Loading video...

Video Failed to Load

Go Home

亚马逊刚刚上演了一场教科书级别的“卸磨杀驴” 🩸 2847人，早上6:47收到邮件“职位立刻裁撤”。 7:15工牌失效，敲代码敲到一半Slack直接被踢。 但这还不是最狠的，最狠的是： 自己亲自训练的AI最后干掉了自己😂👇 过去8个月，这批核心流媒体的Senior工程师被要求将所有的架构决策、代码模式、Debug流程和性能优化技巧，事无巨细地全部写进内部Wiki。 大家以为在做知识沉淀。 实际上，他们是在亲自给即将替代自己的AI写训练数据。 上个季度，这个团队用Claude辅助开发，交付速度提升了40%。 结果呢？整个团队连锅端。 外包拿着这批老哥留下的Prompt库和部署脚本，无缝衔接。 西雅图只剩下区区14个人，头衔变成了“管理AI辅助的离岸交付”。 🚨一位被裁的L7大佬跟我吐槽了一句极其绝望的： “我特么亲手训练了干掉我自己的AI。”⚠️ 妈的亚马逊开了个“好头”，很多公司马上会效仿。

zerowq_eth's profile picture

zerowq

4,975 subscribers

67,776 views • 2 months ago •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

Amazon让2847名工程师花8个月文档化所有代码模式，然后AI学会了，最后把这2847人开了。——但你有没有想过，这2847人其实是给自己写了一份"失业说明书"？ 8个月文档化，2847人。这是人类历史上最大规模的"自我替代"实验。工程师用8个月时间，亲手把自己的经验喂给AI，然后被AI取代。这不是Amazon残忍，是这2847人自己选择的结局。 历史上每一次技术革命都一样。打字员被Word取代，售票员被自动售票机取代。但这一次不同：这次是工程师自己参与了自己的淘汰。8个月文档化，等于2847人在竞标自己的岗位。 恰恰是这种"温水煮青蛙"最可怕。Amazon给了8个月"带薪文档化"，工程师以为是工作，其实是"死亡倒计时"。当你以为在"提升效率"时，镰刀已经在磨了。 全球科技行业从业者1亿人。如果Amazon的模式推广，意味着5000万人要"文档化"自己的工作来训练AI。这不是失业潮，是"自我淘汰潮"。在AI时代，最危险的不是不学习的人，是过度学习AI工具的人。 所以你现在有两个选择：A）继续帮公司训练AI，等被开。B）现在开始建立AI之外的不可替代能力。 你选A还是选B？
0:14

Amazon让2847名工程师花8个月文档化所有代码模式，然后AI学会了，最后把这2847人开了。——但你有没有想过，这2847人其实是给自己写了一份"失业说明书"？ 8个月文档化，2847人。这是人类历史上最大规模的"自我替代"实验。工程师用8个月时间，亲手把自己的经验喂给AI，然后被AI取代。这不是Amazon残忍，是这2847人自己选择的结局。 历史上每一次技术革命都一样。打字员被Word取代，售票员被自动售票机取代。但这一次不同：这次是工程师自己参与了自己的淘汰。8个月文档化，等于2847人在竞标自己的岗位。 恰恰是这种"温水煮青蛙"最可怕。Amazon给了8个月"带薪文档化"，工程师以为是工作，其实是"死亡倒计时"。当你以为在"提升效率"时，镰刀已经在磨了。 全球科技行业从业者1亿人。如果Amazon的模式推广，意味着5000万人要"文档化"自己的工作来训练AI。这不是失业潮，是"自我淘汰潮"。在AI时代，最危险的不是不学习的人，是过度学习AI工具的人。 所以你现在有两个选择：A）继续帮公司训练AI，等被开。B）现在开始建立AI之外的不可替代能力。 你选A还是选B？

Bill The Investor

34,007 views • 5 months ago

最近最喜欢的工具是 hyperframes，我让 AI 帮我生成十个基于 gasp 的过场动画，我在未来都可以使用这些特效做属于自己风格的宣传视频。 我觉得有了 AI 以后要做针对个人的个性技术栈，而不是笼统的直接使用别人的技术栈。 做自己风格的组件库，基于 BaseUI，加上自己喜欢的配色系统以及动画效果。 基于 TinyShip 做基于自己需求的基础框架，容易扩展和迁移，没有 vendor locking。 自己的 skills，针对自己开发过程中的痛点和流程，完全适配自己。 只有这样才能完全适配自己提高开发效率并且体现自己的品味和个性。
0:13

最近最喜欢的工具是 hyperframes，我让 AI 帮我生成十个基于 gasp 的过场动画，我在未来都可以使用这些特效做属于自己风格的宣传视频。 我觉得有了 AI 以后要做针对个人的个性技术栈，而不是笼统的直接使用别人的技术栈。 做自己风格的组件库，基于 BaseUI，加上自己喜欢的配色系统以及动画效果。 基于 TinyShip 做基于自己需求的基础框架，容易扩展和迁移，没有 vendor locking。 自己的 skills，针对自己开发过程中的痛点和流程，完全适配自己。 只有这样才能完全适配自己提高开发效率并且体现自己的品味和个性。

Viking

12,580 views • 3 months ago

OpenAI 刚给 Codex 加了个录屏回放功能，有点意思。 你在 Codex 里做的那些操作流程——写代码、调 API、跑测试、部署上线——它全给你录下来，存成一个可复用的 "AI 技能"。 下次遇到类似的活儿，直接回放，不用重新来一遍。 说白了就是把你的人工操作变成了一段 AI 可以自己重复跑的自动化流程。
0:18

OpenAI 刚给 Codex 加了个录屏回放功能，有点意思。 你在 Codex 里做的那些操作流程——写代码、调 API、跑测试、部署上线——它全给你录下来，存成一个可复用的 "AI 技能"。 下次遇到类似的活儿，直接回放，不用重新来一遍。 说白了就是把你的人工操作变成了一段 AI 可以自己重复跑的自动化流程。

Vincent

14,794 views • 1 month ago

🔥兄弟们，我终于找到了Seedance的奥义了！ 我自己写了一个脚本生成器，事无巨细的写了很精彩的脚本，但是每次我都要纠结，因为2000字的限制，另外也担心自己描述的不清楚，所以在把脚本转换为提示词的过程中，要耗费很多心力，我还想着要写一个新的程序用于精简脚本。 结果，我上周在给社群上课的时候说到一个案例，随口说了一句，也许Seedance也可以像nano banana改图一样理解截图的文字，结果顺手尝试了一下。 🔥真的，那一刻，我真的觉得自己过去花了一堆时间精简提示词就是个傻逼！直接把脚本截图，把生成的9宫格扔个它，连台词带运镜，全部搞定！！！
0:15

🔥兄弟们，我终于找到了Seedance的奥义了！ 我自己写了一个脚本生成器，事无巨细的写了很精彩的脚本，但是每次我都要纠结，因为2000字的限制，另外也担心自己描述的不清楚，所以在把脚本转换为提示词的过程中，要耗费很多心力，我还想着要写一个新的程序用于精简脚本。 结果，我上周在给社群上课的时候说到一个案例，随口说了一句，也许Seedance也可以像nano banana改图一样理解截图的文字，结果顺手尝试了一下。 🔥真的，那一刻，我真的觉得自己过去花了一堆时间精简提示词就是个傻逼！直接把脚本截图，把生成的9宫格扔个它，连台词带运镜，全部搞定！！！

