Google Gemini 在我这里已经吃灰快半年了。 送的一年 Pro 会员还没到期，但我也不会想着用。 OpenAI 和 Anthropic 打的热火朝天，不断发布顶尖的模型，做出新的使用场景和工作流，Gemini 给我的体感却一直没有形成那种「每天离不开」的吸引力。 Google 明明有模型、算力、搜索、Android、Workspace、YouTube，手里资源多到离谱。 难道就是因为模型落后，占据不了用户的心智了，即便坐拥这么多的资源也没有什么存在感了？

Google Gemini 现在不只是聊天工具。 用好了，它完全可以像一位昂贵的创意顾问，帮你从 0 搭建一个 AI 视频频道。 如果你想在 90 天内启动一个无人脸 AI 视频频道，下面这 10 个提示词可以直接收藏。 1. 细分领域与视觉风格定位 你是一位做过 50+ 个无人脸 YouTube 频道的 AI 视频策略师。请根据 CPM、受众规模、内容持续性和制作难度，帮我筛选前 10 个适合做无人脸 AI 视频的细分领域。 为每个领域推荐最适合的 AI 视觉风格，并列出 3 个竞争频道、它们的数据表现、内容优势和可突破的空白点。 最后用一句话给出最适合我的频道定位。 我的兴趣方向是：[填写主题] 2. AI 视觉风格蓝图 你是一位无人脸 YouTube 频道的 AI 艺术总监。请为我的频道创建一份 JSON 格式的视觉风格指南，方便我复制到 AI 图像工具中保持风格统一。 请包含： 艺术风格、主色板、字体感觉、角色设计规则、线条粗细、阴影方式、镜头氛围、场景质感。 再额外生成 10 个可复用场景提示词，以及一套缩略图风格指南。 我的频道领域是：[填写主题] 3. 爆款标题与缩略图系统 你是 YouTube 点击率优化专家。请为我的频道领域设计 12 个经过验证的标题公式，并给出可直接套用的填空模板。 每个标题公式都要匹配一个缩略图方案，包括：构图、人物或主体、文字位置、颜色搭配和视觉冲突点。 最后根据我的前 5 个视频想法，每个生成 3 个标题版本，并判断哪个点击潜力最高。 我的领域：[填写主题] 前 5 个视频想法：[列出视频主题] 4. AI 视频脚本生成器 你是一位无人脸 AI 频道的 YouTube 脚本作者。请根据我的视频主题，写一份可以直接进入制作环节的完整脚本。 要求包括： 30 秒强钩子开场、清晰的内容结构、保留率设计、视觉标签、每个场景对应的 AI 图像画面说明。 每 60-90 秒加入一次模式中断，并在最合适的位置加入自然的订阅提醒。 视频主题：[填写主题] 目标长度：[填写分钟数] 视觉风格：[填写风格] 5. AI 视频制作流程 你是 AI 视频制作顾问。请帮我设计一套从选题到上传的完整工作流，要求单条视频制作时间控制在 3 小时以内。 请列出每一步需要使用的 AI 工具，包括：脚本、图像、配音、音乐、字幕、剪辑、封面。 同时给出可复制粘贴的提示词模板，并设计一次性批量制作 4-7 条视频的执行计划。 最后列出每月成本预估。 我的预算：[填写金额] 上传目标：[每周几条视频] 6. YouTube SEO 实战手册 你是 YouTube SEO 专家。请为我的频道领域筛选 20 个关键词，并按搜索量、竞争度和新频道可排名机会进行排序。 对每个关键词说明： 搜索意图、适合的视频类型、新频道是否值得做。 再提供： 视频描述模板、标签策略、章节标记格式、短视频导流到长视频的漏斗方案。 我的领域：[填写主题] 频道阶段：[新号 / 不足 1K 订阅 / 1K-10K 订阅] 7. 90 天内容日历 你是 AI 视频频道内容策略师。请为我设计一个 90 天 YouTube 上传计划。 第 1 个月：8-12 个基础型选题，用来建立频道权威。 第 2 个月：8-12 个根据数据反馈优化的选题。 第 3 个月：8-12 个更适合变现、赞助和突破增长的选题。 请同时给出 2 个系列化栏目设计，以及第 30 天、第 60 天、第 90 天应该达到的阶段目标。 我的领域：[填写主题] 每周产能：[每周几条] 8. 留存率修复器 你是 YouTube 数据分析专家。请告诉我无人脸 AI 视频观众流失最常见的 5 个原因，并给出具体修复方法。 请包括： 8 种模式中断技巧、AI 视觉节奏规则、配音优化建议、脚本节奏调整方式，以及不同视频长度下应达到的基准留存率。 我的平均留存率：[如有数据填写] 我的视频长度：[填写常见长度] 9. YouTube 算法速查表 你是 YouTube 算法研究员。请解释影响新频道分发的 4 个核心排名信号，并告诉我在当前阶段应该优先优化什么。 请额外给出： 我的领域最佳上传时间、进入推荐视频流的方法、播放列表自动播放策略，以及发布后 48 小时内最大化分发的操作清单。 我的领域：[填写主题] 上传频率：[填写频率] 10. 完整频道启动主提示词 你是 AI 视频频道增长顾问，曾经帮助多个频道在 90 天内从 0 做到变现。 请根据我的频道想法，给我一份完整启动方案。 内容包括： 对我的频道想法进行真实评估、3 个月每周行动计划、适合独立创作者的制作系统、第 30 / 60 / 90 天里程碑，以及我现在最应该优先做的一件事。 我的频道想法：[细分领域 + 视觉风格] 每周可投入时间：[填写小时数] 90 天目标：[填写目标] 真正的重点不是收藏提示词。 而是选定一个细分领域后，连续执行 90 天。 AI 工具能帮你降低制作门槛， 但频道能不能跑出来， 最终还是看选题、留存、点击率和持续发布能力。

