Загрузка видео...

Не удалось загрузить видео

На главную

🔥 AI 任务终于看得见了！Flowtrace 把复杂工作变成可视 Trace：一步步走、每步可查、可追溯、可复用、还能持续进化！ 我每天用 Claude、Cursor 干活：写报告、研究股票、做方案、优化简历…… 用得越多越崩溃： - 今天花几个小时跟 AI 聊出来的东西，明天想再用一次，又得从头重新说一遍 - AI 给的答案看起来很专业，但我根本不知道它哪来的依据，靠不靠谱心里没底 - 好不容易调教出一个好 Prompt，下次就作废了，全是沉没成本 - 改一个想法，整个对话就乱套，得全部重来 - 领导问“你这个结论怎么来的？”我只能尴尬地说……AI 说的 真的太没有安全感了，用完就忘，越用越焦虑。 直到我刷到 Flowtrace 这个开源项目，它直接解决了我这些痛点。 现在我做事情时，AI 不再是扔个 prompt 吐一大堆看不懂的黑箱内容，而是： - 整个过程一步一步清清楚楚，我全程看得见 - 每一步都有单独的文件，想查哪步就点哪步，依据一目了然 - 做完一次以后，下次直接复用，改改输入就能出新结果 - 只想改哪里，就只重新跑哪里，不用全部重来 - 做完之后心里特别踏实，因为每一步都有痕迹、有证据 最打动我的是：AI 终于不再是一次性聊天工具，而是变成了我真正能掌控、能重复使用、越用越强的个人助手。 现在做股票分析、写周报、准备方案，都会用它跑一遍，心里安心多了，不再担心“明天又得重来”。 作为一个普通人，我完全不需要懂技术。 把仓库丢给 AI，说一句“帮我安装并跑 tailored-resume...

IndieDevHailey's profile picture

开发者Hailey

23,931 subscribers

13,621 просмотров • 3 месяцев назад •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

学AI半年还在纠结用哪个工具，你不是不会，是在用准备逃避开始 一个零基础就能用的方法，四步闭环 ① 工具准备 下两个免费 APP，Workbody 和 Coder Work，现在有羊毛薅，每天送积分，足够你用 不用配环境，拿来就用。别一上来就纠结 Claude Code、Codex，那些以后再说 ② 建档案 打开以后直接告诉 AI：你是谁、干嘛的、优点、缺点、目标、卡点 把它当几十万的咨询顾问，把你的底牌摊给它，让它记住你。然后说：以后我需要你给建议、给方法、帮我朝目标走 ③ 喂内容 网上看到好东西，不要点收藏 收藏有个屁用，点完就是心理安慰 好文章直接复制给 AI，好视频好音频把链接扔给它。然后说：这个内容我觉得好，好在哪我想了想，你帮我看看，根据我的情况怎么用 它会告诉你哪些现在就能用，一二三列出来，照做。哪些以后能用，整理成知识块存起来，到时候拿出来 ④ 每天复盘 用完跟 AI 说：我是这么用的，结果是这样，你给我复盘，告诉我下面怎么改进 一天两天三天四天五天，你就和别人完全不一样了 然后你会发现，那个不会用的 Claude Code，你问它，它就告诉你怎么用。Codex 不会用，它也告诉你怎么用 一定是先用出来 很多人学东西学傻了，一定要先学会了再用 打球的方法是什么？先上场。不是在网上看十年教学视频，看了十年还不会打球 先上场，边学边用，甚至你都不需要懂，干就完了
3:39

学AI半年还在纠结用哪个工具，你不是不会，是在用准备逃避开始 一个零基础就能用的方法，四步闭环 ① 工具准备 下两个免费 APP，Workbody 和 Coder Work，现在有羊毛薅，每天送积分，足够你用 不用配环境，拿来就用。别一上来就纠结 Claude Code、Codex，那些以后再说 ② 建档案 打开以后直接告诉 AI：你是谁、干嘛的、优点、缺点、目标、卡点 把它当几十万的咨询顾问，把你的底牌摊给它，让它记住你。然后说：以后我需要你给建议、给方法、帮我朝目标走 ③ 喂内容 网上看到好东西，不要点收藏 收藏有个屁用，点完就是心理安慰 好文章直接复制给 AI，好视频好音频把链接扔给它。然后说：这个内容我觉得好，好在哪我想了想，你帮我看看，根据我的情况怎么用 它会告诉你哪些现在就能用，一二三列出来，照做。哪些以后能用，整理成知识块存起来，到时候拿出来 ④ 每天复盘 用完跟 AI 说：我是这么用的，结果是这样，你给我复盘，告诉我下面怎么改进 一天两天三天四天五天，你就和别人完全不一样了 然后你会发现，那个不会用的 Claude Code，你问它，它就告诉你怎么用。Codex 不会用，它也告诉你怎么用 一定是先用出来 很多人学东西学傻了，一定要先学会了再用 打球的方法是什么？先上场。不是在网上看十年教学视频，看了十年还不会打球 先上场，边学边用，甚至你都不需要懂，干就完了

熊三金Cole

10,901 просмотров • 2 месяцев назад

Codex 隐藏玩法：把你每天重复教 AI 的提示词，直接做成 Skill 90% 的人用 Codex，其实都在重复做同一件事： 开一个新任务，把同一套要求再告诉它一遍。这些 Prompt 你可能已经复制粘贴了几十次。 但其实，这种反复使用的工作方法，完全可以直接做成 Codex Skill。 详细教程如下： 1️⃣先找一段你经常重复使用的 Prompt，比如我最近一直在用这类提示词： “执行任务前先检查需求漏洞和潜在风险，不要默认接受我的方案。涉及代码和结论必须验证，完成后按验收标准逐项检查。” 这类 Prompt 很好用，但最大的问题是：每开一个新任务，都要重新贴一次。 2️⃣直接让 Codex 把它做成 Skill把原来的 Prompt 发给 Codex，然后告诉它： 请把上面这套工作方式整理成一个可重复调用的 Codex Skill。 要求： · 明确这个 Skill 适合在什么情况下使用 · 把原来的要求整理成清晰的执行步骤 · 区分任务开始前、执行过程中和完成后的检查 · 保留必要的验证流程 · 删除重复和模糊的要求 · 不要改变原来的核心工作原则 Codex 就会把原来散乱的一段 Prompt，整理成一套完整的 Skill 工作流。 以后这些规则就不用一直躺在聊天记录里了。 3️⃣ 后面直接调用这个 Skill 再开新任务时，不需要重新复制那一大段 Prompt。 直接告诉 Codex：使用这个 Skill 完成当前任务。 最后你的 Codex 里保存的，就不再是一堆 Prompt，而是你自己的一整套工作流。 Prompt 是教 AI 这一次怎么做。 Skill 是把你的工作方法直接固化下来，以后每个项目都能重复调用。
0:21

Codex 隐藏玩法：把你每天重复教 AI 的提示词，直接做成 Skill 90% 的人用 Codex，其实都在重复做同一件事： 开一个新任务，把同一套要求再告诉它一遍。这些 Prompt 你可能已经复制粘贴了几十次。 但其实，这种反复使用的工作方法，完全可以直接做成 Codex Skill。 详细教程如下： 1️⃣先找一段你经常重复使用的 Prompt，比如我最近一直在用这类提示词： “执行任务前先检查需求漏洞和潜在风险，不要默认接受我的方案。涉及代码和结论必须验证，完成后按验收标准逐项检查。” 这类 Prompt 很好用，但最大的问题是：每开一个新任务，都要重新贴一次。 2️⃣直接让 Codex 把它做成 Skill把原来的 Prompt 发给 Codex，然后告诉它： 请把上面这套工作方式整理成一个可重复调用的 Codex Skill。 要求： · 明确这个 Skill 适合在什么情况下使用 · 把原来的要求整理成清晰的执行步骤 · 区分任务开始前、执行过程中和完成后的检查 · 保留必要的验证流程 · 删除重复和模糊的要求 · 不要改变原来的核心工作原则 Codex 就会把原来散乱的一段 Prompt，整理成一套完整的 Skill 工作流。 以后这些规则就不用一直躺在聊天记录里了。 3️⃣ 后面直接调用这个 Skill 再开新任务时，不需要重新复制那一大段 Prompt。 直接告诉 Codex：使用这个 Skill 完成当前任务。 最后你的 Codex 里保存的，就不再是一堆 Prompt，而是你自己的一整套工作流。 Prompt 是教 AI 这一次怎么做。 Skill 是把你的工作方法直接固化下来，以后每个项目都能重复调用。

