🔥 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.
接着昨天提示词的话题，如果你要写一个文章写作提示词，估计网上很难找到适合自己的版本，这种情况下，先手写一个基础版本，比如我经常写技术科普文章，需要 AI 帮我写科普文章，那么我可以先写一个基础版本： > 你是一个专业的中文科普作家，面向 AI 技术爱好者写作，擅长把复杂的技术概念用通俗易懂的语言描述，适当使用比喻帮助读者理解，让读者在轻松愉快的氛围中迅速获得知识，并留下探索与思考的空间。通常用一个常见的问题、现象来吸引读者注意，最后提供一个能引发读者反思或后续探索的问题，增加互动感。 这个基础版甚至不需要太正式太格式化，想到什么写什么，然后一起发给 AI： > 请帮我优化下面的提示词，这样我输入一个主题或者一段文字，能基于这套提示词生成一篇高质量文章 最好是同时发给几个最前沿 AI 模型。 接下来最重要的部分就是去测试和评估，这就需要你本身有一定的鉴赏能力，能看出来 AI 生成结果的好坏。 这就是我说的 Prompt Engineering 的循环（图1）：想法 -> 写出来（可以和 AI 协作） -> 测试 -> 评估，找出差距 -> 想法 反复打磨几轮，就能得到一个适合你自己的写作提示词。
什么叫做「深刻理解平台算法」 你就想想「双击老铁 666」这句话是怎么来的 一方面，直播平台通过点赞、评论等互动行为提升内容权重，从而影响内容的曝光和推送 另一方面，主播只能用群体认同和参与感，来驱动用户执行简单指令 于是形成一个链路：复杂机制→简化口号→规模化执行→算法反馈→内容爆红 「双击老铁 666」是最简单的，最容易让人执行的，同时又能最大化撬动算法流量的，Top 1 级口号 听着又俗又 low，想出这句话的人，是超高手
回想我平庸的博士生涯， 我觉得我的博士训练让我学会了一点： 即有人反对我，我也不会恼怒， 我其实还挺好奇别人为什么反对 有人提出来一个我没听过的事情， 我会非常好奇 但我一般不表态 当然或许这也不是我平庸的博士生涯学会的 也可能是被小红书集美们祖坟骂裂了之后的平和心态
今天在满洲哥群里交流，突然想明白了为啥川普要搞逆全球化了，过去一直没想明白。 从小到大我是市场派，认为自由市场无限好，因为出生之后WTO这个玩意一直对中国是非常有利的，赶上江这个时代早期几乎在无限的搞市场派，全球贸易，很多人其实也是在这个大背景下发家的，不管是做外贸，还是做出海的，old money是非常信这一套东西的，诚实做人和美国法律。 现在川普搞逆全球化的一个重要原因，是因为全球化走到头了，任何一个产品或配件，你都可以在全球市场上买到，这就造成一个问题，美国不需要自己成立相关的公司去跟其他制造型国家竞争，购买的成本是要比自己造还要低很多，所以怎么制造需求出来，怎么把进口需求转化成制造需求，就成了一个问题，因为自己制造，哪怕不赚钱，也会有就业，有内循环（太他妈的China路径依赖了） 美国的需求肯定是恒定的，但是如果不进口，那就要自己制造，于是关税、投资intc、mp事件等等，所有的核心都是美国要自投自建，自己解决自己的需求，那么就会有投资，无非是政府投资或者找VC投资（比如软银这种）。 所以机会在哪里？ 1、在所有美国认为很重要，但是目前自己又没有，需要暂时通过进口获得，未来想要自己完全掌控的东西里。 2、在美国已经完全垄断，哪怕中国目前的技术都造不出来的东西里 1的部分有： 稀土 2的部分有： 半导体 大模型算法 还有一个，我觉得可能是医药，但是欧洲药企也不少 所以这一轮消费差是有原因的
不是第一次说了，对标我的人，最不该模仿的，就是我的视频封面 但是好像他们都没听 为啥小米长得和法拉利一样呀，因为小米和法拉利是八杆子打不着的两个东西 这叫神不似、形似 那为啥兰博基尼、迈凯轮，都有自己的设计语言，一眼就和法拉利不一样呢 因为看内核，他们其实是一个东西 这叫形不似、神似