肖师傅

53,624 views • 3 months ago

昨晚表哥干了件特疯狂的事。他把Claude直接放出来，让它全权接管自己的电脑，给了200美元本金，在Polymarket上自己做交易。 指令就一句话：“给你200刀，自己想办法赚钱。” 说完他就去睡觉了。 第二天醒来打开电脑，人直接愣住了——200美元变成了3000美元，接近15倍的回报，就用了10个小时。 回头看Claude的操作记录，那10个小时完全是自动驾驶模式。它自己扫描了上百个钱包，分析交易数据，筛选胜率高的玩家，最后锁定了两个表现特别稳的顶级账户。然后直接驱动机器人，开始实盘跟单。 也不是一上来就顺。最开头它亏了大概50美元，算是在试水摸索，之后就一路找到感觉，曲线直接拉起来。 现在表哥已经把全部利润重新投了回去，让它继续跑。 说实话，看着AI自己分析、自己选人、自己做决策、自己下单，我整个人都是懵的。 我们可能真的在进入AI自主交易的时代了。 而且这感觉只是个开头。
0:14

昨晚表哥干了件特疯狂的事。他把Claude直接放出来，让它全权接管自己的电脑，给了200美元本金，在Polymarket上自己做交易。 指令就一句话：“给你200刀，自己想办法赚钱。” 说完他就去睡觉了。 第二天醒来打开电脑，人直接愣住了——200美元变成了3000美元，接近15倍的回报，就用了10个小时。 回头看Claude的操作记录，那10个小时完全是自动驾驶模式。它自己扫描了上百个钱包，分析交易数据，筛选胜率高的玩家，最后锁定了两个表现特别稳的顶级账户。然后直接驱动机器人，开始实盘跟单。 也不是一上来就顺。最开头它亏了大概50美元，算是在试水摸索，之后就一路找到感觉，曲线直接拉起来。 现在表哥已经把全部利润重新投了回去，让它继续跑。 说实话，看着AI自己分析、自己选人、自己做决策、自己下单，我整个人都是懵的。 我们可能真的在进入AI自主交易的时代了。 而且这感觉只是个开头。

Crypto老鹰

5,009,343 views • 1 month ago

“我是这个国家的非法移民。” “我的父母，也是非法移民。” 说这话的人是谁？ 明尼苏达州，圣保罗市的新市长，考莉·赫尔（Kaohly Her）。 就在她的就职典礼上，亲口承认。 一个美国城市的最高行政长官，全家都是黑户？ 简直不敢相信。 她是怎么做到的？ 她自己解释了。 说她父亲当年办文件，因为母亲去世了，就把自己的祖母写成了母亲。 就因为这一份文件的“失误”…… 她和她父母，整个家庭的身份就都“不合法”了。 但他们不仅留下了，还一路高升，现在她当上了市长。 这撕开了一个巨大的口子。 如果法律的底线可以被随意践踏，那我们守护的到底是什么？
0:14

“我是这个国家的非法移民。” “我的父母，也是非法移民。” 说这话的人是谁？ 明尼苏达州，圣保罗市的新市长，考莉·赫尔（Kaohly Her）。 就在她的就职典礼上，亲口承认。 一个美国城市的最高行政长官，全家都是黑户？ 简直不敢相信。 她是怎么做到的？ 她自己解释了。 说她父亲当年办文件，因为母亲去世了，就把自己的祖母写成了母亲。 就因为这一份文件的“失误”…… 她和她父母，整个家庭的身份就都“不合法”了。 但他们不仅留下了，还一路高升，现在她当上了市长。 这撕开了一个巨大的口子。 如果法律的底线可以被随意践踏，那我们守护的到底是什么？

墓碑科技

22,345 views • 7 months ago

兄弟们，我拿 GPT‑5.6 做了个很野的策略。 给它电脑权限，往预测市场账户里丢了 300U，只留下一句话： “自己想办法赚钱。” 它先扫了上千个钱包。 高频异常的踢掉。 单次暴富的踢掉。 疑似对刷、靠运气吃到一笔大的，也全部踢掉。 最后只留下 3 个长期胜率接近 75% 的账户。 然后自己盯盘、控制仓位、复制 YES / NO。 最近打开账户一看： 300U，跑到了 3673U。 净收益 3373U，账户直接膨胀到原来的 12.24倍。 最吓人的还不是这个数字。 而是整个过程，它几乎没怎么问我。 钱包扫描、数据清洗、账户筛选、历史验证、跟单执行，全是它自己跑完的。 以前是人一天到晚盯着市场，生怕错过机会。 现在是人给权限，AI 去盯那些真正会赚钱的人。 我靠。 这才刚开始。
0:15

兄弟们，我拿 GPT‑5.6 做了个很野的策略。 给它电脑权限，往预测市场账户里丢了 300U，只留下一句话： “自己想办法赚钱。” 它先扫了上千个钱包。 高频异常的踢掉。 单次暴富的踢掉。 疑似对刷、靠运气吃到一笔大的，也全部踢掉。 最后只留下 3 个长期胜率接近 75% 的账户。 然后自己盯盘、控制仓位、复制 YES / NO。 最近打开账户一看： 300U，跑到了 3673U。 净收益 3373U，账户直接膨胀到原来的 12.24倍。 最吓人的还不是这个数字。 而是整个过程，它几乎没怎么问我。 钱包扫描、数据清洗、账户筛选、历史验证、跟单执行，全是它自己跑完的。 以前是人一天到晚盯着市场，生怕错过机会。 现在是人给权限，AI 去盯那些真正会赚钱的人。 我靠。 这才刚开始。

火山哥🕊️

53,409 views • 17 days ago

被ETH跌抑郁了，就做了一个打V神/小V的小游戏 vitalik.eth 发泄一下🤣 打了一会儿挺解压的。 用 DAPPOS 的AI——xbubble制作的。 自己是一个代码也没用，也不用自己配置环境，全程就对话。 最初生成的不太好，提出了优化条件试了几次，最后发现，要手动选择Compound Skill - Bubble Computer这个SOP作成了。 小V的头像随机从土里钻出来，点上去的时候还音效和动画…… 计分功能我都没提，AI自己做的。 有没有ETH深套想玩的?
0:11

被ETH跌抑郁了，就做了一个打V神/小V的小游戏 vitalik.eth 发泄一下🤣 打了一会儿挺解压的。 用 DAPPOS 的AI——xbubble制作的。 自己是一个代码也没用，也不用自己配置环境，全程就对话。 最初生成的不太好，提出了优化条件试了几次，最后发现，要手动选择Compound Skill - Bubble Computer这个SOP作成了。 小V的头像随机从土里钻出来，点上去的时候还音效和动画…… 计分功能我都没提，AI自己做的。 有没有ETH深套想玩的?

TVBee🦅

20,683 views • 2 months ago

我的 AI 编程能力又向前迈了一大步。 刚刚用 Claude Code 复刻了抖音 APP 的「钱包」功能，我不知道抖音有多少名工程师负责这个功能，但 Claude Code 实现一模一样的效果只用了 10 分钟，现在我可以拿去到处装逼了，金额自己填，最牛逼的是，填进去的金额还支持随时提现。 兄弟们看看还原度如何，能给几分？
0:16

我的 AI 编程能力又向前迈了一大步。 刚刚用 Claude Code 复刻了抖音 APP 的「钱包」功能，我不知道抖音有多少名工程师负责这个功能，但 Claude Code 实现一模一样的效果只用了 10 分钟，现在我可以拿去到处装逼了，金额自己填，最牛逼的是，填进去的金额还支持随时提现。 兄弟们看看还原度如何，能给几分？

banboo

230,235 views • 1 year ago

不知道哪辆缺德货车丢了包东西在 G50 高速中间，我晚上回来路上结结实实撞了上去，120 巡航速度看到的一瞬间以为自己要交代在这了，还好是软乎乎的一坨。 碾过去时声音不太大感觉没损伤，打 122 报坐标让他们抓紧找人去清理。回到家检查车没啥事，但前脸的车衣全刮花了，干😤 上海不支持 122 只能 110 所以我还是头一次拨通，接通后对方立马知道我的大致位置问我是不是在苏州XX桥上，这个效果是不是只能用运营商基站定位实现了？
0:13

