🔥 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.
用 YouMind 制作图片知识卡片 只需一句话 👇 https://t.co/4l1tusa2cq
今天去疯狂星期四后，回到家状态不是很好（i人社交太多综合症）。 晚上需要赶制完新一期课程。在录完剪辑回看时，我能肉眼看到越工作，后面能量越高。 喜欢的工作真的会让人恢复能量，而不是耗能。图一是刚开始低能量状态，图二是恢复后的高能量状态~ https://t.co/4VjrlES05p
做中文推特有啥用吗 如果你是一个喜欢和别人建立链接的人 那有用的 它可以帮助你认识很多人 交换很多信息 拓展很多视野 如果你想赚广告费 小打小闹一下赚个生活费 如果你想做AI头部 还是比较困难的 AI的头部早在2年前就一直在耕耘了 如果你想卖课 勉强能卖卖 但肯定比不上抖音小红书啥的 如果你想做产品 这上面大多都是竞争对手 如果你只是想写作整理自己的思绪 记录记录自己的想法 那恭喜你 这是一个不错的选择
我记得前段时间，互关的推友“在悉尼和稀泥”发了一条贴，说在这个AI时代，感觉还是焦虑，觉得自己没有抓住AI的风口浪尖。我当时回了一条评论，说：“你都月入五位数了还没抓住风口浪尖，还怎么焦虑啊？”但现在我发现，虽然我一直说自己还算比较平和，其实我也有了一点没有抓住AI浪潮的焦虑。 在这里也想向“在悉尼和稀泥”老兄道个歉，那时候的评论有些轻率，没有体会到他背后的真实情绪。 我的这种焦虑，我觉得很大程度上来自于这次回国一个多月。回国其实主要是为了料理家人的健康，根本没有时间静下心来工作。但可能正是因为这种原因，国内那种无处不在的“卷”、无处不在的竞争，以及弥漫在空气中的焦虑感，慢慢地也对我造成了一些影响。好像觉得这个时代的浪潮你不抓住就没机会了，所有人都在你前面跑，每个人都那么积极地抓住了各种机会——是不是只有你一个人落后了？ 我记得以前自己也有过一次类似的焦虑，就是刚从国内出来，来到新西兰，从头打拼。一切都要从零开始，自己的兴趣爱好，比如播客，也都放了下来。然后回头一看，国内那些一起做播客的朋友们，有的开公司，有的融资，搞得风生水起，我就在怀疑，自己走的路是不是错了。 这两次焦虑虽然有所不同，但内核似乎是一样的：都有一种 FOMO（错失恐惧症）。我觉得这是人性的一部分。我们无法完全抵抗这种焦虑，但需要学着和它和解。 所谓“自我的安心”，可能是一种状态，也可能是一种实践。比如，找到一两件自己做起来真正舒服的事情去做，就是一种方式。赚钱的话，真的永无止境；可能调整好身体，积极健康地面对时代的浪潮，才是正道。 散步时随便有了这样的一些感受，记录下来分享一下。
最近，刷到很多人用某报童做付费专栏， 但看了下审核麻烦、平台税过高， 找了一个功能丰富、低手续费的平替！ 但是，由于功能过于丰富，上手有点门槛， 简单录制了一个如何从 0 到 1 开专栏的视频！ （如果有人想看更多功能如何用，评论区留言后面再更👀 https://t.co/d9jS40bXa3
转译：信任崩塌：无穷无尽的AI内容是一场灾难 作者：Arnon Shimoni 我们正在经历人类历史上最奇怪的时刻。 第一次，创造内容的成本降到了几乎为零。不是“比以前更便宜”，而是彻彻底底的免费。 现在，生成一千篇博客文章或一万封所谓“个性化”的邮件，成本几乎为零（至少目前如此）。 理论上听起来很棒——内容无限，让过去难以发声的人也能表达自己。 似乎充满了机遇。 但如果你试图通过这些内容去销售，就会发现一个严重的问题：信任崩塌的速度，比内容爆炸的速度还快。 这里的“信任”，不是抽象的概念，而是实实在在的问题——谁是真实的、谁是可靠的、我到底该关注谁？ 我们并没有往前走，甚至正在倒退。 