🔥 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.
目前觉得还不错的读AI论文方式分享： 1. 原始论文PDF放在左屏幕。 用系统自带或任意分屏工具，比如我用Raycast的Window Management插件。 2. 右边是Gemini 或 NotebookLM。 Gemini排版和提示词遵循更好，虽然有时不如NotebookLM解读的深入，不知道为啥。 3. 用提示词生成解读。 可以用简单提示词，如：用高中生（初中生/小学生/弱智）能懂的话逐句解读这篇论文。 也可以用稍微复杂点的（会包含公式等，指出配图所在页码等）： 你是一位既精通学术研究又擅长把复杂概念讲给中学生听的导师。 请帮我完整读懂这篇论文，我是高中生。 从标题和摘要开始，逐段给我讲解每一部分在说什么，为什么要这么写，和前后段落有什么关系。 遇到专业术语就用日常例子解释清楚，遇到公式就拆开讲每个符号和每步推导的意思，说明这个公式在解决什么问题。 当讲到图表时，明确告诉我这是PDF第几页的哪个图，图里的横纵坐标是什么，曲线或数据代表什么含义，重点要看哪些关键信息，以及这个图是为了证明或说明什么观点。 讲解过程中要指出哪些是论文的核心创新点，哪些是铺垫性的背景知识。 不要跳过任何重要内容，把整篇论文的逻辑线索串起来，让我能理解作者的思路是怎么一步步展开的，以及为什么要这样安排结构。 讲的时候就像老师面对面教学生那样，用完整的段落把每个知识点说透，确保我这个基础薄弱的高中生能真正听懂。 如果我说没理解，请用更简单的方式重新解释，必要时可以降到初中甚至小学的知识水平来类比。
问题，结构，本体论，数字孪生 智能时代，定义“问题”已经不是解决问题的最佳方式了。 为什么？ 因为“问题”从来不是世界的属性，它是人的投影。 世界只有： 状态（state） 资源（resource） 约束（constraint） 行动（action） 结果（outcome） 事件（event） 因果（causality） 但“问题”不是这些，它不是现实的结构，它是人类在认知不足、信息不全、视野有限的条件下，为了能勉强把世界压缩进自己的脑子里，而创造出的一个人造标签。 换句话说 问题不是发现的，是定义出来的。 既然是定义出来的，那就会出现一个根本问题： 谁定义？ 按什么方式定义？ 凭什么定义？ 企业如此、家庭如此、组织如此、个人亦如此。 你问一句： “你们公司有什么问题？” 马上就变成取决于： 谁敢说 谁愿意说 谁有话语权 谁的视角占上风 谁的偏见被纳入框架 谁对现实的认知更强势 于是“问题”本身就变成一种社会产物，而不是现实结构。 家庭更明显： 每家总有那么一两个“专业找问题的人”， 一句话就能把一个普通下午，定义成一个“家庭问题连发的事件日”。 这种定义能力越强，“问题”就越多。 但这些问题有多少是真实存在的？ 有多少是语言制造出来的？ 有多少只是某个人的心理阴影投射？ 有多少根本只是注意力误导？ 你会发现： “问题”这个东西依赖人心，而不是依赖世界。 只要有一个人擅长找茬，整个世界都充满问题。 因此，“问题”这个概念，本质上是不稳定的、主观的、不可复用的、不可结构化的。 可在智能时代，我们拥有的是能够： 直接读取状态（IR） 自动归纳结构（Structure Cards） 实时调度行动（Scheduler） 持续更新记忆（Ledger） 根据反馈演化（Feedback Loop） 的系统。 在这样的系统面前，“问题”是一个非常低维的描述方式。 它甚至是一个阻碍 因为你不得不停下来“定义问题”，才能继续“解决问题”。 这在智能系统里不成立。 智能系统要处理的是： 状态差异，而不是问题； 结构失衡，而不是问题； 行为异常，而不是问题； 路径偏移，而不是问题。 世界从来没有问题。 世界只有结构。 而“问题”只是人类为了解释结构偏差而创造的一种“语言补丁”。 这就是为什么在智能时代： 定义问题已经不是解决问题的最佳方式， 因为问题不是现实的本体，结构才是。 我们先以“企业”为例子说起。 