A | 一年一度的新 iPhone “抽奖”活动，终于还是来了。
B | 普通人想用明白 AI 真是废老鼻子劲了。 不是说没有资源，而是门路太杂了。 这里说的抽奖，不是那些博主“我们给大家抽一款全新 iPhone！”的抽奖，而是在小红书、贴吧等平台上，有这么一群 iPhone 用户，他们利用苹果的 14 天无理由退换货政策，不断退货、换货，誓要“抽”到一台显示没有色差、没有色偏、字体通透，且必须屏幕产自三星的 iPhone。前段时间世超逛商场，货摊上摆着成堆的 AI 教程：《 AI，从入门到变现 》，《 图解 AI，极简变现 》。 当前用在 iPhone 上的三星面板，型号一般是“G9N”“G9P”“G9Q”， LG 的则是“GVC”“GH3”。所以，只为一个“G9N”开头的屏幕面板，他们可以换货 3 次、5 次，甚至 10 次、15 次，和售后磨破嘴皮子、和客服耍足心眼子。
C | 有人说，这是浪费时间的吹毛求疵；有人说，这是花了万把块买手机该有的完美主义。
D | 先不说封面这冲鼻子的营销味儿，就里面的内容也是相当难绷。先不论立场和对错，大家口中的“三星屏”，真有如此优秀，值得着了魔一样地频繁退换机？ 这背后的原因，比一句“吹毛求疵”、“完美主义”复杂得多。 案例可能是拿已经下架的老模型跑的，想复刻都费劲；复制几段内容检测一下吧，疑似 AI 占比 100%。 一、退换货的源动力 手机这样的产品，有时候买到有一点品相瑕疵、功能问题的，退换货一次两次也很正常，但在功能正常的前提下，去退换三五次，甚至十几次，难道真的单纯为了个“三星屏”？ 当然不是。 目前 iPhone 上三星和 LG 屏幕面板的对比中，普遍认为三星的屏幕颜色更正、大角度不偏色、颜色更通透和字体不发虚。 说白了，买回来多半也就是个心灵安慰的作用。 在小红书和 B 站上，不少人放出了不同屏幕的显示效果实拍图，确实可以看到，标注为 LG 屏幕的 iPhone，的确在大角度下会更加偏绿一点。 另一方面，有一些用户反馈的 LG 屏幕字体发虚，特别是白底黑字这样反差最明显的时候；而三星的屏幕字体边缘更加清晰锐利。 此外还有用户认为 LG 屏的 iPhone 在屏幕显示纯色（尤其是中低亮度的灰色）时，能看到屏幕亮度不均匀，好像屏幕没擦干净一样，有“脏污”或“条纹”感，会认为 LG 的屏幕都是“抹布屏”，显示颜色或者图片时远没有三星的那么通透。
E | 该图片疑似使用了AI生成技术，请谨慎甄别 就这，网上一搜，有的销量都干到几百万了，要是问问家里长辈，说不定抽屉里已经塞了好几本了。
F | 都说互联网的尽头是卖课，貌似 AI 也不遑多让。投资上亿的初创企业都不一定盈利呢，卖课的倒是先收割一波揣兜里了。 现在在小红书、B 站上还能轻松找到一大堆罗列 LG 屏幕面板的“罪状”，甚至还有一些账号搞了个“一等奖苹果手机对照表”，写明哪些手机零配件的供应商是最好的，哪些是差的，全部用上最好零部件供应商的苹果手机才是“一等奖手机”，放大用户的焦虑。 没办法，现在 AI 进化太快了，经常一个新概念，新应用你还没了解几天呢，就过时了。 在这么一通组合拳下，不同零部件供应商组成的 iPhone 实际体验有没有差距先不说，要是真买到了如小红书所言的“一等奖手机”，情绪价值这块啊，被拿捏住了。 那“三星屏幕的显示效果远好于 LG”，“一等奖手机”这类说法，是不是真的？ 二、“屏幕抽奖”的真相 很遗憾，从结论上来看，三星供应的屏幕，的确在大部分情况里要比 LG 的要更好一些。这个残酷的事实，意味着一部分人买的 iPhone 手机，的确是“二等公民”。 