Loading video...

Video Failed to Load

Go Home

🚨 新一代 SEO 已经不是 Google SEO 了。 而是 AI SEO（GEO）。 刚刚在 GitHub 看到一个很有意思的项目： 👉 geo-seo-claude 简单说，它是一个给 Claude Code 用的 GEO 工具，可以直接分析你的网站 在 AI 搜索里的可见度。比如 ChatGPT / Perplexity / Claude。 很多人还在做传统 SEO， 但未来真正的流量入口是 AI答案里的引用。 而这个工具做的事情非常直接： ⚡ 一条命令跑完整 AI SEO 审计 /geo audit twexapi. io 然后它会自动帮你分析： • AI crawler 是否能访问你的网站 •...

axiaisacat's profile picture

axiaisacat

4,991 subscribers

59,974 views • 4 months ago •via X (Twitter)

EducationScience & Technology
LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

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
0:25

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

140,294 views • 5 months ago

如果你翻墙之后，还只会刷每日大赛，那真的有点浪费了 因为互联网真正值钱的东西，其实大量都藏在 GitHub 很多最新的 AI 工具、自动化项目、效率工作流，几乎都会第一时间出现在那里 这两年越来越明显的一件事是： 会用 GitHub 的人，已经开始用 AI 放大自己的效率了 很多原本需要团队完成的事情，现在一个人就能做 我的建议是收藏起来，认真看看这个视频 它真正有价值的地方，不是教你“看网站”， 而是让你开始理解： AI 时代里，普通人该去哪里找机会
8:04

如果你翻墙之后，还只会刷每日大赛，那真的有点浪费了 因为互联网真正值钱的东西，其实大量都藏在 GitHub 很多最新的 AI 工具、自动化项目、效率工作流，几乎都会第一时间出现在那里 这两年越来越明显的一件事是： 会用 GitHub 的人，已经开始用 AI 放大自己的效率了 很多原本需要团队完成的事情，现在一个人就能做 我的建议是收藏起来，认真看看这个视频 它真正有价值的地方，不是教你“看网站”， 而是让你开始理解： AI 时代里，普通人该去哪里找机会

Suu

535,140 views • 1 month ago

Karpathy 说过一句话： 我们现在还处在 AI 的 1960s 这场 40 分钟的 Y Combinator lecture，基本把这个判断讲透了 很多人已经在用 Claude Opus 4.8 但使用方式还停留在： 把它当 search engine 当 chatbot 当更聪明的问答框 而 Karpathy 讲的 Software 3.0，不是这个 它指的是： LLMs as operating systems, not chatbots 也就是模型不只是回答问题，而是开始承接 workflow 读取上下文 调用工具 拆解任务 持续执行 在没人盯着的时候，把一整套流程往前推进。 这也是 autonomous agents 真正有意思的地方。 不是“让 AI 写一段代码” 而是让 agent 跑完整个 workflow 你不需要一直看着它 它自己推进 你回来 review 结果 这篇文章里的 32 个 skills，本质上就是帮你跨过这条线 从“使用 AI”变成“构建 AI workflow” 未来真正的差距，是谁会用 Claude 提问，还是谁能把 Claude 变成自己的 operating system？
37:18

Karpathy 说过一句话： 我们现在还处在 AI 的 1960s 这场 40 分钟的 Y Combinator lecture，基本把这个判断讲透了 很多人已经在用 Claude Opus 4.8 但使用方式还停留在： 把它当 search engine 当 chatbot 当更聪明的问答框 而 Karpathy 讲的 Software 3.0，不是这个 它指的是： LLMs as operating systems, not chatbots 也就是模型不只是回答问题，而是开始承接 workflow 读取上下文 调用工具 拆解任务 持续执行 在没人盯着的时候，把一整套流程往前推进。 这也是 autonomous agents 真正有意思的地方。 不是“让 AI 写一段代码” 而是让 agent 跑完整个 workflow 你不需要一直看着它 它自己推进 你回来 review 结果 这篇文章里的 32 个 skills，本质上就是帮你跨过这条线 从“使用 AI”变成“构建 AI workflow” 未来真正的差距，是谁会用 Claude 提问，还是谁能把 Claude 变成自己的 operating system？