金牛兄@jinniudashu，自从今年夏天开始开始了解你对 BPS（Business Process System）的构想之后，你提出了一个非常关键的框架：世界即状态机，事件先化为原语，再进入结构化的执行链。说实话，这套思维我从第一天听到就觉得惊人准确。过去几个月，我一直尝试着把这个概念向其他软件业的人士解释，也不是什么正式讨论，只是饭桌闲聊、走路闲聊、群聊随口一句。 然而，就是这些零散的闲聊，我却捕捉到了一些非常微妙、反复出现的信号。 这些信号在我脑子里自动汇聚成一个越来越亮的词汇，一个正在从混沌中浮现的“结构元词”： ⭐ 数字孪生（Digital Twin） 而且不是工业界那种“机器数字孪生”、IoT 数字镜像的狭义定义，而是一种更高维度的本体概念： 企业可被数字孪生 个体可被数字孪生 项目可被数字孪生 决策可被数字孪生 状态可被数字孪生 流程可被数字孪生 风险可被数字孪生 行为模式可被数字孪生 整个组织的结构智能也能被数字孪生 换句话说： 世界的可计算性正在被重新定义。 而 Palantir 为什么水涨船高？其实Palantir，我个人认为没有绝对的护城河。 我越来越清晰地意识到，这不是因为它“做数据”，也不是“政府合同”，甚至不是“AI 工具”。 它真正做的是： ⭐ 企业级数字孪生的底层结构。 Palantir 的本体（Ontology）层，就是“世界状态的数字映射”。 它把企业的一切： 资产 事件 风险 流程 人员 供应链 决策路径 政策规则 全部当作可被定义、可被表达、可被操作的结构原语。 这是数字孪生的本质： 在数字空间中重建世界的可执行本体。 而为什么 Alex Karp 和 Peter Thiel 的路径如此独特？因为他们都是哲学系出身。 因为他们比所有人更早看见这一点： 世界不是由“问题”组成的， 世界是由“可计算结构”组成的。 而数字孪生，是对这种结构的数字化表达。 更关键的是： 这个概念在计算哲学上几乎没有现成理论。 它不像“数据库”“函数式编程”“图结构”“消息队列”那样有教科书可查。 它是一种前理论（pre-theoretical）的时代萌芽。 它出现得太早，以至于整个行业的语言、模型、机制甚至都还没准备好解释它。所以我们这种朦胧领会到的人，一直在鸡同鸭讲。 但我们都感受到了同一种模糊趋势： 企业层面：每一个流程正在被数字化成结构 工程层面：代码越来越趋向状态机与事件驱动 决策层面：策略越来越依赖数字化模型 管理层面：组织本身开始像一个可被模拟的实体 认知层面：人类开始思考“自己如何被数字孪生” 工具层面：AI 正在成为结构的执行器 哲学层面：本体不再是语言描述，而是可执行描述 于是，哪怕我们语言还未统一， 概念还未成熟， 框架还未形成， 理论还未出现， 教科书也不存在， 但我们所有人的直觉都在指向—— ⭐ 数字孪生不是一个技术，而是一种新的世界本体。 它是一种跨越企业、个人、系统、AI 的“结构存在方式”。 它正在成为智能时代下一代的“统一概念层”。 我们其实都感受到了： 智能时代的真正核心，不是模型、不是 prompt、不是 app，而是数字孪生作为新的结构本体。 而我们现在讨论的一切结构化智能、Primitive IR、Structure Cards、Scheduler、Event Ledger，不就是在为数字孪生构建语言和肢体吗？ 当我们把“看问题的模式”转化过来之后，整个世界都不一样了 当你真正把“看问题的方式”从传统的 问题式（problem-centric） 切换成 结构式（structure-centric） 的那一刻， 你会震惊地发现： 以前熟悉的业务、家庭、企业、生活，全部会变成另一幅完全不同的图景。 不是因为你换了工具， 不是因为你学了 AI， 不是因为你更努力， 而是因为： ⭐ 你的意识变了，所以你的世界的本体结构也跟着变了。 意识的变化是本体论级别的升级。 它不是思想更聪明，而是思想的“构件”换掉了。 于是你会看到： 以前的“问题”，现在是“状态差异” 以前要“解决”，现在要“调度” 以前靠“经验”，现在靠“结构” 以前靠“意志力”，现在靠“系统运行” 以前做业务靠“人”，现在靠“数字孪生的结构循环” 所以你才会有这种直觉： 光是意识不一样，哲学高度不一样，行动就完全不一样。 