Video yükleniyor...

Video Yüklenemedi

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

Ana Sayfaya Dön

这是我个人认为的最牛AI Money Hunter，没有之一。他的视频教学，对比一下国内的AI教学你就会发现有多大的价值差异。通过Pinterest搞流量完成AI副业变现，他全程在诠释： - 如何分析用户和需求 - 如何验证 - 如何制作匹配需求的内容 - 如何找到后端的产品 - Product Marketing Fit 并且在这个过程中，持续不断地在保证优质内容效果的基础上，持续不断使用AI工具提升效能。这东西发国内估计都没人看的明白，推特上水平相对高很多，才能感觉到什么是最牛教学。相同的套路做tt,ins也一样适用。由于asr有一些问题，视频中提到的AI视频工具是invideo，地址：

Yangyi

123,840 subscribers

158,426 görüntüleme • 2 yıl önce •via X (Twitter)

Bilim & Teknoloji Finans

Anya Rossi• Live Now

Private livecam show

10 Yorum

Nolan Zhang profil fotoğrafı

Nolan Zhang2 yıl önce

视频里通过AI + Pinterest赚钱的核心玩法应该是这个文章。

Yangyi profil fotoğrafı

Yangyi2 yıl önce

思路差不多内容和方式还有不少差别但这个网站很好学习了👍

wanglight profil fotoğrafı

wanglight2 yıl önce

想问问视频作者油管链接

Yangyi profil fotoğrafı

Yangyi2 yıl önce

X10 INCOME

Asuka🎀Redpanda profil fotoğrafı

Asuka🎀Redpanda2 yıl önce

宝藏博主

所向银河 profil fotoğrafı

所向银河2 yıl önce

视频开头讲的利用chatgpt创建一个pinterest上的利基市场，这里的利基市场是什么意思？

Yangyi profil fotoğrafı

Yangyi2 yıl önce

niche market可以理解为一个长尾小众的垂类市场，比较聚焦的用户群体

Tom profil fotoğrafı

Tom2 yıl önce

以后程序员要失业了

pippingg profil fotoğrafı

pippingg2 yıl önce

这个好，不仅独立开发者能用，其实大中团队也能用

OSDev profil fotoğrafı

OSDev2 yıl önce

@readwise save thread

Benzer Videolar

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。

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 görüntüleme • 10 ay önce

#AI赚钱- 如何在 2 分钟内用 AI 工具快速生成一个视频！这个神奇的工具只需提交一个选题，AI 就能帮你生成文章、找素材、配音、生成字幕，更震撼的是，视频中还可以添加 AI 数字人特别适合在抖音上的短视频内容创作者最后给大家看看效果：

#AI赚钱- 如何在 2 分钟内用 AI 工具快速生成一个视频！这个神奇的工具只需提交一个选题，AI 就能帮你生成文章、找素材、配音、生成字幕，更震撼的是，视频中还可以添加 AI 数字人特别适合在抖音上的短视频内容创作者最后给大家看看效果：

千寻｜AI 分享 🌸

44,837 görüntüleme • 2 yıl 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

300,883 görüntüleme • 1 yıl önce

一个中国小伙，非程序员出身，利用AI工具，一人一家公司OPC，成功干出了一年1000万的收入！他就是使用CHATGPT等AI工具设计付费的APP工具。他的工作流程是这样子的： 1.洞察需求 2.打磨需求 3.总结需求文档 4.做产品原型图 5.做产品的功能 6.做出MVP 7.验证MVP 8.找到1000个用户 9.设计变现点 10.验证失败验证成功 11.投放市场 AI时代，懂得使用AI工具的人可以放大自身的能力，创造一切可能性，值得我们好好学习。他具体是怎么实现的？请看下面的视频，听他的一一介绍工作流程。

