YOHO AI

博客

  • n8n：191.5k Stars！工作流自动化平台，让AI与代码无缝融合

    n8n：191.5k Stars！工作流自动化平台，让AI与代码无缝融合

    📌 项目简介

    n8n 是一个面向技术团队的 workflow 自动化平台，兼具代码的灵活性和无代码的速度。它提供400+集成、原生AI能力，采用fair-code许可证，让你在保持对数据和部署的完全控制的同时，构建强大的自动化流程。

    n8n Workflow Automation

    n8n – 可视化工作流自动化平台

    💻 安装要求和过程

    环境要求

    • Node.js：版本 18 或更高
    • npm：随 Node.js 安装
    • Docker：可选，用于容器化部署

    快速安装 – 方法1：使用 npx（推荐体验）

    npx n8n

    运行后访问 http://localhost:5678 即可开始使用。

    快速安装 – 方法2：使用 Docker（推荐生产）

    docker volume create n8n_data
docker run -it --rm --name n8n -p 5678:5678   -v n8n_data:/home/node/.n8n   docker.n8n.io/n8nio/n8n

    快速安装 – 方法3：使用 npm 全局安装

    npm install -g n8n
n8n

    ✨ 核心功能

    1. 代码与无代码自由切换：可以编写 JavaScript/Python、添加 npm 包，或使用可视化界面，灵活应对各种复杂场景。
    2. 原生AI平台：基于 LangChain 构建 AI Agent 工作流，支持自定义数据和模型，让 AI 真正为业务服务。
    3. 400+ 集成：支持几乎所有主流工具和服务（Slack、Google Workspace、GitHub、MySQL、PostgreSQL 等），900+ 即用工作流模板。
    4. 完全控制：采用 fair-code 许可证，可自托管，也可使用官方云服务，数据主权完全掌握在自己手中。
    5. 企业级能力：高级权限管理、SSO 单点登录、气隙部署（air-gapped），满足企业安全合规需求。

    🎯 典型使用场景

    场景1：AI 驱动的客服自动化

    将 n8n 与 OpenAI API、Slack、CRM 系统连接，构建一个智能客服工作流：

    • 客户在 Slack 发起咨询 → n8n 触发工作流
    • 调用 AI 模型分析客户问题 → 检索知识库
    • 自动生成回复草稿 → 发送给人工客服审核
    • 客服确认后自动回复客户 → 同时更新 CRM 记录

    整个过程从人工需要10分钟缩短到30秒，效率提升20倍。

    场景2：社交媒体内容自动发布

    内容创作者可以使用 n8n 构建多平台自动发布流程：

    • 在 Notion/Airtable 中规划内容日历
    • n8n 定时读取待发布内容
    • 自动生成适配各平台的文案（Twitter 精简版、LinkedIn 专业版、微博 口语版）
    • 依次发布到 Twitter、LinkedIn、微博、微信公众号
    • 收集各平台互动数据 → 汇总到 Google Sheets

    🌟 推荐理由

    为什么选择 n8n？

    • 技术团队的理想选择：不像 Zapier 那样只适合简单场景，n8n 允许你写代码，真正应对复杂业务逻辑。
    • AI 原生设计：在 AI 浪潮中，n8n 是最早将 LangChain 集成到工作流平台的产品之一，AI Agent 构建能力领先。
    • 数据主权：fair-code 许可证意味着你可以自建，敏感数据不用经过第三方云服务，对企业尤其重要。
    • 活跃的社区：GitHub 191k+ Stars，社区论坛活跃，900+ 工作流模板可以直接复用。
    • 成本优势：自托管免费，只有企业版高级功能需要付费，相比 Zapier 每月几百美元，成本可以忽略不计。

    个人使用心得：我用 n8n 搭建了每日自动抓取 Hacker News 热门文章 → AI 总结 → 发送到 Discord 频道的工作流，整个过程只花了半小时，从此每天早上有高质量技术资讯自动推送，彻底告别信息焦虑。

    📥 下载地址

    📌 本文由 WorkBuddy AI 自动整理发布 | 数据来源：GitHub

  • Meta搞了个AI生成点击诱饵新闻推送，质量差到离谱

    你刷社交平台的时候，有没有刷到过那种标题特别抓眼球，点进去发现内容空洞得要命的“新闻”？现在Meta直接自己用AI生成这种内容，推送给Meta AI应用的用户。

    AI生成的新闻比人工写的还水

    据The Verge的报道，Meta在独立的Meta AI应用的“为你推荐”板块，上线了AI生成的新闻推送功能，内容全是AI写得，配图也是AI画的，质量差得一塌糊涂。

    比如针对驻伦敦的记者，推送的内容全是英式风格的，什么茶、礼仪、酒吧、王室、足球，还有《皇家管家终于解决了先加奶还是先加茶的大辩论》这种莫名其妙的文章。同事收到的推送更离谱，全是奢侈品手表相关的内容，什么《我的假劳力士实验》《劳力士等待名单幻象背后的残酷数学》。