孩子成绩不好，以前是一个“问题”。 现在是一个“结构不匹配”。 过去的问法： 孩子为什么成绩差？ 是不是没努力？ 要不要补习？ 要不要找家教？ 要不要骂一顿？ 这是一套“问题式”的旧世界。 但是当你切换为结构式之后： 孩子的状态 IR 是什么？ 他的知识图谱结构在哪里断层？ 学习路径卡（learning cards）缺少了哪些？ 调度器是否能自动安排下一步？ Ledger 上有没有历史行为数据能复盘？ Persona（孩子的认知偏好）是什么？ Feedback Loop 如何闭环？ 你看不到“问题”， 你看到的是： 一个不完整的结构循环 → 需要补齐卡链。 于是你自然会想到： “我应该给他做一套 AI 学习系统。” 因为你已经不在处理“问题”， 你在处理“结构状态机”。 因为这套系统我会开源，所以你其实可以看到所有的代码，都是会体现出来的。 企业盈利问题，以前是“大问题”。 现在是“目标–资源–结构–行动链路的微调”。 传统企业问： 盈利怎么提高？ 成本怎么降低？ 人为什么不够效率？ 竞争怎么对抗？ 所有问题聚在董事会桌上变成“痛点列表”。 但在结构时代，企业不再问“问题”。 企业问的是： 当前企业状态模型（Organizational IR）是什么？ 关键约束节点在哪里？ 资源分配卡是否失衡？ 调度器是否在正确的策略链上运行？ KPI ledger 的因果链是不是断了？ 收入结构卡是否在反馈回路里？ 决策结构是否周期性更新？ 盈利不是问题，盈利是结构行为流的产物。 于是企业自然会想： “我需要一个企业级数字孪生来跑盈利结构。”（这其实就是 Palantir 的核心逻辑。） 企业不再靠“找问题 → 开会 → 做 PPT → 下命令 → 继续犯错”的循环。 企业靠的是： 状态 IR → 结构卡链 → 调度器 → 事件账本 → 反馈 → 优化 → 演化 这是一套不会疲惫、不会拉胯、不会走神的结构生命体。 不依靠某个中层领导拍脑袋，不依靠某个想出头的员工不停的写PPT！ 所以真正的变化不在技术，而在哲学高度 你说的这句话非常准： “光光是我们的意识不一样，哲学高度不一样，行动就大不同。” 因为一旦意识从“问题世界”迁移到“结构世界”， 你对生活、企业、孩子、自己、组织的理解都会发生本体级别的翻转： 在问题世界里 所有事都是难题、困境、危机、症结、麻烦。 在结构世界里 所有事都是状态空间、结构链、调度点、反馈回路。 于是： 孩子成绩不好 → 不是问题，是结构缺失 企业盈利不足 → 不是问题，是结构优化点 家庭矛盾 → 不是问题，是沟通结构断层 人生方向迷茫 → 不是问题，是意图结构未澄清 个人成长停滞 → 不是问题，是反馈循环未形成 你的词汇变了，你的结构变了，你的世界也就跟着变了。我认为这背后有一整套现在已经能完备实现的工程哲学，就在我们这个时代，就在未来这10年。
Nowledge Mem 也有 Claude Code Plugin claude plugin marketplace add nowledge-co/community claude plugin install nowledge-mem@nowledge-community 详见文档 https://t.co/szgy9da7FT
前段时间很焦虑，直到我找到了尬聊的正确使用方法，我豁然开朗，我的语言的界限意味着我的世界的界限，我觉得这个世界上没有一句废话是无用的，只不过我们通常在错误的地点和错误的话题擦肩而过，不要每天总是盯着最新最好的话题，凡是能够说的事情，都能够说清楚，有时候你的问题其实只需要一个最普通的二线段子就可以完美解决。
现在对Nano Banana生成的密密麻麻的东西快脱敏了。 物极必反，试试生成简洁又好看的内容。 https://t.co/QTtUvrzu18
前段时间很焦虑，直到我找到了Grok4.1thinking的正确使用方法，我豁然开朗，我觉得这个世界上没有一个AI模型是无用的，只不过我们通常在错误的地点和错误的模型擦肩而过，不要每天总是盯着最新最好的模型，有时候你的问题其实只需要一个最普通的二线模型就可以完美解决。
