Загрузка видео...

Не удалось загрузить видео

Возникла проблема при загрузке этого видео. Это может быть связано с временными проблемами сети или видео может быть недоступно.

На главную

Openclaw开发者Peter Steinberger：你很快就不需要App了有一说一现在的App确实非常臃肿，页面里全是各种复杂的菜单、会员、广告。Openclaw创始人预测的未来里，用户只用做一件事：说出你的需求，Agent就能现场为你造出一个专属工具。这就是我说的：所有的产品都值得用大模型重做一遍。但重做不是简单的加个对话框，是把核心逻辑变成按需生成，这才是真正的AI Native。

傅盛

55,878 subscribers

75,092 просмотров • 6 месяцев назад •via X (Twitter)

Наука и технологии

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

太像了，声音都像。之前 AI 出来的时候，有一种说法是所有的产品都值得用 AI 再做一遍。那做内容就是，把你能说明白的爆款内容再说一遍。 “人人都是产品经理”的“真谛”就是大家都在重复造轮子。

太像了，声音都像。之前 AI 出来的时候，有一种说法是所有的产品都值得用 AI 再做一遍。那做内容就是，把你能说明白的爆款内容再说一遍。 “人人都是产品经理”的“真谛”就是大家都在重复造轮子。

在悉尼和稀泥

73,624 просмотров • 7 месяцев назад

值得每个人细细品味世界是一元的事物都是从一面走向它的反面不用想如何成为什么样的人你现在就是你就用这样的身份去做就是了

值得每个人细细品味世界是一元的事物都是从一面走向它的反面不用想如何成为什么样的人你现在就是你就用这样的身份去做就是了

Yangyi

29,870 просмотров • 1 год назад

【Manus季逸超：六个月后，基本每一家头部的应用公司都有做模型的能力】最近看了Manus联合创始人季逸超的访谈，很多人诟病 Manus 早期没有自己的模型、只是个套壳，但看完视频就会发现，Manus的逻辑是有道理的。一般的思维模式是先练模型（鸡），再顺便出个产品（蛋），这叫“沿途下蛋”。但这种方式是以模型为中心的，它的风险在于，蛋的形状取决于鸡能生出什么。模型能做到哪，产品才能做到哪，产品只能迁就技术。 Manus的路子是以产品为中心“借鸡生蛋”：早期直接用现成的模型。别管鸡是谁的，先让产品跑起来，看用户愿不愿意买单，找到PMF。等产品逻辑通了、用户量大了，发现现有的模型太贵、太慢、或者不够适配，再反过来去倒逼技术，优化出一种特定的模型。以Cursor为例，它一开始就是个代码编辑器，接入的是别人的接口。但等到它成为程序员的刚需后，为了追求极致的速度和更准的代码逻辑，它才跳出来做了自研模型。说到底是应用先于模型，需求定义底座。

【Manus季逸超：六个月后，基本每一家头部的应用公司都有做模型的能力】最近看了Manus联合创始人季逸超的访谈，很多人诟病 Manus 早期没有自己的模型、只是个套壳，但看完视频就会发现，Manus的逻辑是有道理的。一般的思维模式是先练模型（鸡），再顺便出个产品（蛋），这叫“沿途下蛋”。但这种方式是以模型为中心的，它的风险在于，蛋的形状取决于鸡能生出什么。模型能做到哪，产品才能做到哪，产品只能迁就技术。 Manus的路子是以产品为中心“借鸡生蛋”：早期直接用现成的模型。别管鸡是谁的，先让产品跑起来，看用户愿不愿意买单，找到PMF。等产品逻辑通了、用户量大了，发现现有的模型太贵、太慢、或者不够适配，再反过来去倒逼技术，优化出一种特定的模型。以Cursor为例，它一开始就是个代码编辑器，接入的是别人的接口。但等到它成为程序员的刚需后，为了追求极致的速度和更准的代码逻辑，它才跳出来做了自研模型。说到底是应用先于模型，需求定义底座。

傅盛

89,277 просмотров • 7 месяцев назад

今天我们的新产品 FlowSpeech 正式发布 FlowSpeech 是全球第一个书面语转口语的 TTS 可以读网页，可以念小说，可以讲PPT，还能翻译外语。它是你的 AI 嘴替，随时替你说话。这听起来非常不炸裂，但它却是基于我们真实的用户的真实痛点所做的有用的小产品。为什么在行业都在吹概念，追模型，卷 Agent 的时候，我们选择花一点时间做一个这样的小产品呢？作为 AI 应用公司，我们当然希望自己成为天空中的独角兽。但做产品的本质，是帮助一个个真实的人。 FlowSpeech 的需求来自一位80岁的美国老人，这是他的故事。👇

