X 监控

作者分享了三个自研AI工具：Skill Hub解决AI技能版本混乱问题，支持上传、订阅和自动同步；应用入口统一存放内部应用，包括运营看板和小游戏；服务器部署助手把本地项目一键部署到公司服务器，非技术人员也能用。另外预告了一个免费AI热点监控网站AI Hot，但正文没披露上线时间。 亮点是部署助手降低了部署门槛，让vibe coding产出的项目能真正分享使用。但这些都是内部工具，没有开源计划，外部无法验证实际效果。AI Hot网站功能描述比较模糊，只说“精选策略和监控流程”，具体怎么去噪、更新频率、覆盖哪些信源都没说。

一位前设计师发帖称 GPT-Image-2 已全量上线，并晒出两张一次生成的图片，强调其世界知识和审美能力。帖子只披露了两个条件——随意写的提示词和单次生成，没有交代上线时间、访问范围、模型细节或任何官方说明。如果属实，这比 DALL·E 3 在知识准确性和审美上明显进步，且一次生成就能出图，成本低、体验好。但来源是个人推文，非 OpenAI 官方，信息缺口很大：模型参数、可用渠道、付费限制、是否支持编辑迭代等一概未知。建议先观望，等官方公告或更多实测再下结论。

这条帖子的核心信息是：Claude Opus 4.7 发布后，监控几十个信息源的用户看到 11 个信源同时报道，说明关注度确实高。但正文没披露模型的具体规格、价格、上下文窗口或官方公告链接，所以目前能确认的只有热度，不是能力变化。对于 AI 从业者来说，这条消息的价值在于提醒你关注后续官方信息，而不是现在就下判断。缺的东西很明显：没有 benchmark 数据、没有定价、没有可用性说明。如果后续官方公布这些，再评估是否值得跟进。

作者用实验数据说话：Skill 数量在 20 个以下时准确率 90%+，超过 30 个开始下降，到 200 个只剩 20%，而且速度慢、token 消耗大。核心观点是 Skill 设计本质是分类学，关键在于找到合适的颗粒度，而不是堆数量。作者自己常年只保留 30 个以内，比如把所有生图需求（公众号封面、PPT 配图等）合并成一个 Skill，内部按上下文路由，而不是每个场景单独建一个。判断 Skill 是否值得存在的三条标准：场景有没有明确边界、是否高频复现、能否归入已有 Skill。正文没披露那篇论文的名字、实验设置和 Claude Skills 生成器更新的具体细节，但作者自己的体感和实验数据一致，可信度较高。对 AI 从业者的实际价值是：别被“万物可 Skill”的热潮带偏，先设计好自己的分类系统，区分哪些该放 CLAUDE.md、哪些该放 Skill，奥卡姆剃刀原则同样适用。