用AI陪练而非代笔:提升终身写作能力的五个实操法

1. 先泼一盆冷水:为什么很多人用AI写作,越写越差?

我见过不少朋友,刚接触写作AI时兴奋得不行,觉得终于找到了“一键成文”的捷径。结果三个月后再聊,他们的第一反应往往是:“我的写作能力好像退化了”。更扎心的是,连那种“自己憋一篇初稿”的欲望都变淡了——不是懒,是真的依赖上了那种即时满足感。

这不是AI的问题,是使用方式出了问题。

1.1 三种典型的“AI写作依赖者”画像

先对号入座一下。

第一种是**“代笔型”**。写周报、写总结、写推文,直接把需求丢给AI,出来什么就用什么。这种用法最省事,但也最危险——你只是在“验收”AI的输出,而不是在“写作”。半年之后你会发现,自己对文字的感觉越来越钝,连一段话里的语序乱没乱都察觉不出来了。

第二种是**“拼贴型”**。让AI生成三五版文案,自己挑挑拣拣、拼拼凑凑,觉得“这是我的作品了”。实际上你只是做了一个选择题和剪切操作。文章的结构逻辑、语言节奏、论据组织这些真正的能力点,完全没有得到锻炼。

第三种是**“替代型”**。直接用AI替代了整个写作过程中的思考环节——题目扔进去,大纲出来,素材出来,全文也出来,人只负责按回车。这种用法效率确实高,但写作本质上是“思考的外化”,你把思考外包了,能力自然就萎缩了。

1.2 问题根源不是AI,而是“交付物心态”

很多人会把上面的问题归咎于“AI太强了”“人变懒了”。但我在长期使用和指导他人用AI写作的过程中发现,真正的根源是一种**“交付物心态”**——大家默认了“写作AI的价值 = 快速拿到成稿”。

一旦你用“拿到成稿”来衡量写作AI的效用,那么所有操作都会围绕“效率最大化”展开。但写作能力的养成恰恰是反效率的:它需要你慢下来,需要你经历“想不清楚→逼自己理清楚→写出来→推翻→再写”这个过程。

换句话说,写作AI不该是“交付物生产机”,而该是“思维训练陪练”。

1.3 重新定义写作AI的角色

我在这个系列里想反复强调一个观点:好写作AI,是那个永远准时、永不厌烦、且随叫随到的陪练教练,而不是代你上场比赛的替身选手。

教练和替身的区别在哪?教练不会帮你赢球,但他会通过提问、反馈、示范、陪练,让你自己越来越强。替身则直接替你打完比赛,你除了得到一个“赢了”的结果,什么都没长进。

所以,这篇文章不讲“如何让AI帮你写文章”,只讲“如何让AI帮你学会写文章”。我会把我自己在写作训练中真正跑通的方法、提示词逻辑、以及踩过的坑,全部摊开来讲。这些东西不依赖特定某个AI产品,你手上只要有一个对话式大模型,就能立刻用起来。

2. 写作能力的底层构成:先知道练什么,再谈怎么用AI

想把AI当陪练,你首先得清楚“写作能力”到底由什么构成。不然就会出现一种尴尬情况:你问AI“我写得怎么样”,它夸了你半天,你也不知道下一步该练什么;它批评了你半天,你也不知道从哪里改起。

2.1 写作能力的五块核心肌肉

我把写作能力拆成了五个相互独立、又相互支撑的部分。这个拆法不是我发明的,但在辅导很多写作者的过程中,它被证明特别好用,因为每一块都可以针对性地训练。

能力模块解决什么问题常见表现层次可否被AI直接训练
破题与立意文章到底想说什么“没想法”到“有观点”可以,练“提问与回应”
结构与逻辑先说什么后说什么“流水账”到“有骨架”可以,练“地图校验”
表达与文采同样的意思怎么说更好“平铺直叙”到“有味道”可以,练“改写与比对”
素材与论据凭什么让读者信服“自说自话”到“有理有据”部分可以,AI提供线索需人工验证
校对与打磨让成品没有硬伤“能用”到“可发表”可以,练“审校意识”

你可以把写作AI理解为“五块肌肉”的健身教练:它不是替你举起杠铃,而是通过设计动作、给你反馈、纠正姿态,让你每一块肌肉都得到有效刺激。

2.2 为什么“写得多”不等于“能力提升”

