正在加载视频...

视频加载失败

返回首页

这可能是对小白最友好的 vibe coding 教程 —— easy-vibe 🎉目前已经在GitHub上斩获12.5k star 霸榜trend 很多编程教程一上来就讲环境、语法、框架、工程规范，新手还没看到结果就已经被劝退了。Easy-Vibe 反过来，它先让你体验一件事：会描述需求，就可以开始做应用 你不需要一开始就理解所有技术细节，而是从“我想做一个记账工具”“我想做一个带登录的预约系统”“我想做一个博客”这种自然语言需求出发，学会怎么和 AI 协作，把想法一步步变成能运行、能展示、能迭代的产品 它对小白友好主要体现在 5 点： 1. 从零开始，不假设你懂开发 - 有专门的 Beginner Entry，不是默认你已经会前端、后端、数据库、部署 2. 先做出来，再理解原理 - 先通过简单、具体的案例获得“我真的能做出来”的正反馈，再慢慢补 AI IDE、Prompt、产品原型、前后端、部署等知识 3. 学习路径很清楚 - 从 Stage 1 的产品原型，到 Stage 2 的全栈应用，再到 Stage 3 的 Claude Code、MCP、Agent workflow，像地图一样告诉你下一步该学什么 4. 不是只教工具，而是教完整产品流程 - 它覆盖...

Zh_Crypto517's profile picture

Z大诗

11,395 subscribers

18,872 次观看 • 1 个月前 •via X (Twitter)

LIVE

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

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

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

Joruno

15,672 次观看 • 1 个月前

李飞飞这段采访，越听越有压力。 她说未来真正被甩开的，可能不是被 AI 替代的人，而是还在用五年前流程工作的人。 以前产品经理不会写代码很正常：写 PRD、开会、等设计、排开发，几个月做个原型。 但现在旁边的人已经能用 AI 当天把 demo 跑出来，拿真实界面讨论需求，你还在说“我负责协调资源”。 差距可能就是这么拉开的。 AI 最狠的地方，不是替你工作，而是逼你从“传话的人”变成“能把想法做出来的人”。
49:04

李飞飞这段采访，越听越有压力。 她说未来真正被甩开的，可能不是被 AI 替代的人，而是还在用五年前流程工作的人。 以前产品经理不会写代码很正常：写 PRD、开会、等设计、排开发，几个月做个原型。 但现在旁边的人已经能用 AI 当天把 demo 跑出来，拿真实界面讨论需求，你还在说“我负责协调资源”。 差距可能就是这么拉开的。 AI 最狠的地方，不是替你工作，而是逼你从“传话的人”变成“能把想法做出来的人”。

Vincent

69,228 次观看 • 10 天前

Vibe Coding 让每个人都有做软件的能力，我见过很多人做了几十个产品，纯特么自嗨，没有一毛钱盈利。 现在 AI 一晚上能做一个产品，代码成本趋近于零，成本低到大家觉得不需要验证，做完了自然有人用。 但事实上大家都在做“玩具”，因为 Vibe Coding 解决的是 how，但 what 和 why 被跳过了。 我最近一个多月一直在用 atypica.AI ，就是在写代码之前，先把想法丢进去跑一轮用户验证。 它会有一套完整的研究链路： 先帮你拆研究计划，然后从百万级真实用户数据构建的 AI 人设库里挑人，组成一个焦点小组（AI Panel），让这些虚拟用户讨论你的产品、互相辩论、给出反对意见。 并且，这个焦点小组可以反复用，每次你有新想法、新定价、新包装、新广告语，都可以拉同一批人再聊一轮。 我刚用它测过的场景： 上周我想做一个给老板用的 AI 助手，它帮我组了 12 个不同行业的老板人设（persona）并沉淀成我可以反复调用的Panel 。 30 分钟跑完，从报告中发现3件我完全没想到的事： 1. 当AI变得太懂老板反而会引发不安全感（尤其是很懂账目和客户关系时，会觉得被盯着）； 2. 最抗拒 AI 的老板也不是完全不用 AI ，只是不想换工作方式（能继续发微信、拍照、说语音，后台自动整理）； 3. 他们愿意为 AI 付钱不是因为功能多，而是因为它能帮自己少亏一次钱（少一次压货、客户流失或管理损耗，比“智能助手”这个概念更能打动人）。 根据这些发现我当场调整了方向，然后用panel里的同一批人再验证了一轮。两轮下来，避开了至少三个致命错误。 Vibe Coding 把做产品的门槛降到了零，但做对产品的门槛一点没变，如果你想要靠产品盈利，最好还是先想清楚： 你在解决真实需求，还是在解决自己幻想的问题。
1:27

Vibe Coding 让每个人都有做软件的能力，我见过很多人做了几十个产品，纯特么自嗨，没有一毛钱盈利。 现在 AI 一晚上能做一个产品，代码成本趋近于零，成本低到大家觉得不需要验证，做完了自然有人用。 但事实上大家都在做“玩具”，因为 Vibe Coding 解决的是 how，但 what 和 why 被跳过了。 我最近一个多月一直在用 atypica.AI ，就是在写代码之前，先把想法丢进去跑一轮用户验证。 它会有一套完整的研究链路： 先帮你拆研究计划，然后从百万级真实用户数据构建的 AI 人设库里挑人，组成一个焦点小组（AI Panel），让这些虚拟用户讨论你的产品、互相辩论、给出反对意见。 并且，这个焦点小组可以反复用，每次你有新想法、新定价、新包装、新广告语，都可以拉同一批人再聊一轮。 我刚用它测过的场景： 上周我想做一个给老板用的 AI 助手，它帮我组了 12 个不同行业的老板人设（persona）并沉淀成我可以反复调用的Panel 。 30 分钟跑完，从报告中发现3件我完全没想到的事： 1. 当AI变得太懂老板反而会引发不安全感（尤其是很懂账目和客户关系时，会觉得被盯着）； 2. 最抗拒 AI 的老板也不是完全不用 AI ，只是不想换工作方式（能继续发微信、拍照、说语音，后台自动整理）； 3. 他们愿意为 AI 付钱不是因为功能多，而是因为它能帮自己少亏一次钱（少一次压货、客户流失或管理损耗，比“智能助手”这个概念更能打动人）。 根据这些发现我当场调整了方向，然后用panel里的同一批人再验证了一轮。两轮下来，避开了至少三个致命错误。 Vibe Coding 把做产品的门槛降到了零，但做对产品的门槛一点没变，如果你想要靠产品盈利，最好还是先想清楚： 你在解决真实需求，还是在解决自己幻想的问题。

