很多人第一次用AI 写文章，都会有一种很熟悉的快乐：输入一句需求，几秒钟后，一篇稿子就出来了。

但真正做过公众号的人都知道，麻烦往往不在“第一版文字”。麻烦在后面：选题要不要换，事实要不要核，图片对不对，排版能不能复制，领导临时改方向怎么办，最后文件夹里是不是只剩能交的版本。

这次“玩转AI”没有继续写某个新工具发布，而是把一段真实的稿件制作对话拿出来，当成一个案例：看看 Codex 这类智能体，能不能把一篇内容从“差不多写完”继续推到“真的能发”。

Codex 是 OpenAI 面向复杂任务、代码和文件协作场景的智能体。在授权的工作区里，它可以读取项目材料、生成或修改文件，并按规则持续推进任务。放到内容生产里，它不像一个只会写几段话的助手，更像一个会跟着你一起返工的执行搭子。

一、真正的开始，不是“帮我写一篇”

如果只让AI 写正文，这件事其实没什么新鲜。真正有意思的是，这次任务一开始就不是“写一篇稿”，而是“按一套固定流程交付”。

对话里先定下了很多边界：选题阶段只给候选，不写全文；用户只回复序号后，才进入正式写稿；公开稿里只保留读者需要看到的内容；图片不能是泛泛的科技氛围图；公众号版字号也要统一。

这一步看起来啰嗦，但它解决的是内容工作里最常见的问题：人以为自己说清楚了，AI 以为自己听懂了，最后交出来的东西却总差一点。

二、需求会变，AI 也得能跟着变

真实工作很少一条指令走到底。中途，稿件方向变了：原来准备写“入口介绍”，后来改成 Codex 使用类文章；原来想用第一视角，后来又发现读者可能更接受案例拆解。

这就是内容生产最真实的样子：不是需求一开始就完美，而是写着写着，方向、口吻、配图、格式都在变。

如果AI 只能写第一版，它会在这里失效。Codex 的价值，是能把新要求并回原来的交付规则里：主题换掉，文章重写，配图重配，Word 和公众号版也一起改。

三、另一轮审稿，不是走形式

这次还有一个关键环节：不是Codex 自己写完自己夸自己，而是把稿件发到 DeepSeek 的“每周新闻”对话里，让另一个模型挑问题。

DeepSeek 第一轮意见很直接：稿子太像内部复盘，读者不一定关心“我怎么工作”；开头缺少 Codex 基础介绍；“跑完整流程”的说法容易让人误以为全自动；标题也不够像公众号新闻。

这些意见没有被机械照收。Codex 随后逐条回应：该补的补，该弱化的弱化，但也保留真实案例里的过程感。最后稿子才从“内部复盘”往“读者能用的案例”靠近。

四、最像真实工作的，是反复改图

写稿过程中，返工最多的其实不是标题，而是图片。

先是配图太泛，后来又被指出“不是内容相关”；有的图文字太空，有的图像单独人物图，有的界面是英文，有的地方还要检查文字溢出。最后，截图要求又变成：直接用真实对话视角。

这很真实。公众号文章不是把正文贴上去就结束，图片承担的是“让读者相信你真的跑过流程”的作用。尤其是讲 AI 使用案例时，越是抽象的能力，越需要具体的过程截图来落地。

五、最后剩下的，是那些最容易忘的小事

把一篇稿子做到最后，最怕的不是没有正文，而是各种小问题堆在一起：Word 改了，公众号版没改；图片换了，网站小图没压；公开稿里混进了不该给读者看的说明；文件名看着差不多，真正交付时又找不到最终版。

Codex 适合接手的，恰好是这些“单件不难、合起来很烦”的工作。

它能把交付物当成一组文件来看：Word 定稿、公众号排版 HTML、配图原图、网站压缩图、事实核查记录。更重要的是，它会按检查清单回头看一遍：图片数量对不对、网页字号对不对、公开稿有没有多余内容、文件能不能打开。

