Video wird geladen...

Video konnte nicht geladen werden

Beim Laden dieses Videos ist ein Problem aufgetreten. Dies könnte an einem vorübergehenden Netzwerkproblem liegen oder das Video ist möglicherweise nicht verfügbar.

普通人如何一年内赚到 100 万？ 1、先定卖什么，再谈流量。能稳定赚钱的生意，基本只有三类：卖货、卖资料、卖服务。比如二手数码；资料选刚需考证和技能包，教资、公考、考研、会计都是老战场；服务选能一对一收费的，情感、创业辅导、咨询类最常见。一类先吃透，不要三类一起开。 2、寻找50个优质同行。在短视频、图文、问答、公众号里筛 50 个已经在赚钱的对标号。用表格记下主页、粉丝、选题、更新节奏、转化话术。 3、模仿和学习拆他们的内容骨架：开头钩子、痛点、步骤、收口、引导。自己建素材库，按同一结构重新写、重新拍。模仿的是成交路径，不是句子。 4、日更增加产品曝光量目标可以定成每天几十条图文或短视频，多账号、多平台铺开。一条能成交的内容，比十条自嗨更值钱。先保证有稳定曝光，再谈爆款。 5、成交尽量短。流量进私域，用聊天工具承接即可。朋友圈当货架：案例、报价、售后、限时名额轮流发。 6、自己先跑通，再招生。卖课、带学员，卖的是你已经验证过的引流、转化、交付 7、团队操作项目熟练了，则可以把各环节拆分、分派给不同的人去做。各个环节的人员，不要让他们接触到，避免搭伙单干当然，关键环节，得掌握在自己手里。 8、招商加盟这套团队操作的模式打通了，则可以招商加盟，卖合伙人。 9、联盟后端当拥有足够的学员和合伙人，则可以吃各个环节的利润差+裂变产生的附加值。这9步做好了，一年100W打底。

白骏知识分享

167,230 subscribers

42,325 Aufrufe • vor 2 Tagen •via X (Twitter)

Finanzen Bildung

Anya Rossi• Live Now

Private livecam show

7 Kommentare

Profilbild von sssky

ssskyvor 2 Tagen

严肃学习中

Profilbild von 白骏知识分享

白骏知识分享vor 2 Tagen

一步步来做，更多的考验执行力

Profilbild von Fabiana

Fabianavor 2 Tagen

比她好看的没她骚比她骚的没她好看@Biouioi🧏‍🙎‍

Profilbild von sosigogostosa

sosigogostosavor 2 Tagen

比她好看的没她骚比她骚的没她好看@nmiollo🩵👰

Profilbild von Habiba🔥

Habiba🔥vor 2 Tagen

比她好看的没她骚比她骚的没她好看@viuoei🤠😞

Profilbild von 羽弦

羽弦vor 2 Tagen

这是哪个博主哇

Profilbild von 虹安

虹安vor 2 Tagen

其实难的是知行合一，难的是能相信，难的是自信力。大多数人都被自己的想法困住了手脚，束缚了很多。

Ähnliche Videos

想做小红书副业赚钱，除了拆对标账号和爆款这个方法之外，还有一招就是搞清楚做小红书达人是怎么赚钱的？一定要谋定而后动，不要像个莽夫一样！底层逻辑就是把流量变成钱，常见的变现方式主流是以下4种： 1️⃣挂车带货：门槛在选品和信任，适合有货源或会选品的人 2️⃣引流私域卖课/卖资料：利润最高，但要你有能交付的东西 + 会做私域承接 3️⃣蒲公英接广：被动，但要先把账号数据做起来才有品牌找 4️⃣卖模板/素材：适合有一技之长的（比如你会 AI 出图、会做 Notion 模板）这篇文章真的是一点不藏私把焚决都教给大家了！

想做小红书副业赚钱，除了拆对标账号和爆款这个方法之外，还有一招就是搞清楚做小红书达人是怎么赚钱的？一定要谋定而后动，不要像个莽夫一样！底层逻辑就是把流量变成钱，常见的变现方式主流是以下4种： 1️⃣挂车带货：门槛在选品和信任，适合有货源或会选品的人 2️⃣引流私域卖课/卖资料：利润最高，但要你有能交付的东西 + 会做私域承接 3️⃣蒲公英接广：被动，但要先把账号数据做起来才有品牌找 4️⃣卖模板/素材：适合有一技之长的（比如你会 AI 出图、会做 Notion 模板）这篇文章真的是一点不藏私把焚决都教给大家了！

AYi

13,970 Aufrufe • vor 3 Monaten

从古至今，赚钱最快的26种方式！ 1、赚差价做中间商低买高卖 2、赚包装 10块钱的月饼20块钱的包装卖150。10元的酒20元的包装卖200。 3、赚时间差到比自己发达的地区，寻找那里火爆的趋势项目，这种项目早晚会在欠发达地区火起来，复制就能吃到红利。 4、赚经验差把自己成功的经验做成一个课或者一本书，卖给刚创业的人。至于别人能不能学成，那要看天赋。 5、赚垄断差烧钱挤掉所有竞争对手一家独大，最后想卖什么价就卖什么价，从外卖到打车无不攻于此道。 6、赚认知差内行赚外行的钱，专家赚小白的钱，专业知识可变现。 7、赚执行差把文章转成音频赚钱，把音频转成视频赚钱，把视频转成文章赚钱。 8、赚稀缺资源你需要，但只有我有，垄断生意利润最高。 9、赚广告轰炸铺天盖地的广告，以量变带来质变，真理就是重复次数够多。 10、赚抽成做系统平台，让一群有能力的人为自己赚更多的钱，别人赚钱我们抽成。 11、赚流量的钱把人气做起来，先把人圈住，只要有人，卖啥都赚钱，可以卖别人的产品，可以为商家导流，接广告。流量是所有生意的根本。 12、赚平台的钱自己建个平台租给商家，商家至少可以收三笔钱：入场费，②停车费，③过路费。大型商超和电商平台赚的都是这么干的。 13、赚投资的钱看准项目让钱生钱，用自己超前的眼光投资未来必定升值的优质资产，分分钟数钱数到手抽筋。 14、赚抄袭的钱看赚了钱的人怎么干就怎么干。反向解构拆解；一抄二改三创新；复制测试，优化迭代，放大；嫌钱等于模仿，这两字威力无穷。 15、赚地域差的钱把产品从盛产的地方卖到不出产的地方，从过剩的地方卖到稀缺的地方。 16、赚卖点的钱做足卖点，把卖点做成功了，我没说我能清热去火，但你一上火就能想到我。 17、赚人群细分的钱缩小客户群体，只为一小部分人提供最优质和专业的服务：情侣款、儿童款。 18、赚品牌溢价有了品牌，就能溢价，就能延伸，同样产品只要挂一个知名品牌一般都可以溢价30%以上。 19、赚概念的钱一个PPT，一个概念，一个故事，一个愿景，商业模式，就能吸引住一群人给你投资。 20、赚规模的钱量大是致富的关键，只要有量就有规模效应，利润再低也不是问题，甚至亏钱也很容易找补回来，因为批量可以降低进货成本，可以通过后端赚钱。 21、赚渠道差把货卖给代理商、分销商、渠道商、加盟商，赚进门费、原材料费、品牌授权费。 23、赚未来的钱想办法让大家都认为你能赚钱，再把项目打包卖了，世上最牛的赚钱方式就是把未来的钱提前变现。 24、赚人设的钱打造人设，包装成功案例，当下的网红靠此方法赚钱，那叫一个快。 25、赚搭桥的钱为供需双方搭线，赚取佣金，空手套白狼。房屋中介、婚姻中介都是这种模式。 26、赚风口的钱抓风口，在你的领域内持续精进，当风来了，赶紧抓住，成为那一只在天上飞的猪。赚钱的方式千千万，打工不是唯一的出路，想都是问题，做才有答案！

从古至今，赚钱最快的26种方式！ 1、赚差价做中间商低买高卖 2、赚包装 10块钱的月饼20块钱的包装卖150。10元的酒20元的包装卖200。 3、赚时间差到比自己发达的地区，寻找那里火爆的趋势项目，这种项目早晚会在欠发达地区火起来，复制就能吃到红利。 4、赚经验差把自己成功的经验做成一个课或者一本书，卖给刚创业的人。至于别人能不能学成，那要看天赋。 5、赚垄断差烧钱挤掉所有竞争对手一家独大，最后想卖什么价就卖什么价，从外卖到打车无不攻于此道。 6、赚认知差内行赚外行的钱，专家赚小白的钱，专业知识可变现。 7、赚执行差把文章转成音频赚钱，把音频转成视频赚钱，把视频转成文章赚钱。 8、赚稀缺资源你需要，但只有我有，垄断生意利润最高。 9、赚广告轰炸铺天盖地的广告，以量变带来质变，真理就是重复次数够多。 10、赚抽成做系统平台，让一群有能力的人为自己赚更多的钱，别人赚钱我们抽成。 11、赚流量的钱把人气做起来，先把人圈住，只要有人，卖啥都赚钱，可以卖别人的产品，可以为商家导流，接广告。流量是所有生意的根本。 12、赚平台的钱自己建个平台租给商家，商家至少可以收三笔钱：入场费，②停车费，③过路费。大型商超和电商平台赚的都是这么干的。 13、赚投资的钱看准项目让钱生钱，用自己超前的眼光投资未来必定升值的优质资产，分分钟数钱数到手抽筋。 14、赚抄袭的钱看赚了钱的人怎么干就怎么干。反向解构拆解；一抄二改三创新；复制测试，优化迭代，放大；嫌钱等于模仿，这两字威力无穷。 15、赚地域差的钱把产品从盛产的地方卖到不出产的地方，从过剩的地方卖到稀缺的地方。 16、赚卖点的钱做足卖点，把卖点做成功了，我没说我能清热去火，但你一上火就能想到我。 17、赚人群细分的钱缩小客户群体，只为一小部分人提供最优质和专业的服务：情侣款、儿童款。 18、赚品牌溢价有了品牌，就能溢价，就能延伸，同样产品只要挂一个知名品牌一般都可以溢价30%以上。 19、赚概念的钱一个PPT，一个概念，一个故事，一个愿景，商业模式，就能吸引住一群人给你投资。 20、赚规模的钱量大是致富的关键，只要有量就有规模效应，利润再低也不是问题，甚至亏钱也很容易找补回来，因为批量可以降低进货成本，可以通过后端赚钱。 21、赚渠道差把货卖给代理商、分销商、渠道商、加盟商，赚进门费、原材料费、品牌授权费。 23、赚未来的钱想办法让大家都认为你能赚钱，再把项目打包卖了，世上最牛的赚钱方式就是把未来的钱提前变现。 24、赚人设的钱打造人设，包装成功案例，当下的网红靠此方法赚钱，那叫一个快。 25、赚搭桥的钱为供需双方搭线，赚取佣金，空手套白狼。房屋中介、婚姻中介都是这种模式。 26、赚风口的钱抓风口，在你的领域内持续精进，当风来了，赶紧抓住，成为那一只在天上飞的猪。赚钱的方式千千万，打工不是唯一的出路，想都是问题，做才有答案！

