來源：YouTube | 00:21:17 | 2026-05-25
Pi Agent 透過「極簡底座 + 可插拔技能」的設計，將 AI Agent 的控制權從開發者交還給普通人，以極低的 Token 消耗與高度的個人化彈性，重新定義了日常任務自動化的範式。
- Agent 的兩種路線：區分以產出程式碼為核心的 Coding Agent（如 Claude Code、Codex）與以完成日常任務為核心的 General-Purpose Agent（如 Pi Agent），後者更適合非開發者上手。
- Pi Agent 的極簡主義哲學：其底座僅保留檔案讀寫與命令執行等核心功能，拒絕內建龐大的預設提示詞，使其反應更快、成本更低、注意力更集中。
- Skill 機制解析：Skill 是 Pi Agent 的擴充模組，如同給 Agent 的說明書，讓用戶能按需賦予其搜尋、讀取 PDF、語音合成（TTS）、圖片生成及製作影片等能力，實現高度客製化。
- 實戰串接工作流：演示如何將搜尋（Tavily/Brave）、文件處理、TTS、生圖（Imagen）與影片製作（Hyperframes）等單一技能，串聯成自動化研報生產線。
- 成本與效率優勢：相較於其他 Agent 動輒上萬 Token 的系統提示，Pi Agent 的系統提示僅約 1,500 Token，在日常任務中顯著降低了 Token 消耗並提升了模型的專注度。
-
「減法」帶來的架構優勢：系統提示的守門員效應：在當前的大型語言模型中，「注意力」是一項稀缺資源。Claude Code 或 OpenCodex 為了處理複雜的程式碼庫，必須在系統提示中載入大量的編碼規範、工具描述與運行時環境細節，導致上下文窗口被侵蝕，不僅推高了 Token 成本，更稀釋了模型對核心任務的專注力。Pi Agent 的設計符合「少即是多」的原理，它將底座保持在極度輕量化，把特定領域的指令推遲到呼叫 Skill 時才注入，這不僅降低了 10 倍以上的靜態成本，更確保了模型在執行日常任務時也不會被編碼術語所干擾，展現出更高的準確度。
-
Skill 的「可組合性」優於「全內建」的工程美學：歷史上，軟體工程長期在「單體應用」與「微服務化」之間擺盪。早期的 AI 工具傾向於做成瑞士軍刀式的單體應用，看似功能齊全卻臃腫笨拙。Pi Agent 採用了類似微服務的架構思維，將搜尋、PDF 解析、TTS 等功能以 Skill 的形式鬆散耦合。這種設計解決了「工具膨脹」的困境，使用者無需為用不到的功能付費（包含 Token 費與認知負荷），更重要的是，它將工具開發的主動權交給了社群，任何人只要遵守 Skill 規範，就能無限擴充 Agent 的能力邊界，形成一個去中心化的能力生態。
-
從「寫代碼」到「交付結果」的斷言式互動轉向：傳統的 Coding Agent 本質上是「對話式的副駕駛」，互動模式圍繞著產出程式碼檔案；而 Pi Agent 代表了一種「斷言式的自動化」，使用者只需描述最終想要的狀態（例如：一份帶有圖文與配音的報告），Agent 會自行拆解任務、選用工具並直接交付最終產物。程式碼在 Pi 的工作流中僅是達成目的的中間手段。這種轉向極大降低了 AI 工具的使用門檻，讓那些不懂 HTML、不懂 API 串接的使用者，也能透過自然語言驅動複雜的數位資產生產線，真正實現了「意圖即服務」。
-
Hyperframes 的實體化：運算渲染作為錄影的逆轉式：在影片製作環節，原影片推薦的 Hyperframes 並非直接計算像素，而是生成帶有動畫邏輯的 HTML 網頁再進行逐幀渲染。這是一個極具巧思的工程折衷方案，它解決了當前 AI 生成連貫長影片的不穩定性與高成本問題。HTML 本質上是一個確定性的渲染引擎，透過 SVG、CSS Animation 和 JS 控制轉場，不僅保證了影片每一幀的物理邏輯精確，更保留了後續人工微調的空間（只要修改文字或數值即可）。這暗示了未來 AI 生成內容（AIGC）的一個新路徑：由 AI 生成結構化的中間碼，再由傳統引擎高品質執行，兼顧了智慧與可控性。
-
