Загрузка видео...

Не удалось загрузить видео

Возникла проблема при загрузке этого видео. Это может быть связано с временными проблемами сети или видео может быть недоступно.

На главную

硅谷大佬Garry Tan的开源skill gstack到底有什么用？我是一个社科背景的自媒体博主，聊这个话题是因为最近太火爆了，看大家意见参差不一，我把gstack的github链接给到了我的AI，让它直接参考这个skill来研究下能否帮我做内容。于是Starchild帮我根据gstack量身定制了一套skill，其中office-hour的一连串问题，好像彻底解决了我的创作拖延症。甚至这一套工作流，我认为适合各行各业的所有人。 What's the real use of Garry Tan's open-source skill gstack? As a content creator with a social science background, I'm exploring this viral topic because opinions on it are so mixed. I fed the gstack GitHub link to my AI to see if it could... show more

Jingyuan缘缘

23,786 subscribers

24,324 просмотров • 6 месяцев назад •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

✅ 推荐一个宝玉老师开源的 Skill：用 Claude Code 一行命令就能把 Markdown 文章自动发到 X，带图片的那种。 👉 这个工具其实开源挺久了，但好像用的人不多？可能大家不太知道怎么上手。我自己用了一段时间觉得真的很方便，就录了个视频教程，把原理和用法都讲了一遍。有兴趣的朋友可以试试，真的能省不少事儿，如果遇到什么问题你直接让AI帮你分析这个skill的逻辑和流程然后帮你解决，其实很简单，来尝试下吧👇

✅ 推荐一个宝玉老师开源的 Skill：用 Claude Code 一行命令就能把 Markdown 文章自动发到 X，带图片的那种。 👉 这个工具其实开源挺久了，但好像用的人不多？可能大家不太知道怎么上手。我自己用了一段时间觉得真的很方便，就录了个视频教程，把原理和用法都讲了一遍。有兴趣的朋友可以试试，真的能省不少事儿，如果遇到什么问题你直接让AI帮你分析这个skill的逻辑和流程然后帮你解决，其实很简单，来尝试下吧👇

阿蔺A-Lin

27,925 просмотров • 7 месяцев назад

我们必须彻底终结“政治庇护”这套玩法。为什么？因为你家的大门，不是为全世界的失败者敞开的。有人说，我们得接纳他们啊！我说不。他们说，那这些人怎么办？他们会死的！首先，这怎么就成了我的问题？其次，地球上其他国家都消失了吗？非洲的庇护申请者，为什么不去非洲国家？阿拉伯人，为什么不去阿拉伯国家？如果连文化最相近、血缘最亲密的国家都拒绝他们…… 那我们为什么要当这个冤大头？打个比方。想象一下，一个从几十公里外的小镇来的19岁小伙。你从没见过他，不知道他是谁。他没敲门，直接闯进你家，对着你大喊： “嘿！我饿了！给我吃的！” 他不是请求，是命令。没有谦卑，只有索取。你会怎么做？你大概会拿出枪，指着他，让他滚出你的房子。就算你愿意跟他多说一句，你第一个问题肯定是： “你为什么来我家？” “你为什么不去找你的邻居？” 他可能有两个回答。第一种：“我问了，我所有的邻居都拒绝帮我。” 那你就要怀疑了。所有认识你的人都不帮你，问题在谁？是他们几百号人都是混蛋，还是你才是那个唯一的混蛋？第二种：“我压根没问过我邻居，我直接就来找你了。” 这就更可疑了。你为什么偏要跳过所有熟人，跑到一个完全不了解你的陌生人家里，提出要求？所以，你只会关上门，告诉他： “两秒钟内，从我的地盘上滚出去，否则我就开枪了。” 一个四肢健全的成年男人，连饭都找不到，那是他自己的无能和懒惰。那不是你的问题。现在，把这个场景放大到一个国家。完全一样。一群又一群的陌生人，从天知道什么地方冒出来，要求我们帮助。他们绕开了所有和他们文化、语言更接近的国家。径直来到我们的边境。这不值得怀疑吗？但我们甚至不需要解释。这是我们的国家，不是你的。离开。