一个中国小伙，非程序员出身，利用AI工具，一人一家公司OPC，成功干出了一年1000万的收入！他就是使用CHATGPT等AI工具设计付费的APP工具。他的工作流程是这样子的： 1.洞察需求 2.打磨需求 3.总结需求文档 4.做产品原型图 5.做产品的功能 6.做出MVP 7.验证MVP 8.找到1000个用户 9.设计变现点 10.验证失败验证成功 11.投放市场 AI时代，懂得使用AI工具的人可以放大自身的能力，创造一切可能性，值得我们好好学习。他具体是怎么实现的？请看下面的视频，听他的一一介绍工作流程。

小龙先生

65,019 görüntüleme • 1 ay önce

这几天跟几个做电商的朋友聊了很久，他们是在淘宝做文案策划、ppt、短视频业务的，类似中介模式，在淘宝接单，然后找对应设计、写手完成交付。Ai对他们的冲击非常大，倒逼他们学习Ai 然后出现一个很现实的问题，要用Ai适配自己的业务远远没有那么简单，大部分时间其实是在调试Ai，但他们并不擅长这点像币圈人喜欢尝试新东西，想真正达到专业玩家的水平也并非易事，真正需要Ai完成业务优化的大量个体户，恰恰很难适应Ai时代的到来当我看到 DAPPOS 的xBubble出现，终于有项目在尝试解决这个被忽视的难题，Ai本身是来节省大家时间的，但Ai学习本身又需要耗费大量的时间比如一个完全不懂视频制作的奶茶店老板要做一个暴打柠檬茶的宣传视频，直接就可以在xBubble输入：给我做一个 20 秒的视频，推广我们店新出的暴打柠檬茶，要看起来很清爽很夏天的那种感觉，配点轻快的背景音乐成品视频效果大家可以看下面的视频，完全可以直接商用了为什么给一个模糊的提示词就能实现这种水平？ xBubble背后的2套技术模版 1、Bubble Pilot Pilot类似一个智能导航推荐，用户写一个很短甚至很模糊的提示词后，Bubble Pilot会读取用户的简短请求，识别任务类型，从SOP库里自动匹配，给你一个匹配度最高的SOP 所谓的SOP就是标准操作流程，本质就是skill，比如这个暴打柠檬茶视频需求，这是一个特定的饮品类领域，这类视频需要的产品特写、制作过程展现、氛围感营造都是类似，可以用针对性的最优模版，SOP就是这个标准模版如果没有现成的SOP，会进入通用标准路径，然后反复回退的请求会成为 Bubble Engine下一步构建SOP的候选信号 2、Bubble Engine Engine是一个SOP的生成引擎，比如起初xBubble没有饮品类的SOP，Engine就会像AI程序员一样，自动去建立一个标准，去学习竞品然后反复迭代，将最优路径固化为可复用 SOP 后续只要有饮品类的视频需求，就可以直接使用生成的SOP xBubble还有两种运行环境 Bubble Computer 端到端项目工作空间。Bubble Pilot 检测到多步骤任务时路由至此，沙箱自动启动、按需加载技能，全程无需用户管理中间步骤。可在单次运行内完成研究、写作、设计、核查并交付最终成果大部分情况都可以使用Computer Bubble Personal 本地环境模式。可操作用户本机文件、浏览器、应用与日程。安装、下载、系统级变更在云端容器中执行并在任务完成后销毁；用户本机只执行经明确授权的操作，无需安装软件涉及隐私类的，比如部分文件资料是高度隐私的，且不相信任何平台，那就选择Personal模式其实xBubble的产品核心就是它的SOP，对于大部分需求方而言，他并不能有效精准描述提示词，也不懂特写镜头、慢动作、产品特写这些术语，如果使用市场上通用的Ai，Ai就只能猜需求，你给他输入什么，Ai就输出什么，交付的产品自然与预期不符输入端：模糊的需求输出端：模糊的产品这就是xBubble的优势，用户无需给Ai一个精准的需求，你想做一个饮品类视频，一句话就行，Bubble Pilot会自动找现有针对饮品类的SOP，模糊的需求就能找到精准的SOP，生成精准的产品 xBubble实际上就是干了一件事，识别模糊，找到精准需求，匹配针对性的SOP，生成精准的产品让Ai不断傻瓜化，Ai自己就能读懂人类模糊的语言精准提炼，这才是Ai大众化的痛点 xBubble的体验链接：