宝玉老师这套提示词绝对是哄对象的神器！ 有老婆，有女友的小伙伴赶紧冲，实测 Lovart 4K 出来的效果最好，一张图直逼 20M+😍 提示词见原帖👇 https://t.co/xDFwZSyFg7
小学课本秒变AI绘本！ 网上搜索对应年级的PDF教材，上传到Youmind。 用Nano Banana Pro生成同步配图教材。 这种用法会不会太狠了，有点坑玉伯，哈哈哈！
Github涨星最好的办法就是分享提示词，哈哈哈。 邪修啊！ 不过Nano Banana pro确实值得深入研究。 我和歸藏的想法一样。 这个模型的潜力可能还没有被充分挖掘。 5k多星的Github提示词仓库见评论区 https://t.co/AeKvv2Fbfr
美团把部分前端整体转到后端做全栈。 这类组织结构的变化在 AI 时代就是必然的，现在开始规模化落地了。直觉明年会看到越来越多类似的动作。 AI Coding 有三个趋势已经压不住了： 1. 某些产品线要快，组织会自然偏向全栈，能单点闭环的就更有价值。 2. 岗位边界在快速消失，前后端只是历史阶段的分工，不是未来的分工。 3. 能闭环的人越来越贵，不能的人越来越难，这是现实也是趋势。 防喷补充：岗位不会消失，但岗位形状正在重塑。 挺值得观察的一个趋势。
回家后和男友讨论了蓝战非被绑架事件，他坚持认为蓝战非肯定是嫖娼了，他财富自由后环游全球表面是旅游，其实是和全世界各国的女人上床，实现一种自我成全，然后我问他，如果你财富自由了你也想草全世界的女人吗，他表示，在财富自由之前，他保证一定会成功阳痿。
天天忙得晕头转向！银行合同签了、然后搞项目结算、年度财报结算、各种想办法增加成本….还有年底这样那样的新年party也得参加，白天灰头土脸地搞帐晚上还得捯饬捯饬出去社交去。 好消息是美国政府重新启动后一切都很快，我的版权保护证明下来了，出版社也申请到了我的小说的美国国家图书馆的编号，排版也结束了，应该是踩在圣诞节前能上架啦！这一年屁滚尿流的，至少办成两件大事：买房和出书🥰
Nano Banana Pro 的智能程度真的很可怕，它可以自己检索信息之后针对小说内容进行设计 尤其是标题的字体设计，每个都不重样，而且非常契合场景。 模型周围的雾气也会根据小说场景氛围进行变化，而且非常丰富不死板 真的这玩意的上限远没有被挖掘出来 https://t.co/l7iB2D0R2z
一种比较良性的，不怕自己的内容没有流量的心态是 我认为，当有一小部分人刷到了我的一篇没有流量的内容的时候，他不会觉得我搞不到流量，是因为我很菜 他会感慨，好的内容没人看，他会认为自己发现了小众的、不为大众所知的好东西 如果你能达到这样的创作标准，你就不会害怕自己没流量 并且在多数情况下，你还真就能拿到流量 因为虽然我技巧不足，但认知足够
最近悟到了一个东西 很多的提示词不是都喜欢给 AI 设定角色吗？ 但是很多时候我们其实不知道某个问题什么角色回答最合适 假如你还是在直接问 AI问题，相当于选定了个默认的角色 默认的东西，长期以往是最平庸的 下次问问题的时候，可以加上这一句： 帮我找到这个世界上最适合回答这个问题的人，他们会如何回答下面的问题：
24年被柬埔寨老哥盯上之后，关系好的朋友都知道怎么回事。 我就一次仓位没晒过了，收益率也不发了，晒也只晒小隐寺群友的收益率，我没钱，我亏完了，没有豪车没有豪表没有豪宅没有现金。 蓝战非这个事情就是自己作死喜欢炫富，说自己一年9位数，而且更傻逼的是他自己公布自己被绑票的事情，以后想绑他的人会更多。 道德经: 天之道，损有余而补不足。 等着多个币圈kol被杀猪。
在微信输入法中敲 qingwen，首位总被“亲吻”占着。 直接删了这个词组。 中年男子的日常，根本用不到这个 ... https://t.co/KjIfdqlCDj
目前最全外国eSIM资费保号可接码漫游大全 - 涉及几十个国家 - 要不要实名KYC均有 - 流量卡、保号卡 - 0 成本、低成本月租 如有补充，欢迎评论区留言⬇️ 如看不清，请留言“高清”，或按图中联系方式入群获取。 https://t.co/SzZC6NjhTq
