sitin
9小时前
选词=看“需求 × 竞争 × 变现”三件事。Similarweb 能一次性把这三件事的关键指标摆在你面前,按这个流程做就不容易踩坑。 一、先把标准讲清楚 搜索量:有人搜才有戏。量越大,需求越多,但通常竞争越强。 KD(关键词难度):0–100。新站优先 20–40,90+ 别碰。 零点击率(Zero-click):用户搜完不点任何网页。越低越好,建议 ≤50%,能到 ≤30% 更香。 CPC(每次点击费用):广告主为这个词愿意付多少钱。越高越值钱,一般 ≥$1 就值得重点看。 “有量、好上、愿付费,才值得干。” 二、上手就做:3步工作流 第1步:丢个大词试水 比如你要做 AI 简历生成器,先搜:“AI resume builder”。看整体盘子:量大不大、KD 多高、CPC 有没有钱味儿、零点击多不多。 第2步:从大词往下钻 大词常常 KD 高、竞争硬。点“相关关键词”: 看更具体的长尾:如 “AI cover letter tool”、“student resume AI generator” 这一步的目标是:把 KD 压低到 20–40 档,同时 保留还不错的 CPC。 如果零点击很高,换个角度:加意图词(for students / for freshers / free / online / 2025),能有效降难度。 第3步:做价值判断 优先级排序模板: KD 低(≤40) 零点击低(≤50%,最好 ≤30%) CPC 高(≥$1 更佳) 搜索量别太小(看你产能,一般 ≥中位数即可) 两类词的打法: 爆发词:有明显峰值、回落快 → 蹭热点、快产出 稳定词:曲线平稳 → 长期布局、做柱石内容 三、怎么读趋势图(28天曲线) 横轴是时间,纵轴是点击量,颜色是来源。 看到9月初突然拉到120、随即回落,这多半是事件驱动的阶段性热点。 做法:热点词用来带流,顺藤摸瓜找到长期长尾,比如 “AI resume → AI cover letter → student resume AI”。 原文链接:
sitin
1天前
Vercel 模板一键部署,出海网站比想象中简单! 今天跟大家聊聊一个超级实用的流程:用 Vercel 模板一键部署,几分钟就能上线一个出海网站。对新手非常友好,特别适合快速验证想法。 需要准备的账号 上线之前,你只需要准备好三个账号: GitHub:存放代码。 Vercel:一键部署平台,和 Next.js 配合非常丝滑。 Supabase:数据库,支持存储数据、文件,还有登录功能,新手很好上手。 整体流程 1.和 AI 沟通需求 把你的想法丢给 ChatGPT/Gemini,让它帮你写个 MVP 版本的 PRD,聚焦核心功能。 2.生成原型或直接用模板 你可以用 v0、Bolt 这类工具生成原型,也可以直接用 Vercel 模板。我直接选了一个 AI 头像生成器模板,一键导入 GitHub。 3.配置 Supabase 和 API Key 新建一个 Supabase 项目,连接到 Vercel。 模板里需要 和 Leap AI 的 API Key。 的 Key 在官网 → API 页面生成。 Leap 的 Webhook Secret 本地测试随便填,正式上线需要去控制台生成。 4.添加环境变量 如果部署报错,大多数情况是缺少环境变量。直接在 Vercel → 项目 Settings → Environment Variables 里补上就行。 5.再次部署 → 成功上线 成功后,Vercel 会给你一个二级域名,比如 。后续可以再绑定自己的独立域名。 小结 整个过程看起来步骤不少,但实操一次你会发现其实很简单,基本就是复制 Key → 配置环境变量 → 一键部署。 而且一旦跑通,后续就能不断迭代:写功能 → 提交 GitHub → 自动触发部署 → 马上上线。 对做出海项目来说,这是最大的红利:想法到上线,中间几乎没有门槛。 原文:
sitin
3天前
有句话说得好:东西可以乱吃,话不能乱说。 尤其在公开社群里,一句话、一个表情,随时可能被截图、被误读、被放大。 你以为是闲聊,对方可能当成证据;你觉得是调侃,别人也许就是痛点。说者无意,听者有心,这就是现实。 01 公开场合,少评判多成全 不要轻易吐槽他人,尤其是涉及业务、收入、客户的事。 断人财路、得罪同路人,比你想象的后果更长尾。 多说对方的长处,至少不添堵。公开场合的每一句话,都在为自己的人设添砖或拆砖。 02 真话要有边界:私下说,别公开说 “真话不全说,假话全不说。” 公开表达要有“留白感”,把情绪留在心里,把事实留在私聊里。 有话私信说。同样一句提醒,私下是善意,公开就可能被解读成“挂人”。 03 闭口不言,是一种成熟 沉默不是软弱,是分寸。 看不清逻辑、摸不准边界、不了解背景时,最好的表达方式就是不表达。 风险太大绕开。能不评判就不评判,能不站队就不站队。 04 感谢那些敢讲真话、愿意帮你的人 敢在私下提醒你的人,值得珍惜。 他冒着被误解的风险,也愿意对你负责。 别把“好心提醒”变成“公开素材”。 保护对方,就是在保护你们关系里的信任。 05 社群发言的“3不3要” 三不: 不曝光隐私:收入、客户、渠道、未公开合作。 不贴标签:不给人下定义,不盖棺论定。 不带情绪:不在高压时发言,不在半懂时输出。 三要: 要对事不对人:谈方法、谈流程,不点名、不指桑骂槐。 要给余地:留换位、留台阶、留空间。 要能复盘:每次发言都问自己一句——“这句话被截图,我还站得住吗?” 06 公开与小圈子,定位不同 大圈子:适合交朋友、找同频、拓视野; 小圈子:适合深聊、复盘、共享“不可外宣”的敏感经验。 不是所有干货都适合公开,不是所有真话都该当众说。
