产品经理老王霸
@laowangbabababa • 10,591 subscribers
🏫前Top2大厂AI产品经理 ，熟悉AI底层原理 📚《电商产品经理》作者 ，独立开发者 🏫 公众号：产品经理老王霸，长文都在这里 👀 分享AI出海，AI实操分享，AI 编程经验和踩坑分享 🔥 企业AI培训 | AI 工具推广，V: pmlaowangba
Shorts
Videos
太牛逼了。真的，太牛逼了。真的能爬一切，而且速度嘎嘎快！ 以前让 Claude Code 上网搜个东西，推特 API 要钱，网页抓取要订阅，B站小红书直接给你拦在外面。每个平台一个门槛，烦得要死。 Agent-Reach，一个免费开源仓库，一条命令把这 14 个平台全通了。 我装上跑了一遍 ，让 Agent 去搜一条小红书任意帖子的评论并总结，十秒总结出来，我当时真愣了一下，又快又好啊。 讲道理，Agent 能写代码能改文档，上网找东西就一直卡在这。Agent-Reach 干的就一件事，把选型和配置全帮你做完了。 yt-dlp 提字幕，twitter-cli 搜帖子，xhs-cli 抓小红书，装好以后 Agent 自己调，不经中间层。哪块不好用随时换。 零配置直接跑的有网页、YouTube、RSS、公众号、微博、V2EX。不用记命令，直接说需求，Agent 自己知道走哪。 >安装方法： 跟你的大模型说： 帮我安装 Agent Reach
产品经理老王霸426,986 views • 3 months ago
又捡到一个宝。 几百封投实习的简历邮件，我人工一封封看，下载要一下午，被网易邮箱大师里免费内置的 Mail Agent 几秒筛完了。 我拿手头一批实习生简历邮件试了试，让它按学校和实习经历，对比我的招聘JD，给简历排优先级打分，并生成HTML报告。网易的AI邮件助理立刻行动，理解我的意图，一分钟时间就干完了，关键是免费额度非常慷慨。 但我觉得最值钱的地方， 它是在邮箱里直接读完整数据。几百封邮件，每一封的原文它都过了一遍，才给你出筛选结果。人用眼睛翻，翻到后面记不住前面，漏了、看串了都正常；它基于完整原文，可以按时间点建知识库，所以数据非常准，远不是外部的agent可以比拟的。 我拆了拆它实际干的活，就四件事： 1、筛，垃圾邮件、群发通知先清掉，剩下的按紧急程度排队 2、整，几十封往来邮件按时间线拉成进度表 3、写，周报、客户跟进记录、回信、简历，PPT等，一句话生成还能导出 4、建，把近期的邮件自动建成知识库，随时问去年和谁合作过、论文格式要求是什么，都能精准回答 如果你还不会怎么操作，可以看我的讲解视频，或者留言。
产品经理老王霸141,341 views • 1 month ago
震惊了，终于有人把 GitHub 说清楚，哦对，就是我说的，哈哈，非常适合小白阅读。这是一期 github 的奶爸级别教学。如果你是AI编程爱好者，这视频对你帮助极大的。 GitHub有多牛？它有1.8亿开发者，至少6亿以上的仓库数量。你知道的腾讯，阿里，字节的开源项目全部都会放到GitHub上。 上面内容五花八门，全部开源免费，比如有最近爆火的openclaw，有数字人，有skill仓库，有电商系统等等 他可不是程序员专属，因为AI编程能力变强了，现在几乎要人手一个GitHub的，接下来我带你学习它的核心功能，包括 > 怎么注册使用GitHub > 怎么跟从GitHub下载项目 >如何上传GitHub项目
产品经理老王霸257,063 views • 3 months ago