爱丽丝呀！

40,828 просмотров • 1 месяц назад

做数据分析的人应该都懂那种崩溃感： Excel 一开就卡、SQL 跑半天、模型调参像瞎猜、报告一写就是一下午。 更别说很多人本职工作也不是“数据科学家”，但又不得不啃一堆 CSV、报表和图表。 这两天看到人民大学 RUC Datalab 开源的DeepAnalyze，有点眼前一亮。 它不是那种“帮你写点分析文案”的 AI，而是想做一个真正的「AI 数据分析师」： 能读 Excel/CSV/JSON/TXT，自己规划步骤、清洗数据、建模、画图、最后给你一份完整报告。 甚至还能把推理链（reasoning trace）展示出来，让你看到它是怎么一步步想出来的。 我自己最有感觉的点有几个： 以前 ChatGPT 更像“写稿子、写代码”的助手，但对数据本身不够“懂”； DeepAnalyze 直接把这一块补上了，做到“从数据到报告”的全流程； 对普通人来说，可能第一次有机会把“专业的数据分析能力”当成一个工具来用，而不是一门必须自己啃几年的技能。 当然，它现在肯定还不完美，落地也需要折腾环境、准备数据。 但这个方向我很看好： AI 帮你做繁琐的统计和建模，人类负责问好问题、选好指标、做最后决策。 数据分析不再是少数人的特权，而是变成人人可用的一种“智能能力”。 简单说： 过去是「你学会数据分析再去用工具」， 以后可能是「你先有一个 AI 数据分析师，再慢慢学会怎么问对问题」。
2:33

做数据分析的人应该都懂那种崩溃感： Excel 一开就卡、SQL 跑半天、模型调参像瞎猜、报告一写就是一下午。 更别说很多人本职工作也不是“数据科学家”，但又不得不啃一堆 CSV、报表和图表。 这两天看到人民大学 RUC Datalab 开源的DeepAnalyze，有点眼前一亮。 它不是那种“帮你写点分析文案”的 AI，而是想做一个真正的「AI 数据分析师」： 能读 Excel/CSV/JSON/TXT，自己规划步骤、清洗数据、建模、画图、最后给你一份完整报告。 甚至还能把推理链（reasoning trace）展示出来，让你看到它是怎么一步步想出来的。 我自己最有感觉的点有几个： 以前 ChatGPT 更像“写稿子、写代码”的助手，但对数据本身不够“懂”； DeepAnalyze 直接把这一块补上了，做到“从数据到报告”的全流程； 对普通人来说，可能第一次有机会把“专业的数据分析能力”当成一个工具来用，而不是一门必须自己啃几年的技能。 当然，它现在肯定还不完美，落地也需要折腾环境、准备数据。 但这个方向我很看好： AI 帮你做繁琐的统计和建模，人类负责问好问题、选好指标、做最后决策。 数据分析不再是少数人的特权，而是变成人人可用的一种“智能能力”。 简单说： 过去是「你学会数据分析再去用工具」， 以后可能是「你先有一个 AI 数据分析师，再慢慢学会怎么问对问题」。

sitin

15,328 просмотров • 11 месяцев назад

Vibe Coding 让每个人都有做软件的能力，我见过很多人做了几十个产品，纯特么自嗨，没有一毛钱盈利。 现在 AI 一晚上能做一个产品，代码成本趋近于零，成本低到大家觉得不需要验证，做完了自然有人用。 但事实上大家都在做“玩具”，因为 Vibe Coding 解决的是 how，但 what 和 why 被跳过了。 我最近一个多月一直在用 atypica.AI ，就是在写代码之前，先把想法丢进去跑一轮用户验证。 它会有一套完整的研究链路： 先帮你拆研究计划，然后从百万级真实用户数据构建的 AI 人设库里挑人，组成一个焦点小组（AI Panel），让这些虚拟用户讨论你的产品、互相辩论、给出反对意见。 并且，这个焦点小组可以反复用，每次你有新想法、新定价、新包装、新广告语，都可以拉同一批人再聊一轮。 我刚用它测过的场景： 上周我想做一个给老板用的 AI 助手，它帮我组了 12 个不同行业的老板人设（persona）并沉淀成我可以反复调用的Panel 。 30 分钟跑完，从报告中发现3件我完全没想到的事： 1. 当AI变得太懂老板反而会引发不安全感（尤其是很懂账目和客户关系时，会觉得被盯着）； 2. 最抗拒 AI 的老板也不是完全不用 AI ，只是不想换工作方式（能继续发微信、拍照、说语音，后台自动整理）； 3. 他们愿意为 AI 付钱不是因为功能多，而是因为它能帮自己少亏一次钱（少一次压货、客户流失或管理损耗，比“智能助手”这个概念更能打动人）。 根据这些发现我当场调整了方向，然后用panel里的同一批人再验证了一轮。两轮下来，避开了至少三个致命错误。 Vibe Coding 把做产品的门槛降到了零，但做对产品的门槛一点没变，如果你想要靠产品盈利，最好还是先想清楚： 你在解决真实需求，还是在解决自己幻想的问题。
1:27

Vibe Coding 让每个人都有做软件的能力，我见过很多人做了几十个产品，纯特么自嗨，没有一毛钱盈利。 现在 AI 一晚上能做一个产品，代码成本趋近于零，成本低到大家觉得不需要验证，做完了自然有人用。 但事实上大家都在做“玩具”，因为 Vibe Coding 解决的是 how，但 what 和 why 被跳过了。 我最近一个多月一直在用 atypica.AI ，就是在写代码之前，先把想法丢进去跑一轮用户验证。 它会有一套完整的研究链路： 先帮你拆研究计划，然后从百万级真实用户数据构建的 AI 人设库里挑人，组成一个焦点小组（AI Panel），让这些虚拟用户讨论你的产品、互相辩论、给出反对意见。 并且，这个焦点小组可以反复用，每次你有新想法、新定价、新包装、新广告语，都可以拉同一批人再聊一轮。 我刚用它测过的场景： 上周我想做一个给老板用的 AI 助手，它帮我组了 12 个不同行业的老板人设（persona）并沉淀成我可以反复调用的Panel 。 30 分钟跑完，从报告中发现3件我完全没想到的事： 1. 当AI变得太懂老板反而会引发不安全感（尤其是很懂账目和客户关系时，会觉得被盯着）； 2. 最抗拒 AI 的老板也不是完全不用 AI ，只是不想换工作方式（能继续发微信、拍照、说语音，后台自动整理）； 3. 他们愿意为 AI 付钱不是因为功能多，而是因为它能帮自己少亏一次钱（少一次压货、客户流失或管理损耗，比“智能助手”这个概念更能打动人）。 根据这些发现我当场调整了方向，然后用panel里的同一批人再验证了一轮。两轮下来，避开了至少三个致命错误。 Vibe Coding 把做产品的门槛降到了零，但做对产品的门槛一点没变，如果你想要靠产品盈利，最好还是先想清楚： 你在解决真实需求，还是在解决自己幻想的问题。

余温

27,280 просмотров • 3 месяцев назад

做AI短视频，我踩过 5 个坑 今天全说出来，希望你能少走一些弯路。 ──────────────── 第一坑：一上来就猛学 刚开始做的时候，我每天研究工具、研究技术、研究别人怎么做。研究得很起劲，但回头一看，一个视频都没做完。 正确的顺序是先做出来，再边做边学。做完第一个你懂了流程，做完几个你有了感觉，就这样进步 总结一句：先完成，再完美 ──────────────── 第二坑：总想省钱省积分 生图要钱，生视频要钱，心疼是真的 刚开始做的时候，我也试过那些便宜的方案，效果看起来差不多。实际用下来，各种问题，花了大量时间去调，最后还是放弃了。 成本要跟结果比，不是跟价格比。做一个视频的成本本来就不高，省那点钱，丢的是时间和机会。 总结一句：用最好的工具，做最好的作品 ──────────────── 第三坑：死抠画面 刚开始做的时候，总想把画面做得很精美。结果发现根本做不到，提示词再好也有上限。 后来才发现，很多播放量很高的视频，画面并不精致，但内容抓人、节奏好，照样爆。 总结一句：别死抠视觉，够用就行。 ──────────────── 第四坑：忘了内容本身 这是最大的坑 刚开始做的时候，我花了大量时间研究工具、研究技术，结果忘了自己是做内容的 我们做的是视频，第一件事是内容好不好，不是特效漂不漂亮。 把注意力放回内容上之后，效果立刻就不一样了。 总结一句：我们是做内容的，不是研究AI的 ──────────────── 第五坑：做得太少 做一个感觉效果不好，就开始大改、大优化。其实很可能是这个方向用户不感兴趣，换一个方向就好了。 只要数量足够多，总会有跑通的 总结一句：干就完了，量大出奇迹 ════════════════ 我现在用什么工具 工具不用多，我现在核心就靠Creao 🔹 视频生成— 支持 Google Veo 和 Seedance，提示词直接出视频 🔹 图片生成— 最高 4K，随时在对话里生成 🔹 配音 — 20 多种声音，直接出音频文件 🔹 Agent 自动化 — 流程搭好之后可以定时跑，不用每次手动 可以试试： 最后一句：别光收藏，动手才能进步
0:40