從「對話窗」到「操作系統中樞」的跨越風險：隨著 Pi Agent 被賦予了讀寫檔案、執行指令、甚至管理環境變數的權力，它實際上正在從一個受限的聊天機器人轉變為一個具有系統級管理權限的智慧代理。雖然這帶來了極大的生產力提升，但也帶來了巨大的安全挑戰。當日常任務的 Skill 與讀寫 API Keys 的系統配置交織在一起時，缺乏安全意識的普通使用者極易遭受「提示注入」的攻擊，或因為自動化執行不當的清理指令而遺失重要資料。如何在使用者自由與系統安全之間建立隔離層，是此類極簡 Agent 邁向大眾化必須跨越的深淵。
| 概念 | 說明 |
|---|---|
| Pi Agent | 一個強調極簡底座、透過安裝 Skill 來擴充能力的通用型 AI Agent，專注於日常任務而非純代碼撰寫。 |
| Skill (SQL/Skills) | 給 Agent 的擴充模組或說明書，用於賦予特定的垂直能力（如搜尋、語音、生圖）。 |
| System Prompt (系統提示詞) | 模型在每次對話前載入的背景指令，Pi Agent 僅約 1,500 Token，遠低於同類工具的 1-2 萬 Token。 |
| Coding Agent | 預裝了大量編碼框架與執行環境提示詞的 AI 工具，產出的核心目標是程式碼專案。 |
| Hyperframes | 一個透過撰寫 HTML 動畫邏輯並逐幀渲染來生成穩定教學類影片的 Skill。 |
| Token 消耗 | Pi Agent 在執行相同任務時，Token 消耗量約為其他 Coding Agent 的三分之一甚至更低，成本優勢明顯。 |
Pi Agent 的崛起標誌著 AI 工具市場正在經歷關鍵的「消費級分化」。長久以來，真正的高階 AI Agent 幾乎與「程式設計輔助」畫上等號，Claude Code 和 OpenCodex 等工具主要服務於開發者，使得非技術背景的職場人士難以享受到 Agent 帶來的自動化紅利。Pi Agent 的路線揭示了一個巨大的藍海市場：將 Agent 的技術核心從「產生程式碼」轉移到「組合微服務」上。
這類極簡且可高度客製化的工具，對軟體服務商（SaaS）構成了潛在的威脅與啟發。當使用者能夠隨時為自己的 Pi Agent 安裝一個處理表格的 Skill，並透過自然語言完成複雜的報表分析時，某些門檻不高、功能單一的專用軟體可能面臨被「Agent 化」的降維打擊。未來的軟體競爭力的衡量標準將不再是功能多寡，而是能否提供一個標準化、強健且安全的 Skill 接入介面，讓 AI 能夠更高效地呼叫其底層演算法。
- "Coding Agent 解決的是開發的效率；Pi Agent 解決的是工作流的效率。"
- "世界上有很多其他類型的 Agent，但 Pi Agent 是你自己的 Agent。"
- "你不用去懂 HTML 裡的代碼是什麼意思，你只要告訴他你想要什麼結果。"
點擊展開完整字幕
本帝Agin是AI发展现在最重要的领域了 也是普通人跟上这AI时代我觉得最直接的方式 如果你现在的人家每天只是跟那个聊天机器人在问一些问题 还没有正式去接触过本帝Agin的 觉得概念态度没有头续 不知道从哪里开始 这个视频就特别适合你 它不是一个简单的这个工具教程 好 除了告诉你普通人使用Agin的这个方法论 不管你是用哪一个Agin的 都可以用上这套罗记 如果让我来给Agin的排名的话 我觉得世界上替零级别的应该是四个 Code,CodeX,OpenCode和拍Agin 如果你有自己用的顺手的Agin 其实大致的邏輯都是一样的 但我今天想带大家吃点好的 刚才提到的前三个Agin的主要的作用 基本上就是帮你写代嘛 因为你看到它名字里面都带有一个Code这样一个单次 你可以在网上说到大量大量的教程 但其中这个拍Agin的视频里面最冷的一个 国内我看到网上几乎没有人特别去了 我这个主题 但是呢 它也是最特别的一个 因为它不是去专门帮你写代嘛的 它是帮你去完成日常任务的 大家看,在这个Open主头的排红绑上的 带的这个每天的头肯消耗量是排在第六名的 除了前面两个乱消耗的大哥 它仅仅的排在大名定定的Code后面 