看明白了么？ 美股这轮主线就是两个 1、买AI有关的一切 从讲故事的量子计算到核能、电力、数据中心，全都是跟AI有关的，消费一坨烂泥，所以AMZN是big7里面今年最差的，其他消费类跟AI比都很一般。 iren我31在discord call过，现在56 我这种几乎不关注工业/电力的纯TMT玩家，都能至少抓到一次这种机会 2、买逆全球化资产 最明显的就是MP、USAR 医药这一轮表现其实不是非常好，我们也抓住了28的hims
看书有没有用，取决于人，不取决于书 同理，AI 有没有用，取决于人，不取决于 AI 借此，我们提出《有用三定律》 1、人有用，啥都有用；人没用，啥都没用 2、只要你开口问，xxx 有没有用，那肯定就是没用 3、你不问 xxx 有没有用，大概率它就是有用 因为人有用
最近处理实时的转录、翻译、以及同声传译比较多， 把复用到的web端的音频采集、编码、VAD 抽象了一下封装成了SDK。 项目地址： https://t.co/haD1HNgDMR
最近发这些中年贴，可能大家觉得，哇，感觉中年人真的很惨，似乎每天都皱着眉头，低着头，生活没盼头。 不是这样的，自己的状态都可以由自己选择，我选择干翻它。命运扔给我一颗柠檬，老子把它做成柠檬酱。 照顾老人，处理医护的确累，但心里可以选择不难受。老人到了这一步，活了那么多年，不管什么都是赚的，多活一天，赚一天。到老天要收的时候，开开心心走就行。 至于我自己，中年不存在危机，只是转换轨道。这辈子转换轨道多了，遇到的事也不少。 我17岁时母亲意外过世，我高考也进了所221。大学二年级开始自己赚学费，四年级去别的系教本科生的课，当时自己都还是本科生。 物理系毕业生转行做设计，不是媒体人，不是文科生，做播客做了500多期，书出版了两本。30多岁跑到新西兰，高龄转行产品设计成功，入职南半球最好的前五软件企业之一。我前半辈子已经有过多次转轨。 现在老天说，你打工打得也差不多了，自己出来试试吧。另外再给你个one more thing：照顾一下老父亲。我说行，没问题。 命运，把你的柠檬再扔几颗过来，我正好把它们做成一堆柠檬酱，开网店卖。 只是的确有点想妻女啊，但我会找到一些行动来解决/减缓这个问题。行动起来，不要内耗。
不能同意更多👇 “马斯克、Peter Thiel 那一派的哲学 不相信修补旧系统，而是创造新系统” 我对传统学校早已失望 红杉少年创造力体系即将发布 下图：徐扬生教授公开演讲 (美国工程院院士/港中大深圳校长) https://t.co/hqzYogyNwn
只要还剩一点点资源，就把它用在前进上。因为停下来，什么也解决不了。 现在的失业，其实已经成了常态。就算没失业，也有太多人正陷在中年危机的漩涡里——家庭、婚姻、责任、关系。很多人不会说，关系再好的人，也只会轻描淡写地提一句“最近有点难”。 其实，这个问题，大家都有。 我一直认为，真正的出路，不在“解决问题”，而在越过问题。 有些困境，它的本质就是无解的。与其原地推敲，不如继续往前走。让前进去解决眼前的难题。 这和马斯克、Peter Thiel 那一派的哲学很像：他们不相信修补旧系统，而是创造新系统。 社会的问题、经济的问题，最后都会坠落到个人——变成实业、矛盾、房贷、工作、家庭、婚姻。 有什么解法？ 无解。 一步步往前，把无解的问题甩在身后。 朋友说要离婚，各种纠结千丝万缕当断不断的。 我说不管他（她听到这个解法也很懵，第一次有人提这种方案）。 去学AI。 😧
我也毫无感知，因为当汽车速度越来越快的时候我不会觉得它的速度在碾压我奔跑的速度，这样的比较没啥意义。 AI 认知多高跟我毫无关系，直到它能帮我提升认知，比如它早点告诉我买 AMD 股票。