余温

27,280 次观看 • 18 天前

兄弟们 这个好 Trickle：更适合普通小白的AI编码工具 它内置了数据库，然后支持一键部署，程序开发完毕可以直接就能部署访问。 而且牛P的是，我测试的时候要他帮我克隆个Claude 结果它还真能聊天，不需要API Key... Bolt new和lovable这种克隆只是一个皮，这个能直接给你测试。 非常的友好 这个产品主要面向非开发者用户，帮助他们快速从创意构想到交付上线的完整过程，实现从“点子”到“可用产品”的快速闭环。 比如产品经理可以快速把自己的想法能从大脑直接展示出Demo... 加速了产品开发进度，能快速验证想法。
2:52

兄弟们 这个好 Trickle：更适合普通小白的AI编码工具 它内置了数据库，然后支持一键部署，程序开发完毕可以直接就能部署访问。 而且牛P的是，我测试的时候要他帮我克隆个Claude 结果它还真能聊天，不需要API Key... Bolt new和lovable这种克隆只是一个皮，这个能直接给你测试。 非常的友好 这个产品主要面向非开发者用户，帮助他们快速从创意构想到交付上线的完整过程，实现从“点子”到“可用产品”的快速闭环。 比如产品经理可以快速把自己的想法能从大脑直接展示出Demo... 加速了产品开发进度，能快速验证想法。

小互

35,303 次观看 • 1 年前

从一个想法到 App Store 只用了 20 天——我如何在不是全职程序员的情况下，用 AI 打造并发布一款 iOS 应用：JAM。 如果你有一个创意，想把它变成真正的产品，现在的速度可以比你想象的还快。 在这段视频里，我会告诉你，如何在完全没有传统编程经验的情况下，借助像 Cursor 这样的 AI 工具，仅用 20 天就从构思走到 App Store 上架。 这是一份针对设计师和科技从业者的真实案例，展示了现代 AI 工具如何加速工作流程、验证产品创意，并在极短时间内完成可用原型。
7:55

从一个想法到 App Store 只用了 20 天——我如何在不是全职程序员的情况下，用 AI 打造并发布一款 iOS 应用：JAM。 如果你有一个创意，想把它变成真正的产品，现在的速度可以比你想象的还快。 在这段视频里，我会告诉你，如何在完全没有传统编程经验的情况下，借助像 Cursor 这样的 AI 工具，仅用 20 天就从构思走到 App Store 上架。 这是一份针对设计师和科技从业者的真实案例，展示了现代 AI 工具如何加速工作流程、验证产品创意，并在极短时间内完成可用原型。

Bear Liu

51,546 次观看 • 10 个月前

黄仁勋被问到如果自己是今天的学生，会先学什么 他的回答不是编程，不是数学，是学 AI 但他说的"学AI"不是让你去研究底层算法，是学会怎么跟 AI 交互 他的原话是：学会跟 AI 对话，本质上就是学会成为一个擅长提问的人 要问得好，你需要两样东西：专业知识和表达的艺术性。你得知道自己领域的东西，然后用 AI 听得懂的方式把需求说清楚 这个能力他管它叫"提示词工程"，但其实不用想得那么技术化。说白了就是：你能不能把一个模糊的想法，拆解成AI能执行的具体指令 不管你学什么专业、做什么工作，他觉得你都应该问自己一个问题："我怎么用 AI 来更好地完成我现在的工作？"
1:05

黄仁勋被问到如果自己是今天的学生，会先学什么 他的回答不是编程，不是数学，是学 AI 但他说的"学AI"不是让你去研究底层算法，是学会怎么跟 AI 交互 他的原话是：学会跟 AI 对话，本质上就是学会成为一个擅长提问的人 要问得好，你需要两样东西：专业知识和表达的艺术性。你得知道自己领域的东西，然后用 AI 听得懂的方式把需求说清楚 这个能力他管它叫"提示词工程"，但其实不用想得那么技术化。说白了就是：你能不能把一个模糊的想法，拆解成AI能执行的具体指令 不管你学什么专业、做什么工作，他觉得你都应该问自己一个问题："我怎么用 AI 来更好地完成我现在的工作？"

Vincent | 信号＞噪音

18,700 次观看 • 19 天前

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：
57:23

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

300,832 次观看 • 1 年前

可能是最适合小白的视频产品，没有之一。 不用会提示词，也不用懂剪辑。 你只要像聊天一样说出想法，比如“做个高级感产品视频”，Pexo 就能帮你解决剩下的一切！ 画面、音乐、转场、包装； 不满意？直接对话改风格、重做、无限迭代，直到满意。 更厉害的是，它已经原生接进 OpenClaw， 终于有一个 AI，能让我的小龙虾自己去做视频了， 飞书、Discord、Telegram 里都能直接调用生成视频， 现有工作流里就能完成，完全不用切工具。 这个维度看，为人类与 Agent 共同设计的原生内容创作 Agent； 面向人类端，它理解你的意图，你说想法，它出成片； 面向 Agent 端，它可以被调用、被协作，无缝嵌入自动化工作流。 三周前，它还是一个人的想法， 现在，Pexo 已在 OpenClaw 原生环境中快速成长，海外被雇佣超过数万次。 发展速度，已经说明一切。 一句话总结： 做视频，从复杂技能变成一句话就能调用的能力。
0:52

