不会真是大家伙想的那样吧，害怕，京东预售定金3k bilibili.com 直拍｜超仿生人形机器人U1系列_哔哩哔哩_bilibili 搭载养成系情感大模型，本地加密存储记忆，支持多维度外观定制，现已正式开启IP合作。更多超科技惊喜，陆续揭晓，请持续关注, 视频播放量 66432、弹幕量 95、点赞数 2723、投硬币枚数 142、收藏人数 619、转发人数 2574, 视频作者 优必选科技, 作者简介... 1 个帖子 - 1 位参与者 阅读完整话题
它能干什么 拍一张全身穿搭照，AI 会从五个维度给你的穿搭打分，给出具体的点评和改进建议。还可以生成一张 Q 版穿搭海报，适合发朋友圈。 拍一张单品的照片（比如一双鞋、一件衣服），AI 会帮你分析这件单品适合搭配什么样的裤子、上衣、配饰，也会生成搭配效果图给你参考。 为什么做这个 我自己的衣服不算少，但每天早上站在衣柜前面还是不知道该穿什么。经常要在镜子前面反复搭好几套，最后穿出门的还是最常穿的那一身。而且说实话，自己觉得搭得不错，到底好不好看其实也没底。所以就想用 AI 来帮我做这件事——拍张照就能知道穿得怎么样、哪里可以改进。 还有一个场景是，有时候看中一双鞋或者一条裤子，但又担心买回来不知道怎么搭。让 AI 先帮我看看这件单品能跟什么搭配，心里就有数了。 后面打算做的 接下来准备加一个衣橱功能，可以把衣服一件件拍照录进去，之后让 AI 直接从衣橱里挑选每日穿搭。 交流 想跟大家探讨下这是个伪需求吗？另外也想请大家试用下，给点建议。
我目前正在做旧项目按功能维度迁移至 Vibe Coding 项目，已提前约定技术规范、架构约束等要求。 现有翻新执行流程： 借助 AI 梳理总结老项目单个核心功能点 基于总结结果罗列全部功能点 根据功能点制定迁移翻新 TODO LIST 依照 TODO LIST 落地迁移改造 目前有两个比较大的问题 AI 梳理内容存在选择性遗漏 AI 梳理、改造时容易漏掉配置化代码、第三方接口请求等隐性逻辑。 新架构规范与老旧代码冲突，AI 改造丢失原有功能 既定分层规范：拆分数据层与业务逻辑层，逻辑层禁止直接引入 RPC 、配置组件，仅依赖数据层；配置解析、原始数据处理全部收拢至数据层。 但老项目历史代码不规范，逻辑层直接耦合 Apollo 配置等代码。AI 重构时优先贴合新架构规范，直接删除违规依赖代码，未做逻辑迁移，造成原有业务功能失效。 这两个造成迁移阶段需要大量人工做功能验证、反复代码 Review ，人力成本偏高。 想知道各位大佬有没有做过翻新，有没有好用的技巧或者方式之类的，或者 Skills 之类的可以让这个过程更加精准之类 目前用的模型是 Codex 的 Gpt-5.5 High
我目前正在做旧项目按功能维度迁移至 Vibe Coding 项目，已提前约定技术规范、架构约束等要求。 现有翻新执行流程： 借助 AI 梳理总结老项目单个核心功能点 基于总结结果罗列全部功能点 根据功能点制定迁移翻新 TODO LIST 依照 TODO LIST 落地迁移改造 目前有两个比较大的问题 AI 梳理内容存在选择性遗漏 AI 梳理、改造时容易漏掉配置化代码、第三方接口请求等隐性逻辑。 新架构规范与老旧代码冲突，AI 改造丢失原有功能 既定分层规范：拆分数据层与业务逻辑层，逻辑层禁止直接引入 RPC 、配置组件，仅依赖数据层；配置解析、原始数据处理全部收拢至数据层。 但老项目历史代码不规范，逻辑层直接耦合 Apollo 配置等代码。AI 重构时优先贴合新架构规范，直接删除违规依赖代码，未做逻辑迁移，造成原有业务功能失效。 这两个造成迁移阶段需要大量人工做功能验证、反复代码 Review ，人力成本偏高。 想知道各位大佬有没有做过翻新，有没有好用的技巧或者方式之类的，或者 Skills 之类的可以让这个过程更加精准之类 目前用的模型是 Codex 的 Gpt-5.5 High