给客户看了几张样图，8 毛钱一张的价格，立马在我这里下订 1000 张。 我认识太多瑜伽教练了，如果他们渐渐都用我造的假图，可能会影响到整个行业😅 https://t.co/KxXcWvD80A
工作中甜蜜的苦恼：总被客户以为是留学生实习生不当回事，需要自我介绍才知道我是老板。已经不年轻的我需要凭实力证明自己不年轻了😛😛😛但是我每次都很开心地说：“很高兴被误会成留学生😆”。附上老妈的新作🥰 https://t.co/mQ0hwtXVXE
读论文后的几个暴论： 1. 真正的生产力 = 顶级 AI + 优化提示词 + 人类审查 2. Claude Opus 4.1 目前仍然最强，GPT-5 High其次。 3. 通过“脚手架”提示词，让模型多推理、多用多模态检查，效果显著。 4. 一定要用顶级模型，用垃圾模型生成内容审查时间反而降低效率。
跟你说个趣事。刚来美国那会儿，资金紧张，没什么钱。去波士顿看同学，我坐的是火车——而且不是东部那条快线，而是从中部出发的那种慢吞吞的长途列车。那速度，真是堪比上世纪五十年代。更离谱的是，我还因为不熟悉美国那些小火车站，错过了转车。结果就被“滞留”在一个密歇根的超级小镇。 站里空无一人，只有一个老站长。他看到我，笑着说：“哟，好久没见到有乘客下车了。” 美国在上世纪铁路大基建时代，是怎样把每一个小镇都串进国家叙事的——那么小的镇（真的没几户人家，有的人家也用不上铁路）。 可奇怪的是，到了高铁时代，他们反而连修一小段都举步维艰。资金、法规、地方利益、环保诉讼……层层缠绕。曾经那个敢在荒原上铺铁轨、敢把电话线拉过大陆的国家，似乎失去了那股“全局推进”的野心。 但现在，故事居然又反转了。对于算力，对于超算中心，对于与之相连的电力与冷却系统——他们又开始不手软了。政府动用巨额补贴，企业竞相建厂，土地、电网、法律全部为它让路。为什么？他们到底知道什么，是我们还没意识到的？人家毕竟早了几百年工业革命。 其实有一个隐忧：咱们的“基建狂魔”是不是用错了地方？ 在未来，修路的不再是铁锹，而是晶体管；争夺的不再是港口，而是能耗与带宽。 谁掌握算力，谁就掌握下一场工业革命的地基。 敬请关注，算力大基建： https://t.co/pi4BOSFHHD
OpenAI 又把AMD 拉了进来，再加上Oracle、博通这些公司，基本已经形成了一个小圈子。 大家一起玩，股价/估值互相复利向上，市值层层往上叠。 一座巨大的围城已然形成。外面的公司看热闹，里面的人越抱越紧，创新的空间能被他们的效率吃得干干净净。 这是史上效率最高的资本共生体了吧。
🔥 最爱的数字游民城市之一：大理！ 这里到处都是AI创客、独立开发者和数字游民，氛围超棒，超适合沉下心build项目。 大理是中国最早接纳背包客的地方，嬉皮士云集，自由而开放。抛开节假日，房租也很便宜，很适合作为数字游民旅居的第一站。 这也是我旅居的起点，也是我自由意志的启蒙地。现在我在全世界到处游走，但我有空就会回大理。 如果想找个能自由试错、不断探索的地方？大理，绝对值得一来！ 🌿（图：跟一起独立开发每天互卷）
关注我的人要特别小心。 你认可的，可能刚好是我毫不在乎的。你反对的，可能刚好是我觉得特别有意思的。 同时你的评论，我根本就不会去看。你的评论，就跟你拉的屎一样无聊。
品味是最骗人的东西。等于是说，你的出身，你的经历，决定了你的一切。 品就是尝，味就是尝到的味道。一道湘菜，湖南人尝出了辣味。一道江浙菜，上海人尝出了甜味。哪个味道好。都是旧习惯在驱使你。 产品亦如此。Notion 粉丝会觉得 Office 用户太没品味。Office 用户会觉得 Notion 粉丝都有自虐倾向。孰是孰非。都对都非。 谈什么品味。都是小时候过得太好。
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