sitin
3天前
GitHub 项目——playwright-mcp,它是微软开源的一个 浏览器自动化 MCP,能让 AI 直接操作浏览器,就像真人一样。 1.它到底能干嘛? 举个例子: 我在 Claude Code 里随口输入一句话 它真的能自己打开浏览器 → 搜索 → 找到目标 → 自动评论。 而且我没给特别详细的路径指令,全是口语化描述,它照样能完成。 这就是它厉害的地方:AI 能听懂人话,自己去点网页、填表、评论。 2.怎么安装? 安装很简单: 在 Claude Code、CodeX 之类的 MCP 客户端都能用。 甚至你直接对 Claude 说一句“帮我安装 playwright MCP”,它会自动帮你装好。 装完后输入 /mcp 检查一下就行。 3.它为什么这么牛?(原理揭秘) 以前 AI 控制浏览器的方式是 截图 + 视觉模型,缺点是:慢、耗资源、还贵。 但 playwright-mcp 用的是另一套逻辑: Playwright:微软开发的现代浏览器自动化库,可以点、输、拖拽、拦截请求,几乎能模拟人类所有操作。 Accessibility Tree:相当于网页的“语义化副本”,里面是纯文本的结构化信息,比如“这里有一个搜索按钮”“那里有个输入框写着请输入关键词”。 AI 拿到的就是这个树,而不是图片。这样速度更快,成本更低,准确率更高。 你可以把它理解成一个团队: Playwright = 操作员,能点能输,但不懂逻辑。 Accessibility Tree = 操作员的口头汇报,“屏幕上有个搜索框,有个提交按钮”。 AI 大模型 = 盲人专家,虽然看不见,但能完全理解文字描述,然后下指令:“在搜索框输入内容,点搜索”。 这样一套配合,就让浏览器自动化变得又快又准。 4.总结 playwright-mcp = AI 和真实互联网之间的桥梁。 不用截图,不靠视觉,直接基于语义来操作网页。 简单、精准、低延迟,开源免费,还能直接用在 Claude Code 等环境里。
sitin
5天前
大家都知道,VSCode 本身的插件生态已经很强大了,排在最受欢迎榜单前五十的,基本都是写代码必备,比如 Pylance、Jupyter、Docker、Prettier、Copilot、WSL 这些。装上之后,写代码体验会提升一个档次。 不过最近更有意思的是 —— AI 编程插件越来越多,而且真的很好玩。以前写代码可能有点枯燥,现在你可能一句话就能生成一堆代码,甚至直接“对话式开发”。今天整理了 几个目前最受欢迎的 VSCode AI 插件,值得收藏。 1.Continue 完全开源的 AI 编程插件,免费用。 它就像是 Copilot 的“平替+进阶版”,支持 AI 对话写代码、自动补全、智能修改,还能通过快捷键随时唤起。 最大的亮点是:能接入十几种大模型,比如 OpenAI、Claude、DeepSeek 等。 2.Cline 一句话总结:免费 + 简单 + 强大。 只要绑定 ChatGPT、Claude 等 API,就能对话式编程。想象一下,你随便聊几句,VSCode 就能帮你搞出一个软件雏形。 3.GitHub Copilot / Copilot Chat AI 编程鼻祖,微软+GitHub 官方出品 代码自动补全、根据注释生成代码、解释代码、Chat 模式交互,任何层次开发者(尤其是主力用 GitHub 的人) 4.CodeGPT 这是一个商业插件,界面更干净,功能排布清晰。 用过 Cursor 的人会觉得很熟悉,主打的就是代码生成和补全,偏向“简洁实用派”。 5. AI Toolkit 这是一个更专业的工具箱,专门面向大模型的调试和测试。 你不仅可以直接调用 75个在线模型,还可以连接本地模型,甚至进行微调 (Fine-tuning)。 对喜欢折腾模型的开发者来说,这个插件相当于一站式 Playground。 6.Graphite (AI Code Review) 智能代码审查助手,AI 帮你做 PR 审查、优化建议,需要频繁提交和审查 PR 的团队 VSCode + AI 插件,已经让“写代码”这件事变得完全不一样了: 新手可以降低门槛,快速跑起来; 老手能提升效率,把时间花在更有价值的地方; 甚至还有可能一句话写一个应用。
sitin
