OpenAI 在用户体验设计上一直非常用心，比如： 1. 视频中的 Computer Use 的授权流程，全程只需要用户拖一下，最大程度自动化，简单到就像点一下同意许可（因为系统权限和免责需要，必须用户自己操作）。 2. Codex... 封装了「插件」的概念，里面预设集成了不同的 MCP 和 Skill，点击添加，网页授权，搞定。用户完全不需要去关注什么是 MCP 或 Skill 这些对普通人来说的全新的抽象概念。 3. 再比如很多产品还在让用户自己决定是否启用搜索、思考，是高级思考还是普通思考... 这本质上是用脑力来弥补算力问题，而 OpenAI 则很早就支持了 Auto 的自动决策机制。show more

蝗虫群友用GPT5.5 做的2D网页游戏，看起来很棒！ 问了下，他说用codex客户端开发的，但生图用的ChatGPT网页端。 因为客户端生图思考程度不高，网页可以开超高等级的思考作图，更加细腻。 自己写提示词，也可以让AI给思路给素材挑选，保证风格一致性就行。 --- 感想，OpenAI 编程 +... 生图变强，应用场景多了好多。 不得不说，砍掉Sora是个好决策。show more

👍最近，Tria在其移动应用中增加了对比特币和助记词钱包的支持，这对用户来说是一个很大的升级。 以前使用 Tria 主要是管理以太坊和 Solana 等链上的资产，现在用户可以直接在一个应用里管理更多主流链上的数字资产，体验更加完整和便捷。 目前，这款移动应用虽然还在测试阶段，但已经可以进行基本的发送和接收操作，支持 Solana、Arbitrum、比特币、以太坊和 Avalanche... 等主流链。对于习惯多链操作的用户来说，这意味着不再需要频繁切换不同钱包和应用，资产管理更加集中和高效。 随着 Tria 的全面上线，它将引入更多功能，包括 供应链整合 和 收益耕作（Yield Farming）。供应链整合功能将帮助用户更轻松地管理跨链资产流动，同时优化资金使用效率；收益耕作功能则为用户提供更多的增值机会，让闲置资金也能产生实际收益。 Tria 的定位不仅是一个简单的钱包或支付工具，它正逐步打造一个 多链资产管理和收益生态。无论是普通用户还是 DeFi 投资者，都可以通过它方便地进行资产调度、跨链操作和收益优化。 长期来看，Tria 有潜力成为一个 一站式多链资产管理平台，把交易、存储和收益整合在同一个生态中，让用户真正掌握资产主动权。 此外，Tria 还在不断迭代用户体验和安全机制，包括助记词管理、钱包恢复、交易确认和多链安全协议等。未来，这些升级将让整个应用更加稳定可靠，为用户提供专业级的资产管理体验。 总的来说，Tria 是一个正在快速发展、不断扩展功能的多链资产管理平台。随着更多链和功能的接入，它不仅能简化用户操作，还能为用户带来更高的资本效率和收益潜力。如果你关注多链资产管理和 DeFi 创新，Tria 值得长期关注。 Kaito AI 🌊 #KaitoYap #Yaps Cookie DAO 🍪 Cookie DAO 🍪cn Mindō AI #Tria #DeFi Triashow more

Pika新推出的Agent，简直炸裂！ 丢一个想法，它就开始干活。 不需要费尽心思的调提示词！ 尤其是生成视频，体感特别丝滑， 只需要跟它对话，告诉它方向， 全程不需要考虑该用什么skill，该用哪个模型，该用什么工作流。 不用管音乐，不用管分镜，连剪辑都不用管。 它会自动调用short ads... skill，几分钟就可以给你30秒的视频！！ 而且，视频是有导演思维和剪辑思维的！ 这个真的有点东西， 官方内置了很多旗舰模型和Skill， Agent在后台按最优路径调用，组织整个工作流， 这是和其他Agent最不一样的地方！ 一个念头，一个视频，我已经停不下来了！Pikashow more

OpenAI 刚给 Codex 加了个录屏回放功能，有点意思。 你在 Codex 里做的那些操作流程——写代码、调 API、跑测试、部署上线——它全给你录下来，存成一个可复用的 "AI... 技能"。 下次遇到类似的活儿，直接回放，不用重新来一遍。 说白了就是把你的人工操作变成了一段 AI 可以自己重复跑的自动化流程。show more