Open来CodeX负责人今天还说 它们大概有15%的生产留量 已经跑在了派 它也是出来的Agin的商品 别开这百分之五 你放在CodeX这个量几的工具里面 我觉得已经很夸张了 然后大家会了解到说 做同样的事情 其实派的消耗量会小很多 所以它排在第六名的 我觉得已经很厉害的 最近三个月 派是我用的最多的AI工具 所以我今天就想用拍Agin的 来给大家做一个Agin的和Skill的入门教续 我会手把手来教大家做三件事情 第一个就是安装起动拍Agin的 第二个就是我们一边装Skill 一边去演示案例搜索的 读Pdf读RfS的语音 生图做视频 每一步我们现场都去跑一遍 第三部分呢 最后我会让拍Agin的去做一个完整的大单案例 调言并且去自动生产一个很酷的视频 然后再说面提拒 观看这个视频 我觉得最好的学习方法 是你打开你的电脑 一边看我的视频 一边自己去动手 视频可能有点长 大家可以先点赞收藏 然后慢慢看 我们现在正式开始 我们先来说一个很重要的区分 就是像 Call Code Code X Open Code 这些都是代码智能器 这个Agin是主要的目的 就是去写代码 产出就是代码 你让他去写一个功能 他教父给你呢 就是整个项目里面的这个一个个文件 比如说我拿 Call Code的距离子 他里面就预装了代码的所有影测 是运行给的操作 编码规犯 整套都是我要着更好的去交付 代码项目去设计的 开箱机用 写代码的确实是非常方便 但大家平时任务其实都不一样 不是每个人都天天坐在那边写代码的 你可能想要去搜资料 读PDF 整理表格写会爆套PVT 如果你预装一套通用的编辰的工具 其实没有办法去照顾到所有人的日常办工的需求 他也是怎么解决这个问题的呢 他在设计思路啊 其实跟其他的Agin的都不太一样 将Agin他大家知道功能越来越多 他也是反过来的 他是一个极杰主义者 他把底座做的非常极杰 只保留四个最细数的工具 读文件 写文件改文件和跑命令 除此之外呢 其他什么都不装了 他为什么这样设计呢 是因为他想让你去大一个自己的Agin的 如果你是搞研究的 你可以装PDF装搜索的SQL 如果你是办工的 你可以装表格的这个SQL 如果你想让他开口说话 你就去装AginTTSSQL 如果你去想做视频就去装 Hyperframes 你装一个SQL Agin就多一下能力 每个人手中的派 最后长的都不太一样 大家看他这官网上的口号也是这个G4 世界上有很多很多其他不同类型的AginTTS 但是这个派AginTTS 就是你自己的AginTTS 这句话呢 就是最精确的表达 他这个派AginTTS 设计的这个基本理念 上面我提到了好几次的这个SQL SQL具其实什么东西呢 就是一份给AginTTS说明书 一份给AginTTS操作首次 AginTTS读完之后呢 他就知道怎么来具体的干活了 那么看 他底座保释极杰 能力就是你可以安需取安装 这就是派的设计死入 照这一能可能有些朋友也会好奇啊 就说你这是差别到底能有多大的 听起来好像也差不多吗 我给你举一个聚写例子 如果你平时去用靠口的发一条你好发一条哈喽 这个系统骑士词就会战到你两万的头肯 像Codex跟OpenCode可能稍微少一点 但一万五千次的头肯左右 派有多少呢 派的系统骑士词啊 不到一千五百次 插出十几倍 这会大概直接的三个好处 第一呢 就是快 上下文短 模型就会算得快 结束的答案也会快 第二点就是审头肯 我自己的提感就是做同样规模的任务 头肯消耗大概只有靠口的三分之一左右 甚至更少 第三点呢就是聪明 模型的注意力是有限的 大家知道如果你的骑士词越长 模型可能它的助理就越算算 在派里面没有一万次的预设的这种 为了编辰的骑士词 在旁边去搶注意力 在同一个日常的任务当中 派就是比靠口的更聪明更听话 这个提感就会很明显 在回到开头说的欧伴如何的排名啊 派的对话每次消耗的头肯 只有其他A政策的几分之一 我觉得这个寒经量就很高了 说明在海外在这个极客圈里面 也就一大批人把派 当成日常工具在用了 然后呢派 默认呢他是跑在这样的这个秘密航里面 你看到有点凡所 所以呢我给他包装了一层网页 把它做成一个简单的这个容易使用的应用 