https://t.co/eTY71sVhXS 做美股的，还是推荐没事把这几本书看完，这样你看推特kol们装逼，不但能完全理解他们在吵什么，你甚至还能纠正他们的错误。 不然你就专攻技术面去
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）
大部分时候 MCP 就是脱裤子放屁，甚至是反方向发展。比如 calendar 新建一个事件，和 AI 对话等半天才出结果，直接用 Raycast 一个快捷键就完成，你觉得哪个更方便更合理呢？ https://t.co/LQb7JlUhga
分享一个网站流量榜单 AhrefsTop https://t.co/WirXpIxa3C 展示了全世界流量前1000的网站以及一些增长/下降快速的网站，还可以按国家，分类筛选，数据每个月更新
今晚 Open AI 开发者日，还有大活！ 已知的会在开发者后台发布类似 n8n 的 Agent 构建工具。 允许用户从预定义模板创建Agent流程，例如客服机器人、数据丰富例程、问答代理和文档比较工具。 https://t.co/N7s3ylIZSM
最好的语言学习软件： Youtube Netflix 学英语只要两步： 第一步，让自己能看懂上述软件中最简单的英语内容； 第二步，每天花几个小时看、听自己能勉强听懂的英语节目。
和渴望取胜的人为伍 结交有抱负的朋友，并肩建设
哇，混元Image-3.0好强啊！令人惊叹的中文支持能力，甚至提示词给它LaTeX都能渲染成功 https://t.co/qhQnO1oQiE
加密世界最大的谎言是什么？ 不是“这个币能涨100倍”。 而是那句被说了一万遍的话：“请妥善保管你的助记词，它是你唯一的资产凭证”。 这句话，恰恰是大多数安全问题的根源。 因为它巧妙地将一个复杂的技术安全难题，包装成了一个简单的“个人保管问题”，然后将全部风险都转移给了用户自己。一旦出事，平台就说：“是你自己没保管好”。 这对用户既不公平，也不负责任。 近年来，经常看到各种盗币事件，绝大部分是因为助记词： 🎣 钓鱼诈骗：“免费空投，授权签名即得”——看似是福利，实则是陷阱。一次错误的授权，钱包资产就可能被洗劫一空。 💻 病毒与木马：不经意间下载的软件、插件，可能正默默记录你的每一次复制粘贴。助记词一旦泄露，黑客就能远程搬空你的资产。 📄 物理丢失/损坏：记录助记词的纸条、硬盘或手机，都面临丢失、损坏的风险。一旦发生，资产就等于永久消失。 你发现没有，所有安全灾难的根源，都指向那 12/24 个可以被【复制、截屏、拍照、泄露】的单词。助记词，就相当于给了不法分子一个明确的攻击目标。 我感觉，真正的安全，不应该让用户去“保管”一个不好保管的助记词，而是从产品设计之初，就彻底消除这个弱点。 直到我最近为了给一个海外客户收款，使用了 allscale 的 稳定币收款工具后，才感觉找到了方向。 它的思路很简单，但很颠覆：从根儿上，就不要助记词这玩意儿。 Allscale 没有让我去创建、抄写、保管任何东西。 它直接用了我手机里已经有的 Passkey（也就是面容/指纹登录，这应该是目前最安全、体验最好的登录认证方式了）。我要收款，就刷一下脸登录，创建一个发票链接发给客户。整个过程，没有任何需要我“小心保管”的步骤。 我感觉，这个体验跟用支付宝、Stripe 几乎没区别。 原来 Web3 支付，真的可以不那么反人性。 那么，Passkey 如何解决上述所有问题的呢？ 1/N