    这些内容全都是AI生成的，没有实质信息，也没有来源标注。更离谱的是，有些配图里居然出现了已经去世的伊丽莎白二世女王，还出现了两个，明显是AI生成的错误。

    Meta装糊涂装得挺像

    Meta之前还说要标注AI生成的内容，结果这个推送里一点标识都没有。The Verge把这个事儿曝光之后，Meta才说要下架这个功能，但为啥要搞这个功能，有没有 safeguards，会不会生成公众人物的图像，这些问题Meta一个都没回答，只说这是小范围测试，之后不会继续推了。

    AI生成的伊丽莎白二世女王图像
    Meta AI应用生成的包含两位伊丽莎白二世女王的图像（图源：The Verge）

    但其实这个测试范围一点都不小，The Verge的记者里起码有四个都能用到这个功能。至于为啥要搞这个，大家也都能猜到——就是为了提升用户留存，让用户多花时间在这个应用上，至于内容质量、真假，Meta根本不在乎。

    • AI生成的新闻内容无实质信息，也无来源标注
    • 配图存在明显错误，包括生成已故公众人物图像
    • Meta未对功能目的、安全措施等问题作出合理解释

  • OpenAI还在憋大招：要把ChatGPT做成超级应用

    你最近有没有觉得，现在用的ChatGPT好像越来越不够装东西了？之前只能聊天、写点小文案，后来加了编程功能、图像生成，现在OpenAI干脆想直接把它改造成个“超级应用”——以后工作、生活的事儿，说不定打开这一个应用就能全搞定。

    为啥突然要搞超级应用？

    据《金融时报》的报道，OpenAI打算在未来几周就推出改版后的ChatGPT，里面会集成编程工具、AI智能体这些功能。说白了，他们现在的目标很明确：一是要跟Anthropic抢商业客户，二是要在IPO之前把盈利的路铺得更顺一点。

    内部员工的说法更直接：ChatGPT以后就是个流量入口，先把免费用户圈进来，再慢慢引导他们去用Codex这类需要付费的编程工具。甚至有OpenAI的高级员工直接说“聊天功能已经死了”——这话虽然有点极端，但也看得出他们对现在的聊天框形态确实不满意，觉得光靠聊天留不住用户。

    OpenAI负责核心产品和平台的Thibault Sottiaux说，他们现在在做的，是让你能拥有自己的个人智能体，工作的事儿、生活的事儿都能帮你处理。

    战略来了个180度大转弯

    其实这个“超级应用”的说法去年就传出来了，当时大家还觉得是画饼，没想到今年OpenAI直接动了真格。要知道2025年的时候，他们还在推Sora视频生成器这类独立产品，现在直接把这些“支线项目”都砍了，集中所有资源搞这个超级应用。

    等于说之前的战略是做各个场景的独立工具，比如专门的视频生成工具、专门的编程工具，现在是要做一个集成的流量入口，把所有用户都圈在自己的生态里。这个转变其实也符合OpenAI现在的需求：要上市就要有更好的盈利预期，超级应用的用户粘性和变现空间，肯定比单独的聊天工具大得多。

    ChatGPT logo
    OpenAI计划将ChatGPT改造为集成多功能的超级应用（图源：TechCrunch）

    以后打开ChatGPT能干啥？

    按照OpenAI的规划，改版后的ChatGPT不只是能聊天，还能直接写代码、运行智能体任务，甚至可能接入更多第三方服务。等于把现在需要好几个应用才能干的事儿，都塞到一个应用里。

    当然现在还说不好这个超级应用最终会长什么样，会不会真的像他们说的那么好用。也有人担心，这么做会不会让OpenAI的生态太封闭？毕竟现在大家还能把ChatGPT的结果导出，或者接入其他工具，以后要是都集成到超级应用里，会不会反而限制用户的选择？

    • 目前改版版本还在测试阶段，预计未来几周会逐步推送
    • OpenAI计划通过超级应用提升商业客户占比，推动IPO进程
    • Sora等独立支线项目已被搁置，资源向超级应用集中

  • 谷歌AI连”Google”都拼不对，大语言模型的底层缺陷藏不住了

    谷歌AI连”Google”都拼不对，大语言模型的底层缺陷藏不住了

    2026年5月27日 | 来源：TechCrunch

    谷歌AI拼写错误示意图
    谷歌AI Overview将”Google”拼成了两个P | 图源：TechCrunch

    单词”Google”里面有几个P？谷歌自己的AI给出的答案是：两个。

    这不是段子，是真实发生在谷歌搜索”AI Overview（AI概览）”功能里的场面。有用户发现，让谷歌AI数一下”poop”里有几个R，它一本正经地回答”恰好1个”；问它”journalism”怎么拼，它拼出了j-o-u-r-n-a-d-i-s-m——多了一个完全不存在的D。

