科技实时新闻、最新快讯- 第197页 news.news·换个方式看新闻|AI看新闻、实时追踪事件后续

智能推荐信息源

由 AI 根据您的兴趣偏好筛选

2个月前

AI Studio里阻止nano banana加水印的方法 API生成和编辑的图片是无水印的，但是在AI Studio里生成和编辑的图片都是有小星星水印的。这个水印不是出图的时候就有的，而是谷歌后加上的，加的方式也简单粗暴就是请求了一个水印图片然后叠加上去。浏览器里阻止这个请求就可以了。具体操作步骤： 1）打开AI Studio，然后在页面空白处右键，点击检查（Inspect），在打开的Dev Tool界面，点击网络（Network）标签页 2）用nano banana生成一次图片，这时候生成的图片是带水印的。 3）在已打开的网络标签页下的搜索框里，输入watermark，能筛选出watermark_v4.png，右键，点击阻止请求URL（block request URL）之后再生成，就一直是无水印的了。

#AI Studio #nano banana #图片水印 #阻止请求 #无水印

2个月前

独立开发者晒收入的常见水分套路🤬

#独立开发者 #收入 #水分 #套路 #负面

2个月前

对的对的，我发现Claude Code 特别爱编写防御性代码。而我是异常神教信徒，秉持不做异常处理，错误就要抛出的观点。 Error early Error fast

#Claude Code #防御性代码 #异常神教 #错误处理 #Error early Error fast

2个月前

半年前，有位网友整理了一堆MCP工具资料，搭了个网站分享出去。初期他还手动维护，后来工具更新太快，一个人忙不过来，便写了个小程序——我们叫它“Agent”吧，让它自动去GitHub上搜集最新工具，分类整理后直接更新到网页上。之后他就没再管这个站了，忙着别的事，一晃半年过去。前几天他偶尔想起，随手在谷歌搜了一下，结果愣住了：自己早忘了的网站，赫然排在搜索结果第一。更意外的是，这个站从没想过要做什么“SEO”，全靠那个“笨笨的”Agent，日复一日、规律地重复着最初的任务，自己都没察觉，它已经默默攒下了足够的“存在感”。这个故事让我忽然明白：我们总觉得AI要多“聪明”才行，但这个案例里，最简单的“持续”，AI反而比人做得更稳。人啊，总爱给自己找理由：“今天太累了，明天再说”“这个方向好像没希望，算了吧”。可AI不会，它的节奏稳定得像钟表，你给它一个目标，它就一条道走到黑。就像那个Agent，你忘了它的时候，它还在那里啃资料、更新网页，没停过。现在的AI工具，比如Claude Code、Trae Solo，其实也在做类似的事。你给它一个任务，它会像个踏实的伙伴，一步一步推着你往前走，哪怕你中途想放弃，它还在默默“咕哒咕哒”地推进，直到把事做完。这或许就是我们最需要的AI——我们负责“想”和“看”，它负责“做”和“守”。探索未知的路是我们的事，而那些需要坚持、需要重复、需要积累的“笨功夫”，交给AI来做。不用追求完美的“聪明”，能把一件事“持续做下去”，本身就是一种了不起的能力。而AI，恰好是那个能帮我们把“初心”守到最后的人。这大概就是人与AI最好的共生状态吧：你引领方向，它坚定前行。

#AI工具 #持续性 #人与AI共生 #agent #自动化

2个月前

智能体能赚钱的原因有三： 1、观众永远不可能知道什么是 system prompt，所以永远不可能理解智能体 2、那么无论是什么事情，只要你说智能体能实现，就有人信 3、真正的难度在于，用服从性测试，筛选出忠诚的傻子

#智能体 #赚钱 #system prompt #服从性测试 #忠诚的傻子

2个月前

最近注意到微软开源的 MarkItDown 项目，7万多星标背后是一个很实在的功能：把各种格式的文件——Word、PDF、Excel、甚至图片、压缩包这些，一键转换成带有标题、列表、表格结构的 Markdown。这个工具的价值，其实藏在我们日常处理数据时容易忽略的细节里。现在做 AI 工具链、多模态 Agent 时，最头疼的就是怎么把非结构化文件“喂”给模型，还要保留结构、对齐输入。 MarkItDown 就像一个标准化的“入口处理站”，让整个流程变得清晰：业务文件、网页、对话记录，甚至 OCR 结果，先通过它变成带结构的 Markdown，再接入 LLM、embedding 或知识库系统。这样一来，原本“进不了 AI”的文件，就成了可用的数据。这已经不只是个格式转换工具了，更像是 AI 文档智能的基础模块。用 pip 或者它提供的网页版就能直接用，微软这次确实踩中了工程师们处理数据入口的痛点——数据乱、格式多、结构丢，这些琐碎问题不解决，后面再复杂的 pipeline 都跑不通。未来“Agent + 数据 + 多模态”的场景肯定会越来越多，而这些智能体要干活，第一步就是读懂一堆原始资料，还原出结构和语义。 MarkItDown 做的，就是把这个入口的“苦活累活”都扛下来。有时候，那些看似不起眼的基础工具，反而才是整个系统里最关键的部分。推荐给所有在做 LLM 产品的朋友，这或许是个能省不少功夫的小工具。

