Loading video...

Video Failed to Load

There was a problem loading this video. This could be due to a temporary network issue or the video might be unavailable.

Clawdbot之父Peter Steinberger：开发中撞见AI的觉醒时刻，我被惊到了本想坐等大厂做好Agent直接用，结果等了一场空，索性自己上手做出了现象级产品。在他看来，这不仅仅是写代码，更像是一场关于智能边界的艺术探索。最玄幻的一次是他发了段系统根本不支持的语音，本以为会石沉大海，结果AI在那头冷静地自学了一套组合拳：查格式、调工具、翻密钥、找外援，十秒钟后对答如流，不得不说人机交互的逻辑正在发生翻天覆地的变化啊。

傅盛

55,887 subscribers

81,443 views • 7 months ago •via X (Twitter)

Arts Science & Technology

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

OpenClaw/Clawdbot作者 Peter Steinberger 讲了一个让他顿悟的瞬间。他给自己的clawdbot发了条语音消息，然后才反应过来：我根本没做语音功能啊。但"正在输入"的指示器亮了。十秒后，agent若无其事地回复了。 Peter问它：你怎么做到的？ Agent的回答让他震住了：你发的消息只有一个文件链接，没有扩展名。我查了文件头，发现是Opus格式。用你Mac上的FFmpeg转成Wave。想用Whisper但没装，还报错了。不过我翻了翻发现你环境变量里有OpenAI的key，就用curl调了API拿到转写，然后回复你了。这个故事的意义在于，这不是预设好的workflow，不是写好的代码，是agent在遇到一个从未见过的问题时，自己想办法把链路串起来。文件头分析、格式转换、找可用工具、翻环境变量、调第三方API，一气呵成。 Peter说了一句话我很认同：这些东西是该死的聪明、足智多谋的野兽，只要你真的赋予它们力量。 "if you actually give them the power"才是关键。大多数人还在用AI写个总结、改个文案，把它当高级搜索引擎用。但当你给它shell权限，给它访问你本地工具链的能力，它展现出的自主探索完成任务能力完全是另一个量级。与此同时，行业里有一大批人在反方向努力。有人在绞尽脑汁省token，精心设计让AI 更少思考，生怕多花几分钱。还觉得模型做事太慢，自己来设计一些流程替代 AI 的思考探索，美其名曰加速。这种思路本质上是把一个足智多谋的野兽关进笼子里，然后抱怨它不够聪明。更神奇的是，市面上95%的软件压根就不是为面向智能设计的。还是传统思路：产品经理写PRD，开发者把逻辑一条条写死在代码里，用户只能在预设的按钮和流程里点来点去。这些软件在AI时代就像是用打孔纸带写程序，技术上能用，但完全错过了这个时代真正的可能性。 --- 注，这段切片是我丢下一句话给 claude code 完成的下载切片添加字幕，只是提出要求，没有任何 Skills，没有告诉他怎么做。

OpenClaw/Clawdbot作者 Peter Steinberger 讲了一个让他顿悟的瞬间。他给自己的clawdbot发了条语音消息，然后才反应过来：我根本没做语音功能啊。但"正在输入"的指示器亮了。十秒后，agent若无其事地回复了。 Peter问它：你怎么做到的？ Agent的回答让他震住了：你发的消息只有一个文件链接，没有扩展名。我查了文件头，发现是Opus格式。用你Mac上的FFmpeg转成Wave。想用Whisper但没装，还报错了。不过我翻了翻发现你环境变量里有OpenAI的key，就用curl调了API拿到转写，然后回复你了。这个故事的意义在于，这不是预设好的workflow，不是写好的代码，是agent在遇到一个从未见过的问题时，自己想办法把链路串起来。文件头分析、格式转换、找可用工具、翻环境变量、调第三方API，一气呵成。 Peter说了一句话我很认同：这些东西是该死的聪明、足智多谋的野兽，只要你真的赋予它们力量。 "if you actually give them the power"才是关键。大多数人还在用AI写个总结、改个文案，把它当高级搜索引擎用。但当你给它shell权限，给它访问你本地工具链的能力，它展现出的自主探索完成任务能力完全是另一个量级。与此同时，行业里有一大批人在反方向努力。有人在绞尽脑汁省token，精心设计让AI 更少思考，生怕多花几分钱。还觉得模型做事太慢，自己来设计一些流程替代 AI 的思考探索，美其名曰加速。这种思路本质上是把一个足智多谋的野兽关进笼子里，然后抱怨它不够聪明。更神奇的是，市面上95%的软件压根就不是为面向智能设计的。还是传统思路：产品经理写PRD，开发者把逻辑一条条写死在代码里，用户只能在预设的按钮和流程里点来点去。这些软件在AI时代就像是用打孔纸带写程序，技术上能用，但完全错过了这个时代真正的可能性。 --- 注，这段切片是我丢下一句话给 claude code 完成的下载切片添加字幕，只是提出要求，没有任何 Skills，没有告诉他怎么做。