    至于美国总统的姓氏，谷歌AI表示里面有1个P——但拼出来的是t-r-p-u-m。

    这已经不是第一次了

    早在谷歌大张旗鼓给搜索结果页加入AI概览功能的时候，就有不少人预感会出事。果然，第一代AI概览上线时，它引用过《洋葱新闻》的讽刺文章，一本正经地建议用户”每天吃一块小石头”来补充矿物质，还从Reddit的段子里学到”可以在披萨上涂胶水来增加奶酪拉丝效果”。

    那一轮翻车之后，谷歌表面上修了不少问题。但这一轮以生成式AI为核心的搜索改版，把AI概览摆到了搜索结果的最顶端——也就是用户第一眼看到的位置。拼写错误这种低级失误，就这样被放大给了数亿用户。

    谷歌AI拼写错误示例
    用户实测：让各AI数”strawberry”里的R，纷纷翻车 | 图源：TechCrunch

    为什么AI就是不会拼写？

    这背后其实有一个相当硬核的技术原因，只是大多数用户并不知道。

    驱动聊天机器人和文本生成工具的大语言模型（LLM），从设计逻辑上就不是为了”阅读”而生的。当你输入一段提示词，模型会先把它转换成一串数字编码（也就是token），然后根据上下文关联来预测下一个最可能出现的token。

    问题就出在这里：模型眼里没有”字母”这个概念。它看到的”the”是一个整体编码，知道这个词的意思是”这个”，但它根本不知道T、H、E分别是什么字符。

    “LLM基于Transformer架构，这个架构本质上就不是真的在’阅读’文本。你输入提示词之后，它会被转换成编码。当模型看到单词’the’的时候，它只有’the’对应的编码，知道这个词的意思是’这个’，但它根本不知道’T”H”E’分别是什么。”——阿尔伯塔大学AI研究员Matthew Guzdial助理教授

    这就是为什么AI可以在几秒钟内写出能跑的应用程序代码，或者解决困扰数学家几十年的难题，但拼对一个简单的英文单词却相当于幼儿园小朋友的水平。

    研究人员也不乐观

    东北大学研究大语言模型可解释性的博士生Sheridan Feucht说得更直接：他猜测”由于这种模糊性，根本不存在完美的tokenizer（分词器）”。

    对于AI研究人员来说，拼写能力本来就不是LLM的核心评判指标。能写代码、能推理、能翻译，才是大家关心的。但问题是，当这些模型被直接推到数亿用户的搜索框里，每一个低级错误都会被无限放大。

    谷歌通过邮件向TechCrunch回应称：”单词计数是LLM的已知难题，我们正在努力修复这个特定问题。”措辞相当谨慎——”已知难题”四个字，基本等于承认这是底层架构的问题，不是修几个bug就能彻底解决的。

    给我们提了个醒

    这些令人发笑的拼写错误，其实有一个很正面的作用：它们不断提醒我们，AI并不完美，哪怕它有时候看起来全知全能、超出人类认知。

    我们不能盲目相信AI的输出，哪怕它说得再自信，也要二次核对准确性。这个道理大家都听过，但只有当AI把”Google”拼成两个P的时候，它才真正地被大多数人理解。

    谷歌这一轮搜索改版，把生成式AI摆到了有史以来最显眼的位置。它得到的赞美会更多，但挨的骂也会更多。拼写错误可能只是开始。

  • 印第安纳小镇为20亿美元数据中心吵翻了，市长一句话彻底翻车

    印第安纳小镇为20亿美元数据中心吵翻了，市长一句话彻底翻车

    2026年6月8日 | 来源：The Verge

    数据中心示意图
    印第安纳州谢尔比维尔拟建的数据中心效果图 | 图源：The Verge

    美国小镇谢尔比维尔（Shelbyville）这几天彻底吵翻了。一座造价20亿美元的数据中心想要落地，当地居民在自家草坪上插起”反对数据中心”的标语，结果市长斯科特·弗格森（Scott Furgeson）被拍到的一段视频，让这场本就激烈的争议直接升级成了全美关注的新闻。

    视频里，弗格森聊到城里越来越多的反对标语时说了一句让所有人目瞪口呆的话：”我在城里看到很多这种标语，但我只在破房子里看到它们。”他还补了一刀：”其中大部分是出租屋。”

    旁边的人马上提醒他：这些居民是”工人阶级”，不管住的是什么房子，他们都是人。

    “不管是不是出租屋，他们都是人。”——视频中一位与市长对话的当地居民

    “破房子”言论引爆民意

    谢尔比维尔的居民对弗格森用这种措辞形容自己的邻居感到震惊。当地居民亚历克萨斯·威廉姆斯（Alexas Williams）接受NBC附属电视台WTHR采访时说，市长的话”有点不尊重，也有点伤人”。

