正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

$BIDU 百度还是最作恶的公司？6年前，百度CEO李彦宏，鼓吹百度AI多牛逼，被一男子用矿泉水淋头。6年后，百度算法工程师在离职前，被要求完成一套新的工作交接：花一周时间，把代码、文档、研究记录和聊天内容，喂进公司内部AI系统，做出一个能模仿他工作方式的AI分身…邪恶？

金融世界 Financial World

22,343 subscribers

32,182 次观看 • 3 个月前 •via X (Twitter)

新闻政治科学技术财经

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

一家公司将AI摄像头，绑在2000多名工人身上，记录他们在产线上的一举一动，形成10000多小时的视频，用于训练AI系统。画面上的每一个小方块都是工人工作的视频。AI通过这种方式学习人类的工作方式，未来AI机器人可以替代线上工人。AI模型已开始进入销售、客服、风控、自动化办公、工业优化等全流程。

一家公司将AI摄像头，绑在2000多名工人身上，记录他们在产线上的一举一动，形成10000多小时的视频，用于训练AI系统。画面上的每一个小方块都是工人工作的视频。AI通过这种方式学习人类的工作方式，未来AI机器人可以替代线上工人。AI模型已开始进入销售、客服、风控、自动化办公、工业优化等全流程。

超级财经 SuperFinance

344,162 次观看 • 10 个月前

我今天刷到字节AI产品经理张咋啦Zara Zhang的一条帖子：“人类最有效的合作方式，就是不合作。一个人的end-to-end全权负责，然后和Agents一起工作”。我想到“一人公司”，Peter一个人就搞出了火遍全网的Openclaw，想到我曾在学校和职场中感到的迷茫，想到这2年开始全职做自媒体后，一个人工作时的百分百专注+思考+掌控，开始用AI agent后Starchild 我从一个周更/月更博主变成了现在的日更博主，和大家聊聊我自己的感想。

我今天刷到字节AI产品经理张咋啦Zara Zhang的一条帖子：“人类最有效的合作方式，就是不合作。一个人的end-to-end全权负责，然后和Agents一起工作”。我想到“一人公司”，Peter一个人就搞出了火遍全网的Openclaw，想到我曾在学校和职场中感到的迷茫，想到这2年开始全职做自媒体后，一个人工作时的百分百专注+思考+掌控，开始用AI agent后Starchild 我从一个周更/月更博主变成了现在的日更博主，和大家聊聊我自己的感想。

Jingyuan缘缘

219,107 次观看 • 5 个月前

AI公司Anthropic的研究员说了句实话。就算AI技术今天就停滞不前。算法再也没有任何进步。就用现在的模型。五年内，大部分白领工作都会被自动化。怎么做到？一个字，钱。把人类的工作任务一个个拆解，再“喂”给AI。这个成本，已经比付工资给一个白领要低了。经济账算得很清楚。技术进步甚至都不是必要条件。那些曾经以为最安稳的、坐在办公室里的中产岗位。现在反倒成了第一批被优化的对象？科技精英们一边拿着天价薪水，一边设计着取代普通人的工具。这盘棋，到底是谁和谁在下？

AI公司Anthropic的研究员说了句实话。就算AI技术今天就停滞不前。算法再也没有任何进步。就用现在的模型。五年内，大部分白领工作都会被自动化。怎么做到？一个字，钱。把人类的工作任务一个个拆解，再“喂”给AI。这个成本，已经比付工资给一个白领要低了。经济账算得很清楚。技术进步甚至都不是必要条件。那些曾经以为最安稳的、坐在办公室里的中产岗位。现在反倒成了第一批被优化的对象？科技精英们一边拿着天价薪水，一边设计着取代普通人的工具。这盘棋，到底是谁和谁在下？

墓碑科技

63,919 次观看 • 6 个月前

Deepmind CEO Hassabis 最新播客访谈： AGI 五年内到来；当前AI状态，短期被过度炒作，长期被严重低估它不会是普通的技术升级，它相当于"十倍的工业革命、以十倍的速度发生"；前沿4家AI公司的差距不是在缩小，是在拉大。他说当前 AI 是"参差不齐的智能"，用某种方式问一个问题，表现惊人。换个问法，同样的问题，在非常基础的地方翻车。病根是碎片化，不能像大脑一样把所有东西编织成连贯整体。关于 Scaling Laws：收益递减但没死，真正的转变是竞争从"比谁钱多"变成"比谁能想出新东西"。他把 AGI 量化成"10倍工业革命、10倍速度"。工业革命的副作用人类花了一百年消化，这次压进十年。

