avatar
和合伙人深夜长谈：我们是在追逐VC热点，还是在构建一个健康的商业模式？ 当前AI Agent的红利，有多少是真实需求，又有多少是资本泡沫？ 一个残酷的现实是，很多创业公司都在“面向VC创业”。我们的目标是成为一个健康的双边平台，而不是风口上的猪。 长期价值 vs 短期增长，是每个创始人都必须面对的灵魂拷问。
#VC热点 #商业模式 #AI Agent #资本泡沫 #长期价值
avatar
Y11
2个月前
在商业和科技领域，真正的"万人敌"并非指武力或权力，而是一种高效整合资源、突破个人能力边界的系统能力。 在AI时代，这种能力的核心，就是学会与人工智能建立深度协同关系。 我们不妨把"万人敌"理解为一种杠杆效应：通过AI工具的自动化能力，将重复劳动的时间解放出来，让自己能同时处理多线程任务，或者在多个领域保持专业水准，如同拥有了多个"自己"在同时运转。 具体怎么做呢？ 第一步，先手动完成1-3次典型工作流程。 比如写一份报告、策划一个活动、处理一次客户沟通，把过程完整记录下来。 这像是给AI做"示范教学"，让它理解人类的思维逻辑和操作习惯。 第二步，从这些实践中提炼出通用规律。比如某个环节的关键判断标准是什么？ 哪些步骤最耗时且容易出错？把这些抽象成可复用的规则，就像给AI编写了"操作系统"的核心模块。 第三步，引入合适的工具构建专属"智能助手"。 现在市面上有很多AI协作工具，比如Cursor的代码辅助、Dify的对话机器人搭建、多维表单的数据管理、Raycast的效率工具集成等。 根据你的业务场景，把之前提炼的规则和工具结合起来，就能打造出一个能自动运行的"广义agent"。 当这个agent能独立完成80%的基础工作时，你已经实现了"以一敌十"的效率提升。 再进一步，要让这个智能系统持续进化。把agent的运行过程完整记录下来，找到那个决定最终效果的"北极星指标"——比如转化率、响应速度、客户满意度等。构建一个评估agent，通过不断的反馈和调整，完成类似人类学习的"奖励函数闭环"。 这样，你的智能助手不仅能模仿你的能力，还能通过持续学习不断优化，最终可能成长为多个垂直领域的"专家分身"。当你能同时处理多个领域的复杂问题，甚至指导这些智能助手协同工作时，你就真正具备了"万人敌"的系统能力。 比如，如果你想做营销，完全可以基于现有产品数据和竞品分析工具（如Semrush），构建一个能自动生成SEO关键词、分析用户需求、甚至初步撰写内容的营销agent，让它帮你处理从信息搜集到内容创作的全流程。 在AI时代，真正的竞争力不在于你能做多少事，而在于你能通过AI让自己"同时做多少事"，并让这些事的质量不断提升。从最小的重复工作开始，逐步构建你的智能协同系统，你会发现，突破个人能力边界，原来可以如此简单而高效。
#AI #效率提升 #智能助手 #自动化 #多线程任务
avatar
Y11
2个月前
寻找AI Agent创业机会，关键不在于使用何种大模型，而在于能否精准捕捉用户的真实痛点。 以下10个实用视角，或许能帮你找到破局点。 一、数据流转的“断点” 当用户频繁将数据从一个系统导出到另一个（如从销售软件导出报表到Excel，从银行流水导出到财务系统），这背后是重复的人工操作。 AI Agent可以嵌入源系统，自动完成数据清洗、分析和格式转换，让“导出-导入”流程消失。 比如，帮电商卖家自动同步订单到ERP系统，省去手动搬运的时间。 二、窗口切换的“噪音” 营销人员在广告后台、数据分析工具、设计软件间频繁Alt+Tab，房贷顾问在客户资料、利率表、合同模板间反复跳转——这些“窗口漂流”的背后，是系统间缺乏联动。 构建能打通数据的Agent，让信息自动流转，比如当广告投放数据异常时，Agent能自动调取竞品数据并生成分析报告，无需人工切换操作。 三、复制粘贴的“无奈” 用户在A软件复制内容、到B软件粘贴的动作，本质是系统间的“沟通障碍”。 Fyxer正是通过智能粘贴和邮件处理，帮用户自动化数据转移，实现了千万级年收入。 类似的机会还有：从会议纪要中提取待办事项并同步到日历，从邮件中抓取关键信息并生成客户跟进记录。 四、“花钱买时间”的信号 当有人愿意花500美元请虚拟助手处理邮件，或200美元外包社媒内容发布时，这传递了两个信号：问题真实存在，且用户愿意付费解决。 