Video yükleniyor...

Video Yüklenemedi

Bu video yüklenirken bir sorun oluştu. Bu geçici bir ağ sorunundan kaynaklanıyor olabilir veya video kullanılamıyor olabilir.

Ana Sayfaya Dön

有点离谱，终于有人把 Claude Code、Codex、grok等主流大模型 + 全网的数据缝进一个工作台了。这东西叫 Dethink。你甚至可以直接在对话框里查： X、小红书、抖音、YouTube、Instagram 的热点、评论区，甚至 Semrush SEO 数据。这个功能我觉得含金量很高。因为做内容、做产品、做出海站，最值钱的往往不是“AI 能帮我想什么”，而是：用户到底在反复问什么？评论区里被重复几十次的问题，往往就是现成的选题和需求。数据查完，直接继续干活。它最牛逼的地方，不仅仅是： Claude、Grok、Gemini、DeepSeek、Kimi、GLM 随便切； Claude Code / Codex 也在里面，而且前面的文件、上下文都不用重新搬。 Claude 做分析 → Codex 实现 → GPT Image 2 / Grok Image 出图。以前要开五六个工具，现在一个窗口基本跑完。还有一个超级现实的优点：支持微信 / 支付宝。不用海外卡，不用代充。 $20... show more

我真的没有拼多多

14,756 subscribers

37,867 görüntüleme • 5 gün önce •via X (Twitter)

Bilim & Teknoloji Eğitim Finans

Anya Rossi• Live Now

Private livecam show

0 Yorum

Yorum bulunmuyor

Orijinal gönderinin yorumları burada görünecek

Benzer Videolar

兄弟们，发现一个独立开发者的宝藏工具，叫Dethink 这个 Agent 工作台太牛逼了，竟然能直接抓各大社媒数据，像小红书、抖音、X、TikTok 、YouTube 、Reddit 都能抓特别是小红书，这个含金量懂得都懂，在对话框里提需求就能直接调用这些平台的评论区都藏着真需求，那些被反复提到的痛点，挖出来的需求比自己凭空想的值钱的多。除了社媒，它还接了 Semrush，连SEO 数据也能一起爬，这真是做出海站的刚需。而且它还聚合了主流模型Claude、Grok、Gemini，不用再每个平台单独订阅，也支持接入自己的API 更关键的是，支付很方便，支持微信支付，不用再折腾海外卡。现在还有个福利，注册送 $5 额度，感兴趣的可以先体验

兄弟们，发现一个独立开发者的宝藏工具，叫Dethink 这个 Agent 工作台太牛逼了，竟然能直接抓各大社媒数据，像小红书、抖音、X、TikTok 、YouTube 、Reddit 都能抓特别是小红书，这个含金量懂得都懂，在对话框里提需求就能直接调用这些平台的评论区都藏着真需求，那些被反复提到的痛点，挖出来的需求比自己凭空想的值钱的多。除了社媒，它还接了 Semrush，连SEO 数据也能一起爬，这真是做出海站的刚需。而且它还聚合了主流模型Claude、Grok、Gemini，不用再每个平台单独订阅，也支持接入自己的API 更关键的是，支付很方便，支持微信支付，不用再折腾海外卡。现在还有个福利，注册送 $5 额度，感兴趣的可以先体验

阿西_出海

26,599 görüntüleme • 10 gün önce

我认为 Grok 的能力真的被很多人低估了！首先我认为它完全全能！Claude 没有多模态，codex 能生图但是不能生视频，而我们的 Grok，他都可以！（虽然生图很 abc ，但是或许你可以 codex 生图 grok 生视频？它很牛的一个点就是你根本不需要复杂的提示词，甚至不用说的多清楚他会揣摩！你需要的东西和内容！！这点无论是 codex 还是 Claude 都绝对比不上！如果我需要 codex 生成出比较规范或者具有更多信息的内容需要我告诉他这么多而 Grok 真的是几乎他自己揣摩出来的我把我跟他说了哪三句话放在第二个视频了

我认为 Grok 的能力真的被很多人低估了！首先我认为它完全全能！Claude 没有多模态，codex 能生图但是不能生视频，而我们的 Grok，他都可以！（虽然生图很 abc ，但是或许你可以 codex 生图 grok 生视频？它很牛的一个点就是你根本不需要复杂的提示词，甚至不用说的多清楚他会揣摩！你需要的东西和内容！！这点无论是 codex 还是 Claude 都绝对比不上！如果我需要 codex 生成出比较规范或者具有更多信息的内容需要我告诉他这么多而 Grok 真的是几乎他自己揣摩出来的我把我跟他说了哪三句话放在第二个视频了

Su

13,076 görüntüleme • 2 ay önce

昨天我花了 30 分钟，做了一件如果放在以前，至少要花几万块的事。我没写代码，也没发问卷，只想回答一个问题： AI 漫剧这个赛道，现在到底还能不能做？真正做过商业研究的人都知道，一场深度访谈、一场焦点小组，再加一份完整的消费者洞察报告，预算动辄几万到几十万元，而且通常要等上几周。如果研究海外市场，价格还得再翻几倍。所以，大多数创业者最后得到的答案都是：感觉还有机会。但感觉，是创业里最贵的东西。于是我把这个问题丢给了 Atypica。它没有像普通 AI 一样直接输出分析，而是先反问我：你准备做什么类型？面向哪些用户？希望验证什么？最担心什么风险？确认完这些问题，它才开始联网查资料、整理竞品、构建研究计划。真正让我觉得有意思的是后面。它生成了一组符合目标用户画像的 AI Persona，模拟真实用户做一对一深访，再把这些观点放进焦点小组里继续讨论。也就是说，我不是在问一个 ChatGPT。而是在采访几十个模拟目标用户。这两个东西完全不是一个概念。 Atypica 官网：注册会送 1M token，足够免费跑一次分析。 atypica.AI

