avatar
德潤傳媒
1个月前
雷军 #雷军年度演讲 世界500强100老店,距离99年...
小米YU7：狂销争议与交付疑云· 93 条信息
#雷军 #年度演讲 #世界500强 #100老店 #99年
avatar
Yifeng Wang
1个月前
新的 AI coding 经验：ChatGPT 的 Deep Research 支持关联 GitHub 仓库，用它出的报告来指导 codex 重构，是 vibe coding 屎山的清理神器，显著强于 claude code plan mode 或者 codex 自己写报告自己改。唯一缺点是极慢，完整流程半小时起步。
AI编程工具激战：Claude Code、Gemini Cli崛起· 1256 条信息
#AI Coding #ChatGPT #GitHub #代码重构 #效率
avatar
这个 AI 炒股界面做的真酷，连 AI 的投资逻辑都写上了。 来围观一下-->/rockalpha.rockflow.ai
AI交易比赛：DeepSeek V3领先，GPT-5惨遭亏损· 98 条信息
#AI炒股 #投资逻辑 #科技 #金融 #积极
avatar
DinoDeer
1个月前
如果你大言不惭的说 50% 的代码是 AI 生成的，产品收入并没有增加，技术人员也没有减少，工作时间也没有减半。 那请问AI 到底创造了什么价值？ 哦，情绪价值，跟上时代没有被甩下车的错觉。
OpenAI GPT-5发布引发用户不满，阿尔特曼回应质疑· 158 条信息
#AI价值 #AI生成代码 #产品收入未增加 #技术人员未减少 #情绪价值
avatar
Gorden Sun
1个月前
AI资讯日报，10月27日：
AI技术引发伦理争议，专家呼吁加强监管· 22 条信息
#AI #资讯 #日报
avatar
麦通MSX
1个月前
🚀 GTC DAY！猜英伟达涨跌，赢 $NVDA.M 代币！ 英伟达 GTC 大会将于本周开启，老黄 Keynote 重磅登场！市场屏息以待…这一切会如何影响 10.29 演讲当天英伟达的股价？ 👉 参与活动： 关注 + 转发 + 评论押宝：📈 看涨 or 📉 看跌 and 你的 MSX 地址 DDL：10 月 28 日 21:30（UTC+8） 我们会在收盘后抽 10 位预言家，平分 $150 等值的 $NVDA.M ! 悄悄说，MSX 上的交易员们早就开始布局 $NVDA.M 了，跟上节奏！💪 $NVDA.M: #麦通 #MSX #NVIDIA #GTC #黄仁勋演讲 #美股交易
美股新行情：就业数据下修引恐慌· 322 条信息
#英伟达GTC大会 #老黄Keynote #NVDA.M代币 #股价预测 #美股交易
avatar
Andy Stewart
1个月前
这个太弱了，我们正在开发黑科技，所有在Linux下的App都可以远程跑。 还有很多和本地交互的细节，不止跑起来就可以了。 懒猫微服的用户期待吧，估计下个月就有完美的版本了，再加上懒猫AI算力舱，私有化数据分析，你懂得。
懒猫家族新成员亮相，AI算力舱引发热议！· 143 条信息
#黑科技 #Linux #远程应用 #懒猫微服 #AI算力
avatar
sitin
1个月前
豆包豆包编程升级，新增创作模式，让创意轻松实现，让零基础用户也能轻松开发网站和应用。 此次升级引入多模态输入功能，支持文字、图片、文件、画板等多种输入形式，AI可自动理解并补全逻辑。 新增Agent多工具协作系统，自动联网搜索素材、配图、检查代码，确保生成内容的准确性和可用性。
深度学习模型升级引发AI能力大跃进，行业迎新变革· 143 条信息
#豆包编程 #编程升级 #创作模式 #多模态输入 #AI辅助
avatar
viggo
1个月前
一天时间用 ClaudeCode 给项目做了订阅，内购积分，新用户赠送积分，每日签到送积分，用户推广奖励积分的功能 一次提交改了这么多行代码，我一整个大学4年都没有写过这么多行。
AI编程工具激战：Claude Code、Gemini Cli崛起· 1256 条信息
#ClaudeCode #项目订阅 #内购积分 #用户推广奖励 #代码生成
avatar
dontbesilent
1个月前
在写了 13000 字的系统提示词之后，发现 DeepSeek V3.1 比 R1 好用 推理并不总是好事
深度学习模型升级引发AI能力大跃进，行业迎新变革· 143 条信息
#DeepSeek V3.1 #R1 #系统提示词 #推理 #AI模型
avatar
Vonng
1个月前
今天在跟进处理 PG 18 的扩展插件，有些没人更新的 Rust 扩展就自己接手加上 PG18 支持了。Claude Code 干这个还是很顺溜的。有时候碰上 Rust / C 扩展新版本适配疑难杂症，基本上都可以一把定位一把过。
