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.

真的有点兴奋，终于等来营销圈的 Codex 了，不管你是独立开发还是OPC一人公司，找客户扒联系方式写破冰信这些破事，直接给你干得明明白白！甚至你用来做副业搞钱都是一个超级神器！我们都知道，AI现在已经把写代码的门槛拉平了，Codex能让一个人顶一个开发团队，而现在，营销领域的Codex也出现了——它叫Lev8，找客户这种脏活累活，现在被它直接干碎了，我真的吹爆！我们先来看下benchmark数据，真的炸裂， 1️⃣找海外客户这个场景里，有效结果量Lev8 90个，Exa 58.2个，Codex只拉出20个， 2️⃣匹配精度Lev8 83.3%，Exa 76.5%，Codex 71.8%， 3️⃣单条匹配成本Lev8 $0.052，竟然比Exa的$0.061还低。不只是勉强赢一个点啊兄弟们，搜得更多、准头更高、还更便宜，这三项全中！讲真看到Lev8这个产品，我真的觉得AI真正落地的路径越来越清楚了，我非常笃定的相信，以后不会是一个万能AI模型包打天下，会是一群垂直Agent各自钻进一个完整工作流，把通用模型一件一件替换掉，代码领域Codex已经证明了，现在终于轮到营销了。而且讲真，未来独立开发者和一人公司最稀缺的能力一定是营销能力，也就怎么把产品卖出去，那卖出去的前提是找到目标客户和潜在客户。 Lev8 背后聚合了50+实时数据源，LinkedIn、X、YouTube、Instagram、GitHub全网在跑，10亿+职场人脉做底子，拿到的永远是活数据，而不是那些买来的僵尸名单。而且它不是搜完就扔给你，会帮你盯着搞钱信号——哪家刚融资、哪家在招人、哪家刚改版、哪家创始人在论坛上吐槽某个问题，这就意味着现在出手最不突兀的时机它都全帮你盯着，抓到信号之后自动给你写定制的破冰开场白，而且不是那种千篇一律的模板，然后邮件、LinkedIn、WhatsApp、Instagram、X五个渠道一键发出去，回复统一收回来。过去要开四五个工具、建一堆表格、自己手动盯半年才能跑完的找人→调研→写开场白→发消息→跟动态，现在在一个聊天框里大白话讲一句，它替你全跑了！这和Codex赢的逻辑一模一样，Codex能这么火爆不是因为比GPT聪明，是它嵌入进了代码的整个工作流——懂仓库、能跑终端、能看报错、能跑测试， Lev8在营销上干的就是这件事，从帮你搜个邮箱变成替你把找人这摊事跑起来，是比通用模型注做的可深多了。具体大家可以看下方我实际跑测的视频👇

AYi

54,997 subscribers

105,409 Aufrufe • vor 5 Tagen •via X (Twitter)

Bildung Wissenschaft & Technologie Finanzen

Anya Rossi• Live Now

Private livecam show

0 Kommentare

Keine Kommentare verfügbar

Kommentare vom Original-Post werden hier angezeigt

Ähnliche Videos

OpenAI刚刚开源的这个东西，感觉要把程序员的工作方式给整个改写了。现在大家都在卷模型写代码有多强，但其实真正的瓶颈早就不是生成了。一个人每天最多同时有效监督3-5个编码Agent，再多就会注意力崩溃，生产力直接归零。有了Symphony，直接把这个上限干到了几十个。它把你的Linear、GitHub Issues直接变成了永远在线的Agent调度器。你开一个任务，它自动启动一个独立隔离的Codex Agent。自己写代码，自己跑测试，自己做交叉Review，damn！全部搞定之后，会给你提交一个完整的证据包。 CI全绿，安全和性能专项审查通过，改了UI就自动录好操作视频。所有验证全过了，才会出现在你的Human Review队列里。以后人类的角色可能会被彻底颠覆了。以前你是监工，盯着Agent一步一步写代码，上下文切到吐。现在你是老板，只需要看最终的结果。满意就点合并，不满意就去仓库里补规则补文档补Guardrails。记住兄弟们，永远不要手把手指挥Agent，永远不要替它干活。这可不是啥实验室概念，OpenAI自己已经这么干了。三个工程师，五个月，写了一百万行代码，0行人工写的。产品已经有几百个内部用户，每天都在迭代。我觉得他们最厉害的不是模型，是他们把整个仓库变成了Agent能看懂能自主工作的乐园。现在很多人都搞错了Agent时代的核心竞争力。未来不是谁的模型更聪明，而是看谁能设计出让Agent可靠自主工作的环境。我觉得未来最好的工程师，再也不是写代码最快的人，而是那些最会写规则，最会设计反馈回路，最会给Agent搭舞台的人。现在Symphony已经开源了，它甚至不是一个成品。是一个17k token的完整SPEC。你把这个SPEC喂给任何一个编码Agent，十分钟就能生成你自己定制版的Symphony。 GitHub地址评论区自取👇

OpenAI刚刚开源的这个东西，感觉要把程序员的工作方式给整个改写了。现在大家都在卷模型写代码有多强，但其实真正的瓶颈早就不是生成了。一个人每天最多同时有效监督3-5个编码Agent，再多就会注意力崩溃，生产力直接归零。有了Symphony，直接把这个上限干到了几十个。它把你的Linear、GitHub Issues直接变成了永远在线的Agent调度器。你开一个任务，它自动启动一个独立隔离的Codex Agent。自己写代码，自己跑测试，自己做交叉Review，damn！全部搞定之后，会给你提交一个完整的证据包。 CI全绿，安全和性能专项审查通过，改了UI就自动录好操作视频。所有验证全过了，才会出现在你的Human Review队列里。以后人类的角色可能会被彻底颠覆了。以前你是监工，盯着Agent一步一步写代码，上下文切到吐。现在你是老板，只需要看最终的结果。满意就点合并，不满意就去仓库里补规则补文档补Guardrails。记住兄弟们，永远不要手把手指挥Agent，永远不要替它干活。这可不是啥实验室概念，OpenAI自己已经这么干了。三个工程师，五个月，写了一百万行代码，0行人工写的。产品已经有几百个内部用户，每天都在迭代。我觉得他们最厉害的不是模型，是他们把整个仓库变成了Agent能看懂能自主工作的乐园。现在很多人都搞错了Agent时代的核心竞争力。未来不是谁的模型更聪明，而是看谁能设计出让Agent可靠自主工作的环境。我觉得未来最好的工程师，再也不是写代码最快的人，而是那些最会写规则，最会设计反馈回路，最会给Agent搭舞台的人。现在Symphony已经开源了，它甚至不是一个成品。是一个17k token的完整SPEC。你把这个SPEC喂给任何一个编码Agent，十分钟就能生成你自己定制版的Symphony。 GitHub地址评论区自取👇

阿绎 AYi

61,332 Aufrufe • vor 2 Monaten

从大一开始 AI 创业，三年间，我一直在想 AI 时代到底什么最值钱？现在，可以做一个复盘，把这件事好好梳理一下，也给同在创业的朋友一些建议：技术是最不值钱的东西，记好、记好、记好！！！！！！真正值钱的是渠道，是你能触达谁、链接谁我有个很佩服的老板，他公司没有一个技术，之前帮企业做抖音运营，攒了一批客户关系。 AI 这波起来之后直接转型做 AI 企业服务，拿了一堆代理，又招了一批代理帮他卖，一个纯销售公司硬是变成了 AI 服务商，你细品～技术不需要他管，让第三方去对接就行了，他不需要懂GEO怎么做的、AI获客怎么做，他只需要做好销售，利用好他的渠道就够了，关于研发和交付这种脏活累活，谁爱干谁干（当然，我也只配给他干脏活累活，呜呜呜）今年上半年我自己也在拼命做渠道，线下活动跑了好多场，链接了几百位老板，一个个聊一个个转化说实话，太慢了而且不只是渠道。找客户、找投资人、找合伙人、招人，哪件都难。优质的人不刷招聘网站，好的客户不看你的推广帖，投资人更不可能主动来找你我一直在想有没有更快的办法，最近试了个叫 Lev8 的工具，直接跟它说"帮我找做过企业数字化转型的公司负责人，给我联系方式" 几分钟出来了。背景、公司、最近在忙什么全标好我又试了"帮我找最近在看 AI 赛道的早期投资人"，一样精准出来更有意思的是，它还帮你写个性化的触达消息，对方最近在忙什么就从什么角度切入，每封都不一样。邮件、LinkedIn、WhatsApp 一键发出去而且还能设监控？？？你关注的人换工作了、拿融资了，自动提醒你不过工具终归是工具，你自己不知道要找什么人、说什么话，发再多也白搭。但是如果你现在有明确想找的客户、投资人、合伙人等，那么这个非常值得你尝试一下了！！！希望这些对大家能有帮助，产品链接放到评论区👇