环球纪录

31,011 Aufrufe • vor 2 Monaten

告诉大家一个反直觉的现象，用自媒体一个月盈利七位数的人，他们往往不只是内容做的好。最近两条打法大家应该都看见了。天策：做号，后端分成，挂中转、开通、社群，一个月百万营收 dontbesilent栋哥：元自媒体，教人如何做自媒体，一年千万级别想要赚得多，往往是要做好商业化。最近体验了一个产品，能够帮我们验证商业化的可行性。我把这个问题丢给了 atypica.AI，接下来带着大家走一下商业分析全链路。正如视频中所示，他先详细拆解了我的需求。拆解完需求之后，又对我进行了几轮问话，最终将需求澄清。澄清好了之后，他开始进行调研，并最终模拟真人进行高强度的问答，给出了最终的商业化建议方案这个调研过程不是让 ChatGPT 装用户，它先找了 5 个会掏钱的人：写代码的、做设计的、职场小白、县城开店的、带孩子想再赚钱的。一个一个问，这些人设是基于真实的社交媒体内容和用户访谈语料，经过产品自研的模型清洗、多维度分析后生成的。这些商业调研问题上，和真人回答大约八到九成接近。问完就一件事：以上三种服务，先做哪一种？结论竟然很准确，走的最直接的变现路径。先挂中转。社群往后放。帮人开通 ChatGPT，现在先别上。写代码的人说：钱要砸在工具稳不稳上，别买心理按摩。凌晨接口挂了，社群再暖也没用。开店的人说：万一号封了，钱打水漂。光开个账号不会用，那就是空壳。五个人里，四个不买代开通。怕的是封一次，把你整个号的信任一起带走。中转他们能接受，因为用了就知道有没有用。价就在 99 到 199 一个月。说到「秒开、吊打官方」，设计师那种人直接划走。社群不是不能卖。要等工具先卖出去，人觉得你靠谱了再卖。一上来卖圈子、灌鸡汤、晒收款，前面提到县城开店这类人会看一眼就走。综合下来，我用下来的感受是，这些很接近于真实的人设，你会感受到背后确实是基于真实的人的需求来进行的。而且往往不同的人格，他们的需求很精准，对应的就能细化出不同的商业方向。这和笼统的让 ChatGPT 去模仿一个用户相比，是 ChatGPT 所达不到的水准。通过和模拟的用户进行交流，更加能够确定我们的商业化方向。俗话说“选品决定生死”，其实某种程度上，商业化的路径也会决定生死。而选品离不开人的需求。现在新注册的用户会赠送 100w tokens，大概能跑 1 到 2 次调研。如果你目前有任何不清楚的想法，或者想落地什么商业项目，都可以去聊一下地址：

告诉大家一个反直觉的现象，用自媒体一个月盈利七位数的人，他们往往不只是内容做的好。最近两条打法大家应该都看见了。天策：做号，后端分成，挂中转、开通、社群，一个月百万营收 dontbesilent栋哥：元自媒体，教人如何做自媒体，一年千万级别想要赚得多，往往是要做好商业化。最近体验了一个产品，能够帮我们验证商业化的可行性。我把这个问题丢给了 atypica.AI，接下来带着大家走一下商业分析全链路。正如视频中所示，他先详细拆解了我的需求。拆解完需求之后，又对我进行了几轮问话，最终将需求澄清。澄清好了之后，他开始进行调研，并最终模拟真人进行高强度的问答，给出了最终的商业化建议方案这个调研过程不是让 ChatGPT 装用户，它先找了 5 个会掏钱的人：写代码的、做设计的、职场小白、县城开店的、带孩子想再赚钱的。一个一个问，这些人设是基于真实的社交媒体内容和用户访谈语料，经过产品自研的模型清洗、多维度分析后生成的。这些商业调研问题上，和真人回答大约八到九成接近。问完就一件事：以上三种服务，先做哪一种？结论竟然很准确，走的最直接的变现路径。先挂中转。社群往后放。帮人开通 ChatGPT，现在先别上。写代码的人说：钱要砸在工具稳不稳上，别买心理按摩。凌晨接口挂了，社群再暖也没用。开店的人说：万一号封了，钱打水漂。光开个账号不会用，那就是空壳。五个人里，四个不买代开通。怕的是封一次，把你整个号的信任一起带走。中转他们能接受，因为用了就知道有没有用。价就在 99 到 199 一个月。说到「秒开、吊打官方」，设计师那种人直接划走。社群不是不能卖。要等工具先卖出去，人觉得你靠谱了再卖。一上来卖圈子、灌鸡汤、晒收款，前面提到县城开店这类人会看一眼就走。综合下来，我用下来的感受是，这些很接近于真实的人设，你会感受到背后确实是基于真实的人的需求来进行的。而且往往不同的人格，他们的需求很精准，对应的就能细化出不同的商业方向。这和笼统的让 ChatGPT 去模仿一个用户相比，是 ChatGPT 所达不到的水准。通过和模拟的用户进行交流，更加能够确定我们的商业化方向。俗话说“选品决定生死”，其实某种程度上，商业化的路径也会决定生死。而选品离不开人的需求。现在新注册的用户会赠送 100w tokens，大概能跑 1 到 2 次调研。如果你目前有任何不清楚的想法，或者想落地什么商业项目，都可以去聊一下地址：

雪踏乌云

49,604 Aufrufe • vor 27 Tagen

我花了几十个小时，用 Claude 做出一个能开车、飞行、打架、闯进室内的开放世界游戏。。。然后差点干了这个项目里最蠢的一件事：把几十小时的开发、踩坑和工作流，压成一份 29–68 元的游戏，直接卖给玩家。。。后来，我把同一个项目拆成 4 种完全不同的生意： 1. 直接卖游戏 2. 卖源码、制作工作流和可二开资产 3. 免费 Demo / 部分开源，用来给社群和咨询引流 4. 给品牌做定制小游戏再丢给 Atypica atypica.AI 里的 14 个 AI 模拟用户，让不同职业、预算和需求的人分别替我“买”一次。结果第一轮 5 个人里，4 个人首选第 2 种；第二轮又测了 9 个人，源码和工作流依然排在第一。理由很扎心：买游戏，他们会直接拿我和成熟商业游戏比较；买源码和工作流，他们买的是少踩几周坑，拿到一套能运行、能修改、能二开的东西。同一个项目：游戏本体，模拟用户愿意讨论的是 29–68 元；换成源码、工作流和资产包，变成 299–699 元；如果做 B 端品牌定制，测试报价直接从 5,000 元起。我以为自己在做游戏，结果这个项目里真正值钱的，可能是造游戏的“铲子”。我原本打开 Atypica atypica.AI，只想问：“这个游戏应该卖多少钱？” 它最后逼我重新回答的却是： “我真正该卖的，到底是游戏、源码、工作流，还是做出下一款游戏的能力？” 我最推荐 Atypica atypica.AI 的一点，不是它能生成一份报告，而是这些模拟用户不会在调研结束后消失，会沉淀成一支可以反复调用的 Panel。这次测卖什么，下次还能继续测价格、文案、渠道和海外市场。相当于给每个一人公司配了一支常驻焦点小组。这不只适用于游戏。App、独立站商品、课程、社群、咨询或任何 AI 产品，都可以在真正投入时间和钱之前，先让一批模拟用户替你“买”一次。模拟研究不是实际成交，也代替不了真实市场验证。但它至少能在你埋头干几个月之前先告诉你：你可能从一开始，就卖错了东西。免费体验链接，注册即送10000积分👉：

我花了几十个小时，用 Claude 做出一个能开车、飞行、打架、闯进室内的开放世界游戏。。。然后差点干了这个项目里最蠢的一件事：把几十小时的开发、踩坑和工作流，压成一份 29–68 元的游戏，直接卖给玩家。。。后来，我把同一个项目拆成 4 种完全不同的生意： 1. 直接卖游戏 2. 卖源码、制作工作流和可二开资产 3. 免费 Demo / 部分开源，用来给社群和咨询引流 4. 给品牌做定制小游戏再丢给 Atypica atypica.AI 里的 14 个 AI 模拟用户，让不同职业、预算和需求的人分别替我“买”一次。结果第一轮 5 个人里，4 个人首选第 2 种；第二轮又测了 9 个人，源码和工作流依然排在第一。理由很扎心：买游戏，他们会直接拿我和成熟商业游戏比较；买源码和工作流，他们买的是少踩几周坑，拿到一套能运行、能修改、能二开的东西。同一个项目：游戏本体，模拟用户愿意讨论的是 29–68 元；换成源码、工作流和资产包，变成 299–699 元；如果做 B 端品牌定制，测试报价直接从 5,000 元起。我以为自己在做游戏，结果这个项目里真正值钱的，可能是造游戏的“铲子”。我原本打开 Atypica atypica.AI，只想问：“这个游戏应该卖多少钱？” 它最后逼我重新回答的却是： “我真正该卖的，到底是游戏、源码、工作流，还是做出下一款游戏的能力？” 我最推荐 Atypica atypica.AI 的一点，不是它能生成一份报告，而是这些模拟用户不会在调研结束后消失，会沉淀成一支可以反复调用的 Panel。这次测卖什么，下次还能继续测价格、文案、渠道和海外市场。相当于给每个一人公司配了一支常驻焦点小组。这不只适用于游戏。App、独立站商品、课程、社群、咨询或任何 AI 产品，都可以在真正投入时间和钱之前，先让一批模拟用户替你“买”一次。模拟研究不是实际成交，也代替不了真实市场验证。但它至少能在你埋头干几个月之前先告诉你：你可能从一开始，就卖错了东西。免费体验链接，注册即送10000积分👉：