AI编程工具激战：Claude Code、Gemini Cli崛起· 1256 条信息
#PG18 #Rust扩展 #Claude Code #新版本适配 #积极
avatar
买服务送懒猫微服 哈哈，确实哪怕是比起 AI 算力舱来说，现在的服务都要更值钱一点
懒猫家族新成员亮相，AI算力舱引发热议！· 143 条信息
#服务 #懒猫微服 #AI算力 #值钱 #积极
avatar
偷工减料发挥到极致！小米SU7居然取消了车底钢板，座椅直接按在电池上。
小米汽车维权事件：数百车主要求退车引发舆论风波· 74 条信息
#小米SU7 #偷工减料 #取消车底钢板 #座椅直接按在电池上 #负面
avatar
Gorden Sun
1个月前
MiniMax开源MiniMax-M2 230B总参数，10B激活参数，水平跟其他国产头部开源模型接近。 模型：
MiniMax M1发布：开源长上下文推理模型引发AI领域震动· 27 条信息
#MiniMax #开源模型 #MiniMax-M2 #230B参数 #国产头部模型
avatar
如果你还只会用ChatGPT 那你已经落后半个AI时代 这张图告诉你，真正的AI创作者在用什么👇
OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 869 条信息
#ChatGPT #AI #AI创作者 #技术落后 #AI时代
avatar
近日，来自太阳系外的天体3I/ATLAS被网络热炒为“外星飞船”，甚至被传有“兄弟舰队”直奔地球，引发末日猜想。哈佛学者指出其轨道、形态存在异常，且早期观测几乎无彗发与彗尾，这与典型彗星不符。中国探测器最新数据为揭开其真实身份提供关键证据。#外星飞船
太阳系迎来第三位星际访客，外星物体引发科学界热议· 10 条信息
#外星飞船 #3I/ATLAS #哈佛学者 #末日猜想 #中国探测器
avatar
大帅老猿
1个月前
在 Codex 的指导下优化了数据库的查询，现在快到起飞，当然还有很大的优化空间。相同的问题我也请教过 Cursor，但是没能有效的解决。 其实 Vibe Coding 要做个产品出来很容易，但是一旦用户体量上去了，要优化还是非常考验经验值的。但是大部分Vibe 出来的产品可能走不到这一步。
AI编程工具激战：Claude Code、Gemini Cli崛起· 1256 条信息
#Codex #数据库查询优化 #Vibe Coding #Cursor #产品优化
avatar
sitin
1个月前
用 AI coding 快速开始一个产品很容易，但是要打磨好一个产品还是需要不容易。
独立创业者如何突破零收入困境，迈向月入1000元· 307 条信息
#AI Coding #产品开发 #产品打磨 #快速开始 #不易
avatar
宝玉
1个月前
研究 Vibe Coding 都能写论文了，来自中科院、杜克大学等的这篇《基于大语言模型的Vibe Coding综述》，还是花了点功夫把 Vibe Coding 相关的论文、信息梳理了一遍，有一些值得看的内容。 【一】 首先是对 Vibe Coding 的定义，这篇论文把 Vibe Coding 描述成一个“三方关系” （参考图1）： 1. 人类开发者：不再是代码的直接创作者，更像是需求的提出者、方向的把控者和最终质量的仲裁者 。你的主要工作是清晰地表达意图，并判断 AI 做出来的东西“对不对”。 2. 软件项目：不再仅仅是代码库，而是一个包含代码、数据、文档、领域知识等各种信息的“上下文空间” 。AI 需要从这里获取信息来理解任务。 3. 编程智能体 (AI)：负责具体的编码、修改、调试工作，它听从人类的指令，并受项目上下文的约束 。 论文也提到了 Vibe Coding 带来的问题：经验丰富的开发者在使用高级AI工具时，完成任务的时间反而增加了19% ！ 【二】 为什么经验丰富的开发者 Vibe Coding 时间更长？不完全是模型能力不够，还有其他原因： 1. 系统性的上下文工程 (Context Engineering)：你得知道怎么把项目信息（代码库、文档、规范）有效地“喂”给 AI 。AI 不是凭空写代码，它需要知道你的项目是怎么回事 。光会写漂亮的提示词 (Prompt) 是不够的，管理上下文信息才是核心技术 。 2. 反馈循环 (Feedback Loops)：不能简单地把活儿全丢给 AI。怎么提要求？怎么给反馈？什么时候该介入？这些协作方式直接影响效率和质量 。 3. 基础设施 (Infrastructure)：你需要能安全执行 AI 代码的“沙盒” ，能跟 AI 流畅对话、共享项目信息的交互界面 ，甚至需要能自动化测试、部署 AI 代码的平台 。