Video yükleniyor...

Video Yüklenemedi

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

Ana Sayfaya Dön

经常帮家人和朋友在 ChatGPT，Gemini 等国外AI平台上查资料。但是遇到一个头痛的问题：查询的结果分享很麻烦。直接发链接他们在国内无法访问，复制一大段内容又刷屏，污染聊天记录。于是我在 Dokobot 添加了一个功能完美的解决了这个问题。它支持框选网页上的段落，一键复制，长截图或导出PDF（看视频演示）这个功能不需要订阅，永久免费使用，欢迎大家分享给需要的朋友。

ZEN

32,700 subscribers

48,373 görüntüleme • 5 ay önce •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 Yorum

Yorum bulunmuyor

Orijinal gönderinin yorumları burada görünecek

Benzer Videolar

12月9日，辽宁。一名考研老师发视频称：西方给我们挖坑，问我们在中国党大还是法大？如果单选一个，你就会陷入西方的陷阱。在中国不存在这个问题，党的领导和依法治国是高度统一的，既不冲突，也不矛盾。引发网友嘲讽。网友回复“问：A or B 回答：or” “又赢了，这活不是一般人能干的”

12月9日，辽宁。一名考研老师发视频称：西方给我们挖坑，问我们在中国党大还是法大？如果单选一个，你就会陷入西方的陷阱。在中国不存在这个问题，党的领导和依法治国是高度统一的，既不冲突，也不矛盾。引发网友嘲讽。网友回复“问：A or B 回答：or” “又赢了，这活不是一般人能干的”

李老师不是你老师

710,457 görüntüleme • 1 yıl önce

今天来 Build in Public 一下。刚刚一个朋友来问我 FastAPI 项目部署到 Zeabur 出问题了，原因是他的 Python 项目结构比较复杂，不是常见的格式，导致部署时需要额外配置，不然 Zeabur 无法自动判断怎么安装依赖、怎么启动服务。这类问题其实一直都有，但我觉得对 Vibe Coders 来说，不该浪费时间在研究怎么设置才能正确部署。于是我们下定决心用 AI 来解决这个问题，也就是我们已经内测一段时间的 —— Zeabur Agent 🧠🚀 部署再复杂，也能一键搞定。

今天来 Build in Public 一下。刚刚一个朋友来问我 FastAPI 项目部署到 Zeabur 出问题了，原因是他的 Python 项目结构比较复杂，不是常见的格式，导致部署时需要额外配置，不然 Zeabur 无法自动判断怎么安装依赖、怎么启动服务。这类问题其实一直都有，但我觉得对 Vibe Coders 来说，不该浪费时间在研究怎么设置才能正确部署。于是我们下定决心用 AI 来解决这个问题，也就是我们已经内测一段时间的 —— Zeabur Agent 🧠🚀 部署再复杂，也能一键搞定。

Yuanlin Lin

16,874 görüntüleme • 1 yıl önce

网易或许是唯一一家没有疯狂投入做底层大模型的中国互联网巨头。相比之下，他们更专注于把 AI 应用到游戏这个核心业务里。丁磊曾说，用户根本不在乎你的 AI 算法有多复杂，他们只在乎你的产品能不能解决问题。今天大城市最大的问题是出行和交通灯的控制。为什么没有人真正用 AI 去解决这个问题？

网易或许是唯一一家没有疯狂投入做底层大模型的中国互联网巨头。相比之下，他们更专注于把 AI 应用到游戏这个核心业务里。丁磊曾说，用户根本不在乎你的 AI 算法有多复杂，他们只在乎你的产品能不能解决问题。今天大城市最大的问题是出行和交通灯的控制。为什么没有人真正用 AI 去解决这个问题？