从大一开始 AI 创业，三年间，我一直在想 AI 时代到底什么最值钱？现在，可以做一个复盘，把这件事好好梳理一下，也给同在创业的朋友一些建议：技术是最不值钱的东西，记好、记好、记好！！！！！！真正值钱的是渠道，是你能触达谁、链接谁我有个很佩服的老板，他公司没有一个技术，之前帮企业做抖音运营，攒了一批客户关系。 AI 这波起来之后直接转型做 AI 企业服务，拿了一堆代理，又招了一批代理帮他卖，一个纯销售公司硬是变成了 AI 服务商，你细品～技术不需要他管，让第三方去对接就行了，他不需要懂GEO怎么做的、AI获客怎么做，他只需要做好销售，利用好他的渠道就够了，关于研发和交付这种脏活累活，谁爱干谁干（当然，我也只配给他干脏活累活，呜呜呜）今年上半年我自己也在拼命做渠道，线下活动跑了好多场，链接了几百位老板，一个个聊一个个转化说实话，太慢了而且不只是渠道。找客户、找投资人、找合伙人、招人，哪件都难。优质的人不刷招聘网站，好的客户不看你的推广帖，投资人更不可能主动来找你我一直在想有没有更快的办法，最近试了个叫 Lev8 的工具，直接跟它说"帮我找做过企业数字化转型的公司负责人，给我联系方式" 几分钟出来了。背景、公司、最近在忙什么全标好我又试了"帮我找最近在看 AI 赛道的早期投资人"，一样精准出来更有意思的是，它还帮你写个性化的触达消息，对方最近在忙什么就从什么角度切入，每封都不一样。邮件、LinkedIn、WhatsApp 一键发出去而且还能设监控？？？你关注的人换工作了、拿融资了，自动提醒你不过工具终归是工具，你自己不知道要找什么人、说什么话，发再多也白搭。但是如果你现在有明确想找的客户、投资人、合伙人等，那么这个非常值得你尝试一下了！！！希望这些对大家能有帮助，产品链接放到评论区👇

余温

686,222 Aufrufe • vor 5 Tagen

🎬 90% 的人没用明白 Codex。因为一开始就把它当成了 ChatGPT。但 Codex 最厉害的地方，从来不是聊天，而是动手。它会读项目、改文件、做表格、操作浏览器，直接在你的电脑里完成任务。 💡 真正决定体验的也不是 Prompt，而是四件事：Project、Permissions、Context 和 AGENTS.md。少一个都能用，多一个才开始好用。我后来甚至不把它当 AI，而是当新人来带：先教它，再纠正它，最后把经验沉淀成 Skill。当你开始这样用 Codex，它就不再是助手，而是一套持续进化的工作系统。

🎬 90% 的人没用明白 Codex。因为一开始就把它当成了 ChatGPT。但 Codex 最厉害的地方，从来不是聊天，而是动手。它会读项目、改文件、做表格、操作浏览器，直接在你的电脑里完成任务。 💡 真正决定体验的也不是 Prompt，而是四件事：Project、Permissions、Context 和 AGENTS.md。少一个都能用，多一个才开始好用。我后来甚至不把它当 AI，而是当新人来带：先教它，再纠正它，最后把经验沉淀成 Skill。当你开始这样用 Codex，它就不再是助手，而是一套持续进化的工作系统。

Martin

26,858 Aufrufe • vor 20 Tagen

余华：我来告诉你，现在中国有一个新的产业出出现了，就是把这个官一个腐败的官员把他抓起来以后，肯定会有一些几个或者十多个商人也被牵扯进去。那些商人也会进入那个拘留所了，然后就有人跑到看守所里面去找到这些商人们，说你们把你的资产贱卖给我，就很便宜的价格卖给。比如你是十个亿的话，你只要一个亿卖给我，我保证你立刻出出去。你把协议签完以后，果然发现你已经被释放了。而且这些人是本领大到什么程度，他能够随时把你从监狱里面弄出来，再同时随时把他送回去。所以我后来开始发现，就是在反腐败的过程中，居然创立了这么一个新的一个腐败的产业。但是非常有意思的是，就是那些受牵连的那些商人们被释放出来以后，我见到过其中的几个。我就告诉他们这个社会必须要改变了，不能再这样下去了。他们坚决反对，说社会不能变。他们说这是这个这是很好的社会体制，还是这样下下去，因为什么呢？他们虽然损失了很多个亿，但他们仍然还是有很多个亿。

余华：我来告诉你，现在中国有一个新的产业出出现了，就是把这个官一个腐败的官员把他抓起来以后，肯定会有一些几个或者十多个商人也被牵扯进去。那些商人也会进入那个拘留所了，然后就有人跑到看守所里面去找到这些商人们，说你们把你的资产贱卖给我，就很便宜的价格卖给。比如你是十个亿的话，你只要一个亿卖给我，我保证你立刻出出去。你把协议签完以后，果然发现你已经被释放了。而且这些人是本领大到什么程度，他能够随时把你从监狱里面弄出来，再同时随时把他送回去。所以我后来开始发现，就是在反腐败的过程中，居然创立了这么一个新的一个腐败的产业。但是非常有意思的是，就是那些受牵连的那些商人们被释放出来以后，我见到过其中的几个。我就告诉他们这个社会必须要改变了，不能再这样下去了。他们坚决反对，说社会不能变。他们说这是这个这是很好的社会体制，还是这样下下去，因为什么呢？他们虽然损失了很多个亿，但他们仍然还是有很多个亿。

Morris

570,651 Aufrufe • vor 1 Jahr

今早刷到一条新闻的时候，我愣了几秒。去年那个曾经风靡一时、全网都在找邀请码、朋友圈一夜刷屏的 Manus，被 Meta 收购了。而且不是象征性的那种。传闻中的收购价，高达 20 亿美元。一瞬间，脑子里只有一句话：原来那一波热闹，真的不是泡沫。如果你去年混过 AI 圈，一定记得 Manus。那种典型的产品—— 不是“炫技 demo”，而是你一用就发现不对劲的那种工具。它不是只回答问题，而是能自己拆任务、查资料、写东西、跑流程。你给它一个目标，它自己往下干。后来大家才慢慢意识到：哦，这是 Agent。 Manus 真正厉害的地方，并不是“它能干什么”，而是它敢把“人”的工作流直接吃掉。不是辅助你，不是提高效率，而是—— “这事我来做，你别管了。” 在当时那一堆还停留在 ChatBot、Copilot 阶段的产品里， Manus 是极少数真的在往“替代”走的团队。这也是为什么它能在极短时间内：用户暴涨付费率不低在海外圈层迅速传播 Agent 这个词后来被讲烂了，但Manus 是最早让普通人真正“感受到 Agent 的”那一批。更讽刺的是另一件事。去年，字节跳动曾经试图以 3000 万美元左右收购 Manus。这事在圈子里不是秘密。当时很多人的第一反应是： “挺高了吧？” “早点卖也正常。” 但结果你现在也看到了：没卖。一年后，直接卖给 Meta，估值翻了近百倍。你说这是运气？不完全是。这是对一件事的判断差异： Agent 会不会成为下一代核心计算入口。很多人只盯着“20 亿美元”这个数字。但更值得琢磨的，其实是另一条线索： Manus 后来把公司主体放在了新加坡。这一步，太关键了。不是因为新加坡有什么魔法，而是因为：面向全球用户面向美元资本面向 Meta、OpenAI、Google 这种买家你必须站在“他们习惯的坐标系里”。产品是全球的，那公司也得是全球的。这也引出了一个让很多中国 AI 创业者心里不舒服的问题：为什么这么多 AI 初创，最后都很难在中国大陆生根？不是技术不行，不是人不行，甚至也不完全是钱的问题。而是一个更现实的东西： “长大以后怎么办？” 能不能无摩擦地服务全球用户能不能被全球巨头并购能不能走一条清晰、可预期的退出路径这些问题，对早期创业者来说，比模型参数重要得多。再回到 Meta。你要明白一件事： Meta 不是“看热闹的投资人”。它现在最缺的，不是模型，不是算力，而是能真正跑在模型之上的 Agent 层。 Chat 是入口，但 Agent 才是生产力。而 Manus，恰好站在这个位置上。所以这次收购，与其说是“买一家创业公司”，不如说是—— 直接买了一条通往下一代产品形态的快车道。最后说句很人话的。很多人会把这件事解读成： “中国 AI 又一次被美国收走了果实”。也有人会说： “这是中国创业者的成功”。我更愿意用一个不那么宏大的视角看它：这是一个创业者，在关键时刻，没有把自己卖便宜的故事。而在 AI 这个时代，这种故事，会越来越少，也越来越贵。如果你去年抢过 Manus 的邀请码，如果你用过 Agent，如果你正在创业、或者想创业，你大概能理解这种复杂的情绪。不是羡慕，也不是愤怒，而是一种： “原来世界已经走到这一步了”的感觉。这条新闻，不只是 Manus 的终点。它更像是很多人，某种幻想的终点。也是另一种现实的开始。