我目前正在做旧项目按功能维度迁移至 Vibe Coding 项目，已提前约定技术规范、架构约束等要求。 现有翻新执行流程： 借助 AI 梳理总结老项目单个核心功能点 基于总结结果罗列全部功能点 根据功能点制定迁移翻新 TODO LIST 依照 TODO LIST 落地迁移改造 目前有两个比较大的问题 AI 梳理内容存在选择性遗漏 AI 梳理、改造时容易漏掉配置化代码、第三方接口请求等隐性逻辑。 新架构规范与老旧代码冲突，AI 改造丢失原有功能 既定分层规范：拆分数据层与业务逻辑层，逻辑层禁止直接引入 RPC 、配置组件，仅依赖数据层；配置解析、原始数据处理全部收拢至数据层。 但老项目历史代码不规范，逻辑层直接耦合 Apollo 配置等代码。AI 重构时优先贴合新架构规范，直接删除违规依赖代码，未做逻辑迁移，造成原有业务功能失效。 这两个造成迁移阶段需要大量人工做功能验证、反复代码 Review ，人力成本偏高。 想知道各位大佬有没有做过翻新，有没有好用的技巧或者方式之类的，或者 Skills 之类的可以让这个过程更加精准之类 目前用的模型是 Codex 的 Gpt-5.5 High
我目前正在做旧项目按功能维度迁移至 Vibe Coding 项目，已提前约定技术规范、架构约束等要求。 现有翻新执行流程： 借助 AI 梳理总结老项目单个核心功能点 基于总结结果罗列全部功能点 根据功能点制定迁移翻新 TODO LIST 依照 TODO LIST 落地迁移改造 目前有两个比较大的问题 AI 梳理内容存在选择性遗漏 AI 梳理、改造时容易漏掉配置化代码、第三方接口请求等隐性逻辑。 新架构规范与老旧代码冲突，AI 改造丢失原有功能 既定分层规范：拆分数据层与业务逻辑层，逻辑层禁止直接引入 RPC 、配置组件，仅依赖数据层；配置解析、原始数据处理全部收拢至数据层。 但老项目历史代码不规范，逻辑层直接耦合 Apollo 配置等代码。AI 重构时优先贴合新架构规范，直接删除违规依赖代码，未做逻辑迁移，造成原有业务功能失效。 这两个造成迁移阶段需要大量人工做功能验证、反复代码 Review ，人力成本偏高。 想知道各位大佬有没有做过翻新，有没有好用的技巧或者方式之类的，或者 Skills 之类的可以让这个过程更加精准之类 目前用的模型是 Codex 的 Gpt-5.5 High
我目前正在做旧项目按功能维度迁移至 Vibe Coding 项目，已提前约定技术规范、架构约束等要求。 现有翻新执行流程： 借助 AI 梳理总结老项目单个核心功能点 基于总结结果罗列全部功能点 根据功能点制定迁移翻新 TODO LIST 依照 TODO LIST 落地迁移改造 目前有两个比较大的问题 AI 梳理内容存在选择性遗漏 AI 梳理、改造时容易漏掉配置化代码、第三方接口请求等隐性逻辑。 新架构规范与老旧代码冲突，AI 改造丢失原有功能 既定分层规范：拆分数据层与业务逻辑层，逻辑层禁止直接引入 RPC 、配置组件，仅依赖数据层；配置解析、原始数据处理全部收拢至数据层。 但老项目历史代码不规范，逻辑层直接耦合 Apollo 配置等代码。AI 重构时优先贴合新架构规范，直接删除违规依赖代码，未做逻辑迁移，造成原有业务功能失效。 这两个造成迁移阶段需要大量人工做功能验证、反复代码 Review ，人力成本偏高。 想知道各位大佬有没有做过翻新，有没有好用的技巧或者方式之类的，或者 Skills 之类的可以让这个过程更加精准之类 目前用的模型是 Codex 的 Gpt-5.5 High