今天我们的新产品 FlowSpeech 正式发布 FlowSpeech 是全球第一个书面语转口语的 TTS 可以读网页，可以念小说，可以讲PPT，还能翻译外语。它是你的 AI 嘴替，随时替你说话。这听起来非常不炸裂，但它却是基于我们真实的用户的真实痛点所做的有用的小产品。为什么在行业都在吹概念，追模型，卷 Agent 的时候，我们选择花一点时间做一个这样的小产品呢？作为 AI 应用公司，我们当然希望自己成为天空中的独角兽。但做产品的本质，是帮助一个个真实的人。 FlowSpeech 的需求来自一位80岁的美国老人，这是他的故事。👇

Orange AI

476,824 просмотров • 1 год назад

姚顺雨对AI未来发展的两个重要判断：第一个是我认为AI会是个长期游戏。从某种程度来说，AI的下半场才刚开始。我不认为ChatGPT和Claude会是唯一的Super App，我觉得那会是个非常灰暗的世界。我觉得肯定会有源源不断的新的机会诞生，可能今天就像是七十年代PC刚刚产生的时候，还有很多很多事情需要做。第二个判断是，未来会是更多元的游戏。确实过去几年大家能看到的是pre-training、post-training、RL、Agent、Coding Agent，似乎有一个非常清晰的主线，这个主线就是所有人都在copy，坦白说就是所有人都在做一样的事情，这也是个非常灰暗的事情。那到底未来会变得更单一还是更多元？我个人看法是会变得更多元。毫无疑问Coding Agent和生产力会变得更加重要，它是一个刚刚开始的事情，这个世界还有trillions of dollars的市场还没有被填满。但是多模态、具身智能，很多很多新的事情都在发生，或者刚刚发生。

姚顺雨对AI未来发展的两个重要判断：第一个是我认为AI会是个长期游戏。从某种程度来说，AI的下半场才刚开始。我不认为ChatGPT和Claude会是唯一的Super App，我觉得那会是个非常灰暗的世界。我觉得肯定会有源源不断的新的机会诞生，可能今天就像是七十年代PC刚刚产生的时候，还有很多很多事情需要做。第二个判断是，未来会是更多元的游戏。确实过去几年大家能看到的是pre-training、post-training、RL、Agent、Coding Agent，似乎有一个非常清晰的主线，这个主线就是所有人都在copy，坦白说就是所有人都在做一样的事情，这也是个非常灰暗的事情。那到底未来会变得更单一还是更多元？我个人看法是会变得更多元。毫无疑问Coding Agent和生产力会变得更加重要，它是一个刚刚开始的事情，这个世界还有trillions of dollars的市场还没有被填满。但是多模态、具身智能，很多很多新的事情都在发生，或者刚刚发生。

马识途

32,427 просмотров • 2 месяцев назад

李飞飞这段采访，越听越有压力。她说未来真正被甩开的，可能不是被 AI 替代的人，而是还在用五年前流程工作的人。以前产品经理不会写代码很正常：写 PRD、开会、等设计、排开发，几个月做个原型。但现在旁边的人已经能用 AI 当天把 demo 跑出来，拿真实界面讨论需求，你还在说“我负责协调资源”。差距可能就是这么拉开的。 AI 最狠的地方，不是替你工作，而是逼你从“传话的人”变成“能把想法做出来的人”。

李飞飞这段采访，越听越有压力。她说未来真正被甩开的，可能不是被 AI 替代的人，而是还在用五年前流程工作的人。以前产品经理不会写代码很正常：写 PRD、开会、等设计、排开发，几个月做个原型。但现在旁边的人已经能用 AI 当天把 demo 跑出来，拿真实界面讨论需求，你还在说“我负责协调资源”。差距可能就是这么拉开的。 AI 最狠的地方，不是替你工作，而是逼你从“传话的人”变成“能把想法做出来的人”。

Vincent

69,334 просмотров • 2 месяцев назад

拉里·埃里森：做和其他所有人一样的事情，你是不会成功的 “我对创业者的标准建议是，作为一家小公司，做和其他所有人一样的事情是不可能成功的……如果你是一名创业者，你必须在传统观念中寻找谬误。” 当你告诉人们你的创业想法时，他们中的大多数人应该会说：“没人在做那个。你疯了吧！” “当你听到这话时，存在两种可能性：一种是你率先提出了一个绝佳的想法。不幸的是，另一种是你真的疯了。”

拉里·埃里森：做和其他所有人一样的事情，你是不会成功的 “我对创业者的标准建议是，作为一家小公司，做和其他所有人一样的事情是不可能成功的……如果你是一名创业者，你必须在传统观念中寻找谬误。” 当你告诉人们你的创业想法时，他们中的大多数人应该会说：“没人在做那个。你疯了吧！” “当你听到这话时，存在两种可能性：一种是你率先提出了一个绝佳的想法。不幸的是，另一种是你真的疯了。”

