Video wird geladen...

Video konnte nicht geladen werden

Beim Laden dieses Videos ist ein Problem aufgetreten. Dies könnte an einem vorübergehenden Netzwerkproblem liegen oder das Video ist möglicherweise nicht verfügbar.

AI 外卖也是吃上了! 体验了一把AI点外卖，给大家录个短视频哈哈。去年年初的时候我就在跟朋友讨论，Agent的终极赛道是替人办事。如果平台可以把各种证件、证明、开票、检验等等流程都能包装成Agent，Agent就能帮我跑通这一切。想象一下如果你是公司财务，过去办点事可能要各个部门和银行跑一天排队取号填单盖章，现在有了Agent，只需要跟它说一句就全都搞定了。(老板: 我觉得财务同学是不是可以... 财务同学: AI盖不了章哈) 没想到这一天来得如此之快, 千问APP一口气上线了400多项新功能。直接接入了阿里全家桶：淘宝闪购、支付宝、飞猪、高德，全部打通。最关键的是，在APP这些功能是打通的，不用跳来跳去。比如拿旅行规划举例, 北方朋友春节想带全家去海边玩，跟千问说一句，它就能自己调用飞猪订机票、订酒店，用高德规划路线、叫车，甚至帮你定年夜饭。以前做个旅行攻略要好几个APP之间反复横跳点几十次，现在一个对话框全搞定。千问未来承担的入口功能远比想象的要大, 所有的 APP 都可以包装为 Agent 供千问调用, 大家最早是从鼠标点击，然后是手指触控，到现在用自然语言对话, 就能让AI帮你办事——这会不会是是第三次人机交互革命的开端? 现在来看阿里模型强（我上周给大家做了个HuggingFace上的下载量统计， Qwen 系列开源模型下载了8亿4千万次），生态全（购物、外卖、出行、支付、办公开会一把抓），而且走的是MCP和A2A协议的路线（相对于模拟点击会更稳定, 生态强真的太重要了...）, 想象空间真的很大啊. 我赶紧吃我荠菜猪肉锅贴去了~ #千问APP #阿里千问 #阿里巴巴 #AI #AI外卖

karminski-牙医

33,163 subscribers

11,958 Aufrufe • vor 6 Monaten •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 Kommentare

Keine Kommentare verfügbar

Kommentare vom Original-Post werden hier angezeigt

Ähnliche Videos

阿里悄悄上线了workbuddy的对标产品：千问办公，挤进了AI智能办公赛道它把自家的QoderWork、悟空、MuleRun三个工具捏在了一起除了Office全套、多模态内容生成和自动化执行等功能外，一个亮眼的能力是它把开发+部署+上线打通了，等于把开发的后半段也包了比如说生成网页后可以直接上线，连同域名、数据库和托管一站式搞定了，对一般用户来说一句话就能有一个带数据库的在线站点小道消息，据说未来其旗舰版针对复杂任务可能会用A社的模型在AI时代，人们打开电脑的第一件事或不再是打开Word、Excel，而是唤起一个Agent，这个习惯被培养起来后，可能会是下一代办公的超级入口 #AI办公 #千问办公

阿里悄悄上线了workbuddy的对标产品：千问办公，挤进了AI智能办公赛道它把自家的QoderWork、悟空、MuleRun三个工具捏在了一起除了Office全套、多模态内容生成和自动化执行等功能外，一个亮眼的能力是它把开发+部署+上线打通了，等于把开发的后半段也包了比如说生成网页后可以直接上线，连同域名、数据库和托管一站式搞定了，对一般用户来说一句话就能有一个带数据库的在线站点小道消息，据说未来其旗舰版针对复杂任务可能会用A社的模型在AI时代，人们打开电脑的第一件事或不再是打开Word、Excel，而是唤起一个Agent，这个习惯被培养起来后，可能会是下一代办公的超级入口 #AI办公 #千问办公

AIGCLINK

51,116 Aufrufe • vor 5 Tagen

在中国用 Gmail 的人，一定懂这种崩溃：你明明只想看一眼——老板有没有发邮件、今天 Google Calendar 有没有会、客户那边回了没有。就这么一个10秒钟能解决的事，你要：打开 VPN App → 选节点 → 等连接 → 打开 Gmail → 等加载 → 看完 → 关 VPN → 祈祷银行 App 别弹风控提示。整套流程走下来3分钟。而你只是想看一眼。更离谱的是，这件事每天重复5-8次。算下来每周光“开关 VPN 查信息”这个动作，就能吃掉你一个多小时。不是在工作，是在伺候工具。我之前以为这就是在国内用海外服务的代价，忍着呗。直到我发现 Airtap（ Airtap Ai）的 iMessage 功能，我整个人都不好了！！它让我做到了一件我以为不可能的事：不开 VPN，不打开任何 App，直接在 iMessage 里查 Gmail 和 Google Calendar. 没错，就是字面意思。你在 iMessage 里发一句“帮我查一下最近有没有重要邮件”，它就真的去你的 Gmail 里查了，然后把结果用消息发回来。 “帮我看看今天 Google Calendar 有什么会” → 直接返回你今天的日程列表。 “过去24小时有没有来自 XX 客户的邮件” → 秒回，连邮件摘要都给你整理好了。全程，我的 VPN 是关着的。全程，我没有打开过 Gmail。全程，我的银行 App、微信、支付宝运行得好好的，没有任何冲突。这种感觉怎么说呢——就像你一直在爬楼梯上33楼，突然发现旁边有电梯。原理也不复杂：你第一次需要在 Airtap 的云端环境登录一次 Gmail/Calendar（就这一次），之后所有查询都走云端已登录的环境，你本机完全不需要碰 VPN。而交互入口，就是 iMessage。零门槛到什么程度？不用装 App，不用注册账号，不用任何配置。给这个号码发条消息就行：+1-650-213-7322 我现在每天早上的习惯变了：起床，iMessage 发一句“帮我看看今天有什么会议和重要邮件”，30秒内收到今日 briefing。不用开 VPN，不用等加载，不用在 Gmail 和 Calendar 之间来回切。做跨境的朋友应该更能体会——你跟海外客户、海外团队协作，一天要查十几次邮件和日程，每次都开关 VPN 简直是酷刑。现在一条消息搞定，效率提升不是一点半点。除了 Gmail 和 Calendar，我还试了： “帮我看看 X 上有没有新回复” → 直接返回互动摘要 “帮我查查 YouTube 频道有没有新评论” → 不用翻墙就能掌握动态这些海外平台的信息，以前每一个都要单独开 VPN、单独打开 App、单独等加载。现在全部压缩成一句话的事。说真的，用了一周之后我回不去了。那种“问一句就知道答案”的丝滑感，跟之前“开 VPN 等半天查个信息再关 VPN”的割裂体验完全是两个时代。唯一需要注意的：第一次使用某个服务时需要在云端登录一次（需要 VPN），但这是一次性的。登录完之后，日常查询就再也不用碰 VPN 了。把这个号码存到通讯录：+1-650-213-7322 你的手机上就多了一个不用 VPN 也能随时查海外账号的入口。每天被 VPN 折磨的朋友，试一次就知道了。 #justtextit #textyourapps #airtap

在中国用 Gmail 的人，一定懂这种崩溃：你明明只想看一眼——老板有没有发邮件、今天 Google Calendar 有没有会、客户那边回了没有。就这么一个10秒钟能解决的事，你要：打开 VPN App → 选节点 → 等连接 → 打开 Gmail → 等加载 → 看完 → 关 VPN → 祈祷银行 App 别弹风控提示。整套流程走下来3分钟。而你只是想看一眼。更离谱的是，这件事每天重复5-8次。算下来每周光“开关 VPN 查信息”这个动作，就能吃掉你一个多小时。不是在工作，是在伺候工具。我之前以为这就是在国内用海外服务的代价，忍着呗。直到我发现 Airtap（ Airtap Ai）的 iMessage 功能，我整个人都不好了！！它让我做到了一件我以为不可能的事：不开 VPN，不打开任何 App，直接在 iMessage 里查 Gmail 和 Google Calendar. 没错，就是字面意思。你在 iMessage 里发一句“帮我查一下最近有没有重要邮件”，它就真的去你的 Gmail 里查了，然后把结果用消息发回来。 “帮我看看今天 Google Calendar 有什么会” → 直接返回你今天的日程列表。 “过去24小时有没有来自 XX 客户的邮件” → 秒回，连邮件摘要都给你整理好了。全程，我的 VPN 是关着的。全程，我没有打开过 Gmail。全程，我的银行 App、微信、支付宝运行得好好的，没有任何冲突。这种感觉怎么说呢——就像你一直在爬楼梯上33楼，突然发现旁边有电梯。原理也不复杂：你第一次需要在 Airtap 的云端环境登录一次 Gmail/Calendar（就这一次），之后所有查询都走云端已登录的环境，你本机完全不需要碰 VPN。而交互入口，就是 iMessage。零门槛到什么程度？不用装 App，不用注册账号，不用任何配置。给这个号码发条消息就行：+1-650-213-7322 我现在每天早上的习惯变了：起床，iMessage 发一句“帮我看看今天有什么会议和重要邮件”，30秒内收到今日 briefing。不用开 VPN，不用等加载，不用在 Gmail 和 Calendar 之间来回切。做跨境的朋友应该更能体会——你跟海外客户、海外团队协作，一天要查十几次邮件和日程，每次都开关 VPN 简直是酷刑。现在一条消息搞定，效率提升不是一点半点。除了 Gmail 和 Calendar，我还试了： “帮我看看 X 上有没有新回复” → 直接返回互动摘要 “帮我查查 YouTube 频道有没有新评论” → 不用翻墙就能掌握动态这些海外平台的信息，以前每一个都要单独开 VPN、单独打开 App、单独等加载。现在全部压缩成一句话的事。说真的，用了一周之后我回不去了。那种“问一句就知道答案”的丝滑感，跟之前“开 VPN 等半天查个信息再关 VPN”的割裂体验完全是两个时代。唯一需要注意的：第一次使用某个服务时需要在云端登录一次（需要 VPN），但这是一次性的。登录完之后，日常查询就再也不用碰 VPN 了。把这个号码存到通讯录：+1-650-213-7322 你的手机上就多了一个不用 VPN 也能随时查海外账号的入口。每天被 VPN 折磨的朋友，试一次就知道了。 #justtextit #textyourapps #airtap

超级个体｜柿子

31,826 Aufrufe • vor 19 Tagen

我的龙虾帮我把日本七天旅行全安排了，行程 + 机票都查好了，最后还把结果发到了我邮箱。用的是扣子 2.5，拆解一下它是怎么做的。这次主打的概念是"满配 Agent"，说白了就是 AI 不再只是一个聊天框，你可以给它配一台云手机、一台云电脑、一个独立邮箱，让它自己去干活。先建了个 Agent，给它起了名换了头像。然后去虾评装了个旅行规划 Skill，让它用云手机帮我排行程。规划完之后它用自己的邮箱把行程发到了我个人邮箱。第一印象：确实不只是聊天了👇

我的龙虾帮我把日本七天旅行全安排了，行程 + 机票都查好了，最后还把结果发到了我邮箱。用的是扣子 2.5，拆解一下它是怎么做的。这次主打的概念是"满配 Agent"，说白了就是 AI 不再只是一个聊天框，你可以给它配一台云手机、一台云电脑、一个独立邮箱，让它自己去干活。先建了个 Agent，给它起了名换了头像。然后去虾评装了个旅行规划 Skill，让它用云手机帮我排行程。规划完之后它用自己的邮箱把行程发到了我个人邮箱。第一印象：确实不只是聊天了👇

Yanhua

51,829 Aufrufe • vor 3 Monaten

原来这一直都是奥巴马的梦想啊！执行力真强，还真被你实现了！ ”经常有人问我，你会不会想再连任一次？“ “找个人来当我的替身“ "无论是男的还是女的，只要能在台上代表我" "我只需要给点指示、传话就行了" ”剩下所有对外讲话和场面上的事都让别人去做“ ”我觉得这样我也完全没问题“

原来这一直都是奥巴马的梦想啊！执行力真强，还真被你实现了！ ”经常有人问我，你会不会想再连任一次？“ “找个人来当我的替身“ "无论是男的还是女的，只要能在台上代表我" "我只需要给点指示、传话就行了" ”剩下所有对外讲话和场面上的事都让别人去做“ ”我觉得这样我也完全没问题“

