Leo的笔记本

MiniMax 年度会员 API 实测：图像生成 + 语音合成，到底好不好用？作者：研路炼钢日期：2026年3月26日 前言 前阵子入手了 MiniMax 年度会员 Plus 版，一直听说有语音合成（TTS）HD 功能，但打开后台一看—— 一脸懵逼。 额度写着 4000 字符/天，模型写的是 “Speech 2.8”，但 API 怎么调？文档在哪？选哪个模型？一头雾水。 干脆花了一整天自己调研，把图像生成和语音合成两大功能都测了一遍，能踩的坑都踩了，写成这篇文章，给同样迷茫的你。 一、测试环境 API 平台：https://platform.minimaxi.com API 地址：https://api.minimaxi.com 认证方式：Bearer Token 先用 curl 扫了一遍 MiniMax API，发现以下端点存在： 1234567/v1/t2a_v2 - TTS 语音合成 ✅/v1/t2a_async - 异步 TTS/v1/image_generation - 图像生成 ✅/v1/video_genera...

最近看到一个研究生的秋招复盘，数据很扎实：70 场面试，3 段实习，2 个大厂 offer。 他总结出来的核心发现让我印象很深：厂招的优先级排序是”实习 > 学历 > 项目 > 论文”。 匹配的实习加上学历过关，基本都有进面机会。而很多人（包括我自己）以为论文最重要——但现实是，大部分人的论文方向跟 LLM 不搭，所以论文在这个赛道的权重反而最低。 作为一个还在读研、也在考虑未来方向的人，这个排序对我触动很大。今天把他的经验整理一下，加上我自己的理解，分享给同样在准备秋招或者还在犹豫方向的同学。 第一份实习：别挑，先上桌 他的建议是：第一份实习去大公司做日常实习。 为什么？大公司的招聘流程规范，不会因为你没有实习经历就刷人，而且有培养体系，能真正学到东西。更关键的是：有了第一份大公司实习背景，第二份、第三份实习就好找多了。 准备周期也不长。简历上有一个 LLM 相关项目（哪怕是竞赛复现的），刷完 LeetCode hot100 前 50 题，transformer 基础八股过一遍，就可以开始投了。 投递渠道就那几个：Boss 直聘搜”LLM实习””大模型实习...

前阵子写论文找参考文献，我让 DeepSeek 帮忙推荐几篇 Transformer 在目标检测领域的综述。 它给了我五篇，格式完美——作者、期刊、年份、DOI 一应俱全。我还觉得挺靠谱，顺手就往论文里引了两篇。 后来导师让我把参考文献的原文都下载一遍核对。我拿 DOI 去搜，第一篇——链接无效。第二篇——Google Scholar 查无此文。作者名字搜了一圈，根本不存在这个人。 五篇里有三篇是 AI 编的。格式像真的，内容是假的。 当时我后背发凉。如果没核实就交了，轻则被导师骂，重则学术不端。 后来我在小红书上看到一个研究生发帖吐槽：”怎样防止 DeepSeek 编造文献啊，我都快病了。”底下一堆人附和。说明这不是个例。 AI 为什么会编文献？ 先说清楚一件事：AI 不是在骗你，它只是在”预测”。 当你说”给我找五篇关于 XXX 的文献”，AI 的逻辑是：你要”文献”，文献应该有作者、标题、期刊、年份、DOI——那我就生成一个”看起来像文献”的东西。 它不知道这个文献是否真实存在。它没有”真假”的概念，只有”像不像”的概念。 训练数据里有大量的论文引用格式，所以它能生成格...

