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。

hotpath-rs 是一个帮开发者找出 Rust 程序为什么慢、内存花在哪里的工具。它能检查哪些代码最耗时、数据库查询和网络请求是否拖慢了程序，以及多个任务有没有互相等待。结果会显示在实时面板和报告中，帮助开发者判断该优先优化哪里，也能交给 AI 助手辅助分析。

lencx

23,193 subscribers

13,149 次观看 • 6 天前 •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

11 条评论

Pawel Urbanek 的头像

Pawel Urbanek5 天前

author here, awesome to see it featured. Also see the recently released hotpath Cloud, now in beta

HeihutuRs 的头像

HeihutuRs6 天前

RustFS 一直在使用

alias 的头像

alias5 天前

I’ve followed @pawelurbanekcom’a work on hotpath-rs for like a year now. Something like that, like v0.2 something. He has done a fucking awesome job with hotpath. It’s an amazing tool. He deserves a follow. He’s worth watching.

GlowJames 追光🐬 的头像

GlowJames 追光🐬5 天前

我就想问，是给AI Agent用的不，如果不是，可以改造下

lencx 的头像

lencx5 天前

看这里

GlowJames 追光🐬 的头像

GlowJames 追光🐬5 天前

谢谢！

Just kidding 的头像

Just kidding5 天前

Вау, вы изобрели flamegraph, ахуй

晚晚的头像

晚晚6 天前

能把任务互相等待也揪出来，这个挺实用。

逆局玩家的头像

逆局玩家6 天前

能把任务互相等待的时间拎出来看就很有用，光盯函数耗时容易找错地方。

Crio Songo 的头像

Crio Songo5 天前

这个点抓得挺准，很多性能瓶颈其实就是任务等待导致的，光看单函数耗时确实找不到问题。

泰多宝的头像

泰多宝5 天前

async 程序慢，多半慢在任务互相等待，火焰图上看不出来。hotpath 把这部分单独列出来，是最实用的一点。

相关视频

AI 会取代哪些工作？我的工作里，哪些任务正在被 AI 接管？ AI 通常不是一次替代整个职业而是先替代其中最标准化的部分最容易被 AI 自动化的任务，通常有几个特点：数字化、重复、规则明确、结果容易检查所以普通人真正要做的，不是和 AI 比谁干活快，而是： 1️⃣ 拆工作分清哪些能交给 AI，哪些需要检查，哪些必须自己判断 2️⃣ 学会管理 AI 不只是会提问，还要会定目标、给背景、设标准、验收结果 3️⃣ 提升难替代的能力判断、沟通、协调、理解需求，以及对最终结果负责。未来更有价值的，不一定是“最会干活的人” 而是会发现问题、会使用 AI、还能对结果负责的人所以别问：“AI 会不会取代我？” 更应该问自己：“如果 AI 帮我做掉一半重复工作，我能不能用省下来的时间，做更有价值的事？” AI 最先淘汰的，不是某个职业而是一个职业里，长期没有升级的工作方式

AI 会取代哪些工作？我的工作里，哪些任务正在被 AI 接管？ AI 通常不是一次替代整个职业而是先替代其中最标准化的部分最容易被 AI 自动化的任务，通常有几个特点：数字化、重复、规则明确、结果容易检查所以普通人真正要做的，不是和 AI 比谁干活快，而是： 1️⃣ 拆工作分清哪些能交给 AI，哪些需要检查，哪些必须自己判断 2️⃣ 学会管理 AI 不只是会提问，还要会定目标、给背景、设标准、验收结果 3️⃣ 提升难替代的能力判断、沟通、协调、理解需求，以及对最终结果负责。未来更有价值的，不一定是“最会干活的人” 而是会发现问题、会使用 AI、还能对结果负责的人所以别问：“AI 会不会取代我？” 更应该问自己：“如果 AI 帮我做掉一半重复工作，我能不能用省下来的时间，做更有价值的事？” AI 最先淘汰的，不是某个职业而是一个职业里，长期没有升级的工作方式

Nana

20,423 次观看 • 1 个月前

在对前端网页应用进行性能优化时，经常会打开 Chrome DevTools 分析加载时间、网络请求，以及排查问题，整个过程耗时耗力。现在 Chrome DevTools 推出了 MCP 并且代码已开源，可以直接让 AI 完成网页自动化测试、调试以及优化整套开发流程。比如将其安装到 Gemini CLI 等支持 MCP 的 AI 编程工具中，就能够自动进行网页导航、性能分析、截图调试等复杂操作，简化开发流程。 GitHub：甚至可以模拟真人操作，比如页面点击、填写表单、元素拖拽等各种交互，可应用于自动化测试以及爬虫等场景。除此之外，还可以模拟不同设备 CPU 性能、网络和屏幕尺寸，同时支持直接在网页中运行 JavaScript 代码并查看结果。项目代码已完全开源，开发者可以根据需求扩展更多能力，感兴趣的同学可以安装到任意支持 MCP 的 AI 助手中使用。

在对前端网页应用进行性能优化时，经常会打开 Chrome DevTools 分析加载时间、网络请求，以及排查问题，整个过程耗时耗力。现在 Chrome DevTools 推出了 MCP 并且代码已开源，可以直接让 AI 完成网页自动化测试、调试以及优化整套开发流程。比如将其安装到 Gemini CLI 等支持 MCP 的 AI 编程工具中，就能够自动进行网页导航、性能分析、截图调试等复杂操作，简化开发流程。 GitHub：甚至可以模拟真人操作，比如页面点击、填写表单、元素拖拽等各种交互，可应用于自动化测试以及爬虫等场景。除此之外，还可以模拟不同设备 CPU 性能、网络和屏幕尺寸，同时支持直接在网页中运行 JavaScript 代码并查看结果。项目代码已完全开源，开发者可以根据需求扩展更多能力，感兴趣的同学可以安装到任意支持 MCP 的 AI 助手中使用。

GitHubDaily

15,551 次观看 • 1 年前

推荐关注一下 BabelCloud 项目，也是一个类似于 Devin 的 AI 开发工程师，能独立完成相对复杂的前后端项目。从演示视频可以看出：它能将复杂的任务分解成合适的功能模块；它能对每一个模块进行测试和验证，对于遇到的错误能自动修复或者需求人类帮助；它能完成没有训练过的任务：实现一个最新发布的Claude 3的API请求；它能完成相对复杂的项目，一个比较完整的后台管理；它在执行过程中能和人互动，例如寻求帮助；它能基于项目增加新的需求（这个其实有点挑战，但我怀疑它需要很多元数据辅助完成）它有个工作平台直观看到结果项目作者：Hailong Zhang

推荐关注一下 BabelCloud 项目，也是一个类似于 Devin 的 AI 开发工程师，能独立完成相对复杂的前后端项目。从演示视频可以看出：它能将复杂的任务分解成合适的功能模块；它能对每一个模块进行测试和验证，对于遇到的错误能自动修复或者需求人类帮助；它能完成没有训练过的任务：实现一个最新发布的Claude 3的API请求；它能完成相对复杂的项目，一个比较完整的后台管理；它在执行过程中能和人互动，例如寻求帮助；它能基于项目增加新的需求（这个其实有点挑战，但我怀疑它需要很多元数据辅助完成）它有个工作平台直观看到结果项目作者：Hailong Zhang