Deepmind CEO Hassabis 最新播客访谈： AGI 五年内到来；当前AI状态，短期被过度炒作，长期被严重低估它不会是普通的技术升级，它相当于"十倍的工业革命、以十倍的速度发生"；前沿4家AI公司的差距不是在缩小，是在拉大。他说当前 AI 是"参差不齐的智能"，用某种方式问一个问题，表现惊人。换个问法，同样的问题，在非常基础的地方翻车。病根是碎片化，不能像大脑一样把所有东西编织成连贯整体。关于 Scaling Laws：收益递减但没死，真正的转变是竞争从"比谁钱多"变成"比谁能想出新东西"。他把 AGI 量化成"10倍工业革命、10倍速度"。工业革命的副作用人类花了一百年消化，这次压进十年。

小互

59,199 次观看 • 5 个月前

码农、程序猿要失业了 Anthropic 公司现在已经全员不写代码了 CEO 达里奥预言：在6-12个月内，AI 模型就能完成替代他们的工作现在的程序员需要进阶为高级监工 🧑‍🔧

码农、程序猿要失业了 Anthropic 公司现在已经全员不写代码了 CEO 达里奥预言：在6-12个月内，AI 模型就能完成替代他们的工作现在的程序员需要进阶为高级监工 🧑‍🔧

Annie 所长

38,783 次观看 • 5 个月前

这速度真特么离谱啊！卧槽！最新开源的Unlimited-OCR能一次性处理几百页文档，而且速度还很稳。而这个模型来自百度刚刚在hugging face 发布，其核心创新是R-SWA（Reference Sliding Window Attention）。它让模型在解码时KV Cache保持恒定，不会随着文档页数增加而爆炸式增长。结果就是：一张图或者一本多页PDF，直接扔进去就能一次性解析完，速度和稳定性都比传统逐页处理的方式好很多。在OmniDocBench上拿到了93分，比DeepSeek-OCR高出6个百分点。这已经不是简单的准确率提升，而是把长文档OCR的工作流从“分块+外部调度器拼接”变成了真正的端到端一镜到底。以前做多页文档最头疼的就是上下文断裂和格式不一致，现在模型能一次性看到整篇文档的结构、布局和逻辑关系，输出质量自然上了一个台阶。这其实是把OCR从“认字工具”往“长文档理解引擎”又往前推了一大步。技术路线很清晰，也很实用。果然百度现在OCR独树一帜，遥遥领先了。模型地址见评论区～ 👇

这速度真特么离谱啊！卧槽！最新开源的Unlimited-OCR能一次性处理几百页文档，而且速度还很稳。而这个模型来自百度刚刚在hugging face 发布，其核心创新是R-SWA（Reference Sliding Window Attention）。它让模型在解码时KV Cache保持恒定，不会随着文档页数增加而爆炸式增长。结果就是：一张图或者一本多页PDF，直接扔进去就能一次性解析完，速度和稳定性都比传统逐页处理的方式好很多。在OmniDocBench上拿到了93分，比DeepSeek-OCR高出6个百分点。这已经不是简单的准确率提升，而是把长文档OCR的工作流从“分块+外部调度器拼接”变成了真正的端到端一镜到底。以前做多页文档最头疼的就是上下文断裂和格式不一致，现在模型能一次性看到整篇文档的结构、布局和逻辑关系，输出质量自然上了一个台阶。这其实是把OCR从“认字工具”往“长文档理解引擎”又往前推了一大步。技术路线很清晰，也很实用。果然百度现在OCR独树一帜，遥遥领先了。模型地址见评论区～ 👇

Berryxia.AI

151,592 次观看 • 2 个月前

一个中国小伙，非程序员出身，利用AI工具，一人一家公司OPC，成功干出了一年1000万的收入！他就是使用CHATGPT等AI工具设计付费的APP工具。他的工作流程是这样子的： 1.洞察需求 2.打磨需求 3.总结需求文档 4.做产品原型图 5.做产品的功能 6.做出MVP 7.验证MVP 8.找到1000个用户 9.设计变现点 10.验证失败验证成功 11.投放市场 AI时代，懂得使用AI工具的人可以放大自身的能力，创造一切可能性，值得我们好好学习。他具体是怎么实现的？请看下面的视频，听他的一一介绍工作流程。