我们必须彻底终结“政治庇护”这套玩法。为什么？因为你家的大门，不是为全世界的失败者敞开的。有人说，我们得接纳他们啊！我说不。他们说，那这些人怎么办？他们会死的！首先，这怎么就成了我的问题？其次，地球上其他国家都消失了吗？非洲的庇护申请者，为什么不去非洲国家？阿拉伯人，为什么不去阿拉伯国家？如果连文化最相近、血缘最亲密的国家都拒绝他们…… 那我们为什么要当这个冤大头？打个比方。想象一下，一个从几十公里外的小镇来的19岁小伙。你从没见过他，不知道他是谁。他没敲门，直接闯进你家，对着你大喊： “嘿！我饿了！给我吃的！” 他不是请求，是命令。没有谦卑，只有索取。你会怎么做？你大概会拿出枪，指着他，让他滚出你的房子。就算你愿意跟他多说一句，你第一个问题肯定是： “你为什么来我家？” “你为什么不去找你的邻居？” 他可能有两个回答。第一种：“我问了，我所有的邻居都拒绝帮我。” 那你就要怀疑了。所有认识你的人都不帮你，问题在谁？是他们几百号人都是混蛋，还是你才是那个唯一的混蛋？第二种：“我压根没问过我邻居，我直接就来找你了。” 这就更可疑了。你为什么偏要跳过所有熟人，跑到一个完全不了解你的陌生人家里，提出要求？所以，你只会关上门，告诉他： “两秒钟内，从我的地盘上滚出去，否则我就开枪了。” 一个四肢健全的成年男人，连饭都找不到，那是他自己的无能和懒惰。那不是你的问题。现在，把这个场景放大到一个国家。完全一样。一群又一群的陌生人，从天知道什么地方冒出来，要求我们帮助。他们绕开了所有和他们文化、语言更接近的国家。径直来到我们的边境。这不值得怀疑吗？但我们甚至不需要解释。这是我们的国家，不是你的。离开。

墓碑科技

15,294 просмотров • 10 месяцев назад

我去！AI Native 组织的终极形态，真的被一个产品做出来了！！众所周知，OPC的本质是一个人 + 无数个 Agent 协作但前段时间抖音上一个消息让我意识到有的学校已经把一人公司概念当成就业率在宣传了，鼓励所有创新创业竞赛的获奖作品去注册公司做OPC？？？？最终结果是：90% 的 OPC 宣告破产原因是：根本不理解，一个组织到底需要什么样的"人" 然后我发现了 Helio，直接给我干沉默了我只是跟我的 HR 同事说了一句话："我要筹备 AI 课程和训练营"——他听完，自己去给我招了一个课程研发助手进来。我没有配置、没有写 Prompt、没有选模型他判断我需要什么人，他就把什么人招进来，我看后台进程是调用了无数个skill帮我完成一件事儿，如果是我自己做的话我真的很难想象要多久更离谱的是——当我让他们去抓取热点、写稿的时候，他们不是各做各的，他们会互相讨论、互相质疑，甚至吵起来。在争执里涌现出真正好的内容这一刻我感觉我不是在用工具，我是在旁观一个真实的工作团队在运转还有一件事让我直接封神：支持 DeepSeek 模型不用被 GPT/Claude 的付费账单绑架，AI 团队照样给你跑起来这不是在用 AI，这是真的在让我作为一个老板在经营一家公司

我去！AI Native 组织的终极形态，真的被一个产品做出来了！！众所周知，OPC的本质是一个人 + 无数个 Agent 协作但前段时间抖音上一个消息让我意识到有的学校已经把一人公司概念当成就业率在宣传了，鼓励所有创新创业竞赛的获奖作品去注册公司做OPC？？？？最终结果是：90% 的 OPC 宣告破产原因是：根本不理解，一个组织到底需要什么样的"人" 然后我发现了 Helio，直接给我干沉默了我只是跟我的 HR 同事说了一句话："我要筹备 AI 课程和训练营"——他听完，自己去给我招了一个课程研发助手进来。我没有配置、没有写 Prompt、没有选模型他判断我需要什么人，他就把什么人招进来，我看后台进程是调用了无数个skill帮我完成一件事儿，如果是我自己做的话我真的很难想象要多久更离谱的是——当我让他们去抓取热点、写稿的时候，他们不是各做各的，他们会互相讨论、互相质疑，甚至吵起来。在争执里涌现出真正好的内容这一刻我感觉我不是在用工具，我是在旁观一个真实的工作团队在运转还有一件事让我直接封神：支持 DeepSeek 模型不用被 GPT/Claude 的付费账单绑架，AI 团队照样给你跑起来这不是在用 AI，这是真的在让我作为一个老板在经营一家公司

叫我阿杭

13,101 просмотров • 4 месяцев назад

你们需要的推文写作神器来了：tweet-skills，它是一组自动创作技能包。这个 repo 真正在做的一件事，是把内容创作工程化。怎么说？它有 8 个 skill： - hot-topics 负责采集 - topic-research 负责调研 - opinion-generator 负责观点 - tweet-writer 负责写作 - tweet-polish 负责去 AI 味 - title-optimizer 负责标题 - tweet-closing 负责结尾 - tweet-pipeline 负责串联。每个 skill 职责明确，每个 skill 可以独立运行，每个 skill 可以单独迭代升级。这是什么思路？软件工程的思路。模块化、可复用、可测试、可迭代。 skill 就是内容创作的「函数」。pipeline 就是内容创作的「工作流」。收藏价值设计就是内容创作的「代码审查」。市面上所有 AI 写作工具，本质上都是一个巨大的 prompt 加一个输入框。你进去一堆文字，出来一段文字。 tweet-skills 不一样。它把创作过程拆成了系统。你可以看到每一步在做什么，每一步的输入输出是什么，每一步的质量标准是什么。这才是 AI 时代内容创作该有的样子。不是用 AI 替代创作，是用工程化思维重构创作。这个 repo 值 star。先收下，以后会明白我在说什么。 #skill #openclaw 源码：

