🔥 Search Hot Tweets
Search and analyze hot tweets from KOL accounts within 6 hours. Use SoPilot plugin to quickly comment and occupy the comment section.
终于在周末前补课体验了 @oran_ge 前段时间刚发布的FlowSpeech @ListenHub ，快速做了两个usecase感受了下效果，不得不说声音的“人感”做的太到位了⬇️ https://t.co/0NYRlEdq30
币安钱包刚出的网页版简直是 meme交易神器！ 几大功能亮点： - AI 智能总结代币叙事 - 极速交易 meme 代币无延迟 - 聪明钱跟踪+社交媒体追踪 5 分钟带你快速上手币安钱包网页端：🧵 https://t.co/5StrX9NZ1W
现在的电商 Agent 很多，但很多还停留在商品图、文案、广告素材的设计上，已经是两年前的玩法了。 大家对电商 Agent 的真正需求是帮我调研市场、设计产品、匹配供应商，直接完成采购。这个能力，放在现实中，需要一整个专业的采购团队。 Accio Agent 就真的去解决了这个问题，现在彻底火了，一码难求。 它究竟做对了什么？ Accio Agent 是个拥有跨境采购专家能力的 Agent。 比如一个水杯在社交媒体上爆了，这时候购买需求暴增，可以把这个水杯的图放到 Accio 里， Agent 就能在10分钟内给出100种改款灵感，还能快速找到具备定制能力的合格供应商。 这些工作，在过去，可能需要一个专业采购团队花上数周才能搞定，现在就一次问答的事情。 这就跟 Accio 的名字一样，「飞来咒」，把你需要的东西，瞬间召唤到手中。 为什么 Accio 能做到这点？ 因为它是阿里国际站做的，里面整合了阿里巴巴的资源，你懂的。 不过现在这个一码难求的情况，想用也用不上，官方看到的话要不要发点码出来给大家玩呢？
啊！我的最佳工作状态模式，基本上与 Bear Liu 一致！但我会再加一条：我会穿一件带帽的衣服，并把帽子戴上，用来最小化视觉干扰，让可视区域尽量只聚焦在屏幕上。（图为我的此时此刻） 也分享几个我的语音输入的技巧： https://t.co/jw4uX5helD
24h前Genspark刚刚公布了AI Developer！ 我们用7个硬核任务，全面测评了这5款AI Agent工具的编程能力：OpenAI Agent、Genspark、Manus、Perplexity Comet和Lovable。 谁才是真正的AI开发王者？ 结果很有趣！👇 https://t.co/NzzcWZx9Fx
现在绝大部分时间，都回归到了和Agent一起探讨需求上 我觉得这是对的 很多年前我们在跑Scrum流程 那时候2周一个Sprint，但实际上只有4-5天开发时间和2-3天测试时间 每每到周四周五，大家都没有任何的任务 因为周四和周五是全天开会的 周四上午是Sprint总结会，开诚布公的总结这个sprint的所有问题，下午是PO讲需求，每一个任务需求大家都坐那一起讨论，一下午根本也讲不了几个，会按照PO的优先级挨个往下走，甚至还有人会质疑PO的优先级 每个需求讲完了，我们都会用一个内网的H5小程序去投票，投需求规模，比如xs/s/m/l/xl 大于m的需求，全部打回让PO继续拆解，直到能拆解到m才会执行 同一个需求，有人会投xs，有人会投L，然后大家就会发言，你为啥投xs啊？ 