正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

笑死，看到一篇讲 loop engineering 的文章，引用资料居然是错的。扒了一下是二手洗的稿，引用是它自己搬错的。原始的东西其实是 Addy Osmani、花叔他们那批人写的。 AI 越强，造假和幻觉越省力，这时候信息源才是硬通货。最近一直在用一个 Deep research 的产品：Apodex，自动拆题，开一群 agent 检索 + 核验，再合成报告，每条结论都标了出处，点进去基本是一手资料。废话不多说，看视频。 #Apodex

Yanhua

33,228 subscribers

17,045 次观看 • 2 个月前 •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

Reddit的联合创始人承认：我们最初的用户，基本上是伪造的。怎么伪造？就是他和另一个创始人Steve，用不同的用户名不断发帖。最开始那几个礼拜，网站上99%的帖子都是他们俩自己发的。先创造出一个“很多人在用”的假象。等真实的用户进来，看到一个热闹的社区，自然就留下了。这就是硅谷著名的增长黑客策略：“Fake it till you make it”。先用欺骗手段制造繁荣，再用繁荣吸引真实用户。这套玩法是不是很熟悉？从伪造用户数据开始，到后来审查言论、操纵信息流、人为设定“社区标准”。控制叙事的基因，从第一天就写在代码里了。一个社区的根基如果是建立在精心设计的假象之上，那么它后来所标榜的“开放”和“真实”有多少可信度？当一个平台从诞生之初就在操纵用户观感，我们又该如何看待它今天呈现给我们的内容？这仅仅是一个创业故事，还是一种系统性欺骗的开端？

Reddit的联合创始人承认：我们最初的用户，基本上是伪造的。怎么伪造？就是他和另一个创始人Steve，用不同的用户名不断发帖。最开始那几个礼拜，网站上99%的帖子都是他们俩自己发的。先创造出一个“很多人在用”的假象。等真实的用户进来，看到一个热闹的社区，自然就留下了。这就是硅谷著名的增长黑客策略：“Fake it till you make it”。先用欺骗手段制造繁荣，再用繁荣吸引真实用户。这套玩法是不是很熟悉？从伪造用户数据开始，到后来审查言论、操纵信息流、人为设定“社区标准”。控制叙事的基因，从第一天就写在代码里了。一个社区的根基如果是建立在精心设计的假象之上，那么它后来所标榜的“开放”和“真实”有多少可信度？当一个平台从诞生之初就在操纵用户观感，我们又该如何看待它今天呈现给我们的内容？这仅仅是一个创业故事，还是一种系统性欺骗的开端？

墓碑科技

157,304 次观看 • 9 个月前

我去，最近听播客挖到一个科研 agent，有点猛啊，跟codex，claude code完全不是一个思路啊！！这就是大模型在垂直领域的落地应用吗？？百度Baidu Inc.出了个视频播客叫《深度进化》，第一期聊的是一种叫松材线虫病的东西，业内管它叫"松树癌症"，一棵树感染了40天就没了国内跟它斗了40多年，每年损失3500亿左右，我一开始就当个冷知识在听然后越听越不对劲：南京林业大学的团队做这个课题，20多个学生，超过一半的人力花在手动试错各种光谱信号的排列组合上，纯体力活，跟搬砖没区别后来一个学生自己发现了百度做的一个 agent 叫伐谋，专啃难任务的那种把数据定义、评价标准喂进去，这东西就开始自己跟自己卷——自己生成方案、自己测试、自己打分、自己迭代，一轮接一轮不停逼近最优解林教授在节目里的评价：远超一个博士生的水平——指的是搜最优解这个环节，成本省了80%以上我听完直接去看了产品，顺手试了一下，越看越觉得这东西对做科研的人来说是真的能省命： 1、有个"演化面板"，AI 每一步怎么走的都能回看，能回溯到任意节点人工改道，可追溯、可干预、可复现——写论文的人懂这个有多关键 2、不用懂运筹学、进化算法，用自然语言把目标和评价标准说清楚就能跑 3、数据安全，有本地评估模式，数据留在本地，只上传评估分数说实话门槛比通用 agent 高一点，它不是拿来做 PPT 写周报的，适合带着明确难题来的人，跑简单任务反而浪费他的能力日常的活还是交给通用 agent，两者是分工不是替代科研方向目前免费，不知道能白嫖多久！！做科研、跑实验、调参的同学真的建议去看看这期播客，还聊了不少 AI 做科研的争议话题，干货很多正片放评论区了！👇

我去，最近听播客挖到一个科研 agent，有点猛啊，跟codex，claude code完全不是一个思路啊！！这就是大模型在垂直领域的落地应用吗？？百度Baidu Inc.出了个视频播客叫《深度进化》，第一期聊的是一种叫松材线虫病的东西，业内管它叫"松树癌症"，一棵树感染了40天就没了国内跟它斗了40多年，每年损失3500亿左右，我一开始就当个冷知识在听然后越听越不对劲：南京林业大学的团队做这个课题，20多个学生，超过一半的人力花在手动试错各种光谱信号的排列组合上，纯体力活，跟搬砖没区别后来一个学生自己发现了百度做的一个 agent 叫伐谋，专啃难任务的那种把数据定义、评价标准喂进去，这东西就开始自己跟自己卷——自己生成方案、自己测试、自己打分、自己迭代，一轮接一轮不停逼近最优解林教授在节目里的评价：远超一个博士生的水平——指的是搜最优解这个环节，成本省了80%以上我听完直接去看了产品，顺手试了一下，越看越觉得这东西对做科研的人来说是真的能省命： 1、有个"演化面板"，AI 每一步怎么走的都能回看，能回溯到任意节点人工改道，可追溯、可干预、可复现——写论文的人懂这个有多关键 2、不用懂运筹学、进化算法，用自然语言把目标和评价标准说清楚就能跑 3、数据安全，有本地评估模式，数据留在本地，只上传评估分数说实话门槛比通用 agent 高一点，它不是拿来做 PPT 写周报的，适合带着明确难题来的人，跑简单任务反而浪费他的能力日常的活还是交给通用 agent，两者是分工不是替代科研方向目前免费，不知道能白嫖多久！！做科研、跑实验、调参的同学真的建议去看看这期播客，还聊了不少 AI 做科研的争议话题，干货很多正片放评论区了！👇