特朗普宣布 H200 恢复对华出口 同时收入的 25% 将会交给联邦政府，实质上是对相关出口设置约的类似关税。 这下 Anthropic CEO 估计急死了 https://t.co/zP3OxvvOPc
用 AI 吐槽一下 yangyi 写的推文 提示词参考归藏老师的做了改进（评论区给出原帖）： 生成图片，把它打印出来，然后用红墨水疯狂地加上手写中文批注、涂鸦、乱画，如果你想的话，检索这个账户内容，涂鸦的内容主要为吐槽他，还可以加点小剪贴画 注意嗯，打印出来的时候，你要保留这个推文的这个头像啊，名字啊、时间啊，就好像在这个推文上面打印一样，但是呃这个是最好
原计划今年 50w 粉丝，看来是达不到了 不过取其上得其中也行 如果不是这个月有线下课，我连发 20 天豆包演示视频，应该还是可以破 50w 的 😂 https://t.co/2IoPtqx8dR
Nano Banana Pro 为什么比 ChatGPT image 更耐玩，火的更久。 不止是语义遵循好，中文好，画的好。 我觉得是，这个模型让画图有了LLM一样的世界知识。 LLM提示词能获取的结果，都能通过视觉呈现出来。
试了一下谷歌无限画布产品 MixBoard 这次的更新，很强啊 PPT 生成同样支持自定义提示词和内容，而且你只需要框选一下画布中的文本和图片他们就会出现在 PPT 里面 PPT 生成的控制能力更上一层楼了，还能涂鸦框选改图，也很好玩 https://t.co/wWQ8WmddGD
AK 建议你跟LLM（大语言模型）对话时，少用“你”怎么看，而是先问问这个领域的专家都是谁，然后让 AI 模拟这个领域的专家回答问题，这样能得到更好的效果。 2年多前Andrej Karpathy在State of GPT也说过类似的话。（见评论） Andrej Karpathy： 千万别把 大语言模型 (LLMs) 当作是一个个活生生的“实体”，要把它们看作是超级强大的“模拟器”。 举个例子，当你想要深入探索某个话题时，千万别问： “关于 xyz，你怎么看？” 因为根本就不存在什么“你”。 下次试试换个问法： “如果要探讨 xyz 这个话题，最合适的一群人（比如专家或利益相关者）会是谁？他们会说些什么？” 大语言模型可以信手拈来地引导和模拟各种各样的视角。但它并不像我们人类那样，是经过长时间对 xyz 的“思考”和沉淀，才形成自己的观点的。 如果你非要用“你”这个词去强行提问，模型就会被迫根据它 微调 (finetuning) 数据的统计规律，调用一种隐含的“人格嵌入向量 (personality embedding vector)”，然后扮演这种人格来给你模拟一个答案。 (注释：简单来说，当你问“你”时，AI 只是根据训练数据中最常见的回答模式，戴上了一个“大众脸”的面具来配合你，而不是它真的产生了一个拥有自我意识的人格。) 这样做当然没问题，你也能得到答案。但我发现很多人天真地把这归结为“去问问 AI 怎么想”，觉得这事儿特玄乎。其实一旦你明白了它是如何模拟的，这层神秘的面纱也就被揭开了。
强烈推荐用公众号，探索人机协作创造内容。 体验了从头练小号的快乐。 新开的公众号，也积累一些文章。 昨天新发两篇，带来了200多新增关注，18元打赏。 累计关注接近1k了，哈哈哈。 核心主题： 探索人机协作的边界。 尝试用 AI 解读学习论文，给人物写专辑，长播客转可读性更高的文章等。
谷歌的无限画布产品 Mixboard 重大功能 又有一个可以白嫖 Nano Banana Pro 生成 PPT 的地方了 现在支持将你上传到画布的文档、图片和笔记直接变成 PPT，而且这个非常可控，PPT 里面有你需要展示的图片 还支持画笔标记图片区域之后让 banana 编辑图片 https://t.co/UYcsHBwxow