柴郡🔔｜Crypto+AI Plus

11,487 просмотров • 5 месяцев назад

CES刚刚结束，就收到几个朋友的反馈. 一个说他找的搭建商给他的案子全搞砸了，我问搞砸的原因？说是这个搭建商基本没人，单子接多了，很多收尾的活都没做好. 一个说是摊位的海报全都是气泡皱褶，做工粗糙，还有一个就是我的前同事，说他在一个人那里上班帮忙做CES，觉得大家理念不同他现在不想做了，提出辞职结果不发工资给人家，他问我能不能告他，我说这还用说吗？美国职场遵循的就是双方来去自由，如果他不给你工资，那必须告，小法庭花个100多美元就可以立案，一告一个准，在美国还有敢不发工资的主，那可真是胆子大！ CES就是一面照妖镜，照出了人性贪婪，照出了人品恶劣，照出了道德低下. 那些贪婪接单，低价接单，克扣工人工资的同行行为，我一旦了解到就会敬而远之，不是我道德多高尚，而是这是做人的基本底线，做生意的基本原则. 这样的人多了会给我们这些在这里真正打拼的群体带来负面影响，可谓一颗老鼠屎搞坏一锅粥就是这样来的. 不超能力接单、不低价接单，不隐瞒费用、不甩锅客户，每做一个案子就认真交付一个案子，你才能在这个行业走的长久. CES大展会，在工厂资源缺少，求大于供的市场面前，是个人都能接到单，当有人跟你说他做了多少多少个的时候，这没什么可骄傲的，如果他的服务能够获得所有客户100%满意度，那才是值得骄傲的事情，这也是我对我的所有同事这样要求的😄 CES这样的展会表面是产品与服务的较量，背后其实是人性与道德的博弈.

CES刚刚结束，就收到几个朋友的反馈. 一个说他找的搭建商给他的案子全搞砸了，我问搞砸的原因？说是这个搭建商基本没人，单子接多了，很多收尾的活都没做好. 一个说是摊位的海报全都是气泡皱褶，做工粗糙，还有一个就是我的前同事，说他在一个人那里上班帮忙做CES，觉得大家理念不同他现在不想做了，提出辞职结果不发工资给人家，他问我能不能告他，我说这还用说吗？美国职场遵循的就是双方来去自由，如果他不给你工资，那必须告，小法庭花个100多美元就可以立案，一告一个准，在美国还有敢不发工资的主，那可真是胆子大！ CES就是一面照妖镜，照出了人性贪婪，照出了人品恶劣，照出了道德低下. 那些贪婪接单，低价接单，克扣工人工资的同行行为，我一旦了解到就会敬而远之，不是我道德多高尚，而是这是做人的基本底线，做生意的基本原则. 这样的人多了会给我们这些在这里真正打拼的群体带来负面影响，可谓一颗老鼠屎搞坏一锅粥就是这样来的. 不超能力接单、不低价接单，不隐瞒费用、不甩锅客户，每做一个案子就认真交付一个案子，你才能在这个行业走的长久. CES大展会，在工厂资源缺少，求大于供的市场面前，是个人都能接到单，当有人跟你说他做了多少多少个的时候，这没什么可骄傲的，如果他的服务能够获得所有客户100%满意度，那才是值得骄傲的事情，这也是我对我的所有同事这样要求的😄 CES这样的展会表面是产品与服务的较量，背后其实是人性与道德的博弈.

Daisy

14,987 просмотров • 1 год назад

为什么英伟达能成为全球最有价值的公司？答案藏在2003年的一段视频里。黄仁勋说，我不需要一夜之间改变世界。我打算用未来50年去改变它。我不需要一夜之间就做出什么“杀手级产品”。我只需要做出一个能赢的产品。赢的目标，是为了能让你再玩一局。就像玩弹珠台游戏。只要你玩得足够好，能再来一局，你就可以一直玩下去。很多公司恰恰没意识到，这是一条很长的路。你不可能一上来就造出完美的产品。想通了这点，你就会把项目范围控制好。把项目简化。愿景要宏大，但产品定义必须简单。然后，完美地执行它。因为你的团队，现在可以执行一个简单的计划了。做完一次，回来，再做一次。这和那些靠PPT和宏大叙事驱动的公司形成了鲜明对比。没有虚头巴脑的口号，没有不切实际的承诺。就是聚焦，执行，再聚焦，再执行。这种务实的工匠精神，是不是今天许多沉迷于金融游戏和政治正确的科技巨头们所缺失的？先活下来，再赢下一局，而不是总想着一口吃成个胖子。这或许才是真正的长期主义。

