Loading video...

Video Failed to Load

Go Home

熟悉我的朋友都知道，我一直在做coding场景的模型 API 中转站。 已经做了四五个月了，目前也已经有了一批用户。 我已经停滞增长了挺长时间了，所以我在想是不是我没有做市场调研？这个和几个月前市场是不是已经有了翻天覆地的变化？ 下一阶段，我到底应该继续卷价格、增加模型，还是换一批更值得服务的用户？ 这个问题听起来像行业调研，实际上离赚钱非常近。 因为中转站每多做一个功能、增加一条线路，背后都是成本。如果目标用户一开始就选错了，做得越快，可能亏得越快。 所以这次我做了一个对照实验。 我把完全相同的一段 Prompt，分别交给了 Codex 和 Atypica： 现在的模型中转站主要有哪些用户？ 谁的需求最强、付费意愿最高？ 用户除了价格还在意什么？ 如果不卷低价，还能做什么差异化？ 未来三个月应该怎么做产品和增长？ Atypica 的官网在： ，感兴趣的朋友可以去尝试一下，注册无门槛送1M的token，足够你白嫖一次免费的分析。 两边最后都生成了一份完整报告。 但真正把两份报告放在一起之后，我发现它们最大的区别，并不是谁写得更长。 而是： Codex 告诉我应该验证什么，Atypica 则把“用户为什么会买”继续往下挖了一层。

bozhou_ai's profile picture

泊舟

28,813 subscribers

67,070 views • 4 days ago •via X (Twitter)

Science & TechnologyEducationHealth & Wellness
LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

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
1:59

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 views • 26 days ago

上周 WAIC，我一个在 4A 做调研的朋友给我发消息 “完了，央视新闻直播间都在报道 AI 调研了，我们这行要完了” 我说你慌啥，先看看人家到底做了啥 央视那段报道的是我之前安利过很多次的atypica （之前安利的时候一堆小黑子在评论区喷我，这下啪啪打脸了） 这次重点讲了他们怎么构建 AI Persona 不是让大模型扮演用户那种玩法 是基于一个叫主观世界模型的架构，四层数据协同训练出来的——社交语料学语言风格、真实深访学行为动机、心理学量表校正偏差、经济学实验标定决策倾向 Atypica atypica.AI 就是基于这个模型构建的 说实话之前用的时候就觉得比 GPT 扮演用户靠谱，但没想过底层差别这么大 看完报道我就想做个测试 正好有个朋友在做出海产品，面向北美市场的轻量级个人效率工具，想搞清楚定价策略——订阅制、买断制、还是混合模式，哪种更容易让目标用户掏钱 我把同一个选题，分别丢给了 Atypica 和 GPT GPT 那边我用的是最标准的做法，给它详细的 prompt，让它做一份完整的定价策略分析——竞品调研、用户分群、定价建议全都要 Atypica 那边我直接输入同样的研究问题，它自动匹配目标用户 Persona，组了一个 Panel 做深度访谈，还跑了一轮受众盲测验证 结果差距大到我截图发给朋友的时候他以为我在开玩笑 （哈哈哈哈笑死我了… GPT 给的回答： 一份很标准的市场分析报告——竞品价格整理得很清楚，Todoist $7/月、TickTick $3.99/月、Things $49.99 买断、Motion $19-34/月，全都列出来了 结论也中规中矩：建议先用 Free + $39.99/年低价订阅切入，配一个限量 Lifetime $79-99 做早期现金流 听起来没毛病对吧？ 但你仔细想，这些结论你自己花半天做竞品调研也能得出来。它给的是行业共识，不是针对你这个产品、你这群用户的定制化洞察 整份报告里没有一个具体的用户声音，没有人告诉你“我为什么愿意付”或“我为什么犹豫” Atypica 给的回答： 6 个 AI Persona 做了深度访谈，每个人有名字、有职业、有完整的决策逻辑 一个资深开发者说：我拒绝为本该在本地运行的工具支付数字租金，这对我来说就是随时可能断供的负债——他要的是 $49 纯买断 一个 UI 设计师说：$4.99/月这个价格不是在交租，是在为我的心理安宁支付订阅费——但她同时说，价格定太低反而让她不信任这个产品 一个初创 SaaS CEO 说：一次性购入基建，按需支付算力，这才是初创公司该有的现金流管理 6 个人里 5 个选了混合模式，0 个人首选纯订阅——但最关键的是，选同一个模式的理由完全不同 知识工作者接受 AI 订阅是因为它代表工具在持续进化，相当于买了一份生命力保险 团队创始人接受混合模式是因为它契合“基建一次性购入+算力弹性伸缩”的成本管理心智 同一个价格，需要对两类用户讲两个完全不同的故事——这个洞察 GPT 的报告里根本没有 最后 Atypica 的报告里还有一个让我意外的发现：受众盲测显示，如果你把买断价定在 $29，用户不会觉得实惠，反而会质疑“这公司有没有能力长期维护这个产品”——价格太低本身就是一个负面信号 它建议的策略是： $49 买断基础功能 + $9.99/月 AI 订阅作为可选增强层，用“永久拥有核心工具+按需付费 AI 算力”的组合降低信任门槛 这个结论我朋友拿去和他在北美的几个真实用户验证了，反馈高度一致——尤其是“价格太低反而不信任”这个点，好几个人都提到了 整个测试我花了不到 20 分钟 GPT 给你的是“你自己也能查到的行业共识”，Atypica 给你的是“你绝对想不到的用户真实决策逻辑” 这两个东西的价值差了十倍不止，甚至都不是同一个物种，我认为不能混为一谈 如果你也在做产品、做出海、做任何需要理解用户的事，去跑一次就知道区别了：
3:15