刷了2年X，发现“公开构建（Build in Public）”是中文圈最大的谎言。 这和你是否信奉它无关。我在 X 看了 N 多的独立开发者，得出一个挺扫兴的结论。 中文圈，没有真正的公开构建。 **是的，一个都没有。** 当然，那些闷声发大财的我没法说。我就聊聊那些在台面上，你我都能刷到的几种独立开发做公开构建的内容。 第一种，汇报型内容。比如丢一张 MRR 的截图，或者用户数字，然后感谢一下用户，激励一下自己。或者产品上线，更新宣发一下。至于这个月为了这点增长，他熬了几个通宵，毙了几个方案，根据什么做决定的，你永远不会知道。 第二种，干货类内容。什么“SEO的7个技巧”、“给独立开发的5个建议”。每一条听起来都无比正确。但这些干货，是他根据什么实践总结出来的，跟他自己的产品到底有什么关系，他从不细说。相当于考试的时候只给答案，不给你看解题思路和过程的。 第三种，私域类钩子。比如“Nano Banana 的 100 个提示词”，“国外某大神一个单页面网站做到了 7 位数”，“留言+私信拿可灵的运镜技巧文档”，“入群学习怎么做 AI 擦边，仅限 200 人”。今天聊 GPT，明天聊可灵，后天再抽个奖。感觉他一直在场，一直在思考行业未来。但是他不刷 X 的时候在干嘛，不知道。 我不否认这些分享的价值。但我们现在看到的绝大多数所谓“公开构建”，根本就不是在分享“构建”这个过程，而是在展示“构建”这个结果。 它成了一个标签，一个姿态。 真正的构建是什么？ 它应该是你为了一个功能要不要上，跟自己拉扯的那个心路历程。是你收到第一个差评时，你带着又委屈又愤怒的情绪去解决的过程。是你产品做了一个月没收入，尝试了哪些狗屁不通的方法，然后是怎么带着迷茫和挣扎做出决定的。 公开构建，分享的本该是混乱，是痛苦，是纠结，是不确定性。 从这个角度，公开构建其实很简单，无关于成功与否，其实就是一个普通开发的日记而已。这也是为什么我在《搞到钱再说》分享的，不是什么方法论，而是我当初做产品的聊天记录，心路历程。 但是即使是这样，我做的也不是公开构建，因为那是回忆录。 反观英文圈，@marclou 我曾经评价说他更像一个网红，产品只是他为了涨粉的带货方式。但他在 https://t.co/kamMarx6bb 卖课引起争议之后，时间证明了他是一个优秀的独立开发。他 X 上那些关于产品 https://t.co/ilJ7lE0Bup 和 https://t.co/2oQoUjMbdk 的日常记录，那些尝试、不确定、和用户的互动，才是最有价值的东西。那种日记式的“平凡”，远比他每月更新的收入截图，或者什么“独立开发如何找到用户”的认知，带给人的启发要大得多。 而在开发圈子之外，栋哥 @dontbesilent12 在 X 上可以说是“自媒体 in public”，从第一条内容开始，你能完整看到他如何从零起步，如何摸索口播，如何形成自己的内容流程和价值体系。这个过程，比他最终呈现给你的199的知识库，或者他的任何一条抖音，小红书爆款，都更有价值。 说到底，我们不缺“案例”，“认知”，“干货”，而是那个普通人尝试点石成金的，笨拙又真实的过程。
书籍配图难题？一个AI工具帮我搞定40张印刷级图片 最近和朋友出一本书，需要配图，大概30-40张。 一开始用Napkin生成图片，但编辑看了以后觉得分辨率还是不够，文字也不是纯黑，排版也需要微调。 解法： 1. 批量下载飞书文档原稿中的图片 2. 上传所有图片到Lovart 3. 选中所有图片，输入提示词 “重新设计，变成2k清晰度，文字颜色#000000，图片比例4:3，排版布局保持不变，文字大小有对比，可读性高，文字不能压缩变形，作品用于书籍印刷配图。” 等全部生成就行，还支持文字编辑修改，太棒了！
https://t.co/pmExEpsK7F
感谢Dov兄！上一个周期还在活跃的95/00后朋友不多了，很多人都投身在做Gen AI，也为他们开心，但是更开心一直有Dov这样的朋友陪伴！
Thanks @ellazhang516! The past 10 weeks with Yzi Lab was an incredible journey! Love what Ella said during a feedback session to all the Yzi founders: fundraising isn’t traction. We should focus on the fundamentals!