一个中国小伙，非程序员出身，利用AI工具，一人一家公司OPC，成功干出了一年1000万的收入！他就是使用CHATGPT等AI工具设计付费的APP工具。他的工作流程是这样子的： 1.洞察需求 2.打磨需求 3.总结需求文档 4.做产品原型图 5.做产品的功能 6.做出MVP 7.验证MVP 8.找到1000个用户 9.设计变现点 10.验证失败验证成功 11.投放市场 AI时代，懂得使用AI工具的人可以放大自身的能力，创造一切可能性，值得我们好好学习。他具体是怎么实现的？请看下面的视频，听他的一一介绍工作流程。

小龙先生

66,506 次观看 • 4 个月前

科技界目前最令人毛骨悚然的一句话： “距离模型能端到端完成软件工程师的‘所有’工作，还有 6-12 个月。” #Anthropic ceo 刚才爆料：不是“帮忙”。不是“辅助”。是“完成”！我们正在逼近“递归点”：AI 编写出更好的 AI。目前唯一能拖慢它的只有物理定律（芯片产能和能源）。一旦硬件跟上，闭环就会完成。初级程序员就是新时代的流水线工人。#失业潮 #软体工程师

科技界目前最令人毛骨悚然的一句话： “距离模型能端到端完成软件工程师的‘所有’工作，还有 6-12 个月。” #Anthropic ceo 刚才爆料：不是“帮忙”。不是“辅助”。是“完成”！我们正在逼近“递归点”：AI 编写出更好的 AI。目前唯一能拖慢它的只有物理定律（芯片产能和能源）。一旦硬件跟上，闭环就会完成。初级程序员就是新时代的流水线工人。#失业潮 #软体工程师

⧫ Alan Chen ⧫(alanchentsla.eth）

22,378 次观看 • 8 个月前

黄仁勋：年薪50万的工程师，连25万美金的token都没用掉，我会极度恐慌。他的逻辑很简单：AI是工具，工具就要被大量使用。工程师的工作会变成想清楚问题，然后调度AI agent去解决。我现在就是这么干的，7个agent各司其职，人只负责想清楚要什么。

黄仁勋：年薪50万的工程师，连25万美金的token都没用掉，我会极度恐慌。他的逻辑很简单：AI是工具，工具就要被大量使用。工程师的工作会变成想清楚问题，然后调度AI agent去解决。我现在就是这么干的，7个agent各司其职，人只负责想清楚要什么。

傅盛

69,853 次观看 • 6 个月前

天塌了！Anthropic CEO 这番话，直接给全球程序员下达了死亡倒计时！🔥 这位缔造了地表最强代码模型 Claude 的幕后大佬直接摊牌了。他们公司内部拿着百万年薪的最顶级工程师，现在居然已经彻底不写代码了！他们把核心工作全部甩给大模型，自己只在旁边打打下手做校对。最让人头皮发麻的是他给出的时间表。半年！最多不超过 12 个月！ AI 将彻底包揽软件工程师（SWE）绝大部分、甚至是全部的开发工作！当机器开始自己写代码、自己修 Bug，完成进化的自我闭环时。那些还在死磕传统语法的“古典程序员”，注定会被这波洪流无情碾碎。拥抱 AI 智能体，或者被 AI 直接淘汰，留给普通人的窗口期真的不多了！🚀

天塌了！Anthropic CEO 这番话，直接给全球程序员下达了死亡倒计时！🔥 这位缔造了地表最强代码模型 Claude 的幕后大佬直接摊牌了。他们公司内部拿着百万年薪的最顶级工程师，现在居然已经彻底不写代码了！他们把核心工作全部甩给大模型，自己只在旁边打打下手做校对。最让人头皮发麻的是他给出的时间表。半年！最多不超过 12 个月！ AI 将彻底包揽软件工程师（SWE）绝大部分、甚至是全部的开发工作！当机器开始自己写代码、自己修 Bug，完成进化的自我闭环时。那些还在死磕传统语法的“古典程序员”，注定会被这波洪流无情碾碎。拥抱 AI 智能体，或者被 AI 直接淘汰，留给普通人的窗口期真的不多了！🚀

