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.

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

54,600 subscribers

75,038 views • 4 months ago •via X (Twitter)

Science & Technology

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

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

72,277 views • 5 months ago

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

29,740 views • 1 year ago

【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

88,882 views • 5 months ago

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 views • 3 months ago

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

475,171 views • 10 months ago

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

33,015 views • 3 months ago

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

14,985 views • 1 year ago

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 views • 6 months ago

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

46,149 views • 2 months ago

如何向 8 岁小学生解释ChatGPT 的运行原理？【3B1B：LLM的本质是单词预测器】 LLM的本质是一个复杂的数学函数，它只做一件事：针对给出的任何文本，预测下一个单词。要构建一个聊天机器人，你需要先给出一些文本，描述用户与假想的AI助手之间互动。用户的输入是这次互动的开始，然后，你让模型反复预测AI助手会“说出”的下一个单词，这就是用户得到的输出结果。但是，LLM 并非以确定方式预测下一个单词，而是为所有可能的下一个单词分别分配一个概率。这样的话，如果你允许LLM以更随机方式，选择可能性更低的下一个单词，输出结果会看起来更自然。因此，这意味着，对于一个固定的提示词，LLM 每次给出的答案通常是不同的。

如何向 8 岁小学生解释ChatGPT 的运行原理？【3B1B：LLM的本质是单词预测器】 LLM的本质是一个复杂的数学函数，它只做一件事：针对给出的任何文本，预测下一个单词。要构建一个聊天机器人，你需要先给出一些文本，描述用户与假想的AI助手之间互动。用户的输入是这次互动的开始，然后，你让模型反复预测AI助手会“说出”的下一个单词，这就是用户得到的输出结果。但是，LLM 并非以确定方式预测下一个单词，而是为所有可能的下一个单词分别分配一个概率。这样的话，如果你允许LLM以更随机方式，选择可能性更低的下一个单词，输出结果会看起来更自然。因此，这意味着，对于一个固定的提示词，LLM 每次给出的答案通常是不同的。

howie.serious

121,792 views • 1 year ago

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

50,192 views • 1 month ago

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

108,440 views • 6 months ago

用火葬场的“人尸油”做方便面，并做成了产业链，你不能用你的逻辑去想这些事，因为那不是他们的逻辑。他们的逻辑是有利润就会干！

用火葬场的“人尸油”做方便面，并做成了产业链，你不能用你的逻辑去想这些事，因为那不是他们的逻辑。他们的逻辑是有利润就会干！

清月

18,189 views • 1 year ago

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

32,330 views • 2 months ago

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 views • 4 months ago

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

26,470 views • 3 months ago

可能是最适合小白的视频产品，没有之一。不用会提示词，也不用懂剪辑。你只要像聊天一样说出想法，比如“做个高级感产品视频”，Pexo 就能帮你解决剩下的一切！画面、音乐、转场、包装；不满意？直接对话改风格、重做、无限迭代，直到满意。更厉害的是，它已经原生接进 OpenClaw，终于有一个 AI，能让我的小龙虾自己去做视频了，飞书、Discord、Telegram 里都能直接调用生成视频，现有工作流里就能完成，完全不用切工具。这个维度看，为人类与 Agent 共同设计的原生内容创作 Agent；面向人类端，它理解你的意图，你说想法，它出成片；面向 Agent 端，它可以被调用、被协作，无缝嵌入自动化工作流。三周前，它还是一个人的想法，现在，Pexo 已在 OpenClaw 原生环境中快速成长，海外被雇佣超过数万次。发展速度，已经说明一切。一句话总结：做视频，从复杂技能变成一句话就能调用的能力。

