avatar
Y11
2个月前
技术优势从来不是一劳永逸的。 就像谷歌在搜索领域的领先曾被视为不可撼动，OpenAI在AI领域的突破也在不断改写规则。 真正的护城河，往往藏在持续的自我迭代里。这让我想起自己十年间的观察：那些能穿越周期的企业，都懂得在变化中找方向，就像航船需要不断调整航向，才能抵达更远的彼岸。 成长的本质，其实是一场和自己的对话。 定期停下来看看走过的路，哪些地方可以做得更好？哪些习惯需要修正？就像园丁修剪枝叶，不是否定过去，而是为了让主干长得更挺拔。我见过不少人困在“稳定”的舒适区里，直到外界环境变化才发现，看似坚固的堤坝，早已被时间冲刷出裂痕。真正的安全感，从来不是一成不变的状态，而是面对变化时的适应力。 离开熟悉的环境后，我才真正理解“变”是唯一的不变。 曾经以为坚不可摧的优势，可能在一夜之间就被颠覆；曾经觉得理所当然的规则，可能在某个清晨就被新的逻辑改写。这不是要让人焦虑，而是要学会在流动中寻找支点。就像河流遇到礁石，与其硬碰硬，不如绕开障碍继续向前，每一次转折，都可能带来新的风景。 耐心不是消极等待，而是在等待中积蓄力量。 我见过很多人急于求成，看到别人成功就模仿，结果却迷失了方向。 其实，真正的机会往往藏在“慢”里：每天多优化一个产品细节，每月多理解一个用户需求，每年多解决一个行业痛点。就像农民耕耘土地，春种秋收需要时间，但每一分汗水都不会白费。耐心的人，总能在别人放弃的时候，听到机会的敲门声。 大公司的光环之下，我渐渐明白一个道理：技术只是工具，真正打动用户的，是产品能否解决他们的实际问题。 就像有人需要一把锋利的刀，有人需要一把钝刀来切面包，没有绝对的好坏，只有是否合适。所以，我们不必追求最先进的技术，而要找到最能服务用户的方案。有时候，一个简单的功能，比复杂的技术更能赢得人心。 广告能带来流量，但留不住人心。 就像热闹的集市，有人进来买东西，也有人转身就走。 真正的长期主义，是让用户在每一次接触中都能感受到价值。就像经营一家餐厅，菜品好吃是基础，但周到的服务、舒适的环境、甚至老板的一句问候，都可能成为让人再来的理由。流量是数字，人心才是根本。 做好一件小事容易，做好一辈子的小事却很难。 我见过不少人追求“大项目”，结果眼高手低，反而忽略了脚下的路。其实，伟大往往孕育在平凡之中：把代码写得更简洁，把客服回复得更耐心，把产品体验打磨得更流畅。这些看似微不足道的坚持，就像水滴石穿，时间久了，自然会形成独特的竞争力。 没有标准和数据，进步就像在黑暗中摸索。 我刚入行时，总觉得“努力就好”，但后来发现，如果看不到具体的指标，就无法知道自己做得好不好。就像跑步，没有计时器，怎么知道自己有没有进步？数据不是冰冷的数字，而是成长的坐标，它能帮我们找到优化的方向，让每一步都踏得更稳。 多数时候，人们做决策的依据不是逻辑，而是情感。我曾以为用数据说服客户最有效，后来发现，当客户真正相信你的产品能解决他们的痛点时，情感的连接比任何参数都更有力量。就像交朋友，理性的分析固然重要，但真诚的态度、温暖的笑容，往往更能拉近距离。理解人心，才能更好地理解需求。 商业世界有一些底层规则，就像物理世界的定律，我们可以探索，但不能无视。二八定律告诉我们，80%的价值来自20%的核心用户；网络效应提醒我们，平台的价值会随着用户增加而指数级增长。这些规律不是束缚，而是前人经验的总结。读懂这些“常识”，我们才能在复杂的商业环境中找到清晰的路径。 统计数据可能会过时，但基于规律的判断更持久。我见过很多人沉迷于短期的数据波动，结果被表象迷惑。其实，真正的商业逻辑往往藏在更深层的规律里：用户的需求会变，但对“好产品”的渴望不会变；市场会变化，但人性的本质不会变。就像太阳东升西落，看似简单，却是亘古不变的规律。 思考问题不能停留在表面，要追问“为什么”。我见过太多人满足于解决问题的“答案”，却忽略了问题背后的本质。比如用户抱怨产品难用，是界面设计问题，还是功能逻辑问题？是需求理解错了，还是执行不到位？只有找到根因，才能真正解决问题。就像医生看病，头痛医头、脚痛医脚永远不是好办法，找到病灶才能药到病除。 做决策前，一定要多问自己几个“为什么”。