上周 WAIC，我一个在 4A 做调研的朋友给我发消息 “完了，央视新闻直播间都在报道 AI 调研了，我们这行要完了” 我说你慌啥，先看看人家到底做了啥 央视那段报道的是我之前安利过很多次的atypica （之前安利的时候一堆小黑子在评论区喷我，这下啪啪打脸了） 这次重点讲了他们怎么构建 AI Persona 不是让大模型扮演用户那种玩法 是基于一个叫主观世界模型的架构，四层数据协同训练出来的——社交语料学语言风格、真实深访学行为动机、心理学量表校正偏差、经济学实验标定决策倾向 Atypica atypica.AI 就是基于这个模型构建的 说实话之前用的时候就觉得比 GPT 扮演用户靠谱，但没想过底层差别这么大 看完报道我就想做个测试 正好有个朋友在做出海产品，面向北美市场的轻量级个人效率工具，想搞清楚定价策略——订阅制、买断制、还是混合模式，哪种更容易让目标用户掏钱 我把同一个选题，分别丢给了 Atypica 和 GPT GPT 那边我用的是最标准的做法，给它详细的 prompt，让它做一份完整的定价策略分析——竞品调研、用户分群、定价建议全都要 Atypica 那边我直接输入同样的研究问题，它自动匹配目标用户 Persona，组了一个 Panel 做深度访谈，还跑了一轮受众盲测验证 结果差距大到我截图发给朋友的时候他以为我在开玩笑 （哈哈哈哈笑死我了… GPT 给的回答： 一份很标准的市场分析报告——竞品价格整理得很清楚，Todoist $7/月、TickTick $3.99/月、Things $49.99 买断、Motion $19-34/月，全都列出来了 结论也中规中矩：建议先用 Free + $39.99/年低价订阅切入，配一个限量 Lifetime $79-99 做早期现金流 听起来没毛病对吧？ 但你仔细想，这些结论你自己花半天做竞品调研也能得出来。它给的是行业共识，不是针对你这个产品、你这群用户的定制化洞察 整份报告里没有一个具体的用户声音，没有人告诉你“我为什么愿意付”或“我为什么犹豫” Atypica 给的回答： 6 个 AI Persona 做了深度访谈，每个人有名字、有职业、有完整的决策逻辑 一个资深开发者说：我拒绝为本该在本地运行的工具支付数字租金，这对我来说就是随时可能断供的负债——他要的是 $49 纯买断 一个 UI 设计师说：$4.99/月这个价格不是在交租，是在为我的心理安宁支付订阅费——但她同时说，价格定太低反而让她不信任这个产品 一个初创 SaaS CEO 说：一次性购入基建，按需支付算力，这才是初创公司该有的现金流管理 6 个人里 5 个选了混合模式，0 个人首选纯订阅——但最关键的是，选同一个模式的理由完全不同 知识工作者接受 AI 订阅是因为它代表工具在持续进化，相当于买了一份生命力保险 团队创始人接受混合模式是因为它契合“基建一次性购入+算力弹性伸缩”的成本管理心智 同一个价格，需要对两类用户讲两个完全不同的故事——这个洞察 GPT 的报告里根本没有 最后 Atypica 的报告里还有一个让我意外的发现：受众盲测显示，如果你把买断价定在 $29，用户不会觉得实惠，反而会质疑“这公司有没有能力长期维护这个产品”——价格太低本身就是一个负面信号 它建议的策略是： $49 买断基础功能 + $9.99/月 AI 订阅作为可选增强层，用“永久拥有核心工具+按需付费 AI 算力”的组合降低信任门槛 这个结论我朋友拿去和他在北美的几个真实用户验证了，反馈高度一致——尤其是“价格太低反而不信任”这个点，好几个人都提到了 整个测试我花了不到 20 分钟 GPT 给你的是“你自己也能查到的行业共识”，Atypica 给你的是“你绝对想不到的用户真实决策逻辑” 这两个东西的价值差了十倍不止，甚至都不是同一个物种，我认为不能混为一谈 如果你也在做产品、做出海、做任何需要理解用户的事，去跑一次就知道区别了：

超级个体｜柿子

16,081 views • 12 days ago

Claude Opus 4.8 出了之后，我的第一反应是：想试。 第二反应是：算了，token 这东西真的不经烧。 结果看到 ZenMux 现在可以体验 Opus 4.8，就拿它试了一个我最近一直想做的小东西。 我自己有个很真实的问题： 脑子里经常冒出各种产品想法。 但每次真要开始做，就会卡住。 用户是谁？ 第一版到底做什么？ 哪些功能应该先砍掉？ 怎么定价？ 第一周从哪一步开始？ 上线后怎么找第一批用户？ 想法很多，执行很散。 所以我让 Claude Opus 4.8 做了一个「一人公司作战室」。 需求我写得也挺直接： 输入一句产品 idea。 自动拆出产品定位、MVP、开发任务、定价方案。 再生成落地页文案、冷启动实验、风险清单和本周计划。 最好不是一个静态页面，而是真的能点、能改、能导出。 然后我就把这段话丢给 Claude Opus 4.8。 出来的效果比我预期好不少。 它真的把“一人公司怎么从想法走到执行”这件事拆开了。 左边输入产品想法。 中间生成产品蓝图、MVP 范围、定价和官网文案。 右边是任务看板和本周计划。 底部还有冷启动实验、风险雷达和 Markdown 导出。 最让我觉得有意思的是，它不是一味堆功能。 比如我输入“给小红书博主做 AI 选题助手”，它会主动判断： 第一版必须做什么。 哪些功能看起来高级，但现在应该先别碰。 怎么找第一批真实用户。 哪些风险可能让这个项目做不下去。 这点就很能体现 Opus 4.8 的能力。 普通模型经常是：你要什么，我全给你加上。 最后页面很热闹，但产品判断是空的。 Opus 4.8 更像是在帮你收敛：先想清楚用户、场景和第一步，再把它变成可以执行的工作台。 我是在 ZenMux 上试的。 它比较方便的一点是，一个 Key 就能切不同模型，新模型上线也很快。 Opus 4.8 拿来做这种带产品判断、交互状态和复杂信息结构的网页，确实挺顺。 想试 Claude Opus 4.8 的，可以从这里进：
0:43

Claude Opus 4.8 出了之后，我的第一反应是：想试。 第二反应是：算了，token 这东西真的不经烧。 结果看到 ZenMux 现在可以体验 Opus 4.8，就拿它试了一个我最近一直想做的小东西。 我自己有个很真实的问题： 脑子里经常冒出各种产品想法。 但每次真要开始做，就会卡住。 用户是谁？ 第一版到底做什么？ 哪些功能应该先砍掉？ 怎么定价？ 第一周从哪一步开始？ 上线后怎么找第一批用户？ 想法很多，执行很散。 所以我让 Claude Opus 4.8 做了一个「一人公司作战室」。 需求我写得也挺直接： 输入一句产品 idea。 自动拆出产品定位、MVP、开发任务、定价方案。 再生成落地页文案、冷启动实验、风险清单和本周计划。 最好不是一个静态页面，而是真的能点、能改、能导出。 然后我就把这段话丢给 Claude Opus 4.8。 出来的效果比我预期好不少。 它真的把“一人公司怎么从想法走到执行”这件事拆开了。 左边输入产品想法。 中间生成产品蓝图、MVP 范围、定价和官网文案。 右边是任务看板和本周计划。 底部还有冷启动实验、风险雷达和 Markdown 导出。 最让我觉得有意思的是，它不是一味堆功能。 比如我输入“给小红书博主做 AI 选题助手”，它会主动判断： 第一版必须做什么。 哪些功能看起来高级，但现在应该先别碰。 怎么找第一批真实用户。 哪些风险可能让这个项目做不下去。 这点就很能体现 Opus 4.8 的能力。 普通模型经常是：你要什么，我全给你加上。 最后页面很热闹，但产品判断是空的。 Opus 4.8 更像是在帮你收敛：先想清楚用户、场景和第一步，再把它变成可以执行的工作台。 我是在 ZenMux 上试的。 它比较方便的一点是，一个 Key 就能切不同模型，新模型上线也很快。 Opus 4.8 拿来做这种带产品判断、交互状态和复杂信息结构的网页，确实挺顺。 想试 Claude Opus 4.8 的，可以从这里进：

