FFmpeg 9.0正式发布，代号“Lei”，这个代号是为了纪念中国传媒大学已故博士雷霄骅。 2013—2016 年间，他撰写了大量 FFmpeg、音视频编解码及传输协议相关的中文教程，帮助无数开发者入门。2016 年，他不幸突然离世。 今年恰逢其逝世十周年，FFmpeg 用这一重要版本向他致敬。 雷霄骅可以说是中国音视频开发者的启蒙者、FFmpeg 中文技术传播的代表人物，以及一代开发者共同的技术引路人。 还记得当年csdn还为此全站黑白了一天。 致敬🫡

下个月就能用上 GPT‑6 吗？ 我让 Apodex 认真预测了一次，它给出的概率是：40%–45%。 有可能，但还不算大概率，更像是五五开的偏低一侧。 不过相比这个结果，我更感兴趣的是它得出结论的过程。 普通AI遇到这种问题，通常有两种回答： 一种是搜索几篇爆料，整理成一篇新闻摘要；另一种是告诉你“目前没有官方消息，无法准确预测”。 Apodex 不一样。 它先收集了预测市场赔率、OpenAI 官方动态、GPT‑5.x 的发布节奏和行业分析，然后专门处理这些信息之间的冲突。 预测市场认为： - 8 月底前发布的概率约为40% - 9 月底前发布的概率超过70% - 今年年底前发布的概率接近90% 这说明市场相信 GPT‑6 今年大概率会出现，但对“下个月就发布”没有那么乐观。 Apodex 又找了几条反方证据： - OpenAI 还没有公布 GPT‑6 的模型卡、API 或发布日期 - GPT‑5.6 才刚发布，5.x 产品线仍在迭代 - 大版本发布通常会出现测试、安全评估和预热信号，目前这些信号还不够明显 它没有把其中任何一条信息直接当成答案，而是继续构建情景： - 如果 OpenAI 开始小范围测试或发布安全资料，8 月概率上升 - 如果 8 月中旬仍然没有预热，概率向9月以后转移 - 如果继续发布 GPT‑5.x 中间版本，GPT‑6 的窗口可能再次后移 最后才把这些证据压缩成“40%–45%”这个判断，并明确告诉我结论会在什么情况下改变。 这才是 Apodex 真正的优势。 它是一个 Self-Evolving Heavy-Duty Solver。当答案还不存在、信息互相冲突、情况持续变化时，它会主动寻找证据、判断信源、构建不同情景，再给出一个带有置信度和失效条件的结论。 这种能力，Apodex 称为 Discoverative Intelligence。 在没有答案的地方，建立一条可以验证的判断链。 这套方法已经在 FutureX 实时预测 Benchmark 上持续取得领先排名。 体验地址： @Apodex_AI

Claude Code团队刚刚发布了关于循环工程的设计指南： 把 Loop 分成了四类： 1. Turn-based：一次 Prompt 驱动，Claude 自己完成「理解 → 修改 → 验证」的循环，适合日常开发任务。 2. Goal-based (/goal)：告诉 Agent 什么叫完成，而不是告诉它做几步。例如「Lighthouse ≥90，最多尝试 5 次」，Agent 会不断迭代直到满足退出条件。 3. Time-based (/loop 、 /schedule)：按时间自动执行，比如定时检查 PR、修复 CI、整理 Slack。 4. Proactive Loop：事件驱动的长期自动化，把 schedule、goal、workflow、review 组合起来，持续处理 Bug、Issue、依赖升级等工作。 一个好的 Agent，要有： 有明确的目标（Goal） 有可靠的验证（Verification） 有清晰的停止条件（Stop Condition） 能够持续迭代直到完成 另外还有两个很重要的实践建议： 把验证流程写成 Skill，让 Agent 能自己验证，不要每一步都依赖人工检查。 把确定性的工作交给脚本，把需要判断的工作交给模型，这是控制 Token 成本和提升稳定性的关键。

终于让家里人都用上Claude了，共享官方订阅，无需梯子！ 家里的领导一直都有用Claude写文案的需求，但我又不敢直接把账号给她，怕她把账号折腾没了，只能每次有需求就找我人工中转，最近找了一个工具——Bloome，完美的解决了我的痛点，必须分享给大家。 Bloome 是一个人和 AI Agent 共存的 IM 平台，长得很像微信，但你的好友列表里除了人，还有 Agent。每个人都可以拥有、训练和分享自己的 Agent，与传统的聊天机器人不一样，它而是有记忆、有性格、能持续成长的数字伙伴。 它的核心能力和优势，我自己用下来感受最深的是这几点: - Agent 是"联系人"，可以加好友、可以拉群、可以 @、可以发悄悄话单独让它修正回答，交互方式和你平时用 IM 一模一样，不需要重新学。 - 接入特别顺。本地的 Claude Code、Codex、OpenClaw 可以直接接进来，不用重新授权，云端 Agent 和主流模型也都支持，选一下就能跑。 - Agent 可以共享。这是我最戳的一点——以前想把自己的 Claude Code 给别人用，得教对方装环境配代理，基本劝退；在 Bloome 里直接拉个群把人加进来，对方 @ 一下就能用，session 各自独立互不干扰。 - 群聊里可以直接出活。Widget 形态有点像小程序，在群里就能让 Agent 写报告、写网页、写小游戏，做完了所有人都能看、能用，不用再导出再分享。 在Bloome中不仅能创建云端机器人，还能直接接入本地的Agent。可以利用这个功能，实现多人共同使用Claude订阅。 具体的操作方式如下：

国内还在卷OpenClaw的各种喂饭教程，国外已经有人通过出售SOUL、skills变现了。 本质上是出售你训练好的OpenClaw，最终交付的内容包括SOUL、MEMORY、skills等文件。 两个思路： 1️⃣针对某个细分场景打磨一个OpenClaw，比如小红书运营助手，设计师、仓库管理员等等，甚至有人直接克隆了 Dan Koe 的思维框架做成 agent。 2️⃣ 根据企业的具体需求定制开发OpenClaw，尤其是有存量 SaaS 的，把现有工具接进 OpenClaw，直接降维打击。