六、普通人可以怎么用？

如果你也想把一项重复工作交给AI，不要一上来就说“帮我做完”。可以先这样开口：

我想把【某项重复工作】做成一条可复用流程。请你先不要直接产出最终结果，先帮我拆成：输入材料、确认节点、可自动执行的步骤、需要人工判断的步骤、最终交付物、交付前检查清单。等我确认流程后，再开始执行。

这句话的关键，是先让AI 学会“什么时候不能乱动手”。

等规则稳定下来，AI 才不只是一个写作按钮，而会变成一个能陪你把事情做完的搭子。它不替你拍板，但能帮你少漏很多细节。对每天都要交稿、交表、交方案的人来说，这可能比“写得更快”更实际。

过去做一条AI视频，常常要把图片交给一个工具、声音交给另一个工具，再用剪辑软件把它们拼起来。MiniMax H3想解决的，正是这种“素材各管一段”的麻烦：文字、图片、视频和音频可以作为同一组参考材料，一起参与视频生成。

对普通用户来说，这次更新值得关注的不是又多了一个模型名字，而是做视频的入口正在变得更像一次完整的内容创作。

一、H3已经能用，而且不只停留在发布会里

MiniMax在7月31日发布H3，把它定位为通用多模态视频模型。现在，用户可以从海螺AI的H3官方页面直接进入体验；开发者也可以通过MiniMax开放平台调用模型。与此同时，ComfyUI已经原生支持H3开放权重工作流，可以在本地部署文本生视频、图片生视频和参考素材生视频等流程。

这里要分清两件事：在线平台和API更适合普通用户，操作门槛低；开放权重更适合有显卡、懂模型部署的人。开放权重不等于“任何电脑都能轻松跑”，更不等于生成完全免费。

二、它把四类素材放进了同一个“上下文”

过去给视频模型下指令，最常见的是一段文字，或者一张首帧图片。H3进一步支持把文字、图片、视频和音频放在一起，让模型同时参考人物外观、动作节奏、镜头语言和声音氛围。

比如，你可以提供一张产品图、一段运镜参考和一段背景音乐，再用文字说明“镜头从近景慢慢拉远”。模型面对的不再是一句孤零零的提示词，而是一套更完整的创作条件。

官方资料显示，H3可生成带原生立体声的视频；在线平台和API支持4至15秒、768P或2K输出。这里的“2K”指在线平台或API能力，不应直接套到本地开放权重工作流。ComfyUI官方教程注明，本地原生画布以短边768像素为基准，并有画布上限。

三、普通人最容易上手的，是这三种做法

1. 只写文字：先把想法变成短片

适合没有现成素材、只想快速试创意的人。写清主体、场景、动作、镜头和声音，比堆砌“电影感”“高级感”更有效。

2. 给首尾画面：让变化过程更可控

如果你已经有一张开场图和一张结束图，可以让模型补出中间过程。产品展示、海报动效和简单转场，都可以从这种方式开始。

3. 同时给参考图、视频和音频：让结果更接近你的目标

这是H3最有代表性的用法。参考图负责人物或产品外观，参考视频负责动作和运镜，参考音频负责节奏和声音风格。素材越多不一定越好，关键是每份材料分工明确，彼此不要冲突。

四、“开放权重”让它多了一条本地路线

对于普通读者，开放权重最实用的理解是：除了在网页上点按钮，还可以把模型下载到自己的设备或服务器里，通过ComfyUI等工具搭建工作流。这样更便于批量处理、接入内部流程，也能减少素材在多个在线工具之间来回传递。

但本地运行要付出显卡、存储、部署和维护成本。你还需要自己处理模型文件、工作流节点和参数设置。对只偶尔做几条短视频的人，先用在线入口通常更省事；对需要稳定批量生产、希望掌控工作流的人，本地部署才更有意义。

五、别只看榜单，先看它能不能完成你的任务

官方页面展示了H3在多项视频生成与编辑评测中的表现，但榜单会随样本和新模型更新。对普通用户而言，更有用的判断标准是三个：人物和产品是否保持一致，动作和镜头是否听指令，声音与画面是否真的同步。