昨天我花了 30 分钟，做了一件如果放在以前，至少要花几万块的事。我没写代码，也没发问卷，只想回答一个问题： AI 漫剧这个赛道，现在到底还能不能做？真正做过商业研究的人都知道，一场深度访谈、一场焦点小组，再加一份完整的消费者洞察报告，预算动辄几万到几十万元，而且通常要等上几周。如果研究海外市场，价格还得再翻几倍。所以，大多数创业者最后得到的答案都是：感觉还有机会。但感觉，是创业里最贵的东西。于是我把这个问题丢给了 Atypica。它没有像普通 AI 一样直接输出分析，而是先反问我：你准备做什么类型？面向哪些用户？希望验证什么？最担心什么风险？确认完这些问题，它才开始联网查资料、整理竞品、构建研究计划。真正让我觉得有意思的是后面。它生成了一组符合目标用户画像的 AI Persona，模拟真实用户做一对一深访，再把这些观点放进焦点小组里继续讨论。也就是说，我不是在问一个 ChatGPT。而是在采访几十个模拟目标用户。这两个东西完全不是一个概念。 Atypica 官网：注册会送 1M token，足够免费跑一次分析。 atypica.AI

泊舟

111,786 görüntüleme • 1 ay önce

你看视频，开头是不是用 AI 做的特效，再看看人家粉丝数和收益，你就知道大多数人用 AI 整天不知道在干吗。有的人把 AI 当赚钱工具有的人把 AI 当新型娱乐工具，还套了一个「我研究 AI 为了不被时代淘汰」的幌子。 1 个一分钟不到的视频，70 万金额（实际会更多，因为这是已结算的数据），我们算 5% 的佣金，35000 元而很多人还在用 AI 去薅什么流量分成计划，什么流量主，这难道不是一个认知和能力的问题吗？

你看视频，开头是不是用 AI 做的特效，再看看人家粉丝数和收益，你就知道大多数人用 AI 整天不知道在干吗。有的人把 AI 当赚钱工具有的人把 AI 当新型娱乐工具，还套了一个「我研究 AI 为了不被时代淘汰」的幌子。 1 个一分钟不到的视频，70 万金额（实际会更多，因为这是已结算的数据），我们算 5% 的佣金，35000 元而很多人还在用 AI 去薅什么流量分成计划，什么流量主，这难道不是一个认知和能力的问题吗？

U哥

11,099 görüntüleme • 1 ay önce

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。👇

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 görüntüleme • 5 ay önce

最近发现了一个好东西，做产品和运营的朋友一定要看看~ 是 atypica.AI 做的商业研究智能体，现在把他们的市场调研能力打包成了 Marketing Skills，可以直接在 OpenClaw/Claude 里调用。说几个戳我的点： 1. 不仅能做常规的市场调研，连产品研发的前测都能做，这很全面了~ 2. 相比一般的 AI 调研工具，它会自己去刷社媒，模拟你的目标消费者，还能做深度访谈挖用户痛点。 3. 最后出来的报告，不仅有客观数据，还有用户洞察、产品需求分析，甚至还有 GTM plan。链接放评论区了，有市场调研、产品创新、用户洞察需求的朋友们都可以试试~

最近发现了一个好东西，做产品和运营的朋友一定要看看~ 是 atypica.AI 做的商业研究智能体，现在把他们的市场调研能力打包成了 Marketing Skills，可以直接在 OpenClaw/Claude 里调用。说几个戳我的点： 1. 不仅能做常规的市场调研，连产品研发的前测都能做，这很全面了~ 2. 相比一般的 AI 调研工具，它会自己去刷社媒，模拟你的目标消费者，还能做深度访谈挖用户痛点。 3. 最后出来的报告，不仅有客观数据，还有用户洞察、产品需求分析，甚至还有 GTM plan。链接放评论区了，有市场调研、产品创新、用户洞察需求的朋友们都可以试试~

木马人

16,126 görüntüleme • 5 ay önce

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

32,630 görüntüleme • 5 ay önce

Claude Code 的创造者 Boris 讲了一个很关键的转变： “我现在不再给 Claude 写 prompts。我写 loops 然后让 loops 去完成工作我的工作，就是写 loops。” 这其实也是很多人用 Claude Code 卡住的地方他们还在把它当聊天工具用：输入一个需求等一次回答然后手动继续改但 Boris 在 30 分钟里展示的是他真实的 daily setup： Claude Code loops dynamic workflow 核心不是让 Claude 一次性给出完美答案而是把任务拆进一个可以反复执行、检查、修正的循环里模型不只是回答你它会在 workflow 里持续推进任务这类内容，可能比很多 $500 的 vibe-coding 课程更有价值因为它讲的不是“怎么写一句更好的 prompt” 而是怎么把 Claude Code 变成一个能持续工作的系统 AI coding 的关键，是 prompt 写得更漂亮，还是你能不能设计出让模型自己推进的 loop？