你们需要的推文写作神器来了：tweet-skills，它是一组自动创作技能包。这个 repo 真正在做的一件事，是把内容创作工程化。怎么说？它有 8 个 skill： - hot-topics 负责采集 - topic-research 负责调研 - opinion-generator 负责观点 - tweet-writer 负责写作 - tweet-polish 负责去 AI 味 - title-optimizer 负责标题 - tweet-closing 负责结尾 - tweet-pipeline 负责串联。每个 skill 职责明确，每个 skill 可以独立运行，每个 skill 可以单独迭代升级。这是什么思路？软件工程的思路。模块化、可复用、可测试、可迭代。 skill 就是内容创作的「函数」。pipeline 就是内容创作的「工作流」。收藏价值设计就是内容创作的「代码审查」。市面上所有 AI 写作工具，本质上都是一个巨大的 prompt 加一个输入框。你进去一堆文字，出来一段文字。 tweet-skills 不一样。它把创作过程拆成了系统。你可以看到每一步在做什么，每一步的输入输出是什么，每一步的质量标准是什么。这才是 AI 时代内容创作该有的样子。不是用 AI 替代创作，是用工程化思维重构创作。这个 repo 值 star。先收下，以后会明白我在说什么。 #skill #openclaw 源码：

tiantian

17,822 просмотров • 5 месяцев назад

🚨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 просмотров • 8 месяцев назад

我发现身边很多人根本就不知道什么是 Agent，什么是 Skill，什么是 Harness 如果是用过 Claude Code 的人还好，但是对于那些只用过 Workday 甚至豆包的人，是根本不可能给他讲明白的。于是我突发奇想，对于这种基础差的人，其实更好的解释方法是用游戏，更加直观最近刷到好几次 Gear Zero 这个能够一键制作游戏的网站，所以我就想正好试一下做一版简单的概念游戏。因为看到有在线分享游戏的功能，如果以后谁再问我什么是agent、harness，我直接把链接甩给他，让他去玩一下，他就懂了我让 Claude 给我生成了一个初始版本的提示词，大概就是使用皮影戏的概念，来讲模型和 Skill。然后去尝试在线制作游戏。生成的时间大概是二十几分钟，一共送了初始 10 次积分，算上分享的次数能生成 15 次第一版的效果直接看演示视频，当然，也还有很多可以继续完善的点，总体来说我觉得还是不错的，达到了我的基本要求，后面也能够继续通过对话来进行迭代

我发现身边很多人根本就不知道什么是 Agent，什么是 Skill，什么是 Harness 如果是用过 Claude Code 的人还好，但是对于那些只用过 Workday 甚至豆包的人，是根本不可能给他讲明白的。于是我突发奇想，对于这种基础差的人，其实更好的解释方法是用游戏，更加直观最近刷到好几次 Gear Zero 这个能够一键制作游戏的网站，所以我就想正好试一下做一版简单的概念游戏。因为看到有在线分享游戏的功能，如果以后谁再问我什么是agent、harness，我直接把链接甩给他，让他去玩一下，他就懂了我让 Claude 给我生成了一个初始版本的提示词，大概就是使用皮影戏的概念，来讲模型和 Skill。然后去尝试在线制作游戏。生成的时间大概是二十几分钟，一共送了初始 10 次积分，算上分享的次数能生成 15 次第一版的效果直接看演示视频，当然，也还有很多可以继续完善的点，总体来说我觉得还是不错的，达到了我的基本要求，后面也能够继续通过对话来进行迭代

