Posts

GitHub Copilot 现已在公开预览版中逐步推出 OpenAI 的 GPT-5-Codex 模型。该模型专为智能体式编码（agentic coding）进行了优化，旨在提供更强大的代码生成与辅助能力。 可用性与适用范围 新的 GPT-5-Codex 模型将面向以下 GitHub Copilot 用户开放： 订阅计划：Copilot Pro, Pro+, Business, 和 Enterprise。 使用方式：在 Visual Studio Code 中，用户可以通过 Copilot Chat 的模型选择器来切换至 GPT-5-Codex。 支持模式：该模型支持 ask、edit 和 agent 三种模式。 请注意，本次更新为逐步推送。您需要确保 GitHub Copilot 插件版本不低于 v1.104.1。如果暂时未在模型选择器中看到该选项，请耐心等待。 如何启用 GPT-5-Codex 不同订阅计划的启用方式有所不同： 企业版与商业版 (Enterprise & Business) 管理员必须首先在组织的 Copilot 设置页面中，启用 GPT-5-Codex 相关策略。策略生效后，组织内的所有用户即可在 VS Code 的模型选择器中找到并使用该模型。 个人专业版 (Pro & Pro+) 用户可以直接在 Visual Studio Code 的模型选择器中选择 GPT-5-Codex。首次选择时，系统会弹出一个一次性确认提示，同意后即可启用。 更多信息 关于模型的详细信息及最佳实践，可以查阅 OpenAI 的官方文档和提示指南。 要了解 GitHub Copilot 中所有可用的模型，请参阅 GitHub 的相关文档。 如有任何反馈或问题，欢迎前往官方社区参与讨论，分享您的使用体验。 👉 如果你需要 ChatGPT 代充 / Claude / Claude Code / 镜像 / 中转 API： ...

以 Claude Code、Cursor、Cognition 等为代表的编码助手的兴起，正在改变软件的构建方式。开发者不再需要手动连接 API，只需通过自然语言描述需求，编码助手就能处理编写、执行和迭代代码等技术任务。这为“低代码 IT”带来了可能，让业务人员也能快速构建内外部应用程序。 但这里存在一个关键问题：默认情况下，编码助手无法原生理解文档。 编码助手的局限性：为何文档理解至关重要？ 企业应用的核心是处理各类文档：合同、财务报告、法律文书、技术规范、会议纪要等。这些信息通常被锁定在 PDF、PPTX、DOCX、XLSX 等文件格式中，需要专门的工具来读取和检索，而这正是编码助手所欠缺的。 这可能听起来有些意外，但编码助手在理解文件方面确实存在明显短板： Cursor：完全不支持上传 PDF 等多种文件格式。 Claude Code：虽然具备基本的 PDF 读取能力，但有 32MB 的最大文件大小和单次请求 100 页的限制。 为编码助手配备强大的文档理解工具，将带来两大核心优势： 获取更丰富的上下文：构建的应用能更好地适应具体的业务需求。 在生成代码中集成工具：构建的应用将更具智能化、通用性，且准确率更高。 如果编码助手缺乏文档理解能力，将导致两个严重问题： 1. 缺失核心业务上下文 当你要求编码助手构建一个财务报告仪表盘时，它本应理解你公司的季度报告格式、数据结构以及关键业务指标。然而，这些信息通常以产品需求文档（PRD）和产品规格书的形式存储在 Google Drive 或 Sharepoint 等文件系统中。没有这些上下文，编码助手只能生成基于假设的通用模板。 2. 