.1 技术参数解析

Claude Opus 4.7的视觉能力提升确实猛。官方说支持长边最高2576像素的图像处理，约375万像素，是前代产品的3倍以上。落实到实际场景里，意味着它可以更好地处理：

• 密集型截图：以前处理一张密密麻麻的数据截图，AI经常漏掉信息，现在好多了
• 复杂图表：流程图、架构图、UML图这些，它能准确理解各元素之间的关系
• 工程图纸：简单看下CAD图纸、电路图什么的，问题不大
• 手写笔记：歪歪扭扭的手写字，识别准确率也比之前高了

2.2 实测视觉能力

我专门测试了一下它的视觉能力。扔给它一张产品原型图，让它帮我生成对应的React组件代码。之前用GPT-4的时候，生成的代码经常漏掉一些细节，按钮位置也对不上。这次Claude Opus 4.7的表现明显好很多，基本还原了原型图的整体布局，细节虽然有点偏差，但稍作调整就能用。

后来我又测试了看财报图表。它能准确识别出图表类型、数据趋势、关键数据点，比我之前用的那些只会”描述图片内容”的模型强多了。

2.3 视觉能力的应用场景

视觉能力的提升让Claude Opus 4.7有了更多用武之地：

UI开发：看设计稿直接出代码，减少设计和前端的沟通成本
数据处理：自动识别截图、PDF中的表格数据，转成结构化信息
文档分析：扫一眼架构图就能理解系统设计，代码审查效率翻倍
教育培训：看学生的作业截图给反馈，省去来回上传下载的麻烦

这些场景以前也有，但用起来总觉得差点意思。现在Claude Opus 4.7的视觉能力确实到了一个可用的临界点。

三、”靠谱”特质：敢于说No的AI

3.1 为什么”靠谱”很重要

我觉得这是Claude Opus 4.7最被低估的升级。很多人在选AI工具的时候，关注的是”它能做什么”，很少有人关心”它敢不敢说不”。

但用过的人都知道，一个唯命是从的AI有时候比没有AI更坑。它不管你说的是不是离谱，都会点头称是，然后按照你的错误思路一通操作，最后给你一堆看起来像那么回事但完全跑不通的代码。这种AI用久了，不仅不能提高效率，反而会把你带进沟里。

Claude Opus 4.7这次在”靠谱”这个特质上下了功夫，用官方的话说就是”敢于质疑、敢于反驳”。

3.2 实际体验

我举个例子。有次我让它帮我写一个数据处理的脚本，提了个需求：读取CSV文件，按某列分组后输出结果。我自己的思路是用Python的pandas库，结果它看完需求之后说：

“你这个需求用awk可能更高效，一行命令就能搞定，而且内存占用更小。pandas虽然能实现，但对于这种简单任务有点杀鸡用牛刀了。”

然后它给出了两种方案，让我选。这感觉就像有个真正的同事在跟你讨论问题，而不是在讨好你。

还有一次，我让它帮我review一段代码。它直接指出我的代码有几处潜在风险，需要加异常处理。按照以前的经验，AI一般会说”写得不错”，然后加一堆锦上添花的建议。但Claude Opus 4.7这次直接戳中了要害。

3.3 靠谱的具体表现

总结一下Claude Opus 4.7″靠谱”特质的具体表现：

这种”说No”的能力听起来很简单，但真正做到并不容易。它需要模型既要有足够的能力判断对错，又要有足够的”胆子”指出来。Claude Opus 4.7在这两者之间找到了一个比较好的平衡点。

四、新功能一览：更精细的控制

4.1 xhigh推理等级

Claude Opus 4.7新增了xhigh推理等级，介于high和max之间，提供更细粒度的推理深度与响应速度权衡。官方说Claude Code已经默认调至xhigh。

我理解这就像是给你提供了更多档位的方向盘。之前只有”慢但准”和”快但糙”两个选项，现在多了个”适中”的选择。对于日常任务，选xhigh能省不少时间；对于复杂的推理任务，还是得上max。

4.2 /ultrareview命令

这个功能挺有意思的。用法很简单，在对话里输入/ultrareview，它会开启专门会话进行代码审查，通读你提供的代码变更，然后标记bug和设计问题。

Pro和Max用户可以免费试用3次。我试用了一下，审查质量确实不错，比自己review要细致。但3次用完之后就得付费了，对于有大量代码审查需求的人来说，这个功能可能值回票价。