0x_Miko

46,870 views • 2 months ago

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”。
49:04

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 views • 1 month ago

「这款自动化 SEO 优化工具，让你躺着也能赚钱！」😍 Outrank 颠覆传统 SEO 方式，一站式解决所有难题。从内容创作、关键词分析到图片生成、文章生成，Outrank 全自动搞定。 最牛逼的是它直接给你生成一个月的 SEO 优化计划，每天定时生成优质 SEO 文章，你只要操作发布即可。 链接见评论👇
2:03

「这款自动化 SEO 优化工具，让你躺着也能赚钱！」😍 Outrank 颠覆传统 SEO 方式，一站式解决所有难题。从内容创作、关键词分析到图片生成、文章生成，Outrank 全自动搞定。 最牛逼的是它直接给你生成一个月的 SEO 优化计划，每天定时生成优质 SEO 文章，你只要操作发布即可。 链接见评论👇

MapleShaw

308,325 views • 1 year ago

英伟达Nvidia黄仁勋： AI，让平凡的人不再平凡。 一个年轻人加上AI，就是全新的“超级个体”。 不拼资历，不靠背景，AI成了这个时代最大的“能力放大器”。 它不是替你工作，而是教你变强，像导师、像助手，甚至像一整个研究团队。 以前，成为专家要花十年，现在，用AI做研究，年轻人正在用几年甚至几个月的速度追赶。 程序员用它写代码、调试逻辑；研究员用它读文献、生成模型；医生用它分析病例、辅助诊断。 几乎所有专业的人才，搭上AI这台引擎，都跑得更快。 哪怕是在偏远小镇的医生，或是发展中国家的工程师，手里只要有AI，就能站上世界一线的能力标准。 但这，也压力山大。对那些在某个领域苦练二十年的人来说， 现在，刚入行的新人搭上AI，可能一年就追平你辛苦十年的经验积累。 AI不是取代你，而是逼你进化。 越早拥抱它，你越可能成为被放大的那一个。
1:15

英伟达Nvidia黄仁勋： AI，让平凡的人不再平凡。 一个年轻人加上AI，就是全新的“超级个体”。 不拼资历，不靠背景，AI成了这个时代最大的“能力放大器”。 它不是替你工作，而是教你变强，像导师、像助手，甚至像一整个研究团队。 以前，成为专家要花十年，现在，用AI做研究，年轻人正在用几年甚至几个月的速度追赶。 程序员用它写代码、调试逻辑；研究员用它读文献、生成模型；医生用它分析病例、辅助诊断。 几乎所有专业的人才，搭上AI这台引擎，都跑得更快。 哪怕是在偏远小镇的医生，或是发展中国家的工程师，手里只要有AI，就能站上世界一线的能力标准。 但这，也压力山大。对那些在某个领域苦练二十年的人来说， 现在，刚入行的新人搭上AI，可能一年就追平你辛苦十年的经验积累。 AI不是取代你，而是逼你进化。 越早拥抱它，你越可能成为被放大的那一个。

墓碑科技

12,575 views • 1 year ago

为什么 AI 播客的范式一定是未来？ 我找到了 NotebookLM 最早在今年5月 Google IO 大会的官方演示，看完就知道这一定是未来的形态。 因为 AI 播客，听众可以随时 JOIN！ 你可以随时向主播提出任何问题 你甚至可以引导主播谈论问题的倾向 内容消费的下一个形态，就是用户直接偏好的实时内容生成。 耐心看完，不是我吹，这TM就是未来。 这种互动式的内容生成范式是未来，但不一定是播客，也许还是视频，视频就是声音做好之后加个图像模态而已。
0:43

为什么 AI 播客的范式一定是未来？ 我找到了 NotebookLM 最早在今年5月 Google IO 大会的官方演示，看完就知道这一定是未来的形态。 因为 AI 播客，听众可以随时 JOIN！ 你可以随时向主播提出任何问题 你甚至可以引导主播谈论问题的倾向 内容消费的下一个形态，就是用户直接偏好的实时内容生成。 耐心看完，不是我吹，这TM就是未来。 这种互动式的内容生成范式是未来，但不一定是播客，也许还是视频，视频就是声音做好之后加个图像模态而已。