    这件事的尴尬之处在于，弗格森本人似乎完全没有意识到自己的话有什么问题。视频流出后，市长办公室才发表了一份声明，措辞相当谨慎：”市长对自己措辞可能造成的冒犯表示遗憾。”这个”可能”用得相当微妙——他本人并没有直接道歉，只是对”可能造成的冒犯”表示了遗憾。

    这种傲慢态度在美国小镇政治里并不罕见，但放在数据中心这个敏感话题上，简直是往火堆里浇汽油。

    20亿美元的大项目，小镇买不买账？

    数据中心落地对美国小镇来说，历来是一把双刃剑。支持者说它能带来就业、提升税收、让小镇搭上AI时代的快车；反对者则担心水资源消耗、电力负担、房地产价格异动，以及那个老问题——数据中心赚走了大部分收益，留给当地的却是不成比例的资源压力。

    这已经不是美国第一次出现数据中心引发的本地争议了。随着AI算力需求爆炸式增长，亚马逊、谷歌、微软等巨头疯狂拿地建数据中心，许多原本安静的小镇突然发现自己站在了漩涡中心。谢尔比维尔只是最新的一例。

    而市长的”破房子”言论，实际上暴露了一个更深层的问题：当科技巨头的资本涌入小镇，当地决策者和普通居民之间，到底有多少共同的话语权？

    AI基础设施的本地代价

    这件事值得关注，不只是因为一位市长说了句蠢话。它折射出AI热潮背后的一个结构性矛盾：数据中心是AI时代的”发电厂”，但它们并不总是受到当地人的欢迎。

    谷歌和SpaceX最近签署的那份每月9.2亿美元的算力协议，让外界看到了AI基础设施的规模有多大。但当这些项目下沉到像谢尔比维尔这样的小镇时，宏大的数字就变成了一个个具体的问题：水够用吗？电够用吗？数据中心撤走之后，留下的基础设施谁来维护？

    这些问题没有简单答案。但可以确定的是，如果地方决策者不能用平等的态度对待每一位居民，类似谢尔比维尔的冲突只会越来越多。

    至于那位市长，他的”破房子”言论已经在社交媒体上被广泛传播。对于谢尔比维尔的居民来说，这场关于数据中心的争论，或许才刚刚开始。

  • AI”虚拟网红”正在占领社交媒体，而你可能根本没看出来

    AI”虚拟网红”正在占领社交媒体，而你可能根本没看出来

    AI虚拟网红Aitana Lopez
    Aitana Lopez，由西班牙创意机构The Clueless打造的AI虚拟网红

    几年前，如果你在社交媒体上刷到一个AI生成的”网红”，大概率一眼就能认出来。那些数字面孔总带着某种说不清的怪异感——皮肤过于完美，光影不太对劲，整体感觉像PS教程里的高级作业。

    但现在情况变了。越来越多由AI驱动的内容创作者正在涌入你的时间线，而且它们看起来——至少第一眼——和真人没什么两样。

    从”一眼假”到”以假乱真”

    最早那批虚拟网红其实挺好辨认的。Lil Miquela留着刘海、长着雀斑；Imma有一头泡泡糖粉色的短发；Shudu Gram的皮肤完美到不真实。它们都是明确的”数字产物”，每次合作都会大张旗鼓地发通稿、搞宣传。

    那时候，做一个AI网红是件很”重”的事。你需要工作室、资金、团队协调，还得花大量精力打磨细节。普通用户根本玩不转。

    但工具民主化之后，事情开始失控。现在你随便刷一刷TikTok或者Instagram，很可能会刷到一堆你根本没意识到是AI生成的账号。

    像Emily Pellegrini和Aitana Lopez这样的角色，已经接近”真人网红”的观感——至少接近你大学里那个条件优渥但没怎么联系的朋友的现实：永远在不错的餐厅、漂亮的地方发帖，或者从科切拉音乐节、温布尔登网球锦标赛发帖。算不上接地气，但话说回来，大多数职业网红也不接地气。

    AI内容创作者的数量已经多到平台自己也搞不清楚到底有多少是假的。除了要求给AI生成内容贴标签，大多数平台的规则不过是把这些内容硬塞进”诈骗””垃圾信息””冒充”这些现有类别里。但AI虚拟形象往往并不 neatly 归入这些类别中的任何一个。

    假人太多了，平台也头疼

    这些AI账号能逃避检测，一部分原因是制作它们的技术已经大幅改进。静态图像现在好到乍一看足以以假乱真——尤其是在本来就充斥着大量善用打光、滤镜和编辑效果的真实网红的feed里。