墓碑科技

59,932 Aufrufe • vor 1 Jahr

今早刷到一条新闻的时候，我愣了几秒。去年那个曾经风靡一时、全网都在找邀请码、朋友圈一夜刷屏的 Manus，被 Meta 收购了。而且不是象征性的那种。传闻中的收购价，高达 20 亿美元。一瞬间，脑子里只有一句话：原来那一波热闹，真的不是泡沫。如果你去年混过 AI 圈，一定记得 Manus。那种典型的产品—— 不是“炫技 demo”，而是你一用就发现不对劲的那种工具。它不是只回答问题，而是能自己拆任务、查资料、写东西、跑流程。你给它一个目标，它自己往下干。后来大家才慢慢意识到：哦，这是 Agent。 Manus 真正厉害的地方，并不是“它能干什么”，而是它敢把“人”的工作流直接吃掉。不是辅助你，不是提高效率，而是—— “这事我来做，你别管了。” 在当时那一堆还停留在 ChatBot、Copilot 阶段的产品里， Manus 是极少数真的在往“替代”走的团队。这也是为什么它能在极短时间内：用户暴涨付费率不低在海外圈层迅速传播 Agent 这个词后来被讲烂了，但Manus 是最早让普通人真正“感受到 Agent 的”那一批。更讽刺的是另一件事。去年，字节跳动曾经试图以 3000 万美元左右收购 Manus。这事在圈子里不是秘密。当时很多人的第一反应是： “挺高了吧？” “早点卖也正常。” 但结果你现在也看到了：没卖。一年后，直接卖给 Meta，估值翻了近百倍。你说这是运气？不完全是。这是对一件事的判断差异： Agent 会不会成为下一代核心计算入口。很多人只盯着“20 亿美元”这个数字。但更值得琢磨的，其实是另一条线索： Manus 后来把公司主体放在了新加坡。这一步，太关键了。不是因为新加坡有什么魔法，而是因为：面向全球用户面向美元资本面向 Meta、OpenAI、Google 这种买家你必须站在“他们习惯的坐标系里”。产品是全球的，那公司也得是全球的。这也引出了一个让很多中国 AI 创业者心里不舒服的问题：为什么这么多 AI 初创，最后都很难在中国大陆生根？不是技术不行，不是人不行，甚至也不完全是钱的问题。而是一个更现实的东西： “长大以后怎么办？” 能不能无摩擦地服务全球用户能不能被全球巨头并购能不能走一条清晰、可预期的退出路径这些问题，对早期创业者来说，比模型参数重要得多。再回到 Meta。你要明白一件事： Meta 不是“看热闹的投资人”。它现在最缺的，不是模型，不是算力，而是能真正跑在模型之上的 Agent 层。 Chat 是入口，但 Agent 才是生产力。而 Manus，恰好站在这个位置上。所以这次收购，与其说是“买一家创业公司”，不如说是—— 直接买了一条通往下一代产品形态的快车道。最后说句很人话的。很多人会把这件事解读成： “中国 AI 又一次被美国收走了果实”。也有人会说： “这是中国创业者的成功”。我更愿意用一个不那么宏大的视角看它：这是一个创业者，在关键时刻，没有把自己卖便宜的故事。而在 AI 这个时代，这种故事，会越来越少，也越来越贵。如果你去年抢过 Manus 的邀请码，如果你用过 Agent，如果你正在创业、或者想创业，你大概能理解这种复杂的情绪。不是羡慕，也不是愤怒，而是一种： “原来世界已经走到这一步了”的感觉。这条新闻，不只是 Manus 的终点。它更像是很多人，某种幻想的终点。也是另一种现实的开始。

今早刷到一条新闻的时候，我愣了几秒。去年那个曾经风靡一时、全网都在找邀请码、朋友圈一夜刷屏的 Manus，被 Meta 收购了。而且不是象征性的那种。传闻中的收购价，高达 20 亿美元。一瞬间，脑子里只有一句话：原来那一波热闹，真的不是泡沫。如果你去年混过 AI 圈，一定记得 Manus。那种典型的产品—— 不是“炫技 demo”，而是你一用就发现不对劲的那种工具。它不是只回答问题，而是能自己拆任务、查资料、写东西、跑流程。你给它一个目标，它自己往下干。后来大家才慢慢意识到：哦，这是 Agent。 Manus 真正厉害的地方，并不是“它能干什么”，而是它敢把“人”的工作流直接吃掉。不是辅助你，不是提高效率，而是—— “这事我来做，你别管了。” 在当时那一堆还停留在 ChatBot、Copilot 阶段的产品里， Manus 是极少数真的在往“替代”走的团队。这也是为什么它能在极短时间内：用户暴涨付费率不低在海外圈层迅速传播 Agent 这个词后来被讲烂了，但Manus 是最早让普通人真正“感受到 Agent 的”那一批。更讽刺的是另一件事。去年，字节跳动曾经试图以 3000 万美元左右收购 Manus。这事在圈子里不是秘密。当时很多人的第一反应是： “挺高了吧？” “早点卖也正常。” 但结果你现在也看到了：没卖。一年后，直接卖给 Meta，估值翻了近百倍。你说这是运气？不完全是。这是对一件事的判断差异： Agent 会不会成为下一代核心计算入口。很多人只盯着“20 亿美元”这个数字。但更值得琢磨的，其实是另一条线索： Manus 后来把公司主体放在了新加坡。这一步，太关键了。不是因为新加坡有什么魔法，而是因为：面向全球用户面向美元资本面向 Meta、OpenAI、Google 这种买家你必须站在“他们习惯的坐标系里”。产品是全球的，那公司也得是全球的。这也引出了一个让很多中国 AI 创业者心里不舒服的问题：为什么这么多 AI 初创，最后都很难在中国大陆生根？不是技术不行，不是人不行，甚至也不完全是钱的问题。而是一个更现实的东西： “长大以后怎么办？” 能不能无摩擦地服务全球用户能不能被全球巨头并购能不能走一条清晰、可预期的退出路径这些问题，对早期创业者来说，比模型参数重要得多。再回到 Meta。你要明白一件事： Meta 不是“看热闹的投资人”。它现在最缺的，不是模型，不是算力，而是能真正跑在模型之上的 Agent 层。 Chat 是入口，但 Agent 才是生产力。而 Manus，恰好站在这个位置上。所以这次收购，与其说是“买一家创业公司”，不如说是—— 直接买了一条通往下一代产品形态的快车道。最后说句很人话的。很多人会把这件事解读成： “中国 AI 又一次被美国收走了果实”。也有人会说： “这是中国创业者的成功”。我更愿意用一个不那么宏大的视角看它：这是一个创业者，在关键时刻，没有把自己卖便宜的故事。而在 AI 这个时代，这种故事，会越来越少，也越来越贵。如果你去年抢过 Manus 的邀请码，如果你用过 Agent，如果你正在创业、或者想创业，你大概能理解这种复杂的情绪。不是羡慕，也不是愤怒，而是一种： “原来世界已经走到这一步了”的感觉。这条新闻，不只是 Manus 的终点。它更像是很多人，某种幻想的终点。也是另一种现实的开始。

比特币橙子Trader

122,896 Aufrufe • vor 7 Monaten

普通人到底该怎么用AI变现？直到我看到了Chris Camillo的最新分享，我感觉瞬间通透了他是一个把2万美元滚雪球做到4000万的传奇散户。他发现了一个AI行业的巨大信息差。想要降维打击，就得把AI推销给完全不用的人，那些修空调的、通下水道的、搞绿化的老板。你直接走进一家本地生活公司，让经理把他们老板叫出来，然后告诉他你是做AI的。不要扯什么大模型、算力、AGI 这些虚头巴脑的词。你只问他一个问题：你们现在的业务里，哪个环节最让你觉得利润效率低？这时候，你的机会就来了。你告诉他，你能帮他解决这个问题。利用现在的AI Agent生态，比如像OpenClaw这样的自动化工具，你完全可以在24小时内帮他搭建一个专属的AI代理。你只要把这个能力不断复制。找到20家、50家本地企业，每个月收着稳定的服务费，一年300万的收入就跑通了。

普通人到底该怎么用AI变现？直到我看到了Chris Camillo的最新分享，我感觉瞬间通透了他是一个把2万美元滚雪球做到4000万的传奇散户。他发现了一个AI行业的巨大信息差。想要降维打击，就得把AI推销给完全不用的人，那些修空调的、通下水道的、搞绿化的老板。你直接走进一家本地生活公司，让经理把他们老板叫出来，然后告诉他你是做AI的。不要扯什么大模型、算力、AGI 这些虚头巴脑的词。你只问他一个问题：你们现在的业务里，哪个环节最让你觉得利润效率低？这时候，你的机会就来了。你告诉他，你能帮他解决这个问题。利用现在的AI Agent生态，比如像OpenClaw这样的自动化工具，你完全可以在24小时内帮他搭建一个专属的AI代理。你只要把这个能力不断复制。找到20家、50家本地企业，每个月收着稳定的服务费，一年300万的收入就跑通了。

Annie 所长

17,740 Aufrufe • vor 3 Monaten

卧槽真的有点炸裂兄弟们，我在国内连 TikTok 都装不了，结果在手机里发了条 iMessage，一个远在美国的 AI Agent 竟然替我注册了一个TikTok号，还帮我刷完了 10 条 TikTok 热门视频，把视频总结都直接发了回来，真的要吹爆hh！昨晚凌晨，我给 iMessage 里存的一个美国号码（+1-650-213-7322）发了句话： "帮我找TikTok上10个最火的AI视频，收藏，写总结发我。" 它先回了句英文："Getting the top 10 AI videos on TikTok." 两分钟后，一长串中文摘要发了回来：两个ChatGPT语音互怼、AI生成的生锈版麦昆、Roblox AI动画、超现实AI短剧，10条视频每条一句话总结。我切到云手机界面看了一眼，收藏夹里10个视频安安稳稳躺着，封面和总结对得一丝不差。很多人可能会说，这不就是又一个能在短信里陪你聊天的bot吗？还真不是，当年iPhone把互联网塞进口袋的时候，你不需要额外买一台新设备；今天AI长了手，你也不需要额外下载一个新App，因为派活的入口就住在你每天点开几十次的短信框里，TikTok、美区ID，我一个都没装。这就是 Airtap Ai 接iMessage的新功能，它的架构说穿了就三句话： ▫️最上面是大脑：听懂你要干嘛、记你的习惯、做判断，还能接你自己的Claude ▫️中间是手（他们叫AutoPilot）：不靠调每个App的API，是真的用视觉看懂屏幕，像真人一样点、滑、输字 ▫️最底下是云手机：你的所有App在里面保持登录，不耗你电、不占你网，24小时跑着想明白这个架构，有三个点值得展开跟大家详细聊聊： 1️⃣ 为什么我在国内连TikTok都装不了，它能帮我刷？这不是啥翻墙黑科技，是那台云手机本身就在美国，跑在TikTok合法可用的网络环境里——它不需要翻，因为本来就在墙的另一边。我们平时折腾半天的地理限制、设备限制、应用商店ID限制，在这个架构面前直接消失。 iMessage只是个门面，云手机才是真的基础设施：你相当于在美国有了个永不下班的分身，不用办签证不用买机票，发句中文，他就替你出门办事了。 2️⃣ 很多人都在吹它零设置，onboarding确实丝滑，我存完号码发了个hey，一秒就开了户。但我点第一个任务弹出来的登录链接时，真的愣了三秒——哦对，这东西要登我的号啊hh。零设置的背面，是它把最难的题直接甩到了你脸上：你敢把哪些账号的登录态，交给一个你摸不着的云端影子手机？我登TikTok没犹豫太久，但银行App、支付软件，我现在绝对不会登进去。有人吐槽还要跳出去点链接登录，体验真烂，一开始我也这么觉得，后来反应过来了：这其实是当前技术条件下最高明的妥协。它不存你的密码，合规、安全，也不需要每个App给它开放API，什么软件都能操作，代价就是你偶尔得跳出去登一次。想完全无感？它就得存你密码，或者跟每个App深度集成，既不安全，也覆盖不了所有软件。这其实也不是Airtap一家的问题，是所有能替你操作手机的AI都绕不过去的死结：授权和执行，怎么才能既安全又通用。 3️⃣ 有人嫌等两分钟太慢。可以算笔账：你自己装TikTok、搞网络、注册账号、刷半小时、挑出10条AI相关的、每条记下来讲了啥，这一套俩小时都不一定搞得定。它省的根本不是那两分钟，是你不用再把"我要去刷TikTok找AI视频"这件事挂在脑子里，发完短信该干嘛干嘛，它干完了会带着结果来找你。说白了它卖的不是反应速度，是把你心里悬着的那件事整个拿走干完。当然，我不是说这东西已经无敌了，我登账号犹豫了三秒是真的，它操作的时候我没法抢过云手机自己干是真的，绝对不会把支付类App交出去也是真的。它现在特别适合干那种"干成了挺好，干砸了也死不了"的事：帮你筛视频、跨平台搬歌单、盯商品降价、点外卖填个表。涉及真金白银和核心隐私的事，现在没人敢真的交给它——信任这道坎，所有做AI Agent的公司都绕不过去。但当操作一个软件的成本从折腾两小时降到发一条短信，而且你连那个软件都不用装的时候，我们用了十几年的"手机=装App"这套逻辑，可能真的要重新想了。配的录屏我全程没剪，从发第一条指令到它把云手机收藏夹投给我，一镜到底。最后问你们个事：换作是你，你敢把哪个账号登给它？我先说，TikTok我眼睛都不眨，银行App？门都没有hhh～

