开始实践了，应用形式为谷歌浏览器插件！ Vibe Coding 最让我感到愉悦的是：曾经创业兼职产品经理的时候面对的是两个油腻又肥胖的程序员，改需求总是拖拖拉拉，动不动就喊“这没法改、这需求没意义…” 而现在，我面前负责敲代码，做架构的是数个人类科技的结晶，各种大语言模型轮番上阵，毫无怨言！ 初级程序员、普通软件工程师这些职业看起来是注定要被淘汰了，高级程序员虽然目前无法被取代，但我觉得应该也快了，10年以内吧？

这种模仿手绘制图案的动画，叫做手绘动画，是我前面做了 6 年的工具产品，那是在 Vibe Coding 前的古法编程年代... 现在用 Codex，一句提示词要求，一轮就能做出这个动画，确实不得不感叹 AI... 的强大，特别是对于简单产品和想法验证，时间成本几乎趋于零 记得当时还有对手绘动画的很多好玩的想法，因为所谓排期和产品迭代问题都没有上，现在可以自己 Vibe 一番，纯当做兴趣，和 AI 帮我做生产项目间隙的“小玩意”show more

小白们辛辛苦苦 Vibe coding 出来的网站，可能只是程序员们的玩物罢了🥲 今天早上在个人站上面加了一个「催 Penny 写代码」的模块，顺便抓取了 GitHub 的日历。扬言「被催多少次，就写多少天代码」。... 体验网址： 当时采用的是 来计数，前端限制了 IP 的 limit，结果一个没注意，就被我的程序员朋友「攻击」了，他直接调用了 API 给我刷赞。 我说：这也太狠了，能不能停一下，我不想写十年代码。 他说：不行，我已经出门了，你自己解决吧。 后来问了 AI 赶紧把 换成了 Vercel + Upstash Redis 🥲 朋友美其名曰：你早晚要接触 DDoS 的，不如现在就学一下。 对所有学习 AI 和 Vibe coding 的朋友提个醒： 提防你身边的程序员！😃show more

Amazon让2847名工程师花8个月文档化所有代码模式，然后AI学会了，最后把这2847人开了。——但你有没有想过，这2847人其实是给自己写了一份"失业说明书"？ 8个月文档化，2847人。这是人类历史上最大规模的"自我替代"实验。工程师用8个月时间，亲手把自己的经验喂给AI，然后被AI取代。这不是Amazon残忍，是这2847人自己选择的结局。 历史上每一次技术革命都一样。打字员被Word取代，售票员被自动售票机取代。但这一次不同：这次是工程师自己参与了自己的淘汰。8个月文档化，等于2847人在竞标自己的岗位。 恰恰是这种"温水煮青蛙"最可怕。Amazon给了8个月"带薪文档化"，工程师以为是工作，其实是"死亡倒计时"。当你以为在"提升效率"时，镰刀已经在磨了。 全球科技行业从业者1亿人。如果Amazon的模式推广，意味着5000万人要"文档化"自己的工作来训练AI。这不是失业潮，是"自我淘汰潮"。在AI时代，最危险的不是不学习的人，是过度学习AI工具的人。 所以你现在有两个选择：A）继续帮公司训练AI，等被开。B）现在开始建立AI之外的不可替代能力。 你选A还是选B？

哇塞 把我三年的交易系统全部打磨成coding交易体系了！ 通过 DAPPOS vibecoding 做出来了！这是 xBubble 新推出的 Coding... 功能，我直接就输入自然语言，没多久就给我搞定了网站。 我把我总结的交易策略和心法都记录下来总结成文字喂给他！ 杰哥主要用的是以均线为主的战法 ： ——看ma30和ma250这个两根均线。一个个级别去看，先从月线级别，周线级别，再看到日线级别。如果要做更小时间级别，再看小时级别，分钟级别。再加上了一只指数级别的微调。 ——当然不仅仅是是看一根均线，而是看级别、共振和订单流。用程序直接帮我跑出来了！ 目前回测下来的收益率是+25.05%。 后续我会接入到币安的实盘当中继续跑起来！ 以前我也想过把他程序化或者网页化，但是对我个人来说太繁琐了。我不懂网站域名SEO这些，还要Ui设计更是分散了很多我做交易的心力! 这次有了Dappos真的只用一个工具帮我全部实现了！ 不仅如此效率非常之高！没想到有一天我的idea也能轻松coding出来！#vibecoding #量化 #xBubbleshow more