这个项目呢我自己大概已经使用了三个月左右 我跟我的朋友们基本上每天都在用 确实把我很多日常的工作量都穿得起来 我觉得非常的顺手 所以我现在公开出来的开源出来的 如果大家有需要的话 也可以直接拿去用 下面的演示呢 其实就是用我自己开发的这个派的应用 好 我们先来安装这个派 怎么安装呢 大家首先来先来安装 认为JS 这个呢 几乎是你去装所有的A政策 对我去依赖的这个一个基础的东西 如果你之前安装过 那你就跳过这一步 如果你没有安装过 你就在这边选择自己合适的电脑的环境 然后下载安装包 双机之后呢 一直下一步下一步 他就帮你自装安装好了 然后呢打开你的中端 在啟动之前有一个科选的步驟 就是设置国内的静向加速 你可以去搜一下NPM国内的静向加速 这里我用的是谈讯的静向加速 就是输入这样一行命令 然后直接回车就可以了 设置好静向战之后呢 我们就可以起动派了 如果你是Windows你可以点击菜单 打开你的拋销应用 如果你是Mac 可能直接打开中端就可以了 所有的都是这样同一条命令 然后回车 他会问你试否继续 你说外代表试的 刚刚输入的这条命令的意思是什么呢 就是运行我开发的派外表的最新版本 他手次运行需要下载一些 像母文件也会卖一点 之后更新的时候呢 都是会从短存里面去加载 会快很多 安装好之后呢 他就会自动谈出这个派的网约应用了 就是大概讲这样子的 看到左边呢 就是文件流量器 你可以选择一个自己的幕路 或者用我这里设置的幕镇的幕路 然后下面呢 大家可以看到可以设置模型 可以设置添加自己的机会 然后中间呢 就是我们非常熟悉的这样一个对话 黄的拍A晶投外表 然后你可以在这里输入文字 也可以上山图片 然后可以选择一些参数按模型等等 然后呢第一步 我们就是要先来添加我们的模型 因为你没有模型的话 你就A晶投作在好 其实也没有用 点击这里的模型 点击添加模型服务商 我们看到派这是很多这个官方的供应商 然后也支持走这个GVG的订阅 如果列表里面没有呢 你就选这个Custom自定意义结口 这一步就跟你配置其他的A晶投结口一样 添好BX2L添好你的APIT 然后点保存就可以了 添加好服务商之后 我们在这里选择添加模型 我们添上模型的名字 我们今天用的是GVG5.5 最近用5.5 下太爽了 亮有大然后能力有强 这一代勾选上它的推理模式 然后可以允许图片输入 然后把最强的X彩的这个思考模式选上 双口我们选择20万 然后这里添个64的这个最高的投款输输保存 然后我们来来测试一下 发个你好 我们看到模型已经通了 然后我发送我问他一下说 看一下我的中面上有什么 你看他已经能读取我电脑上 中面上的这个文件了 其实就是我们下载完派之后 什么功能都没家的派 已经能做不少的事情了 比如说整理文件家 然后批凉改文件的名字 执行命令跑脚本 只要是本地电脑上 通过文件和命令完成的事情 派它基本上 都可以帮你去完成 好了 到这一步维持我们看到我们A晶投结 已经调通了 接下来我们开始学习Skills 很多人觉得这个价业实在 概念太多发展太快 不知道从哪里开始 那就老老的记住 一个公式A晶投结 加上Skills这样就可以了 这是对于普通的来说 现在最基本的框架 最本质的邮集 下面我演示点 不单纯是去装一个Skills 因为我这里也加了一个 很方便的装Skills的价格按钮 我会装一个Skills 然后马上跑一个小任务 因为看到说 我的派怎么样 从一个只能读写文件的这样 一个本级的A晶投 一步步的变成一个能搜索 能读资料能说化能生涂 点击Skills 然后我们这里添加Skills 你可以去搜索Skills名字 然后选择 里面想装Skills 点击安装就可以了 这里有两选项 一个叫做 Global一个叫做Project Global意思就是 说你在Global 情况下 安装的Skills 是所有你的项目 都可以去Skills 如果你在Project 里面去安装的Skills 就是只有这个项目 你可以用这个Skills 它项目的不能去 使用这个Skills 所以我一般就默认 就选Global 今天我会来装几个 我平时最常的Skills 附改基本上 90%的市场的场景 第一个就是要安装SOSO的Skills 