4.3 Auto Mode扩展

Auto Mode之前只有特定用户能用，现在扩展到了Max用户。这个模式下，Claude可以在授权范围内自主决策，减少长任务运行中断。

对于那种需要跑几十分钟甚至更长时间的任务，这个功能很实用。不用一直盯着，遇到问题AI自己判断，权限内的自己处理，超出权限的才来问你。

4.4 Task Budgets

这是面向开发者的API公测功能，帮助规划长任务的Token支出。对于需要控制成本的项目来说，这个功能很有价值。

五、与其他模型的横向对比

5.1 Claude Opus 4.7 vs GPT-5.4

简单来说，如果你更看重编程能力和可靠性，选Claude Opus 4.7；如果你需要更大的上下文窗口，可能GPT-5.4更合适。

5.2 Claude Opus 4.7 vs Gemini 3.1 Pro

Gemini 3.1 Pro在多模态和实时理解方面有优势，但编程能力确实不如Claude Opus 4.7。如果你做数据分析、科学计算这类任务，Gemini可能更好；如果是写代码、debug这些场景，Claude Opus 4.7是更好的选择。

5.3 怎么选

给个简单的选择建议：

• 日常编程、代码review、bug修复：选Claude Opus 4.7
• 需要处理超长上下文：选GPT-5.4
• 科学计算、数据分析：选Gemini 3.1 Pro
• 需要AI帮你把关、少走弯路：选Claude Opus 4.7

六、使用建议和注意事项

6.1 适合人群

Claude Opus 4.7比较适合：

• 专业开发者：需要高质量代码生成和review
• 技术团队：需要靠谱的AI来把关代码质量
• 独立开发者：想提高效率，让AI承担更多基础工作
• 学习者：需要AI帮你指出代码问题，陪你一起进步

6.2 使用技巧

1. 充分利用”靠谱”特质：不要只让它写代码，多问它”这个方案有什么问题”
2. 善用视觉能力：把设计稿、截图直接扔给它，让它帮你理解或转换
3. 注意token消耗：新分词器导致相同内容token消耗增加1.0-1.35倍，长对话要注意成本
4. 配合Claude Code使用：桌面端体验最好，支持Auto Mode自动执行

6.3 迁移注意事项

如果你之前用的是Claude Opus 4.6或更早版本，升级到4.7需要注意几点：

1. 指令遵循更严格了，原来跑得通的提示词可能需要调整
2. token消耗会增加，如果之前跑的是长对话，可能需要精简
3. 遇到缺失信息它会直接报错，而不是编造答案

6.4 局限性

Claude Opus 4.7也不是完美的：

• 超长上下文还是不如GPT-5.4（200K vs 400K）
• 在国内使用需要科学上网，对部分用户不友好
• 编程能力强，但其他方面（创意写作等）提升有限

结语

用了一周Claude Opus 4.7，我的感受是：这次的升级是实打实的，不是那种PPT上的数字游戏。编程能力确实强了，视觉能力确实好用了，那个”靠谱”的特质更是解决了长久以来的痛点。

对于程序员来说，Claude Opus 4.7确实是一个值得考虑的选择。它不是来取代你的，而是来帮你提效的。用得好，能让你从繁琐的重复劳动中解放出来，把更多精力放在真正需要人类智慧的地方。

当然，工具终究是工具，用得好不好还得看用它的人。希望这篇文章能帮你做出判断。

相关链接

• ChatGPT深度研究功能教程
• OpenAI Codex电脑控制教程
• 国产AI编程助手横评

一、技能库是什么？

1.1 功能定义

Chrome的Gemini技能库（Gemini Skills）本质上是一个”AI任务模板库”。你可以把复杂的AI操作保存为可复用的技能，下次遇到类似场景，直接调用就能执行。

打个比方，这就像Word里的”宏”——你录制了一系列操作，之后一键就能自动执行完全相同的流程。技能库就是把Word的宏概念搬到了AI交互场景。

1.2 解决的问题

Gemini本身已经很强大了，可以回答问题、处理文本、分析数据。但每次使用都要重新输入指令，有时候复杂的任务还需要多次对话才能完成。

技能库解决的就是这个痛点：把重复的工作自动化。

比如你经常需要：

• 在商品页面提取关键参数做成对比表格
• 把长文章压缩成摘要要点
• 分析代码的性能瓶颈
• 从合同里提取关键条款

这些任务，每次都要重新组织语言、设置格式，非常繁琐。现在，你可以把它们固化成技能，一键调用。

1.3 与传统AI助手的区别

二、如何使用技能库？

2.1 入口位置

在桌面版Chrome中，打开Gemini侧边栏（点击右上角Gemini图标或输入Alt+Shift+M），你会看到界面右侧新增了一个”技能”标签页，这就是技能库的入口。

