时政
财经
科技
虚拟货币
其他
登录
智能推荐信息源
李老师不是你老师
关注
德潤傳媒
关注
悉尼閑人
关注
联合早报 Lianhe Zaobao
关注
DW 中文- 德国之声
关注
ABC中文
关注
Gancheng Wang
关注
Ignatius Lee
关注
《议报》
关注
网易新闻-红星新闻
关注
由 AI 根据您的兴趣偏好筛选
事件跟踪
热点事件
最新话题
实时新闻
独立开发者|欧维Ove
2个月前
试了一下Comet浏览器,很有未来感,准备作为第2浏览器来用!
#comet浏览器
#未来感
#用户体验
#科技
#积极
分享
评论 0
0
River · 沈青川
2个月前
继续帮团队发个招聘帖 ~ 💐 Base 深圳南山科兴、投简历前务必先私信联系我哦 ❤️ ~ FUTU 富途 前端团队在招人!HC 很多,节奏快、机会多~ 做的是增长运营平台,主要方向是内部工具和活动系统,期待你的加入! ~ JD 链接:
#深圳南山
#富途招聘
#前端工程师
#增长运营
#内部工具
分享
评论 0
0
StarKnight
2个月前
AI写的(汉语)文章,有个毛病就是在毫无必要的地方加双引号,喜用排比句。
#AI
#汉语文章
#双引号
#排比句
#负面
分享
评论 0
0
三秋十李 Sergio
2个月前
🪧 我正在计划筹备一份 Rive 零基础入门到实践的系列付费课程,主打中文教程,中文教学,用最简单易懂的方式来讲解 Rive 的使用,计划提供以下备选主题(将根据反馈决定): 基础操作 状态机 变量 前端集成 与 AI 结合 案例拆解(教你复刻某个交互动效) 项目实战课(做一个完整的交互动效) 工具技巧速查表 ... 如果您有兴趣的话,欢迎您填写以下问卷表单。(不会超过 2 分钟)📷👇👇
#Rive
#动效
#中文教程
#付费课程
#AI
分享
评论 0
0
Albert Abdilim
2个月前
一个非开发专业的独立开发的 GitHub 是什么样子
#GitHub
#独立开发
#非开发专业
分享
评论 0
0
Y11
2个月前
找到确定的方向比固守不变的计划更重要。 传统软件开发那种用一年半载打基础的方式,现在已经跟不上技术迭代的速度了——新技术可能几个月就出来一波。 面对这种情况,聪明的做法不是抗拒变化,而是主动适应,把周期压缩到两个月,小步快跑,随时根据反馈调整方向。 这样做的团队,迭代速度往往能比对手快五倍,而速度,正在成为这个时代的生存密码。 具体到执行上,AI公司的节奏快得让人惊叹:第一天就把目标和要达成的效果说清楚,第二天就能拿出最小可行的产品,三到五天就敢让一部分用户试试,第二周就根据反馈调整。 这种快速试错的方法,很多AI公司都在用,但有个特别的方法——"两人法则":每个原型只需要一个产品/设计师加上一个工程师。 不追求所有人都完全同意,而是用快速决策来验证想法。这种精简的协作方式,效率自然就高了。 工程师能多出三倍力,得力于AI代码助手的帮忙;设计师的核心任务是"让连奶奶都会用",如果连老年人都觉得难用,就得马上改。 在增长方面,他们的增长团队就像"实验引擎",遵循"工程是手段,效果才是目的"的原则,把80%的精力集中在能出成果的20%实验上,确保每一步都踩在关键的地方。 最让人关注的是AI公司对"质量"的理解:快速行动和卓越品质可以同时做到。 当别的公司一个月推一个功能时,AI公司能同时推进五个实验。这看起来有点冒险,但通过快速学习积累经验,反而能持续优化产品。 AI公司相信,用户选产品的核心不是界面漂不漂亮,而是能不能用最好的品质解决问题。 对于AI公司,有七个常见的致命错误,特别值得警惕:一是"完美架构症",还没多少用户就先设计百万级的架构,把规划做得太复杂;二是"研究瘫痪症",聊了几个月用户需求,产品却还没发布,光空想不行动;三是"稳定基础幻想",总等着AI技术"成熟"了再动手,结果错失机会。这些都是在快速变化的时代最容易犯的错。
#AI公司
#快速迭代
#试错
#用户反馈
#精简协作
分享
评论 0
0
泊舟
2个月前
分享一个硬币生成提示词 拿熊猫大佬和细胞大佬头像献祭一下 提示词在下方
#硬币生成
#提示词
#熊猫大佬
#细胞大佬
#头像献祭
分享
评论 0
0
yetone
2个月前
时隔一年多,我终于借助 codex 把 nextai-translator (pre openai-translator) 的 Tauri 从 2.0 beta 升级到 2.0 stable 了,望着汪洋大海般的 break changes,它真的,我哭死 。°(°¯᷄◠¯᷅°)°。
#nextai-translator升级
#Tauri 2.0 stable