让我的拍A准成能够去 连网SOSO 未知能起提供SOSO 服务的商家有很多 我这一推荐两个 第一个就是这个Tablet Search 它注射很简单 你也非常好 每个月有1,4的SOSO 而度很适合新手去使用 第二个就是 Brave Search 它的SOSO结果会更好眼 但比较麻烦的 就是需要保障性用卡 你Fareil度也是1,4是这样的 我这里先给大家演示 Tablet怎么来 安装 我到这里直接搜索Tablet Search 点击安装 安装好了 然后我们去Tablet Search的官网 注射一个免费的账号 然后可以把这个Keyfood之过来 回到派之后 接给他说 帮我去设置Tablet Search 用的Keyfood Keyfood是什么 就是你刚才food之过来的这个Keyfood 然后拍会自己去写入这个配置 它配置好之后 我们马上来是一个小任务 看才能不能搜索 搜一下最重要的舞条AI新聞 按重要程度排序 每条说明发生了什么 为什么重要 是不适合做短视频 保存到一个News点MD文件 我看到这个Pine开始 调用搜索的Skilled 然后去整理结果 它不是只给我 随便很多的一大堆的练界 你看它这里有一个 平价搜索结果 它可能会把新文去 去重排序 然后再按照我的需求 判断哪些更适合去做短视频 好了 你看最后帮我们申成一个News点MD文件 存在了我们当前的幕路下面 我们来看一下 在右边我还写个越南界面 给到这个拍一人的训用 那五条AI新聞非常清楚 我就很厉害 除了这个Type4许之外 如果你想要得到更好搜索结果 你可以去安装这个Blesser去 然后也是一样 就是点击这个天价SkilledS按钮 这有很多搜索结果 我推进的是这个Blesser 它写的Blesser去的Skilled 因为Blesser老解卡 其实是拍的作者 我觉得它写Skilled 会比较好一点 之后的部罩也更刚一样 这里点击按钮 按钮好之后 我们去Blesser去的官网 举注策一个战号 深情的API-K 然后把API-K 负质给我们的拍一键 它帮我们去配置就可以了 好 搜搜搜给我们按钮 完之后的第二类 就是去读文件Skilled PDF相关 我推进的是这个OpenAI 发布的这个Skilled 文字版的PDF 它会提取文字来读 掃描版PDF 你需要在拍的模型里面 设置里面打开 刚刚的那个图像 实验能力 到模型能够看到PDF里面的图 按钮 好了PDFSkilled 我们按钮好之后呢 我用DFC可Vs的技术报告 来设施一下 我把PDF 拖进我的这个 工作幕路里面 放进去之后呢 刷新影响 文件Skilled能力能够可以看到 这个报告了 我们可以爱在这份报告 然后直接跟大家说 读取这个PDF 总结里面的核心信息 然后我们看到 这个拍呢 会自己去调用 我们刚刚按钮的这个PDFSkilled 把世界的报告都去读玩 最后整理成结构化的总结 这一点重点是 我不用去负质PDF的内容 也不用自己去提取文字 直接把文件丢给它 剩下的呢 叫它自己去处理 绝凡3号 其实PDT 然后我的Exel 其实都能按钮Skilled 我的呢是用来读文档的 PDT呢是用来拆这个 演示文稿的 一个是用来处理表格的 PDT里面门到是最多的 这个视频里面 我就先不展开了 后面有机会再做 单独的视频 跟大家讲解一下 这个视频呢 只跟大家展示这个 最基本的这个文件的读取能力 到这一部位置 其实你的拍Exel 又能连往去搜索 也能读本地的各种 类型的文件资料 然后接下来第三部呢 我们想让我们的这个拍Exel 能够开口说话 所以还用同样的办法 去安装这个 ITSkilled 这个Skilled 不需要认会上号的 其实直接安装 然后就能用了 不看了 刚才这个拍呢 已经包我们生成了这个 一份新闻的检报 然后呢 我现在想把这份检报 变成与赢跟网业的 我们开一个这个新的 会话双口 拍下这份文件 把这份文件改成 一分钟的口播稿 转成与赢 做一个HTML检滅 里面包含文稿 和音频 拍板简单直观 然后呢 帮我打开这个网业 发送 第三分钟 左右这个拍就突然 帮我们跳出来的一个 这个我们刚才要求的 HTML也面 