宝玉

30,089 次观看 • 2 年前

最近在开发圈很火的 GitHub 项目 Firecrawl，一个专门给 AI 用的智能爬虫，已经 7万+ Star 了。一句话总结：它可以把任何网站，直接变成 AI 能用的数据。只要给它一个 URL，它就会自动： - 抓取整站页面 - 清洗网页内容 - 解析结构信息 - 输出 Markdown / JSON 也就是说：网站 → 结构化数据 → 直接喂给 LLM。现在很多 AI 项目的数据流程其实都是：网站 → Firecrawl → 向量库 → RAG → AI 应用如果你在做： - AI Agent - RAG 知识库 - 自动化数据采集这个工具基本算是 AI 开发的基础设施了

最近在开发圈很火的 GitHub 项目 Firecrawl，一个专门给 AI 用的智能爬虫，已经 7万+ Star 了。一句话总结：它可以把任何网站，直接变成 AI 能用的数据。只要给它一个 URL，它就会自动： - 抓取整站页面 - 清洗网页内容 - 解析结构信息 - 输出 Markdown / JSON 也就是说：网站 → 结构化数据 → 直接喂给 LLM。现在很多 AI 项目的数据流程其实都是：网站 → Firecrawl → 向量库 → RAG → AI 应用如果你在做： - AI Agent - RAG 知识库 - 自动化数据采集这个工具基本算是 AI 开发的基础设施了

开发者Hailey

140,708 次观看 • 7 个月前

Anthropic 放了个视频演示 CLaude Tag 怎么帮工程师值夜班….. 晚上 11点，支付接口的出错率冲破 2%，值班工程师被报警叫醒结果她还没打开电脑，CLaude 已经在查了 CLaude Tag就在工作群里（ SLack 里），全程是这样： • 报警一响直接开查：拉监控数据、对比最近几次上线、翻功能开关的改动记录 • 15 分钟找到原因：新功能里负责重发的程序没限制并发数，把队列冲爆了 • 列出两个修复方案，推荐一个，然后＠工程师拍板 • 工程师只回了一句“加上限，功能保持开着"，它才去改代码，一共4行 • 上线后自己盯 10分钟出错率，稳住了才宣布修好，还给下次留了条备注：“先查功能开关" 不只是自动瞎搞，权限有边界，能查问题、能提改代码的申请，但合并和上线必须有人批准一种自动化值班方案...

Anthropic 放了个视频演示 CLaude Tag 怎么帮工程师值夜班….. 晚上 11点，支付接口的出错率冲破 2%，值班工程师被报警叫醒结果她还没打开电脑，CLaude 已经在查了 CLaude Tag就在工作群里（ SLack 里），全程是这样： • 报警一响直接开查：拉监控数据、对比最近几次上线、翻功能开关的改动记录 • 15 分钟找到原因：新功能里负责重发的程序没限制并发数，把队列冲爆了 • 列出两个修复方案，推荐一个，然后＠工程师拍板 • 工程师只回了一句“加上限，功能保持开着"，它才去改代码，一共4行 • 上线后自己盯 10分钟出错率，稳住了才宣布修好，还给下次留了条备注：“先查功能开关" 不只是自动瞎搞，权限有边界，能查问题、能提改代码的申请，但合并和上线必须有人批准一种自动化值班方案...

小互

62,533 次观看 • 25 天前

Ling-3.0-flash ：一个更适合实际工作的 AI 执行助手过去一段时间，大模型的发展重点一直集中在能力提升上。模型能回答什么问题、能处理多复杂的任务，成为行业关注的焦点。但随着 AI 开始进入真实工作流程，用户对于模型的期待也在发生变化：除了能够提供高质量答案，更希望它能够稳定、高效地完成具体任务。在日常工作中，真正消耗时间的往往不是复杂问题，而是大量重复性的处理工作。例如整理资料、分析数据、生成文档、处理代码、执行流程任务。这些事情需要投入大量精力，但其中有很多环节都可以通过 AI 进行优化。 Ling-3.0-flash 的定位正是在这一方向展开。它并不是单纯追求更大的模型规模，而是聚焦 Agent 工作流中的执行效率，帮助用户将明确的任务快速推进完成。官方介绍，该模型面向长程 Agent 工作流设计，重点提升响应速度、工具调用能力以及任务执行稳定性。从实际体验来看，它最大的特点是能够很好地融入已有工作流程，让 AI 从一个问答工具变成一个真正参与任务执行的助手。实测一：资料整理效率明显提升第一个测试场景是长文档处理。在实际工作中，经常会遇到需要快速阅读大量资料的情况，例如行业报告、会议记录、产品文档等。如果完全依靠人工整理，需要花费大量时间筛选重点、提取信息，再重新组织内容。测试过程中，我将一批较长的资料交给 Ling-3.0-flash 处理，让它完成信息提取、重点归纳和结构化整理。整个过程比较符合实际工作习惯。它能够快速抓取文档中的核心内容，并按照任务要求整理成更加清晰的结构。尤其是在面对大量相似信息时，它可以帮助用户减少重复阅读和手动整理的时间。这类能力对于内容运营、产品分析、市场研究等岗位非常实用。很多时候，用户并不是需要 AI 替自己完成最终判断，而是希望它先完成信息整理，把大量基础工作处理好，让人可以把精力放在更重要的分析和决策上。实测二：代码协作更加高效第二个体验场景是代码辅助。 AI 编程已经成为大模型应用的重要方向，但真正影响开发效率的，不只是生成代码的速度，更重要的是能否持续参与开发过程。在测试中，我让 Ling-3.0-flash 协助完成一个简单工具开发任务，包括生成基础代码、调整功能逻辑以及根据反馈进行优化。我需要做一个AI 会议纪要整理助手，请帮我生成代码，把会议录音转文字或会议记录，自动生成：会议摘要、决策事项、待办任务、负责人、截止时间首字耗时：337ms·完成耗时：68984ms·每秒 token 数：371 ，Ling-3.0-flash生成的会议纪要整理助手功能完整、专业美观，支持录音转文字、AI自动生成摘要/决策/待办任务，并支持导出和多种交互功能。实际体验下来，它更适合成为开发过程中的协作助手。开发者可以先确定整体需求和功能方向，再让 AI 快速完成代码生成、修改和补充。这样一来，开发者不需要把大量时间花在重复编码和基础调整上，而可以更多关注产品逻辑和技术方案。这种协作方式更接近真实开发场景。人负责判断方向，AI 负责提高执行效率。实测三：批量任务处理展现执行优势除了开发场景，批量信息处理也是 Ling-3.0-flash 比较适合的方向。例如整理用户反馈、分析业务数据、处理文本分类等任务，通常具有数据量大、格式相对固定的特点。在测试中，我模拟了用户反馈整理场景，让模型对大量文本进行分类，并提炼其中的主要问题。从结果来看，它能够快速完成信息归类，并输出较为清晰的结构化结果。这类任务的价值在于帮助用户减少大量机械操作。以前需要人工逐条查看和整理的信息，现在可以先由 AI 完成初步处理，再由人工进行确认和优化。对于企业团队来说，这种能力可以应用在客服分析、市场调研、内部知识整理等多个环节。速度和效率，是 Flash 模型的重要优势随着 AI 应用逐渐深入业务流程，模型的效率同样成为重要指标。很多实际任务并不需要每一次都进行复杂推理，而更需要快速响应和稳定执行。例如信息分类、内容整理、数据转换等工作，如果能够以更高效率完成，就能明显提升整体生产力。 Ling-3.0-flash 支持混合思考模式，可以根据任务复杂程度调整处理方式，在响应速度和任务能力之间进行平衡。这种设计让它更适合高频使用场景。用户可以将更多日常任务交给 AI 处理，而不必担心流程效率受到影响。从使用体验来看，它更像一个高效执行伙伴经过几个场景测试后，Ling-3.0-flash 给我的整体感受是，它并不是单纯提升聊天体验，而是在帮助用户重新分配工作时间。它可以处理大量信息整理工作，可以辅助开发过程，也可以参与自动化任务执行。对于普通用户来说，它能够减少重复操作，提高工作效率。对于开发者来说，它能够加快开发流程，降低基础工作的时间成本。对于企业来说，它能够帮助更多业务流程实现自动化。未来 AI 的价值，不只是回答问题，而是逐渐参与到真实工作流程中，帮助人完成更多具体任务。 Ling-3.0-flash 所体现的方向，就是让 AI 从一个提供答案的工具，进一步成为一个能够执行任务、提升效率的工作伙伴。官推：感兴趣可以自己试试 👉