今早刷到一条新闻的时候，我愣了几秒。去年那个曾经风靡一时、全网都在找邀请码、朋友圈一夜刷屏的 Manus，被 Meta 收购了。而且不是象征性的那种。传闻中的收购价，高达 20 亿美元。一瞬间，脑子里只有一句话：原来那一波热闹，真的不是泡沫。如果你去年混过 AI 圈，一定记得 Manus。那种典型的产品—— 不是“炫技 demo”，而是你一用就发现不对劲的那种工具。它不是只回答问题，而是能自己拆任务、查资料、写东西、跑流程。你给它一个目标，它自己往下干。后来大家才慢慢意识到：哦，这是 Agent。 Manus 真正厉害的地方，并不是“它能干什么”，而是它敢把“人”的工作流直接吃掉。不是辅助你，不是提高效率，而是—— “这事我来做，你别管了。” 在当时那一堆还停留在 ChatBot、Copilot 阶段的产品里， Manus 是极少数真的在往“替代”走的团队。这也是为什么它能在极短时间内：用户暴涨付费率不低在海外圈层迅速传播 Agent 这个词后来被讲烂了，但Manus 是最早让普通人真正“感受到 Agent 的”那一批。更讽刺的是另一件事。去年，字节跳动曾经试图以 3000 万美元左右收购 Manus。这事在圈子里不是秘密。当时很多人的第一反应是： “挺高了吧？” “早点卖也正常。” 但结果你现在也看到了：没卖。一年后，直接卖给 Meta，估值翻了近百倍。你说这是运气？不完全是。这是对一件事的判断差异： Agent 会不会成为下一代核心计算入口。很多人只盯着“20 亿美元”这个数字。但更值得琢磨的，其实是另一条线索： Manus 后来把公司主体放在了新加坡。这一步，太关键了。不是因为新加坡有什么魔法，而是因为：面向全球用户面向美元资本面向 Meta、OpenAI、Google 这种买家你必须站在“他们习惯的坐标系里”。产品是全球的，那公司也得是全球的。这也引出了一个让很多中国 AI 创业者心里不舒服的问题：为什么这么多 AI 初创，最后都很难在中国大陆生根？不是技术不行，不是人不行，甚至也不完全是钱的问题。而是一个更现实的东西： “长大以后怎么办？” 能不能无摩擦地服务全球用户能不能被全球巨头并购能不能走一条清晰、可预期的退出路径这些问题，对早期创业者来说，比模型参数重要得多。再回到 Meta。你要明白一件事： Meta 不是“看热闹的投资人”。它现在最缺的，不是模型，不是算力，而是能真正跑在模型之上的 Agent 层。 Chat 是入口，但 Agent 才是生产力。而 Manus，恰好站在这个位置上。所以这次收购，与其说是“买一家创业公司”，不如说是—— 直接买了一条通往下一代产品形态的快车道。最后说句很人话的。很多人会把这件事解读成： “中国 AI 又一次被美国收走了果实”。也有人会说： “这是中国创业者的成功”。我更愿意用一个不那么宏大的视角看它：这是一个创业者，在关键时刻，没有把自己卖便宜的故事。而在 AI 这个时代，这种故事，会越来越少，也越来越贵。如果你去年抢过 Manus 的邀请码，如果你用过 Agent，如果你正在创业、或者想创业，你大概能理解这种复杂的情绪。不是羡慕，也不是愤怒，而是一种： “原来世界已经走到这一步了”的感觉。这条新闻，不只是 Manus 的终点。它更像是很多人，某种幻想的终点。也是另一种现实的开始。

比特币橙子Trader

122,896 Aufrufe • vor 6 Monaten

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

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

494,877 Aufrufe • vor 23 Tagen

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

28,917 Aufrufe • vor 3 Monaten

“我们究竟是创造了一个工具还是一个生物？” Sam 在 "机器人之心 "小组讨论会上的发言。 Sam：但我认为，这无疑是迄今为止人类经历的最重大的更新年份。可能这也是我们将会遭遇的最大变革，因为从现在开始，人们已经接受强大的人工智能将成为现实，并且还会有逐步的更新。就像是第一代 iPhone 面世的那年，以及随后每一代 iPhone 的更新，我们现在能够明显感受到这一代与去年那代的差异。所以，这确实是一个重要的时刻。我感到欣慰的是，现在人们开始正确地把这些系统当作工具来看待。艺术家尤其如此，但其他人也是一样。曾经，人们真正恐惧的是，我们究竟是创造了一个工具还是一个生物，这将意味着什么？现在，人们视这些系统为人类工具箱中的新工具，并且正在用它创造一些非常了不起的东西。模型显然不知道你在说什么，因为这不在它的训练数据里，它也无法从训练数据中学习到这些信息。这是完全可以预期的。你再问一遍。比如说，你提到“意识”这个概念，模型回答：“是的，我完全明白你的意思，但我之前从未听说过这个词。” 问： “这对我来说就像是一次更新。你认为人工智能会趋向于探索创造性智能和自主性吗？” Sam：这个问题有多个答案。这取决于激励模型。这是人类的选择。问： “这将是判断意识的一个很好的测试。因为如果它有自我表达的愿望，并且仅仅为了创作的乐趣而去创作，那不会是偶然的。这绝对有点像生物。” Sam：这是生物化的。我认为在此之前还有很多步骤。我们现在要回答问题吗？这真的很棒。

“我们究竟是创造了一个工具还是一个生物？” Sam 在 "机器人之心 "小组讨论会上的发言。 Sam：但我认为，这无疑是迄今为止人类经历的最重大的更新年份。可能这也是我们将会遭遇的最大变革，因为从现在开始，人们已经接受强大的人工智能将成为现实，并且还会有逐步的更新。就像是第一代 iPhone 面世的那年，以及随后每一代 iPhone 的更新，我们现在能够明显感受到这一代与去年那代的差异。所以，这确实是一个重要的时刻。我感到欣慰的是，现在人们开始正确地把这些系统当作工具来看待。艺术家尤其如此，但其他人也是一样。曾经，人们真正恐惧的是，我们究竟是创造了一个工具还是一个生物，这将意味着什么？现在，人们视这些系统为人类工具箱中的新工具，并且正在用它创造一些非常了不起的东西。模型显然不知道你在说什么，因为这不在它的训练数据里，它也无法从训练数据中学习到这些信息。这是完全可以预期的。你再问一遍。比如说，你提到“意识”这个概念，模型回答：“是的，我完全明白你的意思，但我之前从未听说过这个词。” 问： “这对我来说就像是一次更新。你认为人工智能会趋向于探索创造性智能和自主性吗？” Sam：这个问题有多个答案。这取决于激励模型。这是人类的选择。问： “这将是判断意识的一个很好的测试。因为如果它有自我表达的愿望，并且仅仅为了创作的乐趣而去创作，那不会是偶然的。这绝对有点像生物。” Sam：这是生物化的。我认为在此之前还有很多步骤。我们现在要回答问题吗？这真的很棒。

Lei.sea

14,132 Aufrufe • vor 2 Jahren

泪奔了！好感人，不争气的眼泪，它从口里流出来了 ⸻ 最近刷 AI 项目的时候，说实话有点疲了。不是它们不厉害，恰恰相反——都太厉害了。模型、参数、速度，一个比一个漂亮，但看多了情绪上真的没什么起伏。 Kindred Labs 是少数让我停下来想了一下的。不是“哇好强”，而是突然冒出一个不太技术的问题：如果 AI 真的要长期出现在生活里，它该怎么待着，才不让人别扭？不是那种我问你、你马上答的关系，而是你会不会哪天顺手再点开它。有些 AI 真的很聪明，但你心里清楚，它就是工具。用完、关掉，不会再想。 Kindred 给我的感觉不太像在争“最会答题”。它更像是在琢磨一件事：人为什么会愿意和一个存在长期相处？这时候我才开始注意到他们说的那套 Mind / Body / Soul。不是因为名字，而是方向。 Mind 这一层，其实挺像人。不是一直保持同一种状态。有时候你需要逻辑，有时候只是想被理解，有时候甚至不需要答案，只要有人把话接住。再加上它会记得你。不是那种冷冰冰的“你在某年某月问过什么”，而是你们之间发生过的那些事。一旦记忆变成关系的一部分，整个体验就不一样了。 Body 这点我以前真没太当回事。但后来发现，人很难和一个完全无形的东西建立稳定关系。 Kindred 至少正视了这一点。有形象、有存在的位置，在你已经习惯的设备和场景里出现。不是为了炫，而是为了让你不抗拒。在你信任之前，你首先得觉得它“正常”、不吓人。至于 Soul，其实是我最看重的。现在的 AI 都很会，但很少有那种让人想一直留着的。 Kindred 没那么急。不催你、不拉你、不用力制造黏性。你来，它在；你走，也不打扰。 Dark Matter、任务、社区这些东西，给我的感觉更像是一起走一段，而不是被系统牵着跑。所以后来我发现，这套 Mind / Body / Soul 看起来是在讲 AI，但底层其实是在讲人。我们怎么建立信任，怎么产生依附，怎么愿意长期和一个存在共处。 AI 只是载体。被认真对待的，其实是人的感受。如果说 2026 年还有哪个 AI 会一直留在我视野里， Kindred 大概会算一个。不是因为它最强，而是它没有急着证明自己。