做AI短视频，我踩过 5 个坑 今天全说出来，希望你能少走一些弯路。 ──────────────── 第一坑：一上来就猛学 刚开始做的时候，我每天研究工具、研究技术、研究别人怎么做。研究得很起劲，但回头一看，一个视频都没做完。 正确的顺序是先做出来，再边做边学。做完第一个你懂了流程，做完几个你有了感觉，就这样进步 总结一句：先完成，再完美 ──────────────── 第二坑：总想省钱省积分 生图要钱，生视频要钱，心疼是真的 刚开始做的时候，我也试过那些便宜的方案，效果看起来差不多。实际用下来，各种问题，花了大量时间去调，最后还是放弃了。 成本要跟结果比，不是跟价格比。做一个视频的成本本来就不高，省那点钱，丢的是时间和机会。 总结一句：用最好的工具，做最好的作品 ──────────────── 第三坑：死抠画面 刚开始做的时候，总想把画面做得很精美。结果发现根本做不到，提示词再好也有上限。 后来才发现，很多播放量很高的视频，画面并不精致，但内容抓人、节奏好，照样爆。 总结一句：别死抠视觉，够用就行。 ──────────────── 第四坑：忘了内容本身 这是最大的坑 刚开始做的时候，我花了大量时间研究工具、研究技术，结果忘了自己是做内容的 我们做的是视频，第一件事是内容好不好，不是特效漂不漂亮。 把注意力放回内容上之后，效果立刻就不一样了。 总结一句：我们是做内容的，不是研究AI的 ──────────────── 第五坑：做得太少 做一个感觉效果不好，就开始大改、大优化。其实很可能是这个方向用户不感兴趣，换一个方向就好了。 只要数量足够多，总会有跑通的 总结一句：干就完了，量大出奇迹 ════════════════ 我现在用什么工具 工具不用多，我现在核心就靠Creao 🔹 视频生成— 支持 Google Veo 和 Seedance，提示词直接出视频 🔹 图片生成— 最高 4K，随时在对话里生成 🔹 配音 — 20 多种声音，直接出音频文件 🔹 Agent 自动化 — 流程搭好之后可以定时跑，不用每次手动 可以试试： 最后一句：别光收藏，动手才能进步

Powerpei🦅🏆买美股上币安

22,183 просмотров • 2 месяцев назад

WC，科研界的WorkBuddy终于来了！ 有个做科研的朋友给我安利了 PhAI Labs 最新推出的 ScienceBuddy 他做科研用过不少 AI Agent 但真正能把研究流程完整跑下来的其实不多 但 ScienceBuddy 真的不一样 它是一个真正围绕科研工作流设计的 AI Agent 我自己也去试了一下，让 ScienceBuddy帮我研究了一个癌症治愈领域的小问题😇 —— JAK1 是否可能与小细胞肺癌患者的免疫治疗响应相关 我把问题扔给他，啥都没说 ScienceBuddy 就直接帮我我跑出了一份完整的研究报告 提出问题 → 文献与机制分析 → 研究设计 → 数据需求判断 → 形成参考结论 整套研究闭环几乎一次跑通🤯 对比了一下和其他 AI 生成的结果，我觉得ScienceBuddy 做的最好的地方 就是让 AI 像一个科研工作者一样去看待和思考问题： 1️⃣科研的严谨性很高 它会真正拆解研究问题、判断证据强弱、组织研究路径，而只是简单把搜到的材料拼在一起 同时内部还集成了 224 个科学工具，可以在不同研究环节调用对应工具，进一步提升结果的可靠性 2️⃣执行全流程公开、可追溯 ScienceBuddy 做了什么，你基本都能看到 它如何拆解问题、查了哪些材料、调用了什么工具 每一步得出了什么阶段性结果，最终又是如何形成结论的，整个过程都非常清晰 对于科研任务来说，这种过程的可追溯性甚至比结果本身更加很重要 3️⃣它清楚自己的证据和能力边界在哪 遇到证据不足的问题，它不会强行给你看似正确的答案 而是会清晰告诉你，目前哪些结论有明确证据支撑、哪些只是推测 以及下一步需要什么数据或者实验才能继续验证 如果你要写论文、做研究，那就千万别错过ScienceBuddy ！ 而点击下方网站就能免费体验 无需充值和复杂配置、开箱即用～
0:53

WC，科研界的WorkBuddy终于来了！ 有个做科研的朋友给我安利了 PhAI Labs 最新推出的 ScienceBuddy 他做科研用过不少 AI Agent 但真正能把研究流程完整跑下来的其实不多 但 ScienceBuddy 真的不一样 它是一个真正围绕科研工作流设计的 AI Agent 我自己也去试了一下，让 ScienceBuddy帮我研究了一个癌症治愈领域的小问题😇 —— JAK1 是否可能与小细胞肺癌患者的免疫治疗响应相关 我把问题扔给他，啥都没说 ScienceBuddy 就直接帮我我跑出了一份完整的研究报告 提出问题 → 文献与机制分析 → 研究设计 → 数据需求判断 → 形成参考结论 整套研究闭环几乎一次跑通🤯 对比了一下和其他 AI 生成的结果，我觉得ScienceBuddy 做的最好的地方 就是让 AI 像一个科研工作者一样去看待和思考问题： 1️⃣科研的严谨性很高 它会真正拆解研究问题、判断证据强弱、组织研究路径，而只是简单把搜到的材料拼在一起 同时内部还集成了 224 个科学工具，可以在不同研究环节调用对应工具，进一步提升结果的可靠性 2️⃣执行全流程公开、可追溯 ScienceBuddy 做了什么，你基本都能看到 它如何拆解问题、查了哪些材料、调用了什么工具 每一步得出了什么阶段性结果，最终又是如何形成结论的，整个过程都非常清晰 对于科研任务来说，这种过程的可追溯性甚至比结果本身更加很重要 3️⃣它清楚自己的证据和能力边界在哪 遇到证据不足的问题，它不会强行给你看似正确的答案 而是会清晰告诉你，目前哪些结论有明确证据支撑、哪些只是推测 以及下一步需要什么数据或者实验才能继续验证 如果你要写论文、做研究，那就千万别错过ScienceBuddy ！ 而点击下方网站就能免费体验 无需充值和复杂配置、开箱即用～

来碗牛肉粉

52,508 просмотров • 10 дней назад

最近北大开源的一个项目，我觉得很值得关注。 AI Agent 现在最缺的，可能不是模型， 而是一套像 npm 一样可复用的 skill 基础设施。 MagicSkills 做的就是这件事。 它不是再去造一个新的 Agent framework， 而是想把那些散落在各处的 SKILL.md， 变成可安装、可组合、可同步、可调用的共享能力层。 MagicSkills 的思路更像是， 先把 skill 从零散文档里抽出来， 做成一个本地优先的共享 skill pool， 然后再按不同 Agent、不同框架去组合和分发。 这样一来，skill 就不再只是 prompt 附件， 而是开始变成真正可复用的能力基础设施。 说白了，它想推动的一件事就是： 让 Agent 的技能， 从“写一份文档自己用”， 变成“写一次，到处复用”。 我觉得这个方向很值得看。 因为当 skill 开始像包管理一样被组织起来， 多 Agent 工作流才会真正开始像工程系统， 而不是一堆 prompt 和脚本的临时拼装。 如果你在关注 AI Agent、Multi-Agent、技能复用， 或者正在想怎么管理越来越多的 SKILL.md， 这个项目值得研究一下。👇
0:21