雪踏乌云

27,014 просмотров • 1 месяц назад

30秒的视频—感受一下能接入微信的Personal AI！目前MUSE 对中文区用户来说，使用环境还是有门槛的，更别说不会翻墙的朋友了。后来我找到一个国内可以直接用的 Personal AI——Today 我不会轻易下结论，除非我深度体验过，于是我做了个测试： Today能不能作为一个真正了解我的 AI 私人教练？我把自己的身体情况、训练习惯、饮食、睡眠、作息和健身目标基本都告诉它了。最爽的一点就是：这些东西不用每天重新解释比如今天我只说一句： “我今天状态只有8.5分，帮我制定一个合适的训练计划。” 它已经知道我最近练过什么、训练水平怎么样、目标是什么，会直接接着以前的记忆给我调整训练和饮食所以他给了我一个非常合理的训练计划！我已经用Today记录了我好几天的训练情况了，让我比较惊喜的一点是是它的主动性他会主动给我发信息提醒我今天要去健身了！要吃点什么，训练怎么安排.... 如果你用普通大模型基本都是：我想到问题 → 我去问 → AI 回答 Today 更像：它一直认识我 → 记得我最近在干什么 → 到了该做事的时候主动来找我所以现在它会主动提醒我训练、问我今天有没有完成、睡眠和饮食怎么样，状态变了再继续调整计划甚至我已经把它接到微信的ClawBot 上，直接在微信对话，太方便了相比 MUSE 这类海外 Personal AI 对国内用户还有一些使用门槛，Today Today AI 本身就是中国团队做、国内直接可用的产品底层也不是简单绑死某一个模型，目前用的是Claude的顶级模型，还有一套持续优化的 Frontier Models + 长期记忆 + Agent 执行能力健身只是我拿它测试的第一个案例！中国版现在基础版可以免费用，新用户注册还有 1 亿 Token + 1 个月 Pro 权益，强烈建议大家试试！

30秒的视频—感受一下能接入微信的Personal AI！目前MUSE 对中文区用户来说，使用环境还是有门槛的，更别说不会翻墙的朋友了。后来我找到一个国内可以直接用的 Personal AI——Today 我不会轻易下结论，除非我深度体验过，于是我做了个测试： Today能不能作为一个真正了解我的 AI 私人教练？我把自己的身体情况、训练习惯、饮食、睡眠、作息和健身目标基本都告诉它了。最爽的一点就是：这些东西不用每天重新解释比如今天我只说一句： “我今天状态只有8.5分，帮我制定一个合适的训练计划。” 它已经知道我最近练过什么、训练水平怎么样、目标是什么，会直接接着以前的记忆给我调整训练和饮食所以他给了我一个非常合理的训练计划！我已经用Today记录了我好几天的训练情况了，让我比较惊喜的一点是是它的主动性他会主动给我发信息提醒我今天要去健身了！要吃点什么，训练怎么安排.... 如果你用普通大模型基本都是：我想到问题 → 我去问 → AI 回答 Today 更像：它一直认识我 → 记得我最近在干什么 → 到了该做事的时候主动来找我所以现在它会主动提醒我训练、问我今天有没有完成、睡眠和饮食怎么样，状态变了再继续调整计划甚至我已经把它接到微信的ClawBot 上，直接在微信对话，太方便了相比 MUSE 这类海外 Personal AI 对国内用户还有一些使用门槛，Today Today AI 本身就是中国团队做、国内直接可用的产品底层也不是简单绑死某一个模型，目前用的是Claude的顶级模型，还有一套持续优化的 Frontier Models + 长期记忆 + Agent 执行能力健身只是我拿它测试的第一个案例！中国版现在基础版可以免费用，新用户注册还有 1 亿 Token + 1 个月 Pro 权益，强烈建议大家试试！

梭哈.AI

31,986 просмотров • 14 дней назад

最近经常用 OpenClaw 帮我阅读文章，我就突然想到，为什么我不能直接做一个独立的 Telegram Bot 来帮我保存我传给它的链接，并做好摘要和分析呢？正好我前段时间看到了 QMD 这个项目，它可以把本地的笔记库变成一个可语义化和向量化搜索的知识库。我就在想可以把这两点结合起来：让 AI 帮我把想读的链接放到知识库里搜索，找到相关的笔记，甚至找到之前保存过的链接。有了丰富的上下文之后，再帮我输出一份更有价值的摘要。说干就干，我今天上午就让 OpenClaw 帮我 vibe 了这样一个项目，名字也是它起的，叫 LinkMind。 1. 运行方式： (a) 在本地启动一个 nodejs 服务 (b) 配置一个 Telegram Bot 的 Token 即可 2. 主要功能： (a) 作为 Bot 后端接收我发送的链接 (b) 自动进行内容抓取和文章存档 (c) 匹配相关链接和笔记，输出 insight 并通过消息发给我 (d) 提供一个界面查看近期保存的所有链接及详情 (e) 在详情页可以打开相关笔记，看到具体是哪一段内容与之产生了共鸣不知道大家对这样的工具有没有兴趣？有的话可以给我留言。我打算整理一下之后开源发布出来，然后再做一份 SaaS 版本邀请大家内测使用一下