我曾有过冲动决策的经历，结果事后发现漏洞百出。后来养成了一个习惯：做决定前，先暂停三分钟，问自己这个决定的目的是什么？有哪些风险？最坏的结果是什么？有没有更好的方案？就像开车遇到岔路口，多花一点时间看清路况，总比盲目前行更安全。 专注于自己的事，把它做到极致，这是最朴素也最有效的成功之道。我见过不少人羡慕别人的机会，总觉得自己的赛道不够好，结果在追逐中迷失了方向。其实，每个领域都有做到顶尖的可能，关键在于你是否愿意沉下心来，把一件事做到别人无法替代的程度。就像瑞士手表，专注于精密制造，才能在世界上立于不败之地。 好奇心是拓展能力边界的钥匙。我曾局限于自己的专业领域，后来发现，跨界的知识往往能带来新的启发。就像ReST算法的灵感，可能来自数学，也可能来自生活中的某个细节。保持好奇，多读书，多旅行，多和不同领域的人交流，你的认知边界就会不断扩大，解决问题的思路也会越来越开阔。 错误不可怕，可怕的是重复犯错。我见过很多人因为害怕失败而不敢尝试，结果永远停留在原地。其实，错误是成长的催化剂，每次失误后，只要能快速复盘，找到原因，就相当于排除了一个错误选项。就像学走路时摔跤，每一次爬起来，都会站得更稳。真正的成长，就是从错误中学习，在迭代中进步。 每个人看待问题的视角不同，所以沟通比争论更重要。我曾以为自己的想法是正确的，直到和不同背景的人交流，才发现世界远比我想象的复杂。后来我学会了放下固执，耐心倾听别人的观点，即使不同意，也会先理解对方的逻辑。因为共识往往不是“说服”出来的，而是“理解”出来的。就像拼图，只有把不同的碎片拼在一起，才能看到完整的画面。 在细分领域做到顶尖，需要极致的专注和坚持。这个世界不缺“大而全”的公司，缺的是“小而美”的专注。我曾看到很多人试图做“万能”产品，结果精力分散，什么都做不好。其实，就像挖井，只有在一个地方持续挖下去，才能找到水源。那些最终成功的企业，往往是在某个细分领域里，把产品做到了极致，把服务做到了贴心，把用户需求理解到了骨子里。而这样的坚持，注定是少数人的旅程。 商业的本质，是价值的交换。无论技术如何迭代，规则如何变化，这个核心永远不会变。我们要做的，就是在变化中坚守本质，在浮躁中保持专注，把每一个细节做到极致，把每一次机会握在手中。就像一句话说的：“种一棵树最好的时间是十年前，其次是现在。”与其羡慕别人的成果，不如从当下开始，一步一个脚印，走出自己的路。
#自我迭代 #适应变化 #长期主义 #用户价值 #专注与坚持
avatar
Y11
2个月前
最近接触AI时，我常被“Agent”和“Assistant”这两个词绕进去。 后来想明白了，这就像我们身边的两种工具：一种是“助手”，一种是“能自己干活的智能体”。 先说说Assistant，它更像我们日常用的语音助手，比如手机里的Siri、小爱同学。 你问它“今天天气怎么样”，它就直接回答；你说“设置个明天早上8点的闹钟”，它就照做。这种工具的核心是“被动响应”——必须等你发出明确指令，它才会行动，而且做的事情都是提前设定好的，不会自己“多想一步”。 就像一个熟练的助理，你把任务写清楚，它就按流程完成，不会主动改变计划。 而Agent就不一样了。它更像一个“能自己规划的小团队”。比如你让它“帮我买一杯咖啡”，它不会直接打开外卖软件下单，而是会先拆解问题：需要确定附近有哪些咖啡店、哪家有优惠、当前配送时间够不够、钱够不够付……然后一步步调用工具去实现。它有自己的“思考能力”，能根据实际情况调整策略，甚至在遇到突发问题时（比如某家店突然关门），还能临时换一家。这种自主性让它能处理更复杂的事情，就像一个有经验的项目负责人，能把大目标拆成小步骤，自己推进完成。 我总结了一下两者的关键区别：Assistant是“执行者”，Agent是“决策者+执行者”。打个比方，对安全团队来说（这是我最近关注的领域），P5级别的安全工程师可能就像Assistant，需要别人明确告诉他“检查服务器漏洞”“处理某个安全事件”，他才动手；而P6级别的工程师就开始接近Agent了，能自己拆解问题，比如从“防范勒索病毒”这个大目标，分解出“加固终端防护”“检查备份策略”“培训员工安全意识”等多个小任务，并且能根据实际情况调整优先级。 