Joruno

15,983 views • 2 months ago

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：
2:26

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 views • 1 month ago

我花了 10分钟 + 30元Token做的大富翁Demo，被我以299的价格在小红书卖掉了🎉🎉🎉 我一个对Marketing完全不懂的人，全靠Atypica给我的策略 整个过程SOP免费分享给大家，希望能帮到你👇 起因是我做了一个大富翁Demo发小红书，真有老师来问能不能买去给学生上课用。 但我完全不知道该怎么卖。 我第一反应是：9块9？或者干免费送？ 然后我把这个问题丢给Atypica。 它没直接给价格，而是先问了我一堆问题——老师的诉求是什么，我现在能交付什么，短期想成交还是长期想验证方向。 然后它去搜了小红书、抖音、TikTok、Ins，模拟老师和教育内容创作者的视角，讨论这个Demo到底值多少钱。 结论和我预想的完全不一样——不是9块9，而是建议我定价199-299，分基础版和课件配套版。还告诉我客户觉得贵时怎么回应，Demo需要补哪些交付物。 我按它的方案补了使用说明和课件搭配，定了299，老师爽快成交。 说实话，我之前只是觉得"有人问了，是不是可以卖"——典型的自嗨。 但Atypica帮我把一个模糊的直觉，拆成了：谁会买、为什么买、愿意为为什么付费、这值不值得继续投入。 这类AI research工具真正有价值的，不是替你拍脑袋做决定，而是帮你在花钱花时间之前，先把自嗨的方向排掉。 感兴趣的可以去试试： 注册送1M Token，完全够用~ 详细报告链接放评论区，需要的自取~
2:38

我花了 10分钟 + 30元Token做的大富翁Demo，被我以299的价格在小红书卖掉了🎉🎉🎉 我一个对Marketing完全不懂的人，全靠Atypica给我的策略 整个过程SOP免费分享给大家，希望能帮到你👇 起因是我做了一个大富翁Demo发小红书，真有老师来问能不能买去给学生上课用。 但我完全不知道该怎么卖。 我第一反应是：9块9？或者干免费送？ 然后我把这个问题丢给Atypica。 它没直接给价格，而是先问了我一堆问题——老师的诉求是什么，我现在能交付什么，短期想成交还是长期想验证方向。 然后它去搜了小红书、抖音、TikTok、Ins，模拟老师和教育内容创作者的视角，讨论这个Demo到底值多少钱。 结论和我预想的完全不一样——不是9块9，而是建议我定价199-299，分基础版和课件配套版。还告诉我客户觉得贵时怎么回应，Demo需要补哪些交付物。 我按它的方案补了使用说明和课件搭配，定了299，老师爽快成交。 说实话，我之前只是觉得"有人问了，是不是可以卖"——典型的自嗨。 但Atypica帮我把一个模糊的直觉，拆成了：谁会买、为什么买、愿意为为什么付费、这值不值得继续投入。 这类AI research工具真正有价值的，不是替你拍脑袋做决定，而是帮你在花钱花时间之前，先把自嗨的方向排掉。 感兴趣的可以去试试： 注册送1M Token，完全够用~ 详细报告链接放评论区，需要的自取~

木马人

62,956 views • 1 month ago

花了三天时间，build了我们第一个X402的产品 「X Spaces Transcription Agent」 你现在可以访问 使用它。 对我们来说，x402 不是一个“又一个支付方案”，而有可能成为未来互联网里最简单、最通用的支付协议。 但当我开始深入研究时，我发现一个很现实的问题： 今天的 x402scan 上，大部分服务其实并没有真实价值。很多调用量只是刷出来的——因为 facilitator 会代付 gas，所以你完全可以靠刷量堆数字。 （如果你感兴趣，我之后可以详细讲讲现在的刷量模式和一些典型行为。） 既然协议本身已经这么干净，那么真正缺的不是“更多 endpoint”，而是——有没有人愿意真正付费使用的 x402 服务？ 所以我们换了一个思路： 别再追调用量了，从我们自己的真实需求出发，去做一个我们自己会持续付费使用的 x402 agent。 于是，我们构建了一个有明确使用价值的 x402 Server： 👉 只需用 x402 支付 1 USDC 你就可以转录任意一场 Twitter Space。 完整音频 → Whisper → LLM 多段格式化 转录完成后，这个 Space 的全文对所有人永久开放 所有人可以继续用 0.1 USDC/次 的方式使用 Chat agent 做 summary、key points、projects、translate 等二次分析 我们已经用它转录了不少 daydreams 和 x402 meta 相关的空间，如果你感兴趣可以点进去看。 为什么先做这个？ 因为如果 x402 真要成为“互联网的通用支付层”，那就必须要出现一批真正愿意付费的服务： 不是刷量，不是 demo，而是你愿意掏 1 USDC、可以给你带来价值的数据资产。 而 Twitter Space 转录对我们来说就是一个非常明确的需求： 太多高质量讨论沉在音频里，不可搜索、不可引用、不可分析。 但当转录成为一个“用 1 USDC 买下的公共数据资产”之后，整个生态的 Agent 都可以在这上面做二次增值。 这个 Space Agent 只是我们构建的一批 x402 实用服务的第一个。 最后不要在熊市躺平，而是在熊市面向未来build, 而这个未来就是 X402 + ERC8004. 如果你对 x402、Web3、AI 的结合感兴趣，也可以完整的看看我们的技术文章：
0:40