AI Agent的机会在于“性价比”——用更低成本（如工具订阅）实现80%的效果，比如帮小团队自动回复客户邮件，成本仅为人工的1/10，同时支持多语言和智能话术。 五、“家庭临时工”的困境 小企业主让家人管社媒、做客服，或兼职记账时，往往是因为专业工具太贵、操作复杂，或找不到合适的人。 针对这类“非专业但必需”的场景，开发简单易用的Agent很有价值：比如“社媒发帖小助手”能根据热点自动生成文案并配图，“客服问答机器人”能处理常见问题并转接人工，让家庭“临时工”从重复劳动中解放。 六、“试错后的痛点” 如果一个人换了3个项目管理工具、5个虚拟助手都不满意，说明现有方案存在“死角”。 AI Agent可以聚焦某个细分场景，比如解决“跨部门协作时任务分配不清晰”的问题，或“客服回复效率低”的痛点，用更专注的功能打动用户。 七、“想做但拖延”的任务 内容创作、财务核对、竞品研究这类“知道重要却总拖”的任务，是Agent的天然战场。 比如，帮写作者自动生成选题库和初稿，或帮运营者定时抓取全网竞品动态并生成简报，用“不完美但能用”的初稿降低启动门槛，让用户“先动起来”。 八、外包平台的“需求清单” Upwork、Fiverr等平台上的高频任务，是市场需求的“晴雨表”。 比如，“帮我整理会议纪要”“帮我做亚马逊产品调研”这类被反复雇佣的任务，说明用户愿意为效率付费。 AI Agent可以将这些任务标准化：自动生成结构化会议纪要，或根据关键词快速筛选竞品信息，直接嵌入用户工作流。 九、“无效会议”的浪费 80%的“对齐会”本质是信息同步——“我做了什么，遇到什么问题”。这些内容其实已存在于项目管理工具、Git文档或Slack聊天记录中。 AI Agent可以自动抓取这些信息，生成周报或状态看板，让会议时间“省下来做更重要的事”。 十、“专家的重复劳动” 每个团队都有一个“知识守门人”：技术大牛每周回答50遍“环境配置问题”，HR反复解释考勤规则，运营老兵重复整理用户反馈。 Agent可以“复制”专家的经验：抓取专家的对话、文档，训练成问答机器人，甚至进阶到自动执行任务（如帮用户更新FAQ文档、修复简单bug），让专家从重复劳动中抽身。 最后，创业的核心不是“用大模型做噱头”，而是找到“重复、枯燥、有价格信号、用户已在手动解决”的任务。 留意身边人抱怨的“做事麻烦”——他们绕开的痛点，正是AI Agent能接住的“人肉自动化”市场。
#AI Agent #用户痛点 #自动化 #效率提升 #重复性工作
avatar
Y11
2个月前
当你在内容创作中感到选题枯竭时，不妨记住一个简单却有效的逻辑：有问题的地方，就有内容的土壤。 生活中，焦虑、困惑、迷茫，这些看似个人化的情绪，在每个领域里，都以不同形式重复出现。 比如，有人纠结如何平衡工作与生活，有人困惑如何提升沟通效率，有人对新出现的技术工具感到手足无措。 这些“问题”，就是内容的源头——你不需要凭空创造什么，只需要去发现那些真实存在的、被反复提及的困惑，然后用你的方式去解答、去分析、去提供思路。 发现问题的方法其实很直接：去看大家都在“问什么”。 现在信息传播很快，各种社交平台、问答社区、行业讨论里，都充满了用户主动提出的疑问。 比如最近AI工具更新频繁，有人可能会问“这个新功能怎么用更高效？”；职场领域里，有人会问“新人如何快速适应团队？”。你看到这些问题时，不需要急于回答，而是先停下来思考：这个问题背后，是很多人共同的痛点吗？如果我能把这个问题拆解清楚，用简单易懂的方式讲明白，或者提供一个实用的小技巧，那这本身就是一篇有价值的内容。 更进一步，如果你能把“解答问题”和“解决问题”结合起来，内容的价值会更大。比如，有人问“如何用Gemini CLI提高工作效率”，你不仅可以写一篇教程，拆解操作步骤，还可以思考：能不能提供一个更便捷的“一键体验”服务？或者把这个工具的使用场景和案例整理出来，做成可操作的指南？如果你的内容能直接帮用户解决“不会用”“用不好”的问题，甚至提供一个“拿来就能用”的方案，那它就具备了更强的吸引力和转化潜力。 说到底，内容的本质是连接“有问题的人”和“能解决问题的方案”。当你能敏锐地捕捉到那些隐藏在日常中的问题，并用清晰、实用的内容为用户提供答案，甚至帮他们把问题变成“可以解决”的现实时，你的内容就有了温度和力量。这不仅能让读者产生共鸣，更能让你在创作中找到成就感——因为你真正在为别人解决困惑，这本身就是一种价值的体现。