Claude Code 的创造者 Boris 讲了一个很关键的转变： “我现在不再给 Claude 写 prompts。我写 loops 然后让 loops 去完成工作我的工作，就是写 loops。” 这其实也是很多人用 Claude Code 卡住的地方他们还在把它当聊天工具用：输入一个需求等一次回答然后手动继续改但 Boris 在 30 分钟里展示的是他真实的 daily setup： Claude Code loops dynamic workflow 核心不是让 Claude 一次性给出完美答案而是把任务拆进一个可以反复执行、检查、修正的循环里模型不只是回答你它会在 workflow 里持续推进任务这类内容，可能比很多 $500 的 vibe-coding 课程更有价值因为它讲的不是“怎么写一句更好的 prompt” 而是怎么把 Claude Code 变成一个能持续工作的系统 AI coding 的关键，是 prompt 写得更漂亮，还是你能不能设计出让模型自己推进的 loop？

0x_Miko

188,366 görüntüleme • 3 ay önce

👏扣子3.0 发布了。这版我最期待的两个功能：一是"多人多 Agent 协作"——把不同的 Agent 拉进同一个项目，@ 来 @ 去分工干活；二是能把本地的 Claude Code、Codex 直接接进去托管。我平时主力就用 Claude Code，自己还折腾过几个让多 Agent 协作的小工具： - multi-agent：用 tmux 分屏把 Claude、Codex 拉起来，按顺序调度 - hero-coding：一个 Go 写的小程序，让 Agent 写完代码自动跑测试、再过一遍审查 - roundtable：让几个不同的模型对着同一个问题互相辩论，出一个结论我第一时间就上手了。先接入：本地配好的 Claude Code、Codex 点几下就接进来托管，不用重配；一个项目里我拉三个 Agent —— 本地的 Claude Code、本地的 Codex、Coze Agent。然后我在项目里 @ Claude Code，让它读我本地那个 hero-coding，它确实能读到内容，而且不单单是能读文件。我又让它调我本地的 imgen SKILL（我自己写的文生图工具）生成一张图，再通过我自己的 coze-bridge 把图发回聊天里——图真出来了，一张未来感城市夜景。也就是说，我电脑上的整套工具链、skill 它都能调起来用，云端和本地直接打通。

👏扣子3.0 发布了。这版我最期待的两个功能：一是"多人多 Agent 协作"——把不同的 Agent 拉进同一个项目，@ 来 @ 去分工干活；二是能把本地的 Claude Code、Codex 直接接进去托管。我平时主力就用 Claude Code，自己还折腾过几个让多 Agent 协作的小工具： - multi-agent：用 tmux 分屏把 Claude、Codex 拉起来，按顺序调度 - hero-coding：一个 Go 写的小程序，让 Agent 写完代码自动跑测试、再过一遍审查 - roundtable：让几个不同的模型对着同一个问题互相辩论，出一个结论我第一时间就上手了。先接入：本地配好的 Claude Code、Codex 点几下就接进来托管，不用重配；一个项目里我拉三个 Agent —— 本地的 Claude Code、本地的 Codex、Coze Agent。然后我在项目里 @ Claude Code，让它读我本地那个 hero-coding，它确实能读到内容，而且不单单是能读文件。我又让它调我本地的 imgen SKILL（我自己写的文生图工具）生成一张图，再通过我自己的 coze-bridge 把图发回聊天里——图真出来了，一张未来感城市夜景。也就是说，我电脑上的整套工具链、skill 它都能调起来用，云端和本地直接打通。

劳伦斯

27,511 görüntüleme • 3 ay önce

Claude Fable 5 重新开放了最近刚好有一个demo，就是看能不能用顶级模型做一个meme工厂 “ 就是我输入一个 Meme Coin 创意然后这个工具自动生成品牌 / 叙事 / 经济模型 / 营销方案支持中文全流程输出，可以反复优化迭代 “ 也是想尝试一下，做一个可以验证 Fable 5 长任务能力最终做出了一个能够简单跑的框架（我没有投入任何信息源，没有喂数据所以跑起来效果没有那么屌，不过我觉得后期再投喂一些案例，我觉得确实是可以落地的）说说我为什么用Fable 5 来测？因为这个任务本质不是写代码更像是说去测试AI的长链路规划能力测试它需要： 1/ 语义理解 2/ 叙事能力 3/ 结构能力 4/ 一致性 5/ 自我检查这刚好是 Claude Fable 5 主打的能力整体跑下来我觉得还算是可以的，毕竟我这种不会写代码不会设计的小屌丝，确实在Fable 5 上面使用得其乐融融的哈哈再说说我的TOKEN使用量吧：112.31K（按照官方的收费标准大概是在：$4.2）要是加上文本案例再接入一个AI对话的API框架我觉得应该费用还要再多出个大几十吧（个人猜测，毕竟投喂数据可能会比较烧tokens）总的来说的话我个人还是觉得这笔消费还算挺值得的，因为这本身在传统行业的话可能会是比较高的费用，AI真的弄挺好的说完Claude Fable 5的体验，那我不得不说我是在哪里体验的Claude Fable 5了我这次没有走官方通道，而是走的是我之前给大家分享的中转站 Zenmux ZenMux 因为他这几天又搞活动了，只要你账号的余额＞$0 你就可以免费体验Claude Fable 5 并且 Zenmux支持（不限于）： 200+ 模型统一入口无 RPM 限制 PK 模式可以直接做横评如果大家也想低成本体验一下 Claude Fable 5 我觉得当前使用Zenmux是最好的选择