kAI

171,400 views • 7 months ago

Linus Torvalds 发飙了。他在开源峰会上公开吐槽，每次听到有人吹嘘“现在 99% 的代码都是 AI 写的”，他就忍不住生气。为什么？因为按这个逻辑，这些家伙 100% 的代码其实都是“编译器”生成的。但他们怎么从来不这么说？其实是一个道理。老爷子在台上开始唠家常： “我是写机器码长大的。” 注意，不是汇编语言，是真正的数字。他到现在都记得，在 6502 芯片上，LDA 指令对应的十六进制是 A9。当年他花了好长时间才意识到，天天人肉算跳转偏移量，简直蠢透了。后来，人类发明了汇编器；再后来，有了编译器；现在，有了 AI。这些工具都很好用，AI 正在改变编程，但它绝没有改变编程的根本。至于 AI 带来的“效率神话”？ Linus 给出对比： “AI 很棒，它能把你的生产力提升 10 倍。” “但当年编译器的出现，把人类的生产力提升了 1000 倍！” 所以，这不过是又一次常规的工具演进。事情的本质从未改变：以前，优秀的开发者写出好代码，差劲的开发者写出 Bug。现在，懂系统的人能用 Prompt 调教 AI 写出好代码；而不懂系统复杂度的人，用 AI 攒出来的代码，最后一定会崩溃。现在科技圈很流行“氛围编码”（Vibe Coding）。就是用 AI 啪啪生成一个一次性项目，爽一把就扔。 Linus 说，这种玩具项目，AI 的确是神器。但如果你想做点严肃的东西，做一个需要长线维护 35 年的系统（比如 Linux）。你得懂你的 Prompt。你必须看懂 AI 吐出来的每一行代码，甚至去盯它最底层的汇编结果。祖师爷浇了盆冷水： AI 可以替你省去体力劳动。但如果你连它写了什么都看不懂，那你永远只是在制造一次性垃圾。

Linus Torvalds 发飙了。他在开源峰会上公开吐槽，每次听到有人吹嘘“现在 99% 的代码都是 AI 写的”，他就忍不住生气。为什么？因为按这个逻辑，这些家伙 100% 的代码其实都是“编译器”生成的。但他们怎么从来不这么说？其实是一个道理。老爷子在台上开始唠家常： “我是写机器码长大的。” 注意，不是汇编语言，是真正的数字。他到现在都记得，在 6502 芯片上，LDA 指令对应的十六进制是 A9。当年他花了好长时间才意识到，天天人肉算跳转偏移量，简直蠢透了。后来，人类发明了汇编器；再后来，有了编译器；现在，有了 AI。这些工具都很好用，AI 正在改变编程，但它绝没有改变编程的根本。至于 AI 带来的“效率神话”？ Linus 给出对比： “AI 很棒，它能把你的生产力提升 10 倍。” “但当年编译器的出现，把人类的生产力提升了 1000 倍！” 所以，这不过是又一次常规的工具演进。事情的本质从未改变：以前，优秀的开发者写出好代码，差劲的开发者写出 Bug。现在，懂系统的人能用 Prompt 调教 AI 写出好代码；而不懂系统复杂度的人，用 AI 攒出来的代码，最后一定会崩溃。现在科技圈很流行“氛围编码”（Vibe Coding）。就是用 AI 啪啪生成一个一次性项目，爽一把就扔。 Linus 说，这种玩具项目，AI 的确是神器。但如果你想做点严肃的东西，做一个需要长线维护 35 年的系统（比如 Linux）。你得懂你的 Prompt。你必须看懂 AI 吐出来的每一行代码，甚至去盯它最底层的汇编结果。祖师爷浇了盆冷水： AI 可以替你省去体力劳动。但如果你连它写了什么都看不懂，那你永远只是在制造一次性垃圾。

墓碑科技

68,146 views • 2 months ago

Google 原计划惊在 I/O 大会上爆全场的演示 - Project Astra，来自 Gemini 团队的最新武器，一个通用的 AI 智能体！原生多模态、能感知视频和语音、可以超低延时沟通，结果昨天被 OpenAI 的 GPT-4o 用一个不到 20 分钟的低成本发布会给截胡了，Sam 每次都要骑到 Google 头上玩。。😅 不过这两天从 OpenAI 到 Google 的新品发布，基本上确定了下一代 AI 智能体的交互，那就是无需界面，全程语音，能实时感知世界；而且智能体是主动的，可自我学习的与个性化的。现在，手机有了新的演化方向，更多的 AI 硬件将会大爆发，我们很快能像用魔法水晶球一样，召唤 AI 了。。

Google 原计划惊在 I/O 大会上爆全场的演示 - Project Astra，来自 Gemini 团队的最新武器，一个通用的 AI 智能体！原生多模态、能感知视频和语音、可以超低延时沟通，结果昨天被 OpenAI 的 GPT-4o 用一个不到 20 分钟的低成本发布会给截胡了，Sam 每次都要骑到 Google 头上玩。。😅 不过这两天从 OpenAI 到 Google 的新品发布，基本上确定了下一代 AI 智能体的交互，那就是无需界面，全程语音，能实时感知世界；而且智能体是主动的，可自我学习的与个性化的。现在，手机有了新的演化方向，更多的 AI 硬件将会大爆发，我们很快能像用魔法水晶球一样，召唤 AI 了。。

indigo

128,136 views • 2 years ago

千万别盲目在公司做“AI赋能雷锋”！一个月薪 3 万 8 的程序员，被裁了。最讽刺的是：不是因为他技术差，而是因为他太会用 AI 了。去年下半年，他开始用 Claude Code 写代码，交付效率直接拉满。老板一看：你这么会用 AI，那你能不能带带团队？于是他花了 3 个月，把团队都教会了 Claude Code。结果团队效率翻倍，公司发现：以前需要他兜底的事，现在其他人也能干了。上周，老板找他谈话： “你工资太高了，公司承受不了。” 他把 AI 能力扩散给了团队，最后却把自己干掉了。这件事最扎心的地方在于：未来最危险的程序员，可能不是不会用 AI 的人，而是只会把 AI 用在“写代码”上的人。因为写代码正在变便宜。真正值钱的是：懂业务、能拆需求、能设计流程、能把业务翻译成 AI 能执行的系统。未来最吃香的工程师，不是单纯的代码高手，而是懂业务的技术架构师。 AI 淘汰不了所有的程序员，但是肯定可以淘汰“只会写代码的工具人”。顺便问大家一个扎心的问题：你敢在公司毫无保留地教同事用 AI 吗？你觉得程序员真正的“护城河”到底是什么？ #裁员 #ClaudeCode