Ling-3.0-flash ：一个更适合实际工作的 AI 执行助手过去一段时间，大模型的发展重点一直集中在能力提升上。模型能回答什么问题、能处理多复杂的任务，成为行业关注的焦点。但随着 AI 开始进入真实工作流程，用户对于模型的期待也在发生变化：除了能够提供高质量答案，更希望它能够稳定、高效地完成具体任务。在日常工作中，真正消耗时间的往往不是复杂问题，而是大量重复性的处理工作。例如整理资料、分析数据、生成文档、处理代码、执行流程任务。这些事情需要投入大量精力，但其中有很多环节都可以通过 AI 进行优化。 Ling-3.0-flash 的定位正是在这一方向展开。它并不是单纯追求更大的模型规模，而是聚焦 Agent 工作流中的执行效率，帮助用户将明确的任务快速推进完成。官方介绍，该模型面向长程 Agent 工作流设计，重点提升响应速度、工具调用能力以及任务执行稳定性。从实际体验来看，它最大的特点是能够很好地融入已有工作流程，让 AI 从一个问答工具变成一个真正参与任务执行的助手。实测一：资料整理效率明显提升第一个测试场景是长文档处理。在实际工作中，经常会遇到需要快速阅读大量资料的情况，例如行业报告、会议记录、产品文档等。如果完全依靠人工整理，需要花费大量时间筛选重点、提取信息，再重新组织内容。测试过程中，我将一批较长的资料交给 Ling-3.0-flash 处理，让它完成信息提取、重点归纳和结构化整理。整个过程比较符合实际工作习惯。它能够快速抓取文档中的核心内容，并按照任务要求整理成更加清晰的结构。尤其是在面对大量相似信息时，它可以帮助用户减少重复阅读和手动整理的时间。这类能力对于内容运营、产品分析、市场研究等岗位非常实用。很多时候，用户并不是需要 AI 替自己完成最终判断，而是希望它先完成信息整理，把大量基础工作处理好，让人可以把精力放在更重要的分析和决策上。实测二：代码协作更加高效第二个体验场景是代码辅助。 AI 编程已经成为大模型应用的重要方向，但真正影响开发效率的，不只是生成代码的速度，更重要的是能否持续参与开发过程。在测试中，我让 Ling-3.0-flash 协助完成一个简单工具开发任务，包括生成基础代码、调整功能逻辑以及根据反馈进行优化。我需要做一个AI 会议纪要整理助手，请帮我生成代码，把会议录音转文字或会议记录，自动生成：会议摘要、决策事项、待办任务、负责人、截止时间首字耗时：337ms·完成耗时：68984ms·每秒 token 数：371 ，Ling-3.0-flash生成的会议纪要整理助手功能完整、专业美观，支持录音转文字、AI自动生成摘要/决策/待办任务，并支持导出和多种交互功能。实际体验下来，它更适合成为开发过程中的协作助手。开发者可以先确定整体需求和功能方向，再让 AI 快速完成代码生成、修改和补充。这样一来，开发者不需要把大量时间花在重复编码和基础调整上，而可以更多关注产品逻辑和技术方案。这种协作方式更接近真实开发场景。人负责判断方向，AI 负责提高执行效率。实测三：批量任务处理展现执行优势除了开发场景，批量信息处理也是 Ling-3.0-flash 比较适合的方向。例如整理用户反馈、分析业务数据、处理文本分类等任务，通常具有数据量大、格式相对固定的特点。在测试中，我模拟了用户反馈整理场景，让模型对大量文本进行分类，并提炼其中的主要问题。从结果来看，它能够快速完成信息归类，并输出较为清晰的结构化结果。这类任务的价值在于帮助用户减少大量机械操作。以前需要人工逐条查看和整理的信息，现在可以先由 AI 完成初步处理，再由人工进行确认和优化。对于企业团队来说，这种能力可以应用在客服分析、市场调研、内部知识整理等多个环节。速度和效率，是 Flash 模型的重要优势随着 AI 应用逐渐深入业务流程，模型的效率同样成为重要指标。很多实际任务并不需要每一次都进行复杂推理，而更需要快速响应和稳定执行。例如信息分类、内容整理、数据转换等工作，如果能够以更高效率完成，就能明显提升整体生产力。 Ling-3.0-flash 支持混合思考模式，可以根据任务复杂程度调整处理方式，在响应速度和任务能力之间进行平衡。这种设计让它更适合高频使用场景。用户可以将更多日常任务交给 AI 处理，而不必担心流程效率受到影响。从使用体验来看，它更像一个高效执行伙伴经过几个场景测试后，Ling-3.0-flash 给我的整体感受是，它并不是单纯提升聊天体验，而是在帮助用户重新分配工作时间。它可以处理大量信息整理工作，可以辅助开发过程，也可以参与自动化任务执行。对于普通用户来说，它能够减少重复操作，提高工作效率。对于开发者来说，它能够加快开发流程，降低基础工作的时间成本。对于企业来说，它能够帮助更多业务流程实现自动化。未来 AI 的价值，不只是回答问题，而是逐渐参与到真实工作流程中，帮助人完成更多具体任务。 Ling-3.0-flash 所体现的方向，就是让 AI 从一个提供答案的工具，进一步成为一个能够执行任务、提升效率的工作伙伴。官推：感兴趣可以自己试试 👉

冰糖雪梨

15,661 次观看 • 2 个月前

AI淘汰程序员？想多了。硅谷投资大佬Marc Andreessen点破了一个真相。 AI编程不会消灭程序员，它在重新定义这个职业。程序员的工作不再是逐行敲代码。现在的工作，是同时指挥10个AI编码机器人。跟它们争论，调试它们的输出，修改需求，逼它们拿出正确结果。但这里有个圈套。如果你自己不懂怎么写代码，你根本无法判断AI给你的东西是对是错。编程的下一个层次，不是写脚本。是监督写脚本的AI。今天最顶尖的程序员，整天在不同终端之间切换。管理多个编码机器人，修复错误，优化指令。讽刺吗？你仍然需要极其扎实的基本功。没有基本功，你连AI在犯傻都看不出来。工作的本质变了。现在是跟AI机器人辩论，调试AI生成的代码，理解为什么程序跑不起来，或者为什么不够快。 AI确实简化了工作。但只有真正懂代码的人，才能判断这种简化是否正确。程序员不会消失。他们正在变得比以前强大10倍、100倍，甚至1000倍。生产力的巨大提升，这才是真正的价值所在。任务在变，工作性质在变。但最终负责的，永远是人。人类依然在监督过程，评估结果，纠正错误，并做出最终判断。未来的程序员不是被AI取代。他们被AI升级了。所以，还是得老老实实学习怎么写代码，理解代码。因为当AI搞砸的时候，只有人知道为什么。这种能力的跃升，才是真正的革命。

