avatar
Baye
5个月前
AI 写的每行代码我都会 Review，不得不说，现在的 AI 在一些简单的任务中写的代码质量已经超过实习生和新手程序员了。
#AI代码质量 #AI超越新手程序员 #代码Review #AI简单任务 #积极
avatar
向阳乔木
5个月前
花了一天时间，基于开源画布产品，加上了nano Banana的生成处理。 无限画布类产品很适合做图片生成交互。
#开源画布产品 #nano banana #图片生成 #交互 #积极
avatar
10xMyLife
5个月前
比起vibe coding，我觉得更值得学习的是git
#Vibe Coding #git #学习 #编程 #技术
avatar
阿橡
5个月前
权威报告：中国企业调用大模型日均超10万亿Tokens 阿里通义份额第
#中国企业 #大模型 #通义 #阿里 #10万亿Tokens
avatar
Gorden Sun
5个月前
推上的朋友应该用不到，但是很有必要给国内的朋友做一个免费、双击就用的小白版本nano banana。 我做了一个，无需登录、无需VPN、API Key我都覆盖了。 双击打开本地html文件，输入提示词、上传要编辑的图片，几秒出结果。
#免费工具 #图片编辑 #无需登录 #简易操作 #国内可用
avatar
响马
5个月前
如果 AI 真的是 AI。 如果 AI 真的是AI，那么它就需要学会记忆。 如果 AI 学会记忆，它就要独立判断接收的信息。 如果 AI 独立判断信息，它就要怀疑人的可信度。 如果 AI 开始怀疑人，它将成为一个令人讨厌的 AI。
#AI #人工智能 #怀疑 #记忆 #独立判断
avatar
NanYi
5个月前
在调试Figma图层直接生成鸿蒙的ArkUI代码，目前消耗那么多tokens，还一行可用代码都没生成出来🤣
#Figma图层 #鸿蒙ArkUI代码生成 #tokens消耗 #代码生成失败 #调试
avatar
🎉 MkSaaS 在 Product Hunt 发布啦 依然是佛系发布，大家走过路过，有时间的可以帮忙点个upvote 祝福每个点赞的大善人，今年一定都能做出爆款产品，出海发大财！
#MkSaaS #Product Hunt #发布 #爆款产品 #出海发大财
avatar
AI真啰嗦啊，比如图中创建数据库表字段，明明可以直接写更简洁，硬要搞个变量来填充。
#AI啰嗦 #数据库表字段 #代码冗余 #不够简洁 #负面评价
avatar
终于用上 Comet 了，让我来看看好用不好用。 发现导入其他浏览器的信息后，很多平台的账号都不需要重新登录，丝滑过度，这点很爽。
#comet浏览器 #免重新登录 #丝滑体验 #账号导入 #积极
avatar
蓝点网
5个月前
#VPS服务器 腾讯云99元/年的CN2轻量应用服务器测试。 新加坡延迟低但最近线路炸的厉害，硅谷的延迟高些但稳定性更好，丢包率低。 硅谷测试IP：43.153.83.217 新加坡测试IP：43.134.59.36 购买指南：
#VPS服务器 #腾讯云 #CN2轻量应用服务器 #新加坡 #硅谷
avatar
Google现在的算法咋回事，我看完鸣镝风云录打算再找本书 搜索繁体中文小说，排第一的感觉就像黄金书屋一样的20多年前的老页面，还没https
#Google算法 #搜索结果 #繁体中文小说 #用户体验 #负面
avatar
向阳乔木
5个月前
哈哈哈，把几何图形传过去nano Banana会按这个图形样子生成。
#几何图形 #nano banana #生成 #图形样子 #哈哈哈
avatar
Geek
5个月前
黑苹果也可以用，在 macOS 菜单栏中显示 USB 连接。 MenuBarUSB
#黑苹果 #MacOS #USB连接 #MenuBarUSB
avatar
小弟调调
5个月前
DevHub v1.45 发布 —— 第 65 个小工具上线！本次新增“文本转北约字母表”等功能，持续打造离线、安全、实用的开发者工具集合。 📥 💬
#DevHub #v1.45 #小工具 #文本转北约字母表 #开发者工具
avatar
勃勃OC
5个月前