有人可能会说:那我不用AI,自己天天写,是不是也能提升?写得多确实比不写好,但有一个前提——你得在“最近发展区”里写。

天天写“我今天吃了什么,心情如何”的日记,写十年也不会成为作家,因为每一次都在舒适区重复,没有获得有效的反馈和挑战。而写作AI最大的价值,就是能低成本、高频次地提供反馈,把你从“自我重复”中拉出来。

这就是为什么我坚持认为:写作AI培养的是“终身写作能力”,不是因为它能写,而是因为它能让“练习—反馈—修正”这个闭环变得极其轻便。

2.3 给自己的写作能力做一个基线诊断

在开始训练之前,我建议每个人都先做一次“写作基线诊断”。方法很简单:

  1. 找一篇你最近的写作成品,按上面表格的五项能力逐项打分(1到5分);
  2. 然后用下面这个提示词问AI,让它以教练身份帮你评估:
请评估下面这篇短文在五个维度上的表现:破题与立意、结构与逻辑、表达与文采、素材与论据、校对与打磨。每个维度给出1-5分,并解释扣分原因。最后指出最值得优先提升的一个维度。 文章内容如下: 【粘贴你的文章】

这个诊断的价值在于:它给你一个“从哪里开始练”的判断依据。绝大多数人不会五个维度都差,通常有一个最明显的短板。比如有人是结构散,有人是没例子,有人是语句太平。先找准一个点练,进步才看得见。

我自己做过很多次类似诊断,一个很真实的感受是:AI给出的评价往往比朋友给的更直接、更结构化。朋友怕打击你,常常说“挺好的”,而AI可以毫无心理负担地告诉你“这段逻辑跳跃了”。

3. 把写作AI变成“陪练教练”的五个实操法

这一部分是全篇的核心,我按“从想法到成文”的自然流程,分五个环节来讲。每个环节我都会给出:为什么这样做、具体怎么操作、以及可以直接抄走的提示词。

3.1 破题与立意:用AI做“苏格拉底式追问”

写作新手最常遇到的困境是:脑子里好像有点想法,但一落到纸上就散了。这时候不要急着让AI“帮你想几个观点”,那是在替你做思考。正确做法是让AI扮演一个不断追问的对话者,用问题引导你把模糊的念头逼成清晰的观点。

我常用的一组提示词是这样的:

我现在想写一篇关于【主题】的文章,但我的想法还很模糊。请你不要直接给我观点,而是通过一步一步提问,帮我理清思路。每次只问一个问题,并根据我的回答决定下一个问题。目标是让我自己想出文章的核心理点和分论点。

你可能觉得这不起眼,但实际用下来效果惊人。AI的提问逻辑通常比人更有层次:先问“你的受众是谁”,再问“你最想让读者记住什么”,然后问“如果读者只接受一个证据,你希望是什么”。这些问题是结构性的,能逼着你的思维从“一团浆糊”变成“有棱有角”。

还有一个小技巧:回答AI的问题时,不用追求完整和完美,用口头语、碎片化的方式抛回去。因为AI的训练逻辑是“理解你的意思,然后追问”,你越放松,对话质量越高。

3.2 结构与逻辑:让AI当“文章地图校验员”

很多人的初稿逻辑只有自己看得懂,因为写的时候脑子里有一条隐形的“思考路径”,但读者看不到。解决这个问题,我用的方法是**“地图法”**——写完大纲或初稿后,让AI帮你把文章的“地图”画出来,然后你检查这份地图是否直观。

操作方式如下:

第一步,你把自己的大纲或者初稿提纲发给AI:

下面是我为一篇文章设计的结构,请把它归纳为清晰的层级结构。输出格式为: - 一级标题 - 二级标题(对应内容摘要) - 二级标题 检查:各级之间是否存在逻辑断层或重复?哪个部分读起来最跳跃?请给出修改建议。 我的结构如下: 【粘贴你的大纲】

这里AI帮你做的,其实是**“陌生化阅读”**。你自己看自己的文章,永远带着创作者滤镜;AI只看结构本身,逻辑有没有断层、重心有没有偏,一眼就能看出来。

第二步,是让AI做“结构推演”。

请根据下面这个结构,预测一下读者读完后可能会提出哪三个最尖锐的问题,并为每个问题指出文章结构中可以补强的位置。

这一步特别实用,它强迫你站在读者角度思考。很多时候,你觉得“这里不需要解释”,但读者在这个点恰恰会卡壳。AI预判的问题往往是普适性的,命中率相当高。

3.3 表达与文采:把AI变成“修辞教练”而非“代笔”