#内容创作 #问题解决 #AI工具 #效率提升 #用户痛点
avatar
Y11
2个月前
在内容创作领域，很多人遇到瓶颈，并非能力不足，而是视野局限。 就像登山，若只盯着眼前的山路，容易迷失方向；若能看到更高处的风景和别人的路径，便多了许多可能性。以下是一些实用的方向，帮助你突破现状： 首先，学会“拆解优秀案例”。 打开任何平台，用关键词搜索与你目标相关的内容（比如想提升涨粉率，就搜“高转粉率爆款”），找出近期表现突出的博主。 重点研究他们单篇内容的关键数据：涨粉多少、转粉率多高、引导入群人数有多少。把这些数据记录下来，就像拆解别人的成功密码，这些数字背后藏着他们的运营逻辑。 其次，建立“数据对比表”。 把收集到的多个案例数据整理到一张表里，比如“涨粉数”“互动率”“完播率”等，然后找到你设定的“北极星指标”（比如涨粉、变现、私域引流等），筛选出排名前五的案例。这些案例就像标杆，你需要思考：为什么他们能成为“头部”？他们的内容结构、选题方向有什么共同点？ 接着，进行“深度复刻练习”。把这五个标杆案例的选题、脚本、拍摄手法、剪辑节奏等，像做实验一样原封不动地模仿一遍。注意不是简单抄袭，而是拆解每个环节的“底层逻辑”：比如开头3秒如何抓住注意力？中间用什么故事或观点引发共鸣？结尾如何引导用户行动？通过“刻意练习”，你会逐渐理解内容创作的“骨架”。 然后，从“模仿”到“创新”。当你对标杆案例足够熟悉后，就可以进入“二次创作”阶段。去看这些案例的评论区，记录用户常问的问题、高频讨论的话题。结合自己的经验和认知，把这些问题转化为新的选题。比如别人讲“职场沟通技巧”，你可以结合自己的行业，讲“互联网行业的沟通潜规则”。这样既保留了爆款的“基因”，又融入了你的独特价值。 最后，关于“人设”的思考。真正的人设是在长期创作中自然形成的，这需要你在模仿期结束后，加入自己的思考和风格。但如果你的目标是做矩阵转化（比如多个账号同时引流私域），那么“标准化复制”就足够了——只要每个账号能稳定产出符合标杆逻辑的内容，即使人设不同，也能形成规模化的引流效果。 内容创作就像学游泳，看再多理论不如下水练习。当你把“模仿-拆解-创新”这三步走通，数据会慢慢给你反馈。记住：优秀从来不是凭空出现的，而是站在别人的肩膀上，一步步试出来的。与其空想“做不起来”，不如现在就开始拆解第一个标杆案例，行动永远比焦虑更有力量。
#内容创作 #拆解模仿 #数据分析 #创新 #人设
avatar
Y11
2个月前
许多人都在寻找低门槛、高潜力的创业方向。对于有技术基础或愿意学习的人来说，利用AI工具开发轻量级应用，通过差异化运营实现变现，或许是一个值得尝试的路径。 以iOS应用开发为例，借助Vibe Coding这类快速开发工具，我们可以聚焦“骨架型应用”——即功能简洁、以内容分类和展示为核心的产品。比如一个图库分类应用，只需搭建清晰的分类框架，让用户能轻松找到所需内容；或者一个音频分类平台，通过标签体系帮助用户快速筛选想听的内容。这类应用的核心在于“框架先行”，内部内容可以灵活替换，无需频繁重构代码，极大降低了开发难度。 这类应用的开发周期很短，从构思到上架通常只需几天时间。由于功能简单，在App Store的查重机制中也更容易通过。产品定位为免费，通过内置广告获取基础收益，同时推出“8元永久会员去广告”的增值服务，形成轻量级变现闭环。 在内容填充上，不必局限于单一领域。可以选择热门IP的相关资源进行整理，比如经典影视的分类图库、知名课程的整理包等。需要注意的是，内容需符合平台规则，避免侵权风险。此外，针对不同关键词布局的“长尾流量”策略也值得尝试——通过七麦数据等工具分析热门搜索词，开发一批蹭“品牌词”的应用，即使内容质量不高，也能通过关键词排名吸引部分精准流量，实现“广撒网”的效果。 随着AI工具的迭代，开发效率会进一步提升。初期可能需要3天左右完成一个应用的开发和上架，熟练后甚至能缩短至3小时。持续输出上百个应用后，凭借庞大的数量和精准的关键词布局，总有部分应用能进入流量池，实现从“量变”到“质变”的突破。