可能是最适合小白的视频产品，没有之一。 不用会提示词，也不用懂剪辑。 你只要像聊天一样说出想法，比如“做个高级感产品视频”，Pexo 就能帮你解决剩下的一切！ 画面、音乐、转场、包装； 不满意？直接对话改风格、重做、无限迭代，直到满意。 更厉害的是，它已经原生接进 OpenClaw， 终于有一个 AI，能让我的小龙虾自己去做视频了， 飞书、Discord、Telegram 里都能直接调用生成视频， 现有工作流里就能完成，完全不用切工具。 这个维度看，为人类与 Agent 共同设计的原生内容创作 Agent； 面向人类端，它理解你的意图，你说想法，它出成片； 面向 Agent 端，它可以被调用、被协作，无缝嵌入自动化工作流。 三周前，它还是一个人的想法， 现在，Pexo 已在 OpenClaw 原生环境中快速成长，海外被雇佣超过数万次。 发展速度，已经说明一切。 一句话总结： 做视频，从复杂技能变成一句话就能调用的能力。

开发者Hailey

16,620 次观看 • 3 个月前

#Jacky用户体验 #JackyAIGC 我几乎无时无刻不想把设计师从现有的繁杂工作中解放出来，让 AI 去替代人类做一些无意义的事，今天的这个工具让我看到了一丝希望，你可能把它简单的理解为一个原型图生成工具，但是我不这样认为
1:13

#Jacky用户体验 #JackyAIGC 我几乎无时无刻不想把设计师从现有的繁杂工作中解放出来，让 AI 去替代人类做一些无意义的事，今天的这个工具让我看到了一丝希望，你可能把它简单的理解为一个原型图生成工具，但是我不这样认为

Jackywine

27,966 次观看 • 2 年前

AI发展真的已经势不可挡了吗？ 吴恩达倒是给出了一个反直觉的答案，他说：“AI发展并没有像宣传的那么夸张。但是不得不承认，编程这方面AI确实急速发展。” 那工程师们都要失业吗？其实也不是。 在软件开发这个“写代码➔交付用户➔获取反馈➔调整方向”的循环中，当写代码变得越来越快时，效率提升的瓶颈转移到了产品经理身上，“做什么”AI似乎无能为力。 我就在想，会不会在未来极端条件下，一个人+AI就可以实现软件开发的闭环，他既是工程师也是产品经理。 果然，不会用AI的工程师不是好的产品经理。 #AI #吴恩达 #Stanford #core #Agent
4:15

AI发展真的已经势不可挡了吗？ 吴恩达倒是给出了一个反直觉的答案，他说：“AI发展并没有像宣传的那么夸张。但是不得不承认，编程这方面AI确实急速发展。” 那工程师们都要失业吗？其实也不是。 在软件开发这个“写代码➔交付用户➔获取反馈➔调整方向”的循环中，当写代码变得越来越快时，效率提升的瓶颈转移到了产品经理身上，“做什么”AI似乎无能为力。 我就在想，会不会在未来极端条件下，一个人+AI就可以实现软件开发的闭环，他既是工程师也是产品经理。 果然，不会用AI的工程师不是好的产品经理。 #AI #吴恩达 #Stanford #core #Agent

傅盛

32,650 次观看 • 2 个月前

还没体验过 Pi 或 Craft agent 的朋友，建议现在就去试一次。你会立刻明白我上个月说那句话时是什么心情。 我之前就讲过：未来程序员不再主要“做需求”，而是“做 agent”。agent 用来把你的能力蒸馏出来：你只要把需求说清楚，剩下的交给它完成。 如果你要研究怎么做一个 code agent，别从 0 开始，直接从 Pi agent 起步。它的可扩展性很好，集成进现有业务会省掉大量时间。 如果你要研究怎么做一个类似 codex desktop 的产品，那就从 Craft agent 入手。它基于 Pi agent 和 Claude agent，功能完整、覆盖面也足。 觉得复杂也没关系：能裁就裁。Claude agent sdk、messaging-gateway 这些都可以精简掉，留下的就是实打实的核心能力。 我已经基于它二开了一个新产品，叫 Echo，接入了技能市场，流程非常顺滑。它现在就是我的独立开发搭子，后续开发、运营我都在它上面跑。
0:29

还没体验过 Pi 或 Craft agent 的朋友，建议现在就去试一次。你会立刻明白我上个月说那句话时是什么心情。 我之前就讲过：未来程序员不再主要“做需求”，而是“做 agent”。agent 用来把你的能力蒸馏出来：你只要把需求说清楚，剩下的交给它完成。 如果你要研究怎么做一个 code agent，别从 0 开始，直接从 Pi agent 起步。它的可扩展性很好，集成进现有业务会省掉大量时间。 如果你要研究怎么做一个类似 codex desktop 的产品，那就从 Craft agent 入手。它基于 Pi agent 和 Claude agent，功能完整、覆盖面也足。 觉得复杂也没关系：能裁就裁。Claude agent sdk、messaging-gateway 这些都可以精简掉，留下的就是实打实的核心能力。 我已经基于它二开了一个新产品，叫 Echo，接入了技能市场，流程非常顺滑。它现在就是我的独立开发搭子，后续开发、运营我都在它上面跑。