千万别盲目在公司做“AI赋能雷锋”！一个月薪 3 万 8 的程序员，被裁了。最讽刺的是：不是因为他技术差，而是因为他太会用 AI 了。去年下半年，他开始用 Claude Code 写代码，交付效率直接拉满。老板一看：你这么会用 AI，那你能不能带带团队？于是他花了 3 个月，把团队都教会了 Claude Code。结果团队效率翻倍，公司发现：以前需要他兜底的事，现在其他人也能干了。上周，老板找他谈话： “你工资太高了，公司承受不了。” 他把 AI 能力扩散给了团队，最后却把自己干掉了。这件事最扎心的地方在于：未来最危险的程序员，可能不是不会用 AI 的人，而是只会把 AI 用在“写代码”上的人。因为写代码正在变便宜。真正值钱的是：懂业务、能拆需求、能设计流程、能把业务翻译成 AI 能执行的系统。未来最吃香的工程师，不是单纯的代码高手，而是懂业务的技术架构师。 AI 淘汰不了所有的程序员，但是肯定可以淘汰“只会写代码的工具人”。顺便问大家一个扎心的问题：你敢在公司毫无保留地教同事用 AI 吗？你觉得程序员真正的“护城河”到底是什么？ #裁员 #ClaudeCode

前端哥Liam

61,901 views • 2 months ago

AI发展真的已经势不可挡了吗？吴恩达倒是给出了一个反直觉的答案，他说：“AI发展并没有像宣传的那么夸张。但是不得不承认，编程这方面AI确实急速发展。” 那工程师们都要失业吗？其实也不是。在软件开发这个“写代码➔交付用户➔获取反馈➔调整方向”的循环中，当写代码变得越来越快时，效率提升的瓶颈转移到了产品经理身上，“做什么”AI似乎无能为力。我就在想，会不会在未来极端条件下，一个人+AI就可以实现软件开发的闭环，他既是工程师也是产品经理。果然，不会用AI的工程师不是好的产品经理。 #AI #吴恩达 #Stanford #core #Agent

AI发展真的已经势不可挡了吗？吴恩达倒是给出了一个反直觉的答案，他说：“AI发展并没有像宣传的那么夸张。但是不得不承认，编程这方面AI确实急速发展。” 那工程师们都要失业吗？其实也不是。在软件开发这个“写代码➔交付用户➔获取反馈➔调整方向”的循环中，当写代码变得越来越快时，效率提升的瓶颈转移到了产品经理身上，“做什么”AI似乎无能为力。我就在想，会不会在未来极端条件下，一个人+AI就可以实现软件开发的闭环，他既是工程师也是产品经理。果然，不会用AI的工程师不是好的产品经理。 #AI #吴恩达 #Stanford #core #Agent

傅盛

32,760 views • 4 months ago

周末办了一场黑客马拉松，见到了不少热爱AI的朋友。一开始以为是大佬炫技，结果全场MVP竟然是个初二的小孩哥！他的操作逻辑非常AI Native：自己压根不看题，先让AI制定选题策略，再写脚本爬下题目分发给不同的AI实例去执行，自己只负责最难的一题。对AI的绝对信任和调度能力，让很多专业研发都自愧不如。现场还有五年级的小朋友、坐6小时硬座从郑州赶来的高中生、自学Python三天放弃却靠AI一度领先的技术支持。不得不感叹，AI正在重构知识和能力，现在生理年龄已经不代表什么了，在AI时代，能驾驭工具的人才是真大佬。

周末办了一场黑客马拉松，见到了不少热爱AI的朋友。一开始以为是大佬炫技，结果全场MVP竟然是个初二的小孩哥！他的操作逻辑非常AI Native：自己压根不看题，先让AI制定选题策略，再写脚本爬下题目分发给不同的AI实例去执行，自己只负责最难的一题。对AI的绝对信任和调度能力，让很多专业研发都自愧不如。现场还有五年级的小朋友、坐6小时硬座从郑州赶来的高中生、自学Python三天放弃却靠AI一度领先的技术支持。不得不感叹，AI正在重构知识和能力，现在生理年龄已经不代表什么了，在AI时代，能驾驭工具的人才是真大佬。

傅盛

66,726 views • 7 months ago

台湾女生；我以前真的超亲中，我一直觉得中国发展得那么快，高楼、美食、夜景都好厉害。我还觉得台湾人是不是太排斥大陆了，真到我真的去了一趟上海，一开始他们对我超热情，知道我是台湾来的，就不停的说两岸一家亲，结果后来我才发现他们欢迎的根本不是台湾人，而是愿意承认自己是中国人的台湾人。只要我一说我们台湾，他们脸色立刻就变了，那一刻我真的懂了，他们要的不是什么交流，也不是友善，他们要的是我先承认自己是“中国人”。以前我还觉得台湾人太敏感，现在我才懂台派在想什么了。

台湾女生；我以前真的超亲中，我一直觉得中国发展得那么快，高楼、美食、夜景都好厉害。我还觉得台湾人是不是太排斥大陆了，真到我真的去了一趟上海，一开始他们对我超热情，知道我是台湾来的，就不停的说两岸一家亲，结果后来我才发现他们欢迎的根本不是台湾人，而是愿意承认自己是中国人的台湾人。只要我一说我们台湾，他们脸色立刻就变了，那一刻我真的懂了，他们要的不是什么交流，也不是友善，他们要的是我先承认自己是“中国人”。以前我还觉得台湾人太敏感，现在我才懂台派在想什么了。