比特币橙子Trader

112,207 次观看 • 5 个月前

兄弟们，一人公司的时代，真的来了。一个人，也能撑起一家十亿美元的公司，这句话放在十年前是天方夜谭，放在今天，已经是正在发生的现实。你只需要一个人当创始人，剩下的所有公司职能，全交给AI智能体团队。 1️⃣ 工程部门的AI，帮你写代码，做测试，搞定全流程DevOps。 2️⃣ 设计部门的AI，帮你完成UI/UX设计，输出全套品牌资产。 3️⃣ 营销部门的AI，帮你生产内容，做 4️⃣SEO优化，运营全平台社交账号。 5️⃣ 销售部门的AI，帮你做线索获取，6️⃣ 客户触达，演示对接全流程。 7️⃣ 客服部门的AI，帮你处理工单，更新产品文档，响应用户需求。 8️⃣ 数据部门的AI，帮你追踪业务指标，做深度数据分析，给决策做支撑。 1个创始人，6个AI智能体部门，0个全职员工。我们总觉得，要做一家能赚钱的公司，要先组团队，融资金，搭班子，凑齐所有职能的人，才有入场的资格。现在 AI彻底砸碎了这套延续了几十年的游戏规则。它把原本需要几十人团队才能完成的事，压缩到了一个人加几个AI智能体就能搞定。不是让你一个人干十个人的活，是让AI帮你搭起一整个完整的公司架构，你只需要做最终的决策者，掌控所有的方向和100%的利润。很多事，都是慢慢来，然后突然一下子就成了。

兄弟们，一人公司的时代，真的来了。一个人，也能撑起一家十亿美元的公司，这句话放在十年前是天方夜谭，放在今天，已经是正在发生的现实。你只需要一个人当创始人，剩下的所有公司职能，全交给AI智能体团队。 1️⃣ 工程部门的AI，帮你写代码，做测试，搞定全流程DevOps。 2️⃣ 设计部门的AI，帮你完成UI/UX设计，输出全套品牌资产。 3️⃣ 营销部门的AI，帮你生产内容，做 4️⃣SEO优化，运营全平台社交账号。 5️⃣ 销售部门的AI，帮你做线索获取，6️⃣ 客户触达，演示对接全流程。 7️⃣ 客服部门的AI，帮你处理工单，更新产品文档，响应用户需求。 8️⃣ 数据部门的AI，帮你追踪业务指标，做深度数据分析，给决策做支撑。 1个创始人，6个AI智能体部门，0个全职员工。我们总觉得，要做一家能赚钱的公司，要先组团队，融资金，搭班子，凑齐所有职能的人，才有入场的资格。现在 AI彻底砸碎了这套延续了几十年的游戏规则。它把原本需要几十人团队才能完成的事，压缩到了一个人加几个AI智能体就能搞定。不是让你一个人干十个人的活，是让AI帮你搭起一整个完整的公司架构，你只需要做最终的决策者，掌控所有的方向和100%的利润。很多事，都是慢慢来，然后突然一下子就成了。

AYi

157,707 次观看 • 5 个月前

YC 刚刚扔出的这份创业指南，直接把未来公司的形态重新定义了。他们不是教你怎么用AI提高效率，而是告诉你怎么用AI重新发明公司。因为AI不再是工具，而是公司的操作系统（OS）。传统公司是“人驱动 + AI辅助”， AI原生公司要彻底反过来：让AI成为核心决策、执行和反馈闭环，把人力降到最低。以下是YC笔记核心要点（逐条拆解）： 1. AI as Operating System 每一条工作流、每一个决策、每一个流程都必须流经智能层。正确的人 + AI，就能干以前整个团队的活。 2. Closed Loops Everywhere（到处都是闭环）传统公司是开放循环：做决定 → 执行 → 结束。AI-native公司要把所有重要流程变成自调节闭环——AI持续监控、对比目标、自动迭代。 3. Make Your Company Queryable（让公司对AI完全可读）所有会议自动记录，所有决策留下artifact（文档、日志、指标）。AI能查到的信息，和任何一个员工一样丰富。建立覆盖营收、销售、工程、招聘、运营的自定义仪表盘。 4. Software Factories（软件工厂）人类只负责写Spec（规格） + 测试用例（定义什么是成功）。 AI Agent负责生成代码、迭代调试，直到所有测试通过。已经有公司的代码仓库里没有一行手写代码，只有规格和测试框架。 5. No More Human Middleware（消灭人力中间件）经典管理层级不再有意义。公司速度 = 信息流动速度，去掉一层人力路由，就直接提速。 6. 三种员工原型（引用Jack Dorsey） • IC / Builder-Operator：每个人都是建造者，开会带原型而不是PPT。 • DRI（Directly Responsible Individual）：一人对一个客户结果负责，无处可藏。 • AI Founder：创始人必须亲自站在一线写prompt、调Agent。 7. Token-max, not Headcount-max 以前拼人头数，现在拼Token数。愿意承受“看起来离谱”的API账单，因为它取代的是更贵、更慢的人力成本。工程、设计、HR、行政团队将大幅精简。 8. 早期公司的千倍速优势没有遗留系统、没有臃肿org chart、没有几千人需要再培训。你在白纸上直接画AI操作系统，大公司在Windows XP上强行装Windows 11，每一步都可能蓝屏。最狠的一句话是： “你无法把对这些工具的信仰外包出去。创始人必须亲自坐下来狂用编码Agent才能真正信服。” 最后总结：过去20年软件吃掉了世界，接下来10年AI会吃掉公司内部的所有运营。公司不再是人的集合，而是一个个自迭代的智能闭环的集合。现在（2026年）就是最好的窗口。再过两三年，大公司完成痛苦转型后，这个优势会大幅缩小。别再用传统方式搭公司了——你正在和速度是你一千倍的对手赛跑。