不知道哪辆缺德货车丢了包东西在 G50 高速中间，我晚上回来路上结结实实撞了上去，120 巡航速度看到的一瞬间以为自己要交代在这了，还好是软乎乎的一坨。 碾过去时声音不太大感觉没损伤，打 122 报坐标让他们抓紧找人去清理。回到家检查车没啥事，但前脸的车衣全刮花了，干😤 上海不支持 122 只能 110 所以我还是头一次拨通，接通后对方立马知道我的大致位置问我是不是在苏州XX桥上，这个效果是不是只能用运营商基站定位实现了？

Xiao

178,076 views • 2 years ago

大半夜体验完 Manus AI, 达到了今天的使用限制，说一下自己的感受🧵 整体来讲，真的很强大， 主要体现在 Manus 能够： 🔧展示完整的推理逻辑，有个 Manus 电脑的东西为你呈现所有过程和进展； 🏗️调用各种API 协同完成任务； 📃最终非常实际的交付给你一个可用的文件。 🌟「真正能干活」的AI Agent，这个定位真的太准确了。 以下是一些实例： 1️⃣基础任务完成度高 比如最近日本可以看樱花了，整理一个具体的旅行清单包括日程、推荐景点、住宿、交通等等； 家里领导喜欢看红楼梦，梳理一下红楼梦的人物关系。 以下是分别让他做的一个 pdf 文档和可以互动的网页，完成度是真的很高，不过人物关系上有一点小错误，无伤大雅。 其他比如让他阅读视频给到总结，甚至让他剪辑播客都是可以的（只是效果不太好）。 但是我尝试让他给我画一些图🗺️，这方面还有所欠缺，给到的理由是第三方 API 接口出错。同时网上说她可以做ppt，确实是可以的，但是能做ppt的工具都存在一个共同问题，逻辑还行，但就是丑。所以“美术”相关工作我理解还是做不了的。 另外，他是一个完成特定任务的助手，不要把它当作聊天机器人，不然他每次跟你聊天都要思考十几分钟，真的很难受。 2️⃣测一测他懂不懂Web3 给了两个任务： a) 我们今天发了一个depin的研报，花了一个多月，自认为还行，让他给这个研报评分，并且给到其他更好的文章推荐。 我们的depin报告如下 他给到的内容如图3，更详细的评价文档我传了一个Google 链接，放在最后了，各位可以自行查看（包括前面的红楼梦人物关系图）。 整体来看，他快速学习和阅读了大量 web3 depin 的报告，并且从多个维度给出了我们报告的评价，以及推荐的其他报告和对应的评价。 b) 假设我是一个 交易所cmo，如何做华语市场的传播策略，包括华语媒体和华语kol的整理和评级。很遗憾，我已经等了一个多小时他还没思考完，如果明天有结果，我也会传到Google link里。（Manus 可以离线、多任务思考，所以可以同时开启多个任务，或者关机后之前的任务仍然会运行） 不过我看到了他的实时分析过程，在阅读各个媒体、kol 的官网文章，历史推文等等，形成自己的分析。见图4 所以我理解在他的大脑里是有 web3 内容，并可以实时学习的。 3️⃣除了懂，他能否与 Web3 交互 以上的推理其实都和 Web3 没有实际关系，我更关心他能否拿到链上数据，甚至能够交互。比如是否知道 $SOL $ETH 能在哪些地方质押，收益如何等等，还有一些深入的分析问题。 很遗憾，今天的使用次数达到限制了。明天再说吧👋 -------------------------------------------- 等待 Manus 思考结果的时候，我也看了一些其他的博主评价和官方的介绍，我觉得有一点说的很好： “没有开源，就没有 Manus AI” 从一个体验过多个AI产品的小白角度，我其实觉得 Manus 会这么火爆的原因主要在于：调用了多种 API 接口，配合自己的推理算法最终呈现了一个很好的产品。 这让我想到 ai16zdao 每周都有新的人贡献 plugin(比如 微信，deepseek)，让这个网络不断壮大； Virtuals Protocol 通过打通 agent 得底层框架，形成 agent 经济体；还有 Hey Anon 不只是有链上数据，还能直接帮你交互等等。 某一天，web2 和 web3 的 AI 产品肯定会更加紧密的相互协作，并出来几个不错的case。 最近有一些 betting 的产品已经初现端倪。 Manus 也会开源自己的能力，为了更大的 AGI 世界。 如果真到了那一天，我就真的要失业了🥲 ( Google drive 素材链接：
0:13

大半夜体验完 Manus AI, 达到了今天的使用限制，说一下自己的感受🧵 整体来讲，真的很强大， 主要体现在 Manus 能够： 🔧展示完整的推理逻辑，有个 Manus 电脑的东西为你呈现所有过程和进展； 🏗️调用各种API 协同完成任务； 📃最终非常实际的交付给你一个可用的文件。 🌟「真正能干活」的AI Agent，这个定位真的太准确了。 以下是一些实例： 1️⃣基础任务完成度高 比如最近日本可以看樱花了，整理一个具体的旅行清单包括日程、推荐景点、住宿、交通等等； 家里领导喜欢看红楼梦，梳理一下红楼梦的人物关系。 以下是分别让他做的一个 pdf 文档和可以互动的网页，完成度是真的很高，不过人物关系上有一点小错误，无伤大雅。 其他比如让他阅读视频给到总结，甚至让他剪辑播客都是可以的（只是效果不太好）。 但是我尝试让他给我画一些图🗺️，这方面还有所欠缺，给到的理由是第三方 API 接口出错。同时网上说她可以做ppt，确实是可以的，但是能做ppt的工具都存在一个共同问题，逻辑还行，但就是丑。所以“美术”相关工作我理解还是做不了的。 另外，他是一个完成特定任务的助手，不要把它当作聊天机器人，不然他每次跟你聊天都要思考十几分钟，真的很难受。 2️⃣测一测他懂不懂Web3 给了两个任务： a) 我们今天发了一个depin的研报，花了一个多月，自认为还行，让他给这个研报评分，并且给到其他更好的文章推荐。 我们的depin报告如下 他给到的内容如图3，更详细的评价文档我传了一个Google 链接，放在最后了，各位可以自行查看（包括前面的红楼梦人物关系图）。 整体来看，他快速学习和阅读了大量 web3 depin 的报告，并且从多个维度给出了我们报告的评价，以及推荐的其他报告和对应的评价。 b) 假设我是一个 交易所cmo，如何做华语市场的传播策略，包括华语媒体和华语kol的整理和评级。很遗憾，我已经等了一个多小时他还没思考完，如果明天有结果，我也会传到Google link里。（Manus 可以离线、多任务思考，所以可以同时开启多个任务，或者关机后之前的任务仍然会运行） 不过我看到了他的实时分析过程，在阅读各个媒体、kol 的官网文章，历史推文等等，形成自己的分析。见图4 所以我理解在他的大脑里是有 web3 内容，并可以实时学习的。 3️⃣除了懂，他能否与 Web3 交互 以上的推理其实都和 Web3 没有实际关系，我更关心他能否拿到链上数据，甚至能够交互。比如是否知道 $SOL $ETH 能在哪些地方质押，收益如何等等，还有一些深入的分析问题。 很遗憾，今天的使用次数达到限制了。明天再说吧👋 -------------------------------------------- 等待 Manus 思考结果的时候，我也看了一些其他的博主评价和官方的介绍，我觉得有一点说的很好： “没有开源，就没有 Manus AI” 从一个体验过多个AI产品的小白角度，我其实觉得 Manus 会这么火爆的原因主要在于：调用了多种 API 接口，配合自己的推理算法最终呈现了一个很好的产品。 这让我想到 ai16zdao 每周都有新的人贡献 plugin(比如 微信，deepseek)，让这个网络不断壮大； Virtuals Protocol 通过打通 agent 得底层框架，形成 agent 经济体；还有 Hey Anon 不只是有链上数据，还能直接帮你交互等等。 某一天，web2 和 web3 的 AI 产品肯定会更加紧密的相互协作，并出来几个不错的case。 最近有一些 betting 的产品已经初现端倪。 Manus 也会开源自己的能力，为了更大的 AGI 世界。 如果真到了那一天，我就真的要失业了🥲 ( Google drive 素材链接：