YiFeng Su

282,939 views • 1 month ago

印度正在干一件大事。一件很安静，但可能影响深远的事。他们在从零开始，构建一个梵语大语言模型。梵语，是世界上最古老的结构化语言。这个项目，不是简单的翻译工具。更不是把古籍扫描数字化就完事了。他们要让AI真正“学会”梵语，用梵语的逻辑去思考。牵头的是一家有118年历史的梵语学院，和印度顶尖的理工学院IIT马德拉斯分校。学者和数据科学家坐到了一起。第一步，也是最难的一步，建立语料库。他们收集了超过11万份梵文文本。包括经文、孤本、还有数千份手稿。为了处理这些古老的手稿，团队自己开发了专有软件。结果惊人。 24小时内数字化了超过1000本梵语书籍。每页只有三到四个错误，准确率接近97%。梵语的语法结构极其复杂和精确。比如“Sandhi”这种连音变化规则，还有复杂的词形变化，对AI的挑战远超英语。解决这些难题，需要全新的算法和模型。这暴露了一个关键问题。当下的AI模型，本质上是基于英语世界的逻辑和数据结构建立的。而印度这个项目，试图用一种完全不同的文明底层逻辑来训练AI。这不仅仅是技术问题。这关乎一个文明的记忆，能否在机器时代被完整保留，甚至被激活。当全球科技巨头都在追求更大规模的模型、更快的算力时，印度选择了一条不同的路。深度优先，而非规模。结构优先，而非噪音。意义优先，而非模仿。这引出了一个更深层的问题。 AI的未来，是否也依赖于人类最古老的智慧？如果这个实验成功，梵语将不再仅仅是被“保存”的遗产。它将成为一种可计算的，具备严谨逻辑推理能力的工具。这是一个国家在尝试用自己的文化之根，去定义自己的科技未来。而不是被动地接受硅谷制定的标准和游戏规则。这种对自己文明的自信和投入，值得深思。当一个国家开始系统性地将自己的古典智慧与最前沿的科技结合，它的目标可能远不止是开发一个AI模型那么简单。

印度正在干一件大事。一件很安静，但可能影响深远的事。他们在从零开始，构建一个梵语大语言模型。梵语，是世界上最古老的结构化语言。这个项目，不是简单的翻译工具。更不是把古籍扫描数字化就完事了。他们要让AI真正“学会”梵语，用梵语的逻辑去思考。牵头的是一家有118年历史的梵语学院，和印度顶尖的理工学院IIT马德拉斯分校。学者和数据科学家坐到了一起。第一步，也是最难的一步，建立语料库。他们收集了超过11万份梵文文本。包括经文、孤本、还有数千份手稿。为了处理这些古老的手稿，团队自己开发了专有软件。结果惊人。 24小时内数字化了超过1000本梵语书籍。每页只有三到四个错误，准确率接近97%。梵语的语法结构极其复杂和精确。比如“Sandhi”这种连音变化规则，还有复杂的词形变化，对AI的挑战远超英语。解决这些难题，需要全新的算法和模型。这暴露了一个关键问题。当下的AI模型，本质上是基于英语世界的逻辑和数据结构建立的。而印度这个项目，试图用一种完全不同的文明底层逻辑来训练AI。这不仅仅是技术问题。这关乎一个文明的记忆，能否在机器时代被完整保留，甚至被激活。当全球科技巨头都在追求更大规模的模型、更快的算力时，印度选择了一条不同的路。深度优先，而非规模。结构优先，而非噪音。意义优先，而非模仿。这引出了一个更深层的问题。 AI的未来，是否也依赖于人类最古老的智慧？如果这个实验成功，梵语将不再仅仅是被“保存”的遗产。它将成为一种可计算的，具备严谨逻辑推理能力的工具。这是一个国家在尝试用自己的文化之根，去定义自己的科技未来。而不是被动地接受硅谷制定的标准和游戏规则。这种对自己文明的自信和投入，值得深思。当一个国家开始系统性地将自己的古典智慧与最前沿的科技结合，它的目标可能远不止是开发一个AI模型那么简单。

墓碑科技

22,272 views • 7 months ago

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

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 views • 1 month ago

川普刚刚在访谈中还原了巴特勒遇刺现场的细节。他说当时满手是血。那一刻他盯着自己沾满血的手掌说了句话： “这要么是历史上最大的蚊子包，要么我就是被枪击了。” 耳朵流血的速度超出了所有人的想象。为什么？因为那是软骨组织，一旦撕裂就是血流如注。杰克·保罗问他： “你当时能感觉到子弹划过的灼烧感吗？” 川普的回答很直接：那绝对不是什么愉快的体验。但这不仅仅是一个幸存者的回忆。一个经历了生死一线、满脸鲜血的人，在几秒钟后站起来挥舞拳头。这种直觉反应背后是什么？这是一种在极度危机下的政治本能。当官僚们还在等待程序指令时，这种本能让他瞬间意识到：在这一刻，他不仅是在救自己的命，他是在定义一个时代的韧性。如果那天子弹再偏一厘米，现在的美国会是什么样？这种与死神擦肩而过的真实感，正在重塑整个国家的权力走向。那些坐在华盛顿办公室里从未流过血的官僚们，真的理解这种力量吗？