AI淘汰程序员？想多了。硅谷投资大佬Marc Andreessen点破了一个真相。 AI编程不会消灭程序员，它在重新定义这个职业。程序员的工作不再是逐行敲代码。现在的工作，是同时指挥10个AI编码机器人。跟它们争论，调试它们的输出，修改需求，逼它们拿出正确结果。但这里有个圈套。如果你自己不懂怎么写代码，你根本无法判断AI给你的东西是对是错。编程的下一个层次，不是写脚本。是监督写脚本的AI。今天最顶尖的程序员，整天在不同终端之间切换。管理多个编码机器人，修复错误，优化指令。讽刺吗？你仍然需要极其扎实的基本功。没有基本功，你连AI在犯傻都看不出来。工作的本质变了。现在是跟AI机器人辩论，调试AI生成的代码，理解为什么程序跑不起来，或者为什么不够快。 AI确实简化了工作。但只有真正懂代码的人，才能判断这种简化是否正确。程序员不会消失。他们正在变得比以前强大10倍、100倍，甚至1000倍。生产力的巨大提升，这才是真正的价值所在。任务在变，工作性质在变。但最终负责的，永远是人。人类依然在监督过程，评估结果，纠正错误，并做出最终判断。未来的程序员不是被AI取代。他们被AI升级了。所以，还是得老老实实学习怎么写代码，理解代码。因为当AI搞砸的时候，只有人知道为什么。这种能力的跃升，才是真正的革命。

墓碑科技

59,008 次观看 • 8 个月前

Cognition发布首位AI软件工程师Devin，这个演示相当惊艳。 Devin 是一个自主Agents，它通过使用自己的 shell、代码编辑器和网络浏览器来解决工程任务。 Devin成功通过了知名人工智能公司的实际工程面试，甚至还在 Upwork 上完成了实际工作。 Devin 在无辅助情况下正确解决了 13.86% 的问题，远远超过了之前最先进模型 1.96% 的无辅助和 4.80% 的辅助性能。它可以学习如何使用不熟悉的技术，可以为成熟的生产资源库做出贡献，可以训练和微调自己的人工智能模型，甚至试着在 Upwork 上给 Devin 提供真实的工作，它也能完成。

Cognition发布首位AI软件工程师Devin，这个演示相当惊艳。 Devin 是一个自主Agents，它通过使用自己的 shell、代码编辑器和网络浏览器来解决工程任务。 Devin成功通过了知名人工智能公司的实际工程面试，甚至还在 Upwork 上完成了实际工作。 Devin 在无辅助情况下正确解决了 13.86% 的问题，远远超过了之前最先进模型 1.96% 的无辅助和 4.80% 的辅助性能。它可以学习如何使用不熟悉的技术，可以为成熟的生产资源库做出贡献，可以训练和微调自己的人工智能模型，甚至试着在 Upwork 上给 Devin 提供真实的工作，它也能完成。

歸藏(guizang.ai)

64,873 次观看 • 2 年前

Ring-2.6-1T 开源了。我第一时间拿它试了下前端能力，最明显的感觉是：它对 Web 页面“该怎么被看、怎么被点”有判断。我让它做了一个 AI Agent 任务监控台，提示词没有写成完整 PRD，只给了几个需求：任务队列、工具调用日志、失败重试、耗时统计，再加一个适合团队演示的暗色界面。结果挺惊喜。页面没有简单堆卡片。任务状态、执行时间线、日志、指标区分得很清楚；hover、筛选、展开详情、失败态也补上了，你能看出来它在考虑真实使用场景：用户先看哪里，点哪里，哪里需要反馈。这点很关键。很多模型写前端，第一版能跑，但像作业交差，Ring-2.6-1T 给我的感觉更像一个会自己补产品细节的前端搭子：审美在线，交互完整，还能把第一版里不顺的地方继续修到舒服。如果你要快速做产品原型、数据看板、Agent 工作台、演示型 Web Demo，可以试试它。一个很粗的想法，几分钟就能推成有质感、能点击、能录屏展示的前端作品。我把操作过程录下来了，全程没加速。

Ring-2.6-1T 开源了。我第一时间拿它试了下前端能力，最明显的感觉是：它对 Web 页面“该怎么被看、怎么被点”有判断。我让它做了一个 AI Agent 任务监控台，提示词没有写成完整 PRD，只给了几个需求：任务队列、工具调用日志、失败重试、耗时统计，再加一个适合团队演示的暗色界面。结果挺惊喜。页面没有简单堆卡片。任务状态、执行时间线、日志、指标区分得很清楚；hover、筛选、展开详情、失败态也补上了，你能看出来它在考虑真实使用场景：用户先看哪里，点哪里，哪里需要反馈。这点很关键。很多模型写前端，第一版能跑，但像作业交差，Ring-2.6-1T 给我的感觉更像一个会自己补产品细节的前端搭子：审美在线，交互完整，还能把第一版里不顺的地方继续修到舒服。如果你要快速做产品原型、数据看板、Agent 工作台、演示型 Web Demo，可以试试它。一个很粗的想法，几分钟就能推成有质感、能点击、能录屏展示的前端作品。我把操作过程录下来了，全程没加速。

Joruno

12,160 次观看 • 4 个月前

《用ChatGPT API构建系统》课程简介吴恩达：欢迎参加关于使用ChatGPT API构建系统的课程。之前，Isa和我介绍了如何提示（Prompt）ChatGPT的课程。但是一个系统需要的远不止一个提示（Prompt）或一个对LLM（大型语言模型）的调用。在这个短期课程中，我们想和您分享使用LLM构建复杂应用程序的最佳实践。 Isa：我们将以构建一个端到端的客户服务辅助系统为例，该系统将多个调用链接到语言模型，根据前一个调用的输出使用不同的指令，有时甚至从外部来源查找信息。例如，对于用户输入的“告诉我有哪些电视出售”，我们将使用以下步骤来处理。首先，您可以评估输入以确保其不包含任何有问题的内容，例如仇恨言论。接下来，系统将处理输入。它将确定这是哪种类型的查询。这是一个投诉还是产品信息请求等？一旦确定这是一个产品查询，它将检索有关电视的相关信息，并使用语言模型编写一个有帮助的回答。最后，你需要检查输出内容，确保没有问题，比如不准确或不适当的答案。吴恩达：在这门课程中，你会发现一个主题，那就是一个应用程序通常需要多个对最终用户不可见的内部步骤。你通常希望按顺序处理用户输入，经过多个步骤才能得到最终显示给用户的输出。当你使用LLM构建复杂系统时，从长远来看，你通常还希望不断改进系统。因此，我还将与您分享开发基于LLM的应用程序的过程感受以及评估和改进系统的最佳实践。我们感谢许多为这门短期课程做出贡献的人。在OpenAI方面，我们感谢Andrew Kondrich、Joe Palermo、Boris Power和Ted Sanders。来自 Ladwig、Eddy Shyu和Tommy Nelson。 Isa：通过这门短期课程，我们希望你能够对自己建立一个复杂的多步应用程序的能力充满信心，并且能够维护和不断改进它。让我们开始吧。