有趣的事情就接踵而至： 有的时候是这个人想的太简单了，没理解对需求 有的时候是这个人有一个巨好的方法，比如他知道一个github项目能立马搞定这个事情，这里面信息就通过会议透明化了 然后晚上大家回去，都会去思考这里面的实现困难，要如何定义如何配合，到周五来了又是一天会 从上午就开始，对于这些任务进行故事点投票，1-8都有 相同的实现方案，有人投的故事点是5，而老手可能会投出2 通过几轮Sprint你大概就知道这个固定的团队，2周时间到底能处理多少故事点，一般需求排到那些故事点后，就不会继续了 那段时光虽然持续开会，但大家的对接效率出奇的高，因为人们对一个事物的理解保持一致性了，所有的困难也因为多人的讨论提前预演并解决，每个团队成员还都有参与感，都在贡献想法在协同工作 后来我待过的任何一个团队，都没有这种氛围了 直到和AI结队后，我似乎又找到了那种一起迸发灵感的时候 时间守恒定律告诉我们，如果不在设计沟通上花时间，就注定要花时间擦屁股 不论是和AI也好，还是和人类也罢，都是一样的
为什么这么多大佬都去搞安全呢 因为只有这样才能站在ai金字塔的顶端 所有的危险都是从安全中产生的 搞安全就意味着得先制造危险 能掌控ai的人类就是从这里走出来的 所以大佬都在干安全 无一例外 不论是科幻还是现实世界 故事的起因都是一个科研中心在研制某种治疗绝症的疫苗 最终引发了灾难 这是反者道之动😂 搞安全的肯定不乐意别人这么讲 一竿子打翻了一船人 毕竟搞安全的也分阴阳 里面真的有一帮人认真守护人类安全 但没办法，危险的人也混在其中 稍微有点朴素的哲学观，都很容易理解这件事
终于换上了 mac mini + LG 面板 5k 显示器 回想起之前的 8gb 内存 MacBook Air，简直是集中营一般的生活 马上给 mac mini 接上 HomePod，吃点好的
我发现我效率最高的工作状态模式了：用降噪耳机连着手机听电子音乐，然后用 Mac 端的 Wispr Flow 进行语音输入，指挥 AI 干活，或者自己动手做任务，效率直接提升 200%！ https://t.co/Qy8hY21Qjc
之前在公司当牛马时，完全没发现自己还有做销售的能力。现在去线下小规模分享，居然都能很自然的卖出去几份课程。 关键是我都没有介绍课程本身，就是真心分享我的自媒体模式和心得，特别说明我和传统卖课不太一样。 常规的卖课有两种：一种是以课程为导向、纯销售的模式，比如花一两个月做出一套课程不断推广。典型的 9.9 引流 4999 的高价课大多都是这种模式。 另一种是内容创作者型，他们本身就是优秀的内容创作者，在某个领域专业背书，同时有很多粉丝，把积累的技能做成入门课程。典型的是 Marc Lou 和影视飓风。 我呢，则是第三种形式，内容创作即课程，课程即内容创作。我把课程的一部分直接发布在平台上展示专业性，同时把一些内容精炼成适合中长视频平台的有趣视频。这样我不仅能持续更新，让用户觉得有趣、实用，还能紧贴最新技术和话题。 最终他们在理解我的模式，回去看看我之前发布的视频后，就很自然的入了我的课程。当然我参加的线下活动，很多朋友本身是对 AI 感兴趣的也很关键。 虽然我的课单价不高，但每天卖出两三份就能超过上班的收入。 最近推上有不少人想卖 Vibe Coding 课程，算给大家提供一种思路吧，我觉得我的这个模式挺好的。 这种模式既结合了我的专业性，又能保证课程的有趣性和时效性。能让我在不脱掉程序员的长衫同时，又能体面得获得稳定的收入。再抽空做点有趣的项目😁
这是你听过最励志的白手起家故事。 彭博社称她为「加密货币领域最有权势的女性」，并入选《财富》全球杰出领袖。 从超市门口推销饮料的女孩，到全球最大加密货币交易所的亿万富翁高管。 “币安一姐”何一的真实人生：🧵 https://t.co/icBXwDV8DC