Rion Wu

15,610 Aufrufe • vor 1 Monat

昨天用 DAPPOS 的 xBubble Coding 搭了个小工具，专门盯头部账号互动和事件市场信号。起因很简单。我刷到某个头部交易所创始人，回复了一条内容账号的推文，底下还顺手点了个赞。我切到相关代币的 K 线看了一眼，市值直接拉了几千万！这种机会如果只靠人一直刷推，很难卡到前面的位置。尤其是链上 meme，很多注意力信号本来就不是从公告开始的。可能是头部账号的一次点赞。也许是交易所创始人的一次回复。或者是项目方和 KOL 之间的一次互动。我当时就在想，这种信号如果能自动抓下来，再接一层策略判断，自动买入，那岂不是能赚麻了！比别人先看到消息，然后提前卖出获利刚好最近看到 xBubble 官方演示里有一个 Polymarket 事件检测和交易辅助案例，思路跟这个很像不是让人手动盯每条信息，而是把事件、信号、价格、市场变化串成一条流程。我就顺着这个方向，用 xBubble Coding 搭了一套 Web3 交易信号工具。测试版本：流程大概是这样：推特那边一出现新互动信号，系统先自动抓下来，抓完之后，先过一层策略匹配，只有命中我设定的规则，才继续往下走。然后查一遍白名单库，筛出我真正关注的资产。再查一次钱包缓存，看有没有相关地址和历史行为。接着生成一份代币价格简报。如果是 Polymarket 这类事件市场，还会同步整理事件状态、赔率变化、相关信息源和潜在交易方向。最后把符合条件的内容，提交到预设链上流程里。这就是“追头部账号”和“追事件市场”真正能产生的结果。是把一个轻互动信号，变成一套可以执行的交易观察链路。以前我是刷到相关信号之后，再手动去查币、看价格、翻钱包、看链上数据。那时候已经到接盘的时间了。现在是信号自己进入流程，系统帮我先完成筛选、整理和下一步动作。这个变化很关键。因为 xBubble Coding 真正有价值的地方，不是帮我生成一段代码，而是把一个具体场景封装成一条端到端的业务 SOP。我这次做的，其实更像是一套小型 Web3 交易信息服务。前端是头部账号互动监控和事件市场检测。中间是策略匹配、资产筛选和信息源整理。后面接价格简报、钱包缓存、赔率变化和链上流程。这条链路跑通之后，它就不只是一个工具，而是一个可以持续迭代的个人信息优势系统。这也是我理解 xBubble 商业价值的地方。它卖的不是代码本身，而是端到端的业务服务。对小团队和个人来说，真正卡住人的往往不是“能不能生成一个页面”，而是能不能把内容、数据、流程、支付、执行和后续修改串成一个闭环。 xBubble 的 SOP 系统，核心就是把这个门槛压低。你可以用它做世界杯周边商城，把商品页、素材、收款和订单流程快速串起来。也可以做交规学习产品，把内容流量和私域转化接起来。也可以做本地服务入口，让用户看服务、提交需求、完成支付。也可以像我这样，做一个 Web3 事件检测、头部账号信号追踪、Polymarket 交易辅助工具。这些需求都有一个共同点很垂直，很细分，很贴近真实生意。它们不一定需要一个庞大的技术团队，但需要一套能快速上线、持续修改、直接承接收入的执行流程。这正是 xBubble 适合 OPC 的地方。一个人或者一个小团队，只要知道自己要服务谁、抓什么信号、卖什么产品、怎么完成交付，就可以用 SOP 把业务搭起来。更重要的是，xBubble 不是只有固定模板。成熟场景可以直接用现成 SOP 快速启动，新的细分需求则可以通过 Bubble Engine 继续生成更贴合场景的专用 SOP。这点对 Web3 特别重要。因为这里的机会变化很快。今天可能是头部账号互动。明天可能是 Polymarket 事件变化。后天可能是某个钱包行为。下一轮又可能变成社区积分、空投任务、链上数据面板。如果工具只能做一种固定场景，空间会很有限。但如果 SOP 可以跟着新场景继续生成，个人和小团队就能把自己的细分判断，不断沉淀成新的业务流程。我这次搭头部账号和 Polymarket 事件监控，就是一个很小但很具体的例子。它把我平时刷推、盯盘、查币、看钱包、看事件赔率的动作，变成了一条可以自动跑的流程。以后我想加新的账号源，可以继续扩展。想换策略匹配规则，可以继续调整。想把简报字段做细，也可以继续改。想接更多链上动作，也能继续往后接。这才是 OPC 时代 AI 工具真正该有的样子。不是让个人去模仿大公司搭团队，而是让个人用 SOP 获得接近专业团队的执行能力。内容自动生成、多平台宣发、稳定币结算、链上任务执行、客户承接、后台管理，这些原本需要多人协作的环节，被压缩进一套更轻的业务系统里。所以我现在看 xBubble Coding，已经不只是把它当成 AI Coding 工具。它更像是给个人创业者和小团队准备的业务启动基础设施。对我来说，头部账号互动不再只是一个我刷到之后才处理的信息点。Polymarket 事件变化也不再只是一个我想起来才去看的页面。它们都可以变成自动进入系统、自动筛选、自动整理、自动触发后续流程的策略输入。这类细分需求过去很少有人专门做，因为太个人化、太垂直、变化也快。但 xBubble 的 SOP 思路，刚好适合把这种需求做成可以低成本验证、持续迭代、甚至沉淀成服务的东西。这可能就是它最值得看的地方。AI Coding 的上半场，是让更多人可以做出应用。 xBubble 想做的下半场，是让这些应用真正变成能跑业务、能接收入、能持续迭代的商业流程。对 OPC 来说，这比一个好看的 Demo 重要得多。

昨天用 DAPPOS 的 xBubble Coding 搭了个小工具，专门盯头部账号互动和事件市场信号。起因很简单。我刷到某个头部交易所创始人，回复了一条内容账号的推文，底下还顺手点了个赞。我切到相关代币的 K 线看了一眼，市值直接拉了几千万！这种机会如果只靠人一直刷推，很难卡到前面的位置。尤其是链上 meme，很多注意力信号本来就不是从公告开始的。可能是头部账号的一次点赞。也许是交易所创始人的一次回复。或者是项目方和 KOL 之间的一次互动。我当时就在想，这种信号如果能自动抓下来，再接一层策略判断，自动买入，那岂不是能赚麻了！比别人先看到消息，然后提前卖出获利刚好最近看到 xBubble 官方演示里有一个 Polymarket 事件检测和交易辅助案例，思路跟这个很像不是让人手动盯每条信息，而是把事件、信号、价格、市场变化串成一条流程。我就顺着这个方向，用 xBubble Coding 搭了一套 Web3 交易信号工具。测试版本：流程大概是这样：推特那边一出现新互动信号，系统先自动抓下来，抓完之后，先过一层策略匹配，只有命中我设定的规则，才继续往下走。然后查一遍白名单库，筛出我真正关注的资产。再查一次钱包缓存，看有没有相关地址和历史行为。接着生成一份代币价格简报。如果是 Polymarket 这类事件市场，还会同步整理事件状态、赔率变化、相关信息源和潜在交易方向。最后把符合条件的内容，提交到预设链上流程里。这就是“追头部账号”和“追事件市场”真正能产生的结果。是把一个轻互动信号，变成一套可以执行的交易观察链路。以前我是刷到相关信号之后，再手动去查币、看价格、翻钱包、看链上数据。那时候已经到接盘的时间了。现在是信号自己进入流程，系统帮我先完成筛选、整理和下一步动作。这个变化很关键。因为 xBubble Coding 真正有价值的地方，不是帮我生成一段代码，而是把一个具体场景封装成一条端到端的业务 SOP。我这次做的，其实更像是一套小型 Web3 交易信息服务。前端是头部账号互动监控和事件市场检测。中间是策略匹配、资产筛选和信息源整理。后面接价格简报、钱包缓存、赔率变化和链上流程。这条链路跑通之后，它就不只是一个工具，而是一个可以持续迭代的个人信息优势系统。这也是我理解 xBubble 商业价值的地方。它卖的不是代码本身，而是端到端的业务服务。对小团队和个人来说，真正卡住人的往往不是“能不能生成一个页面”，而是能不能把内容、数据、流程、支付、执行和后续修改串成一个闭环。 xBubble 的 SOP 系统，核心就是把这个门槛压低。你可以用它做世界杯周边商城，把商品页、素材、收款和订单流程快速串起来。也可以做交规学习产品，把内容流量和私域转化接起来。也可以做本地服务入口，让用户看服务、提交需求、完成支付。也可以像我这样，做一个 Web3 事件检测、头部账号信号追踪、Polymarket 交易辅助工具。这些需求都有一个共同点很垂直，很细分，很贴近真实生意。它们不一定需要一个庞大的技术团队，但需要一套能快速上线、持续修改、直接承接收入的执行流程。这正是 xBubble 适合 OPC 的地方。一个人或者一个小团队，只要知道自己要服务谁、抓什么信号、卖什么产品、怎么完成交付，就可以用 SOP 把业务搭起来。更重要的是，xBubble 不是只有固定模板。成熟场景可以直接用现成 SOP 快速启动，新的细分需求则可以通过 Bubble Engine 继续生成更贴合场景的专用 SOP。这点对 Web3 特别重要。因为这里的机会变化很快。今天可能是头部账号互动。明天可能是 Polymarket 事件变化。后天可能是某个钱包行为。下一轮又可能变成社区积分、空投任务、链上数据面板。如果工具只能做一种固定场景，空间会很有限。但如果 SOP 可以跟着新场景继续生成，个人和小团队就能把自己的细分判断，不断沉淀成新的业务流程。我这次搭头部账号和 Polymarket 事件监控，就是一个很小但很具体的例子。它把我平时刷推、盯盘、查币、看钱包、看事件赔率的动作，变成了一条可以自动跑的流程。以后我想加新的账号源，可以继续扩展。想换策略匹配规则，可以继续调整。想把简报字段做细，也可以继续改。想接更多链上动作，也能继续往后接。这才是 OPC 时代 AI 工具真正该有的样子。不是让个人去模仿大公司搭团队，而是让个人用 SOP 获得接近专业团队的执行能力。内容自动生成、多平台宣发、稳定币结算、链上任务执行、客户承接、后台管理，这些原本需要多人协作的环节，被压缩进一套更轻的业务系统里。所以我现在看 xBubble Coding，已经不只是把它当成 AI Coding 工具。它更像是给个人创业者和小团队准备的业务启动基础设施。对我来说，头部账号互动不再只是一个我刷到之后才处理的信息点。Polymarket 事件变化也不再只是一个我想起来才去看的页面。它们都可以变成自动进入系统、自动筛选、自动整理、自动触发后续流程的策略输入。这类细分需求过去很少有人专门做，因为太个人化、太垂直、变化也快。但 xBubble 的 SOP 思路，刚好适合把这种需求做成可以低成本验证、持续迭代、甚至沉淀成服务的东西。这可能就是它最值得看的地方。AI Coding 的上半场，是让更多人可以做出应用。 xBubble 想做的下半场，是让这些应用真正变成能跑业务、能接收入、能持续迭代的商业流程。对 OPC 来说，这比一个好看的 Demo 重要得多。