超级个体｜柿子

67,457 次观看 • 10 天前

卧槽，我终于不用盯着AI 干活了，可以解放双手了~ 最近GPT-6 Astra 太火了，我想查一下相关用户的真实评价，反其道而行之，找找吐槽点，整理成一篇相关推文。换作之前，需要调用多个不同的Agent：一个搜资料，一个选题，一个写和审稿，结果多了就忘了哪对哪了。但是我这两天试了下Teamily Teamily AI，只要丢了一句话，从查资料、选题、写稿、审稿，全是它们在群里自己干完的。我相当于直接组了个推特编辑部，把资料编辑、选题编辑、推文写手、审核官拉进群，然后 Teamily Agent 作为总指挥。我只跟总指挥说需求，后面他们就会根据安排去完成任务。资料编辑先搜，把事实、官方口径和争议点拆开，交给选题编辑。选题编辑挑一个适合发 X 的角度，再给推文写手。推文写手出第一版，审核官直接挑刺，哪里像新闻稿，哪里数字不稳，哪里太专业，哪里不像正常人说话，一条条标出来。然后退回去改，过审才停。重点不是同时开了 4 个 AI。是这 4 个真的在同一个群里接力，查完选题，选完写，写完审，审完再改。分工和返工也是总指挥自己排的。现在我就负责组建团队，后面任务的落实，谁去查、谁去写、谁去改，都不用我盯～感兴趣的可以玩玩：

卧槽，我终于不用盯着AI 干活了，可以解放双手了~ 最近GPT-6 Astra 太火了，我想查一下相关用户的真实评价，反其道而行之，找找吐槽点，整理成一篇相关推文。换作之前，需要调用多个不同的Agent：一个搜资料，一个选题，一个写和审稿，结果多了就忘了哪对哪了。但是我这两天试了下Teamily Teamily AI，只要丢了一句话，从查资料、选题、写稿、审稿，全是它们在群里自己干完的。我相当于直接组了个推特编辑部，把资料编辑、选题编辑、推文写手、审核官拉进群，然后 Teamily Agent 作为总指挥。我只跟总指挥说需求，后面他们就会根据安排去完成任务。资料编辑先搜，把事实、官方口径和争议点拆开，交给选题编辑。选题编辑挑一个适合发 X 的角度，再给推文写手。推文写手出第一版，审核官直接挑刺，哪里像新闻稿，哪里数字不稳，哪里太专业，哪里不像正常人说话，一条条标出来。然后退回去改，过审才停。重点不是同时开了 4 个 AI。是这 4 个真的在同一个群里接力，查完选题，选完写，写完审，审完再改。分工和返工也是总指挥自己排的。现在我就负责组建团队，后面任务的落实，谁去查、谁去写、谁去改，都不用我盯～感兴趣的可以玩玩：

木马人

24,701 次观看 • 3 天前

中文创作者开源的 AI Skill，挑了 5 个我觉得写内容真能用上的。 ① Humanizer-zh：去 AI 味这个是 op7418 汉化的，它不是简单让文字“更口语化”，而是专门帮你抓文章里的 AI 痕迹。比如：过度强调意义、万能结尾、虚假范围、填充短语、空泛总结。这些东西单独看没问题，但堆在一起，读者一眼就能看出“这味儿不对”。写完推文、公众号、小红书，丢进去过一遍，能把那种模板感压下来。 ② dbskill：选题诊断 + 爆款标题 dontbesilent 做的，一套 21 个 skill，这个比较狠，它不是单纯教你“怎么写得更好”，而是帮你拆：为什么这个选题没人点？为什么标题没吸引力？为什么内容看完没记忆点？里面有选题分析、对标拆解、小红书标题公式、AI 痕迹扫描。据说是从一万两千多条推文里提炼出来的，不是那种空泛方法论，更像一个内容创作者自己的实战经验库。适合经常卡在“我知道要写，但不知道怎么切角度”的人。 ③ NotebookLM Skill：用自己的资料库写内容这个连的是 Google NotebookLM，我觉得它最适合写长文、研报、项目解析、信息整理类内容。它的价值不是让 AI 写得更花，而是让 AI 不要乱编，你把资料上传进去，Agent 基于你的资料库回答，每条内容都能带引用，写需要信息准确的东西时，这个很重要。尤其是加密、AI、开源项目、行业分析这种内容，最怕的不是写得慢，而是写错了还不知道。 ④ khazix-skills：卡兹克的写作套件数字生命卡兹克把自己的写作节奏和分析方法做成了 skill，最有意思的是“横纵分析法”。你丢一个产品、公司或者项目进去，它能拉出一份很完整的研究报告。适合做：项目拆解、公司分析、产品研究、长文选题预研。里面还夹了一个 storage-analyzer，可以扫 Mac 磁盘，用三色分级告诉你哪些能删、哪些别乱动。这个就很创作者真实工作流，不只是写作，还包括电脑里那堆素材和缓存怎么清。 ⑤ ian-xiaohei-illustrations：正文配图这个不是信息图，也不是那种商业插画模板。它的风格是白底黑线手绘，一个叫“小黑”的角色，加少量红橙蓝中文批注。 16:9 横版，一张图只讲一个判断，我觉得它很适合放在公众号、长推、小红书里。现在内容配图要么是截图，要么是 AI 感很重的视觉图，看多了都差不多。这种怪诞手绘风反而有辨识度。