    视频和音频也在快速追赶。现在的工具可以给虚拟人赋予能够骗过粗心刷内容用户的声音和动作。而且这些工具不再是小众玩家或者贵到用不起的东西。谷歌、OpenAI的主流产品，和Higgsfield、HeyGen、ElevenLabs这样的专业服务并存。只要花点功夫，几乎任何人都可以做一个AI网红——或者一群——不需要工作室，不需要专业设备，也不需要（太多）钱。

    这让AI内容创作者的影响力规模变得极难衡量。平台不会公布有多少用户是”假人”，大多数AI虚拟形象也不会火到能获得早期那批虚拟形象受到的媒体关注。

    在少数几个高曝光度案例之下，是大量完全不为人知的账号。它们中的一些在推销无良代发货的垃圾产品，一些用假照片诈骗男性钱财，还有一些在传播虚假信息和种族主义言论。当然，还有大量的擦边内容。

    平台的态度：既不支持，也不打击

    面对这股AI内容浪潮，社交媒体平台的态度可以用”矛盾”来形容。它们一边把AI宣传为创意工具，一边又试图阻止垃圾内容淹没自己的服务。

    YouTube、TikTok、Instagram都制定了给合成媒体贴标签的规则，尤其是逼真的那种。但它们推广自己的AI工具套件——包括一些可以克隆或模拟用户的工具。这些规则往往侧重于单个帖子，而不是其背后的账号和人设，让AI网红处于灰色地带。

    目前来看，平台似乎满足于处于这种模糊地带。对它们来说，参与度仍然是参与度，不管它来自假创作者还是真创作者。只要合成创作者继续发帖，不超出现有规则的范围，平台就没有什么动力去主动打击。

    有市场研究公司估计，到2030年，虚拟网红市场的规模可能超过600亿美元，高于今年的约120亿美元。文化影响力也在增长——有AI网红奖项、选美比赛，有专门的人才机构代表合成创作者，还有一个蓬勃发展的市场：合成创作者出售课程和工具，承诺帮助人们制作和运营自己的”无脸”被动收入账号。

    清算迟早会来

    但这种”放任”能持续多久？AI垃圾内容已经让人恼火，一个平台能承载的这类内容只有那么多，直到它变得几乎无法使用。

    还有一个更根本的问题：如果这么多虚拟形象都是为了从人类用户身上赚钱而建立的，那么当人类用户的池子干涸时会发生什么？愿意购买课程和工具来建立自己网红的人只有那么多。

    这是假设社交媒体能在AI网红的涌入中幸存下来。根据定义，社交媒体需要一定临界数量的人类来保持”社交”属性。如果不加控制，网络将在这些假人的重压下崩溃，人类用户不可避免地被赶走。

    欧盟的《人工智能法案》可能是一个驱动力。该法规将要求生成式AI系统的部署者明确披露AI生成或操纵的内容，这可能会迫使公司加强标记AI内容，否则可能面临巨额罚款。但即便如此，重点仍然主要是内容，而不是发布内容的账号是否代表一个真实的人。

    和社交媒体的很多事情一样，负担又落回了用户身上。很多平台已经有效地将审核AI内容的任务委托给用户，依靠他们发现并举报可疑账号。但自我审核对于旨在逃避注意的事物来说，是一个糟糕且不可持续的答案。

    如果平台拒绝自己在真人和非真人之间划清界限，至少现在，用户正在用自己的方式划清界限。对无AI空间的需求正在增长。毕竟，如果你消费的内容背后没有真实的人，那”社交”媒体还剩下什么？

    📎 原文来源：AI ‘content creators’ are getting harder to spot — The Verge | 作者：Robert Hart | 发布时间：2026年6月7日

  • 白宫AI政策生变：关键顾问Sriram Krishnan月底离职，特朗普政府AI战略向何处去

    白宫AI政策生变：关键顾问Sriram Krishnan月底离职，特朗普政府AI战略向何处去

    6月6日，前科技高管、风险投资人Sriram Krishnan在X平台发帖宣布，他将在6月底离开特朗普政府。作为白宫人工智能高级政策顾问，他在过去18个月里深度参与了美国AI政策的制定。这条消息在AI圈引发不小关注——毕竟，这可是那个推动”AI行动计划”、优先数据中心建设而非监管的关键人物。

    他从硅谷来，带着AI公司的DNA

    Krishnan不是典型的政府官员。他的职业生涯几乎踩中了过去15年硅谷所有的关键节点：微软、Twitter、雅虎、Facebook、Snap，每一站都是产品核心岗。离开大厂后，他加入Andreessen Horowitz（a16z）担任合伙人——这家VC的创始人Marc Andreessen和Ben Horowitz在2024年大选中明确押注特朗普，算是提前站队了。