这几天跟几个做电商的朋友聊了很久，他们是在淘宝做文案策划、ppt、短视频业务的，类似中介模式，在淘宝接单，然后找对应设计、写手完成交付。Ai对他们的冲击非常大，倒逼他们学习Ai 然后出现一个很现实的问题，要用Ai适配自己的业务远远没有那么简单，大部分时间其实是在调试Ai，但他们并不擅长这点像币圈人喜欢尝试新东西，想真正达到专业玩家的水平也并非易事，真正需要Ai完成业务优化的大量个体户，恰恰很难适应Ai时代的到来当我看到 DAPPOS 的xBubble出现，终于有项目在尝试解决这个被忽视的难题，Ai本身是来节省大家时间的，但Ai学习本身又需要耗费大量的时间比如一个完全不懂视频制作的奶茶店老板要做一个暴打柠檬茶的宣传视频，直接就可以在xBubble输入：给我做一个 20 秒的视频，推广我们店新出的暴打柠檬茶，要看起来很清爽很夏天的那种感觉，配点轻快的背景音乐成品视频效果大家可以看下面的视频，完全可以直接商用了为什么给一个模糊的提示词就能实现这种水平？ xBubble背后的2套技术模版 1、Bubble Pilot Pilot类似一个智能导航推荐，用户写一个很短甚至很模糊的提示词后，Bubble Pilot会读取用户的简短请求，识别任务类型，从SOP库里自动匹配，给你一个匹配度最高的SOP 所谓的SOP就是标准操作流程，本质就是skill，比如这个暴打柠檬茶视频需求，这是一个特定的饮品类领域，这类视频需要的产品特写、制作过程展现、氛围感营造都是类似，可以用针对性的最优模版，SOP就是这个标准模版如果没有现成的SOP，会进入通用标准路径，然后反复回退的请求会成为 Bubble Engine下一步构建SOP的候选信号 2、Bubble Engine Engine是一个SOP的生成引擎，比如起初xBubble没有饮品类的SOP，Engine就会像AI程序员一样，自动去建立一个标准，去学习竞品然后反复迭代，将最优路径固化为可复用 SOP 后续只要有饮品类的视频需求，就可以直接使用生成的SOP xBubble还有两种运行环境 Bubble Computer 端到端项目工作空间。Bubble Pilot 检测到多步骤任务时路由至此，沙箱自动启动、按需加载技能，全程无需用户管理中间步骤。可在单次运行内完成研究、写作、设计、核查并交付最终成果大部分情况都可以使用Computer Bubble Personal 本地环境模式。可操作用户本机文件、浏览器、应用与日程。安装、下载、系统级变更在云端容器中执行并在任务完成后销毁；用户本机只执行经明确授权的操作，无需安装软件涉及隐私类的，比如部分文件资料是高度隐私的，且不相信任何平台，那就选择Personal模式其实xBubble的产品核心就是它的SOP，对于大部分需求方而言，他并不能有效精准描述提示词，也不懂特写镜头、慢动作、产品特写这些术语，如果使用市场上通用的Ai，Ai就只能猜需求，你给他输入什么，Ai就输出什么，交付的产品自然与预期不符输入端：模糊的需求输出端：模糊的产品这就是xBubble的优势，用户无需给Ai一个精准的需求，你想做一个饮品类视频，一句话就行，Bubble Pilot会自动找现有针对饮品类的SOP，模糊的需求就能找到精准的SOP，生成精准的产品 xBubble实际上就是干了一件事，识别模糊，找到精准需求，匹配针对性的SOP，生成精准的产品让Ai不断傻瓜化，Ai自己就能读懂人类模糊的语言精准提炼，这才是Ai大众化的痛点 xBubble的体验链接：