Claude Fable 5 重新开放了最近刚好有一个demo，就是看能不能用顶级模型做一个meme工厂 “ 就是我输入一个 Meme Coin 创意然后这个工具自动生成品牌 / 叙事 / 经济模型 / 营销方案支持中文全流程输出，可以反复优化迭代 “ 也是想尝试一下，做一个可以验证 Fable 5 长任务能力最终做出了一个能够简单跑的框架（我没有投入任何信息源，没有喂数据所以跑起来效果没有那么屌，不过我觉得后期再投喂一些案例，我觉得确实是可以落地的）说说我为什么用Fable 5 来测？因为这个任务本质不是写代码更像是说去测试AI的长链路规划能力测试它需要： 1/ 语义理解 2/ 叙事能力 3/ 结构能力 4/ 一致性 5/ 自我检查这刚好是 Claude Fable 5 主打的能力整体跑下来我觉得还算是可以的，毕竟我这种不会写代码不会设计的小屌丝，确实在Fable 5 上面使用得其乐融融的哈哈再说说我的TOKEN使用量吧：112.31K（按照官方的收费标准大概是在：$4.2）要是加上文本案例再接入一个AI对话的API框架我觉得应该费用还要再多出个大几十吧（个人猜测，毕竟投喂数据可能会比较烧tokens）总的来说的话我个人还是觉得这笔消费还算挺值得的，因为这本身在传统行业的话可能会是比较高的费用，AI真的弄挺好的说完Claude Fable 5的体验，那我不得不说我是在哪里体验的Claude Fable 5了我这次没有走官方通道，而是走的是我之前给大家分享的中转站 Zenmux ZenMux 因为他这几天又搞活动了，只要你账号的余额＞$0 你就可以免费体验Claude Fable 5 并且 Zenmux支持（不限于）： 200+ 模型统一入口无 RPM 限制 PK 模式可以直接做横评如果大家也想低成本体验一下 Claude Fable 5 我觉得当前使用Zenmux是最好的选择

车九

48,436 görüntüleme • 2 ay önce

兄弟们看我发现了什么！ Codex 目前是公认最好用的交互界面，但是Harness却不尽如人意，那么如何在Codex 中随意切换不同厂家的 Harness 呢？那么这个开源项目 CodexHost 它来了！它可以直接把 Claude Code、DeepSeek Harness、Pi、Grok Build 等等各家顶级的 Harness 全部集成在 Codex 里切换使用而且 Codex 的 Thread、Diff、工具状态、审批、Fork、上下文压缩这些交互都能继续保留。甚至它还支持跨 Agent 协作：让 Codex 写代码 → @ Claude Code 单独 Review → @ Pi 去调查 Bug 每个 Agent 都会创建自己的独立 Thread，不用再开几个终端来回切换了

兄弟们看我发现了什么！ Codex 目前是公认最好用的交互界面，但是Harness却不尽如人意，那么如何在Codex 中随意切换不同厂家的 Harness 呢？那么这个开源项目 CodexHost 它来了！它可以直接把 Claude Code、DeepSeek Harness、Pi、Grok Build 等等各家顶级的 Harness 全部集成在 Codex 里切换使用而且 Codex 的 Thread、Diff、工具状态、审批、Fork、上下文压缩这些交互都能继续保留。甚至它还支持跨 Agent 协作：让 Codex 写代码 → @ Claude Code 单独 Review → @ Pi 去调查 Bug 每个 Agent 都会创建自己的独立 Thread，不用再开几个终端来回切换了

小奇说

81,925 görüntüleme • 5 gün önce

100块的AI，如何帮我接单月赚12万？这次做这个项目给我的感受是国产模型真的能用了！其实我一直都是用最好的模型，Claude 4.5 + Claude Code也一直是我的AI编程主力，但真的被封麻了。每天重新搞Claude的时间都有一两个小时，这次用GLM4.6来平替效果还真可以。虽然它下午高峰期时不时会卡，而且偶尔指令遵循确实比GPT-5差不少，可90%的开发任务都还不错，返工率也可以接受。我现在的最好的实践就是，保留20美金的Cursor用顶级模型，再来个GLM4.6干活，很香！

100块的AI，如何帮我接单月赚12万？这次做这个项目给我的感受是国产模型真的能用了！其实我一直都是用最好的模型，Claude 4.5 + Claude Code也一直是我的AI编程主力，但真的被封麻了。每天重新搞Claude的时间都有一两个小时，这次用GLM4.6来平替效果还真可以。虽然它下午高峰期时不时会卡，而且偶尔指令遵循确实比GPT-5差不少，可90%的开发任务都还不错，返工率也可以接受。我现在的最好的实践就是，保留20美金的Cursor用顶级模型，再来个GLM4.6干活，很香！