花了三天时间，build了我们第一个X402的产品 「X Spaces Transcription Agent」 你现在可以访问 使用它。 对我们来说，x402 不是一个“又一个支付方案”，而有可能成为未来互联网里最简单、最通用的支付协议。 但当我开始深入研究时，我发现一个很现实的问题： 今天的 x402scan 上，大部分服务其实并没有真实价值。很多调用量只是刷出来的——因为 facilitator 会代付 gas，所以你完全可以靠刷量堆数字。 （如果你感兴趣，我之后可以详细讲讲现在的刷量模式和一些典型行为。） 既然协议本身已经这么干净，那么真正缺的不是“更多 endpoint”，而是——有没有人愿意真正付费使用的 x402 服务？ 所以我们换了一个思路： 别再追调用量了，从我们自己的真实需求出发，去做一个我们自己会持续付费使用的 x402 agent。 于是，我们构建了一个有明确使用价值的 x402 Server： 👉 只需用 x402 支付 1 USDC 你就可以转录任意一场 Twitter Space。 完整音频 → Whisper → LLM 多段格式化 转录完成后，这个 Space 的全文对所有人永久开放 所有人可以继续用 0.1 USDC/次 的方式使用 Chat agent 做 summary、key points、projects、translate 等二次分析 我们已经用它转录了不少 daydreams 和 x402 meta 相关的空间，如果你感兴趣可以点进去看。 为什么先做这个？ 因为如果 x402 真要成为“互联网的通用支付层”，那就必须要出现一批真正愿意付费的服务： 不是刷量，不是 demo，而是你愿意掏 1 USDC、可以给你带来价值的数据资产。 而 Twitter Space 转录对我们来说就是一个非常明确的需求： 太多高质量讨论沉在音频里，不可搜索、不可引用、不可分析。 但当转录成为一个“用 1 USDC 买下的公共数据资产”之后，整个生态的 Agent 都可以在这上面做二次增值。 这个 Space Agent 只是我们构建的一批 x402 实用服务的第一个。 最后不要在熊市躺平，而是在熊市面向未来build, 而这个未来就是 X402 + ERC8004. 如果你对 x402、Web3、AI 的结合感兴趣，也可以完整的看看我们的技术文章：

0xhhh

14,695 views • 8 months ago

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。
1:27

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 views • 1 month ago

笑死我了哈哈哈 上个月一个做跨境的朋友找我吐槽，说他花了两个多月做了一个 AI 日报工具，想卖给跨境电商卖家，定价 99 一个月！ 上线那天发了朋友圈、发了推特、投了三个社群，他推特也有 1w 粉 结果一周下来，付费用户：0 后来他去真正问了几个做跨境的朋友，人家说：兄弟，我们根本不缺信息，我们缺的是选品方向，两个月白干了 听完我就说：你早该来找我，我反手直接打开 Atypica 的 AI Panel，帮他做了个测试 我帮他搞了一个「跨境电商卖家」Panel，个人，覆盖不同品类、不同规模、不同平台 然后直接问：你日常最头疼的环节是什么？如果有一个 AI 日报工具每天推送行业信息，你愿意付费吗？ 10 分钟，结果出来了 5个人的回答几乎一致：信息不缺，每天已经被各种群和公众号轰炸了，真正需要的是有人帮我筛品、判断趋势 如果他两个月前花 10 分钟做这个测试，就不会白干了 方向从一开始就是错的，但他不知道，因为他从来没问过真正的目标用户
0:39

笑死我了哈哈哈 上个月一个做跨境的朋友找我吐槽，说他花了两个多月做了一个 AI 日报工具，想卖给跨境电商卖家，定价 99 一个月！ 上线那天发了朋友圈、发了推特、投了三个社群，他推特也有 1w 粉 结果一周下来，付费用户：0 后来他去真正问了几个做跨境的朋友，人家说：兄弟，我们根本不缺信息，我们缺的是选品方向，两个月白干了 听完我就说：你早该来找我，我反手直接打开 Atypica 的 AI Panel，帮他做了个测试 我帮他搞了一个「跨境电商卖家」Panel，个人，覆盖不同品类、不同规模、不同平台 然后直接问：你日常最头疼的环节是什么？如果有一个 AI 日报工具每天推送行业信息，你愿意付费吗？ 10 分钟，结果出来了 5个人的回答几乎一致：信息不缺，每天已经被各种群和公众号轰炸了，真正需要的是有人帮我筛品、判断趋势 如果他两个月前花 10 分钟做这个测试，就不会白干了 方向从一开始就是错的，但他不知道，因为他从来没问过真正的目标用户

超级个体｜柿子

78,747 views • 26 days ago

我花了将近4个小时，想魔改一下豆包的语音识别，平替一下Typeless。 但最后还是失败了。 我反思了一下整个流程， 我写了十几个脚本，剪贴板监控从 1.2 秒抠到 0.05 秒（还顺手做了窗口检测）。 说实话，最后发现一件更扎心的事：这条链路在 Windows 上根本不存在。 我在一条不存在的路上，优化了四个小时。 ———————————— 不过我想真正该复盘的不是“怎么做更快”，而是“为什么要做”。 其实本身豆包的语音识别已经做的很好了，我基本上可以接受，我为了节省最后一步: 每次识别完需要话大概2秒钟，手动Enter粘贴到对话框中，我花费了整整四个多小时的时间..... 那我为什么还要硬上一个对标版本？ 事后回想想：这次真是手里拿着 AI 的锤子，看啥都像钉子。 也许，在AI时代，选择不做什么，比直接一股脑的去做什么，更重要了。 当你做了四个小时还在死磕，最该做的是停下，而不是继续证明自己能搞定。 最后，再推荐一下 豆包的语音识别功能，基本上是能够平替Typeless 的，关键是：完全免费。 下面是简单的演示视频：
0:41

我花了将近4个小时，想魔改一下豆包的语音识别，平替一下Typeless。 但最后还是失败了。 我反思了一下整个流程， 我写了十几个脚本，剪贴板监控从 1.2 秒抠到 0.05 秒（还顺手做了窗口检测）。 说实话，最后发现一件更扎心的事：这条链路在 Windows 上根本不存在。 我在一条不存在的路上，优化了四个小时。 ———————————— 不过我想真正该复盘的不是“怎么做更快”，而是“为什么要做”。 其实本身豆包的语音识别已经做的很好了，我基本上可以接受，我为了节省最后一步: 每次识别完需要话大概2秒钟，手动Enter粘贴到对话框中，我花费了整整四个多小时的时间..... 那我为什么还要硬上一个对标版本？ 事后回想想：这次真是手里拿着 AI 的锤子，看啥都像钉子。 也许，在AI时代，选择不做什么，比直接一股脑的去做什么，更重要了。 当你做了四个小时还在死磕，最该做的是停下，而不是继续证明自己能搞定。 最后，再推荐一下 豆包的语音识别功能，基本上是能够平替Typeless 的，关键是：完全免费。 下面是简单的演示视频：