第一次尝试时，可以从5秒左右的小任务开始：只放一到两份关键参考，先测试主体和动作，再逐步加入声音、运镜和更多素材。这样更容易判断是哪一项条件影响了结果，也能少花不必要的生成额度。

还要注意，上传他人照片、声音或品牌素材前，应先确认肖像、声音和版权授权。模型能合成，不代表内容就自动具备发布许可。

H3真正有意思的地方，不只是“又能生成更清晰的视频”，而是把图片、视频、声音和文字放进了一次创作里。过去需要在多个工具之间接力的流程，正在被压缩成一个更统一的入口。

如果你只是想让一张照片动起来，在线页面已经足够；如果你要把参考素材、声音和批量流程结合起来，再考虑API或本地开放权重。先从最小任务开始，往往比一次把所有功能都塞进去更容易得到可用结果。

过去用 AI，常常是你把一件事交给一个助手，从头问到尾。现在，腾讯云把“组队干活”搬进了智能体：一个主 Agent 当队长，多个子 Agent 分头研究、互相沟通，再把结果汇总回来。

先把对象说清楚：腾讯云近期介绍的这项能力，不是普通员工直接使用的“智能工作台”，而是腾讯云智能体开发平台 Claw 模式面向需要配置 AI 应用的技术人员或开发者提供的多 Agent 协作能力。

Claw 可以理解为平台里一种能自主规划、调用工具并完成多步骤任务的应用模式。听起来有点技术，换个说法就是：以前你请了一位全能助理；现在，这位助理可以临时拉一个项目群。

一、AI“小组作业”到底怎么分工？

这种“组队”也分两种。

最基础的是“单向委派”。它像项目经理分配：你设置一个主 Agent，再给它配几个角色不同的子 Agent。主 Agent 先理解任务，把工作拆开；子 Agent 各自完成后，把结果交回主 Agent，由它统一整理。组员之间不用互相讨论。

比如你要做一份竞品报告，可以让 3 个子 Agent 分别研究价格、功能和用户评价。它们不用互相聊天，最后把材料交给主 Agent 就行。这种方式适合需要分头推进、但成员之间不必反复沟通的任务。

如果任务更复杂，需要成员互相追问、质疑和接力，就可以在配置应用时进入高级设置，手动打开“允许多 Agent 团队协作”开关。这是应用配置，不是聊天过程中临时打开。

开启后，子 Agent 不只会向主 Agent 汇报，还能直接与其他子 Agent 沟通。官方目前允许一个团队最多包含 1 个主 Agent 和 19 个子 Agent。

但先别急着把 19 个位置都坐满。开了团队协作，也不代表每个任务都会自动组队；系统会根据任务需要决定是否启用。AI 团队和真人团队一样，人多不一定效率高，角色不清反而更容易乱。

二、三个普通人能用上的场景

场景一：做一篇需要核实的内容

假设你要写一篇公众号新闻，可以这样分工：

• 资料 Agent：收集最近 7 天的候选信息，并附上官方来源；

• 核实 Agent：检查日期、产品状态和收费规则；

• 审稿 Agent：专门找夸大、歧义和过时信息；

• 主 Agent：负责写作、取舍和最终确认。

这里有一个关键点：不要让好几个 Agent 同时改同一篇正文。腾讯云官方也提醒，多 Agent 同时编辑同一内容容易产生冲突。更稳妥的做法，是让它们分别提供材料和意见，最后只由一个 Agent 执笔，再由人确认。

场景二：做一次多角度调研

买设备、选供应商、做课程调研时，可以让不同 Agent 各看一个方向：一个查价格，一个查服务，一个找案例，一个专门验证风险。

单个 AI 很容易顺着第一条思路一直说下去。角色分开后，相当于多了几双眼睛，尤其适合互相挑战结论。

场景三：做一个小型应用

再往技术场景走一步，如果你要做网页或内部工具，可以让前端 Agent、后端 Agent、测试 Agent 分工。测试 Agent 发现问题后，可以直接把问题发给对应成员，不必每次都绕回主 Agent。