Indie Fox

63,480 次观看 • 7 天前

人工智能之父辛顿对他的杰作发出了令人不寒而栗的警告… 采访者： 人类知道自己在做什么吗？ Hinton： 嗯，我认为我们正在进入一个时期，在这个时期，我们可能第一次拥有比我们更智能的东西。 采访者： 你相信它们能理解吗？ Hinton： 是的。 采访者： 你相信它们是智能的吗？ Hinton： 是的。 采访者： 你相信这些系统有自己的经历吗？ Hinton： 是的。 采访者： 并且能基于那些经历做出决定吗？ Hinton： 在与人类相同的意义上，是的。 采访者： 它们有意识吗？ Hinton： 我认为它们目前可能没有多少自我意识。所以从这个意义上说，我不认为它们有意识。 采访者： 它们会有自我意识吗？ Hinton： 哦，是的。 采访者： 是吗？ Hinton： 哦，是的。所以想想看。这样一来，人类将成为地球上第二智能的生物。 Hinton： 我们对它大致在做什么有一个很好的了解。但一旦它变得真正复杂，我们就不再真正知道发生了什么，就像我们不知道你大脑里发生了什么一样。 采访者： 你说什么意思，我们不知道它到底是怎么工作的？它是由人设计的。 Hinton： 不，不是的。我们所做的是设计学习算法。这有点像设计进化的原理。但当这个学习算法与数据互动时，它会产生复杂的神经网络，这些网络擅长做某些事情，但我们并不真正理解它们到底是如何做到的。
1:29

人工智能之父辛顿对他的杰作发出了令人不寒而栗的警告… 采访者： 人类知道自己在做什么吗？ Hinton： 嗯，我认为我们正在进入一个时期，在这个时期，我们可能第一次拥有比我们更智能的东西。 采访者： 你相信它们能理解吗？ Hinton： 是的。 采访者： 你相信它们是智能的吗？ Hinton： 是的。 采访者： 你相信这些系统有自己的经历吗？ Hinton： 是的。 采访者： 并且能基于那些经历做出决定吗？ Hinton： 在与人类相同的意义上，是的。 采访者： 它们有意识吗？ Hinton： 我认为它们目前可能没有多少自我意识。所以从这个意义上说，我不认为它们有意识。 采访者： 它们会有自我意识吗？ Hinton： 哦，是的。 采访者： 是吗？ Hinton： 哦，是的。所以想想看。这样一来，人类将成为地球上第二智能的生物。 Hinton： 我们对它大致在做什么有一个很好的了解。但一旦它变得真正复杂，我们就不再真正知道发生了什么，就像我们不知道你大脑里发生了什么一样。 采访者： 你说什么意思，我们不知道它到底是怎么工作的？它是由人设计的。 Hinton： 不，不是的。我们所做的是设计学习算法。这有点像设计进化的原理。但当这个学习算法与数据互动时，它会产生复杂的神经网络，这些网络擅长做某些事情，但我们并不真正理解它们到底是如何做到的。

KK.aWSB

54,221 次观看 • 6 个月前

今天，把一件关于 AI 很底层的事，彻底想透了。 使用 AI 的最佳方式是以道御术，但前提是你得先以术入道。 就像黄仁勋说的——真正会用 AI 的人，都是极高认知的提问者，带着自己的认知去提问，让 AI 帮你叩开未知的边界，而不是让它替你思考。 这段话最近反复在我脑子里出现， 但我觉得他还少说了一句： 这个认知，到底从哪来？ 首先肯定不是看几本书、刷几条推就能来的， 我觉得至少得是你自己上手干过、踩过坑、改过错，这个认知才能慢慢长出来， 这就是以术入道。 就像做菜，你得自己掌过勺，才知道一道菜真正的好坏在哪，AI 也一样，你得先用过、踩过坑、改过错，才能判断它给你的建议到底对不对。 我现在的判断是，AI 工具大概率会分成两条路。 一条是 agent 型，Claude Code、Codex、Hermes 那种，你给个目标它自己跑，你睡觉时它也跑，手机戳一戳继续跑，像一辆自动驾驶汽车。 另一条是 实习生型，典型代表是 Cursor， 每一步都要你判断：diff 改对了吗？ 这个建议要不要采用？要不要切 MAX 模型重跑一次？ 它有判断力，但没有自主决策权，你不在跟前盯着，它就停下来。 agent 是替你思考，实习生是和你一起思考，而只有后者，才是真正以术入道的过程。 agent 型工具的核心是省时间，你用它做事，实习生型工具的核心是磨判断力，你用它的过程，就是你长出自己那个道的过程。 但实习生型工具有个致命瓶颈——你不在跟前，它就停了。 自从被官方投喂 $10000 额度之后，我现在是个 Cursor 重度用户， 家里专门放了一台 Mac 跑 Cursor， 结果它就变成一个必须我在场才能用的稀缺资源。 直到最近朋友给我推了 UU 远程，网易做的，都免费两年了，而且没广告没会员，一开始我都有点不敢相信。 试了下发现真香，手机一打开就能接进家里那台 Mac，4K 144 帧，几乎感觉不到延迟， 看 Cursor 实时 diff、处理报错、切模型，跟坐电脑前没区别。 最让我惊喜的是，手机能直接开终端， 以前出门想登家里 Mac 跑命令行， 得 Tailscale 再 ssh 再 tmux，折腾半天， 还原生支持一个完整终端，跟敲 zsh 没区别， Cursor 跑一半要 git status、kill 进程、npm install， 手机抬手就办了，特别方便。 更新版本的时候我才发现，UU 远程刚好做到第二年， 周年庆重申不收费，继续打磨产品给大家免费用，还预告了几个新功能：安卓屏幕共享、小窗模式、精细化权限管理、文件夹共享、笔记本设备性能优化。 一个免费做了两年、还在持续往里砸功能的产品，我觉得是真有长期主义、想把产品做好的。 话说回来，AI 发展到这个阶段，我们真正需要的，我理解已经不是更厉害的 AI了，而是一种能让你随时和你的 AI 一起思考的连接方式。 目前看，Cursor和UU 远程这类体验和功能都做的非常丝滑极致的产品， 对我来说就是这个连接方式， 把我和家里那个顶级实习生之间的物理距离消除了， 让我能在任何地方，磨我自己的那个道。 毕竟 AI 工具的尽头，不是替我们做事，是把我们磨成那个，值得被它认真回答的提问者， 以上和大家共勉，一起在学习和使用AI的这条路上，达到以术入道，以道御术的境界。
0:34