我目前正在做旧项目按功能维度迁移至 Vibe Coding 项目，已提前约定技术规范、架构约束等要求。 现有翻新执行流程： 借助 AI 梳理总结老项目单个核心功能点 基于总结结果罗列全部功能点 根据功能点制定迁移翻新 TODO LIST 依照 TODO LIST 落地迁移改造 目前有两个比较大的问题 AI 梳理内容存在选择性遗漏 AI 梳理、改造时容易漏掉配置化代码、第三方接口请求等隐性逻辑。 新架构规范与老旧代码冲突，AI 改造丢失原有功能 既定分层规范：拆分数据层与业务逻辑层，逻辑层禁止直接引入 RPC 、配置组件，仅依赖数据层；配置解析、原始数据处理全部收拢至数据层。 但老项目历史代码不规范，逻辑层直接耦合 Apollo 配置等代码。AI 重构时优先贴合新架构规范，直接删除违规依赖代码，未做逻辑迁移，造成原有业务功能失效。 这两个造成迁移阶段需要大量人工做功能验证、反复代码 Review ，人力成本偏高。 想知道各位大佬有没有做过翻新，有没有好用的技巧或者方式之类的，或者 Skills 之类的可以让这个过程更加精准之类 目前用的模型是 Codex 的 Gpt-5.5 High
我目前正在做旧项目按功能维度迁移至 Vibe Coding 项目，已提前约定技术规范、架构约束等要求。 现有翻新执行流程： 借助 AI 梳理总结老项目单个核心功能点 基于总结结果罗列全部功能点 根据功能点制定迁移翻新 TODO LIST 依照 TODO LIST 落地迁移改造 目前有两个比较大的问题 AI 梳理内容存在选择性遗漏 AI 梳理、改造时容易漏掉配置化代码、第三方接口请求等隐性逻辑。 新架构规范与老旧代码冲突，AI 改造丢失原有功能 既定分层规范：拆分数据层与业务逻辑层，逻辑层禁止直接引入 RPC 、配置组件，仅依赖数据层；配置解析、原始数据处理全部收拢至数据层。 但老项目历史代码不规范，逻辑层直接耦合 Apollo 配置等代码。AI 重构时优先贴合新架构规范，直接删除违规依赖代码，未做逻辑迁移，造成原有业务功能失效。 这两个造成迁移阶段需要大量人工做功能验证、反复代码 Review ，人力成本偏高。 想知道各位大佬有没有做过翻新，有没有好用的技巧或者方式之类的，或者 Skills 之类的可以让这个过程更加精准之类 目前用的模型是 Codex 的 Gpt-5.5 High
我目前正在做旧项目按功能维度迁移至 Vibe Coding 项目，已提前约定技术规范、架构约束等要求。 现有翻新执行流程： 借助 AI 梳理总结老项目单个核心功能点 基于总结结果罗列全部功能点 根据功能点制定迁移翻新 TODO LIST 依照 TODO LIST 落地迁移改造 目前有两个比较大的问题 AI 梳理内容存在选择性遗漏 AI 梳理、改造时容易漏掉配置化代码、第三方接口请求等隐性逻辑。 新架构规范与老旧代码冲突，AI 改造丢失原有功能 既定分层规范：拆分数据层与业务逻辑层，逻辑层禁止直接引入 RPC 、配置组件，仅依赖数据层；配置解析、原始数据处理全部收拢至数据层。 但老项目历史代码不规范，逻辑层直接耦合 Apollo 配置等代码。AI 重构时优先贴合新架构规范，直接删除违规依赖代码，未做逻辑迁移，造成原有业务功能失效。 这两个造成迁移阶段需要大量人工做功能验证、反复代码 Review ，人力成本偏高。 想知道各位大佬有没有做过翻新，有没有好用的技巧或者方式之类的，或者 Skills 之类的可以让这个过程更加精准之类 目前用的模型是 Codex 的 Gpt-5.5 High