Yihui

74,963 görüntüleme • 9 ay önce

普通人做产品最大的短板不是技术，不是流量，是你根本不知道你的用户在想什么大厂有用研团队、有焦点小组、有百万级调研预算在百度做PM的时候，每几天都会有一份定制化的《竞品动态日报》《消费者洞察报告》躺在所有员工的邮箱里字节跳动昨天上线了什么新功能,腾讯哪个部门在招什么岗位,什么赛道的用户在关注什么产品，什么产品的数据又卖爆了当时我就在想：如果我出来单干，我想获得这些信息，不得难死，这笔钱谁给我出？后来真出来了，答案是——根本没人出😂 所以和大部分独立开发者一样，我做产品验证需求的方式是：发朋友圈问问、在推特宣发一下、看看竞品评论区、然后凭直觉赌一把连续创业五年，我见过最多的死法不是产品做不出来是产品做出来了，没人要，花三个月憋 MVP，上线后发现需求是自己臆想的这个痛，做过产品的人都懂做出海的朋友更惨你的目标用户在地球另一边，时差 12 小时，语言不通，文化不同去年帮一个朋友的品牌做北美市场，最头疼的不是投放，是根本不知道美国消费者怎么想，美国人文化和中国差距太大了招一个本地调研公司，报价 8 万美金起步，找几个留学生做访谈，样本太小、还有幸存者偏差，有时候还访谈不明白最后还是靠猜现在这件事有了一个结构性的解法 Atypica atypica.AI 上线了一个新功能叫 AI Panel，一句话解释：它让你拥有了一个属于自己的焦点小组不是 ChatGPT 扮演用户那种玩法是基于 100 万+ 真实用户数据构建的 AI Persona，每个人有完整的背景、性格、认知偏差、消费决策框架关键是——这个焦点小组是可复用的你今天问一次，下个月产品迭代了再问一次同一群人，持续追踪，看他们的态度变化这在传统调研里叫 longitudinal study，成本极高现在你一个人就能做三种方式构建你的 Panel： 1）自动沉淀：用 Atypica 做完一次 Research 后，参与访谈的 AI Persona 自动沉淀成 Panel，下次直接调用 2）手动挑人：从 100 万+ 的 Persona Library 里按关键词搜索，添加组队 3）按需生成：输入需求描述，系统从零帮你构建一个全新的 Panel 组好之后随时打开，输入研究话题支持一对多深度访谈，也支持多对多 Group Discussion 我试了一个真实场景我之前做过一个面向内容创作者的 AI 写作工具，想验证订阅制定价构建了一个Panel：YouTube 创作者、推特创作者、独立播客主直接问：你平时写作的痛点有哪些？流程有哪些 10 分钟，直接就拿到了需求的分类和反馈这种颗粒度，以前要花两周招募 + 一周访谈 + 几万块预算现在 10 分钟，一个人搞定如果你是以下三种人，这个功能对你来说是刚需：做出海产品的创业者——你的用户在地球另一边，以前只能看竞品评论区猜需求，现在直接构建目标市场的用户 Panel，随时追问需要反复迭代验证的产品团队——每次加功能都要做用户测试，Panel 让你不用每次重新招人，同一群用户持续追踪反应变化需要大规模样本的场景——比如你想了解 2000 个家庭的消费偏好，传统手段几乎不可能，Panel 可以我觉得我们普通人做产品和大厂的差距，不应该是有没有用户调研团队而是用什么方式理解用户，大厂用人力堆，我们用 AI 跑以前这是一句空话，因为 ChatGPT 扮演用户的结果你自己都不信现在不一样了——100 万+ 真实数据构建的 Persona，有来源、有背景、有决策框架它不能替代真人调研的最终验证但它能让你在写第一行代码之前，就知道方向对不对调研从一个季度一次的项目，变成了随时可调用的能力这对一个人做产品的人来说，是基础设施级别的变化我推荐每一个想做生意，产品的人都去试一试，这可能就是你和用户面对面沟通的第一步：

普通人做产品最大的短板不是技术，不是流量，是你根本不知道你的用户在想什么大厂有用研团队、有焦点小组、有百万级调研预算在百度做PM的时候，每几天都会有一份定制化的《竞品动态日报》《消费者洞察报告》躺在所有员工的邮箱里字节跳动昨天上线了什么新功能,腾讯哪个部门在招什么岗位,什么赛道的用户在关注什么产品，什么产品的数据又卖爆了当时我就在想：如果我出来单干，我想获得这些信息，不得难死，这笔钱谁给我出？后来真出来了，答案是——根本没人出😂 所以和大部分独立开发者一样，我做产品验证需求的方式是：发朋友圈问问、在推特宣发一下、看看竞品评论区、然后凭直觉赌一把连续创业五年，我见过最多的死法不是产品做不出来是产品做出来了，没人要，花三个月憋 MVP，上线后发现需求是自己臆想的这个痛，做过产品的人都懂做出海的朋友更惨你的目标用户在地球另一边，时差 12 小时，语言不通，文化不同去年帮一个朋友的品牌做北美市场，最头疼的不是投放，是根本不知道美国消费者怎么想，美国人文化和中国差距太大了招一个本地调研公司，报价 8 万美金起步，找几个留学生做访谈，样本太小、还有幸存者偏差，有时候还访谈不明白最后还是靠猜现在这件事有了一个结构性的解法 Atypica atypica.AI 上线了一个新功能叫 AI Panel，一句话解释：它让你拥有了一个属于自己的焦点小组不是 ChatGPT 扮演用户那种玩法是基于 100 万+ 真实用户数据构建的 AI Persona，每个人有完整的背景、性格、认知偏差、消费决策框架关键是——这个焦点小组是可复用的你今天问一次，下个月产品迭代了再问一次同一群人，持续追踪，看他们的态度变化这在传统调研里叫 longitudinal study，成本极高现在你一个人就能做三种方式构建你的 Panel： 1）自动沉淀：用 Atypica 做完一次 Research 后，参与访谈的 AI Persona 自动沉淀成 Panel，下次直接调用 2）手动挑人：从 100 万+ 的 Persona Library 里按关键词搜索，添加组队 3）按需生成：输入需求描述，系统从零帮你构建一个全新的 Panel 组好之后随时打开，输入研究话题支持一对多深度访谈，也支持多对多 Group Discussion 我试了一个真实场景我之前做过一个面向内容创作者的 AI 写作工具，想验证订阅制定价构建了一个Panel：YouTube 创作者、推特创作者、独立播客主直接问：你平时写作的痛点有哪些？流程有哪些 10 分钟，直接就拿到了需求的分类和反馈这种颗粒度，以前要花两周招募 + 一周访谈 + 几万块预算现在 10 分钟，一个人搞定如果你是以下三种人，这个功能对你来说是刚需：做出海产品的创业者——你的用户在地球另一边，以前只能看竞品评论区猜需求，现在直接构建目标市场的用户 Panel，随时追问需要反复迭代验证的产品团队——每次加功能都要做用户测试，Panel 让你不用每次重新招人，同一群用户持续追踪反应变化需要大规模样本的场景——比如你想了解 2000 个家庭的消费偏好，传统手段几乎不可能，Panel 可以我觉得我们普通人做产品和大厂的差距，不应该是有没有用户调研团队而是用什么方式理解用户，大厂用人力堆，我们用 AI 跑以前这是一句空话，因为 ChatGPT 扮演用户的结果你自己都不信现在不一样了——100 万+ 真实数据构建的 Persona，有来源、有背景、有决策框架它不能替代真人调研的最终验证但它能让你在写第一行代码之前，就知道方向对不对调研从一个季度一次的项目，变成了随时可调用的能力这对一个人做产品的人来说，是基础设施级别的变化我推荐每一个想做生意，产品的人都去试一试，这可能就是你和用户面对面沟通的第一步：

