一个人就是一个剧组！拿一句灵感喂给腾讯 OnSolo，48 小时后它回我一部 8 集 AI 短剧 前面几篇写过 WorkBuddy 做办公、跑自动化、剪视频粗剪，那条线是“桌面数字员工”。这次换一个同属腾讯、但完全不是一路货的 AI 新物种——OnSolo。它由此前内测的 WorkSolo 更名而来，2026 年 8 月正式上线，Slogan 就一句：“a Crew of One”，一个人就是一个剧组。如果说 WorkBuddy 是给你配了个行政+数据搭子，那 OnSolo 是给你塞进一个“编剧+分镜+美术+摄像+配音+剪辑”六合一的小剧组，只不过这六个人都是 Agent。 一、它和 WorkBuddy 不是兄弟，是两条平行线 先纠个容易混的点：OnSolo 不是 WorkBuddy 的视频版。WorkBuddy 出自腾讯云 CodeBuddy 团队，长在全场景办公智能体上；OnSolo 来自腾讯视频智能创作平台部，和工业级 AIGC 平台 WorkRally 共用同一套技术底座——只是 WorkRally 砍给专业工作室/机构做规模化漫剧，OnSolo 把协同、资产管理、复杂权限这些“团队件”全拆掉，留给个人一个轻量但完整的成片流水线。 一句话分野：WorkBuddy 替你在桌上搬 Excel/PPT，OnSolo 替你在屏幕上拍片子。 二、四入口，不是“生成一段视频”那么浅 打开 onsolo_ai 首页四个入口并列排开，对应四种创作人格： Start a story：主战场。丢一句“夜班店员和急救员在便利店重逢”进去，AI 先结构化出角色、场景、道具，确认后批量出人物三视图、多视角参考图、分镜提示词，再一键批量生成各场景视频片段，最后在时间轴里重排镜头、加转场、字幕、配音，导出 MP4。 FMV Game：互动影游。设好叙事视角/画幅/风格，AI 生成剧情树，每个节点展开成分支对白+视频，观众点不同选项走不同结局。 Meme Play：把热点梗/表情包拉成 60 秒带叙事节奏的轻短片，是引流和试水最快的入口。 Canvas：无限画布，Idea/Story/Image/Video 四类节点拖拽组合，左侧 PIN 区固定角色卡、道具参考，专治“换一镜就变脸”的 AI 视频老毛病。 三、最狠的不是生成，是 Story Flow 把“卡壳”外包了 我这次试的是 Start a story，灵感就一句：“她杀了我，而在他臂弯里，我忘了自己曾是个男人。”AI 先反问 4 个问题——类型（短剧/短片/病毒式）、集数、画幅、视觉风格（56 种里选了“霓虹冷调心理惊悚”），然后出 8 集剧本。 中途卡在第 3 集反转，我点开 Story Flow：整个故事被摊成一张节点地图，AI 在每个卡点自动延展 3 条剧情走向，我选了“记忆不是被抹掉，是被移植”那支，反推回剧本重写——这比在剪映里硬憋强太多。OnSolo 的自研视频模型也确实在“角色一致性”上比纯接外部模型稳一点，同主角跨 20 个镜头没崩脸，这是它敢叫板可灵/Seedance 的底气。 四、泼盆冷水：能成片 ≠ 能爆 DataEye 那组数据还是得贴在屏幕上：2026 上半年抖音端原生 AI 剧漫剧新剧 22.19 万部，播放破亿的 1055 部，破亿率 0.48%。OnSolo 把“一个人能不能拍”的门槛打到地板，但“拍出来有没有人看”还是你的故事、你的人设、你的钩子说了算。另外两点也别忽略： 积分不是无限：图像渲染、分镜视频、配音、导出都吃 Credits，8 集短片我烧掉约 60% 新手包，长剧批量产真不便宜； 目前主推英文界面+海外模型，国内直连某些外部视频模型偶有抖动，中文版还没正式铺开，尝鲜可以，当生产主力再等等。 收一句 OnSolo 的意义不是“AI 替你当导演”，而是把短剧生产里最耗人、最重复的那 80%（拆剧本、画分镜、做参考图、批量渲镜头、套配音）吞掉，把你从“六边形战士”放回“唯一该负责审美和故事的人”。等中文版再稳一版，网文作者自己把小说改成可播短剧、独立 UP 主做原创剧情番、小店老板娘给自己拍一支 30 秒带货漫剧——这些以前要凑 6 个人的活，2026 年下半年开始，真的在一个网页里就够。

刚入住这间酒店，灯光一打在身上就忍不住心痒。 脱掉高跟鞋，丝袜脚尖轻轻点地，慢慢坐上冰凉宽大的洗手台……镜子里那个被雾气模糊的女人，裙摆滑到腰间，腿轻轻分开，像在等谁来把她抱得更紧一点。 酒店的洗手台，你试过吗？ 那种被镜子前后包围、随时可能被推倒的刺激感……今晚想不想一起试试？😏 #酒店洗手台# #御姐诱惑# #丝袜美腿# #私密约会# #酒店play# 喜欢就转推哦～ 关注我，每天都有更多让你脸红心跳的瞬间📷想深入聊聊的，直接私信我～我在等你来～