震惊了，抖音上祁博士一天卖 50w 的数字人 agent，我2 分钟就开发完成了。 用的就是Pixelle-Video这个项目，已经22k stars。包括数字人口播、动作迁移、图生视频全支持。 支持ComfyUI，输入主题，从写脚本到加 BGM 到出片，一条龙自动跑视频。 老王部署到本地，做了个简短的视频，属于插图式的视频，如果你需要更复杂的视频，需要自己配置云端模型比如 seedance2，kling 等等。 Pixelle-Video 最厉害的地方，是它把视频生产完全做成了可配置，支持本地部署模型和云端大模型。 文案、画面、配音、剪辑，它拆成四个可替换的模块，每块后面都能换模型，可以自由切换模型，使用非常方便 >文案层：LLM 读主题，吐出带时间戳的结构化脚本，每>句对应一段画面。 >画面层：脚本每句转生图提示词，扔给 ComfyUI 或直连 DashScope 出图，图生视频和数字人口播也走这一层。 >语音层：脚本原文走 TTS 合成，多语言加音色克隆，不用自己录音。 >合成层：画面对齐语音时间轴，叠上 BGM，输出 MP4。 仓库： P.S. 想到了就能出片，懂一点 AI 编程，这个项目就能自己做成适合各行业的数字人 agent。
产品经理老王霸200,623 views • 3 months ago
我靠，原来抖音一晚上卖 50w 的数字人，都是基于这个项目开发的。叫MoneyPrinterTurbo，7.4 万 star。 输个主题，AI 写文案、自动从 Pexels 扒无版权素材、配音、加字幕、配 BGM、合成出片。 我已经部署到自己的mac 电脑，并拿山海经 12 祖巫的故事跑了1次， 还挺好玩，只需要输入一个标题，出来的视频成品基本不用改。 LLM 写稿、TTS 配音、素材搜索、字幕识别、视频合成，五条互不搭边的技术链路，被它串成了一条自动化流水线。每一步的提供商都是可配置的。 拆开看，总共有这几个能力可供我们学习： → 脚本层：接了 15 种大模型，内置 20 多套爆款模板，支持中文 → 素材层：自动跑 Pexels 扒无版权视频，也能往里扔自己的素材 → 配音层：9 种语音合成方案，Edge TTS 免费，Azure 和 ElevenLabs 可切 → 字幕层：Whisper 做精准对齐，Edge 做快速生成，字体大小颜色随便调 → 合成层：MoviePy 把所有东西拼成一条高清视频，竖屏横屏都行 对电脑配置很低，CPU 就能跑，根本不用显卡。还自带的 Web 界面，也能用 API 和命令行。讲真，这配置对普通电脑来说挺友好的。 想做内容的，不想露脸，就先把仓库 clone 下来跑通一条视频，看看它怎么把五步串成一步。 做开发的，抄它的模块化思路。插件式架构加多方案可替换，自己项目里就能用这套拆法。 别只收藏啊，你看老王搞得成片，是那么个意思了。然后，你拆一遍它的流水线怎么搭的，比收藏 100 个工具值。
产品经理老王霸183,906 views • 3 months ago
我去，又发现一个非常厉害的产品。这数字人口播做的太太逼真了，特效质量做的非常高，完全超出我预期，它就是Fotor Agent Fotor 剪口播的人应该都明白，删赘词、补 B-roll、对字幕、找配乐，一条三五分钟视频大半天都搞不定的。 你跟AI对话，要这特效，那个金句卡片，生成耗时很久，还永远不满意。 那你真要试试这个产品，它在AI剪辑能力上，非常夯。我已经测了： → 语义剪辑，听完整段口播，口误、重复、废话先砍掉，再从内容里提高光，节奏等素材 → MG 动效，科普片里 Agent、流程图、行业名词，自动补矢量动画和转场，不用先去学习AE了 → 一键编排，字幕、配乐、B-roll、转场按内容语义排布，AI粗剪完，我们人工还能手改 → 可编辑迭代，不满意就在对话框调一轮，改一版不用重新从零对时间轴，大大的提效。 老王把一段文案和自己的形象，做个数字人口播，发给Fotor Video Agent，它做了这几块操作： 1、听懂文案：按语义切段，删口误和废话，标出重点 2、自动成片：口播画面、B-roll、MG 动效、字幕、配音、配乐一起排好，卡点不用手搓的 3、可改可导出：操作台里换镜头、改字幕、调动效，满意再出正片 大家可以看一下AI生成和剪辑的效果