庞教主

21,559 görüntüleme • 1 ay önce

卧槽！3个视频，25万浏览，8万粉丝。没想到上次一模一样的文稿又火了一遍，这一次是用AI洗稿AI。情绪价值这个话题真的是长生不衰啊！我发现评论区讨论热火朝天，很多人根本不在意是不是AI制作的。爆款内容比拼的就是选题、内容的质量，比谁更能把握人心、吸引注意力。只有优质的内容和差的内容，没有AI和人工的内容。或许，在某些AI成熟的场景，流量走向将重新改写了！

卧槽！3个视频，25万浏览，8万粉丝。没想到上次一模一样的文稿又火了一遍，这一次是用AI洗稿AI。情绪价值这个话题真的是长生不衰啊！我发现评论区讨论热火朝天，很多人根本不在意是不是AI制作的。爆款内容比拼的就是选题、内容的质量，比谁更能把握人心、吸引注意力。只有优质的内容和差的内容，没有AI和人工的内容。或许，在某些AI成熟的场景，流量走向将重新改写了！

Adam也叫吉米

383,251 görüntüleme • 2 ay önce

AI 视频类工具其实是有转化成社交和内容消费平台的潜力的，比如早期的快手以及 snapchat 一个是从 GIF 工具切入的一个是用自己的特效能力。 Tonic 就是这几天发现的一个在结合 AI 视频和内容消费上我觉得最好的一个。视频的 AI 转换操作成本也非常低，效果也很好。 AI 会自动接入选择转换视频的一小段，同时跟原视频内容很好的结合起来。它的视觉风格和交互非常契合愿意生产优质短视频的年轻人，比如首次进入时手机会跟着视频内容震动。生成视频过程中像唱片机一样悬浮在图标上的进度条。还有与画面内容搭配的 emoji 点赞按钮。下面是他们效果展示的页面和我测试的两段视频。这里下载体验：

AI 视频类工具其实是有转化成社交和内容消费平台的潜力的，比如早期的快手以及 snapchat 一个是从 GIF 工具切入的一个是用自己的特效能力。 Tonic 就是这几天发现的一个在结合 AI 视频和内容消费上我觉得最好的一个。视频的 AI 转换操作成本也非常低，效果也很好。 AI 会自动接入选择转换视频的一小段，同时跟原视频内容很好的结合起来。它的视觉风格和交互非常契合愿意生产优质短视频的年轻人，比如首次进入时手机会跟着视频内容震动。生成视频过程中像唱片机一样悬浮在图标上的进度条。还有与画面内容搭配的 emoji 点赞按钮。下面是他们效果展示的页面和我测试的两段视频。这里下载体验：

歸藏(guizang.ai)

20,220 görüntüleme • 2 yıl önce

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？"

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 görüntüleme • 23 gün önce

Codex 帮我做视频？我的自媒体视频工作流分享！ 🤩分享一下我是如何让 AI 帮我提效视频制作的，以及我使用到的工具和技巧

Codex 帮我做视频？我的自媒体视频工作流分享！ 🤩分享一下我是如何让 AI 帮我提效视频制作的，以及我使用到的工具和技巧

Yihui

22,811 görüntüleme • 1 gün önce

一个比ChatGPT强大100倍的AI工具codex！ 2026年你可以不会用ChatGPT，但你一定要学会用codex。这条视频可能是你能刷到的最全面最详细的分享codex 0基础使用教程的视频，从小白的角度，用最通俗的语言跟你分享codex的安装使用以及每一个核心功能，让你不需要有任何编程基础就能学会。

一个比ChatGPT强大100倍的AI工具codex！ 2026年你可以不会用ChatGPT，但你一定要学会用codex。这条视频可能是你能刷到的最全面最详细的分享codex 0基础使用教程的视频，从小白的角度，用最通俗的语言跟你分享codex的安装使用以及每一个核心功能，让你不需要有任何编程基础就能学会。