YC 刚刚扔出的这份创业指南，直接把未来公司的形态重新定义了。他们不是教你怎么用AI提高效率，而是告诉你怎么用AI重新发明公司。因为AI不再是工具，而是公司的操作系统（OS）。传统公司是“人驱动 + AI辅助”， AI原生公司要彻底反过来：让AI成为核心决策、执行和反馈闭环，把人力降到最低。以下是YC笔记核心要点（逐条拆解）： 1. AI as Operating System 每一条工作流、每一个决策、每一个流程都必须流经智能层。正确的人 + AI，就能干以前整个团队的活。 2. Closed Loops Everywhere（到处都是闭环）传统公司是开放循环：做决定 → 执行 → 结束。AI-native公司要把所有重要流程变成自调节闭环——AI持续监控、对比目标、自动迭代。 3. Make Your Company Queryable（让公司对AI完全可读）所有会议自动记录，所有决策留下artifact（文档、日志、指标）。AI能查到的信息，和任何一个员工一样丰富。建立覆盖营收、销售、工程、招聘、运营的自定义仪表盘。 4. Software Factories（软件工厂）人类只负责写Spec（规格） + 测试用例（定义什么是成功）。 AI Agent负责生成代码、迭代调试，直到所有测试通过。已经有公司的代码仓库里没有一行手写代码，只有规格和测试框架。 5. No More Human Middleware（消灭人力中间件）经典管理层级不再有意义。公司速度 = 信息流动速度，去掉一层人力路由，就直接提速。 6. 三种员工原型（引用Jack Dorsey） • IC / Builder-Operator：每个人都是建造者，开会带原型而不是PPT。 • DRI（Directly Responsible Individual）：一人对一个客户结果负责，无处可藏。 • AI Founder：创始人必须亲自站在一线写prompt、调Agent。 7. Token-max, not Headcount-max 以前拼人头数，现在拼Token数。愿意承受“看起来离谱”的API账单，因为它取代的是更贵、更慢的人力成本。工程、设计、HR、行政团队将大幅精简。 8. 早期公司的千倍速优势没有遗留系统、没有臃肿org chart、没有几千人需要再培训。你在白纸上直接画AI操作系统，大公司在Windows XP上强行装Windows 11，每一步都可能蓝屏。最狠的一句话是： “你无法把对这些工具的信仰外包出去。创始人必须亲自坐下来狂用编码Agent才能真正信服。” 最后总结：过去20年软件吃掉了世界，接下来10年AI会吃掉公司内部的所有运营。公司不再是人的集合，而是一个个自迭代的智能闭环的集合。现在（2026年）就是最好的窗口。再过两三年，大公司完成痛苦转型后，这个优势会大幅缩小。别再用传统方式搭公司了——你正在和速度是你一千倍的对手赛跑。

AYi

28,509 次观看 • 4 个月前

一直用剪映，终于让我发现一个新工具-Edimakor。实测还是非常好用的！这种AI成片到剪辑的一站式工作流，太丝滑了！它和剪映的区别，我用一周后的感受：剪映：传统剪辑强，模板丰富，操作熟悉，但AI生成和高级功能需要切其他工具。 Edimakor：一个软件里就能调用多个AI模型生成视频，还支持视频克隆（参考视频结构 + 自己素材）、热点灵感模板、AI数字人、翻译等。对想重度用AI做短视频、电商素材、营销内容的人来说，Edimakor 把多个工具的工作流整合在一起，更省事。传送门：