一个B2B SaaS公司的故事 我认识一位负责B2B SaaS销售的朋友，他非常聪明。他花了多年时间建立自己的社交圈，成为那种传统意义上靠关系和信任赢得客户的人。 但上周日他告诉我：“现在我基本无视所有邮件推广，陌生号码的电话我也几乎不接。” “因为我已经分不清那是真人还是机器了。以前我一眼就能分辨，现在做不到。所以干脆不理会，浪费时间。” 用通俗的话说，如果你现在还在做传统的外联推广，你的目标客户已经不再关心“我需不需要这个产品”，而是在想：“我凭什么相信你？” 营销漏斗？不，现在是信任漏斗 做营销这么多年，我发现很多所谓的“规则”和“玩法”其实都搞错了重点。我们总是在解释我们做什么，为什么重要。 但在大多数情况下，你的潜在客户早就知道他们需要你卖的东西。 他们根本不需要再看一份PPT，来了解AI编码助手如何提升开发效率，也不需要你告诉他们AI销售代表为什么可以帮他们发更多邮件。 过去一个月，他们可能已经听了40次这样的东西（天啊，现在到底有多少AI销售代表啊？）。 他们真正想知道的是：“凭什么我要跟你买，而不是另外100家发同样邮件来骚扰我的公司？” 而现在，铺天盖地的AI内容，让客户更难回答这个问题了。 图1 是我从PHOS Creative那里借用的： （图片描述： 营销漏斗（Marketing Funnel） - 品牌认知 / 触达（Awareness） - 评估 / 意向（Consideration） - 转化 / 下单（Conversion） 信任漏斗（Trust Funnel） - 能力 / 胜任度（Competency） - 可信度 / 公信力（Credibility） - 真实感 / 真实性（Authenticity） - 共情 / 同理心（Empathy） ） 维度 - 核心关注 * 营销漏斗：获客和转化 * 信任漏斗：建立关系和客户忠诚 - 最终目标 * 营销漏斗：完成交易 * 信任漏斗：长期客户支持与复购 - 内容策略 * 营销漏斗：推广为主，销售导向 * 信任漏斗：帮助客户，创造价值 - 衡量成功 * 营销漏斗：转化率、销量 * 信任漏斗：满意度、重复购买、口碑传播 -时间跨度 * 营销漏斗：短期到中期 * 信任漏斗：长期、持续积累信任 很明显，你应该站到信任那一边！ 传统的获客方式现在变得很烂 现在这种获客方式实在是太无聊了。 当Claude的AI授权只需每月10美元时，内容创作成本基本为零。于是所有人都可以装得很专业，邮件里每个字语法正确，还能勉强引用你的领英发帖（虽然引用得很僵硬）。 这些东西几分钟就能生成，不用任何人工参与。 这就意味着：现在所有内容都值得怀疑。 现在，我直接把邮件和领英消息一律扔进垃圾桶。 为什么？因为我一眼就能看出，那背后并不是一个真正关心我和我的问题的人。 这些邮件全都是模糊的“个性化”，总是自称“对你如何做某件事感到好奇”，因为这种“好奇”的句式来自某个声称效果很好的推广指南。 对我来说，这就是信任崩塌的关键： 我并不是怀疑你的产品能不能用，我是怀疑你到底是不是个真人，签完合同后还会不会关心我。 响应率低了，我多发点邮件就好了？ 天啊，别这样！ 问题根本不在这里。 旧世界 (…-2024年) * 创造可信、个性化内容的成本：50美元/小时（人工） * 用户每周收到的个性化推广邮件：约10封 * 用户识别真实性的成功率：约80% 新世界 (2025年-…) * 创造可信、个性化内容的成本：几乎为0 * 用户每周收到的个性化推广邮件：约200封 * 用户识别真实性的成功率：约20% 信噪比已经崩溃，识别这些邮件真实性的精力成本远超过可能获得的收益。 结果，客户不再费力去判断真假，而直接默认这些全是垃圾邮件。这也是为什么我和我朋友干脆无视所有推广邮件的原因——很多人也一样。 