把 Anthropic 的 S-1 链接甩给 Opus，它创作了一座菜园。
角度是它自己挑的。招股书里写着，算力通常要提前 12–18 个月签下，于是算力账单成了棚，先搭好；营收是豆苗，往上生长。
六个季度，豆子从 3.76 亿美元长到 116 亿，涨了 30.7 倍，棚只高了 5.9 倍。2026 年一季度，豆尖越过棚顶；二季度开了花，首次经营盈利 9.74 亿。
它还翻出一个反直觉的数字：同一季度净亏 663 亿，九成是可转债跟着估值上涨做的账面重估。估值越高，账面亏得越多。
读招股书、选角度、抽数核账，agent 按 SOP 完全自治，挑刺我来 😂。
种菜传送门在一楼，园子里还有彩蛋哦 ⬇️
How this came together:
It started with a different piece: the life of a damselfly, from egg to egg, as a 75-second hand-colored copperplate film. Every frame drawn in code by Opus.
While building it, I kept writing down what worked (and what kept going wrong) and turned it into a reusable skill.
Saw all those frame-by-frame, hand-drawn animations going around my timeline and got curious: what if Opus took a boring data table and turned it into a little stage you can actually walk into?
So I handed it a sleep dataset. It built a moonlit dorm: one bed for each stress level, and every blanket is exactly as long as the hours slept. Drag around, zoom in, tap a bed to see the numbers.
Stress, not steps, decides how long your night is.
Honestly? We're barely scratching the surface of what this model can do.
Link in the reply ⬇️
Fins drawn along the bending body look fine on a shark.
A humpback stays curled all the way round its bubble net, and its flippers are a third of its length. same method, the outer one balloons (koi too).
So fins are pinned stiff at the root now. porting was mostly re-checking what quietly worked.
体验 letterfall.glintiary.com
这回从设计到发布，整条流水线都交给了 Claude Code
1️⃣ 按需求搭出可交互、带声效的实时 3D 场景
2️⃣ 对照历次积累的踩坑记录精修
3️⃣ 排一段首尾相接的剧情，导出循环视频
4️⃣ 给社交平台做封面卡片 (ogimage)
5️⃣ 发布到 Cloudflare，得到一个打开就能玩的链接
6️⃣ 维护仓库里各个案例和文档之间的双向链接，下个同类项目直接接上这次的沉淀
能一路顺下来，靠的是这个 LLM wiki 里沉淀的个人画像、方法和脚本，我只管说清楚想要什么。
上次说建模学晚了就不用学了，这次拿打字机试了试能做到多沉浸。
在浏览器里真能打字：每个键是一根连着字锤的杠杆，纸上有纤维、逐字压出的凹痕和背面透出的反字。敲击声是代码现合成的，照一台 1940 年 Erika 5 的录音标定（agent 自发）。中文走模拟拼音，选好字再一个个敲上去。
整台机器没有一个模型文件、一段录音，全是 Opus 5.5 写出来的。⬇️
开局一张图（照片参考），将曾经印象深刻的太子湖花船「搬进自己的屏幕」，想要放松就溜进来沐浴春风。
整体花最多精力的是花船的花材搭配、色彩层次和空间布置节奏、让模型自由发挥效果并不好，一开始连花的结构都表现含糊，应对方式是 pinterest 截图，回来骂。
其次是穿模的修复和交互事件的设计，骂累了才发现是开了 medium effort，当然要模型背锅啊 🤡
画面处理好之后，奏乐。我找了 3 份可商用 bgm，让 Opus 临时写选项，方便在场景里沉浸感受，留多少看心情。微风吹拂的声效设计要求模型做了调性匹配，尽可能和谐。
工具：
CC，Opus 5.5 high 纯代码构建，75% context of 1M。
做机械原理讲解真棒，只用 1% 周量就搞定了。视频是复用了前一个 three.js 案例的 WebAudio 声效合成和导出工作流，带来完整视听体验。
过程中 agent 自行截图验证会比较多，这个案例一共 55 张图。
Introducing Anatomy
Describe a machine in one line. Claude brings it to life.
- Interactive isometric wireframes you can rotate, inspect and explore
- WebGL shaders for fire, water, plasma and more
- Real 3D motion, with individual parts that rotate and move
Install it as an agent skill. Fully open source.