卧槽真的有点炸裂兄弟们，我在国内连 TikTok 都装不了，结果在手机里发了条 iMessage，一个远在美国的 AI Agent 竟然替我注册了一个TikTok号，还帮我刷完了 10 条 TikTok 热门视频，把视频总结都直接发了回来，真的要吹爆hh！昨晚凌晨，我给 iMessage 里存的一个美国号码（+1-650-213-7322）发了句话： "帮我找TikTok上10个最火的AI视频，收藏，写总结发我。" 它先回了句英文："Getting the top 10 AI videos on TikTok." 两分钟后，一长串中文摘要发了回来：两个ChatGPT语音互怼、AI生成的生锈版麦昆、Roblox AI动画、超现实AI短剧，10条视频每条一句话总结。我切到云手机界面看了一眼，收藏夹里10个视频安安稳稳躺着，封面和总结对得一丝不差。很多人可能会说，这不就是又一个能在短信里陪你聊天的bot吗？还真不是，当年iPhone把互联网塞进口袋的时候，你不需要额外买一台新设备；今天AI长了手，你也不需要额外下载一个新App，因为派活的入口就住在你每天点开几十次的短信框里，TikTok、美区ID，我一个都没装。这就是 Airtap Ai 接iMessage的新功能，它的架构说穿了就三句话： ▫️最上面是大脑：听懂你要干嘛、记你的习惯、做判断，还能接你自己的Claude ▫️中间是手（他们叫AutoPilot）：不靠调每个App的API，是真的用视觉看懂屏幕，像真人一样点、滑、输字 ▫️最底下是云手机：你的所有App在里面保持登录，不耗你电、不占你网，24小时跑着想明白这个架构，有三个点值得展开跟大家详细聊聊： 1️⃣ 为什么我在国内连TikTok都装不了，它能帮我刷？这不是啥翻墙黑科技，是那台云手机本身就在美国，跑在TikTok合法可用的网络环境里——它不需要翻，因为本来就在墙的另一边。我们平时折腾半天的地理限制、设备限制、应用商店ID限制，在这个架构面前直接消失。 iMessage只是个门面，云手机才是真的基础设施：你相当于在美国有了个永不下班的分身，不用办签证不用买机票，发句中文，他就替你出门办事了。 2️⃣ 很多人都在吹它零设置，onboarding确实丝滑，我存完号码发了个hey，一秒就开了户。但我点第一个任务弹出来的登录链接时，真的愣了三秒——哦对，这东西要登我的号啊hh。零设置的背面，是它把最难的题直接甩到了你脸上：你敢把哪些账号的登录态，交给一个你摸不着的云端影子手机？我登TikTok没犹豫太久，但银行App、支付软件，我现在绝对不会登进去。有人吐槽还要跳出去点链接登录，体验真烂，一开始我也这么觉得，后来反应过来了：这其实是当前技术条件下最高明的妥协。它不存你的密码，合规、安全，也不需要每个App给它开放API，什么软件都能操作，代价就是你偶尔得跳出去登一次。想完全无感？它就得存你密码，或者跟每个App深度集成，既不安全，也覆盖不了所有软件。这其实也不是Airtap一家的问题，是所有能替你操作手机的AI都绕不过去的死结：授权和执行，怎么才能既安全又通用。 3️⃣ 有人嫌等两分钟太慢。可以算笔账：你自己装TikTok、搞网络、注册账号、刷半小时、挑出10条AI相关的、每条记下来讲了啥，这一套俩小时都不一定搞得定。它省的根本不是那两分钟，是你不用再把"我要去刷TikTok找AI视频"这件事挂在脑子里，发完短信该干嘛干嘛，它干完了会带着结果来找你。说白了它卖的不是反应速度，是把你心里悬着的那件事整个拿走干完。当然，我不是说这东西已经无敌了，我登账号犹豫了三秒是真的，它操作的时候我没法抢过云手机自己干是真的，绝对不会把支付类App交出去也是真的。它现在特别适合干那种"干成了挺好，干砸了也死不了"的事：帮你筛视频、跨平台搬歌单、盯商品降价、点外卖填个表。涉及真金白银和核心隐私的事，现在没人敢真的交给它——信任这道坎，所有做AI Agent的公司都绕不过去。但当操作一个软件的成本从折腾两小时降到发一条短信，而且你连那个软件都不用装的时候，我们用了十几年的"手机=装App"这套逻辑，可能真的要重新想了。配的录屏我全程没剪，从发第一条指令到它把云手机收藏夹投给我，一镜到底。最后问你们个事：换作是你，你敢把哪个账号登给它？我先说，TikTok我眼睛都不眨，银行App？门都没有hhh～

AYi

389,044 Aufrufe • vor 19 Tagen

普通人这一辈子，想靠炒股票赚大钱，方法只有两种，没有第三种。所有能够稳定盈利的人，他全是吃透了我接下来要说的这两个逻辑。第一种：用小仓位去捕捉大的价格波动。你看啊，我其实知道你们想拿长线，都是想去拿那种翻倍的大牛股。这个想法没问题，牛市里面翻倍的遍地都是。但是，你可能忘记了一件事—— A股里面没有只涨不跌的。再好的票，上涨都是一波三折。你买进去立马涨的概率，低到离谱啊。你要是一上来满仓就去干的话，这支票哪怕回调十个点，你的账户就浮亏百分之十了。这你受得了吗？心态绷得住吗？百分之十呀，根本拿不住。最后你割了之后，割在最低点，完美错过后面的主升浪。但是如果你换个思路，我们只拿20%的仓位去进场。就算它回踩20%，对你的账户来说，其实就只亏了四个点。这点浮亏你根本不用慌，心态稳如泰山，对吧？你只有这样，你才能够稳稳地拿住，才能够等到它后面的大行情。这就是小仓位去搏大肉。熬得住波动，才能吃到翻倍的利润。这个道理啊，你们一定要记在心里。第二个，用大仓位去捕捉小的价格波动。这反过来了啊。说白了，就是做短线，做确定性的机会。你不是说你要天天去追涨杀跌吗？当你看出一个100%的机会，比如说趋势走好了，量价齐升了，这个时候你就不要犹豫了呀，果断重仓干进去。但是你要记住，贪心就是炒股票的大忌。这种大仓位的操作，你只赚你最有把握的那一小段利润就够了。见好就收，赚五个点、八个点就够了。只要到了你的预期，立马止盈离场。卖完之后，这个票涨跌跟你没关系，自选删掉，对不对？你千万不要回头再去看，也不要后悔卖飞了。卖飞了才是高手啊，卖飞了才证明你在稳稳地盈利啊，对吧？而不是要去赌后面那些未知的东西。这就叫做大仓位赚小钱。通过这个方法，我们可以积少成多，复利滚动嘛，对不对？绝对比你一个票瞎看要强十倍。很多人炒股票啊，炒了一辈子都没有赚到钱，就是因为没有搞懂我上面说的这两个逻辑。要么就是搞反了仓位和波动的关系，要么就是贪心太重。其实炒股票，它不是赌运气，是玩策略，是玩仓位，是玩节奏跟博弈的心态。把我说的这两个方法吃透了，你也能够做到跟我一样稳定盈利，炒股养家。

普通人这一辈子，想靠炒股票赚大钱，方法只有两种，没有第三种。所有能够稳定盈利的人，他全是吃透了我接下来要说的这两个逻辑。第一种：用小仓位去捕捉大的价格波动。你看啊，我其实知道你们想拿长线，都是想去拿那种翻倍的大牛股。这个想法没问题，牛市里面翻倍的遍地都是。但是，你可能忘记了一件事—— A股里面没有只涨不跌的。再好的票，上涨都是一波三折。你买进去立马涨的概率，低到离谱啊。你要是一上来满仓就去干的话，这支票哪怕回调十个点，你的账户就浮亏百分之十了。这你受得了吗？心态绷得住吗？百分之十呀，根本拿不住。最后你割了之后，割在最低点，完美错过后面的主升浪。但是如果你换个思路，我们只拿20%的仓位去进场。就算它回踩20%，对你的账户来说，其实就只亏了四个点。这点浮亏你根本不用慌，心态稳如泰山，对吧？你只有这样，你才能够稳稳地拿住，才能够等到它后面的大行情。这就是小仓位去搏大肉。熬得住波动，才能吃到翻倍的利润。这个道理啊，你们一定要记在心里。第二个，用大仓位去捕捉小的价格波动。这反过来了啊。说白了，就是做短线，做确定性的机会。你不是说你要天天去追涨杀跌吗？当你看出一个100%的机会，比如说趋势走好了，量价齐升了，这个时候你就不要犹豫了呀，果断重仓干进去。但是你要记住，贪心就是炒股票的大忌。这种大仓位的操作，你只赚你最有把握的那一小段利润就够了。见好就收，赚五个点、八个点就够了。只要到了你的预期，立马止盈离场。卖完之后，这个票涨跌跟你没关系，自选删掉，对不对？你千万不要回头再去看，也不要后悔卖飞了。卖飞了才是高手啊，卖飞了才证明你在稳稳地盈利啊，对吧？而不是要去赌后面那些未知的东西。这就叫做大仓位赚小钱。通过这个方法，我们可以积少成多，复利滚动嘛，对不对？绝对比你一个票瞎看要强十倍。很多人炒股票啊，炒了一辈子都没有赚到钱，就是因为没有搞懂我上面说的这两个逻辑。要么就是搞反了仓位和波动的关系，要么就是贪心太重。其实炒股票，它不是赌运气，是玩策略，是玩仓位，是玩节奏跟博弈的心态。把我说的这两个方法吃透了，你也能够做到跟我一样稳定盈利，炒股养家。

另一面

94,366 Aufrufe • vor 5 Monaten

试了一下 OpenAI 新出的 Codex App，有些亮点跟 Skills 的适配还是有点问题，模型的主要问题就是慢 OpenAI 给 Pro 和 Plus 用户的 Codex 额度在未来两个月内全部翻倍了 👇看一下详细的能力介绍： Skills 可视化管理有一个专门的 Skills 列表界面，预置了一些官方 skills，也可以扫描你已经安装的 skills。注意这里只能扫描 NPX 安装的，本地创建的（比如在 Claude Code 里创建的）扫不出来。还支持 Skills Creator 创建的 skills，可以直接在 APP 里用它去创建新 skills。 ------ 定时任务功能，这个挺实用的。可以让 AI 定期执行某些任务，比如每周给你一个解决问题的报告，定期去解决某个项目的 PR 问题，或者定期 review 代码。对于需要持续维护的项目来说，这个功能还是挺有价值的。 ------ Codex APP 现在支持计划模式了。因为它跟 Codex CLI 共享后端，所以现在 Codex CLI 也同步支持计划模式了。这意味着 AI 会先规划任务步骤，让你确认后再执行。 ------ 用量显示的样式做得挺好的。进度条、余量、使用情况都很清楚，一眼就能看到你还有多少额度。还有 code review 的快捷方式，可以快速调用你的 skills。MCP 的添加也支持。 ====== 实测：用 video-wrapper skill 跑了一遍我测试主要是让它跑了一个我最近做的 skill，可以一键给视频添加视频包装，比如卡片、花字、人物条、章节标题这些。这个 skill 挺复杂的，所以很适合用来测试。 ------ 第一次运行的问题可以工作，但第一次它选了 PIL 这个方案，比较差。核心问题是什么？它跟你没有交互。我的 skill 里边写清楚了：要先问用户要哪套方案，再给出包装方案让用户确认，用户确认了再开始包装。但在 Codex 这里，明显没有交互。它就直接跑，把所有决定都自己做了，跑完就完了。出错了也不管，直接用降级方案。 ------ 修复后的效果我让它修复以后，它倒是能修复。重新跑了一遍，效果也不错。最终生成的视频包装效果还行： ▸ 左下角有人物卡片 ▸ 有花字 ▸ 有各种卡片和章节标题 ▸ 结论卡片也加上了因为我们用前端代码约束了样式，所以它在样式上不会出什么错误。 ------ 体验总结整个过程很不可控： ▸ 速度很慢 - Codex 本身速度就慢 ▸ 交互明显不够 - 你根本不知道进到哪个阶段了，也不知道它的方案是什么 ▸ 只管执行 - AI 一直在执行，不会停下来问你可能是它不太适应 skills 规范，只是简单做了一下适配，没有 Claude Code 跟 skills 的适配那么好。