为什么英伟达能成为全球最有价值的公司？答案藏在2003年的一段视频里。黄仁勋说，我不需要一夜之间改变世界。我打算用未来50年去改变它。我不需要一夜之间就做出什么“杀手级产品”。我只需要做出一个能赢的产品。赢的目标，是为了能让你再玩一局。就像玩弹珠台游戏。只要你玩得足够好，能再来一局，你就可以一直玩下去。很多公司恰恰没意识到，这是一条很长的路。你不可能一上来就造出完美的产品。想通了这点，你就会把项目范围控制好。把项目简化。愿景要宏大，但产品定义必须简单。然后，完美地执行它。因为你的团队，现在可以执行一个简单的计划了。做完一次，回来，再做一次。这和那些靠PPT和宏大叙事驱动的公司形成了鲜明对比。没有虚头巴脑的口号，没有不切实际的承诺。就是聚焦，执行，再聚焦，再执行。这种务实的工匠精神，是不是今天许多沉迷于金融游戏和政治正确的科技巨头们所缺失的？先活下来，再赢下一局，而不是总想着一口吃成个胖子。这或许才是真正的长期主义。

墓碑科技

25,062 просмотров • 9 месяцев назад

现在AI那么强，但是你会用AI炒股，炒币吗？其实不管用AI做什么，使用的人逻辑思维一定要正确，不然你的AI就是一个弱智。

现在AI那么强，但是你会用AI炒股，炒币吗？其实不管用AI做什么，使用的人逻辑思维一定要正确，不然你的AI就是一个弱智。

韩跑跑

33,284 просмотров • 6 месяцев назад

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

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

axiaisacat

46,330 просмотров • 5 месяцев назад

昨天发了一个视频，看到评论里有人问：你都在用 Claude Code 了，为什么还要用国内的 Coding Plan？对我来说，这不是一个二选一的问题，而是一个补充题。大家都知道御三家的硬实力更强，这点没什么好争议的。但很多日常场景里，国产模型其实已经能在速度、质量、成本之间取得一个不错的平衡。比如文本处理、资料整理、基础 coding、简单 agent 任务，这类占日常 80% 的工作，很多时候并不一定非要上最贵的模型。对大多数中国用户来说，国产模型更顺手，速度也够，价格还低不少。还有一个经常被忽略的点，其实是处理速度。我自己实测下来，国内这些模型在一些简单任务上，接口响应和首字速度都很快。像翻译、语音输入后的文本修正、基础润色、简单改写这类高频小任务，用起来其实很舒服。你并不需要每一次都把最贵、最强的模型拉出来跑一遍。另外我觉得，现在国内头部几家 AI 厂商，已经不是“能不能做”的问题了。无论是阿里还是字节，一方面有足够的算力和基础设施，另一方面本身也有持续做模型研发和产品迭代的能力。所以在很多高频、日常、成本敏感的场景里，把国产模型纳入自己的工具链，本来就是很自然的事。所以我现在的看法一直都不是“国产替代”或者“二选一”，而是按场景分工：复杂、高价值任务交给最强模型；大量日常、重复、成本敏感的任务，用国产模型做补充，我觉得这反而是更现实、也更科学的用法。

昨天发了一个视频，看到评论里有人问：你都在用 Claude Code 了，为什么还要用国内的 Coding Plan？对我来说，这不是一个二选一的问题，而是一个补充题。大家都知道御三家的硬实力更强，这点没什么好争议的。但很多日常场景里，国产模型其实已经能在速度、质量、成本之间取得一个不错的平衡。比如文本处理、资料整理、基础 coding、简单 agent 任务，这类占日常 80% 的工作，很多时候并不一定非要上最贵的模型。对大多数中国用户来说，国产模型更顺手，速度也够，价格还低不少。还有一个经常被忽略的点，其实是处理速度。我自己实测下来，国内这些模型在一些简单任务上，接口响应和首字速度都很快。像翻译、语音输入后的文本修正、基础润色、简单改写这类高频小任务，用起来其实很舒服。你并不需要每一次都把最贵、最强的模型拉出来跑一遍。另外我觉得，现在国内头部几家 AI 厂商，已经不是“能不能做”的问题了。无论是阿里还是字节，一方面有足够的算力和基础设施，另一方面本身也有持续做模型研发和产品迭代的能力。所以在很多高频、日常、成本敏感的场景里，把国产模型纳入自己的工具链，本来就是很自然的事。所以我现在的看法一直都不是“国产替代”或者“二选一”，而是按场景分工：复杂、高价值任务交给最强模型；大量日常、重复、成本敏感的任务，用国产模型做补充，我觉得这反而是更现实、也更科学的用法。

luolei

32,585 просмотров • 4 месяцев назад

建立一个睡后收入系统，七年内赚到你的第一个 1000w。假如直播和短视频，你选哪一个？选直播，那就是卖时间，当你下播的那一刻开始，收入就归0了。做短视频，只要你的视频够好，发布后会持续很长的时间，我觉得这也可以定义为睡后收入，这里只是举个例子，视频中讲的是做一个产品。找到用户需求，立即开始，哪怕是从最小的事做起。为什么要最小？第一：降低试错成本。你不知道这个东西到底有没有人要，如果一上来就投入大量的时间和金钱，万一方向错了，你就血本无归了。但如果只是做一个最小版本，花一周时间成本几百块钱，就算失败了你也输得起。第二：快速验证需求。你以为用户需要的和用户真正需要的往往是两回事，只有拿出来让市场检验，你才知道这条路对不对。第三：建立反馈循环。你做出来给用户用，用户给你反馈，你根据反馈改进，再给用户用，这个循环越快，你就进步越快。