我真的没有拼多多

12,127 views • 6 months ago

我回答你下这个问题，这个问题我也给我身边的好朋友多次解答了，详细的你可以看我发的这段语音，在这个市场上必须要找到自己合适的思路，如果找不到合适的思路又想做多，又想做空你最后赚不到一点钱，我的确可以多空双吃，我甚至可以精准的预判到跌到哪里会反弹，我回去抄底开多单，但是我是个空头，我多单拿不住，我大多数的钱都是做空赚的， 我必须在这个市场上一直维持我的空头思维，所以我就算知道要大涨也拿不住，但是如果真的大跌了我可以拿得住，还敢加重仓，这样就会导致我在极端暴跌行情赚大钱，甚至精准的在底部抄底，但是空头思维，我就算做多了，还是会找机会做空，我对我自己已经很满意了，在这个市场上能赚钱就已经知足了，所以我是不会改变我的思维模式，如果我一旦改变我的思维模式，我怕以后我赚不到钱
2:11

我回答你下这个问题，这个问题我也给我身边的好朋友多次解答了，详细的你可以看我发的这段语音，在这个市场上必须要找到自己合适的思路，如果找不到合适的思路又想做多，又想做空你最后赚不到一点钱，我的确可以多空双吃，我甚至可以精准的预判到跌到哪里会反弹，我回去抄底开多单，但是我是个空头，我多单拿不住，我大多数的钱都是做空赚的， 我必须在这个市场上一直维持我的空头思维，所以我就算知道要大涨也拿不住，但是如果真的大跌了我可以拿得住，还敢加重仓，这样就会导致我在极端暴跌行情赚大钱，甚至精准的在底部抄底，但是空头思维，我就算做多了，还是会找机会做空，我对我自己已经很满意了，在这个市场上能赚钱就已经知足了，所以我是不会改变我的思维模式，如果我一旦改变我的思维模式，我怕以后我赚不到钱

凉兮大元帅（白虎已上环已结扎）

265,196 views • 1 year ago

无意中去Aave的捐款地址看了一下，出乎我意料的是，真的有大量散户，甚至 mini 户在给 Aave 发起的这个 DefiUnited捐钱。 看到几块，十几块的转账陆陆续续进入账户，我觉得这个行业还是有一些原来的极客精神在保留的，甚至可以算是人性光辉了。 目前账户已经有了1.61亿，不少了。 我捐了 0.1eth，小小尽一点力，也算是亲身再一次经历了行业危机时刻。钱不多，估计也起不了什么作用，但至少我觉得 Crypto 还并不完全是个粪坑，试着让它更好吧。 传送门：
0:40

无意中去Aave的捐款地址看了一下，出乎我意料的是，真的有大量散户，甚至 mini 户在给 Aave 发起的这个 DefiUnited捐钱。 看到几块，十几块的转账陆陆续续进入账户，我觉得这个行业还是有一些原来的极客精神在保留的，甚至可以算是人性光辉了。 目前账户已经有了1.61亿，不少了。 我捐了 0.1eth，小小尽一点力，也算是亲身再一次经历了行业危机时刻。钱不多，估计也起不了什么作用，但至少我觉得 Crypto 还并不完全是个粪坑，试着让它更好吧。 传送门：

土澳大狮兄BroLeon | Crypto | AI | Stocks

164,952 views • 3 months ago

我把某年入百万的博主近一个月朋友圈全扒了下来——47条，分类、提炼、技法拆解，全自动 我在这边工作，一小时后markdown文件就躺在我的电脑上，这是一个商业打法，也是一个skill制作方法 感觉豆包手机可以更新一波绕过各大厂商了，觉得麻烦直接看视频我做了个多牛的事儿⬇️ 我觉得成交最重要的一步是在转化上，我其实也有这部分卡点 朋友圈营销是转化的重要主战场甚至朋友圈营销的课程已经是 588，3 天的训练营 我知道一个博主，他是真的就靠朋友圈营销去做转化，年入百万 我刷了他三个月朋友圈，越刷越觉得不对 他做高客单价，不靠直播，不靠短视频，靠朋友圈 产品卖五位数、六位数，朋友圈就是他的成交主场 并且据说他自己有一套完整的朋友圈转化的逻辑，那我觉得这个东西就完全可以skill化的 重要的卡点在于我如何能够抓取朋友圈的数据，于是我就发现了个产品叫做airtap Airtap Ai 然后我把他的内容整理出来了 你会发现他的每一条朋友圈，背后都有一套完整的转化逻辑：身份标签怎么立、前景对比怎么做、文案怎么克制才让人觉得值、价值观帖怎么埋才能让人主动买单跟进 这些东西，才是真正穿越周期的东西 这就是 Airtap——一个住在你手机里的 AI Agent 后面我打算用 Airtap 把他的朋友圈全提取出来，让 AI 做技法分析，做成了一个skill，后面用起来也会开源给大家 然后我深入了解一下产品我才发现，我限制了airtap的发挥 Airtap 不只是"帮你操作 App"，它是"你身边那个不知疲倦的情报员"。 你想研究谁的朋友圈，直接喂给它；它自己提取、自己分类、自己提炼营销技法 写一次 prompt，以后每天自动跑 你干别的事的时候，它替你把活干了。→
1:37

我把某年入百万的博主近一个月朋友圈全扒了下来——47条，分类、提炼、技法拆解，全自动 我在这边工作，一小时后markdown文件就躺在我的电脑上，这是一个商业打法，也是一个skill制作方法 感觉豆包手机可以更新一波绕过各大厂商了，觉得麻烦直接看视频我做了个多牛的事儿⬇️ 我觉得成交最重要的一步是在转化上，我其实也有这部分卡点 朋友圈营销是转化的重要主战场甚至朋友圈营销的课程已经是 588，3 天的训练营 我知道一个博主，他是真的就靠朋友圈营销去做转化，年入百万 我刷了他三个月朋友圈，越刷越觉得不对 他做高客单价，不靠直播，不靠短视频，靠朋友圈 产品卖五位数、六位数，朋友圈就是他的成交主场 并且据说他自己有一套完整的朋友圈转化的逻辑，那我觉得这个东西就完全可以skill化的 重要的卡点在于我如何能够抓取朋友圈的数据，于是我就发现了个产品叫做airtap Airtap Ai 然后我把他的内容整理出来了 你会发现他的每一条朋友圈，背后都有一套完整的转化逻辑：身份标签怎么立、前景对比怎么做、文案怎么克制才让人觉得值、价值观帖怎么埋才能让人主动买单跟进 这些东西，才是真正穿越周期的东西 这就是 Airtap——一个住在你手机里的 AI Agent 后面我打算用 Airtap 把他的朋友圈全提取出来，让 AI 做技法分析，做成了一个skill，后面用起来也会开源给大家 然后我深入了解一下产品我才发现，我限制了airtap的发挥 Airtap 不只是"帮你操作 App"，它是"你身边那个不知疲倦的情报员"。 你想研究谁的朋友圈，直接喂给它；它自己提取、自己分类、自己提炼营销技法 写一次 prompt，以后每天自动跑 你干别的事的时候，它替你把活干了。→