现在的冲突之所以变得如此复杂，有一个深层的原因—— 来自超先进的网络和自媒体生态，让“真相”本身变得复杂。 在过去，信息是稀缺的，媒体是中心化的。 官媒的功能之一，就是统一“真相”。 我常常会问一个看似悖论的问题： 当所有的人都相信新闻联播，那么新闻联播说的，究竟是不是真相？ 答案其实没那么重要。 重要的是——当所有人都相信它时，它就成为了事实的共识版本。 那时候的“真相”是一种社会契约，一种由共识而非客观性定义的现实。 换句话说，那时候人们不需要真相，而需要稳定。 然而，新闻联播依然是新闻联播，但“真相”的地位却彻底改变了。 为什么？因为 算法取代了编辑，流量取代了信任，情绪取代了判断。 真相开始多元，不是因为世界变得更复杂，而是因为每个人都生活在自己算法生成的现实里。 共识依赖于一个最基本的条件：人们必须对“现实”长什么样子达成一致。 对价值的分歧是正常的——人类社会自古就在争论何为公平、何为正义。 但这种争论只有在共享事实基础之上才能成立。 而今天，这个基础已经消失了。 美国不仅仅在“何为正确”上存在分歧，更在“何为真实”上产生裂痕。 2020 年的选举是安全的还是被窃取的？ 气候变化是骗局还是生存威胁？ 新冠病毒是致命的瘟疫还是被夸大的流感？ 在这些问题上，美国人不仅仅是解读不同的事实——他们根本生活在完全不同的现实中。 这种撕裂，是一种全新的文明断层。 过去的分歧是意识形态的；现在的分歧是现实感的。 政策可以妥协，但存在无法妥协。 当“事实”本身溶解进身份、部落与情绪之后，讨论就不再是辩论，而是战争。 这就是今天的美国：一个没有共同现实的国家。 而在一个失去共同现实的社会里，政治变成表演，文化变成阵营，经济变成博弈。 除非重新建立起那个共同的现实锚点，否则无论是政治、文化还是道德层面的争论，都将永远困在无休止的冲突之中。 The Complexity of Facts: When Even Reality Splits https://t.co/XTCjn8DPPY
决策专家、诺贝尔经济学奖得主卡尼曼的核心理念 “绝大多数人的常见决策错误”的根源👇 https://t.co/GhREoXNjrb
有一部非常小众的电影——《A Quiet Passion》，讲的是美国诗人 Emily Dickinson 的一生。 我平时看的文艺片也不少，但这部给我的印象极深。整部片子的对白完全采用十九世纪的英语，语气、节奏都忠实于那个时代。尤其是人物间的对话——那种美国东岸上流知识家庭的优雅。她的父亲，是当时知名学府的创始人。 影片对清教徒精神的描绘。比如里面的牧师与妻子，简朴、克制，虔诚与节俭到了极致，显出一种精神的饱满。 我近几年越来越羡慕这种状态。 由信念、节制与理性支撑起来的丰盈。 这种清教徒式的精神，在几代人之后，孕育出了美国物质层面的极度繁荣。 极小众的片子，可能英语要超过英文系，非常难懂，对白能在闺蜜日常会话中援引尼禄的。
https://t.co/T6ulacaCWG OpenAI即将发布「Agent Builder」，轻松拖拽，人人都能打造AI智能体 作者：Alexey Shabanov OpenAI即将在10月6日的「开发者日」活动（Dev Day）上发布全新的「Agent Builder」（智能体构建工具），这款新工具直接对标Zapier和n8n等老牌自动化流程产品，目标用户则是希望轻松创建复杂AI智能体工作流程的开发者和团队。 像拼乐高一样，轻松搭建AI智能体 与传统的手写代码方式不同，「Agent Builder」采用了直观的可视化界面。它提供了一个拖拽式的画布，让用户能像搭积木一样，快速拼出自己想要的AI智能体。这些智能体可以涵盖客服机器人、数据增强流程、问答助手，以及文档比对工具等众多场景。 在这个画布上，有各种模块化的组件供你选择： - 逻辑模块：例如条件判断（if-else）和循环（loop）结构。 - 连接器：比如MCP（模型连接协议）等连接工具。 - 用户审批步骤：允许人工审核AI的决策。 - 安全防护模块（Guardrails）：避免AI做出意外或错误的决策。 - 文件搜索与数据转换模块：轻松实现数据的检索和格式转化。 