第一次使用时，界面是空的，会提示你从模板库中选择，或者自己创建技能。

2.2 使用现成模板

官方提供了一批预置模板，覆盖常见场景：

健康管理类

• 食谱营养分析：输入”/蛋白质”直接计算食物蛋白质含量
• 卡路里估算：根据食材和做法估算热量
• 饮食建议：基于食物偏好生成每日饮食计划

购物比价类

• 参数对比：自动提取商品参数做成对比表格
• 性价比分析：综合评分给出购买建议
• 优惠券查找：搜索当前商品的可用优惠

办公效率类

• 文档摘要：从长文章中提取关键信息
• 邮件生成：基于上下文撰写回复
• 会议纪要：提取要点生成结构化纪要

开发相关类

• 代码解释：解析代码逻辑和实现原理
• Bug分析：根据错误信息分析可能原因
• 性能建议：分析代码提出优化方案

使用模板很简单：在任意网页上，打开Gemini侧边栏，输入”/技能名”即可。

2.3 创建自定义技能

对于模板没有覆盖的场景，你可以自己创建技能：

第一步：明确任务目标

想清楚你要固化的任务是什么。比如：”在任意电商页面，提取商品名称、价格、规格参数，生成一个JSON格式的结构化数据。”

第二步：编写技能指令

用自然语言描述这个技能的执行逻辑。Gemini会根据你的描述生成技能定义。

plaintext

技能名称：电商信息提取
触发词：/提取商品
执行逻辑：
1. 读取当前页面的商品标题
2. 提取价格信息（原价和促销价）
3. 读取规格参数表格
4. 生成JSON格式输出

第三步：测试和调整

创建技能后，用几个不同的商品页面测试效果。根据实际表现调整指令，直到满意为止。

2.4 技能的跨标签页使用

技能库的一个强大功能是跨标签页批量执行。

你可以选中多个标签页，然后调用技能。比如你打开了5个竞品页面，调用”参数对比”技能，Gemini会逐一访问每个页面，提取信息，最后生成一个完整的对比表格。

这个功能对于做市场调研、产品分析的用户来说，简直是神器。

三、实用场景详解

3.1 场景一：购物决策辅助

痛点

每次网购都要在多个平台之间对比，复制粘贴、手动整理，效率很低。

技能库解决方案

创建”商品比价”技能：

plaintext

触发词：/比价
执行：提取当前页面的商品名称、价格、关键参数，
      然后对比已打开标签页中的其他商品，
      生成对比表格和综合评分。

使用效果

打开几个心仪商品的页面，输入”/比价”，3秒钟生成一个清晰的对比表格，包含价格对比、参数差异、性价比评分。购物决策时间从半小时缩短到3分钟。

3.2 场景二：内容创作辅助

痛点

写文章需要搜集大量参考资料，散落在各个网页，整理起来很费时间。

技能库解决方案

创建”资料整理”技能：

plaintext

触发词：/整理资料
执行：读取当前页面和已打开标签页的主要内容，
      提取关键论点、数据、引用，
      生成结构化的资料大纲。

使用效果

搜集了10篇相关资料，输入”/整理资料”，Gemini自动分析每篇的核心观点，剔除重复内容，生成一份有逻辑框架的资料整理文档。

3.3 场景三：合同审查

痛点

审合同需要仔细阅读几十页条款，找出关键风险点，人工审查费时且容易遗漏。

技能库解决方案

创建”合同风险分析”技能：

plaintext

触发词：/审合同
执行：识别合同类型，提取甲方乙方、标的金额、
      关键期限、违约条款、解除条件等关键信息，
      标注潜在风险点，给出修改建议。

使用效果

上传合同PDF（或在网页版合同平台打开），输入”/审合同”，Gemini给出关键条款清单、风险点标注、建议修改的条款。原本需要2小时的人工审查，现在30分钟完成初步筛查。