今天大家都约会跨年了吧？是不是饭店爆满？酒店爆满？至于我还在一线奋斗吗？ 如果回到最底层去看区块链，其实它只解决了一个问题。 程序是不是按照约定执行了。 EVM 时代，这个问题的答案是，用全网重复执行来换确定性。 所有节点跑一遍同样的程序，用资源浪费换信任。 但这个模型一旦遇到复杂程序，就开始崩。 状态越复杂，成本越高。 逻辑越多，执行越慢。... ZK 的出现，并不是为了让链更快，而是为了换一种证明方式。 不是你跑过，而是你能证明你跑对了。 问题在于，大多数 ZK 系统，只解决了证明问题，没有解决编程问题。 开发者写的依然是“执行逻辑”，只是最后被翻译成电路。 而 Miden 真正不一样的地方，在于它一开始就假设。 程序不是给机器跑的，是给人验证的。 这就是为什么 Miden 要单独设计一套 VM。 不是因为 EVM 不够好，而是因为 EVM 从来不是为可证明性而生。 Miden VM 的核心不是 Gas，不是吞吐，而是可组合的证明语义。 每一段程序，在设计时就已经被拆解成可以被证明的最小单元。 你写代码的时候，不是在思考执行顺序。 你是在定义一条可被验证的状态转换路径。 这听起来抽象，但它会直接改变开发者的行为方式。 在 Miden 上，状态不是默认共享的。 状态是本地的、私有的、按需提交证明的。 这意味着什么。 意味着你不再被迫把所有中间状态暴露给链。 你只需要在关键节点，证明结果成立。 这对应用层的影响非常大。 比如钱包逻辑。 在传统模型里，账户状态是公共的。 余额、nonce、授权路径，全在链上。 在 Miden 的模型里，账户更像一个本地程序。 你控制状态。 链只验证结果。 这让很多过去“不可能”的设计，第一次变得合理。 比如复杂账户抽象。 比如多步条件执行。 比如带隐私的业务逻辑。 更重要的是，这套模型天然降低了应用复杂度对链的压力。 在 Miden 上，复杂性不会扩散。 你写复杂逻辑，只会增加你自己的证明成本，而不会拖慢全网。 这和 EVM 体系是反的。 EVM 的复杂性是外溢的。 一个复杂合约，会影响所有人。 Miden 的复杂性是内收的。 复杂度由使用者自己承担。 这背后其实是一种非常明确的价值取向。 让写复杂程序的人，为复杂性买单，而不是让整个系统为其兜底。 这也是为什么 Miden 更像一台操作系统，而不是一条普通公链。 它不是在堆功能，而是在重新划分责任边界。 链负责验证正确性。 程序负责证明自己。 当你站在这个角度看，就会明白 Miden 为什么不急着追 TPS。 也不急着推生态数量。 因为它赌的是一个长期趋势。 链上程序一定会越来越复杂。 而复杂程序，必须有更强的可验证结构。 如果你只用 Miden 来写简单合约，那你感受不到它的优势。 但一旦你开始尝试写有状态的、长期运行的、需要隐私的逻辑。 你会发现，传统模型根本撑不住。 所以 Miden 的真正目标用户，不是短期应用开发者。 而是那些想把“业务逻辑本身”搬到链上的团队。 当链不再只是结算层，而开始承载程序可信度。 Miden 这种设计，就会显得非常超前。 这也是我对 Miden 的核心判断。 它不是为当前周期服务的链。 而是在为下一代链上程序，提前搭好运行环境。 在 ZK 赛道里， 速度会被追平，成本会被压低。 真正拉开差距的，只会是编程模型本身。 而 Miden，走的是一条非常少有人敢走的路。 从源头重写规则，而不是在旧规则上修补。 Miden #Miden #KAITOshow more

之前一直有个异想天开的想法 用卡牌策略游戏的逻辑和前端 来包装真实交易、炒币的客户端前端 类似如下Sora视频所示 不是说笑，若产品、卡组设计得当 用户用这样的客户端来交易 说不定比传统用户赢面更大 因为至少是当“策略游戏”在玩 （甚至可以有一种强制回合制模式？解决耐心困境）... 大部分传统炒币用户，实际是把投资交易玩成了动作游戏、FPS游戏（细品这句话） 且前端逻辑限制他至少会多考虑该考虑的方面 （策略水平另说，但至少有策略意识和策略了）show more

很多人吐槽自媒体们（包括我）只展示Gemini 3.0的前端能力，非常片面。确实是这样，在社交平台，视觉化的、尤其是能动起来的东西才能吸引注意力。 但对于一个非程序员用户来说，前端能力很重要。我们日常的交互原型是用Gemini或者Cursor做的，临时给博物馆做个静态网站用的是Trae，我闺女科学课上的一些复杂概念我也会写个动态的演示页面，辅助讲解。 下面是给我闺女做的演示案例，之前要用5～8轮才可以完成，用新模型一次就搞定了。

户籍制是优秀的制度吗？如果是优秀的制度，为什么全世界只有三个国家采用？共产党把户籍制沿用至今，就是在制造“制度性不公平”，同一个中国公民，因为户口不同，享受的是完全不同的人生起点。留守儿童、房地产，教育资源分配不公等社会问题都与户籍制有关，但中共却从来不去解决这些问题。