今天意外发现，第一个用 ListenHub 赚钱的用户出现了，一周赚了3000。 bluest用 FlowSpeech 的自然丝滑的语音做数字人视频引流，比用之前的tts，引流转化率直接翻倍。 我问他愿不愿意把他的赚钱故事分享出来，他说没问题，还发了截图给我。 https://t.co/kZFWYmXWii
提示词写作技巧：Two-Stepping 这篇由 Rob Lennon 分享的帖子介绍了一个叫 “two-stepping” 的提示词写作方法。虽然是一年多前的内容，但现在看依然有参考价值。 核心思路是分两步走： 先写正常的指令，告诉 AI 你想要的内容或格式。 在同一个提示里加一句，例如："First, output your response according to the instructions above. Then…" —- 第二步再让 AI 对第一步的输出进行总结、扩展、重构或检查。 这种方法的好处是可以一次性把产出和后续加工整合到一个提示里，减少多轮对话的来回，也更容易保持上下文一致性。 我的个人感受： 我觉得这种技巧很适合在需要"加工+润色"的场景，比如先让 AI 产出原始文案，再立刻让它帮忙缩短成标题、提炼成要点，或者转成另一种风格。尤其是在内容创作和生产流程里，可以节省大量切换任务的时间。虽然现在 AI 的上下文能力比以前强很多，但"two-stepping"依旧是一个能让结果更可控的好工具。
1973 年，联邦快递距离破产只剩 7 天…… 他们每月亏损 100 万美元，账上只剩 5000 美元。 要么支付那笔 24,000 美元的账单，要么公司就彻底完了。 于是，首席执行官弗雷德·史密斯飞往拉斯维加斯，把全部赌在了 21 点上。 但没人知道，他其实早就掌握了一张王牌：🧵 https://t.co/U2kjLi7boE
我刚刚读了保罗·格雷厄姆关于努力工作的文章，其中这句话让我印象深刻： “要做真正有价值的工作，就要活在未来，然后去创造现在所缺失的东西。” 接下来他说的内容，可能会让你大吃一惊：🧵 https://t.co/ih1ow65RAp
用Coze做了个AI日报机器人 Coze按组件化思路，搭建小工作流模块，再像搭积木一样组合。 比如抓取原始网页内容 比如生成HTML网页 比如HTML代码转图片 比如给自己飞书发消息 ... 组合起来：采集 ->生成网页->转图片->发飞书 AI日报自动生成发自己，点赞过300写教程。
偶然看到一个浏览器投票，Comet 用户远比 Dia 多了，设计和情怀真不值钱，你做得再好也很容易被别人取代。以前 Arc 属于独一无二的赛道，就它自己和国内无数模仿者，现在 AI 浏览器太多了完全没竞争力了，等 OpenAI 自家的浏览器上线更别玩了。
我是一个不怎么喜欢点外卖的人，主要是我讨厌用一次性餐盒，不喜欢那种廉价感，我喜欢食物在瓷器餐盘里的感觉。 但今天我发现这波外卖补贴，我平时最爱的一家贵州羊肉粉，淘宝闪购原价 32元 居然 16 元就能吃到，直呼真香！ 我下周要天天吃外卖 Hhhhh https://t.co/yJpzjsdcX8
请大家多多支持小红书第一个韩语知识博主吧 여러분 샤오홍슈 최초의 한국어 지식 블로거를 많이 응원해 주세요 https://t.co/cBCzUMukQG