可能是最适合小白的视频产品，没有之一。不用会提示词，也不用懂剪辑。你只要像聊天一样说出想法，比如“做个高级感产品视频”，Pexo 就能帮你解决剩下的一切！画面、音乐、转场、包装；不满意？直接对话改风格、重做、无限迭代，直到满意。更厉害的是，它已经原生接进 OpenClaw，终于有一个 AI，能让我的小龙虾自己去做视频了，飞书、Discord、Telegram 里都能直接调用生成视频，现有工作流里就能完成，完全不用切工具。这个维度看，为人类与 Agent 共同设计的原生内容创作 Agent；面向人类端，它理解你的意图，你说想法，它出成片；面向 Agent 端，它可以被调用、被协作，无缝嵌入自动化工作流。三周前，它还是一个人的想法，现在，Pexo 已在 OpenClaw 原生环境中快速成长，海外被雇佣超过数万次。发展速度，已经说明一切。一句话总结：做视频，从复杂技能变成一句话就能调用的能力。

开发者Hailey

16,595 views • 2 months ago

这个人的访谈，我已经看了第三遍了。硅谷最神秘的亿万富翁——纳瓦尔·拉维坎特。很多人都没听说过他，但马斯克、扎克伯格都非常推崇他。他几乎不接受采访，可一旦开口，就是那种让人当场坐直、反复回放的话。连这两天，我又重温了他三个小时的访谈，帮你总结了含金量最高的几个观点，和你分享。第一，人生中最重要的三个决定。纳瓦尔说啊，所有的结果，几乎都是这三件事的下游：和谁在一起，做什么，住在哪里。这听起来很简单，但他说，大多数人都没有意识到，他们在这三件事上的思考，时间少得可怕。但就是这三件事，决定了你几乎所有的一切——你的朋友圈、你的机会、你的情绪底色、你每天呼吸什么样的空气、你未来能遇见什么样的人。他说，如果你要做一个能够影响4年的决定，你应该花一年的时间来想清楚它。而我们绝大多数人呢？就是花了一个周末，就决定了一份要学4年的专业；花了一个月，就决定了一份干10年的工作。第二，骄傲是最昂贵的特质。这句话很短，但是呢，我愣了很久。纳瓦尔说啊，他观察了很多朋友和同事，那些原地踏步、成长最少的人，几乎无一例外，都是最骄傲的人。骄傲意味着什么？意味着你不会承认自己错了。你买了一只烂股票，不舍得割肉，因为承认亏损，就等于承认你判断失误。你卡在一段不好的关系里，你不离开，是因为你不想让别人看见你失败。骄傲，会把你锁在次优答案里。他说，最好的艺术家、最好的创业者都有一个共同点——就是他们随时愿意从零开始，愿意被看起来像个傻瓜。他还举了马斯克的例子，说他卖掉了 PayPal 之后拿到了2亿美元，接着他把这些钱全部压到了 SpaceX 和特斯拉里，甚至还要借钱付房租。第三，不是一万小时，而是一万次迭代。你一定听过那个“一万小时定律”，说你重复做一件事，坚持1万小时就能成为专家。纳瓦尔呢，一针见血地指出：是错的。真正让你成为专家的，是1万次迭代，而不是1万个小时。重复和迭代，是两件完全不同的事。重复，就是你把一件事做了一遍又一遍；而迭代，是你每做一次，就要带着上一次的教训，做得更好一点。所以，我们每个人都要问自己一个问题：你到底是在迭代，还是只是把第一次的经验，重复了很多遍？第四，灵感是易逝品。这点我觉得，可能是整个访谈里最实用的一条。纳瓦尔说啊，当你有灵感的那一刻，就是阻力最小、效率最高的那一刻，这个窗口转瞬即逝。你有灵感写一篇东西，那就在那一秒写；你有灵感去解决一个问题，就立刻解决；你对某件事突然好奇，就在那一秒去查。不要想着等我有时间再去做，因为等有时间的时候，那个灵感、那个状态，已经不在了。纳瓦尔说啊，他不喜欢被过度安排的人生，因为那样，你会永远错过真正想做的时刻。第五，注意力在哪里，你的人生就在哪里。这是整个访谈里，最让我反复回味的一句话。纳瓦尔说啊，很多人以为钱可以买到时间，但是像沃伦·巴菲特，还有迈克尔·彭博，有钱到这个程度，他们依然没办法多买到一天。而更致命的不是这个。更致命的是，你有时间，却没有把注意力，真正地放在这段时间里。你躺在床上，刷两个小时短视频，时间在流逝，但你的注意力在哪里？在算法推荐给你的下一条，下一条，再下一条。两个小时过去了，你刷了100条视频，可你什么都不记得。纳瓦尔说啊，你的身体在，但其实你已经死了。这，才是现代人最大的悲剧。