试了一下 OpenAI 新出的 Codex App，有些亮点跟 Skills 的适配还是有点问题，模型的主要问题就是慢 OpenAI 给 Pro 和 Plus 用户的 Codex 额度在未来两个月内全部翻倍了 👇看一下详细的能力介绍： Skills 可视化管理有一个专门的 Skills 列表界面，预置了一些官方 skills，也可以扫描你已经安装的 skills。注意这里只能扫描 NPX 安装的，本地创建的（比如在 Claude Code 里创建的）扫不出来。还支持 Skills Creator 创建的 skills，可以直接在 APP 里用它去创建新 skills。 ------ 定时任务功能，这个挺实用的。可以让 AI 定期执行某些任务，比如每周给你一个解决问题的报告，定期去解决某个项目的 PR 问题，或者定期 review 代码。对于需要持续维护的项目来说，这个功能还是挺有价值的。 ------ Codex APP 现在支持计划模式了。因为它跟 Codex CLI 共享后端，所以现在 Codex CLI 也同步支持计划模式了。这意味着 AI 会先规划任务步骤，让你确认后再执行。 ------ 用量显示的样式做得挺好的。进度条、余量、使用情况都很清楚，一眼就能看到你还有多少额度。还有 code review 的快捷方式，可以快速调用你的 skills。MCP 的添加也支持。 ====== 实测：用 video-wrapper skill 跑了一遍我测试主要是让它跑了一个我最近做的 skill，可以一键给视频添加视频包装，比如卡片、花字、人物条、章节标题这些。这个 skill 挺复杂的，所以很适合用来测试。 ------ 第一次运行的问题可以工作，但第一次它选了 PIL 这个方案，比较差。核心问题是什么？它跟你没有交互。我的 skill 里边写清楚了：要先问用户要哪套方案，再给出包装方案让用户确认，用户确认了再开始包装。但在 Codex 这里，明显没有交互。它就直接跑，把所有决定都自己做了，跑完就完了。出错了也不管，直接用降级方案。 ------ 修复后的效果我让它修复以后，它倒是能修复。重新跑了一遍，效果也不错。最终生成的视频包装效果还行： ▸ 左下角有人物卡片 ▸ 有花字 ▸ 有各种卡片和章节标题 ▸ 结论卡片也加上了因为我们用前端代码约束了样式，所以它在样式上不会出什么错误。 ------ 体验总结整个过程很不可控： ▸ 速度很慢 - Codex 本身速度就慢 ▸ 交互明显不够 - 你根本不知道进到哪个阶段了，也不知道它的方案是什么 ▸ 只管执行 - AI 一直在执行，不会停下来问你可能是它不太适应 skills 规范，只是简单做了一下适配，没有 Claude Code 跟 skills 的适配那么好。

歸藏(guizang.ai)

30,521 Aufrufe • vor 6 Monaten

星爷讽刺了世间一切，唯独没有讽刺爱情，: 原来是如此的隐喻，到现在才明白，感谢星爷，只是我们弄脏了爱情。 —— 我之前一直对 zkML 有点矛盾。逻辑上它很美：模型是对的，而且你还能证明它是对的。但每次真去看实现，基本都会卡在同一个地方——跑不起来。不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。模型稍微大点，电路直接失控，内存、时间全都爆表，最后只能留在论文和 demo 里自嗨。所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”，而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。模型切开、并行跑、只验证关键路径，听起来很朴素，但恰恰是工程师会选的路。不是最优雅，但能活。 JSTprove 则更现实。你不需要懂零知识、也不用研究电路怎么写，把 ONNX 模型丢进去，能转、能跑、能验，这点其实比很多“性能提升 10%”更重要。这两块拼在一起之后，zkML 才第一次让我觉得：它不是在证明“我可以”，而是在回答“你要不要真用”。对我来说，zkML 的拐点从来不是密码学突破，而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。懂你意思了，这版我会刻意留下不完美、主观判断和情绪停顿，像是你自己琢磨出来的，而不是“写给别人看的技术解读”。 —— 我之前一直对 zkML 有点矛盾。逻辑上它很美：模型是对的，而且你还能证明它是对的。但每次真去看实现，基本都会卡在同一个地方——跑不起来。不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。模型稍微大点，电路直接失控，内存、时间全都爆表，最后只能留在论文和 demo 里自嗨。所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”，而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。模型切开、并行跑、只验证关键路径，听起来很朴素，但恰恰是工程师会选的路。不是最优雅，但能活。 JSTprove 则更现实。你不需要懂零知识、也不用研究电路怎么写，把 ONNX 模型丢进去，能转、能跑、能验，这点其实比很多“性能提升 10%”更重要。这两块拼在一起之后，zkML 才第一次让我觉得：它不是在证明“我可以”，而是在回答“你要不要真用”。对我来说，zkML 的拐点从来不是密码学突破，而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。懂你意思了，这版我会刻意留下不完美、主观判断和情绪停顿，像是你自己琢磨出来的，而不是“写给别人看的技术解读”。 —— 我之前一直对 zkML 有点矛盾。逻辑上它很美：模型是对的，而且你还能证明它是对的。但每次真去看实现，基本都会卡在同一个地方——跑不起来。不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。模型稍微大点，电路直接失控，内存、时间全都爆表，最后只能留在论文和 demo 里自嗨。所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”，而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。模型切开、并行跑、只验证关键路径，听起来很朴素，但恰恰是工程师会选的路。不是最优雅，但能活。 JSTprove 则更现实。你不需要懂零知识、也不用研究电路怎么写，把 ONNX 模型丢进去，能转、能跑、能验，这点其实比很多“性能提升 10%”更重要。这两块拼在一起之后，zkML 才第一次让我觉得：它不是在证明“我可以”，而是在回答“你要不要真用”。对我来说，zkML 的拐点从来不是密码学突破，而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。#KaitoYap Kaito AI 🌊 #Yap Inference Labs

星爷讽刺了世间一切，唯独没有讽刺爱情，: 原来是如此的隐喻，到现在才明白，感谢星爷，只是我们弄脏了爱情。 —— 我之前一直对 zkML 有点矛盾。逻辑上它很美：模型是对的，而且你还能证明它是对的。但每次真去看实现，基本都会卡在同一个地方——跑不起来。不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。模型稍微大点，电路直接失控，内存、时间全都爆表，最后只能留在论文和 demo 里自嗨。所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”，而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。模型切开、并行跑、只验证关键路径，听起来很朴素，但恰恰是工程师会选的路。不是最优雅，但能活。 JSTprove 则更现实。你不需要懂零知识、也不用研究电路怎么写，把 ONNX 模型丢进去，能转、能跑、能验，这点其实比很多“性能提升 10%”更重要。这两块拼在一起之后，zkML 才第一次让我觉得：它不是在证明“我可以”，而是在回答“你要不要真用”。对我来说，zkML 的拐点从来不是密码学突破，而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。懂你意思了，这版我会刻意留下不完美、主观判断和情绪停顿，像是你自己琢磨出来的，而不是“写给别人看的技术解读”。 —— 我之前一直对 zkML 有点矛盾。逻辑上它很美：模型是对的，而且你还能证明它是对的。但每次真去看实现，基本都会卡在同一个地方——跑不起来。不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。模型稍微大点，电路直接失控，内存、时间全都爆表，最后只能留在论文和 demo 里自嗨。所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”，而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。模型切开、并行跑、只验证关键路径，听起来很朴素，但恰恰是工程师会选的路。不是最优雅，但能活。 JSTprove 则更现实。你不需要懂零知识、也不用研究电路怎么写，把 ONNX 模型丢进去，能转、能跑、能验，这点其实比很多“性能提升 10%”更重要。这两块拼在一起之后，zkML 才第一次让我觉得：它不是在证明“我可以”，而是在回答“你要不要真用”。对我来说，zkML 的拐点从来不是密码学突破，而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。懂你意思了，这版我会刻意留下不完美、主观判断和情绪停顿，像是你自己琢磨出来的，而不是“写给别人看的技术解读”。 —— 我之前一直对 zkML 有点矛盾。逻辑上它很美：模型是对的，而且你还能证明它是对的。但每次真去看实现，基本都会卡在同一个地方——跑不起来。不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。模型稍微大点，电路直接失控，内存、时间全都爆表，最后只能留在论文和 demo 里自嗨。所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”，而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。模型切开、并行跑、只验证关键路径，听起来很朴素，但恰恰是工程师会选的路。不是最优雅，但能活。 JSTprove 则更现实。你不需要懂零知识、也不用研究电路怎么写，把 ONNX 模型丢进去，能转、能跑、能验，这点其实比很多“性能提升 10%”更重要。这两块拼在一起之后，zkML 才第一次让我觉得：它不是在证明“我可以”，而是在回答“你要不要真用”。对我来说，zkML 的拐点从来不是密码学突破，而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。#KaitoYap Kaito AI 🌊 #Yap Inference Labs