今天诺基亚与Google Cloud宣布深化合作，将基于Google Gemini大模型开发的AI Agent正式嵌入诺基亚自主网络平台。 根据公告，双方将共同开发六个专用AI Agent，包括Router Agent、Event Triage Agent、等。这些Agent正在逐步取代传统Network Operations Center中大量依赖人工完成的工作流程。过去网络出现故障时，需要工程师手动查看日志、分析告警、排查根因，往往需要数小时甚至更长时间。而未来，Agent可以自动分析海量网络数据、定位问题根源、生成修复方案，并协调其他Agent完成处理。 NOK声称通过Agent部署后，网络故障处理时间有望缩短50%-80%。许多过去需要数小时才能定位的问题，现在可能几分钟内就能完成分析与修复。同时，Agent还能过滤大量无效告警，提高运营效率，并减少人工运维成本。 我的一个观察是，这类项目正在让诺基亚逐渐摆脱过去市场眼中的“老牌通信设备公司”形象。过去运营商向诺基亚采购的是路由器、光网络设备和基站；未来运营商采购的可能是网络自动化软件、AI运维平台以及自主网络服务能力。而软件平台业务通常意味着更高的毛利率、更强的客户粘性以及更长期的收入来源。 从更大的产业角度来看，这或许也是AI Agent真正开始进入关键基础设施领域的重要标志。过去两年Agent更多应用于办公、客服、编程等场景，而如今已经开始进入电信网络这样的核心生产系统。未来几年，我们很可能看到类似模式扩展到数据中心、电网、能源系统、工业自动化以及智能制造领域。 对于AI产业链投资者而言，这类案例再次验证了一件事情：AI正在从“提高个人效率的工具”，逐步演变为“提升整个社会生产力的基础设施”。 而每一次生产力革命的背后，最终都会诞生新的平台型公司、新的基础设施龙头以及新的长期投资机会。

视频模型的榜单，现在有点像 Google 被一群中国厂商包围了。 Artificial Analysis 最新的带音频图生视频榜单里，字节 Seedance 2.0 第一，Google Gemini Omni Flash 第二，刚发布的 MiniMax H3 已经冲到第三。 再往下看，还有阿里的 HappyHorse 和 Wan、昆仑万维的 SkyReels、快手 Kling，以及 PixVerse。前 8 名里，中国团队占了 6 席。 当然，这个榜单来自用户盲测偏好，排名还会持续变化。前三名的分数也很接近，所以 H3 更像是刚刚挤进第一梯队。 我觉得国内视频模型集体跑得这么快，背后可能和产业环境有关。短视频、电商、广告、游戏，本来就是国内互联网公司投入最深的领域。模型上线后，可以迅速进入真实创作流程，再根据用户反馈继续迭代。MiniMax 也明确把 H3 面向广告、电商、产品设计和游戏等场景。 视频模型的优势，可能不只藏在模型结构里，也藏在谁拥有最多真实创作场景，以及最快的反馈循环里。