#微软 #MarkItDown #AI工具链 #多模态Agent #非结构化文件

2个月前

优秀程序员的开发效率是普通程序员的10倍。如果在AI的加持之下，优秀程序员的开发效率的普通程序员的100倍，是外行人的1000倍。

#程序员 #开发效率 #AI加持 #效率提升 #技术差距

2个月前

Soundhound 这家做Voice Agent的公司收入和股价增长都很猛，但由于Soundhound的客户都是大B，作为开发者体验不到他们的产品。有没有非常熟悉Soundhound这家公司的伙伴，可以给讲讲这家公司的产品以及体验？

#Soundhound #Voice Agent #B端客户 #开发者体验

木子不写代码

2个月前

给想要系统学习上下文工程的朋友推荐一个Github项目，就叫Context-Engineering，现在有7.1K star, 从提示词技巧一路讲到“量子语义学”, 需要一定的编程和数学基础，我一直断断续续在跟，现在不到1/3。

#Context-Engineering #Github项目 #提示词技巧 #编程 #量子语义学

2个月前

许多创业者在早期常常忽视“用户获取”这一环，理由往往是“我的想法还不够成熟”或者“别往漏桶里倒水”。但现实往往没那么“幸运”——如果不主动去接触用户，根本无法找到产品与市场的契合点（PMF）。其实，早期最好的用户获取方式，与其说是传统意义上的“营销”，不如说是一场深入的“用户研究”。很多人误以为做产品就是埋头研发，等“完美”了再推向市场。但事实上，真正的用户需求往往藏在日常对话里。你关起门来设计的功能，可能并非用户真正需要的；你以为的“核心优势”，在用户看来可能毫无价值。这时候，如果只是把产品“硬推”出去，就像往漏桶里倒水，不仅浪费精力，还会错过发现真实需求的机会。反过来看，如果从一开始就带着“用户视角”去做这件事：主动和潜在用户聊天，了解他们的痛点和习惯，甚至可以用最小成本做出“半成品”去测试，观察他们的反应。这种“小步快跑”的方式，看似“不专业”，却能帮你避开很多坑。比如，一个做职场社交的产品，你可能觉得“AI匹配”是核心功能，但用户实际更需要的是“快速找到行业前辈”；一个教育类APP，你花大力气打磨“智能题库”，但学生可能更在意“老师答疑是否及时”。这些细节，只有在和用户直接接触时才能发现。与其花大量时间做“完美”的产品再试错，不如用“笨拙”的方式先打开一扇窗，让用户的真实反馈“流”进来。这不是“浪费时间”，而是最直接、最高效的“用户研究”。毕竟，任何产品的终极目标都是服务用户。如果连用户是谁、需要什么都没搞清楚，再“成熟”的想法也只是空中楼阁。所以，早期别害怕“不完美”，主动走出去接触用户，把获取用户的过程变成理解用户的过程，才能真正找到产品的价值所在。