最近经常用 OpenClaw 帮我阅读文章，我就突然想到，为什么我不能直接做一个独立的 Telegram Bot 来帮我保存我传给它的链接，并做好摘要和分析呢？正好我前段时间看到了 QMD 这个项目，它可以把本地的笔记库变成一个可语义化和向量化搜索的知识库。我就在想可以把这两点结合起来：让 AI 帮我把想读的链接放到知识库里搜索，找到相关的笔记，甚至找到之前保存过的链接。有了丰富的上下文之后，再帮我输出一份更有价值的摘要。说干就干，我今天上午就让 OpenClaw 帮我 vibe 了这样一个项目，名字也是它起的，叫 LinkMind。 1. 运行方式： (a) 在本地启动一个 nodejs 服务 (b) 配置一个 Telegram Bot 的 Token 即可 2. 主要功能： (a) 作为 Bot 后端接收我发送的链接 (b) 自动进行内容抓取和文章存档 (c) 匹配相关链接和笔记，输出 insight 并通过消息发给我 (d) 提供一个界面查看近期保存的所有链接及详情 (e) 在详情页可以打开相关笔记，看到具体是哪一段内容与之产生了共鸣不知道大家对这样的工具有没有兴趣？有的话可以给我留言。我打算整理一下之后开源发布出来，然后再做一份 SaaS 版本邀请大家内测使用一下

Reorx

11,772 просмотров • 8 месяцев назад

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😂

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

20,027 просмотров • 4 месяцев назад

“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 просмотров • 2 лет назад

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

21,965 просмотров • 4 месяцев назад

Codex 隐藏玩法：把你每天重复教 AI 的提示词，直接做成 Skill 90% 的人用 Codex，其实都在重复做同一件事：开一个新任务，把同一套要求再告诉它一遍。这些 Prompt 你可能已经复制粘贴了几十次。但其实，这种反复使用的工作方法，完全可以直接做成 Codex Skill。详细教程如下： 1️⃣先找一段你经常重复使用的 Prompt，比如我最近一直在用这类提示词： “执行任务前先检查需求漏洞和潜在风险，不要默认接受我的方案。涉及代码和结论必须验证，完成后按验收标准逐项检查。” 这类 Prompt 很好用，但最大的问题是：每开一个新任务，都要重新贴一次。 2️⃣直接让 Codex 把它做成 Skill把原来的 Prompt 发给 Codex，然后告诉它：请把上面这套工作方式整理成一个可重复调用的 Codex Skill。要求： · 明确这个 Skill 适合在什么情况下使用 · 把原来的要求整理成清晰的执行步骤 · 区分任务开始前、执行过程中和完成后的检查 · 保留必要的验证流程 · 删除重复和模糊的要求 · 不要改变原来的核心工作原则 Codex 就会把原来散乱的一段 Prompt，整理成一套完整的 Skill 工作流。以后这些规则就不用一直躺在聊天记录里了。 3️⃣ 后面直接调用这个 Skill 再开新任务时，不需要重新复制那一大段 Prompt。直接告诉 Codex：使用这个 Skill 完成当前任务。最后你的 Codex 里保存的，就不再是一堆 Prompt，而是你自己的一整套工作流。 Prompt 是教 AI 这一次怎么做。 Skill 是把你的工作方法直接固化下来，以后每个项目都能重复调用。

Codex 隐藏玩法：把你每天重复教 AI 的提示词，直接做成 Skill 90% 的人用 Codex，其实都在重复做同一件事：开一个新任务，把同一套要求再告诉它一遍。这些 Prompt 你可能已经复制粘贴了几十次。但其实，这种反复使用的工作方法，完全可以直接做成 Codex Skill。详细教程如下： 1️⃣先找一段你经常重复使用的 Prompt，比如我最近一直在用这类提示词： “执行任务前先检查需求漏洞和潜在风险，不要默认接受我的方案。涉及代码和结论必须验证，完成后按验收标准逐项检查。” 这类 Prompt 很好用，但最大的问题是：每开一个新任务，都要重新贴一次。 2️⃣直接让 Codex 把它做成 Skill把原来的 Prompt 发给 Codex，然后告诉它：请把上面这套工作方式整理成一个可重复调用的 Codex Skill。要求： · 明确这个 Skill 适合在什么情况下使用 · 把原来的要求整理成清晰的执行步骤 · 区分任务开始前、执行过程中和完成后的检查 · 保留必要的验证流程 · 删除重复和模糊的要求 · 不要改变原来的核心工作原则 Codex 就会把原来散乱的一段 Prompt，整理成一套完整的 Skill 工作流。以后这些规则就不用一直躺在聊天记录里了。 3️⃣ 后面直接调用这个 Skill 再开新任务时，不需要重新复制那一大段 Prompt。直接告诉 Codex：使用这个 Skill 完成当前任务。最后你的 Codex 里保存的，就不再是一堆 Prompt，而是你自己的一整套工作流。 Prompt 是教 AI 这一次怎么做。 Skill 是把你的工作方法直接固化下来，以后每个项目都能重复调用。