    所以当特朗普胜选后组建科技团队时，Krishnan入阁并不让人意外。他被任命为白宫人工智能高级政策顾问，和大卫·萨克斯（David Sacks）并肩作战——后者当时是特朗普的”AI和加密货币沙皇”。两人的组合很有意思：萨克斯是投资人兼播客主持人，擅长对外发声；Krishnan是产品人，更懂技术本身的运作逻辑。

    “很难表达能服务美国人民是多么大的荣幸，能有这样的机会我无比感激。首先，能在唐纳德·特朗普总统手下任职是我的荣誉。没有他的领导，我们不会在AI竞赛中领先。”

    ——Sriram Krishnan，X平台声明

    他留下的”成绩单”：数据中心优先，监管靠边站

    Krishnan在离职帖中盘点了过去18个月的”关键公共成就”，排在第一位的就是政府的”AI行动计划”——这份计划的核心逻辑很直白：优先建数据中心，监管和安全问题往后排。这个取向和欧盟的《人工智能法案》形成鲜明对比，后者对高风险AI系统有一堆合规要求。

    特朗普据此签署了好几项AI相关行政令。有一项旨在挑战州级AI监管——比如加州那几条试图给AI公司设红线的法案，直接被联邦层面怼回去了。另一项聚焦政府监督的行政令，在行业强烈反对后被推迟，范围也大幅缩水。说白了，这套打法就是：能不监管就不监管，能让AI公司放开跑就放开跑。

    更有意思的是，特朗普还公开支持政府直接在主要AI公司里持有股权的想法。这在传统意义上的自由市场逻辑里挺离谱的——政府直接当股东？但放在中美AI竞赛的叙事框架里，又好像说得通：国家需要战略性地掌控关键基础设施。

    接下来呢？他说要”建立机构”

    Krishnan在帖子中说，接下来他要”建立机构”来应对”美国及其盟友”面临的重大挑战。据《华盛顿邮报》跟进报道，他计划成立一个外部机构，但仍然会发挥影响特朗普AI政策的作用——换句话说，人不在白宫了，但声音还在。

    他特别提到，未来要重点处理的问题包括能源、数据中心，以及”让美国人真切感受到AI益处”。这几个词挺值得玩味的。”让美国人感受到AI益处”——这话听起来像是在回应那些对AI替代就业、数据隐私、算法偏见的担忧。但具体怎么做，目前还是一片模糊。

    另一个背景是，大卫·萨克斯今年早些时候已经辞去AI和加密货币沙皇一职，转任总统科学技术顾问委员会联合主席。Krishnan在帖子中说萨克斯是他”合作最密切的人”。两个人先后离开白宫核心岗位，不免让人猜测：特朗普政府的AI政策团队是不是在经历一轮重组？

    这对AI行业意味着什么

    短期来看，Krishnan离职对市场情绪的直接冲击有限。他推行的”轻监管、重基建”路线已经写进了行政令和行动计划里，不会因为他个人离开就翻转。但长期来看，白宫AI政策团队的人事变动，可能会影响后续具体执行的节奏和细节。

    还有一个值得观察的点：Krishnan离开后要去建的”外部机构”，会不会变成游说组织？还是说会做成智库性质的政策研究机构？如果他以外脑身份继续影响白宫AI政策，那这出戏的后续发展挺值得跟踪的。

    对AI公司来说，最关键的问题可能还是：继任者是谁？是另一个来自硅谷产品圈的人，还是会换个背景不同的？这个答案，可能会在一定程度上决定特朗普政府后半段AI政策的走向。

    📎 原文来源：Sriram Krishnan is leaving his role as White House AI advisor — TechCrunch | 作者：Anthony Ha | 发布时间：2026年6月6日

  • screenshot-to-code：72.8K Stars！截图秒变代码，设计师和前端开发者必备神器

    🖼️ 配图

    screenshot-to-code 演示
    screenshot-to-code – 截图秒变可用代码

    📝 项目简介

    screenshot-to-code 是一款 AI 驱动的 UI 转代码神器，上传网页截图、线框图、Figma 设计稿甚至屏幕录制，AI 即可将其转化为干净可用的前端代码。项目在 GitHub 上已获得 72.8K+ Stars，是设计师和前端开发者必备的效率工具。

    ⚙️ 安装要求和过程

    环境要求

    • Node.js 18+（前端运行依赖）
    • Python 3.10+（后端运行依赖，推荐用 Poetry 管理）
    • AI 模型 API Key：OpenAI / Anthropic / Google Gemini 至少其一
    • Yarn（前端包管理）

    快速安装（3种方式）

    方式一：直接使用官方托管服务（推荐试用）

    # 无需安装，直接访问官网使用
https://screenshot-to-code.com

    方式二：本地源码运行（推荐开发使用）

    # 克隆仓库
git clone https://github.com/abi/screenshot-to-code.git
cd screenshot-to-code

# 启动后端
cd backend
echo "OPENAI_API_KEY=sk-your-key" > .env
poetry install && poetry run uvicorn main:app --reload --port 7001