#用户获取 #用户研究 #产品与市场契合 #早期创业 #用户视角

2个月前

在软件开发领域，有一个被无数从业者验证过的朴素智慧：先让它运行，再让它正确，最后让它更快。我理解的这个过程，像搭建一座房子。首先要打好地基，确保有四面墙能立起来，哪怕材料简单；接着要完善细节，让门窗合缝，屋顶不漏雨；最后再考虑如何让房子更宽敞明亮，或者加个漂亮的阳台。第一步：先让它跑起来很多时候，我们会陷入“追求完美”的陷阱，试图一开始就写出无瑕的代码。但现实是，问题往往比想象的复杂，而时间和资源总是有限的。这时候，“先让它运行”就成了打破僵局的关键。所谓“运行”，不一定要处理所有情况，甚至可以用最直接、略显笨拙的方式。比如，我曾为一个数据导入功能做原型，为了快速验证逻辑，我直接在代码里写死了几条测试数据，而不是等待用户提供完整的数据源。这样做的目的，是先确认这个功能的核心逻辑是否走得通——数据能不能正确解析？流程能不能顺畅走下来？如果连这个最基本的“跑”都做不到，后续再优化也只是空谈。当然，“跑起来”不代表可以直接丢到生产环境。它更像是一个实验室里的快速验证，可能需要借助CI系统在隔离环境中跑通测试用例，重点是证明“这个问题是可以被解决的”。第二步：让它正确无误当确认了核心逻辑可行后，就进入“让它正确”的阶段。这一步的核心是“打磨”。比如，之前写死的数据要替换成动态获取的；那些可能出错的地方，要加上条件判断和异常处理；命名要更清晰，让别人看代码时能明白每个变量、每个函数是做什么的；还要考虑各种边界情况——如果用户输入了一个空值怎么办？如果网络突然中断怎么办？这些都需要通过全面的测试来验证。我记得有一次开发一个支付接口，初期只测试了正常的支付流程，但忽略了支付失败的情况。后来在“正确”阶段，我们才发现当支付超时或余额不足时，系统的处理逻辑完全是空白的，导致用户体验极差。所以，“正确”不是一句空话，它意味着代码能够处理各种合理和不合理的输入，能够在各种情况下保持稳定。第三步：让它更有价值，更高效最后一步是“让它加速”。这里的“加速”不仅仅指运行速度快，更广泛地说，是让软件对用户更有价值，更能高效运转。比如，优化数据库查询减少等待时间，重构冗余代码让维护更方便，或者设计更友好的交互提升用户体验。很多人会把“加速”简单理解为性能优化，但其实它包含了更丰富的内涵。比如，一个原本需要5个步骤完成的操作，通过优化流程减少到3个步骤，这也是一种“加速”，对用户来说价值更大。在资源有限的情况下，这一步可能会被推迟，但只要条件允许，我们就应该投入精力去做。毕竟，解决了一个问题，不代表它已经完美，持续优化才能让软件的价值不断提升。 “先运行，再完善，最后加速”的逻辑，本质上是一种“迭代思维”。它让我们避免一开始就陷入细节，而是先抓住核心，用最小的成本验证方向，再逐步打磨。这种方法不仅适用于编写代码，也适用于我们处理工作和生活中的许多复杂事务。毕竟，任何伟大的成就，都是在清晰的方向指引下，一步步迭代完善出来的。先让它存在，再让它变好，最后让它发光，这或许就是我们能给用户和自己最好的交代。

#软件开发 #迭代思维 #先运行后优化 #问题解决 #持续优化

2个月前

机器人行业不该陷入“像人”的迷恋，那只会造成资源浪费。五指不一定比两指强，能解决问题是关键。

#机器人行业 #避免拟人化 #解决问题 #技术实用性 #资源优化

2个月前

MX Ergo 用了4年，左键几乎不能用了，晚上8点双十一开始，所以又把10年前的老 MX570 翻出来，竟然还能用。轨迹球产品最近几年也没什么更新，准备试试罗技二手，毕竟能便宜一半，希望能再撑 4 年。

#MX Ergo #罗技 #轨迹球 #耐用性 #二手

2个月前

给华强北的技术跪了

#华强北 #技术 #赞叹 #创新 #电子

2个月前

Tony Dinh, Marc Lou独立开发者的启发最近几年看过不少优秀独立开发者的故事，名单如下： - Pieter Levels - 美国人，年入千万刀，多个产品 - Tony Dinh - 越南人，月入10万刀，单一产品，Typingmind产品 - Marc Lou - 法国人，月入40万刀，多个产品，最赚钱的是Codefast课程服务 - Devaslife - 日本人，按照他的博客讲，应该是月入1-2万刀，有一个markdown软件，大头是Youtube视频如果我们想做独立开发者，一点点启发： 1、做国际市场，而不做本国的市场，如果Tony Dinh做越南市场，Marc Lou做法国市场，Devaslife做日本市场肯定没戏 2、个人IP先行，所谓做产品先做流量，X/Youtube/Medium/Newsletter都要同步一起做 3、围绕AI来做机会还是很有机会的，比如Pieter Levels的Photo AI，Tony Dinh的Typingmind套壳项目

#独立开发者 #Tony Dinh #marc lou #国际市场 #AI

2个月前

#每日推荐电报视频下载器基于Dineshkarthik的项目，电报视频下载，电报资源下载，跨平台，支持web查看下载进度，支持bot下发指令下载，支持下载已经加入的私有群但是限制下载的资源