无法构建实用的自动化流程 若要求编码助手构建合同审查软件，它可能会生成一些查找“终止”、“责任”等关键词的代码，但完全无法理解决定合同可执行性的细微法律语言。这意味着它生成的自动化流程非常脆弱，无法泛化到各种输入，实用价值极低。 一个典型的例子是，私募股权分析师希望自动化分析数据室中的财务文件。编码助手首先需要初步理解示例财务文件（是公开文件还是内部报告？）和过往的尽职调查报告，才能明确业务需求。同时，在生成的自动化工作流中，也需要持续调用这些文档理解模块。 三种为编码助手增强文档理解能力的方法 为了弥合这一差距，我们探索了三种互补的模式，为编码助手赋予文档智能。每种方法都有其优缺点，你可以根据自身需求选择组合使用。 方法一：通过模型上下文协议（MCP）访问文档 Claude Code 原生支持模型上下文协议（Model Context Protocol, MCP）。通过官方提供的 MCP 集成列表，可以连接到 Salesforce、Confluence、Figma 等多种 SaaS 服务。如果你的数据源主要是文件集合，则需要先对文档进行预处理，再将其作为 MCP 端点暴露给编码助手。 工作原理 预处理：创建一个服务来解析、分块和嵌入你的文档（如 PRD、财务报告等）。 存储：将处理后的数据存入向量数据库、结构化数据库或图数据库中。 暴露：将该存储系统包装成一组 MCP 工具接口。 在代码生成过程中，Claude Code 可以查询这个 MCP 服务器，从而获取关于业务流程、政策和数据结构的丰富上下文。 优势 这是一种为编码助手快速提供大量上下文的有效方式。当你让它“创建一个费用审批工作流”时，它可以通过查询索引好的政策文件，直接了解公司的支出限制、审批层级和政策例外。 ...

我们很高兴地宣布，Gemini CLI 现已与 FastMCP（业界领先的 Python MCP 服务器构建库）完成无缝集成。作为两个开源项目的强强联手，此次更新将帮助开发者轻松地将自定义的 MCP 工具和提示词直接接入 Gemini CLI。 一键式集成命令 从 FastMCP v2.12.3 版本开始，您可以使用一条简单的命令来安装基于 FastMCP 构建的本地 STDIO 传输 MCP 服务器： fastmcp install gemini-cli server.py 这条命令极大地简化了集成过程，它会自动处理所有配置、依赖管理，并调用 Gemini CLI 内置的 MCP 管理系统（gemini mcp add），让您的 FastMCP 服务器功能即刻在 Gemini CLI 中生效。对于本地服务器的开发和调试而言，这提供了一种极其便捷的启动方式。 解锁 Gemini CLI 的全部潜力 MCP（Model Context Protocol，模型上下文协议）服务器能够赋予 AI 代理执行额外操作和访问特定上下文的能力，从而显著提升 Gemini CLI 的使用体验。FastMCP 借助 Python 装饰器和类型提示的优雅设计，让创建这些组件变得简单而直观。 通过 FastMCP，您可以为 Gemini CLI 扩展两类核心功能： 工具 (Tools)：允许 Gemini CLI 执行具体操作、进行复杂计算，或与外部 API 及数据库交互，使其成为您工作流中的一个活跃参与者。 提示词 (Prompts)：将您在 FastMCP 中定义的提示词作为斜杠命令（例如 /promptname）在 Gemini CLI 中直接调用。这种方式简化了高频交互，让常用指令仿佛原生终端命令一般自然。 快速上手指南 想要立即体验这一全新集成吗？只需以下几个简单步骤： ...