xBubble Coding：OPC 时代，小生意也能快速跑起来 DAPPOS xBubble 新推出的 Coding 功能已经开始内测了。 我一开始以为它只是又一个... AI Coding 工具，和 Cursor、Claude Code、Codex 差不多，主要帮程序员写代码、改代码。 但看完后发现，它的方向不太一样。 xBubble Coding 更像是给非技术背景的个人创业者和小团队准备的。它不是只帮会写代码的人提效，而是让普通人也能把一个想法做成网站，先跑起来。 这点很关键。 很多时候，普通人不是没有想法，而是卡在那些很现实的问题上： 服务器怎么配？ 域名怎么接？ API Key 怎么处理？ 网站怎么部署？ 以后要收款，又怎么接支付？ 这些对程序员可能只是日常，但对个人创业者来说，很容易一开始就被劝退。 xBubble 想解决的，就是这个从想法到落地之间的门槛。 它把服务器环境、域名解析、API Key 配置这些技术底层尽量封装起来，用户不需要自己一点点折腾，相关费用也可以通过 xBubble Credit 统一抵扣。 所以我觉得，它不是单纯卖代码，而是更像一个端到端的小生意启动系统。 这次官方案例里提到的 Polymarket 事件监控网站，我觉得挺能说明问题。 一个想法输入进去，Bubble Code 可以把它变成一个可以看数据、可以刷新、可以运行、可以部署的页面。 它不是一个静态 Demo，而是能真正拿来用的工具。 我也顺着这个思路，做了一个世界杯预测网站。 我的想法很简单：让用户看热门比赛、参与预测、记录判断，再用积分和排行榜增加一点互动。 我只是简单说了一句： 我想做一个世界杯预测网站，后面如果有需要，还可以接收款或会员服务。 让我有点惊讶的是，半小时左右，一个能看的 Demo 就已经出来了。 对世界杯这种热点来说，速度非常重要。 热点不等人。 等你慢慢找开发、做页面、调功能、接支付，可能比赛都快结束了。 但如果先用 Vibe Coding 把页面做出来，再一边跑一边改，节奏就完全不一样。 这也是 xBubble Coding 适合 OPC 和小团队的地方。 OPC，也就是 One Person Company。 一个人，或者一个很小的团队，也可以借助 AI、SOP 和全球化支付网络，把过去需要完整团队才能做的事情，先轻量化跑起来。 在 xBubble 里，页面、内容、功能、部署、收款，不再是分散的环节，而是可以尽量用 SOP 串起来。 xBubble 不只是帮你把网站页面做出来，它还把全栈内容生产也 SOP 化了。 比如产品的 3D 渲染图、详情页、投放广告片，这些原本需要设计、文案、剪辑和投放团队一起完成的内容，现在都可以通过内置的成熟 SOP 批量生成。 对普通用户来说，这一点很重要。 因为你不需要面对一个空白对话框反复试 Prompt，也不需要从零摸索每一步该怎么做，系统已经把成熟流程封装好了。 比如内容生成、多平台矩阵宣发、稳定币支付和结算，都可以接进同一条商业链路里。 如果一个小项目后面想做会员、付费数据、社群权益，也可以继续接稳定币收款，面向全球用户更快测试产品和现金流。 这对小团队很实际。 因为很多短平快项目，不是想法不成立，而是冷启动成本太高。 一个机会窗口可能只有几天，甚至几个小时。 谁能更快把页面做出来，谁能更快验证用户反馈，谁就更有机会先跑起来。 我觉得 xBubble 真正有价值的地方，是它抓住了 AI 时代的长尾需求。 标准化 SaaS 解决的是最通用的需求，但很多真实机会，反而藏在那些极度垂直、生命周期短、合规压力高、不断变化的非标场景里。 世界杯预测页、事件监控工具、短期活动页面、社群互动工具，都属于这一类。 这些需求，大公司不一定会专门投入资源做。 但对 OPC 和小团队来说，只要能快速上线、快速收款、快速调整，就可能是一门真实的小生意。 另外，我也挺关注 xBubble 提到的数据和资产主权设计。 服务器、域名等底层基础设施，由生态内第三方服务商直接向用户提供。平台不留后门，数据完全隔离。 对一些跨境业务，或者高合规压力的细分场景来说，这不是概念，而是生存问题。 很多项目最怕的不是没有想法，而是账号、支付、客户数据都压在中心化平台上。 哪天遇到封号、风控、限流，前面积累的东西可能一下子就没了。 所以 xBubble 解决的，不只是技术问题，也是在帮小团队把业务尽量握在自己手里。 还有一点我觉得很重要： xBubble 不是只有固定模板。 面对不断变化的长尾需求和平台规则，单靠一套固定 SOP 肯定不够。 所以它一边有成熟的标品 SOP，另一边 Bubble Engine 还可以持续生成新的专用 SOP。 这才是它真正的付费价值。 不是说用了 AI 就能躺赚，而是当你看到一个真实需求时，可以更快做出来，更快验证，更快调整。 它帮个人和小团队抹平的，是技术雇佣成本、运营试错成本和商业冷启动成本。 这次体验下来，我最大的感受是： AI Coding 不一定只是程序员的提效工具。 它也可能成为普通人做小产品、做小生意、做全球化轻资产创业的启动器。 用抗审查释放长尾刚需。 用 SOP 降低运营风险。 用 Vibe Coding 兜底个性化增长。 在 OPC 经济越来越明显的时代，xBubble Coding 也许会成为小团队和个人创业者获取超额利润的重要商业基础设施。show more