✨ vibe researching 神级工具！ 玩了一下这两天很火的AI浏览器自动采集工具browseract 拿来尝试了下产品调研的工作，把producthunt、toolify、hackernews、github trending等都爬了一遍，没写一行代码，最后产出了一个汇总csv文件 感觉就像请了一个员工，我说需求，他帮我搞定所有的工作，最后交付结果，太vibe了！ 他们提供了很多template，可以自己扒下来修改，不需要写代码，用自然语言描述就可以，然后跟n8n那样拖拉拽各种节点，还可以设置浏览器类型、ip类型、ip区域，输出的结果类型，甚至还能将workflow封装成api调用，实用性可玩性都拉满了

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

当 AI 走进法庭，它最缺的其实是一份证据 当 AI 真正走出实验室，开始大规模进入我们的现实生活时 大家讨论最多的其实并不是它的智力到了什么程度，而是这个系统一旦出了问题 法律层面到底该怎么判定责任归属，很多人可能还没意识到，目前几乎所有的 AI... 系统在法律层面上都有一个致命的伤 那就是它们根本拿不出任何可以被第三方采信的证据。 想象一下，在未来的金融系统或者交易场景里 如果一个 AI 驱动的协议突然出现了巨大的亏损，或者是在清算的时候出了偏差，现在的处理方式其实非常尴尬，模型厂商会说这只是概率问题 而开发者会说自己只是写了代码，这种模糊的解释在技术圈里或许能混过去，但在法官或者是仲裁员面前，这种话是完全没有法律效力的，因为法律不相信任何口头上的解释，法律只看证据。 现在的情况就是这样，因为 AI 具有天然的黑箱特性，导致法律体系无法对它的行为进行复现和验证，所以一旦真的出了事。 现实社会往往只有两种极端的处理办法，要么就是由于风险不可控而直接禁用，要么就是找一个具体的人出来背黑锅。 这并不是因为我们的监管机构太守旧，而是法律体系的底层逻辑决定的，它无法接受任何无法自证的黑箱行为。 说到底，法律其实从来不关心一个模型到底是聪明还是笨。 它关心的只有三件事，那就是你到底做了什么，你是按照什么样的流程去做的，以及最重要的，你能不能拿出实实在在的证据来证明这一切。 这就是 Inference Labs 最核心的价值所在，它其实不是在跟人比拼算法的优劣，而是在给 AI 的每一个行为补齐那一层法律意义上的证据结构。 这个项目实际上是解决了 AI 的可仲裁性问题，这虽然是一个很少被人提及的法律视角，但它却是 AI 从辅助工具走向核心执行层的必经之路。 以前的 AI 推理过程就像一团理不清楚的乱麻，在仲裁机构眼里，它既不是一个能负责的人，也不是一套可以被审计的标准流程，这就导致大家只敢让 AI 提提建议，而不敢让它去真正掌握决策大权。 Inference Labs 提供的推理证明，本质上是在用法律能听懂的语言去记录 AI 的行为，它不需要向外界解释模型当时到底是怎么想的，它只需要负责向法庭或者是受害者证明，在那个特定的时间点，确实是这个版本的模型，在特定的输入环境下，产出了这么一个确定的结果，这在仲裁场景下简直就是定海神针。 有了这层证明之后，AI 产生的决策就有了可以被法律认可的证据，在未来的 DeFi 自动风控或者是合约执行中，一旦双方发生了争议。 我们就不再需要去争论开发者的初心，而是直接把那份不可篡改的推理证明丢进仲裁程序，系统不需要证明自己是善良的，只需要证明自己是如实执行的。 这就是 AI 从灰色地带走向主流市场的关键转折点，所以它的真实用户绝对不是那些每天在推特上找空投的散户，而是那些真正身处一线、需要设计协议并承担合规风险的专业人士，这些人可能平时很低调，但他们对这种能保命的工具极其看重，一旦采用了就很难再换掉。 大家习惯了去追逐那些爆发性的技术热点，却往往忽略了 AI 融入社会体系时最真实的摩擦力，这个项目的眼光其实放得很长远，它在赌一个非常确定的趋势，那就是所有的 AI 最终都必须被拉进法律的框架里，到那个时候。 那些拿不出证据结构的 AI 都会被迅速淘汰，而像它这样提前搭好仲裁入口的项目，才会真正成为系统的基石。 Inference Labs #inference_labs #KAITOshow more