《用ChatGPT API构建系统》课程简介吴恩达：欢迎参加关于使用ChatGPT API构建系统的课程。之前，Isa和我介绍了如何提示（Prompt）ChatGPT的课程。但是一个系统需要的远不止一个提示（Prompt）或一个对LLM（大型语言模型）的调用。在这个短期课程中，我们想和您分享使用LLM构建复杂应用程序的最佳实践。 Isa：我们将以构建一个端到端的客户服务辅助系统为例，该系统将多个调用链接到语言模型，根据前一个调用的输出使用不同的指令，有时甚至从外部来源查找信息。例如，对于用户输入的“告诉我有哪些电视出售”，我们将使用以下步骤来处理。首先，您可以评估输入以确保其不包含任何有问题的内容，例如仇恨言论。接下来，系统将处理输入。它将确定这是哪种类型的查询。这是一个投诉还是产品信息请求等？一旦确定这是一个产品查询，它将检索有关电视的相关信息，并使用语言模型编写一个有帮助的回答。最后，你需要检查输出内容，确保没有问题，比如不准确或不适当的答案。吴恩达：在这门课程中，你会发现一个主题，那就是一个应用程序通常需要多个对最终用户不可见的内部步骤。你通常希望按顺序处理用户输入，经过多个步骤才能得到最终显示给用户的输出。当你使用LLM构建复杂系统时，从长远来看，你通常还希望不断改进系统。因此，我还将与您分享开发基于LLM的应用程序的过程感受以及评估和改进系统的最佳实践。我们感谢许多为这门短期课程做出贡献的人。在OpenAI方面，我们感谢Andrew Kondrich、Joe Palermo、Boris Power和Ted Sanders。来自 Ladwig、Eddy Shyu和Tommy Nelson。 Isa：通过这门短期课程，我们希望你能够对自己建立一个复杂的多步应用程序的能力充满信心，并且能够维护和不断改进它。让我们开始吧。

宝玉

35,535 次观看 • 3 年前

AI 时代，职场人现在最该学的一项技能是什么？吴恩达老师的建议是人人都该学编程。不少企业高管劝大家别学编程了，理由是 AI 会把它自动化掉。吴恩达认为这个逻辑正好反了。正因为有了 AI 辅助，写代码变得前所未有地容易，所以才值得每个人都去学。他已经在很多岗位上看到了明显的生产力差距。这不只发生在软件工程师身上。一边是会写代码、能自己做定制软件的人，另一边是不会的人，两者的效率已经拉开了。学编程不等于手写代码他说的学编程并不是一行行手敲代码，他自己几乎从不这么做。在可预见的未来，最重要的能力之一是能准确告诉计算机你要它做什么，让它替你完成。而代码就是计算机的语言。所以学编程的实质，是学会用计算机听得懂的方式把需求说清楚。他团队里最好的市场人员有了想法，不用等工程师来搭网站，自己就能做出来。最好的招聘人员也不再靠肉眼一份份看简历，而是写代码让程序帮忙筛选。在他看来，能把需求交代给计算机的人，会变得强大得多、高效得多。

AI 时代，职场人现在最该学的一项技能是什么？吴恩达老师的建议是人人都该学编程。不少企业高管劝大家别学编程了，理由是 AI 会把它自动化掉。吴恩达认为这个逻辑正好反了。正因为有了 AI 辅助，写代码变得前所未有地容易，所以才值得每个人都去学。他已经在很多岗位上看到了明显的生产力差距。这不只发生在软件工程师身上。一边是会写代码、能自己做定制软件的人，另一边是不会的人，两者的效率已经拉开了。学编程不等于手写代码他说的学编程并不是一行行手敲代码，他自己几乎从不这么做。在可预见的未来，最重要的能力之一是能准确告诉计算机你要它做什么，让它替你完成。而代码就是计算机的语言。所以学编程的实质，是学会用计算机听得懂的方式把需求说清楚。他团队里最好的市场人员有了想法，不用等工程师来搭网站，自己就能做出来。最好的招聘人员也不再靠肉眼一份份看简历，而是写代码让程序帮忙筛选。在他看来，能把需求交代给计算机的人，会变得强大得多、高效得多。

宝玉

114,884 次观看 • 16 天前

帮我拿了一个黑客松三等奖，得到一个大奖牌和 5000 块钱奖金。这两天新功能上线啦，在教程里面新增 Git 的教程，依然保持初心适合任何 Vibe Coding 的学习用户。课程里面所有的示例都是基于和 Agent 去用自然语言对话进行设计的，课程本身则用于了解 Git 的一些基础概念，能够帮我们解决什么问题，基于实际需求出发去学习功能，AI 实际操作对应的具体命令介绍只是用于辅助了解。相较于传统面向开发者的 Git 教程上手难度会低很多～

帮我拿了一个黑客松三等奖，得到一个大奖牌和 5000 块钱奖金。这两天新功能上线啦，在教程里面新增 Git 的教程，依然保持初心适合任何 Vibe Coding 的学习用户。课程里面所有的示例都是基于和 Agent 去用自然语言对话进行设计的，课程本身则用于了解 Git 的一些基础概念，能够帮我们解决什么问题，基于实际需求出发去学习功能，AI 实际操作对应的具体命令介绍只是用于辅助了解。相较于传统面向开发者的 Git 教程上手难度会低很多～

oil-oil

27,021 次观看 • 26 天前

Manus 体验报告能自动完成任务并交付结果的AI代理全部是在一个云端电脑上完成，AI自动思考分析、自动通过浏览器访问网站收集数据、完成内容撰写最后在云端电脑运行各种程序并编写代码给你交付出相应的文档、音频、视觉、网站交互结果。真实体验是一个任务运行的时间会很长，但是你可以干别的事情等待它完成。总体来看交付的结果还是不错的。

Manus 体验报告能自动完成任务并交付结果的AI代理全部是在一个云端电脑上完成，AI自动思考分析、自动通过浏览器访问网站收集数据、完成内容撰写最后在云端电脑运行各种程序并编写代码给你交付出相应的文档、音频、视觉、网站交互结果。真实体验是一个任务运行的时间会很长，但是你可以干别的事情等待它完成。总体来看交付的结果还是不错的。

小互

304,385 次观看 • 1 年前

哎哟卧槽，刚发现 Airtap Airtap Ai 又更新了一个硬核的新功能。只要发一条 iMessage，就能让 AI 操作 App 去干活。 Airtap通过 iMessage 收到指令后后，就会操作远程手机，完成后再把结果发回来。我用它来帮我查询 Gmail 里 Anthropic 发来的相关邮件。只要第一次在 Airtap的远程手机里登录 Gmail 后，后续直接在 iMessage 里发句话就能查询邮件，本机不用再反复挂 VPN、切换网络。而且在联网状态下，iMessage 走的是网络消息，不按普通运营商短信计费。在 iMessage 把指令发出去后，就可以在 Airtap 官网看到远程手机开始自己操作。打开 Gmail、搜索 Anthropic、查看相关邮件，最后把查询结果直接回复到 iMessage。整个过程我都录成视频了，点开视频你可以看到， Airtap收到任务后如何思考，如何一步步操作并返回结果。对我来说，这个功能最直接的价值，就是不用打开 Gmail，也能快速确认某家公司最近有没有发来重要邮件。还有一个更实际的用途，就是排查那些已经不用、却还在自动扣费的 AI 工具。 AI 工具订阅多了以后，很容易忘记取消。有时候偶然翻到付款收据，才发现某个工具又自动续费了一个月。这时可以直接让 Airtap 搜索 Gmail 里的续费提醒、付款收据和扣款邮件，看看还有哪些订阅没有关。另外对于我们 AI 博主或者海外内容运营者来说，还可以让它操作 X、YouTube 等 App，查看订阅消息中是否有最近更新的内容，不用自己在挂VPN以及在多个 App 之间来回切换。这种场景，以前我都是一个个 App 打开操作。现在只需要发一条消息，让远程手机自己去干活，直接告诉我结果就行。想体验的，可以直接给这个号码发送 iMessage：+1-650-213-7322 #justtextit #textyourapps #Airtap