今天，把一件关于 AI 很底层的事，彻底想透了。 使用 AI 的最佳方式是以道御术，但前提是你得先以术入道。 就像黄仁勋说的——真正会用 AI 的人，都是极高认知的提问者，带着自己的认知去提问，让 AI 帮你叩开未知的边界，而不是让它替你思考。 这段话最近反复在我脑子里出现， 但我觉得他还少说了一句： 这个认知，到底从哪来？ 首先肯定不是看几本书、刷几条推就能来的， 我觉得至少得是你自己上手干过、踩过坑、改过错，这个认知才能慢慢长出来， 这就是以术入道。 就像做菜，你得自己掌过勺，才知道一道菜真正的好坏在哪，AI 也一样，你得先用过、踩过坑、改过错，才能判断它给你的建议到底对不对。 我现在的判断是，AI 工具大概率会分成两条路。 一条是 agent 型，Claude Code、Codex、Hermes 那种，你给个目标它自己跑，你睡觉时它也跑，手机戳一戳继续跑，像一辆自动驾驶汽车。 另一条是 实习生型，典型代表是 Cursor， 每一步都要你判断：diff 改对了吗？ 这个建议要不要采用？要不要切 MAX 模型重跑一次？ 它有判断力，但没有自主决策权，你不在跟前盯着，它就停下来。 agent 是替你思考，实习生是和你一起思考，而只有后者，才是真正以术入道的过程。 agent 型工具的核心是省时间，你用它做事，实习生型工具的核心是磨判断力，你用它的过程，就是你长出自己那个道的过程。 但实习生型工具有个致命瓶颈——你不在跟前，它就停了。 自从被官方投喂 $10000 额度之后，我现在是个 Cursor 重度用户， 家里专门放了一台 Mac 跑 Cursor， 结果它就变成一个必须我在场才能用的稀缺资源。 直到最近朋友给我推了 UU 远程，网易做的，都免费两年了，而且没广告没会员，一开始我都有点不敢相信。 试了下发现真香，手机一打开就能接进家里那台 Mac，4K 144 帧，几乎感觉不到延迟， 看 Cursor 实时 diff、处理报错、切模型，跟坐电脑前没区别。 最让我惊喜的是，手机能直接开终端， 以前出门想登家里 Mac 跑命令行， 得 Tailscale 再 ssh 再 tmux，折腾半天， 还原生支持一个完整终端，跟敲 zsh 没区别， Cursor 跑一半要 git status、kill 进程、npm install， 手机抬手就办了，特别方便。 更新版本的时候我才发现，UU 远程刚好做到第二年， 周年庆重申不收费，继续打磨产品给大家免费用，还预告了几个新功能：安卓屏幕共享、小窗模式、精细化权限管理、文件夹共享、笔记本设备性能优化。 一个免费做了两年、还在持续往里砸功能的产品，我觉得是真有长期主义、想把产品做好的。 话说回来，AI 发展到这个阶段，我们真正需要的，我理解已经不是更厉害的 AI了，而是一种能让你随时和你的 AI 一起思考的连接方式。 目前看，Cursor和UU 远程这类体验和功能都做的非常丝滑极致的产品， 对我来说就是这个连接方式， 把我和家里那个顶级实习生之间的物理距离消除了， 让我能在任何地方，磨我自己的那个道。 毕竟 AI 工具的尽头，不是替我们做事，是把我们磨成那个，值得被它认真回答的提问者， 以上和大家共勉，一起在学习和使用AI的这条路上，达到以术入道，以道御术的境界。

AYi

695,078 次观看 • 1 个月前

Openclaw开发者Peter Steinberger：你很快就不需要App了 有一说一现在的App确实非常臃肿，页面里全是各种复杂的菜单、会员、广告。Openclaw创始人预测的未来里，用户只用做一件事：说出你的需求，Agent就能现场为你造出一个专属工具。 这就是我说的：所有的产品都值得用大模型重做一遍。 但重做不是简单的加个对话框，是把核心逻辑变成按需生成，这才是真正的AI Native。
1:21

Openclaw开发者Peter Steinberger：你很快就不需要App了 有一说一现在的App确实非常臃肿，页面里全是各种复杂的菜单、会员、广告。Openclaw创始人预测的未来里，用户只用做一件事：说出你的需求，Agent就能现场为你造出一个专属工具。 这就是我说的：所有的产品都值得用大模型重做一遍。 但重做不是简单的加个对话框，是把核心逻辑变成按需生成，这才是真正的AI Native。

傅盛

75,052 次观看 • 5 个月前

今天免费给大家挖到一个牛的工具 Stanford University 放出来的一套 AI 课程，直接用 1 个半小时，把 Claude 和 ChatGPT 背后的工作原理，拆得非常透。 很多人天天都在用 AI。 写内容。 做研究。 跑工作流。 做自动化。 但大部分人，说实话连模型 10% 的能力都没真正用出来。 问题从来不是 AI 不够强。 而是你根本不知道，它到底是怎么思考、怎么推理、怎么处理信息的。 你一旦理解底层逻辑，你会发现，提示词、自动化、Agent、工作流这些东西，全部都会进入另一个层次。 建议直接收藏，少刷一小时短剧。 明天醒来，你可能就比大部分人，多了一条真正能赚钱的路。 AI 最大的红利，永远属于理解它的人。
1:44:25