#Codex
#break changes
#情感:崩溃
分享
评论 0
0
Y11
2个月前
我们常听到“Workflow是确定的,Agent是灵活的”这样的说法,但实际应用中,这两种工具的表现或许与想象有所不同。 先看Workflow。 那些真正在使用Workflow的人,他们搭建的流程往往处于动态调整中。 比如,某个节点频繁报错,就需要添加异常处理;发现特定时间段发布的内容阅读量低,便会调整定时器。可见,Workflow的“确定性”并非一成不变,而是在实践中不断优化的过程。 再看被称为“智能”的Agent。 仔细观察会发现,它们的行为模式其实相当固定。以OpenAI的GPT为例,当你十次询问“帮我写个小红书标题”时,它给出的答案往往套路相似:疑问句开头、添加emoji、包含数字。 这种“智能”更多体现在标准化输出上,灵活性反而有限。 谈及代码,很多人认为只有会写代码的人才能用好这些工具,但事实并非如此。 不少零代码基础的博主,借助社区丰富的模板,能熟练搭建n8n workflow。他们的优势在于对业务的深刻理解:知道早上七点该发什么内容,晚上十点的发布策略,以及如何通过数据(如低于某个阅读量即被限流)判断平台规则。这种业务认知,远比技术能力更重要。 相反,一些程序员搭建的营销自动化系统,技术层面无可挑剔,节点设计优雅,异常处理完善,却难以实现涨粉目标。 因为他们不懂用户心理——不知道小红书用户在睡前刷手机时真正关注什么。这并非技术不足,而是缺乏对行业的洞察。 Workflow的真正门槛,其实不在于代码,而在于两点: 一是工具的信息差,比如如何找到自动获取对标账号内容、视频转字幕、分析数据的工具,如何让自动化发布适应平台规则; 二是行业know-how,如寻找对标账号、设计爆款逻辑、设置定时任务、优化内容生成prompt等。这好比八九十年代的商业竞争,真正的壁垒不在于产品本身,而在于对资源、渠道、规则的熟悉度。 技术越强大,越依赖人的经验。因此,Workflow、Agent、代码并非简单以“需求复杂度”划分应用场景。Workflow适合解决“知道怎么做,只是嫌麻烦”的提效问题;Agent则适合处理“不知道怎么做”的赋能需求。 以内容营销为例,发布流程是Workflow问题,判断“什么内容会火”是Agent问题,但最难的“平台潜规则”却需要人的Domain Knowledge(领域知识)。许多人期待一个“发布+爆款预测+规则解读+商业分析”一体化的Agent,却忽略
#Workflow
#agent
#内容营销
#领域知识
#平台规则
分享
评论 0
0
wwwgoubuli
2个月前
我正在试图在 electron 里引入 rust 做一些事。 总感觉我做的事情和有些东西似曾相识,又好像哪里不一样🌚🌚🌚
#Electron
#Rust
#技术
#引入
#尝试
分享
评论 0
0
Journeyman
2个月前
1. 中国的制造业独步全球已经是毋庸置疑的, 最牛的就是制造业集群和产业配套, 你有一个idea, 1天就可以找齐所有配件商, 一周内demo就做好了。 在美国,你连个螺丝厂都找不到, 很多科技躺在实验室吃灰,根本无法变成产品。 2. 奥尼尔体验了深圳企业肯繁为他定制的外骨骼机器人, 惊叹走路变轻松很多, 还说一定要带回美国 评论区有意思, 还有人说“美国在外骨骼方面的研究更先进!”, 遭到一群人的嘲讽: - PPT是很棒,就是没得卖~~ - 远程养殖技术更先进
#中国制造业
#产业配套
#奥尼尔
#外骨骼机器人
#美国
分享
评论 0
0
Cali Castle
2个月前
我的 JARVIS
#JARVIS
分享
评论 0
0
低空飞行
2个月前
一个独立开发的 github 是什么样子
#GitHub
#独立开发
#开源项目
分享
评论 0
0
Andy Stewart
2个月前
哈哈哈,一般的全栈说的前后端 我们公司的栈要长一点: 设计PCB、焊板子、操作系统、文件系统、编译器、浏览器引擎、桌面窗口管理器、Golang后端、前端、App、跨平台小程序框架 全手搓
#全栈
#PCB设计
#操作系统
#自研
#技术挑战
分享
评论 0
0
Daniel Fang
2个月前
英国还在遥遥领先的八大制造
#英国制造业
#技术领先
#产业优势
#经济
#积极
分享
评论 0
0
NanYi
2个月前
我发现在iPhone 17 Pro上的Liquid Glass和在其他机型上不是一个东西,太特么丝滑了🥹
#iPhone 17 Pro
#Liquid Glass
#丝滑
#用户体验
#积极
分享
评论 0
0
初码
2个月前
才知道企业微信有webhook这玩意,真的是神器啊!