建立一个睡后收入系统，七年内赚到你的第一个 1000w。假如直播和短视频，你选哪一个？选直播，那就是卖时间，当你下播的那一刻开始，收入就归0了。做短视频，只要你的视频够好，发布后会持续很长的时间，我觉得这也可以定义为睡后收入，这里只是举个例子，视频中讲的是做一个产品。找到用户需求，立即开始，哪怕是从最小的事做起。为什么要最小？第一：降低试错成本。你不知道这个东西到底有没有人要，如果一上来就投入大量的时间和金钱，万一方向错了，你就血本无归了。但如果只是做一个最小版本，花一周时间成本几百块钱，就算失败了你也输得起。第二：快速验证需求。你以为用户需要的和用户真正需要的往往是两回事，只有拿出来让市场检验，你才知道这条路对不对。第三：建立反馈循环。你做出来给用户用，用户给你反馈，你根据反馈改进，再给用户用，这个循环越快，你就进步越快。

韩跑跑

26,741 просмотров • 6 месяцев назад

关于 FDE 这个采访是说的最正确和最准确的毕竟Palantir 是 FDE 做的最好的 Palantir CEO：模型会变成谁都有的东西，把它塞进真实企业的复杂系统里才是难的、也才是值钱的做这件事需要的是长期泡在客户现场，不是坐在旧金山写写代码就能搞定的。那些公司招的工程师的非常好，问题是他们不跟企业客户打交道，也不理解真正的商业逻辑和技术难题他们整天就是端着拿铁读一份自己不懂技术底细的报告，在那猜测客户的需求来干活...

关于 FDE 这个采访是说的最正确和最准确的毕竟Palantir 是 FDE 做的最好的 Palantir CEO：模型会变成谁都有的东西，把它塞进真实企业的复杂系统里才是难的、也才是值钱的做这件事需要的是长期泡在客户现场，不是坐在旧金山写写代码就能搞定的。那些公司招的工程师的非常好，问题是他们不跟企业客户打交道，也不理解真正的商业逻辑和技术难题他们整天就是端着拿铁读一份自己不懂技术底细的报告，在那猜测客户的需求来干活...

小互

127,294 просмотров • 20 дней назад

当一个人有超能力，但是对另一个人却不能用？当一个人的超能力要靠别人骂它才能激发？不得不佩服韩国编剧的想象力，太搞了有没有？这种设定放在剧里确实好看——能力很强但有条件限制，这才是戏剧张力的来源。但话说回来，如果把这个逻辑搬到现实里，你会发现 DeFi 市场早就把这套玩明白了。浮动利率就是这样一种"超能力"。它理论上能让你赚很多，但有个条件——你得承受它的反复无常。你今天借的时候利率看着挺低，明天它就变了。你扛住了，后天它又变了。你的能力不在你自己手里，在市场手里。市场心情好，你就是高手。市场翻脸，你就是那个超能力失灵的人。 TermMax | Fixed Rate Borrowing & Lending 的逻辑正好反过来。它的"超能力"不是靠情绪激发的——固定利率不需要你骂它、不需要市场配合、不需要在特定条件下才能生效。你借的时候写好的数字，到期就是那个数字。没有触发条件，没有隐藏设定，没有"今天市场不好你的利率自动翻倍"这种剧情反转。韩剧里那种"能力很强但条件苛刻"的设定确实适合追剧。但借钱这件事，还是希望条件越简单越好、能力越稳定越好，不用靠骂街来激活。

当一个人有超能力，但是对另一个人却不能用？当一个人的超能力要靠别人骂它才能激发？不得不佩服韩国编剧的想象力，太搞了有没有？这种设定放在剧里确实好看——能力很强但有条件限制，这才是戏剧张力的来源。但话说回来，如果把这个逻辑搬到现实里，你会发现 DeFi 市场早就把这套玩明白了。浮动利率就是这样一种"超能力"。它理论上能让你赚很多，但有个条件——你得承受它的反复无常。你今天借的时候利率看着挺低，明天它就变了。你扛住了，后天它又变了。你的能力不在你自己手里，在市场手里。市场心情好，你就是高手。市场翻脸，你就是那个超能力失灵的人。 TermMax | Fixed Rate Borrowing & Lending 的逻辑正好反过来。它的"超能力"不是靠情绪激发的——固定利率不需要你骂它、不需要市场配合、不需要在特定条件下才能生效。你借的时候写好的数字，到期就是那个数字。没有触发条件，没有隐藏设定，没有"今天市场不好你的利率自动翻倍"这种剧情反转。韩剧里那种"能力很强但条件苛刻"的设定确实适合追剧。但借钱这件事，还是希望条件越简单越好、能力越稳定越好，不用靠骂街来激活。