这类需要交接、反馈和返工的任务，才真正体现“团队协作”的价值。

三、什么时候别开团队协作？

第一，问题很简单时不要开。

查一个概念、改一段话、整理一张表，一个 Agent 就能完成。为了显得高级而组队，往往只会多绕几圈。

第二，流程完全按顺序进行时，不一定要开。

如果第二步必须等第一步结束、第三步又只能等第二步，普通工作流可能更清楚。

第三，要留意成本。

腾讯云官方提示，开启团队协作后，Token 消耗大约是单向委派的 2—3 倍。Token 可以简单理解为 AI 处理信息的计量单位，参与的角色越多、沟通越频繁，通常就会消耗更多。

从 7 月 1 日起，智能工作台和 Claw 模式应用运行任务均已结束限时免费公测，转为按运行时长计费；模型、工具和 Skills 还会消耗 PU。PU 是平台的通用计费单位，官方当前换算为 1 PU＝0.001 元。实际价格可能调整，正式使用前应以计费页面为准，并先用小任务测试效果和费用。

怎么选，可以记住三句话：

简单问答，用单 Agent。

需要分头查资料，用单向委派。

需要互相追问、接力和返工，再开团队协作。

多 Agent 最值得关注的，不是“同时叫来更多 AI”，而是把过去藏在一个对话框里的工作过程，变成可以分工、交接和检查的流程。

它不会自动让结果变好。真正决定质量的，仍然是角色有没有分清、资料来源靠不靠谱，以及最后有没有一个人负责拍板。

如果让你组一支 AI 小队，你最先会设置哪三个角色？欢迎在评论区告诉我。

前几期我们聊过桌面智能体、零代码应用，也聊过能围绕资料做研究的AI工具。本期轮到国产大模型里的“长文本老选手”Kimi。

7月16日，月之暗面发布新一代旗舰模型Kimi K3。官方公布的几个数字很抢眼：2.8万亿参数、原生视觉能力、最高100万Token上下文，并重点面向长程编程、知识工作和复杂Agent任务。

一、Kimi K3升级的重点是什么？

先说结论：K3的重点不是让简单聊天变得更花哨，而是提高处理“重任务”的能力。

过去用AI做复杂项目，经常遇到三个问题：资料一次放不全、对话长了忘记前文、任务步骤一多就开始跑偏。

K3把上下文上限提高到100万Token，适合处理大型代码库、成套项目文档和多份研究资料。这里要注意，100万Token是模型支持的上限；网页端需要相应的高等级会员权益，并不是所有账号默认开放。

它还原生支持图片理解。除了文字、表格和文档，你也可以把截图、图表、流程图一起交给它，让模型结合图文分析，而不是只读其中的文字。以前分析竞品页面，需要先用文字描述页面结构；现在可以直接把网页截图交给K3，让它结合页面布局、图表和文字一起分析。

至于KDA、Attention Residuals和MoE这些技术名词，普通用户不用背。它们最终想解决的都是同一件事：资料更多、任务更长时，模型仍能尽量保持思路连贯。