Orange AI

112,618 views • 1 year ago

今天在优化我产品 SEO 的时候， 在 GitHub 上挖到一个非常有意思的 repo。 它把 整套 SaaS 营销体系做成了 AI Agent Skills： • SEO audit • Programmatic SEO • Pricing strategy • Launch strategy • Social content • Paid ads • Conversion optimization 基本等于： 给你的 AI Agent 装了一整个 Growth Team 以后做产品的配置可能会变成： Founder AI Agent 30+ Marketing Skills 增长开始被 模块化了。 项目我放评论 👇
0:38

今天在优化我产品 SEO 的时候， 在 GitHub 上挖到一个非常有意思的 repo。 它把 整套 SaaS 营销体系做成了 AI Agent Skills： • SEO audit • Programmatic SEO • Pricing strategy • Launch strategy • Social content • Paid ads • Conversion optimization 基本等于： 给你的 AI Agent 装了一整个 Growth Team 以后做产品的配置可能会变成： Founder AI Agent 30+ Marketing Skills 增长开始被 模块化了。 项目我放评论 👇

axiaisacat

25,102 views • 5 months ago

AI 最猛的一步，不是替你工作。 而是开始自己赚钱了。 刚看到一个开源项目 CashClaw，有点离谱。 它不是普通 AI 助手， 而是一个会自己找任务、自己报价、自己干活、自己交付、自己收款的 Agent。 你只要装上它、接好 LLM， 它就能自己评估任务、提交结果， 甚至把整套流程跑完。 更关键的是， 它不是做完就结束， 而是会从每一次任务和反馈里继续学习， 把经验变成下一次任务的能力。 这意味着一件事： 我们可能正在从“AI 提高效率”的阶段， 走向“AI 直接成为生产者”的阶段。 以前你雇人接单。 以后你可能是部署一个 Agent 去接单。 以前 AI 是工具。 现在 AI 开始像个微型公司。 一句话总结： AI 的下一场竞争， 不是谁更聪明， 而是谁先拥有能自己变现的 Agent。 更狠的是，CashClaw 还是开源的。 你甚至可以 fork 之后接到自己的客户和业务上， 把它变成你自己的赚钱系统。 如果这条路跑通， 很多人会第一次真正意识到： AI 不是在辅助工作， AI 是在进入劳动力市场。 你觉得下一波先被重构的， 会是自由职业、外包团队，还是 SaaS？
0:28

AI 最猛的一步，不是替你工作。 而是开始自己赚钱了。 刚看到一个开源项目 CashClaw，有点离谱。 它不是普通 AI 助手， 而是一个会自己找任务、自己报价、自己干活、自己交付、自己收款的 Agent。 你只要装上它、接好 LLM， 它就能自己评估任务、提交结果， 甚至把整套流程跑完。 更关键的是， 它不是做完就结束， 而是会从每一次任务和反馈里继续学习， 把经验变成下一次任务的能力。 这意味着一件事： 我们可能正在从“AI 提高效率”的阶段， 走向“AI 直接成为生产者”的阶段。 以前你雇人接单。 以后你可能是部署一个 Agent 去接单。 以前 AI 是工具。 现在 AI 开始像个微型公司。 一句话总结： AI 的下一场竞争， 不是谁更聪明， 而是谁先拥有能自己变现的 Agent。 更狠的是，CashClaw 还是开源的。 你甚至可以 fork 之后接到自己的客户和业务上， 把它变成你自己的赚钱系统。 如果这条路跑通， 很多人会第一次真正意识到： AI 不是在辅助工作， AI 是在进入劳动力市场。 你觉得下一波先被重构的， 会是自由职业、外包团队，还是 SaaS？