Gemini 应用迎来九月更新，本次聚焦于一系列全新的创意与协作工具，旨在提升用户体验和生产力。 推出 Nano Banana 图像编辑模型 近期，强大的 Nano Banana 图像编辑模型备受瞩目。该模型提供了卓越的图像处理能力，并在社区中催生了许多热门用例。 Gemini Live 支持实时摄像头共享 Gemini Live 现已支持摄像头共享功能。用户可以将实时画面分享给 Gemini，AI 将通过高亮显示等方式提供精准的视觉引导，帮助你实时解决问题。该功能即将登陆所有 Android 和 iOS 设备。 桌面端 Chrome 集成 Gemini 即将登陆美国地区的桌面版 Chrome 浏览器。用户将能够直接在浏览器中，利用当前打开标签页的上下文信息，快速获取内容摘要、概念解释或问题答案。 自定义 Gem 支持分享 现在，你可以与他人分享你创建的自定义 Gem。无论是用于项目规划还是派对筹备，团队成员都可以利用同一个 Gem 中封装的 AI 专业知识进行协作。 Canvas 应用支持可视化无代码编辑 Canvas 进一步降低了应用创建的门槛。即使没有编程经验，用户也可以轻松构建应用。新版本增加了强大的可视化编辑功能：只需点击 Web 应用中的任意元素，然后用自然语言描述你想要的修改，即可完成界面调整。 👉 如果你需要 ChatGPT 代充 / Claude / Claude Code / 镜像 / 中转 API： 购买 / 了解更多：ai4.plus 备用入口：kk4099.com

Gemini 现已推出由 Veo 模型驱动的图片生成视频功能。用户只需提供一张图片或书面提示词，Gemini 就能生成一段时长 8 秒并包含音效、环境背景音和语音的视频片段。 本文将介绍作为一名多媒体内容创作者，如何利用这项新功能，并分享一些提升视频效果的实用技巧。 一、 将插画制作成动画 将静态插画转化为动态视频，可以极大地增强演示文稿、新闻通讯和社交媒体内容的视觉吸引力。 实用技巧： 视频规格：生成的视频均为 16:9 的横向画幅。如果你的原始图片宽高比不同，系统会自动在视频上下或两侧添加黑边。 保持耐心：提示词工程需要练习，初次尝试可能无法达到理想效果。Veo 模型也在不断学习和改进中，请不要灰心，多尝试几次。 二、 将摄影作品变为动态影像 你可以将静态照片转化为栩栩如生的视频片段，也可以充分发挥想象力，为画面增添奇幻色彩。 入门技巧：从简单开始 从一个简单、概括的提示词开始，让 Gemini 来填充细节。例如，为一张风景照添加“微风拂过草地”的指令。 进阶技巧：添加丰富细节 如果想让视频更贴近你的设想，可以在提示词中添加更详细的指令。 添加新角色：尝试在场景中引入新的人物或动物。 编排动作顺序：通过指令安排角色或物体的连续动作，让场景更具动态感。 主体清晰度：你提供的图片将作为视频的第一帧。主体越清晰、越靠近镜头，模型就越容易理解并生成高质量的后续画面。 关于 AI 生成标识 为了保证透明度，所有生成的视频都会包含隐形的 SynthID 数字水印和可见的视觉水印，明确表明其为 AI 生成内容。 三、 清晰呈现艺术构想 对于创意工作者而言，向他人清晰地传达和展示自己的创意构想至关重要。利用 Gemini 生成的逼真视频，可以更直观地展示概念，从而提高提案的成功率。 提示词策略 精准详细：在这种应用场景下，提示词需要尽可能详细和精确。虽然这可能比较耗时，但通常比完全依赖纯文本生成视频要快得多。 基于真实场景：使用真实场景的照片作为输入，Gemini 生成的输出效果会比使用仅能部分传达构想的示例图片更有帮助。 寻求 AI 辅助：如果你在构建提示词时遇到困难，可以直接请求 Gemini 帮助你优化，甚至为你添加专业的镜头控制指令，以获得更出色的效果。 AI 在创意项目中的应用，并非为了取代创作者，而是为了赋能。在许多情况下，由于资源、时间或技能的限制，一些艺术构想可能永远无法实现。AI 生成的媒体内容则提供了一种全新的方式，帮助我们清晰地表达和提升自己的创意作品。 如何开始体验 目前，该功能已向部分订阅用户开放： Google AI Pro 订阅者：每天最多可生成 3 个视频。 Google AI Ultra 订阅者：每天最多可生成 5 个视频。 订阅用户还可以尝试另一款名为 Flow 的 AI 电影制作工具，探索更多将创意变为现实的方式。 ...