万亿参数智能体强化学习，不再是顶级闭源实验室的专属。 🔥万亿参数推理模型 RL 仅需 10% 算力，Macaron AI 最新的研究打破了这一壁垒，发现在计算预算（FLOPs）相近的情况下，“强先验大模型 + LoRA”的效果远超“小模型 + 全量参数”。 仅用 64x H800 就能撬动万亿参数模型的推理能力进化。 📊 实测数据说话 (32B LoRA vs 1.5B Full)： GPQA Diamond 提升幅度高出 32% AIME 2025 表现提升 2.5倍 (20.61% vs 8.33%) 针对 MoE 架构进行了极致的显存与通信优化，现已开源。让万亿模型 RL 不再是“土豪”的专属。 👇 查看完整工程方案： https://t.co/3Wtu6tj1XT 为什么在万亿参数模型上进行强化学习比在小模型上进行强化学习效果更好？ 转发收藏给大家科普硬核大模型 RL，Lora 等知识👇 评论区
回顾过去三年的收入情况，2025年我的总收入下降了23%，但我非常开心。为什么？ 2023和2024年，我的主要收入是固定工资，几乎没有变化。到了2025年，我在5月份辞去了全职工作，所以今年只拿了四个月的工资，收入减少是意料之中的。 但真正让我兴奋的是，我的其他收入来源增长了31%，现在几乎可以覆盖家庭的大部分开支。这是个很大的转变，说明我从工资工作转向新方向的这一步，是走对了。 我没炒币、没中彩票、也没有突然冒出一个富豪亲戚给我留遗产。就是一点一滴地，在原来的工作之外，持续地、默默地搭建属于自己的事业。 我也找到了一个适合在职专业人士的路径：可以一边上班，一边积累、尝试，等时机成熟，再平滑地转型到一条更有活力、更有成就感的路上。 后续我会分享更多细节。
我勒个豆包手机还没到手 他们就已经把豆包手机封得快不能用了 这也太快了，用这种速度做创新的话，公司市值不得翻倍... 难道这就是传说中的护城河吗？
终于！ListenHub PPT 正式上线啦！ 我最近写好文章，都会直接丢到这里，AI 立即为文章设计 10 张配图，并且一键生成5分钟短视频。 不管是公众号、小红书，还是视频号、抖音、B站。 文字、图片、声音、视频。 你需要的素材，这下全有了。 PPT 的产品也有很多了，但 ListenHub PPT 这次完全不一样: 它是首个自带视频讲解的 PPT 把一切内容一键生成 PPT 讲解视频 轻松上传到每一个社交媒体平台 ListenHub PPT 的特点： - 极致简单，上传一篇文章，或一个 PDF，就能一键生成 PPT 幻灯片和视频 - 极致美学，支持上万种美学模板，只要你输入提示词或上传参考图就可以 - 形象参考，上传你的 IP 形象照片，让你的 IP 来讲解 PPT - 克隆声音，用你的声音来讲解 PPT 可以说，ListenHub PPT 专为自媒体博主打造。 人人都是全能自媒体博主。 现在做自媒体已经没有任何门槛。
前几天听到一个灵魂提问： 为什么美国的 AI 应用大多是有毛利的，而中国的很少有 也许 AI 应用本质是一个橘生淮南的故事。 橘树生长在淮河以南就结甜橘，而移植到淮河以北就长成苦涩的枳。 大模型就像橘树。 生长在美国应用里就是有毛利的，而生长在中国应用里就没有。 很神奇，为什么会这样呢？
一个 AI 创业者，还在谈 AI-native 或 agent，往往就说明还在早期，离真实用户还很远。AI 时代，无论创业，还是使用 AI，越来越重要的，是 AI 之外你有什么，是功夫在诗外。 诗是用 Nano Banana Pro 画出来的炫酷的图，诗是用 Gemini 3 生成的漂亮网站，诗看起来很美。然而一首真正的好诗，是词藻背后能激发情绪和力量。亦如美人。美人有很多，能被世人传唱的美人，却往往并不仅是因为美，而是美背后的故事。 你的故事是什么。或你想讲的故事是什么。这是起点。是生万物的一。
🍌 nano banana prompt Elevate your AI photography toolkit with this ultra-realistic ID photo prompt — it reads the country + document type, applies official biometric rules, and generates 6 print-ready, non-beautified headshots that perfectly match your uploaded face. 📷🪪✨ ---- Prompt (upload a photo and update the document type at the bottom ---- Generate an ultra-realistic personal ID photo for 【Document Type】, precisely replicating all facial features from the uploaded photograph without any beautification, editing, or alterations, strictly complying with official standards for the specified document. Step 1: Retrieve or request the official photo guidelines based on user-selected country and 【Document Type】 (e.g., passport, ID card, visa, driver's license, student card, etc.): - Background Color: (Default: solid white) - Facial Position: (Default: face forward, clearly visible from the top of the head to the chin, head centered) - Expression: (Default: neutral, natural, eyes open and directly facing the camera; exceptions for religious or medical reasons) - Eyewear: (Default: no glasses; medically required glasses must have lenses free of reflection or obstruction) - Accessories Restrictions: (Default: no hats, headscarves, headphones, or other accessories, unless worn for religious reasons) - Photo Dimensions: (e.g., 2 x 2 inches; provided by the user or retrieved automatically) Step 2: Generate the photo strictly following the specified guidelines: The subject faces directly forward, expression calm and neutral, mouth gently closed, both ears