0x鸣人

98,593 görüntüleme • 1 ay önce

非常同意黄仁勋视频中的这段话：如果我是学生，第一件需要学习的是就是如何与AI互动。如何提问，如何写提示词。这一点许多老师都没有明白。天天防着学生用AI偷懒实际上是老师在捍卫自己落后的教育理念。我跟女儿讨论问题的时候一直教她学会使用AI来深入探索。避免泛泛的问题，不要满足于AI给你的表面标准答案。要深入下去，解释不懂的概念和术语，寻找证据和出处。其实深度思考本质上就是学会问问题。

非常同意黄仁勋视频中的这段话：如果我是学生，第一件需要学习的是就是如何与AI互动。如何提问，如何写提示词。这一点许多老师都没有明白。天天防着学生用AI偷懒实际上是老师在捍卫自己落后的教育理念。我跟女儿讨论问题的时候一直教她学会使用AI来深入探索。避免泛泛的问题，不要满足于AI给你的表面标准答案。要深入下去，解释不懂的概念和术语，寻找证据和出处。其实深度思考本质上就是学会问问题。

波波 Lucy

90,134 görüntüleme • 3 ay önce

其实去年的时候就已经可以批量化文生视频了但这个流程受限于模板。不过洗文还是容易的用到的工具是 KeJun 三花AI的小视频宝我今天教大家如何制作这类视频👇

其实去年的时候就已经可以批量化文生视频了但这个流程受限于模板。不过洗文还是容易的用到的工具是 KeJun 三花AI的小视频宝我今天教大家如何制作这类视频👇

Yangyi

108,333 görüntüleme • 1 yıl önce

公众号自动化不难难的是你怎么寻找到高价值信息源怎么写Skills让AI协同的更好以及怎么有品味的审核改动加入人的部分牛马AI和openclaw最大的不一样在于它是人机协同的如果你只是想找一个100%的AI 那openclaw可能更好一些但如果你在意产出的最后一公里牛马AI绝对是本地化最佳首选没有之一

公众号自动化不难难的是你怎么寻找到高价值信息源怎么写Skills让AI协同的更好以及怎么有品味的审核改动加入人的部分牛马AI和openclaw最大的不一样在于它是人机协同的如果你只是想找一个100%的AI 那openclaw可能更好一些但如果你在意产出的最后一公里牛马AI绝对是本地化最佳首选没有之一

Yangyi

37,123 görüntüleme • 4 ay önce

如何 3 天学会 AI 视频创作，迅速拥抱火爆的 AI 视频赛道？这个教程，包含所有内容干货和全流程制作教学！整个教程按照 “快速上手 → 生图生视频 → 脚本分镜 → 全流程提速 → 多场景案例” 五个模块展开，把 AI 视频的完整创作链路都讲到了我用了 3 天时间看完，视频创作能力大大提升，过 2 天给大家发个小技巧总结这个视频是我在油管看到的，但是我不知道原作者是谁原视频出处标注在评论区

如何 3 天学会 AI 视频创作，迅速拥抱火爆的 AI 视频赛道？这个教程，包含所有内容干货和全流程制作教学！整个教程按照 “快速上手 → 生图生视频 → 脚本分镜 → 全流程提速 → 多场景案例” 五个模块展开，把 AI 视频的完整创作链路都讲到了我用了 3 天时间看完，视频创作能力大大提升，过 2 天给大家发个小技巧总结这个视频是我在油管看到的，但是我不知道原作者是谁原视频出处标注在评论区

摸鱼巨匠🔨

14,672 görüntüleme • 1 ay önce

作家唐尼示·斯科特：世界顶级富家是这样教育孩子的，金钱只是价值的储蓄手段，你需要明白，赚钱的基本原则如果你专注于创造价值，金钱的回馈就是对价值的回报，比如，情绪价值，好的友情，如何思考，如何感受世界，如何去爱，如何生活，如何提升好的心态，这些就是精神价值如何能成为一个有价值的人，怎么做才能成为一个有价值的人，是先有钱才有价值，还是先有价值，才能有钱，每天都在为钱在拼搏，可是没有多少人真正的去思考这个问题，并弄懂它。