爱丽丝呀！

40,828 просмотров • 1 месяц назад

想认真做小红书个人号或者矩阵的朋友，这个 Skill 真的能帮你省掉 80% 的重复劳动。看了我的 AI 工作流分享以后，很多宝子问有没有小红书自动化运营的工具，我GitHub上找了下，这个还不错，说实话，我之前也以为所有小红书自动化工具都是垃圾，要么用两天就封号，要么复杂到要写几百行代码，要么就是个只能发文字的残废，直到我试了这个，最牛逼的是它的安全机制：完全不用小红书 API，全程用浏览器自动化模拟真人点击和输入。第一次扫码登录后，后续所有操作都和你自己手动点一模一样，目前是我见过封号风险最低的方案。而且它真的零代码，你不需要懂任何编程，只要对着你的龙虾或者 hermes 说一句话就行： • 帮我分析一下我的首页推荐流 • 帮我生成五个今天能发的选题 • 帮我复刻这篇爆款笔记 • 帮我回复一下最新的评论它全都能自己干完，最狠的是它不只是一个单纯的发稿工具，它还有一个完整的运营闭环：会分析你的账号数据、拆解别人爆款的结构、生成内容+封面、自动发布、自动回评，还会把所有分析结果和操作自动存成 Markdown 知识库，方便你后续复盘。安装也简单到离谱：打开 Openclaw，直接说 “帮我安装这个 skill 就完事了。仓库地址老规矩评论区自取鸭🦆

想认真做小红书个人号或者矩阵的朋友，这个 Skill 真的能帮你省掉 80% 的重复劳动。看了我的 AI 工作流分享以后，很多宝子问有没有小红书自动化运营的工具，我GitHub上找了下，这个还不错，说实话，我之前也以为所有小红书自动化工具都是垃圾，要么用两天就封号，要么复杂到要写几百行代码，要么就是个只能发文字的残废，直到我试了这个，最牛逼的是它的安全机制：完全不用小红书 API，全程用浏览器自动化模拟真人点击和输入。第一次扫码登录后，后续所有操作都和你自己手动点一模一样，目前是我见过封号风险最低的方案。而且它真的零代码，你不需要懂任何编程，只要对着你的龙虾或者 hermes 说一句话就行： • 帮我分析一下我的首页推荐流 • 帮我生成五个今天能发的选题 • 帮我复刻这篇爆款笔记 • 帮我回复一下最新的评论它全都能自己干完，最狠的是它不只是一个单纯的发稿工具，它还有一个完整的运营闭环：会分析你的账号数据、拆解别人爆款的结构、生成内容+封面、自动发布、自动回评，还会把所有分析结果和操作自动存成 Markdown 知识库，方便你后续复盘。安装也简单到离谱：打开 Openclaw，直接说 “帮我安装这个 skill 就完事了。仓库地址老规矩评论区自取鸭🦆

AYi

24,613 просмотров • 4 месяцев назад

我裸辞了，去找自己。这是我第二次裸辞。第一次，是在字节长期的高压和否定里被动自救式的逃离；这一次，我想主动寻找一种属于自己的人生结构。这期视频，我想认真介绍一下「王帅真」这个账号背后真实的我，也聊聊我何以至此： - 我为什么这么想离开“上班” - 我为什么裸辞后又回去上班 - 一份 965 的工作，如何让我重新找回生活 - 副业还没有超过主业，我为什么仍然决定离开 - 我如何计算 runway、准备退路，把恐惧变成具体的风险 - 接下来一年，我想怎样验证自己的产品、内容和商业闭环我不是准备好了才出发。只是如果一直等到所有问题都消失，可能永远不会出发。想都是问题，做了才有答案。从今天开始，我想切身体验一下“只工作，不上班”的日子。 #裸辞 #独立开发 #自由职业 #副业 #程序员 #个人成长 #OPC #一人公司 #AI #INFJ

我裸辞了，去找自己。这是我第二次裸辞。第一次，是在字节长期的高压和否定里被动自救式的逃离；这一次，我想主动寻找一种属于自己的人生结构。这期视频，我想认真介绍一下「王帅真」这个账号背后真实的我，也聊聊我何以至此： - 我为什么这么想离开“上班” - 我为什么裸辞后又回去上班 - 一份 965 的工作，如何让我重新找回生活 - 副业还没有超过主业，我为什么仍然决定离开 - 我如何计算 runway、准备退路，把恐惧变成具体的风险 - 接下来一年，我想怎样验证自己的产品、内容和商业闭环我不是准备好了才出发。只是如果一直等到所有问题都消失，可能永远不会出发。想都是问题，做了才有答案。从今天开始，我想切身体验一下“只工作，不上班”的日子。 #裸辞 #独立开发 #自由职业 #副业 #程序员 #个人成长 #OPC #一人公司 #AI #INFJ