在表达层面,AI最容易让人上瘾的地方,也是最容易让人废掉的地方,就是“改写”。因为AI的改写能力确实强大,一句平淡的话它能给你十种高级说法。但如果你直接用它生成的句子,你就丧失了一次绝佳的“语言肌肉训练”。

我的做法是**“先自己写,再让AI改,再反向学习”**。具体来说:

  1. 自己先写一个版本,哪怕很粗糙;
  2. 让AI给出3个不同风格的改写版本;
  3. 最关键的一步:让AI解释每一处改写的理由。

提示词可以这样写:

下面是我写的一句话。请你提供三个不同风格的改写版本:一个更简洁有力的,一个更有画面感的,一个更口语化的。在每个版本后面,请用一句话说明你做了哪些关键改动,以及为什么这样改能让表达更好。 我的原句:【粘贴你的句子】

这样做的价值在于:你看到的不是最终结果,而是“从平庸到优秀”的过程。对照AI的解释,你会意识到“原来添加一个具体的动作能让画面感更强”“原来删掉多余的连词能让句子更有节奏”。

坚持一个月左右,你会发现自己的语感在明显变好,因为你不是在抄答案,而是在理解“为什么这个答案更优”。

3.4 素材与论据:用AI做“线索侦探”,但绝不直接搬运

写文章最怕“空对空”——全是观点,没有支撑。这时候AI是个非常好的素材线索提供者,但有两个铁律:第一,AI给的实时数据、新闻、具体案例必须人工核实;第二,AI提供的素材只是线索,你要自己去找原始出处。

我的操作方式是这样的:

我写了一篇文章,主题是【主题】。下面是我目前用到的论据和例子。请帮我指出:哪些部分的说服力最弱?针对这些弱环节,你能否提供寻找论据的方向性建议(比如:哪类研究报告、哪类经典案例、哪类身边生活场景可以用)?请不要直接编造具体数据和出处。 我的文章内容:【粘贴相关段落】

这里有个很重要的设置:明确告诉AI不要编造数据和出处。因为大模型在生成素材时,容易出现“一本正经地胡说八道”,编一个听起来很权威的研究机构和数字。所以我把AI当“搜索引擎的导航员”用,不给鱼,给渔。

另外,我还会让AI做“反向挑战”:

请针对我文章中的核心观点,提出三个最强的反对理由,并给出可能的反驳思路。这能帮我检查是否有重大论证漏洞。

这个练习对逻辑思维的训练价值极高,远比多写两篇文章更锻炼深度思考能力。

3.5 校对与打磨:让AI帮你建立“审校清单”

最后一道工序是校对打磨。很多人以为这一步就是把AI当Word一样用,让它查错别字。但我的经验是,AI最值钱的能力是**“按不同维度分层审校”**。

常规的做法是:

请对下面这段文字做逐层审校,按以下顺序输出问题清单: 1. 事实层面:有无可疑表述需要核实; 2. 逻辑层面:有无前后矛盾或无效推论; 3. 表达层面:有无冗余、语病、歧义; 4. 风格层面:是否符合一位【这里写你的目标读者】阅读的预期。 不要直接改好发给我,先列问题清单,我自己来决定改不改、怎么改。 文字内容:【粘贴你的段落】

注意最后一句——“先列问题清单,我自己来改”。这是我反复强调的核心:如果你让AI直接改好,你只是一个审阅者;如果你看着清单自己改,你就是一次完整的写作训练。一个“找出问题”的AI,加上一个“动手修改”的你,才是陪练关系的正确打开方式。

我自己很长一段时间都偷懒,让AI直接改完就发。后来发现,我对“错别字”的敏感度越来越低,因为反正AI会兜底。开始用“清单法”之后,我才真正把校对能力捡了回来。

4. 为什么AI陪练比传统写作训练更有效:反馈机制拆解

讲完具体操作,我想花点篇幅聊聊背后的机制——为什么这套方法真的能养成终身写作能力?