这个人的访谈，我已经看了第三遍了。硅谷最神秘的亿万富翁——纳瓦尔·拉维坎特。很多人都没听说过他，但马斯克、扎克伯格都非常推崇他。他几乎不接受采访，可一旦开口，就是那种让人当场坐直、反复回放的话。连这两天，我又重温了他三个小时的访谈，帮你总结了含金量最高的几个观点，和你分享。第一，人生中最重要的三个决定。纳瓦尔说啊，所有的结果，几乎都是这三件事的下游：和谁在一起，做什么，住在哪里。这听起来很简单，但他说，大多数人都没有意识到，他们在这三件事上的思考，时间少得可怕。但就是这三件事，决定了你几乎所有的一切——你的朋友圈、你的机会、你的情绪底色、你每天呼吸什么样的空气、你未来能遇见什么样的人。他说，如果你要做一个能够影响4年的决定，你应该花一年的时间来想清楚它。而我们绝大多数人呢？就是花了一个周末，就决定了一份要学4年的专业；花了一个月，就决定了一份干10年的工作。第二，骄傲是最昂贵的特质。这句话很短，但是呢，我愣了很久。纳瓦尔说啊，他观察了很多朋友和同事，那些原地踏步、成长最少的人，几乎无一例外，都是最骄傲的人。骄傲意味着什么？意味着你不会承认自己错了。你买了一只烂股票，不舍得割肉，因为承认亏损，就等于承认你判断失误。你卡在一段不好的关系里，你不离开，是因为你不想让别人看见你失败。骄傲，会把你锁在次优答案里。他说，最好的艺术家、最好的创业者都有一个共同点——就是他们随时愿意从零开始，愿意被看起来像个傻瓜。他还举了马斯克的例子，说他卖掉了 PayPal 之后拿到了2亿美元，接着他把这些钱全部压到了 SpaceX 和特斯拉里，甚至还要借钱付房租。第三，不是一万小时，而是一万次迭代。你一定听过那个“一万小时定律”，说你重复做一件事，坚持1万小时就能成为专家。纳瓦尔呢，一针见血地指出：是错的。真正让你成为专家的，是1万次迭代，而不是1万个小时。重复和迭代，是两件完全不同的事。重复，就是你把一件事做了一遍又一遍；而迭代，是你每做一次，就要带着上一次的教训，做得更好一点。所以，我们每个人都要问自己一个问题：你到底是在迭代，还是只是把第一次的经验，重复了很多遍？第四，灵感是易逝品。这点我觉得，可能是整个访谈里最实用的一条。纳瓦尔说啊，当你有灵感的那一刻，就是阻力最小、效率最高的那一刻，这个窗口转瞬即逝。你有灵感写一篇东西，那就在那一秒写；你有灵感去解决一个问题，就立刻解决；你对某件事突然好奇，就在那一秒去查。不要想着等我有时间再去做，因为等有时间的时候，那个灵感、那个状态，已经不在了。纳瓦尔说啊，他不喜欢被过度安排的人生，因为那样，你会永远错过真正想做的时刻。第五，注意力在哪里，你的人生就在哪里。这是整个访谈里，最让我反复回味的一句话。纳瓦尔说啊，很多人以为钱可以买到时间，但是像沃伦·巴菲特，还有迈克尔·彭博，有钱到这个程度，他们依然没办法多买到一天。而更致命的不是这个。更致命的是，你有时间，却没有把注意力，真正地放在这段时间里。你躺在床上，刷两个小时短视频，时间在流逝，但你的注意力在哪里？在算法推荐给你的下一条，下一条，再下一条。两个小时过去了，你刷了100条视频，可你什么都不记得。纳瓦尔说啊，你的身体在，但其实你已经死了。这，才是现代人最大的悲剧。