Zolo 🌊

40,402 views • 1 year ago

兄弟们，做App最痛苦的部分终于被AI干掉了， Anything刚刚上线了一个功能， 一键生成设计师级别的App Store截图， 15秒，从空白到4张完美适配规格的上架图， 连App图标评分Get按钮都给你做好了， 改文案只需要输一句话，点一下生成就完事， 以前做过App的都懂，代码写完只是开始，做截图能把人逼疯，要找mockup，要调配色，要写卖点， 还要适配十几个尺寸，要么花几百刀请设计师，要么自己抠三天Figma， 现在这些全没了， 我之前觉得AI写代码已经够离谱了， 现在才发现，AI真正厉害的地方， 是把那些没人愿意干的脏活累活全给你包了， 从idea到上架的全链路， 现在几乎没有任何门槛了， 当然最后还是需要你的审美做最后把关，但这已经帮你省了90%的力气。 也许这就是AI的魅力和价值所在吧😄
0:15

兄弟们，做App最痛苦的部分终于被AI干掉了， Anything刚刚上线了一个功能， 一键生成设计师级别的App Store截图， 15秒，从空白到4张完美适配规格的上架图， 连App图标评分Get按钮都给你做好了， 改文案只需要输一句话，点一下生成就完事， 以前做过App的都懂，代码写完只是开始，做截图能把人逼疯，要找mockup，要调配色，要写卖点， 还要适配十几个尺寸，要么花几百刀请设计师，要么自己抠三天Figma， 现在这些全没了， 我之前觉得AI写代码已经够离谱了， 现在才发现，AI真正厉害的地方， 是把那些没人愿意干的脏活累活全给你包了， 从idea到上架的全链路， 现在几乎没有任何门槛了， 当然最后还是需要你的审美做最后把关，但这已经帮你省了90%的力气。 也许这就是AI的魅力和价值所在吧😄

AYi

255,314 views • 3 months ago

全自动科学论文工厂，它真的来了。 你该看看这个新仓库。 之前那个中国大学生搞了个MiroFish，做实时社会模拟；字节跳动那边出了OpenViking，把记忆结构化；还有Percepta，把数学计算直接嵌进大模型的权重里；吴恩达那边也推了个Context Hub，相当于给代理加了一层自己标注的文档系统。 👉 Polymarket 官方入口： 现在，AutoResearchClaw 刚在 GitHub 上线——一个全自动的科学论文生成器。 仓库上线几个小时，就拿了差不多 4k 星。 给一个原始的想法进去，出来的就是一篇 6000 字、能直接用的 PDF 论文。关键它不是那种垃圾玩意儿。 它背后跑的是真正的代理系统： · 自己做实验：写代码、跑测试、读日志，崩了还能自己调 · 几乎没有幻觉：走硬核四层验证，对接真实科学数据库，没有假引用 · 格式也挑不出毛病：图表自动生成，LaTeX 排版，直接对标 NeurIPS / ICML 的标准 挺有意思的悖论是：这东西不会把 arXiv 搞死。 仓库： 当生成一篇论文的成本几乎为零，真正的权力就到了“筛选者”手里。行业里的新神，会是那些活人审稿人——他们要在无穷无尽的 AI 论文洪流里，手动淘出真东西。 愿安息吧，五年磨一篇的突破性论文——可能一夜之间就被批量淹没了。 把这几样东西拼在一起看： MiroFish 的集群 + OpenViking 的记忆 + Percepta 的真实数学 + Context Hub 的干净文档 + AutoResearchClaw 的自主研究 你就得到了一类代理——能自己跑完整个研究闭环，用真数学去验证假设，反复推敲，以远超人类的速度做出真正的突破。 这不就是在 Polymarket 和各类条件市场上，搭建下一代预测机器人要用的那套东西吗？代理自己去研究、模拟、验证概率，用科学的方法更新判断，而不是靠猜。 一个真正能发现、能证明的预测超级代理时代，就这么来了。 存好这套配置。 如果想在 Polymarket 上搞跟单交易，我推荐用这个： #Polymarket
0:14

全自动科学论文工厂，它真的来了。 你该看看这个新仓库。 之前那个中国大学生搞了个MiroFish，做实时社会模拟；字节跳动那边出了OpenViking，把记忆结构化；还有Percepta，把数学计算直接嵌进大模型的权重里；吴恩达那边也推了个Context Hub，相当于给代理加了一层自己标注的文档系统。 👉 Polymarket 官方入口： 现在，AutoResearchClaw 刚在 GitHub 上线——一个全自动的科学论文生成器。 仓库上线几个小时，就拿了差不多 4k 星。 给一个原始的想法进去，出来的就是一篇 6000 字、能直接用的 PDF 论文。关键它不是那种垃圾玩意儿。 它背后跑的是真正的代理系统： · 自己做实验：写代码、跑测试、读日志，崩了还能自己调 · 几乎没有幻觉：走硬核四层验证，对接真实科学数据库，没有假引用 · 格式也挑不出毛病：图表自动生成，LaTeX 排版，直接对标 NeurIPS / ICML 的标准 挺有意思的悖论是：这东西不会把 arXiv 搞死。 仓库： 当生成一篇论文的成本几乎为零，真正的权力就到了“筛选者”手里。行业里的新神，会是那些活人审稿人——他们要在无穷无尽的 AI 论文洪流里，手动淘出真东西。 愿安息吧，五年磨一篇的突破性论文——可能一夜之间就被批量淹没了。 把这几样东西拼在一起看： MiroFish 的集群 + OpenViking 的记忆 + Percepta 的真实数学 + Context Hub 的干净文档 + AutoResearchClaw 的自主研究 你就得到了一类代理——能自己跑完整个研究闭环，用真数学去验证假设，反复推敲，以远超人类的速度做出真正的突破。 这不就是在 Polymarket 和各类条件市场上，搭建下一代预测机器人要用的那套东西吗？代理自己去研究、模拟、验证概率，用科学的方法更新判断，而不是靠猜。 一个真正能发现、能证明的预测超级代理时代，就这么来了。 存好这套配置。 如果想在 Polymarket 上搞跟单交易，我推荐用这个： #Polymarket