最近北大开源的一个项目，我觉得很值得关注。 AI Agent 现在最缺的，可能不是模型， 而是一套像 npm 一样可复用的 skill 基础设施。 MagicSkills 做的就是这件事。 它不是再去造一个新的 Agent framework， 而是想把那些散落在各处的 SKILL.md， 变成可安装、可组合、可同步、可调用的共享能力层。 MagicSkills 的思路更像是， 先把 skill 从零散文档里抽出来， 做成一个本地优先的共享 skill pool， 然后再按不同 Agent、不同框架去组合和分发。 这样一来，skill 就不再只是 prompt 附件， 而是开始变成真正可复用的能力基础设施。 说白了，它想推动的一件事就是： 让 Agent 的技能， 从“写一份文档自己用”， 变成“写一次，到处复用”。 我觉得这个方向很值得看。 因为当 skill 开始像包管理一样被组织起来， 多 Agent 工作流才会真正开始像工程系统， 而不是一堆 prompt 和脚本的临时拼装。 如果你在关注 AI Agent、Multi-Agent、技能复用， 或者正在想怎么管理越来越多的 SKILL.md， 这个项目值得研究一下。👇

axiaisacat

46,330 просмотров • 6 месяцев назад

终于！！终于有一个 AI 助手是真的能帮我把一天理清楚的！！ 我现在每天早上跟手机说一句话，它就把我今天该干的事全理好了—— 微信里没回的消息、待看的资料 飞书里待处理的消息 电脑备忘录里昨晚记的半截想法 obsidian中前天一直拖着没干的任务… 全给我按优先级拎出来！！整个过程不到两分钟！ 说实话，对于我们这种创业者来说，每天早上睁开眼第一件事不是干活，是花二三十分钟在四个 App 之间反复横跳，人肉拼出一张今日待办 用过 Todoist，用过 Notion，用过滴答清单，用过各种 AI 助手 要么只能记录不能理解上下文，要么只能对话不能跨设备同步，要么聪明是聪明但第二天就把你昨天说的全忘了 问题根本不是工具不够多，是没有一个东西真正记得我昨天在干啥、知道我今天该干啥 后来朋友推给我一个叫 Today 的 Personal AI 助手，手机电脑数据互通，还能装 Skill 做扩展 说实话一开始没当回事，这种产品现在太多了 但我试了一件事就改主意了：早上起来直接跟它说，帮我梳理一下今天的待办 它不光把散在各处的任务拎出来了，关键是——它记得 它记得我昨天说了什么、前天在处理什么、哪些事情是我一直拖着没动的 不是每次开新对话都要重新交代一遍背景的那种 AI，是真的有上下文积累的 到电脑上打开，手机上的状态全同步过来了，直接开始干活 AI 这三年，先卷谁更聪明，再卷谁能把事干完，但说实话执行这件事迟早会被卷成白菜价——真正难复制的是一个 AI 到底积累了多少关于你的状态，记忆才是稀缺资产 我现在跑通了三个场景： 1、早上一句话梳理今日待办，不用自己从四个 App 里拼了 2、随时在手机上丢想法进去，到电脑上自动归好类，不用再当自己的信息搬运工 3、装了几个 Skill 处理重复性整理，比如把飞书里散落的信息按项目归档 三个场景加起来每天省半小时到一小时，听起来不多，但这1个小时是每天早上最烦的那段——从混乱到清晰的认知切换成本，省掉之后整个人启动速度直接起飞！！ 强烈推荐大家去试一下！：
2:19

终于！！终于有一个 AI 助手是真的能帮我把一天理清楚的！！ 我现在每天早上跟手机说一句话，它就把我今天该干的事全理好了—— 微信里没回的消息、待看的资料 飞书里待处理的消息 电脑备忘录里昨晚记的半截想法 obsidian中前天一直拖着没干的任务… 全给我按优先级拎出来！！整个过程不到两分钟！ 说实话，对于我们这种创业者来说，每天早上睁开眼第一件事不是干活，是花二三十分钟在四个 App 之间反复横跳，人肉拼出一张今日待办 用过 Todoist，用过 Notion，用过滴答清单，用过各种 AI 助手 要么只能记录不能理解上下文，要么只能对话不能跨设备同步，要么聪明是聪明但第二天就把你昨天说的全忘了 问题根本不是工具不够多，是没有一个东西真正记得我昨天在干啥、知道我今天该干啥 后来朋友推给我一个叫 Today 的 Personal AI 助手，手机电脑数据互通，还能装 Skill 做扩展 说实话一开始没当回事，这种产品现在太多了 但我试了一件事就改主意了：早上起来直接跟它说，帮我梳理一下今天的待办 它不光把散在各处的任务拎出来了，关键是——它记得 它记得我昨天说了什么、前天在处理什么、哪些事情是我一直拖着没动的 不是每次开新对话都要重新交代一遍背景的那种 AI，是真的有上下文积累的 到电脑上打开，手机上的状态全同步过来了，直接开始干活 AI 这三年，先卷谁更聪明，再卷谁能把事干完，但说实话执行这件事迟早会被卷成白菜价——真正难复制的是一个 AI 到底积累了多少关于你的状态，记忆才是稀缺资产 我现在跑通了三个场景： 1、早上一句话梳理今日待办，不用自己从四个 App 里拼了 2、随时在手机上丢想法进去，到电脑上自动归好类，不用再当自己的信息搬运工 3、装了几个 Skill 处理重复性整理，比如把飞书里散落的信息按项目归档 三个场景加起来每天省半小时到一小时，听起来不多，但这1个小时是每天早上最烦的那段——从混乱到清晰的认知切换成本，省掉之后整个人启动速度直接起飞！！ 强烈推荐大家去试一下！：

超级个体｜柿子

73,349 просмотров • 27 дней назад

兄弟们，这个真的有点牛逼。 OpenAI给Codex整了个狠活： 你把重复劳动做一遍给它看（报销、请假、填表这种破事），它直接给你变成可重复用的技能。 录什么、录到哪，你自己说了算。 我前两天实际试了下，感觉就一个字——爽。 以前是你教一遍、做一遍。 现在是你教一遍，它自己会了，还能随时翻出来改。 说白了，这不就是给AI当师父吗？ 我筛了这么多AI工具，真正能落地的从来不是花活， 而是把你每天最烦、最重复的那几个动作彻底吃透。 别的功能可以晚点吹，这个建议先玩。
2:04

兄弟们，这个真的有点牛逼。 OpenAI给Codex整了个狠活： 你把重复劳动做一遍给它看（报销、请假、填表这种破事），它直接给你变成可重复用的技能。 录什么、录到哪，你自己说了算。 我前两天实际试了下，感觉就一个字——爽。 以前是你教一遍、做一遍。 现在是你教一遍，它自己会了，还能随时翻出来改。 说白了，这不就是给AI当师父吗？ 我筛了这么多AI工具，真正能落地的从来不是花活， 而是把你每天最烦、最重复的那几个动作彻底吃透。 别的功能可以晚点吹，这个建议先玩。

火山哥🕊️

17,877 просмотров • 1 месяц назад

卧槽！我一个视频小白，只用一句话，就生成这种效果的视频！ 我只说了句： “我想做一个很有张力的古风视频。画里的女生想逃出来，最后又被重新困回画里，你帮我看看怎么做。” 它脑洞大开，直接给我整了一个被巨型画笔追杀的画中人。 我没写分镜，也没拆镜头，故意装成纯小白： 当用户只有一个模糊想法，甚至不知道该怎么专业表达时，它到底能不能听懂？ 做过 AIGC 视频的应该都知道，痛点其实不只在生成视频。 只要你前面需求拆偏一点，后面的人物、画风和剧情就可能一起跑偏。 好不容易生成出来，想改一个镜头，很多工具给你的又只是一条写死的内容，只能回去重新抽，时间和积分继续往里烧。 而且我平时得在 不同工具之间来回切换：搬参考图、搬提示词、下载素材，再把所有东西拖进剪辑软件里重新组装。费时费力，大部分时间都浪费在了搬运上。 这次我用 Fotor Video Agent Fotor , 先用长时序规划把整条故事该怎么走拆开，再把参考图、真实录屏、生成镜头、字幕、BGM、脚步声、画布撕裂声和心跳声，自动编排进同一个多轨项目里。 我不用每做一步就换一个软件。字幕、配乐、转场和画面布局也能在这套流程里继续完成；哪里不对，就留在项目里接着改，不必为了一个局部问题把整段视频全部推倒重抽。 它最后补出了一个灰白色的线稿世界，还放进去一支巨型画笔。 这个画笔确实挺有意思，它一出现，女生为什么要跑、为什么始终逃不出去、最后又为什么会被困回画里，一下就都有了解释。整个故事有了对抗，也有了闭环。 当然，这条片绝对不是一句话扔进去，一次就直接生成完了。 前前后后至少留下了 5 个完整版本。我一直看的还是最基本的东西：逻辑自然吗？人物和画风统一吗？衔接顺不顺？我要的张力有没有出来？不行就继续改。 所以这次真正让我感觉省事的，不是它把 AI 生成的不确定性彻底消灭了，而是需求规划、素材生成和后期组装终于能留在一个项目里继续推进。 最后这个东西到底能不能用，还是得由我自己拍板。现在这版也不是每个转场都绝对丝滑，但整体我能接受，不影响故事表达。 反正后面每次都能做到这个程度的话，我肯定会继续用。 Link in my bio. Try Fotor Video Agent. 成片放下面，可以看看效果。
0:50