小损样😎

529,944 просмотров • 1 месяц назад

各位，你要是一直百思不得其解，为什么有人会成为川粉，你不明白他们的脑结构。这个视频可以解释一切。有个川粉跟主播连线，这是对话：川粉：我就说你是对的好了，他确实在名单上，你们的指控都是真的，为什么他做这些事就是错的呢？主播惊呆了：你是在问我，为什么强奸儿童是错的？川粉：对，我要你告诉我，在你眼中为什么做这些事是错的？主播不敢相信再次确认：强奸儿童？川粉：对，你需要我再重复一遍吗？你是听不见吗？你耳朵有问题吗？川粉继续问：为什么这是错的，这个问题很难回答吗？各位观众，这，就是川粉。

各位，你要是一直百思不得其解，为什么有人会成为川粉，你不明白他们的脑结构。这个视频可以解释一切。有个川粉跟主播连线，这是对话：川粉：我就说你是对的好了，他确实在名单上，你们的指控都是真的，为什么他做这些事就是错的呢？主播惊呆了：你是在问我，为什么强奸儿童是错的？川粉：对，我要你告诉我，在你眼中为什么做这些事是错的？主播不敢相信再次确认：强奸儿童？川粉：对，你需要我再重复一遍吗？你是听不见吗？你耳朵有问题吗？川粉继续问：为什么这是错的，这个问题很难回答吗？各位观众，这，就是川粉。

老周横眉

109,391 просмотров • 9 месяцев назад

Clawdbot的创造者说，他最喜欢的模型是Claude Opus。但编程能力最强的，竟然是OpenAI的旧模型Codex。为什么？他说用Codex写代码，有95%的把握可以直接运行。因为它能理解大型代码库，需要的“人工干预”更少。这就像一个经验丰富的老员工，话不多，但活儿干得漂亮。而Claude Opus，虽然被认为综合能力更强，但在编程这个具体任务上，却需要更多技巧和引导才能达到同样效果。有点像一个很聪明但经验不足的新人。这引出一个有趣的问题。我们真的需要那个最“聪明”、最像人的AI吗？还是说，在特定领域，我们更需要一个可靠、高效、甚至有点“无聊”的工具？ Opus更像人，甚至会在聊天中讲出真正好笑的笑话。但Codex在专业领域更可靠。这是否揭示了通用人工智能（AGI）发展的一个岔路口？是追求一个无所不能但样样不精的“全才”，还是打造一系列在各自领域做到极致的“专才”？从制造业到高科技，美国产业的核心优势，向来是那些专注于解决具体问题的实用工具，而不是那些空泛的概念。技术的终点，究竟是创造一个和我们一样的“伙伴”，还是一个能把工作做到极致的工具？这两种路线，哪一个对恢复美国制造业和技术领导地位更有利？

Clawdbot的创造者说，他最喜欢的模型是Claude Opus。但编程能力最强的，竟然是OpenAI的旧模型Codex。为什么？他说用Codex写代码，有95%的把握可以直接运行。因为它能理解大型代码库，需要的“人工干预”更少。这就像一个经验丰富的老员工，话不多，但活儿干得漂亮。而Claude Opus，虽然被认为综合能力更强，但在编程这个具体任务上，却需要更多技巧和引导才能达到同样效果。有点像一个很聪明但经验不足的新人。这引出一个有趣的问题。我们真的需要那个最“聪明”、最像人的AI吗？还是说，在特定领域，我们更需要一个可靠、高效、甚至有点“无聊”的工具？ Opus更像人，甚至会在聊天中讲出真正好笑的笑话。但Codex在专业领域更可靠。这是否揭示了通用人工智能（AGI）发展的一个岔路口？是追求一个无所不能但样样不精的“全才”，还是打造一系列在各自领域做到极致的“专才”？从制造业到高科技，美国产业的核心优势，向来是那些专注于解决具体问题的实用工具，而不是那些空泛的概念。技术的终点，究竟是创造一个和我们一样的“伙伴”，还是一个能把工作做到极致的工具？这两种路线，哪一个对恢复美国制造业和技术领导地位更有利？