亚洲总裁 AsiaExec

72,707 görüntüleme • 3 ay önce

特朗普在白宫接受采访时谈及暂停关税：我们不希望伤害那些不需要被伤害的国家。 “我不怪关税，我认为关税只是放大了本来就存在的问题，市场确实病了，拜登让这些人为所欲为，拜登让中国轻松地占我们便宜，我们与中国有大约一万亿美元的赤字，这终究会爆发，我认为关税只是让问题更快显现，也放大了问题，这个问题远远不是关税造成的这是一个系统性问题，这是一个结构性的问题，而我们要解决这个问题，也许我们已经在很大程度上解决了，因为我们揭露了它而且揭露得很彻底。

特朗普在白宫接受采访时谈及暂停关税：我们不希望伤害那些不需要被伤害的国家。 “我不怪关税，我认为关税只是放大了本来就存在的问题，市场确实病了，拜登让这些人为所欲为，拜登让中国轻松地占我们便宜，我们与中国有大约一万亿美元的赤字，这终究会爆发，我认为关税只是让问题更快显现，也放大了问题，这个问题远远不是关税造成的这是一个系统性问题，这是一个结构性的问题，而我们要解决这个问题，也许我们已经在很大程度上解决了，因为我们揭露了它而且揭露得很彻底。

李老师不是你老师

401,060 görüntüleme • 1 yıl önce

最近有使用Windows的朋友总问我Codex插件computer use突然不能使用的问题，昨天我升级了codex，也发现了同样的问题。今天就实战给大家看下我是怎么解决的，最后沉淀了一套提示词，有问题的朋友可以把提示词丢给codex让他自己诊断、自己修复！提示词放在我们Ai Spark的开源知识库了，有需要的自取：

最近有使用Windows的朋友总问我Codex插件computer use突然不能使用的问题，昨天我升级了codex，也发现了同样的问题。今天就实战给大家看下我是怎么解决的，最后沉淀了一套提示词，有问题的朋友可以把提示词丢给codex让他自己诊断、自己修复！提示词放在我们Ai Spark的开源知识库了，有需要的自取：

雨哥向前冲

20,015 görüntüleme • 2 ay önce

速度是真滴快！兄弟们，刚在Zenmux ZenMux 评测了一下Gemini 3.5 Flash，ChatGPT 5.4和Claude Opus 4.6，按下回车的那一刻，Gemini 3.5 Flash的吐词速度真是快的飞起。评测方法很简单，让他们按照同一个指令生成一个个人网页，生成的结果都还不错，都能满足指令的要求，但Gemini 3.5 Flash已经跑完很久了，另外两个还在输出。不知大家有没有发现？现在我们大部分时间都是在等AI干完活，复杂一点的项目一晚上可能都跑不完，现在这个节点，这时间效率其实有点差强人意的。未来输出效率肯定也是一个非常重要的指标，毕竟前期大家的模型能力越来越接近，接下来就看谁能更快干完活，这一点Google又走在前头了。想要亲自评测的朋友，可以去Zenmux上自己测一下，目前Gemini 3.5 Flash还能限时免费使用。

速度是真滴快！兄弟们，刚在Zenmux ZenMux 评测了一下Gemini 3.5 Flash，ChatGPT 5.4和Claude Opus 4.6，按下回车的那一刻，Gemini 3.5 Flash的吐词速度真是快的飞起。评测方法很简单，让他们按照同一个指令生成一个个人网页，生成的结果都还不错，都能满足指令的要求，但Gemini 3.5 Flash已经跑完很久了，另外两个还在输出。不知大家有没有发现？现在我们大部分时间都是在等AI干完活，复杂一点的项目一晚上可能都跑不完，现在这个节点，这时间效率其实有点差强人意的。未来输出效率肯定也是一个非常重要的指标，毕竟前期大家的模型能力越来越接近，接下来就看谁能更快干完活，这一点Google又走在前头了。想要亲自评测的朋友，可以去Zenmux上自己测一下，目前Gemini 3.5 Flash还能限时免费使用。

李岳

16,858 görüntüleme • 3 ay önce

看到好些人在嘲笑这个搔首弄姿的女子，还有人在强烈抨击视频的“美颜”功能，觉得在“欺骗”观众（消费者）。在这里我老人家倒是有不同的观点：我老人家对这位女子充满同情和佩服！为了生活，艰难打拼。如果她像李小琳一样“能力之外的资本等于零”，她的面相也不会这么愁眉苦脸，她也完全不需要搔首弄姿了！所以，多问一个为什么？这不是她一个人的问题，这是党国体制的问题，人矿韭菜没有出路！