我在配置 OpenClaw 多 Agent 工作流的时候，发现一个有意思的设计：主智能体启动时加载 7 个文件，子智能体只加载 2 个。 一开始我觉得奇怪——子智能体为什么不把人格、记忆、用户信息都加载上？不是越完整越好吗？ 后来想明白了：子智能体不需要”人格”，它只需要干活。 这个设计背后有一套很清晰的哲学，今天把我理解到的分享出来。 主智能体加载了什么？ 主智能体启动时，按顺序加载 7 层文件： 第一层是 AGENTS.md，智能体的基础配置——全局指令、工作目录，红线规则。这是所有智能体的地基，所以第一个加载。 第二层是 TOOLS.md，工具配置——有哪些工具可用、怎么调用。没有工具，智能体什么都干不了。 第三层是 SOUL.md，人格注入——这个智能体是什么性格、什么语气、怎么对待用户。这是主智能体和子智能体最大的区别所在。 第四层是 IDENTITY.md，身份信息——名字、头像、特征，让主智能体知道”我是谁”。 第五层是 USER.md，用户信息——用户的偏好、背景、上下文，让主智能体理解”我在跟谁说话”。 第六层是 HEARTBEAT.md，心跳机制——定期检...

前阵子看到一个工科学生分享自己的量化投资转型经历，从 2022 年接触技术分析，到 2024 年用 XGBoost 跑通因子策略。两年时间，从”看K线图猜涨跌”到”用数据和概率做决策”。 他说得最好的一句话是：“赚钱不靠预测涨跌，而靠风险暴露。” 这句话让我想了很久。不只是投资，做研究、做项目、选方向，很多事情的底层逻辑其实是一样的。 他的起点：一门选修课 故事的起点很朴素。他在学校选了一门《数学与投资》的课，学了技术分析——K线图、头肩顶，金叉死叉那些。 学完之后他发现了一个问题：同一张 K 线图，不同的分析师能给出完全相反的结论。有人说”下跌中继”，有人说”已经见底”，有人说”震荡整理”。 主观分析没有客观标准。 这让他很困惑，也成了他转向量化的起点。 第一个策略：回测很美，实盘亏了 30% 2023 年，他做了第一个实盘策略——BTC 的 ATR 通道突破策略。回测表现极好：年化收益 150%，最大回撤 15%，胜率 65%。 然后他上了实盘。三个月，亏了 30%。 原因很经典：市场从单边趋势转成了震荡，固定参数失效了，策略过度拟合了历史数据。 回测漂亮不代表实盘能赚...

我现在每天都在用 Claude Code、Gemini CLI、Cursor 这些工具写代码。但说实话，刚开始的时候，产出的东西确实很”AI”——紫色渐变、千篇一律的布局、通用模板感极强。 后来慢慢摸索，产出质量才开始上来。我发现差距不在工具本身，而在你怎么用它。 这段时间我总结了一个”六阶模型”，也算是对自己从菜鸟到现在的一个复盘。看看你卡在哪一层。 第一阶段：命令式使用 大部分人刚上手都是这个状态：打开工具，输入”给我做一个 XX 网站”，然后等结果。 结果出来了，能跑，但丑。而且千篇一律——因为你没给 AI 任何关于审美、目标用户，品牌调性的信息，它只能给你一个”安全但平庸”的方案。 我刚用 Claude Code 的时候就是这样，让它帮我写一个数据可视化页面，出来的东西功能上没问题，但视觉上一看就是 AI 生成的。 突破点： 从”给我做 XX”变成”我要做 XX，目标是 YY，风格是 ZZ，你觉得我还需要考虑什么？”。把 AI 从命令执行器变成合作伙伴，质量立刻不一样。 第二阶段：对话式协作 到了这个阶段，你开始跟 AI “聊”了。不再只是下指令，而是让它先提问、先...

写 SCI 论文这件事，被拒稿的原因有很多。但有一类原因特别冤——不是内容不好，是写作不规范。 我自己就被这种事坑过。第一次写英文论文的时候，导师看完初稿，第一句话不是讨论方法或实验，而是：”你这个单位前面怎么不加空格？” 当时我一脸懵。后来才知道，”5mm”是错的，”5 mm”才是对的——这是 SI 国际单位制的硬性要求。摄氏度除外，”2°C”不加空格。 这种细节，写错了不会影响你的科研水平，但会让审稿人觉得你不专业。审稿人一旦觉得你不专业，后面的内容他看的耐心就少了一半。 几个我踩过的坑 of 连用三次以上，句子就废了。 我刚开始写的时候特别爱用 of，写出过这种句子：”The theory of the conditions of the absorption of light”。导师直接划掉，改成 “The theory and conditions for light absorption”。 后来我养成了一个习惯：每次写完一段，全局搜索 “of”，看有没有三个连在一起的。有的话就用 for 替换一部分。 缩写在 SCI 论文里不能用。 can’t 要写 canno...