最后再“打”一下特斯拉 很多人说FSD Take Rate不高，是因为美国人蠢，不知道自己汽车里有FSD，或者没开通，没用过；用过的人一定会被惊艳——正如他们从中国社交媒体中精挑细选搬运过来的视频那样 这下好了，我记得从去年8月份开始，TSLA就开始对美国的Tesla车主免费推送1个月trial，而且还宣称FSD 13就是自动驾驶未来；甚至还把订阅费调低了100美金一个月 结果呢？Take Rate不超过15%。。。 不是美国人没试过，而是试过之后发现这玩意他妈的和自动驾驶有什么关系？出了事你也不会负责，对吧？那还不如我自己开。 果不其然，眼看FSD 13不行，现在马斯克又开始吹FSD 14了。然后这群粉丝也开始围着FSD 14发疯，股价看到1000+。 我可以明确告诉你，自动驾驶是个无底洞，边际效应递减。同样的事情会发生在FSD 15，16，17，18，19，20，身上，真正的全方位的自动驾驶，可能要到FSD 26才能真正实现。而那时候，Waymo，GM，宝马，奥迪，奔驰，本田，丰田，甚至现代都有自己的自动驾驶技术了。 在那之前，稍微有点脑子的美国消费者都不会为FSD花一分钱。 并且，特斯拉还会面临HW 3，4，5，6，7，8，9，10代车主的集体诉讼。因为这些硬件已经无法支持最新模型，或者表现非常差，正如现在HW3对FSD 13的支持那样。 特斯拉要么免费升级硬件，要么赔钱。 这家公司在FSD上能有多少希望，大家自己掂量一下，看着办吧。
#特斯拉FSD #自动驾驶技术 #消费者诉讼 #马斯克 #技术瓶颈
avatar
Rainier
5个月前
这个人的操作太骚了。大概率要吃牢饭。 这人对安全，对系统理解还是不够深刻。 稍微大一点公司电脑都是装了各种各样的*安全* 软件来进行安全审计的。而且有很多行业公司专门吃这碗饭的。 很多EDR 系统（CrowdStrike、Carbon Black、SentinelOne 等）通常在企业电脑上运行一个内核级或驱动级 agent，会记录文件访问、进程启动、USB 插拔、注册表改动等。这些日志会缓存到本地，即使暂时没联网，也会等到重新上线时统一上传。 任何大规模拷贝，压缩，上传，删除日志都是毫无卵用的。都是触发安全报警的。 一个比较低风险的办法是，直接关机，然后把硬盘取下来。然后到另外一台干净的电脑上，离线解锁硬盘。 然后再把文件拷贝出来，然后再分块加密。 然后再把硬盘装回公司laptop，然后重装系统。 这就让公司的安全系统很难检测到你具体做了什么。但是有的高安全级别的公司，会在硬盘的特定分区保留一些异常操作记录。所以，，， 要在干净的机器上低格。 当然有些三个字的一些机构的电脑，更加高安全等级的电脑，会把一些操作，写在特定的flash中。比如写在TPM，或者UEFI所在的存储中。 这种情况，即便低格也没有用。而且这些机构的电脑，甚至会在即使你断电的情况下，依然能记录你拆下硬盘这个操作。而且一开机，一连网，就上报。 所以，若要人不知，除非己莫为。
#安全审计 #EDR系统 #数据安全 #违规操作 #法律风险
avatar
勃勃OC
5个月前
电价太可怕了 美国人人都成为AI算力爆发的受害者 nb
#电价上涨 #AI算力 #美国 #经济负担 #负面
avatar
勃勃OC
5个月前
做空META，加大力度！ 居然还有GPU资源和奖金争议 这种靠KPI和地道战模式开发的公司 是不可能搞出AGI的 我相信Meta员工自己也很清楚 要不是CFO把财报做的这么漂亮，广告费无底线上涨 股价这么高 我相信2022年底，早就全跑路了 谢谢大家
#做空META #KPI地道战模式 #AGI无望 #CFO财报 #员工跑路
avatar
数字游民的终局是主权个人
#数字游民 #主权个人 #生活方式 #未来 #趋势
avatar
从我有印象起（2000年），每当高考前，总有一种大傻逼跳出来，到处跟人讲， “千万别选计算机” “计算机马上就完蛋了” “科技互联网马上就要暴雷了” 你问它到底该选什么专业，它又开始跟你讲 “生物工程牛逼” “土木最有前途” “数学才是最牛逼的万精油” “只要学好了物理，就能精通各行各业” “自动化才是真正的万精油” “新能源汽车爆发了，赶紧学车联工程” “石油工程才是最好的铁饭碗” “赶紧学核工程，进核电站可以躺平一辈子” …… 对于这种大傻逼，我的建议是，直接拉黑，不要听这些狗逼们嘴里的任何一句话。
#高考 #计算机 #专业选择 #建议 #负面
avatar
Bruce🐼
5个月前