超级个体｜柿子

94,325 görüntüleme • 1 ay önce

做数据分析的人应该都懂那种崩溃感： Excel 一开就卡、SQL 跑半天、模型调参像瞎猜、报告一写就是一下午。更别说很多人本职工作也不是“数据科学家”，但又不得不啃一堆 CSV、报表和图表。这两天看到人民大学 RUC Datalab 开源的DeepAnalyze，有点眼前一亮。它不是那种“帮你写点分析文案”的 AI，而是想做一个真正的「AI 数据分析师」：能读 Excel/CSV/JSON/TXT，自己规划步骤、清洗数据、建模、画图、最后给你一份完整报告。甚至还能把推理链（reasoning trace）展示出来，让你看到它是怎么一步步想出来的。我自己最有感觉的点有几个：以前 ChatGPT 更像“写稿子、写代码”的助手，但对数据本身不够“懂”； DeepAnalyze 直接把这一块补上了，做到“从数据到报告”的全流程；对普通人来说，可能第一次有机会把“专业的数据分析能力”当成一个工具来用，而不是一门必须自己啃几年的技能。当然，它现在肯定还不完美，落地也需要折腾环境、准备数据。但这个方向我很看好： AI 帮你做繁琐的统计和建模，人类负责问好问题、选好指标、做最后决策。数据分析不再是少数人的特权，而是变成人人可用的一种“智能能力”。简单说：过去是「你学会数据分析再去用工具」，以后可能是「你先有一个 AI 数据分析师，再慢慢学会怎么问对问题」。

做数据分析的人应该都懂那种崩溃感： Excel 一开就卡、SQL 跑半天、模型调参像瞎猜、报告一写就是一下午。更别说很多人本职工作也不是“数据科学家”，但又不得不啃一堆 CSV、报表和图表。这两天看到人民大学 RUC Datalab 开源的DeepAnalyze，有点眼前一亮。它不是那种“帮你写点分析文案”的 AI，而是想做一个真正的「AI 数据分析师」：能读 Excel/CSV/JSON/TXT，自己规划步骤、清洗数据、建模、画图、最后给你一份完整报告。甚至还能把推理链（reasoning trace）展示出来，让你看到它是怎么一步步想出来的。我自己最有感觉的点有几个：以前 ChatGPT 更像“写稿子、写代码”的助手，但对数据本身不够“懂”； DeepAnalyze 直接把这一块补上了，做到“从数据到报告”的全流程；对普通人来说，可能第一次有机会把“专业的数据分析能力”当成一个工具来用，而不是一门必须自己啃几年的技能。当然，它现在肯定还不完美，落地也需要折腾环境、准备数据。但这个方向我很看好： AI 帮你做繁琐的统计和建模，人类负责问好问题、选好指标、做最后决策。数据分析不再是少数人的特权，而是变成人人可用的一种“智能能力”。简单说：过去是「你学会数据分析再去用工具」，以后可能是「你先有一个 AI 数据分析师，再慢慢学会怎么问对问题」。

sitin

15,309 görüntüleme • 10 ay önce

普通人现在用 AI 写内容、做 PPT、处理表格已经不是什么新鲜事了。但是很多人觉得 AI 在办公领域还有很多的问题。比如，现实工作中很少是从 0 开始的，更多的时候是手里已经有一份写了一半的 Word、一套排好版的 PPT，或者一张已经塞满数据和格式的 Excel。但这时候我并不想让 AI 重新给我生成一份。我可能只想改其中一段话、一个文本框、几列数据，其他已经做好的部分最好别动。正好最近我用 WorkBuddy WorkBuddy 做了几件事，才发现 AI 其实完全可以换一种方式进入 Office。不是把文件扔给 AI，然后等它重新给你交一份。而是我还在原来的文件里正常工作，需要 AI 的时候，直接让它进来帮我把这一小块干掉。

普通人现在用 AI 写内容、做 PPT、处理表格已经不是什么新鲜事了。但是很多人觉得 AI 在办公领域还有很多的问题。比如，现实工作中很少是从 0 开始的，更多的时候是手里已经有一份写了一半的 Word、一套排好版的 PPT，或者一张已经塞满数据和格式的 Excel。但这时候我并不想让 AI 重新给我生成一份。我可能只想改其中一段话、一个文本框、几列数据，其他已经做好的部分最好别动。正好最近我用 WorkBuddy WorkBuddy 做了几件事，才发现 AI 其实完全可以换一种方式进入 Office。不是把文件扔给 AI，然后等它重新给你交一份。而是我还在原来的文件里正常工作，需要 AI 的时候，直接让它进来帮我把这一小块干掉。