因为要辨别“这些邮件里有没有价值”，所耗费的精力早就远远超过了可能获得的好处。 回到信任本身… 你必须明白，你的潜在客户问的不是： * 你的AI工具好不好用？（他们默认你的工具好用） * 真的能提升效果吗？（他们默认有效果） * 价格合适吗？（他们自己能对比） 他们真正关心的是： * 一年后你公司还在吗？还是集成到一半你就跑路了？ * 你到底比另外5家公司好在哪里？ * 你是不是靠烧VC的钱活着？ * 等到风口过去，我的系统是不是会烂尾？ * 你们公司到底赚不赚钱？还是只是凭感觉（vibe-coded，凭感觉编程，意为没有实际盈利模型、靠炒作存活的公司）想赶紧卖掉？ 而最糟糕的是：如果你不明确告诉客户，他们根本没法自己判断这些问题。 不是想泼冷水，但… 我写这篇文章不是为了打击你，而是为了让你知道现在的营销要怎么玩。 是的，你依然要回答“客户为什么需要你的产品”，但你更要回答“客户为什么必须跟你买”，并确保你的营销内容体现这一点。 机遇仍然很大。我们所有人都必须做到： * 信任的建立，仍然是人类的工作。至少现在还是。AI能帮忙，但2025年建立真正的情感联结和信任，仍然只能靠人类。 * 个性化和精准营销依旧重要。AI应该帮你精细分类客户，但重点仍是识别什么时候该由人类出面，强化信任。 * 别把所有事情都自动化。尤其是复杂或高价值的销售场景，保持一定的人类参与至关重要。 AI时代真的不同了吗？ 当然。 你代表一个品牌。品牌要持续赢得客户的信任——即使你使用了AI，也必须清晰体现出人类的领导力与温度。 来源：https://t.co/AHcBlxhAQE
“永远不要向任何人倾诉你的问题。90% 的人根本不在乎，剩下的 10% 会因为你有这些问题而感到高兴。” — 查理·芒格 https://t.co/Jj46EWu00G
过去几个月，我一直在关注 S Li 的推文。他的思考非常具有前瞻性，也充满跨学科的洞察力。 这几天我有些恍惚，所以今早写了一篇 Substack 文章，想和我的读者们解释一下近况。最近我陆续发布了几个 Skill 的视频——老实说，我自己也想不明白，为什么那四个 Skill（总共不过 100 KB，还加上一堆文档）能产生如此惊人的效果。而且还完全完成了我设计的所有调度。我这几天其实一直想搞明白我到底做对了什么。 此刻我特别想起一句话：“骄傲乃诸罪之首。”（圣托马斯·阿奎那（Thomas Aquinas）后来在《神学大全》中系统化为“七宗罪”（Seven Deadly Sins），其中“Pride”排在首位，被认为是所有其他罪的根源。） 多年来身边许多虔诚的朋友都提醒过我这一点，但直到今天，我才真正体会到这句话的分量。 无论你是有多少年经验的工程师，现在唯一正确的姿态，只有谦卑与学习。 在这场智能革命面前，所有 CS 与非 CS 背景的人，其实都站在同一条起跑线上。 我们一起学习，一起摸索—— 没有人可以说“我更懂”， 在智能面前，我们都要保持谦卑与敬畏。 A Note to My Subscribers: A Major Shift in My Research Direction https://t.co/WS8omKBY4k
「电梯间热辣风」这两张我是真的喜欢啊😍 没想到 Midjourney 出两个人的图效果也很不错！ Prompt 见评论👇记得回来交作业📷 https://t.co/8gMHuqc49K
如果买mini m4 pro 内存拉到顶的话 硬盘上1T够吗？是配硬盘盒？还是直接加钱加固态？
今天给 Muji 的设计师跪了 前阵子买了个平平无奇的显示器支架 它非常好用，但是平平无奇，从来没觉得对得起价格 今天突发奇想，能不能把电脑收在支架下面 试了一下，竟然完美地放了进去，而且严丝合缝 这支架的宽度和深度竟然是为 Mackbook Pro 量身定做的吗？ 这么满足强迫症的细节，介绍里完全没写啊 https://t.co/1FQcW0oFht