可以看出，这些功能跟目前市面上的智能化工作流工具类似，但更加深度地整合了OpenAI的AI模型，形成独特优势。 毫无疑问，这款工具最直接的受益者就是开发者、解决方案架构师，以及那些已经在使用OpenAI API的企业。 传统上，如果要开发一个AI智能体，你可能要花不少时间在繁琐的代码集成上。而现在，只需在OpenAI平台的专属界面中打开这个工具，便可通过侧边栏上的组件库，拖拽出自己的AI流程。这种方式大幅降低了门槛，即便不是专业开发人员，也能快速上手、搭建出可投入生产环境的AI应用。 此外，Agent Builder还提供了完善的测试和预览功能。在发布智能体之前，你可以轻松地进行调试、预览效果，从而快速迭代并确保其稳定性。 回头看，OpenAI最早仅仅提供单纯的模型接口（API），如今却越来越注重生态建设，围绕自身的AI模型打造丰富的配套工具和平台。「Agent Builder」正是这一生态战略的重要一环，它帮助用户自主快速地创建AI智能体，并保证智能体与OpenAI自家的模型、基础设施、以及安全机制紧密集成。 当然，自动化流程市场竞争早已十分激烈。不过，OpenAI显然有自己的底气。他们押宝的是： - 与自身AI模型的深度整合； - 极佳的用户体验； - 可能推出的预制逻辑模块（例如安全防护机制）。 这些都是OpenAI与竞争对手们拉开差距的关键。
“美妙的人生在于你能迷上什么东西” ——《球状闪电》刘慈欣
「 LLM, Personalization 」 记得 GPT-5 推出的时候，就已经感觉到，LLM 发展到今天，单纯的比拼 benchmark，已不再是所有的意义。而 模型如何理解用户，personalization 的能力越来越重要。 这周看到两篇很好的工作 PREFDISCO 和 PDR Bench，都是跟 personalization相关。 两篇论文中，Personalization 的定义已经远超风格微调。Personalization 不是换语气，而是让模型围绕用户的目标、偏好和约束来思考和行动。 良好的 personalization AI 需要做到： - 建立真实的用户模型 - 调整推理和研究过程 - 同时确保输出既对齐用户又事实正确 PREFDISCO 聚焦即时个性化 reasoning ；PDR Bench 研究长周期、多来源的 deep research。前者通过互动发现偏好，后者依靠档案和语境长期规划。 学到了！ 期待更多围绕 personalization benchmark提出的新的方法。
用 Chrome DevTools (MCP) 实现了输入一个链接，自动生成符合小红书比例的截图 下一步把系统提示词和 gemini 2.5 pro 接上，就可以根据推文来自动写小红书标题了 第三步，把截图和标题连上小红书 mcp，就可以实现自动把推文变成小红书笔记了，今天太晚了，明天跑通 推特-小红书，自动化运营 https://t.co/gyiuKkxkun
Tz 这篇文章写得太好了。 好到我一时竟不知道该怎么评论。 荣格、〈金花的秘密〉、集体潜意识——这一刻，我仿佛通过屏幕这个现代版 DC Mini，接入了 Tz 的意识，也连通了无数继承今敏精神的灵魂。 也许这个时代赐予年轻人的，并不是“工作”的机会。 而是一种前所未有的思维密度——成长于富足年代，信息极度饱和，教育高度普及——于是，我们的心智复杂度被推到了人类历史的新边界。 这种复杂度，不再只是知识的累积，而是抽象与象征的流体。 当 Sora 这样的工具出现时，它能将这股复杂度直接投射成一个又一个新宇宙。 这，才是我们一直在谈的——超级个体： 一个由独特复杂性构成的意识体，无法复制，却能无限生成。 You are the builder. You are the creator of a universe.
