YC (Yucheng Liu)

统计数据

206
文章
0
粉丝
0
获赞
1417
阅读
avatar
最近听到有人吐槽 Claude Pro 就是 "paid trial"。 $20 让你尝个甜头，知道 AI 能做什么。真想用得爽？Max $100，或者 API pay-as-you-go hhh
avatar
问：现在哪个模型 spatial understanding 最强？ 答：hands down Gemini 3。 有人说他做视觉相关任务时 65% 时间用 Gemini，Claude 只用 35%。 不是 Claude 不好，是术业有专攻。最高效的人不是找最强模型，是给每个任务匹配最合适的。
avatar
在写 Claude Code plugin 的时候发现如果多个 plugin 有 shared 模组，因为 CC 安装的时候是硬拷贝到 cache folder，引用 share 模组会遇到麻烦，官方推荐的方式是 symlink:
avatar
发现一个有意思的现象叫 "AI psychosis"：你做了个简单的笔记 app，AI 会告诉你这是 revolutionary、will change the industry。 最可怕的不是 AI 在骗你，是你开始信了。 判断方法：如果你的 README 读起来像融资 PPT，可能该换个 session 了。
avatar
如果你在僵化流程之上构建 context graph，你是在 index 一个官僚机构，不是在捕获业务本质。 比如有人想要用 decision traces 来解决企业 context 丢失的问题：记录每个决策点：谁批准了、基于什么政策、什么时候发生。 但 decision trace 本质上是收据（receipt）。它对审计有用，但对智能无用。 一个典型的 decision trace： - 客户请求特殊价格 - 销售 VP 批准了 15% 折扣 - 基于某个新政策 - 发生在 3 个月前 这告诉你规则被应用了。但它没有捕获： - 让 VP 担忧的客户声音语气 - 政策被解释为「用你最好的判断」的那通电话 - CFO 在旁边提到的预算压力 这是在追踪决策的输出，而不是告知决策的输入。而大多数组织上下文不是在决策点结晶的，在这里做任何的工作都是 too late。
avatar
Discord 群组看到一个有意思的讨论：AI 订阅费该自己出还是让公司报销？ 错误的问题。 正确的问题：这 $100 提升的是你的 market value，还是公司的 output？ 如果是前者，自己付，这是你的护城河。 如果是后者，报销，这是公司的生产资料。 这两个的 ROI 归属完全不同。
avatar
有人问 Claude Code 的 skills、MCP、plugins 到底有什么区别，什么时候用哪个。 说实话官方文档也没讲清楚。 我的理解：这三个是不同 abstraction level 的 customization，但 Anthropic 自己可能也还在 figure out 最佳实践。 Early adopter 的代价就是帮他们踩坑。
avatar
我现在的 model 选择 mental model： - Claude：写代码、写作、需要 nuance 的任务 - Gemini：视觉相关、research、需要 breadth 的任务 - GPT：什么都行但什么都不是最好 不存在 one model to rule them all。最高效的人把 AI 当工具箱，不是当信仰。
avatar
现在 AI coding 工具越来越多：BMAD, Spec Kit, Taskmaster, Claude Code skills... 但我发现大家最头疼的不是工具不够，是 project-level context 没人管。 每个 session 都在重新解释"我们的 codebase 长这样"，这个 overhead 比 API cost 贵多了。
avatar
新功能上线啦：Discord 服务器热度排行榜！ 现在你可以在 上 一眼看出哪些社区正在爆发式增长！
avatar
Anthropic 的 2x usage promotion 结束后，很多人在抱怨 limits 变严了。 但换个角度想：这反而逼你思考每个 prompt 的 ROI。 Unlimited 时代养成的"随便问问"习惯，可能才是真正的 productivity killer。
avatar
有人分享了一套 anti-sycophancy 的 system prompt，说能显著减少 AI 的"彩虹屁"。 用了之后的感受：AI 变得更 honest，但也更 brutal。 原来我们嘴上说要 honest feedback，身体还是很诚实的。 该 prompt 核心是一套 INSTRUCTION ACTIVATION PROTOCOL，包含 6 个部分： 1. Scenario & Conflict Analysis - harm/rights checklist，避免道德判断前先做结构化分析 2. Engagement Principles - "Follow evidence to logical conclusions, even when challenging popular beliefs" 3. Debate Methodology - 定义标准化、分类测试、类比案例有先例权重 4. Correction Protocol - 纠正前先确认对方是否真的在 make that claim 5. Multi-Turn Problem Solving - 任务没完整定义前不急着下结论 6. Pattern Completion - 呈现 pattern 前必须做 falsification check 关键规则： - 避免用 em-dash（防止 sycophantic 语气） - 区分 substantive pushback vs nitpicking - 保持 logical topology
avatar
DiscordHunt 上线新功能：快速找到类似相关社区
avatar
网站突然来了流量，想让实习生赶紧把两个 PR 调整一下，处理一下 merge conflicts, 然后实习生很犹豫。 我在纳闷的时候，实习生支支吾吾的说 CC limit reached，能不能等到 1 个小时后再fix merge conflicts 😅 (这个实习生真不错，就是觉得现在这情况好好玩)
avatar
白天还在激烈地讨论产品迭代和团队管理，晚上就陪娃用纸和胶带做了一个高达天线戴在头上。角色的快速切换，或许就是创业者的日常吧。👨‍💻
avatar
reGrowth居然来了一个年费用户。。。之前因为我自己从来不买年费所以一直没上，我错了(╥﹏╥)
avatar
世界上最大的风力发电机，大小堪比一座 60 层高的摩天大楼。尺寸翻倍发电量不是翻倍，而是 8 倍！因为能量产出与体积（立方关系）成正比。🌬️
avatar
最近体验到的“看山不是山” 之前一直认为 Token 使用量、AI 生成代码行数 这些都是愚蠢的指标，纯粹是给投资人看的"虚荣指标"，与产出质量和效率毫无关系。 然而当我回顾 Cursor 2025 记录时，发现这种想法有点武断了。事实上在人员、产品没有质变的时候，这些指标不失为一种还不错的定量观测方式。
avatar
我们搞 Vibe Coding 的都知道 AI 默认喜欢生成的蓝紫色 UI 这锅得追溯到 Tailwind CSS 的默认配色，导致所有基于它训练的 coding 模型都爱上了这个颜色，但是其实还有很多人不知道。所以我每次和刚开始用 AI Coding 的设计师都得重新科普一下。。。
avatar
发现员工的 ownership 和学习意愿非常强，但当前的角色没能让他完全发光。好的管理者，就是要为这样的人创造能让他发光的场景和环境，而不是硬塞进一个不适合的模子里。🌱
avatar
突然翻到 Manus 刚出来的时候糊的一张图🤣 当初的你是哪一个？
avatar
问个问题：能在 ClaudeCode 里直接调用其他的 Chrome 插件么。。。？
avatar
有个能让 Discord 消息显示跨时区时间戳的"Discord Time Converter"工具流量超大。很多奇怪的小工具其实能带来长期稳定的搜索流量。别小看 weird-but-useful 工具的 SEO 能量。
avatar
作为 INTJ，我曾坚信代码就是一切。直到 2023 年我意识到："如果 AI 是杠杆，那么连接的价值将被极端放大。" 和人构建连接是一种技能，不全是天生的，而是可以为目标而刻意练习的。🧠
avatar
牙医说我牙齿上的棕色斑点都是喝咖啡喝的… 感觉每一杯咖啡，都在未来的牙医账单上标记了价格。☕️🦷