人一旦遇到这群二极管呆逼，真的会无语到死 https://t.co/zjJFzB7zmQ
推特新号，只用 AI 发文，2 小时，现在 1.3w 展示量 https://t.co/OlaZ4OGGpP
提示词是普通人能掌握的最有价值的杠杆之一。 整理了32个技巧，比较全面了。 https://t.co/WtZesQaEUr https://t.co/i91bMgDaoA
读中文译本，每当读到臭不可闻的翻译，都不禁产生强烈的愿望，希望AI早日颠覆这个行业，90%的中文译者不配在今天有这份工作。
⛳️ 立个 flag 我要用 AI 模仿某个推特账号起号，保证一字不写，只靠 AI 复制粘贴做一个新账号 现在落后对方 7264 个粉丝，目标 20 天内反超 20 天后我会转发这条推文
说真的AI时代满地都是套利机会，重点是你得有思路快速行动 如果你没想法，你就去小红书，公众号，去youtube，总共有两种思路： 第一种思路，看到什么内容模式火，然后还有人开课教的，往往是需要人工链路干的，比如做AI情绪漫画，你就把它拿来工程化 第二种思路，自己去搜AI赚钱教程，赚钱指南啥的。像Youtube就去看10X INCOME，DIGITAL INCOME PROJECT这种Channel，看他们怎么教人制作内容赚钱 然后把他们的制作方法工程化 工程化后这个工具就能形成一个提效工具，卖回给这些做培训的人，或者你自己也可以依靠他进行套利 只要这些内容能火，就会有人想知道是什么做的，如果有人介绍你的工具，自然就传播了 与其自己在这里想一些想法，不如真刀真枪先人工干一遍，然后工程化 依靠大众媒体自动传播，只要你能做到1:1复刻效果
一条命令教你在 Gemini CLI 中快速体验 Gemini 3 > gemini -m gemini-3-pro-max-kfcvme50 测试成功可以过来还愿 https://t.co/ZoGLPVRkbe
爱因斯坦称“天马行空的想法”为直觉 杨振宁：不断地修正自己的直觉，你就能成为顶尖高手 https://t.co/8DHNE5bGCx
深圳线下课的票卖完了 原以为能来 30 人就行，结果来了 60 个，场地定小了 就这样吧，60 就 60 12 月杭州场，先留够 100 人的地方
刚刚做完了JAM的官网，Figma Site直接发布，简直极爽。 和概念图基本差不多，一些交互比不上Framer或是其他网站工具，但基本够用了。 在页面的testimonial区，引用了 @dongxi_nlp @glow1n @xing101 @studiokensense @WangxsNB @liufeiyan_0924 几位朋友的推特评语，非常感谢！ 我原先的网站目标是： 1. 看起来不是AI做的 2. 一周内搞定 3. 能监控转化率 现在看来都完成了。 对于非程序员不写代码进行产品或是品牌的官网搭建，大家有什么问题啊想法啊，可以留言，我会一一回复：）
付鹏：家长能给孩子最重要的指引👇 是学会用AI来学习，以及各种工具的调用 “如果家长不是前行者，他其实根本就没法照顾到孩子的未来” “像以前的学习方式，死记硬背啊，背公式啊唐诗300首，没有价值； 我不希望你把有限的生命和时间，花在这上头； 如果我没有对AI对这种生产力和生产关系的改变进行研究，我给孩子根本提不出建议。” 来源：视频号：付鹏的金融时光
谷歌给苹果提供的私有部署模型参数为 1.2T 感觉 Gemini 3 Pro 可能就是这个量级的参数了，跟 K2 差不多 只需要一年给谷歌 10 亿美元，比搜索的授权费用便宜多了 https://t.co/tZsir9aDpl