叫我阿杭

21,875 views • 2 months ago

最近我是真杀疯了，利用AI干了我很多平时想干又干不了的事情. 昨晚又睡不着，干到凌晨四点，把额度彻底拉爆了才睡觉，然后一个晚上把上次出的意外彻底恢复，解决了！ 我这个小白最近利用AI具体做了哪些事情呢？我来跟大家分享分享： 1. 我利用Codex做出了二次利用展台平台（我自己把它定义为美国会展届的咸鱼网😂），我希望这个将来能成为我的一个副业，这个副业将有助于提升我们自己的接单量，同时也会有助于第一批所有认识我的同行们，大家都可以利用我的这个平台去赚钱，目前还在完善： 2. 我利用AI，设计了一个定期发送的客户邮件开发系统，AI真的是无所不能，很多我之前了解不到的工具现在我都知道了，这就等于什么呢，一个销售加了外挂后，能力翻倍，以后也可以不用担心分身乏术了，相当于多了几个业务员，它可以每天帮你发邮件，帮你通过Linkdin 或者Facebook 以及Instagram 去深度挖人，找到那个你想对接的人（目前我还没做到这么多，还在做群发邮件第一步） 3. 因为张同志总说AI还没办法做到自动报价系统，而这个问题困恼我很久，我必须解决，所以，这几天我不再听他等他了，我让AI帮助我，其实之前我就有这个想法，我喂给了Chatgpt 至少50多个报价案例，但是每次测试出来的结果都是不尽人意，最近我换Claude ,我才喂给它5-6个案例，然后测试居然正确率达到了80%，我就继续喂，昨天很惊喜到了90%，接下来我会继续喂，以后我每对外报价一个案子我就喂给他，当它拥有了很多细节数据后，我相信他能达到95%至少，那就够了. 已经比我自己的大概预估要更准确了. 我还教它帮我去查大会费用，不需要我每次费很大劲去查，会极大的缩短时间提高效率； 4. 像这种利用Netlify做出临时宣传海报网站并上线是分分钟的事情，我就是从完全不知道，就昨天有这个设想，告诉AI后，一个小时就研究出来了. ，这是个样板， 它的好处是什么呢？就是当你想去开发某一个展会客户的时候，你可以为这个展会定制一个海报宣传页，把你历年来做过这个展会的案例，你的优势都列出来，这样针对性的推广比起一个固定的官网应付所有不同行业客户要吸引多了. 5. 接下来，我还会继续搞紧急打印网站，展会人才网站以及公司官网，想做的事情太多了，慢慢来. 我把话放在这里，张同志要是继续这么不思进取，电脑方面迟早也会被我反超，他会丧失更多话语权的，哈哈😂
3:49

最近我是真杀疯了，利用AI干了我很多平时想干又干不了的事情. 昨晚又睡不着，干到凌晨四点，把额度彻底拉爆了才睡觉，然后一个晚上把上次出的意外彻底恢复，解决了！ 我这个小白最近利用AI具体做了哪些事情呢？我来跟大家分享分享： 1. 我利用Codex做出了二次利用展台平台（我自己把它定义为美国会展届的咸鱼网😂），我希望这个将来能成为我的一个副业，这个副业将有助于提升我们自己的接单量，同时也会有助于第一批所有认识我的同行们，大家都可以利用我的这个平台去赚钱，目前还在完善： 2. 我利用AI，设计了一个定期发送的客户邮件开发系统，AI真的是无所不能，很多我之前了解不到的工具现在我都知道了，这就等于什么呢，一个销售加了外挂后，能力翻倍，以后也可以不用担心分身乏术了，相当于多了几个业务员，它可以每天帮你发邮件，帮你通过Linkdin 或者Facebook 以及Instagram 去深度挖人，找到那个你想对接的人（目前我还没做到这么多，还在做群发邮件第一步） 3. 因为张同志总说AI还没办法做到自动报价系统，而这个问题困恼我很久，我必须解决，所以，这几天我不再听他等他了，我让AI帮助我，其实之前我就有这个想法，我喂给了Chatgpt 至少50多个报价案例，但是每次测试出来的结果都是不尽人意，最近我换Claude ,我才喂给它5-6个案例，然后测试居然正确率达到了80%，我就继续喂，昨天很惊喜到了90%，接下来我会继续喂，以后我每对外报价一个案子我就喂给他，当它拥有了很多细节数据后，我相信他能达到95%至少，那就够了. 已经比我自己的大概预估要更准确了. 我还教它帮我去查大会费用，不需要我每次费很大劲去查，会极大的缩短时间提高效率； 4. 像这种利用Netlify做出临时宣传海报网站并上线是分分钟的事情，我就是从完全不知道，就昨天有这个设想，告诉AI后，一个小时就研究出来了. ，这是个样板， 它的好处是什么呢？就是当你想去开发某一个展会客户的时候，你可以为这个展会定制一个海报宣传页，把你历年来做过这个展会的案例，你的优势都列出来，这样针对性的推广比起一个固定的官网应付所有不同行业客户要吸引多了. 5. 接下来，我还会继续搞紧急打印网站，展会人才网站以及公司官网，想做的事情太多了，慢慢来. 我把话放在这里，张同志要是继续这么不思进取，电脑方面迟早也会被我反超，他会丧失更多话语权的，哈哈😂