看到好些人在嘲笑这个搔首弄姿的女子，还有人在强烈抨击视频的“美颜”功能，觉得在“欺骗”观众（消费者）。在这里我老人家倒是有不同的观点：我老人家对这位女子充满同情和佩服！为了生活，艰难打拼。如果她像李小琳一样“能力之外的资本等于零”，她的面相也不会这么愁眉苦脸，她也完全不需要搔首弄姿了！所以，多问一个为什么？这不是她一个人的问题，这是党国体制的问题，人矿韭菜没有出路！

老骥

41,641 görüntüleme • 5 ay önce

不是反移民，而是护国。川普：一个国家最基本的权利，是控制自己的边界。 “我们不能让那些从未与我们共建国家的人，反过来改变这个国家。” 非法越境、虚假庇护、滥用难民身份这些人，应该被立即遣返。每一个国家，都有维护主权的天然权利。你用血汗建立的家园，不该被不请自来的陌生人压垮。我们当然有同情心。但真正的解决方案，不是让问题流入自己的国家，而是帮助他们在自己的国家解决问题。 “问题要在他们的国家解决，而不是在我们的国家制造新的问题。”

不是反移民，而是护国。川普：一个国家最基本的权利，是控制自己的边界。 “我们不能让那些从未与我们共建国家的人，反过来改变这个国家。” 非法越境、虚假庇护、滥用难民身份这些人，应该被立即遣返。每一个国家，都有维护主权的天然权利。你用血汗建立的家园，不该被不请自来的陌生人压垮。我们当然有同情心。但真正的解决方案，不是让问题流入自己的国家，而是帮助他们在自己的国家解决问题。 “问题要在他们的国家解决，而不是在我们的国家制造新的问题。”

墓碑科技

12,273 görüntüleme • 11 ay önce

那个卖枕头的男人，麦克·林德尔，要竞选州长了！他放话，要做美国有史以来最透明的州长。怎么个透明法？他说，媒体记者们，都有我的直线电话！我看到什么，我的人民就能看到什么。一旦州政府出了任何问题，不管是欺诈，还是瞎搞。我保证会一竿子插到底，挖出根源，然后确保它再也不会发生！他说，现在的政客们在干嘛？整天到处晃悠，顶着个“州长”的名头，却不干实事，不帮人民。一个州，就应该像一家公司那样运营。而州长，就是这家公司的CEO！ CEO要对每个部门负责，对每件事负责。看到一个问题，解决它。然后建立一个机制，让问题永远消失。把成功的经验，复制到每一个角落。这就是一个商人的承诺：不玩虚的，只看结果。

那个卖枕头的男人，麦克·林德尔，要竞选州长了！他放话，要做美国有史以来最透明的州长。怎么个透明法？他说，媒体记者们，都有我的直线电话！我看到什么，我的人民就能看到什么。一旦州政府出了任何问题，不管是欺诈，还是瞎搞。我保证会一竿子插到底，挖出根源，然后确保它再也不会发生！他说，现在的政客们在干嘛？整天到处晃悠，顶着个“州长”的名头，却不干实事，不帮人民。一个州，就应该像一家公司那样运营。而州长，就是这家公司的CEO！ CEO要对每个部门负责，对每件事负责。看到一个问题，解决它。然后建立一个机制，让问题永远消失。把成功的经验，复制到每一个角落。这就是一个商人的承诺：不玩虚的，只看结果。