币圈荒木｜Araki🪵

30,150 Aufrufe • vor 2 Monaten

老杨今天再分享一个抖音短视频带货中腰部的案例男女都可以做，但是大部分都是女生做的最多，这种玩法在带货圈叫-实拍这种算是实力大佬啦，基本上收到的样品可以按卡车来拖，有可能商家帮投流啦；先看数据： 1、橱窗带货612万件； 2、LV5达人粉丝12.36万 3、巨量百应数据：近30天的数据：25-50万单，商品结算金额500-750万 4、从巨量达人数据看有5-26%，我们取最保守8%来算；结算金额按600万来算：是不是30天能拿48万。 5、去看她的号，发了3900多条视频，前期每天日更10条。你肯定会问，一天10条这怎么可能拍的出来？ 1、这种拍的多了，一个镜头可以拍20-30张，产品的使用过程可以拍很多镜头，这样还能重复使用，一个品可以每隔几天重复发，这样积少成多，素材就有了，就可以随时套模版。 2、时间拍久了，有的视频基本上是一条过，都不用剪， 3、还有一些，他们都会请人剪辑视频，请人拍， 4、再有一些直接卖素材，有包月的，也有拼素材的，一个产品20个人拼，每个产品都明30-50个镜头，够大家分别做视频了，所以你会刷到很多视频场景一样，镜头切片不一样。现在还能不能干： 1、能，反正不用出镜，可以买素材试一下包月素材也才150-300左右；够你每天发3-5个视频， 2、买素材有一个不好的地方就是你不能自主选品，别人给你拍什么你就发什么，有局限性，但是基本上人家都是拍的爆品。 3、如果你要自主选品的话，我的建议就是打垂直类目，比如卖纸，哪你就可以买3-5种纸，天天不重新去拍，每天发，这样的试错成本和成功的机率要大一些，你可以买样品拍； 4、但是这样拍的话你就要自己搭建拍影场景，场景和灯光差不多要1000左右，除非你家有现成的场景可以用。总结：如果要玩，可以买多几家素材，只买3-5种同类产品的这样反复打，机会还是有的，视频怎么做，照着别人1：1仿着做个10次机会上就可以了会了，

老杨今天再分享一个抖音短视频带货中腰部的案例男女都可以做，但是大部分都是女生做的最多，这种玩法在带货圈叫-实拍这种算是实力大佬啦，基本上收到的样品可以按卡车来拖，有可能商家帮投流啦；先看数据： 1、橱窗带货612万件； 2、LV5达人粉丝12.36万 3、巨量百应数据：近30天的数据：25-50万单，商品结算金额500-750万 4、从巨量达人数据看有5-26%，我们取最保守8%来算；结算金额按600万来算：是不是30天能拿48万。 5、去看她的号，发了3900多条视频，前期每天日更10条。你肯定会问，一天10条这怎么可能拍的出来？ 1、这种拍的多了，一个镜头可以拍20-30张，产品的使用过程可以拍很多镜头，这样还能重复使用，一个品可以每隔几天重复发，这样积少成多，素材就有了，就可以随时套模版。 2、时间拍久了，有的视频基本上是一条过，都不用剪， 3、还有一些，他们都会请人剪辑视频，请人拍， 4、再有一些直接卖素材，有包月的，也有拼素材的，一个产品20个人拼，每个产品都明30-50个镜头，够大家分别做视频了，所以你会刷到很多视频场景一样，镜头切片不一样。现在还能不能干： 1、能，反正不用出镜，可以买素材试一下包月素材也才150-300左右；够你每天发3-5个视频， 2、买素材有一个不好的地方就是你不能自主选品，别人给你拍什么你就发什么，有局限性，但是基本上人家都是拍的爆品。 3、如果你要自主选品的话，我的建议就是打垂直类目，比如卖纸，哪你就可以买3-5种纸，天天不重新去拍，每天发，这样的试错成本和成功的机率要大一些，你可以买样品拍； 4、但是这样拍的话你就要自己搭建拍影场景，场景和灯光差不多要1000左右，除非你家有现成的场景可以用。总结：如果要玩，可以买多几家素材，只买3-5种同类产品的这样反复打，机会还是有的，视频怎么做，照着别人1：1仿着做个10次机会上就可以了会了，

老杨啊 | AI产品商业化

41,352 Aufrufe • vor 5 Monaten

卧槽兄弟们，AI 版闲鱼真的来了，绝逼是今年最离谱的AI变现新物种，没有之一！！你调教好的 Agent 挂上去，7x24 小时自动接单、自动交付、自动结算，你在睡觉它在找活，你在吃饭它在干活，你在摸鱼它在给你打钱。刚挖到的这个 UUMit 真的牛逼，已经把全流程跑通了: 平时躺在文件夹里吃灰的 Prompt、Agent、工作流，甚至用不完的 Token 额度，写一张能力卡挂上去，全网其他 AI 跑复杂任务时就能自动搜到你的能力，自动谈价、自动调用、自动分账，全程不需要你在线。最离谱的是，你甚至不需要自己精通这项技能: 以前想靠一项技能变现，得先花三年学会它，写作三年、设计三年、编程三年，每道门槛都是一道筛子，现在你只要把思考方式和风格喂给 AI，它自己生成标题、标签和定价，有人挂了长文写作、研究报告、小说创作三个能力，他自己一个都不会，但会调教 Claude，把写作风格和思考方式喂进去，AI 帮他生成标题、标签、定价建议， 30 分钟空白清单变成可售卖服务，AI 把拥有技能变成了驾驭技能，AI 把拥有技能，直接变成了驾驭技能。而且能卖的也不只是 Agent: 你攒了多年的行业研报、SOP 模板、私域数据库、闲置算力，这些通用模型编不出来但真有人需要的东西，挂上去就是可复用和能持续收钱的知识资产。交易走的是平台官方托管，资金先冻结、交付验收后再打款，不用担心被白嫖跑单，而且这种能力交易是典型的双边市场，越早把能力卡挂上去，被全网 AI 索引和调用的权重就越高， 95 年第一批做网站、03 年第一批开淘宝店的人，吃的就是这口占坑的位置红利。过去 3 年所有 AI 公司都在比谁的模型更聪明，未来 3 年比的是谁的 AI 更会赚钱， ChatGPT 让 AI 学会了聊天，而UUMit 这里直接教会了 AI 怎么替你做生意，想让自己的 Agent 出去打工的兄弟，入口和上架姿势放一楼了，你第一个想挂上去卖的能力是什么呢？欢迎评论区交流呀～

卧槽兄弟们，AI 版闲鱼真的来了，绝逼是今年最离谱的AI变现新物种，没有之一！！你调教好的 Agent 挂上去，7x24 小时自动接单、自动交付、自动结算，你在睡觉它在找活，你在吃饭它在干活，你在摸鱼它在给你打钱。刚挖到的这个 UUMit 真的牛逼，已经把全流程跑通了: 平时躺在文件夹里吃灰的 Prompt、Agent、工作流，甚至用不完的 Token 额度，写一张能力卡挂上去，全网其他 AI 跑复杂任务时就能自动搜到你的能力，自动谈价、自动调用、自动分账，全程不需要你在线。最离谱的是，你甚至不需要自己精通这项技能: 以前想靠一项技能变现，得先花三年学会它，写作三年、设计三年、编程三年，每道门槛都是一道筛子，现在你只要把思考方式和风格喂给 AI，它自己生成标题、标签和定价，有人挂了长文写作、研究报告、小说创作三个能力，他自己一个都不会，但会调教 Claude，把写作风格和思考方式喂进去，AI 帮他生成标题、标签、定价建议， 30 分钟空白清单变成可售卖服务，AI 把拥有技能变成了驾驭技能，AI 把拥有技能，直接变成了驾驭技能。而且能卖的也不只是 Agent: 你攒了多年的行业研报、SOP 模板、私域数据库、闲置算力，这些通用模型编不出来但真有人需要的东西，挂上去就是可复用和能持续收钱的知识资产。交易走的是平台官方托管，资金先冻结、交付验收后再打款，不用担心被白嫖跑单，而且这种能力交易是典型的双边市场，越早把能力卡挂上去，被全网 AI 索引和调用的权重就越高， 95 年第一批做网站、03 年第一批开淘宝店的人，吃的就是这口占坑的位置红利。过去 3 年所有 AI 公司都在比谁的模型更聪明，未来 3 年比的是谁的 AI 更会赚钱， ChatGPT 让 AI 学会了聊天，而UUMit 这里直接教会了 AI 怎么替你做生意，想让自己的 Agent 出去打工的兄弟，入口和上架姿势放一楼了，你第一个想挂上去卖的能力是什么呢？欢迎评论区交流呀～

AYi

197,065 Aufrufe • vor 15 Tagen

卧槽，太夸张了，现在 AI 时代的闲鱼已经面世了吗？这不就是谁先知道谁赚钱，拼速度了？你的技能，专业知识，等等你的一切，竟然可以在你睡觉的时候被别人买走，这是什么科幻小说吗？？之前我一直在想，现在大家优秀的 skill 往往都是自己用，大部分人舍不得开源的，那有没有一个平台既能让用户用到这些大神的专业知识、skill，但是又不用开源呢？还真让我给找到了！！前两天看到国内一个博主推荐一个很野的平台-UUMit 让你的技能、经验、工作流都可以变成能力卡，被需要的人、或者别人的 Agent 自动发现、调用并且直接付费！！有点像03年淘宝刚出来的时候，只不过当年流通的是商品，现在流通的是能力具体能干什么？举几个例子你就懂了会写小红书脚本的，可以把选题逻辑、爆款模板、平台规则检测能力上架，别人发布“帮我做一周小红书内容计划”，平台自动匹配到你，你接单交付会做行业研究的，可以把数据库、报告、案例库放进知识商店，AI 生成不了的真实行业数据，反而更值钱会写代码的，可以把 API、MCP 工具、自动化脚本上架，别人的 Agent 需要某个能力时，直接调用你的接口，你按调用次数收费甚至你只是整理过某个垂直领域的供应商名单、SOP、课程讲义，这些 AI 生成不了的资料，都可以变成知识资产这绝对是一次能力供应链的重构！以前的 AI 只能在自己的对话框里回答问题，但复杂任务需要很多外部能力：数据、接口、行业知识、人工交付 UUMit 做的事情是：让 Agent 可以发现别人的能力，也能让自己的能力被别的 Agent 调用这就是 A2A（Agent to Agent）真正有意思的地方，不是让 AI 互相聊天，而是让 AI 找能力、调接口、买知识、拉人协作，把事情交付掉为什么我说谁先知道谁赚钱？因为这个平台刚起来，早期上架的人能建立先发优势而且现在 Agent 真的开始干活了，不再只是聊天工具，它们需要外部能力来完成复杂任务谁先把自己的能力挂上去，谁就有机会被更多 Agent 发现和调用这就是信息差的价值，就像03年最早在淘宝开店的那批人 UUMit 现在有哪些功能？任务发布入口：你不用一开始就知道该找谁，也不用自己拆一堆工具，你只要说清楚想完成什么，UUMit 会帮你找能完成这件事的能力 Skill/Agent/工作流上架：你写好的工具，不一定只能自己用，它也可以成为别人工作流里的一环知识商店：AI 可以生成很多内容，但它不一定拥有你手里的行业资料、真实数据、案例库和经验沉淀，这些东西放到 UUMit，可能会变成可复用的知识资产数据广场：Agent 不必自己拥有所有数据和接口，需要某项外部能力时，可以通过 UUMit 调用数据广场里的资源强烈推荐大家来试试：