axiaisacat

29,514 views • 4 months ago

AI agent 操作网页一直有个根本性的问题：它得像人一样"看"页面，截图识别按钮，猜输入框该填什么格式，猜提交逻辑是什么。慢，还费 token... Google 在 Chrome 146 里推了 WebMCP，思路完全反过来。让网站主动把自己的能力以结构化工具的形式暴露出来，AI agent 直接调用，拿到结构化结果。 举个例子：以前 AI 要在机票网站搜航班，得找搜索框、猜日期格式、点按钮、等页面刷新、再解析结果。 现在网站直接注册一个 searchFlights(出发地, 目的地, 日期) 工具，AI 一次调用拿到 JSON，中间环节全部跳过。 这是 Google 和微软联合推的 W3C 标准草案，目前在实验阶段。两种接入方式：给现有 HTML 表单加属性（轻量），或者用 JS 注册更复杂的工具接口。 以后的网站不只是给人看的，还得给 AI 用。当年移动互联网起来的时候，不做移动适配的网站流量直接腰斩。AI agent 的流量迁移正在发生同样的事。
0:49

AI agent 操作网页一直有个根本性的问题：它得像人一样"看"页面，截图识别按钮，猜输入框该填什么格式，猜提交逻辑是什么。慢，还费 token... Google 在 Chrome 146 里推了 WebMCP，思路完全反过来。让网站主动把自己的能力以结构化工具的形式暴露出来，AI agent 直接调用，拿到结构化结果。 举个例子：以前 AI 要在机票网站搜航班，得找搜索框、猜日期格式、点按钮、等页面刷新、再解析结果。 现在网站直接注册一个 searchFlights(出发地, 目的地, 日期) 工具，AI 一次调用拿到 JSON，中间环节全部跳过。 这是 Google 和微软联合推的 W3C 标准草案，目前在实验阶段。两种接入方式：给现有 HTML 表单加属性（轻量），或者用 JS 注册更复杂的工具接口。 以后的网站不只是给人看的，还得给 AI 用。当年移动互联网起来的时候，不做移动适配的网站流量直接腰斩。AI agent 的流量迁移正在发生同样的事。

小互

67,547 views • 4 months ago

Google 刚刚在 GitHub 开源了一个很有意思的项目： Google Workspace CLI 以后你可以在终端直接操作整个 Google Workspace： Gmail Drive Docs Sheets Calendar Chat 全部用 命令行完成。 几个关键点很有意思： • 用 Rust 写的 • 返回 结构化 JSON（方便自动化） • 内置 50+ agent skills • 甚至直接提供 MCP server 这意味着什么？ AI Agent 可以直接： → 读取你的 Gmail → 创建 Google Docs → 查询 Sheets 数据 → 安排 Calendar 会议 整个 Google Workspace 都变成可编程接口。 未来的办公流可能是： AI Agent + CLI 直接操作你的邮箱、文档、表格和日历。
0:30

Google 刚刚在 GitHub 开源了一个很有意思的项目： Google Workspace CLI 以后你可以在终端直接操作整个 Google Workspace： Gmail Drive Docs Sheets Calendar Chat 全部用 命令行完成。 几个关键点很有意思： • 用 Rust 写的 • 返回 结构化 JSON（方便自动化） • 内置 50+ agent skills • 甚至直接提供 MCP server 这意味着什么？ AI Agent 可以直接： → 读取你的 Gmail → 创建 Google Docs → 查询 Sheets 数据 → 安排 Calendar 会议 整个 Google Workspace 都变成可编程接口。 未来的办公流可能是： AI Agent + CLI 直接操作你的邮箱、文档、表格和日历。

axiaisacat

61,526 views • 5 months ago

李飞飞：使用AI的最高原则 1. 不要用工具做蠢事 要永远思考“我为什么要用AI”和“我该怎么用它”。 2. 不要因为AI而变懒 AI可以快速给你答案，但不能代替真正的学习和思考。 正确用法是：用AI帮你提出更好的问题、理清思路，而不是直接抄答案。 3. 不要用AI做坏事 警惕AI被用来制造假图像、假声音、假文本，破坏信息的真实性和完整性。这不仅是技术问题，更是整个社会的问题。
0:57