您是否正在充分利用 AI 的潜力？ 诚邀您参加将于 2025 年 10 月 9 日举办的线上直播活动。届时，Google Cloud CEO Thomas Kurian 将与多位行业领袖一道，为您揭示如何将 Gemini 的强大能力融入您的日常工作与业务流程，让 AI 真正为您所用。 洞悉前沿创新 我们将发布一系列旨在成为您团队“效能倍增器”的全新 AI 解决方案。您将第一时间了解 Google AI 的最新进展，将顶尖技术引入您的业务。 借鉴成功实践 本次活动将分享全球范围内超过 100 家不同规模企业的真实案例。从他们的成功经验中汲取灵感，了解 Gemini 如何帮助他们解决实际业务挑战，推动业务增长。 获取实战指南 我们不仅分享理念，更提供可落地的方法。您将通过本次活动： 观看实况演示： 直观了解 Gemini 的核心功能与应用场景。 部署负责任的 AI： 学习如何在实践中安全、合规地部署 AI 技术。 保障业务安全： 掌握从数据处理到应用开发的全链路安全策略。 不要再等待，立即行动，释放您业务的全部潜能。 活动详情 活动名称： Gemini at Work 活动形式： 线上直播 日期与时间： 2025 年 10 月 9 日，太平洋时间 (PT) 上午 10:00 至 10:45 主讲嘉宾： Google Cloud CEO Thomas Kurian 及行业领袖 👉 如果你需要 ChatGPT 代充 / Claude / Claude Code / 镜像 / 中转 API： ...

Chrome 浏览器正在经历其历史上最大规模的升级，通过深度集成 Google AI，旨在提升您的浏览体验，使其更智能、更高效、更安全。以下是 Chrome 引入的十项核心 AI 新功能。 1. Gemini 深度集成：随时随地获取智能协助 Gemini 模型现已开始集成到 Chrome 浏览器中，为 Mac 和 Windows 桌面用户提供强大支持（目前率先在美国向英语用户推出）。您可以随时向 Gemini 提问，让它帮助您厘清当前网页或多个网页中的复杂信息。 桌面端：已在美国向 Mac 和 Windows 用户推出。企业版 Google Workspace 用户也将在未来几周内获得此功能，并享有企业级数据保护。 移动端：该功能同样会登陆移动版 Chrome。在 Android 设备上，您可以通过长按电源键激活 Gemini。iOS 版本的 Chrome 应用也即将内置 Gemini。 2. 智能代理浏览：让 AI 为你处理繁琐任务 在未来几个月内，Gemini 将具备“智能代理”能力，可以为您处理耗时的繁琐任务，例如在线预订理发或订购每周的生鲜杂货。您只需下达指令，Gemini 就能在网页上代您操作，让您专注于更重要的事情。整个过程随时可以中止，确保您始终掌握控制权。 3. 跨标签页整合信息 Gemini 现在可以处理来自多个标签页的上下文信息。当您在多个网站之间比较和查找资料时，它可以快速帮您进行总结和归纳。例如，在规划旅行时，如果您在不同标签页中分别打开了航班、酒店和活动信息，Gemini 可以将这些信息整合成一份清晰的行程单。 4. 快速找回访问过的网页 您是否曾为了找一个之前看过的网站而费力地翻阅浏览历史？很快，您就可以直接通过自然语言让 Gemini 帮您找回。届时，您可以尝试这样的指令： “上周我看到的那个卖胡桃木书桌的网站是什么？” “我读过的那篇关于返校购物的博客是哪一篇？” 5. 与 Google 应用无缝协作 Gemini 与 Google 日历、YouTube、地图等常用应用的集成也得到了深化。现在，您无需离开当前页面，即可安排会议、查看地点详情。例如，当您想在 YouTube 视频中寻找特定片段时，可以直接询问 Gemini，它会立刻为您跳转到相应位置。 6. 地址栏直达 AI 搜索模式 Chrome 的地址栏（Omnibox）现在可以直接访问 Google 搜索的 AI 模式。通过这一模式，您可以提出更长、更复杂的问题，并获得由 AI 生成的详尽回答。您还可以方便地进行追问，深入探索相关信息。 ...