Meta 超级AI实验室传出的八卦 图灵奖得主Yann LeCun现在得向28岁的 Wang 汇报，据说有次会议，LeCun 反对激进计划，但 Wang 回击：「我们是开发超级智能，不是辩论哲学」。 气氛尴尬，传闻 LeCun 可能走人。 从 OpenAI 天价挖来的 Shengjia Zhao（赵胜佳）是ChatGPT 关键开发者，Zhao 因 GPU 资源和奖金争议，威胁回 OpenAI。 现在是拿高薪的不爽，拿低薪的更不爽，或许正如山姆·奥特曼所说：“在我看来，Meta 正在做的事情将导致非常严重的文化问题......有使命的人终将击败雇佣兵。"
#Meta #Yann LeCun #AI实验室 #内讧 #文化冲突
avatar
宝玉
5个月前
不要被“AI 时代只需要通才”这样的话误导而停止对专业的精进，AI 提升的是能力的下限，AI + 通才还是通才，不会让你变成某个领域的专家，通才通常意味着啥都不精，做啥都不行。 在没有 AI 的时代，确实有很多成功的通才，他们擅长跨领域的整合，但他们在专业领域会依赖于人类在某些领域的专家辅助，所以取得了成功。 在 AI 时代，AI 只能提升下限，让你可以更容易的在某个专业领域学习和做一些基础的工作，但要深入的话，AI 是远远不够的。 举例来说，你是个产品经理，不懂编程，借助 AI 确实可以 Vibe Coding 做出来一个原型产品，但是当你更深入，需要做大做强，那么 AI 并不能帮你解决产品的安全问题、性能问题，后期的维护单纯依赖 AI 也很难，因为这些更专业的知识，单纯依赖 AI 是解决不了的，仍然需要人类的专家辅助。 对于普通人来说，通常只有在一个领域深入学习成为真正的专家，去做成一些事情去踩一些坑，才能从中总结出来一些通用经验教训，把这些成功经验复制到其他领域上，如果在每个领域都只是浅尝则止，那又怎么能有成功的经验去复制。 成为一个领域的专家并没有想象的那么难，尤其是 AI 让领域的学习难度平滑了很多，当你在一个领域成为专家，再想成为其他领域的专家，时间就会大幅缩短。永远不要被“AI 时代只需要通才”这样的话误导而停止对专业的精进，精通一项技能本身就是很快乐的事情。
#AI #通才 #专家 #领域 #学习
avatar
indigo
5个月前
红杉的合伙人 Konstantine 刚公开了一段分享「万亿的AI革命：为何它比工业革命更宏大」，其中有五个他们观察到的AI领域正涌现出的明确趋势： - 工作模式从追求“确定性”转向拥抱“高杠杆”； - 价值衡量从学术基准转向真实世界； - 强化学习技术走向应用中心； - AI 开始渗透到物理世界； - 以及“算力”正成为新的生产函数。 第一和第五个趋势，我认为是“工作”定义的范式转变，值得每个人思考并付诸于行动： 我们的工作模式正在发生根本性转变。过去，我们用 100% 的精力去完成一项任务，追求 100% 确定的结果。未来，我们将用 AI 获得超过 100%（甚至 1000%）的杠杆，但需要接受结果在表现形式上的一定不确定性。 例如一位销售人员，过去需要自己手动管理所有客户，逐一跟进。而在 AI 时代，他可以为每个客户部署一个AI Agent，这些代理 7x24 小时监控客户动态、寻找机会。这极大地提升了销售的覆盖面和效率（杠杆）。但 AI 代理的跟进方式、沟通风格可能与销售本人不完全一样，甚至可能犯错（不确定性），这时就需要人来介入和修正。 这要求大家从一个工作“执行者”转变为一个“AI 管理者”和“异常处理者”；对全人工的完美的追求，需要让位于对效率和规模的追求。 红杉对他们投资组合的调查显示，预计每个知识工作者消耗的算力，最保守的估计也将增长10倍。而乐观的预测，则可能达到 1000 倍甚至 10000 倍。正如第一个趋势所说，每个知识工作者未来都可能指挥成百上千个AI Agent，这将带来算力需求的爆炸式增长。 这不仅对提供推理（Inference）服务的公司是巨大机会，也利好那些保护推理过程（安全）和利用这种新生产函数触达更多用户的公司。目前来看，Anthropic 强化 Coding 和 Agentic 能力的策略奏效了，程序员和其它自动化需求强烈的知识工作者带来了高价值的大量 API 调用消耗🤔
#AI革命 #红杉资本 #工作模式转变 #算力需求 #AI Agent
avatar
宝玉
5个月前