再往远想，2023年AI技术已经给智能体装上了“大脑”（推理能力）、“眼睛”（视觉识别）、“耳朵”（语音处理）和“记忆力”（数据存储）。2024年，大家可能会看到它们长出“身体”——也就是“具身能力”，比如能自己操作设备、在真实环境中移动。 至于更高级的P7级安全工程师，可能需要智能体具备“自我进化”能力：比如自己发现工作流程中的漏洞，主动优化方法，甚至在没有人工指导的情况下，通过学习新的攻击手段来提升防护能力。这种能力现在看还比较遥远，但技术发展的速度，说不定哪天就实现了。 说到底，理解这两个概念，其实是在看AI从“被动服务”到“主动创造”的进化。就像从用计算器到用能自己解题的数学软件，区别不在于“算得快”，而在于“能不能自己搞懂怎么算”。
#AI Agent #AI assistant #智能体 #自主决策 #安全工程师
avatar
Y11
2个月前
阿玛拉定律，简单说就是人们容易高估新技术短期内的影响，却低估它长期的改变。这是由未来研究所前主席、研究员罗伊·阿玛拉提出的。 这种现象很常见。就像我们刚接触智能手机时，可能觉得它不过是个更智能的电话，没想到后来它会彻底改变支付、社交、工作等方方面面。 新技术刚出现时，大家总是充满期待，觉得它能立刻解决很多问题，但实际应用中会遇到各种现实挑战：可能是技术本身还不够成熟，也可能是用户习惯需要时间培养，或者相关配套工具还没跟上。 这时候，短期效果往往不如预期，让人产生“不过如此”的困惑。 但时间一长，技术会不断迭代，社会也在慢慢适应。 就像互联网刚兴起时，有人说“谁会在网上买东西啊？”“远程办公怎么可能高效？” 可现在，电商成了日常，在线会议成了常态，这些变化的深度和广度，当初很少有人能完全预料到。 技术的真正价值，往往要等配套的东西都发展起来，等人们把它融入生活的点点滴滴后，才会显现出惊人的力量。 对像马云、张一鸣这样的创业者和领导者来说，理解这个定律很重要。面对新趋势，既不能因为短期看不到明显效果就轻易放弃，也不能被短期的狂热冲昏头脑。真正的机会往往藏在长期的趋势里，需要耐心培育，等待技术成熟、生态完善，才能让它的价值最大化。就像当年的电商平台，早期可能只是解决了“有没有”的问题，后来才慢慢实现了“好不好”“全不全”，最终改变了整个商业形态。 所以，看待新技术时，不妨多一份耐心。别被短期的热度左右，也别因暂时的沉寂否定。真正的变革，往往是“此刻花开”，但需要时间浇灌。这大概就是阿玛拉定律给我们的启示：慢一点，才能看得更清楚，也更能抓住那些改变世界的机会。
#阿玛拉定律 #技术长期影响 #耐心 #拥抱变化 #电商发展
avatar
Y11
2个月前
在科技行业，有一些看似简单却蕴含深刻规律的"定律"，它们像无形的手，推动着技术从萌芽走向成熟。 这些由科学家和工程师们总结的趋势，不仅解释了过去几十年的技术爆炸，更为我们理解未来提供了一把钥匙。 1. 摩尔定律：晶体管的"指数游戏" 1965年，英特尔联合创始人戈登·摩尔观察到一个现象：一块集成电路上的晶体管数量，大约每18-24个月就会翻倍。 这个看似简单的规律，在之后半个多世纪里几乎从未失效。 从早期的4个晶体管到如今的几十亿个，它像一个"技术节拍器"，让计算能力以可预测的速度向前狂奔。这背后，是人类对微观世界的极致探索，也是技术迭代最直观的"加速器"。 2. 克雷克定律：存储的"容量马拉松" 如果说计算能力在"加速跑"，那么数据存储则是一场"耐力赛"。 1980年代，希捷工程师马克·克雷克发现，磁盘存储密度每过一年就会提升约40%。 这意味着，同样的空间能装下的信息，以近乎持续的速度增长。从早期的5兆容量到如今的TB级硬盘，这条定律让海量数据的存储成为可能，也为云计算、大数据等领域筑牢了基石。 3. 吉尔德定律：带宽的"无限供给" 随着网络时代的到来，另一个规律逐渐显现：计算机网络的带宽，大约每18个月就会翻一番。 乔治·吉尔德在1990年代提出这一观点时，或许没人能想到，如今的5G、6G技术，以及无处不在的Wi-Fi，正是在践行这个"带宽神话"。 