4.1 高频反馈是写作能力增长的核心变量

行为主义学习理论里有个概念叫“即时反馈强化”。放在写作上,就是说:你每做一个写作动作,如果能立刻得到一个关于“对错好坏”的信号,你的进步速度会远超那种“写好几天、等一周才有人点评”的模式。

传统写作训练最大的瓶颈,正是反馈的稀缺。你写了一篇文章,给朋友看,朋友碍于面子说“还行”;你发给编辑,编辑可能两周后才回复;你自己复盘,又常常看不到自己的问题。这个反馈链条又慢又弱,练习效率自然低。

写作AI则把反馈成本降到了接近零——你写完一段话,它三秒钟就能给你回应。关键是,这个回应不是客套话,它可以是锐利的、一针见血的。这种高频反馈循环一旦建立,相当于你每天都有私教陪着练。

4.2 低频社交压力,反而是深度训练的优势

有人会怀疑:AI的反馈没有“人味”,会不会训练效果打折?我的实际体验是——恰恰相反。

写作训练里有个隐蔽的杀手,叫“社交压力”。你在真实的人面前展示初稿,会不自觉地启动防御机制:怕被嘲笑、怕显得蠢、怕被judge。这种压力会让你不敢写,或者只写安全的、不出错的内容,而这恰恰是写作进步的死敌。

AI陪练没有社交压力。你可以毫无顾忌地对它说“这句写得真烂”,可以把自己烂得惨不忍睹的初稿丢给它,它可以坦率地告诉你“这部分没说服力”。安全的环境 + 高频率的真诚反馈 = 高质量的输出练习,这个组合在人肉教练那里很难凑齐,但在AI这里天然成立。

4.3 三个必须警惕的反馈盲区

当然,AI陪练不是万能的,我有三个必须提醒大家的盲区:

第一个是**“均值化陷阱”**。AI的反馈倾向于“安全”“主流”“讨喜”,它很少会鼓励你“这个观点虽然经验证会冒犯部分人,但表达得很锋利”。如果你全盘接受AI的反馈,你的文章会逐步变得平庸、没有棱角。所以我把AI反馈定位为参考,而不是圣旨。

第二个是**“上下文遗忘”**。AI对话的上下文窗口有限,长文一到万字,它可能忘了你开头埋的伏笔。所以给它分析材料时,最好分段、分批给,或者让它逐章审校,而不要一次性丢全文。

第三个是**“过度结构化倾向”**。AI生成的反馈往往结构清晰、条理分明,但这对“学习散文/随笔/个人风格化表达”的写作者来说,有把风格驯化成“八股文”的风险。所以我在训练中,专门保留一部分“不问AI意见”的随性写作,留给自己的风格乱长。

5. 搭建一套属于自己的“AI写作训练系统”:从碎片技巧到长期机制

如果你只是想用AI改善某一次写作,上面的工具已经够了。但你是奔着“终身写作能力”去的,那就需要一套系统,而不只是几个技巧。

5.1 建立你的个人写作语料库与反馈档案

很多人的AI对话窗口关掉之后,所有的反馈、练习、分析也跟着消失了。这是巨大的浪费。我强烈建议你建一个“写作训练档案”,结构如下:

  • 一个文件夹,按月份整理;
  • 每个文件里包含:原始习作、AI反馈清单、你的修改稿、复盘笔记;
  • 以“时间+主题”命名,比如“2024-06-城市记忆初稿.md”。

为什么要这么麻烦?因为写作能力的增长是缓慢的,你需要回头看“三个月前我犯的错误,现在是否还犯”。AI反馈档案就是你的成长标尺。我每次回看自己一个季度前的文章,都会惊觉“原来当时的逻辑那么混乱”,而这种察觉本身就是进步。

5.2 沉淀一套可复用的提示词模板库

我从一开始用AI写作就建立了“提示词收藏夹”,到现在已经积累了几十条。按上面的场景,我把常用的分为六大类:破题追问、结构校验、表达改写、论据反证、分层审校、复盘诊断。

强烈建议你也建一个,格式就三条:使用场景、提示词原文、实际效果。

注意:提示词不要买网上的“万能模板”,一定要自己在使用中迭代。因为每个人写作的短板不同,你打磨出来的提示词,才是最适合你训练路径的。

5.3 建立每周/每月的“写作能力点检表”

终身训练不能靠激情,要靠规律。我给自己设定了一个最低限度的节奏:

每周至少写一篇“有效习作”,字数不用多,500到1000字,但必须完整走一遍“初稿→AI反馈→修改→写下复盘”闭环;

