🇮🇷⚔️🇺🇸General Naghdi: We have prepared the "father of missiles" for America. We possess the technology of the 14-ton American bomb. Americans have a "mother bomb" that weighs 10 tons. However, during the 12-day war, they aimed a 14-ton bomb at Iran, but it failed to detonate. Currently, the alloys, electronic circuits, and all the technologies of the 14-ton American bomb have been analyzed, and we possess that technology. If they themselves were hit by such a bomb, they would know where our technology came from. Farsna

同一个交稿坑，为什么要提醒 AI 第二遍？ AI 能帮你写稿、查资料、做检查。但新任务来了，上次为什么返工、哪种承诺不能写，往往还得重新交代。 这次和 EverOS Cloud 合作，我给自己的创作流程搭了一个小工具：交稿记忆台。 想解决的问题很具体：让上一次审稿留下的经验，能被下一次任务查到、用上。 我没拿一句“它记住了”当结果，而是实际跑了一遍 Cloud API，并做了一个对照。 ① 先让一次检查留下记录 我写了一份故意埋错的原创演示稿，放进交稿检查流程： “永久三倍额度”“自动修改正式 SOP”“保证不再返工”。 检查后，把任务、实际执行的检查步骤、问题与改法一起通过 /api/v2/memory/add 保存。 这轮返回 200 / extracted，Memory Bank 里也出现了“审核故障推广稿并规范核对流程”。 这里的输入是公开演示材料，不是某个客户的真实返工历史。 ② 换一个任务，换一种问法 接着，我只带着同一个 user_id，通过 /api/v2/memory/search 问： “新的 AI 工具推广稿准备交稿，如何检查优惠口径、SOP 自动执行承诺和截图证据？” 查询里没有重贴上一份任务全文。 Cloud 找回了那次审稿经验，包括以后先查历史，再按“原句 → 当前依据 → 问题 → 建议改法”逐项核对。 我又用另一个演示身份查相同问题，返回 0 条。这是本次身份对照的结果，不把它扩大成完整安全测试。 ③ 把找回的经验用到新稿里 我做的工作台分三栏： 左边：新稿 + 当前 Brief。 中间：EverOS 实际返回的记忆及来源 ID。 右边：复核提醒。 在这份故意埋错的新稿中，流程给出三类提醒： - “永久有效”要恢复成当前活动的“半年”，并保留 Pro 和月度额度口径。 - “自动修改正式 SOP”要改成提供处理参考，正式流程调整仍由团队审核。 - 补上实际接入、记忆使用的截图或录屏。 分工也说清楚：这轮 EverOS 负责记忆抽取与检索；右侧检查由我写的本地规则执行，最终由人确认，没有把本地规则的结果包装成 EverOS 自己完成了审稿。 对我来说，这次最有用的发现是：记住审稿方法，比照搬上次活动的答案更重要。 历史经验告诉你“优惠期限要核对”；到底半年还是一年，每次仍要看当前 Brief。 如果你也想给现有工作流接记忆，可以从这个小循环开始： 任务前：检索相关历史经验 任务中：结合当前资料执行，保留依据 任务后：保存过程、结果、错误与改法 交付前：人工确认 做客服可以查类似问题的处理记录；做项目可以查当时为什么这样决策；做内容就查上次哪里返工。 官方还支持从任务 Case 中提炼可复用 Skill。这次我实际查到的是 Episode，Case / Skill 查询均为 0，后面的经验提炼值得继续测，不能用这一轮代替验证。 想先跑通同类流程，可以从 Playground 或 API 入手。官方 Cloud 文档：docs.evermind.ai/cloud/overv… 活动时间：10 月 19 日—11 月 2 日。 开通 Pro，享半年 3 倍月度额度。 统一入口：everos.evermind.ai 你最想让 AI 记住哪一种经验：客户处理、项目决策，还是反复返工的原因？ #EverMind #EverOS

同一个交稿坑，为什么要提醒 AI 第二遍？ AI 能帮你写稿、查资料、做检查。但新任务来了，上次为什么返工、哪种承诺不能写，往往还得重新交代。 这次和 EverOS Cloud 合作，我给自己的创作流程搭了一个小工具：交稿记忆台。 想解决的问题很具体：让上一次审稿留下的经验，能被下一次任务查到、用上。 我没拿一句“它记住了”当结果，而是实际跑了一遍 Cloud API，并做了一个对照。 ① 先让一次检查留下记录 我写了一份故意埋错的原创演示稿，放进交稿检查流程： “永久三倍额度”“自动修改正式 SOP”“保证不再返工”。 检查后，把任务、实际执行的检查步骤、问题与改法一起通过 /api/v2/memory/add 保存。 这轮返回 200 / extracted，Memory Bank 里也出现了“审核故障推广稿并规范核对流程”。 这里的输入是公开演示材料，不是某个客户的真实返工历史。 ② 换一个任务，换一种问法 接着，我只带着同一个 user_id，通过 /api/v2/memory/search 问： “新的 AI 工具推广稿准备交稿，如何检查优惠口径、SOP 自动执行承诺和截图证据？” 查询里没有重贴上一份任务全文。 Cloud 找回了那次审稿经验，包括以后先查历史，再按“原句 → 当前依据 → 问题 → 建议改法”逐项核对。 我又用另一个演示身份查相同问题，返回 0 条。这是本次身份对照的结果，不把它扩大成完整安全测试。 ③ 把找回的经验用到新稿里 我做的工作台分三栏： 左边：新稿 + 当前 Brief。 中间：EverOS 实际返回的记忆及来源 ID。 右边：复核提醒。 在这份故意埋错的新稿中，流程给出三类提醒： - “永久有效”要恢复成当前活动的“半年”，并保留 Pro 和月度额度口径。 - “自动修改正式 SOP”要改成提供处理参考，正式流程调整仍由团队审核。 - 补上实际接入、记忆使用的截图或录屏。 分工也说清楚：这轮 EverOS 负责记忆抽取与检索；右侧检查由我写的本地规则执行，最终由人确认，没有把本地规则的结果包装成 EverOS 自己完成了审稿。 对我来说，这次最有用的发现是：记住审稿方法，比照搬上次活动的答案更重要。 历史经验告诉你“优惠期限要核对”；到底半年还是一年，每次仍要看当前 Brief。 如果你也想给现有工作流接记忆，可以从这个小循环开始： 任务前：检索相关历史经验 任务中：结合当前资料执行，保留依据 任务后：保存过程、结果、错误与改法 交付前：人工确认 做客服可以查类似问题的处理记录；做项目可以查当时为什么这样决策；做内容就查上次哪里返工。 官方还支持从任务 Case 中提炼可复用 Skill。这次我实际查到的是 Episode，Case / Skill 查询均为 0，后面的经验提炼值得继续测，不能用这一轮代替验证。 想先跑通同类流程，可以从 Playground 或 API 入手。官方 Cloud 文档：docs.evermind.ai/cloud/overv… 活动时间：10 月 19 日—11 月 2 日。 开通 Pro，享半年 3 倍月度额度。 统一入口：everos.evermind.ai 你最想让 AI 记住哪一种经验：客户处理、项目决策，还是反复返工的原因？ #EverMind #EverOS

