Simon Willison 最近在一台 M5 Max MacBook Pro 上运行了 MiniMax-H3 的 MLX 版本，从文字提示生成了一段带音频的视频，整个过程不到 45 分钟。视频效果不错，只是因为没有单独描述声音，最后生成了一段奇怪的说话声。 H3 可以接收文字、图片、音频和视频作为条件，再联合生成最长 15 秒的视频与声音。PipeNetwork 为它重新实现了一套 MLX 推理流程，背后包含 33B 视频音频扩散模型、Qwen3-VL-32B 编码器，以及两套音频和视频 VAE。 不过它距离实时生成还很远。项目作者也明确表示，目前真正卡住它的是计算量，高分辨率和长视频依然可能需要数小时，2K 本地生成暂时还不现实。 但本地 AI 的边界又往前推了一步。过去我们讨论的更多是本地聊天和生图，现在连视频与音频联合生成，也开始进入个人工作站能够运行的范围。 这对开发者最直接的意义，是可以在自己的机器上查看代码、修改流程、测试量化，并运行的范围。 这对开发者最直接反复调试，而不必把每一次实验都交给云端 API。 本地化最先改变的，可能就开发者重新拿回完整的实验循环。

推荐这个，Simon Willison 用 AIE 大会上看到的 DSPy 方法论来优化 Datasette Agent 的 SQL prompt——而且直接用 Fable 5 跑了一个异步研究任务。整个过程是"如何用 AI 改善 AI 的提示词"的绝佳范例。 Simon Willison 一直被提醒 DSPy 可能帮上忙，AIE 大会上的 keynote 让他决定动手试试。 具体操作：给 Claude Code 里的 Fable 5 发了一个异步研究任务——"pip install 最新 Datasette alpha、datasette-agent 和 dspy——然后用 dspy 评估和改进 Datasette Agent 的 SQL 系统 prompt。"Fable 选了 GPT 4.1 mini 和 nano 做测试，找到了几个有希望的方向。 最有意思的发现：schema 列表只给表名；"如果已经有信息就别调 describe_table"的建议导致列名遗漏。DSPy 优化后的 prompt 把描述数据库的命令分解为更小的步骤，让 agent 先列出列和行数再做查询。 整个过程记录在 GitHub: simonw/research/tree/main/dspy-datasette-agent-prompts 来源：@simonw, 2026-07-02 #DSPy# #Prompt工程# #Agent#

AI 裁员时代的生存指南 Simon Willison 最新一个 blog 笑死 他转了一段 Mo Bitar 的 TikTok，叫《The Unethical Guide to Surviving AI Layoffs》 段子大意是：想升职吗？走进 CEO 办公室关上门说，hey 老板，我最近在搞一个东西叫 Ralph Loops，我觉得这可能改变一切。CEO 一定会问，什么叫 Ralph Loop？你就说，给我批 18,000 美元的 API 额度，我展示给你看。 然后你什么也不用做，因为你也做不了，因为没人能做，但等他搞明白这一点的时候，你已经升职加薪了。 第二刀更狠：翻译过来就是，老板听到“自动化”三个字会自动 high。段子告诉你怎么用：在公司大群 @ 同事：我把 Gary 自动化了。他的功能已经被 Ralph Loop 了。顺手 @ CEO。 太魔幻了……

【內幕交易】大宗交易之王Simon Sadler開啓備受矚目的法庭對決 隨著對沖基金Segantii的崛起，Simon Sadler（圖）已成為亞洲最成功的對沖基金經理。然而，針對涉嫌內幕交易的調查正在加速推進。Simon Sadler、Segantii以及前交易員Daniel La Rocca將接受刑事審訊。