Daisy

19,473 views • 1 month ago

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~
0:54

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 views • 4 months ago

一个月从 0 粉到 5000 粉：你们帮我验证了一件事。 一个月前发第一条内容时，我不确定“下沉市场的经验”在 X 上有没有市场。 现在 5000 个朋友的反馈告诉我：有人需要一线落地的细节，而不是最前沿的玩法。有人要的是思维方式，而不是工具清单。 这张感谢星图记录了每一个帮我转发引用的朋友，后续还会加入评论的朋友。你们不只是在传播内容，而且在帮我做一场大规模的假设验证。 5000 不只是个数字，是每一个愿意用自己的信用为我背书的人。 接下来我会继续做三件事： 1. 把方法论沉淀得更系统。 2.把企业案例做的更扎实。 3.把公域内容做的更有穿透力，更通俗易懂。 你们的每一次反馈，都在帮我确认：这条路，走对了。与此同时，也在不断提醒、扶持、陪伴我，在这条正确的路上走下去。 感谢！
13:13

一个月从 0 粉到 5000 粉：你们帮我验证了一件事。 一个月前发第一条内容时，我不确定“下沉市场的经验”在 X 上有没有市场。 现在 5000 个朋友的反馈告诉我：有人需要一线落地的细节，而不是最前沿的玩法。有人要的是思维方式，而不是工具清单。 这张感谢星图记录了每一个帮我转发引用的朋友，后续还会加入评论的朋友。你们不只是在传播内容，而且在帮我做一场大规模的假设验证。 5000 不只是个数字，是每一个愿意用自己的信用为我背书的人。 接下来我会继续做三件事： 1. 把方法论沉淀得更系统。 2.把企业案例做的更扎实。 3.把公域内容做的更有穿透力，更通俗易懂。 你们的每一次反馈，都在帮我确认：这条路，走对了。与此同时，也在不断提醒、扶持、陪伴我，在这条正确的路上走下去。 感谢！

观自

246,266 views • 3 months ago

用 DAPPOS DAPPOS 真的越用越香！ 快来围观我做的～ Web3 技术分析师聚合型的网站: 最近行情没那么好做，我更多时间都在二级找波动大的币做短线。但每天最头疼的一件事就是，看几十个币、翻各种指标、找进出场位置，费时间还容易犹豫。 于是我突然想到，为什么不能做一个 AI 技术分析网站，让 AI 帮我把热点币种、关键支撑压力、进场离场位置，以及背后的逻辑一次性整理出来？ 以前我也试过 Cursor、Claude Code、Codex 这些 AI Coding 工具，但对于技术小白来说，门槛还是有点高。 直到刷到 DAPPOS 分享用 xBubble 几句话就做出各种类型的预测，RWA等网站，我决定自己也试试，结果真的超出预期。 我只告诉 xBubble 我的需求，几分钟就生成了一个 Web3 技术分析网站，不用折腾服务器、不用配置环境、不用UI挠秃头，页面就直接做好了。 网站里不仅有热门币种推荐，还会给出： 📈 入场区间 📉 止盈止损参考 💡 为什么这样判断 📊 综合技术指标分析 基本就是一个 24 小时在线的 AI 分析师。 这次体验最大的感受不是 AI 会写代码，而是 AI 已经把”做产品”这件事的门槛拉低到了前所未有的程度。 以前有一个想法，需要找程序员、产品、设计，折腾几周甚至几个月； 现在，一个点子+一句需求，几分钟就能验证。 所谓 OPC（One Person Company），可能真的已经不是未来，而是现在。以后拼的，也许不再是谁会写代码，而是谁更快把想法变成产品！
1:00

用 DAPPOS DAPPOS 真的越用越香！ 快来围观我做的～ Web3 技术分析师聚合型的网站: 最近行情没那么好做，我更多时间都在二级找波动大的币做短线。但每天最头疼的一件事就是，看几十个币、翻各种指标、找进出场位置，费时间还容易犹豫。 于是我突然想到，为什么不能做一个 AI 技术分析网站，让 AI 帮我把热点币种、关键支撑压力、进场离场位置，以及背后的逻辑一次性整理出来？ 以前我也试过 Cursor、Claude Code、Codex 这些 AI Coding 工具，但对于技术小白来说，门槛还是有点高。 直到刷到 DAPPOS 分享用 xBubble 几句话就做出各种类型的预测，RWA等网站，我决定自己也试试，结果真的超出预期。 我只告诉 xBubble 我的需求，几分钟就生成了一个 Web3 技术分析网站，不用折腾服务器、不用配置环境、不用UI挠秃头，页面就直接做好了。 网站里不仅有热门币种推荐，还会给出： 📈 入场区间 📉 止盈止损参考 💡 为什么这样判断 📊 综合技术指标分析 基本就是一个 24 小时在线的 AI 分析师。 这次体验最大的感受不是 AI 会写代码，而是 AI 已经把”做产品”这件事的门槛拉低到了前所未有的程度。 以前有一个想法，需要找程序员、产品、设计，折腾几周甚至几个月； 现在，一个点子+一句需求，几分钟就能验证。 所谓 OPC（One Person Company），可能真的已经不是未来，而是现在。以后拼的，也许不再是谁会写代码，而是谁更快把想法变成产品！

Flora_花花

16,898 views • 1 month ago

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。
1:10

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

32,585 views • 4 months ago

这两天在香港见到很多老朋友，也有新朋友。现场能感受到大家那种扑面而来的能量和热情。 特别感谢每一位来到现场的朋友。这几年行业经历让我相信，能留下来的，从来不是情绪，也不是口号，而是长期主义，是用户真的愿意一次次打开、一次次使用的产品。 接下来，我们会继续把产品打磨得更好，把服务做得更细，把 AI 时代真正需要的基础建设一步一步做好，认真服务好每一个用户。
2:35

这两天在香港见到很多老朋友，也有新朋友。现场能感受到大家那种扑面而来的能量和热情。 特别感谢每一位来到现场的朋友。这几年行业经历让我相信，能留下来的，从来不是情绪，也不是口号，而是长期主义，是用户真的愿意一次次打开、一次次使用的产品。 接下来，我们会继续把产品打磨得更好，把服务做得更细，把 AI 时代真正需要的基础建设一步一步做好，认真服务好每一个用户。