卧槽，太夸张了，现在 AI 时代的闲鱼已经面世了吗？这不就是谁先知道谁赚钱，拼速度了？你的技能，专业知识，等等你的一切，竟然可以在你睡觉的时候被别人买走，这是什么科幻小说吗？？之前我一直在想，现在大家优秀的 skill 往往都是自己用，大部分人舍不得开源的，那有没有一个平台既能让用户用到这些大神的专业知识、skill，但是又不用开源呢？还真让我给找到了！！前两天看到国内一个博主推荐一个很野的平台-UUMit 让你的技能、经验、工作流都可以变成能力卡，被需要的人、或者别人的 Agent 自动发现、调用并且直接付费！！有点像03年淘宝刚出来的时候，只不过当年流通的是商品，现在流通的是能力具体能干什么？举几个例子你就懂了会写小红书脚本的，可以把选题逻辑、爆款模板、平台规则检测能力上架，别人发布“帮我做一周小红书内容计划”，平台自动匹配到你，你接单交付会做行业研究的，可以把数据库、报告、案例库放进知识商店，AI 生成不了的真实行业数据，反而更值钱会写代码的，可以把 API、MCP 工具、自动化脚本上架，别人的 Agent 需要某个能力时，直接调用你的接口，你按调用次数收费甚至你只是整理过某个垂直领域的供应商名单、SOP、课程讲义，这些 AI 生成不了的资料，都可以变成知识资产这绝对是一次能力供应链的重构！以前的 AI 只能在自己的对话框里回答问题，但复杂任务需要很多外部能力：数据、接口、行业知识、人工交付 UUMit 做的事情是：让 Agent 可以发现别人的能力，也能让自己的能力被别的 Agent 调用这就是 A2A（Agent to Agent）真正有意思的地方，不是让 AI 互相聊天，而是让 AI 找能力、调接口、买知识、拉人协作，把事情交付掉为什么我说谁先知道谁赚钱？因为这个平台刚起来，早期上架的人能建立先发优势而且现在 Agent 真的开始干活了，不再只是聊天工具，它们需要外部能力来完成复杂任务谁先把自己的能力挂上去，谁就有机会被更多 Agent 发现和调用这就是信息差的价值，就像03年最早在淘宝开店的那批人 UUMit 现在有哪些功能？任务发布入口：你不用一开始就知道该找谁，也不用自己拆一堆工具，你只要说清楚想完成什么，UUMit 会帮你找能完成这件事的能力 Skill/Agent/工作流上架：你写好的工具，不一定只能自己用，它也可以成为别人工作流里的一环知识商店：AI 可以生成很多内容，但它不一定拥有你手里的行业资料、真实数据、案例库和经验沉淀，这些东西放到 UUMit，可能会变成可复用的知识资产数据广场：Agent 不必自己拥有所有数据和接口，需要某项外部能力时，可以通过 UUMit 调用数据广场里的资源强烈推荐大家来试试：

超级个体｜柿子

51,463 Aufrufe • vor 1 Monat

哈佛CS50课程节选：如何构建基于GPT-4的应用上一节介绍了什么是GPT-4，这一节则是基于GPT-4可以构建什么样的应用，以及如何构建。这部分课程介绍了GPT-4可以构建的各种类型的应用，包括不限于： - 助手应用：GPT可以用于创建AI助手，帮助完成写作、编程或回答问题等任务。通过结合专业领域知识和用户的喜好，还可以对这些助手可以进一步定制。 - 文档问答系统：GPT可以用于构建基于上下文、对文档的问答系统。 - 实用功能：GPT可用于自动化需要基本语言理解的任务，如生成单元测试、查找文档、重写功能或检查品牌一致性。 - 创意创作：GPT可以用于在各个领域生成想法、可能性或建议，包括写作、营销和研究。通过将GPT的生成能力与专业领域的知识相结合，用户可以创建更有针对性和相关性的输出。 - Baby AGI或多步计划机器人：GPT可以放入一个循环中，与自己对话并指导自己的行动，从而创建一个基于一组工具和目标的自主执行任务或生成结果的自主代理。通过这个教程，可以大概了解GPT能做一些什么事情，以及背后的原理是什么。上一节什么是GPT-4：完整课程视频地址： edX:

哈佛CS50课程节选：如何构建基于GPT-4的应用上一节介绍了什么是GPT-4，这一节则是基于GPT-4可以构建什么样的应用，以及如何构建。这部分课程介绍了GPT-4可以构建的各种类型的应用，包括不限于： - 助手应用：GPT可以用于创建AI助手，帮助完成写作、编程或回答问题等任务。通过结合专业领域知识和用户的喜好，还可以对这些助手可以进一步定制。 - 文档问答系统：GPT可以用于构建基于上下文、对文档的问答系统。 - 实用功能：GPT可用于自动化需要基本语言理解的任务，如生成单元测试、查找文档、重写功能或检查品牌一致性。 - 创意创作：GPT可以用于在各个领域生成想法、可能性或建议，包括写作、营销和研究。通过将GPT的生成能力与专业领域的知识相结合，用户可以创建更有针对性和相关性的输出。 - Baby AGI或多步计划机器人：GPT可以放入一个循环中，与自己对话并指导自己的行动，从而创建一个基于一组工具和目标的自主执行任务或生成结果的自主代理。通过这个教程，可以大概了解GPT能做一些什么事情，以及背后的原理是什么。上一节什么是GPT-4：完整课程视频地址： edX:

宝玉

172,688 Aufrufe • vor 3 Jahren

今天真的被一个 19 岁的学员震撼到了… 她是一名艺术生，即将去伦敦读大一此前几乎没有接触过商业，没有学过 AI，更没有任何开发经验。因为家里做美妆生意，她对产品可能有一些模糊的感知，但距离真正做一个创业项目，其实还很远昨天，她告诉我，自己学的是设计，希望找到一个既符合个人审美，又有可能商业化的方向考虑到她在伦敦上学，喜欢猫猫狗狗，身边接触到的又大多是愿意为审美和情绪价值买单的中产女性，我们就和她一起碰出了一个想法：做人与宠物的亲子装把宠物服饰、个人美学、五行八字等元素结合起来，通过独立站面向海外用户销售这并不只是卖一件衣服它满足的是人们为自己和宠物表达身份、建立关系、寻找情绪寄托的需求一个产品首先要有用，但真正产生溢价的，往往是那些看似「无用」的审美、故事、文化和标签今天，她根据这几天课程中学到的 AI 使用方法，自己手搓出了一个独立站的前端页面看到页面的那一刻，我真的有些难以置信她没有开发基础，却凭借极强的设计审美，再结合智能体、提示词迭代和一些基础的商业逻辑，做出了一个连很多成熟开发者都很难完成的页面更重要的是，她并没有机械地执行我们的要求他把我们聊过的五行、风水、八字和个性化测试都融入了产品，让用户可以探索「我的宠物适合什么颜色」「它对应什么五行」「我们适合怎样的亲子穿搭」这已经不再是一次普通的课堂作业它有明确的人群，有具体的消费场景，有审美差异，有传播话题，也有真实的商业化可能供应链、产品打磨和运营都可以在后面逐步补足，但一个项目最难得的东西：创始人的个人特质与市场机会之间的契合已经出现了那一刻我第一次非常强烈地意识到：我们做的可能不只是一次创业体验，而是真的有机会从这些孩子当中，孵化出值得投入、值得长期陪伴的创业项目一个 19 岁、还没正式进入大学的年轻人，在短短一两天里，从一个模糊的兴趣出发，完成了从想法、用户、产品定位到网页原型的跨越这在过去是很难想象的以前，一个人想把创意变成产品，需要会设计、会开发、懂商业，还要找到合适的团队和资金但在 AI 时代，一个拥有审美、好奇心和行动力的人，可以先借助 AI 补足自己暂时不具备的能力她不需要先准备好，才有资格开始她是在开始之后，不断变得更强相比之下，我也看到了一些刚刚经历过高考的孩子她们学习 AI 时，第一反应依然是认真记笔记，等待老师给出标准步骤，然后严格按照要求完成任务这当然不是他们的问题传统教育长期训练的是记忆、服从和寻找标准答案而 AI 时代真正稀缺的，可能是提出问题、调动工具、快速试错，以及把一个模糊想法变成现实的能力记笔记没有错，按照规则完成任务也没有问题但我们不能让孩子误以为，学习的终点只是记住老师讲过什么真正重要的是：你能不能用这些东西，创造一个此前不存在的产品所以我越来越确信，AI 教育一定要尽可能早不是为了让孩子更早学习某个软件，也不是为了把「会用 AI」变成新一轮的应试竞争，而是要在他们还没有完全习惯等待标准答案之前，让他们体验一次：原来我的想法可以被实现原来我不需要先成为专家，也可以开始创造原来我不仅能够完成老师布置的任务，还能够发现一个问题、设计一个产品，甚至真正影响一群人的生活，改变这个世界当一个孩子第一次亲手创造出一个真实的产品，他对自己的认识就会发生改变而这种「我能够创造」的信念，才是 AI 教育最重要的价值我们真正要做的，就是让他们在足够年轻的时候，就站到这个时代的前面，看到一个属于自己的可能性

今天真的被一个 19 岁的学员震撼到了… 她是一名艺术生，即将去伦敦读大一此前几乎没有接触过商业，没有学过 AI，更没有任何开发经验。因为家里做美妆生意，她对产品可能有一些模糊的感知，但距离真正做一个创业项目，其实还很远昨天，她告诉我，自己学的是设计，希望找到一个既符合个人审美，又有可能商业化的方向考虑到她在伦敦上学，喜欢猫猫狗狗，身边接触到的又大多是愿意为审美和情绪价值买单的中产女性，我们就和她一起碰出了一个想法：做人与宠物的亲子装把宠物服饰、个人美学、五行八字等元素结合起来，通过独立站面向海外用户销售这并不只是卖一件衣服它满足的是人们为自己和宠物表达身份、建立关系、寻找情绪寄托的需求一个产品首先要有用，但真正产生溢价的，往往是那些看似「无用」的审美、故事、文化和标签今天，她根据这几天课程中学到的 AI 使用方法，自己手搓出了一个独立站的前端页面看到页面的那一刻，我真的有些难以置信她没有开发基础，却凭借极强的设计审美，再结合智能体、提示词迭代和一些基础的商业逻辑，做出了一个连很多成熟开发者都很难完成的页面更重要的是，她并没有机械地执行我们的要求他把我们聊过的五行、风水、八字和个性化测试都融入了产品，让用户可以探索「我的宠物适合什么颜色」「它对应什么五行」「我们适合怎样的亲子穿搭」这已经不再是一次普通的课堂作业它有明确的人群，有具体的消费场景，有审美差异，有传播话题，也有真实的商业化可能供应链、产品打磨和运营都可以在后面逐步补足，但一个项目最难得的东西：创始人的个人特质与市场机会之间的契合已经出现了那一刻我第一次非常强烈地意识到：我们做的可能不只是一次创业体验，而是真的有机会从这些孩子当中，孵化出值得投入、值得长期陪伴的创业项目一个 19 岁、还没正式进入大学的年轻人，在短短一两天里，从一个模糊的兴趣出发，完成了从想法、用户、产品定位到网页原型的跨越这在过去是很难想象的以前，一个人想把创意变成产品，需要会设计、会开发、懂商业，还要找到合适的团队和资金但在 AI 时代，一个拥有审美、好奇心和行动力的人，可以先借助 AI 补足自己暂时不具备的能力她不需要先准备好，才有资格开始她是在开始之后，不断变得更强相比之下，我也看到了一些刚刚经历过高考的孩子她们学习 AI 时，第一反应依然是认真记笔记，等待老师给出标准步骤，然后严格按照要求完成任务这当然不是他们的问题传统教育长期训练的是记忆、服从和寻找标准答案而 AI 时代真正稀缺的，可能是提出问题、调动工具、快速试错，以及把一个模糊想法变成现实的能力记笔记没有错，按照规则完成任务也没有问题但我们不能让孩子误以为，学习的终点只是记住老师讲过什么真正重要的是：你能不能用这些东西，创造一个此前不存在的产品所以我越来越确信，AI 教育一定要尽可能早不是为了让孩子更早学习某个软件，也不是为了把「会用 AI」变成新一轮的应试竞争，而是要在他们还没有完全习惯等待标准答案之前，让他们体验一次：原来我的想法可以被实现原来我不需要先成为专家，也可以开始创造原来我不仅能够完成老师布置的任务，还能够发现一个问题、设计一个产品，甚至真正影响一群人的生活，改变这个世界当一个孩子第一次亲手创造出一个真实的产品，他对自己的认识就会发生改变而这种「我能够创造」的信念，才是 AI 教育最重要的价值我们真正要做的，就是让他们在足够年轻的时候，就站到这个时代的前面，看到一个属于自己的可能性