很多人都想有个自己的小生意，但大多数人终其一生也没有培养过自己的商业思维，其实最有效的学习方式就是观察别人的生意是如何运转的，而短视频平台可以说是最好的展台之一（并非一定要去做短视频，而是有很多原理是通用可迁移的）。 人们对短视频的主流态度无非两种，要么是刷起来停不下，要么是鄙夷而刻意远离，但这都是站在消费者的视角，而站在供给者视角看到的东西则完全不同。线下生意信息不透明、学习成本高，而线上生意则相对透明，足不出户即可学习。 生意本质是流量的变现，或者说有个满足别人需求的产品并卖出去，可以从产品和流量两个角度进行考察。卖什么产品，或者说以何种方式满足用户的什么需求，决定了这是不是一个优秀的生意。我们关注的是个体的小生意，因此那种需要大量人力和资本投入的不在考虑范围之内。在这个前提下，什么算是好生意呢？首先是非标品，卖大米橘子砖头碗盘，各家的产品差不多，很少有人会在意是什么牌子，这就意味着会陷入价格竞争压缩利润空间，需要优化供应链以降低成本，这些个人去做是没有优势也没有溢价可图的。然后是高毛利，最好的例子就是各种虚拟产品，课程、付费社群、线上工具站，这些产品在非标的同时，边际成本趋于 0，可以充分利用互联网的流量优势，我们看到，很多暴利的线上生意都是围绕这些产品的。交付周期和客服成本也应当考虑，个人小生意，不能有很长的售前咨询，最好是不需要人工介入可以客户自行完成，也不要有很高的客服售后成本，当然，除非卖的产品客单价很高，或者交付的过程本身便是对自身有益的（比如一些垂类的社群）。还有最重要的一点，产品要解决用户痛点问题，否则吸引的都是羊毛党，付费转化率会很低，若是产品持续为用户创造价值（节省时间也为创造价值），如 Perplexity，作为消费者我是愿意持续复购的。 卖什么产品是十分多样化的，上述评判标准可供参考，我们重点来说下流量，尤其是短视频平台（主要指抖音）的流量，观察同一平台竞争的内容，我们更容易总结出一些通用的规律。为什么说短视频呢？首先，短视频的用户使用时长已经超过微信为代表的即时通讯，成为用户线上的主要聚集地，其成功背后必然迎合了人性，这是值得其他内容营销借鉴的；其次，相较长视频，短视频平台内容更轻，天然适合商业化，在短视频中间或者下滑的间隙插入一些广告，用户并不会很在意，因为每条内容太短了，本来也没有很高的预期，不喜欢滑走就好，而像 b 站这种偏重的视频，用户对每条内容投入的时间成本高，不当的广告会让用户有种被欺骗的感觉，因此短视频更方便研究流量背后的商业化承接。需要声明的是，我个人并非短视频创作者，因此并不能保证以下说的是面面俱到的，但也有一定的参考价值：首先是因为我之前做过短视频推荐算法的工作，了解分发逻辑（非抖音但可类比）；其次，出于研究生意的目的，我这周花了 3... 个晚上学了一个抖音头部博主的短视频付费课程，了解基本的创作逻辑；最后，我在 Twitter 上也算个小 V ，而短视频和 Twitter 其实是很相似的，都是推荐算法主导的短内容平台，可以作为参考。 理性人的交易必然是互惠的，这是一切讨论的基石，短视频涉及平台、创作者和消费者的三方博弈。我们先看平台和创作者，创作者要获取流量变现很好理解，平台为什么要把流量分发给创作者，它的诉求是什么呢？互联网争夺的是用户的注意力，是停留，一切的变现都是建立在这之上的，因此平台需要的是把流量分发给能够留住用户的内容，具体指标即停留时长和完播率。当然，脱离视频长度谈完播率是没有意义的，互动、内容的新鲜度、内容多样性、平台调性、新创作者扶持、运营策略等都是需要考虑的，但不妨碍停留时长和完播是最核心指标。因此，真正的爆款短视频，并非最专业的或最有价值的，而是最能拖时间的。再看短视频消费者，为什么愿意花时间去看呢？因为 TA 也感觉自己占便宜了，这里重要的是信息密度，这并非常规意义的干货多，而是通过一些技巧，让人感性而非理性上产生获得感。 短视频创作者起号的重点是创作爆款，这是和平台的推荐算法密切相关的。推荐算法的一个特征是内容分发具有很强的头部效应，少量爆款内容占据平台绝大多数流量，这是符合平台利益最大化的。那什么样的内容能成为爆款呢？推荐算法主要考虑两个方面：一是内容本身的质量，这个是通过播放时长、完播、互动等指标体现的，新内容一般会给冷启流量用于采集这些数据，好的内容会得到更大曝光；另一方面是个性化，每个用户都会有其用户画像，既包含了其年龄、性别、城市、手机型号、关注的账号等基础信息，也包含了其历史观看互动数据，这些可以刻画出该用户喜欢什么内容，而短视频本身也会被打上一些标签，如美食、新闻、宠物等，再结合该内容的分发数据及创作者等信息来保证内容和被分发的用户匹配，一条短视频要成为爆款，需要其匹配更多用户，即该视频为很多人感兴趣的话题。 选题方向是和卖什么产品相关的，并非要一味追求大众化，我们主要聊下爆款短视频的通用原则，或者可大致等同于怎么拖时间。本帖附带的抖音视频，有着 145w 点赞，87w 转发，可以先看一下，这里面用到的技巧在很多爆款短视频中一再出现，我们以此来为例来分析。爆款短视频其实是高信息密度视频，一个常用的技巧是切片，将一个短视频切分为很多个超短视频，该视频中每个镜头一闪而过，且有着视觉和声觉的双重刺激，用户完播整段视频有困难，但一个个完播超短视频就简单得多，连环刺激锁住用户，没反应过来，就播完了，拖时间的目的就达到了。我们知道，信息的目的是消除不确定，因此一个东西越新奇罕见，其包含的信息量也就越大，而跨界组合制造冲突可以让人产生耳目一新的感觉：动物见过，服装见过，但拟人化的动物穿上中国传统服饰就没见过；鼻屎见过，醋见过，但鼻屎蘸醋吃就没见过。跨界组合同时也可以命中更多人群而迎合推荐算法，这一个视频，AI 的人感兴趣，动物爱好者感兴趣，服装爱好者也感兴趣，从而有更大分发量。理性思考本身是很累人的，也不是刷短视频的人想要的，因此短视频追求的是对直觉而非理性的刺激，而这种高密的的视听信息即是很好的选择。 除了上述提到的，还有一些其他的常见技巧。信息并置也是一种常见增加信息密度的手段，一张照片和我没关系，但两张同造型的照片， 30 年前和当下的对比就让人产生了联想和共鸣；狂加细节也可增加信息密度，日常的事情，用不同的镜头可以体现各种细节。一些知识类或者产品售卖的视频，可以以痛点+方案的形式去做，前面不断提出各种问题强化痛点，激发读者的好奇，最后再给出方案，让一句话就可以说完的废话（甚至是广告）拖到完播成为爆款：某平台为什么价格这么低？会不会是以次充好？商家能赚到钱么？…… 因为有官方百亿补贴。 与短视频伴随的往往是直播，而这也是商业化的很重要一步，从直播更能直观看出生意是如何完成的。直播间是围绕着痛点+方案展开的，一般流程为建立信任（为什么要相信你？），塑造价值（产品对我有什么好处？），消除疑虑（我有不放心的地方怎么办？），以及最终的限时抢购（今天错过，下播就没有了）。这一套营销流程其实在其他地方都是可以复用的。 上面说的内容已经可以帮助在刷短视频的时候对其拆解了。如果作为一个内容创作者（并非单指短视频），一个小生意人，还有什么其他方面值得借鉴呢？ 1. 首先是扬长避短，发挥自己的比较优势。短视频的爆款并非只有一条路，有文案出众的口播，有剪辑高手，有创意视频，有切片的默剧。文案不好去补文案？那也补不过别人经年累月积累的，不如找到自己的优势并单点突破。 2. 然后，营销的重点是为客户创造价值并解决他的问题，而非单方面说自己有什么东西，你单讲历史可能没几个人愿意听，但从历史王朝兴衰看企业管理受众就广了很多，我这篇帖子也是，如果单说短视频制作技巧可能没几个人感兴趣，但说从短视频看可迁移的商业思维就让你看到了这里。 3. 还要懂得与人合作，取长补短，有战略思维。如果没有持续原创的能力，不妨固定一个框架，然后在此之上创作内容。我家是卖羊头的，可以用羊头去换内容，做一个美食挑战，半小时内吃完免单，这样就有着源源不断的人来送免费素材，观众看到他们吃的这么香，也自然有下单欲望；我在其他领域有了名声，想要进军短视频，不要傻傻的每天自己创作，做一档访谈节目，用自己的名声换别人的内容和流量；我家是卖雨伞的，用切片+默剧去体现雨伞的各种特性：防水、空间大、快速折叠，然后每一把新型号的伞重复拍一遍即可。其实做网站也类似的，有些 AI 总结视频、文章的网站，用户使用的同时产出海量内容，这些内容可以作为单页吸引 SEO 流量。 4. 要懂平台规则，知识跨平台跨领域迁移。短视频有推荐算法，Twitter，小红书也有推荐算法，内容媒介不同但很多规则是通用的，互动都是很重要的，小红书要先点击进去，因此封面图很重要，Twitter 的长内容要展开详情，因此首句很重要。短视频平台用户天然耐心低，且更偏娱乐化，但其中也不乏优秀的知识区口播博主，这些人能够在黑丝大长腿的包围中脱颖而出都是怪物，其文案必定是极其优秀的，自然也是可供学习借鉴的。show more