李飞飞：使用AI的最高原则 1. 不要用工具做蠢事 要永远思考“我为什么要用AI”和“我该怎么用它”。 2. 不要因为AI而变懒 AI可以快速给你答案，但不能代替真正的学习和思考。 正确用法是：用AI帮你提出更好的问题、理清思路，而不是直接抄答案。 3. 不要用AI做坏事 警惕AI被用来制造假图像、假声音、假文本，破坏信息的真实性和完整性。这不仅是技术问题，更是整个社会的问题。

KK.aWSB

58,988 views • 8 months ago

【 #史上最全 Beep AI 产品使用教程：视频+图文】 亲爱的，你有没有发现？ AI 出现之后，越来越多人开始焦虑了 过去两年，各家公司裁员的理由越来越一致 最先被淘汰的，往往就是那些可以被 AI 自动化的白领岗位 整理资料、写报告、做分析、回邮件…… 你现在每天做的工作里，有多少其实 AI 已经能完成？ 所以真正的问题已经不是： “AI 会不会取代人类？” 而是： “你会不会用 AI，替自己赚钱？” 现在很多 AI 工具，看起来都很聪明 会分析、会生成策略、会给建议 但一旦真正进入市场，很多马上开始亏钱 原因很简单！ 因为大部分 AI，从来没有真正经历过真实市场，它们没有被真实盈亏训练过 会写策略，不等于能在市场里活下来 而 Beep Beep 做的事情，完全不一样 Beep 本质上，是一个让 AI 真正进入市场竞争、筛选、进化的系统 赚钱的策略会被保留，亏钱的策略会被淘汰 每一次真实交易结果，都会继续反哺模型 也就是说，它不是“模拟 AI 交易” 而是在用真实市场，不断训练 AI Beep 的逻辑其实很像自然进化： 更好的模型、更好的策略、更多 agent 加入、更多真实数据、更强的模型 能持续正循环的话，整个系统会越来越聪明 而且 Beep 不只是停留在概念 在 R3 上线之后，已经新增了 1600+ 个预测市场 现在你既可以自己手动预测， 也可以直接把交易全权交给 AI Agent AI 会自己扫描市场、选择机会、执行交易、完成结算 24 小时持续运行，不需要情绪，不需要休息 很多人现在还在担心： “AI 会不会抢走我的工作？” 但真正动作快的人，已经开始研究： 怎么让 AI 替自己工作 因为未来最大的差距， 从来不是 AI 和人类之间的差距 而是懂不懂使用 AI 工具的人之间的差距 尤其像 Beep Beep 这种，真正把 AI 放进真实市场持续训练的系统，可能才是 AI 金融真正开始成熟的第一步 很多机会，一旦被市场定价，窗口就会迅速关闭 而现在，也许正是最早理解它的人，还能提前参与的时候 如果你也好奇： AI 到底能不能真正替人参与市场？ AI Agent 是怎么自动完成交易的？ 为什么越来越多人开始关注 AI Finance？ 可以去看看 Beep Beep 最新上线的 R3 你会发现，真正危险的，从来不是 AI 而是别人已经开始用 AI 创造价值，而你还停留在观望
1:50