哎哟卧槽，刚发现 Airtap Airtap Ai 又更新了一个硬核的新功能。只要发一条 iMessage，就能让 AI 操作 App 去干活。 Airtap通过 iMessage 收到指令后后，就会操作远程手机，完成后再把结果发回来。我用它来帮我查询 Gmail 里 Anthropic 发来的相关邮件。只要第一次在 Airtap的远程手机里登录 Gmail 后，后续直接在 iMessage 里发句话就能查询邮件，本机不用再反复挂 VPN、切换网络。而且在联网状态下，iMessage 走的是网络消息，不按普通运营商短信计费。在 iMessage 把指令发出去后，就可以在 Airtap 官网看到远程手机开始自己操作。打开 Gmail、搜索 Anthropic、查看相关邮件，最后把查询结果直接回复到 iMessage。整个过程我都录成视频了，点开视频你可以看到， Airtap收到任务后如何思考，如何一步步操作并返回结果。对我来说，这个功能最直接的价值，就是不用打开 Gmail，也能快速确认某家公司最近有没有发来重要邮件。还有一个更实际的用途，就是排查那些已经不用、却还在自动扣费的 AI 工具。 AI 工具订阅多了以后，很容易忘记取消。有时候偶然翻到付款收据，才发现某个工具又自动续费了一个月。这时可以直接让 Airtap 搜索 Gmail 里的续费提醒、付款收据和扣款邮件，看看还有哪些订阅没有关。另外对于我们 AI 博主或者海外内容运营者来说，还可以让它操作 X、YouTube 等 App，查看订阅消息中是否有最近更新的内容，不用自己在挂VPN以及在多个 App 之间来回切换。这种场景，以前我都是一个个 App 打开操作。现在只需要发一条消息，让远程手机自己去干活，直接告诉我结果就行。想体验的，可以直接给这个号码发送 iMessage：+1-650-213-7322 #justtextit #textyourapps #Airtap

李岳

46,048 次观看 • 2 个月前

注意力是最贵的资产，所以只有我选中的 6 个优质信息源更新时，Airtap Airtap Ai才能通过 iMessage 来找我。先把号码放这儿，想试的直接存下来发消息：+1 (650) 248-0408 iMessage / RCS 都能发，中文指令就行，不用装任何 App。这个号是我从官网领的，人多可能被发爆，超过5分钟没回你，就去自己领一个专属号，30 秒搞定，现在还免费。上次用 Airtap，我更多把它当成一个选题助手。这次我给它换了一份工作：替我守住注意力。比如，YouTube平台最大的问题不是没有好内容，而是好内容和大量推荐混在一起。我只是想知道 OpenAI、Anthropic、Google DeepMind、Two Minute Papers、Matt Wolfe 和 AI Explained 有没有更新，却经常在打开首页后，被推荐流带去看完全不在计划里的东西。最后花了半小时，真正想检查的频道反而可能漏掉。所以我给自己的信息入口设了一份白名单。我先在 Airtap 的云手机里登录好 YouTube，然后通过 iMessage 发了这条任务： “每天检查这 6 个 YouTube 频道的 Videos 页面，每个频道读取最新 2 条视频。第一次运行时保存标题和 URL，建立基线。以后只汇报从未出现过的新 URL，不要重复汇报旧视频。结果附频道、标题、链接、页面可见播放量和发布时间。” 消息发出后，我没有再打开 YouTube。在 Airtap 网页端，可以实时看到云手机开始执行。它先打开 OpenAI 的频道，读取最新视频；再切到 Anthropic，然后继续检查其他白名单频道。这不是在聊天框里生成一段“看起来像搜索结果”的文字。它真的在云手机里打开 YouTube、进入频道、查看页面，再把变化送回 iMessage。这次它一共检查了 6 个频道、12 条最新视频。最后只汇报了 1 条相对上次运行的新内容： Two Minute Papers 的《Another DeepSeek Moment Has Arrived》。页面显示约 2 万次播放，发布于 4 小时前。报告第一行写的是： “CHECKED 6 · COMPARED WITH LAST RUN · NEW 1” 这套工作流最重要的地方，不是它找到了这一条视频。而是另外 11 条没有变化的旧内容，没有再来占用我的注意力。第一次运行建立 URL 基线。从第二次开始，它只汇报发生了什么变化。如果白名单频道都没有更新，它只回复：“NO NEW SIGNALS。” 检查结束后，任务会同步出现在 Airtap 网页端的 Tasks 里。我可以回看执行结果，以及云手机最后停留的页面。最后，我把整个流程保存成了 Routine。现在它每天早上 9 点自动打开 YouTube，检查这 6 个频道，对比上次记录。只有白名单里的信息源真的更新了，结果才会主动发到 iMessage。 Airtap 背后是一台可以保持登录状态的云手机。担心主账号风控，也可以专门登录一个小号。以前是我打开 YouTube，在推荐流里寻找值得看的内容。现在是我先决定哪些信息源值得信任，再让 Airtap 只把变化送到我面前。我不是让 AI 帮我看得更多，而是让它帮我拒绝更多。最新可用号码需要在官网领取，现在还是免费哦：

注意力是最贵的资产，所以只有我选中的 6 个优质信息源更新时，Airtap Airtap Ai才能通过 iMessage 来找我。先把号码放这儿，想试的直接存下来发消息：+1 (650) 248-0408 iMessage / RCS 都能发，中文指令就行，不用装任何 App。这个号是我从官网领的，人多可能被发爆，超过5分钟没回你，就去自己领一个专属号，30 秒搞定，现在还免费。上次用 Airtap，我更多把它当成一个选题助手。这次我给它换了一份工作：替我守住注意力。比如，YouTube平台最大的问题不是没有好内容，而是好内容和大量推荐混在一起。我只是想知道 OpenAI、Anthropic、Google DeepMind、Two Minute Papers、Matt Wolfe 和 AI Explained 有没有更新，却经常在打开首页后，被推荐流带去看完全不在计划里的东西。最后花了半小时，真正想检查的频道反而可能漏掉。所以我给自己的信息入口设了一份白名单。我先在 Airtap 的云手机里登录好 YouTube，然后通过 iMessage 发了这条任务： “每天检查这 6 个 YouTube 频道的 Videos 页面，每个频道读取最新 2 条视频。第一次运行时保存标题和 URL，建立基线。以后只汇报从未出现过的新 URL，不要重复汇报旧视频。结果附频道、标题、链接、页面可见播放量和发布时间。” 消息发出后，我没有再打开 YouTube。在 Airtap 网页端，可以实时看到云手机开始执行。它先打开 OpenAI 的频道，读取最新视频；再切到 Anthropic，然后继续检查其他白名单频道。这不是在聊天框里生成一段“看起来像搜索结果”的文字。它真的在云手机里打开 YouTube、进入频道、查看页面，再把变化送回 iMessage。这次它一共检查了 6 个频道、12 条最新视频。最后只汇报了 1 条相对上次运行的新内容： Two Minute Papers 的《Another DeepSeek Moment Has Arrived》。页面显示约 2 万次播放，发布于 4 小时前。报告第一行写的是： “CHECKED 6 · COMPARED WITH LAST RUN · NEW 1” 这套工作流最重要的地方，不是它找到了这一条视频。而是另外 11 条没有变化的旧内容，没有再来占用我的注意力。第一次运行建立 URL 基线。从第二次开始，它只汇报发生了什么变化。如果白名单频道都没有更新，它只回复：“NO NEW SIGNALS。” 检查结束后，任务会同步出现在 Airtap 网页端的 Tasks 里。我可以回看执行结果，以及云手机最后停留的页面。最后，我把整个流程保存成了 Routine。现在它每天早上 9 点自动打开 YouTube，检查这 6 个频道，对比上次记录。只有白名单里的信息源真的更新了，结果才会主动发到 iMessage。 Airtap 背后是一台可以保持登录状态的云手机。担心主账号风控，也可以专门登录一个小号。以前是我打开 YouTube，在推荐流里寻找值得看的内容。现在是我先决定哪些信息源值得信任，再让 Airtap 只把变化送到我面前。我不是让 AI 帮我看得更多，而是让它帮我拒绝更多。最新可用号码需要在官网领取，现在还是免费哦：