今天免费给大家挖到一个牛的工具 Stanford University 放出来的一套 AI 课程，直接用 1 个半小时，把 Claude 和 ChatGPT 背后的工作原理，拆得非常透。 很多人天天都在用 AI。 写内容。 做研究。 跑工作流。 做自动化。 但大部分人，说实话连模型 10% 的能力都没真正用出来。 问题从来不是 AI 不够强。 而是你根本不知道，它到底是怎么思考、怎么推理、怎么处理信息的。 你一旦理解底层逻辑，你会发现，提示词、自动化、Agent、工作流这些东西，全部都会进入另一个层次。 建议直接收藏，少刷一小时短剧。 明天醒来，你可能就比大部分人，多了一条真正能赚钱的路。 AI 最大的红利，永远属于理解它的人。

空投龙 | 预测世界杯就在Gate

19,162 次观看 • 7 天前

和AI Agent一起工作是一种什么样的体验？ 扣子空间详细体验评测 （下面有邀请码）🧵↓ 字节跳动发布新一代 AI Agent 平台：扣子空间，Slogan为：在扣子空间，和 Agent 一起开始你的工作。 也就是你可以像和真人协作一样，和AI一起完成特定任务。 通过自然语言交流直接交付结果🫡 例如这个↓ 这个测试是模拟你通过AI来简化你的工作或者提高你的工作效率或者成果，例如假如你是一个幼儿园老师就可以通过AI生成一个交互式的英语学习应用。 提高孩子们学习英语的乐趣。它支持调用MCP，这个测试调用了两个MCP，一个是图像生成一个是语音生成。 扣子空间，它可以是： ✅「通用实习生」：可以处理各种基础任务，比如整理资料、写文案、查数据等。 ✅「领域专家」：针对具体行业或专业的问题（如法律、医学、设计等）有深入理解，能给出专业建议或完成复杂任务。 你可以根据自己的需要选择不同AI来协助你完成任务。它不只是回答问题，AI还能主动帮你做事：比如生成报告、整理数据、写代码、规划日程等。 支持两种工作方式： 自动模式：AI自动帮你完成任务。 协作模式：你可以一步步与AI互动，逐步推进任务，更适合复杂工作。
1:01

和AI Agent一起工作是一种什么样的体验？ 扣子空间详细体验评测 （下面有邀请码）🧵↓ 字节跳动发布新一代 AI Agent 平台：扣子空间，Slogan为：在扣子空间，和 Agent 一起开始你的工作。 也就是你可以像和真人协作一样，和AI一起完成特定任务。 通过自然语言交流直接交付结果🫡 例如这个↓ 这个测试是模拟你通过AI来简化你的工作或者提高你的工作效率或者成果，例如假如你是一个幼儿园老师就可以通过AI生成一个交互式的英语学习应用。 提高孩子们学习英语的乐趣。它支持调用MCP，这个测试调用了两个MCP，一个是图像生成一个是语音生成。 扣子空间，它可以是： ✅「通用实习生」：可以处理各种基础任务，比如整理资料、写文案、查数据等。 ✅「领域专家」：针对具体行业或专业的问题（如法律、医学、设计等）有深入理解，能给出专业建议或完成复杂任务。 你可以根据自己的需要选择不同AI来协助你完成任务。它不只是回答问题，AI还能主动帮你做事：比如生成报告、整理数据、写代码、规划日程等。 支持两种工作方式： 自动模式：AI自动帮你完成任务。 协作模式：你可以一步步与AI互动，逐步推进任务，更适合复杂工作。