前两天用了ChatCut我以为它已经很牛了至少在某些程度上能替代剪映，没想到今天部署的这个开源项目OpenMontage更厉害，只需要接入大模型它就能直接帮你写好提示词分镜脚本，有哪里不对的还可以让它改，我刚就说了一句“帮我生成一个15秒的猫和老鼠的视频”，它就给我做了一个这样的视频出来，自从有了AI各行业的压力是越来越大了，以后动画设计那些我感觉越来越多人要失业了。

这下真是创作者的黄金时代了，毫无视频创作经验的小白都可以将想法快速生产成视频了？ 普通人都可以快速的创作自己想要的视频： 将自己的想法，几分钟之内，转化成可视化精美视频。 下面这个视频，全程由medeo创作。 我最开始也只是焦虑到自己匮乏创意，在如此强大的工具面前，但自己没有视频创作的经验。 然后跟gemini先进行了一波对话，它建议我就把目前的焦虑给展示出来，于是有了下面这个视频： "想法不是线性出来的，而是像爆米花一样，一个接一个炸开，旧的还没消失，新的就覆盖上来了，瞬间堆满屏幕。" 最大的感慨：拉开人与人之间差距的，就剩下想象力、品味、以及对各种先进ai工具的掌握能力了。 提示词见评论区：

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

试用了 ，虽然出来很久了，还没尝试，浅用了几分钟，做了几个需求，发现真的是要变天了啊，从来不用云端编辑器，现在居然想真的用它做实际的大项目了。 前几天 v0 也宣布支持全栈应用以及部署了。这对于创造者来说真的是最好的时代了，验证一个点子的时间可以大大降低了。 我感觉我的开发工具真的要变成： * cursor *... v0 *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。

说个暴论，你的审美和品味就是你的提示词，并决定了你使用AI的上限。 咱们看看这个案例， 零游戏开发经验，两周时间， 一个人，做出了一个完整可玩的3D外卖配送游戏🆒 主角是一只戴粉色头盔的卡皮巴拉， 骑着电动车在城市里穿梭接单， 订单会真实堆叠在后座，掉了就会失败， 还有完整的手机App导航和超市捡货系统， 很多人看完第一反应都是AI太厉害了，但其实并不是是AI的胜利，... 本质是人类品味的胜利， 他没写几行代码， 所有的逻辑模型贴图音乐音效， 全都是AI生成的， 他只做了3件事， 1️⃣告诉AI我想要一个卡皮巴拉送外卖的游戏， 2️⃣然后在AI生成的一万个版本里， 3️⃣选出那个看起来最好玩的， 最后花两周时间一点点打磨细节， 调参数摆道具改手感， 其实这就是现在大家说的vibe coding， 让AI接管了所有的执行层， 人类只需要负责方向和品味， 以前你得学会编程建模配乐剪辑， 才能做出一个游戏， 现在你只需要知道， 什么东西是好的， 很多人说这是作弊， 但这才是真正的创意民主化呀， 一年前需要一个小团队干几个月的活， 现在一个普通人两周就能搞定， 我相信未来会有无数这样的作品冒出来，创意会比技术重要一百倍甚至更多。 这也回答了那个很多人都在问的问题， AI时代人类到底还有什么用❓ AI确实能生成一切， 但它不知道的是 什么东西看起来舒服， 什么东西玩起来爽， 什么东西能让人会心一笑， 比如那些纯AI生成的游戏为什么不好玩， 因为它们只有技术，没有灵魂， 那什么是灵魂呢？ 我理解灵魂就是那个站在AI背后， 做每一个微小选择的人， 就是那个知道什么时候该停手， 什么时候该再改一下的人， 而且我觉得这只是一个开始， 今天是浏览器3D游戏， 那明天可能就是完整的App， 后天甚至是3A级别的游戏原型， 我们正在见证一个全新的创作时代， 任何人都能把自己的脑洞， 变成真正的产品， 游戏链接放在评论区了， 直接浏览器打开就能玩， 建议大家去试试， 你会真切地感受到， 那个属于普通人的创作黄金时代， 真的已经来了！ #AI #游戏开发 #vibecodingshow more