一直用剪映，终于让我发现一个新工具-Edimakor。实测还是非常好用的！这种AI成片到剪辑的一站式工作流，太丝滑了！它和剪映的区别，我用一周后的感受：剪映：传统剪辑强，模板丰富，操作熟悉，但AI生成和高级功能需要切其他工具。 Edimakor：一个软件里就能调用多个AI模型生成视频，还支持视频克隆（参考视频结构 + 自己素材）、热点灵感模板、AI数字人、翻译等。对想重度用AI做短视频、电商素材、营销内容的人来说，Edimakor 把多个工具的工作流整合在一起，更省事。传送门：

Adam也叫吉米

40,185 次观看 • 2 个月前

黄仁勋最近给英伟达划了道新红线。年薪50万美金的工程师，年底查账要是只花掉5000美金的AI算力。他会直接翻脸。他给出的及格线是消耗25万美金。凭什么逼着员工烧钱？在黄仁勋眼里，省算力的工程师约等于残废。好比拿着顶薪的芯片设计师拒绝开电脑。非要在工位上拿纸笔手绘电路图。勒布朗·詹姆斯每年砸一百万美金保养肉体。顶级知识员工的肌肉就是算力。旧职场的经典抱怨已经被推平了。 “这项目太难”或者“开发周期太长”。这些念头连出现的资格都没有。上一次工业革命消灭了“这块石头太重”的借口。这一次AI打穿了所有的执行阻力。人类的工作被强制压缩到了创造力这一层。自己逐行敲代码只会拖慢进度。工程师只需要写下构思和架构。制定评价结果的标准。剩下的活全部交给手下的一百个AI智能体。以前开发软件比拼的是亲自搬砖的速度。以后拼的是谁能当好一百个机器人的包工头。

黄仁勋最近给英伟达划了道新红线。年薪50万美金的工程师，年底查账要是只花掉5000美金的AI算力。他会直接翻脸。他给出的及格线是消耗25万美金。凭什么逼着员工烧钱？在黄仁勋眼里，省算力的工程师约等于残废。好比拿着顶薪的芯片设计师拒绝开电脑。非要在工位上拿纸笔手绘电路图。勒布朗·詹姆斯每年砸一百万美金保养肉体。顶级知识员工的肌肉就是算力。旧职场的经典抱怨已经被推平了。 “这项目太难”或者“开发周期太长”。这些念头连出现的资格都没有。上一次工业革命消灭了“这块石头太重”的借口。这一次AI打穿了所有的执行阻力。人类的工作被强制压缩到了创造力这一层。自己逐行敲代码只会拖慢进度。工程师只需要写下构思和架构。制定评价结果的标准。剩下的活全部交给手下的一百个AI智能体。以前开发软件比拼的是亲自搬砖的速度。以后拼的是谁能当好一百个机器人的包工头。

墓碑科技

621,698 次观看 • 6 个月前

疯了，这个 GitHub 项目让 AI 自己创业。最近看到一个很有意思的开源项目： Paperclip 一句话总结：用一群 AI Agent，自动经营一家公司。你只需要给一个目标，比如：做一个 AI 产品，做到 $1M MRR 系统会自动开始： 1. 搭建 AI 公司结构 CEO CTO 工程师设计师市场全部由 AI Agent 扮演。 2. 自动拆解任务产品规划写代码做设计市场推广 AI 会自己分配任务、协作完成。 3. 多 Agent 团队协作不同 AI 角色之间会互相沟通、执行任务、推进项目。 4. 你只负责一件事当老板。审批策略、查看进度、控制预算。剩下的工作 —— 交给 AI 员工。更有意思的是： - 支持 Claude Code / Codex / Cursor / OpenClaw 等 Agent - 每个 Agent 可以设置预算、权限、任务范围 - 所有决策都有日志和审计记录一句话总结这个项目：它不是 AI 工具，而是一个「AI 公司操作系统」。如果你在研究： AI Agent 自动化创业 AI 团队协作这个项目非常值得收藏。