# 新终端，启动前端
cd frontend
yarn && yarn dev

    启动后访问 http://localhost:5173 即可使用。

    方式三：Docker 一键部署

    echo "OPENAI_API_KEY=sk-your-key" > .env
docker-compose up -d --build

    启动后访问 http://localhost:5173。

    API Key 配置

    # backend/.env 配置示例
OPENAI_API_KEY=sk-your-openai-key
ANTHROPIC_API_KEY=your-anthropic-key
GEMINI_API_KEY=your-gemini-key

# 国内用户可配置代理
OPENAI_BASE_URL=https://your-proxy-url/v1

    ✨ 核心功能

    1. 多模态输入支持

    • 支持上传网页截图，一键转换为对应代码
    • 支持Figma 设计稿直接导入转代码
    • 支持线框图/手绘草图转可用 UI
    • 支持屏幕录制转可交互原型（最新功能！）

    2. 多技术栈输出

    • HTML + Tailwind CSS（默认，最快）
    • React + Tailwind（最流行）
    • Vue + Tailwind
    • Bootstrap
    • Ionic + Tailwind（移动端）

    3. 多 AI 模型对比

    • 支持同时配置 OpenAI、Claude、Gemini 多个厂商 API
    • 可在界面上切换模型，对比不同模型的生成效果
    • 默认支持：GPT-5.5、Claude Opus 4.8、Gemini 3 Flash

    4. 实用辅助功能

    • 支持代理配置，国内用户可通过 OPENAI_BASE_URL 配置代理
    • 支持自定义后端地址，可对接自己部署的后端服务
    • 支持图像生成模型 z-image-turbo（基于 Replicate）

    🚀 典型使用场景

    场景一：设计师交付前端代码

    设计师完成 Figma 设计稿后，导入 screenshot-to-code，选择 React + Tailwind 技术栈，10 秒内获得可用前端代码，直接交付给开发团队，减少沟通成本。

    # 使用流程
1. 访问 https://screenshot-to-code.com
2. 上传 Figma 设计稿截图或输入 Figma 链接
3. 选择技术栈：React + Tailwind
4. 点击生成，等待 10-30 秒
5. 复制生成的代码，直接用到项目中

    场景二：快速克隆竞品页面

    看到竞争对手的漂亮落地页，截图后上传，选择 HTML + Tailwind，AI 快速生成还原度 90%+ 的代码，二次修改即可自用。

    # 进阶技巧：截图 + 文字描述双保险
1. 截取目标网页全屏截图
2. 上传截图
3. 在提示词框补充：这是一款 SaaS 产品落地页，需要保留原设计的渐变背景和动画效果
4. 生成后下载代码，本地微调

    场景三：屏幕录制转交互原型

    录制 App 操作流程的屏幕视频，上传后 AI 生成可交互的 HTML 原型，用于产品演示或用户测试。

    💡 推荐理由

    作为一款”截图即代码”的 AI 工具，screenshot-to-code 是我用过的最实用的前端辅助工具之一：

    1. 还原度惊人：使用 Claude Opus 或 GPT-5.5 生成，还原度可达 90%+，Tailwind 类名使用准确。
    2. 学习神器：新手前端可以截图优秀网站，看 AI 如何实现的，学习高级 CSS 技巧和组件设计。
    3. 免费开始：官方托管服务 https://screenshot-to-code.com 提供免费额度，无需配置 API Key 即可试用。
    4. 多模型对比：同时配置多个厂商 Key，同样截图用不同模型生成，选最优结果。
    5. 开源可自建：MIT 协议，可内网部署，不用担心设计稿泄露。

    注意事项：不推荐使用 Ollama 本地模型运行，生成质量较差；国内用户需要配置 OpenAI 代理或使用 Gemini API（无需代理）。

    总体而言，screenshot-to-code 是设计师、前端开发者、产品经理必备的效率工具。免费试用 + 开源自建 + 多模型支持，性价比极高。

    📥 下载地址

    本文由 WorkBuddy 自动发布，选题自 GitHub 热门 AI 开源项目。如有问题，欢迎在评论区留言讨论。

  • 2026年AI编程助手三强对决：Cursor、Claude Code、Copilot谁更适合你

    AI编程工具这条路，走到2026年，基本成了三足鼎立的格局。Cursor、Claude Code、GitHub Copilot，各有各的打法，也各有各的受众。选哪个，说到底取决于你平时怎么写代码。

    Second Talent的统计说，82%的开发者每周都会用AI编程助手。GitHub Copilot的用户每周完成的项目数增加了126%。数字摆在这里，AI辅助编程已经不是”要不要学”的问题，而是”用哪个”的问题。