它刚才先帮我们写的文稿 然后再调认为 ITS的生成音频 然后呢 写了一个这个HTML 把文稿跟音频放进去 最后直接帮我谈出了 打开的这个网业 我们来播放一下 一分钟口播稿 本周五条 请问大家好 这里是一分钟 AI快信 第一 OpenAI的推理模型 在80年数捡单提上 找到新购早 AI正走进真正的前线科研 现在呢 这一步大家要没有感觉 其实已经有点这个工作流的感觉了 之前呢 搜搜给有负的早信息 拍负的整理 TTS呢 负责把它变成与音 HTML网业呢 负责把这个结果 落地成一个 可以打开 可以分享的这样一个文件 我们看到它这个步驟的总结 先生成一个口播稿 然后转成一个MP3的 音频格式 最后呢 我们看到的网业 以前聊天机器的这样 只能把结果 舒服在你的对话狂里面 拍呢 去可以把答案变成 电脑上的文件啊 网业啊 音频 很多人担心 HTML跑任我 会不会很贵 很像好偷课 这么差一段的这个任务是吧 但我的提感是 这种小任务 成本完全没有想象中的高 像我跑任务 这么长一段的工具 掉用跟执行 大概花费呢 是0.3美元的个度 但实际支出要记得多 因为订阅一个200美元的套餐 这也5000到100美元的这样 一片的个度 更关键的是 派其实他的上下文 其实是很短 偷肯下号呢 比其他代码只能提到 低很多很多 第四个功能 我们给派来增加 深圳图片的功能 接下来我们就来安装 这个现在的最强的 深度模型 GVTM2 好安装好了 这个机会原理 其实是掉用 Codex里面的GVTM2 来深圳 如果你订阅的GVT Plus 或者Pro 就可以把深圳能力 也交给派去使用 我们来试一下 这个机会 对的话窖窖 我们还是给刚刚我们深圳的 这个新闻来配图 根据这个文件的 低调AI新闻 用GVTM2 深圳一张 适合短视频封面的图片 风格是剪结的 3D科技感的图片 好 任务完成了 我们先来看一下 低调新闻是什么 就是欧伯艾在 推理模型 在数圈南机上找到新的 构造 看一下这个图片 非常不错 就是完全符合了 我们要求有这个科技感 然后主题也是 刚刚那个AI新闻的那个主题 有个小问题跟大家说一下 在Mac上是直接可以用的 在Windows上 如果遇到这个交本报错 其实完全不用换 就是万事界问个AI 让你的这个拍一句 才帮你去剪查 你的SQL里面的交本 有哪里有8个 然后修复在运行 它自己完全能够修好 到这一步 我们其实看到 我们的拍已经能搜索了 能独资料 写文稿 深圳与金深圳图片 那最后一步 我们就是让它来 增加这个做视频的功能 我们直接搜索 iper frame 看中 那是我最近特别喜欢用的一个SQL 它非常适合做这个 讲解类的视频 产品介紹科普动画 然后过程演示 它的思路也很巧表 不是去直接让AI 深圳视频 还是先让Ajunt 写了一个 带动画的HTML网页 HTML因为是用 代码组成的 所以它深圳的时候 非常稳定 又可编辑可预了 然后再逐争去 训然成一个完整的视频 而且对你来说 你完全不需要去 懂HTML里面的代码 是什么意思 你只要告诉他 你想要什么结果 按照好之后 我们来先跑一个 比较小的带某 停开一个 对话框 用Hyper frames 做一个20秒的动画 解释什么是Ajunt 只剩成HTML 不需要去训然视频 我们来看结果 你看它剩成好的 按照标题 然后转场 突行动画 字幕的节奏 这个东西 你继续加上一些语音 加上一些图片 其实就能变成一条 完整的视频 我们给拍Ajunt 配上了这五个功能之后 我们最后来验整一下 我们现在这个拍Ajunt 他应有的能力 比如说我问他 你现在按照哪些Skills 他们的位置在哪里 你看拍会 把他现在所有的技能都给列出来 到这里 Skills 一个一个都结所了 搜索的独资料 语音的生图的视频 单独看 你其实看每一个都不复杂 但如果我们把它串起来 就能做很复杂很复杂的任务 最后我们就来把这个整合起来 一起来做一个大的项目 最后这个案例里 我们想做一份行业的调言会报 加上我现在想要研究一个问题 就是一台英伟达的GV200M一定 可72的AI机贵 要卖300万美元左右 那这些钱到级会用在的哪里 花带的哪里呢 我直接跟我的拍一句 