墓碑科技

62,012 просмотров • 6 месяцев назад

泰国一位医生大姐，自从疫情爆发她爸爸去世后，她就开始做盒饭给这些有需要帮助的人。一天250公斤的大米200份以上的盒饭还有水，一份差不多是50-60铢左右的成本。这样持续已经做了6年。最近物价上涨她打算停止发放，但是她说看到很多需要帮助的人来问今天没有发盒饭吗？她说又不忍心还是继续做。我自己的观点就是能帮助别人的人，她们的格局思维还有真的是心地善良的人才能做到这样！因为有钱人家的事舍得舍不得又是一回事！又舍得心地又善良的人真的不是一般人能做到的。🙏🙏所以这些人我真的很敬佩！我以后有多余的钱我也会这样做！😂现在只能在自己的经济能力允许下帮助一点点。不是自己有多善良或者有多有钱！只是你在看的需要帮助的人，你伸手帮助一下，你会觉得那是快乐的事！我才不会想着是骗子或者没必要！

泰国一位医生大姐，自从疫情爆发她爸爸去世后，她就开始做盒饭给这些有需要帮助的人。一天250公斤的大米200份以上的盒饭还有水，一份差不多是50-60铢左右的成本。这样持续已经做了6年。最近物价上涨她打算停止发放，但是她说看到很多需要帮助的人来问今天没有发盒饭吗？她说又不忍心还是继续做。我自己的观点就是能帮助别人的人，她们的格局思维还有真的是心地善良的人才能做到这样！因为有钱人家的事舍得舍不得又是一回事！又舍得心地又善良的人真的不是一般人能做到的。🙏🙏所以这些人我真的很敬佩！我以后有多余的钱我也会这样做！😂现在只能在自己的经济能力允许下帮助一点点。不是自己有多善良或者有多有钱！只是你在看的需要帮助的人，你伸手帮助一下，你会觉得那是快乐的事！我才不会想着是骗子或者没必要！

Amei

50,278 просмотров • 4 месяцев назад

普通人做产品最大的短板不是技术，不是流量，是你根本不知道你的用户在想什么大厂有用研团队、有焦点小组、有百万级调研预算在百度做PM的时候，每几天都会有一份定制化的《竞品动态日报》《消费者洞察报告》躺在所有员工的邮箱里字节跳动昨天上线了什么新功能,腾讯哪个部门在招什么岗位,什么赛道的用户在关注什么产品，什么产品的数据又卖爆了当时我就在想：如果我出来单干，我想获得这些信息，不得难死，这笔钱谁给我出？后来真出来了，答案是——根本没人出😂 所以和大部分独立开发者一样，我做产品验证需求的方式是：发朋友圈问问、在推特宣发一下、看看竞品评论区、然后凭直觉赌一把连续创业五年，我见过最多的死法不是产品做不出来是产品做出来了，没人要，花三个月憋 MVP，上线后发现需求是自己臆想的这个痛，做过产品的人都懂做出海的朋友更惨你的目标用户在地球另一边，时差 12 小时，语言不通，文化不同去年帮一个朋友的品牌做北美市场，最头疼的不是投放，是根本不知道美国消费者怎么想，美国人文化和中国差距太大了招一个本地调研公司，报价 8 万美金起步，找几个留学生做访谈，样本太小、还有幸存者偏差，有时候还访谈不明白最后还是靠猜现在这件事有了一个结构性的解法 Atypica atypica.AI 上线了一个新功能叫 AI Panel，一句话解释：它让你拥有了一个属于自己的焦点小组不是 ChatGPT 扮演用户那种玩法是基于 100 万+ 真实用户数据构建的 AI Persona，每个人有完整的背景、性格、认知偏差、消费决策框架关键是——这个焦点小组是可复用的你今天问一次，下个月产品迭代了再问一次同一群人，持续追踪，看他们的态度变化这在传统调研里叫 longitudinal study，成本极高现在你一个人就能做三种方式构建你的 Panel： 1）自动沉淀：用 Atypica 做完一次 Research 后，参与访谈的 AI Persona 自动沉淀成 Panel，下次直接调用 2）手动挑人：从 100 万+ 的 Persona Library 里按关键词搜索，添加组队 3）按需生成：输入需求描述，系统从零帮你构建一个全新的 Panel 组好之后随时打开，输入研究话题支持一对多深度访谈，也支持多对多 Group Discussion 我试了一个真实场景我之前做过一个面向内容创作者的 AI 写作工具，想验证订阅制定价构建了一个Panel：YouTube 创作者、推特创作者、独立播客主直接问：你平时写作的痛点有哪些？流程有哪些 10 分钟，直接就拿到了需求的分类和反馈这种颗粒度，以前要花两周招募 + 一周访谈 + 几万块预算现在 10 分钟，一个人搞定如果你是以下三种人，这个功能对你来说是刚需：做出海产品的创业者——你的用户在地球另一边，以前只能看竞品评论区猜需求，现在直接构建目标市场的用户 Panel，随时追问需要反复迭代验证的产品团队——每次加功能都要做用户测试，Panel 让你不用每次重新招人，同一群用户持续追踪反应变化需要大规模样本的场景——比如你想了解 2000 个家庭的消费偏好，传统手段几乎不可能，Panel 可以我觉得我们普通人做产品和大厂的差距，不应该是有没有用户调研团队而是用什么方式理解用户，大厂用人力堆，我们用 AI 跑以前这是一句空话，因为 ChatGPT 扮演用户的结果你自己都不信现在不一样了——100 万+ 真实数据构建的 Persona，有来源、有背景、有决策框架它不能替代真人调研的最终验证但它能让你在写第一行代码之前，就知道方向对不对调研从一个季度一次的项目，变成了随时可调用的能力这对一个人做产品的人来说，是基础设施级别的变化我推荐每一个想做生意，产品的人都去试一试，这可能就是你和用户面对面沟通的第一步：