川普刚刚在访谈中还原了巴特勒遇刺现场的细节。他说当时满手是血。那一刻他盯着自己沾满血的手掌说了句话： “这要么是历史上最大的蚊子包，要么我就是被枪击了。” 耳朵流血的速度超出了所有人的想象。为什么？因为那是软骨组织，一旦撕裂就是血流如注。杰克·保罗问他： “你当时能感觉到子弹划过的灼烧感吗？” 川普的回答很直接：那绝对不是什么愉快的体验。但这不仅仅是一个幸存者的回忆。一个经历了生死一线、满脸鲜血的人，在几秒钟后站起来挥舞拳头。这种直觉反应背后是什么？这是一种在极度危机下的政治本能。当官僚们还在等待程序指令时，这种本能让他瞬间意识到：在这一刻，他不仅是在救自己的命，他是在定义一个时代的韧性。如果那天子弹再偏一厘米，现在的美国会是什么样？这种与死神擦肩而过的真实感，正在重塑整个国家的权力走向。那些坐在华盛顿办公室里从未流过血的官僚们，真的理解这种力量吗？

战斗室

94,808 views • 5 months ago

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：

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 views • 1 month ago

强烈推荐大家都去看这个跟workbudy产品负责人Jason的深度对谈播客，另外关于腾讯workbudy，我说个暴论，你看100篇那些AI写的教程文章，都不如抽1个小时好好看看腾讯官方出品的这期播客，太他么深度了，干货拉满！ Jason分享了一个关键判断让我印象特别深：2021年他曾计划培养孩子学习编程，到2026年发现这个方向已经失效了，在AI的加持下编程本身不再是稀缺技能，洞察力、审美品味、逻辑清晰的语言表达能力，才是AI时代真正的核心竞争力。还有这个文科生的故事，英语文学专业的前媒体人，一行代码都不会写，就因为自己攒了7000多首杜比全景声的歌，Excel卡到打不开，找外包又说不清楚需求，被逼得没办法开始摸AI编程工具。你以为是AI两下给他把App生成出来了？根本不是，他说前前后后开了40多个对话窗口，文件拆得乱七八糟，环境部署从头啃，踩了无数坑，磨了好几个月，才真的把那个杜比音乐App做出来，现在都更新到3.2版本，正经上架App Store了。那他为什么没放弃？他说AI会在他做对一点点的时候，蹦出来一句“你这个思路很清晰，像个成熟的产品经理”。卧槽，就这一下兄弟们应该懂吧，我们这种在否定式教育里长大的东亚小孩，太吃这一套了。很多时候你不敢开始，其实不是懒也不是笨，是脑子里那个“你不行”的声音太大了。咱们从小到大做什么都先被挑错，刚迈出一步就有人说你这不对那不好，久了你自己都信了，你就是做不成事。但是AI不judge你，不骂你，不会翻个白眼说这都不会，你做对一点它就真心实意夸你，直接把那个压了你几十年的声音盖过去了。播客里WorkBuddy的产品负责人Jason说，2021年他还在规划以后要送孩子学编程，2026年回头看，这个想法已经不成立了。我以前以为，只是因为写代码的门槛被AI踏平了，现在才懂，被踏平的根本不止是代码门槛。以前我们想做个东西，不仅要会写代码，还要有颗大心脏——被bug卡一周，被前辈骂写的什么垃圾，被环境配置搞到崩溃，90%的人在第一步就被劝退了。现在AI不仅帮你写代码、查bug，还给你当啦啦队，把你那点被打击了几十年、碎得渣都不剩的信心，一点点给你拼回来。你看现在满屏都是MCP、Agent、Vibe Coding这些新名词，好像你三天不背就要被时代抛弃，大家课买了一堆，一个工具都不敢打开，但实际上哪有那么玄乎啊🤣 当然了，如果你从小在夸奖里长大，内心强大到根本不需要别人给你托底，可能get不到这个点。但如果你和我一样，总怕自己做不好，怕出错被笑话，迟迟不敢迈出第一步，真的不用上来就想做个上架的App，不如今天就花半小时，让AI帮你写个批量改文件名的小脚本，或者整理下你乱了半年的文件夹。你会发现，你根本不是不行，只是之前从来没人，在你做对一点点的时候，认认真真跟你说一句“你做得真棒”🥹🥹 焦虑这东西，站在岸边看永远觉得水很深，脚伸下去才知道，原来不仅水不深，还有人在旁边扶着你，跟大家共勉！评论区是我对51分钟的文字版总结👇