产品经理老王霸21,809 views • 12 days ago
有人把 MiniMax 语音克隆和 HeyGen 数字人出镜，写成了一个 Agent Skill。 用法不复杂。 给它一张正面肖像，一段声音样本，一份脚本。Agent 拿到先不干活，先看声音格式对不对，文件大小超不超，肖像够不够清晰。 有一项没过就会停下，不会让你付了 API 调用的钱才发现素材有问题。 校验过了才进正式流程。MiniMax 做语音克隆生成旁白，HeyGen 拿图片驱动视频。 你可以先出一版 15 秒 720p 预览视频，仔细看口型、面部变形、眨眼幅度。确认没问题，再生成 1080p 成片。 出错后的恢复策略也做得特别好。API 超时不直接判失败，下载失败只重试下载不重开任务，签名链接过期不另起新请求。每次出问题优先用已有结果恢复，而不是再来一遍付费调用。 把校验、重试、状态追踪这套产线逻辑，写成 Agent 能执行的指令。 下面是作者的视频，很哇塞 Rachel🥥
产品经理老王霸76,146 views • 1 month ago
又淘到一个学英语狠项目，我深度体验了一下，非常好用，百词斩、多邻国付费版做的事，这个免费项目全包了。 它把背单词拆成了四个阶段。从跟打到听写，到自测，再到默写，层层递进。 市面上大部分工具只做到第一阶段：让你认。TypeWords 推到第四阶段，这是它的特殊优势。 它用的 ts-fsrs 间隔重复算法，根据你每次敲对敲错的速度，动态算下一次什么时候该见这个词。跟那种按固定天数推复习的，是代差的区别。 → 考雅思托福的，跟打先带你过拼写，听写遮住原词让你打，自测看中文敲英文。三关下来这个词长进肌肉里了。 → 背 GRE 考研的，FSRS 算法根据每次敲对的反应速度算间隔。打错自动进错题本，隔几天推回来重打，对三次才标记掌握。 → 日常想维持英语的，文章模块支持逐句默写，导入自己材料自动翻译双语文档。边写边听边记。 想直接用的，打开 15 分钟，一周拼写记得嘎嘎清楚。 做英语学习产品的，去翻它的源码。自己去部署，开发新的网站。 仓库： 上手： P.S. 下次有人说学英语靠坚持，把老王这条帖子甩过他脸上
产品经理老王霸153,263 views • 3 months ago
说实话，这个数字人项目被严重低估了。 外面还在20美元/月买 HeyGen数字人会员，美团已经把整套数字人口播方案开源出来了。叫 InfiniteTalk，一张图一段话，口型、头、身体全同步，不限时长。老王拿照片试了一下，完全可用。 它表面是个数字人对口型工具，实际干的事比这多得多。底层用Wan视频模型负责出画面，再挂个音频分析引擎，把你说的每句话拆成嘴型、表情、身体该怎么动的指令，最后靠一种只刷新关键帧的策略，保人脸不崩背景不乱。 整条视频从上到下跟着音频走，不光嘴在动，肩膀、眉毛、眼神全跟着语音节奏变。那种只给你换张嘴的方案。 有两种用法。 1、拍张照片配段话扔进去，出来就是一条完整的说话视频，单人口播、唱歌都行。 2、塞段现成视频加段新音频进去，它能给原视频换配音，人物嘴型和身体动作全跟着新音频重新对齐。 硬件要求，英伟达cuda，显存至少24G，mac无法使用，内存32G以上，硬盘200G以上（权重就100G以上） 安装方法，不复杂， 让AI帮你建个新 Python 环境，跑一遍依赖清单，从 HuggingFace 拽三个模型包就齐了。从下载到出第一条视频，半小时够了。 PS：仓库在 GitHub，而且是Apache-2.0 协议，商用很友好。效果看这个视频，开源的东西做到这个程度，以前真不敢想。