这个skill玩的停不下来，产生成动态视频效果不错 不需要GPU，用CPU就可以玩 关键是完全用自然语言就行，渲染也很快（第一次渲染要下载插件，当然都是cc帮你做了） 调整也非常快速，就是写一个tsx文件， 还能自动配音TTS，我修改了一下用的index tts2的配音 最后直接下载保存就可以

用最近大火Remotion Skill 自出了宣传片得出个结论： 这个东西不会火很久，为什么呢？ 这个东西上手门槛还是比较高的，需要安装一大堆东西，报错，各种问题。 但是可以上手的群体（程序员），审美一般，做不好很好的 Demo。 我还原一下思路： 开发者想借用... Skill 来弥补可以上手群体审美一般的问题。 顺便，吃一波Skill 的流量。 目前来看，只做到了后者。show more

马斯克在想什么？ 他说，先别做PPT。 任何东西在PPT上看起来都很完美。 但那只是“看起来”而已。 如果你要创业，第一件事是什么？ 去做一个能跑起来的原型机。 哪怕它极其简陋。 一个能动的东西，比一万页精美的PPT都有说服力。 这套逻辑是不是很熟悉？... “实干家”的逻辑。 这恰恰是那些习惯了在达沃斯开会、用PPT就能撬动资本的全球主义精英们最不理解，也最害怕的东西。 他们擅长的是叙事、概念和包装。 而实干家只相信一件事：让它动起来。 一个国家的发展，是不是也该如此？ 到底是需要更多夸夸其谈的“设计师”，还是需要更多能让机器转起来的工程师？ 一个值得思考的问题。show more

这个 JSON render 真的很棒啊，重大创新 我能想到它的意义是安全可预测吧，让普通用户通过自然语言提示直接生成交互式 UI 而不会让 AI 输出失控带来安全风险。... 核心创新就是：不是让 AI 生成代码，而是让 AI 只生成 JSON 结构，然后生成的组件严格约束在你事先定义的组件库里面，可以配上 zod 检验 props 啥的。 还有就是用户体验好啊：真正可流式，渐进式渲染，同时生成的结果应该是非常稳定，因为被限定在特定的组件库中。 录屏做了小实验，效果很好。show more