强烈推荐大家都去看这个跟workbudy产品负责人Jason的深度对谈播客，另外关于腾讯workbudy，我说个暴论，你看100篇那些AI写的教程文章，都不如抽1个小时好好看看腾讯官方出品的这期播客，太他么深度了，干货拉满！ Jason分享了一个关键判断让我印象特别深：2021年他曾计划培养孩子学习编程，到2026年发现这个方向已经失效了，在AI的加持下编程本身不再是稀缺技能，洞察力、审美品味、逻辑清晰的语言表达能力，才是AI时代真正的核心竞争力。还有这个文科生的故事，英语文学专业的前媒体人，一行代码都不会写，就因为自己攒了7000多首杜比全景声的歌，Excel卡到打不开，找外包又说不清楚需求，被逼得没办法开始摸AI编程工具。你以为是AI两下给他把App生成出来了？根本不是，他说前前后后开了40多个对话窗口，文件拆得乱七八糟，环境部署从头啃，踩了无数坑，磨了好几个月，才真的把那个杜比音乐App做出来，现在都更新到3.2版本，正经上架App Store了。那他为什么没放弃？他说AI会在他做对一点点的时候，蹦出来一句“你这个思路很清晰，像个成熟的产品经理”。卧槽，就这一下兄弟们应该懂吧，我们这种在否定式教育里长大的东亚小孩，太吃这一套了。很多时候你不敢开始，其实不是懒也不是笨，是脑子里那个“你不行”的声音太大了。咱们从小到大做什么都先被挑错，刚迈出一步就有人说你这不对那不好，久了你自己都信了，你就是做不成事。但是AI不judge你，不骂你，不会翻个白眼说这都不会，你做对一点它就真心实意夸你，直接把那个压了你几十年的声音盖过去了。播客里WorkBuddy的产品负责人Jason说，2021年他还在规划以后要送孩子学编程，2026年回头看，这个想法已经不成立了。我以前以为，只是因为写代码的门槛被AI踏平了，现在才懂，被踏平的根本不止是代码门槛。以前我们想做个东西，不仅要会写代码，还要有颗大心脏——被bug卡一周，被前辈骂写的什么垃圾，被环境配置搞到崩溃，90%的人在第一步就被劝退了。现在AI不仅帮你写代码、查bug，还给你当啦啦队，把你那点被打击了几十年、碎得渣都不剩的信心，一点点给你拼回来。你看现在满屏都是MCP、Agent、Vibe Coding这些新名词，好像你三天不背就要被时代抛弃，大家课买了一堆，一个工具都不敢打开，但实际上哪有那么玄乎啊🤣 当然了，如果你从小在夸奖里长大，内心强大到根本不需要别人给你托底，可能get不到这个点。但如果你和我一样，总怕自己做不好，怕出错被笑话，迟迟不敢迈出第一步，真的不用上来就想做个上架的App，不如今天就花半小时，让AI帮你写个批量改文件名的小脚本，或者整理下你乱了半年的文件夹。你会发现，你根本不是不行，只是之前从来没人，在你做对一点点的时候，认认真真跟你说一句“你做得真棒”🥹🥹 焦虑这东西，站在岸边看永远觉得水很深，脚伸下去才知道，原来不仅水不深，还有人在旁边扶着你，跟大家共勉！评论区是我对51分钟的文字版总结👇

AYi

377,837 views • 1 month ago

我回答你下这个问题，这个问题我也给我身边的好朋友多次解答了，详细的你可以看我发的这段语音，在这个市场上必须要找到自己合适的思路，如果找不到合适的思路又想做多，又想做空你最后赚不到一点钱，我的确可以多空双吃，我甚至可以精准的预判到跌到哪里会反弹，我回去抄底开多单，但是我是个空头，我多单拿不住，我大多数的钱都是做空赚的，我必须在这个市场上一直维持我的空头思维，所以我就算知道要大涨也拿不住，但是如果真的大跌了我可以拿得住，还敢加重仓，这样就会导致我在极端暴跌行情赚大钱，甚至精准的在底部抄底，但是空头思维，我就算做多了，还是会找机会做空，我对我自己已经很满意了，在这个市场上能赚钱就已经知足了，所以我是不会改变我的思维模式，如果我一旦改变我的思维模式，我怕以后我赚不到钱

我回答你下这个问题，这个问题我也给我身边的好朋友多次解答了，详细的你可以看我发的这段语音，在这个市场上必须要找到自己合适的思路，如果找不到合适的思路又想做多，又想做空你最后赚不到一点钱，我的确可以多空双吃，我甚至可以精准的预判到跌到哪里会反弹，我回去抄底开多单，但是我是个空头，我多单拿不住，我大多数的钱都是做空赚的，我必须在这个市场上一直维持我的空头思维，所以我就算知道要大涨也拿不住，但是如果真的大跌了我可以拿得住，还敢加重仓，这样就会导致我在极端暴跌行情赚大钱，甚至精准的在底部抄底，但是空头思维，我就算做多了，还是会找机会做空，我对我自己已经很满意了，在这个市场上能赚钱就已经知足了，所以我是不会改变我的思维模式，如果我一旦改变我的思维模式，我怕以后我赚不到钱

凉兮大元帅（白虎已上环已结扎）

265,196 views • 1 year ago

黄仁勋摊牌了。他说，没有AI，英伟达已经造不出新芯片。为什么？因为芯片设计的可能性太多，像个无穷的迷宫。让人去探索，成本高得吓人，根本不现实。现在他们怎么做？晚上工程师下班，AI大军开始上班。在虚拟世界里，AI不眠不休地测试海量的设计方案。找出最优解。结果就是，芯片性能更高，能耗更低。这套玩法还用在软件上。写代码，优化，甚至抓Bug，现在都交给AI。 AI不仅能发现代码里的问题。还能直接找到最该为这个Bug负责的工程师，然后派单给他。黄仁勋的目标是把英伟达变成一个巨型AI。技术上这确实是巨大飞跃。但一个问题浮现了。当设计、优化、甚至纠错都由AI主导时，人类工程师的角色是什么？他们是在指挥AI，还是在给AI的决策打补丁？如果一家公司的核心竞争力，变成了训练和使用AI的能力，那么人的创造力、直觉和经验，在价值排序里还剩多少？长期看，这会不会掏空一个国家最宝贵的智力资产，也就是顶尖工程师的实战能力。依赖AI的捷径，会不会最终通向另一条被技术锁死的窄路？

黄仁勋摊牌了。他说，没有AI，英伟达已经造不出新芯片。为什么？因为芯片设计的可能性太多，像个无穷的迷宫。让人去探索，成本高得吓人，根本不现实。现在他们怎么做？晚上工程师下班，AI大军开始上班。在虚拟世界里，AI不眠不休地测试海量的设计方案。找出最优解。结果就是，芯片性能更高，能耗更低。这套玩法还用在软件上。写代码，优化，甚至抓Bug，现在都交给AI。 AI不仅能发现代码里的问题。还能直接找到最该为这个Bug负责的工程师，然后派单给他。黄仁勋的目标是把英伟达变成一个巨型AI。技术上这确实是巨大飞跃。但一个问题浮现了。当设计、优化、甚至纠错都由AI主导时，人类工程师的角色是什么？他们是在指挥AI，还是在给AI的决策打补丁？如果一家公司的核心竞争力，变成了训练和使用AI的能力，那么人的创造力、直觉和经验，在价值排序里还剩多少？长期看，这会不会掏空一个国家最宝贵的智力资产，也就是顶尖工程师的实战能力。依赖AI的捷径，会不会最终通向另一条被技术锁死的窄路？