这些应用均为本地打包，无服务器资源消耗，堪称“0成本资产”，即使后续调整方向，也不会有沉没成本。 当积累一定经验后，若发现某个细分领域的应用数据表现突出，就可以集中资源进行优化，提升用户体验和留存率，将“骨架应用”升级为“优质产品”。 在AI驱动的时代，技术工具正在降低创业的准入门槛，这类轻资产、高周转的模式，本质上是对流量红利和关键词规则的灵活运用。关键在于行动——不必追求完美再出发，先完成再优化，通过不断试错积累经验，逐步找到适合自己的路径。在AI的助力下，任何创意都能快速落地，而持续的行动和学习，终将让你在数字经济中找到属于自己的机会。
#AI工具 #轻量级应用 #低门槛创业 #流量变现 #关键词策略
avatar
Y11
2个月前
我们来谈谈内容创作。你可以从收集、整理和翻译高质量的内容开始，这就像建立一个“流量池”。 最基本的方法是复制和重新发布，但更好的方法是用自己的语言和风格重新表达他人的想法。 例如，你可以把中国的优秀文章翻译成英文，面向国际读者；或者把优秀的外国内容改编成适合国内环境的内容。这样，你就能在众多只会简单复制的人中脱颖而出。 接下来，“费曼方法”对于建立信任至关重要。 当你学到一些东西时，不要只顾自己。先实践，然后再分享你的经验。 分享的同时，写下你的见解和素材。这不仅能帮助你加深理解，还能吸引流量。随着时间的推移，人们会信任你的知识，因为他们看到你真正地实践了你所教的内容。 有了这种信任，你就可以把这些资料或课程卖给他们。 接下来，你需要展示你的成果。 这就像“炫耀你的成就”，让别人知道你很有能力。比如，如果你来自三线城市或排名靠后的大学，你可以分享你如何通过写作积累了一定数量的粉丝，并在一个月内赚了多少钱。这些真实的故事会让人们相信你的方法，更有能力的人自然会愿意和你合作。渐渐地，你会形成一群支持你的“学者”，形成“马太效应”——你越成功，吸引到的资源就越多，你的事业就越壮大。 现在，你可以选择不同的路径。有些人从内容创作开始，然后销售别人的产品。有些人则从制作自己的资料或课程开始。最先进的是“公开建设”，这意味着你公开分享你的整个过程，从挣扎到成功，这会让你更容易被人理解和信任。 这种方法其实很简单，但需要实践经验才能理解细节。关键在于行动：开始创作内容，运用费曼方法，展示你的成果，并不断迭代。成功并非源于复杂的策略，而是在于每天迈出一小步，让你的行动为自己说话。
#内容创作 #费曼方法 #成果展示 #知识变现 #公开建设
avatar
Y11
2个月前
关于项目启动，可以搭建一个基础可用的网站或产品原型，通常1-2天就能完成核心框架。 关键在于选择合适的策略，不同路径适合不同目标： 如果追求长期稳定的流量和品牌沉淀，SEO是经典路径。核心是找到用户已验证的需求场景，通过精准的关键词布局，逐步建立搜索心智。 比如在成熟平台上，针对用户高频搜索的问题，开发垂直内容或工具，让用户在需要时能快速找到你的解决方案，这种方式需要长期积累，但一旦形成优势，流量成本会比较低。 另一种更适合快速验证的策略是“最小可行产品（MVP）+ 社媒测试”模式。 与其从零开始搭建复杂的网站，不如先用静态工具（比如简单的H5页面、演示视频）快速做出产品雏形。 可以用纯静态工具搭建一个视觉化的demo，数据全部模拟生成，再通过DemoGet等工具制作演示视频，然后在社交媒体上定向推广，直接推出早期会员订阅服务。 这种方式的优势在于成本极低且试错风险小：如果能卖出3-5份会员，说明需求真实存在，再投入开发核心功能不迟；如果卖不出去，用户支付的少量费用本就不多，及时退款也不会造成大的损失。 这种“先验证需求，再投入开发”的思路，能帮团队避开盲目投入的坑，让每一分资源都用在真正有价值的地方。 无论是SEO还是MVP策略，核心都在于“快速行动，小步迭代”。 对早期创业者来说，与其担心完美主义，不如先让市场和用户给出反馈，再动态调整方向。毕竟，在变化很快的时代，“试错”本身就是一种重要的学习方式。
#项目启动 #MVP #SEO #快速验证 #低成本
avatar
Barret李靖
2个月前