#电报 #视频下载 #跨平台 #资源下载 #Dineshkarthik

2个月前

买了个 HX370 的小主机，在家里做长期不关机的开发机。过去三年写代码都在 MacBook Air 上，对性能和续航和轻便都非常满意，但 Vibe Coding 世界的离线等待时间越来越重要了，加上国庆期间尝试了iPad 远程打暗黑2…… 坐等收货。

#HX370小主机 #开发机 #Macbook Air #Vibe Coding #iPad远程

2个月前

很多人问为啥考虑要回国了，细说就一句两句说不清了，我简单说一些基础的想法。我算是比较外向的人，来这后跟加/美几十个网友面基，算是综合多方面的信息产生的想法。当然，90%的网友是程序员，所以肯定是片面的当然，如人饮水，冷暖自知，每个人的情况和看重的东西不一样，结论也自然不一样。 - 最基础的，中国现在跟任何国家比都是有优有劣。所以 “中国无敌差” 和 “中国无敌好” 的言论，可以直接无视了。如果单论安全性和便利性，中国是领先的 - 如果你认为科技是第一生产力，AI是未来方向。那么这世界上只有两个强国，中国和美国。其他国家根本没有训练自己大模型的能力，距离这两个国家有代差。 - 所以，只有中美可以给程序员一个超出平均工资的收入，让你过上舒适的生活，并且在当地立足。例如加/澳/欧，并没有世界级的大公司，很难从全世界获得超额收入，导致程序员的收入并不高，适合已经有家底的人去享受人生，并不太适合去奋斗 - 谈到教育和医疗，事实上，可能中国不是最好的，但绝对是中游偏上的。加拿大的医疗系统烂到底了，美国的医疗系统大家在新闻上都看到了。教育的话，也是个复杂的话题，我只能说，没有一个地方是完全好的，在做决定前，不要“听说”，而是 do your own research - 工作强度，社会平均的工作强度肯定是中/美之外的发达国家会低很多，假期也多一些，也尊重休假。但在 AI 领域，在大家生产力水平没有代差的基础上，强度和产出就是成正比的，美国的大厂的工作强度并不低。 openai等创业公司的加班强度拉满，大厂的AI部门强度依旧高，亚麻和meta的末位淘汰依旧存在，某著名养老厂前段时间也发生员工猝死。所以这是个相对复杂的问题，但就我个人体感，国内的强度肯定是更高的，但高的程度并没有那么离谱 - 聊到这，其实牌桌上只剩中美是适合我们这些白手起家的人了。中国大家都了解，我们聊美国，因为我所在的公司的总部在美国，有非常多的transfer去美国的机会，所以去美国肯定是考虑的选项。 - 我非常喜欢美国，并且美国是无可争议的世界第一强国，美国的程序员的收入和机会是断层领先其他国家的对于美国，我所考虑的是几个点 - 身份焦虑。 h1b 和绿卡是留在美国的几个坎，在没有 h1b 之前，你无法换工作，只能当签证奴隶。如果你的老板有良心，一视同仁，那很好。但事实上，有部分（比例难说，在美国的朋友可以分享下）老板会因为你走不了而在绩效和升职上有所倾向 - 出入美国的风险。就像前段时间 h1b 的极限回美国事件，事实上在入籍之前，出入美国都有一定的风险，所以大多身边去美国读博的朋友都是尽量避免回国。我身边的朋友也都是尽量减少离境次数以避免风险。 - 离家太远，想家，文化融入，漂泊感，种族歧视，等等这些就因人而异了。也会随着年纪而变化，我年轻的时候很喜欢在海外生活的感觉，现在快30了愈加想家，也有很多比我年长的朋友喜欢这边的环境和人少的感觉。所以还是看你自己事实上，人在做选择的时候，主观因素是永远大于客观因素的。大部分时候是你内心已经有了决定，然后找很多客观因素去说服自己罢了。对我来说最重要的是家里人不想在国外久居，这对我来说是一票否决权了，毕竟我一个人过日子过的稀里糊涂hhhh 如果说一些 take-away message 的话 - 如果你像我一样，有 transfer 去海外的机会，并且在纠结，且你的能力自信未来在国内依旧能找到合适的工作。那我建议你去，至少，去了最多后悔一年，不去可能后悔一辈子，毕竟得不到的永远在骚动。 - 如果你年轻，并且家境不错，我觉得去美国读书是非常不错的选项，看过世界才有世界观 - 如果我还年轻，我会去美国闯一闯上述仅代表我现在认知的想法，希望大家礼貌讨论 🫶