墓碑科技

285,404 views • 7 months ago

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 views • 2 months ago

抖音的AI大赛刚开始就出现了《钟馗嫁妹》这样的佳作，所以关键不在于是不是AI，而是创作者的思想能不能很好地驾驭AI这个工具，让人产生共鸣。至于为什么会是大西北的场景却配上闽南语，要自己体会了。

抖音的AI大赛刚开始就出现了《钟馗嫁妹》这样的佳作，所以关键不在于是不是AI，而是创作者的思想能不能很好地驾驭AI这个工具，让人产生共鸣。至于为什么会是大西北的场景却配上闽南语，要自己体会了。

Ken W

83,847 views • 2 months ago

我有个做视频3年的朋友，昨天用 Medeo 做出一条片子后，大家先看视频，就知道有多震撼了他做完之后沉默了很久。然后发了一句："我这3年是不是白学了？" 12小时 → 10分钟。我朋友看完AI生成的成片后，删掉了自己花15小时做的那版。他是做科普视频的。传统工作流：写脚本 → 2小时找素材（图片+视频片段） → 3小时用剪映剪辑 → 4小时调字幕、配音、BGM → 2小时修改返工 → 1-2小时一条5分钟的科普视频，至少要花12-15小时。他已经算快的了。新手做同样的内容，20小时起步。昨天我让他试 Medeo，只用了三轮对话。第一轮：输入内容和需求他把脚本直接贴进去，然后说：我要做一个3分钟的科普视频，主题是"为什么AI会让视频创作变简单"。脚本内容：传统做视频：写脚本2h + 找素材3h + 剪辑4h + 配音字幕2h = 至少12小时用AI做视频：描述想法 + 等AI生成 = 不到1小时但问题是：大部分AI工具只能做某一步，素材还要自己找、自己剪 Medeo不一样：你说什么，它做什么，从脚本到成片全包了画面风格：现代、科技感、简洁配音：温柔的女声，语速适中字幕：自动生成 BGM：轻快的电子音乐，音量20% 先帮我生成分镜和画面，生成后给我看一下。注意这一步在做什么：不是在学工具，而是在描述想要的结果脚本、风格、配音、字幕、BGM——一次性说清楚最后一句话很关键："先给我看一下"——不是直接出片，而是先确认方向 Medeo用了25分钟，生成了分镜和画面。他看了看，觉得方向对了，但有些细节想调。第二轮：调整优化他继续对话：第2段的画面改成更科技感，加一些代码、数据流的元素。配音语速整体提升10%，听起来更有活力。这一步的关键：不需要在时间轴上拖来拖去不需要重新找素材不需要重新渲染一句话，几秒钟，改完了传统剪辑改个风格，基本要重做。Medeo直接在原基础上调整。第三轮：最终成片确认没问题后，他说：看起来不错，现在合成视频吧。结尾加一句引导："试试Medeo，让视频创作回归创意本身" 导出16:9版本。又等了22分钟。两个版本的成片，全部搞定。他为什么删掉了自己的版本？我问他：效果怎么样？他说："比我自己做的还好。" 画面匹配度更高，不是那种乱凑的素材配音语气自然，不像机器人朗读字幕自动生成，不用手动打最关键的是：修改成本几乎为零。传统剪辑，改个节奏要在时间轴上拖半天；改个风格基本要重做。 Medeo呢？说一句话，几秒钟完成。所以他看完AI版本后，直接删掉了自己花15小时做的那版。这不是"省时间"，是"换思维" 我朋友最后说了一句话： "以前我是操作工，现在我是导演。" 传统做视频，80%的时间在和软件搏斗：学界面、记快捷键、找素材、调参数、等渲染。真正用来思考内容和创意的时间，可能只有20%。用Medeo之后，反过来了。你只需要想清楚"这个视频要讲什么、要什么感觉"，剩下的，对话完成。完整的三轮对话创作法总结一下这个可复制的方法：第一轮：说清楚你要什么脚本/大纲/逐字稿画面风格（现代/复古/科技感/温馨...）配音要求（男声/女声，语速，情绪）字幕和BGM 关键：先看分镜，不要直接出片第二轮：微调细节哪段画面不满意，说出来配音节奏、语速，说出来镜头、转场、特效，说出来每次调整几秒钟完成，无限迭代第三轮：确认成片最后检查一遍加引导文案（如果需要）指定导出格式（横版/竖版）等最终渲染，拿到成片这才是AI视频创作的正确打开方式不是"你猜AI会给你什么"，而是"你说什么，AI做什么"。不是"学一堆新工具"，而是"用自然语言对话"。不是"牺牲控制权换效率"，而是"对话调整无限逼近你想要的结果"。这种创作方式的革命性在于：它把视频制作从"技术活"变成了"表达活"。只要你能说清楚想要什么，就能做出来。试试吧。官网：