5天前
每个人都需要有自己的小生意 我一直觉得,不管是做技术的,还是做内容的,都该有个属于自己的“小生意”。 也有人叫副业,叫 side project,都行,他就是能让我们跑一个小闭环赚到第一块钱的事情,更好应对中年危机,面对不确定。 对于普通人有哪些小生意呢? 1. 内容/非技术方向:靠分享驱动的小项目 像我自己,最早就是写公众号、发朋友圈,把日常思考和实践记录下来。慢慢地,就衍生出一些副业: 在咸鱼上卖账号、虚拟资料,赚点差价; 在小红书同步发资料,顺带接到订单; 网盘整理、分享,别人省心,我收服务费。 这些项目看起来不大,但是都是积累,我一开始副业收入也就几百块,但它让我看到:赚钱不一定只靠工资。 所以我就开始折腾副业之路,对非技术人来说,这些就是最好的切入口。 ps: 千里会的 AI代写项目也非常不错,天花板也比较高,所以不要觉得天花板低了,然后就眼高手低的。先拿到第一块钱 2. 技术方向:门槛高天花板高产品机会 如果你是程序员,那选择更多。现在最火的方向就是 AI 编程出海。 我就是这样的,做了几个小工具网站,用 Stripe 收美金; 成本极低,说白了就是一个域名的钱,剩下就是一台电脑+你的时间精力; 赚美金、花人民币,本身就是天然的套利。 所以我一直强调:程序员创业不需要想得太高大上。不需要辞职,不需要几百万投资,有意识去尝试、抽点业余时间,就能跑出结果。 如果不是程序员现在 AI coding ,现在 95% 代码都可以 AI 写的,跑一个 MVP 也没啥问题的,AI 机会太多太多。 3. 一句话 不管是靠内容分享跑小项目,还是用技术优势去做出海产品,本质上都是在用小生意为自己多准备一条路。 别把它想得太复杂,很多时候,一台电脑就够了,剩下的就是干就完了!
sitin
6天前
说句实在的,写程序最费时间的,往往不是“想清楚怎么做”,而是那些重复又机械的活: 接口要搭脚手架、参数一变要改一堆文件、修个 bug 还得补测试。活不难,就是耗时。 在众多工具中,Codex 和 Claude Code 是讨论度最高的两个,一个专注于把自然语言快速翻译成代码,另一个则成为项目里的智能合作者,这两个工具的功能定位不相同,开发者可以根据自己的需求来选择最合适的助手。 Codex:把“人话→代码”的速写笔,写小功能、补逻辑超快。 Claude Code:项目里的AI 同事,能读仓库、跨文件改、还会配合 Git 整套流程。 各自最好用的场景 Codex:脚本/小工具/原型验证,几句话就能吐出可运行代码。 我常见的用法: 写个 API、补个校验、加个小逻辑,几秒出底稿; 在 IDE 里自动补全,敲起来很顺; 场景适配广,Python/JS 这类主力语言表现都不错。 一个直观例子:要做“注册接口(Flask)”,又要校验、又要错误处理——自己从零写嫌烦?直接丢给 Codex。一分钟不到,给你一个能跑的雏形,然后你再按需求微调。 什么时候用 Codex 最舒服——小功能/小脚本、学习练习/验证想法、写模板化代码、重复性强的环节 Claude Code:搭脚手架、批量改接口、同步更新测试 & README、开分支提 PR。 它会读你的项目上下文,理解模块之间的关系,然后跨文件动手改,并且直接融入 Git 工作流(commit/分支/PR 一条龙)。 常见的它能干的事: 一句话需求,它直接搭项目结构、写核心逻辑、再补测试; 接口参数改了,同时更新调用方和测试; 和 Git 打通,一边改一边提交,像真的有同事在配合你。 举个例子: “来一个命令行任务管理工具(Python + click)——要项目骨架(src/tests/README/setup.py),还要可用的 task_manager.py,再顺手写点单测。” Claude Code 通常几分钟就把骨架/逻辑/测试铺好,你直接 pip install -e . 跑起来看效果,再微调就行。 什么时候用 Claude Code 最称手——要跨文件改动的需求;需要测试/文档/项目结构一套齐;团队协作、要走 Git 流程的活 怎么选(直给) 个人、脚本党、追速度 → 选 Codex。 团队、跨文件改动、要交付 → 选 Claude Code。 最佳实践:局部用 Codex,整体让 Claude Code 收尾。 我自己踩过的坑 & 使用感受 刚上手 Claude Code 时,一定要把需求拆清楚,比如“要哪些目录/文件、基本命令、最小可用功能、要不要测试”。它就像懂事的实习生,你说清楚,它干得漂亮。 Codex 给出来的底稿,别无脑照抄。生成很快,但边界条件、异常、幂等这些,最好自己再走一遍。 跨文件大改时,不要一次丢 30 条需求,分批走,每一步让它 commit 一次,出现问题好回滚。 最后一句:工具的体验,和使用场景、你的工作习惯强相关。 分享一点使用的个人感受哈,虽然感觉大家普遍说codex很慢,不过因人而异。 工具嘛,自己用的顺手最重要,每个团队/人需求不一样,找到最顺手的组合,才是生产力的最大化。