Loading video...

Video Failed to Load

Go Home

悄悄看,恋爱邪修法则!阮琦《魔鬼约会学》30步脱单秘籍 多年实战经验拆解成可落地步骤。 从读懂异性微表情,到精准把握聊天节奏,再到建立深度吸引,每一步都有真实案例+心理学支撑。 拒绝空谈理论,这里只教能立刻用、见效的方法。 🔗:

13,289 views • 5 months ago •via X (Twitter)

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

🔥 AI 任务终于看得见了!Flowtrace 把复杂工作变成可视 Trace:一步步走、每步可查、可追溯、可复用、还能持续进化! 我每天用 Claude、Cursor 干活:写报告、研究股票、做方案、优化简历…… 用得越多越崩溃: - 今天花几个小时跟 AI 聊出来的东西,明天想再用一次,又得从头重新说一遍 - AI 给的答案看起来很专业,但我根本不知道它哪来的依据,靠不靠谱心里没底 - 好不容易调教出一个好 Prompt,下次就作废了,全是沉没成本 - 改一个想法,整个对话就乱套,得全部重来 - 领导问“你这个结论怎么来的?”我只能尴尬地说……AI 说的 真的太没有安全感了,用完就忘,越用越焦虑。 直到我刷到 Flowtrace 这个开源项目,它直接解决了我这些痛点。 现在我做事情时,AI 不再是扔个 prompt 吐一大堆看不懂的黑箱内容,而是: - 整个过程一步一步清清楚楚,我全程看得见 - 每一步都有单独的文件,想查哪步就点哪步,依据一目了然 - 做完一次以后,下次直接复用,改改输入就能出新结果 - 只想改哪里,就只重新跑哪里,不用全部重来 - 做完之后心里特别踏实,因为每一步都有痕迹、有证据 最打动我的是:AI 终于不再是一次性聊天工具,而是变成了我真正能掌控、能重复使用、越用越强的个人助手。 现在做股票分析、写周报、准备方案,都会用它跑一遍,心里安心多了,不再担心“明天又得重来”。 作为一个普通人,我完全不需要懂技术。 把仓库丢给 AI,说一句“帮我安装并跑 tailored-resume 示例”就能立刻上手。 项目自带 9 个现成例子,普通用户也能马上感受到巨大差别: - 股票投资决策:完整研究报告 + 图表 + 依据,最后生成可引用 PDF - SaaS 尽职调查:多维度分析,每一步证据链完整 - 定制简历生成:一步步优化,轻松复用 - 行业深度报告、Bug 修复循环、周报、广告优化…… - 甚至能把别人的 Skill / Chat Log 直接转成 Trace! 如果你也和我一样,天天靠 AI 干正事,却总觉得不踏实、怕沉没成本,真的强烈推荐你去试试!

开发者Hailey

13,330 views • 1 month ago

这两天看到的收获很大的一篇论文《AlphaCodium:引领代码生成新境界,从提示工程到流程工程》,它提出了一种新的生成代码的方法,比传统的直接基于Prompt生成代码的方式准确率更高。 它用的测试集是CodeContests ,这是由 Deepmind 推出的一项挑战性编程数据集。相对来说还是很权威的。以 GPT-4 为例的话,准确率从19%提升到了44%。 它的原理有些复杂,但是如果你有过LeetCode刷题经验,相对比较好理解一些。 普通人刷 LeetCode,上来就做,这样有可能得到答案,也有可能做不出来,这就类似于你把题目直接丢给GPT-4,让它直接给出答案,准确率相对要低一些。 高手刷LeetCode,会有个做题的流程,同样的水平,做出来的概率会大一些。 高手做题时会大概分成几个步骤: 1. 先把题目中的要点一条条列出来,确保不会遗漏任何重要信息 2. 通常LeetCode会提供 1 个或多个测试用例,仔细看测试用例,分析为什么给定的输入能得到给定的输出 3. 在写代码前,列出几种可能的解决方案,例如暴力算法、递归、动态规划,每一种方案写下思路和伪代码 4. 对于列出来的几种方案进行评估,选出最佳方案 5. 可能还会补充一些测试用例帮助事后验证 --- 以下部分是迭代过程: 6. 根据选中的解决方案写代码,如果代码不能运行则修改代码直至能运行 7. 将代码提交到LeetCode的测试集去验证,如果无法通过所有测试,则修改错误,如果通过到第8步 8. 用第 5 步生成的测试用例验证代码,如果运行不通过则继续优化代码 这里留个思考题:如果第8步出错,怎么判断是代码有问题还是自己生成的测试用例有问题? 而 AlphaCodium 就是完美遵循了以上的步骤来解题,只不过每一步都是由大语言模型帮助完成! 这给了我一些启示: 1. 不必寄希望于将复杂的任务在一个 Prompt 中完成,拆分成若干子任务成功概率会高一些 2. AI 可以借鉴人类的优秀实践,例如高手是如何解决编程难题的,让 AI 按照高手的步骤去一步步做 3. AI 的潜力还有很大挖掘空间 完整的文章参考: 中文译文:

宝玉

265,105 views • 2 years ago

Elon Musk有一个学习方法, 解释了一个困扰我很多年的问题, 为什么有些东西学完一周就忘光, 有些东西一通百通,区别就在于你有没有先建树干。 Elon Musk 说过,要把知识看成一棵语义树,先确保自己理解基本原理,也就是树干和大树枝,再去接触树叶一样的细节,否则那些细节根本无处依附。 这句话我琢磨了很久,越想越觉得它解释了一个困扰我很多年的问题,为什么有些东西学完就忘,有些东西一通百通。 区别就在于你有没有树干。 没有树干的时候,你学到的每一个技巧都是悬在空中的,挂不住,风一吹就掉了,读完一本书一周忘光,学完一门课一个月用不上,本质上都是同一个问题,你在往一棵不存在的树上挂叶子。 这个比喻不只是修辞,它完全符合我们大脑的工作机制,神经可塑性的运作方式就是这样的,能带来成功的神经连接会被不断强化,无用的连接像枯枝一样断掉,当你有了坚实的主干结构,新信息才有地方附着,没有这个框架,所有知识都会快速滑落。 马斯克自己就是这么干的,他没有先去学怎么造火箭发动机,而是先弄懂火箭为什么要那样工作,物理学、材料科学、热力学的基本原理,一旦掌握了这些,具体的工程决策就变成了可以评估、质疑和改进的东西。 芒格也是一样,不死记投资方法,而是从心理学、历史、数学、物理、哲学、生物学里搭建多元思维框架,然后用这个框架在所有领域做决策。 一个方法只能解决一个问题,一次有效,一个原理能反复用上百次,应对你还没遇到的场景。 哈灵顿·埃默森说过,方法可能有百万种,但原理很少,掌握原理的人能成功选择自己的方法,只试方法而忽视原理的人注定遇到麻烦。 所以咱们不管学什么新东西,先别急着找技巧,先问一个问题, 这个领域的树干是什么,哪些是一旦理解就能让其他一切都变得更容易的第一性原理。 先长树干,再挂树叶。

AYi

44,111 views • 4 months ago

🤣🤣🤣被ai玩坏了咯!!! —— 大的什么时候才能到来 这两天一直在刷到 Kindred Labs 的动静,说实话,这种“你懂的”式暗示一出来,基本就能判断:空投和 TGE 应该离得不远了。放在 Sei 生态里看,它现在的关注度也确实排在前面。 但让我更在意的,其实是另一件事。 我看到不少人把 Kindred 简单归类成“接了 API 的聊天工具”,每次看到这种说法,我都会有点替项目可惜——因为这明显低估了它真正想做的事情。 如果只是套壳主流大模型,在现在这个 AI 项目密集到几乎同质化的赛道里,根本不可能靠运气站住脚。Kindred Labs 没走那条路。 它把情绪拆解成唤醒度、愉悦度、支配度三个维度,用上下文、表达节奏和长期互动来判断一个人的真实状态。 差别在于: 普通 AI 只“听懂话”, 而 Kindred Labs 在尝试“理解人”。 你说一句“没事”,多数 AI 会照字面理解; 但 Kindred 更像是会停一下,意识到你可能是在强装平静,然后给出更贴合当下情绪的回应。 这种持续学习、越聊越懂你边界和性格的设计,其实带来的是一种很微妙的情感连接感,而不是功能堆叠。这也是我觉得它能留下用户的核心原因。 现在太多 AI 项目在拼谁更聪明、参数更大、功能更多,但越往后我越确信: 真正的分水岭不会是智力,而是“理解力”。 谁能读懂人的状态、尊重人的情绪,而不是冷冰冰地输出答案,谁才更可能走得远。 从这个角度看,Kindred 至少是在往一个我个人很认可的方向探索。 #KaitoYap Kaito AI 🌊 Kindred Labs #Yap Max Giammario $KIN

董小姐 |Gate美股0费率

55,419 views • 7 months ago

这可能是对小白最友好的 vibe coding 教程 —— easy-vibe 🎉目前已经在GitHub上斩获12.5k star 霸榜trend 很多编程教程一上来就讲环境、语法、框架、工程规范,新手还没看到结果就已经被劝退了。Easy-Vibe 反过来,它先让你体验一件事:会描述需求,就可以开始做应用 你不需要一开始就理解所有技术细节,而是从“我想做一个记账工具”“我想做一个带登录的预约系统”“我想做一个博客”这种自然语言需求出发,学会怎么和 AI 协作,把想法一步步变成能运行、能展示、能迭代的产品 它对小白友好主要体现在 5 点: 1. 从零开始,不假设你懂开发 - 有专门的 Beginner Entry,不是默认你已经会前端、后端、数据库、部署 2. 先做出来,再理解原理 - 先通过简单、具体的案例获得“我真的能做出来”的正反馈,再慢慢补 AI IDE、Prompt、产品原型、前后端、部署等知识 3. 学习路径很清楚 - 从 Stage 1 的产品原型,到 Stage 2 的全栈应用,再到 Stage 3 的 Claude Code、MCP、Agent workflow,像地图一样告诉你下一步该学什么 4. 不是只教工具,而是教完整产品流程 - 它覆盖 idea validation、原型设计、UI、数据库、API、部署、支付、RAG、跨平台应用等内容。对新手来说,这很重要,因为真正卡住人的往往不是某个工具,而是不知道一个产品从 0 到 1 到底怎么走 5. 有大量可视化和交互式内容 - 比如用动画解释 AI 原理、用交互组件理解 RAG、用可视化方式理解终端和 Git,这比纯文字教程更容易建立直觉 如果你是零基础、产品经理、学生、独立开发者,或者只是想知道“AI coding 到底能不能帮我把想法做出来”,这个项目非常适合作为第一站 传送门👉:

Z大诗

18,963 views • 2 months ago