整个行业所有厂商都在等 Gemini 3.0 和 GPT-5.X 的发布
AI Agent 的安全问题是大家都关心的问题，比如我就不敢授权给 ChatGPT Atlas 这样的浏览器 Agent 绑定我的信用卡让它帮我订机票啥的，也不敢让它替我发邮件之类，虽然这些 AI 厂商都号称他们的 AI 多安全，能防止注入啥的，万一呢！ 事实上也如此，上月有篇论文《The Attacker Moves Second: Stronger Adaptive Attacks Bypass Defenses Against Llm Jailbreaks and Prompt Injections》https://t.co/NMoDsBYV9k，研究人员测试了市面上 12 种最先进的“提示注入防御系统”，试图检测和过滤恶意指令，但结果 100% 都能被攻破！ 也就是说靠 AI 自己防是防不住的！聪明（并且邪恶😈）的人类总有办法绕过去。 既然 AI 防不住，那就得从别的地方想办法，Meta 最近提出了一套非常务实、近乎“常识”的安全框架，叫做“智能体二权法则”（Agents Rule of Two）。 这个法则承认了一个前提：我们既然防不住提示注入，那就不防了。我们不应该在如何检测上死磕，而应该在系统设计上下功夫，让 AI 即使被骗了，也造不成最大的破坏。 一个真正有用的 AI 助理，本质上需要同时拥有三种强大的能力： A. 处理不可信的输入 AI 可以读取它无法控制和预测的外部信息。比如，任何人发来的邮件、网上的文章、用户输入的任意一段话。 B.访问敏感系统或私有数据 AI 能访问到你的敏感信息。比如，你的私人相册、公司的保密文档、你的密码库、甚至是生产环境的服务器。 C.改变系统状态或对外通信 AI 能“动手”干活。比如，删除文件、发送邮件、下单买东西、调用 API。 “二权法则”的核心思想是： 一个 AI 智能体在一次会话中，绝对不能同时拥有 [A]、[B]、[C] 这全部三种能力。你最多只能“三选二”。 这就像一个安全取舍。我们来看看三种安全的组合： 1. 组合一 (A + C)：较低风险 场景： 允许 AI 读取一个公开网页（A），然后帮我写个总结并发邮件给我（C）。 为什么安全？ 因为它全程碰不到我的私有数据（B）。就算网页内容是恶意的（比如一个注入攻击），它顶多就是发个垃圾邮件，但它偷不走我的密码。 2. 组合二 (A + B)：较低风险 场景： 允许 AI 读取一个我刚收到的“不可信”邮件（A），然后帮我检索我的私有通讯录（B），看看这人是谁。 为什么安全？ 因为它不能“动手”（C）。它只能看，但不能把“邮件内容”和“通讯录信息”一起打包发给黑客。它是个“只读”助手。 3. 组合三 (B + C)：较低风险 场景： 允许 AI 访问我的私有日历（B），然后帮我给我的同事发邮件（C）协调会议时间。 为什么安全？ 因为它不处理“不可信”的外部输入（A）。所有的数据源和操作对象都是我内部可信的。 那么，什么时候最危险？ 当 A + B + C 同时出现时——这就是“危险”区间。 场景： AI 读取了一封来自陌生人的、包含恶意注入攻击的邮件（A），然后AI被“说服”去访问你的私有文件（B），最后把这些文件内容通过网络请求（C）发送给了黑客。 那如果我的任务必须同时用到 A、B、C 呢？ 比如，我想让 AI “读取我这封（A）刚收到的带附件的邮件，从我的（B）私有云盘里找出相关项目资料，然后（C）把它们一起发给客户。” “二权法则”给出的答案是：可以，但 AI 不能“自主”完成。 它必须停下来，弹出一个窗口，由“人类”来最终确认（Human-in-the-Loop）。你必须亲眼看到 AI 打算干什么，然后按下那个“批准”按钮。 