大部分网站都支持倍速播放，但基本最大只有 2x，在遇到枯燥无味的剧情和解说时，2x 显然是不够的～ 于是，我手撸了个 0.5~5x-16x 倍速的油猴脚本，放置在网页右下角，可便捷操作。为啥还有个 16x？因为我发现，广告也是可以被加速的😂，16x 约等于跳过广告了。 原理比较简单：定时监控 DOM 的变化，当遇到了 video/audio 标签时，就会展示右下角的控制器，然后通过标签的 playbackRate 属性来调整倍速。 P.S. 你也可以在油猴的配置里添加黑名单域名，避免打扰。
#倍速播放 #油猴脚本 #视频加速 #广告跳过 #网页工具
avatar
Y11
2个月前
站在技术发展的长河边，我们正经历着一场前所未有的生产力变革。 当AI技术以肉眼可见的速度渗透各行各业，软件行业首当其冲地迎来了从"规则驱动"向"智能驱动"的深刻转型。 这场变革不是简单的工具升级，而是整个行业底层逻辑的重构，其速度之快、影响之深，都在宣告一个时代的终结与新秩序的开启。 回顾软件发展的历程，我们曾长期困在"数据利用率"的泥沼中。 早在多年前，NLP技术、神经网络模型就被尝试用于挖掘用户数据价值，但其高昂的资源消耗和技术门槛，让绝大多数产品只能停留在"数据收集"的初级阶段。 以邮件产品为例，传统设计中，"已读未读"状态、分类标签等功能，本质上是将用户信息的处理权牢牢掌握在人工规则手中。 而实际上，邮件服务商手中积累的海量用户行为数据——包括邮件往来对象、阅读时长、附件处理习惯等——早已具备构建智能分类系统的潜力，却因技术成本和开发周期的限制，始终未能真正释放。 AI技术的突破，正在打破这一困局。 当机器学习模型能够通过用户数据持续迭代优化，数据本身就成为了产品最核心的"性能资产"。 一个AI助手使用的时间越长、处理的交互越多，其对用户习惯的理解就越深刻，形成的"数据壁垒"也越难以撼动。这种转变彻底颠覆了传统软件的迁移逻辑：过去用户切换平台，只需完成数据格式的转换（如歌单导入、通讯录迁移），而现在，当用户习惯了AI带来的个性化服务，那些隐性化在交互体验中的数据资产，会成为难以复制的竞争优势。这种"体验粘性"的形成，正在加速行业从"百花齐放"向"头部集中"的演变，也让"寡头效应"成为AI时代的必然趋势。 更深刻的变革发生在用户体验的形态上。传统软件的界面设计，本质上是规则的可视化呈现——一个按钮的位置、一段文案的措辞、一个弹窗的逻辑，都需要工程师通过代码精确定义。这种"固定化设计"不仅导致开发成本高企，更让产品难以适配不同用户的个性化需求。而AI技术正在将UX设计从"规则依赖"解放出来，转向"指导准则驱动"。当用户查询机票时，AI可自动生成符合行业规范的信息展示界面；当用户确认酒店订单，系统能根据品牌VI自动匹配视觉风格。这种"动态生成"能力，让软件既能满足标准化需求，又能实现千人千面的个性化体验，极大拓展了设计的可能性边界。 技术演进的不可逆性，往往在应用普及后才显现其真正的力量。当用户习惯了AI助理"秒懂"需求的便捷，当智能推荐系统总能精准预判期待，当动态界面能随场景自动调整，他们便再也回不到面对冰冷规则的从前。未来的软件交互，将更像与一位"懂你的伙伴"对话——它不仅能处理事务，更能理解情绪、预判需求，这种情感化、智能化的体验，正在重新定义人与技术的关系。 技术浪潮奔涌向前，没有人能逆转其方向。对于软件行业而言，AI不仅是工具的革新，更是思维方式的重塑。那些能率先拥抱数据价值、构建智能体验的企业，终将在这场变革中占据先机。而我们每个人，都已身处这场变革的浪潮之中，唯有理解趋势、拥抱变化，才能在新的技术生态中找到自己的位置。这或许就是技术进步最真实的意义——让复杂的世界，因智能而变得更简单、更懂人。
#AI技术 #软件行业变革 #用户体验 #数据驱动 #智能化
avatar
十里
2个月前
Prism 尝鲜版传送门🚪 上架 App Store 太慢了，就先打了一个预览版 DMG 包，大家先尝尝鲜，祝大家中秋快乐🥮 1️⃣ 支持多家 API 服务商模板(含服务商对应文档直达入口)； 2️⃣ 一键切换不同服务商； 3️⃣ 服务商支持添加额外的环境变量配置； 4️⃣ macOS 原生应用，设计简洁轻巧。
#Prism #App Store #MacOS #API #中秋节
avatar
Y11
2个月前