战斗室

19,596 görüntüleme • 8 ay önce

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

301,920 görüntüleme • 2 yıl önce

西方人到底有多喜欢单一功能的产品这两天美国各大科技媒体介绍了一款新 APP：Catchup: Stay in Touch 功能简单到令人发指 - 你用 APP 维护一个朋友和家人列表，APP 显示你们多久没联系了，到特定时候提醒你跟他们打个招呼、问候一下在微信覆盖世间万物的国内，肯定没人想要开发这种 APP 只解决打招呼这一个功能。（其实大家更需要在家族群里假装热情回应的功能）据说初期用户对 Catchup 的感觉都很好，开发者也提供了增值功能：超过 2 个联系人，就要花 8 美元解锁 #设计参考话说回来，我现在倒挺理解这种 APP 的价值上个月我们这儿有热浪，NOAA（美国国家气象局）发了警示，警示信息里有预防中暑和热辐射病的建议，除了一般的避免阳光直射、多喝水、别把孩子和狗留在汽车里……等等，还特别有一条提示：记得检查家人、朋友和邻居（看他们是否安全）

西方人到底有多喜欢单一功能的产品这两天美国各大科技媒体介绍了一款新 APP：Catchup: Stay in Touch 功能简单到令人发指 - 你用 APP 维护一个朋友和家人列表，APP 显示你们多久没联系了，到特定时候提醒你跟他们打个招呼、问候一下在微信覆盖世间万物的国内，肯定没人想要开发这种 APP 只解决打招呼这一个功能。（其实大家更需要在家族群里假装热情回应的功能）据说初期用户对 Catchup 的感觉都很好，开发者也提供了增值功能：超过 2 个联系人，就要花 8 美元解锁 #设计参考话说回来，我现在倒挺理解这种 APP 的价值上个月我们这儿有热浪，NOAA（美国国家气象局）发了警示，警示信息里有预防中暑和热辐射病的建议，除了一般的避免阳光直射、多喝水、别把孩子和狗留在汽车里……等等，还特别有一条提示：记得检查家人、朋友和邻居（看他们是否安全）

倪爽

293,463 görüntüleme • 3 yıl önce

🔥兄弟们！不要天天蹲博主的提示词了！我给你一套永久解决办法！群里的会员朋友天天问我神老师能不能帮忙逆向一下这个 Nano Banana 🍌图片的提示词啊！这不给你们的福利来了！ 😄这套系统在咸鱼接个单什么的岂不是美滋滋？ 📺功能：1、主要是支持图片上传然后会将多个角色进行分析最后给出对应的提示词，并且支持生成通用场景提示词模板。 2、直接使用提示词可以生成对应的图片效果进行比对，这时候视觉审核员将进行审核和评分，并且给出一键，如果有问题可以直接进行fix 再次生成新的提示词。 3、支持视频复刻，主要是当时做的sora视频的复刻，可以将视频上传自定义长度，然后复制json格式或自然语言！ PS：虽然没有多复杂，但是打磨多次，也花了点时间。

🔥兄弟们！不要天天蹲博主的提示词了！我给你一套永久解决办法！群里的会员朋友天天问我神老师能不能帮忙逆向一下这个 Nano Banana 🍌图片的提示词啊！这不给你们的福利来了！ 😄这套系统在咸鱼接个单什么的岂不是美滋滋？ 📺功能：1、主要是支持图片上传然后会将多个角色进行分析最后给出对应的提示词，并且支持生成通用场景提示词模板。 2、直接使用提示词可以生成对应的图片效果进行比对，这时候视觉审核员将进行审核和评分，并且给出一键，如果有问题可以直接进行fix 再次生成新的提示词。 3、支持视频复刻，主要是当时做的sora视频的复刻，可以将视频上传自定义长度，然后复制json格式或自然语言！ PS：虽然没有多复杂，但是打磨多次，也花了点时间。

Berryxia.AI

41,538 görüntüleme • 8 ay önce

用AI做了一个网站，零基础小白如何部署上线？分享给朋友，他们咋打不开啊？这听上去像是个笑话，但对于纯小白的我，这曾经是我的痛，几个月前初次vibe coding的我花了大半天才艰难部署成功。现在做这件事只需要花1分钟：

用AI做了一个网站，零基础小白如何部署上线？分享给朋友，他们咋打不开啊？这听上去像是个笑话，但对于纯小白的我，这曾经是我的痛，几个月前初次vibe coding的我花了大半天才艰难部署成功。现在做这件事只需要花1分钟：