当信息传输的成本越来越低、速度越来越快，我们才得以享受视频通话、在线教育、虚拟现实等全新体验。 4. 梅特卡夫定律：网络的"价值倍增器" 以太网的发明者罗伯特·梅特卡夫在1973年发现了一个有趣的规律：网络的价值与节点数量的平方成正比。 简单说，100个人的社交网络，价值远不止10个人的100倍，而是10000倍。 这解释了为什么微信用户超过10亿、淘宝商家超过1000万时，平台的价值会呈现几何级增长。网络的本质，正是通过连接不同的"点"，创造出远超单个点总和的价值。 这些定律的共同点，在于它们都揭示了技术发展的"指数增长"特性——不是线性的累加，而是几何级的爆发。它们像技术发展的"底层算法"，让我们能够在纷繁复杂的创新中，找到那些真正具有颠覆性的方向。当然，技术的进步从来不是一帆风顺，这些规律也并非绝对的"预言"，但它们提醒我们：理解趋势，才能更好地拥抱未来。
#科技定律 #指数增长 #技术趋势 #未来科技 #科技预测
avatar
Feiteng
2个月前
#LattifAI - 由尖端 AI 驱动的音频字幕同步工具 🚀 免费使用 ✨ 核心功能： • 精确的强制对齐引擎（支持任何音频格式） • 基于标点符号语义的智能分句 • 支持 SRT、VTT、ASS 和 TXT 格式 • 针对 CPU、GPU (CUDA) 和苹果芯片 (MPS) 优化 💻 🤗 #AI #音频处理 #字幕 #强制对齐
#LattifAI #AI音频字幕工具 #免费使用 #音频处理 #强制对齐
avatar
oldj
2个月前
最近给娃讲几何题，卷子上的图太小，自己手绘有时又不太精确，找了一下，发现 挺不错，可以在线绘制各种几何图形，而且是免费的。👍
#几何 #教育 #工具 #积极
avatar
Fu Sheng
2个月前
红石电路这么猛吗？GPT都搓出来了！？
#红石电路 #GPT #技术 #科技 #人工智能
avatar
sitin
2个月前
分享几个觉得又实用、又有意思的开源项目，GitHub 上都能找到。 1、爬虫开源工具——Crawlee 这个项目在 GitHub 上快 2 万 Star 了，是个用 Node.js（还有 Python 版本）写的网络爬虫框架。 它最大的特点就是：爬虫行为更像真人，不容易被网站的反爬机制拦住。 比如你想抓 TikTok、YouTube 这类动态内容，它都能搞定。 而且自带 CLI 工具，一键生成项目结构，给你现成的模板。 支持 HTTP 请求，也能配合 Playwright 这种浏览器自动化工具去抓复杂网页， 内置了代理切换、请求队列、错误重试、数据存储…… 用一句话总结：非常适合想写爬虫但又不想造轮子的同学。 2、屏幕录制工具——Cap Cap 是一个开源版的 Loom（就是那个录屏 + 视频分享工具）。 它能同时录屏幕和摄像头，还支持跟随鼠标放大，录完能直接剪辑、导出 MP4 或生成链接分享。 最关键的是：它有 Web 和桌面两个版本。Web 版可以自己部署，桌面版还能连接到你自己的 Cap 服务。 3、开源压缩工具——PeaZip PeaZip 是一款跨平台压缩解压工具，支持 Windows、macOS、Linux，能处理超过 200 种格式，包括 zip、rar、7z 这些常见的，还有分卷压缩文件。 它除了基本功能，还特别注重隐私和安全，支持加密、两步验证、安全删除，还有哈希校验、脚本导出等高级功能。 说白了，就是一个开源、无广告、比 WinRAR 更干净的压缩工具。
#开源项目 #爬虫工具Crawlee #屏幕录制工具Cap #压缩工具PeaZip #实用
avatar
Yachen Liu
2个月前