泪奔了！好感人，不争气的眼泪，它从口里流出来了 ⸻ 最近刷 AI 项目的时候，说实话有点疲了。不是它们不厉害，恰恰相反——都太厉害了。模型、参数、速度，一个比一个漂亮，但看多了情绪上真的没什么起伏。 Kindred Labs 是少数让我停下来想了一下的。不是“哇好强”，而是突然冒出一个不太技术的问题：如果 AI 真的要长期出现在生活里，它该怎么待着，才不让人别扭？不是那种我问你、你马上答的关系，而是你会不会哪天顺手再点开它。有些 AI 真的很聪明，但你心里清楚，它就是工具。用完、关掉，不会再想。 Kindred 给我的感觉不太像在争“最会答题”。它更像是在琢磨一件事：人为什么会愿意和一个存在长期相处？这时候我才开始注意到他们说的那套 Mind / Body / Soul。不是因为名字，而是方向。 Mind 这一层，其实挺像人。不是一直保持同一种状态。有时候你需要逻辑，有时候只是想被理解，有时候甚至不需要答案，只要有人把话接住。再加上它会记得你。不是那种冷冰冰的“你在某年某月问过什么”，而是你们之间发生过的那些事。一旦记忆变成关系的一部分，整个体验就不一样了。 Body 这点我以前真没太当回事。但后来发现，人很难和一个完全无形的东西建立稳定关系。 Kindred 至少正视了这一点。有形象、有存在的位置，在你已经习惯的设备和场景里出现。不是为了炫，而是为了让你不抗拒。在你信任之前，你首先得觉得它“正常”、不吓人。至于 Soul，其实是我最看重的。现在的 AI 都很会，但很少有那种让人想一直留着的。 Kindred 没那么急。不催你、不拉你、不用力制造黏性。你来，它在；你走，也不打扰。 Dark Matter、任务、社区这些东西，给我的感觉更像是一起走一段，而不是被系统牵着跑。所以后来我发现，这套 Mind / Body / Soul 看起来是在讲 AI，但底层其实是在讲人。我们怎么建立信任，怎么产生依附，怎么愿意长期和一个存在共处。 AI 只是载体。被认真对待的，其实是人的感受。如果说 2026 年还有哪个 AI 会一直留在我视野里， Kindred 大概会算一个。不是因为它最强，而是它没有急着证明自己。

董小姐｜预测世界杯就在Gate

43,660 Aufrufe • vor 6 Monaten

普通人对因果的理解，都停留在表面，总觉得因果就是前面做了什么，所以后面才发生了什么，这不是叫做因果，我今天就把因果这件事，往深一层给你们讲讲真正的因果，不是你眼睛看到的那个动作，导致了后面的结果，而是这个因本来就在前面注定了，只是你看不见，等到它开始发动的时候，人会先起念头，事会往那个方向推，事情也会慢慢聚到一起，最后那个果才在现实里显现出来，那怎么理解这个过程？我可以借用物理里的一个概念，叫费马原理，光从 A 点到 B 点，整条路径，其实从一开始就已经被确定下来，这件事最有意思的地方就在于，光在出发的一瞬间，就已经知道终点在哪里，也知道哪条路最合适，它一开始就选好了路径，你以为自己突然起了个念头，走了一段弯路，其实不是乱走的，而是那个因已经在前面了，你后面的念头、选择、路径，都在往那个结果上靠人生很多事也是这样，你以为很多事是碰巧发生的，其实不是，很多结果还没出来之前，前面的因就已经开始发动了，而这个因一发动，最先出现的，不一定是事情本身，往往是人的念头先动，你会突然坐不住了，你会突然很着急，你突然非要现在去做某件事，你突然被外面的人和事推着走，前几年，我们当地发生过一起车祸，这件事我一直记得很清楚，出事的是一位女的，那天中午刚吃完饭，她老公出去打牌了，按正常情况，她完全可以先在家休息一下，等午休完了再去把人叫回来，可偏偏那天，她就是咽不下那口气，连碗都没刷，急匆匆就出门了，撞她的那个司机，也很巧，他本来是在家里准备吃饭，饭菜都摆好了，结果这时候亲戚给他打电话，说有点事让他过去帮忙，他本来还说，等吃完饭再过去，可对方一个电话，两个电话，连着催，硬是把他催出了门，最后，两个人就在那个时间、那个路口碰上了这里面只要任何一个环节慢一点，这个车祸都不会发生，如果女的先把碗刷完，晚点再去，可能不会出事，如果那个司机先吃完饭，再出门，可能也不会出事，所以可怕的地方，不是撞上的那一刻，撞上的那一下，只是果，可怕的地方在于那个女的为什么偏偏那一刻坐不住？那个司机为什么偏偏那一刻必须出门？这些表面上看，好像只是临时起意，但往深里看，这就是因开始发动时，最先带出来的东西所以我一直说，所有的念头，都不是无缘无故冒出来的很多时候，你突然要去哪里，要做什么事情，这些念头出来时候就是这个因要开始发动了，很多夫妻的没结婚前的相遇认识，其实都是这样发生的，因，早就在暗处运行了，念头先起来，外部环境再慢慢凑齐，最后，果才显出来那这个因到底是什么？为什么会有这个东西？我也不饶关子，通俗的讲，这个因就是一种神煞，他是由你出生的那个时间形成的，他不只是你排盘工具里一种文字存在的形式，而是真实存在的，到了某个时间点，它就会发动，一旦发动，人会先起念头，外部因素会开始配合，最后结果就会显现出来，这种东西也不能乱说出来所以这里我就一笔带过，有些东西，点到为止就行，不能说得太透我那时候刚入行，对这些东西其实还是半信半疑，一件事就给我上了一课，到现在都忘不了，一个女孩子来找我师傅看他八字，当时我学艺不精，只能站在旁边听，我记得特别清楚，我师傅当时反反复复叮嘱她一句话，那个月晚上九点以后，千万不要出门，那个女孩是在医院里上班的，后面他刚好转夜班，事情就是这么巧，那天晚上他突然来大姨妈了，早不来晚不来，她没办法，只能跑出去买卫生巾，他跑出去买姨妈巾回来时候在医院门口马路上出车祸了，她为什么偏偏非得在那个时间出去？为什么偏偏那晚九点后突然来大姨妈？为什么不是6点来？这就是因已经发动了，因一旦种下，能不能改？说实话，大的东西很难改，比如生死攸关的事情，这里的难，不是做不到，而是不会轻易去做这些事，但有一点很关键，因虽然难改，发动的方式和落地的方式，未必一点空间都没有如果她那天晚上拿衣服先挡一下，不出去，只要熬过那个时间，等那个神煞走了，事情也许就没了，所以很多时候，不是完全没有办法，而是你能不能躲开那个发动的点？事后我师傅知道了这件事，无奈的摇头，说了一句天命难违，事后他才告诉我，为什么当时不直接跟那个女孩子说得太明白，因为有些东西，不能说破，你告诉她，每天晚上八点以后，那个神煞都会在外面等她，她会先被自己吓死，然后他就不去上班躲在家里，一旦躲在家里这件事是不是就躲过去了？他倒是躲过去了但是这笔账不会凭空消失，必然会反噬到说出来那个人身上，这些事情处理起来很麻烦，所以很多人老是私信发他八字给我叫看看，看一个人的八字，不是随便看着闹着玩的，我要动心力去拆你的格局，去排你的神煞，去推演你的流年起伏，每看一次，都是在消耗我的精气神，更重要的是，当我提前告诉你哪一年会出什么事，我已经在某种程度上介入了你的因果，你听了之后躲过去了，那笔账不会凭空消失，那是你的业障，给卦金是规矩，完事儿后还得买纸烧给祖师爷，也是保护我自己，占命如借命，借命，就该付出，真正懂这个的人，不会什么都讲破，能提醒的，只能提醒到点上，至于能不能躲过去，有时候还得看本人，这也是为什么我一直说，普通人理解的因果，都停留在表面，总觉得因果就是，前面做了什么，所以后面发生了什么，很多时候，不是事情发生了，你才有那个念头而是那个因先动了，所以你才会在那个时间点，做出那个看似临时的决定，这才是真正的因果人能做的，不是和天命硬刚，而是当那个念头起来的时候，多一分警觉，多一分敬畏，因为真正懂因果的人，看的从来不是已经发生的结果，而是果还没来之前，那些最先动起来的东西，就如同很多SB说如果算命能发财那他早就发了显然没有，本身就说明他根本没理解命理在看的是什么命理不会凭空多算出一份不属于你的东西，你命里没有这个财，看了难道就有了？不懂的人只会盯着结果说话真正懂的人，看的是结果还没出来之前，那些已经开始动的念头、征兆和时点，并尽量在事情成形之前，把它拦下来这是因果，这才是命理，也是普通人一辈子最容易看不见的地方福生无量