Rachel🥥

23,785 次观看 • 2 个月前

微软研发的 AutoGen 框架太强大了，它是一个多代理框架，利用它可以轻松定制一系列工作任务。举一个常见的例子：我们要实现一个爬虫程序，抓取并保存网页图片。如果把这个任务丢给 ChatGPT，它会直接返回一串可执行代码，但是代码通常会存在问题，例如执行报错、缺少依赖等，你需要反复跟 ChatGPT 对话来完善程序。当然，我们也可以设定一个复杂 Prompt，要求它调用 ChatGPT 的代码执行插件，如果存在报错，则继续修正程序。这个任务如果交给 AutoGen 来实现，将会变得无比简单，几行代码就可以搞定： 1）定义一个 Assistant Agent，它的任务是解决问题 2）定义一个 UserProxy Agent，它的任务是替代人询问问题，同时在本地执行程序这两个 Agent 都不需要给他们设置 Prompt。当我们把爬虫任务交给 UserProxy 后，它会理解任务，然后询问 Assistant 应该如何做，Assistant 会把操作过程告诉 UserProxy，接着 UserProxy 会根据指示在本地安装依赖，然后创建文件执行代码，如果执行出现错误，它会把详细报错提交给 Assistant，依次循环，直到可以获取到最终的结果。任务结束的时候，你会看到目标图片已经保存到本地磁盘了。利用这个框架可以做的事情非常多，它提供的能力也十分完善，可以在项目的 notebook 中找到很多最佳实践： P.S. 为了确保安全，还是建议你在 Docker 环境中执行程序，UserProxy 有一个 code_execution_config 配置，将 use_docker 配置为 True 即可；另外，它还有一个 human_input_mode 参数，设置为 NEVER，表示整个过程都不需要人参与，也可以设置为其他值，它会等待人的输入后再进行下一步操作，这个设计可以让人参与到任务执行过程，避免跑偏。

微软研发的 AutoGen 框架太强大了，它是一个多代理框架，利用它可以轻松定制一系列工作任务。举一个常见的例子：我们要实现一个爬虫程序，抓取并保存网页图片。如果把这个任务丢给 ChatGPT，它会直接返回一串可执行代码，但是代码通常会存在问题，例如执行报错、缺少依赖等，你需要反复跟 ChatGPT 对话来完善程序。当然，我们也可以设定一个复杂 Prompt，要求它调用 ChatGPT 的代码执行插件，如果存在报错，则继续修正程序。这个任务如果交给 AutoGen 来实现，将会变得无比简单，几行代码就可以搞定： 1）定义一个 Assistant Agent，它的任务是解决问题 2）定义一个 UserProxy Agent，它的任务是替代人询问问题，同时在本地执行程序这两个 Agent 都不需要给他们设置 Prompt。当我们把爬虫任务交给 UserProxy 后，它会理解任务，然后询问 Assistant 应该如何做，Assistant 会把操作过程告诉 UserProxy，接着 UserProxy 会根据指示在本地安装依赖，然后创建文件执行代码，如果执行出现错误，它会把详细报错提交给 Assistant，依次循环，直到可以获取到最终的结果。任务结束的时候，你会看到目标图片已经保存到本地磁盘了。利用这个框架可以做的事情非常多，它提供的能力也十分完善，可以在项目的 notebook 中找到很多最佳实践： P.S. 为了确保安全，还是建议你在 Docker 环境中执行程序，UserProxy 有一个 code_execution_config 配置，将 use_docker 配置为 True 即可；另外，它还有一个 human_input_mode 参数，设置为 NEVER，表示整个过程都不需要人参与，也可以设置为其他值，它会等待人的输入后再进行下一步操作，这个设计可以让人参与到任务执行过程，避免跑偏。

Barret李靖

518,857 次观看 • 3 年前

有没有想过，下一个来带你赚钱的，不是甲方，而是一个 AI Agent。我最近在 UUMit 上试了个任务：筛出近期值得关注的 AI 产品，排除套壳项目，按创新性、实用性和传播价值排序，每个结论还得附上来源。这种活儿，我不太敢只交给一个模型。写几段话很容易，难的是查资料、做判断，还要对结果负责。把需求放进 UUMit 后，AI 不用装作什么都懂。缺资料就找资料，缺判断就找人，也可以调用其他 Agent 或工具。人、Agent、知识包和数据服务都在同一个任务市场里，匹配、下单、交付、验收和结算也都通过平台完成。这件事对创作者和开发者来说也可以变现。我电脑里也躺着不少选题方法、脚本模板、研究资料和工作流，平时基本只有自己在用。更值得普通人关注的是另一面：你多年积累的行业资料、研究方法、脚本模板、SOP 和工作流，以前可能只能放在电脑里自己用；现在可以尝试把它们整理成多个skill，放到 UUMit 上，等需要的人或者 Agent 找过来。以前我们到处找 AI 工具。现在，AI 也开始出来找人了。这就是A2A 真正有意思的地方，让两个 AI 互相聊天，交换能力、买知识、拉人协作，最后把事情更好的交付掉。体验入口：邀请码：UU-7MEKKA

有没有想过，下一个来带你赚钱的，不是甲方，而是一个 AI Agent。我最近在 UUMit 上试了个任务：筛出近期值得关注的 AI 产品，排除套壳项目，按创新性、实用性和传播价值排序，每个结论还得附上来源。这种活儿，我不太敢只交给一个模型。写几段话很容易，难的是查资料、做判断，还要对结果负责。把需求放进 UUMit 后，AI 不用装作什么都懂。缺资料就找资料，缺判断就找人，也可以调用其他 Agent 或工具。人、Agent、知识包和数据服务都在同一个任务市场里，匹配、下单、交付、验收和结算也都通过平台完成。这件事对创作者和开发者来说也可以变现。我电脑里也躺着不少选题方法、脚本模板、研究资料和工作流，平时基本只有自己在用。更值得普通人关注的是另一面：你多年积累的行业资料、研究方法、脚本模板、SOP 和工作流，以前可能只能放在电脑里自己用；现在可以尝试把它们整理成多个skill，放到 UUMit 上，等需要的人或者 Agent 找过来。以前我们到处找 AI 工具。现在，AI 也开始出来找人了。这就是A2A 真正有意思的地方，让两个 AI 互相聊天，交换能力、买知识、拉人协作，最后把事情更好的交付掉。体验入口：邀请码：UU-7MEKKA