#装修日记 更新了下家电购物清单 洗碗机 从 AEG 换成了 ASKO，ASKO 整体还是好的多。 嵌入式微蒸烤 看了嘉格纳和 ASKO 的蒸烤，确实精致，但是考虑到我一般都是做中餐，还是选择了东芝大白茶 T500B，功能上更符合需求。 洗衣和烘衣 定了 Miele Nova，ASKO 的招牌是没有胶圈，无卫生死角，但是代价是噪音大。我看了下用了 8 年的 Miele，胶圈光洁如新，没有什么问题。 油烟灶台 因为装修风格锁定了油烟机形式为欧式纯平，选择很少，国产品牌的细节设计太劝退，最后锁定博世西门子，但是像烟灶联动这么基础的功能居然都非要顶配才有，看了一大圈最后没办法还是选了博世8系。 电热毛巾架 欧伟士X，之前看的科勒毛巾架不支持 24 小时定时也不支持智能，所以没办法保证洗澡后用上热毛巾，没什么用了。欧伟士这个新款颜值非常不错，功能也很齐全。 浴霸/隐藏式晾衣杆 小米，主要是考虑联动问题，不过小米的这些小家电做的确实也不错。 垃圾处理器 霍尼韦尔 X300U，相比老牌爱适易和贝克巴斯，多了启动后自动进水和完成自动停机功能，不用自己再开水龙头盯着等完成了。贝克巴斯需要搭配自家水龙头才能实现，霍尼韦尔这款是单接进水管。 水处理 韦思卡尔前置+GOOTHO大白瓶+COLMO软水，昨天的帖子解释了。 另外在顺电看到了三星的新品画框电视，把之前先看的那个创意整活给产品化了，一米外真的看不出来是电视，想上但是尺寸太大了…
#家电 #装修 #购物清单 #洗碗机ASKO #嵌入式微蒸烤东芝大白茶T500B
avatar
ginobefun
2个月前
#BestBlogs小更新 听用户群里两位朋友的反馈，BestBlogs 文章列表使用分页组件替换了滚动加载，增加筛选项的自动记忆功能，便于使用之前偏好的筛选项。播客、视频、推文列表也同步做了修改。
#BestBlogs更新 #用户反馈 #分页组件 #筛选项记忆 #体验优化
avatar
dontbesilent
2个月前
AI 用户规模 5 亿 写提示词的 0.005 亿😂
#AI #用户规模 #提示词 #技术 #发展
avatar
Haozes
2个月前
watchOS 26.0.2 这个版本，运动健身的耗电量是之前的两倍。Only Apple Can Do👍
#watchOS 26.0.2 #运动健身耗电量 #Apple #耗电量翻倍 #负面
avatar
Y11
2个月前
在创新这件事上，做第一个吃螃蟹的人往往更容易。因为当你走在前面时，你看到的是完整的方向，而那些跟随者，他们看到的只是某个瞬间的画面。 就像我们看一部电影，导演在片场的真实状态、演员的即兴发挥、甚至是后期剪辑时反复调整的细节，这些“正在发生的变化”和“未被言说的思考”，跟随者是很难捕捉到的。 他们可能会模仿你今天的产品界面，照搬你昨天的商业模式，但他们永远不知道，你下一个版本要优化的痛点是什么，你正在探索的新领域会通向哪里。 因为真正的创新，从来不是一个静止的“结果”，而是一条动态的“曲线”。 你走在曲线的前端，知道每个拐点的方向，而模仿者只能在曲线的某个高点停下脚步，他们看到的只是这条曲线上的一个点，却不知道曲线前方还有更广阔的风景。 所以，与其担心别人复制你的成功，不如专注于自己正在走的路。 那些“本质的东西”和“偶然的灵光”，其实都藏在你持续探索的过程里。当你不断向前走，自然会有新的东西生长出来，而这，才是真正无法被复制的创新力量。
#创新 #动态曲线 #持续探索 #无法复制 #专注
avatar
小互
2个月前
最近看到时间线上很多人在讨论现在的文章AI味越来越重 但是根据 Graphite 的调研和测算 2024 年11月 AI 生成的文章数量，就已经超过了人类撰写文章的数量 所以现在还在讨论AI味其实越来越没有意义了 去年的时候AI生成总结的内容我都会核实2-3遍，甚至使用不同的工具同时生成... 今年开始我几乎都不去核实了！ 一方面是AI的事实能力和准确度已经提高了很多，不再担心它会犯基本的错误 另一方面是我感觉是一个信任感建立的过程，就像你开自动驾驶的汽车，一开始提心吊胆，慢慢的你和它建立信任感后，你就放手让它去干了，这是一个人机协作的过程。 所以未来更多的是人机协作的模式，这个时候你还去在意AI味其实意义不到，因为你不得不接受一个现实就是未来90%以上的内容都是AI生成的，甚至更高。人一旦接受和适应了这种人机协作的高效率模式就再也回不去了。 就像你习惯了移动支付、滴滴打车、随时的外卖...一旦失去你会茫然失措。 有一天AI宕机了... 你可能什么也不会干了...