我目前正在做旧项目按功能维度迁移至 Vibe Coding 项目，已提前约定技术规范、架构约束等要求。 现有翻新执行流程： 借助 AI 梳理总结老项目单个核心功能点 基于总结结果罗列全部功能点 根据功能点制定迁移翻新 TODO LIST 依照 TODO LIST 落地迁移改造 目前有两个比较大的问题 AI 梳理内容存在选择性遗漏 AI 梳理、改造时容易漏掉配置化代码、第三方接口请求等隐性逻辑。 新架构规范与老旧代码冲突，AI 改造丢失原有功能 既定分层规范：拆分数据层与业务逻辑层，逻辑层禁止直接引入 RPC 、配置组件，仅依赖数据层；配置解析、原始数据处理全部收拢至数据层。 但老项目历史代码不规范，逻辑层直接耦合 Apollo 配置等代码。AI 重构时优先贴合新架构规范，直接删除违规依赖代码，未做逻辑迁移，造成原有业务功能失效。 这两个造成迁移阶段需要大量人工做功能验证、反复代码 Review ，人力成本偏高。 想知道各位大佬有没有做过翻新，有没有好用的技巧或者方式之类的，或者 Skills 之类的可以让这个过程更加精准之类 目前用的模型是 Codex 的 Gpt-5.5 High
我目前正在做旧项目按功能维度迁移至 Vibe Coding 项目，已提前约定技术规范、架构约束等要求。 现有翻新执行流程： 借助 AI 梳理总结老项目单个核心功能点 基于总结结果罗列全部功能点 根据功能点制定迁移翻新 TODO LIST 依照 TODO LIST 落地迁移改造 目前有两个比较大的问题 AI 梳理内容存在选择性遗漏 AI 梳理、改造时容易漏掉配置化代码、第三方接口请求等隐性逻辑。 新架构规范与老旧代码冲突，AI 改造丢失原有功能 既定分层规范：拆分数据层与业务逻辑层，逻辑层禁止直接引入 RPC 、配置组件，仅依赖数据层；配置解析、原始数据处理全部收拢至数据层。 但老项目历史代码不规范，逻辑层直接耦合 Apollo 配置等代码。AI 重构时优先贴合新架构规范，直接删除违规依赖代码，未做逻辑迁移，造成原有业务功能失效。 这两个造成迁移阶段需要大量人工做功能验证、反复代码 Review ，人力成本偏高。 想知道各位大佬有没有做过翻新，有没有好用的技巧或者方式之类的，或者 Skills 之类的可以让这个过程更加精准之类 目前用的模型是 Codex 的 Gpt-5.5 High
我目前正在做旧项目按功能维度迁移至 Vibe Coding 项目，已提前约定技术规范、架构约束等要求。 现有翻新执行流程： 借助 AI 梳理总结老项目单个核心功能点 基于总结结果罗列全部功能点 根据功能点制定迁移翻新 TODO LIST 依照 TODO LIST 落地迁移改造 目前有两个比较大的问题 AI 梳理内容存在选择性遗漏 AI 梳理、改造时容易漏掉配置化代码、第三方接口请求等隐性逻辑。 新架构规范与老旧代码冲突，AI 改造丢失原有功能 既定分层规范：拆分数据层与业务逻辑层，逻辑层禁止直接引入 RPC 、配置组件，仅依赖数据层；配置解析、原始数据处理全部收拢至数据层。 但老项目历史代码不规范，逻辑层直接耦合 Apollo 配置等代码。AI 重构时优先贴合新架构规范，直接删除违规依赖代码，未做逻辑迁移，造成原有业务功能失效。 这两个造成迁移阶段需要大量人工做功能验证、反复代码 Review ，人力成本偏高。 想知道各位大佬有没有做过翻新，有没有好用的技巧或者方式之类的，或者 Skills 之类的可以让这个过程更加精准之类 目前用的模型是 Codex 的 Gpt-5.5 High