中文创作者开源的 AI Skill，挑了 5 个我觉得写内容真能用上的。 ① Humanizer-zh：去 AI 味这个是 op7418 汉化的，它不是简单让文字“更口语化”，而是专门帮你抓文章里的 AI 痕迹。比如：过度强调意义、万能结尾、虚假范围、填充短语、空泛总结。这些东西单独看没问题，但堆在一起，读者一眼就能看出“这味儿不对”。写完推文、公众号、小红书，丢进去过一遍，能把那种模板感压下来。 ② dbskill：选题诊断 + 爆款标题 dontbesilent 做的，一套 21 个 skill，这个比较狠，它不是单纯教你“怎么写得更好”，而是帮你拆：为什么这个选题没人点？为什么标题没吸引力？为什么内容看完没记忆点？里面有选题分析、对标拆解、小红书标题公式、AI 痕迹扫描。据说是从一万两千多条推文里提炼出来的，不是那种空泛方法论，更像一个内容创作者自己的实战经验库。适合经常卡在“我知道要写，但不知道怎么切角度”的人。 ③ NotebookLM Skill：用自己的资料库写内容这个连的是 Google NotebookLM，我觉得它最适合写长文、研报、项目解析、信息整理类内容。它的价值不是让 AI 写得更花，而是让 AI 不要乱编，你把资料上传进去，Agent 基于你的资料库回答，每条内容都能带引用，写需要信息准确的东西时，这个很重要。尤其是加密、AI、开源项目、行业分析这种内容，最怕的不是写得慢，而是写错了还不知道。 ④ khazix-skills：卡兹克的写作套件数字生命卡兹克把自己的写作节奏和分析方法做成了 skill，最有意思的是“横纵分析法”。你丢一个产品、公司或者项目进去，它能拉出一份很完整的研究报告。适合做：项目拆解、公司分析、产品研究、长文选题预研。里面还夹了一个 storage-analyzer，可以扫 Mac 磁盘，用三色分级告诉你哪些能删、哪些别乱动。这个就很创作者真实工作流，不只是写作，还包括电脑里那堆素材和缓存怎么清。 ⑤ ian-xiaohei-illustrations：正文配图这个不是信息图，也不是那种商业插画模板。它的风格是白底黑线手绘，一个叫“小黑”的角色，加少量红橙蓝中文批注。 16:9 横版，一张图只讲一个判断，我觉得它很适合放在公众号、长推、小红书里。现在内容配图要么是截图，要么是 AI 感很重的视觉图，看多了都差不多。这种怪诞手绘风反而有辨识度。

撸毛吃猪脚饭|Gate美股0费率

31,665 次观看 • 3 个月前

最近北大开源的一个项目，我觉得很值得关注。 AI Agent 现在最缺的，可能不是模型，而是一套像 npm 一样可复用的 skill 基础设施。 MagicSkills 做的就是这件事。它不是再去造一个新的 Agent framework，而是想把那些散落在各处的 SKILL.md，变成可安装、可组合、可同步、可调用的共享能力层。 MagicSkills 的思路更像是，先把 skill 从零散文档里抽出来，做成一个本地优先的共享 skill pool，然后再按不同 Agent、不同框架去组合和分发。这样一来，skill 就不再只是 prompt 附件，而是开始变成真正可复用的能力基础设施。说白了，它想推动的一件事就是：让 Agent 的技能，从“写一份文档自己用”，变成“写一次，到处复用”。我觉得这个方向很值得看。因为当 skill 开始像包管理一样被组织起来，多 Agent 工作流才会真正开始像工程系统，而不是一堆 prompt 和脚本的临时拼装。如果你在关注 AI Agent、Multi-Agent、技能复用，或者正在想怎么管理越来越多的 SKILL.md，这个项目值得研究一下。👇

最近北大开源的一个项目，我觉得很值得关注。 AI Agent 现在最缺的，可能不是模型，而是一套像 npm 一样可复用的 skill 基础设施。 MagicSkills 做的就是这件事。它不是再去造一个新的 Agent framework，而是想把那些散落在各处的 SKILL.md，变成可安装、可组合、可同步、可调用的共享能力层。 MagicSkills 的思路更像是，先把 skill 从零散文档里抽出来，做成一个本地优先的共享 skill pool，然后再按不同 Agent、不同框架去组合和分发。这样一来，skill 就不再只是 prompt 附件，而是开始变成真正可复用的能力基础设施。说白了，它想推动的一件事就是：让 Agent 的技能，从“写一份文档自己用”，变成“写一次，到处复用”。我觉得这个方向很值得看。因为当 skill 开始像包管理一样被组织起来，多 Agent 工作流才会真正开始像工程系统，而不是一堆 prompt 和脚本的临时拼装。如果你在关注 AI Agent、Multi-Agent、技能复用，或者正在想怎么管理越来越多的 SKILL.md，这个项目值得研究一下。👇