文硕

11,070 Aufrufe • vor 2 Monaten

白手起家的八条铁律。 1、把公司做小，把利润做高：没必要一开始就招很多人租大办公室。在自己家办公也是可以的，做个夫妻档也是不错的选择。 2、未来不重要，活下来才重要：创业的优先级:第一现金流，第二利润，第三规模，第四远景，第五情怀。按这个优先级，活下来的几率是比较高的。 3、赚钱是你的核心：你应该专注做好一件事那就是赚钱。抛开面子，必要时可以放低姿态。在自己能力不够的时候，面子在资源面前不值一提。 4、最重要的是经营客户：大部分创业者都是只有产品，没有客户(流量)。谁能低成本解决流量问题，谁就能做好几乎任何生意 5、在行动中寻找定位：定位有助于你打造个人品牌，吸引目标客户，但是情况在不断变化，一开始的定位，可能后来不适合你了，所以你要及时调整，要有半途而废的勇气和智慧。 6、先做副业，再去创业：当副业收入达到正职的两倍以上，而且比较稳定时再离职创业，才会比较安全。 7、要有赚快钱的能力：这样才能快速积累资金。扩大自己的规模。你最应该做的就是专注做好一件事，那就是赚钱。 8、先做加法，再做减法，再做乘法：不断地去尝试各种可能，找到最值得做的，然后投入所有资源去放大它。

白手起家的八条铁律。 1、把公司做小，把利润做高：没必要一开始就招很多人租大办公室。在自己家办公也是可以的，做个夫妻档也是不错的选择。 2、未来不重要，活下来才重要：创业的优先级:第一现金流，第二利润，第三规模，第四远景，第五情怀。按这个优先级，活下来的几率是比较高的。 3、赚钱是你的核心：你应该专注做好一件事那就是赚钱。抛开面子，必要时可以放低姿态。在自己能力不够的时候，面子在资源面前不值一提。 4、最重要的是经营客户：大部分创业者都是只有产品，没有客户(流量)。谁能低成本解决流量问题，谁就能做好几乎任何生意 5、在行动中寻找定位：定位有助于你打造个人品牌，吸引目标客户，但是情况在不断变化，一开始的定位，可能后来不适合你了，所以你要及时调整，要有半途而废的勇气和智慧。 6、先做副业，再去创业：当副业收入达到正职的两倍以上，而且比较稳定时再离职创业，才会比较安全。 7、要有赚快钱的能力：这样才能快速积累资金。扩大自己的规模。你最应该做的就是专注做好一件事，那就是赚钱。 8、先做加法，再做减法，再做乘法：不断地去尝试各种可能，找到最值得做的，然后投入所有资源去放大它。

区块链行情研究

17,559 Aufrufe • vor 8 Monaten

斯坦福2023年公开课CS25 - 大语言模型与人类对齐（中英文字幕）这是斯坦福2023年公开课CS25的第二课：《Language and Human Alignment》，讲师是OpenAI的Jan，他目前领导OpenAI的对齐（Alignment）团队，并曾在DeepMind担任研究员。他拥有强化学习理论博士学位，并且在过去的10年里一直在思考对齐问题。这节课的主要内容是探讨AI的对齐问题，也就是如何让AI系统符合人类的意图和偏好，以及如何构建能遵循人类意图的AI系统？遵循人类意图意味着：对于明确的意图，能遵循指令，成为一个可靠的助手；对于不明确的意图，需要通过后续问题明确，不要编造，不要做有害的事情。现在使用的主要技术是强化学习反馈，这是用来训练InstructGPT和ChatGPT的技术。首先需要训练一个奖励模型，然后要用人类标注员去标注数据，来告诉模型哪些结果更是人类想要的。虽然每个人类标注员都有自己的偏好，甚至可能有不一致的地方，但模型会多结果进行平均。从成本上来说，人类反馈的成本要远低于预训练的成本，不到预训练计算量的2%。基于人类反馈的强化学习(RLHF)可以让模型做任何它想做的事情，它可以自己找出最好的方法来做事情，你只需要对它的结果进行评估就好了。 “评估比生成容易” 很多任务虽然人类不擅长，但是可以很容易的给出评估。 RLHF也有一些限制，比如当人工智能进化到一定程度，其可以完成的任务难度也会提升，但是人类评估任务的水平却无法提高，这时候人类将无法再给AI有效的反馈。所以未来我们需要AI来辅助人类进行评估，让AI帮助指出结果中的问题，人类对AI评估的结果进行评估。课程页面：参考材料： - ChatGPT： - InstructGPT： - Language Models are Few-Shot Learners (GPT-3)：

斯坦福2023年公开课CS25 - 大语言模型与人类对齐（中英文字幕）这是斯坦福2023年公开课CS25的第二课：《Language and Human Alignment》，讲师是OpenAI的Jan，他目前领导OpenAI的对齐（Alignment）团队，并曾在DeepMind担任研究员。他拥有强化学习理论博士学位，并且在过去的10年里一直在思考对齐问题。这节课的主要内容是探讨AI的对齐问题，也就是如何让AI系统符合人类的意图和偏好，以及如何构建能遵循人类意图的AI系统？遵循人类意图意味着：对于明确的意图，能遵循指令，成为一个可靠的助手；对于不明确的意图，需要通过后续问题明确，不要编造，不要做有害的事情。现在使用的主要技术是强化学习反馈，这是用来训练InstructGPT和ChatGPT的技术。首先需要训练一个奖励模型，然后要用人类标注员去标注数据，来告诉模型哪些结果更是人类想要的。虽然每个人类标注员都有自己的偏好，甚至可能有不一致的地方，但模型会多结果进行平均。从成本上来说，人类反馈的成本要远低于预训练的成本，不到预训练计算量的2%。基于人类反馈的强化学习(RLHF)可以让模型做任何它想做的事情，它可以自己找出最好的方法来做事情，你只需要对它的结果进行评估就好了。 “评估比生成容易” 很多任务虽然人类不擅长，但是可以很容易的给出评估。 RLHF也有一些限制，比如当人工智能进化到一定程度，其可以完成的任务难度也会提升，但是人类评估任务的水平却无法提高，这时候人类将无法再给AI有效的反馈。所以未来我们需要AI来辅助人类进行评估，让AI帮助指出结果中的问题，人类对AI评估的结果进行评估。课程页面：参考材料： - ChatGPT： - InstructGPT： - Language Models are Few-Shot Learners (GPT-3)：

宝玉

149,159 Aufrufe • vor 3 Jahren

记住一句话：赚钱的底层逻辑就一条——卖东西。卖产品、卖服务、卖人设，能卖的都算本事。为什么很多人一年赚 10 万轻轻松松，但一年赚 100 万的人都寥寥无几？因为路径压根就不是一条路。年入 10 万，你努力点、升个职、做个个体户，都能到。年入 100 万？靠工资根本不够看，只有做生意这一条路。而做生意是怎么算账的？很简单，你一年想赚 100 万，那就是净利润 100 万。比如你有个产品，一单利润 300。那你一个月卖 300 单，全年差不多就 100 万了。听上去是不是瞬间具体了？继续往下拆： 300 单怎么来？假设转化率是 10%，那你要让 3000 人经过你的“摊位”。到这一步，目标又变得清晰了：不是赚 100 万，而是每个月搞到 3000 个潜在客户。继续往下想： 3000 人哪来？流量只有两种方式：要么做内容，要么花钱买。你没钱，那就做内容。写文章、发视频、直播随便挑，关键是你得持续出现、持续输出，这样你才会“被看到”。等你真的开始做内容了，你会发现：所有内容的底层能力其实就一个——文案。视频要脚本，直播要话术，帖子要文案。从每天写几条文案开始，不停测试，哪条有反应就放大。你看，原本“年赚 100 万”这个听起来离谱的大目标，拆着拆着就变成了一个很朴素的动作：写文案 → 发内容 → 引流 → 成交 → 放大。能不能赚钱，不取决于你懂多少，而取决于你能不能把这些简单的动作，干到极致。就这么回事！

记住一句话：赚钱的底层逻辑就一条——卖东西。卖产品、卖服务、卖人设，能卖的都算本事。为什么很多人一年赚 10 万轻轻松松，但一年赚 100 万的人都寥寥无几？因为路径压根就不是一条路。年入 10 万，你努力点、升个职、做个个体户，都能到。年入 100 万？靠工资根本不够看，只有做生意这一条路。而做生意是怎么算账的？很简单，你一年想赚 100 万，那就是净利润 100 万。比如你有个产品，一单利润 300。那你一个月卖 300 单，全年差不多就 100 万了。听上去是不是瞬间具体了？继续往下拆： 300 单怎么来？假设转化率是 10%，那你要让 3000 人经过你的“摊位”。到这一步，目标又变得清晰了：不是赚 100 万，而是每个月搞到 3000 个潜在客户。继续往下想： 3000 人哪来？流量只有两种方式：要么做内容，要么花钱买。你没钱，那就做内容。写文章、发视频、直播随便挑，关键是你得持续出现、持续输出，这样你才会“被看到”。等你真的开始做内容了，你会发现：所有内容的底层能力其实就一个——文案。视频要脚本，直播要话术，帖子要文案。从每天写几条文案开始，不停测试，哪条有反应就放大。你看，原本“年赚 100 万”这个听起来离谱的大目标，拆着拆着就变成了一个很朴素的动作：写文案 → 发内容 → 引流 → 成交 → 放大。能不能赚钱，不取决于你懂多少，而取决于你能不能把这些简单的动作，干到极致。就这么回事！