卧槽！我一个视频小白，只用一句话，就生成这种效果的视频！ 我只说了句： “我想做一个很有张力的古风视频。画里的女生想逃出来，最后又被重新困回画里，你帮我看看怎么做。” 它脑洞大开，直接给我整了一个被巨型画笔追杀的画中人。 我没写分镜，也没拆镜头，故意装成纯小白： 当用户只有一个模糊想法，甚至不知道该怎么专业表达时，它到底能不能听懂？ 做过 AIGC 视频的应该都知道，痛点其实不只在生成视频。 只要你前面需求拆偏一点，后面的人物、画风和剧情就可能一起跑偏。 好不容易生成出来，想改一个镜头，很多工具给你的又只是一条写死的内容，只能回去重新抽，时间和积分继续往里烧。 而且我平时得在 不同工具之间来回切换：搬参考图、搬提示词、下载素材，再把所有东西拖进剪辑软件里重新组装。费时费力，大部分时间都浪费在了搬运上。 这次我用 Fotor Video Agent Fotor , 先用长时序规划把整条故事该怎么走拆开，再把参考图、真实录屏、生成镜头、字幕、BGM、脚步声、画布撕裂声和心跳声，自动编排进同一个多轨项目里。 我不用每做一步就换一个软件。字幕、配乐、转场和画面布局也能在这套流程里继续完成；哪里不对，就留在项目里接着改，不必为了一个局部问题把整段视频全部推倒重抽。 它最后补出了一个灰白色的线稿世界，还放进去一支巨型画笔。 这个画笔确实挺有意思，它一出现，女生为什么要跑、为什么始终逃不出去、最后又为什么会被困回画里，一下就都有了解释。整个故事有了对抗，也有了闭环。 当然，这条片绝对不是一句话扔进去，一次就直接生成完了。 前前后后至少留下了 5 个完整版本。我一直看的还是最基本的东西：逻辑自然吗？人物和画风统一吗？衔接顺不顺？我要的张力有没有出来？不行就继续改。 所以这次真正让我感觉省事的，不是它把 AI 生成的不确定性彻底消灭了，而是需求规划、素材生成和后期组装终于能留在一个项目里继续推进。 最后这个东西到底能不能用，还是得由我自己拍板。现在这版也不是每个转场都绝对丝滑，但整体我能接受，不影响故事表达。 反正后面每次都能做到这个程度的话，我肯定会继续用。 Link in my bio. Try Fotor Video Agent. 成片放下面，可以看看效果。

木马人

17,809 просмотров • 1 месяц назад

说个真相：2026 年最能赚钱的 AI 编程工具不是 Claude Code，是 Cursor。 年化 40 亿美金，Claude Code 25 亿，差一截。 这数字不是我拍脑袋，是我让 Apodex 跑出来的，一个主打“每一步先验证再往下推”的 AI 研究工具。 它没像聊天机器人那样秒回一段话，是真去查，最后给了份带 21 条引用的简报。 大方向它给的结论跟我体感对得上：Cursor 最能赚，Copilot 用户最多，Claude Code 体验最好。 但 AI 给的东西我有个习惯，挨条查，21 条引用翻下来，大多数站得住。 有一条没站住：它说 SpaceX 要花 100 亿买 Cursor 的 Colossus 超算。问题是，Colossus 是马斯克 xAI 的超算，不是 Cursor 的。 它也有很克制的地方。比如 Copilot 的收入，它没硬编一个数，直接标“微软没披露，这是估算”，还给了区间。 所以我真正想说的是：它把每一步推理、每一条来源都摊开给你了。正因为摊开，我才查得出哪条不对。换个黑盒聊天机器人，你连查都没得查。 经过验证的简报，不等于你可以不验证。但它能让你验证，这件事本身就比大多数 AI 强。 报告全文 + 21 条引用我放评论了，现在注册免费试用体验，估计很快也就收费了：
1:00

说个真相：2026 年最能赚钱的 AI 编程工具不是 Claude Code，是 Cursor。 年化 40 亿美金，Claude Code 25 亿，差一截。 这数字不是我拍脑袋，是我让 Apodex 跑出来的，一个主打“每一步先验证再往下推”的 AI 研究工具。 它没像聊天机器人那样秒回一段话，是真去查，最后给了份带 21 条引用的简报。 大方向它给的结论跟我体感对得上：Cursor 最能赚，Copilot 用户最多，Claude Code 体验最好。 但 AI 给的东西我有个习惯，挨条查，21 条引用翻下来，大多数站得住。 有一条没站住：它说 SpaceX 要花 100 亿买 Cursor 的 Colossus 超算。问题是，Colossus 是马斯克 xAI 的超算，不是 Cursor 的。 它也有很克制的地方。比如 Copilot 的收入，它没硬编一个数，直接标“微软没披露，这是估算”，还给了区间。 所以我真正想说的是：它把每一步推理、每一条来源都摊开给你了。正因为摊开，我才查得出哪条不对。换个黑盒聊天机器人，你连查都没得查。 经过验证的简报，不等于你可以不验证。但它能让你验证，这件事本身就比大多数 AI 强。 报告全文 + 21 条引用我放评论了，现在注册免费试用体验，估计很快也就收费了：

Yanhua

27,709 просмотров • 3 месяцев назад

🎬 90% 的人没用明白 Codex。 因为一开始就把它当成了 ChatGPT。 但 Codex 最厉害的地方，从来不是聊天，而是动手。它会读项目、改文件、做表格、操作浏览器，直接在你的电脑里完成任务。 💡 真正决定体验的也不是 Prompt，而是四件事：Project、Permissions、Context 和 AGENTS.md。少一个都能用，多一个才开始好用。 我后来甚至不把它当 AI，而是当新人来带：先教它，再纠正它，最后把经验沉淀成 Skill。 当你开始这样用 Codex，它就不再是助手，而是一套持续进化的工作系统。
17:56

🎬 90% 的人没用明白 Codex。 因为一开始就把它当成了 ChatGPT。 但 Codex 最厉害的地方，从来不是聊天，而是动手。它会读项目、改文件、做表格、操作浏览器，直接在你的电脑里完成任务。 💡 真正决定体验的也不是 Prompt，而是四件事：Project、Permissions、Context 和 AGENTS.md。少一个都能用，多一个才开始好用。 我后来甚至不把它当 AI，而是当新人来带：先教它，再纠正它，最后把经验沉淀成 Skill。 当你开始这样用 Codex，它就不再是助手，而是一套持续进化的工作系统。

Martin

27,644 просмотров • 3 месяцев назад

你敢信，一句脑洞，AI就能自动拍成这样的AI短剧，全程不超过半小时？ 脑子里有画面，真要做成短片，却卡在剧本怎么写、分镜怎么拆、人物换个镜头还能不能接得上。 这次，我用 UUMit 自研的灵镜，把这个原创脑洞做成了 AI 短剧，也把制作过程放进了视频里。 输入故事，设好画风和画幅，再看生成进度。剧本出来先审一遍，想改的地方提意见，看过修改前后的差异再确认。角色、场景、道具和分镜都留在同一个项目里，可以接着往下做。 故事做出来以后，每个步骤都能继续改。一个镜头不满意，就调整描述，选中这一镜重新生成，再把前后效果放在一起看。 如果你也有一个一直没拍出来的故事，可以从一句设定开始试试。
1:20

你敢信，一句脑洞，AI就能自动拍成这样的AI短剧，全程不超过半小时？ 脑子里有画面，真要做成短片，却卡在剧本怎么写、分镜怎么拆、人物换个镜头还能不能接得上。 这次，我用 UUMit 自研的灵镜，把这个原创脑洞做成了 AI 短剧，也把制作过程放进了视频里。 输入故事，设好画风和画幅，再看生成进度。剧本出来先审一遍，想改的地方提意见，看过修改前后的差异再确认。角色、场景、道具和分镜都留在同一个项目里，可以接着往下做。 故事做出来以后，每个步骤都能继续改。一个镜头不满意，就调整描述，选中这一镜重新生成，再把前后效果放在一起看。 如果你也有一个一直没拍出来的故事，可以从一句设定开始试试。