Rachel🥥

29,080 次观看 • 2 个月前

我最近一边写内容，一边在验证一个问题：如果要做一个面向 AI 创作者的小工具，到底该做什么？直接问 AI“给我想个产品 idea”，意义不大。它能给你 20 个想法，但不代表有人愿意付钱。我最近用 Airtap Ai Airtap 跑了两个任务。第一个很简单。我给一个真实的美国号码发了一条 iMessage： +1 (650) 248-0054 “在 X 上帮我查一下今天最热的 AI 信息和话题。” Airtap 收到消息后，直接操作云手机里的 Chrome，打开 X 搜索。我不用守在页面前，它会通过 iMessage 回传进度： “正在查看 Grok 4.6，整理高互动帖子。” “已经拿到 Grok Imagine 的数据，接下来检查 Claude 工具。” 过了一会儿，热点、原帖链接和互动数据就发回来了。这个任务很适合做内容的人。它像一份每日选题雷达，解决的是：今天有什么值得写？哪些海外话题可以转成中文内容？并且它的入口非常方便，一项任务交给一条imessage就可以搞定。但我还想解决另一个问题：如果我要做一个服务 AI 创作者的产品，哪些问题真的值得做？这次我在 Airtap 的 Web 端发了一个更长的调研任务：去 Reddit 和 X 找 AI 创作者已经花钱、却仍没解决的问题。我只保留四类讨论：买过多个工具，问题还是没解决；已经雇人或购买过服务；每周仍要投入大量人工时间；因为价格、功能或稳定性反复换工具。同时要求它记录原帖、评论、链接、已经尝试的方案和实际成本。任务跑起来后，我会在 Web 端看它执行：搜索了什么关键词，打开了哪些帖子，有没有进评论区，又怎样切到 X 做交叉验证。这一步对我很重要。我要的是能回头核对证据，而非一份看起来很厉害的 AI 总结。最后拿到的是一份付费痛点机会表。其中有两个结论让我印象很深。第一个是多工具订阅。不少重度用户同时订阅 GPT、Claude 和一堆垂直工具，每月花费超过 100 美元，但依然搞不清额度、频繁遇到限流，还要处理支付和区服问题。他们缺的不是又一个模型。更像是一个能看清“钱花到哪、额度还剩多少、哪个工具该留”的管理层。第二个是 AI 内容返工。有些创作者已经付费买了生成工具，但内容出来后，还是要花大量时间改脚本、核对事实、去掉 AI 味。他们要的也不是更多的生成。而是把内容变成“能发、可信、像自己”的最后一步。这份报告没有告诉我“做这个一定能赚钱”。但它让我排除了一个方向：我没必要再做一个 AI 内容生成器。反而可以先验证一个更小的产品：帮重度 AI 用户看清订阅、额度和重复支出。下一步，我会把这个痛点做成一页简单的产品说明，找 10 个同时订阅 GPT 和 Claude 的创作者聊聊。如果有人愿意给出自己的账单和额度使用情况，再做 MVP。这就是 Airtap 给我的第二个结果：不是帮我找到一个“看起来很酷”的点子。而是帮我找到一个有公开证据、有付费行为、能继续访谈验证的产品方向。如果这类调研想要长期做，还可以保存成 Routine，每天自动追踪 Reddit 和 X 上新出现的付费痛点，不用反复发同一段 Prompt。我现在理解的 Airtap 工作流很简单：临时内容任务，直接用 iMessage 发出去；复杂调研任务，打开 Web 看过程、核对证据；值得长期追踪的方向，再保存成 Routine。完整调研报告和执行过程放在视频里。

我最近一边写内容，一边在验证一个问题：如果要做一个面向 AI 创作者的小工具，到底该做什么？直接问 AI“给我想个产品 idea”，意义不大。它能给你 20 个想法，但不代表有人愿意付钱。我最近用 Airtap Ai Airtap 跑了两个任务。第一个很简单。我给一个真实的美国号码发了一条 iMessage： +1 (650) 248-0054 “在 X 上帮我查一下今天最热的 AI 信息和话题。” Airtap 收到消息后，直接操作云手机里的 Chrome，打开 X 搜索。我不用守在页面前，它会通过 iMessage 回传进度： “正在查看 Grok 4.6，整理高互动帖子。” “已经拿到 Grok Imagine 的数据，接下来检查 Claude 工具。” 过了一会儿，热点、原帖链接和互动数据就发回来了。这个任务很适合做内容的人。它像一份每日选题雷达，解决的是：今天有什么值得写？哪些海外话题可以转成中文内容？并且它的入口非常方便，一项任务交给一条imessage就可以搞定。但我还想解决另一个问题：如果我要做一个服务 AI 创作者的产品，哪些问题真的值得做？这次我在 Airtap 的 Web 端发了一个更长的调研任务：去 Reddit 和 X 找 AI 创作者已经花钱、却仍没解决的问题。我只保留四类讨论：买过多个工具，问题还是没解决；已经雇人或购买过服务；每周仍要投入大量人工时间；因为价格、功能或稳定性反复换工具。同时要求它记录原帖、评论、链接、已经尝试的方案和实际成本。任务跑起来后，我会在 Web 端看它执行：搜索了什么关键词，打开了哪些帖子，有没有进评论区，又怎样切到 X 做交叉验证。这一步对我很重要。我要的是能回头核对证据，而非一份看起来很厉害的 AI 总结。最后拿到的是一份付费痛点机会表。其中有两个结论让我印象很深。第一个是多工具订阅。不少重度用户同时订阅 GPT、Claude 和一堆垂直工具，每月花费超过 100 美元，但依然搞不清额度、频繁遇到限流，还要处理支付和区服问题。他们缺的不是又一个模型。更像是一个能看清“钱花到哪、额度还剩多少、哪个工具该留”的管理层。第二个是 AI 内容返工。有些创作者已经付费买了生成工具，但内容出来后，还是要花大量时间改脚本、核对事实、去掉 AI 味。他们要的也不是更多的生成。而是把内容变成“能发、可信、像自己”的最后一步。这份报告没有告诉我“做这个一定能赚钱”。但它让我排除了一个方向：我没必要再做一个 AI 内容生成器。反而可以先验证一个更小的产品：帮重度 AI 用户看清订阅、额度和重复支出。下一步，我会把这个痛点做成一页简单的产品说明，找 10 个同时订阅 GPT 和 Claude 的创作者聊聊。如果有人愿意给出自己的账单和额度使用情况，再做 MVP。这就是 Airtap 给我的第二个结果：不是帮我找到一个“看起来很酷”的点子。而是帮我找到一个有公开证据、有付费行为、能继续访谈验证的产品方向。如果这类调研想要长期做，还可以保存成 Routine，每天自动追踪 Reddit 和 X 上新出现的付费痛点，不用反复发同一段 Prompt。我现在理解的 Airtap 工作流很简单：临时内容任务，直接用 iMessage 发出去；复杂调研任务，打开 Web 看过程、核对证据；值得长期追踪的方向，再保存成 Routine。完整调研报告和执行过程放在视频里。

木马人

43,659 次观看 • 1 个月前