区块链行情研究

29,350 Aufrufe • vor 8 Monaten

🚨还是让肖师傅来盘一盘，Skill做视频这件事本质上，Skill做视频有两条路： 1、忽略质量，只需要制作一个类似会动的PPT，用来辅助自媒体完成内容讲解，但注意，因为视频效果一般，所以必须要本体的内容有干货，Skill只是辅助。如果选择这样，还是比较合算的，因为节约的是不会制作视频的博主的一个痛点。 2、不要妄想一键一个Skill生成视频，本质上它就是一个有操作权限的GEM，所以必须使用GEM思维，一个Skill是无法完成复杂的视频的，只能利用它可以生成文件的特质，生成素材之后，再由另一个Skill进行拼接，当然，这个部分我觉得只能给他一些模板，做些简单的固定搭配的工作。而且这个部分通过我的计算，容错率加上之后，成本和手搓差不多，但风格上就需要固化。即使不能一键成片，至少还有素材打底。另外，别妄想一句话生成一个效果很棒的视频，还是那句话，本质上它还是一个按照固定路径执行的GEM，所以引导和命令依然是重要的，区别是，现在你需要把各种可能得变量都要写进去。 👻来看看肖师傅用Skill制作的视频，但作为商业片我不会选择使用claude code来跑这种商业广告，太费钱了。

🚨还是让肖师傅来盘一盘，Skill做视频这件事本质上，Skill做视频有两条路： 1、忽略质量，只需要制作一个类似会动的PPT，用来辅助自媒体完成内容讲解，但注意，因为视频效果一般，所以必须要本体的内容有干货，Skill只是辅助。如果选择这样，还是比较合算的，因为节约的是不会制作视频的博主的一个痛点。 2、不要妄想一键一个Skill生成视频，本质上它就是一个有操作权限的GEM，所以必须使用GEM思维，一个Skill是无法完成复杂的视频的，只能利用它可以生成文件的特质，生成素材之后，再由另一个Skill进行拼接，当然，这个部分我觉得只能给他一些模板，做些简单的固定搭配的工作。而且这个部分通过我的计算，容错率加上之后，成本和手搓差不多，但风格上就需要固化。即使不能一键成片，至少还有素材打底。另外，别妄想一句话生成一个效果很棒的视频，还是那句话，本质上它还是一个按照固定路径执行的GEM，所以引导和命令依然是重要的，区别是，现在你需要把各种可能得变量都要写进去。 👻来看看肖师傅用Skill制作的视频，但作为商业片我不会选择使用claude code来跑这种商业广告，太费钱了。

肖师傅

16,310 Aufrufe • vor 7 Monaten

利用牛马AI快速构建虚拟资料引流售卖，打造属于自己的副业！总共就几步： 1、确定好人群 2、确定人群需求，他们需要什么内容资料？ 3、让AI构建资料框架，比如excel的表头 4、让AI寻找信息源，人工筛选 5、批量总结，填充内容到资料框架中 6、分发资料，可以社媒，可以SEO，也可以直接卖钱风险与解决策略： 1、AI有成本，开工需谨慎，解决方案是直接买包月套餐，token消耗不完的时候就拿来跑 2、可以先Fake资料做验证，有人来了问你要或有人要买，再做

利用牛马AI快速构建虚拟资料引流售卖，打造属于自己的副业！总共就几步： 1、确定好人群 2、确定人群需求，他们需要什么内容资料？ 3、让AI构建资料框架，比如excel的表头 4、让AI寻找信息源，人工筛选 5、批量总结，填充内容到资料框架中 6、分发资料，可以社媒，可以SEO，也可以直接卖钱风险与解决策略： 1、AI有成本，开工需谨慎，解决方案是直接买包月套餐，token消耗不完的时候就拿来跑 2、可以先Fake资料做验证，有人来了问你要或有人要买，再做

Yangyi

23,551 Aufrufe • vor 4 Monaten

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？

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 Aufrufe • vor 6 Monaten

我用3分钟开了一个带支付的TG店铺！所有在卖 Token、卖订阅服务、卖各类账号的等等，只要涉及到收款，特别是跨境收款都可以看看 AllScale ！以前凡是涉及到跨境支付收款业务的，肯定都经历过Stripe开户难、随时封号，传统银行到账时间慢手续费又贵的问题。特别现在很多crypto kol 搞 Token 中转站的，但没有一个轻量级工具解决支付问题。 YZi Labs 孵化的 AllScale 是一个自托管稳定币数字银行，目前已经拿到了650万美元的融资，他帮用户把稳定币的支付环节做了封装，用户只需要关注店铺商品的运营就行，支付全交给AllScale来处理。像电报里面做打赏、收服务费的这种场景它能通过TG BOT 快速的帮用户搭建商铺入口，1分钟就能实现一个买家全程不离开 TG，点TG按钮就能 USDT/USDC 秒付的场景。这套方案在温哥华已经跑了近500+餐厅了，视频里面是我搭建自己店铺的过程，全程3分钟就完成了从店铺搭建到最后支付的过程。有兴趣的可以体验一下：

我用3分钟开了一个带支付的TG店铺！所有在卖 Token、卖订阅服务、卖各类账号的等等，只要涉及到收款，特别是跨境收款都可以看看 AllScale ！以前凡是涉及到跨境支付收款业务的，肯定都经历过Stripe开户难、随时封号，传统银行到账时间慢手续费又贵的问题。特别现在很多crypto kol 搞 Token 中转站的，但没有一个轻量级工具解决支付问题。 YZi Labs 孵化的 AllScale 是一个自托管稳定币数字银行，目前已经拿到了650万美元的融资，他帮用户把稳定币的支付环节做了封装，用户只需要关注店铺商品的运营就行，支付全交给AllScale来处理。像电报里面做打赏、收服务费的这种场景它能通过TG BOT 快速的帮用户搭建商铺入口，1分钟就能实现一个买家全程不离开 TG，点TG按钮就能 USDT/USDC 秒付的场景。这套方案在温哥华已经跑了近500+餐厅了，视频里面是我搭建自己店铺的过程，全程3分钟就完成了从店铺搭建到最后支付的过程。有兴趣的可以体验一下：

0xAllen

32,809 Aufrufe • vor 3 Monaten

最近陶哲轩在 2024 年第 65 届国际数学奥林匹克上，陶哲轩做了一次 AI 和数学的演讲，非常精彩，从数学使用计算计算机的历史开始讲起，一直讲到大语言模型，干货相当多，尤其适合对数学有兴趣的同学。（对数学没那么感兴趣的同学只想看 AI 部分的建议直接跳到 41 分的位置开始观看）先摘录几个冷知识： 1. 我们使用机器做数学计算已经有数千年，最早的机器辅助计算可能是罗马人，然后是中国的算盘 2. 二战时就有人肉“计算机”，计算弹道和其他任务，多位女孩子，因为男士们在打仗，所以那时候的计算基本单位不是GPU，而是kilogirl-hour——“千名女孩工作一小时的计算量” 3. 现在，数学家们使用一种现代化的证明辅助编程语言，叫做 Lean。在 Lean 中有一个核心的数学库，通过众包的方式开发的，本科数学课程中看到的内容，比如微积分基础、群论基础或者拓扑学等等，这些都已经被形式化了，所以你不用从公理开始。 4. 现在数学领域有一种团队协作证明复杂数学定理的工作流程，那就是先编写一个称为“蓝图”的详细证明计划，将整个证明分解为数百个小步骤。每个步骤可以单独形式化，然后再将它们整合在一起，这样你就可以将一个庞大的论证分解成许多小块。先编写这个蓝图，然后团队中的其他人可以对论据的不同步骤的不同部分进行形式化。去年，陶哲轩和几位同事一起解决了一个组合数学问题。这是一个组合学的问题。大约20人在短短三周内完成了，使用了蓝图工具，参与的人中有概率论专家，甚至还有一些并非数学家的人，他们是程序员，但在解决这些小型拼图问题上非常擅长。每个人都挑选了一个觉得自己能做的小任务，并完成了它。在数学领域，通常很难这么多人一起合作，一般最多可能五个人合作。因为在大项目上合作时，你必须相信每个人的数学都是正确的。但是，一旦超过一定规模，这就无法实现了。但现在借助 Lean 编译器，它能自动检查。团队成员无法上传任何编译不通过的内容，会被拒绝。因此，你可以与一些从未见过的人合作。最后是讲大语言模型，首先陶哲轩就打脸了 GPT-4 的论文（我猜是微软那篇《GPT-4，通用人工智能的火花》），论文中号称 GPT-4 能解决国际数学奥林匹克问题，但实际上，这个问题不是 2022 年国际奥数竞赛的原始问题，而是一个简化版本，并且他们测试了几百道国际奥数竞赛问题，成功率只有1%，论文里的这个是精心挑选的恰巧能做对的。并且陶哲轩提到了基于大语言模型的一些改进的方案：比如 CoT（Chain of Thought），也就是 LLM 做简单的算术运算都做不对，但是如果让它一步步解释，可能就对了。还可以教 AI 一些解题技巧，比如尝试简单的例子，反证法，尝试逐步证明等。比如让模型和编程语言或者工具连接，将大语言的输出结果交给 Wolfram 这样的专业数学工具或者 Python 这样的编程语言验证，并且迭代的进行修正和验证，直到得到正确的结果，这可以提升大语言模型生成的效果。即使借助这些手段，大语言模型还远远不能解决大多数数学问题，更不用说数学研究问题了！当然陶哲轩也没太过打击大家对于 AI 的信心，表示我们在 AI 上还是在不断的取得进展，还提到了他日常是怎么用 AI 的，比如说把 AI 当成灵感之源。 > 我曾遇到过一个问题，我尝试了几种方法，但都无法解决。于是，我尝试询问 GPT，你建议我使用什么其他方法来解决这个问题？GPT 给我提供了 10 种可能的方法，其中有 5 种我已经尝试过，或者明显没有帮助。的确，有几种方法并不实用。但其中有一种我还没尝试过的方法，那就是针对这个问题使用生成函数。当 GPT 建议我使用这种方法时，我意识到这就是我漏掉的正确方法。所以，将 GPT 视为一个交流伙伴，它确实具有一定的用处。还有使用 GitHub Copilot 帮他写代码，让它自动生成下一步的证明结果，Copilot 的智能提示有 20% 的概率能生成正确的下一步结果。 > 例如我使用的一个叫 GitHub Copilot 的工具，你只需要写下一半的证明，它就会尝试猜测接下来的内容。大概有 20% 的情况下，它能猜到接近正确的答案。然后你就可以说，我接受这个答案。好的，那么在这种情况下，我正在试图证明这个陈述。灰色的部分是 Copilot 给出的建议。结果发现第一行完全没用。不过第二行，尽管你可能看不清楚，却真的解决了这个问题。所以，你不能盲目接受它的输入，因为这些代码未必能顺利编译。但如果你对代码的运作方式已经有所了解，这将大大节省你的时间。这些工具正在变得越来越好。现在如果一个证明只需要一两行，它们就能自动完成。现在已经有了这样的实验，即通过迭代地让 AI 提供证明，然后让编译器进行反馈，如果编译出错，就把错误信息反馈给 AI。通过这种方法，我们开始能够验证四五步长的证明。当然，一个大型的证明可能需要数万行。所以，我们还没有达到能够立即得到一个正式证明的程度。但是，这已经是一个相当有用的工具。对于大家关心的问题： AI 在数学领域现在到了哪一个阶段？是否未来几年利用 AI 能直接解决数学问题？陶哲轩也给出了他的看法： > 我认为我们还远远没有达到这个阶段。如果我们专注于非常特定的问题，你可以定制专门的 AI 来处理一小部分问题。即便如此，它们也不是完全可靠的，但还是有用的。不过至少在接下来的几年里，它们基本上将是非常有用的辅助工具，超越了我们已经熟悉的暴力计算辅助。他还提到了一些可能的 AI 能在数学领域提供帮助的方向： - AI 能够非常好地生成有价值的猜想 > 比如，我们已经看到了关于结理论的例子，它们已经可以推测出两个不同的统计量之间的关系。因此，我们希望能够创建大量的数据集，输入到 AI 中，它们就会自动找出各种不同的数学对象之间的有趣联系。虽然我们还不知道如何做到这一点，部分原因是我们没有这些庞大的数据集。但我认为这是未来可能实现的一个方向。 - 批量或者说规模化的证明大量数学定理 > 现在，因为证明定理是如此繁琐和艰难的过程，我们一次只能证明一个定理，如果你效率很高，可能一次能证明两三个。但是有了 AI，你可以设想一下未来的情况，我们不是试图解决一个问题，而是处理一类类似的1000个问题，然后告诉AI，尝试用这个方法解决这 1000 个问题，然后报告结果，哦，我能用这种技术解决 35% 的问题。那么另一种技术呢？我能解决这个百分比的问题。或者如果结合这些方法，又能解决多少问题？你可以开始探索问题的空间，而不是一个接一个地解决问题。这是你现在根本无法做到的事情，或者是你需要几十年时间，通过数十篇论文慢慢搞清楚各种技术能做什么，不能做什么。但是有了这些工具，你真的可以开始做规模前所未有的数学研究。所以，未来将会非常令人兴奋。演讲环节结束前的最后一句话说的特别好： > 我们仍然会以传统方式证明定理。事实上，我们必须这样做，因为如果我们自己都不知道如何做这些事情，就无法引导这些 AI。但是我们将能够做很多现在无法做到的事情。这恰恰也是我们现在使用 AI 辅助编程的问题：如果我们自己都不知道如何构建软件，就很难引导好 AI 帮助我们生成高质量的代码。尽管 AI 在数学和编程领域变得越来越有用，但人类的洞察力和创造力仍然是创作价值的关键。原始 YT 视频：