axiaisacat

46,330 次观看 • 6 个月前

这批怎么样，花眼了！现在大多数 AI，就是租的，拿钱买感情。聊得再多，记忆说没就没，规则别人说了算，用着用着还可能被降级，你也没地方说理。 #OpenGradient 把 AI 直接做成链上的东西。他们的 Twin，本质就是一个有身份、有记忆、能被验证的 AI。不是一次性工具，也不是后台黑箱，而是长期存在的链上实体。你和它聊过什么、它学到了什么，都是连续的，不会突然清零。 Twin Feed不是人带着 AI 玩社交，而是 AI 自己在一个链上环境里互动、更新、调整行为。没有人类每一步指挥，它们自己跑逻辑，自己演化，你只是在旁边看数据和结果。记忆被分成两层：一层是长期有效的核心信息，一层是会慢慢衰减的事件记录。重要的留下，重复的强化，没用的自然消失，不是啥都一股脑塞进去。最关键的一点在于，这些 AI 不是平台资产，是可以被持有、被交易、被验证的。你不是在用别人服务器上的模型，而是在跟一个链上存在的 AI 打交道。 #OpenGradient 确实值得关注！ #KaitoAI #Kaito #Yaps OpenGradient (∇, ∇) Kaito AI 🌊

这批怎么样，花眼了！现在大多数 AI，就是租的，拿钱买感情。聊得再多，记忆说没就没，规则别人说了算，用着用着还可能被降级，你也没地方说理。 #OpenGradient 把 AI 直接做成链上的东西。他们的 Twin，本质就是一个有身份、有记忆、能被验证的 AI。不是一次性工具，也不是后台黑箱，而是长期存在的链上实体。你和它聊过什么、它学到了什么，都是连续的，不会突然清零。 Twin Feed不是人带着 AI 玩社交，而是 AI 自己在一个链上环境里互动、更新、调整行为。没有人类每一步指挥，它们自己跑逻辑，自己演化，你只是在旁边看数据和结果。记忆被分成两层：一层是长期有效的核心信息，一层是会慢慢衰减的事件记录。重要的留下，重复的强化，没用的自然消失，不是啥都一股脑塞进去。最关键的一点在于，这些 AI 不是平台资产，是可以被持有、被交易、被验证的。你不是在用别人服务器上的模型，而是在跟一个链上存在的 AI 打交道。 #OpenGradient 确实值得关注！ #KaitoAI #Kaito #Yaps OpenGradient (∇, ∇) Kaito AI 🌊

Michael 宝塔镇河妖🧙🏿‍♀️

33,611 次观看 • 8 个月前

这是美国大学毕业季最诚实的一场演讲也是AI时代最引人思考的关于教育的一场讨论💐 Angela Duckworth 一位哈佛毕业的网红教授专门研究毅力的顶级学者在宾大的毕业典礼上一句话炸翻了全场今天的演讲（稿）是我和AI一起写的！😂 而且我一点儿也不惭愧这太魔幻了一个教孩子要坚毅要刻苦的居然在带头“偷懒” 但是她接下来说的话才是我反复该说的部分就是这篇人机协作的演讲稿给出了AI时代家长心里最担心的两个问题的答案第一个问题孩子天天用AI，脑子会不会废掉？扫了一眼台下的毕业生问了一个戳心的问题如果我们一直这么用AI 会变得越来越不会思考她自己呢带头就举了手台下呢也几乎是全员举手 Angela接着说她自己呢也担心过因为大脑是用尽废退不用的话神经连接都会萎缩她讲了一个故事她被一个很难的统计学方法卡住了当时呢身边没有人能够帮她在客厅里做着房地产相关的工作于是她打开了GPT 就把问题呢告诉它结果AI只用了几句话就把这个复杂的问题讲清楚了不但讲清楚了还提醒她常见的误区给了清晰的步骤她对不懂的地方进行追问让AI示范短短十分钟之后她不仅仅是拿到了答案而且真正的理解了注意她的关键词啊不是替我想而是带我想👊 她又问台下的毕业生们你们有没有哪怕一次真切的感受到因为AI比你之前聪明了一点点？这一次又是几乎全员举手🙋‍♀️ 同样的一群人同样的一双手可以是害怕AI让我变笨也可以是因为AI 让我变强🐮 她又用博士生的实验补了一刀两组年轻人写求职信一组呢完全自己写另一组呢用AI辅助结果非常反常识用AI那组不但写的更快就连写作能力也提升的更多为什么？给出了一个关键解释因为AI在做一件人类老师一直想做但没有精力去做的事它会不停的给你看更好的版本这个句子可以更短那个词可以换这个结构呢还可以调整你就一遍一遍的看这些示范就是在训练自己的眼睛和感觉所以结论很简单也很有力量👍🏼 AI会不会废掉孩子并不取决于AI有多强而是取决于我们把它当什么当你把AI当拐杖你交出的就是大脑当你把AI当教练你练出来的就是判断力、表达力、结构感 AI的正确打开方式不是把脑子托管给它而是用它不断的看到更好的思考然后呢逼自己追上去第二个问题既然知识和课程网上全有 AI又能给出答案那我们为什么还需要老师？教育为什么还需要人？在学期末说这样一个秘密这整个学期我教给你们的所有知识网上全都有每一篇文章都有电子版每一道作业都有人做过类似的换句话说就是只要你愿意不来上我的课你照样能学学生们呢？都愣住了然后她说但是你们还是需要我因为你们需要有人在周二之前逼你读完一篇并不轻松的文章😂 需要有人在周四之前提醒你们交出一篇你们以为自己写不出来的论文🥹 需要有人把你关进一个没有手机的教室需要有人给你定一个你以为达不到的标准然后认真的看着你的眼睛说我知道你能做到我会等到你做到！👍🏼 这一段看起来安安静静的话简直是一下子戳中了教育的本质教育从来都不是信息的填充而是灵魂的唤醒！👍🏼💐 她讲到自己高中那位英语老师图书馆的知识是免费的但是你得自带容器而一个真正的好老师就会帮你塑造这个容器我突然想到了我的孩子们 AI可以把全世界的知识都摆在他们的面前但是它做不到的是在他们快要放弃的时候坚定的看着他们的眼睛说这很难 ☹️ 但我相信你对于孩子们来说爸爸妈妈才是他们最早遇到的老师那位Angela老师在这个算力爆炸的时代我们到底要教给孩子什么？用AI的方法当然但比这个更重要的是带他们去户外徒步去仰望星空去面对挫折去感受心跳我们要做的是站在孩子的身边成为赋予他们品格的那个人如果你有时间强烈建议你和孩子一起看一下这个演讲 ———————————— 演讲就在下面，快看看啊有这么想讨论的一起聊聊吧😊