我有个做视频3年的朋友，昨天用 Medeo 做出一条片子后，大家先看视频，就知道有多震撼了他做完之后沉默了很久。然后发了一句："我这3年是不是白学了？" 12小时 → 10分钟。我朋友看完AI生成的成片后，删掉了自己花15小时做的那版。他是做科普视频的。传统工作流：写脚本 → 2小时找素材（图片+视频片段） → 3小时用剪映剪辑 → 4小时调字幕、配音、BGM → 2小时修改返工 → 1-2小时一条5分钟的科普视频，至少要花12-15小时。他已经算快的了。新手做同样的内容，20小时起步。昨天我让他试 Medeo，只用了三轮对话。第一轮：输入内容和需求他把脚本直接贴进去，然后说：我要做一个3分钟的科普视频，主题是"为什么AI会让视频创作变简单"。脚本内容：传统做视频：写脚本2h + 找素材3h + 剪辑4h + 配音字幕2h = 至少12小时用AI做视频：描述想法 + 等AI生成 = 不到1小时但问题是：大部分AI工具只能做某一步，素材还要自己找、自己剪 Medeo不一样：你说什么，它做什么，从脚本到成片全包了画面风格：现代、科技感、简洁配音：温柔的女声，语速适中字幕：自动生成 BGM：轻快的电子音乐，音量20% 先帮我生成分镜和画面，生成后给我看一下。注意这一步在做什么：不是在学工具，而是在描述想要的结果脚本、风格、配音、字幕、BGM——一次性说清楚最后一句话很关键："先给我看一下"——不是直接出片，而是先确认方向 Medeo用了25分钟，生成了分镜和画面。他看了看，觉得方向对了，但有些细节想调。第二轮：调整优化他继续对话：第2段的画面改成更科技感，加一些代码、数据流的元素。配音语速整体提升10%，听起来更有活力。这一步的关键：不需要在时间轴上拖来拖去不需要重新找素材不需要重新渲染一句话，几秒钟，改完了传统剪辑改个风格，基本要重做。Medeo直接在原基础上调整。第三轮：最终成片确认没问题后，他说：看起来不错，现在合成视频吧。结尾加一句引导："试试Medeo，让视频创作回归创意本身" 导出16:9版本。又等了22分钟。两个版本的成片，全部搞定。他为什么删掉了自己的版本？我问他：效果怎么样？他说："比我自己做的还好。" 画面匹配度更高，不是那种乱凑的素材配音语气自然，不像机器人朗读字幕自动生成，不用手动打最关键的是：修改成本几乎为零。传统剪辑，改个节奏要在时间轴上拖半天；改个风格基本要重做。 Medeo呢？说一句话，几秒钟完成。所以他看完AI版本后，直接删掉了自己花15小时做的那版。这不是"省时间"，是"换思维" 我朋友最后说了一句话： "以前我是操作工，现在我是导演。" 传统做视频，80%的时间在和软件搏斗：学界面、记快捷键、找素材、调参数、等渲染。真正用来思考内容和创意的时间，可能只有20%。用Medeo之后，反过来了。你只需要想清楚"这个视频要讲什么、要什么感觉"，剩下的，对话完成。完整的三轮对话创作法总结一下这个可复制的方法：第一轮：说清楚你要什么脚本/大纲/逐字稿画面风格（现代/复古/科技感/温馨...）配音要求（男声/女声，语速，情绪）字幕和BGM 关键：先看分镜，不要直接出片第二轮：微调细节哪段画面不满意，说出来配音节奏、语速，说出来镜头、转场、特效，说出来每次调整几秒钟完成，无限迭代第三轮：确认成片最后检查一遍加引导文案（如果需要）指定导出格式（横版/竖版）等最终渲染，拿到成片这才是AI视频创作的正确打开方式不是"你猜AI会给你什么"，而是"你说什么，AI做什么"。不是"学一堆新工具"，而是"用自然语言对话"。不是"牺牲控制权换效率"，而是"对话调整无限逼近你想要的结果"。这种创作方式的革命性在于：它把视频制作从"技术活"变成了"表达活"。只要你能说清楚想要什么，就能做出来。试试吧。官网：

超级个体｜柿子

53,222 views • 8 months ago

合肥街斗。事发合肥，外卖小哥和一对半老夫妻发生冲突，大爷可能预判到小伙子不敢还手，所以肆无忌惮的拳打脚踢，结果结结实实地摔了一跤，隔着屏幕都觉得肉疼。有什么事不能好好说吗？从现场情况来看，小伙子的攻击性并不强，而攻击性强的大爷又实在是菜，反噬己身，自作自受，这又是何苦呢？关键是感觉不到，大爷会从这件事中吸取教训，如果不加收敛的话，以后更大的自作自受还在后面等着他。

合肥街斗。事发合肥，外卖小哥和一对半老夫妻发生冲突，大爷可能预判到小伙子不敢还手，所以肆无忌惮的拳打脚踢，结果结结实实地摔了一跤，隔着屏幕都觉得肉疼。有什么事不能好好说吗？从现场情况来看，小伙子的攻击性并不强，而攻击性强的大爷又实在是菜，反噬己身，自作自受，这又是何苦呢？关键是感觉不到，大爷会从这件事中吸取教训，如果不加收敛的话，以后更大的自作自受还在后面等着他。

风轻云淡

107,651 views • 19 days ago

要我说部分领域AGI已经实现了：特斯拉扔掉了方向盘，编程也正被 AI 接管。像OpenClaw这种能自我进化的工具，本质上是在重塑开发逻辑。到2026年，97%的代码AI一遍就能写对，程序员如果不能驾驭这种进化系统，真可能像阑尾一样，还存在但没啥大用。

要我说部分领域AGI已经实现了：特斯拉扔掉了方向盘，编程也正被 AI 接管。像OpenClaw这种能自我进化的工具，本质上是在重塑开发逻辑。到2026年，97%的代码AI一遍就能写对，程序员如果不能驾驭这种进化系统，真可能像阑尾一样，还存在但没啥大用。

傅盛

27,811 views • 6 months ago