Jingyuan缘缘

30,968 görüntüleme • 1 ay önce

特朗普表示今天习近平曾询问他，是否会派兵保卫台湾？但是他拒绝向习近平回答这个问题。 “我认为，我们现在最不需要的，就是一场远在9500英里之外的战争。我认为那是我们最不需要的。我们现在做得很好。如果事态发展到那一步，美国会保卫台湾吗？我不想这么说。我不会这么说。只有一个人知道答案。你知道是谁吗？就是我。只有我一个人知道。习近平主席今天问了我这个问题。我说，我不谈这个。他今天问你的？他问你会不会派兵，会不会这么做？他问我会不会保卫台湾。我说，我不谈这个。”

特朗普表示今天习近平曾询问他，是否会派兵保卫台湾？但是他拒绝向习近平回答这个问题。 “我认为，我们现在最不需要的，就是一场远在9500英里之外的战争。我认为那是我们最不需要的。我们现在做得很好。如果事态发展到那一步，美国会保卫台湾吗？我不想这么说。我不会这么说。只有一个人知道答案。你知道是谁吗？就是我。只有我一个人知道。习近平主席今天问了我这个问题。我说，我不谈这个。他今天问你的？他问你会不会派兵，会不会这么做？他问我会不会保卫台湾。我说，我不谈这个。”

李老师不是你老师

2,527,200 görüntüleme • 3 ay önce

我最近一边写内容，一边在验证一个问题：如果要做一个面向 AI 创作者的小工具，到底该做什么？直接问 AI“给我想个产品 idea”，意义不大。它能给你 20 个想法，但不代表有人愿意付钱。我最近用 Airtap Ai Airtap 跑了两个任务。第一个很简单。我给一个真实的美国号码发了一条 iMessage： +1 (650) 248-0054 “在 X 上帮我查一下今天最热的 AI 信息和话题。” Airtap 收到消息后，直接操作云手机里的 Chrome，打开 X 搜索。我不用守在页面前，它会通过 iMessage 回传进度： “正在查看 Grok 4.6，整理高互动帖子。” “已经拿到 Grok Imagine 的数据，接下来检查 Claude 工具。” 过了一会儿，热点、原帖链接和互动数据就发回来了。这个任务很适合做内容的人。它像一份每日选题雷达，解决的是：今天有什么值得写？哪些海外话题可以转成中文内容？并且它的入口非常方便，一项任务交给一条imessage就可以搞定。但我还想解决另一个问题：如果我要做一个服务 AI 创作者的产品，哪些问题真的值得做？这次我在 Airtap 的 Web 端发了一个更长的调研任务：去 Reddit 和 X 找 AI 创作者已经花钱、却仍没解决的问题。我只保留四类讨论：买过多个工具，问题还是没解决；已经雇人或购买过服务；每周仍要投入大量人工时间；因为价格、功能或稳定性反复换工具。同时要求它记录原帖、评论、链接、已经尝试的方案和实际成本。任务跑起来后，我会在 Web 端看它执行：搜索了什么关键词，打开了哪些帖子，有没有进评论区，又怎样切到 X 做交叉验证。这一步对我很重要。我要的是能回头核对证据，而非一份看起来很厉害的 AI 总结。最后拿到的是一份付费痛点机会表。其中有两个结论让我印象很深。第一个是多工具订阅。不少重度用户同时订阅 GPT、Claude 和一堆垂直工具，每月花费超过 100 美元，但依然搞不清额度、频繁遇到限流，还要处理支付和区服问题。他们缺的不是又一个模型。更像是一个能看清“钱花到哪、额度还剩多少、哪个工具该留”的管理层。第二个是 AI 内容返工。有些创作者已经付费买了生成工具，但内容出来后，还是要花大量时间改脚本、核对事实、去掉 AI 味。他们要的也不是更多的生成。而是把内容变成“能发、可信、像自己”的最后一步。这份报告没有告诉我“做这个一定能赚钱”。但它让我排除了一个方向：我没必要再做一个 AI 内容生成器。反而可以先验证一个更小的产品：帮重度 AI 用户看清订阅、额度和重复支出。下一步，我会把这个痛点做成一页简单的产品说明，找 10 个同时订阅 GPT 和 Claude 的创作者聊聊。如果有人愿意给出自己的账单和额度使用情况，再做 MVP。这就是 Airtap 给我的第二个结果：不是帮我找到一个“看起来很酷”的点子。而是帮我找到一个有公开证据、有付费行为、能继续访谈验证的产品方向。如果这类调研想要长期做，还可以保存成 Routine，每天自动追踪 Reddit 和 X 上新出现的付费痛点，不用反复发同一段 Prompt。我现在理解的 Airtap 工作流很简单：临时内容任务，直接用 iMessage 发出去；复杂调研任务，打开 Web 看过程、核对证据；值得长期追踪的方向，再保存成 Routine。完整调研报告和执行过程放在视频里。