#AI生成内容 #人机协作 #信任感建立 #效率提升 #技术依赖
avatar
新版的QQ邮箱体验很赞啊，简洁了许多，看起来很清爽。
#QQ邮箱 #新版 #体验 #简洁 #清爽
avatar
Luyu Zhang
2个月前
虽然 AirPods Pro 3 已经是一款把连接性、降噪和音频质量拉满的产品了，但舒适度和心理安全感的需求使 Bose 这种头戴式耳机对我来说仍是无可匹敌的🎧。
#AirPods Pro 3 #Bose头戴式耳机 #舒适度 #心理安全感 #音频质量
avatar
AI 钻牛角尖后，一句话让他跳出来： 「请重新审视整体代码」 「请重新审视整个架构」 「请重新审视整个问题」
#AI #代码 #架构 #问题 #重新审视
avatar
🎉 “AI编程的本质是管理上下文” 这句话太有用了，它能解释AI应用的发展过程和未来趋势 如果说LLM是CPU，那么上下文就是内存， 而内存容量是有限的，数据的取舍成为了模型输出质量的关键 ❓ 那上下文这个内存中会存什么？分别该怎么优化？ 1️⃣ 系统提示词 优化就是以前提示词工程那套，所以优秀提示词的核心要素必须得安排。但提示词工程已不再新鲜，上下文工程才是热门，所有AI应用都在跟进 2️⃣ 工具列表 上下文信息不足，就需要调用工具去获取，刚开始AI应用只有少量的核心工具（读写文件、执行命令），后来通过MCP扩展了很多外部工具和服务 3️⃣ 文件 (知识库/rag) 问题相关的文档也很重要，Cursor等IDE都会自动将 当前打开的文件、最近打开的文件、问题相关的文件和检索到的关键代码 保存到上下文中 而且，上下文工程会自动管理内存数据，就像内存清理操作一样，没啥用的数据就替换出去，有用的数据就放前面来点，提高权重等等 ❓ 这一切看起来挺好的，为什么cc又搞了个subagent？ 随着对话的进行，上下文中的内容越来越多，快要撑爆了！ LLM为了回答问题，可能会多次调用工具(例如读文件)，工具返回结果+加载的文件内容，不断补充到上下文中，主agent的上下文很容易就快要撑爆了，模型的输出质量开始下降，甚至出现幻觉。 引入subagent可以有效降低主agent的上下文压力，把活分派出去，有些数据就存储到子agent的上下文，这样就可以保证主agent的上下文空间处于总是够用的位置，输出质量就有保障。 n8n引入了 ai agent tool 节点应该也是类似的道理，ai agent as tools，将 子agent 作为 主agent 的 tool，既将任务解耦，又提高整体工作效率
#AI编程 #上下文管理 #LLM #Subagent #AI工具
avatar
Yangyi
2个月前
三个比较重要的学习渠道： - Youtube - Newsletter - 百度网盘
#学习 #YouTube #newsletter #百度网盘
avatar
我感觉我他妈简直是个鬼才，看了维特根斯坦的《逻辑哲学论》后，想到的第一个事情居然是用来指导设计开放世界游戏中物品的数据结构，AI听完疯狂吹我彩虹屁，太好玩了
#维特根斯坦 #逻辑哲学论 #开放世界游戏 #数据结构 #AI
avatar
昨天还跟橘子聊了公众号长文推送这个话题。 可以理解，但很可惜，国内本来就少的长图文发布渠道就要彻底没了，发了粉丝都看不到。 ​ ​可以理解你想要做短图文，但能不能除了信息流把公众号主页也改改，根本没办法分类和查找，做点东西全是四不像、半成品
#公众号长文推送 #长图文发布渠道减少 #短图文转型 #用户体验差 #产品半成品
avatar
大帅老猿
2个月前
在建站做 SEO 的时候，把多语言直接列在页脚，是不是比做个 Dropdown Menu 的效果要好。
#建站 #SEO #多语言 #页脚 #Dropdown Menu
avatar
oulvhai
2个月前