#回国 #中美程序员 #身份焦虑 #生活选择 #个人发展

2个月前

如何分析自己比较火的帖子 1、进入X的Premium 2、点击【分析】 3、点击【内容】，选择展示量

#X平台 #帖子分析 #Premium功能 #内容展示量 #社交媒体

2个月前

中国科技企业在AI领域布局已久，大语言模型的发展更是日新月异。从写作辅助到智能语音交互，从内容提炼到邮件处理，这些功能的落地不仅提升了日常效率，更在重新定义人机协作的可能。以写作助手为例，它能快速整合信息、梳理逻辑，让创意工作者从繁琐的文字组织中解放出来，专注于核心思考。语音对话功能则打破了设备的交互边界，让信息获取变得更自然流畅。而内容摘要和邮件处理功能，更是精准捕捉关键信息、优化时间管理的得力工具——当AI能自动识别邮件优先级、提炼核心观点，人们便能将精力投入到更具创造性的事务中。这些功能的价值，在于它们真正解决了实际问题。每一个功能背后，都是技术团队对用户需求的深刻洞察和对场景的精准打磨。对于中国企业来说，关注行业动态、借鉴优秀实践是进步的阶梯，但更重要的是基于本土用户习惯进行创新。毕竟，最好的“作业”不是简单复制，而是在理解本质后，创造出更贴合中国市场的解决方案。 AI技术的浪潮下，真正的竞争力永远在于如何将技术转化为用户价值。无论是大公司还是初创团队，保持对用户体验的敬畏心，持续探索技术与场景的结合点，才能在这场变革中走得更远。

#中国科技企业 #AI领域 #大语言模型 #人机协作 #用户价值

2个月前

我昨天才买的二手小牛电驴，上任车主换绑到我的账号才几个小时就不能联网了，一问客服，说是 2G 基站撤了，需要换 4G 模块。需要 299 元，必须在小牛 App 里购买，收到货之后再自己更换或者去找个店安装，我一搜抖音看看是怎么回事，全是骂的🤣

#小牛电驴 #2G退网 #4G模块 #用户吐槽 #售后服务

2个月前

当我们刚开始接触一项新技术或新方法时，就像攀登第一座山峰，每一步都需要付出大量的时间和精力，进步显得缓慢而艰难。但随着经验的积累，技能逐渐熟练，原本需要反复摸索的过程变得顺畅起来，就像学会骑自行车后，一旦掌握平衡，骑行就会变得轻松。这时，再做类似的事情，时间成本会以惊人的速度下降，效率呈几何级数提升。从0到20，是从零开始的探索阶段，每前进一步都充满未知，可能需要不断尝试错误，甚至推倒重来，这个阶段的时间投入往往占比最大，却往往只能取得少量进展。当度过这个阶段，到了20到100的区间，随着对规律认识的深入和经验沉淀带来的数据积累开始发挥作用时，进步的速度会明显加快，就像滚雪球一样，越滚越大，时间成本相对之前会有显著降低。而到了100到1000的阶段，技术的价值开始真正爆发，标准化的流程、规模化的应用让成本持续压缩，效率达到新的高度，这个阶段的时间投入与产出比会达到一个峰值。这种非线性的价值增长规律，在很多领域都能看到。无论是产品研发、内容创作还是企业运营，初期的“慢”是为了积累突破的势能，而当势能积累到一定程度，就会迎来爆发式的增长。这提醒我们，在面对新技术、新挑战时，既要耐得住初期的寂寞，也要有足够的耐心和信心，相信随着能力的提升和经验的沉淀，终会迎来价值释放的拐点。毕竟，所有的质变都源于量变的积累，而技术本身，正是那个加速这种积累、放大这种价值的关键力量。

#技术积累 #非线性增长 #价值爆发 #经验沉淀 #效率提升

2个月前

我很喜欢的越南独立开发者Tony Dinh最新文章 Code, Money, and Travel 文章里面写到，他的AI套壳项目TypingMind已经达到了13-16W美元/月的收入。令人佩服和羡慕.... 算是独立开发者的天花板了吧，当然不能和Pieter Levels这种怪物相比，但也超越了绝大多数的开发者。

#越南独立开发者 #Tony Dinh #TypingMind #AI套壳项目 #月收入13-16万美元

2个月前

大的要来了。 New products are coming soon.

#New products #Coming soon

2个月前

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：

#AI简历生成器 #关键词挖掘 #Similarweb #长尾关键词 #市场趋势

... ...