没有这些基础设施，AI 就是“带镣铐跳舞” 。 【三】 五种 Vibe Coding 开发模式 ： 1. 无约束自动化 (UAM)：完全放手让 AI 干，你只看最终结果 。速度快，风险高，适合做一次性原型或小工具 。有点像软件工程里的“快速应用开发”（RAD） 。 2. 迭代式对话协作 (ICCM)：你和 AI 像结对编程一样 ，AI 写，你审，反复沟通迭代 。质量有保障，但需要你深度参与 。 3. 规划驱动 (PDM)：你先做好设计、定好规范（比如写好技术文档、规则文件、实施计划） ，然后指导 AI 按计划执行 。有点像传统的“瀑布模型” ，但 AI 的快速迭代让它更灵活 。 4. 测试驱动 (TDM)：你先写好测试用例，定义清楚“怎样算对” ，然后让 AI 去写能通过测试的代码 。用机器验证代替人眼审查 。这是传统“测试驱动开发”（TDD）的应用 。 5. 上下文增强 (CEM)：这不是一个独立流程，而是一种“增强插件” 。通过检索增强生成（RAG）、代码库索引等技术，让 AI 能更好地理解项目现有情况，生成更贴合项目风格和规范的代码 。它可以与其他四种模式结合使用 。 【四】 Vibe Coding 的最佳实践——把 Agent 当员工而不是工具 很多一直把 AI 当成一个“超级自动补全”，一个更聪明的 Stack Overflow，我们把它当成一个“工具”，而实际上，它是一个智能体（Agent）。 “工具”和“Agent”的区别是什么？ - 工具（比如锤子、编译器）：它帮你完成你正在做的事。你100%掌控它。 - Agent（比如一个初级程序员）：它能自主完成任务。你需要给它分配任务、给它“记忆”（上下文）、给它权限，并对它进行“管理”和“审查”。 如果试图用“使用工具”的方式，去“管理一个员工”，结果就是会带来两个极端： - 一个极端是盲目接受：AI 写的代码，语法漂亮，看着很对。你“Vibe”一下，直接提交。结果生产环境崩了。你大骂“模型产生了幻觉”，而真正的问题是，你跳过了必要的检查环节： 代码审查、自动化测试。 - 一个极端是过度怀疑：你根本不信它，它写的每一行你都要重写，这同样影响效率。 这特别像那些管理水平不怎么样的 Engineering Manager：要么对员工（AI）完全放任不管，要么事必躬亲地为管理。 最佳实践是在关键节点设置检查站，自动化验证流程，但在过程中放权。就像一个新员工入职，你不会直接让他们在生产环境上更新代码，而是会有配套的流程和环节保障。 【五】 开发者的角色正在发生根本性转变。你不再仅仅是代码的生产者，你的核心工作变成了： 1. 意图阐述与提示工程：把复杂需求翻译成 AI 能理解的清晰指令 。 2. 上下文管理：精心挑选和组织信息（API 文档、代码片段、设计规范），喂给 AI，限制它的“自由发挥”，确保方向正确 。 3. 系统级调试：当 AI 生成的系统出问题时，重点不再是逐行 GDB，而是从系统行为层面去推测、定位问题，然后引导 AI 去修复 。 4. 架构监督：AI 负责实现细节，你得把握整体架构，确保项目的概念完整性和长远健康 。 5. 质量验证与治理：设计测试用例，利用自动化工具验证 AI 的输出，管理 AI 的权限，追踪代码来源 。 简单说，你的价值从“写好代码”变成了“用好 AI 来写好代码”。这不仅仅是技能的增加，更是一种思维模式的彻底转变 。 【六】 Vibe Coding 带来的挑战：安全、可靠性、监管，以及……我们自己 1. 代码可靠性和安全性：AI 可能从训练数据里学到并复现各种 Bug 和安全漏洞 。只看“Vibe”不看代码，无异于“盲驾” 。我们需要新的自动化工具和流程来实时监控、验证 AI 生成的代码 。手动代码审查根本跟不上 AI 的产出速度 。 3. 大规模监管：当 AI 智能体能自主修改、部署代码时，如何有效监督它们？如何防止一个错误像病毒一样扩散？如何追踪责任？ 。现有的管理和审计方法都过时了 。我们需要能与 AI 能力同步扩展的监管架构 。 3. 人的因素：开发者需要转变思维模式 ，学习新技能 。团队协作方式需要调整 。更重要的是，如何建立对 AI 恰当的信任度——既不盲从也不过度怀疑 ？ 4. 教育脱节：现在的计算机教育体系，有教你怎么“指挥”AI 写代码、怎么设计 AI 的工作流、怎么评估 AI 的风险吗？很少 。人才培养的速度，远远落后于技术发展的速度 。 论文地址：
AI编程工具激战：Claude Code、Gemini Cli崛起· 1256 条信息
#Vibe Coding #大语言模型 #AI编程 #开发者角色转变 #AI安全
avatar
智能不在单个系统中，而在耦合的动力学中
#多智能体之争：Anthropic生态VS单智能体· 81 条信息
#智能系统 #耦合动力学 #技术 #AI发展 #系统集成