我最近一边写内容，一边在验证一个问题：如果要做一个面向 AI 创作者的小工具，到底该做什么？直接问 AI“给我想个产品 idea”，意义不大。它能给你 20 个想法，但不代表有人愿意付钱。我最近用 Airtap Ai Airtap 跑了两个任务。第一个很简单。我给一个真实的美国号码发了一条 iMessage： +1 (650) 248-0054 “在 X 上帮我查一下今天最热的 AI 信息和话题。” Airtap 收到消息后，直接操作云手机里的 Chrome，打开 X 搜索。我不用守在页面前，它会通过 iMessage 回传进度： “正在查看 Grok 4.6，整理高互动帖子。” “已经拿到 Grok Imagine 的数据，接下来检查 Claude 工具。” 过了一会儿，热点、原帖链接和互动数据就发回来了。这个任务很适合做内容的人。它像一份每日选题雷达，解决的是：今天有什么值得写？哪些海外话题可以转成中文内容？并且它的入口非常方便，一项任务交给一条imessage就可以搞定。但我还想解决另一个问题：如果我要做一个服务 AI 创作者的产品，哪些问题真的值得做？这次我在 Airtap 的 Web 端发了一个更长的调研任务：去 Reddit 和 X 找 AI 创作者已经花钱、却仍没解决的问题。我只保留四类讨论：买过多个工具，问题还是没解决；已经雇人或购买过服务；每周仍要投入大量人工时间；因为价格、功能或稳定性反复换工具。同时要求它记录原帖、评论、链接、已经尝试的方案和实际成本。任务跑起来后，我会在 Web 端看它执行：搜索了什么关键词，打开了哪些帖子，有没有进评论区，又怎样切到 X 做交叉验证。这一步对我很重要。我要的是能回头核对证据，而非一份看起来很厉害的 AI 总结。最后拿到的是一份付费痛点机会表。其中有两个结论让我印象很深。第一个是多工具订阅。不少重度用户同时订阅 GPT、Claude 和一堆垂直工具，每月花费超过 100 美元，但依然搞不清额度、频繁遇到限流，还要处理支付和区服问题。他们缺的不是又一个模型。更像是一个能看清“钱花到哪、额度还剩多少、哪个工具该留”的管理层。第二个是 AI 内容返工。有些创作者已经付费买了生成工具，但内容出来后，还是要花大量时间改脚本、核对事实、去掉 AI 味。他们要的也不是更多的生成。而是把内容变成“能发、可信、像自己”的最后一步。这份报告没有告诉我“做这个一定能赚钱”。但它让我排除了一个方向：我没必要再做一个 AI 内容生成器。反而可以先验证一个更小的产品：帮重度 AI 用户看清订阅、额度和重复支出。下一步，我会把这个痛点做成一页简单的产品说明，找 10 个同时订阅 GPT 和 Claude 的创作者聊聊。如果有人愿意给出自己的账单和额度使用情况，再做 MVP。这就是 Airtap 给我的第二个结果：不是帮我找到一个“看起来很酷”的点子。而是帮我找到一个有公开证据、有付费行为、能继续访谈验证的产品方向。如果这类调研想要长期做，还可以保存成 Routine，每天自动追踪 Reddit 和 X 上新出现的付费痛点，不用反复发同一段 Prompt。我现在理解的 Airtap 工作流很简单：临时内容任务，直接用 iMessage 发出去；复杂调研任务，打开 Web 看过程、核对证据；值得长期追踪的方向，再保存成 Routine。完整调研报告和执行过程放在视频里。