区块链行情研究

62,723 views • 4 months ago

我尼玛，Claude Fable 5今天把整个软件行业的底层逻辑给击穿了！ 以前做软件要几个月，现在只要15分钟，Claude Fable 5把产品经理和程序员的中间环节，直接干掉了。 也就是说，15分钟的销售电话打完， AI当场做出了客户要的可运行软件原型，喵个咪，这谁受得了啊🤯 Todd Saunders，Dalton Mills AI 的 CEO，做的是 trades 行业的垂直 SaaS——建筑、家政、暖通这些。 他用刚发布的 Claude Fable 5， 在跟一个客户的销售电话里， 让 AI 在后台实时转录通话， 同时自主构建客户刚刚提到的软件功能。 通话结束，他当场演示了一个完全可运行的原型，精确匹配客户 15 分钟前描述的需求。 一个语音报价系统：AI 实时听服务电话，自动匹配价目表，识别 upsell 机会，生成 Good/Better/Best 三档方案，自动发提案短信。整个过程近乎零人工干预。 不是 简单的AI 辅助开发，直接对话即构建，damn！ 平复下激动的心情，这个案例最让我震惊的不只是AI 写代码快，AI 真的能听懂人话了啊啊啊， 然后一个长达几十年的产品开发范式，就这么被直接击穿了，holy sh*t！ 想一想过去几十年我们怎么干活的，客户跟你说工人在现场太乱经常算错钱，你记下来，回去消化，以为懂了， 画原型，约评审，排期，开发，几周后拿出来， 客户摇头说不对不是这么回事， 你一肚子委屈，说我每个字都记了，他说你记的是我说的话，不是我脑子里的东西。 这个循环叫理解-翻译-验证，短则几周长则几个月，整个行业就吃这碗饭的，我们管它叫专业服务。 但是今天，Fable 5 把这个循环干掉了，不是压缩啊兄弟们，直接彻底干掉了， 客户说，AI 听，AI 当场做出来，客户当场看对不对， 没有 PRD，没有你在内部群里发那个需求我回去评估一下，没有一切中间件， 从客户嘴里说出来的那一刻，一个能跑的东西就在屏幕上等着他。 这才是真正要命的地方，这哪是提效啊，简直把整个底层逻辑都改变了。 但我们也必须立刻面对一个最尖锐的问题，就是那客户为什么还需要你？这不就 15 分钟的事吗？ 这个问题必须正面面对，确实是客观存在的， 如果你对自己的定位只是把客户需求翻译成代码的那个人，那你完全可以被这 15 分钟取代，因为 AI 现在翻译得比你快，还不用开评审会。 但如果你做完项目就知道，原型和系统，中间隔着的不是几行代码，还有权限体系里那几十个你不知道为什么会存在的字段， 是客户二十年前的财务系统里藏着的那个没人敢动的数据表，是工人在负二层没信号的地方操作时该怎么缓存，也是某个老小区因为水压问题装不上你方案里那个完美的配件， 又或者是当地监管对报价条款里的某个措辞有特殊要求，这些东西，Fable 5 不知道，你问它它也不知道，它甚至不知道它不知道。 它的原型是乐高模型，系统是能住人的楼，之间的差距，专业术语叫工程判断，也可以叫领域责任，更可以叫为长期可用性兜底。 所以这个案例真正揭示的，不是谁会被替代，是什么在剧烈地变稀缺。 第一样，把 AI 的生成能力锚定在真实世界的复杂约束里， 这一下子就筛掉两种人：只会做原型不会做系统的人，和只会做系统但不懂行业的人。 留下的是那种，你问他这个需求能不能做，他会先问你那边现场平均信号几格、工人习惯左手拿手机还是右手、他们现在用的那个老系统数据库编码是 UTF-8 还是 GBK 的人。 第二样，领域知识， 我说的不是行业报告里那些漂亮话，是那些只有在这个行业干了十年才知道的脏东西。 AI 能生成完美的三档报价界面，但它不知道某个配件的供应商在雨季会涨价 30%，不知道某个话术在北方好使在南方会让客户挂电话，不知道这个工种的师傅脾气大你不能在流程里多加一步确认否则他宁愿不干，这些脏知识才是真正的护城河。 第三样，也是最被低估的一样：把原型变成可信赖系统的治理能力。 评估框架你怎么建，AI 改了这一处你怎么知道没把另一处改坏。 记忆持久化你怎么做，客户上次改的需求下次对话能不能记住。 错误恢复你怎么设计，流程跑到一半 AI 崩了用户看到什么。 多代理协作你怎么编排，一个 Agent 听电话提取意图，一个匹配价目表，一个检查合规，一个生成界面，人类在哪个节点介入裁决。 这些东西不酷，开会聊这些会让人想抽烟，但就是从酷到能用的最后那一公里。 Fable 5 和后续更强的模型，把生成这件事的成本和速度打到了一个新的量级。 这个量级意味着，做出一个看起来能用的东西，以后不再是任何人的竞争力。竞争的分水岭是，谁能把 AI 吐出来的东西，变成一个别人敢在上面跑业务、能长期依赖、出了问题找得到人负责的系统。 扯了这么多，最后一句话给大家共勉： 从今天起，把 80% 的精力，从怎么让 AI 生成得更快，转移到怎么为 AI 生成的东西负责，说白了，酷是给外人看的，稳是给我们自己续命的。
0:11

我尼玛，Claude Fable 5今天把整个软件行业的底层逻辑给击穿了！ 以前做软件要几个月，现在只要15分钟，Claude Fable 5把产品经理和程序员的中间环节，直接干掉了。 也就是说，15分钟的销售电话打完， AI当场做出了客户要的可运行软件原型，喵个咪，这谁受得了啊🤯 Todd Saunders，Dalton Mills AI 的 CEO，做的是 trades 行业的垂直 SaaS——建筑、家政、暖通这些。 他用刚发布的 Claude Fable 5， 在跟一个客户的销售电话里， 让 AI 在后台实时转录通话， 同时自主构建客户刚刚提到的软件功能。 通话结束，他当场演示了一个完全可运行的原型，精确匹配客户 15 分钟前描述的需求。 一个语音报价系统：AI 实时听服务电话，自动匹配价目表，识别 upsell 机会，生成 Good/Better/Best 三档方案，自动发提案短信。整个过程近乎零人工干预。 不是 简单的AI 辅助开发，直接对话即构建，damn！ 平复下激动的心情，这个案例最让我震惊的不只是AI 写代码快，AI 真的能听懂人话了啊啊啊， 然后一个长达几十年的产品开发范式，就这么被直接击穿了，holy sh*t！ 想一想过去几十年我们怎么干活的，客户跟你说工人在现场太乱经常算错钱，你记下来，回去消化，以为懂了， 画原型，约评审，排期，开发，几周后拿出来， 客户摇头说不对不是这么回事， 你一肚子委屈，说我每个字都记了，他说你记的是我说的话，不是我脑子里的东西。 这个循环叫理解-翻译-验证，短则几周长则几个月，整个行业就吃这碗饭的，我们管它叫专业服务。 但是今天，Fable 5 把这个循环干掉了，不是压缩啊兄弟们，直接彻底干掉了， 客户说，AI 听，AI 当场做出来，客户当场看对不对， 没有 PRD，没有你在内部群里发那个需求我回去评估一下，没有一切中间件， 从客户嘴里说出来的那一刻，一个能跑的东西就在屏幕上等着他。 这才是真正要命的地方，这哪是提效啊，简直把整个底层逻辑都改变了。 但我们也必须立刻面对一个最尖锐的问题，就是那客户为什么还需要你？这不就 15 分钟的事吗？ 这个问题必须正面面对，确实是客观存在的， 如果你对自己的定位只是把客户需求翻译成代码的那个人，那你完全可以被这 15 分钟取代，因为 AI 现在翻译得比你快，还不用开评审会。 但如果你做完项目就知道，原型和系统，中间隔着的不是几行代码，还有权限体系里那几十个你不知道为什么会存在的字段， 是客户二十年前的财务系统里藏着的那个没人敢动的数据表，是工人在负二层没信号的地方操作时该怎么缓存，也是某个老小区因为水压问题装不上你方案里那个完美的配件， 又或者是当地监管对报价条款里的某个措辞有特殊要求，这些东西，Fable 5 不知道，你问它它也不知道，它甚至不知道它不知道。 它的原型是乐高模型，系统是能住人的楼，之间的差距，专业术语叫工程判断，也可以叫领域责任，更可以叫为长期可用性兜底。 所以这个案例真正揭示的，不是谁会被替代，是什么在剧烈地变稀缺。 第一样，把 AI 的生成能力锚定在真实世界的复杂约束里， 这一下子就筛掉两种人：只会做原型不会做系统的人，和只会做系统但不懂行业的人。 留下的是那种，你问他这个需求能不能做，他会先问你那边现场平均信号几格、工人习惯左手拿手机还是右手、他们现在用的那个老系统数据库编码是 UTF-8 还是 GBK 的人。 第二样，领域知识， 我说的不是行业报告里那些漂亮话，是那些只有在这个行业干了十年才知道的脏东西。 AI 能生成完美的三档报价界面，但它不知道某个配件的供应商在雨季会涨价 30%，不知道某个话术在北方好使在南方会让客户挂电话，不知道这个工种的师傅脾气大你不能在流程里多加一步确认否则他宁愿不干，这些脏知识才是真正的护城河。 第三样，也是最被低估的一样：把原型变成可信赖系统的治理能力。 评估框架你怎么建，AI 改了这一处你怎么知道没把另一处改坏。 记忆持久化你怎么做，客户上次改的需求下次对话能不能记住。 错误恢复你怎么设计，流程跑到一半 AI 崩了用户看到什么。 多代理协作你怎么编排，一个 Agent 听电话提取意图，一个匹配价目表，一个检查合规，一个生成界面，人类在哪个节点介入裁决。 这些东西不酷，开会聊这些会让人想抽烟，但就是从酷到能用的最后那一公里。 Fable 5 和后续更强的模型，把生成这件事的成本和速度打到了一个新的量级。 这个量级意味着，做出一个看起来能用的东西，以后不再是任何人的竞争力。竞争的分水岭是，谁能把 AI 吐出来的东西，变成一个别人敢在上面跑业务、能长期依赖、出了问题找得到人负责的系统。 扯了这么多，最后一句话给大家共勉： 从今天起，把 80% 的精力，从怎么让 AI 生成得更快，转移到怎么为 AI 生成的东西负责，说白了，酷是给外人看的，稳是给我们自己续命的。