增长的逻辑正在被AI重塑。如今的增长实践，早已不是过去需要庞大团队支撑的复杂工程——一个具备AI思维的个体，正拥有前所未有的能力撬动流量杠杆。 过去，搭建增长体系往往意味着组建跨职能团队，从内容策划、工具开发到数据追踪环环相扣，周期长、试错成本高。 而现在，AI工具让单点突破成为可能： 用AI生成的行业洞察，能快速转化为系列博客文章； 通过低代码平台，几天内就能开发出实用小工具； 甚至可以用AI驱动的内容生成器，批量制作适配不同平台的推广素材。 这种“一人作战”模式，将反馈链路压缩到极致——一个产品功能的调整，可能第二天就在数据上看到流量变化；一次内容的优化，或许第三天就能收获用户转化。 更关键的是，AI正在重构流量获取的逻辑。 过去依赖SEO、KOL合作等重投入方式，如今可以通过“工具矩阵”实现“四两拨千斤”。比如围绕核心产品，开发者可以在7天内上线多个小工具：学习类产品配个刷题插件，工具类产品做个效率模板，每个工具都嵌入产品入口，再通过AI优化分发策略，让工具本身成为流量触点。 这些工具像一个个精准的钩子，在应用商店、社交平台、内容社区自然生长，最终汇聚成产品的用户池。 这种变化的核心，是AI降低了创新的门槛。过去一个好的增长想法，往往被技术能力、资源成本挡在落地前。而现在，当AI能帮你处理代码、生成内容、分析数据时，只需要专注于洞察用户需求，剩下的交给工具去执行。就像导航软件让普通人也能轻松规划路线，AI正让增长变得像搭积木一样简单——重要的不再是谁能调用多少资源，而是谁能真正理解用户的痛点，并借助AI把想法变成现实。 在这个AI驱动的时代，增长不再是少数人的“技术游戏”，而是每个有洞察力的人都能参与的“创造游戏”。一个人、一套AI工具、一个清晰的需求洞察，就能撬动流量的浪潮。这或许就是未来商业最迷人的地方：用最小的投入，创造最大的可能性。
#AI #增长 #效率工具 #用户洞察 #流量
avatar
tison
2个月前
终于升到了 OpenDAL .. 看看下一次 OpenDAL 发版是啥时候，然后把 Fastrace 升一下就可以在 ScopeDB 里升上去了。 这种核心 API 还是要稳一稳，跟终端单独依赖或者纯内部依赖不太一样，相关的定义和接口可能跨 crate 在公开 API 里同时依赖。导致一家老小必须同时升上去。
#OpenDAL #Fastrace #ScopeDB #API升级 #技术依赖
avatar
johnxu
2个月前
macOS 26的滚动laggy问题，并且会消耗大量CPU。临时解决方案： ``` defaults write -g NSAutoFillHeuristicControllerEnabled -bool false ``` 然后重启
#macOS 26 #滚动laggy #CPU消耗 #临时解决方案 #负面
avatar
Cell 细胞
2个月前
接近复刻了，换了 Midjourney 模型后直出 ⬇️
#midjourney #AI模型 #图像生成 #复刻 #技术
avatar
fcuk，iclleaning的生物神经证据也有了？ pnas .org/doi/10.1073/pnas.2510270122
#生物神经 #证据 #iclleaning
avatar
yiran
2个月前
2025 的 1000km
#2025年 #1000km #未来科技 #交通运输 #技术展望
avatar
想给视频加上画龙点睛的“音效”，但总找不到合适的，或者担心侵权？ Pixabay Sound Effects + 沉浸式翻译=你的私人音效库 很多人知道 Pixabay 的图片，但它隐藏的“音效库”才是真正的宝藏。 这里有数万个由社区贡献的、完全免费（免版权、可商用）的音效，从“键盘打字声”到“电影转场重低音”，质量非常高。
#Pixabay音效库 #免费音效 #免版权 #可商用 #视频音效
avatar
Colin Wu
2个月前