打磨出正式出品，做了若干的优化和经验沉淀。
和「直接在工具画板上操控对象」的传统工作方式不一样，agent 一直在后台用命令操纵，你看到的只是结果。如果不是精准且详尽的表达，始终会有偏差，截图沟通的时间也就随之剧增。1M context 大概多跑了 3 次 75% 的单 session 用量才达到这个结果。
对于这个场景：
● 合理设计互动对象，不用模版锁死。比如这里的鼠标跟随会和千寻的头部、小火车的车门开合关联；
● 让水体本身成为容器，移除了多余玻璃的关照影响；
● 各种结构倒角优化，太大了显得像塑料玩具；
● 地台补充柔和的接触投影，不浮在虚空；
● 海鸥和鱼的身体构造修复、车窗等立体结构避免中空等；
● 文案和场景细节（海底的金币）契合主题做设计，避免无意义的装饰；
应对反复：
● 抽离不同案例的公共依赖，体积不会过度膨胀；
● 打磨过程提取踩坑经验，在项目文件夹里给 agent 按需查阅；
● 块面关系做区别对待，人造物尽量平滑，岩石等天然材质保留块面；
● 可高度复用的水、光、地面等对象，多花点时间优化，ROI 高；
● 视频导出是逐帧录制的，规范写 handoff 给 agent，后续 agent 直接用；
我的建议：
● 在本地做，我用的是 CC 、pnpm 管理。（claude 网页预览只是给打包成一个 html。）
● 做好初步设计就直接 pnpm dev 编译预览，开始沟通打磨。
● 本地安装 ffmpeg，方便导出视频。
● 视频导出时带最佳压缩参数，一步到位，对分享友好。（本案例直出 100M，二次压缩 81M，一步到位 56M 反而有更好画质）
● 经验文档保存好，避免 agent 重复犯错。
有些技术学得太迟就不用学了，比如说，建模？
Opus 在后台一顿敲，海上小火车就这么水灵灵造出来，场景音效都是它自发用代码合成的……
实现：
基于 Sac 的提示词解构了一份通用 meta prompt，然后用 NB 2.1 生成参考图丢给 Opus 5.5 High。
额外提示如下，给模型的自由度较高：
做一个千与千寻的海上小火车场景 [参考图]，3 只海鸥（1 停 2 飞是必备要素），车内暖光。
交互事件不一定是水面，按最佳戏剧效果帮我设计。
🤖 Made with AI
玩了一天 Nano Banana 2.1，说说和 gpt-image 家族的对比：
NB 2.1 脱胎于 gemini 3.6 flash，单看基模的 benchmark，NB Pro preview 的 gemini 3.0 pro 已被全线超越，因此在复杂 prompt 的理解上完全能扛大旗，费率还更低（$0.134/$0.0336 ≈ 4 倍）。
图 1 是密集图文的 case 实验，2K 档即可稳定输出。而 AI Studio 还能出 4K，ChatGPT 似乎固定1K .……
对于版权限制：NB 家族的 IP 支持整体宽松，NB 2 开始，才限制绘制漫威和部分迪士尼 IP。在个人用途上，以低挫败感和高可玩性吊打 gpt-image。
相应的，商用风险需要自行解决。
画面方面：会留白是 NB 家族的显著优势。gpt-image 截至最新的 2.5 版本，扩散不充分感、在应该留白的地方竭力复制元素的毛病丝毫未改。
图 2 右侧可以看到同一组 prompt 在 gpt-image-2.5 的绘制效果。
参数上：NB 2.1 延续了 NB 2 既可以 Web Ground，又可以 Image Search 的组合，超出预训练知识的任务不会陷入死局。gpt-image 就不那么省心了，你只能通过上传参考图的方式来打补丁。
另外，NB 2 家族都可以同时输出图文，边画边聊，干掉了切换文字大模型的折腾工作。
图 3 的文本接上 tts，可以无缝处理成有声书。
文字美学：NB 2.1 的标题字体，尤其是中文衬线字体，长进有限，打不过上一代的 gpt-image-2。如果你的绘制任务涉及文字设计，NB 还不是直出的好选择，期待新版 Pro 能有突破。
图 4 为 NB 2.1 出品的宋体，装饰感，0！
🤖 Made with AI
每日英语阅读材料稳了，给工作流补上最后一块「拼图」——准确、风格可控的发音。
一次一个主题，创作 agent 负责内容的设计和质量保障，绘图 agent 把故事装进一张 A4 纸，gemini 3.8 flash tts 让孩子独立学习不再被发音困扰。
莫得感情的点读笔，从此多余。