Bitget这期活动讲的是“蜕变” 其实我没并没有拿到过什么惊艳的成绩，但我自己觉得人生目标算是实现了 23年3月开始玩推特进入币圈，到现在刚好两年3个月 最大的变化就是成为了一个自由的人，不是说财富自由，而是时间完全由自己支配的自由 虽然没有像推特上那些A8A9大佬那么富，但我的物欲也不需要A8A9 一直以来最大的心愿仅仅是这辈子都不用上班，吃喝不愁，每天睡到自然醒，偶尔旅个游看看演唱会。目前的存款已经够我过这样的生活五六十年，所以应该也算基本实现了。 很多在币圈待久了的人觉得一千万都很少，不过150wu，不够折腾几年的。但其实按我上面说的状态过一辈子远远要不了一千万，而这已经是绝大多数普通人梦寐以求的生活。 幸福并不属于有钱人，幸福属于知足的人^ᵕ^ 栓Q... Crypto！ #Bitget首席穿搭官 Bitget中文show more

一个人的概念量，尤其是清晰准确的概念量，是衡量智能水平的最佳数据指标。而最佳落地实践工具一直近在眼前👀 这种概念量，最好的管理、迭代、积累方式就是logseq。用了一年多logseq，我积累了接近 6000 条概念笔记，相互之间建立了12000 个链接，共同构成了一个不小的 LCM（大概念模型，meta 最新提出的理论，我还没细看，但是和我的实践差不多🤣）。 对比之下，我 2009... 年使用 evernote，到 2020 年停用之前，我也只有 15000 条笔记，而且不是概念笔记，无法在概念砖块之间灵活建立丰富的链接。 大语言模型这两年，胜过人类的两千年，两万年！语言的边界，就是思想的边界。而最好的落地方式，就是费曼学习法 + logseq + chatgpt。 （我在 X 上一直碎碎念讲这个历年，就不展开了🤣show more

11月16号珠海恐袭后的又一次无差别杀人事件在无锡发生😳杀人者事前留言如下： 标题 当雪崩的时候,没有一片雪花是无辜的。所有人其实都是一个整体,一个人的不幸就是所有人的不幸，别人的不幸就有可能是你的不幸，不要问丧钟为谁而鸣，丧钟就是为你而鸣。对于厂里恶意拖欠我工资，不给我买保险，不给我加班费,罚我的款，不给我赔偿金。厂里的工人每天生死轮回两班倒或三班倒，一天工作16个小时，一个月没有一天休息，我因生病请了几天假，部门经理竟然说别人发高烧的流鼻血的都能干活，你凭什么不能,不能干就滚蛋。我看到了工厂对工人无情的压榨与剥削。工厂没有任何权利去罚人的款，我用了很多办法却依然没办法解决，我会为劳动者发声，这个世界需要被改变，一个人可以被毁灭但绝不能被打败，我宁可死也不愿再被压榨与剥削，我希望以我的死推动劳动法的进步。还有学校恶意扣我毕业证，不让我毕业，大部分人考试基本全是作弊，学校以我考试没过证书为由不给我毕业证，你们太欺负我了，所有人都在欺负我，别以为我是老实人，有些账总是要清算的，我要用生命去战斗，我将彻底洗刷我的耻辱，我要揭开暴露这个事情。我要争一口气，不是想证明我了不起，而是要告诉人家我失去的东西我一定要再拿回来。胜利万岁，人民万岁，工人万岁，无产阶级万岁，让历史来审判我吧，历史会证明我是对的。我爱这个世界，我爱我的家人，再见。 徐加金于2024年11月16日

