北京
一条提示词，一段视频。Riley Brown 展示了 Claude Opus 仅凭单条提示词自动生成的视觉化解读视频，把 Andrej Karpathy 关于 LLM 能力漏斗的框架直接"画"了出来。
漏斗的两端，差距在拉大
Karpathy 的这套框架，描述的是一条从普通聊天机器人用户，一直延伸到前沿实验室内部智能体集群的能力阶梯。漏斗的开口处，是日常对话式用法的普通用户；越往下走，能力层级越深，最终抵达的是实验室内部运转的智能体集群。
Riley Brown 的演示，正是把这条阶梯具象化呈现出来。而 Karpathy 的核心判断是：大众对 LLM 能力的认知差距，正在扩大。
从技术评论到多媒体摘要
这条推文真正值得注意的地方，不在于视频本身好不好看，而在于生成它的方式——单条提示词，没有分镜脚本，没有逐帧调整。
前沿 AI 模型在这里展示的，是一种把复杂技术评论转化为多媒体视觉摘要的实际应用能力。Karpathy 的框架原本是文字形态的深度分析，经过 Opus 处理后，变成了一段可以直接观看的解读视频。
这类任务过去需要人工完成：理解原文、提炼结构、设计视觉呈现、逐段制作。现在它被压缩成了一次输入。
能力漏斗的另一层含义
把这两件事放在一起看，会发现一个有意思的对应关系。Karpathy 说的是用户对 LLM 能力的认知存在层级差异，而 Riley Brown 展示的，恰好是这种层级差异在工具使用上的体现。
会用的人，已经在用单条提示词生成视觉化解读；不会用的人，可能还停留在把 LLM 当成一个问答框。漏斗上下的距离，就这样被一次演示摆到了台面上。
至于这段视频具体呈现了哪些层级、每一层对应什么样的使用方式，演示本身给出了直观的答案。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