董小姐 |上Gate玩事件合约

36,252 Aufrufe • vor 7 Monaten

最近陶哲轩在 2024 年第 65 届国际数学奥林匹克上，陶哲轩做了一次 AI 和数学的演讲，非常精彩，从数学使用计算计算机的历史开始讲起，一直讲到大语言模型，干货相当多，尤其适合对数学有兴趣的同学。（对数学没那么感兴趣的同学只想看 AI 部分的建议直接跳到 41 分的位置开始观看）先摘录几个冷知识： 1. 我们使用机器做数学计算已经有数千年，最早的机器辅助计算可能是罗马人，然后是中国的算盘 2. 二战时就有人肉“计算机”，计算弹道和其他任务，多位女孩子，因为男士们在打仗，所以那时候的计算基本单位不是GPU，而是kilogirl-hour——“千名女孩工作一小时的计算量” 3. 现在，数学家们使用一种现代化的证明辅助编程语言，叫做 Lean。在 Lean 中有一个核心的数学库，通过众包的方式开发的，本科数学课程中看到的内容，比如微积分基础、群论基础或者拓扑学等等，这些都已经被形式化了，所以你不用从公理开始。 4. 现在数学领域有一种团队协作证明复杂数学定理的工作流程，那就是先编写一个称为“蓝图”的详细证明计划，将整个证明分解为数百个小步骤。每个步骤可以单独形式化，然后再将它们整合在一起，这样你就可以将一个庞大的论证分解成许多小块。先编写这个蓝图，然后团队中的其他人可以对论据的不同步骤的不同部分进行形式化。去年，陶哲轩和几位同事一起解决了一个组合数学问题。这是一个组合学的问题。大约20人在短短三周内完成了，使用了蓝图工具，参与的人中有概率论专家，甚至还有一些并非数学家的人，他们是程序员，但在解决这些小型拼图问题上非常擅长。每个人都挑选了一个觉得自己能做的小任务，并完成了它。在数学领域，通常很难这么多人一起合作，一般最多可能五个人合作。因为在大项目上合作时，你必须相信每个人的数学都是正确的。但是，一旦超过一定规模，这就无法实现了。但现在借助 Lean 编译器，它能自动检查。团队成员无法上传任何编译不通过的内容，会被拒绝。因此，你可以与一些从未见过的人合作。最后是讲大语言模型，首先陶哲轩就打脸了 GPT-4 的论文（我猜是微软那篇《GPT-4，通用人工智能的火花》），论文中号称 GPT-4 能解决国际数学奥林匹克问题，但实际上，这个问题不是 2022 年国际奥数竞赛的原始问题，而是一个简化版本，并且他们测试了几百道国际奥数竞赛问题，成功率只有1%，论文里的这个是精心挑选的恰巧能做对的。并且陶哲轩提到了基于大语言模型的一些改进的方案：比如 CoT（Chain of Thought），也就是 LLM 做简单的算术运算都做不对，但是如果让它一步步解释，可能就对了。还可以教 AI 一些解题技巧，比如尝试简单的例子，反证法，尝试逐步证明等。比如让模型和编程语言或者工具连接，将大语言的输出结果交给 Wolfram 这样的专业数学工具或者 Python 这样的编程语言验证，并且迭代的进行修正和验证，直到得到正确的结果，这可以提升大语言模型生成的效果。即使借助这些手段，大语言模型还远远不能解决大多数数学问题，更不用说数学研究问题了！当然陶哲轩也没太过打击大家对于 AI 的信心，表示我们在 AI 上还是在不断的取得进展，还提到了他日常是怎么用 AI 的，比如说把 AI 当成灵感之源。 > 我曾遇到过一个问题，我尝试了几种方法，但都无法解决。于是，我尝试询问 GPT，你建议我使用什么其他方法来解决这个问题？GPT 给我提供了 10 种可能的方法，其中有 5 种我已经尝试过，或者明显没有帮助。的确，有几种方法并不实用。但其中有一种我还没尝试过的方法，那就是针对这个问题使用生成函数。当 GPT 建议我使用这种方法时，我意识到这就是我漏掉的正确方法。所以，将 GPT 视为一个交流伙伴，它确实具有一定的用处。还有使用 GitHub Copilot 帮他写代码，让它自动生成下一步的证明结果，Copilot 的智能提示有 20% 的概率能生成正确的下一步结果。 > 例如我使用的一个叫 GitHub Copilot 的工具，你只需要写下一半的证明，它就会尝试猜测接下来的内容。大概有 20% 的情况下，它能猜到接近正确的答案。然后你就可以说，我接受这个答案。好的，那么在这种情况下，我正在试图证明这个陈述。灰色的部分是 Copilot 给出的建议。结果发现第一行完全没用。不过第二行，尽管你可能看不清楚，却真的解决了这个问题。所以，你不能盲目接受它的输入，因为这些代码未必能顺利编译。但如果你对代码的运作方式已经有所了解，这将大大节省你的时间。这些工具正在变得越来越好。现在如果一个证明只需要一两行，它们就能自动完成。现在已经有了这样的实验，即通过迭代地让 AI 提供证明，然后让编译器进行反馈，如果编译出错，就把错误信息反馈给 AI。通过这种方法，我们开始能够验证四五步长的证明。当然，一个大型的证明可能需要数万行。所以，我们还没有达到能够立即得到一个正式证明的程度。但是，这已经是一个相当有用的工具。对于大家关心的问题： AI 在数学领域现在到了哪一个阶段？是否未来几年利用 AI 能直接解决数学问题？陶哲轩也给出了他的看法： > 我认为我们还远远没有达到这个阶段。如果我们专注于非常特定的问题，你可以定制专门的 AI 来处理一小部分问题。即便如此，它们也不是完全可靠的，但还是有用的。不过至少在接下来的几年里，它们基本上将是非常有用的辅助工具，超越了我们已经熟悉的暴力计算辅助。他还提到了一些可能的 AI 能在数学领域提供帮助的方向： - AI 能够非常好地生成有价值的猜想 > 比如，我们已经看到了关于结理论的例子，它们已经可以推测出两个不同的统计量之间的关系。因此，我们希望能够创建大量的数据集，输入到 AI 中，它们就会自动找出各种不同的数学对象之间的有趣联系。虽然我们还不知道如何做到这一点，部分原因是我们没有这些庞大的数据集。但我认为这是未来可能实现的一个方向。 - 批量或者说规模化的证明大量数学定理 > 现在，因为证明定理是如此繁琐和艰难的过程，我们一次只能证明一个定理，如果你效率很高，可能一次能证明两三个。但是有了 AI，你可以设想一下未来的情况，我们不是试图解决一个问题，而是处理一类类似的1000个问题，然后告诉AI，尝试用这个方法解决这 1000 个问题，然后报告结果，哦，我能用这种技术解决 35% 的问题。那么另一种技术呢？我能解决这个百分比的问题。或者如果结合这些方法，又能解决多少问题？你可以开始探索问题的空间，而不是一个接一个地解决问题。这是你现在根本无法做到的事情，或者是你需要几十年时间，通过数十篇论文慢慢搞清楚各种技术能做什么，不能做什么。但是有了这些工具，你真的可以开始做规模前所未有的数学研究。所以，未来将会非常令人兴奋。演讲环节结束前的最后一句话说的特别好： > 我们仍然会以传统方式证明定理。事实上，我们必须这样做，因为如果我们自己都不知道如何做这些事情，就无法引导这些 AI。但是我们将能够做很多现在无法做到的事情。这恰恰也是我们现在使用 AI 辅助编程的问题：如果我们自己都不知道如何构建软件，就很难引导好 AI 帮助我们生成高质量的代码。尽管 AI 在数学和编程领域变得越来越有用，但人类的洞察力和创造力仍然是创作价值的关键。原始 YT 视频：

最近陶哲轩在 2024 年第 65 届国际数学奥林匹克上，陶哲轩做了一次 AI 和数学的演讲，非常精彩，从数学使用计算计算机的历史开始讲起，一直讲到大语言模型，干货相当多，尤其适合对数学有兴趣的同学。（对数学没那么感兴趣的同学只想看 AI 部分的建议直接跳到 41 分的位置开始观看）先摘录几个冷知识： 1. 我们使用机器做数学计算已经有数千年，最早的机器辅助计算可能是罗马人，然后是中国的算盘 2. 二战时就有人肉“计算机”，计算弹道和其他任务，多位女孩子，因为男士们在打仗，所以那时候的计算基本单位不是GPU，而是kilogirl-hour——“千名女孩工作一小时的计算量” 3. 现在，数学家们使用一种现代化的证明辅助编程语言，叫做 Lean。在 Lean 中有一个核心的数学库，通过众包的方式开发的，本科数学课程中看到的内容，比如微积分基础、群论基础或者拓扑学等等，这些都已经被形式化了，所以你不用从公理开始。 4. 现在数学领域有一种团队协作证明复杂数学定理的工作流程，那就是先编写一个称为“蓝图”的详细证明计划，将整个证明分解为数百个小步骤。每个步骤可以单独形式化，然后再将它们整合在一起，这样你就可以将一个庞大的论证分解成许多小块。先编写这个蓝图，然后团队中的其他人可以对论据的不同步骤的不同部分进行形式化。去年，陶哲轩和几位同事一起解决了一个组合数学问题。这是一个组合学的问题。大约20人在短短三周内完成了，使用了蓝图工具，参与的人中有概率论专家，甚至还有一些并非数学家的人，他们是程序员，但在解决这些小型拼图问题上非常擅长。每个人都挑选了一个觉得自己能做的小任务，并完成了它。在数学领域，通常很难这么多人一起合作，一般最多可能五个人合作。因为在大项目上合作时，你必须相信每个人的数学都是正确的。但是，一旦超过一定规模，这就无法实现了。但现在借助 Lean 编译器，它能自动检查。团队成员无法上传任何编译不通过的内容，会被拒绝。因此，你可以与一些从未见过的人合作。最后是讲大语言模型，首先陶哲轩就打脸了 GPT-4 的论文（我猜是微软那篇《GPT-4，通用人工智能的火花》），论文中号称 GPT-4 能解决国际数学奥林匹克问题，但实际上，这个问题不是 2022 年国际奥数竞赛的原始问题，而是一个简化版本，并且他们测试了几百道国际奥数竞赛问题，成功率只有1%，论文里的这个是精心挑选的恰巧能做对的。并且陶哲轩提到了基于大语言模型的一些改进的方案：比如 CoT（Chain of Thought），也就是 LLM 做简单的算术运算都做不对，但是如果让它一步步解释，可能就对了。还可以教 AI 一些解题技巧，比如尝试简单的例子，反证法，尝试逐步证明等。比如让模型和编程语言或者工具连接，将大语言的输出结果交给 Wolfram 这样的专业数学工具或者 Python 这样的编程语言验证，并且迭代的进行修正和验证，直到得到正确的结果，这可以提升大语言模型生成的效果。即使借助这些手段，大语言模型还远远不能解决大多数数学问题，更不用说数学研究问题了！当然陶哲轩也没太过打击大家对于 AI 的信心，表示我们在 AI 上还是在不断的取得进展，还提到了他日常是怎么用 AI 的，比如说把 AI 当成灵感之源。 > 我曾遇到过一个问题，我尝试了几种方法，但都无法解决。于是，我尝试询问 GPT，你建议我使用什么其他方法来解决这个问题？GPT 给我提供了 10 种可能的方法，其中有 5 种我已经尝试过，或者明显没有帮助。的确，有几种方法并不实用。但其中有一种我还没尝试过的方法，那就是针对这个问题使用生成函数。当 GPT 建议我使用这种方法时，我意识到这就是我漏掉的正确方法。所以，将 GPT 视为一个交流伙伴，它确实具有一定的用处。还有使用 GitHub Copilot 帮他写代码，让它自动生成下一步的证明结果，Copilot 的智能提示有 20% 的概率能生成正确的下一步结果。 > 例如我使用的一个叫 GitHub Copilot 的工具，你只需要写下一半的证明，它就会尝试猜测接下来的内容。大概有 20% 的情况下，它能猜到接近正确的答案。然后你就可以说，我接受这个答案。好的，那么在这种情况下，我正在试图证明这个陈述。灰色的部分是 Copilot 给出的建议。结果发现第一行完全没用。不过第二行，尽管你可能看不清楚，却真的解决了这个问题。所以，你不能盲目接受它的输入，因为这些代码未必能顺利编译。但如果你对代码的运作方式已经有所了解，这将大大节省你的时间。这些工具正在变得越来越好。现在如果一个证明只需要一两行，它们就能自动完成。现在已经有了这样的实验，即通过迭代地让 AI 提供证明，然后让编译器进行反馈，如果编译出错，就把错误信息反馈给 AI。通过这种方法，我们开始能够验证四五步长的证明。当然，一个大型的证明可能需要数万行。所以，我们还没有达到能够立即得到一个正式证明的程度。但是，这已经是一个相当有用的工具。对于大家关心的问题： AI 在数学领域现在到了哪一个阶段？是否未来几年利用 AI 能直接解决数学问题？陶哲轩也给出了他的看法： > 我认为我们还远远没有达到这个阶段。如果我们专注于非常特定的问题，你可以定制专门的 AI 来处理一小部分问题。即便如此，它们也不是完全可靠的，但还是有用的。不过至少在接下来的几年里，它们基本上将是非常有用的辅助工具，超越了我们已经熟悉的暴力计算辅助。他还提到了一些可能的 AI 能在数学领域提供帮助的方向： - AI 能够非常好地生成有价值的猜想 > 比如，我们已经看到了关于结理论的例子，它们已经可以推测出两个不同的统计量之间的关系。因此，我们希望能够创建大量的数据集，输入到 AI 中，它们就会自动找出各种不同的数学对象之间的有趣联系。虽然我们还不知道如何做到这一点，部分原因是我们没有这些庞大的数据集。但我认为这是未来可能实现的一个方向。 - 批量或者说规模化的证明大量数学定理 > 现在，因为证明定理是如此繁琐和艰难的过程，我们一次只能证明一个定理，如果你效率很高，可能一次能证明两三个。但是有了 AI，你可以设想一下未来的情况，我们不是试图解决一个问题，而是处理一类类似的1000个问题，然后告诉AI，尝试用这个方法解决这 1000 个问题，然后报告结果，哦，我能用这种技术解决 35% 的问题。那么另一种技术呢？我能解决这个百分比的问题。或者如果结合这些方法，又能解决多少问题？你可以开始探索问题的空间，而不是一个接一个地解决问题。这是你现在根本无法做到的事情，或者是你需要几十年时间，通过数十篇论文慢慢搞清楚各种技术能做什么，不能做什么。但是有了这些工具，你真的可以开始做规模前所未有的数学研究。所以，未来将会非常令人兴奋。演讲环节结束前的最后一句话说的特别好： > 我们仍然会以传统方式证明定理。事实上，我们必须这样做，因为如果我们自己都不知道如何做这些事情，就无法引导这些 AI。但是我们将能够做很多现在无法做到的事情。这恰恰也是我们现在使用 AI 辅助编程的问题：如果我们自己都不知道如何构建软件，就很难引导好 AI 帮助我们生成高质量的代码。尽管 AI 在数学和编程领域变得越来越有用，但人类的洞察力和创造力仍然是创作价值的关键。原始 YT 视频：