普通人对因果的理解，都停留在表面，总觉得因果就是前面做了什么，所以后面才发生了什么，这不是叫做因果，我今天就把因果这件事，往深一层给你们讲讲真正的因果，不是你眼睛看到的那个动作，导致了后面的结果，而是这个因本来就在前面注定了，只是你看不见，等到它开始发动的时候，人会先起念头，事会往那个方向推，事情也会慢慢聚到一起，最后那个果才在现实里显现出来，那怎么理解这个过程？我可以借用物理里的一个概念，叫费马原理，光从 A 点到 B 点，整条路径，其实从一开始就已经被确定下来，这件事最有意思的地方就在于，光在出发的一瞬间，就已经知道终点在哪里，也知道哪条路最合适，它一开始就选好了路径，你以为自己突然起了个念头，走了一段弯路，其实不是乱走的，而是那个因已经在前面了，你后面的念头、选择、路径，都在往那个结果上靠人生很多事也是这样，你以为很多事是碰巧发生的，其实不是，很多结果还没出来之前，前面的因就已经开始发动了，而这个因一发动，最先出现的，不一定是事情本身，往往是人的念头先动，你会突然坐不住了，你会突然很着急，你突然非要现在去做某件事，你突然被外面的人和事推着走，前几年，我们当地发生过一起车祸，这件事我一直记得很清楚，出事的是一位女的，那天中午刚吃完饭，她老公出去打牌了，按正常情况，她完全可以先在家休息一下，等午休完了再去把人叫回来，可偏偏那天，她就是咽不下那口气，连碗都没刷，急匆匆就出门了，撞她的那个司机，也很巧，他本来是在家里准备吃饭，饭菜都摆好了，结果这时候亲戚给他打电话，说有点事让他过去帮忙，他本来还说，等吃完饭再过去，可对方一个电话，两个电话，连着催，硬是把他催出了门，最后，两个人就在那个时间、那个路口碰上了这里面只要任何一个环节慢一点，这个车祸都不会发生，如果女的先把碗刷完，晚点再去，可能不会出事，如果那个司机先吃完饭，再出门，可能也不会出事，所以可怕的地方，不是撞上的那一刻，撞上的那一下，只是果，可怕的地方在于那个女的为什么偏偏那一刻坐不住？那个司机为什么偏偏那一刻必须出门？这些表面上看，好像只是临时起意，但往深里看，这就是因开始发动时，最先带出来的东西所以我一直说，所有的念头，都不是无缘无故冒出来的很多时候，你突然要去哪里，要做什么事情，这些念头出来时候就是这个因要开始发动了，很多夫妻的没结婚前的相遇认识，其实都是这样发生的，因，早就在暗处运行了，念头先起来，外部环境再慢慢凑齐，最后，果才显出来那这个因到底是什么？为什么会有这个东西？我也不饶关子，通俗的讲，这个因就是一种神煞，他是由你出生的那个时间形成的，他不只是你排盘工具里一种文字存在的形式，而是真实存在的，到了某个时间点，它就会发动，一旦发动，人会先起念头，外部因素会开始配合，最后结果就会显现出来，这种东西也不能乱说出来所以这里我就一笔带过，有些东西，点到为止就行，不能说得太透我那时候刚入行，对这些东西其实还是半信半疑，一件事就给我上了一课，到现在都忘不了，一个女孩子来找我师傅看他八字，当时我学艺不精，只能站在旁边听，我记得特别清楚，我师傅当时反反复复叮嘱她一句话，那个月晚上九点以后，千万不要出门，那个女孩是在医院里上班的，后面他刚好转夜班，事情就是这么巧，那天晚上他突然来大姨妈了，早不来晚不来，她没办法，只能跑出去买卫生巾，他跑出去买姨妈巾回来时候在医院门口马路上出车祸了，她为什么偏偏非得在那个时间出去？为什么偏偏那晚九点后突然来大姨妈？为什么不是6点来？这就是因已经发动了，因一旦种下，能不能改？说实话，大的东西很难改，比如生死攸关的事情，这里的难，不是做不到，而是不会轻易去做这些事，但有一点很关键，因虽然难改，发动的方式和落地的方式，未必一点空间都没有如果她那天晚上拿衣服先挡一下，不出去，只要熬过那个时间，等那个神煞走了，事情也许就没了，所以很多时候，不是完全没有办法，而是你能不能躲开那个发动的点？事后我师傅知道了这件事，无奈的摇头，说了一句天命难违，事后他才告诉我，为什么当时不直接跟那个女孩子说得太明白，因为有些东西，不能说破，你告诉她，每天晚上八点以后，那个神煞都会在外面等她，她会先被自己吓死，然后他就不去上班躲在家里，一旦躲在家里这件事是不是就躲过去了？他倒是躲过去了但是这笔账不会凭空消失，必然会反噬到说出来那个人身上，这些事情处理起来很麻烦，所以很多人老是私信发他八字给我叫看看，看一个人的八字，不是随便看着闹着玩的，我要动心力去拆你的格局，去排你的神煞，去推演你的流年起伏，每看一次，都是在消耗我的精气神，更重要的是，当我提前告诉你哪一年会出什么事，我已经在某种程度上介入了你的因果，你听了之后躲过去了，那笔账不会凭空消失，那是你的业障，给卦金是规矩，完事儿后还得买纸烧给祖师爷，也是保护我自己，占命如借命，借命，就该付出，真正懂这个的人，不会什么都讲破，能提醒的，只能提醒到点上，至于能不能躲过去，有时候还得看本人，这也是为什么我一直说，普通人理解的因果，都停留在表面，总觉得因果就是，前面做了什么，所以后面发生了什么，很多时候，不是事情发生了，你才有那个念头而是那个因先动了，所以你才会在那个时间点，做出那个看似临时的决定，这才是真正的因果人能做的，不是和天命硬刚，而是当那个念头起来的时候，多一分警觉，多一分敬畏，因为真正懂因果的人，看的从来不是已经发生的结果，而是果还没来之前，那些最先动起来的东西，就如同很多SB说如果算命能发财那他早就发了显然没有，本身就说明他根本没理解命理在看的是什么命理不会凭空多算出一份不属于你的东西，你命里没有这个财，看了难道就有了？不懂的人只会盯着结果说话真正懂的人，看的是结果还没出来之前，那些已经开始动的念头、征兆和时点，并尽量在事情成形之前，把它拦下来这是因果，这才是命理，也是普通人一辈子最容易看不见的地方福生无量

Ripe

83,552 Aufrufe • vor 3 Monaten

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。→

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

21,710 Aufrufe • vor 1 Monat

红杉资本，硅谷顶级风投，给所有创始人泼了盆冷水。他们问了一个要命的问题： “你离破产，是不是只差AI的下一次迭代？” 谷歌的Gemini 1.5 Pro刚出来。功能强到让人害怕。很多软件公司做的东西，它动动手指就实现了。这就等于，你辛辛苦苦开发一个工具。结果OpenAI或谷歌更新一下模型，你的公司就没了。直接被降维打击。这生意还怎么做？红杉指了一条路：别再卖铲子了，去卖挖出来的金子。什么意思？不要卖软件工具本身。要卖用这个工具完成的工作成果。把自己伪装成一家“服务公司”。但内核是一家效率极高的软件公司。让AI给你打工，而不是成为你的敌人。他们算了一笔账。市场上，软件每花1美元。配套的服务就要花6美元。以前的创业者只能赚那1美元。现在，AI能让你去抢那6美元的市场。这才是下一个万亿级公司的机会。说白了，就是用AI武装的服务业。不再是卖一个Word软件，而是直接帮你写好一份完美的合同。不再是卖一个Photoshop，而是直接给你一张修好的图。靠卖软件授权的商业模式，可能真的要到头了。