所以如果你开发 AI Agent 的话，别想着花大量精力造一个无所不能、同时又刀枪不入的“完美助理”了，而必须在“能力”和“安全”之间做出取舍。 这也是一种成熟负责任的工程思维：我们必须在承认技术局限性的前提下，去设计安全的系统。 所以，当你下次看到一个 AI 产品宣称它既能全网漫游、又能管理你所有隐私、还能全自动帮你搞定一切时，你可能要多问一句： 它是怎么做到“三选二”的？如果它宣称“三权全有”，那它凭什么保证自己不会在某天被一封垃圾邮件“策反”呢？ 这个“二权法则”当然也不是终点。它只是当下（2025年）我们能拿出的最靠谱的安全方案。未来我们或许会找到更好的方案，但在那之前，先设计好安全方案，总归是没错的。 Meta 的文章 ：https://t.co/9PBZf5PFy3 Simon Willison 的 New prompt injection papers: Agents Rule of Two and The Attacker Moves Second： https://t.co/1Upe7BZYIh
我发现国产出海产品都有起名字的问题，比如 youmind 英语用户会理解成「你介意吗」，而百度这个新产品的名字，原来 medo 的发音在日语里是。。。 https://t.co/AFPJMEsV04
Reddit 上有个老哥创建了一个提示词用来验证SaaS，只要 10 分钟 还说自己 mrr2.3k 刀 喜欢的收藏吧，下次能用上 https://t.co/PWIKzrLWoe
谷歌的这个产品更新是真的慢，其他人都做的功能，他现在才做。 Gemini 的深度研究终于支持搜索谷歌邮箱，还有谷歌云盘，包括你的谷歌文档、PPT, 还有你的谷歌chat的内容 https://t.co/ZZhmTyuMGc
以前中美关系很好，海关很松 随身带个DNA，带个果蝇，线虫啥的，睁一只眼闭一只眼就过去了 甚至我们实验室还有几台离心机，PCR仪都是以前几个老教师从美国背回来的。有的设备现在都还能用 现在干这种事情，是真的会蹲监狱的。劝我的同行们，还是不要把自己大好的青春赌在这种事情上，得不偿失 https://t.co/VJYptTfy2O
真传一句话：乔布斯讲品牌 首次销售/试验-->复购/信任-->品牌/口碑 https://t.co/t5mvdhr3RW
5 分钟 手把手教你Figma MCP+Claude code 还原设计稿 上次我在小红书发了个Ask me Anything 的帖子，发现评论区有好几个朋友，问我关于设计稿 转代码，AI 还原设计， Figma MCP 还原设计稿的教程与方法，受限于评论区篇幅，没能详细解释，这次我用一个视频把详细的教程端上来啦！不要收藏吃灰！ https://t.co/wIC3VHq5um
想搞一个AI内容流水线：每家的内容用自家的模型洗一遍，看看最后的尾巴到底是什么样儿的？🤣 举个🌰， YouTube视频用Gemini总结成访谈 👉 访谈用OpenAI改成reddit文章 👉 文章用Grok总结成X推文 👉 推文用腾讯元宝扩写成公众号 👉 公众号用DeepSeek转成微博 👉 微博用通义千问转成小红书图片 👉 小红书用可灵转成快手小视频 👉 短视频用豆包扩成双人对话播客 👉 播客用B站IndexTTS克隆成英文发YouTube 内容进出口，完美闭环～
把国外的视频和播客还有英文文章用ai洗去国内公众号 同步小红书自动生成长文图片 又支持一下小红书图片ocr解析文本回公众号 ai改写又洗一遍 这内容就是来回多模态被洗了好几次 以前只是有平台信息吞噬链 结果这吃进去的拉出来 然后再吃进去再拉 随着自动化越多 营养就越少 未来的内容如果缺少了人的价值观和温度 没有了优秀的观点和情感 就会成为巨量的ai幻觉垃圾 甚至会出现大量无法自主思考的人类被ai舆论控制的局面 这世界已经不需要一个无限月读了 每个地方都会有这些电子垃圾