我目前正在做旧项目按功能维度迁移至 Vibe Coding 项目，已提前约定技术规范、架构约束等要求。 现有翻新执行流程： 借助 AI 梳理总结老项目单个核心功能点 基于总结结果罗列全部功能点 根据功能点制定迁移翻新 TODO LIST 依照 TODO LIST 落地迁移改造 目前有两个比较大的问题 AI 梳理内容存在选择性遗漏 AI 梳理、改造时容易漏掉配置化代码、第三方接口请求等隐性逻辑。 新架构规范与老旧代码冲突，AI 改造丢失原有功能 既定分层规范：拆分数据层与业务逻辑层，逻辑层禁止直接引入 RPC 、配置组件，仅依赖数据层；配置解析、原始数据处理全部收拢至数据层。 但老项目历史代码不规范，逻辑层直接耦合 Apollo 配置等代码。AI 重构时优先贴合新架构规范，直接删除违规依赖代码，未做逻辑迁移，造成原有业务功能失效。 这两个造成迁移阶段需要大量人工做功能验证、反复代码 Review ，人力成本偏高。 想知道各位大佬有没有做过翻新，有没有好用的技巧或者方式之类的，或者 Skills 之类的可以让这个过程更加精准之类 目前用的模型是 Codex 的 Gpt-5.5 High
我目前正在做旧项目按功能维度迁移至 Vibe Coding 项目，已提前约定技术规范、架构约束等要求。 现有翻新执行流程： 借助 AI 梳理总结老项目单个核心功能点 基于总结结果罗列全部功能点 根据功能点制定迁移翻新 TODO LIST 依照 TODO LIST 落地迁移改造 目前有两个比较大的问题 AI 梳理内容存在选择性遗漏 AI 梳理、改造时容易漏掉配置化代码、第三方接口请求等隐性逻辑。 新架构规范与老旧代码冲突，AI 改造丢失原有功能 既定分层规范：拆分数据层与业务逻辑层，逻辑层禁止直接引入 RPC 、配置组件，仅依赖数据层；配置解析、原始数据处理全部收拢至数据层。 但老项目历史代码不规范，逻辑层直接耦合 Apollo 配置等代码。AI 重构时优先贴合新架构规范，直接删除违规依赖代码，未做逻辑迁移，造成原有业务功能失效。 这两个造成迁移阶段需要大量人工做功能验证、反复代码 Review ，人力成本偏高。 想知道各位大佬有没有做过翻新，有没有好用的技巧或者方式之类的，或者 Skills 之类的可以让这个过程更加精准之类 目前用的模型是 Codex 的 Gpt-5.5 High
我目前正在做旧项目按功能维度迁移至 Vibe Coding 项目，已提前约定技术规范、架构约束等要求。 现有翻新执行流程： 借助 AI 梳理总结老项目单个核心功能点 基于总结结果罗列全部功能点 根据功能点制定迁移翻新 TODO LIST 依照 TODO LIST 落地迁移改造 目前有两个比较大的问题 AI 梳理内容存在选择性遗漏 AI 梳理、改造时容易漏掉配置化代码、第三方接口请求等隐性逻辑。 新架构规范与老旧代码冲突，AI 改造丢失原有功能 既定分层规范：拆分数据层与业务逻辑层，逻辑层禁止直接引入 RPC 、配置组件，仅依赖数据层；配置解析、原始数据处理全部收拢至数据层。 但老项目历史代码不规范，逻辑层直接耦合 Apollo 配置等代码。AI 重构时优先贴合新架构规范，直接删除违规依赖代码，未做逻辑迁移，造成原有业务功能失效。 这两个造成迁移阶段需要大量人工做功能验证、反复代码 Review ，人力成本偏高。 想知道各位大佬有没有做过翻新，有没有好用的技巧或者方式之类的，或者 Skills 之类的可以让这个过程更加精准之类 目前用的模型是 Codex 的 Gpt-5.5 High
我目前正在做旧项目按功能维度迁移至 Vibe Coding 项目，已提前约定技术规范、架构约束等要求。 现有翻新执行流程： 借助 AI 梳理总结老项目单个核心功能点 基于总结结果罗列全部功能点 根据功能点制定迁移翻新 TODO LIST 依照 TODO LIST 落地迁移改造 目前有两个比较大的问题 AI 梳理内容存在选择性遗漏 AI 梳理、改造时容易漏掉配置化代码、第三方接口请求等隐性逻辑。 新架构规范与老旧代码冲突，AI 改造丢失原有功能 既定分层规范：拆分数据层与业务逻辑层，逻辑层禁止直接引入 RPC 、配置组件，仅依赖数据层；配置解析、原始数据处理全部收拢至数据层。 但老项目历史代码不规范，逻辑层直接耦合 Apollo 配置等代码。AI 重构时优先贴合新架构规范，直接删除违规依赖代码，未做逻辑迁移，造成原有业务功能失效。 这两个造成迁移阶段需要大量人工做功能验证、反复代码 Review ，人力成本偏高。 想知道各位大佬有没有做过翻新，有没有好用的技巧或者方式之类的，或者 Skills 之类的可以让这个过程更加精准之类 目前用的模型是 Codex 的 Gpt-5.5 High