独立开发者最大的幻觉："功能做出来，用户就会来。" 现实是：如果你在写第一行代码前没想清楚业务逻辑，这行代码注定是废代码。 没做过 PM 不知道怎么想？ PM Skills Marketplace 把... 100+ 个顶级产品经理的思考框架塞进了 Claude。 一个指令 /discover，AI 帮你跑完一整个真实的产品发现流程。 把节省下来的 3 个月乱写代码的时间，花在正确的方向上。 ⬇️👇show more

传统行业从业者如何看待AI。 AI的核心商业逻辑是以更便捷的方式取代生产力。 币圈的中文CT似乎对AI在炫技，不跟是各类的skill训练还是利用AI去交易也好，仿佛把AI当做了一个很厉害的灵宠。 但是靠AI交易真的赚的到钱吗？ 无非是问问ai所谓的瓜是真的吗，让ai做个报纸是应用最多的。 鄙人从13年开始做跨境电商，从数字人时期就开始接触跨境电商。 对于一个简单的衣服品类的投放： 一个漂亮妹妹当模特 摄影师... 月修图800张的美工。 当我换了AI： 一个漂亮妹妹当模特 然后AI就可以把她的裤子变成超短裙。 作为以流水为生命的跨境电商，我不可能在互联网公司早期一样，让公司员工反复阅读《21天学会C++》去提高业务能力。 对于新工具的测试，我们可能买了世面上所有的AI，然后告诉他把裤子P成裙子，然后选择一个最符合投放审美的banner就好。 2天的时间，我们选择了gemini，然后一直到现在没换过。 对于AI产品的经济和收益而言，他的用户，愿意花钱买单的不是各类专业的程序员，不是让灵宠进化的极客，而是希望有很多照骗的漂亮妹妹，和需要工具替代改变效益的公司。 或许世面上的所有的里层LLM模型是一样的，或许其他的稍加训练也可以相同，但是谁会去管他的底层呢？告诉她换裙子，然后选择好看的裙子就好。 xBubble的主要创新是使用专用SOP提升效果，使得很少的提示词也能交付稳定高质量结果，这和命中我的需求。 我不需要测试什么样子的AI更适合我的行业，需要很少的提示词就能与期待的结果大差不差。 你试过Bubble Pilot就知道，我只是让他换成裙子，很多模型生产的图片就像宾馆门口的小卡片。 如果我想变得更完美，我可以用Bubble Engine使用 AI 编程 Agent 生成解决方案变体，构建测试框架，组合候选模型与工具，对比任务样例与质量标准评估输出。 如果Bubble Pilot是简单的完成，Bubble Engine就是完美。 我张姐 Ella Zhang 在space里面提到： 今年重点关注方向是基于 AI Agent 的意图驱动决策机制 dappos基本就是完美切合这个方面，也被yzilabs投了。 其实AI在电商中的应用，在我的工作中的应用只是很小的一个点。 AI带来更多是X可能，特别是与加密天然的无需许可且可信的支付体系结合。 这不仅仅是张姐喜欢，项目又是AI的，更多的是AI的x可能叙事市场在web2行业，结合在加密，落地在web2+web3。 我想着也是xBubble已经被很多web2采用有一定真实业务场景的因素。show more