标题党文章里说”Claude 让效率提升 100 倍”，这种话听听就好。 但用了半年之后，我可以说：有些场景它确实帮我省了大量时间，有些场景它根本不行。今天说说真实的使用体感，不吹不黑。 最好用的场景：帮你读东西 这是我用得最多的功能，也是 Claude 最擅长的。 把一篇 20 页的论文 PDF 丢给它，让它”总结核心方法和实验结果”，两分钟出结果。以前我粗读一篇论文要半小时，现在用 AI 先过一遍摘要和关键信息，再决定要不要细读，效率提升大概三到五倍。 读研报、读技术文档也一样。把文档丢进去，问具体问题——“这篇报告对 XX 行业的判断是什么？””这个 API 的认证流程是怎样的？”——比自己从头读快太多了。 但要注意：AI 的总结有时候会漏掉你真正关心的细节。所以我的流程是”AI 粗读 + 自己细读”，不是完全交给它。 第二好用的场景：帮你改东西 写完一段文字、一封邮件、一段代码，让 Claude 帮你优化——这个场景的效果非常稳定。 我写公众号文章的时候，初稿写完会丢给它，让它”指出逻辑不通顺的地方、语言不够口语化的地方”。它给的反馈大部分时候是中肯的。 写英文论文...

我有一个很深的体会：同样水平的工作，讲法不同，结果可能天差地别。 去年我帮一个师兄看论文初稿，方法扎实、实验充分、数据也不错。但读完之后我的感觉是——“所以呢？这个工作为什么重要？” 问题出在哪？他写的不是”论文”，他写的是”实验报告”。方法一二三，实验一二三，结果一二三，平铺直叙，没有任何张力。审稿人看完可能也是同样的感觉：”技术没问题，但我不知道为什么应该接收这篇。” 后来导师帮他改了引言，只改了两段话，把”我们做了什么”换成了”这个领域有什么问题→现有方法为什么解决不了→我们怎么解决的”。重投之后，过了。 方法没变，数据没变，变的是叙事。 讲故事不是吹牛 先澄清一件事：学术论文里的”讲故事”，不是夸大结果，不是捏造数据，不是花言巧语。 它的本质是：帮助审稿人在最短时间内理解你的工作的价值。 审稿人不会主动帮你梳理逻辑。他们每个月审大量论文，没有时间去猜你想表达什么。如果你的论文需要”阅读理解”才能看懂贡献，那大概率会被拒。 好的叙事，就是降低审稿人的认知负担。你帮他省时间，他给你好评价。这不是讨好，是专业。 四件事决定你的论文叙事质量 第一，问题要在第一段就点出来。 ...

标题党文章里动不动就”效率提升 10 倍”，但实际上大部分 AI 工具用下来，体感提升可能也就两三倍——不过这两三倍已经足够改变工作节奏了。 今天不写测评，就说说我自己每天在用的几个工具，好用在哪、坑在哪，一起说。 Skill Create：把重复劳动变成一键执行 这是我觉得最被低估的一个工具。 它干的事很简单：把你已经跑通的工作流程，转化成一个可以复用的 Skill。下次遇到同样的任务，直接调用就行。 我用它干过最实际的一件事：把我每周写研究进展总结的流程做成了一个 Skill。以前每次要花一个多小时回顾这周干了什么、整理成文字，现在基本半小时搞定。 优点： 一次投入，长期受益。适合任何有重复性的工作流程。 坑： 你的工作流本身要先跑通。如果流程本身就是混乱的，Skill 只会把混乱自动化。 Document Skills：处理文档的效率确实高 这个是官方出品的，主要处理 Excel、PPT、PDF 这些文档。 我用得最多的场景是 Excel 数据处理。实验数据整理、格式清洗、批量分析——以前手动搞几个小时的活，现在十几分钟能跑完。PPT 生成我试过几次，能用，但生成出来...