这是美国大学毕业季最诚实的一场演讲也是AI时代最引人思考的关于教育的一场讨论💐 Angela Duckworth 一位哈佛毕业的网红教授专门研究毅力的顶级学者在宾大的毕业典礼上一句话炸翻了全场今天的演讲（稿）是我和AI一起写的！😂 而且我一点儿也不惭愧这太魔幻了一个教孩子要坚毅要刻苦的居然在带头“偷懒” 但是她接下来说的话才是我反复该说的部分就是这篇人机协作的演讲稿给出了AI时代家长心里最担心的两个问题的答案第一个问题孩子天天用AI，脑子会不会废掉？扫了一眼台下的毕业生问了一个戳心的问题如果我们一直这么用AI 会变得越来越不会思考她自己呢带头就举了手台下呢也几乎是全员举手 Angela接着说她自己呢也担心过因为大脑是用尽废退不用的话神经连接都会萎缩她讲了一个故事她被一个很难的统计学方法卡住了当时呢身边没有人能够帮她在客厅里做着房地产相关的工作于是她打开了GPT 就把问题呢告诉它结果AI只用了几句话就把这个复杂的问题讲清楚了不但讲清楚了还提醒她常见的误区给了清晰的步骤她对不懂的地方进行追问让AI示范短短十分钟之后她不仅仅是拿到了答案而且真正的理解了注意她的关键词啊不是替我想而是带我想👊 她又问台下的毕业生们你们有没有哪怕一次真切的感受到因为AI比你之前聪明了一点点？这一次又是几乎全员举手🙋‍♀️ 同样的一群人同样的一双手可以是害怕AI让我变笨也可以是因为AI 让我变强🐮 她又用博士生的实验补了一刀两组年轻人写求职信一组呢完全自己写另一组呢用AI辅助结果非常反常识用AI那组不但写的更快就连写作能力也提升的更多为什么？给出了一个关键解释因为AI在做一件人类老师一直想做但没有精力去做的事它会不停的给你看更好的版本这个句子可以更短那个词可以换这个结构呢还可以调整你就一遍一遍的看这些示范就是在训练自己的眼睛和感觉所以结论很简单也很有力量👍🏼 AI会不会废掉孩子并不取决于AI有多强而是取决于我们把它当什么当你把AI当拐杖你交出的就是大脑当你把AI当教练你练出来的就是判断力、表达力、结构感 AI的正确打开方式不是把脑子托管给它而是用它不断的看到更好的思考然后呢逼自己追上去第二个问题既然知识和课程网上全有 AI又能给出答案那我们为什么还需要老师？教育为什么还需要人？在学期末说这样一个秘密这整个学期我教给你们的所有知识网上全都有每一篇文章都有电子版每一道作业都有人做过类似的换句话说就是只要你愿意不来上我的课你照样能学学生们呢？都愣住了然后她说但是你们还是需要我因为你们需要有人在周二之前逼你读完一篇并不轻松的文章😂 需要有人在周四之前提醒你们交出一篇你们以为自己写不出来的论文🥹 需要有人把你关进一个没有手机的教室需要有人给你定一个你以为达不到的标准然后认真的看着你的眼睛说我知道你能做到我会等到你做到！👍🏼 这一段看起来安安静静的话简直是一下子戳中了教育的本质教育从来都不是信息的填充而是灵魂的唤醒！👍🏼💐 她讲到自己高中那位英语老师图书馆的知识是免费的但是你得自带容器而一个真正的好老师就会帮你塑造这个容器我突然想到了我的孩子们 AI可以把全世界的知识都摆在他们的面前但是它做不到的是在他们快要放弃的时候坚定的看着他们的眼睛说这很难 ☹️ 但我相信你对于孩子们来说爸爸妈妈才是他们最早遇到的老师那位Angela老师在这个算力爆炸的时代我们到底要教给孩子什么？用AI的方法当然但比这个更重要的是带他们去户外徒步去仰望星空去面对挫折去感受心跳我们要做的是站在孩子的身边成为赋予他们品格的那个人如果你有时间强烈建议你和孩子一起看一下这个演讲 ———————————— 演讲就在下面，快看看啊有这么想讨论的一起聊聊吧😊

华尔街财经 | WS × AI Era

43,968 次观看 • 6 个月前

很多人用AI，都用错了。这是Claude代码创造者Boris Cherny的观点。他说，太多人想把AI模型塞进一个盒子里。强制它执行死板的流程。第一步，第二步，第三步。像个机器人产线工人。结果呢？效果反而更差。真正聪明的做法是什么？给它工具。给它自由。给它一个目标。然后让它自己想办法去解决问题。别一开始就喂给它海量信息。给它一个能自己找信息的工具就行了。这让人想起一个老问题。是精密的计划经济能赢？还是自由的市场能赢？答案好像越来越清楚了。技术在进步，但背后的哲学却总在重复。到底是控制带来效率，还是自由带来繁荣？