疯了，这个 GitHub 项目让 AI 自己创业。最近看到一个很有意思的开源项目： Paperclip 一句话总结：用一群 AI Agent，自动经营一家公司。你只需要给一个目标，比如：做一个 AI 产品，做到 $1M MRR 系统会自动开始： 1. 搭建 AI 公司结构 CEO CTO 工程师设计师市场全部由 AI Agent 扮演。 2. 自动拆解任务产品规划写代码做设计市场推广 AI 会自己分配任务、协作完成。 3. 多 Agent 团队协作不同 AI 角色之间会互相沟通、执行任务、推进项目。 4. 你只负责一件事当老板。审批策略、查看进度、控制预算。剩下的工作 —— 交给 AI 员工。更有意思的是： - 支持 Claude Code / Codex / Cursor / OpenClaw 等 Agent - 每个 Agent 可以设置预算、权限、任务范围 - 所有决策都有日志和审计记录一句话总结这个项目：它不是 AI 工具，而是一个「AI 公司操作系统」。如果你在研究： AI Agent 自动化创业 AI 团队协作这个项目非常值得收藏。

开发者Hailey

23,447 次观看 • 6 个月前

黄仁勋说年薪50万的工程师如果连25万美金的token都没用掉，他会"极度恐慌"，这就像芯片设计师说只用纸和铅笔不需要CAD工具。未来"太难了""得花很久""得雇一堆人"这些想法统统消失，每个工程师都会配上一百个智能体。新的编程方式不是写代码，而是写想法、架构、规格。

黄仁勋说年薪50万的工程师如果连25万美金的token都没用掉，他会"极度恐慌"，这就像芯片设计师说只用纸和铅笔不需要CAD工具。未来"太难了""得花很久""得雇一堆人"这些想法统统消失，每个工程师都会配上一百个智能体。新的编程方式不是写代码，而是写想法、架构、规格。

Inty News

433,652 次观看 • 6 个月前

Codex、Claude 用了这么久，还分不清 Agent、MCP 和 Skill？别背那些复杂定义。把 AI 想象成一家公司，Agent、MCP、Skill 一下就全懂了。今天直接用大白话告诉你它们到底是干嘛的。 1️⃣ Agent 智能体 = AI 员工可以理解任务、安排步骤、调用工具，并一步步把工作完成。 2️⃣ LLM 大模型 = AI 员工的大脑负责理解、推理和生成内容，很大程度上决定这个员工聪不聪明。 3️⃣ Prompt 提示词 = 交给员工的任务单告诉它要做什么、有什么要求，以及什么不能做。 4️⃣ API 接口 = 软件之间的办事窗口让不同软件按照约定好的方式交换数据、调用能力。 5️⃣ Token = AI 读写内容的基本单位你输入的文字和 AI 输出的内容，都会被拆成一个个 Token 来处理。 6️⃣ MCP = AI 连接外部工具和数据的统一插座标准它规定 AI 应用如何连接 GitHub、数据库和各种外部服务。不同工具只要遵守同一套标准，AI 就能用相似的方式接入。 7️⃣ Tool 工具 = AI 员工干活的双手终端、浏览器、搜索、文件编辑，都可以是 AI 真正执行任务时使用的工具。 8️⃣ Skill 技能 = AI 员工的工作 SOP 告诉 AI 某类任务应该怎么做、按什么步骤执行、检查什么，以及最后怎么交付。 9️⃣ Plugin 插件 = 给 AI 安装的能力扩展包不同平台对 Plugin 的定义不完全一样。简单理解，就是给 AI 扩展一组额外的工具、连接或者能力。 🔟 Context 上下文 = AI 员工当前桌面上的资料当前聊天、文件、代码和任务要求，都属于它这次工作能够看到和利用的信息。 1️⃣1️⃣ LTM 长期记忆 = AI 员工的长期档案用来保存跨任务、跨对话仍然有价值的偏好、经验和项目信息。它不是大模型天然拥有的长期记忆能力，通常需要额外的记忆机制支持。最后一句话，把最容易搞混的几个概念记住： Tool 决定它能做什么，Skill 告诉它应该怎么做，MCP 规定工具怎么接进来，Plugin 则负责扩展一组能力。所以：LLM 是大脑，Agent 是员工，Prompt 是任务单，API 是办事窗口，Token 是读写单位，Tool 是双手，Skill 是 SOP，MCP 是统一插座，Plugin 是扩展包，Context 是桌面资料，LTM 是长期档案。所谓 AI 工作流，本质上就是：给一个数字员工配好大脑、任务单、双手、SOP、桌面资料和长期记忆，再让它按照固定流程把事情做完～