木马人

43,659 görüntüleme • 16 gün önce

如何让多个 Agent 之间真正互相学习、互相帮助？现在很多 Agent 都开始有自己的记忆，但问题是：这些记忆彼此不连通。 Codex 记住的坑，Claude 不知道；Hermes 总结的方法，OpenClaw 也用不上。最后每个 Agent 都像一个很努力但失忆的同事，重复问、重复试、重复踩坑。我想要的不是把所有聊天记录都塞进一个大仓库，而是建立一层更克制的“共享记忆”：只记录 Agent 之间最需要互相知道的信息，比如关键结论、踩过的问题、验证过的方法、环境配置、失败教训、用户偏好等。这样一来，一台 Mac 上跑通的流程，另一台 Mac 可以直接继承；一个 Agent 总结出的经验，另一个 Agent 可以继续使用。记忆不再被锁在某个客户端里，而是变成整个 Agent 工作流的公共上下文。新出来的MemOS CLI 对我来说，刚好提供了这个共享记忆层的入口。当然，我需要改造它，因为它默认也是将所有信息都记录起来，我改造成：重要信息才记录，解决不了问题的时候才主动搜索！这样就让 Agent 不只是各自变聪明，而是开始像一个团队一样积累经验、传递经验、减少重复试错。具体看视频，地址在评论区👇

如何让多个 Agent 之间真正互相学习、互相帮助？现在很多 Agent 都开始有自己的记忆，但问题是：这些记忆彼此不连通。 Codex 记住的坑，Claude 不知道；Hermes 总结的方法，OpenClaw 也用不上。最后每个 Agent 都像一个很努力但失忆的同事，重复问、重复试、重复踩坑。我想要的不是把所有聊天记录都塞进一个大仓库，而是建立一层更克制的“共享记忆”：只记录 Agent 之间最需要互相知道的信息，比如关键结论、踩过的问题、验证过的方法、环境配置、失败教训、用户偏好等。这样一来，一台 Mac 上跑通的流程，另一台 Mac 可以直接继承；一个 Agent 总结出的经验，另一个 Agent 可以继续使用。记忆不再被锁在某个客户端里，而是变成整个 Agent 工作流的公共上下文。新出来的MemOS CLI 对我来说，刚好提供了这个共享记忆层的入口。当然，我需要改造它，因为它默认也是将所有信息都记录起来，我改造成：重要信息才记录，解决不了问题的时候才主动搜索！这样就让 Agent 不只是各自变聪明，而是开始像一个团队一样积累经验、传递经验、减少重复试错。具体看视频，地址在评论区👇

huangserva

161,502 görüntüleme • 2 ay önce

要想Agent好用，它搜索到数据源是关键！！但问题是大部分Agent自带的AI搜索，往往会出现很多搜索多次，搜索返回结果混乱等问题昨天朋友推荐我试用他们接了专业数据源的AnySearch 官网： GitHub：发现它的搜索效果很好，特别适合办公用（具体可以看视频，我展示一个用法），更关键的是，免费就能用。当然，这它还有不少优点👇

要想Agent好用，它搜索到数据源是关键！！但问题是大部分Agent自带的AI搜索，往往会出现很多搜索多次，搜索返回结果混乱等问题昨天朋友推荐我试用他们接了专业数据源的AnySearch 官网： GitHub：发现它的搜索效果很好，特别适合办公用（具体可以看视频，我展示一个用法），更关键的是，免费就能用。当然，这它还有不少优点👇

铁锤人

36,629 görüntüleme • 2 ay önce