产品经理老王霸90,306 views • 2 months ago
经过老王多日的研究，调研发现生成动画科普视频的 2 个方法，还算是靠谱 1、多图层动效法。一次性把图片生成，包括主体图片，标签，数字，重点，文字等等。使用 HyperFrames 让各个图层动起来。 优点：纯免费，画面能动。 缺点：时间成本极高，每个图层都是一张图，ai 生图需要很久很久。 2、图生视频法。让视频模型负责生视频，画面会变得更加细腻，美观。每秒至少 30 帧，理论上就是 1 秒播放 30 张图片，效率比生图模型高很多。但我一直想规避这个方法，因为不太可控。 优点：画面非常棒，生成速度快 缺点：成本昂贵，1 分钟视频即使用最便宜的模型也要10 元+了，批量产出成本都收不回。而且，也需要抽卡的，幻觉很强 最后，我选择了 2 者结合的路线，图层+图生视频的方法。效果还是比较满意的。但仍然无法做到稳定。
产品经理老王霸50,172 views • 1 month ago
淘到一个狠项目。 Godot，一个 11.2 万 stars 的开源游戏引擎，MIT 协议，全免费。 Unity 一年订阅费够你雇一个程序员，但这玩意儿直接全免。它表面看是个免费游戏引擎，说白了就是 Unity 的平替。 但免费只是表面。 Godot 的 2D 引擎是它最硬的底牌。专属 2D 渲染，像素坐标直接控制，不套 3D 管线模拟。 做 2D 游戏的都懂， Unity 那套 2D 是 3D 引擎上盖了层薄皮。Godot 反过来，2D 引擎从根上就是 2D 的。节点架构也干净。场景树组织一切，一个节点一个职责。 没拿投资没收版税，纯靠社区捐赠活了 12 年。stars 货真价实，开发者都用脚投票的。 ai 时代对普通人来说，这事儿很简单：你想做游戏，以前得先凑一笔引擎钱。现在不用了。 下一个安装包，几十兆，双击打开，建项目直接开干。 官方文档里有个 Your first 2D game 教程，跟着走，30 分钟就能跑通一个会动的小角色了，看我做的小视频，在 mac 电脑运行，非常出色。而且，做出来的游戏全是你的，没人抽成，没人管你赚了多少。 别只收藏。今晚下一个编辑器，跑一遍入门教程。30 分钟你就能判断这玩意儿适不适合你的下一个项目。
产品经理老王霸98,345 views • 3 months ago
太牛比了，实在太全了。84k star、近 3 万 fork，这个电商开源项目，前后台加起来 20 多个模块全塞进去了。 外面一套像样的电商系统几十万起步，这个 Apache 2.0 随便用。商品、订单、会员、促销、统计……大厂后台有的模块，它里面全有，一个没少。 是外包电商项目的大爹！！！ 它甚至还贴心的配套了一堆课程讲解，应该怎么用这个项目。从2018 年到 2026 年，8 年了还在更。大部分开源电商项目写完 CRUD 就停了，这个不一样。 你把它的模块翻一遍就知道了。 ->商品这块，品牌、分类、属性、库存，一个不少。 ->订单那边，购物车、下单、支付回调、退货流程全串好了。 ->会员体系也有，等级、积分、成长值。 ->营销那套没落下，秒杀、优惠券、满减活动都在。 ->还有报表，流量、转化、用户画像。 大厂后台有的，它全有。 说真的，照着这个结构改改，接私活起后台、团队搭中台、学 Java 练手，一个仓库够了。 老王做vibecoding课程，就拿这个做的案例，直接做了一整套电商平台。 商城是最经典的场景，订单流转、库存扣减、优惠叠加，AI 能不能把这些逻辑写对，一跑就知道。如果让 ai 从头开始写，这些底层系统着实需要花费很多功夫的。