宝玉

301,443 Aufrufe • vor 1 Jahr

和任何人都能无脑聊下去的方法很多人跟陌生人聊天，最怕的就是冷场，不知道说啥，气氛尴尬得要命。今天咱们就用七天时间，练一套无脑聊天法，让你跟谁都能接得住话，聊得下去。第一天，咱们先练最基础的提问公式。你今天只需要记住一个万能句式：对方说完任何一句话，你就接——“哎，那你当时怎么想的？”或者“那后来呢？” 别小看这两句，它们能让90%的对话继续下去。今天的训练动作很简单：找三个朋友或者家人，不管他们说什么，你就用这两句接话。比如对方说“我今天加班到很晚”，你就说：“哎，那你当时怎么想的？”对方说“我周末去爬山了”，你就说：“那后来呢？”练到你能自然而然地接住这两句话为止。第二天，咱们在提问的基础上加一个动作，叫做重复关键词。对方说完一句话，你先重复他话里的一个词，然后再提问。比如对方说“我最近在学吉他”，你就说：“吉他啊，那你是怎么开始学的？”这个重复动作，会让对方觉得你在认真听，而且话题自然就延伸出去了。今天你要做的就是找五段对话，每次都先重复关键词再提问。可以是跟同事聊天，可以是跟店员闲聊，甚至是在评论区跟网友互动。练到你能秒速找到关键词为止。第三天，咱们练话题延伸。这个技巧叫做“三个方向法”。对方说完一件事，你可以往三个方向延伸：过去发生了什么，现在感受如何，未来打算怎么办。比如对方说“我换工作了”，你可以问：“之前那份工作是什么让你想换的？”这是往过去问；或者问：“现在这份工作感觉怎么样？”这是问现在；还可以问：“那你接下来有什么计划？”这是问未来。今天的训练就是找三个话题，每个话题都用这三个方向各问一遍。你会发现，一个简单的话题能聊出好多内容。第四天，咱们加一个情绪回应的动作。很多人只会问问题，但不会回应情绪，这样聊天就显得很机械。今天，你要学会在提问前先回应对方的情绪。对方说“我今天被领导批评了”，你别直接问“为什么啊”，先说：“哎呀，那肯定挺难受的。”然后再问：“是因为什么事啊？”对方说“我考试过了”，你先说：“太好了！”再问：“你是怎么准备的？” 今天找五个对话场景，每次都先回应情绪，再提问。练到你能自然地感知对方情绪为止。第五天，咱们练一个救场技巧，叫做话题转移法。有时候聊着聊着真的没话说了，这时候你就用“说到这个，我想起……”这个句式，把话题转到另一个方向。比如聊工作聊不下去了，你就说：“说到工作，我想起最近看到一个很有意思的新闻。”聊天气聊不下去了，你就说：“说到天气，我想起上次去旅游的时候……” 这个方法能让你永远有话说。今天的训练是准备五个常见话题，每个话题都想好三个可以转移的方向，然后找机会实际用一用。第六天，咱们练组合拳，把前面学的所有技巧串起来。用一段对话里，你要做到重复关键词、提问、回应情绪、延伸话题，必要时转移话题。今天找一个人跟他聊至少十分钟，在这十分钟里把所有技巧都用上。聊完之后回想一下，哪个技巧用得最顺手，哪个还需要加强。第七天，咱们做实战测试。今天你要主动找三个不太熟的人聊天，可以是同事，可以是邻居，可以是店员。每次聊天至少五分钟，目标是让对话自然流畅、不冷场。聊完之后给自己打个分，看看能不能做到全程不尴尬，话题能不能自然延伸。如果还有卡壳的地方，就回到前面对应的那天再练一遍。这套方法的核心，就是让你有话可说，而不是说得多漂亮。你每天花十分钟练习，一周之后你会发现，跟任何人聊天都不再是难事。平时你可以多看一些访谈节目，注意主持人是怎么提问的，怎么接话的。每天睡前回想一下今天的对话，哪些地方可以用上这些技巧，坚持下去，聊天这件事真的会变成一种本能反应。

和任何人都能无脑聊下去的方法很多人跟陌生人聊天，最怕的就是冷场，不知道说啥，气氛尴尬得要命。今天咱们就用七天时间，练一套无脑聊天法，让你跟谁都能接得住话，聊得下去。第一天，咱们先练最基础的提问公式。你今天只需要记住一个万能句式：对方说完任何一句话，你就接——“哎，那你当时怎么想的？”或者“那后来呢？” 别小看这两句，它们能让90%的对话继续下去。今天的训练动作很简单：找三个朋友或者家人，不管他们说什么，你就用这两句接话。比如对方说“我今天加班到很晚”，你就说：“哎，那你当时怎么想的？”对方说“我周末去爬山了”，你就说：“那后来呢？”练到你能自然而然地接住这两句话为止。第二天，咱们在提问的基础上加一个动作，叫做重复关键词。对方说完一句话，你先重复他话里的一个词，然后再提问。比如对方说“我最近在学吉他”，你就说：“吉他啊，那你是怎么开始学的？”这个重复动作，会让对方觉得你在认真听，而且话题自然就延伸出去了。今天你要做的就是找五段对话，每次都先重复关键词再提问。可以是跟同事聊天，可以是跟店员闲聊，甚至是在评论区跟网友互动。练到你能秒速找到关键词为止。第三天，咱们练话题延伸。这个技巧叫做“三个方向法”。对方说完一件事，你可以往三个方向延伸：过去发生了什么，现在感受如何，未来打算怎么办。比如对方说“我换工作了”，你可以问：“之前那份工作是什么让你想换的？”这是往过去问；或者问：“现在这份工作感觉怎么样？”这是问现在；还可以问：“那你接下来有什么计划？”这是问未来。今天的训练就是找三个话题，每个话题都用这三个方向各问一遍。你会发现，一个简单的话题能聊出好多内容。第四天，咱们加一个情绪回应的动作。很多人只会问问题，但不会回应情绪，这样聊天就显得很机械。今天，你要学会在提问前先回应对方的情绪。对方说“我今天被领导批评了”，你别直接问“为什么啊”，先说：“哎呀，那肯定挺难受的。”然后再问：“是因为什么事啊？”对方说“我考试过了”，你先说：“太好了！”再问：“你是怎么准备的？” 今天找五个对话场景，每次都先回应情绪，再提问。练到你能自然地感知对方情绪为止。第五天，咱们练一个救场技巧，叫做话题转移法。有时候聊着聊着真的没话说了，这时候你就用“说到这个，我想起……”这个句式，把话题转到另一个方向。比如聊工作聊不下去了，你就说：“说到工作，我想起最近看到一个很有意思的新闻。”聊天气聊不下去了，你就说：“说到天气，我想起上次去旅游的时候……” 这个方法能让你永远有话说。今天的训练是准备五个常见话题，每个话题都想好三个可以转移的方向，然后找机会实际用一用。第六天，咱们练组合拳，把前面学的所有技巧串起来。用一段对话里，你要做到重复关键词、提问、回应情绪、延伸话题，必要时转移话题。今天找一个人跟他聊至少十分钟，在这十分钟里把所有技巧都用上。聊完之后回想一下，哪个技巧用得最顺手，哪个还需要加强。第七天，咱们做实战测试。今天你要主动找三个不太熟的人聊天，可以是同事，可以是邻居，可以是店员。每次聊天至少五分钟，目标是让对话自然流畅、不冷场。聊完之后给自己打个分，看看能不能做到全程不尴尬，话题能不能自然延伸。如果还有卡壳的地方，就回到前面对应的那天再练一遍。这套方法的核心，就是让你有话可说，而不是说得多漂亮。你每天花十分钟练习，一周之后你会发现，跟任何人聊天都不再是难事。平时你可以多看一些访谈节目，注意主持人是怎么提问的，怎么接话的。每天睡前回想一下今天的对话，哪些地方可以用上这些技巧，坚持下去，聊天这件事真的会变成一种本能反应。

另一面

29,082 Aufrufe • vor 3 Monaten

OpenAI刚刚开源的这个东西，感觉要把程序员的工作方式给整个改写了。现在大家都在卷模型写代码有多强，但其实真正的瓶颈早就不是生成了。一个人每天最多同时有效监督3-5个编码Agent，再多就会注意力崩溃，生产力直接归零。有了Symphony，直接把这个上限干到了几十个。它把你的Linear、GitHub Issues直接变成了永远在线的Agent调度器。你开一个任务，它自动启动一个独立隔离的Codex Agent。自己写代码，自己跑测试，自己做交叉Review，damn！全部搞定之后，会给你提交一个完整的证据包。 CI全绿，安全和性能专项审查通过，改了UI就自动录好操作视频。所有验证全过了，才会出现在你的Human Review队列里。以后人类的角色可能会被彻底颠覆了。以前你是监工，盯着Agent一步一步写代码，上下文切到吐。现在你是老板，只需要看最终的结果。满意就点合并，不满意就去仓库里补规则补文档补Guardrails。记住兄弟们，永远不要手把手指挥Agent，永远不要替它干活。这可不是啥实验室概念，OpenAI自己已经这么干了。三个工程师，五个月，写了一百万行代码，0行人工写的。产品已经有几百个内部用户，每天都在迭代。我觉得他们最厉害的不是模型，是他们把整个仓库变成了Agent能看懂能自主工作的乐园。现在很多人都搞错了Agent时代的核心竞争力。未来不是谁的模型更聪明，而是看谁能设计出让Agent可靠自主工作的环境。我觉得未来最好的工程师，再也不是写代码最快的人，而是那些最会写规则，最会设计反馈回路，最会给Agent搭舞台的人。现在Symphony已经开源了，它甚至不是一个成品。是一个17k token的完整SPEC。你把这个SPEC喂给任何一个编码Agent，十分钟就能生成你自己定制版的Symphony。 GitHub地址评论区自取👇

OpenAI刚刚开源的这个东西，感觉要把程序员的工作方式给整个改写了。现在大家都在卷模型写代码有多强，但其实真正的瓶颈早就不是生成了。一个人每天最多同时有效监督3-5个编码Agent，再多就会注意力崩溃，生产力直接归零。有了Symphony，直接把这个上限干到了几十个。它把你的Linear、GitHub Issues直接变成了永远在线的Agent调度器。你开一个任务，它自动启动一个独立隔离的Codex Agent。自己写代码，自己跑测试，自己做交叉Review，damn！全部搞定之后，会给你提交一个完整的证据包。 CI全绿，安全和性能专项审查通过，改了UI就自动录好操作视频。所有验证全过了，才会出现在你的Human Review队列里。以后人类的角色可能会被彻底颠覆了。以前你是监工，盯着Agent一步一步写代码，上下文切到吐。现在你是老板，只需要看最终的结果。满意就点合并，不满意就去仓库里补规则补文档补Guardrails。记住兄弟们，永远不要手把手指挥Agent，永远不要替它干活。这可不是啥实验室概念，OpenAI自己已经这么干了。三个工程师，五个月，写了一百万行代码，0行人工写的。产品已经有几百个内部用户，每天都在迭代。我觉得他们最厉害的不是模型，是他们把整个仓库变成了Agent能看懂能自主工作的乐园。现在很多人都搞错了Agent时代的核心竞争力。未来不是谁的模型更聪明，而是看谁能设计出让Agent可靠自主工作的环境。我觉得未来最好的工程师，再也不是写代码最快的人，而是那些最会写规则，最会设计反馈回路，最会给Agent搭舞台的人。现在Symphony已经开源了，它甚至不是一个成品。是一个17k token的完整SPEC。你把这个SPEC喂给任何一个编码Agent，十分钟就能生成你自己定制版的Symphony。 GitHub地址评论区自取👇