IT之家 5 月 31 日消息，在 5 月 29 日上午的粤港澳大湾区车展期间，蔚来新款乐道 L60 正式发布并开启预售。新车具有 106 项升级，展车已到达全国门店， 6 月 6 日开放试驾、6 月 11 日正式上市 。 蔚来高级副总裁兼乐道汽车总裁沈斐昨日发文总结了此次乐道 L60 六大升级的关键信息： ① 智驾进入第一梯队 神玑 NX9031 芯片 + 蔚来世界模型 NWM + 激光雷达 + SkyOS· 天枢整车操作系统 。实测城区领航、换电领航、无导航行驶，控车稳、选道准、博弈强。 这是乐道智驾的质变 。 ② 安全大满贯 C-IASI 中保研史上首个纯电全优 ，C-NCAP、C-GCAP 双五星。硬指标。 ③ 同级最低能耗 + 换电网络 11.9kWh/100km，740km 续航， 共享蔚来 8000+ 座充换电站 。纯电出行的底气和便利性，一次性给齐。 ④ 二排“溜达自由” 967mm 前后排间距， 中型 SUV 后排能走路的空间 。带娃家庭应该懂这个价值。 ⑤ 舒适配置拉满 17.3 英寸天空娱乐屏、8 英寸后排场景屏、6L 冷暖箱加后备箱 52 升大冰柜、遮阳帘、座椅通风加热… 20 万级 ，配得够多。 据IT之家了解，新车外观基本与现款车型一致，车顶配备了激光雷达，尾标则由“ONVO”字标换成了乐道 Logo。新车长宽高分别为 4828/1930/1616mm，轴距 2950mm，定位中型 SUV。 配置上，新车升级了 17.3 英寸 3K 后排吸顶式折叠屏，增设天窗遮阳帘、超纤绒顶棚，配备 6L 智能冷暖箱。 新乐道 L60 搭载蔚来自研 5nm 车规级智驾芯片神玑 NX9031 及蔚来世界模型 NMW 架构，支持点到点全域领航辅助、高速 ETC 通行、自主进出换电站补能。纯视觉版本车型则继续搭载算力为 254TOPS 的英伟达 Orin-X 芯片。 动力方面，该车提供单电机（240kW 功率、305N·m 扭矩）及双电机（340kW 功率、440N·m 扭矩）两种规格，具备 900V 高压架构，电量从 10% 充至 80% 仅需 25 分钟；匹配 60kWh 和 85kWh 两种电池，CLTC 续航里程为 530km、560km、707km 以及 740km。
如果是真的也太猛了吧？不过希望能和4.6一样讲人话 然后看看啥时候能用上any大善人的4.8 经佬友指正 此图来源是 https://fxtwitter.com/HarshithLucky3/status/2059978470105776281 原帖是：“what if …”。 12 个帖子 - 10 位参与者 阅读完整话题
平时用 DeepSeek API 比较多，经常要去用量页面看看花了多少钱、缓存命中率怎么样。但每次都要自己手动算比例，有点烦。 顺手写了个 Chrome 插件，主要加了几个东西： 缓存命中率直接在柱状图上叠了条绿线，一眼能看出走势 自动算了个预计可用天数，余额不足的时候能提前知道 本周消费多少、跟上周比是涨了还是跌了 两个模型的费用按 Token 比例自动分摊显示 数据都是从页面图表里直接读的，没有额外调接口，纯本地算。 代码放 GitHub 了, 仓库： https://github.com/YAOAORAN/deepseek-usage-plus