产品经理老王霸58,519 views • 2 months ago
GPT-6 Astra的3D建模能力增强很大，为了了解他的模型能力，我直接在ZenMux上跑完和Claude Fable 5.1的3D游戏对比测试。 就一句话：做个能玩的3D水族馆游戏。 他们都可以直接生成能玩的游戏，包括驾驶飞船，鱼缸、鱼群、投喂等等。 老王挑这个测试是有原因的。因为，静态页面AI能糊弄下，但游戏糊弄不了啊，鱼要游，状态还得跟着时间走，这样才能测试出模型的能力。 整体输出的对比结果上，GPT-6Astra的能力还是占优的。 1、3D能力都是非常的强悍，能够100%还原需求。 2、GPT-6 Astra在提示词拆解上做的更优，会更加详细的梳理用户意图并分解执行工具，当然也会导致输入token变多，首Token延迟大一些。 3、GPT-6Astra的页面丰富度更好，页面的纹理，物体的反光，光暗颜色更加贴近真实情况。 成本那块，老王在ZenMux上拉了两个模型同台对比， 1、同一个任务，GPT-6 Astra，输入 64,683，输出 35,408。Claude 输入 105,738，输出 28,363。每 1 万 token 输入的产出，Codex 约 5.5k，Claude 约 2.7k，差一倍多。也导致了，GPT-6 Astra输出的作品细节更加丰富了一些。 2、GPT-6 Astra延迟 142 秒，Claude 9 秒。总耗时 563 秒对 295 秒。前者思考时间更长，执行任务更久，内容提示词延展的更多一些。 大家拿自己的任务再跑一遍，ZenMux一个key后面挂多家模型，换模型不换代码，我做这样的对比测试都非常的方便。 最近9.4-9.11，有充值活动，充 $50 到手 $70，充 $100 到手 $150，每个账号限兑一次。 想使用的同学，可以来这里注册：
产品经理老王霸15,556 views • 19 days ago
张雪峰真是大善啊，高考孩子有福气了。张雪峰老师虽然走了，他那套帮人选专业的核心认知全在。 有人干了一件特别牛逼的事。把张雪峰十年直播里反复用的那套判断框架，蒸馏成了一个开源的 AI Skill。5本书、15篇采访、30多条语录，一层一层提炼出5个心智模型：社会筛子论、就业倒推法、阶层现实主义、不可替代性检验。 我给你翻译一下这是什么意思。 你问它一个问题，它不是说一堆正确的废话。而是先查你有没有行业资源，再看这个专业毕业生中位数的去向，最后给你一个你够得着的方向。 不讲鸡汤。不画大饼。 老王把这东西接成了免费的高考答疑AI工具，现在谁都能用，网址： 模型全免费，你直接提问就行。 三个场景，我说说有多实用。 第一种，正填志愿的考生。拿分数、省份、想报的专业，三个要素丢过去。它按中位数去向给判断，告诉你这个分段能去哪、出来做什么、值不值得去。 第二种，孩子要选专业的家长。这也是张雪峰直播间十年反复问的一套逻辑——先别问什么专业好，先问你家里有什么行业资源，再去看这个行业出口在哪。工具会按这个顺序反过来问你。 第三种，纠结考研还是工作的。它会先问你什么专业。不同专业，答案完全不一样。学计算机的和学生物的，走的路能一样吗。 但说真的，这东西真正值钱的，不是回答本身。 是一个人的认知框架，被保留下来、被复用、被放大了。 你想想看，张雪峰做了十年直播，核心就五六个判断模型，翻来覆去地用。现在这些模型结构化地写进了 Skill 文件，谁装上，谁就继承了这套判断逻辑。代码是死的，判断是活的。 志愿这件事，信息差就是命差。 张雪峰不在了，这套框架没走。
产品经理老王霸43,603 views • 3 months ago