今年的美股行情有点像 2021 年。 那一年的 $SPY 呈现出一种 45 度角的稳定上升趋势，整个上涨行情持续了近一年，直到2022年初的熊市。
朋友给不少startup的产品提供过咨询服务，让这些项目少走了不少弯路。 其中某个产品，是一个线上下单线下交付的app，由于需求太过邪门，除了创始人自己对产品抱有期待，其他团队成员压根没有太多信心， 这时候，最好的说服团队的方式就是打造MVP，尽可能减少研发工作量，尽快交给市场去验证。 在核心功能规划的时候，发现几乎不用做什么后台开发，甚至简单的对接S3云存储的API就可以。 但是在线下单这里，就要消耗大量的研发资源。关键研发工程师是从upwork上找的巴基斯坦人，代码写的一坨shit，更别提让他去读中文版的微信支付的文档了。 这种情况下，朋友给出建议： 1. 不做支付，直接给个二维码来添加微信好友，用户转账后开通对应权益。 2. 基于1的这种不正规支付方式，不正式上架AppStore（审核被拒是必然），只发布TestFlight版本，每个想要下载的用户需付费获得TF兑换码。 在上面这些馊主意的加持下，APP得以更低的成本和更快的速度推出。 其实对于我而言，如果做产品和服务提供给大家，也同样要面临如何低成本开发MVP去给市场验证，假如用前面提到的转账的方式去解决，会耗费我大量的精力。 这两天恶补一些web3的知识，我确实觉得上链应该是费用最低，性价比最高的一种方式了。 然而传统wise、stripe的支付体系实在是庞大臃肿且复杂，但凡想做出海生意、想领推特创作者分成的朋友都亲身体会过。那那真的不得不说我这次商单的金主爸爸了@allscaleio 同时支持稳定币和信用卡，看过他们的操作文档后，确实觉得还挺简单的。如果让我来搭建自己第一个出海生意的话，不得不说 https://t.co/B9Tp5T3bQL确实是个不错的选择。我应该会试试
和朋友讨论有一个非常有趣的共识： 当自己有一个xx想法，第一时间记录下来，可以是推，可以是notion，可以是任何东西 第二次回忆起来，还觉得有趣，一定要动手先开个头，如果之后忙可以先放一放 第三次回忆起来，一定要延续，再做下去。 等到沉没成本足够大的时候，你自己就会发现自己已经把这件事坚持了很多年了，甚至成了这个领域的专家。 反而，每次说自己每天都要做个什么事的时候，这个事情一般坚持两周就没下文了。
不是教育在倒退，是社会在进步，教育还没跟上而已。 人的某些能力退化，另一些能力在进化一直是常态，我们小学还要学打算盘，现在这能力是完全退化了，但借助计算机，计算能力提升了不知道多少倍。 思考和辨别能力一直是稀缺的，没有 AI 的时候就这样。
1. 没有编程经验，稍微复杂一点的系统，最多只能用自然语言发布一个可以勉强跑通的原型，离发布生产的标准还是有点差距 2. Codex 要有编程基础才能用好 3. 如果你需要经常编程，那么有必要去学一些编程基础知识，就算水涨船高，这些知识也可以让你未来编程效率倍增，就像老板要懂点业务