二、普通人可以用它做什么？

1. 给一整套项目资料做复盘

把几个月的周报、会议纪要、方案和数据表放进去，让它按“目标—进展—问题—下一步”整理，并找出前后矛盾和长期没有解决的事项。

以前我们需要在十几个文件之间来回翻，现在可以先让AI完成第一轮梳理，再由人核对关键结论。

2. 横向比较多份报告

一次上传多份行业报告时，不要只说“帮我总结”。可以直接要求：

这样得到的结果，更接近一份可以继续加工的调研底稿。

以前同时看几份报告，最费时间的往往不是阅读，而是核对同一指标是否采用同一口径；先让AI把差异列出来，人再回到原文确认，可以省掉大量来回翻找的时间。

3. 从资料直接做到成品

K3不仅能输出文字，还可以参与生成文档、表格、PPT和网站等可编辑成果。

例如，你可以让它先读取会议材料，再整理汇报逻辑、制作演示文稿提纲，最后检查遗漏。这种工作方式更接近“把整个任务交给AI”。

以前最容易卡在“内容已经有了，但还要重新整理成不同格式”；现在可以让AI沿着同一套材料继续往下做，减少在文档、表格和PPT之间反复复制粘贴。

4. 处理周期更长的编程任务

对开发者来说，K3更明显的优势是读取大型代码库，并持续完成修改、测试和排错。

普通用户即使不写代码，也可以关注这一点。因为模型能否长期稳定执行编程任务，也会影响它完成多步骤办公任务时的可靠性。

过去处理长任务时，模型常常做到一半就忘了前面的约束，还需要人工反复提醒；K3想提升的，正是这类持续执行能力。

三、怎么开始使用？

第一步，打开Kimi网页端或最新版客户端，在输入框右下方的模型选择器中切换到K3。K3也已经应用在Kimi Work、Kimi Code和官方API中。

第二步，把任务背景、参考资料和交付格式一次说清楚。比如：

第三步，不要拿到第一版就结束。继续让它检查遗漏、核对引用、压缩篇幅，或者把内容改成适合汇报、公众号和内部通知的不同版本。

记住一个实用公式：

复杂任务 = 输入材料 + 处理步骤 + 输出格式 + 核查要求。

这四项说得越清楚，AI越不容易跑偏。

四、K3、K2.6和K3集群怎么选？

如果只是问一个简单问题、查资料或改一句文案，响应更快的K2.6通常已经够用。Kimi帮助中心显示，K2.6在聊天场景中不消耗会员额度。

需要处理成套资料、复杂推理、可编辑文档或多步骤任务时，可以切换到K3，但会消耗相应额度。

如果任务涉及大规模搜索、批量处理或很长的内容，可以考虑K3集群。它更像“同时安排多名助手分头工作”，但同样会消耗额度。

五、使用前还要注意什么？

上下文更长，不代表结论一定正确。资料越多，越要要求AI标注来源，并对关键数字回到原文复核。

也不要随意上传合同原件、身份证件、未公开经营数据和公司源码。涉及内部材料时，要先确认单位的数据安全要求和账号权限。

需要说明的是，“开放模型”不等于普通电脑就能轻松本地运行。K3总参数规模达到2.8万亿，官方建议使用由64张以上加速卡组成的超节点配置进行部署。对大多数普通用户来说，更现实的方式仍然是通过Kimi网页端、App、Kimi Work或API直接使用。

写在最后

Kimi K3最值得关注的，不是2.8万亿这个数字本身，而是AI正在从“回答一个问题”，走向“接住一整套项目”。

对普通职场人来说，它未必适合每一次简单对话，却很适合那些资料多、周期长、需要反复核查的重任务。

与其拿它问天气、改句子，不如把积压很久的项目资料交给它，看看它能不能先替你完成第一轮整理。

你最想让Kimi K3接手哪一项重活？欢迎在评论区留言，我可以帮你把第一条指令写好。

企业做 AI 知识库，常常遇到一种尴尬：上万份合同、规范、报告整整齐齐码在系统里，看着挺全，真到用的时候 —— 想找跟某个项目相关的所有资料，搜出来一堆碎片，东一榔头西一棒子，拼都拼不起来。

有没有一种可能：知识库自己管理自己？

现在的知识库，为什么越用越鸡肋？

市面上的主流工具，路子就两条，各有各的坑。

一条是向量检索。把每份文档切成小段，做语义匹配。优点是省事，缺点是文件之间完全不连通。同一个客户出现在合同 A 和报告 B 里，系统根本不认识，跨文件查资料全靠人工手动翻找。

另一条是固定图谱。实体、关系都靠人一笔一笔标进去，精度高，但维护成本更高。业务迭代快的团队，每周都要花大量人力去补节点、建新边，一不留神就滞后。知识断层一旦出现，AI 给出来的东西就少胳膊少腿。

说白了，两类工具都缺一个能力 —— 自己长大、自己更新的能力。 知识库建完的那天，就是它开始变旧的那天。