小互

27,158 次观看 • 1 年前

🎬 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。
17:56

🎬 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

26,801 次观看 • 18 天前

【Vibe Coding 实战心法】为什么你的 AI 搞不定 Polymarket 套利？揭秘跨模型“组合拳”开发流！ 告别死磕，掌握这套 AI 协作流，让 0 基础编程效率翻倍 最近很多同学私信我，问得最多的一个问题就是：“我也想搞 Polymarket 的自动套利，思路都有了，但让 AI 写代码时总是报错，改来改去还是跑不通，是不是我不适合干这个？” 说实话，不是你不适合，而是你“打开方式”不对。 今天我就把压箱底的经验拿出来，简单给大家避个坑。这不仅适用于 Polymarket，也适用于任何你觉得“AI 搞不定”的复杂项目。 一、 认清现实：AI 模型也是“偏科生” 首先，大家要有一个认知：目前的 AI 模型水平参差不齐，且各有所长。 有的擅长逻辑推理（像数学教授）； 有的擅长快速生成模板（像熟练工）； 有的擅长创意交互（像设计师）。 当你盯着一个 AI（比如只用 ChatGPT 或只用 Cursor 默认模型）死磕一个报错，就像是逼着体育老师教高数。如果一个问题你让 AI 尝试了 3 次以上还无法解决，立刻停手！不要死磕！ 解决方案是：换人（换模型），或者换脑子（找外援）。 二、 核心策略：跨平台“组合拳” (The Cross-Platform Flow) 既然单一模型搞不定，我们就要学会像“包工头”一样指挥不同的 AI 协同工作。 我目前的Vibe Coding 黄金工作流是这样的，每一个环节都有明确的目的： 🟢 Google AI Studio 产品雏形 (Frontend/Visuals) 用法： 我通常先用 AI Studio 来开发前端界面。它的上下文窗口大，且视觉理解能力强，能迅速把我要的 UI/UX 甚至简单的交互逻辑给“画”出来。 🔵 Cursor (Auto Mode) 基础逻辑 (Logic/Functionality) 用法： 拿着前端的架子，转战 Cursor。利用 Cursor 的 Auto 模型开发后端的基本逻辑和功能模块。这是“盖楼”的阶段，让代码先跑起来。 🟣 Claude Code 深度优化 (Optimization/Fixing) 用法： 遇到顽固 Bug 或者逻辑不够优雅时，我会把代码喂给 Claude Code。它的逻辑推理能力目前是顶尖的，非常适合做“外科手术”式的修复和性能优化。 🟠 OpenAI Codex 最终审核 (Auditing) 用法： 最后，我会用 Codex 类的能力进行代码审查（Code Review），查漏补缺，确保安全性。 总结： AI Studio 画皮，Cursor 铸骨，Claude 注入灵魂，Codex 最后的体检。一定要交叉使用，跨平台学习，这是解决复杂问题的关键。 三、 遇到死局怎么办？让 AI 去“抄作业” 在做 Polymarket 这种特定项目时，你经常会遇到像 redeem（赎回）或 clob（中央限价订单簿）对接这种深水区。 很多时候 AI 搞不定，是因为它没见过最新的文档或特殊的 SDK 写法。这时候你哪怕把 Prompt 写出花来也没用。 我的“必杀技”： 如果 AI 持续报错，我给它的指令不再是“修复这个 Bug”，而是： “去 GitHub 上搜索关于 Polymarket redeem function 的最新 Python 实现方案，阅读并分析别人的代码，学习它是如何处理签名的，然后回来修改我的代码。” 让 AI 学会自我迭代： Search（搜索）： 找现成的轮子。 Learn（学习）： 理解别人的逻辑。 Iterate（迭代）： 应用到你的项目中。 你不让它学习，它就是迟迟搞不定；一旦它学会了参考，效率是指数级提升的。 四、 结语：Vibe Coding 的终局 我看待 AI 编程的视角很简单：我不生产代码，我只是需求的搬运工。 现在的困难只是暂时的。我相信在不久的将来，我们现在的这一套“组合拳”流程也会被自动化取代。 未来的终局是： 你只需要提出一个需求（“帮我盯着 Polymarket 上的美国大选赔率做套利”），AI 会自动去寻找文档、自动写代码、自动测试、自动部署。 但在那一天到来之前，掌握这套“跨模型协作 + 引导式学习”的方法，就是你在 AI 时代最大的竞争壁垒。 PS ： 还要学会PUA，不停的让AI换角色PUA，比如PM、CTO 、CEO 、顶级量化交易员等等。 最后如果还不解决问题，告诉你一个终极大招，骂，使劲骂！
6:08

【Vibe Coding 实战心法】为什么你的 AI 搞不定 Polymarket 套利？揭秘跨模型“组合拳”开发流！ 告别死磕，掌握这套 AI 协作流，让 0 基础编程效率翻倍 最近很多同学私信我，问得最多的一个问题就是：“我也想搞 Polymarket 的自动套利，思路都有了，但让 AI 写代码时总是报错，改来改去还是跑不通，是不是我不适合干这个？” 说实话，不是你不适合，而是你“打开方式”不对。 今天我就把压箱底的经验拿出来，简单给大家避个坑。这不仅适用于 Polymarket，也适用于任何你觉得“AI 搞不定”的复杂项目。 一、 认清现实：AI 模型也是“偏科生” 首先，大家要有一个认知：目前的 AI 模型水平参差不齐，且各有所长。 有的擅长逻辑推理（像数学教授）； 有的擅长快速生成模板（像熟练工）； 有的擅长创意交互（像设计师）。 当你盯着一个 AI（比如只用 ChatGPT 或只用 Cursor 默认模型）死磕一个报错，就像是逼着体育老师教高数。如果一个问题你让 AI 尝试了 3 次以上还无法解决，立刻停手！不要死磕！ 解决方案是：换人（换模型），或者换脑子（找外援）。 二、 核心策略：跨平台“组合拳” (The Cross-Platform Flow) 既然单一模型搞不定，我们就要学会像“包工头”一样指挥不同的 AI 协同工作。 我目前的Vibe Coding 黄金工作流是这样的，每一个环节都有明确的目的： 🟢 Google AI Studio 产品雏形 (Frontend/Visuals) 用法： 我通常先用 AI Studio 来开发前端界面。它的上下文窗口大，且视觉理解能力强，能迅速把我要的 UI/UX 甚至简单的交互逻辑给“画”出来。 🔵 Cursor (Auto Mode) 基础逻辑 (Logic/Functionality) 用法： 拿着前端的架子，转战 Cursor。利用 Cursor 的 Auto 模型开发后端的基本逻辑和功能模块。这是“盖楼”的阶段，让代码先跑起来。 🟣 Claude Code 深度优化 (Optimization/Fixing) 用法： 遇到顽固 Bug 或者逻辑不够优雅时，我会把代码喂给 Claude Code。它的逻辑推理能力目前是顶尖的，非常适合做“外科手术”式的修复和性能优化。 🟠 OpenAI Codex 最终审核 (Auditing) 用法： 最后，我会用 Codex 类的能力进行代码审查（Code Review），查漏补缺，确保安全性。 总结： AI Studio 画皮，Cursor 铸骨，Claude 注入灵魂，Codex 最后的体检。一定要交叉使用，跨平台学习，这是解决复杂问题的关键。 三、 遇到死局怎么办？让 AI 去“抄作业” 在做 Polymarket 这种特定项目时，你经常会遇到像 redeem（赎回）或 clob（中央限价订单簿）对接这种深水区。 很多时候 AI 搞不定，是因为它没见过最新的文档或特殊的 SDK 写法。这时候你哪怕把 Prompt 写出花来也没用。 我的“必杀技”： 如果 AI 持续报错，我给它的指令不再是“修复这个 Bug”，而是： “去 GitHub 上搜索关于 Polymarket redeem function 的最新 Python 实现方案，阅读并分析别人的代码，学习它是如何处理签名的，然后回来修改我的代码。” 让 AI 学会自我迭代： Search（搜索）： 找现成的轮子。 Learn（学习）： 理解别人的逻辑。 Iterate（迭代）： 应用到你的项目中。 你不让它学习，它就是迟迟搞不定；一旦它学会了参考，效率是指数级提升的。 四、 结语：Vibe Coding 的终局 我看待 AI 编程的视角很简单：我不生产代码，我只是需求的搬运工。 现在的困难只是暂时的。我相信在不久的将来，我们现在的这一套“组合拳”流程也会被自动化取代。 未来的终局是： 你只需要提出一个需求（“帮我盯着 Polymarket 上的美国大选赔率做套利”），AI 会自动去寻找文档、自动写代码、自动测试、自动部署。 但在那一天到来之前，掌握这套“跨模型协作 + 引导式学习”的方法，就是你在 AI 时代最大的竞争壁垒。 PS ： 还要学会PUA，不停的让AI换角色PUA，比如PM、CTO 、CEO 、顶级量化交易员等等。 最后如果还不解决问题，告诉你一个终极大招，骂，使劲骂！