AYi

22,475 views • 2 months ago

一个印度17岁高中生做了个网站，2500万人跑上去假装自己是AI 网站链接放在评论区了 打开有两个标签页："human" 和 "larp as ai" 点 human，你可以像用 ChatGPT 一样输入任何 prompt。"画一个太空DJ"、"我该不该给前任发消息"、"strawberry里有几个r"，随便问 然后你的 prompt 会被发到一个队列里，地球上某个真人接到这个任务，有60秒时间像AI一样回答你 没有模型，没有神经网络，就是一个人坐在卧室里拼命打字假装自己是聊天机器人 页面上写的原话是："你有60秒完成一个请求，趁 Sam Altman 烧光你的 H100 之前" 反过来点 larp as ai，你就变成那个假装AI的人，回答别人的 prompt 赚积分。积分可以拿来提自己的 prompt。一个完美的闭环经济 整个网站最绝的是那些回复： -有人让"AI"画太空DJ，收到了一张看起来跟真模型翻车一模一样的手绘 -有人问该不该给前任发消息，收到了一段充满自信的"幻觉式"人生建议 -玩家攻略说开头要写"作为一个AI语言模型，我没有感情，但以下是我的感受" NPR 确认了数据：一个月内2500万独立访客，2.8亿次访问 做这个的是个印度高中生，17岁，来自本地治里，网名 mikidoodle 没有注册，没有App，没有付费墙。打开链接你就在这个笑话里了 页脚写了一行小字："人类会犯错，因为这就是人之所以为人的原因" 在AI无处不在的2026年，最火的"AI产品"居然是人假装AI
0:13

一个印度17岁高中生做了个网站，2500万人跑上去假装自己是AI 网站链接放在评论区了 打开有两个标签页："human" 和 "larp as ai" 点 human，你可以像用 ChatGPT 一样输入任何 prompt。"画一个太空DJ"、"我该不该给前任发消息"、"strawberry里有几个r"，随便问 然后你的 prompt 会被发到一个队列里，地球上某个真人接到这个任务，有60秒时间像AI一样回答你 没有模型，没有神经网络，就是一个人坐在卧室里拼命打字假装自己是聊天机器人 页面上写的原话是："你有60秒完成一个请求，趁 Sam Altman 烧光你的 H100 之前" 反过来点 larp as ai，你就变成那个假装AI的人，回答别人的 prompt 赚积分。积分可以拿来提自己的 prompt。一个完美的闭环经济 整个网站最绝的是那些回复： -有人让"AI"画太空DJ，收到了一张看起来跟真模型翻车一模一样的手绘 -有人问该不该给前任发消息，收到了一段充满自信的"幻觉式"人生建议 -玩家攻略说开头要写"作为一个AI语言模型，我没有感情，但以下是我的感受" NPR 确认了数据：一个月内2500万独立访客，2.8亿次访问 做这个的是个印度高中生，17岁，来自本地治里，网名 mikidoodle 没有注册，没有App，没有付费墙。打开链接你就在这个笑话里了 页脚写了一行小字："人类会犯错，因为这就是人之所以为人的原因" 在AI无处不在的2026年，最火的"AI产品"居然是人假装AI

Vincent

38,699 views • 2 months ago

前两天用了ChatCut我以为它已经很牛了至少在某些程度上能替代剪映，没想到今天部署的这个开源项目OpenMontage更厉害，只需要接入大模型它就能直接帮你写好提示词分镜脚本，有哪里不对的还可以让它改，我刚就说了一句“帮我生成一个15秒的猫和老鼠的视频”，它就给我做了一个这样的视频出来，自从有了AI各行业的压力是越来越大了，以后动画设计那些我感觉越来越多人要失业了。
0:15

前两天用了ChatCut我以为它已经很牛了至少在某些程度上能替代剪映，没想到今天部署的这个开源项目OpenMontage更厉害，只需要接入大模型它就能直接帮你写好提示词分镜脚本，有哪里不对的还可以让它改，我刚就说了一句“帮我生成一个15秒的猫和老鼠的视频”，它就给我做了一个这样的视频出来，自从有了AI各行业的压力是越来越大了，以后动画设计那些我感觉越来越多人要失业了。

科技俊 | Tech Jun

33,295 views • 1 month ago

月入万刀的YouTube大佬把偷偷在用的AI剪辑工具告诉了我，我彻底跪了！​ ​ 除夕的时候，一个有几位月入万刀的YouTube大佬组成的小群在发红包。我不仅在里面蹭到了新年红包，还取了点真经“最近哪些AI赛道好做，有啥新鲜好用的工具分享不”😆。 其中有一位大佬分享了NemoVideo这款工具，我说这么巧，最近刷到好多人用这个。​ ​ 他说他两个业务要用到，第一个就是YouTube AI视频，他现在不差好的脚本，主要是追求效率，刚好这款工具把他最耗时间的剪辑（他一般一分钟的视频得剪一个小时左右，现在就十分钟）也给打通了。“只要ROI打正，随便弄”。​ ​ 第二个业务是YouTube带货，这个是新型的玩法，他之前没有过做这类视频的经验，但是用了Nemo，做一个电商带货类视频太简单了，“感觉我自己搞两个小时也搞不出来这种质量的，现在花几块钱就解决了”，他给我发了一个苦笑的表情🤣。​ ​ 我跟他说我不信能有这么厉害——之前我剪个三分钟视频要花几个小时，现在一段提示词就搞定了？😇所以，我亲自去体验了一下这个产品。 我先是做了一个在YouTube上面爆过几千万流量的偶像舞台视频，效果给我惊到了🥹，虽然seedance2.0本身就很强，但是这个剪辑Agent还给我生成了完美适配的字幕和额外的音效，我中间有两次不满意直接在右侧对话框用大白话对话就修改了（这比我之前满世界找素材下载再剪辑方便不要太多）。 我说好吧，YouTube算是过关了，那带货视频怎么说，所以我就做了个chanel的香水视频测试。先是随便找了个图片，然后输入“做一个高级感的营销视频，讲解一下这款Chanel香水，真人出镜（欧洲美女），顶级奢侈品广告，要有人声”。然后就给我弄了一个这个出来，震惊了我好久——我这种小白也能做？！​ ​ 而且Nemo还有一个灵感中心，直接在这里面找到长期投放广告的爆款视频是咋做的，一键应用风格，省略掉了找竞品拆竞品写脚本的步骤，对小白真的很友好。 此一役后，我感觉我做AI视频的唯一短板剪辑也被补上了，不得不感慨现在的AI工具真的发展得越来越快了，别人在偷偷用Nemo十倍提效的时候自己却在用老土办法手搓，巨大的信息差，巨大的效率差，巨大的利润差啊！!
0:15