推荐阅读：《AI 会取代人类思考吗？我们为什么仍要亲手写作和编程》 作者：Simon Späti 重新学习思考，警惕对 AI 的依赖。 每天关于 AI 的（吹捧的或无聊的）文章层出不穷。用它没问题，大家也都在用，但我们仍然需要打磨自己的手艺，并努力去思考。 就像 DHH（David Heinemeier Hansson，Ruby on Rails 框架创始人）所说： 精通某项技能比一直等着 AI 完成任务要有趣得多。 在我看来，AI 让我们不快乐的概率非常高。用，当然可以，但不能事事都用。我们可以用它来探索新知、梳理历史脉络，或者制作图表（比如用 Canva、Figma），但绝对不能用它来写作（或编程）。世界总需要有人贡献新的知识和见解，而 AI 无法自我训练。因此，文章、书籍和文字仍将被创作，当人人都依赖 AI，导致其发展停滞时，作家的价值反而会更加凸显。 从长远来看，这是一种损失——人们将停止思考和学习。时间会证明一切。我的浅见是，如果你在某个领域已是资深专家，你会比 AI 更懂。 Bsky 何时使用 AI 的指南 我从 ThePrimeagen 的一个视频中听到一个观点：这取决于你决策的影响有多长远。短期内，用 AI 自动补全代码没问题，但让它做架构设计这样重大的决策，绝对不行。 Image 这张图的横轴是时间，纵轴是错误数量。它表明，我们让 AI 参与的决策越是影响深远（比如系统架构），它产生的错误就可能越多。 如果我们用它来快速补全代码，或者写一个定义清晰的算法函数，那么出错的概率就小。在初始阶段，你可能会提升 20% 的效率；但到了后期，你失去的会更多。 这就像现实生活中，我等待决策的时间越长，掌握的信息就越多，做出的决定就越好。这正是 Shape Up 工作法所倡导的，决策周期最长为 6 周，不制定更长远的路线图和积压任务。使用 AI 也是同理，因为它的所有输出都是基于概率预测的。 Forrest Brazeal 的另一张图也很有启发性： Image 同时，也要牢记什么对你的应用场景最重要，正如 Thomas Ptacek 在《我的那些 AI 怀疑论朋友都疯了》一文中所展示的： Image 毫无灵魂 没人想读毫无灵魂的文字，即使它写得还不错，你又能从中得到什么呢？我认为这是一个巨大的陷阱，人们只有在时间流逝后才会意识到。当然，AI 能提供帮助，每个人在“某些”任务上都需要它们，但不应是写作本身。 归根结底，大语言模型 (LLM) 和 AI 需要引导，它们只是概率的产物。另见 亲手写作。 分心 我认为我们将比以往任何时候都更容易分心。我们甚至没有两秒钟的思考时间，Grammarly、Copilot 或 Cursor 就会跳出建议。于是，我们不再独立思考，只是随波逐流，渐渐失去了主导权。 这让我想起最近写的一篇文章《寻找心流》。更多关于“不要事事依赖 AI，否则你会停止思考和学习”的讨论，请见 AI 的使用 和 写作之难。 别误会 别误会，我自己也每天都用 AI，但用得更审慎。我关掉了 Grammarly 和 Copilot（很久以前就关了），这样我才有空间去思考和学习。偶尔用一两次没问题，但如果处处都用，你不仅会失去学习新技能的机会，也会失去其中的乐趣。 关于“人机协作智能”（LLM Collaborative Intelligence, LCI）的讨论很有趣。当然，它会带来很多好处，但我不确定这些 AI 产生的“洞见”能否与人类历经艰辛后感受、感知或体验到的洞见相提并论。所以，是的，我对此没有太多期望，也不希望它来创造新的见解。因为那是我工作中真正有趣的部分 :) 锻炼一项技能 事情永远不是“全有”或“全无”，而是在于度的把握。学习的问题在于，如果你频繁使用 AI，我认为你其实学不到太多东西。写作时只是复制粘贴，编程时只是不停地按 Tab 键。学习的过程消失了。如果这种情况持续下去，我们的大脑就不再习惯于学习，更严重的是，不再习惯于思考。就像记忆一样，我们现在还能记住几个手机号码？很少了。但在早期用电话的时代，我能记住很多，因为我每天都在训练这个能力。 这完全是一个熟能生巧的问题。我为自己总结出——虽然不一定适用于每个人——我发现自己不再学习或思考了。坦白说，也失去了乐趣。这主要是在我熟悉的领域。 在其他领域，比如创作一张图片（就像我为这篇文章做的那张 😆），或者用 HTML/CSS 更新我网站的首页，这些事因为不常做，AI 帮我省了很多时间。但我得说，除了学会了如何给 Claude Code 写提示词，我并没学到任何新东西。这始终是一种权衡，不是吗？:)
#AI依赖警惕 #思考重要性 #人机协作平衡 #长期学习 #技术伦理