3.4 场景四：代码调试

痛点

遇到Bug要在多个技术文档、论坛之间跳转搜索，找解决方案费时费力。

技能库解决方案

创建”Bug分析”技能：

plaintext

触发词：/分析bug
执行：读取错误信息，分析可能的错误原因，
      结合已打开标签页中的代码文档，
      给出解决方案和修复步骤。

使用效果

同时打开错误日志和相关技术文档，输入”/分析bug”，Gemini综合分析上下文，给出针对性的解决方案，比单独搜索要精准很多。

四、进阶使用技巧

4.1 技能的组合使用

你可以把多个技能组合成一个工作流。比如：

• 打开商品页面 → “/提取商品” → “/比价” → “/生成购物建议”

这一套流程下来，Gemini会自动串联执行，你只需要确认最后的输出。

4.2 技能的动态参数

高级用户可以为技能设置动态参数。比如”文章摘要”技能，你可以指定摘要长度（简短/详细）、输出格式（要点/段落）、重点关注角度等。

4.3 与其他Gemini功能的联动

技能库不是孤立的，它可以调用Gemini的其他能力：

• 调用深度研究：技能执行时自动触发深度搜索
• 调用代码执行：直接在技能中使用Python/JavaScript
• 调用文件处理：技能可以读取和处理本地文件

4.4 团队共享

企业版Chrome支持技能共享。你可以把自己创建的技能导出分享给同事，同事导入后可以直接使用。团队可以建立共享技能库，统一工作流程。

五、隐私与安全

5.1 数据处理

技能库涉及网页内容的读取和AI处理，用户关心隐私是合理的。几个关键点：

本地处理优先

技能的执行主要在本地完成，网页内容不会永久存储在云端。

可手动控制

你可以在设置中选择哪些场景允许技能访问网页内容，哪些不允许。

清晰的权限提示

每次技能调用时，如果涉及敏感内容，Gemini会弹出确认框，不会自动执行。

5.2 使用建议

• 不建议在包含高度敏感信息（银行账户、密码等）的页面使用技能
• 企业用户建议在管理员指导下配置使用策略
• 定期检查技能库的权限设置，确保符合你的隐私偏好

六、常见问题

6.1 哪些Chrome版本支持技能库？

桌面版Chrome最新版本已支持，iOS和Android版本正在陆续推送中。预计4月底前全量覆盖。

6.2 Gemini需要登录Google账号吗？

是的，技能库需要登录Google账号才能使用。未登录状态下可以使用基础对话功能，但无法保存和调用技能。

6.3 技能库有使用限制吗？

和普通Gemini使用共享配额。免费用户有一定次数限制，付费的Gemini Advanced用户配额更充足。

6.4 技能可以导出和备份吗？

支持导出为JSON文件，方便备份或在多设备间同步。

6.5 技能执行失败怎么办？

检查几个可能原因：

• 当前页面是否在技能支持的范围（如某些特殊网页可能无法解析）
• 配额是否用完
• 网络连接是否正常

如果是技能本身设计问题，可以在反馈中提交改进建议。

七、与其他产品的对比

7.1 vs 传统浏览器插件

7.2 vs 其他AI助手

相比独立的AI助手应用，Chrome技能库的优势在于与浏览器的深度集成。它能直接读取页面内容，不需要你复制粘贴；能在多个标签页之间协作；能跨网站执行复杂任务。

当然，如果你不常用浏览器，或者任务不涉及网页处理，独立AI助手可能更合适。两个工具可以配合使用，不冲突。

八、总结

Chrome的Gemini技能库是一个被低估的功能升级。它把AI能力从”被动问答”提升到”主动执行”，从”单次交互”延伸到”批量处理”。

对于需要频繁处理网页内容的用户——产品经理做竞品分析、市场人员搜集资料、开发者调试代码、编辑整理选题——这个功能能显著提升工作效率。

建议感兴趣的朋友可以先从官方模板开始体验，感受一下”一键执行复杂任务”的便利。等熟悉了基本用法，再根据自己的需求创建自定义技能。

Chrome这次更新，让浏览器不再只是”上网工具”，而是变成了真正的”AI工作台”。

相关AI工具教程

• Google Gemini官方使用指南
• Chrome浏览器AI功能详解
• AI效率工具推荐清单

一、MaxHermes是什么？

1.1 产品定位

MaxHermes是一款基于Hermes Agent框架的AI智能体产品。Hermes是全球热门的开源智能体项目，以”自我进化”能力著称。MiniMax与Hermes团队深度合作，把这个开源框架做成了普通用户能直接使用的产品。