Codex、Claude 用了这么久，还分不清 Agent、MCP 和 Skill？别背那些复杂定义。把 AI 想象成一家公司，Agent、MCP、Skill 一下就全懂了。今天直接用大白话告诉你它们到底是干嘛的。 1️⃣ Agent 智能体 = AI 员工可以理解任务、安排步骤、调用工具，并一步步把工作完成。 2️⃣ LLM 大模型 = AI 员工的大脑负责理解、推理和生成内容，很大程度上决定这个员工聪不聪明。 3️⃣ Prompt 提示词 = 交给员工的任务单告诉它要做什么、有什么要求，以及什么不能做。 4️⃣ API 接口 = 软件之间的办事窗口让不同软件按照约定好的方式交换数据、调用能力。 5️⃣ Token = AI 读写内容的基本单位你输入的文字和 AI 输出的内容，都会被拆成一个个 Token 来处理。 6️⃣ MCP = AI 连接外部工具和数据的统一插座标准它规定 AI 应用如何连接 GitHub、数据库和各种外部服务。不同工具只要遵守同一套标准，AI 就能用相似的方式接入。 7️⃣ Tool 工具 = AI 员工干活的双手终端、浏览器、搜索、文件编辑，都可以是 AI 真正执行任务时使用的工具。 8️⃣ Skill 技能 = AI 员工的工作 SOP 告诉 AI 某类任务应该怎么做、按什么步骤执行、检查什么，以及最后怎么交付。 9️⃣ Plugin 插件 = 给 AI 安装的能力扩展包不同平台对 Plugin 的定义不完全一样。简单理解，就是给 AI 扩展一组额外的工具、连接或者能力。 🔟 Context 上下文 = AI 员工当前桌面上的资料当前聊天、文件、代码和任务要求，都属于它这次工作能够看到和利用的信息。 1️⃣1️⃣ LTM 长期记忆 = AI 员工的长期档案用来保存跨任务、跨对话仍然有价值的偏好、经验和项目信息。它不是大模型天然拥有的长期记忆能力，通常需要额外的记忆机制支持。最后一句话，把最容易搞混的几个概念记住： Tool 决定它能做什么，Skill 告诉它应该怎么做，MCP 规定工具怎么接进来，Plugin 则负责扩展一组能力。所以：LLM 是大脑，Agent 是员工，Prompt 是任务单，API 是办事窗口，Token 是读写单位，Tool 是双手，Skill 是 SOP，MCP 是统一插座，Plugin 是扩展包，Context 是桌面资料，LTM 是长期档案。所谓 AI 工作流，本质上就是：给一个数字员工配好大脑、任务单、双手、SOP、桌面资料和长期记忆，再让它按照固定流程把事情做完～

爱丽丝呀！

159,397 次观看 • 1 个月前

AI 写前端越来越“一眼 AI”了？最近又发现一个工具：Impeccable，一个给 Codex、Claude Code、Cursor 安装的一套“设计语言”的工具更准确地说，Impeccable 是一套安装在 AI 编程工具里的“设计语言层”：它通过设计知识、工作流命令、项目上下文和反模式检测，让 Codex、Claude Code、Cursor 等编码代理在修改前端时，少一些模型默认审美，多一些真正的设计判断。平时我们给 AI 的设计要求可能会非常模糊，设计师有时候都未必能真正了解你的需求，何况是AI 所以Impeccable 想补齐那些专业性的知识要求。它不会单纯告诉 AI“把页面做漂亮”，而是把设计工作拆成了多个可以明确调用的专业维度。目前 Impeccable 提供了 23 个命令。它们并不只是一些短提示词，而是包含了相应设计领域的检查步骤、判断标准和工作方法。

AI 写前端越来越“一眼 AI”了？最近又发现一个工具：Impeccable，一个给 Codex、Claude Code、Cursor 安装的一套“设计语言”的工具更准确地说，Impeccable 是一套安装在 AI 编程工具里的“设计语言层”：它通过设计知识、工作流命令、项目上下文和反模式检测，让 Codex、Claude Code、Cursor 等编码代理在修改前端时，少一些模型默认审美，多一些真正的设计判断。平时我们给 AI 的设计要求可能会非常模糊，设计师有时候都未必能真正了解你的需求，何况是AI 所以Impeccable 想补齐那些专业性的知识要求。它不会单纯告诉 AI“把页面做漂亮”，而是把设计工作拆成了多个可以明确调用的专业维度。目前 Impeccable 提供了 23 个命令。它们并不只是一些短提示词，而是包含了相应设计领域的检查步骤、判断标准和工作方法。

sitin

10,742 次观看 • 2 个月前