普通人做产品最大的短板不是技术，不是流量，是你根本不知道你的用户在想什么大厂有用研团队、有焦点小组、有百万级调研预算在百度做PM的时候，每几天都会有一份定制化的《竞品动态日报》《消费者洞察报告》躺在所有员工的邮箱里字节跳动昨天上线了什么新功能,腾讯哪个部门在招什么岗位,什么赛道的用户在关注什么产品，什么产品的数据又卖爆了当时我就在想：如果我出来单干，我想获得这些信息，不得难死，这笔钱谁给我出？后来真出来了，答案是——根本没人出😂 所以和大部分独立开发者一样，我做产品验证需求的方式是：发朋友圈问问、在推特宣发一下、看看竞品评论区、然后凭直觉赌一把连续创业五年，我见过最多的死法不是产品做不出来是产品做出来了，没人要，花三个月憋 MVP，上线后发现需求是自己臆想的这个痛，做过产品的人都懂做出海的朋友更惨你的目标用户在地球另一边，时差 12 小时，语言不通，文化不同去年帮一个朋友的品牌做北美市场，最头疼的不是投放，是根本不知道美国消费者怎么想，美国人文化和中国差距太大了招一个本地调研公司，报价 8 万美金起步，找几个留学生做访谈，样本太小、还有幸存者偏差，有时候还访谈不明白最后还是靠猜现在这件事有了一个结构性的解法 Atypica atypica.AI 上线了一个新功能叫 AI Panel，一句话解释：它让你拥有了一个属于自己的焦点小组不是 ChatGPT 扮演用户那种玩法是基于 100 万+ 真实用户数据构建的 AI Persona，每个人有完整的背景、性格、认知偏差、消费决策框架关键是——这个焦点小组是可复用的你今天问一次，下个月产品迭代了再问一次同一群人，持续追踪，看他们的态度变化这在传统调研里叫 longitudinal study，成本极高现在你一个人就能做三种方式构建你的 Panel： 1）自动沉淀：用 Atypica 做完一次 Research 后，参与访谈的 AI Persona 自动沉淀成 Panel，下次直接调用 2）手动挑人：从 100 万+ 的 Persona Library 里按关键词搜索，添加组队 3）按需生成：输入需求描述，系统从零帮你构建一个全新的 Panel 组好之后随时打开，输入研究话题支持一对多深度访谈，也支持多对多 Group Discussion 我试了一个真实场景我之前做过一个面向内容创作者的 AI 写作工具，想验证订阅制定价构建了一个Panel：YouTube 创作者、推特创作者、独立播客主直接问：你平时写作的痛点有哪些？流程有哪些 10 分钟，直接就拿到了需求的分类和反馈这种颗粒度，以前要花两周招募 + 一周访谈 + 几万块预算现在 10 分钟，一个人搞定如果你是以下三种人，这个功能对你来说是刚需：做出海产品的创业者——你的用户在地球另一边，以前只能看竞品评论区猜需求，现在直接构建目标市场的用户 Panel，随时追问需要反复迭代验证的产品团队——每次加功能都要做用户测试，Panel 让你不用每次重新招人，同一群用户持续追踪反应变化需要大规模样本的场景——比如你想了解 2000 个家庭的消费偏好，传统手段几乎不可能，Panel 可以我觉得我们普通人做产品和大厂的差距，不应该是有没有用户调研团队而是用什么方式理解用户，大厂用人力堆，我们用 AI 跑以前这是一句空话，因为 ChatGPT 扮演用户的结果你自己都不信现在不一样了——100 万+ 真实数据构建的 Persona，有来源、有背景、有决策框架它不能替代真人调研的最终验证但它能让你在写第一行代码之前，就知道方向对不对调研从一个季度一次的项目，变成了随时可调用的能力这对一个人做产品的人来说，是基础设施级别的变化我推荐每一个想做生意，产品的人都去试一试，这可能就是你和用户面对面沟通的第一步：

超级个体｜柿子

94,325 просмотров • 1 месяц назад