红杉资本，硅谷顶级风投，给所有创始人泼了盆冷水。他们问了一个要命的问题： “你离破产，是不是只差AI的下一次迭代？” 谷歌的Gemini 1.5 Pro刚出来。功能强到让人害怕。很多软件公司做的东西，它动动手指就实现了。这就等于，你辛辛苦苦开发一个工具。结果OpenAI或谷歌更新一下模型，你的公司就没了。直接被降维打击。这生意还怎么做？红杉指了一条路：别再卖铲子了，去卖挖出来的金子。什么意思？不要卖软件工具本身。要卖用这个工具完成的工作成果。把自己伪装成一家“服务公司”。但内核是一家效率极高的软件公司。让AI给你打工，而不是成为你的敌人。他们算了一笔账。市场上，软件每花1美元。配套的服务就要花6美元。以前的创业者只能赚那1美元。现在，AI能让你去抢那6美元的市场。这才是下一个万亿级公司的机会。说白了，就是用AI武装的服务业。不再是卖一个Word软件，而是直接帮你写好一份完美的合同。不再是卖一个Photoshop，而是直接给你一张修好的图。靠卖软件授权的商业模式，可能真的要到头了。

墓碑科技

35,314 Aufrufe • vor 3 Monaten

普通人到底该怎么用AI变现？直到我看到了Chris Camillo的最新分享，我感觉瞬间通透了他是一个把2万美元滚雪球做到4000万的传奇散户。他发现了一个AI行业的巨大信息差。想要降维打击，就得把AI推销给完全不用的人，那些修空调的、通下水道的、搞绿化的老板。你直接走进一家本地生活公司，让经理把他们老板叫出来，然后告诉他你是做AI的。不要扯什么大模型、算力、AGI 这些虚头巴脑的词。你只问他一个问题：你们现在的业务里，哪个环节最让你觉得利润效率低？这时候，你的机会就来了。你告诉他，你能帮他解决这个问题。利用现在的AI Agent生态，比如像OpenClaw这样的自动化工具，你完全可以在24小时内帮他搭建一个专属的AI代理。你只要把这个能力不断复制。找到20家、50家本地企业，每个月收着稳定的服务费，一年300万的收入就跑通了。

普通人到底该怎么用AI变现？直到我看到了Chris Camillo的最新分享，我感觉瞬间通透了他是一个把2万美元滚雪球做到4000万的传奇散户。他发现了一个AI行业的巨大信息差。想要降维打击，就得把AI推销给完全不用的人，那些修空调的、通下水道的、搞绿化的老板。你直接走进一家本地生活公司，让经理把他们老板叫出来，然后告诉他你是做AI的。不要扯什么大模型、算力、AGI 这些虚头巴脑的词。你只问他一个问题：你们现在的业务里，哪个环节最让你觉得利润效率低？这时候，你的机会就来了。你告诉他，你能帮他解决这个问题。利用现在的AI Agent生态，比如像OpenClaw这样的自动化工具，你完全可以在24小时内帮他搭建一个专属的AI代理。你只要把这个能力不断复制。找到20家、50家本地企业，每个月收着稳定的服务费，一年300万的收入就跑通了。

Annie 所长

17,740 Aufrufe • vor 2 Monaten

再过半年，想接海外单赚美金的人，都会用这个方式找客户一个能让你月入 $10,000+ 的路径：不在平台等单，直接用 AI 找到需要你服务的海外公司，精准触达客户你可能觉得这个很难？以前确实难，现在不难了先说一个暴论：AI 时代写代码赚不了钱，只有找客户，vibe marketing 才能让你真赚到钱我研究了一圈海外接单的真实数据： Upwork 平均时薪 $39，平台抽 10-15% Fiverr 固定抽 20%，前几个月基本零曝光 Toptal 时薪 $80-200，但只录取前 3% 的申请者大部分人卡死在同一个地方——被动等单，你把 profile 挂上去，然后祈祷客户搜到你，这不是在搞笑吗？？？和全球几百万接单的大牛卷同一个关键词，等来的单子还得竞价，利润被压到极限全世界的自由职业者，公司都知道要主动找客户，但从 20 世纪开始，这个事就没有被解决过以前你想主动找客户，得这么干：去 LinkedIn 搜关键词，出来一堆不相关的，一个个点进去看 profile，判断这人是不是决策者再去找邮箱，一半找不到好不容易凑了 20 个人，写邮件又不知道怎么开口，一天下来处理 20 个 leads，回复率 3%，等于白干现在这个活，AI 直接给你干了。我最近在用一个 AI 找人工具 Lev8（刚拿了 GL Ventures 600 万美金），跑通了从找人到成交的完整链路我的身份：做 AI 提效、Agent 搭建、自动化工作流的独立开发者，帮 SaaS 公司搭内部自动化，客单价 $3,000-$8,000 我直接跟它说： “我是做 AI 提效、Agent 搭建、自动化工作流的独立开发者，帮 SaaS 公司搭内部自动化，你来帮我先分析我的客户画像，然后帮我找客户比如：帮我找小型 SaaS 公司，最近 6 个月有融资或产品发布动态，有招聘全职或者兼职AI提效，agent搭建，ai自动化工作六搭建的岗位的公司，提取创始人/CTO 的名字、邮箱、LinkedIn，按匹配度 1-10 分打分，附一句话理由。” 它聚合 50+ 实时数据源（LinkedIn、X、GitHub、公司官网等），直接出一份精准名单不是那种买来的过时数据库，是实时的、活的数据。每个人都有 360° 画像：公司背景、最近动态、业务痛点、团队规模、匹配度评分更狠的是下一步—— 它基于每个人最近的真实动态，自动生成个性化破冰邮件不是一封模板改名字群发，是每封都不一样比如对方三天前刚发布了新功能，邮件开头就提到这个功能，自然过渡到“我能帮你们把 XX 流程自动化” 对方上周刚发了条推文吐槽内部工具难用？开头就接这个话题以前要做到这种程度，你得花 30 分钟研究一个人，一天最多写 10 封。现在批量生成，每封都有 context，每封都像是专门写给他的然后多渠道一键发送——Email、LinkedIn、WhatsApp、X，选渠道，确认内容，发出去整个流程从输入 prompt 到发出第一批邮件：5分钟我又试了另一个场景： “帮我找在 YouTube 上有 10W+ 订阅但发布频率下降的创作者，可能需要外包剪辑。提取联系方式，按匹配度排序。” 同样几分钟出结果。做视频剪辑外包的、做设计的、做跨境电商服务的，换个 prompt 就是换个赚钱场景算一笔账：传统路径：Upwork 接单，客单价 $5,000，平台抽 10-15%，到手 $4,250。还得和印度团队卷价格，实际成交价可能被压到 $3,000。被动等单，一个月能接 1-2 单已经不错主动获客路径：客单价 $5,000，直接触达决策人，0 中间商，到手 $5,000。发 50 封精准邮件，回复率 15-25%（因为每封都有 context，不是盲发），8-12 个回复，成交 1-2 单月入 $5,000-$10,000，不靠平台，不卷价格关键差异：你触达的不是随机的人，而是“此刻正好需要你服务”的人以前做到这一点需要一个 BD 团队。现在一个人 + 一个 AI 队友就能跑通完整链路窗口期不会太长，等到人人都这么干的时候，回复率又会被打下来。先跑通的人，先吃肉 Lev8：

超级个体｜柿子

36,734 Aufrufe • vor 5 Tagen

星爷讽刺了世间一切，唯独没有讽刺爱情，: 原来是如此的隐喻，到现在才明白，感谢星爷，只是我们弄脏了爱情。 —— 我之前一直对 zkML 有点矛盾。逻辑上它很美：模型是对的，而且你还能证明它是对的。但每次真去看实现，基本都会卡在同一个地方——跑不起来。不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。模型稍微大点，电路直接失控，内存、时间全都爆表，最后只能留在论文和 demo 里自嗨。所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”，而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。模型切开、并行跑、只验证关键路径，听起来很朴素，但恰恰是工程师会选的路。不是最优雅，但能活。 JSTprove 则更现实。你不需要懂零知识、也不用研究电路怎么写，把 ONNX 模型丢进去，能转、能跑、能验，这点其实比很多“性能提升 10%”更重要。这两块拼在一起之后，zkML 才第一次让我觉得：它不是在证明“我可以”，而是在回答“你要不要真用”。对我来说，zkML 的拐点从来不是密码学突破，而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。懂你意思了，这版我会刻意留下不完美、主观判断和情绪停顿，像是你自己琢磨出来的，而不是“写给别人看的技术解读”。 —— 我之前一直对 zkML 有点矛盾。逻辑上它很美：模型是对的，而且你还能证明它是对的。但每次真去看实现，基本都会卡在同一个地方——跑不起来。不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。模型稍微大点，电路直接失控，内存、时间全都爆表，最后只能留在论文和 demo 里自嗨。所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”，而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。模型切开、并行跑、只验证关键路径，听起来很朴素，但恰恰是工程师会选的路。不是最优雅，但能活。 JSTprove 则更现实。你不需要懂零知识、也不用研究电路怎么写，把 ONNX 模型丢进去，能转、能跑、能验，这点其实比很多“性能提升 10%”更重要。这两块拼在一起之后，zkML 才第一次让我觉得：它不是在证明“我可以”，而是在回答“你要不要真用”。对我来说，zkML 的拐点从来不是密码学突破，而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。懂你意思了，这版我会刻意留下不完美、主观判断和情绪停顿，像是你自己琢磨出来的，而不是“写给别人看的技术解读”。 —— 我之前一直对 zkML 有点矛盾。逻辑上它很美：模型是对的，而且你还能证明它是对的。但每次真去看实现，基本都会卡在同一个地方——跑不起来。不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。模型稍微大点，电路直接失控，内存、时间全都爆表，最后只能留在论文和 demo 里自嗨。所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”，而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。模型切开、并行跑、只验证关键路径，听起来很朴素，但恰恰是工程师会选的路。不是最优雅，但能活。 JSTprove 则更现实。你不需要懂零知识、也不用研究电路怎么写，把 ONNX 模型丢进去，能转、能跑、能验，这点其实比很多“性能提升 10%”更重要。这两块拼在一起之后，zkML 才第一次让我觉得：它不是在证明“我可以”，而是在回答“你要不要真用”。对我来说，zkML 的拐点从来不是密码学突破，而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。#KaitoYap Kaito AI 🌊 #Yap Inference Labs