Gemini 是 Google 推出的一款 AI 聊天机器人，具备你所期望的 AI 聊天机器人的所有功能：浏览网页、进行深度研究、分析和可视化数据、生成 AI 图像和视频等等。然而，Gemini 最强大的地方在于它与 Google 生态产品的深度集成。你可以用一条提示词搜索 Gmail 中海量的邮件，或者快速总结 Google Drive 里的文档，而这一切都无需离开 Gemini 的聊天界面。 本文将为你详细介绍 Gemini 的使用方法。 注意：Gemini 同时也是 Google AI 模型家族的名称，为同名的聊天机器人提供支持。本文主要介绍的是 Gemini 聊天机器人的使用。 网页端与移动端使用方法 以下是使用 Gemini 的简明步骤： 访问 gemini.google.com 并使用你的 Google 账户登录。 在对话窗口中，可以点击模型下拉菜单切换不同的 AI 模型。 在主页的输入框中，通过文本、图片或音频输入你的提示词。 当 Gemini 生成回复后，你可以进行多种操作： 编辑原始提示词 输入新的提示词进行追问 对回复进行点赞或点踩 让 Gemini 重新生成回复 分享或复制回复内容 对回复进行事实核查 收听回复的语音朗读 查看同一提示词生成的不同版本回复 接下来，我们深入了解这些操作的细节。 1. 登录 Gemini 首先，访问 gemini.google.com 并点击“登录”。按照提示使用你的 Google 账户登录。如果你还没有账户，可以免费创建一个。 注意：如果你使用的是工作或学校的 Google 账户，管理员可能禁用了 Gemini 的访问权限。 ...

ChatGPT 已经成为一个现象级的 AI 聊天机器人，但许多人仍未尝试过。无论是在工作中处理事务，还是在生活中解决琐事，它都能提供极大的便利。从信息查询到辅助写作，AI 聊天机器人正在开创组织信息、创作内容和简化任务的新方式。 本指南将为你介绍 ChatGPT 的基础知识，带你了解它是什么、如何使用它，以及作为新手需要知道的核心要点。 ChatGPT 能为你做什么？ ChatGPT 的功能远超简单的问答。它可以： 回答问题：解答你提出的各种疑问。 总结文本：快速提炼长篇文章或文档的核心内容。 内容创作：撰写文章、邮件、报告甚至诗歌。 编写代码：生成代码片段或调试现有代码。 语言翻译：在多种语言之间进行互译。 需要明确的是，ChatGPT 的能力并非魔法，而是基于其训练的大型语言模型（LLM）进行的数学预测。这意味着它的回答可能存在幻觉（Hallucinations）、事实错误和偏见。因此，在使用时应保持审慎，将其作为辅助工具，而不是唯一的信源。 在实际应用中，你可以用它来优化简历、模拟面试、寻找购物优惠，甚至根据冰箱里的剩菜创建一份晚餐食谱。 第一步：注册与设置 开始使用 ChatGPT 非常简单，你可以通过网页或移动应用访问。 访问服务：直接访问 chat.openai.com 网站，或在苹果 App Store、Google Play 商店下载 ChatGPT 应用。 开始对话：打开后，你就可以像使用搜索引擎一样，在输入框中直接输入问题或指令。应用版本还支持语音输入和文件上传。 创建账户：为了获得更个性化的体验，建议创建一个免费账户。登录后，ChatGPT 会记住你的对话历史，并允许你进行一些自定义设置。 选择版本： 免费版：对于大多数日常查询和个人使用场景已经足够。 付费版（Plus）：每月约 20 美元，提供更强大的模型、更快的响应速度和高峰时段的优先访问权。 