Rachel🥥

35,994 просмотров • 17 дней назад

我把某年入百万的博主近一个月朋友圈全扒了下来——47条，分类、提炼、技法拆解，全自动 我在这边工作，一小时后markdown文件就躺在我的电脑上，这是一个商业打法，也是一个skill制作方法 感觉豆包手机可以更新一波绕过各大厂商了，觉得麻烦直接看视频我做了个多牛的事儿⬇️ 我觉得成交最重要的一步是在转化上，我其实也有这部分卡点 朋友圈营销是转化的重要主战场甚至朋友圈营销的课程已经是 588，3 天的训练营 我知道一个博主，他是真的就靠朋友圈营销去做转化，年入百万 我刷了他三个月朋友圈，越刷越觉得不对 他做高客单价，不靠直播，不靠短视频，靠朋友圈 产品卖五位数、六位数，朋友圈就是他的成交主场 并且据说他自己有一套完整的朋友圈转化的逻辑，那我觉得这个东西就完全可以skill化的 重要的卡点在于我如何能够抓取朋友圈的数据，于是我就发现了个产品叫做airtap Airtap Ai 然后我把他的内容整理出来了 你会发现他的每一条朋友圈，背后都有一套完整的转化逻辑：身份标签怎么立、前景对比怎么做、文案怎么克制才让人觉得值、价值观帖怎么埋才能让人主动买单跟进 这些东西，才是真正穿越周期的东西 这就是 Airtap——一个住在你手机里的 AI Agent 后面我打算用 Airtap 把他的朋友圈全提取出来，让 AI 做技法分析，做成了一个skill，后面用起来也会开源给大家 然后我深入了解一下产品我才发现，我限制了airtap的发挥 Airtap 不只是"帮你操作 App"，它是"你身边那个不知疲倦的情报员"。 你想研究谁的朋友圈，直接喂给它；它自己提取、自己分类、自己提炼营销技法 写一次 prompt，以后每天自动跑 你干别的事的时候，它替你把活干了。→
1:37

我把某年入百万的博主近一个月朋友圈全扒了下来——47条，分类、提炼、技法拆解，全自动 我在这边工作，一小时后markdown文件就躺在我的电脑上，这是一个商业打法，也是一个skill制作方法 感觉豆包手机可以更新一波绕过各大厂商了，觉得麻烦直接看视频我做了个多牛的事儿⬇️ 我觉得成交最重要的一步是在转化上，我其实也有这部分卡点 朋友圈营销是转化的重要主战场甚至朋友圈营销的课程已经是 588，3 天的训练营 我知道一个博主，他是真的就靠朋友圈营销去做转化，年入百万 我刷了他三个月朋友圈，越刷越觉得不对 他做高客单价，不靠直播，不靠短视频，靠朋友圈 产品卖五位数、六位数，朋友圈就是他的成交主场 并且据说他自己有一套完整的朋友圈转化的逻辑，那我觉得这个东西就完全可以skill化的 重要的卡点在于我如何能够抓取朋友圈的数据，于是我就发现了个产品叫做airtap Airtap Ai 然后我把他的内容整理出来了 你会发现他的每一条朋友圈，背后都有一套完整的转化逻辑：身份标签怎么立、前景对比怎么做、文案怎么克制才让人觉得值、价值观帖怎么埋才能让人主动买单跟进 这些东西，才是真正穿越周期的东西 这就是 Airtap——一个住在你手机里的 AI Agent 后面我打算用 Airtap 把他的朋友圈全提取出来，让 AI 做技法分析，做成了一个skill，后面用起来也会开源给大家 然后我深入了解一下产品我才发现，我限制了airtap的发挥 Airtap 不只是"帮你操作 App"，它是"你身边那个不知疲倦的情报员"。 你想研究谁的朋友圈，直接喂给它；它自己提取、自己分类、自己提炼营销技法 写一次 prompt，以后每天自动跑 你干别的事的时候，它替你把活干了。→

叫我阿杭

21,965 просмотров • 4 месяцев назад

朋友们我来了！！！今天用ChatCut 和Codex剪了两个视频！！下面这个分享视频也是chatcut给我剪的嘿嘿！也跟大家分享下怎么用～ 目前用下来觉得比较爽的点在于智能剪口播！非常丝滑流畅！而且张张嘴就能剪视频还是直接重塑了我手搓的工作流。。 有几个我觉得用下来大家需要注意的 1.字体选择不是特别多，期待可以用自己安装的字体的一天 2.断句用起来不那么方便，我是直接把他的这个逐字稿改成了.md，然后调给他之后让他根据.md的断句来重新断（人工活 3.第一次的时候可以给他一个SOP，然后一步一步跟他磨合一下，等全部都磨合好了，就让他自己做一个skill，把这个流程全部都定下来后面就很爽了！ 目前我只尝试了我已有的视频类型，但是看起来应该还有很多其他的还没用上的功能哈哈哈
2:19

朋友们我来了！！！今天用ChatCut 和Codex剪了两个视频！！下面这个分享视频也是chatcut给我剪的嘿嘿！也跟大家分享下怎么用～ 目前用下来觉得比较爽的点在于智能剪口播！非常丝滑流畅！而且张张嘴就能剪视频还是直接重塑了我手搓的工作流。。 有几个我觉得用下来大家需要注意的 1.字体选择不是特别多，期待可以用自己安装的字体的一天 2.断句用起来不那么方便，我是直接把他的这个逐字稿改成了.md，然后调给他之后让他根据.md的断句来重新断（人工活 3.第一次的时候可以给他一个SOP，然后一步一步跟他磨合一下，等全部都磨合好了，就让他自己做一个skill，把这个流程全部都定下来后面就很爽了！ 目前我只尝试了我已有的视频类型，但是看起来应该还有很多其他的还没用上的功能哈哈哈

Esther

41,736 просмотров • 2 месяцев назад

Lovable 月访问量多少？ AI 给了我两个数：3340 万，6280 万。差了将近一倍！ 竞品报告里该写哪个，我不知道。 这并不是个例。 我以前让 Agent 做竞品分析基本都这样：流量从公开页面东拼西凑，用户评论从二手网站抄。看着有理有据，一个都经不起问。 所以我做了个对照实验 同一句提示词、同一个模型（WorkBuddy 里的 Kimi K3），跑两遍。唯一的区别是有没有接 AIsa。 第一遍没接。流量是从 Semrush 公开页和评测文里拼出来的，两个口径对不上；用户评价是评测小编转述的，一条原帖都没有。 第二遍接上 AIsa。提示词一个字没改：“识别竞品。比较它们的定位、核心功能、网站流量来源、用户评价和内容渠道，然后生成报告。"我没告诉它去哪查，它自己规划了整条链路： Firecrawl 抓官网 Tavily 搜出 5 个竞品 调 Similarweb 官方 API 拉流量，7 个域名同一个口径 去 Reddit 翻原帖看真实评价 生成报告 22 次数据调用全部留痕，报告里每个数字都能点开看来源。 而第一遍那份报告，一个数都验不了。 顺手用它给 做了遍 SEO 检查，Semrush、Ahrefs、Similarweb 三个来源互相验证，抓出 5 个要修的问题，列了 10 个要补的页面。 两轮竞品分析加两轮 SEO 检查，28刀。 收获一份带官方数据的报告，仅仅只花了一顿饭的钱。 有人会问，直接订 Similarweb 不行吗？ 当然行，但官方服务主要面向企业，一年起步好几万美元，以我这个用量实在不划算。 AIsa 是全球第二家接入 Similarweb 官方 API 的平台，拿到的是官方接口直接返回、持续更新的数据，不是爬虫拼出来的镜像数据。 更关键的是，那些镜像站最多只能让你在网页上查一查，根本不提供 API，也没办法接进 Agent 里自动跑； 但AIsa 可以。对我来说，这才是真正的区别。 视频是两遍的完整录屏，圈出来的是它每一步调了什么数据源。 你也要做竞品分析或者 GTM 的，入口在这 👇
1:51

Lovable 月访问量多少？ AI 给了我两个数：3340 万，6280 万。差了将近一倍！ 竞品报告里该写哪个，我不知道。 这并不是个例。 我以前让 Agent 做竞品分析基本都这样：流量从公开页面东拼西凑，用户评论从二手网站抄。看着有理有据，一个都经不起问。 所以我做了个对照实验 同一句提示词、同一个模型（WorkBuddy 里的 Kimi K3），跑两遍。唯一的区别是有没有接 AIsa。 第一遍没接。流量是从 Semrush 公开页和评测文里拼出来的，两个口径对不上；用户评价是评测小编转述的，一条原帖都没有。 第二遍接上 AIsa。提示词一个字没改：“识别竞品。比较它们的定位、核心功能、网站流量来源、用户评价和内容渠道，然后生成报告。"我没告诉它去哪查，它自己规划了整条链路： Firecrawl 抓官网 Tavily 搜出 5 个竞品 调 Similarweb 官方 API 拉流量，7 个域名同一个口径 去 Reddit 翻原帖看真实评价 生成报告 22 次数据调用全部留痕，报告里每个数字都能点开看来源。 而第一遍那份报告，一个数都验不了。 顺手用它给 做了遍 SEO 检查，Semrush、Ahrefs、Similarweb 三个来源互相验证，抓出 5 个要修的问题，列了 10 个要补的页面。 两轮竞品分析加两轮 SEO 检查，28刀。 收获一份带官方数据的报告，仅仅只花了一顿饭的钱。 有人会问，直接订 Similarweb 不行吗？ 当然行，但官方服务主要面向企业，一年起步好几万美元，以我这个用量实在不划算。 AIsa 是全球第二家接入 Similarweb 官方 API 的平台，拿到的是官方接口直接返回、持续更新的数据，不是爬虫拼出来的镜像数据。 更关键的是，那些镜像站最多只能让你在网页上查一查，根本不提供 API，也没办法接进 Agent 里自动跑； 但AIsa 可以。对我来说，这才是真正的区别。 视频是两遍的完整录屏，圈出来的是它每一步调了什么数据源。 你也要做竞品分析或者 GTM 的，入口在这 👇