作家唐尼示·斯科特：世界顶级富家是这样教育孩子的，金钱只是价值的储蓄手段，你需要明白，赚钱的基本原则如果你专注于创造价值，金钱的回馈就是对价值的回报，比如，情绪价值，好的友情，如何思考，如何感受世界，如何去爱，如何生活，如何提升好的心态，这些就是精神价值如何能成为一个有价值的人，怎么做才能成为一个有价值的人，是先有钱才有价值，还是先有价值，才能有钱，每天都在为钱在拼搏，可是没有多少人真正的去思考这个问题，并弄懂它。

Morris

94,790 görüntüleme • 1 yıl önce

为什么有的人总是可以遇到贵人？我这两年有一个非常明显的感受，就是发现遇到的贵人概率越来越高了，以前会经常观察身边人这个现象，发现每个人遇到贵人的概率完全是不一样的，而且我觉得这件事儿是真的有方法论。 1.成为贵人，才能遇到贵人。只有自己是贵人，才能真正理解贵人说的话做的事情的原因，这样才能知道自己该如何做事情具备哪些品质才可以吸引贵人。 2.一定程度上这是个概率学，我们能做的就是提高概率发生，要知道哪些因素可以提高这件事发生的概率，比如同样一个人，环境、影响力、圈子质量不一样，结果完全不同。即使你有能力，但你就是在小地方，也没人知道你，你根本就没有展示自我价值的机会。 3.如果你是一个有能力、靠谱、有责任心、诚实、本分的人，再加上你去积累影响力，把自己的想法对外输出，这样知道你的人的数量会几何倍增，数量倍增了，即便同等概率下遇到贵人的数量也增加了，而且很可能会主动联系你。 4.要选择贵人容易扎堆的地方，贵人往往会在资源丰富、机会多的地方，如果你跳进这些地方，遇到贵人的概率就会大大增加，比如你从三线城市跳到一线城市、行业内更好的大平台公司。 5.贵人之所以愿意在你没有起势时帮助你，是因为他们看到了你身上具备成功的属性、有他之前的影子，有一天你可以成为他们或超越他们，你的这种潜能才是得到贵人的根本，他们帮助你也是在去验证自己的眼光，你未来的成功也是他们对自己信仰的验证过程。 6.记得在《繁花》中有这么一段，爷叔的一个回眸看到宝总穿着西装站在那里，他看着阿宝的眼神是有光的，就仿佛看到了年轻时的自己。

为什么有的人总是可以遇到贵人？我这两年有一个非常明显的感受，就是发现遇到的贵人概率越来越高了，以前会经常观察身边人这个现象，发现每个人遇到贵人的概率完全是不一样的，而且我觉得这件事儿是真的有方法论。 1.成为贵人，才能遇到贵人。只有自己是贵人，才能真正理解贵人说的话做的事情的原因，这样才能知道自己该如何做事情具备哪些品质才可以吸引贵人。 2.一定程度上这是个概率学，我们能做的就是提高概率发生，要知道哪些因素可以提高这件事发生的概率，比如同样一个人，环境、影响力、圈子质量不一样，结果完全不同。即使你有能力，但你就是在小地方，也没人知道你，你根本就没有展示自我价值的机会。 3.如果你是一个有能力、靠谱、有责任心、诚实、本分的人，再加上你去积累影响力，把自己的想法对外输出，这样知道你的人的数量会几何倍增，数量倍增了，即便同等概率下遇到贵人的数量也增加了，而且很可能会主动联系你。 4.要选择贵人容易扎堆的地方，贵人往往会在资源丰富、机会多的地方，如果你跳进这些地方，遇到贵人的概率就会大大增加，比如你从三线城市跳到一线城市、行业内更好的大平台公司。 5.贵人之所以愿意在你没有起势时帮助你，是因为他们看到了你身上具备成功的属性、有他之前的影子，有一天你可以成为他们或超越他们，你的这种潜能才是得到贵人的根本，他们帮助你也是在去验证自己的眼光，你未来的成功也是他们对自己信仰的验证过程。 6.记得在《繁花》中有这么一段，爷叔的一个回眸看到宝总穿着西装站在那里，他看着阿宝的眼神是有光的，就仿佛看到了年轻时的自己。