星爷讽刺了世间一切，唯独没有讽刺爱情，: 原来是如此的隐喻，到现在才明白，感谢星爷，只是我们弄脏了爱情。 —— 我之前一直对 zkML 有点矛盾。逻辑上它很美：模型是对的，而且你还能证明它是对的。但每次真去看实现，基本都会卡在同一个地方——跑不起来。不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。模型稍微大点，电路直接失控，内存、时间全都爆表，最后只能留在论文和 demo 里自嗨。所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”，而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。模型切开、并行跑、只验证关键路径，听起来很朴素，但恰恰是工程师会选的路。不是最优雅，但能活。 JSTprove 则更现实。你不需要懂零知识、也不用研究电路怎么写，把 ONNX 模型丢进去，能转、能跑、能验，这点其实比很多“性能提升 10%”更重要。这两块拼在一起之后，zkML 才第一次让我觉得：它不是在证明“我可以”，而是在回答“你要不要真用”。对我来说，zkML 的拐点从来不是密码学突破，而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。懂你意思了，这版我会刻意留下不完美、主观判断和情绪停顿，像是你自己琢磨出来的，而不是“写给别人看的技术解读”。 —— 我之前一直对 zkML 有点矛盾。逻辑上它很美：模型是对的，而且你还能证明它是对的。但每次真去看实现，基本都会卡在同一个地方——跑不起来。不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。模型稍微大点，电路直接失控，内存、时间全都爆表，最后只能留在论文和 demo 里自嗨。所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”，而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。模型切开、并行跑、只验证关键路径，听起来很朴素，但恰恰是工程师会选的路。不是最优雅，但能活。 JSTprove 则更现实。你不需要懂零知识、也不用研究电路怎么写，把 ONNX 模型丢进去，能转、能跑、能验，这点其实比很多“性能提升 10%”更重要。这两块拼在一起之后，zkML 才第一次让我觉得：它不是在证明“我可以”，而是在回答“你要不要真用”。对我来说，zkML 的拐点从来不是密码学突破，而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。懂你意思了，这版我会刻意留下不完美、主观判断和情绪停顿，像是你自己琢磨出来的，而不是“写给别人看的技术解读”。 —— 我之前一直对 zkML 有点矛盾。逻辑上它很美：模型是对的，而且你还能证明它是对的。但每次真去看实现，基本都会卡在同一个地方——跑不起来。不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。模型稍微大点，电路直接失控，内存、时间全都爆表，最后只能留在论文和 demo 里自嗨。所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”，而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。模型切开、并行跑、只验证关键路径，听起来很朴素，但恰恰是工程师会选的路。不是最优雅，但能活。 JSTprove 则更现实。你不需要懂零知识、也不用研究电路怎么写，把 ONNX 模型丢进去，能转、能跑、能验，这点其实比很多“性能提升 10%”更重要。这两块拼在一起之后，zkML 才第一次让我觉得：它不是在证明“我可以”，而是在回答“你要不要真用”。对我来说，zkML 的拐点从来不是密码学突破，而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。#KaitoYap Kaito AI 🌊 #Yap Inference Labs

董小姐

35,879 Aufrufe • vor 6 Monaten

说实话，这才是我想要的AI该有的样子。前_buildspace创始人Farza刚刚发布了Clicky，一个住在你Mac光标旁边的AI伙伴，你不用打开任何App，不用打字，只要对着屏幕说一句话，它就会分裂出一个小代理，直接帮你把活干了。你说，帮我把桌面这些乱七八糟的截图清理一下，它就自动给你分类归档。你说，帮我明天晚上九点设个提醒和Sharif去吃饭，它就直接打开提醒事项帮你建好。你说，帮我找25个粉丝不到五万的同领域微网红，列成CSV再写几条DM模板，它就自己上网搜，自己整理，几分钟给你一个现成的表格。最离谱的是这个，你说，帮我建一个Mac App，控制本地的Spotify，做成复古唱片机风格，有播放暂停显示歌名，五分钟之后，它真的给你编译出了一个完整的原生App，还自动打开给你运行。以前所有的AI，都是你去找它，你打开聊天框，你打字，你复制粘贴，而Clicky是它一直在你身边，它看得到你屏幕上的一切，你需要的时候喊一声，它就出来帮你搞定。 Siri会告诉你，我帮你打开提醒事项，然后让你自己填，而Clicky会直接帮你填好保存，这才是真正的AI助手，不是聊天机器人，是你的数字员工。现在已经可以免费下载了，Mac用户直接冲，这绝对是2026年到目前为止，最让我兴奋的AI产品。

说实话，这才是我想要的AI该有的样子。前_buildspace创始人Farza刚刚发布了Clicky，一个住在你Mac光标旁边的AI伙伴，你不用打开任何App，不用打字，只要对着屏幕说一句话，它就会分裂出一个小代理，直接帮你把活干了。你说，帮我把桌面这些乱七八糟的截图清理一下，它就自动给你分类归档。你说，帮我明天晚上九点设个提醒和Sharif去吃饭，它就直接打开提醒事项帮你建好。你说，帮我找25个粉丝不到五万的同领域微网红，列成CSV再写几条DM模板，它就自己上网搜，自己整理，几分钟给你一个现成的表格。最离谱的是这个，你说，帮我建一个Mac App，控制本地的Spotify，做成复古唱片机风格，有播放暂停显示歌名，五分钟之后，它真的给你编译出了一个完整的原生App，还自动打开给你运行。以前所有的AI，都是你去找它，你打开聊天框，你打字，你复制粘贴，而Clicky是它一直在你身边，它看得到你屏幕上的一切，你需要的时候喊一声，它就出来帮你搞定。 Siri会告诉你，我帮你打开提醒事项，然后让你自己填，而Clicky会直接帮你填好保存，这才是真正的AI助手，不是聊天机器人，是你的数字员工。现在已经可以免费下载了，Mac用户直接冲，这绝对是2026年到目前为止，最让我兴奋的AI产品。

AYi

14,195 Aufrufe • vor 2 Monaten

真是开了眼了——一个还在读量化专业的大学生，只花了10天，自己搭了个AI集群引擎，结果在GitHub上火得一塌糊涂，直接拿下13000多颗星，还顺手融了400万美元。最近有个叫MiroFish的项目特别火，它其实是个多智能体模拟器，主要干的事就是帮你预测——不管是交易、公关，还是别的什么领域。 MiroFish到底是个啥？简单说，它就是一个数字版“沙盒世界”。里面跑着几千个AI代理，每个代理都有自己的“记忆”和行为模式，像真人一样在里面互动、讨论、站队。你随便扔一个场景进去——比如某条新闻突然泄露、政策突然变了，甚至一部没写完的经典小说——它就能模拟出这些人会怎么反应、怎么吵、最后得出什么结果，帮你预判现实里可能发生的情况。做这个项目的人叫郭汉江，2025年底的时候还是个本科生。他当时用AI工具帮忙写代码，把核心功能跑通之后，一发到网上就爆了。盛大集团直接砸了3000万人民币进来。后来他把宿舍退了，自己出来开了家公司，现在正带着这方向往前走。这东西能干嘛？目前用得比较多的几个场景：交易方面，你把金融新闻或者财报往里一丢，它就能模拟出市场会不会恐慌、价格大概怎么走，给你个预判的参考。公关测试也很实用，公司或者团队写了个声明，先扔进去跑一遍，看看会不会翻车，再调整措辞。还有人有拿来玩的，比如把一本没结局的中国小说放进去，里面的代理就会“扮演”角色，自己推一个合理的结局出来。部署也不麻烦，用Docker几分钟就能搞定，自带对接各种大模型的API密钥。给大伙支个招：你甚至可以整点“骚操作”——比如模拟马斯克突然发推说“狗狗币2.0来了”，然后看里面的交易员、大V、散户怎么炸锅，整个过程还能生成视频，完全无风险体验一把什么叫“起飞”或者“崩盘”。已经有交易员靠这个赚到钱了。比如有个案例在Polymarket上，有人用MiroFish跑历史数据，模拟完之后去押注SPX 500，最后净赚12万多美元。他的地址是：如果你想省点事，直接跟着高手走，也可以试试Kreo的跟单交易，自动复制他这类人的操作，借力上车。在PolyCop上添加他的钱包 [0x17559efac103ac7f361be37ec0b93888d4c55aac] 到就能开始跟踪或者复制他的交易了。代码在这：