比特币橙子Trader

13,090 次观看 • 6 个月前

昨天跟清华大学的同学聊完之后，当场加团队！ 因为我发现他们的产品真的非常棒，还特别适合X 这个产品本质就一句话： 用钱买别人的时间，直接对话你够不到的人 这个产品的核心点：在于它“打破了圈层” 你花268就可以跟清北或大厂的员工或创业者交流半小时 这会极大的抹平我们之间的信息差 我为什么觉得这个东西很有价值？ 因为我们大多数人的问题是： 圈子不对，信息滞后，路径不清晰 比如： 想进大厂，但不知道真实门槛 想考研/出国，但不知道怎么规划 想做项目，但不知道从哪一步开始 这些问题，如果靠自己摸索，可能要走一年弯路 但对已经走过这条路的人来说，可能就是一句话的事 以前你会觉得： 清北、大厂、创业者，跟自己不是一个世界的人 但通过这个产品，你可以直接跟他们坐下来聊 30 分钟 问你最真实的问题并且拿到一手经验和路径 而且这个平台不只是“买时间”，你也可以“卖时间” 如果你有一技之长，比如： 在大厂工作，能讲求职路径 某个专业很强，能带人入门 做项目赚过钱，能讲实操经验 都可以把你的时间变现 本质就是：把“认知”和“经验”，直接变成现金流 现在这个产品还在内测阶段 我也在帮他们一起做推广和打磨 目前最基础的服务就是： 👉 和清华 / 北大 / 大厂从业者 1v1 交流 如果你想提升认知，想少走弯路 或者你本身就有能力，想变现 可以先进来看看，入口在下面视频
3:06

昨天跟清华大学的同学聊完之后，当场加团队！ 因为我发现他们的产品真的非常棒，还特别适合X 这个产品本质就一句话： 用钱买别人的时间，直接对话你够不到的人 这个产品的核心点：在于它“打破了圈层” 你花268就可以跟清北或大厂的员工或创业者交流半小时 这会极大的抹平我们之间的信息差 我为什么觉得这个东西很有价值？ 因为我们大多数人的问题是： 圈子不对，信息滞后，路径不清晰 比如： 想进大厂，但不知道真实门槛 想考研/出国，但不知道怎么规划 想做项目，但不知道从哪一步开始 这些问题，如果靠自己摸索，可能要走一年弯路 但对已经走过这条路的人来说，可能就是一句话的事 以前你会觉得： 清北、大厂、创业者，跟自己不是一个世界的人 但通过这个产品，你可以直接跟他们坐下来聊 30 分钟 问你最真实的问题并且拿到一手经验和路径 而且这个平台不只是“买时间”，你也可以“卖时间” 如果你有一技之长，比如： 在大厂工作，能讲求职路径 某个专业很强，能带人入门 做项目赚过钱，能讲实操经验 都可以把你的时间变现 本质就是：把“认知”和“经验”，直接变成现金流 现在这个产品还在内测阶段 我也在帮他们一起做推广和打磨 目前最基础的服务就是： 👉 和清华 / 北大 / 大厂从业者 1v1 交流 如果你想提升认知，想少走弯路 或者你本身就有能力，想变现 可以先进来看看，入口在下面视频

天策

17,425 次观看 • 3 个月前

最近在开发圈很火的 GitHub 项目 Firecrawl， 一个专门给 AI 用的智能爬虫，已经 7万+ Star 了。 一句话总结： 它可以把任何网站，直接变成 AI 能用的数据。 只要给它一个 URL，它就会自动： - 抓取整站页面 - 清洗网页内容 - 解析结构信息 - 输出 Markdown / JSON 也就是说： 网站 → 结构化数据 → 直接喂给 LLM。 现在很多 AI 项目的数据流程其实都是： 网站 → Firecrawl → 向量库 → RAG → AI 应用 如果你在做： - AI Agent - RAG 知识库 - 自动化数据采集 这个工具基本算是 AI 开发的基础设施了
0:25

最近在开发圈很火的 GitHub 项目 Firecrawl， 一个专门给 AI 用的智能爬虫，已经 7万+ Star 了。 一句话总结： 它可以把任何网站，直接变成 AI 能用的数据。 只要给它一个 URL，它就会自动： - 抓取整站页面 - 清洗网页内容 - 解析结构信息 - 输出 Markdown / JSON 也就是说： 网站 → 结构化数据 → 直接喂给 LLM。 现在很多 AI 项目的数据流程其实都是： 网站 → Firecrawl → 向量库 → RAG → AI 应用 如果你在做： - AI Agent - RAG 知识库 - 自动化数据采集 这个工具基本算是 AI 开发的基础设施了

开发者Hailey

139,554 次观看 • 3 个月前