首先，最容易被用户感知到的“字体边缘更清晰”，其根本原因在于三星独家的“钻石排列”（Diamond Pixel）专利技术。 别说长辈找不着门路，年轻人也不一定有精力弄明白。 如现在主流的 AI 应用，像 Codex，Claude Code，国内的 TRAE Work 等等，把 Agent 搬到了本地，功能样式多，用起来都挺不错的，但想真用明白却不简单。 因为他们更新频率都挺快，网上教程也是五花八门啥都有，自己翻找学起来很费功夫。这种技术的特点是红蓝共用的 Pentile 布局下，绿色子像素最多并呈椭圆形，红蓝子像素为菱形（钻石状）且尺寸较大。
G | 不过最近世超发现 TRAE Work 好像要重拳出击了，他们官方自己下场，搞了个知识库，就专门教你怎么用好 TRAE Work。 这种排列方式是三星的专利，它在“像素填充率”和“抗锯齿”方面做了深度优化。
H | 其绿色子像素的密度最高，而人眼对绿色最敏感，因此在渲染文字和精细线条时，其有效解析度（Effective PPI）非常高，文字边缘“黑白分明”，观感最锐利。 作为 TRAE 的老用户，咱也是赶紧上手试了一下，你别说，还真有点东西。
I | 同时为了规避三星的专利，其他厂商必须采用不同的“类钻石排列”方案。 知识库建在飞书文档里，有点游戏攻略的即视感，主要分为基础的新手入门板块和实战指南板块。 在 LG 这边，虽然也是红蓝共用的 Pentile 布局，但其子像素的形状和布局与三星不同，绿色子像素更接近圆形。 它里面不是那种实用小技巧或者提示词大合集，而是实打实按工作场景编排的教程，像什么大学生怎么写实验报告，老师怎么整理课件。 虽然教不了你变现赚大钱，但它实用接地气啊。
J | 上线 6 个小时，就已经 1.8w+ 的访问了，看社区里大伙儿的反馈也都不错。
K | 比如这个对 B 站评论区深度分析的，用上了浏览器自动化的操作，还沉淀成了一套能重复使用的工作流。 最终，尽管在 PPI 相同的情况下，LG 的排列方式在渲染文字边缘时，其子像素的“组合”方式可能不如三星的钻石排列高效。 还有这个我照着教程，提前做的世界杯决赛预测，输赢猜对了比分估错了，但加了个归藏大佬的 PPT Skill，内容排布和视觉效果还是很有质感的。这就可能导致在笔画的边缘出现轻微的“色边”（红或蓝的毛刺）或“虚化”，使人感觉字体“发虚”或不够清晰。 另外，一些用户描述的“三星屏幕更通透”，在技术上对应的是“极佳的屏幕均匀性”（Uniformity），这种通透感的反面，就是俗称的“抹布感”或“阴阳屏”，其学名为 “Mura 效应”。 那这些东西咋做到的呢？诶，也简单，就是拆分步骤跟着知识库做，有手就行。 就拿刚刚的 PPT 来说，其实是顺着任务水到渠成搞出来的。 Mura 是日语“不均匀”的意思，源于 OLED 在复杂的制造过程中，无法保证数百万个像素点拥有绝对一致的电学特性。 举一个简单的例子：理想中，施加 1.5V 电压，A 像素和 B 像素应该发出完全相同的亮度。但现实中，由于制造公差，施加 1.5V，A 像素可能发出了 10 尼特的亮度，而 B 像素只发出了 9.8 尼特。 当这种千千万万的微小差异汇集在一起，在显示纯色，尤其是中低亮度灰色时，就会宏观地表现为亮度不均的“脏污”或“斑块”。 刚开始世超是想研究下世界杯决赛，因为当时还没开始呢，所以就想让 TRAE Work 帮忙做个预测，图一乐。
L | 具体操作就是去知识库里，直接搜索「赛事分析」，然后点击跳转到对应教程。