AYi

63,210 Aufrufe • vor 3 Monaten

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。

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 Aufrufe • vor 1 Monat

我折腾了Openclaw大概有一周了吧，感觉这一周也不能说时时刻刻在玩，但是确实已经让我体验到了他的很多优点和坑。我觉得这个坑其实也并不是他的缺点，而且初学者在使用的时候没有注意到的特点，本文会好好聊聊。虽然有人说它不是什么高深的科技，但是Openclaw确实解决了我一个很长时间都没有人来解决的痛点，作为一个web3的博主，我平常有很多零碎的时间，在外的时候，开车的时候，参加活动的时候，加起来其实非常多，一周下来能有十几个小时。这些时候其实我的脑子都不处于idle的状态，而是经常想写东西。比如我经常就会抽个十分钟走路，边走边把我的一些想法和GPT录入，然后生成文章或者笔记，甚至是代码。但对于有些问题，比如验证一个交易的想法，产品的想法，用一个我已经开发好的脚本去了解市场行情，缺少一个主机这样强大的工具来帮我落地。也就是说，哪怕AI给了我方向，给了我代码，最后去跑的，还是我啊！我这不是给AI打工了吗？于是在知道了Opencalw这个东西的五分钟之后，我就边开车边在手机上下单了一个全新的MacMini，准备开始改变人生我觉得玩了一周下来，我做到了。我可以躺在床上刷剧和喝啤酒的同时，让全市场行情尽收眼底，有一说一，minimax真的很稳定且偶尔会让人觉得惊艳。刚丢给他anthropic和五角大楼的八个新闻，他给我做了系统性总结并归档，语言风格也非常自然，确实不是对话框可以体验的，但有在对话框环境里搞定了看黑漆漆IDE才能做到的aget效果，且效果很棒。这就是openclaw框架的特点。接下来重点聊聊 #Binance 最近更新4个 AI skills 技能 Alpha 市场数据、U 本位合约、杠杆交易、资产管理。在我看来，这次更新的重点不只是“功能变多了”，而是 OpenClaw 终于更像一个能真正配合你做事的交易助手了。以前我们用这类工具，更多还是停留在“查数据、看行情、问问题”这个层面，信息是有了，但真正做决策、盯条件、执行动作，还是得自己一步步来。现在不太一样了，你只需要说出自己的意图，它就能把筛选、判断、执行这些动作尽量串起来。这 4 个技能里，我最看重的是资产管理。因为它解决的不是“看什么”，而是“钱怎么动”。比如现货和合约之间的划转、账户余额整理、碎币换 BNB，这些以前都很零碎，但实际又很高频。现在如果能交给 Agent 去处理，整体体验会顺很多。另外，Alpha 数据、合约、杠杆这几个技能组合起来后，确实会让很多交易思路更容易落地。比如监测异动、看资金费率、设置止盈止损、按条件执行下一步，不用自己频繁切页面、算逻辑，效率提升会很明显。不过我自己的看法是，这套skills最有价值的地方，不是“自动赚钱”，而是把原本复杂、重复、容易出错的操作流程对话化了。它更像是帮你提高执行效率，而不是替你承担判断和风险。而且目前币安中文社区正在举办 “用 AI 建设加密，搭建币安主题 AI Agent” 的活动。总奖池：48.6 BNB（作品奖44 BNB + 推荐奖4.6 BNB）。作品奖：第1名10 BNB、第2名8 BNB、第3名6 BNB、20名优胜各1 BNB。对普通用户来说，参与重点可以概括为一句话：不用非得做得特别复杂，能跑通、能演示、逻辑清楚，就有机会拿到奖励。赶快行动起来吧，部署一只属于你自己的龙虾，改变人生的轨迹。为此专门做了一个接入视频，希望能帮助到大家一起建设起来～币安技能中心传送门：部署龙虾碰到问题可以dm我或者评论区留言，欢迎老师们多多交流~

我折腾了Openclaw大概有一周了吧，感觉这一周也不能说时时刻刻在玩，但是确实已经让我体验到了他的很多优点和坑。我觉得这个坑其实也并不是他的缺点，而且初学者在使用的时候没有注意到的特点，本文会好好聊聊。虽然有人说它不是什么高深的科技，但是Openclaw确实解决了我一个很长时间都没有人来解决的痛点，作为一个web3的博主，我平常有很多零碎的时间，在外的时候，开车的时候，参加活动的时候，加起来其实非常多，一周下来能有十几个小时。这些时候其实我的脑子都不处于idle的状态，而是经常想写东西。比如我经常就会抽个十分钟走路，边走边把我的一些想法和GPT录入，然后生成文章或者笔记，甚至是代码。但对于有些问题，比如验证一个交易的想法，产品的想法，用一个我已经开发好的脚本去了解市场行情，缺少一个主机这样强大的工具来帮我落地。也就是说，哪怕AI给了我方向，给了我代码，最后去跑的，还是我啊！我这不是给AI打工了吗？于是在知道了Opencalw这个东西的五分钟之后，我就边开车边在手机上下单了一个全新的MacMini，准备开始改变人生我觉得玩了一周下来，我做到了。我可以躺在床上刷剧和喝啤酒的同时，让全市场行情尽收眼底，有一说一，minimax真的很稳定且偶尔会让人觉得惊艳。刚丢给他anthropic和五角大楼的八个新闻，他给我做了系统性总结并归档，语言风格也非常自然，确实不是对话框可以体验的，但有在对话框环境里搞定了看黑漆漆IDE才能做到的aget效果，且效果很棒。这就是openclaw框架的特点。接下来重点聊聊 #Binance 最近更新4个 AI skills 技能 Alpha 市场数据、U 本位合约、杠杆交易、资产管理。在我看来，这次更新的重点不只是“功能变多了”，而是 OpenClaw 终于更像一个能真正配合你做事的交易助手了。以前我们用这类工具，更多还是停留在“查数据、看行情、问问题”这个层面，信息是有了，但真正做决策、盯条件、执行动作，还是得自己一步步来。现在不太一样了，你只需要说出自己的意图，它就能把筛选、判断、执行这些动作尽量串起来。这 4 个技能里，我最看重的是资产管理。因为它解决的不是“看什么”，而是“钱怎么动”。比如现货和合约之间的划转、账户余额整理、碎币换 BNB，这些以前都很零碎，但实际又很高频。现在如果能交给 Agent 去处理，整体体验会顺很多。另外，Alpha 数据、合约、杠杆这几个技能组合起来后，确实会让很多交易思路更容易落地。比如监测异动、看资金费率、设置止盈止损、按条件执行下一步，不用自己频繁切页面、算逻辑，效率提升会很明显。不过我自己的看法是，这套skills最有价值的地方，不是“自动赚钱”，而是把原本复杂、重复、容易出错的操作流程对话化了。它更像是帮你提高执行效率，而不是替你承担判断和风险。而且目前币安中文社区正在举办 “用 AI 建设加密，搭建币安主题 AI Agent” 的活动。总奖池：48.6 BNB（作品奖44 BNB + 推荐奖4.6 BNB）。作品奖：第1名10 BNB、第2名8 BNB、第3名6 BNB、20名优胜各1 BNB。对普通用户来说，参与重点可以概括为一句话：不用非得做得特别复杂，能跑通、能演示、逻辑清楚，就有机会拿到奖励。赶快行动起来吧，部署一只属于你自己的龙虾，改变人生的轨迹。为此专门做了一个接入视频，希望能帮助到大家一起建设起来～币安技能中心传送门：部署龙虾碰到问题可以dm我或者评论区留言，欢迎老师们多多交流~

百里 🦅

16,721 Aufrufe • vor 4 Monaten

这是美国大学毕业季最诚实的一场演讲也是AI时代最引人思考的关于教育的一场讨论💐 Angela Duckworth 一位哈佛毕业的网红教授专门研究毅力的顶级学者在宾大的毕业典礼上一句话炸翻了全场今天的演讲（稿）是我和AI一起写的！😂 而且我一点儿也不惭愧这太魔幻了一个教孩子要坚毅要刻苦的居然在带头“偷懒” 但是她接下来说的话才是我反复该说的部分就是这篇人机协作的演讲稿给出了AI时代家长心里最担心的两个问题的答案第一个问题孩子天天用AI，脑子会不会废掉？扫了一眼台下的毕业生问了一个戳心的问题如果我们一直这么用AI 会变得越来越不会思考她自己呢带头就举了手台下呢也几乎是全员举手 Angela接着说她自己呢也担心过因为大脑是用尽废退不用的话神经连接都会萎缩她讲了一个故事她被一个很难的统计学方法卡住了当时呢身边没有人能够帮她在客厅里做着房地产相关的工作于是她打开了GPT 就把问题呢告诉它结果AI只用了几句话就把这个复杂的问题讲清楚了不但讲清楚了还提醒她常见的误区给了清晰的步骤她对不懂的地方进行追问让AI示范短短十分钟之后她不仅仅是拿到了答案而且真正的理解了注意她的关键词啊不是替我想而是带我想👊 她又问台下的毕业生们你们有没有哪怕一次真切的感受到因为AI比你之前聪明了一点点？这一次又是几乎全员举手🙋‍♀️ 同样的一群人同样的一双手可以是害怕AI让我变笨也可以是因为AI 让我变强🐮 她又用博士生的实验补了一刀两组年轻人写求职信一组呢完全自己写另一组呢用AI辅助结果非常反常识用AI那组不但写的更快就连写作能力也提升的更多为什么？给出了一个关键解释因为AI在做一件人类老师一直想做但没有精力去做的事它会不停的给你看更好的版本这个句子可以更短那个词可以换这个结构呢还可以调整你就一遍一遍的看这些示范就是在训练自己的眼睛和感觉所以结论很简单也很有力量👍🏼 AI会不会废掉孩子并不取决于AI有多强而是取决于我们把它当什么当你把AI当拐杖你交出的就是大脑当你把AI当教练你练出来的就是判断力、表达力、结构感 AI的正确打开方式不是把脑子托管给它而是用它不断的看到更好的思考然后呢逼自己追上去第二个问题既然知识和课程网上全有 AI又能给出答案那我们为什么还需要老师？教育为什么还需要人？在学期末说这样一个秘密这整个学期我教给你们的所有知识网上全都有每一篇文章都有电子版每一道作业都有人做过类似的换句话说就是只要你愿意不来上我的课你照样能学学生们呢？都愣住了然后她说但是你们还是需要我因为你们需要有人在周二之前逼你读完一篇并不轻松的文章😂 需要有人在周四之前提醒你们交出一篇你们以为自己写不出来的论文🥹 需要有人把你关进一个没有手机的教室需要有人给你定一个你以为达不到的标准然后认真的看着你的眼睛说我知道你能做到我会等到你做到！👍🏼 这一段看起来安安静静的话简直是一下子戳中了教育的本质教育从来都不是信息的填充而是灵魂的唤醒！👍🏼💐 她讲到自己高中那位英语老师图书馆的知识是免费的但是你得自带容器而一个真正的好老师就会帮你塑造这个容器我突然想到了我的孩子们 AI可以把全世界的知识都摆在他们的面前但是它做不到的是在他们快要放弃的时候坚定的看着他们的眼睛说这很难 ☹️ 但我相信你对于孩子们来说爸爸妈妈才是他们最早遇到的老师那位Angela老师在这个算力爆炸的时代我们到底要教给孩子什么？用AI的方法当然但比这个更重要的是带他们去户外徒步去仰望星空去面对挫折去感受心跳我们要做的是站在孩子的身边成为赋予他们品格的那个人如果你有时间强烈建议你和孩子一起看一下这个演讲 ———————————— 演讲就在下面，快看看啊有这么想讨论的一起聊聊吧😊

这是美国大学毕业季最诚实的一场演讲也是AI时代最引人思考的关于教育的一场讨论💐 Angela Duckworth 一位哈佛毕业的网红教授专门研究毅力的顶级学者在宾大的毕业典礼上一句话炸翻了全场今天的演讲（稿）是我和AI一起写的！😂 而且我一点儿也不惭愧这太魔幻了一个教孩子要坚毅要刻苦的居然在带头“偷懒” 但是她接下来说的话才是我反复该说的部分就是这篇人机协作的演讲稿给出了AI时代家长心里最担心的两个问题的答案第一个问题孩子天天用AI，脑子会不会废掉？扫了一眼台下的毕业生问了一个戳心的问题如果我们一直这么用AI 会变得越来越不会思考她自己呢带头就举了手台下呢也几乎是全员举手 Angela接着说她自己呢也担心过因为大脑是用尽废退不用的话神经连接都会萎缩她讲了一个故事她被一个很难的统计学方法卡住了当时呢身边没有人能够帮她在客厅里做着房地产相关的工作于是她打开了GPT 就把问题呢告诉它结果AI只用了几句话就把这个复杂的问题讲清楚了不但讲清楚了还提醒她常见的误区给了清晰的步骤她对不懂的地方进行追问让AI示范短短十分钟之后她不仅仅是拿到了答案而且真正的理解了注意她的关键词啊不是替我想而是带我想👊 她又问台下的毕业生们你们有没有哪怕一次真切的感受到因为AI比你之前聪明了一点点？这一次又是几乎全员举手🙋‍♀️ 同样的一群人同样的一双手可以是害怕AI让我变笨也可以是因为AI 让我变强🐮 她又用博士生的实验补了一刀两组年轻人写求职信一组呢完全自己写另一组呢用AI辅助结果非常反常识用AI那组不但写的更快就连写作能力也提升的更多为什么？给出了一个关键解释因为AI在做一件人类老师一直想做但没有精力去做的事它会不停的给你看更好的版本这个句子可以更短那个词可以换这个结构呢还可以调整你就一遍一遍的看这些示范就是在训练自己的眼睛和感觉所以结论很简单也很有力量👍🏼 AI会不会废掉孩子并不取决于AI有多强而是取决于我们把它当什么当你把AI当拐杖你交出的就是大脑当你把AI当教练你练出来的就是判断力、表达力、结构感 AI的正确打开方式不是把脑子托管给它而是用它不断的看到更好的思考然后呢逼自己追上去第二个问题既然知识和课程网上全有 AI又能给出答案那我们为什么还需要老师？教育为什么还需要人？在学期末说这样一个秘密这整个学期我教给你们的所有知识网上全都有每一篇文章都有电子版每一道作业都有人做过类似的换句话说就是只要你愿意不来上我的课你照样能学学生们呢？都愣住了然后她说但是你们还是需要我因为你们需要有人在周二之前逼你读完一篇并不轻松的文章😂 需要有人在周四之前提醒你们交出一篇你们以为自己写不出来的论文🥹 需要有人把你关进一个没有手机的教室需要有人给你定一个你以为达不到的标准然后认真的看着你的眼睛说我知道你能做到我会等到你做到！👍🏼 这一段看起来安安静静的话简直是一下子戳中了教育的本质教育从来都不是信息的填充而是灵魂的唤醒！👍🏼💐 她讲到自己高中那位英语老师图书馆的知识是免费的但是你得自带容器而一个真正的好老师就会帮你塑造这个容器我突然想到了我的孩子们 AI可以把全世界的知识都摆在他们的面前但是它做不到的是在他们快要放弃的时候坚定的看着他们的眼睛说这很难 ☹️ 但我相信你对于孩子们来说爸爸妈妈才是他们最早遇到的老师那位Angela老师在这个算力爆炸的时代我们到底要教给孩子什么？用AI的方法当然但比这个更重要的是带他们去户外徒步去仰望星空去面对挫折去感受心跳我们要做的是站在孩子的身边成为赋予他们品格的那个人如果你有时间强烈建议你和孩子一起看一下这个演讲 ———————————— 演讲就在下面，快看看啊有这么想讨论的一起聊聊吧😊