简单理解，MaxHermes就是一个”越用越懂你”的AI助手。它不只是被动回答问题，而是会主动学习你的工作方式和偏好，自动把学到的经验固化成可复用的”技能”。

1.2 核心技术

MaxHermes的技术底座是MiniMax M2.7大模型。这是国产旗舰级大模型，在工具调用准确率（超92%）、响应速度（200ms以内）、上下文支持（32k）等关键指标上，都达到了全球第一梯队的水平。

配合Hermes的自进化机制，MaxHermes实现了几个关键能力：

技能自动提炼

每完成一个任务，MaxHermes会自动分析：用了什么方法？有哪些步骤可以标准化？下次遇到类似任务如何更快完成？这些分析结果会被保存为可复用的”技能”。

跨任务迁移

学会了一个领域的技能后，这些技能可以迁移到相关领域。比如你让它学会了”整理销售数据”，它可能在处理财务数据时也能借鉴其中的方法论。

持续优化

每次使用后，MaxHermes会根据反馈调整自己的策略。如果你告诉它”这个格式不对”，它会记住，下次类似任务会直接用你喜欢的格式。

1.3 定价策略

MaxHermes采用分层订阅模式：

这个定价相比海外同类产品（通常在20-50美元/月）有明显优势，对国内用户友好很多。

二、实测体验： MaxHermes到底能做什么？

2.1 第一印象

登录界面很简洁，没有过多的引导和弹窗。界面上有一个对话框，和普通ChatBot看起来差不多。但当你开始使用时，区别就显现出来了——右侧有一个”技能库”面板，会随着使用逐渐丰富。

我的第一个测试任务是让它帮我整理一份竞品分析报告。我把原始数据（几个竞品的公开信息）扔给它，让它生成结构化的分析文档。

结果出乎意料：它不仅整理了信息，还主动识别了各竞品的差异化定位，甚至提出了一些我没想过的分析维度。整个过程大概花了3分钟，比我自己整理快多了。

2.2 技能学习能力测试

为了验证”自我进化”能力，我做了个实验：

Day 1：让MaxHermes帮我回复一封英文商务邮件。我给了它邮件背景信息和回复要点。

Day 2：让它写另一封类似场景的邮件。这次我没有重复说明背景，它居然主动调用了昨天的经验——语气、格式、甚至一些常用的商务表达都延续了。

Day 3：再发一个类似任务。MaxHermes直接问：”是否沿用之前商务邮件的风格？”它不仅记住了，还主动确认。

这种体验确实有点”智能体”的感觉了，不像普通AI每次都是独立的对话。

2.3 复杂任务处理

我又测试了一个更复杂的场景：让它帮我规划一个产品上线方案。我给了它产品基本信息、目标用户、可用资源等背景材料。

MaxHermes的处理过程很有意思：它先输出了一个”执行计划”征求我的意见，然后根据反馈逐步展开。我可以中途调整方向，它会立即适应。

最终输出的方案包含：市场定位、推广策略、时间节点、资源分配、风险预案等模块，质量比我预期的要好。

2.4 多代理协同

MaxHermes还支持多代理协同能力。开启这个模式后，它可以同时调用多个子代理并行处理任务。比如让它做一份全面的市场调研，它可以同时打开搜索、数据分析、内容生成三个子代理，效率提升明显。

这个功能对专业用户很有吸引力，对普通用户来说可能有点”杀鸡用牛刀”。

三、MaxHermes vs 其他产品

3.1 对比普通AI助手

简单说，普通AI是”你说什么它做什么”，MaxHermes是”你教它怎么做，它学会后自己做”。

3.2 对比同类智能体产品

海外的同类产品（如基于LangChain的智能体平台）往往有更高的可定制性，但使用门槛也更高——需要配置API、处理各种技术问题。MaxHermes的优势在于开箱即用，普通用户也能轻松上手。

和国内的Coze、扣子等平台相比，MaxHermes的差异化在于”自进化”能力。Coze等平台更像是一个智能体搭建工具，你需要自己设计工作流；MaxHermes则是直接给了一个会自己学习的智能体。