过去的 1 个月，除了吃饭睡觉和在路上的时间，我几乎都在 Vibe coding，甚至经常搞到凌晨两三点，同时订阅了 Cluade code，Cursor 和 Augment，AI 轮休我不休，把 16 个想法分别做了 iOS App，还额外做了几个网页。 今天把 Cluade 、Augment 的订阅取消了，保留 Cursor 和 ChatGPT，不会再如此沉迷，重新平衡。 现在，有 2 个 App 我自己每天用，1 个准备走完发布流程，还有 1 个是我想长期维护，业务跟自己绑定的，为了后续有保障，交给团队正在重新开发。 其它的，全部烂尾，通常是做着做着我觉得没意思就不想做了。 那我得到了什么呢？ - 确实爽到了，所有的想法，都可以立马开一个新项目，直到我不想做； - 不再担心开发遇到困难，常见的问题很多都碰到过，再碰到甚至都不用重复问 AI，实在解决不了的，也能很快想出新方案绕过去； 做了这么多，有时候我也会想，编程零基础可以 vibe coding 做出一个应用吗？答案肯定是可以的，但要做好，我认为跟用什么 coding 方式没有关系，主要是看做事的水平，我也看到一些本职工作是软件开发的朋友，他们用 AI 做出来的产品要比我高出很多个段位。 昨晚，跟 Neo 开视频讨论了一个小时关于该不该教人，尤其是能不能教小孩 Vibe coding（最近他在小红书火了一个帖子，有不少人主动找他想学），我们认为，小孩子学会 Vibe coding 是有意义的。 能够快速地把自己的想法做出具体的东西出来，自己会收获成就感，会变得自信吗？会的，自信就是通过获得渐渐积累起来。但是会因为可以太快把东西做出来，导致不想去深入学习和研究编程基础，有这种可能吗？我不知道。
收到了推油艾逗笔的书籍，特地走10米来到洱海拍一个 背面有低空飞行小暗广 推油们都是成功人士啊👍 https://t.co/kpbdiMU0AC
在做视频多语种同步的时候有个新发现，就是不同语种的表达效率不同 导致同一个视频，用不同的语言表达出来，视频长度不一样，字幕文件没办法重复使用了 全部要用 AI 重新整理，对齐中文和外文 我有一个 3m21s 的视频，如果卡时间改成韩文，语速就会非常怪异 允许 AI 修改视频长度之后，变成了 3m58s 语言表达效率大概是：中文 > 日文 > 越南文 > 泰文 > 英文 > 德文 > 法文 > 西班牙文 > 意大利文 > 韩文
claude code 和 gemini cli 获取不到浏览器数据 怎么能让它们弄个爬虫，爬抖音小红书里面的链接呢？ 如果能搞到链接，就可以接入一些 api，批量下载这些高赞视频（✅ api 已经解决） 就可以批量提取文稿，分析出文案框架 （✅ 分析文案的 prompt 已经有）
有人说 AI 时代，人应该活的更像人，随性，自然。 但 AI 的做法其实是对人类高水平做法的模仿。 向 AI 学习，其实也是向人类高手对齐。 比如 AI Agent会理解人类意图，拆解任务列清单，挨个执行，最后校验，交付成果。 可能有点死板，但确实是解决问题的最佳SOP。 比如 AI 回复，总有前后引导语，一级标题，二级标题，列点表达。 看起来机械，甚至开始被人讨厌。 但确实是更清晰的结构化表达。 日本茶道、武道经常提到“守破离”，是很好的学习方法，跟 AI 学习也一样。 ① 守（しゅ - Shu）- 模仿阶段 ② 破（は - Ha）- 突破阶段 ③ 离（り - Ri）- 创新阶段 不要嘲讽 AI 的机械死板，先模仿起来，然后才是突破和创新。
当一个设计师决定 20 天内做出一款 App，还一行代码都不写，会怎么样？ 结果就是——Jam 诞生了！😄 现在它已经更新到 1.0.1 版本，支持英文界面啦！🚀 Jam 这个想法是我之前发的一个爆款帖引出来的。很多非英语母语者学了很多单词和语法，可一到真实场景就开不了口。 我就想：干脆让练口语变得简单点—— 随机一个话题，说满 60 秒，AI 马上给你个性化反馈。 就这样，这个想法从草图到上架，只花了 20 天，Build in public。做完这个 MVP，我才真切体会到为啥产品人总说：“先上线，再慢慢优化。” 用 iOS 的朋友现在就试试（7 天免费体验），App Store搜索“JAM英语口语”，或者下面评论区直接下载，用完记得告诉我感受～ 想更深入玩？私信我来领取尊贵的免费兑换码！