华尔街财经 | WS × AI Era

43,968 Aufrufe • vor 5 Monaten

前几天跟珠海一个教培机构的老板聊天，了解到她接待到店家长的时候，都会先让小孩做一个词汇量测试，然后根据测试结果来推荐适合的课程。以往呢都是用简单的A4纸打印，还得家长帮忙填写。那天聊过天之后，我就说我来帮她做一个在线单词量测试的网页工具，前几天也是用codex抽空做了一个demo，但是看上去有点普通。刚好看到 Claude opus 4.8上线了，并且可以在ZenMux 平台上尝鲜体验，一句简单的提示词就重构好了，大家一起来看看效果吧。最后在给大家推荐一下ZenMux 这个平台，如果你想第一时间尝鲜试用最近发布的大模型，认准ZenMux 就对了。凭心而论，ZenMux 平台的价格不是最便宜的，但确实是我用过的最稳定和最省心的的API聚合平台，一个API接口可以调用市面上的几百个大模型。如果你也跟我一样饱受Claude 封号的折磨，有想要稳定的服务，那就用ZenMux 吧，如果你想省钱可以先去看看中转站，不过我相信你最后还会回来的。

前几天跟珠海一个教培机构的老板聊天，了解到她接待到店家长的时候，都会先让小孩做一个词汇量测试，然后根据测试结果来推荐适合的课程。以往呢都是用简单的A4纸打印，还得家长帮忙填写。那天聊过天之后，我就说我来帮她做一个在线单词量测试的网页工具，前几天也是用codex抽空做了一个demo，但是看上去有点普通。刚好看到 Claude opus 4.8上线了，并且可以在ZenMux 平台上尝鲜体验，一句简单的提示词就重构好了，大家一起来看看效果吧。最后在给大家推荐一下ZenMux 这个平台，如果你想第一时间尝鲜试用最近发布的大模型，认准ZenMux 就对了。凭心而论，ZenMux 平台的价格不是最便宜的，但确实是我用过的最稳定和最省心的的API聚合平台，一个API接口可以调用市面上的几百个大模型。如果你也跟我一样饱受Claude 封号的折磨，有想要稳定的服务，那就用ZenMux 吧，如果你想省钱可以先去看看中转站，不过我相信你最后还会回来的。

得否

17,034 Aufrufe • vor 2 Monaten

现在的电商 Agent 很多，但很多还停留在商品图、文案、广告素材的设计上，已经是两年前的玩法了。大家对电商 Agent 的真正需求是帮我调研市场、设计产品、匹配供应商，直接完成采购。这个能力，放在现实中，需要一整个专业的采购团队。 Accio Agent 就真的去解决了这个问题，现在彻底火了，一码难求。它究竟做对了什么？ Accio Agent 是个拥有跨境采购专家能力的 Agent。比如一个水杯在社交媒体上爆了，这时候购买需求暴增，可以把这个水杯的图放到 Accio 里， Agent 就能在10分钟内给出100种改款灵感，还能快速找到具备定制能力的合格供应商。这些工作，在过去，可能需要一个专业采购团队花上数周才能搞定，现在就一次问答的事情。这就跟 Accio 的名字一样，「飞来咒」，把你需要的东西，瞬间召唤到手中。为什么 Accio 能做到这点？因为它是阿里国际站做的，里面整合了阿里巴巴的资源，你懂的。不过现在这个一码难求的情况，想用也用不上，官方看到的话要不要发点码出来给大家玩呢？

现在的电商 Agent 很多，但很多还停留在商品图、文案、广告素材的设计上，已经是两年前的玩法了。大家对电商 Agent 的真正需求是帮我调研市场、设计产品、匹配供应商，直接完成采购。这个能力，放在现实中，需要一整个专业的采购团队。 Accio Agent 就真的去解决了这个问题，现在彻底火了，一码难求。它究竟做对了什么？ Accio Agent 是个拥有跨境采购专家能力的 Agent。比如一个水杯在社交媒体上爆了，这时候购买需求暴增，可以把这个水杯的图放到 Accio 里， Agent 就能在10分钟内给出100种改款灵感，还能快速找到具备定制能力的合格供应商。这些工作，在过去，可能需要一个专业采购团队花上数周才能搞定，现在就一次问答的事情。这就跟 Accio 的名字一样，「飞来咒」，把你需要的东西，瞬间召唤到手中。为什么 Accio 能做到这点？因为它是阿里国际站做的，里面整合了阿里巴巴的资源，你懂的。不过现在这个一码难求的情况，想用也用不上，官方看到的话要不要发点码出来给大家玩呢？

Orange AI

29,984 Aufrufe • vor 11 Monaten

AI 最猛的一步，不是替你工作。而是开始自己赚钱了。刚看到一个开源项目 CashClaw，有点离谱。它不是普通 AI 助手，而是一个会自己找任务、自己报价、自己干活、自己交付、自己收款的 Agent。你只要装上它、接好 LLM，它就能自己评估任务、提交结果，甚至把整套流程跑完。更关键的是，它不是做完就结束，而是会从每一次任务和反馈里继续学习，把经验变成下一次任务的能力。这意味着一件事：我们可能正在从“AI 提高效率”的阶段，走向“AI 直接成为生产者”的阶段。以前你雇人接单。以后你可能是部署一个 Agent 去接单。以前 AI 是工具。现在 AI 开始像个微型公司。一句话总结： AI 的下一场竞争，不是谁更聪明，而是谁先拥有能自己变现的 Agent。更狠的是，CashClaw 还是开源的。你甚至可以 fork 之后接到自己的客户和业务上，把它变成你自己的赚钱系统。如果这条路跑通，很多人会第一次真正意识到： AI 不是在辅助工作， AI 是在进入劳动力市场。你觉得下一波先被重构的，会是自由职业、外包团队，还是 SaaS？

AI 最猛的一步，不是替你工作。而是开始自己赚钱了。刚看到一个开源项目 CashClaw，有点离谱。它不是普通 AI 助手，而是一个会自己找任务、自己报价、自己干活、自己交付、自己收款的 Agent。你只要装上它、接好 LLM，它就能自己评估任务、提交结果，甚至把整套流程跑完。更关键的是，它不是做完就结束，而是会从每一次任务和反馈里继续学习，把经验变成下一次任务的能力。这意味着一件事：我们可能正在从“AI 提高效率”的阶段，走向“AI 直接成为生产者”的阶段。以前你雇人接单。以后你可能是部署一个 Agent 去接单。以前 AI 是工具。现在 AI 开始像个微型公司。一句话总结： AI 的下一场竞争，不是谁更聪明，而是谁先拥有能自己变现的 Agent。更狠的是，CashClaw 还是开源的。你甚至可以 fork 之后接到自己的客户和业务上，把它变成你自己的赚钱系统。如果这条路跑通，很多人会第一次真正意识到： AI 不是在辅助工作， AI 是在进入劳动力市场。你觉得下一波先被重构的，会是自由职业、外包团队，还是 SaaS？

axiaisacat

28,917 Aufrufe • vor 4 Monaten

自己这样做真的值得吗…？今天晚上我现实里一个面基的朋友炸柜了然后就突然吃了21t的氟西汀我知道之后直接就立马下楼了给她打了120 结果那个接线员跟有病一样一直问我你是未成年你为什么不让她父母去管我说了很多次了我说她父母压根就不管她后面还想说但是没说那就是她父母要管她还轮得到我管吗之后就一直在那里问你确不确定她是不是真吃了药然后还跟我说她要是没吃药的话你这是报假警你要承担责任一下给我问懵了毕竟我也确实不确定她是不是真吃药了那个接线员跟我说你要不过去看看当时长春在下大雨也已经十点了我打车打了一分钟了还是没有打到后面加钱才打到了一辆之后我到了她小区门口 emmm 她本人就问我说你干什么啊然后就向我展示了被摔烂的手机经典的手机害得。。她当时心情不好我也是摸了摸她。。因为我确实是第一次干这种事我没有经验。。最后就是救护车赶到了她爸还问我说你叫什么名字她妈问我你从哪里来的两个人看我的眼神就是不对劲…… 摔手机也就算了甚至还问受害者你想不想活不想活我们就不救你了我真他妈想骂他们这他妈是一个父母一个活生生的人能说出来的话吗见死不救你还是人吗？唉回来之后我妈还一直问我说你去哪里了去哪里了我爸还在旁边掺和说你能不能别乱吃药了你知道吃这个药是什么后果吗你不行我们去医院你别自己吃药啊我气不过我就说我去哪里跟你们没关系然后就在吵架他俩就一直在说话想让我停止hrt 我一气之下拿上手机也不管有没有电就要出门跟我妈拉扯的时候我的奈子还被她摁了一下痛死我了😭😭 唉我真的不知道我该不该救她说实话有点后悔了但是本着不能见死不救的原则还是打了120 这孩子出院了之后该怎么办呢……才15啊手机也没有了她爸她妈还是一如既往的话那就还会有第二次第三次…… 但是我还不想让她离开…这是我拒绝社交三年以来尝试恢复社交之后第一个认识的朋友意义重大啊…… 好纠结啊……🥲 我真的没办法了我爸我妈不理解我我也要崩溃了…… 所以我这样做真的值得吗

自己这样做真的值得吗…？今天晚上我现实里一个面基的朋友炸柜了然后就突然吃了21t的氟西汀我知道之后直接就立马下楼了给她打了120 结果那个接线员跟有病一样一直问我你是未成年你为什么不让她父母去管我说了很多次了我说她父母压根就不管她后面还想说但是没说那就是她父母要管她还轮得到我管吗之后就一直在那里问你确不确定她是不是真吃了药然后还跟我说她要是没吃药的话你这是报假警你要承担责任一下给我问懵了毕竟我也确实不确定她是不是真吃药了那个接线员跟我说你要不过去看看当时长春在下大雨也已经十点了我打车打了一分钟了还是没有打到后面加钱才打到了一辆之后我到了她小区门口 emmm 她本人就问我说你干什么啊然后就向我展示了被摔烂的手机经典的手机害得。。她当时心情不好我也是摸了摸她。。因为我确实是第一次干这种事我没有经验。。最后就是救护车赶到了她爸还问我说你叫什么名字她妈问我你从哪里来的两个人看我的眼神就是不对劲…… 摔手机也就算了甚至还问受害者你想不想活不想活我们就不救你了我真他妈想骂他们这他妈是一个父母一个活生生的人能说出来的话吗见死不救你还是人吗？唉回来之后我妈还一直问我说你去哪里了去哪里了我爸还在旁边掺和说你能不能别乱吃药了你知道吃这个药是什么后果吗你不行我们去医院你别自己吃药啊我气不过我就说我去哪里跟你们没关系然后就在吵架他俩就一直在说话想让我停止hrt 我一气之下拿上手机也不管有没有电就要出门跟我妈拉扯的时候我的奈子还被她摁了一下痛死我了😭😭 唉我真的不知道我该不该救她说实话有点后悔了但是本着不能见死不救的原则还是打了120 这孩子出院了之后该怎么办呢……才15啊手机也没有了她爸她妈还是一如既往的话那就还会有第二次第三次…… 但是我还不想让她离开…这是我拒绝社交三年以来尝试恢复社交之后第一个认识的朋友意义重大啊…… 好纠结啊……🥲 我真的没办法了我爸我妈不理解我我也要崩溃了…… 所以我这样做真的值得吗

櫻川由奈🏳️‍⚧️Sakura🍥

35,810 Aufrufe • vor 26 Tagen