刚测试了一下，codemaps 真的还可以，能帮助你了解特定功能的workflow，快速定位到相关代码位置，不过注意还是需要有一定编程基础，不然还是看不懂。 对于新人入职熟悉现有代码库会帮助很大，或者去看一些比较复杂的开源程序都会有帮助。 https://t.co/qWy9XxvKRb
AI 能提升下限，但是如果自身水平不足，看不出来生成内容的问题，但如果专业的人去用 AI 生成内容，再去基于 AI 内容二次创作，反而能兼顾创作速度和质量，就像优秀的程序员借助 AI 写代码可以又快又好一样。
「 LLM Beliefs」 Accumulating Context Changes the Beliefs of Language Models LLM 有人格，三观，或信念么？ 如果有，或许这并非内在且稳定的属性，而是一种依赖 context 的行为模式，会随着context的累积而发生变化。 论文具体地展示了这一点：让模型进行多轮关于道德和安全对话，或持续阅读对立的政治文本，会显著改变它们的信念。 如果 LLM 的信念立场人格三观容易发生变化，你是否可以永远相信它，并让它为你做出 proactive 的决策和选择？ 值得思考。
TIFF 文件格式可能很多人都不陌生，是一种无损的突破存储格式，已经存在很久了，不过我一直没想到这背后还有故事，直到今天看到 Hacker News 上的一个热帖：《Mr Tiff》 ，原来这是一个为 TIFF 作者“正名”的故事。 （本文由 AI 辅助翻译创作，提示词和原始会话见评论） 作家约翰·巴克（John Buck）有一个执念：他要为那些真正发明了我们习以为常技术的工程师们著书立传，让他们的名字不被公司和时间所吞没。 为了这个目标，他投入了超过一万个小时。他常说，这就像一场跨越时空的侦探游戏，你必须通过几十年前的蛛丝马迹，去拼凑一个“无限接近”的真相。 在撰写《发明未来》一书时，他遇到了一个棘手的案子。 约翰在研究苹果的 AIFF（音频交换文件格式）时，采访了它的创造者史蒂夫·米尔恩和马克·伦茨纳。他们提到，AIFF 的诞生离不开两个更早的“开放标准”基石：IFF 和 TIFF（标签图像文件格式）。 查找 IFF 的发明者很顺利。杰里·莫里森（Jerry Morrison），电子艺界（EA）的工程师，履历清晰。 但 TIFF 却毫无线索。 约翰的每一次搜索，得到的结果都只有一个词：Aldus。 “Aldus 创造了 TIFF。” 所有的资料都这么说。 可 Aldus 是一家公司，不是一个人。这家定义了“桌面出版”概念的公司早已消失在历史长河中，被 Adobe 收购，没有留下任何关于 TIFF 创造者的线索。 约翰不信邪。他开始疯狂地翻阅旧的《MacWeek》杂志，终于，在一个角落里，他找到了一个名字：史蒂夫·卡尔森 (Steve Carlson)。 他兴奋地顺着这个名字查下去，又在计算机历史博物馆的口述史中找到了佐证。但很快，线索又断了。这个“卡尔森”似乎也人间蒸发了。 约翰陷入了困境。为什么他找不到这个人？ 在绝望中，约翰下载了那份古老的 Aldus TIFF 规范文档，希望能找到作者的名字。然而，文档的作者栏一片空白。 他不死心。鬼使神差地，他将那片空白区域的文字复制到了一个纯文本文档中。 就在那一刻，一个隐藏在“白底白字”中的名字显现了出来：史蒂夫·卡尔森 (Steve Carlsen)。 不是 "Carls‘o’n"，而是 "Carls‘e’n"！ 一个字母的差别。 这个拼写错误，就像一道屏障，将这位发明者隐藏了几十年。 约翰立刻用正确的名字 "Carlsen" 搜索。Bingo！专利、地址、一切都对上了。