日读论文： From Context to Skills: Can Language Models Learn from Context Skillfully? (Ctx2Skill) 互斗写书，越斗越偏 ──────── 医生想用一份刚出的临床指南调整治疗方案。50 页文档，密密麻麻全是术语，规则之间还交叉引用。他真正需要的是把"什么病合什么药"变成几条能照着走的步骤。直接把整份指南扔给 GPT-5.1 让它答题，全 benchmark 平均对率 21%——大模型读完了，用不出来。这不是它"长上下文"不行，是 *它没把规则提炼成可以反复调用的小手册*。 老办法是把人类标注员请来给文档画重点：把规则、流程、注意事项提炼成自然语言"技能"，附在 prompt 前面给模型用。但这条路有两个死结：一是*标注成本爆炸*——50 页技术文档，标注员要把整套领域逻辑读到能复述，几小时才标一份；500 份这么搞，人累死也搞不完。二是*没有外部反馈*——如果想让 AI 自动写技能，怎么验证它提炼对了？没有 ground truth、没有执行结果、没有标准答案，它瞎写你都不知道。已有的"自动写技能"方法（AutoSkill、SkillX 等）都需要环境给反馈信号——比如"代码跑出来对不对""任务完成没"——可面对一份纯文档，没人替你判对错。 作者说不需要外人。让模型自己跟自己打——一个出题，一个解题，第三方判 pass/fail。每一回合，错题让解题方反省"我漏了什么知识"，过得太轻松的题让出题方反省"我出题不够刁"。两边各自维护一份自然语言的"技能手册"，回合结束之后改写各自的手册。这套循环不依赖人类标注，也不依赖任务本身的对错反馈—— *只用模型互相之间的胜负就能把技能写出来*。 ──────── 按常识，5 个回合互相磨练完，第 5 回合的 Reasoner 手册应该最强吧？ 错。论文做了固定回合的对照实验（GPT-4.1）：*单调下降*。越练越差。 为什么？作者起了个名字： *adversarial collapse*——对抗坍缩。Challenger 越来越凶，开始出"考钻牛角尖"的题；Reasoner 为了应付这些极端题，把手册改得越来越歪——专为对付怪题而存在的条目挤掉了通用知识。两边都在围着一个不代表真实任务分布的"病态点"打转。 更阴险的是， *这种崩塌在循环内部察觉不到*——Judge 每一回合只看当前题，没有信号告诉你"之前学会的事是不是被新条目挤丢了"。 ** 怎么找回早期的好手册：Cross-Time Replay 既然不能信"最后一版"，得回头挑。但凭什么挑？ 办法：在 5 个回合里偷偷攒两套小探针—— - *Hard probe*：每回合败得最惨（评分点通过率最低）的那道题 - *Easy probe*：每回合解得最轻松（评分点最少）的那道题 循环跑完，把 5 个版本的 Reasoner 手册*回去重做*这两套探针。每个版本算两个分：在难题集上的解题率 ρ_h、在易题集上的解题率 ρ_e。 *选哪一版？* 让 ρ_h × ρ_e 最大的那一版赢。 为什么是乘积不是相加？*乘积惩罚"舍弱保强"*——一个版本如果为了多解几道难题、把易题做塌了，乘积立刻塌（一个 0 拉低全场）；加法只算总分，掩盖短板。消融：换成加法 → -0.6%。 ──────── *你的对手如果只服你一个人，他会变成你的镜子，不是你的镜鉴*。 Self-play 跑久了，Challenger 出的题不再代表真实世界，只代表 Reasoner 当下还不会的边角；Reasoner 的手册也不再是知识，只是这场私局的应试手册。两个人在屋里关久了，一起走进自己造的回音壁。 破解的办法不在循环里——*在循环之外保留一份"代表性参照"*，回头挑哪一版没飘走。Cross-Time Replay 是这个论文真正的灵魂，不是某个技术细节。它在说：*对抗优化必须配一个不参与对抗的判别器*，否则一定会塌。这个判别器不一定是人，可以是从对抗自己内部偷出来的、有代表性的小样本——但它必须独立于"当下这一刻在追什么"。

鏡子裡的我，正在等你的留言✨ 今天想聽聽你過得怎麼樣～ 🦄𝐋𝐈𝐍𝐄 💋𝐉𝐤𝐟𝐚𝐜𝐞

鏡子看一眼我就知道不妙 根本不像是穿給自己看的 這種要不是被看穿 就是該被扒掉的吧？ 躺著拍幾張就開始幻想 如果今晚穿這套約出去 他會先把我拉去哪個角落？😳 我自己是超喜歡 但現在真的不知道要穿去哪裡比較適合… 你們覺得呢？

鏡子裡的角度好像剛剛好…✨忍不住多揉了幾下，今天真的特別有肉感呢 🥺喜歡這種飽滿的感覺嗎？快來跟我互動吧 💕#自拍# #對鏡自拍# #巨乳# #肉感# #美胸# #推特福利# #日常#