1、 《反正也没时间活》2天播放过亿，懂的人都哭了
抖音账号"站立起来的影子"发布了的AI短片《反正也没时间活》，成为全网现象级爆款，该片2天播放破亿，截至8月21日，点赞1361万、评论13万、分享840.6万。
故事简单到有些荒诞：一个29岁的打工人，被房租、贷款、信用卡压得喘不过气，找到一块写着“高价回收寿命，现场结算”的招牌，想卖掉自己10年寿命。他说："反正我也没时间活。"
外星人却告诉他："你没那么多能卖的。我们只收真正属于你的时间。"
接下来是全片最扎心的一笔账：他剩余寿命51年4个月，但每天上班10小时做不了主，通勤2小时是“身体强制休眠”，睡觉8小时没得选，算下来，未来真正能自由支配的时间，只剩21天7小时。
当这些画面呈现在你眼前时，你就明白了这部短片为什么能赢。
当75%的微短剧都由AI生成、完播率一路走低时，绝大多数内容在重复同一套流量配方。而《反正也没时间活》只是回到了人本身，用简单的故事戳破了“时间贫困”，忙碌到没时间的我们，终于见到了自己。
正如评论区高赞里说：“这流逝的是我的生命啊”。
2. Web GUI 的插件与皮肤全家桶
基于Deepseek Harness，这周诞生了一个非常火的工具型插件和皮肤大礼包：面向 DeepSeek V4 Pro 的“梁神模式” Agent 预设，包含任务看板、Git 图谱、右侧面板、移动端远程、SSH 运维、图像理解、桌面娘宠物、实时吞吐和皮肤中心。
所有插件都走官方 profile 机制挂载到 dsh web，不改 DSH 源码。
全家桶装好之后，我们将拥有一个非常完善的UI，侧边栏和底部控制面板完美对标Vs Code。左侧任务面板、SSH、Skill中心一应俱全。
甚至鲸娘的大小和名字都是可以自己调整的。dsh工作时鲸娘还有动态特效和台词，鼠标点击也有互动专属特效，非常萌，大家可以去试一试。
手机端连接成功后远程当前的 dsh web 工作区可以看会话、开新会话、收发消息、切模和思考强度、调节权限默认，都和桌面端同步。这里我尝试在web端新建了一个文件夹，手机端刷新后立即同步了，零延迟极其丝滑，体验感非常好。
远程连接服务器也是OK的，主机支持遥控器或密码认证。
如果不想配置全家桶，这个作者还为大家贴心地配备了任意插件的npm，大家自行选择安装即可。
3、 把废片变成纸刊海报，预定你的朋友圈最佳
最近刷小红书和抖音，你大概率见过这类内容：一张平平无奇的随手拍，甚至是构图杂乱的“废片”，经过AI处理后，变成一张派头十足的杂志海报。配文往往是："这个 Skill 的审美恐怕在我之上。"
抖音博主@凌晨奔巴士用这个 Skills 制作的图文，获得了61万高赞，使用了作者Zeejay0在GitHub上的开源项目 gathered-scenes-zine-skill（中文名“拾景纸刊“），该项目在GitHub上已有上千star。
滑动查看图片
把 Skill 文件夹拆开看，里面没有一行负责抠图、裁切的代码，只有SKILL.md说明文档和几张示例图。它的本质，是替模型先完成一轮设计决策，再把这些决定写进提示词：
● 不复述照片里的所有信息，只留一个能被画出来的中心概念；
● 画面70%—90%必须是空白纸面，主要视觉簇只占8%—25%；
● 质感上允许低对比度、撕裂边缘、Riso印刷颗粒、轻微套色错位；
● 同时明确"不要做什么"：不要商业海报式大标题，不要Logo和广告布局，不要霓虹、赛博朋克这些模型最爱滑向的套路。
在想不出要什么的时候，我们可以告诉AI不要什么。
玩法也很简单，打开Codex，把 skill 的 GitHub 链接发给它完成安装，然后把照片拖进去，效果不满意就补一句指示词微调，从安装到出图不过几分钟，却可能是你朋友圈的年度最佳。
4、AI版奇迹暖暖，百变女王成带货女王
现在AI不仅能换装，它还能直接做服装生意。
最有代表性的是抖音博主 @雪梨爆爆，这个账号平均日更10-15条，几乎全部是AI生成的女装带货视频，不用真人出镜，场景可以随时从海边度假切到欧洲街拍，卖的却是同一批平价女装。
只有11万粉丝，不开直播，仅靠视频带货就卖出124万件女装，按60元一单的均价计算，累计GMV近7500万元；近期更是做到月销超1000万元，三个月佣金接近百万元。
很多人第一反应是：这也能卖动？答案还是痛点。据蝉妈妈数据，@雪梨爆爆的观众里74%来自二三四五线城市，以"小镇青年"为主。"低价刚需+日常穿搭"把决策门槛压到了地板上。
根据上面那套“识别→提取→换装”的逻辑，我们可以更好地解决“买家秀与卖家秀”的问题，即通过打造自己的衣柜来完成搭配和记录。
如果你也想复刻雪梨爆爆这个项目，我们在Github上发现了一个收获约1.9k star、293 fork的开源项目数字衣橱Wardrobe。
它附带两个Codex Skill，分工明确：
第一个叫 import-clothes，负责整理衣柜。 把穿搭照所在的文件夹交给它，Agent会识别照片里的每件衣服，去掉人物和背景，生成单独的透明底单品图，再按上衣、外套、下装、配饰、鞋子分类录入衣柜。
第二个叫 generate-outfits，负责搭配。 告诉它想生成几套穿搭，以及季节、场合和大致风格，它会从已导入的单品里挑选组合，再生成对应的上身效果图，最后整理成一套Lookbook。
上手门槛也不高，四步：
1、克隆项目，执行 npm install；
2、在 .env 里配置自己的 OPENAI_API_KEY；
3、在 data/model-reference.png 放一张清晰的个人参考照；
4、在Workbuddy/Codex里运行对应的skill指令，比如" $ import-clothes 把 ~/Pictures/outfits 里的衣服导入衣柜"。
需要注意的是，在配置好API Key和参考照之前，导入功能会保持禁用状态，这是项目自带的保护机制。
往期推荐