每月做一次能力盘点,用第2节里提到的五维评分法,给本月所有习作打一次分,看趋势线:哪个维度在上升、哪个维度在停滞。

这个点检表很简单,但它能保障你不是“三天打鱼两天晒网”。说到底,终身写作能力不是靠某次顿悟,而是靠几百次不起眼的练习堆出来的。

5.4 防止“AI依赖症”的三道护栏

最后,讲一讲怎么防止自己滑向开篇说的“代笔型用法”。我的经验是三道护栏:

第一道:每次AI介入前,必须先有自己的初稿。哪怕写得很差,这个初稿是你的思考产物,AI只是优化师,不是生成器。

第二道:AI可以改句子,但不能替你定观点。如果文章的观点是由AI提出的、结构是由AI搭建的,那这篇文章本质上不是你的。我给自己定的底线是:观点、立场、核心论证必须出自我的脑子。

第三道:每周保证有“无AI日”。这一天写作不用任何AI工具,回归最原始的手写时光。这不是倒退,而是为了让你的独立表达能力不至于因为长期依赖机器而退化。

6. 关于“终身写作能力”,我与写作AI相处的几点体会

这套“以AI为陪练、以自己为主笔”的方法,我实打实用了一年多。说几点最真实的体会。

最开始确实很难忍住“让AI直接改好发我”的冲动,因为看着它三秒生成漂亮段落,真的太有诱惑力了。但坚持“先自己写、再让AI反馈、再自己改”的笨办法几个月后,我能明显感觉到自己的变化:不再害怕空白页,敢于在初稿里写不完美的句子,因为我知道有“教练”在身后,但球,终究要我亲自踢进去。

还有一点我越来越认同:写作AI真正的价值,不在于它替你写了什么,而在于它让你不得不思考“为什么你会这么写”。每一次反馈的解释,每一次追问的碰撞,都是在帮你建立更清晰的自我认知。有了这份认知,你会慢慢形成自己的写作节奏和判断力,不再依赖于任何工具。

最后分享一个实用的小技巧:如果你也是刚开始尝试,可以从一周一篇“AI陪练短文”起步。把这篇短文写完,让AI按五个维度反馈,然后选最弱的一个维度,下周专门练它。四周之后,你对写作AI的看法一定会发生改变——它会从一个“替你省时间的工具”,变成一个“拉着你变得更强悍的伙伴”。这正是我写下这些文字,最想传达的东西。

相关新闻

安卓内核编译实战:从源码到boot.img的完整流程与避坑指南

安卓内核编译实战:从源码到boot.img的完整流程与避坑指南

手机到手之后,我第一个想动的地方就是内核。这话听起来很geek,但对于玩安卓的人来说,编译内核算是一道绕不过去的门槛。最近在整理一套坚果R1配魔趣MK100(Android 10)系统的构建环境时,我把整个流程重新走了…

2026/10/20 5:27:08 阅读更多 →
Anaconda多环境实战:彻底解决Python版本与依赖冲突

Anaconda多环境实战:彻底解决Python版本与依赖冲突

1. 为什么“Python多环境”不是锦上添花,而是生存刚需你有没有遇到过这些场景:昨天还能跑通的爬虫脚本,今天 pip install 一个新包就报错ModuleNotFoundError: No module named requests,可明明刚确认过 requests 已安装&#xff…

2026/10/20 5:27:08 阅读更多 →
Playwright MCP协议:构建AI浏览器操作的可靠桥梁

Playwright MCP协议:构建AI浏览器操作的可靠桥梁

1. 项目概述:这不是又一个“AI调用API”的玩具,而是让模型真正伸手操作浏览器的实战路径“GitHub 实战课|Playwright MCP:让 AI 真的会用浏览器”——这个标题里藏着三个关键信号:GitHub(不是本地demo&…

2026/10/20 5:27:08 阅读更多 →

最新新闻

从单体到弹性扩展:高并发架构改造的完整实战复盘

从单体到弹性扩展:高并发架构改造的完整实战复盘

1. 项目背景与架构需求拆解1.1 最初的系统,和它一步步暴露出的问题先说下背景。这个代号为"arch-system"的架构改造项目,源于团队负责的一条核心业务链路。最初的系统是典型的三层单体:一个应用服务承载所有接口,MySQL …

2026/10/20 6:03:23 阅读更多 →
PPT-Master:用PowerPoint构建业务操作系统的方法论

PPT-Master:用PowerPoint构建业务操作系统的方法论

1. “PPT-Master”不是软件名,而是一类人的生存状态最近在几个技术协作群和设计交流社区里,“PPT-Master”这个词高频出现,但没人把它当产品名说——它更像一句带点自嘲又透着狠劲的行业暗号。我第一次听到是在某次跨部门复盘会上&#xff0c…