另一面

132,899 views • 3 months ago

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

64,041 views • 27 days ago

“我们究竟是创造了一个工具还是一个生物？” Sam 在 "机器人之心 "小组讨论会上的发言。 Sam：但我认为，这无疑是迄今为止人类经历的最重大的更新年份。可能这也是我们将会遭遇的最大变革，因为从现在开始，人们已经接受强大的人工智能将成为现实，并且还会有逐步的更新。就像是第一代 iPhone 面世的那年，以及随后每一代 iPhone 的更新，我们现在能够明显感受到这一代与去年那代的差异。所以，这确实是一个重要的时刻。我感到欣慰的是，现在人们开始正确地把这些系统当作工具来看待。艺术家尤其如此，但其他人也是一样。曾经，人们真正恐惧的是，我们究竟是创造了一个工具还是一个生物，这将意味着什么？现在，人们视这些系统为人类工具箱中的新工具，并且正在用它创造一些非常了不起的东西。模型显然不知道你在说什么，因为这不在它的训练数据里，它也无法从训练数据中学习到这些信息。这是完全可以预期的。你再问一遍。比如说，你提到“意识”这个概念，模型回答：“是的，我完全明白你的意思，但我之前从未听说过这个词。” 问： “这对我来说就像是一次更新。你认为人工智能会趋向于探索创造性智能和自主性吗？” Sam：这个问题有多个答案。这取决于激励模型。这是人类的选择。问： “这将是判断意识的一个很好的测试。因为如果它有自我表达的愿望，并且仅仅为了创作的乐趣而去创作，那不会是偶然的。这绝对有点像生物。” Sam：这是生物化的。我认为在此之前还有很多步骤。我们现在要回答问题吗？这真的很棒。

“我们究竟是创造了一个工具还是一个生物？” Sam 在 "机器人之心 "小组讨论会上的发言。 Sam：但我认为，这无疑是迄今为止人类经历的最重大的更新年份。可能这也是我们将会遭遇的最大变革，因为从现在开始，人们已经接受强大的人工智能将成为现实，并且还会有逐步的更新。就像是第一代 iPhone 面世的那年，以及随后每一代 iPhone 的更新，我们现在能够明显感受到这一代与去年那代的差异。所以，这确实是一个重要的时刻。我感到欣慰的是，现在人们开始正确地把这些系统当作工具来看待。艺术家尤其如此，但其他人也是一样。曾经，人们真正恐惧的是，我们究竟是创造了一个工具还是一个生物，这将意味着什么？现在，人们视这些系统为人类工具箱中的新工具，并且正在用它创造一些非常了不起的东西。模型显然不知道你在说什么，因为这不在它的训练数据里，它也无法从训练数据中学习到这些信息。这是完全可以预期的。你再问一遍。比如说，你提到“意识”这个概念，模型回答：“是的，我完全明白你的意思，但我之前从未听说过这个词。” 问： “这对我来说就像是一次更新。你认为人工智能会趋向于探索创造性智能和自主性吗？” Sam：这个问题有多个答案。这取决于激励模型。这是人类的选择。问： “这将是判断意识的一个很好的测试。因为如果它有自我表达的愿望，并且仅仅为了创作的乐趣而去创作，那不会是偶然的。这绝对有点像生物。” Sam：这是生物化的。我认为在此之前还有很多步骤。我们现在要回答问题吗？这真的很棒。

Lei.sea

14,132 views • 2 years ago