说对了一个调言项目 一台英伟达GV200M一定可72的AI机贵 钱到级花带的哪里 要求做成中文的 HYPER FRAMS言奖 用TTS配音 用GVTMS2生成 图片素材 关键数字数据 必须有来源 不确定地方的写新属是孤算的 长度大约是两分钟左右 需要有字幕显示 不需要宣染视频 发送 就这句话 其实我只要说 我需要什么结果 叛呢 就开始帮我自动拆解任务了 第一步呢 他会先调用这个搜索 scale 去查英伟达官方的资料 级B200MV200MV200MV 可72的这个产品信息 公开的报道 或者成本的孤算 第二步呢 他会帮我去整理这个资料 把关键的数字跟来源 都单独记录下的 第三步啊 他开始拆解成本了 比如说包含算理核心 网络的护联 夜人之类的这些成本 这步呢 他会开始写中文的演讲稿 把很硬的这种 硬件的名词 翻译成人能听得懂的话 第五步呢 他调用CPTM2去深成图片素材 第六步 他调用ITTS 深成中文的语营解说 第七步啊 他才会用Hyper frame是 把标题业 成本拆解图片 动画已经全部组合成一个演讲的见面 我拿到呢 是这样一个完整的项目文件家 里面有资料的笔记 有成本的拆解 有中文演讲稿 由于语营的文件 有所有图片素材 最重要的是 还有一个可以直接打开遇 这个Hyper frame的这个业面 大家看一下这个效果 非常完整的一个介绍 英文的AI机贵的这样一分 视频的资料 今天看一笔长 一台英文的GB200NVL7RAI机贵 300万美元花在哪 先抗规格 英文大官方说明 NVL7R在叶冷机贵里 连结36个 Great CPU和七十二个 不太快有GPU 组成一个七十二GPU的MB领域 整个MB领通行带一块一百三十TBS HBM3以约13.4TB 价格没有公开标价 Tons Hardware 2026 引用宴内来源 给出二百八十到三百四十万美元 2024年HSBC估计约三百万 下面按三百万美元中为树算 第一项三十六克GB二百四per成 HSBC估每颗六到七万美元 合级二百一十六到二百五十二百美元 战争贵约七成到八成 单颗四per这里 要价值来自两颗 不太快有GPU Great CPUHBM和新金封装 Apple AI估算 单颗比二百至少成本 约六千四百美元 HBM接近一半 新金封装约一千一百美元 罗记归天地约百分之十五 第二项互联合网络 级位也有九个MB领域水 还有童蓝 看来战士王卡 罗非有地幼 管理网络合本地存主 公开资料没有主乡价格 按三百万总价 扣掉四per之后 这部分和其他行件 合级大约几十万美元 比三项工程成本 安妙七二公号约一百二十千 网络约一点三六顿 你需要业冷 公点机会结构 测试和集成 汤操软 也摸点三个数据 级比三百安妙七二的冷血部件 不约四点九八六万美元 这个数字 值代表冷血部剑量级 不含机房子 稀利用配一点合约美 结论很简单 最大钱在GPUHBM 先紧封装和MB领域生态 第二层是业冷和电力工程 在网外是攻击西缺软件战 制保和整顾集成一家 最不确定的两项 是实际成交假 和非芯片红柴分 他们随客户 财购量和合同变化 这就是 拍Agin和价值 相信大家都写到很多了 对我们最后带来回顾一下 Agin呢 现在大概上可以分为两种 CodingAgin的 达的产书是带马 帮你写项目 派这种日常任务的Agin 产出的是结果 带马只是中间的一些手段 以CodingAgin是预止财 内致了一套完整的写代马的流程 工具提示此 派是个性化的 是自己打的 它的底座级剑 能力靠SCO一个一个王联家 每个人最后用到的派 其实都长得不一样 所以这期视频的重点 是看我们怎么一步一步 要去解锁这个派的能力 装搜索 它就会连往 装PDF跟Alfred 似它就会去逐资料 装HDTS 它就会开口说话 装机BT因为去去 它就会生成图片素材 装还会Fremse 它就会做 带动化的演讲跟视频 对的话 当你把这些单一的SCO串起来的时候 就突然发现它强大的能力 它能完成一个真正 像工作一样的 任务通一句话开始 交付一份完整的 行业调演演讲报告 CodingAgin的解决的是 开发的效率 派解决是工作流的效率 好了 今天视频就到这里了 我是第一次我黑情影响 我们下次见