很多人用AI，都用错了。这是Claude代码创造者Boris Cherny的观点。他说，太多人想把AI模型塞进一个盒子里。强制它执行死板的流程。第一步，第二步，第三步。像个机器人产线工人。结果呢？效果反而更差。真正聪明的做法是什么？给它工具。给它自由。给它一个目标。然后让它自己想办法去解决问题。别一开始就喂给它海量信息。给它一个能自己找信息的工具就行了。这让人想起一个老问题。是精密的计划经济能赢？还是自由的市场能赢？答案好像越来越清楚了。技术在进步，但背后的哲学却总在重复。到底是控制带来效率，还是自由带来繁荣？

墓碑科技

25,607 次观看 • 6 个月前

第一次用AI生成口播最大的感受就是：太方便了，一篇文章直接转口播视频！细节处（视频的逻辑，口播话术）还是要自己手动改一下，可以选择合适的声音和切片背景，比自己手动剪视频节省太多时间了。我自己之前也经常剪辑视频，有时候到了最后一步的时候，想要改点儿东西，就要重置一下前面所有的进度的感觉谁懂！这下直接靠和花生对话让他帮我修改啦这一篇口播就是我主页置顶长文直接生成的，删减了部分内容感谢桃博Hytidel聊商业（文章更多干货）送的会员嘻嘻嘻

第一次用AI生成口播最大的感受就是：太方便了，一篇文章直接转口播视频！细节处（视频的逻辑，口播话术）还是要自己手动改一下，可以选择合适的声音和切片背景，比自己手动剪视频节省太多时间了。我自己之前也经常剪辑视频，有时候到了最后一步的时候，想要改点儿东西，就要重置一下前面所有的进度的感觉谁懂！这下直接靠和花生对话让他帮我修改啦这一篇口播就是我主页置顶长文直接生成的，删减了部分内容感谢桃博Hytidel聊商业（文章更多干货）送的会员嘻嘻嘻

Nora X

13,191 次观看 • 2 个月前

一键生成短视频的AI终于来了！特别神奇的是，它却叫纳米搜索... 我用了一下，输入话题，搜索，下一步，下一步，下一步，一个视频就生成了，就是你现在看到的这个视频。一个字没有改，一个剪辑操作都没有做，就这么做出来了。人物动作比较自然，声音挺真实的，口型对的不错，虽然跟真人肯定还是有一定差距吧，但是直接发抖音没有任何问题。我们都知道，一定会有一款产品，可以把内容一键生成短视频。只是没想到，这么快，就来了。未来一定会来越来越多。人人都是短视频自媒体的时代即将来临。

一键生成短视频的AI终于来了！特别神奇的是，它却叫纳米搜索... 我用了一下，输入话题，搜索，下一步，下一步，下一步，一个视频就生成了，就是你现在看到的这个视频。一个字没有改，一个剪辑操作都没有做，就这么做出来了。人物动作比较自然，声音挺真实的，口型对的不错，虽然跟真人肯定还是有一定差距吧，但是直接发抖音没有任何问题。我们都知道，一定会有一款产品，可以把内容一键生成短视频。只是没想到，这么快，就来了。未来一定会来越来越多。人人都是短视频自媒体的时代即将来临。

Orange AI

42,481 次观看 • 1 年前

兄弟们给大家推荐一个价值10万刀的Hermes免费课程。开始我以为是卖课的，结果点进去一看，Hermes 完整课程，整整 2 小时 11 分钟，讲的是怎么构建和自动化几乎任何东西。这种东西最离谱的地方是：你本来只是想随便看看，结果看完脑子里已经开始拆自己的工作流了。 AI 圈现在最狠的，不是模型多强。是会自动化的人，已经开始悄悄把一堆重复劳动干没了。最离谱的是我以为他要卖课。看完最后居然是免费。

兄弟们给大家推荐一个价值10万刀的Hermes免费课程。开始我以为是卖课的，结果点进去一看，Hermes 完整课程，整整 2 小时 11 分钟，讲的是怎么构建和自动化几乎任何东西。这种东西最离谱的地方是：你本来只是想随便看看，结果看完脑子里已经开始拆自己的工作流了。 AI 圈现在最狠的，不是模型多强。是会自动化的人，已经开始悄悄把一堆重复劳动干没了。最离谱的是我以为他要卖课。看完最后居然是免费。

火山哥🕊️

65,400 次观看 • 2 个月前

这是我来到 X 以后，学会的几个新的操作。很多X新手应该都不知道，我也一直踩坑： 1、第一个操作，就是在通知里看到某一条消息之后，打开之后看不到原帖是哪个。这个时候你把页面向上滑动一下，你才能看到他回复的是哪个帖子。 2、第二个操作，怎么发长线程的推文？点击发帖，发帖之后，把第一个帖子编辑好之后，就可以点击右下角的一个添加加号，然后就可以添加新的内容，也就是发一个长线程的推文。 3、第三个操作，转发视频。其实有时候你转发其他人的推文的时候，可以不用直接转发推文，而是直接把视频引用过来，看起来像是自己发的视频一样。怎么操作呢？就是你进入到这个视频的页面，然后长按视频，然后点发布视频。然后就会带入一个链接，然后你在链接的前面输入你的文字，你发布出去之后就会只引用对方的视频，有时候看起来跟你自己发的是一样的。你学会了吗？没学会的可以👀看视频