王帅真

125,683 просмотров • 1 месяц назад

让 AI 帮我判断，哪个镜头值得留下我让 AI 看了一段自己做的《五王醉归》。它给我的一个剪辑建议是：留住桌下的杯盏镜头。这倒是切中了我做片子时经常纠结的问题：画面都挺好看，但剪短的时候，到底该留哪一段？这次拿 Ling-3.0-flash-VL 当了一回剪辑助理。我上传了15秒的宴席片段，没给完整剧情，只让它看画面：梳理人物动作、挑保留段落，再说清楚为什么。它把这段拆成了举杯、桌下杯盏、多人扶持几个环节，还特意提醒：如果跳过杯盏这一段，转折就少了视觉证据。我回看片子，这个建议确实有用。杯盏不只是一个道具特写，它把前面的共饮，和后面人物状态的变化接了起来。另一个我喜欢的地方，是这次回答把“看到什么”和“可能意味着什么”分开了。看到有人被扶住，没有直接把原因写死。对我来说，这种视觉理解接进创作流程，最有意思的不是让 AI 替我做导演，而是多一个能拿着画面跟我讨论取舍的助手。先帮我整理出值得回看的位置，再由我核对时间点、决定怎么剪。这个用法，我会继续试。想自己试试的，可以去 OpenRouter 体验 Ling-3.0-flash-VL，目前处于免费体验期。免费额度和开放情况以平台页面实时信息为准。体验地址：合作内容｜视频素材为本人 AI 创作；附真实测试录屏。

让 AI 帮我判断，哪个镜头值得留下我让 AI 看了一段自己做的《五王醉归》。它给我的一个剪辑建议是：留住桌下的杯盏镜头。这倒是切中了我做片子时经常纠结的问题：画面都挺好看，但剪短的时候，到底该留哪一段？这次拿 Ling-3.0-flash-VL 当了一回剪辑助理。我上传了15秒的宴席片段，没给完整剧情，只让它看画面：梳理人物动作、挑保留段落，再说清楚为什么。它把这段拆成了举杯、桌下杯盏、多人扶持几个环节，还特意提醒：如果跳过杯盏这一段，转折就少了视觉证据。我回看片子，这个建议确实有用。杯盏不只是一个道具特写，它把前面的共饮，和后面人物状态的变化接了起来。另一个我喜欢的地方，是这次回答把“看到什么”和“可能意味着什么”分开了。看到有人被扶住，没有直接把原因写死。对我来说，这种视觉理解接进创作流程，最有意思的不是让 AI 替我做导演，而是多一个能拿着画面跟我讨论取舍的助手。先帮我整理出值得回看的位置，再由我核对时间点、决定怎么剪。这个用法，我会继续试。想自己试试的，可以去 OpenRouter 体验 Ling-3.0-flash-VL，目前处于免费体验期。免费额度和开放情况以平台页面实时信息为准。体验地址：合作内容｜视频素材为本人 AI 创作；附真实测试录屏。

波妞PONYO

29,445 просмотров • 24 дней назад

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：

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 просмотров • 2 лет назад

请所有AI博主和AI产品别再夸大其词，贩卖AI焦虑了，我知道这样流量/用户/融资来的快，但是，做AI产品或自媒体的本质，是传达一个新的视角去帮助他人，而不是为了搞用户搞增长搞流量。就像教育的本质也不是为了让孩子卷分数上名校，而是为了在童年时期给予足够的爱和陪伴。工作的本质也不是为了赚钱和别人攀比，而是实现每个人的价值来建设更好的社会。我们错把奖励当作初衷，最终苦头还是自己吃，整个社会如今就像一台高速运转的绞肉机，血腥且残酷。接下来我会恢复内容更新！马上月底我们团队的大导演叶子要飞过来清迈，我们会一起拍摄分享在清迈的生活，做Starchild产品的有趣事，我们会在清迈找认真生活的人做纪录片。虽然我也在做玩不出啥花样的的agent产品，产品功能现在agents都差不多，但我希望给用户一个更好的体验，希望能和更多有灵气有审美且同频的人一起工作，这是我在工作中感到最幸福的事（如果有朝一日我们产品能帮到用户，能就是更幸福的事）

请所有AI博主和AI产品别再夸大其词，贩卖AI焦虑了，我知道这样流量/用户/融资来的快，但是，做AI产品或自媒体的本质，是传达一个新的视角去帮助他人，而不是为了搞用户搞增长搞流量。就像教育的本质也不是为了让孩子卷分数上名校，而是为了在童年时期给予足够的爱和陪伴。工作的本质也不是为了赚钱和别人攀比，而是实现每个人的价值来建设更好的社会。我们错把奖励当作初衷，最终苦头还是自己吃，整个社会如今就像一台高速运转的绞肉机，血腥且残酷。接下来我会恢复内容更新！马上月底我们团队的大导演叶子要飞过来清迈，我们会一起拍摄分享在清迈的生活，做Starchild产品的有趣事，我们会在清迈找认真生活的人做纪录片。虽然我也在做玩不出啥花样的的agent产品，产品功能现在agents都差不多，但我希望给用户一个更好的体验，希望能和更多有灵气有审美且同频的人一起工作，这是我在工作中感到最幸福的事（如果有朝一日我们产品能帮到用户，能就是更幸福的事）