突然有种感觉，区块链公链和 AI 大模型有点像，都在大量重复建设，都是这两个行业的底层，用 GPT 讨论了下，还挺深刻： 一样的地方 1. 都是通用基础设施，竞争不可避免。 无论是大模型还是公链，本质上都属于底层通用技术。这类技术的核心特征是：高进入门槛 + 高潜在回报 + 生态型竞争。因此每个国家、公司、基金都希望拥有自己的版本，即使底层相似，也必须重做一遍才能形成独立控制力。 2. 都存在“重复建设”，但源于合理动机。看似重复，其实是技术、算力、合规和利益的必要分化。大模型各家在相同架构（Transformer）下重新训练，是因为数据私有化、算力分布、微调方向都不同；公链项目在 EVM 兼容的前提下再造，是因为要满足不同的性能、监管和经济模型。“重复”反映的不是浪费，而是体系多样化的自然结果。 3. 都在从“造技术”转向“造生态”。 技术门槛已经被攻破，真正的竞争焦点转向生态整合与用户留存。大模型比拼应用生态（Copilot、AI Agent、企业嵌入场景）；公链比拼资产生态（DeFi、RWA、L2扩容、游戏应用）。技术同质化后，生态能力决定长期差距。 不一样的地方 1. 技术架构的集中度不同。 大模型趋势是算力与能力集中化——领先者数量在减少，模型规模和推理成本极高，最终形成少数巨头格局；公链则是模块化和分层化——以太坊成为底层共识层，上面出现大量L2、L3和应用链，形成网络化竞争结构。 2. 开源在两者中的作用不同。 开源模型（如LLaMA、Mistral）主要降低了入门成本，但没改变算力和数据集中化格局；而公链的开源（OP Stack、Polygon CDK）则真正扩大了主权与经济创新的空间，让更多团队能在以太坊框架上构建新生态。 3. 商业逻辑的落地方向不同。 大模型的主线是服务商业化——API订阅、企业方案、垂直集成；公链的主线是资本金融化——代币激励、生态投资、流动性经济。前者靠现金流驱动，后者靠资产定价驱动。 总结 > 大模型和公链确实相似：都在重复建设底层、争夺生态主导权。但路径已分化：大模型趋向中心化、商业化复用开源，公链趋向模块化、去中心化复用以太坊。一个追求智能的统一，一个追求价值的多元。
#区块链 #AI大模型 #重复建设 #生态竞争 #技术分化
avatar
Oasis Feng
2个月前
酷泰科旗舰店这是什么迷之操作？「CUKTECH」和「ZMI」两个自有品牌的碱性电池，在同一个 SPU 下，价格相差 1/4，客服却说「只是商标不同」…… 之前一直买的 CUKTECH 品牌，这次试了下 ZMI。收到一看，果然电池本身一模一样（都印的是「紫7」），只有外包装盒上商标不同，连有效期都同样是 2031 年。
#CUKTECH #ZMI #碱性电池 #价格差异 #商标
avatar
dontbesilent
2个月前
油车的 OBD 接口➕蓝牙发射器，可以实现让车内的 iPad Mini 读取车的 CAN 总线数据 再加上 iPad 本身有陀螺仪，可以测加速度等等，可以获取到关于车辆比较全面的数据 再接一个 DeepSeekV3 的 API，每隔几秒钟分析一下数据 是可以做出一个可对话的智能驾驶助手的 就差一辆跑车了，家用车做这个意义不大，驾驶层面没有提升空间 该考虑的问题是，路特斯 Emira 这玩意老是坏，有没有必要买一手车
#OBD接口 #蓝牙发射器 #iPad Mini #DeepSeekV3 #路特斯Emira
avatar
如果你发现 codex 修不了BUG，以下六个方法能帮助你 1. 一定要用 gpt-5 high，筑基的神识比不上元婴 2. 如果确定你的问题位置，直接指定文件/函数名/变量名/逻辑修复。 3. 如果不确定你的问题范围，先询问是问题大概率在哪，并且每个判断都要让 AI 给出判断的依据。最好是写一份报告。（别问我为啥不使用其他模型，我受够了谎报军情并且说你是绝对正确） 4. 如果还不能解决，让 AI 整理所有上下文，形成一个报告，加上「我会整理给大神解决，请你形成详细的文档」，最后连带文档和塞给 ChatGPT Pro 解决。 5. 如果还不能解决，那么让 AI 判断是不是代码本身不好理解，让尝试让 codex 先进行小步快跑的重构，让代码变得更易于理解，然后尝试 3/4 6. 给这个领域的专业程序员发个红包问下怎么解决
#Codex #Bug修复 #GPT-5 #代码重构 #程序员求助
avatar