木马人

40,517 görüntüleme • 5 gün önce

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

49,192 görüntüleme • 24 gün önce

试了一下 OpenAI 新出的 Codex App，有些亮点跟 Skills 的适配还是有点问题，模型的主要问题就是慢 OpenAI 给 Pro 和 Plus 用户的 Codex 额度在未来两个月内全部翻倍了 👇看一下详细的能力介绍： Skills 可视化管理有一个专门的 Skills 列表界面，预置了一些官方 skills，也可以扫描你已经安装的 skills。注意这里只能扫描 NPX 安装的，本地创建的（比如在 Claude Code 里创建的）扫不出来。还支持 Skills Creator 创建的 skills，可以直接在 APP 里用它去创建新 skills。 ------ 定时任务功能，这个挺实用的。可以让 AI 定期执行某些任务，比如每周给你一个解决问题的报告，定期去解决某个项目的 PR 问题，或者定期 review 代码。对于需要持续维护的项目来说，这个功能还是挺有价值的。 ------ Codex APP 现在支持计划模式了。因为它跟 Codex CLI 共享后端，所以现在 Codex CLI 也同步支持计划模式了。这意味着 AI 会先规划任务步骤，让你确认后再执行。 ------ 用量显示的样式做得挺好的。进度条、余量、使用情况都很清楚，一眼就能看到你还有多少额度。还有 code review 的快捷方式，可以快速调用你的 skills。MCP 的添加也支持。 ====== 实测：用 video-wrapper skill 跑了一遍我测试主要是让它跑了一个我最近做的 skill，可以一键给视频添加视频包装，比如卡片、花字、人物条、章节标题这些。这个 skill 挺复杂的，所以很适合用来测试。 ------ 第一次运行的问题可以工作，但第一次它选了 PIL 这个方案，比较差。核心问题是什么？它跟你没有交互。我的 skill 里边写清楚了：要先问用户要哪套方案，再给出包装方案让用户确认，用户确认了再开始包装。但在 Codex 这里，明显没有交互。它就直接跑，把所有决定都自己做了，跑完就完了。出错了也不管，直接用降级方案。 ------ 修复后的效果我让它修复以后，它倒是能修复。重新跑了一遍，效果也不错。最终生成的视频包装效果还行： ▸ 左下角有人物卡片 ▸ 有花字 ▸ 有各种卡片和章节标题 ▸ 结论卡片也加上了因为我们用前端代码约束了样式，所以它在样式上不会出什么错误。 ------ 体验总结整个过程很不可控： ▸ 速度很慢 - Codex 本身速度就慢 ▸ 交互明显不够 - 你根本不知道进到哪个阶段了，也不知道它的方案是什么 ▸ 只管执行 - AI 一直在执行，不会停下来问你可能是它不太适应 skills 规范，只是简单做了一下适配，没有 Claude Code 跟 skills 的适配那么好。

试了一下 OpenAI 新出的 Codex App，有些亮点跟 Skills 的适配还是有点问题，模型的主要问题就是慢 OpenAI 给 Pro 和 Plus 用户的 Codex 额度在未来两个月内全部翻倍了 👇看一下详细的能力介绍： Skills 可视化管理有一个专门的 Skills 列表界面，预置了一些官方 skills，也可以扫描你已经安装的 skills。注意这里只能扫描 NPX 安装的，本地创建的（比如在 Claude Code 里创建的）扫不出来。还支持 Skills Creator 创建的 skills，可以直接在 APP 里用它去创建新 skills。 ------ 定时任务功能，这个挺实用的。可以让 AI 定期执行某些任务，比如每周给你一个解决问题的报告，定期去解决某个项目的 PR 问题，或者定期 review 代码。对于需要持续维护的项目来说，这个功能还是挺有价值的。 ------ Codex APP 现在支持计划模式了。因为它跟 Codex CLI 共享后端，所以现在 Codex CLI 也同步支持计划模式了。这意味着 AI 会先规划任务步骤，让你确认后再执行。 ------ 用量显示的样式做得挺好的。进度条、余量、使用情况都很清楚，一眼就能看到你还有多少额度。还有 code review 的快捷方式，可以快速调用你的 skills。MCP 的添加也支持。 ====== 实测：用 video-wrapper skill 跑了一遍我测试主要是让它跑了一个我最近做的 skill，可以一键给视频添加视频包装，比如卡片、花字、人物条、章节标题这些。这个 skill 挺复杂的，所以很适合用来测试。 ------ 第一次运行的问题可以工作，但第一次它选了 PIL 这个方案，比较差。核心问题是什么？它跟你没有交互。我的 skill 里边写清楚了：要先问用户要哪套方案，再给出包装方案让用户确认，用户确认了再开始包装。但在 Codex 这里，明显没有交互。它就直接跑，把所有决定都自己做了，跑完就完了。出错了也不管，直接用降级方案。 ------ 修复后的效果我让它修复以后，它倒是能修复。重新跑了一遍，效果也不错。最终生成的视频包装效果还行： ▸ 左下角有人物卡片 ▸ 有花字 ▸ 有各种卡片和章节标题 ▸ 结论卡片也加上了因为我们用前端代码约束了样式，所以它在样式上不会出什么错误。 ------ 体验总结整个过程很不可控： ▸ 速度很慢 - Codex 本身速度就慢 ▸ 交互明显不够 - 你根本不知道进到哪个阶段了，也不知道它的方案是什么 ▸ 只管执行 - AI 一直在执行，不会停下来问你可能是它不太适应 skills 规范，只是简单做了一下适配，没有 Claude Code 跟 skills 的适配那么好。