强制交社保的连锁反应来了： 1. 环球影城麦当劳等企业开始招聘退休人员了，因为退休人员不用上社保。 2. 有的企业还想出了拼员工的主意，比如在瑞幸上班 4 小时，再去隔壁蜜雪冰城上 4小时，因为不超过 4 小时不算全职不用上社保。 现在理解国家的用心了，大爷大妈闲着没事干就会给社会添乱，不如让他们去打工，反正现在他们也是天天挤在麦当劳里面蹭空调，不如给他们工资让他们继续蹭。 。 。
我们正在处于一个无法回退的生产力变革进程中 当下AI在逐渐侵蚀并重塑软件行业 对于很多年前，人们就开始利用NLP，神经网络等方法尽量的去使用用户数据来构建更加懂用户的体验 但这个过程需要消耗大量的资源与成本 所以绝大部分的产品都无法做到这样 我们就以邮件而言，对于过往的软件设计，邮件无非是已读未读，或者通过一些状态位分类来标识管理 但实际上邮件服务商拥有用户大量的信息，这些上下文足以帮助用户挑选出重要的邮件并进行分类，也能明确分析出应该投入较高注意力的内容 AI越发展，就会越能利用这些数据迭代成更强大的AI 因为拥有你的数据更多，它表现的就更好 从前软件时代人们的迁移成本无非是数据存储，大部分软件公司在早期冷启动时，会选择提供数据迁移功能，比如网易云音乐启动时利用歌单导入来降低迁移成本获得客户 但AI时代中，这些数据被隐性化到Agent的行为中了，数据转化成了Agent的性能资产，所以当人们习惯了一个产品的体验后，会更加难以迁移，数据壁垒带来的作用会更加明显，寡头也会逐渐变多 另外，由于AI可以在某种限制下自动化生成界面，UX体验也会从原来固定化基于规则的界面形态，转变成动态形态 以前我们要设计一个组件，比如给用户返回机票酒店等订单确认信息，那每一个产品信息类别都需要单独处理一次组件，或者将共性信息抽象成同一个组件 这就限制了很多个性化表达，产品设计要在特性和共性与成本之间做衡量取舍 但AI时代不一样的地方在于，我们其实不再依赖规则设计，而是依赖一种指导准则。 机票信息就可以让AI按照机票信息展示的方式回复，酒店就按酒店的回复，这些都可以AI生成，甚至可以生成好几套方案后选择其中一套固化，AI还能遵从设计风格来生成与VI匹配的风格 你见过的，就可以固定，你没见过的，它也能随机的支持 这令软件用户体验也发生了巨大的转变 当用户越来越习惯这些交互，与AI带来的便捷后，就很难再回退回从前的体验当中 人们肯定更希望一个非常懂你的AI助理帮你处理问题，而不是单独去面对对面的客服机器人 我们已经步入了这种不可逆的进程里，并且这个进程在持续加速转变
Napkin AI真的良心产品。 除了适合生成PPT配图，另外其实也很适合学习。 虽然生成的图，样式不算多。 但自用学习、发小红书都是足够了。 迄今都没遇到收费提醒，不知道他们靠啥盈利。 https://t.co/YH7IDYvNKY
上个月录了个 ListenHub 自由编辑播客脚本的视频教程 当时录完就忘记发了，还扔掉了垃圾箱里 没想到来问这个功能问的用户越来越多 刚刚从垃圾箱里找回来了，还是发一下吧 https://t.co/EFftoaHQqF
某个神奇的网站竟然已经支持将视频和振动玩具联动了(别问我怎么看到的，纯粹做调研）！ 新时代的用户体液，呃，用户体验设计。 https://t.co/FyZnqCEWbT
准备把上次挂抄袭的视频用韩语重发一下 刘女士明天起来发现天塌了 https://t.co/KfzpGpnq5t