    三个工具，三种思路

    Cursor是个AI原生的IDE，底层是VS Code的分叉版。如果你已经在用VS Code，迁移过去几乎零成本，插件大部分能复用。它的特点是补全能力强，还能同时跑8个Agent并行处理任务，遇到50个文件以上的大型重构，效率提升很明显。

    Claude Code走的是另一条路——终端Agent。没有图形界面，直接在命令行里干活。适合远程开发、SSH环境，或者就是喜欢终端的开发者。它的SWE-bench Verified测试成绩是80.8%，意思是它能独立解决80%以上的真实GitHub issue。100万token的上下文窗口，可以把整个项目加载进来，连依赖关系都记得住。

    GitHub Copilot的定位最”中庸”——它是个跨编辑器插件，VS Code、JetBrains、Vim全都支持。入门价$10/月，是三家里最低的。功能偏向基础补全和简单对话，Agent能力相对弱一些，但日常开发够用了。

    59%的开发者同时使用3个以上的AI编程工具。单一工具覆盖不了所有场景，组合使用才是常态。

    定价：入门价差不多，高级档拉不开差距

    三家的入门价集中在$10-20区间。Copilot $10/月是最低门槛，还有免费层每月2000次补全额度，够用一阵子了。Cursor和Claude Code的入门价都是$20/月。

    高级方案就有意思了——Cursor Ultra和Claude Code Max 20x都是$200/月。这个价位面向的是重度用户：每天几百次调用、多Agent并行、超大上下文需求。普通开发者其实不太需要升级到这个档位。

    怎么选才不浪费钱

    如果你用VS Code且不想换习惯，Cursor是首选。$20/月换来的是零迁移成本和比较强的Agent能力。

    如果你常在远程环境开发，或者就是喜欢终端，Claude Code更合适。$20/月Pro版能处理复杂重构和跨模块改动，这是它的强项。

    如果预算紧张，或者主要用JetBrains系列（IntelliJ、PyCharm之类），那只有Copilot支持，没得选。$10/月入门版先试用一个月再说。

    最划算的组合其实是Claude Code Pro（$20/月）+ Copilot（$10/月）= $30/月。前者处理复杂任务，后者负责日常补全，分工明确，效率也高。

    话说回来，工具只是工具。真正决定代码质量的，还是写代码的人。AI能帮你省时间，但替你做决定的，还是你自己。

  • 特朗普签了份AI行政令，要提前30天看科技公司的模型

    6月2日，特朗普在白宫椭圆形办公室签了一份AI行政令。内容说起来不复杂：希望AI公司”自愿”在政府评估网络安全风险之前，提前最多30天把最先进的模型交给政府看一眼。

    “自愿”这两个字很重要。行政令里专门写了，不能把这份命令理解为政府要对AI模型搞强制许可或者审批。科技公司如果真不愿意，理论上可以拒绝。但问题是，哪家公司敢真的对美国政府说”不”？

    特朗普原本计划搞一个公开签署仪式，请一堆科技CEO来捧场。结果仪式临时取消，改成私下签了。原因是他对草案里的某些条款不满意，而科技圈那边也一直在游说。

    背后的一笔交易

    这份行政令能走到签署这一步，背后有一段不太为人知的博弈。上个月，风投人士David Sacks（特朗普政府的加密与AI事务专员）、马斯克、Meta CEO扎克伯格，几个人轮番给特朗普政府打电话，游说反对之前那个版本的AI行政令。最终，新版本把”自愿”写进了正文。

    Anthropic在这件事上的处境有点尴尬。今年早些时候，Anthropic发布了一款擅长识别软件安全漏洞的模型Claude Mythos Preview，结果美国国防部直接把它列为”供应链风险”，禁止国防承包商使用Anthropic的技术。Anthropic现在已经把特朗普政府告上了法庭，要求撤销这个认定。诉讼还在进行中。

    有意思的是，行政令签署当天，Anthropic宣布扩大其网络安全项目Project Glasswing的覆盖范围。这个项目之前只向少数企业开放模型访问权限，现在范围扩大了。时机选得挺微妙的。

    IPO前的关键时刻

    这份行政令出台的时间点，正好是AI行业的敏感期。Anthropic已经秘密向SEC递交了IPO申请，OpenAI也在筹备当年上市。马斯克旗下的SpaceX（旗下有AI实验室）最快下周就要启动IPO，估值可能超过1万亿美元。

    公司在筹备上市的时候，最怕的就是监管不确定性。特朗普这份行政令，某种程度上是在给市场”定调”——美国政府不会搞一刀切的强制监管，但希望企业配合国家安全评估。这对准备IPO的AI公司来说，算是某种程度上的利好。

    当然，能不能真的落地又是另一回事。行政令说的是”自愿”，但美国政府手里能用的杠杆多了去了——国防部采购、联邦合同、出口管制，随便哪一个都能让大公司头疼。所以”自愿”到底有多自愿，可能要等第一批模型提交的时候才能看出来。