#企业微信
#webhook
#神器
#效率工具
#积极
分享
评论 0
0
Andy Stewart
2个月前
今天讲一下顶级黑客军团应该怎么管理 黑客老板只招有黑客精神的人,什么是黑客精神呢? 1. 无限的好奇:充满着想象力,对新技术和底层细节充满着超强好奇心,越是没有文档只有源码的东西越感兴趣,因为研究的人少,每天在代码的汪洋中探索细节就如同澳大利亚大堡礁里找宝藏一样过瘾 2. 极度的谦虚:因为每天都在研究底层代码,不管技术的深度和广度都非常夸张,但是正是因为见多识广,这些黑客深知人外有人,天外有天,所以反而内心非常谦虚,真的那种谦虚,不是装逼的谦虚。所以,如果你看到一个技术还不错,但是半瓶水响叮当的人,千万不要招募,害群之马就是说的这种人,这种人上班不是来干活的,就是学习到一点东西就开始显摆 3. 战斗力爆棚:黑客对于计算机来说就是一人全干工程师,别的弱旅基本上一堆人干活,黑客是架构设计、后端、前端、核心模块全部自己干,一个人干的好处是,代码极度的简洁和优雅,做出来的产品极度稳定,因为一个人架构师,不需要那些扯淡的事情,直接就全干了,所以合格的建设型黑客以一当百 好了,回到最开始的话题,怎么管理黑客团队? 没法管理,因为他们都太厉害了,我只用做三件事情就够了 1. 好好思考,把需求讲清楚,不要来回折腾团队 2. 做好以后分钱要大气,就像我们动不动就送懒猫微服一样,专业的人做专业的事情,中间不要瞎管 3. 做好后勤保障工作,我的烧烤手艺还是不错的,主要是那个酱料亲自调制的,刷一下,烤好就香迷糊了 喜欢我创业故事的朋友,欢迎点赞转发 喜欢我们团队和产品的朋友,私信我购买懒猫微服或懒猫AI算力舱,有优惠,全球包邮包关税!
#黑客精神
#技术人才管理
#懒猫微服
#团队建设
#创业故事
分享
评论 0
0
海外爆料
2个月前
🔥【真棒】#特斯拉免费换电池‼️
#特斯拉
#免费换电池
#积极
分享
评论 0
0
Stella Lin
2个月前
AI 工作流平台已经是一片红海。 Zapier、Make、n8n、AgentKit 们,各有阵地: - Zapier:非技术用户要立刻出结果。 - Make:懂逻辑的视觉型用户。 - n8n:开发者与技术团队。 - OpenAI AgentKit:AI 原生产品团队。 看似都是自动化,但每家服务的“人”都不同。 我们在做的无代码工作流平台 MaybeAI,目标是让不会写代码、甚至还没想清楚需求的人,也能完成自动化。 做着做着,又不断反问自己: 这个群体真实存在吗?他们的付费意愿怎样? 创业真太难了,在 AI 领域创业难上加难。
#AI工作流平台
#无代码
#自动化
#创业难
#MaybeAI
分享
评论 0
0
低空飞行
2个月前
ColorOS (可能其它国产 Android 也是) 的消息推送太难用了,不是延迟就是完全不推送
#ColorOS
#消息推送
#Android
#推送延迟
#用户吐槽
分享
评论 0
0
宝玉
2个月前
确实,Manus 很聪明,他们把工具分成了 3 层: 第 1 层:函数调用 (Function Calling) 这是最基础的一层,只保留一小组固定的、原子化的函数,比如:读写文件、执行 Shell 命令、搜索文件等。在 LLM 的系统提示词中就只有这一层的工具定义,相对比较少,15 个以内,输入格式和输出格式都很清晰,不容易出错,但这里面有两个工具很特殊,一个是 Shell, 一个是 File。 第 2 层:沙箱工具 (Sandbox Utilities) 每个 Manus 会话都运行在一个完整的虚拟机沙箱里。就是原推文提到的,虚机预装了很多命令行工具,比如格式转换器、语音识别工具,甚至一个 mcp 命令行客户端。 然后这些工具都通过第 1 层中定义的 Shell 来调用,就是命令行工具,命令行调用。 但是这么多工具模型怎么知道呢? Manus 在系统提示词里会直接告诉 LLM,在一个特定的文件夹里有很多预装的命令行工具。对于最常用的工具,直接列出它们的名字。