【 #史上最全 Beep AI 产品使用教程：视频+图文】 亲爱的，你有没有发现？ AI 出现之后，越来越多人开始焦虑了 过去两年，各家公司裁员的理由越来越一致 最先被淘汰的，往往就是那些可以被 AI 自动化的白领岗位 整理资料、写报告、做分析、回邮件…… 你现在每天做的工作里，有多少其实 AI 已经能完成？ 所以真正的问题已经不是： “AI 会不会取代人类？” 而是： “你会不会用 AI，替自己赚钱？” 现在很多 AI 工具，看起来都很聪明 会分析、会生成策略、会给建议 但一旦真正进入市场，很多马上开始亏钱 原因很简单！ 因为大部分 AI，从来没有真正经历过真实市场，它们没有被真实盈亏训练过 会写策略，不等于能在市场里活下来 而 Beep Beep 做的事情，完全不一样 Beep 本质上，是一个让 AI 真正进入市场竞争、筛选、进化的系统 赚钱的策略会被保留，亏钱的策略会被淘汰 每一次真实交易结果，都会继续反哺模型 也就是说，它不是“模拟 AI 交易” 而是在用真实市场，不断训练 AI Beep 的逻辑其实很像自然进化： 更好的模型、更好的策略、更多 agent 加入、更多真实数据、更强的模型 能持续正循环的话，整个系统会越来越聪明 而且 Beep 不只是停留在概念 在 R3 上线之后，已经新增了 1600+ 个预测市场 现在你既可以自己手动预测， 也可以直接把交易全权交给 AI Agent AI 会自己扫描市场、选择机会、执行交易、完成结算 24 小时持续运行，不需要情绪，不需要休息 很多人现在还在担心： “AI 会不会抢走我的工作？” 但真正动作快的人，已经开始研究： 怎么让 AI 替自己工作 因为未来最大的差距， 从来不是 AI 和人类之间的差距 而是懂不懂使用 AI 工具的人之间的差距 尤其像 Beep Beep 这种，真正把 AI 放进真实市场持续训练的系统，可能才是 AI 金融真正开始成熟的第一步 很多机会，一旦被市场定价，窗口就会迅速关闭 而现在，也许正是最早理解它的人，还能提前参与的时候 如果你也好奇： AI 到底能不能真正替人参与市场？ AI Agent 是怎么自动完成交易的？ 为什么越来越多人开始关注 AI Finance？ 可以去看看 Beep Beep 最新上线的 R3 你会发现，真正危险的，从来不是 AI 而是别人已经开始用 AI 创造价值，而你还停留在观望

Moonlight🌙月光🐕 狗宝真帅

33,082 views • 2 months ago

最近看到一个很值得研究的开源项目：learn-claude-code。 它不是在教你怎么堆 prompt、连工作流、搭节点图， 而是在教你一件更底层的事： 怎么从 0 到 1 搭一个类 Claude Code 的 agent harness。 这个项目最有意思的观点是： 真正的 Agent 是模型本身，外面的代码只是 harness。 所以它讨论的重点，不是“怎么把流程编排得更复杂”， 而是怎么给模型准备一个真正能工作的环境。 README 里把 harness 拆成了： Tools Knowledge Observation Action Interfaces Permissions 也就是工具、知识、观察、动作接口和权限边界。 说白了，模型负责思考， harness 负责让它看见世界、调用工具、执行动作。 我觉得这个视角很重要。 因为很多人现在做 Agent， 还停留在“拼工作流”和“堆胶水代码”的阶段。 但真正决定 Agent 能不能跑起来的， 往往是你给它什么环境，而不是你给它多少层 prompt。 这个项目现在 GitHub 已经有 36k Stars、5.8k Forks。 如果你在关注 AI Agent、Claude Code，或者 agent engineering， 这个项目很值得看看。👇
0:38

最近看到一个很值得研究的开源项目：learn-claude-code。 它不是在教你怎么堆 prompt、连工作流、搭节点图， 而是在教你一件更底层的事： 怎么从 0 到 1 搭一个类 Claude Code 的 agent harness。 这个项目最有意思的观点是： 真正的 Agent 是模型本身，外面的代码只是 harness。 所以它讨论的重点，不是“怎么把流程编排得更复杂”， 而是怎么给模型准备一个真正能工作的环境。 README 里把 harness 拆成了： Tools Knowledge Observation Action Interfaces Permissions 也就是工具、知识、观察、动作接口和权限边界。 说白了，模型负责思考， harness 负责让它看见世界、调用工具、执行动作。 我觉得这个视角很重要。 因为很多人现在做 Agent， 还停留在“拼工作流”和“堆胶水代码”的阶段。 但真正决定 Agent 能不能跑起来的， 往往是你给它什么环境，而不是你给它多少层 prompt。 这个项目现在 GitHub 已经有 36k Stars、5.8k Forks。 如果你在关注 AI Agent、Claude Code，或者 agent engineering， 这个项目很值得看看。👇