这是我来到 X 以后，学会的几个新的操作。很多X新手应该都不知道，我也一直踩坑： 1、第一个操作，就是在通知里看到某一条消息之后，打开之后看不到原帖是哪个。这个时候你把页面向上滑动一下，你才能看到他回复的是哪个帖子。 2、第二个操作，怎么发长线程的推文？点击发帖，发帖之后，把第一个帖子编辑好之后，就可以点击右下角的一个添加加号，然后就可以添加新的内容，也就是发一个长线程的推文。 3、第三个操作，转发视频。其实有时候你转发其他人的推文的时候，可以不用直接转发推文，而是直接把视频引用过来，看起来像是自己发的视频一样。怎么操作呢？就是你进入到这个视频的页面，然后长按视频，然后点发布视频。然后就会带入一个链接，然后你在链接的前面输入你的文字，你发布出去之后就会只引用对方的视频，有时候看起来跟你自己发的是一样的。你学会了吗？没学会的可以👀看视频

鱼总聊AI

13,501 次观看 • 8 个月前

💥或许是目前最被低估、最强大【免费】但几乎没人知道的人工智能搜索体验：用的就是Google Gemini 2.5 Pro，搭配谷歌搜索引擎原生接入，实时调用世界最强大的数据收集、搜索和整合能力，再由Gemini 2.5 Pro进行总结、分析、提炼。最夸张的是：👇 谷歌一贯风格 😭 付费用户都用不了，免费用户才知道。必须通过Google AI Studio后台，手动开启搜索增强功能，才能解锁这一切。个人体验是绝大多数用户，用不到走目前的Deep Search，毕竟时间耗时，大多数需求不是一个报告，而是兼顾时间和信息密度。那么打开后体验是怎样的？ •实时搜索最新网页，不是死数据； •多维度总结归纳，逻辑清晰，结构一流； •每条结论后附带原网页链接，一键核查来源； •调用底层是全球最强的搜索引擎+全球最强的AI模型，信息密度、准确率、实时性，全面拉满。简单说，就是：AI和人类搜索的天花板体验，第一次真正融合了。个人体验是超过目前ChatGPT 加搜索功能。

💥或许是目前最被低估、最强大【免费】但几乎没人知道的人工智能搜索体验：用的就是Google Gemini 2.5 Pro，搭配谷歌搜索引擎原生接入，实时调用世界最强大的数据收集、搜索和整合能力，再由Gemini 2.5 Pro进行总结、分析、提炼。最夸张的是：👇 谷歌一贯风格 😭 付费用户都用不了，免费用户才知道。必须通过Google AI Studio后台，手动开启搜索增强功能，才能解锁这一切。个人体验是绝大多数用户，用不到走目前的Deep Search，毕竟时间耗时，大多数需求不是一个报告，而是兼顾时间和信息密度。那么打开后体验是怎样的？ •实时搜索最新网页，不是死数据； •多维度总结归纳，逻辑清晰，结构一流； •每条结论后附带原网页链接，一键核查来源； •调用底层是全球最强的搜索引擎+全球最强的AI模型，信息密度、准确率、实时性，全面拉满。简单说，就是：AI和人类搜索的天花板体验，第一次真正融合了。个人体验是超过目前ChatGPT 加搜索功能。

Tigris 会讲课教授是好老师

33,948 次观看 • 1 年前

17岁的Kai Trump（特朗普孙女），一句话戳破了整个美国教育系统最虚伪的谎言。她在播客里说，现在高中所有人都在用ChatGPT写论文，老师都气炸了。但她问，为什么不呢？学生就该用世界给你的资源。学校不该禁止它，该教大家怎么把它变成自己的优势。最讽刺的是，她自己GPA4.0，是实打实的优等生。所以这根本不是什么作弊的问题，纯粹是代际认知的鸿沟。老一辈把手写论文、死记硬背当成“真学习”。但对凯这一代AI原住民来说，ChatGPT就像他们小时候的计算器、图书馆、Google一样，是默认的基础设施。当年禁止学生用计算器学乘法的老师，现在看来可笑至极。今天禁止学生用ChatGPT写论文的老师，十年后也会是同一个笑话。其实真正危险的从来都不是AI，是教育系统一边假装AI不存在，一边逼着学生偷偷摸摸用它。结果就是，会用的学生偷偷把效率拉满，不会用的还在熬夜抄书。没有人教他们怎么提出高质量的问题，怎么验证AI的幻觉，怎么把AI的输出变成自己的深度洞见。而这些，才是未来10年最值钱的能力。我相信AI不会让学生变笨，它只会放大差距。会用AI的人，一个人能顶以前一个团队。不会用AI的人，会被时代甩得连尾灯都看不见。我们的教育还在教学生怎么在没有AI的世界里生存，但他们未来要面对的，是一个AI无处不在的世界。所以这种拒绝变革的教育，最终只会培养出一批“在AI时代不会用AI”的人。这才是对下一代未来最大的作弊。