同一个交稿坑，为什么要提醒 AI 第二遍？ AI 能帮你写稿、查资料、做检查。但新任务来了，上次为什么返工、哪种承诺不能写，往往还得重新交代。 这次和 EverOS Cloud 合作，我给自己的创作流程搭了一个小工具：交稿记忆台。 想解决的问题很具体：让上一次审稿留下的经验，能被下一次任务查到、用上。 我没拿一句“它记住了”当结果，而是实际跑了一遍 Cloud API，并做了一个对照。 ① 先让一次检查留下记录 我写了一份故意埋错的原创演示稿，放进交稿检查流程： “永久三倍额度”“自动修改正式 SOP”“保证不再返工”。 检查后，把任务、实际执行的检查步骤、问题与改法一起通过 /api/v2/memory/add 保存。 这轮返回 200 / extracted，Memory Bank 里也出现了“审核故障推广稿并规范核对流程”。 这里的输入是公开演示材料，不是某个客户的真实返工历史。 ② 换一个任务，换一种问法 接着，我只带着同一个 user_id，通过 /api/v2/memory/search 问： “新的 AI 工具推广稿准备交稿，如何检查优惠口径、SOP 自动执行承诺和截图证据？” 查询里没有重贴上一份任务全文。 Cloud 找回了那次审稿经验，包括以后先查历史，再按“原句 → 当前依据 → 问题 → 建议改法”逐项核对。 我又用另一个演示身份查相同问题，返回 0 条。这是本次身份对照的结果，不把它扩大成完整安全测试。 ③ 把找回的经验用到新稿里 我做的工作台分三栏： 左边：新稿 + 当前 Brief。 中间：EverOS 实际返回的记忆及来源 ID。 右边：复核提醒。 在这份故意埋错的新稿中，流程给出三类提醒： - “永久有效”要恢复成当前活动的“半年”，并保留 Pro 和月度额度口径。 - “自动修改正式 SOP”要改成提供处理参考，正式流程调整仍由团队审核。 - 补上实际接入、记忆使用的截图或录屏。 分工也说清楚：这轮 EverOS 负责记忆抽取与检索；右侧检查由我写的本地规则执行，最终由人确认，没有把本地规则的结果包装成 EverOS 自己完成了审稿。 对我来说，这次最有用的发现是：记住审稿方法，比照搬上次活动的答案更重要。 历史经验告诉你“优惠期限要核对”；到底半年还是一年，每次仍要看当前 Brief。 如果你也想给现有工作流接记忆，可以从这个小循环开始： 任务前：检索相关历史经验 任务中：结合当前资料执行，保留依据 任务后：保存过程、结果、错误与改法 交付前：人工确认 做客服可以查类似问题的处理记录；做项目可以查当时为什么这样决策；做内容就查上次哪里返工。 官方还支持从任务 Case 中提炼可复用 Skill。这次我实际查到的是 Episode，Case / Skill 查询均为 0，后面的经验提炼值得继续测，不能用这一轮代替验证。 想先跑通同类流程，可以从 Playground 或 API 入手。官方 Cloud 文档：docs.evermind.ai/cloud/overv… 活动时间：10 月 19 日—11 月 2 日。 开通 Pro，享半年 3 倍月度额度。 统一入口：everos.evermind.ai 你最想让 AI 记住哪一种经验：客户处理、项目决策，还是反复返工的原因？ #EverMind #EverOS

同一个交稿坑，为什么要提醒 AI 第二遍？ AI 能帮你写稿、查资料、做检查。但新任务来了，上次为什么返工、哪种承诺不能写，往往还得重新交代。 这次和 EverOS Cloud 合作，我给自己的创作流程搭了一个小工具：交稿记忆台。 想解决的问题很具体：让上一次审稿留下的经验，能被下一次任务查到、用上。 我没拿一句“它记住了”当结果，而是实际跑了一遍 Cloud API，并做了一个对照。 ① 先让一次检查留下记录 我写了一份故意埋错的原创演示稿，放进交稿检查流程： “永久三倍额度”“自动修改正式 SOP”“保证不再返工”。 检查后，把任务、实际执行的检查步骤、问题与改法一起通过 /api/v2/memory/add 保存。 这轮返回 200 / extracted，Memory Bank 里也出现了“审核故障推广稿并规范核对流程”。 这里的输入是公开演示材料，不是某个客户的真实返工历史。 ② 换一个任务，换一种问法 接着，我只带着同一个 user_id，通过 /api/v2/memory/search 问： “新的 AI 工具推广稿准备交稿，如何检查优惠口径、SOP 自动执行承诺和截图证据？” 查询里没有重贴上一份任务全文。 Cloud 找回了那次审稿经验，包括以后先查历史，再按“原句 → 当前依据 → 问题 → 建议改法”逐项核对。 我又用另一个演示身份查相同问题，返回 0 条。这是本次身份对照的结果，不把它扩大成完整安全测试。 ③ 把找回的经验用到新稿里 我做的工作台分三栏： 左边：新稿 + 当前 Brief。 中间：EverOS 实际返回的记忆及来源 ID。 右边：复核提醒。 在这份故意埋错的新稿中，流程给出三类提醒： - “永久有效”要恢复成当前活动的“半年”，并保留 Pro 和月度额度口径。 - “自动修改正式 SOP”要改成提供处理参考，正式流程调整仍由团队审核。 - 补上实际接入、记忆使用的截图或录屏。 分工也说清楚：这轮 EverOS 负责记忆抽取与检索；右侧检查由我写的本地规则执行，最终由人确认，没有把本地规则的结果包装成 EverOS 自己完成了审稿。 对我来说，这次最有用的发现是：记住审稿方法，比照搬上次活动的答案更重要。 历史经验告诉你“优惠期限要核对”；到底半年还是一年，每次仍要看当前 Brief。 如果你也想给现有工作流接记忆，可以从这个小循环开始： 任务前：检索相关历史经验 任务中：结合当前资料执行，保留依据 任务后：保存过程、结果、错误与改法 交付前：人工确认 做客服可以查类似问题的处理记录；做项目可以查当时为什么这样决策；做内容就查上次哪里返工。 官方还支持从任务 Case 中提炼可复用 Skill。这次我实际查到的是 Episode，Case / Skill 查询均为 0，后面的经验提炼值得继续测，不能用这一轮代替验证。 想先跑通同类流程，可以从 Playground 或 API 入手。官方 Cloud 文档：docs.evermind.ai/cloud/overv… 活动时间：10 月 19 日—11 月 2 日。 开通 Pro，享半年 3 倍月度额度。 统一入口：everos.evermind.ai 你最想让 AI 记住哪一种经验：客户处理、项目决策，还是反复返工的原因？ #EverMind #EverOS