这！才两周，我在ok交易员排名Top 12了🤣 昨天只是和客户经理提了一嘴，说我交易排名12了，客户经理只回复两个字：卧槽！！！！！！ 立马加我微信和拉了好几个对接群，立马丢出谷歌会议链接，给我对接了各部门的人，大周末的给我培训星球、节点、带单、手续费等基础知识，有的小伙伴甚至还在车上，这效率和速度真的很OK！以至于我周末也很忙，非常感谢各位！ 起初我只是为了实盘怼黑子，不小心打开跟单，然后就有人开始跟我了，目前竟然有40个人跟单，4.4万刀，我还没发力呢 我以前一直误以为带单是不成立的，甚至认为是割韭菜的，一直没有去研究，但我从这次误打误撞，看到了市场的需求所在，而且我看了跟单列表的粉丝跟着我是全部都赚的，然后赚钱了，我才能分10%利润，这对跟单的人也很友好，那这个就有意思了！其实相当于我自己的钱当做押金，我和投资者的利益是共同体。我再看了其他带单博主，最高有上千万U的，而且还满人，这个需求不小。我估计未来，即使我收费带单，也有人愿意跟 初步判断，跟单这个非常像传统金融的基金经理模式，未来在大浪淘沙，最后会沉淀出一批不错的长期选手，感觉这是一个能产生被动现金流和自带杠杆的长期业务，我喜欢长期被动现金流业务，很值得关注。 这行业还是机会多啊，传统金融是考证上岗，而加密基金经理，看收益率，市场直接考验你，这个对投资人非常友好。投资人随时可以退出，而且加密基金经理是需要自己也出钱的，和投资人是同亏同赚，还不收管理费，赚了分润，我更看好这个模式。 像合法诈骗代表Tom... Lee，他的投资人无论赚还是亏，照样收管理费，还收以太坊质押的收益，他根本不会亏钱，也不用质押钱进基金，他和投资人的关系不是利益共同体，所以，他能做出“上个月喊出eth 20万刀”的事情，即使亏钱，也不用承担任何风险和法律责任，非常荒谬！ 做好加密基金经理，核心逻辑是扎实做好每单盈亏和风险管理，能活足够长的时间，你自然会是大浪淘沙后剩下的王者。我看到有一些交易员粉丝追随跟单了2200多天，真的很优秀！ 最稳的策略是现货为主，熊市底部，建立现货单，拿到高位；最激进方案是持续的杠杆和不加尾部风险防范。前期低倍杠杆+流动性收割，可以预判价格，我觉得我可以探索出一条新的路，我现在还是新手，大家还是要谨慎跟，可以多观察下我的操作先，不着急。 我的特点是，很擅长创新和开拓能力极强，哪怕是老的赛道，比如交易赛道，非常古老的流派，我发明了流动性交易法，摒弃了非常拥挤的k线技术流派，我交易下单不看k线的；比如，当年的挖矿，我们不是最早挖以太坊的，但在2020年迅速成为顶级的以太坊矿工；矿池，我们是2024年，从极度红海市场开始做的，我们团队现在，做到全球第三名了，无疑也是顶级团队了。 加密基金经理这个概念可能都还没有，这是一个超级个体叙事，希望通过1-2年成为顶级的加密基金经理，粉丝到200k。过段时间要是忙不过来，我再招人和志愿者一起帮我。 最后，为了帮ok的商务经理完成工作指标，请你添加绑定我的邀请码：2015454830 如果你已经是老用户了，需要先私信我才能绑定 ✅绑定我后，就可以进小群。 来了，就当送我一杯咖啡吧，绑定我以后，私信截图，免费进群，以后我可能会收费进群，还会收费带单，现在都是磨摸索阶段，处于责任，我不会做这个收费，先不割大家，因为我精力不够，我对服务质量有要求。 我有这个信心，我明着割你们，你也会加入，因为这是共赢的，老粉都知道，我的最老粉丝都十年了，我喜欢win-win😀 200k粉丝，快回家！老粉给个暗号，开放20个名额给老粉加群，无条件加群，在下方评论用你的方式证明是老粉，我随机抽奖。show more