看到 M5 的 cpu 多核的分数都超过 M1 Ultra 了，真惊人！ 最近在用 M1 Ultra 玩鸣潮，这游戏 5K 下跑 60 帧压力很大，默认是 45 帧，玩着还行。 GPU 分数： M1: 31919，M5: 75531， M1 Ultra: 179721，M3 Ultra: 256981 感觉 6K 玩鸣潮的话，只需要 M5/M6 Ultra ？这时候新的 6K XDR 也应该出了吧 。
#M5芯片 #M1 Ultra #鸣潮游戏 #6K XDR #GPU性能
avatar
前端转码课：课程600左右课时，直播和录播都有，直播要等开课且每天定时直播，录播可以随时开始，学费9k。课程面向零基础设计，零基础人群完全可以直接学习，学完可以直接找工作就业，只要能认真听完做完遇到问题问我，学完极大概率找到工作。目标人群：计算机专业大三大四或其它专业想转码、或已毕业想转码的同学。课程目标：转码就业。课程内容涵盖计算机专业几乎全部专业课以及前端开发的全栈技能，如计算机基础、数据结构、算法、计算机网络、HTML、CSS、数据库、图形学基础、操作系统基础、编译原理基础、Node.js后端开发、主流前端开发框架（Vue、React）、面试复盘等。
#前端转码 #零基础 #就业 #计算机专业 #全栈技能
avatar
sitin
2个月前
Github 4.7k star，一款让你可以不用 Figma 也能写 Prompt 画界面的开源神器！ 分享一个很有意思的开源项目：SuperDesign。 一句话，它让你不用跳去 Figma，在 IDE 里写一行 prompt 就能把界面画出来，还能直接导出可用的组件/代码。GitHub 已经有 4.7k+ Star 了。 它解决了什么痛点？ 我们平时写前端，写代码一套、改界面一套。按钮、表单、布局来回折腾，甚至还要和设计对齐。 做个原型，沟通成本超高。 SuperDesign 的思路很简单：在 IDE 里直接“说人话”→ 自动出线框/组件/代码。省去来回切换。 它到底是什么？ 一个嵌在 IDE 里的 AI 设计智能体（AI Design Agent）； 你描述：“来个现代风的登录页，有 logo、两个输入框、一个登录按钮”， 它几秒钟在侧边就给你界面结构、线框、配色建议，还能生成组件文件，项目里直接复用。 适配环境 VS Code、Cursor、Claude Code、Windsurf 都能用。 已经用 Cursor 或 Claude Code 的同学，几乎是无缝衔接。 5 个亮点，快速记住 1.一行 prompt 出整页：登录、注册、设置页都能一把梭。 2.不止能看，还能用：自动生成结构化组件，丢进项目继续调样式。 3.多 IDE 兼容：你用啥它认啥。 4.模型可选：本地模型（LM Studio）、OpenAI、OpenRouter 都能接。 5.开源 + 本地落地：没有订阅门槛，产物都在项目的 .superdesign/ 里，版本管理很友好。 怎么上手？ 在 VS Code / Cursor 插件市场搜 SuperDesign，安装。 打开左侧 SuperDesign 面板（Cursor 里 Cmd+Shift+P → superdesign: open canvas）。 输入提示词，就能看到界面、线框、组件；一键导出代码用在项目里。 小技巧：在项目根目录建一个 ，把你常用的提示词模板放进去，风格会更稳定。 我个人的感受 SuperDesign 不是要替代设计师，它是把“能落地的界面结构”更快摆到你面前。 从 Cursor、Claude Code，到现在的 SuperDesign，AI 已经不只是“写代码的”，它开始把设计、实现、联动串成一条龙。 未来很可能是：你说一句需求，IDE 就把页面和组件都搭起来了。
#AI设计 #IDE #SuperDesign #界面生成 #开源