歸藏(guizang.ai)

30,595 görüntüleme • 7 ay önce

🚨 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 • 内容是否容易被 AI 引用（citability score） • Schema / structured data 是否完整 • 品牌在 Reddit / Wikipedia / YouTube 的权威度 • 给出 GEO 优化建议 • 甚至直接生成 PDF 报告核心思路其实是一个新概念： GEO（Generative Engine Optimization）也就是：优化内容，让 AI 在回答问题时引用你的网站，而不是只在 Google 排名。这件事会越来越重要，因为： AI搜索正在替代传统搜索用户越来越直接问 ChatGPT “被 AI 引用” = 新时代的流量入口所以未来 SEO 可能会变成： Google SEO → AI Citation SEO 如果你在做： SaaS API 开发者工具内容网站建议研究一下这个方向。⬇️

🚨 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 • 内容是否容易被 AI 引用（citability score） • Schema / structured data 是否完整 • 品牌在 Reddit / Wikipedia / YouTube 的权威度 • 给出 GEO 优化建议 • 甚至直接生成 PDF 报告核心思路其实是一个新概念： GEO（Generative Engine Optimization）也就是：优化内容，让 AI 在回答问题时引用你的网站，而不是只在 Google 排名。这件事会越来越重要，因为： AI搜索正在替代传统搜索用户越来越直接问 ChatGPT “被 AI 引用” = 新时代的流量入口所以未来 SEO 可能会变成： Google SEO → AI Citation SEO 如果你在做： SaaS API 开发者工具内容网站建议研究一下这个方向。⬇️

axiaisacat

60,141 görüntüleme • 5 ay önce

Vibe Coding 让每个人都有做软件的能力，我见过很多人做了几十个产品，纯特么自嗨，没有一毛钱盈利。现在 AI 一晚上能做一个产品，代码成本趋近于零，成本低到大家觉得不需要验证，做完了自然有人用。但事实上大家都在做“玩具”，因为 Vibe Coding 解决的是 how，但 what 和 why 被跳过了。我最近一个多月一直在用 atypica.AI ，就是在写代码之前，先把想法丢进去跑一轮用户验证。它会有一套完整的研究链路：先帮你拆研究计划，然后从百万级真实用户数据构建的 AI 人设库里挑人，组成一个焦点小组（AI Panel），让这些虚拟用户讨论你的产品、互相辩论、给出反对意见。并且，这个焦点小组可以反复用，每次你有新想法、新定价、新包装、新广告语，都可以拉同一批人再聊一轮。我刚用它测过的场景：上周我想做一个给老板用的 AI 助手，它帮我组了 12 个不同行业的老板人设（persona）并沉淀成我可以反复调用的Panel 。 30 分钟跑完，从报告中发现3件我完全没想到的事： 1. 当AI变得太懂老板反而会引发不安全感（尤其是很懂账目和客户关系时，会觉得被盯着）； 2. 最抗拒 AI 的老板也不是完全不用 AI ，只是不想换工作方式（能继续发微信、拍照、说语音，后台自动整理）； 3. 他们愿意为 AI 付钱不是因为功能多，而是因为它能帮自己少亏一次钱（少一次压货、客户流失或管理损耗，比“智能助手”这个概念更能打动人）。根据这些发现我当场调整了方向，然后用panel里的同一批人再验证了一轮。两轮下来，避开了至少三个致命错误。 Vibe Coding 把做产品的门槛降到了零，但做对产品的门槛一点没变，如果你想要靠产品盈利，最好还是先想清楚：你在解决真实需求，还是在解决自己幻想的问题。

Vibe Coding 让每个人都有做软件的能力，我见过很多人做了几十个产品，纯特么自嗨，没有一毛钱盈利。现在 AI 一晚上能做一个产品，代码成本趋近于零，成本低到大家觉得不需要验证，做完了自然有人用。但事实上大家都在做“玩具”，因为 Vibe Coding 解决的是 how，但 what 和 why 被跳过了。我最近一个多月一直在用 atypica.AI ，就是在写代码之前，先把想法丢进去跑一轮用户验证。它会有一套完整的研究链路：先帮你拆研究计划，然后从百万级真实用户数据构建的 AI 人设库里挑人，组成一个焦点小组（AI Panel），让这些虚拟用户讨论你的产品、互相辩论、给出反对意见。并且，这个焦点小组可以反复用，每次你有新想法、新定价、新包装、新广告语，都可以拉同一批人再聊一轮。我刚用它测过的场景：上周我想做一个给老板用的 AI 助手，它帮我组了 12 个不同行业的老板人设（persona）并沉淀成我可以反复调用的Panel 。 30 分钟跑完，从报告中发现3件我完全没想到的事： 1. 当AI变得太懂老板反而会引发不安全感（尤其是很懂账目和客户关系时，会觉得被盯着）； 2. 最抗拒 AI 的老板也不是完全不用 AI ，只是不想换工作方式（能继续发微信、拍照、说语音，后台自动整理）； 3. 他们愿意为 AI 付钱不是因为功能多，而是因为它能帮自己少亏一次钱（少一次压货、客户流失或管理损耗，比“智能助手”这个概念更能打动人）。根据这些发现我当场调整了方向，然后用panel里的同一批人再验证了一轮。两轮下来，避开了至少三个致命错误。 Vibe Coding 把做产品的门槛降到了零，但做对产品的门槛一点没变，如果你想要靠产品盈利，最好还是先想清楚：你在解决真实需求，还是在解决自己幻想的问题。

余温

27,280 görüntüleme • 2 ay önce