小人物

49,059 görüntüleme • 2 yıl önce

今晚如果你本来打算刷 2 小时 Netflix 不如看这个 40 分钟 masterclass 来自一家 $20B 中国 AI company 的 Kimi founder 它最有价值的地方不是“讲 AI 很强” 而是把 Agent Swarms 和 AI systems 到底怎么在规模化场景里运作，讲得非常清楚不管你从来没搭过 agent，还是已经每天都在用 Claude，这个内容都值得看真正有意思的是：很多人还在把 AI 当单个工具用但 Agent Swarms 讨论的是另一件事： -- 多个 agent 如何分工 -- 如何协作 -- 如何把任务拆开 -- 如何在系统层面持续运行这也是为什么我把里面的关键思路整理成了一份 practical guide 重点不是单纯理解概念而是怎么真正用 Kimi 去 build

今晚如果你本来打算刷 2 小时 Netflix 不如看这个 40 分钟 masterclass 来自一家 $20B 中国 AI company 的 Kimi founder 它最有价值的地方不是“讲 AI 很强” 而是把 Agent Swarms 和 AI systems 到底怎么在规模化场景里运作，讲得非常清楚不管你从来没搭过 agent，还是已经每天都在用 Claude，这个内容都值得看真正有意思的是：很多人还在把 AI 当单个工具用但 Agent Swarms 讨论的是另一件事： -- 多个 agent 如何分工 -- 如何协作 -- 如何把任务拆开 -- 如何在系统层面持续运行这也是为什么我把里面的关键思路整理成了一份 practical guide 重点不是单纯理解概念而是怎么真正用 Kimi 去 build

0x_Miko

16,032 görüntüleme • 1 ay önce

很多零基础的 AI 编程学员，总是觉得如果有一个详细的需求文档/前后端技术文档/开发路线文档，然后交给AI开发就是了。这个视频推荐3个项目文档开发工具，并且说说我的一些看法。

很多零基础的 AI 编程学员，总是觉得如果有一个详细的需求文档/前后端技术文档/开发路线文档，然后交给AI开发就是了。这个视频推荐3个项目文档开发工具，并且说说我的一些看法。

Yihui

18,236 görüntüleme • 1 yıl önce

我以头部商业媒体的从业经验保证，这个市面上 99% 的「爆款内容拆解教程」都是花架子。因为绝大多数的「拆解教程」都是在按照 IP 思路在分析，分析金句、情绪、风格等等，而 IP 思路的内容对普通人一点意义都没有。这些都是皮相。真正的拆解是去分析骨相。骨相指的是内容结构、逻辑递进、论述层次，才是真正的基本功。这起视频带大家逐字逐句的用人肉方式拆解头部KOL Zara Zhang 的一起视频。强烈建议所有人都先用人工方式拆，人工拆一个博主的5篇内容之后，再用AI去完成SOP的自动化。AI拆解的工作流和prompt我放在评论区了⬇️。

我以头部商业媒体的从业经验保证，这个市面上 99% 的「爆款内容拆解教程」都是花架子。因为绝大多数的「拆解教程」都是在按照 IP 思路在分析，分析金句、情绪、风格等等，而 IP 思路的内容对普通人一点意义都没有。这些都是皮相。真正的拆解是去分析骨相。骨相指的是内容结构、逻辑递进、论述层次，才是真正的基本功。这起视频带大家逐字逐句的用人肉方式拆解头部KOL Zara Zhang 的一起视频。强烈建议所有人都先用人工方式拆，人工拆一个博主的5篇内容之后，再用AI去完成SOP的自动化。AI拆解的工作流和prompt我放在评论区了⬇️。

nene

31,285 görüntüleme • 5 ay önce