通常，在处理工作任务时，桌面网页版更方便；而对于快速查询或使用语音输入，移动应用是更好的选择。 第二步：掌握正确的使用心态 使用 ChatGPT 没有绝对的“正确”方法，但有一种“错误”方法——那就是完全依赖它，放弃自己的批判性思维。 为了更高效、更安全地使用它，请记住以下几点： 把它当作辅助工具：将 ChatGPT 视为一个思考伙伴或研究助理，而不是替代你完成所有工作。 结合传统搜索：同时使用 ChatGPT 和 Google 等搜索引擎，进行信息交叉验证。 始终进行事实核查：不要盲目信任 AI 提供的任何信息，尤其是数据、引言和关键事实。 带着明确意图提问：在使用前想清楚你的目标，这能帮助你构建更有效的提示词。 第三步：如何提出有效问题（Prompt） 提示词（Prompt）的质量直接决定了输出结果的质量。一个好的提示词应该包含充足的上下文信息。 在使用时，请务必遵守一个核心原则： 绝对不要输入任何个人敏感信息，例如信用卡号、身份证号、家庭住址或密码。 以下是一些构建提示词的示例： 示例 1：获取专业建议 假设你希望获得一份备孕期间的饮食建议。 一个简单的提示词可能是：“备孕期该吃什么？” 一个更有效的提示词则包含更多背景信息： 我今年 36 岁，女性，正准备开始试管婴儿（IVF）。我没有已知的生育问题，但 AMH 值偏低。请为我在取卵和移植前提供一份详细的饮食建议清单。 ...

个性化与协作 自定义 Gem 现已支持分享（2025 年 9 月 18 日） 现在，您可以与朋友、家人和同事分享您创建的 Gem。Gem 是一种自定义 Gemini 以实现特定目标的便捷方式，能帮助您在处理重复性任务时，无需每次都重新输入冗长的提示词和背景信息。 您可以将精心调校的 Gem 变成一个共享资源，帮助他人节省时间，更轻松地开始使用。例如，分享您的“每周膳食规划”Gem 来给朋友提供灵感，或是在家人出发前将您的“假期规划”Gem 发送给他们。 如何分享： 在网页端打开 Gem 管理器，点击您创建的任一 Gem 旁的“分享”按钮即可。分享方式与 Google Drive 文件共享类似，您可以精确控制谁有权查看或编辑您的 Gem。 创意工具升级 通过提示词重塑你的照片（2025 年 8 月 26 日） 我们推出了最新的图像生成和编辑模型，将您的创意提升到全新水平。新模型能更好地遵循您的指令，让您更轻松地获得理想效果。 您可以上传多张图片来组合概念、借鉴创意元素或融合场景，创造出独一无二的作品。此外，当您使用自拍时，Gemini 能更好地保持您的相貌特征一致，让您在任何想象的冒险中担当主角。我们希望通过此次更新，为您提供更精确的控制和更强大的表达方式。 Canvas 创作功能全面增强（2025 年 5 月 20 日） Canvas 现已推出全新的创作方式。通过新增的 Create 菜单，您可以轻松地将文本转化为各种动态内容： 自定义网页 可视化信息图表 互动式测验 沉浸式音频概览 您还可以直接描述想要创建的应用，Gemini 会生成代码来构建一个可用的原型，并与您协作进行后续的定制和修改。 此外，Canvas 中的 Vibe 编码应用也得到了改进。现在，只需几句提示，您就可以构建功能齐全的个性化应用。这些应用能够： 调用 Gemini 的功能 在不同会话间保存数据 在多用户间共享数据 将快捷方式保存到手机主屏幕 当应用出现错误时，Canvas 会自动尝试为您解决 我们致力于让您专注于创意构想，而将生成、编辑和修复等繁重工作交给 Gemini。 ...