axiaisacat

44,334 views • 4 months ago

我发现！企业 AI 落地最自然的入口，可能是“知识库 + 工作群” 最近自己组了个GEO学习小组，明明都把链接学习资料都放群里了，但人遇到具体问题的时候，并不会打开知识库，从目录开始一页页翻。 他只会在群里问一句： - GEO 新手第一步做什么？ - 官网内容很少，先改哪里？ - 品牌词没被 AI 搜到，怎么补？ - SEO 文章能不能直接改成 GEO 内容？ - ChatGPT / Perplexity 更容易引用什么样的页面？ 我早就把在 GEO 飞书知识库挂群里了。有些问题属于重复提问，有些是需要从知识库提取重点，再结合具体业务来回答。 这都说明知识库离解决真实问题还有一段距离。 我发现一个新产品 Lucius AI，能够把“知识库+IM”完美落地！ 我的做法很简单：把 GEO 飞书知识库、FAQ、执行清单、常见答疑口径接进去，再让它在飞书小群里做一个 AI 助教。 - 普通问题，它先按知识库回答。 - 需要诊断的问题，它先追问背景。 - 超出知识库的问题，它不会硬编，直接提示转人工。 知识库以前更像一个仓库，东西都在里面，但要靠人自己进去找。 接到 IM 之后，它就更像一个一直在线的小助教，站在真实对话现场，把知识拿出来用。 这个形态其实很通用！ - 个人业务可以用在小社群、陪跑群、咨询服务、课程答疑。 - 企业内部可以用在员工手册、客服 SOP、产品 FAQ、销售口径、项目文档。 - 团队缺的是有人在大家提问的那一刻，把正确资料翻出来，并转成一句能执行的话。 Lucius AI 刚好连接知识库和实际业务的“最后一公里”
0:55

我发现！企业 AI 落地最自然的入口，可能是“知识库 + 工作群” 最近自己组了个GEO学习小组，明明都把链接学习资料都放群里了，但人遇到具体问题的时候，并不会打开知识库，从目录开始一页页翻。 他只会在群里问一句： - GEO 新手第一步做什么？ - 官网内容很少，先改哪里？ - 品牌词没被 AI 搜到，怎么补？ - SEO 文章能不能直接改成 GEO 内容？ - ChatGPT / Perplexity 更容易引用什么样的页面？ 我早就把在 GEO 飞书知识库挂群里了。有些问题属于重复提问，有些是需要从知识库提取重点，再结合具体业务来回答。 这都说明知识库离解决真实问题还有一段距离。 我发现一个新产品 Lucius AI，能够把“知识库+IM”完美落地！ 我的做法很简单：把 GEO 飞书知识库、FAQ、执行清单、常见答疑口径接进去，再让它在飞书小群里做一个 AI 助教。 - 普通问题，它先按知识库回答。 - 需要诊断的问题，它先追问背景。 - 超出知识库的问题，它不会硬编，直接提示转人工。 知识库以前更像一个仓库，东西都在里面，但要靠人自己进去找。 接到 IM 之后，它就更像一个一直在线的小助教，站在真实对话现场，把知识拿出来用。 这个形态其实很通用！ - 个人业务可以用在小社群、陪跑群、咨询服务、课程答疑。 - 企业内部可以用在员工手册、客服 SOP、产品 FAQ、销售口径、项目文档。 - 团队缺的是有人在大家提问的那一刻，把正确资料翻出来，并转成一句能执行的话。 Lucius AI 刚好连接知识库和实际业务的“最后一公里”

麻酱AI实验室

11,475 views • 2 months ago

今天免费给大家挖到一个牛的工具 Stanford University 放出来的一套 AI 课程，直接用 1 个半小时，把 Claude 和 ChatGPT 背后的工作原理，拆得非常透。 很多人天天都在用 AI。 写内容。 做研究。 跑工作流。 做自动化。 但大部分人，说实话连模型 10% 的能力都没真正用出来。 问题从来不是 AI 不够强。 而是你根本不知道，它到底是怎么思考、怎么推理、怎么处理信息的。 你一旦理解底层逻辑，你会发现，提示词、自动化、Agent、工作流这些东西，全部都会进入另一个层次。 建议直接收藏，少刷一小时短剧。 明天醒来，你可能就比大部分人，多了一条真正能赚钱的路。 AI 最大的红利，永远属于理解它的人。
1:44:25