在最近几个项目中高强度使用 Seedance 后，@simonxxoo 总结了一篇非常详细的使用心得，分享给大家。 * 以下全是主观使用体验，来自真实踩坑经验 我们几乎测遍了所有网红提示词（X上的千转万转推文，红薯上的热帖），很遗憾地发现能用的实在不多，并且浪费了大量的时间精力。这些被包装得华丽无比的提示词小作文只验证了一个事情：Seedance 是真不挑食。 其实要写好一段视频提示词真的比你想象中要简单得多得多，你只需要填好四个部分： 【主体】：镜头中出现的主要人物（建议用image2出一张简单的角色表），建议你直接在即梦里新建主体，后期直接@ 就行，复用率极高 【场景】：上传一张场景图就行，场景图中可以带上你的主角，这样能交代角色大小，不容易出现比例失调。 【音乐】：为了方便剪辑和后期配乐，不要生成任何BGM，只需要生成对应的音效即可，这一点非常重要！！！！！ 【镜头】：言简意赅地描述每个 Shot 的景别，以及发生了什么即可。 ☁️ 需要抽卡吗？要。个人建议2~3s一个 Shot，这样每次直出15s 你就能至少得到5个连贯且一致性极强的镜头，抽卡3次，就相当于有15个可选的素材，对一场戏来说，绰绰有余。 ☁️ 纠正一些营销号最喜欢宣传的使用技巧： 1. 不需要往 Seedance 里放分镜故事板。 我曾经下载了推上很多所谓大佬的skill，花十几分钟生成一张华丽无比的故事板（带镜头运动曲线，带各种highlight和表格），丢进 seedance 错漏百出。直到有一次我忘了上传分镜图，然后生成的结果流畅无比…… 2. Prompt 不是越长越好 AI写的提示词很多都是多余的比喻和情绪渲染，其实认真交代清楚故事就行。上传过主体参考和场景参考就不需要再用文字啰嗦一遍了。 而且如果一段 Prompt 连我们自己都读不完，那说明我们对故事要发生什么根本不关心吧…… 3. 每个Shot 需要带时间戳吗？ 不需要，很多时候都是安慰剂，模型其实不会真的按照时间戳来分配时长（至少我们的体感是这样），对每个 Shot 时长影响最大的反而是 Shot 的数量。 4. 不要盲目追求清晰度，目前对提示词响应最好的版本是 Seedance 的720p 最开始我们想一劳永逸，每次抽卡都选1080p，但发现效果不怎么样，我们一直以为是我们的参考图没有做好，或者提示词没有写好。直到我们的好友时辰让我们切回 720P…………简直立竿见影的进步，而且又快又便宜。 5. 那清晰度怎么解决？ 最后定稿后用Topaz 放大到4k就行。 ☁️ 然后，请把省出来的时间都用来构思分镜和故事吧。

强烈推荐这篇。Simon Willison 用 Fable 5 给他的核心开源项目 sqlite-utils 做 4.0 终审，发现了自己都没发现的严重数据丢失 bug，37 个 prompt 跑完 34 个 commit 的修改，然后让 GPT-5.5 做交叉审查又抓出 2 个 P1 问题。全程大部分在 iPhone 上完成——在国庆日游行间隙断续操控 agent。这才是 2026 年独立开发者真实的 agent 工作流。 --- # sqlite-utils 4.0rc2，主要由 Claude Fable 写的 sqlite-utils 4.0rc1 发布两周后，Simon Willison 用 Fable 5 做最终审查。初始 prompt： "Final review before shipping a stable 4.0 release — very important to spot any last minute things that would be a breaking change if we fix them later." ## Fable 发现的关键 bug Fable 发现了 5 个"发布拦截"级别的问题——最严重的是一个数据丢失 bug：`delete_where()` 从未 commit 并且毒化了连接。运行 `delete_where()` 后，连接卡在 `in_transaction=True` 状态，后续所有 `atomic()` 调用走 savepoint 分支，全都不 commit。删的行会丢，删之后插入的新行会丢，连新建的表都会丢。重新打开数据库后，删操作、新行和新表全没了。 "非常高兴没发布它——虽然至少这是个可以在 4.0.1 修掉的 bug，而不是逼迫 5.0 的设计缺陷。" ## 37 个 prompt，34 个 commit 后续用 37 个 prompt、34 个 commit、+1321 -190 行修改、跨越 30 个文件，逐条处理完所有反馈，同时做了几个额外的设计改进。 一个关于 coding agent 的奇怪事实：像这种更难的任务实际上提供了更多同时做其他事的机会——因为 agent 有时需要 10-15 分钟去啃新任务。Simon 在那段时间去看了 Half Moon Bay 的国庆日游行，偶尔从手机上检查进度、发下一个 prompt。 ## 让 GPT-5.5 做交叉审查 Simon 现在有一个习惯：让 Anthropic 最好的模型审查 OpenAI 的工作，反之亦然。这次让 GPT-5.5 审查 Fable 的改动。GPT-5.5 抓出了 2 个值得调查的 P1 问题：`db.query("update ...")` 在 raise ValueError 之前已经 commit 了 update——对一个文档说"只能用于返回行的 SQL"的方法来说非常意外的副作用。以及 `INSERT ... RETURNING` 通过 `db.query()` 只在返回的生成器完全耗尽后才 commit——不耗尽就永远不 commit。 "审查这段代码帮我建立了更好的 SQLite 事务语义边缘情况的心理模型。" ## 估计成本：$149.25 主会话 Fable 5 $141.02，4 个子 agent 各 $1-2.4，一个 Opus 4.8 agent $0.32。总共 $149.25。在 Claude Max $200/月订阅下免费，但 7 月 7 日之后即使是 Max 订阅也要付全价。 Simon 的反思：应该更积极地用子 agent 配便宜模型。他在 Fable 上的周限额已用到 63%。 ## 发布说明由 agent 写 Simon 过去坚持手写发布说明。这次让 Fable 写——"这些说明比我手写的好。发布说明是那种适合外包给 agent 的写作：无聊、可预测、准确。" 他还发现审查文档改动是建立对变化的理解的绝佳方式——比直接看代码 diff 快得多。 #Fable5# #Agent实操# #开源#