Video wird geladen...

Video konnte nicht geladen werden

Zur Startseite

2 分钟,一边入门 GEO 一边看懂 6 个顶流 PPT Skill 的区别 素材来自姚老师 姚金刚 的分享 我先让 Codex 整理成一份入门文档 再把完全相同的内容交给 6 个 PPT Skill 最后把 6 份结果剪到了一起 风格和输出方式的区别,一眼就能看出来 有几个输出的是 HTML 宝玉走的是生图路线 PPT Master 可以直接生成 PPT 和 PDF,后续编辑和交付方便不少 不过 这次测试只能看到它们面对同一份内容时的默认表现 不代表各自真正的能力上限 毕竟这次用的是一份 GEO 入门文档 有些 Skill 可能刚好不在自己的主场 比如归藏这一版留白非常多 我一开始觉得,是不是内容太少,页面撑不起来 后来想想,它更吃的可能不是内容多少,而是内容形态 如果换成行业观点、产品发布,或者一页只讲一个判断的演讲 这种大标题和留白可能刚好是它的优势 反过来,知识点密集、需要逐条讲清楚的培训课件 可能就不是它最舒服的场景...

13,585 Aufrufe • vor 2 Monaten •via X (Twitter)

0 Kommentare

Keine Kommentare verfügbar

Kommentare vom Original-Post werden hier angezeigt

Ähnliche Videos

很多人低估了 Binance Pay,但它可能才是币安最重要的一步。 看一姐这段视频,我印象最深的,不是某个具体产品点, 而是两个词: 30 亿用户,金融基建。 这两个词放在一起,其实已经不是“一个交易平台还能做多大”的问题了, 而是在回答一件更底层的事: 如果币安真的想服务 30 亿人,它到底要成为什么。 很多人聊币安,第一反应还是交易量、上币、合约、BNB、市场份额。 但如果把时间拉长一点看,你会发现,真正决定币安能 不能走得更远的,未必只是交易, 而是它能不能让 Crypto 真正进入普通人的日常生活。 也正因为这样,当一姐提到“30 亿用户”和“金融基建”时, 我第一时间想到的,其实不是交易,而是支付。 因为如果一家平台的目标只是服务交易者, 那把现货、合约、理财做好,基本就够了。 但如果目标是 30 亿用户,逻辑就完全变了。 全球真正会交易 Crypto 的人,不可能有 30 亿。 要承接这个量级,服务对象就必须从“会交易的人”扩展到“普通人”; 服务场景也必须从“买卖币”扩展到更真实、更日常的金融生活。 而这条路上,支付一定是绕不过去的一步。 因为交易解决的是价格、流动性和财富效应, 但支付解决的是更现实的问题: • 普通人能不能更方便地转账 • 能不能更自然地消费 • 能不能更低门槛地使用金融服务 • 能不能真正把 Web3 接进日常生活 这也是为什么我越来越觉得,很多人低估了 Binance Pay 的意义。 很多人会把它理解成一个“实用,但没那么性感”的功能。 没有 K 线刺激,也不像新币上线那样容易带情绪。 但恰恰是这种看起来没那么热血的东西, 才最可能决定一个行业到底能不能真正走向大众。 因为 Crypto 不只是拿来炒的。 如果一个行业永远只停留在交易、投机和博弈层面, 那它再热,很多时候也还是停留在少数人的世界里。 可一旦它开始进入支付、转账、消费、结算这些更接近 日常生活的场景, 意义就完全不一样了。 那代表它正在从可以交易走向可以使用, 从资产走向工具, 从圈内产品走向更广义的金融基础设施。 而这件事,本质上也和一姐最近一直在讲的那套逻辑完全连上了: • 30 亿是量级 • 金融平权是使命 • 金融基建是身份 • Web3 超级入口是落地 如果币安真的想服务 30 亿人, 那它就不能只服务已经会交易、会看盘、会玩链上的那 一小部分人。 它必须回答一个更现实的问题: 普通人怎么进来?进来之后能做什么?能不能真正用起来? 而 Binance Pay,就是这个问题里非常关键的一环。 因为支付不是边角料, 支付是 Crypto 走向现实世界的桥。 谁能把支付做顺,谁就更像基础设施; 谁能让普通人真正用起来,谁才更接近 Web3 的超级入口。 如果币安想服务 30 亿人,支付一定是绕不过去的一步。 最后问一下大家,你们用币安支付用的最多的是什么场景? #BinancePay #Binance #Web3 #Crypto 币安Binance华语 CZ 🔶 BNB Yi He sisi 丫丫🔶BNB 鹿鹿 🍡