huangserva

19,583 просмотров • 26 дней назад

普通人做产品最大的短板不是技术，不是流量，是你根本不知道你的用户在想什么 大厂有用研团队、有焦点小组、有百万级调研预算 在百度做PM的时候， 每几天都会有一份定制化的《竞品动态日报》《消费者洞察报告》躺在所有员工的邮箱里 字节跳动昨天上线了什么新功能,腾讯哪个部门在招什么岗位,什么赛道的用户在关注什么产品，什么产品的数据又卖爆了 当时我就在想：如果我出来单干，我想获得这些信息，不得难死，这笔钱谁给我出？ 后来真出来了，答案是——根本没人出😂 所以和大部分独立开发者一样，我做产品验证需求的方式是： 发朋友圈问问、在推特宣发一下、看看竞品评论区、然后凭直觉赌一把 连续创业五年，我见过最多的死法不是产品做不出来 是产品做出来了，没人要，花三个月憋 MVP，上线后发现需求是自己臆想的 这个痛，做过产品的人都懂 做出海的朋友更惨 你的目标用户在地球另一边，时差 12 小时，语言不通，文化不同 去年帮一个朋友的品牌做北美市场，最头疼的不是投放，是根本不知道美国消费者怎么想，美国人文化和中国差距太大了 招一个本地调研公司，报价 8 万美金起步，找几个留学生做访谈，样本太小、还有幸存者偏差，有时候还访谈不明白 最后还是靠猜 现在这件事有了一个结构性的解法 Atypica atypica.AI 上线了一个新功能叫 AI Panel，一句话解释：它让你拥有了一个属于自己的焦点小组 不是 ChatGPT 扮演用户那种玩法 是基于 100 万+ 真实用户数据构建的 AI Persona，每个人有完整的背景、性格、认知偏差、消费决策框架 关键是——这个焦点小组是可复用的 你今天问一次，下个月产品迭代了再问一次 同一群人，持续追踪，看他们的态度变化 这在传统调研里叫 longitudinal study，成本极高 现在你一个人就能做 三种方式构建你的 Panel： 1）自动沉淀：用 Atypica 做完一次 Research 后，参与访谈的 AI Persona 自动沉淀成 Panel，下次直接调用 2）手动挑人：从 100 万+ 的 Persona Library 里按关键词搜索，添加组队 3）按需生成：输入需求描述，系统从零帮你构建一个全新的 Panel 组好之后随时打开，输入研究话题 支持一对多深度访谈，也支持多对多 Group Discussion 我试了一个真实场景 我之前做过一个面向内容创作者的 AI 写作工具，想验证订阅制定价 构建了一个Panel：YouTube 创作者、推特创作者、独立播客主 直接问：你平时写作的痛点有哪些？流程有哪些 10 分钟，直接就拿到了需求的分类和反馈 这种颗粒度，以前要花两周招募 + 一周访谈 + 几万块预算 现在 10 分钟，一个人搞定 如果你是以下三种人，这个功能对你来说是刚需： 做出海产品的创业者——你的用户在地球另一边，以前只能看竞品评论区猜需求，现在直接构建目标市场的用户 Panel，随时追问 需要反复迭代验证的产品团队——每次加功能都要做用户测试，Panel 让你不用每次重新招人，同一群用户持续追踪反应变化 需要大规模样本的场景——比如你想了解 2000 个家庭的消费偏好，传统手段几乎不可能，Panel 可以 我觉得我们普通人做产品和大厂的差距，不应该是有没有用户调研团队 而是用什么方式理解用户，大厂用人力堆，我们用 AI 跑 以前这是一句空话，因为 ChatGPT 扮演用户的结果你自己都不信 现在不一样了——100 万+ 真实数据构建的 Persona，有来源、有背景、有决策框架 它不能替代真人调研的最终验证 但它能让你在写第一行代码之前，就知道方向对不对 调研从一个季度一次的项目，变成了随时可调用的能力 这对一个人做产品的人来说，是基础设施级别的变化 我推荐每一个想做生意，产品的人都去试一试，这可能就是你和用户面对面沟通的第一步：
2:26

普通人做产品最大的短板不是技术，不是流量，是你根本不知道你的用户在想什么 大厂有用研团队、有焦点小组、有百万级调研预算 在百度做PM的时候， 每几天都会有一份定制化的《竞品动态日报》《消费者洞察报告》躺在所有员工的邮箱里 字节跳动昨天上线了什么新功能,腾讯哪个部门在招什么岗位,什么赛道的用户在关注什么产品，什么产品的数据又卖爆了 当时我就在想：如果我出来单干，我想获得这些信息，不得难死，这笔钱谁给我出？ 后来真出来了，答案是——根本没人出😂 所以和大部分独立开发者一样，我做产品验证需求的方式是： 发朋友圈问问、在推特宣发一下、看看竞品评论区、然后凭直觉赌一把 连续创业五年，我见过最多的死法不是产品做不出来 是产品做出来了，没人要，花三个月憋 MVP，上线后发现需求是自己臆想的 这个痛，做过产品的人都懂 做出海的朋友更惨 你的目标用户在地球另一边，时差 12 小时，语言不通，文化不同 去年帮一个朋友的品牌做北美市场，最头疼的不是投放，是根本不知道美国消费者怎么想，美国人文化和中国差距太大了 招一个本地调研公司，报价 8 万美金起步，找几个留学生做访谈，样本太小、还有幸存者偏差，有时候还访谈不明白 最后还是靠猜 现在这件事有了一个结构性的解法 Atypica atypica.AI 上线了一个新功能叫 AI Panel，一句话解释：它让你拥有了一个属于自己的焦点小组 不是 ChatGPT 扮演用户那种玩法 是基于 100 万+ 真实用户数据构建的 AI Persona，每个人有完整的背景、性格、认知偏差、消费决策框架 关键是——这个焦点小组是可复用的 你今天问一次，下个月产品迭代了再问一次 同一群人，持续追踪，看他们的态度变化 这在传统调研里叫 longitudinal study，成本极高 现在你一个人就能做 三种方式构建你的 Panel： 1）自动沉淀：用 Atypica 做完一次 Research 后，参与访谈的 AI Persona 自动沉淀成 Panel，下次直接调用 2）手动挑人：从 100 万+ 的 Persona Library 里按关键词搜索，添加组队 3）按需生成：输入需求描述，系统从零帮你构建一个全新的 Panel 组好之后随时打开，输入研究话题 支持一对多深度访谈，也支持多对多 Group Discussion 我试了一个真实场景 我之前做过一个面向内容创作者的 AI 写作工具，想验证订阅制定价 构建了一个Panel：YouTube 创作者、推特创作者、独立播客主 直接问：你平时写作的痛点有哪些？流程有哪些 10 分钟，直接就拿到了需求的分类和反馈 这种颗粒度，以前要花两周招募 + 一周访谈 + 几万块预算 现在 10 分钟，一个人搞定 如果你是以下三种人，这个功能对你来说是刚需： 做出海产品的创业者——你的用户在地球另一边，以前只能看竞品评论区猜需求，现在直接构建目标市场的用户 Panel，随时追问 需要反复迭代验证的产品团队——每次加功能都要做用户测试，Panel 让你不用每次重新招人，同一群用户持续追踪反应变化 需要大规模样本的场景——比如你想了解 2000 个家庭的消费偏好，传统手段几乎不可能，Panel 可以 我觉得我们普通人做产品和大厂的差距，不应该是有没有用户调研团队 而是用什么方式理解用户，大厂用人力堆，我们用 AI 跑 以前这是一句空话，因为 ChatGPT 扮演用户的结果你自己都不信 现在不一样了——100 万+ 真实数据构建的 Persona，有来源、有背景、有决策框架 它不能替代真人调研的最终验证 但它能让你在写第一行代码之前，就知道方向对不对 调研从一个季度一次的项目，变成了随时可调用的能力 这对一个人做产品的人来说，是基础设施级别的变化 我推荐每一个想做生意，产品的人都去试一试，这可能就是你和用户面对面沟通的第一步：