我尼玛，Claude Fable 5今天把整个软件行业的底层逻辑给击穿了！ 以前做软件要几个月，现在只要15分钟，Claude Fable 5把产品经理和程序员的中间环节，直接干掉了。 也就是说，15分钟的销售电话打完， AI当场做出了客户要的可运行软件原型，喵个咪，这谁受得了啊🤯 Todd... Saunders，Dalton Mills AI 的 CEO，做的是 trades 行业的垂直 SaaS——建筑、家政、暖通这些。 他用刚发布的 Claude Fable 5， 在跟一个客户的销售电话里， 让 AI 在后台实时转录通话， 同时自主构建客户刚刚提到的软件功能。 通话结束，他当场演示了一个完全可运行的原型，精确匹配客户 15 分钟前描述的需求。 一个语音报价系统：AI 实时听服务电话，自动匹配价目表，识别 upsell 机会，生成 Good/Better/Best 三档方案，自动发提案短信。整个过程近乎零人工干预。 不是 简单的AI 辅助开发，直接对话即构建，damn！ 平复下激动的心情，这个案例最让我震惊的不只是AI 写代码快，AI 真的能听懂人话了啊啊啊， 然后一个长达几十年的产品开发范式，就这么被直接击穿了，holy sh*t！ 想一想过去几十年我们怎么干活的，客户跟你说工人在现场太乱经常算错钱，你记下来，回去消化，以为懂了， 画原型，约评审，排期，开发，几周后拿出来， 客户摇头说不对不是这么回事， 你一肚子委屈，说我每个字都记了，他说你记的是我说的话，不是我脑子里的东西。 这个循环叫理解-翻译-验证，短则几周长则几个月，整个行业就吃这碗饭的，我们管它叫专业服务。 但是今天，Fable 5 把这个循环干掉了，不是压缩啊兄弟们，直接彻底干掉了， 客户说，AI 听，AI 当场做出来，客户当场看对不对， 没有 PRD，没有你在内部群里发那个需求我回去评估一下，没有一切中间件， 从客户嘴里说出来的那一刻，一个能跑的东西就在屏幕上等着他。 这才是真正要命的地方，这哪是提效啊，简直把整个底层逻辑都改变了。 但我们也必须立刻面对一个最尖锐的问题，就是那客户为什么还需要你？这不就 15 分钟的事吗？ 这个问题必须正面面对，确实是客观存在的， 如果你对自己的定位只是把客户需求翻译成代码的那个人，那你完全可以被这 15 分钟取代，因为 AI 现在翻译得比你快，还不用开评审会。 但如果你做完项目就知道，原型和系统，中间隔着的不是几行代码，还有权限体系里那几十个你不知道为什么会存在的字段， 是客户二十年前的财务系统里藏着的那个没人敢动的数据表，是工人在负二层没信号的地方操作时该怎么缓存，也是某个老小区因为水压问题装不上你方案里那个完美的配件， 又或者是当地监管对报价条款里的某个措辞有特殊要求，这些东西，Fable 5 不知道，你问它它也不知道，它甚至不知道它不知道。 它的原型是乐高模型，系统是能住人的楼，之间的差距，专业术语叫工程判断，也可以叫领域责任，更可以叫为长期可用性兜底。 所以这个案例真正揭示的，不是谁会被替代，是什么在剧烈地变稀缺。 第一样，把 AI 的生成能力锚定在真实世界的复杂约束里， 这一下子就筛掉两种人：只会做原型不会做系统的人，和只会做系统但不懂行业的人。 留下的是那种，你问他这个需求能不能做，他会先问你那边现场平均信号几格、工人习惯左手拿手机还是右手、他们现在用的那个老系统数据库编码是 UTF-8 还是 GBK 的人。 第二样，领域知识， 我说的不是行业报告里那些漂亮话，是那些只有在这个行业干了十年才知道的脏东西。 AI 能生成完美的三档报价界面，但它不知道某个配件的供应商在雨季会涨价 30%，不知道某个话术在北方好使在南方会让客户挂电话，不知道这个工种的师傅脾气大你不能在流程里多加一步确认否则他宁愿不干，这些脏知识才是真正的护城河。 第三样，也是最被低估的一样：把原型变成可信赖系统的治理能力。 评估框架你怎么建，AI 改了这一处你怎么知道没把另一处改坏。 记忆持久化你怎么做，客户上次改的需求下次对话能不能记住。 错误恢复你怎么设计，流程跑到一半 AI 崩了用户看到什么。 多代理协作你怎么编排，一个 Agent 听电话提取意图，一个匹配价目表，一个检查合规，一个生成界面，人类在哪个节点介入裁决。 这些东西不酷，开会聊这些会让人想抽烟，但就是从酷到能用的最后那一公里。 Fable 5 和后续更强的模型，把生成这件事的成本和速度打到了一个新的量级。 这个量级意味着，做出一个看起来能用的东西，以后不再是任何人的竞争力。竞争的分水岭是，谁能把 AI 吐出来的东西，变成一个别人敢在上面跑业务、能长期依赖、出了问题找得到人负责的系统。 扯了这么多，最后一句话给大家共勉： 从今天起，把 80% 的精力，从怎么让 AI 生成得更快，转移到怎么为 AI 生成的东西负责，说白了，酷是给外人看的，稳是给我们自己续命的。show more