M | 直接把提示词复制下来，粘贴到 TRAE Work 的对话框里，稍微按自己的想法改一改就 OK 了。 想精细点就输入「/plan」开启计划模式，然后它就会调用 Agent 先写一份计划书，等你审阅后再正式执行。 5 个环节推进下来，深度分析就搞定了，由于装了飞书技能，它可以直接把东西存到飞书里，一份数据表格，一份分析文档，内容都很详细。 最后，还有“LG 屏偏绿”这件事，实际上并非指屏幕整体色温不准，而是专指在光线极暗的环境下，将屏幕亮度调至最低并显示深灰色内容时，屏幕出现不均匀的绿色。 这就像一个由红、绿、蓝三个灯泡组成的调光灯组。当您试图把亮度调到几乎为零（显示深灰色）时，理想情况是三个灯泡都发出 1% 的微光。 但由于 OLED 中绿色子像素的“发光效率”最高，在极低电压下，它可能发出了 3% 的亮度，而红色和蓝色灯泡只发出了 1%。 这件事说白了，就是三星作为 OLED 屏幕的“霸主”，其制造工艺和对 Mura 效应的校准（Demura）技术更为成熟，而 LG 作为追赶者在这两个领域相比三星还有差距。 因此，消费者“抽”到具有可感知绿屏现象的 LG 屏幕的概率，在统计上就可能高于三星；在用户端体现的，就是 “LG 的屏幕更绿一些”。 表格里面有双方球员的详细数据，近几场比赛的记录，甚至教练战术的分析也拆成了十几个维度，甭管预测结果准不准，这信息是拉满了。 再来看分析文档，基本就是对着表格的数据一通推导，判断西班牙更年轻稳定一些，然后给出了预测：西班牙 2-1 战胜阿根廷，捧起大力神杯。
N | 三、被忽视的事实 不过，相比上面的这些技术分析，很多人都忽略了一个至关重要的变量：苹果的品控策略与大规模量产的现实。
o | 最后还叠了个甲，说梅西 39 岁的最后一舞，影响不可量化。
p | 首先，苹果作为采购方拥有极其严苛的品控标准。好赖话都给它说完了属于是。无论是三星、LG 还是京东方，它们交付的任何面板都必须首先满足苹果设定的下限。 从结果来看，虽然比分预测呲了，但这结果和趋势分析的没毛病，西班牙整场都在压着阿根廷打，有点东西嗷。 这意味着，上述的理论差异在出厂时就会被严格筛选，在绝大多数情况下，这些不同供应商之间的差异已经非常细微，对于绝大部分普通用户来说，如果没有在专业的暗室环境下进行细致的 A/B 对比测试，这些差异是很难感知到的。 特别是当你只有一台手机、没有参照物的时候，绿一点、清晰一点、通透一点，仅凭肉眼，大多数人是看不出来的。 其次，“屏幕抽奖”不仅存在于品牌之间，更存在于品牌之内。 这么有理有据的预测，自然得发给朋友瞅瞅，但光文字和表格，容易把人看瞌睡，所以还得转化成 PPT 或者网页。 工业品的大规模量产，追求的是在可接受公差范围内的“良品率”，而不是制造“艺术品”。 以今年 iPhone 17 Pro Max所用的 LG GVC 面板为例，在同一个批次中，就有用户拿到了观感通透、色彩纯正的“完美屏”，甚至说这才是 iPhone 17 Pro Max 这代的“天花板”，同时也有用户报告了虽然抽到了三星屏，但出现了轻微的黄绿偏色或“抹布感”。 这说明了什么？有时候用户觉得屏幕不够好，不一定是供应商（LG vs 三星）的差异造成的，而仅仅是大规模生产中无法避免的、随机的品控公差造成的。 退一万步来说，就算三星比 LG 好得多，苹果大概率也会把三星调到和 LG 一样。 话不多说，直接下令，几分钟后就搓了出来，内容结构没变，但视觉效果好了很多。
q | 背景是深色的足球场，还搞了个大力神杯的 SVG 动画，复杂的信息得点击才会弹出，不干扰主页面，小巧思不少。