最近陶哲轩在 2024 年第 65 届国际数学奥林匹克上，陶哲轩做了一次 AI 和数学的演讲，非常精彩，从数学使用计算计算机的历史开始讲起，一直讲到大语言模型，干货相当多，尤其适合对数学有兴趣的同学。（对数学没那么感兴趣的同学只想看 AI 部分的建议直接跳到 41 分的位置开始观看）先摘录几个冷知识： 1. 我们使用机器做数学计算已经有数千年，最早的机器辅助计算可能是罗马人，然后是中国的算盘 2. 二战时就有人肉“计算机”，计算弹道和其他任务，多位女孩子，因为男士们在打仗，所以那时候的计算基本单位不是GPU，而是kilogirl-hour——“千名女孩工作一小时的计算量” 3. 现在，数学家们使用一种现代化的证明辅助编程语言，叫做 Lean。在 Lean 中有一个核心的数学库，通过众包的方式开发的，本科数学课程中看到的内容，比如微积分基础、群论基础或者拓扑学等等，这些都已经被形式化了，所以你不用从公理开始。 4. 现在数学领域有一种团队协作证明复杂数学定理的工作流程，那就是先编写一个称为“蓝图”的详细证明计划，将整个证明分解为数百个小步骤。每个步骤可以单独形式化，然后再将它们整合在一起，这样你就可以将一个庞大的论证分解成许多小块。先编写这个蓝图，然后团队中的其他人可以对论据的不同步骤的不同部分进行形式化。去年，陶哲轩和几位同事一起解决了一个组合数学问题。这是一个组合学的问题。大约20人在短短三周内完成了，使用了蓝图工具，参与的人中有概率论专家，甚至还有一些并非数学家的人，他们是程序员，但在解决这些小型拼图问题上非常擅长。每个人都挑选了一个觉得自己能做的小任务，并完成了它。在数学领域，通常很难这么多人一起合作，一般最多可能五个人合作。因为在大项目上合作时，你必须相信每个人的数学都是正确的。但是，一旦超过一定规模，这就无法实现了。但现在借助 Lean 编译器，它能自动检查。团队成员无法上传任何编译不通过的内容，会被拒绝。因此，你可以与一些从未见过的人合作。最后是讲大语言模型，首先陶哲轩就打脸了 GPT-4 的论文（我猜是微软那篇《GPT-4，通用人工智能的火花》），论文中号称 GPT-4 能解决国际数学奥林匹克问题，但实际上，这个问题不是 2022 年国际奥数竞赛的原始问题，而是一个简化版本，并且他们测试了几百道国际奥数竞赛问题，成功率只有1%，论文里的这个是精心挑选的恰巧能做对的。并且陶哲轩提到了基于大语言模型的一些改进的方案：比如 CoT（Chain of Thought），也就是 LLM 做简单的算术运算都做不对，但是如果让它一步步解释，可能就对了。还可以教 AI 一些解题技巧，比如尝试简单的例子，反证法，尝试逐步证明等。比如让模型和编程语言或者工具连接，将大语言的输出结果交给 Wolfram 这样的专业数学工具或者 Python 这样的编程语言验证，并且迭代的进行修正和验证，直到得到正确的结果，这可以提升大语言模型生成的效果。即使借助这些手段，大语言模型还远远不能解决大多数数学问题，更不用说数学研究问题了！当然陶哲轩也没太过打击大家对于 AI 的信心，表示我们在 AI 上还是在不断的取得进展，还提到了他日常是怎么用 AI 的，比如说把 AI 当成灵感之源。 > 我曾遇到过一个问题，我尝试了几种方法，但都无法解决。于是，我尝试询问 GPT，你建议我使用什么其他方法来解决这个问题？GPT 给我提供了 10 种可能的方法，其中有 5 种我已经尝试过，或者明显没有帮助。的确，有几种方法并不实用。但其中有一种我还没尝试过的方法，那就是针对这个问题使用生成函数。当 GPT 建议我使用这种方法时，我意识到这就是我漏掉的正确方法。所以，将 GPT 视为一个交流伙伴，它确实具有一定的用处。还有使用 GitHub Copilot 帮他写代码，让它自动生成下一步的证明结果，Copilot 的智能提示有 20% 的概率能生成正确的下一步结果。 > 例如我使用的一个叫 GitHub Copilot 的工具，你只需要写下一半的证明，它就会尝试猜测接下来的内容。大概有 20% 的情况下，它能猜到接近正确的答案。然后你就可以说，我接受这个答案。好的，那么在这种情况下，我正在试图证明这个陈述。灰色的部分是 Copilot 给出的建议。结果发现第一行完全没用。不过第二行，尽管你可能看不清楚，却真的解决了这个问题。所以，你不能盲目接受它的输入，因为这些代码未必能顺利编译。但如果你对代码的运作方式已经有所了解，这将大大节省你的时间。这些工具正在变得越来越好。现在如果一个证明只需要一两行，它们就能自动完成。现在已经有了这样的实验，即通过迭代地让 AI 提供证明，然后让编译器进行反馈，如果编译出错，就把错误信息反馈给 AI。通过这种方法，我们开始能够验证四五步长的证明。当然，一个大型的证明可能需要数万行。所以，我们还没有达到能够立即得到一个正式证明的程度。但是，这已经是一个相当有用的工具。对于大家关心的问题： AI 在数学领域现在到了哪一个阶段？是否未来几年利用 AI 能直接解决数学问题？陶哲轩也给出了他的看法： > 我认为我们还远远没有达到这个阶段。如果我们专注于非常特定的问题，你可以定制专门的 AI 来处理一小部分问题。即便如此，它们也不是完全可靠的，但还是有用的。不过至少在接下来的几年里，它们基本上将是非常有用的辅助工具，超越了我们已经熟悉的暴力计算辅助。他还提到了一些可能的 AI 能在数学领域提供帮助的方向： - AI 能够非常好地生成有价值的猜想 > 比如，我们已经看到了关于结理论的例子，它们已经可以推测出两个不同的统计量之间的关系。因此，我们希望能够创建大量的数据集，输入到 AI 中，它们就会自动找出各种不同的数学对象之间的有趣联系。虽然我们还不知道如何做到这一点，部分原因是我们没有这些庞大的数据集。但我认为这是未来可能实现的一个方向。 - 批量或者说规模化的证明大量数学定理 > 现在，因为证明定理是如此繁琐和艰难的过程，我们一次只能证明一个定理，如果你效率很高，可能一次能证明两三个。但是有了 AI，你可以设想一下未来的情况，我们不是试图解决一个问题，而是处理一类类似的1000个问题，然后告诉AI，尝试用这个方法解决这 1000 个问题，然后报告结果，哦，我能用这种技术解决 35% 的问题。那么另一种技术呢？我能解决这个百分比的问题。或者如果结合这些方法，又能解决多少问题？你可以开始探索问题的空间，而不是一个接一个地解决问题。这是你现在根本无法做到的事情，或者是你需要几十年时间，通过数十篇论文慢慢搞清楚各种技术能做什么，不能做什么。但是有了这些工具，你真的可以开始做规模前所未有的数学研究。所以，未来将会非常令人兴奋。演讲环节结束前的最后一句话说的特别好： > 我们仍然会以传统方式证明定理。事实上，我们必须这样做，因为如果我们自己都不知道如何做这些事情，就无法引导这些 AI。但是我们将能够做很多现在无法做到的事情。这恰恰也是我们现在使用 AI 辅助编程的问题：如果我们自己都不知道如何构建软件，就很难引导好 AI 帮助我们生成高质量的代码。尽管 AI 在数学和编程领域变得越来越有用，但人类的洞察力和创造力仍然是创作价值的关键。原始 YT 视频：

宝玉

303,101 Aufrufe • vor 2 Jahren

朋友们，我发现一个超级哇塞的技能现在已经有不少不错的工具可以画出好看的项目架构图，但大多是静态的，不能交互。今天分享的这个不一样，它是会动的！视频里是我在 MkAgent 项目下执行出来的效果，一次搞定。它会根据项目的 logo、主题风格等信息，生成对应的架构图。不仅如此，它还能分析代码，找出核心节点，生成节点信息和节点关系。每个节点都可以点击，右侧会显示该节点的详细信息。最终产物是一个 HTML 文件：展示核心架构和工作流程，并且支持动画自动演示调用流程。这个挺有意思，以后读新项目代码可以先用它。

Fox

75,312 Aufrufe • vor 23 Tagen