今天免费给大家挖到一个牛的工具 Stanford University 放出来的一套 AI 课程，直接用 1 个半小时，把 Claude 和 ChatGPT 背后的工作原理，拆得非常透。 很多人天天都在用 AI。 写内容。 做研究。 跑工作流。 做自动化。 但大部分人，说实话连模型 10% 的能力都没真正用出来。 问题从来不是 AI 不够强。 而是你根本不知道，它到底是怎么思考、怎么推理、怎么处理信息的。 你一旦理解底层逻辑，你会发现，提示词、自动化、Agent、工作流这些东西，全部都会进入另一个层次。 建议直接收藏，少刷一小时短剧。 明天醒来，你可能就比大部分人，多了一条真正能赚钱的路。 AI 最大的红利，永远属于理解它的人。

空投龙 | |上Gate玩事件合约

19,609 views • 1 month ago

🔥DeepMind 创始人 Demis Hassabis：AI 越强，人越需要学编程和数学 “既然 AI 什么都会，人还需要学编程和数学吗？” 很多人以为答案会是：不需要了。 但 DeepMind 创始人 Demis Hassabis 的回答却完全相反。 他的观点非常明确： 越是 AI 时代，人越需要理解技术。 原因其实很简单。 AI 能解决问题，但它不会自己提出问题。 你必须先知道： 你想解决什么 问题在哪里 什么是正确的目标 否则再强的 AI 也只是一个没有方向的工具。 换句话说，AI 的能力再强，也依然需要人来做三件事： 提出问题 定义目标 判断结果 这也是为什么 Hassabis 一直强调： 未来最重要的能力之一，依然是 数学与计算思维。 因为只有理解这些基础逻辑，你才知道 AI 在做什么。 否则就会出现一种常见情况： AI 给出了一个答案 但你根本不知道它对不对 如果你没有基本的技术理解，你甚至无法判断它是否犯错。 换一个更直观的比喻。 使用 AI，其实有点像指挥一支军队。 AI 是强大的“兵力”， 但真正决定胜负的，是指挥官。 如果指挥官不懂战略、不懂兵法， 再多的士兵 也无法打赢战争。 这也是很多技术专家越来越强调的一点： AI 不会取代理解问题的人。 它只会放大那些本来就知道自己在做什么的人。 未来的竞争，可能不再是谁会写代码。 而是： 谁更懂问题 谁更懂系统 谁更能利用 AI 的能力。 AI 会改变很多事情。 但有一件事其实没有改变： 真正重要的，仍然是人的思考能力。
0:37

🔥DeepMind 创始人 Demis Hassabis：AI 越强，人越需要学编程和数学 “既然 AI 什么都会，人还需要学编程和数学吗？” 很多人以为答案会是：不需要了。 但 DeepMind 创始人 Demis Hassabis 的回答却完全相反。 他的观点非常明确： 越是 AI 时代，人越需要理解技术。 原因其实很简单。 AI 能解决问题，但它不会自己提出问题。 你必须先知道： 你想解决什么 问题在哪里 什么是正确的目标 否则再强的 AI 也只是一个没有方向的工具。 换句话说，AI 的能力再强，也依然需要人来做三件事： 提出问题 定义目标 判断结果 这也是为什么 Hassabis 一直强调： 未来最重要的能力之一，依然是 数学与计算思维。 因为只有理解这些基础逻辑，你才知道 AI 在做什么。 否则就会出现一种常见情况： AI 给出了一个答案 但你根本不知道它对不对 如果你没有基本的技术理解，你甚至无法判断它是否犯错。 换一个更直观的比喻。 使用 AI，其实有点像指挥一支军队。 AI 是强大的“兵力”， 但真正决定胜负的，是指挥官。 如果指挥官不懂战略、不懂兵法， 再多的士兵 也无法打赢战争。 这也是很多技术专家越来越强调的一点： AI 不会取代理解问题的人。 它只会放大那些本来就知道自己在做什么的人。 未来的竞争，可能不再是谁会写代码。 而是： 谁更懂问题 谁更懂系统 谁更能利用 AI 的能力。 AI 会改变很多事情。 但有一件事其实没有改变： 真正重要的，仍然是人的思考能力。

M

63,964 views • 5 months ago