r | 所以，今天我们所热议的“屏幕抽奖”，实际上是微小的技术差异、随机的量产品控公差这两者共同作用下的一个复杂现象。 四、“抽奖”的喜与悲 那么，回归到最初的问题：为了追求那块“完美屏”而参与“屏幕抽奖”，到底值不值得？ 从执行消费者权益的角度来看，这似乎无可厚非。 最后分享的话还需要一个公开的地址，咱还是打开知识库，直接搜索「部署」，然后跟着教程简单配置一下，最后在聊天框里告诉 AI，帮咱免费托管到这个 IGA 平台。
s | 当然，PPT 还是开胃菜，知识库里还有更难更专业的使用姿势，比如看论文。无论是苹果官方还是各大电商平台，都提供了“7天无理由退换货”、“14天无理由退换货”的消费保障。
t | 消费者在规则范围内，通过退换来筛选一台自己最满意的设备，这在情理和法理上都站得住脚。 前段时间 Anthropic 搞了个研究，说是发现了 Claude 里有类似人类「意识」的小房间，叫「J-space」。
u | 这么牛批的东西那肯定得好好搂两眼，但原论文将近十万字，肯定不能生啃，还是跑知识库里找点妙妙小工具处理一下。
v | 一样的步骤，找教程，复制提示词，然后根据自己的需要稍微改改就能发送了。 处理完，得到一份报告，结构很清晰，核心观点和主要数据都被提炼出来，放到了前面，而篇幅较长的实验附到了末尾，整体读起来效率高多了。 甚至于，那些同时购买十几台设备回来逐台挑选再退货的“专业玩家”，也只是在最大化地利用平台规则。 说起来这其实是模型可解释性的相关研究，不止 Anthropic，其他研究机构也都在做，毕竟 AI 这么吊，看不透总感觉挺危险的。 然后我就又淘了几篇其他方向的研究，想综合对比一下看看，用的还是知识库里的方法。 过了一会，它交出来一份简洁凝练的分析报告，主要是拉了几个对比表格，捋了一下几篇论文的重点。 但是，这种“合理”的行为背后，潜藏着一个容易被忽视的风险：触发风控检测。 最后还串了一条主线，说是现在研究方向挺多，有的偏理论，有的偏工具，各有不足，但有时候又能很好的互补。说到底，“无理由退货”是一项消费者福利，而非一项可以被无限利用的商业条款。
w | 确实，光靠 A 社一家之言，还是有点模糊，综合着看就清楚多了。 当然，这玩意儿研究的相当缓慢，一天两天可能还有兴趣关注，时间一长就容易甩一边忘掉。 同样是坊间传言，根据Reddit、V2EX、酷安等网络社区的大量用户反馈，过于频繁、短时间内连续的退货行为，尤其是非质量问题的退货，确实有概率被苹果官方系统自动标记为“高风险账户”或“滥用退货政策”，不过暂时看来还不清楚会导致什么严重后果。 相比之下，电商平台的风控就更直接了，过高的退货率会显著影响用户的信用评分，一旦你的账号成了“黑户”，到了要抢购新品时，这个账号就有可能次次都失败。 不过知识库还有骚套路，就是设个定时任务，每天早上让 AI 自动检索整理一遍，有价值再看，没新货就拉倒，有点像雇了个秘书提前帮你筛选文件。 一边是“完美机器”的诱惑，一边是账号被黑的风险，各位苹果用户会如何权衡呢？ 本文来自微信公众号：蓝字计划，作者：Hayward。 下面是它早上九点半发给我的周报，里面从 arXiv，OpenAI 和 Anthropic 扒出来 11 篇论文，直接塞进了我的飞书里，这下不得不看了。 当然，除了这种长线任务，编辑的日常还得广撒网，从海量的新闻里面捞选题。 但渠道一多就容易看不过来，好在前些天从 Github 上刷到个项目叫 Newsnow，聚合了很多世超平时逛的新闻网站，咱干脆任务升级，拿 TRAE Work 改造改造这个项目。 首先，得切换模式，因为术业有专攻，刚刚那俩任务都是「Work」办公模式，要改代码最好换成「Code」。 然后还是搜知识库，找到这篇题为「拿到「热门开源代码」，7 个思路教会你学习」的教程。 跟着里面的思路，先让它把代码仓库拉到本地，分析一下，观察清楚框架结构。 然后这活儿它居然干了半个多小时，我本来以为是哪儿卡住了，延迟太高，结果翻开交付物一看傻眼了。 好家伙，这哪是观察一下框架，这给人族谱都扒干净了。