孙宇晨（去过太空版）🧑‍🚀

124,683 views • 3 months ago

小扎吐槽苹果和 Google，以及谈为什么开源 AI **Mark Zuckerberg**: 我认为移动生态系统中普遍存在的一个问题是有两个把持入口的公司，Apple 和 Google，它们可以告诉你可以构建什么。 在我们的历史中有很多次，比如有经济层面的情况，就是我们构建了些东西，然后它们就会拿走我们大部分的收入，但还有一种是质量层面，这实际上让我更加不满，也就是有很多次我们推出或希望推出某些功能，然后Apple就会说，不，你不能推出这功能。 这真的很糟糕。 问题是，这样的世界是否会在AI领域复现，就像你会有一小部分拥有封闭模型的公司，它们控制API，因此将能够告诉你可以构建什么。 我可以说，对我们来说，自己构建一个模型以避免处于那种位置是值得的。 我不希望那些其他公司告诉我们可以构建什么，而且我认为从开源的角度来看，很多开发人员也不希望那些公司告诉他们可以构建什么。这就是我坚定支持开源的原因之一，我认为未来AI的集中化可能像其广泛传播一样具有潜在危险。 我发现很多人都在思考，如果我们能实现这种技术，那么让它广泛传播是否不利。 我认为另一种可能也很糟糕的情况是，如果一个机构掌握了一种强大的AI远超其他所有人的，这同样是非常糟糕的。在我看来，一个理想的世界应该是这样的：AI技术被广泛而均衡地应用，随着时间推移逐步增强其健康性。在这样的世界里，各种系统能够相互制衡，这种平衡的状态比一个高度集中化的世界要健康得多。 虽然风险无处不在，但我觉得有一个风险我想人们我并没有听到太多人提及。 **Dwarkesh Patel**:举例来说，一个价值100亿美元的模型，如果经过评估是完全安全的，你们会选择开源吗？ **Mark Zuckerberg**:我的答案是，只要这个模型对我们有所帮助，那我们就会开源。 **Dwarkesh Patel**: 那如果这个模型是用100亿美元的研发经费研发出来的，然后现在要开源呢？ **Mark Zuckerberg**: 我们一直以来都有开源软件的传统，但是我们并不会开源我们的产品。 比如说，我们并不会将Instagram的代码开源，但我们会开源许多底层的基础设施。我们历史上最大的一个项目可能就是开放计算项目。在这个项目中，我们将我们所有的服务器的设计网络交换机和数据中心的设计开源了，这对我们来说非常有帮助。 因为很多人可以设计服务器，但现在，大家普遍都采用了我们的设计，这就意味着整个供应链都围绕我们的设计展开，规 模变大，对所有人来说都变得更便宜，为我们节省了数十亿美元。 这真是太棒了，对吧？ 因此，我认为开源有多种方式可以对我们有所帮助。 一种就是，如果有人能够找出更便宜的运行模型的方法，我们将花费数十亿甚至上千亿美元，在所有这些模型上，所以如果我们能做的更有效率，那我们就可以节省数十亿甚至上百亿美元，这可能本身就非常有价值。 **Dwarkesh Patel**: 关于开源，我很想知道你是否认为像PyTorch、React、Open Compute这样的开源项目，对世界的影响是否已经超过了Meta在社交媒体方面的作用。 **Mark Zuckerberg**: 因为我曾经和使用这些服务的人交谈过，他们觉得这是有可能的，因为互联网的很大一部分都在运行这些项目。这是一个有趣的问题，我认为几乎有一半的世界人口都在使用我们的产品，这是一个真实的点，所以我觉得这很难超越。 但不管怎样，我还是认为开源是一种新的、非常強大的建设方式。 来源：
4:08

小扎吐槽苹果和 Google，以及谈为什么开源 AI **Mark Zuckerberg**: 我认为移动生态系统中普遍存在的一个问题是有两个把持入口的公司，Apple 和 Google，它们可以告诉你可以构建什么。 在我们的历史中有很多次，比如有经济层面的情况，就是我们构建了些东西，然后它们就会拿走我们大部分的收入，但还有一种是质量层面，这实际上让我更加不满，也就是有很多次我们推出或希望推出某些功能，然后Apple就会说，不，你不能推出这功能。 这真的很糟糕。 问题是，这样的世界是否会在AI领域复现，就像你会有一小部分拥有封闭模型的公司，它们控制API，因此将能够告诉你可以构建什么。 我可以说，对我们来说，自己构建一个模型以避免处于那种位置是值得的。 我不希望那些其他公司告诉我们可以构建什么，而且我认为从开源的角度来看，很多开发人员也不希望那些公司告诉他们可以构建什么。这就是我坚定支持开源的原因之一，我认为未来AI的集中化可能像其广泛传播一样具有潜在危险。 我发现很多人都在思考，如果我们能实现这种技术，那么让它广泛传播是否不利。 我认为另一种可能也很糟糕的情况是，如果一个机构掌握了一种强大的AI远超其他所有人的，这同样是非常糟糕的。在我看来，一个理想的世界应该是这样的：AI技术被广泛而均衡地应用，随着时间推移逐步增强其健康性。在这样的世界里，各种系统能够相互制衡，这种平衡的状态比一个高度集中化的世界要健康得多。 虽然风险无处不在，但我觉得有一个风险我想人们我并没有听到太多人提及。 **Dwarkesh Patel**:举例来说，一个价值100亿美元的模型，如果经过评估是完全安全的，你们会选择开源吗？ **Mark Zuckerberg**:我的答案是，只要这个模型对我们有所帮助，那我们就会开源。 **Dwarkesh Patel**: 那如果这个模型是用100亿美元的研发经费研发出来的，然后现在要开源呢？ **Mark Zuckerberg**: 我们一直以来都有开源软件的传统，但是我们并不会开源我们的产品。 比如说，我们并不会将Instagram的代码开源，但我们会开源许多底层的基础设施。我们历史上最大的一个项目可能就是开放计算项目。在这个项目中，我们将我们所有的服务器的设计网络交换机和数据中心的设计开源了，这对我们来说非常有帮助。 因为很多人可以设计服务器，但现在，大家普遍都采用了我们的设计，这就意味着整个供应链都围绕我们的设计展开，规 模变大，对所有人来说都变得更便宜，为我们节省了数十亿美元。 这真是太棒了，对吧？ 因此，我认为开源有多种方式可以对我们有所帮助。 一种就是，如果有人能够找出更便宜的运行模型的方法，我们将花费数十亿甚至上千亿美元，在所有这些模型上，所以如果我们能做的更有效率，那我们就可以节省数十亿甚至上百亿美元，这可能本身就非常有价值。 **Dwarkesh Patel**: 关于开源，我很想知道你是否认为像PyTorch、React、Open Compute这样的开源项目，对世界的影响是否已经超过了Meta在社交媒体方面的作用。 **Mark Zuckerberg**: 因为我曾经和使用这些服务的人交谈过，他们觉得这是有可能的，因为互联网的很大一部分都在运行这些项目。这是一个有趣的问题，我认为几乎有一半的世界人口都在使用我们的产品，这是一个真实的点，所以我觉得这很难超越。 但不管怎样，我还是认为开源是一种新的、非常強大的建设方式。 来源：

宝玉

74,721 views • 2 years ago