3.3 各自适合的场景

MaxHermes适合的场景：

• 需要AI持续学习你工作习惯的重复性任务
• 复杂多步骤任务需要AI主动规划
• 希望AI越用越懂你的长期项目
• 不想折腾技术只想直接用的用户

其他产品更适合的场景：

• 需要高度定制的工作流
• 有技术团队可以深度集成
• 对成本极度敏感的场景

四、使用技巧与最佳实践

4.1 新手入门建议

如果你刚接触MaxHermes，建议从简单任务开始：

第一步：从重复性任务入手

比如每周都要写的周报、经常要做的数据整理。选择一个你最头疼的重复任务，让MaxHermes帮你做。

第二步：观察技能积累

注意右侧”技能库”的变化。每次任务完成后，看看MaxHermes提炼了什么技能。这能帮你理解它的学习逻辑。

第三步：主动优化

不要被动接受输出。如果结果不够好，主动告诉它哪里不对，它的调整往往比预期更精准。

4.2 提升效果的关键

提供足够的背景信息

MaxHermes越了解你的场景，输出质量越高。第一次使用时，建议详细说明任务背景、你的偏好、期望的输出格式等。

保持反馈一致

如果你用惯了某种表达风格，就一直用同一个风格反馈给它。MaxHermes能从一致反馈中更快学习。

善用迭代

不要期待第一次就完美。分多次迭代，每次聚焦一个优化点，积累下来效果会越来越好。

4.3 避免的坑

不要期望过高

MaxHermes是”自我进化”的，但这个进化是渐进式的，不是突变。不要期待它一夜之间变成完美助手。

重要任务要核对

作为AI产品，MaxHermes难免会犯错。对于重要任务，一定要核对输出结果，特别是涉及数据、日期、专有名词等关键信息。

不要什么都让它学

技能库会随着使用越来越丰富，但积累太多反而会降低调用效率。定期清理不需要的技能，保持技能库的精简。

五、隐私与安全

5.1 数据处理

使用云端AI产品，隐私是必须考虑的问题。MaxHermes在这方面有几项措施：

数据隔离

用户数据在处理过程中相互隔离，不会被其他用户或任务访问。

可选的敏感信息过滤

对于包含敏感信息的任务，可以开启过滤模式，MaxHermes会自动识别并脱敏处理。

清晰的权限控制

你可以随时查看、导出、删除MaxHermes学习到的技能，确保对自己数据有完全控制权。

5.2 企业使用建议

对于企业用户，建议：

• 确认是否符合公司数据合规要求
• 敏感业务场景考虑企业版私有化部署
• 建立内部使用规范，明确哪些场景适合用、哪些场景不适合

六、值不值得用？

6.1 适合人群

推荐使用：

• 需要处理大量重复性文档工作的职场人
• 中小企业希望快速提升效率的团队
• 对AI感兴趣想体验”自我进化”能力的爱好者
• 需要AI辅助但不想折腾技术的普通用户

不太适合：

• 对成本极度敏感的用户（有更便宜的替代品）
• 需要深度定制技术方案的企业（有技术团队可以自己搭）
• 对数据隐私有极端要求的场景（即使有保护措施也不想用云端产品）

6.2 性价比评估

39元/月的基础版，对于能显著提升工作效率的用户来说，成本其实很低。假设每天帮你节省30分钟，一周就是2.5小时，一个月就是10小时。按普通工资算，这10小时的价值远超39元。

但如果你只是偶尔用用，或者普通AI助手已经能满足需求，那就不必额外花这笔钱了。

七、未来展望

7.1 产品路线图

根据官方透露的信息，MaxHermes的后续发展重点包括：

更丰富的技能生态

计划上线技能市场，用户可以分享和获取其他人提炼的技能，形成社区化的技能生态。

更强的多模态能力

未来版本会加强图像、视频、音频的处理能力，让智能体不只能处理文字。

更深的企业集成

与企业微信、钉钉、飞书等国内主流办公平台的深度集成已经在规划中。

7.2 行业影响

MaxHermes的发布，标志着国产AI智能体进入”实用化”阶段。之前大家讨论的”自我进化AI”更多是概念层面的，现在有了实际产品，证明这条路确实走得通。

这对整个行业是个好消息——有了成功的先例，会有更多资源投入这个方向，推动技术快速迭代。

八、总结

经过几天的体验，MaxHermes给我留下了几个深刻印象：

它真的在学习：不是营销概念，是能实际感受到的能力提升。每次使用都能感觉到它更懂我的需求。

门槛足够低：不需要技术背景，打开就能用，这点对普通用户很友好。

定价有诚意：39元/月起的定价，在国内市场很有竞争力。

但不是万能的：它适合某些场景，对另一些场景可能还不如普通AI顺手。选择工具要看场景，不是追新。

如果你对”自我进化的AI助手”感兴趣，MaxHermes值得一试。基础版39元/月，试错成本不高，说不定它就是你一直在找的那个效率工具。

相关AI工具教程

• MiniMax官网
• AI智能体搭建入门教程
• 国产AI助手对比评测