不常用的,LLM 可以直接通过原推提到的命令列出所有命令行工具,通过 --help 参数来查看任何一个工具的用法,因为所有这些工具都是他们自己开发的,格式统一。 第 3 层:代码包与 API (Packages and APIs) 这一层其实就是 LLM 实时编写 Python 代码,通过代码实现更复杂的功能。比如用户想查询某个 API 的数据,可以直接用 Python 写一个函数,fetch API 的数据,并解析成需要的格式。 其实在 Codex 中,用 Python 代码当工具已经用的很多了。 由于复杂的运算都是代码完成的,返回给 主 Agent 的知识计算后的结果,所以并不会占用主 Agent 的上下文。 这样 3 层设计的好处是,从模型的角度看,它需要调用的工具就固定是第 1 层的十几个,而借助命令行和代码,它又可以衍生出无数的工具组合。 还有一点就是我在之前推文提到的子智能体,Manus 也是大量采用“智能体即工具 (agent as tool)”的模式。把子智能体当工具用,比如负责检索是一个子智能体,但是这个子智能体在主 Agent 看来就是一个工具。同时也可以很好的起到减少上下文的效果。
#Manus
#LLM工具
#分层设计
#智能体即工具
#代码生成
分享
评论 0
0
iGeekbb
2个月前
你是什么时候发现自己是AI的
#AI
#自我认知
#人工智能
#身份
#探索
分享
评论 0
0
Yachen Liu
2个月前
#装修日记 之前吐槽过全屋净水智商税严重,技术门槛低导致品牌泛滥,产生不了什么真的具有技术碾压级别的品牌,全靠销售吹牛逼。张口就是其他家滤材差、用料差、容易爆、析出金属,营造健康焦虑。但是一旦让出具可量化的报告看看到底好在哪,通通接不上话。 本来图省事,选了国产大品牌安吉尔做整套,价格算是适中,结果经销商悄悄改配置单降配以为我看不出来。另外经朋友提点,他们家滤芯耗材全是不公开销售的,一定要走店铺/公众号单独下单上门安装,还遇到过李逵李鬼上门的情况,直接拉黑这个品牌。 最后还是自己做功课,自己采购单品: 1. 前置过滤器:米家 Pro,几乎所有前置过滤器,都是中国两个厂代工的,各家的差距微乎其微,只是取舍的问题,米家这款自动反冲洗现在折后才 590,而且评测中数据偏好。 参考评测视频: 2. 中央净水器:北京自来水水质很好,中央净水只需要考虑除余氯问题,即使用活性炭。使用一个大白瓶配滤芯就好了。大白瓶真就一个瓶子而已,没什么区别。爆炸、漏水对于大品牌产品都是极低概率的事情。 最后选择了 GOOTHO 的大白瓶,比较好看,带旁通阀方便换滤芯。 3. 软水机:头部品牌基本都是罗门哈斯树脂,效果不会有什么太大的区别。之前选安吉尔主要看中了软水附带的 IoT 功能,可以看水流量、开关阀、漏水检测等,还是比较有意义的。 后面发现 COLMO 的软水机也有同样的功能,还便宜一点。 另外,为了防范漏水和爆管等问题,在设备柜单独配置了水浸传感器,联动自动关总阀。这比各家吹的防爆靠谱多了。
#装修避坑
#全屋净水
#安吉尔
#米家
#COLMO
分享
评论 0
0
Yangyi
2个月前
翻译了一下manus最近和Langchain的一个线上分享 关于上下文工程的实践,还是有很多细节的 虽然这些细节在执行过程中是容易理解找到方法去处理的 但是也从侧面看到不论是制作垂类agents还是构建通用agents,在细节层面都需要经历各种各样的困难 我们更应该怀揣敬畏的心去看待每一个在Agents Building路途上前进的人 产品背后都是磨难
#LangChain
#上下文工程
#Agents Building
#技术细节
#敬畏之心
分享
评论 0
0
上一页
1
...
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
...
400
下一页
AI 实时热榜 (24小时)
智能算法加权排行
个人主页
通知
我的投稿
我的关注
我的拉黑
我的评论
我的点赞