超级个体｜柿子

94,325 просмотров • 2 месяцев назад

最近又拿 AI 做了个挺实用的小东西。 我在 上用 DeepSeek 4.1 Flash 做了一个《出门别忘了》的小程序。 逻辑很简单： 出门前填一下出发地、目的地、出发和返程时间、交通工具、同行人数，它就会根据这趟行程，自动生成一份需要携带的物品清单。 比如飞机出行，会重点提醒证件、充电宝这些； 去冷的地方，会自动增加保暖用品； 人数、旅行天数变了，需要准备的数量也会跟着变。 每样东西都可以直接勾选，准备多少、还差多少一眼就能看到，最后还有一个「我真的都带齐了吗？」检查。 我现在越来越喜欢这种用 AI 的方式了。 不是问 AI 一个问题，让它给我一段答案，而是直接把一个生活里的小需求，做成一个真的能用的东西。 而且这次我基本就是把需求告诉 DeepSeek 4.1 Flash，让它自己分析逻辑、设计页面、写代码，最后直接生成可以运行的成品。 以前觉得做个小工具至少得会开发，现在越来越像是： 有一个想法 → 说清楚需求 → 产品就出来了。 DeepSeek 4.1 Flash 5 折活动已上线～活动持续7天，截止到 9 月 21 号。
1:00

最近又拿 AI 做了个挺实用的小东西。 我在 上用 DeepSeek 4.1 Flash 做了一个《出门别忘了》的小程序。 逻辑很简单： 出门前填一下出发地、目的地、出发和返程时间、交通工具、同行人数，它就会根据这趟行程，自动生成一份需要携带的物品清单。 比如飞机出行，会重点提醒证件、充电宝这些； 去冷的地方，会自动增加保暖用品； 人数、旅行天数变了，需要准备的数量也会跟着变。 每样东西都可以直接勾选，准备多少、还差多少一眼就能看到，最后还有一个「我真的都带齐了吗？」检查。 我现在越来越喜欢这种用 AI 的方式了。 不是问 AI 一个问题，让它给我一段答案，而是直接把一个生活里的小需求，做成一个真的能用的东西。 而且这次我基本就是把需求告诉 DeepSeek 4.1 Flash，让它自己分析逻辑、设计页面、写代码，最后直接生成可以运行的成品。 以前觉得做个小工具至少得会开发，现在越来越像是： 有一个想法 → 说清楚需求 → 产品就出来了。 DeepSeek 4.1 Flash 5 折活动已上线～活动持续7天，截止到 9 月 21 号。

伟大

14,834 просмотров • 18 дней назад

Claude Fable 5 重新开放了 最近刚好有一个demo，就是看能不能用顶级模型做一个meme工厂 “ 就是我输入一个 Meme Coin 创意 然后这个工具自动生成品牌 / 叙事 / 经济模型 / 营销方案 支持中文全流程输出，可以反复优化迭代 “ 也是想尝试一下，做一个可以验证 Fable 5 长任务能力 最终做出了一个能够简单跑的框架（我没有投入任何信息源，没有喂数据 所以跑起来效果没有那么屌，不过我觉得后期再投喂一些案例，我觉得确实是可以落地的） 说说我为什么用Fable 5 来测？ 因为这个任务本质不是写代码 更像是说去测试AI的长链路规划能力测试 它需要： 1/ 语义理解 2/ 叙事能力 3/ 结构能力 4/ 一致性 5/ 自我检查 这刚好是 Claude Fable 5 主打的能力 整体跑下来我觉得还算是可以的，毕竟我这种不会写代码不会设计的小屌丝，确实在Fable 5 上面使用得其乐融融的 哈哈 再说说我的TOKEN使用量吧：112.31K（按照官方的收费标准大概是在：$4.2） 要是加上文本案例 再接入一个AI对话的API框架 我觉得应该费用还要再多出个大几十吧（个人猜测，毕竟投喂数据可能会比较烧tokens） 总的来说的话我个人还是觉得这笔消费还算挺值得的，因为这本身在传统行业的话 可能会是比较高的费用，AI真的弄挺好的 说完Claude Fable 5的体验， 那我不得不说我是在哪里体验的Claude Fable 5了 我这次没有走官方通道，而是走的是我之前给大家分享的中转站 Zenmux ZenMux 因为他这几天又搞活动了，只要你账号的余额＞$0 你就可以免费体验Claude Fable 5 并且 Zenmux支持（不限于）： 200+ 模型统一入口 无 RPM 限制 PK 模式 可以直接做横评 如果大家也想低成本体验一下 Claude Fable 5 我觉得当前使用Zenmux是最好的选择
0:58

Claude Fable 5 重新开放了 最近刚好有一个demo，就是看能不能用顶级模型做一个meme工厂 “ 就是我输入一个 Meme Coin 创意 然后这个工具自动生成品牌 / 叙事 / 经济模型 / 营销方案 支持中文全流程输出，可以反复优化迭代 “ 也是想尝试一下，做一个可以验证 Fable 5 长任务能力 最终做出了一个能够简单跑的框架（我没有投入任何信息源，没有喂数据 所以跑起来效果没有那么屌，不过我觉得后期再投喂一些案例，我觉得确实是可以落地的） 说说我为什么用Fable 5 来测？ 因为这个任务本质不是写代码 更像是说去测试AI的长链路规划能力测试 它需要： 1/ 语义理解 2/ 叙事能力 3/ 结构能力 4/ 一致性 5/ 自我检查 这刚好是 Claude Fable 5 主打的能力 整体跑下来我觉得还算是可以的，毕竟我这种不会写代码不会设计的小屌丝，确实在Fable 5 上面使用得其乐融融的 哈哈 再说说我的TOKEN使用量吧：112.31K（按照官方的收费标准大概是在：$4.2） 要是加上文本案例 再接入一个AI对话的API框架 我觉得应该费用还要再多出个大几十吧（个人猜测，毕竟投喂数据可能会比较烧tokens） 总的来说的话我个人还是觉得这笔消费还算挺值得的，因为这本身在传统行业的话 可能会是比较高的费用，AI真的弄挺好的 说完Claude Fable 5的体验， 那我不得不说我是在哪里体验的Claude Fable 5了 我这次没有走官方通道，而是走的是我之前给大家分享的中转站 Zenmux ZenMux 因为他这几天又搞活动了，只要你账号的余额＞$0 你就可以免费体验Claude Fable 5 并且 Zenmux支持（不限于）： 200+ 模型统一入口 无 RPM 限制 PK 模式 可以直接做横评 如果大家也想低成本体验一下 Claude Fable 5 我觉得当前使用Zenmux是最好的选择

车九

48,436 просмотров • 3 месяцев назад

分享一个低成本验证创业想法的办法：产品还没做，先用 AI 把宣传片拍出来！！ 我一直想要一副能用来 Vibe Coding 的眼镜，但市面上没找到太合适的产品。 这次试了下 Pexo，没想到还真把我脑子里的画面做出来了！！ Pexo 是一款 AI 视频创作工具，可以直接跟它聊天来做视频。我把想法和想要的画面告诉它，看完哪里不满意，就在画面上圈出来，在批注里说清楚怎么改，再继续调整。 不用会 AE，也不用打开剪映。原本只能靠嘴AI视频制作_压缩讲的创业点子，现在有了一条宣传片，可以直接拿给别人看、听听反馈了。 下面的视频里，我不仅会展示这条虚拟产品宣传片，还会手把手带你看，怎么用 Pexo 从一个想法做到成片👇 如果你也想要这样的眼镜，评论告诉我！！ 这次用的工具：Pexo
2:52

分享一个低成本验证创业想法的办法：产品还没做，先用 AI 把宣传片拍出来！！ 我一直想要一副能用来 Vibe Coding 的眼镜，但市面上没找到太合适的产品。 这次试了下 Pexo，没想到还真把我脑子里的画面做出来了！！ Pexo 是一款 AI 视频创作工具，可以直接跟它聊天来做视频。我把想法和想要的画面告诉它，看完哪里不满意，就在画面上圈出来，在批注里说清楚怎么改，再继续调整。 不用会 AE，也不用打开剪映。原本只能靠嘴AI视频制作_压缩讲的创业点子，现在有了一条宣传片，可以直接拿给别人看、听听反馈了。 下面的视频里，我不仅会展示这条虚拟产品宣传片，还会手把手带你看，怎么用 Pexo 从一个想法做到成片👇 如果你也想要这样的眼镜，评论告诉我！！ 这次用的工具：Pexo

铁锤人

96,595 просмотров • 12 дней назад