帅不帅不知道 但美女确实流口水了 无法反驳 不知道你有没有发现，在以太坊或者传统的 Layer2 上，交易就像在单行道上开车：前面的车没走，后面的车只能等 这种串行执模型，就是导致 Gas 费飙升和网络拥堵的元凶... #Miden 如何通过并行执行打破链上拥堵？ Miden 的思路很硬核：把单行道变成超级多车道的高速公路 核心逻辑：从排队到并行 #Miden 引入了一种以动作为中心的并发状态模型 在以太坊： 所有人共用一个账本，状态更新必须按顺序来，因为大家可能会抢同一个变量 在 #Miden ： 账户和票据是独立的，只要你和我的交易不涉及同一个账户，我们就可以在各自的设备上同时完成计算并生成证明 链上订单簿的终极方案 目前的 DEX 大多采用 AMM，很大程度是因为链上串行执行撑不起高频的订单簿 想象一下，如果一个去中心化交易所在 Miden 上运行： 由于交易是并行执行的，一千个用户同时下单，他们是在自己的客户端生成证明，然后异步提交给节点，节点只需要验证这些证明的数学正确性，而不需要像传统链那样一个个排队跑逻辑 结果就是： 毫秒级的响应体验，却拥有以太坊级别的安全性 更绝的是，Miden 的账户天生就是智能合约， 不需要像以太坊那样通过 ERC-4337 这种复杂的补丁来实现 在 #Miden，你可以轻松设定： 多重签名： 必须两个设备同时确认 限制消费： 每天只能转出 100 刀 资产找回： 即使私钥丢了，也可以通过预设的逻辑找回 这种把隐私、并行、安揉进底层的设计，才是未来 DApp 爆发的基石 #Miden #KaitoYap Kaito AI 🌊 #Yapshow more

Notion 今天凌晨发了一个开发者平台, 大家都以为它在追 AI Agent 风口, 但实际方向是有些反过来的, 它要让所有 Agent... 来追它, 我盯着它官方文档里那个新的 CLI 工具看了一会儿,才慢慢回过味儿来, 这个 CLI 设计得很奇怪, 它自带 --help,自带 --docs,自带 --spec, 每个命令的元信息都精简到极致,token 占用低到反常, 说实话人类开发者用 CLI 哪需要这些, 熟了就肌肉记忆,谁会反复读自动生成的 spec 呢, 但 Agent 会啊,它进入一个陌生 CLI,要先扫一遍能干嘛,扫的就是这些自描述信息, 也就是说,Notion 这个 CLI, 从设计的第一天起就不是给人用的, 是给 Agent 用的, 他们官方话术更直接：说和你的 coding agents 一起构建, 这一句话翻译过来就是,未来用 Notion 的主力用户, 可能不是你,而是是你的 Agent, 更狠的是这套基础设施的完整度,数据同步,Notion 托管, 工具调用,Notion 托管,Agent 沙盒,Notion 托管, 全跑在 Vercel Sandbox 加 Firecracker microVM 上, 连第三方 Agent 接入都开了, Claude 直接进来,当原生工具用, 数据,工具,编排,上下文,全部在同一个 workspace 里,零损耗, 以前 Agent 最大的痛点,是上下文碎片化,工具调用不稳定,自己还要搭一套 infra, 现在 Notion 把这套东西全包了, 你的 Agent 只需要醒过来,在一个已经布置好的房间里干活, 很多人还在评估 Notion 涨没涨价,还在讨论 Obsidian 迁移和本地优先, 但真正的故事是,Notion 已经在 Agent 时代的操作系统这条赛道上,把第一块地基浇好了 数据是血,Agent 是肌肉,Workers 是骨骼,CLI 是神经, 那些现在就把核心 workflow 搬进去的人, 和还在纠结要不要试用 ntn 的人, 未来 12 个月,差距可能比想象中要大得多。show more

Damn.. 一款今年你一定要体验下的产品 上次我发的这个落地页火了，随手还赚了2000块。有不少推友想要，我们今天打算开放出去。但方式来点不一样的 这次你甚至不需要安装skill、配置你的agent，你只需要点开我配置好的agent 聊天即可 这个就是Bloome这个产品的妙处，也是我们企业内部正在走的路～ 我之前一直也在思考一个问题，目前AI Agent 市场还是没有全面铺开，很大一部分原因就是不会配置，龙虾经常挂掉。... 现在好了，有了Bloome 你只需要与配置好的agent 聊天即可获得你想要的东西 Bloome 最酷的点，是把Agnet 变成了我们IM里的成员： 以前分享AI能力，是发prompt、workflow、skill 让别人自己配置，但是没法产品化，没法赚钱 现在让别人把你配置好的agent 拉进群或者单聊，它就能把你干活了，如果你的agent足够有价值，那就可以开启赚钱之路了！ 同时关于AI Agent 社区怎么做分享几点心得： 我在Bloome 里与Yiming Zhang 数字人（agent）聊天，他提到： 用户来这里，能不能比自己找信息快10倍？ 不是快一点，是数量级的差异。比如一个人想搞清楚怎么用Agent做客服自动化，他在你的社群里，3分钟就能拿到一个经过验证的方案、别人踩过的坑、可以直接跑的配置。这个体验如果在外面需要30分钟甚至3小时，那你就有价值。 具体怎么做到： 一是让Agent本身成为社群的基础设施，不只是讨论的话题。用户进来不是看别人聊Agent，而是直接跟Agent协作、测试、分享workflow。社群的核心资产是可复用的Agent配置和经验，不是聊天记录。 二是结构化沉淀。聊天是最低效的信息载体。好的社群产品应该把对话里的有价值信息自动提取、结构化，变成可检索的知识。下一个人进来不需要重新问。 三是匹配。不是所有人都需要看所有内容。谁在做什么、谁解决过什么问题、谁的经验跟我最相关——这个匹配做好了，社群的信息效率就上去了。 最怕的是做成一个"AI爱好者交流群"。那个东西微信群就能干，没有产品壁垒。 现在我们可以靠着Bloome 来卖我们的idea了～ 评论区分享手把手教agent 配置、分享的方法👇 我们这个agent体验地址：show more