x | 分析了整整 11 份文档，给项目建了个 wiki，顺手还搞了个前端落地页，推荐了几种不同的阅读路径，一条龙安排的明明白白。 视觉设计直接就用了原项目的红黑配色，而且它这个简约的半透明质感莫名的高级。 内容上也没得挑，代码块有高亮框，架构图，时序图，流程图都用上了 Mermaid 渲染，直观而且清晰。
y | 无论是拆解某个功能自己学习，还是在项目基础上做二次开发，直接就是一个胸有成竹。 那还说啥了，直接搞点小功能试试水。
z | 比如让它开发个将新闻转化成选题的功能，习惯性的搜了搜知识库，发现里面关于这个居然也有建议，咱直接复制一手，改一改发送执行。 跑了一段时间，功能就开发好了。 整体效果就是自己先接入大模型的 API，然后 AI 就会按要求从这些接口的新闻中，找出 15 个有爆款潜质的新选题，每个再配上一句话的钩子，可以说很全面了。 但看着这界面总感觉味道不太对，布局什么的倒是合理，但风格上少了点差评味儿。 好在 TRAE Work 它还能兜，除了刚才体验的 Work 和 Code 模式，还有第三种 Design 设计模式能一起联动。 按照知识库的说法，用 Code 完成开发后，如果对视觉设计不满意，可以把结果回流到 Design 模式，对前端界面进行大改造。 于是我就找了几张差评之前的插图，然后喂给 Design 模式，让它知道啥叫差评味儿。 结果它品了品，反手掏出来一套标准的设计系统，名字叫故障蓝绿风格，嘿，你别说还挺准的。
| 关键这里面内容相当丰富，除了纯文字的设计规范，还有主题色系，字体标准。
| 当然，最显眼的是这一堆示例组件，展示了素材包框和表格元素的视觉效果，特别是按钮和文字后面的紫色霓虹细节，味道太对了。 于是我直接让 TRAE Work 照着这个标准重构项目的前端，花了十几分钟，差评风味儿的新闻聚合器它就好了。 可以感受到，从项目拆解，到新增功能的开发，再到前端的重构，基本都能照着 TRAE Work 官方知识库一路顺下来，整体体验相当丝滑。 而且在这种长线任务里，它有个小功能深得我心，就是多端联动。 有时候处理时间一长，我就喜欢掏出手机去外边溜达，然后老容易忘记电脑上还干着活儿呢。 但绑定完手机和电脑后就不会了，任务中断或者完成它都会弹出提醒，还会滋得震动一下，就挺实用的。 当然，实际体验里也有磕磕绊绊的地方，比如改前端时一些组件可能错位，服务器有时候没正确启动，但它能调用 Agent 工具，自己截图 Debug，考虑得也算周到。 而且全程我也都没开会员，用的还是榜上有名的 GLM-5.2 模型，跑完三个任务都没限制，属实给我蹬爽了。 所以对于普通用户，TRAE Work 这次的切入点就很妙，它没强调什么模型参数有多猛，而是反手搞个知识库，教你怎么用着顺手。 轻度用户能照着实战教程快速上手，深度用户也能丰富一下技能储备。 而且知识库这玩意儿是需要长期维护的，一代版本一代神，好用的打法都是动态变化的，所以官方下场就靠谱一些，至少更新频率是有点保证的。 至于那些落后不知道几个版本的《AI，从入门到变现》，还是老老实实垫桌腿吧。
Current article:http://u20s.shuicengchongmingnouhuawang.bond/z91u7n/ntdm.html
Published on:00:09:13