Jingyuan缘缘

15,013 просмотров • 20 дней назад

我经常看一些英文技术文档，但因为英语不够好，加上专业名词晦涩难懂，读起来很吃力。之前我一直用 NotebookLM 转成播客听，但它生成的中文播客有个致命问题：听起来很别扭，有时候中文用词也不准确。最近发现扣子上线了 Skills 功能，我就想着试用它做一个“转播客”的工具。操作方式也很简单，直接打开扣子编程网站：然后选择技能，在输入框里面说了一下我的需求我会输入一个英文博客文章，你帮我做成一个两人的播客，两个主持人对谈探讨播客内容，目的是用通俗易懂的方式说清楚这个文章的内容，你要使用api生成语音做成一个播客它很快就为我生成了一个 Skill。然后生成以后点击右上角的部署接下来回到扣子编程页面，在对话框选择更多技能，就看到了我的skill 我用 Claude 的《Skills explained》文档测试了一下，效果出乎意料地好，讲得通俗易懂。比如：说话人1：你就把 Skills 当成是 Claude 的专业训练手册。说话人2：那它跟平时发的 Prompt 有啥不一样？说话人1：Prompt 就像临时问“这个菜咋做”，Skills 就是把整个菜谱都存下来，下次直接照着做就行。 7 分钟听完，还真全懂了(效果看视频)。关键是，制作这个 Skill 我一行代码没写，只是描述了需求，扣子就把“如何通俗易懂讲技术”这个方法论固化成了 Skill。接下来，我只需要把英文博客粘贴进去，它就会：自动设计双人对话节奏，像听真播客一样自然；识别晦涩概念，用类比解释（比如菜谱、咖啡店）；保留技术准确性，但绝不堆砌术语。现在我读每篇文档，几分钟就能吸收核心内容，每天能省出大量时间用于深度思考。我觉得这才是 AI 该有的样子：不是把所有人拉到同一个平庸水平，而是把少数人的方法论，沉淀成人人可用的能力。录了个实际效果视频，大家可以感受一下这种“自然度”和“通俗度”。推荐大家去试一下，用来做一些基础办公的 Skill 非常好使！

我经常看一些英文技术文档，但因为英语不够好，加上专业名词晦涩难懂，读起来很吃力。之前我一直用 NotebookLM 转成播客听，但它生成的中文播客有个致命问题：听起来很别扭，有时候中文用词也不准确。最近发现扣子上线了 Skills 功能，我就想着试用它做一个“转播客”的工具。操作方式也很简单，直接打开扣子编程网站：然后选择技能，在输入框里面说了一下我的需求我会输入一个英文博客文章，你帮我做成一个两人的播客，两个主持人对谈探讨播客内容，目的是用通俗易懂的方式说清楚这个文章的内容，你要使用api生成语音做成一个播客它很快就为我生成了一个 Skill。然后生成以后点击右上角的部署接下来回到扣子编程页面，在对话框选择更多技能，就看到了我的skill 我用 Claude 的《Skills explained》文档测试了一下，效果出乎意料地好，讲得通俗易懂。比如：说话人1：你就把 Skills 当成是 Claude 的专业训练手册。说话人2：那它跟平时发的 Prompt 有啥不一样？说话人1：Prompt 就像临时问“这个菜咋做”，Skills 就是把整个菜谱都存下来，下次直接照着做就行。 7 分钟听完，还真全懂了(效果看视频)。关键是，制作这个 Skill 我一行代码没写，只是描述了需求，扣子就把“如何通俗易懂讲技术”这个方法论固化成了 Skill。接下来，我只需要把英文博客粘贴进去，它就会：自动设计双人对话节奏，像听真播客一样自然；识别晦涩概念，用类比解释（比如菜谱、咖啡店）；保留技术准确性，但绝不堆砌术语。现在我读每篇文档，几分钟就能吸收核心内容，每天能省出大量时间用于深度思考。我觉得这才是 AI 该有的样子：不是把所有人拉到同一个平庸水平，而是把少数人的方法论，沉淀成人人可用的能力。录了个实际效果视频，大家可以感受一下这种“自然度”和“通俗度”。推荐大家去试一下，用来做一些基础办公的 Skill 非常好使！

泊舟

38,931 просмотров • 8 месяцев назад

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

305,125 просмотров • 2 лет назад