2026/10/20 6:03:23 阅读更多 →
图灵奖60年:人机环境系统智能的演进与落地

图灵奖60年:人机环境系统智能的演进与落地

六十年前,那个以一位计算机先驱命名的奖项第一次颁出时,大概没有人想到,它会成为一部无声的“智能观变迁史”。这六十年间,获奖成果背后的工作其实都在回答同一个问题:机器到底怎样才算有智能?答案从“会算…

2026/10/20 6:03:23 阅读更多 →
浙江高考VB排序系列:冒泡与选择排序代码实现及应试技巧

浙江高考VB排序系列:冒泡与选择排序代码实现及应试技巧

1. 从一道排序题说起:为什么VB排序值得单独拎出来讲每年到了技术科目备考的冲刺阶段,总有一批同学在排序算法这块反复栽跟头。选择题里问“冒泡排序第三轮结束后序列长什么样”,填空题里给一段残缺代码让你补全循环边界,上机操作题…

2026/10/20 6:03:23 阅读更多 →
图灵奖六十年:从机器能否思考到人机环境系统智能的跃迁

图灵奖六十年:从机器能否思考到人机环境系统智能的跃迁

图灵奖整整六十年了。作为计算机科学领域最负盛名的荣誉,它这些年一直被当作衡量学术巅峰的标尺。可如果你把六十年来历届获奖者所代表的方向串成一条时间线,会发现一个远比"学术成就"更有意思的东西正在浮现:整个领域对"智能…

2026/10/20 6:03:23 阅读更多 →
主动学习新思路:损失预测模块如何精准筛选高价值样本

主动学习新思路:损失预测模块如何精准筛选高价值样本

1. 为什么主动学习要换一种采样思路做深度学习项目,尤其在数据标注预算有限的时候,大家最先想到的办法多半是“先随便标一部分,训练一版模型,再用模型挑一些‘难样本’送给标注员”。这套逻辑本身没问题,难就难在“难样…

2026/10/20 6:02:23 阅读更多 →

日新闻

CLRC663芯片Pin-to-Pin替代实战:从评估到量产全记录

CLRC663芯片Pin-to-Pin替代实战:从评估到量产全记录

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/20 1:01:30 阅读更多 →
ESP32舵机控制指南:原理、多路驱动与避坑实战

ESP32舵机控制指南:原理、多路驱动与避坑实战

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/20 1:01:30 阅读更多 →
位移法实现一阶低通滤波:单片机ADC采样降噪实战

位移法实现一阶低通滤波:单片机ADC采样降噪实战

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/20 1:01:30 阅读更多 →

周新闻

基于GMM的语音识别系统原理与MATLAB实现详解

基于GMM的语音识别系统原理与MATLAB实现详解

说到基于高斯混合模型(GMM)的语音识别系统,很多人第一反应就是一堆数学公式,觉得门槛很高。但如果你真的在MATLAB里把它落地跑通,会发现核心其实就是三件事:把声音变成特征向量,用GMM给每个类别…

2026/10/19 10:02:04 阅读更多 →
数字图像处理入门:反白、灰度化、调色板修改与导出txt实践

数字图像处理入门:反白、灰度化、调色板修改与导出txt实践

数字图像处理这四个字听起来挺唬人,但落到具体操作上,无非就是让计算机按你的想法“摆弄”像素。我在一个模拟项目X里用了一套特别经典的基础处理流程:对图像做反白、改调色板、彩色转灰度,最后把像素数据导出成txt文件。单看每一…

2026/10/19 17:32:41 阅读更多 →
机器人大脑技术盘点:具身智能的感知、决策与数据闭环

机器人大脑技术盘点:具身智能的感知、决策与数据闭环

如果你的信息流最近也天天刷到“机器人大脑”这个词,你会发现一个很有意思的现象:每个人说的“大脑”根本不是同一个东西。有人指的是大语言模型,有人指的是运动控制系统,还有人指的是能理解物理世界的端到端模型。在2026年这个时…

2026/10/20 2:50:50 阅读更多 →

月新闻

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/19 2:54:50 阅读更多 →
Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/19 9:10:22 阅读更多 →
黑夜航拍船只数据集训练YOLOV5模型全流程解析

黑夜航拍船只数据集训练YOLOV5模型全流程解析

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/18 12:16:16 阅读更多 →