我来告诉你们，数学界接下来一个最大的问题。 我去年就说过，UC Berkeley数学系助理教授Tony Feng在Google Gemini做visiting professor的时候，拿到了当时最好模型Google Gemini的超长极长无敌长的reasoning版本。 这直接导致Tony Feng解决了7道Erdos问题，三道FirstProof问题，开创性地用半监督方式 ，以及无监督方式，指导AI Agent解决数学问题。 我去年就说过，下一步要解决的问题是，尝试把一个数学命题以lean4的形式拆分成多个lemma，多个lemma以DAG的数学结构组合成一个数学命题，每个数学证明可以拆分成几十个到几千个lemma DAG，每个lemma作为节点又可以让多个agent来证明，这样可以用成千上万个agent来碰撞证明每个lemma，尝试组合成一个完整数学证明的DAG。 所有人都忽视了一个最重要的问题，就是一个LLM的reasoning是不可能无限长的，哪怕是Claude和GPT模型，reasoning是有限的，这是LLM结构和目前inference infra决定的。 但是数学家们早就给出了解决方案：在3000多年前，古希腊的数学家们就知道，完备的数学体系需要写书、写笔记、收学生，以学术社区和讨论组的形式，一条条验证，把自己思考的过程记录下来，给同行完成peer review，这样把自己在数学的工作一条条记录、验证、审议、写书、组织起来，一起构建完整的数学大厦。 过去10年来，人类一直在mathlib中实现这一个愿景，全世界所有数学家都在用lean4构建数学大厦，但是还远远不够。 你党哥提出lemma DAG概念后，能大概预测到一个方向，这个方向就是，驱动AI Agent用lean4把所有它能构建数学体系的领域： 1. 用lean4审核目前人类已有的、能用lean4实现和验证的数学论文，全部用lean4实现并验证一遍； 2. 用lean4尝试构建新的问题，实现一个AI native版本的mathlib证明大全——mathlib2——比现有人类数学家构建的mathlib要大一两个数量级； 3. 当人类尝试定义新的问题的时候，先从mathlib和mathlib2中搜索已有近似证明，尝试拆分成DAG的lemma形式，用mathlib2更加快速便捷地实现部分证明； 4. 最后用大量、超大量的AI Agent尝试大量、巨大量、无限提出新的问题，并且并行in parallel用已有mathlib2去验证或者证伪这些新问题，最后由人类数学大师cherry pick出其中有价值的问题和完整证明方案出来。 回到开头，首尾呼应一下： 人类在单一LLM本体进行超长reasoning已经接近inference复杂度极限，这是人类任何人都无法改变的，OpenAI和Anthropic改变不了，玉皇大帝都改变不了， 能提到LLM超长reasoning的唯一办法，就是让LLM Agent不断总结、不断记录、不断验证出过去产出的结构化、逻辑化、有组织的知识库，作为long term memory，这些知识库就是一个LLM Agent过去的所有reasoning中的有效记忆，并且能用于今后未来的所有构建中。 这和朴素古典的memory机制完全不同，无论构建一套lean4还是构建matlab simulink的有效仿真验证后的设计，还是构建HDL各种硬件描述语言在仿真后验证的电路设计，都更有效、更精准、更专业、更小领域， 而且最重要的是，构建这些结构化的专业学术知识库，恰恰是AI Agent加上一个本地仿真、编译、运行环境的最擅长的事情。 说人话说就是，脑子到极限的前提下，好脑子不如烂笔头。

世界上最大的中转站平台 OpenRouter 每月 Token 使用量高达 250T Token 这是什么意思呢？ 大约相当于 OpenAI API 公开吞吐量的 39% 大约相当于 Google/Gemini API 公开吞吐量的 26% 很可能已经和 Anthropic 处于同一个数量级 但是中国的豆包约 3,600T/月，当然内容质量没法比 经过 5 月份最新一轮的融资，OpenRouter 的估值已经高达 100 亿美元

我从23年狂推最好的AI App $GOOG 不断在功能上尽善尽美。 Google Gemini Notebook 新增 Collections 功能！ 现在可以把不同主题的笔记本分组放进一个文件夹，查找和切换都更快。 学术研究、投资分析等这几年整理的同一主题的不同笔记本的融合便利性大升 👍

PromptLens 一个AI视频提示词分析工具，通过分析现有视频内容，反推出有效的AI视频提示词，并支持视频剪辑和音频分析功能，实现AI视频创作闭环。 兼容智谱AI、Google Gemini、OpenRouter等多种AI API，支持提取视频中的字幕并进行智能分段，提升音频处理效率。

马斯克：SpaceXAI将于明天向公众发布Grok 4.5 Openai：GPT-5.6 Sol 将与 Terra 和 Luna 一起在本周四公开推出 Anthropicai：将 Claude Fable 5 的访问权限延长到 7 月 12 日。 Google：Gemini 3.5 Pro ...