我翻完小红书Red Skill最新的Top15数据后背有点发凉,这根本不是什么小功能测试啊。 5月份归藏第一个把PPTSkill传上去的时候,详情页显示只有6个人用,当时我就说这是个大事件,不少人还觉得我小题大做,说什么一个种草APP搞点AI功能蹭热度而已,折腾不出水花。 结果7月3号小红书官方两个更新就甩出来了,直接把所有质疑给打没了。 先是格式全放开,之前还只支持txt和md,现在py/js/html/c++/sql甚至数据库文件全能传,不是只能写提示词给Agent读,是真能跑完整代码做完整功能。 再就是另一项 vibecoding 内嵌交互小工具内测将在下周三上线,发笔记时挂上组件,用户刷到不用复制口令跳本地Agent,半屏就能调,全屏能交互,点一下直接分享到微信,那个记录奶茶口味的小工具Brewwww,上线没多久就有一万多人用。 数据是不会骗人的,现在排行榜第一的「菜菜的人生系统」,32.6万曝光,4万多人次使用,第二名的工作日程管理曝光量甚至更高。... 而且说实话，这些作者要是把同样的Skill传到GitHub,绝大多数人攒一整年都拿不到这个量级的真实用户。 以前大家以为AI Skill的分发中心,一定是GitHub，觉得普通人找AI工具,一定会主动搜索，甚至认为小红书这种生活方式平台,做不好技术产品分发。 现在看全错了。 GitHub是开发者主动找工具的地方,你有明确需求才会去,网络卡,门槛高,普通用户连门在哪都不知道。 而小红书是用户刷着刷着,正愁PPT做不完、周报写不动、公考复盘没方法,笔记下面正好挂着能解决问题的Skill,点一下就能用,上下文严丝合缝,连教育成本都省了。 我觉得小红书平台这步棋走的极聪明,它不拼大模型,不抢算力,就攥住「用户在什么场景下需要什么能力」这个分发入口,和当年App Store不做手机应用、只攥住应用下载入口的逻辑一模一样。 给真在做Skill的朋友四个现在就能用的反直觉判断: ● 别光传Skill就干等,一定要包成教程笔记,先讲痛点再秀效果最后挂组件,纯扔文件没人看,现在排行榜上的作者全是这么做的 ● 别上来就做什么通用大Agent,越垂直越爆,公考、剪辑、写广告、甚至记录奶茶,这些看起来不技术的场景,流量比通用类高10倍 ● 别嫌审核严不敢进,现在正是窗口,规则没卡死你先攒使用数据,等所有人都反应过来往里挤,算法的早鸟权重早就喂满了 ● 别天天想着卖Skill赚钱,Skill是杠杆,你用它产出比别人好10倍的内容,涨粉做IP接商单,比直接卖Skill赚的多100倍 我记得移动互联网刚起来的时候,所有人都在拼操作系统拼硬件,但最后拿走最大利润的,是先把全民应用分发跑通的那个。 现在Agent时代刚开个头,大家都在拼参数拼算力拼模型性能, 但等到回头看的时候,可能第一个把AI能力分发到普通人手里的,是当初所有人都觉得不务正业的那个种草APP啊hhh #redskill #rednote #skill #小红书show more