他找到了斯蒂芬·E·卡尔森（Stephen E. Carlsen）的专利，确认他曾在 Aldus 工作。 约翰追踪到一个地址，发现斯蒂芬住在一个退休村里。他没有任何公开的电子邮箱。 约翰使出了他最后的办法：他写了一封信，贴上邮票，寄了出去。 四个月后，约翰的收件箱里出现了一封新邮件。 是斯蒂芬·卡尔森。 斯蒂芬确认了当年的故事。他非常谦逊，称这“没什么大不了的”。他说，当年他们只是为了让 PageMaker 软件能兼容市面上五花八门的扫描仪，与其为每个型号都写一个导入程序，不如定义一个行业标准。 斯蒂芬不仅定义了标准，还亲自去游说那些第三方开发商和扫描仪制造商采用它。 约翰将 TIFF 的故事写进了书里，斯蒂芬看后回复：“看起来不错。” 此后，约翰再也没有收到他的回音。 两年过去了。约翰突然又收到了一封邮件，来自斯蒂芬的前妻佩吉。 佩吉告诉约翰，斯蒂芬在几个月前去世了。 她在整理遗物时，才发现了约翰那封迟到的信。佩吉解释了为什么斯蒂芬后来不再回复：“那段时间，他已经开始挣扎着使用电脑和手机了……他是一个谦逊的人，从不主动寻求认可。” 邮件的最后，佩吉写道： “谢谢您对斯蒂芬工作的认可。直到他生命的最后一刻，我都叫他‘TIFF 先生’。” “TIFF 先生”。 约翰读到这里，感觉那一万多个小时的枯燥研究，在这一刻全都得到了回报。 那天深夜，当家人都已入睡，约翰·巴克打开了电脑。 他登上了维基百科，找到了“TIFF (Tag Image File Format)”词条。 他删掉了那句含糊不清的“由 Aldus 公司创建”。 然后，他一字一句地敲下了新的事实： “……由斯蒂芬·卡尔森 (Stephen Carlsen) 创建，他是 Aldus 的一名工程师。” TIFF 先生，现在，全世界都认识你了。
最近推上感觉突然出来了好多大厂程序员人设的朋友。 有的我喜欢，有的我也不喜欢， 有的我喜欢所以关注了，有的我关注了也只是碍于情面，还有的我可能block了 但是有一点，我觉得很好。 表达的人变多了， 你喜欢的声音，不喜欢的声音都变多了。 这很好，至少有了声音。
“让我们一步一步地思考（Let’s think step by step）”，曾经非常有效的提示词。 APE框架“发现”了更强的版本： “让我们循序渐进地找出正确答案（Let’s work this out in a step by step way to be sure we have the right answer）”。 通过论文才知道 APE = Automatic Prompt Engineer。 类似做法： 1. 让一个AI“编”100个候选提示词。 2. 用这些提示词去跑任务，并给结果打分。 3. 最后选出那个“得分最高”的提示词。 听起来合理，估计不少朋友实际也是这么用的。
我们家老大今年暑假找了个实习，一个顶尖的生物实验室。他在这段实习经历最大的收获就是认识了几个真正优秀的人，这对他正面激励很大，他能切实的感受到这些人为什么优秀，能从他们身上学到什么。实习结束他说要改变自己的交际圈子了。 进大公司是向优秀人学习的最佳路径之一，就是有时候也要看运气。
最近想多看多聊一些在看机会的候选人 主要是过去几年帮团队和给我自己招到的人都很不错，说明我眼光真的可以，能找到可以创造实在价值的人才 欢迎大家自荐或者推荐别人，直接DM我简历和过往作品，以下任意工种均可 - 社媒运营 - 社区运营 - BD - KOL manager - event manager - 平面设计UI/UX - 动态&视频设计 - 产品经理 - 全栈工程师 唯二要求： - 对新事物好奇充满探索精神 - 具有高度的自我驱动力
如果能把国内「傻子渴望被骗」与「专业骗傻子」这种供需生态精准识别出来 我觉得这些生意创造的 GDP 总和，可以超过苹果公司的市值