小鱼🔶BNB

18,150 Aufrufe • vor 4 Monaten

Claude Opus 4.8 出了之后,我的第一反应是:想试。 第二反应是:算了,token 这东西真的不经烧。 结果看到 ZenMux 现在可以体验 Opus 4.8,就拿它试了一个我最近一直想做的小东西。 我自己有个很真实的问题: 脑子里经常冒出各种产品想法。 但每次真要开始做,就会卡住。 用户是谁? 第一版到底做什么? 哪些功能应该先砍掉? 怎么定价? 第一周从哪一步开始? 上线后怎么找第一批用户? 想法很多,执行很散。 所以我让 Claude Opus 4.8 做了一个「一人公司作战室」。 需求我写得也挺直接: 输入一句产品 idea。 自动拆出产品定位、MVP、开发任务、定价方案。 再生成落地页文案、冷启动实验、风险清单和本周计划。 最好不是一个静态页面,而是真的能点、能改、能导出。 然后我就把这段话丢给 Claude Opus 4.8。 出来的效果比我预期好不少。 它真的把“一人公司怎么从想法走到执行”这件事拆开了。 左边输入产品想法。 中间生成产品蓝图、MVP 范围、定价和官网文案。 右边是任务看板和本周计划。 底部还有冷启动实验、风险雷达和 Markdown 导出。 最让我觉得有意思的是,它不是一味堆功能。 比如我输入“给小红书博主做 AI 选题助手”,它会主动判断: 第一版必须做什么。 哪些功能看起来高级,但现在应该先别碰。 怎么找第一批真实用户。 哪些风险可能让这个项目做不下去。 这点就很能体现 Opus 4.8 的能力。 普通模型经常是:你要什么,我全给你加上。 最后页面很热闹,但产品判断是空的。 Opus 4.8 更像是在帮你收敛:先想清楚用户、场景和第一步,再把它变成可以执行的工作台。 我是在 ZenMux 上试的。 它比较方便的一点是,一个 Key 就能切不同模型,新模型上线也很快。 Opus 4.8 拿来做这种带产品判断、交互状态和复杂信息结构的网页,确实挺顺。 想试 Claude Opus 4.8 的,可以从这里进:

Joruno

16,224 Aufrufe • vor 3 Monaten

昨天用 DAPPOS 的 xBubble Coding 搭了个小工具,专门盯头部账号互动和事件市场信号。 起因很简单。我刷到某个头部交易所创始人,回复了一条内容账号的推文,底下还顺手点了个赞。 我切到相关代币的 K 线看了一眼,市值直接拉了几千万!这种机会如果只靠人一直刷推,很难卡到前面的位置。尤其是链上 meme,很多注意力信号本来就不是从公告开始的。 可能是头部账号的一次点赞。也许是交易所创始人的一次回复。或者是项目方和 KOL 之间的一次互动。 我当时就在想,这种信号如果能自动抓下来,再接一层策略判断,自动买入,那岂不是能赚麻了!比别人先看到消息,然后提前卖出获利 刚好最近看到 xBubble 官方演示里有一个 Polymarket 事件检测和交易辅助案例,思路跟这个很像不是让人手动盯每条信息,而是把事件、信号、价格、市场变化串成一条流程。 我就顺着这个方向,用 xBubble Coding 搭了一套 Web3 交易信号工具。 测试版本: 流程大概是这样:推特那边一出现新互动信号,系统先自动抓下来,抓完之后,先过一层策略匹配,只有命中我设定的规则,才继续往下走。然后查一遍白名单库,筛出我真正关注的资产。再查一次钱包缓存,看有没有相关地址和历史行为。接着生成一份代币价格简报。 如果是 Polymarket 这类事件市场,还会同步整理事件状态、赔率变化、相关信息源和潜在交易方向。最后把符合条件的内容,提交到预设链上流程里。 这就是“追头部账号”和“追事件市场”真正能产生的结果。是把一个轻互动信号,变成一套可以执行的交易观察链路。 以前我是刷到相关信号之后,再手动去查币、看价格、翻钱包、看链上数据。那时候已经到接盘的时间了。现在是信号自己进入流程,系统帮我先完成筛选、整理和下一步动作。 这个变化很关键。因为 xBubble Coding 真正有价值的地方,不是帮我生成一段代码,而是把一个具体场景封装成一条端到端的业务 SOP。 我这次做的,其实更像是一套小型 Web3 交易信息服务。前端是头部账号互动监控和事件市场检测。中间是策略匹配、资产筛选和信息源整理。后面接价格简报、钱包缓存、赔率变化和链上流程。 这条链路跑通之后,它就不只是一个工具,而是一个可以持续迭代的个人信息优势系统。 这也是我理解 xBubble 商业价值的地方。它卖的不是代码本身,而是端到端的业务服务。 对小团队和个人来说,真正卡住人的往往不是“能不能生成一个页面”,而是能不能把内容、数据、流程、支付、执行和后续修改串成一个闭环。 xBubble 的 SOP 系统,核心就是把这个门槛压低。你可以用它做世界杯周边商城,把商品页、素材、收款和订单流程快速串起来。也可以做交规学习产品,把内容流量和私域转化接起来。也可以做本地服务入口,让用户看服务、提交需求、完成支付。 也可以像我这样,做一个 Web3 事件检测、头部账号信号追踪、Polymarket 交易辅助工具。 这些需求都有一个共同点很垂直,很细分,很贴近真实生意。它们不一定需要一个庞大的技术团队,但需要一套能快速上线、持续修改、直接承接收入的执行流程。 这正是 xBubble 适合 OPC 的地方。 一个人或者一个小团队,只要知道自己要服务谁、抓什么信号、卖什么产品、怎么完成交付,就可以用 SOP 把业务搭起来。 更重要的是,xBubble 不是只有固定模板。成熟场景可以直接用现成 SOP 快速启动,新的细分需求则可以通过 Bubble Engine 继续生成更贴合场景的专用 SOP。 这点对 Web3 特别重要。因为这里的机会变化很快。今天可能是头部账号互动。明天可能是 Polymarket 事件变化。后天可能是某个钱包行为。下一轮又可能变成社区积分、空投任务、链上数据面板。 如果工具只能做一种固定场景,空间会很有限。但如果 SOP 可以跟着新场景继续生成,个人和小团队就能把自己的细分判断,不断沉淀成新的业务流程。 我这次搭头部账号和 Polymarket 事件监控,就是一个很小但很具体的例子。它把我平时刷推、盯盘、查币、看钱包、看事件赔率的动作,变成了一条可以自动跑的流程。 以后我想加新的账号源,可以继续扩展。想换策略匹配规则,可以继续调整。想把简报字段做细,也可以继续改。想接更多链上动作,也能继续往后接。 这才是 OPC 时代 AI 工具真正该有的样子。不是让个人去模仿大公司搭团队,而是让个人用 SOP 获得接近专业团队的执行能力。 内容自动生成、多平台宣发、稳定币结算、链上任务执行、客户承接、后台管理,这些原本需要多人协作的环节,被压缩进一套更轻的业务系统里。 所以我现在看 xBubble Coding,已经不只是把它当成 AI Coding 工具。它更像是给个人创业者和小团队准备的业务启动基础设施。 对我来说,头部账号互动不再只是一个我刷到之后才处理的信息点。Polymarket 事件变化也不再只是一个我想起来才去看的页面。它们都可以变成自动进入系统、自动筛选、自动整理、自动触发后续流程的策略输入。这类细分需求过去很少有人专门做,因为太个人化、太垂直、变化也快。 但 xBubble 的 SOP 思路,刚好适合把这种需求做成可以低成本验证、持续迭代、甚至沉淀成服务的东西。这可能就是它最值得看的地方。AI Coding 的上半场,是让更多人可以做出应用。 xBubble 想做的下半场,是让这些应用真正变成能跑业务、能接收入、能持续迭代的商业流程。对 OPC 来说,这比一个好看的 Demo 重要得多。

币圈荒木|Araki🪵

30,150 Aufrufe • vor 2 Monaten

一个视频,聊明白四大平台最新的流量密码 同一条内容,抖音有播放,小红书没点击,视频号没人转,发到 X 直接哑火,怎么都没有流量。很多人第一反应:是不是被限流了? 兄弟们,咱们先别急着甩锅给算法。 真相扎心但更有用:不是你内容不行,是你把同一种"说话方式",硬塞进了四套完全不同的游戏规则里。今天我用一个视频把这套规则讲透,你看看是不是这个道理? 四个平台,四种活法: 抖音在赌"注意力"。它根本不管你讲得对不对、有没有道理,先看能不能在前三秒把人按住。停不停得下来,是第一道生死线,完播和互动都是后面的事。 小红书在赌是否"有用"。点开只是入场券,真正的胜负手是能不能被搜到、能不能被收藏。你的内容如果三个月后还能被人翻出来当"攻略"用,才算真的赢了。 视频号在赌"信任"。它看的不是表面热闹,是你的内容值不值得被转发到家庭群、闺蜜群、同学群。能被转发的内容,往往朴实到你都觉得"这也能火"。 X 在赌"关系和真实对话"。你关注谁、谁在跟你互动、评论区聊得怎么样,这些都在悄悄决定内容能传多远。这里奖励的从来不是完美的文案,而是真实的交锋。 所以你发现了吗—— 平台从来就不是四个"发布"按钮。 它们是四款彻底不同的产品,只是长得都像内容而已。 这也是为什么"复制粘贴式"运营几乎注定失败:选题可以复用,但表达必须推倒重写。同一个观点,在抖音要靠一个反差开头,在小红书要变成一份可收藏的清单,在视频号要换成一句能对朋友说出口的大实话,在 X 上要留出能被反驳、被讨论的空间。 我把这四套推流逻辑拆成了一条视频,做内容的朋友建议先看完再决定下一条怎么发,能少走很多弯路。 评论区告诉我:你现在最想先攻下哪个平台?