Nigerians Will Pay Fuel Tax When The Economy Becomes Stable — Minister of Finance, Taiwo Oyedele Nigeria’s Minister of Finance and Coordinating Minister of the Economy, Taiwo Oyedele, has said the Federal Government will introduce fuel taxes when the economy stabilises and citizens’ incomes can accommodate the extra costs. He disclosed this in an interview with ARISE News on the sidelines of the 2026 IMF and World Bank Annual Meetings in Bangkok, Thailand, explaining that the government would first consolidate its economic reforms, restore growth and improve household earnings. Oyedele said imposing additional levies immediately after petrol subsidy removal would have worsened Nigerians’ hardship. “You remove subsidy, you can’t immediately impose taxes. That would be insensitive. You push the people to the wall,” he said. The minister noted that fuel taxes account for between 20 and 80 per cent of petroleum prices in some countries, while several African nations impose multiple levies on fuel products. He said the proposed revenue would support infrastructure and help the country prepare for future disruptions in fuel supply. “Not because we want to impose taxes, it will be because those amounts of taxes will be dedicated into road infrastructure, they’ll be dedicated into building our fuel reserve, that can help us moderate prices of fuel products, if anything happens,” he explained. According to Oyedele, the arrangement could also allow the government to suspend the levies temporarily when necessary to cushion the effects of market shocks. “This is what more than 50 countries around the world, they were reducing the taxes, but we had no taxes, there was nothing to reduce,” he added. “There has to be an order published in the gazette by the finance minister, which means we can’t do it in secret,” he said. Oyedele maintained that the taxes would only be introduced when economic conditions improved sufficiently and Nigerians could understand the reasons for the policy and its expected benefits.

The hardest part of AI filmmaking isn’t creating a beautiful shot. It’s remembering the one before it. As an AI filmmaker, I’ve found that generating beautiful images is often easier than maintaining visual continuity. Imagine a fifteen-second scene. A young Chinese woman stands by a window, wearing an ivory silk blouse and faded blue skirt. Afternoon light falls from the left as the camera approaches. The first shot looks perfect. But in the next, her embroidery changes, her hairstyle shifts, the lighting reverses, and her facial proportions differ. Both shots look convincing individually. Together, they no longer belong to the same film. This happens regularly in my work. We spend hours correcting costumes, faces, lighting, camera direction and anatomy. The problem isn’t necessarily the model. It’s the lack of reliable memory between tasks. What if