真是开了眼了——一个还在读量化专业的大学生，只花了10天，自己搭了个AI集群引擎，结果在GitHub上火得一塌糊涂，直接拿下13000多颗星，还顺手融了400万美元。最近有个叫MiroFish的项目特别火，它其实是个多智能体模拟器，主要干的事就是帮你预测——不管是交易、公关，还是别的什么领域。 MiroFish到底是个啥？简单说，它就是一个数字版“沙盒世界”。里面跑着几千个AI代理，每个代理都有自己的“记忆”和行为模式，像真人一样在里面互动、讨论、站队。你随便扔一个场景进去——比如某条新闻突然泄露、政策突然变了，甚至一部没写完的经典小说——它就能模拟出这些人会怎么反应、怎么吵、最后得出什么结果，帮你预判现实里可能发生的情况。做这个项目的人叫郭汉江，2025年底的时候还是个本科生。他当时用AI工具帮忙写代码，把核心功能跑通之后，一发到网上就爆了。盛大集团直接砸了3000万人民币进来。后来他把宿舍退了，自己出来开了家公司，现在正带着这方向往前走。这东西能干嘛？目前用得比较多的几个场景：交易方面，你把金融新闻或者财报往里一丢，它就能模拟出市场会不会恐慌、价格大概怎么走，给你个预判的参考。公关测试也很实用，公司或者团队写了个声明，先扔进去跑一遍，看看会不会翻车，再调整措辞。还有人有拿来玩的，比如把一本没结局的中国小说放进去，里面的代理就会“扮演”角色，自己推一个合理的结局出来。部署也不麻烦，用Docker几分钟就能搞定，自带对接各种大模型的API密钥。给大伙支个招：你甚至可以整点“骚操作”——比如模拟马斯克突然发推说“狗狗币2.0来了”，然后看里面的交易员、大V、散户怎么炸锅，整个过程还能生成视频，完全无风险体验一把什么叫“起飞”或者“崩盘”。已经有交易员靠这个赚到钱了。比如有个案例在Polymarket上，有人用MiroFish跑历史数据，模拟完之后去押注SPX 500，最后净赚12万多美元。他的地址是：如果你想省点事，直接跟着高手走，也可以试试Kreo的跟单交易，自动复制他这类人的操作，借力上车。在PolyCop上添加他的钱包 [0x17559efac103ac7f361be37ec0b93888d4c55aac] 到就能开始跟踪或者复制他的交易了。代码在这：

区块链行情研究

157,301 Aufrufe • vor 3 Monaten

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 Aufrufe • vor 19 Tagen

Clawdbot的创造者说，他最喜欢的模型是Claude Opus。但编程能力最强的，竟然是OpenAI的旧模型Codex。为什么？他说用Codex写代码，有95%的把握可以直接运行。因为它能理解大型代码库，需要的“人工干预”更少。这就像一个经验丰富的老员工，话不多，但活儿干得漂亮。而Claude Opus，虽然被认为综合能力更强，但在编程这个具体任务上，却需要更多技巧和引导才能达到同样效果。有点像一个很聪明但经验不足的新人。这引出一个有趣的问题。我们真的需要那个最“聪明”、最像人的AI吗？还是说，在特定领域，我们更需要一个可靠、高效、甚至有点“无聊”的工具？ Opus更像人，甚至会在聊天中讲出真正好笑的笑话。但Codex在专业领域更可靠。这是否揭示了通用人工智能（AGI）发展的一个岔路口？是追求一个无所不能但样样不精的“全才”，还是打造一系列在各自领域做到极致的“专才”？从制造业到高科技，美国产业的核心优势，向来是那些专注于解决具体问题的实用工具，而不是那些空泛的概念。技术的终点，究竟是创造一个和我们一样的“伙伴”，还是一个能把工作做到极致的工具？这两种路线，哪一个对恢复美国制造业和技术领导地位更有利？

Clawdbot的创造者说，他最喜欢的模型是Claude Opus。但编程能力最强的，竟然是OpenAI的旧模型Codex。为什么？他说用Codex写代码，有95%的把握可以直接运行。因为它能理解大型代码库，需要的“人工干预”更少。这就像一个经验丰富的老员工，话不多，但活儿干得漂亮。而Claude Opus，虽然被认为综合能力更强，但在编程这个具体任务上，却需要更多技巧和引导才能达到同样效果。有点像一个很聪明但经验不足的新人。这引出一个有趣的问题。我们真的需要那个最“聪明”、最像人的AI吗？还是说，在特定领域，我们更需要一个可靠、高效、甚至有点“无聊”的工具？ Opus更像人，甚至会在聊天中讲出真正好笑的笑话。但Codex在专业领域更可靠。这是否揭示了通用人工智能（AGI）发展的一个岔路口？是追求一个无所不能但样样不精的“全才”，还是打造一系列在各自领域做到极致的“专才”？从制造业到高科技，美国产业的核心优势，向来是那些专注于解决具体问题的实用工具，而不是那些空泛的概念。技术的终点，究竟是创造一个和我们一样的“伙伴”，还是一个能把工作做到极致的工具？这两种路线，哪一个对恢复美国制造业和技术领导地位更有利？

墓碑科技

62,012 Aufrufe • vor 5 Monaten

我用Codex重建了自己的知识库，发现一件事：大多数人的Obsidian，本质上是个高级剪贴板。笔记存进去，就再也没出来过。问题不在工具，在于缺了一个会”思考”的中间层。 Codex的出现，补上了这个缺口。它不是另一个AI聊天框，而是OpenAI专门为知识工作设计的编码代理——能读懂你的文件结构，能跨文档检索，能把零散的信息片段重新组织成有逻辑的输出。接入Obsidian之后，发生了什么变化？以前：我记录一篇投资笔记，它就躺在某个文件夹里。现在：Codex能跨越我三年积累的vault，把巴菲特笔记、行业分析、个人反思串联起来，给我一个没想到的视角。这不是搜索，是知识的重新激活。本教程会手把手带你完成三件事：一、配置Codex读取本地Obsidian vault的权限和路径；二、建立让AI真正”看懂”你笔记的文件命名与标签规范；三、设计5个高频prompt模板，让Codex帮你做知识综合、生成MOC（内容地图）、以及输出可直接发布的内容草稿。适合有Obsidian使用基础、对AI工作流感兴趣、但还没找到高效接入方式的知识工作者。跟着视频做一遍，你的vault会第一次真正”活”起来。

我用Codex重建了自己的知识库，发现一件事：大多数人的Obsidian，本质上是个高级剪贴板。笔记存进去，就再也没出来过。问题不在工具，在于缺了一个会”思考”的中间层。 Codex的出现，补上了这个缺口。它不是另一个AI聊天框，而是OpenAI专门为知识工作设计的编码代理——能读懂你的文件结构，能跨文档检索，能把零散的信息片段重新组织成有逻辑的输出。接入Obsidian之后，发生了什么变化？以前：我记录一篇投资笔记，它就躺在某个文件夹里。现在：Codex能跨越我三年积累的vault，把巴菲特笔记、行业分析、个人反思串联起来，给我一个没想到的视角。这不是搜索，是知识的重新激活。本教程会手把手带你完成三件事：一、配置Codex读取本地Obsidian vault的权限和路径；二、建立让AI真正”看懂”你笔记的文件命名与标签规范；三、设计5个高频prompt模板，让Codex帮你做知识综合、生成MOC（内容地图）、以及输出可直接发布的内容草稿。适合有Obsidian使用基础、对AI工作流感兴趣、但还没找到高效接入方式的知识工作者。跟着视频做一遍，你的vault会第一次真正”活”起来。

概率鹿梦｜AI Wealth Edge

26,951 Aufrufe • vor 18 Tagen