波妞PONYO

10,518 Aufrufe • vor 2 Monaten

想和大伙聊聊,在 AI 时代我是如何深入学习一个技术领域的。 之前没有 AI 之前更多是看书、翻这个领域有名的国内外人的所有博客,然后摘抄记录到笔记本,这种速度挺慢,但是很有学习的乐趣,比如当时学习 WebGL 就是这种感觉,可能学懂一个东西差不多要半年空闲时间,慢但快乐。 现在有了 AI 之后,其实我很讨厌网上那种3分钟教你看完百年孤独,也讨厌一切短剧和倍速看电视剧的方式,更多还是挑好的看,吃好一点。 不过最近写你不知道的 Claude Code 和 Agent 系列,除了自己懂的部分外,其实还有大量不太清楚的领域,好在之前收藏了不少文章,刚好借助这一块清库存,全部搞懂输出出去,一直认为,很多时候,不在于看了多少东西,听了多少东西,输入了多少东西,其实用处不大,更加看重你输出了多少东西,这个才是你自己的。 然后我上上周启动了一个深坑挑战自己,研究大模型的训练流程,确保非专业的人也听得懂,探索了2周,刚好这个经验可以分享给大伙,当然成文也差不多好了,最近会发出。 我会把这个学习过程当做写代码一样的组织,第一步收集高质量的资料,比如与之相关的近几年的精品论文,各大模型厂商发布的关键模型的博客,X上模型负责人发表的一些文章,以及斯坦福等高校的近两年关于这一块的课程学习,还有经典的手搓一个大模型的代码仓库等等,这些都是我的一个资料来源过程,我会借助工具自动化全部下载、转md、清洗,梳理,弄好结构化分门别类到我这次研究的仓库。 然后对于自己看得懂的内容就全部看一遍,把不好的删掉,好的留下,对于看不懂的内容,直接借助 Claude 帮我的理解,更复杂一点的直接翻译成中文去阅读,对于代码本地可以跑的就跑起来,不能跑的那种就去看结构,总之会有一个大概的认识和知晓技术原理,这个阶段可以去掉原有一半可能没有用的内容。 到了这个阶段,其实你对这个领域有一个大概的认知了,就可以给这篇文章开始写一个大纲,以及大纲应该结合的来源内容,这里均可以用markdown很多表达,你要讲什么,或者说你想讲什么更想让读者知道,一定一定,文章是写给你给给看的人看的,需要知晓对方的认知水平,和汇报其实差不多。 然后接下来就是苦力活加之前内容的复习过程,和大学时候考试前复习很像,把每一章的内容填充完整,这样下来,你会得到一篇非常长而且有点啰嗦的文章。 这个时候AI就可以帮太忙,你可以让他帮你不改变你原有的内容意思你的语气的情况下,帮我去掉无用的啰嗦内容,以及连贯不到位的内容,或者是这一块缺少的内容,还需要补充什么知识的地方,借助AI继续去完善补充,这里又可以学到很多原来遗漏的东西。 最后整理好以后,可以继续自己读一遍,而非让AI读一遍,这里AI只是工具,千万不要把你的脑袋被AI代替了,这就没有啥意思来,自己读的过程中可以对文章继续修改调优,这里和写代码又非常像了,自测那种感觉,修复问题修问题,最后读了2遍以后,基本感觉完美了,然后就可以发出来给大伙看看。 有小伙伴肯定是担心自己写的东西没有人看,就不太喜欢发出来,或者说就不写了,其实只要你的内容有意义,自然就有读者,而非是你偷懒的理由。 花10min写完这个碎碎念,结束,欢迎交流你是如何学习一个新领域的,下面视频就是我后面要发的那篇你不知道的大模型训练文章的学习仓库,挺有意思,就录了一个视频给大伙看看我的工业化学习方式。

Tw93

111,923 Aufrufe • vor 5 Monaten