从产品视角看 白 + 支付结算 + 隐私”做成一条更短的路径 孙哥参与顾问的项目 白 让用户/开发者/未来的智能体，用统一入口与统一结算方式，低摩擦地调用顶尖模型与算力，同时尽可能减少传统支付体系带来的行为画像与围墙效应。... 1）用户痛点到底是什么？不是“没有模型”，是“调用这件事太碎” 如果你是普通用户或轻量创作者，你会遇到这种体验问题： • 想用不同模型完成不同任务：写作一个、代码一个、图片一个、推理一个 • 但每家要注册、订阅、绑定支付、切换账号 • 一旦涉及支付，信息链路和行为沉淀很重（隐私敏感的人会非常在意） 如果你是开发者/团队，痛点会更硬： • 多家模型不同 API、不同限速、不同计费、不同账单 • 采购与对账像在做供应链 • 模型迭代很快，接入层维护成本越来越高 • 更现实的一点：跨区域支付/风控/合规流程会直接卡进度 而当你开始做 Agent，痛点会升级成“结构性问题”： • Agent 要按任务动态选模型、选算力 • Agent 需要“自己付钱买资源”，才能持续运行 • 没有支付与结算能力，Agent 很容易停在 demo（靠人工续费/人工维护） 2）白 把产品拆成三层：入口、路由、支付网络 白 的产品设计不是单点功能堆叠，而是三层结构，对应三类用户与未来演进： （1）To C：BAIclaw（白虾助手）——多模型交互入口，主打隐私体验 这是面向普通用户的入口层：把多模态与多模型聚合到一个交互端，并把“隐私保护”放在主叙事上。 从产品价值来说，它解决的是“想用最合适的模型，但不想在一堆平台之间迁移和暴露信息”的需求。 一个很直观的对比案例： 你在传统平台用信用卡订阅/计费时，支付链路天然会把“你是谁、你在哪、你买了什么、你多久用一次、你偏好什么能力”沉淀成画像；而 白 主推的路径是钱包地址登录 + 链上支付，尽量把这条“支付—身份—行为”的绑定关系拆开，让隐私敏感用户在使用多模型时不必默认交出完整画像。 这也是孙哥特别推的一点：匿名与隐私不是噱头，而是 Agent 时代的生产要素——谁控制了调用与支付数据，谁就控制了未来的分发与定价权。 （2）To B：LLM 顶尖大模型聚合路由——开发者默认网关 对开发者来说，白 的关键点是“路由”而不是“模型”。 它提供统一 API，把多模型接入变成一种更工程化的能力： • 不用逐家谈采购、逐家接 SDK • 不用自己维护复杂的切换与策略 • 让产品团队能把资源花在体验与场景，而不是胶水工程 你可以把它理解为：多模型时代的“接入层与调度层”。 （3）To Agent：AI 智能体链上支付网络——让智能体拥有身份与支付能力 白 提到的双协议（x402 / ERC-8004）对应两个核心能力： • ERC-8004：链上身份（让 Agent 可被识别、授权、计量） • x402：无摩擦支付（让支付成为可编程能力） 它想解决的是：当 Agent 开始自主运行时，支付/结算不应继续依赖“人类账号 + 信用卡 + 平台风控”这套体系。 这里也可以用一个更“可感知”的案例来理解： 假设一个 Agent 需要和另外 5 个 Agent 协作完成任务（A2A），并且按贡献实时分账：传统体系下你很难做到“秒级微结算 + 自动对账 + 可验证历史”；而依托 x402 与 ERC-8004，交易与交互历史可以沉淀为可验证的信任基础，逐步形成“Agent 社会”的信用体系，使得真正去中心化的 A2A 协作与微结算成为可能。 更重要的是，一旦这条支付网络已经支持多链、支持主流加密币种的支付，那对 Agent 来说就不是“能不能付”的问题，而是“付得足够快、足够低摩擦、可跨生态”的问题——这会直接决定 Agent 商业闭环能不能跑起来。 3）它解决的问题可以总结成一句产品话术：把路径缩短 站在产品角度，白 做的是把链路变短： 以前： 多平台注册/订阅 → 各自绑定支付 → 调用留痕与画像 → 多模型维护与对账 现在（白 叙事）： 钱包登录 + 链上支付 → 统一调用与路由 → 清算网络支撑结算 → 更少网关壁垒 这里要注意它的 PR 边界：白 并不把自己描述成“代理/中转站”，而是强调智能路由、算力聚合、底层基建、隐私保护、无边界访问——也就是把自己放在基础设施位置，而不是工具拼装位置。 4）对标怎么说才专业：体验上像 OpenRouter，但差异点在隐私与支付闭环 如果非要找一个“体验层”的参照，白 在 To C/To B 的使用路径上，确实会让人联想到“多模型聚合平台”（比如 OpenRouter 的那类思路）。 但 白 想强调的差异不是“模型更多”，而是两点： 1）隐私叙事更强：通过链上支付，尽量切断传统支付体系的信息收集闭环 2）更偏 Agent 经济化：不仅是聚合调用，还要把身份与支付/清算做成底层网络，让 Agent 能自主购买算力并形成商业循环 这也是为什么它避免和 OpenAI/Anthropic 直接竞争——它的野心不在模型层，而在“让模型与 Agent 可持续运行”的底层能力。 5）适合谁用：三类用户一眼就能对号入座 普通用户/创作者： 想要一个入口随时切模型，同时更在意隐私与支付痕迹的人。 开发者/产品团队： 想降低多模型接入维护成本，尤其是需要动态路由、统一结算、快速迭代的团队。 Agent 构建者： 目标是让 Agent 真正自主运行（能付费、能对账、能闭环），而不是停留在演示。 6）为什么说孙哥这步布局“格局高”：再创业不是换赛道，是把赌注押在底座 孙哥作为 白 顾问，我觉得这里最打动人的点，反而不是“站台”，而是他身上那种典型的 AI 赛道创业者气质：看得更远，也更愿意做难事。 很多人会选择在应用层追热点、做流量型产品；孙哥更像是在“第二次创业/再出发”时，把筹码压在下一阶段的必需件上——当 Agent 从“会对话”走向“会协作、会交易、会自我运转”，身份、支付、清算、路由会从可选项变成基础配置。 这种选择不一定最热闹，但一旦趋势兑现，基础设施的生态位会更稳、更厚。能在大家都追短期叙事的时候，去推动“匿名与隐私保护”以及“Agent 经济化 H.E. Justin Sun 👨‍🚀 🌞 B.AI #TRONECOStarshow more