我准备在B站直播：“ 用AI做短视频”！ 上午听狗熊有话说的这个播客 ，发现大佬阿崔曾经每天晚上在B站直播写两小时代码😅，我突然觉得这是个好主意～ 我不会写代码，我可以直播做短视频呀～ 有人看没人看无所谓，时不时的进来一两个人是不是能让自己工作效率更高、更自律一些😁，如果每天播上五六个小时。让自己每天保持高效率的工作五六个小时，那也了不得👍 就是不知道直播的时候用这些国外的网站国外的工具直播间会不会被封😅？ 不过无所谓啦，反正没什么粉丝，现在封就封了，先干起来再说😁
#B站直播 #AI短视频 #效率提升 #内容创作 #风险未知
avatar
Geek
2个月前
Clash Config Script 一个基于 Cloudflare Workers 的订阅转换服务，用于将机场订阅转换为优化的 Clash 配置文件。
#Clash #Cloudflare Workers #订阅转换 #机场订阅 #配置文件优化
avatar
宝玉
2个月前
为什么我用了那么多提示词模板甚至用了 AI 帮忙还是写不好提示词？ 上次我分享了一个模拟雷军演讲的提示词，广受好评，但也有网友想知道我是怎么写出这样的提示词的。授人以鱼不如授人以渔，还是继续分享一下写好提示词的方法论。 现在流行的是上下文工程（Context Engineering），似乎很少有人提起提示词工程（Prompt Engineering），甚至很多人觉得提示词工程已经不需要了： > “模型已经那么强了，还要啥提示词工程，我写什么提示词大模型都能知道我的意思执行的很好。” 这话只是部分正确，模型是已经越来越强了，普通的需求确实只要简单的提示，但是复杂的需求还是要借助提示词工程才能写的好。 **那么什么是提示词工程？** > 提示词工程是一个过程，系统化地设计、测试、优化提示词的过程——宝玉 网上分享的提示词或者各种提示词模板，它不是提示词工程，是提示词，是静态的，产生这些提示词的过程才叫提示词工程。 举几个我最近写提示词的例子。 第一个例子就是我怎么写雷军演讲这个提示词的。 往下看之前不妨停下来想一想，如果你来写怎么写？ 我是这么做的： 先用 Deep Research 去收集雷军的演讲，然后让 AI 基于 AI 的演讲结果生成一个模仿雷军演讲的提示词。 （图1） AI 生成了提示词后，我拿去测试了一下，虽然也生成了一个类似雷军风格的演讲稿，但是内容平淡无奇，结果并不怎么理想。 （图2） 我用相同的方法分别去 ChatGPT 和 Claude 上测试了，评估下来结果都不怎么好。 看来 Deep Research 搜索出来的结果并不够好，可能很多都不是雷军的演讲，只是新闻报道之类，后来正好在 X 上看到有网友转载的早年有人整理的雷军演讲风格总结，于是用它试试看： > 请帮我生成一个 Prompt，可以把输入的主题或文本生成雷军风格的演讲稿。以下是网友总结的内容作为参考： > \<tweet > > 雷军有一个非常牛的技能，就是把一件平平无奇或者并没有那么厉害的东西用数字、百分比或者其他的形容词给描述成一个听上去可望而不可即的物品。 > 发布会后，极氪高管吐槽小米汽车：小米的营销值得我们学习，但是汽车技术上小米应该向我们学习。 > 雷军的 PPT 和王家卫的电影台词有异曲同工之妙。 > 举个例子，普通人下一碗面就是我什么时候在哪下一碗什么面。但是雷军的PPT 会这样说:经我们小米的员工连续300个日夜不间断的大数据研究发现，97%的人类在早晨七点零三分56秒的时候会出现明显的饥饿感，相比较七点整，饥饿感整整提升了57%。 > 为了解决这种困扰人类几千年的饥饿感，我们小米工程师们反复研究比对发现，面粉的饱腹感要比大米的饱腹感高出21%。 > 于是我们专门找到了面粉原料小麦的5万年前的发源地 --位于中东的新月沃土，砸重金在新月沃土研制出了一款迄今为止最有饱腹感的面条。 > 那么究竟多有饱腹感呢? 比传统的面条饱腹感提升了73%。同时卡路里下降50%。 > 我们也给它取了一个好听的名字，叫小米超级空心面。同时呢，我们还联合饮用水的行业巨头--农夫山泉研制出了业内首创的泡面专用水-农夫米泉。用我们农夫米泉煮出来的面条饱腹感还能再提升11% > 9.9元3斤小米空心强饱腹感面条。（面粉成本1.6元一斤而已）免费送十包调料。总共有9款粗细不同，6种种包装颜色可选 > \</tweet> （图3） 用生成后的提示词去测试了一下，效果极好！ 就这么简单！ （图4）
#提示词工程 #雷军演讲风格 #AI提示词优化 #内容生成 #案例分析