17岁的Kai Trump（特朗普孙女），一句话戳破了整个美国教育系统最虚伪的谎言。她在播客里说，现在高中所有人都在用ChatGPT写论文，老师都气炸了。但她问，为什么不呢？学生就该用世界给你的资源。学校不该禁止它，该教大家怎么把它变成自己的优势。最讽刺的是，她自己GPA4.0，是实打实的优等生。所以这根本不是什么作弊的问题，纯粹是代际认知的鸿沟。老一辈把手写论文、死记硬背当成“真学习”。但对凯这一代AI原住民来说，ChatGPT就像他们小时候的计算器、图书馆、Google一样，是默认的基础设施。当年禁止学生用计算器学乘法的老师，现在看来可笑至极。今天禁止学生用ChatGPT写论文的老师，十年后也会是同一个笑话。其实真正危险的从来都不是AI，是教育系统一边假装AI不存在，一边逼着学生偷偷摸摸用它。结果就是，会用的学生偷偷把效率拉满，不会用的还在熬夜抄书。没有人教他们怎么提出高质量的问题，怎么验证AI的幻觉，怎么把AI的输出变成自己的深度洞见。而这些，才是未来10年最值钱的能力。我相信AI不会让学生变笨，它只会放大差距。会用AI的人，一个人能顶以前一个团队。不会用AI的人，会被时代甩得连尾灯都看不见。我们的教育还在教学生怎么在没有AI的世界里生存，但他们未来要面对的，是一个AI无处不在的世界。所以这种拒绝变革的教育，最终只会培养出一批“在AI时代不会用AI”的人。这才是对下一代未来最大的作弊。

AYi

710,054 次观看 • 4 个月前

Codex很少人会去了解的设置，Skill和插件。但是基本上我们每天都在使用。简单介绍了Skill和插件的作用，讲解了然后使用和安装新的插件，根据自己的需求创造一个属于自己的Skill。其实玩AI有时候就是这么简单，只需要动手指就能构建一些属于你自己的东西

Codex很少人会去了解的设置，Skill和插件。但是基本上我们每天都在使用。简单介绍了Skill和插件的作用，讲解了然后使用和安装新的插件，根据自己的需求创造一个属于自己的Skill。其实玩AI有时候就是这么简单，只需要动手指就能构建一些属于你自己的东西

小墨同学

11,667 次观看 • 3 个月前

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 次观看 • 8 个月前

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

565,189 次观看 • 3 个月前

这是一个真实的故事，关于一个房产经纪团队怎么用内容营销卖出了一套130万美元的房子。重点不是这130万，而是他们用的方法特别实在。具体是怎么做的？首先，他们特别清楚自己的地盘。不是到处写写写，而是就选了3个他们最熟的区域。这就像你在一个小区住了十年，对那儿的一草一木都了如指掌 - 哪个单元采光好，哪个位置停车方便，连物业的老张什么性格都门儿清。他们写内容的方法也很实在： 1. 就写两种文章： - 给想买房的人写"在这儿住是啥感觉" - 给想卖房的人写"这片子现在行情咋样" 2. 文章写得特别接地气： - 不是写得特别长，一般也就一两千字 - 就跟跟邻居聊天似的，用"你"来说话 - 说的都是实打实的事，不罗嗦 3. 他们特别会找话题： - 上网看看大家在问什么问题 - 逛逛社区论坛，看看住户在聊什么 - 把这些实际问题都写进去 4. 内容不光是写，还要配图： - 自己开无人机拍照片 - 画个地图，标注下重要的地方 - 再配个视频，让大家更直观 5. 最实在的是，他们是慢慢来的： - 开始就写个千把字，放几张图 - 发现这文章有人看了，就往里加内容 - 别人问什么，就补充什么 - 最后每个区域写个二三十篇文章 6. 最后就是要主动一点： - 文章里放个联系方式 - 加个表格让人填联系方式 - 有人问就赶紧回复 - 多问问别人觉得哪写得好，哪写得不够好说白了，他们就是把自己知道的，别人关心的，都老老实实写下来。时间长了，这些文章就变成了他们的"销售小助手"，天天24小时都在帮他们找客户。最后提醒一句：这事儿要有耐心，不是写几篇文章就能见效的。但只要你持续写，写实在的内容，总能慢慢攒出口碑来。

这是一个真实的故事，关于一个房产经纪团队怎么用内容营销卖出了一套130万美元的房子。重点不是这130万，而是他们用的方法特别实在。具体是怎么做的？首先，他们特别清楚自己的地盘。不是到处写写写，而是就选了3个他们最熟的区域。这就像你在一个小区住了十年，对那儿的一草一木都了如指掌 - 哪个单元采光好，哪个位置停车方便，连物业的老张什么性格都门儿清。他们写内容的方法也很实在： 1. 就写两种文章： - 给想买房的人写"在这儿住是啥感觉" - 给想卖房的人写"这片子现在行情咋样" 2. 文章写得特别接地气： - 不是写得特别长，一般也就一两千字 - 就跟跟邻居聊天似的，用"你"来说话 - 说的都是实打实的事，不罗嗦 3. 他们特别会找话题： - 上网看看大家在问什么问题 - 逛逛社区论坛，看看住户在聊什么 - 把这些实际问题都写进去 4. 内容不光是写，还要配图： - 自己开无人机拍照片 - 画个地图，标注下重要的地方 - 再配个视频，让大家更直观 5. 最实在的是，他们是慢慢来的： - 开始就写个千把字，放几张图 - 发现这文章有人看了，就往里加内容 - 别人问什么，就补充什么 - 最后每个区域写个二三十篇文章 6. 最后就是要主动一点： - 文章里放个联系方式 - 加个表格让人填联系方式 - 有人问就赶紧回复 - 多问问别人觉得哪写得好，哪写得不够好说白了，他们就是把自己知道的，别人关心的，都老老实实写下来。时间长了，这些文章就变成了他们的"销售小助手"，天天24小时都在帮他们找客户。最后提醒一句：这事儿要有耐心，不是写几篇文章就能见效的。但只要你持续写，写实在的内容，总能慢慢攒出口碑来。

Yangyi

56,646 次观看 • 1 年前