月入万刀的YouTube大佬把偷偷在用的AI剪辑工具告诉了我，我彻底跪了！​ ​ 除夕的时候，一个有几位月入万刀的YouTube大佬组成的小群在发红包。我不仅在里面蹭到了新年红包，还取了点真经“最近哪些AI赛道好做，有啥新鲜好用的工具分享不”😆。 其中有一位大佬分享了NemoVideo这款工具，我说这么巧，最近刷到好多人用这个。​ ​ 他说他两个业务要用到，第一个就是YouTube AI视频，他现在不差好的脚本，主要是追求效率，刚好这款工具把他最耗时间的剪辑（他一般一分钟的视频得剪一个小时左右，现在就十分钟）也给打通了。“只要ROI打正，随便弄”。​ ​ 第二个业务是YouTube带货，这个是新型的玩法，他之前没有过做这类视频的经验，但是用了Nemo，做一个电商带货类视频太简单了，“感觉我自己搞两个小时也搞不出来这种质量的，现在花几块钱就解决了”，他给我发了一个苦笑的表情🤣。​ ​ 我跟他说我不信能有这么厉害——之前我剪个三分钟视频要花几个小时，现在一段提示词就搞定了？😇所以，我亲自去体验了一下这个产品。 我先是做了一个在YouTube上面爆过几千万流量的偶像舞台视频，效果给我惊到了🥹，虽然seedance2.0本身就很强，但是这个剪辑Agent还给我生成了完美适配的字幕和额外的音效，我中间有两次不满意直接在右侧对话框用大白话对话就修改了（这比我之前满世界找素材下载再剪辑方便不要太多）。 我说好吧，YouTube算是过关了，那带货视频怎么说，所以我就做了个chanel的香水视频测试。先是随便找了个图片，然后输入“做一个高级感的营销视频，讲解一下这款Chanel香水，真人出镜（欧洲美女），顶级奢侈品广告，要有人声”。然后就给我弄了一个这个出来，震惊了我好久——我这种小白也能做？！​ ​ 而且Nemo还有一个灵感中心，直接在这里面找到长期投放广告的爆款视频是咋做的，一键应用风格，省略掉了找竞品拆竞品写脚本的步骤，对小白真的很友好。 此一役后，我感觉我做AI视频的唯一短板剪辑也被补上了，不得不感慨现在的AI工具真的发展得越来越快了，别人在偷偷用Nemo十倍提效的时候自己却在用老土办法手搓，巨大的信息差，巨大的效率差，巨大的利润差啊！!

逸尘

73,019 views • 5 months ago

当 AI 走进法庭，它最缺的其实是一份证据 当 AI 真正走出实验室，开始大规模进入我们的现实生活时 大家讨论最多的其实并不是它的智力到了什么程度，而是这个系统一旦出了问题 法律层面到底该怎么判定责任归属，很多人可能还没意识到，目前几乎所有的 AI 系统在法律层面上都有一个致命的伤 那就是它们根本拿不出任何可以被第三方采信的证据。 想象一下，在未来的金融系统或者交易场景里 如果一个 AI 驱动的协议突然出现了巨大的亏损，或者是在清算的时候出了偏差，现在的处理方式其实非常尴尬，模型厂商会说这只是概率问题 而开发者会说自己只是写了代码，这种模糊的解释在技术圈里或许能混过去，但在法官或者是仲裁员面前，这种话是完全没有法律效力的，因为法律不相信任何口头上的解释，法律只看证据。 现在的情况就是这样，因为 AI 具有天然的黑箱特性，导致法律体系无法对它的行为进行复现和验证，所以一旦真的出了事。 现实社会往往只有两种极端的处理办法，要么就是由于风险不可控而直接禁用，要么就是找一个具体的人出来背黑锅。 这并不是因为我们的监管机构太守旧，而是法律体系的底层逻辑决定的，它无法接受任何无法自证的黑箱行为。 说到底，法律其实从来不关心一个模型到底是聪明还是笨。 它关心的只有三件事，那就是你到底做了什么，你是按照什么样的流程去做的，以及最重要的，你能不能拿出实实在在的证据来证明这一切。 这就是 Inference Labs 最核心的价值所在，它其实不是在跟人比拼算法的优劣，而是在给 AI 的每一个行为补齐那一层法律意义上的证据结构。 这个项目实际上是解决了 AI 的可仲裁性问题，这虽然是一个很少被人提及的法律视角，但它却是 AI 从辅助工具走向核心执行层的必经之路。 以前的 AI 推理过程就像一团理不清楚的乱麻，在仲裁机构眼里，它既不是一个能负责的人，也不是一套可以被审计的标准流程，这就导致大家只敢让 AI 提提建议，而不敢让它去真正掌握决策大权。 Inference Labs 提供的推理证明，本质上是在用法律能听懂的语言去记录 AI 的行为，它不需要向外界解释模型当时到底是怎么想的，它只需要负责向法庭或者是受害者证明，在那个特定的时间点，确实是这个版本的模型，在特定的输入环境下，产出了这么一个确定的结果，这在仲裁场景下简直就是定海神针。 有了这层证明之后，AI 产生的决策就有了可以被法律认可的证据，在未来的 DeFi 自动风控或者是合约执行中，一旦双方发生了争议。 我们就不再需要去争论开发者的初心，而是直接把那份不可篡改的推理证明丢进仲裁程序，系统不需要证明自己是善良的，只需要证明自己是如实执行的。 这就是 AI 从灰色地带走向主流市场的关键转折点，所以它的真实用户绝对不是那些每天在推特上找空投的散户，而是那些真正身处一线、需要设计协议并承担合规风险的专业人士，这些人可能平时很低调，但他们对这种能保命的工具极其看重，一旦采用了就很难再换掉。 大家习惯了去追逐那些爆发性的技术热点，却往往忽略了 AI 融入社会体系时最真实的摩擦力，这个项目的眼光其实放得很长远，它在赌一个非常确定的趋势，那就是所有的 AI 最终都必须被拉进法律的框架里，到那个时候。 那些拿不出证据结构的 AI 都会被迅速淘汰，而像它这样提前搭好仲裁入口的项目，才会真正成为系统的基石。 Inference Labs #inference_labs #KAITO
0:13

当 AI 走进法庭，它最缺的其实是一份证据 当 AI 真正走出实验室，开始大规模进入我们的现实生活时 大家讨论最多的其实并不是它的智力到了什么程度，而是这个系统一旦出了问题 法律层面到底该怎么判定责任归属，很多人可能还没意识到，目前几乎所有的 AI 系统在法律层面上都有一个致命的伤 那就是它们根本拿不出任何可以被第三方采信的证据。 想象一下，在未来的金融系统或者交易场景里 如果一个 AI 驱动的协议突然出现了巨大的亏损，或者是在清算的时候出了偏差，现在的处理方式其实非常尴尬，模型厂商会说这只是概率问题 而开发者会说自己只是写了代码，这种模糊的解释在技术圈里或许能混过去，但在法官或者是仲裁员面前，这种话是完全没有法律效力的，因为法律不相信任何口头上的解释，法律只看证据。 现在的情况就是这样，因为 AI 具有天然的黑箱特性，导致法律体系无法对它的行为进行复现和验证，所以一旦真的出了事。 现实社会往往只有两种极端的处理办法，要么就是由于风险不可控而直接禁用，要么就是找一个具体的人出来背黑锅。 这并不是因为我们的监管机构太守旧，而是法律体系的底层逻辑决定的，它无法接受任何无法自证的黑箱行为。 说到底，法律其实从来不关心一个模型到底是聪明还是笨。 它关心的只有三件事，那就是你到底做了什么，你是按照什么样的流程去做的，以及最重要的，你能不能拿出实实在在的证据来证明这一切。 这就是 Inference Labs 最核心的价值所在，它其实不是在跟人比拼算法的优劣，而是在给 AI 的每一个行为补齐那一层法律意义上的证据结构。 这个项目实际上是解决了 AI 的可仲裁性问题，这虽然是一个很少被人提及的法律视角，但它却是 AI 从辅助工具走向核心执行层的必经之路。 以前的 AI 推理过程就像一团理不清楚的乱麻，在仲裁机构眼里，它既不是一个能负责的人，也不是一套可以被审计的标准流程，这就导致大家只敢让 AI 提提建议，而不敢让它去真正掌握决策大权。 Inference Labs 提供的推理证明，本质上是在用法律能听懂的语言去记录 AI 的行为，它不需要向外界解释模型当时到底是怎么想的，它只需要负责向法庭或者是受害者证明，在那个特定的时间点，确实是这个版本的模型，在特定的输入环境下，产出了这么一个确定的结果，这在仲裁场景下简直就是定海神针。 有了这层证明之后，AI 产生的决策就有了可以被法律认可的证据，在未来的 DeFi 自动风控或者是合约执行中，一旦双方发生了争议。 我们就不再需要去争论开发者的初心，而是直接把那份不可篡改的推理证明丢进仲裁程序，系统不需要证明自己是善良的，只需要证明自己是如实执行的。 这就是 AI 从灰色地带走向主流市场的关键转折点，所以它的真实用户绝对不是那些每天在推特上找空投的散户，而是那些真正身处一线、需要设计协议并承担合规风险的专业人士，这些人可能平时很低调，但他们对这种能保命的工具极其看重，一旦采用了就很难再换掉。 大家习惯了去追逐那些爆发性的技术热点，却往往忽略了 AI 融入社会体系时最真实的摩擦力，这个项目的眼光其实放得很长远，它在赌一个非常确定的趋势，那就是所有的 AI 最终都必须被拉进法律的框架里，到那个时候。 那些拿不出证据结构的 AI 都会被迅速淘汰，而像它这样提前搭好仲裁入口的项目，才会真正成为系统的基石。 Inference Labs #inference_labs #KAITO