an AI agent could remember the creative decisions behind every shot? I’ve been studying EverOS documentation, developed by EverMind. I haven’t independently tested EverOS Cloud. This explores how its documented memory architecture might address filmmaking challenges, not a hands-on review. A workflow I’d like to explore First, establish a character sheet: a 22-year-old Chinese woman with consistent facial features, hairstyle, ivory blouse and blue skirt. Define the visual language: soft afternoon light, muted colours, an 85mm aesthetic and restrained camera movement. Next, record approved shots and corrections. Perhaps the lighting was reversed, sleeves too short, or camera movement excessive. Normally, these decisions scatter across prompts, notes and conversations. My proposed workflow would preserve character sheets, shot notes and revision feedback as retrievable context. According to its documentation, EverOS supports memory retrieval, recorded task experiences called Cases, and reusable Skills. The value isn’t simply storing information. It’s retrieving relevant creative decisions before preparing another shot. For the next scene, the agent could reference established details and corrections. The blouse stays ivory. The skirt stays blue. Lighting and camera movement remain consistent. That’s the continuity this workflow aims to support. Memory cannot guarantee perfect generation. Models may still introduce inconsistencies. I would still inspect results, correct anatomy and make final artistic decisions. But reducing manual reconstruction of context could improve production efficiency. Memory should support the director, not replace the director. EverOS also documents a distinction between accumulated task experience and established procedures, with human oversight remaining important. Consistency doesn’t mean repetition. Changes in costume, lighting or composition may be intentional. An assistant should remember decisions without treating them as permanent rules. Creative judgement must remain human. My assessment AI filmmaking doesn’t simply need more image generators. It needs better ways to preserve the reasoning, corrections and decisions connecting shots. EverOS presents a documented approach to persistent agent memory worth investigating in AI production. Practical effectiveness still requires testing, particularly retrieval accuracy, setup complexity and reliable application of corrections. This remains a proposed workflow based on EverMind’s official documentation, not a claim of successful product testing. But the underlying challenge is real. A film isn’t a collection of beautiful frames. It’s the relationship between them. Perhaps one of the most valuable things an AI agent could learn is how to remember that relationship. EverOS: evermind.ai/everos Documentation: docs.evermind.ai/cloud/overv… During the campaign, subscribing to EverOS Pro gives you 3× the standard monthly usage allowance for six months. #EverMind #EverOS #AIFilmmaking