阿川

147,843 views • 7 months ago

查理·芒格说： 普通人，一定要频繁记录自己！✊ 一定要频繁大量的记录自己， 真的能改命 昨天和一个朋友聊天， 他说自己从月薪3000到 现在年入50万， 最大的转折点就是开始记录 自己的每一天。 记录， 其实是在对抗三种人性弱点😭 1️⃣ 对抗遗忘， 大脑会自动模糊痛苦。 记录，能让错误长期保持“锋利”。 2️⃣ 对抗自我欺骗， 写下来的一刻， 你很难再骗自己。 因为文字，是最诚实的镜子。 3️⃣ 对抗情绪决策， 当规则提前写好， 情绪来时， 你只需要执行， 而不是思考。 所以高手靠判断做决策， 普通人靠流程 + 记录避免犯错。 ————————————— 一定要频繁大量的记录自己， 真的能改命 昨天和一个朋友聊天， 他说自己从月薪3000到 现在年入50万， 最大的转折点就是开始记录 自己的每一天。 听起来很玄？其实一点都不玄。 你要明白一个道理： 大部分人活得糊涂， 就是因为从不复盘自己。 每天浑浑噩噩过， 根本不知道时间去哪了， 钱为什么没赚到， 机会为什么总是错过。 什么叫频繁大量记录？ 不是写日记那么简单， 而是要记录这几个维度： 今天做了什么有价值的事 今天学到了什么新东西 今天犯了什么错误 今天有什么情绪波动 今天遇到了什么机会 举个例子， 我认识一个做内容的朋友， 每天都会记录： 发了什么内容，数据如何 用户什么反馈最多 哪个话题最受欢迎 什么时间发布效果最好 就这样坚持了半年， 他发现了自己的内容密码， 现在每条都能爆。 区别在哪？ 普通人：今天又是平凡的一天 高手：今天我发现了3个可以优化的点 记录的核心不是记流水账， 而是要反思和总结。 每周看一遍自己的记录， 你会发现： 原来我在这件事上浪费了这么多时间 原来这个习惯一直在拖累我 原来我错过了这么多赚钱机会 原来我的情绪模式是这样的 这就是觉察的力量。 很多人以为改命需要什么大动作， 其实不是。 改命就是从觉察开始， 觉察从记录开始。 你要记住这句话： 没有记录就没有发生， 没有复盘就没有成长。 具体怎么做？ 建一个文档， 每天睡前花10分钟写下今天的5个要点。不用写得很详细，关键词就行。 比如： 今日收获：学会了新的拍摄角度 今日错误：又熬夜刷手机到12点 今日机会：有人想和我合作 今日情绪：因为数据不好有点焦虑 今日思考：内容方向需要调整 每周末花1小时看这周的记录， 找规律，找问题，找机会。 坚持一个月， 你就会发现自己开始清醒了。 坚持三个月， 你就会发现自己开始进步了。 坚持一年， 你就会发现自己真的变了。 记录不是为了记录， 而是为了看见自己。 看见了，才能改变。 改变了，才能改命。 别再浑浑噩噩过日子了， 从今晚开始记录自己。 这是最适合一人公司的时代， 期待遇见同频的你。
0:19

查理·芒格说： 普通人，一定要频繁记录自己！✊ 一定要频繁大量的记录自己， 真的能改命 昨天和一个朋友聊天， 他说自己从月薪3000到 现在年入50万， 最大的转折点就是开始记录 自己的每一天。 记录， 其实是在对抗三种人性弱点😭 1️⃣ 对抗遗忘， 大脑会自动模糊痛苦。 记录，能让错误长期保持“锋利”。 2️⃣ 对抗自我欺骗， 写下来的一刻， 你很难再骗自己。 因为文字，是最诚实的镜子。 3️⃣ 对抗情绪决策， 当规则提前写好， 情绪来时， 你只需要执行， 而不是思考。 所以高手靠判断做决策， 普通人靠流程 + 记录避免犯错。 ————————————— 一定要频繁大量的记录自己， 真的能改命 昨天和一个朋友聊天， 他说自己从月薪3000到 现在年入50万， 最大的转折点就是开始记录 自己的每一天。 听起来很玄？其实一点都不玄。 你要明白一个道理： 大部分人活得糊涂， 就是因为从不复盘自己。 每天浑浑噩噩过， 根本不知道时间去哪了， 钱为什么没赚到， 机会为什么总是错过。 什么叫频繁大量记录？ 不是写日记那么简单， 而是要记录这几个维度： 今天做了什么有价值的事 今天学到了什么新东西 今天犯了什么错误 今天有什么情绪波动 今天遇到了什么机会 举个例子， 我认识一个做内容的朋友， 每天都会记录： 发了什么内容，数据如何 用户什么反馈最多 哪个话题最受欢迎 什么时间发布效果最好 就这样坚持了半年， 他发现了自己的内容密码， 现在每条都能爆。 区别在哪？ 普通人：今天又是平凡的一天 高手：今天我发现了3个可以优化的点 记录的核心不是记流水账， 而是要反思和总结。 每周看一遍自己的记录， 你会发现： 原来我在这件事上浪费了这么多时间 原来这个习惯一直在拖累我 原来我错过了这么多赚钱机会 原来我的情绪模式是这样的 这就是觉察的力量。 很多人以为改命需要什么大动作， 其实不是。 改命就是从觉察开始， 觉察从记录开始。 你要记住这句话： 没有记录就没有发生， 没有复盘就没有成长。 具体怎么做？ 建一个文档， 每天睡前花10分钟写下今天的5个要点。不用写得很详细，关键词就行。 比如： 今日收获：学会了新的拍摄角度 今日错误：又熬夜刷手机到12点 今日机会：有人想和我合作 今日情绪：因为数据不好有点焦虑 今日思考：内容方向需要调整 每周末花1小时看这周的记录， 找规律，找问题，找机会。 坚持一个月， 你就会发现自己开始清醒了。 坚持三个月， 你就会发现自己开始进步了。 坚持一年， 你就会发现自己真的变了。 记录不是为了记录， 而是为了看见自己。 看见了，才能改变。 改变了，才能改命。 别再浑浑噩噩过日子了， 从今晚开始记录自己。 这是最适合一人公司的时代， 期待遇见同频的你。

梓哲悟语 | Zenzhe

10,351 views • 5 months ago