clearly visible, and shoulders fully captured. Use professional, soft, evenly balanced front lighting from a studio setup, ensuring no harsh shadows and a natural overall tone. The background precisely matches the specified color, uniformly clean and smooth. Composition strictly adheres to the official guidelines for the selected document type, with the head and shoulders centered and naturally proportioned. Finally, deliver 6 identical ID photos arranged vertically in a 2x3 grid on a single 6x4-inch print-ready photo sheet. The sheet has a light grey background to facilitate easy cutting, with uniform spacing, clean layout, and high resolution, suitable for direct printing. -- Document Type：US Visa
学到了新词，Agentic Commerce， 以及 Agentic Commerce Protocol。 我有无数疑问，比如： 凭什么 Agent 一定比我更懂我想要什么产品？ Agent 对商家的排名是客观的么，会不会有竞价排名？ 但我也知道，我的疑问不管用，Agentic Commerce 一定会到来并主宰。 最后的疑问，面对 AI，人类除了 chat，真的没有别的交互方式了么？ Agentic Commerce 中文怎么翻译，智商 😂？
怪不得这个人可以做出Midjourney btw max planc是欧洲最好的物理实验室 小熊猫大学时候的班长兼初恋兼白月光就在这里读博 https://t.co/uBxLjGy2sc
🍌 nano banana pro prompt 🎬✨ Experience cinematic magic: a stunning split-screen photo seamlessly merging past and present, capturing dynamic interactions across time! ⏳ --- Prompt --- A horizontal split-screen cinematic shot of {Scene}, seamlessly blending two different eras: {Era_A} on the left and {Era_B} on the right (default: about 100 years ago vs. present day). On the left side ({Era_A}): show era-appropriate architecture, interior or environment design, materials, vehicles, and props that clearly belong to that historical period. People wear authentic clothing from {Era_A}, including hairstyles, accessories, and typical items in their hands (such as books, umbrellas, instruments, letters, newspapers, etc.). The overall mood feels nostalgic and historically accurate. On the right side ({Era_B}): show the same {Scene} in the modern era, with updated architecture or renovated structures, contemporary materials (glass, steel, LED screens, modern furniture), modern vehicles or equipment, and current technology (smartphones, laptops, cameras, etc.). People wear contemporary fashion that matches today’s style in this setting. In the center: the two eras merge and overlap organically, without a hard dividing line. Elements from {Era_A} and {Era_B} visually interact: people from different times look at each other, walk through each other’s space, or seem surprised by the other era’s technology and objects. Architecture and environment smoothly morph from old to new (for example, stone gates turning into modern campus gates, classical concert hall décor fading into a futuristic stage, old street shops transforming into neon-lit storefronts). Make sure the scene is not just a simple left/right comparison but a dynamic time-travel interaction where buildings, clothing, props, and human gestures clearly emphasize the contrast and fusion between the two eras. Photorealistic, 8k resolution, cinematic lighting, wide angle, highly detailed textures, rich sense of time-travel storytelling. --- SCENE: Times Square, New York Era Comparison: 1920s and present day Aspect Ratio: 4:3
¥5799 买个 imac 当显示器岂不是很划算？ 这个价格买三星显示器，也就是 27 寸 5K 的配置 不过这个电脑配置也确实没办法使用，8+8+256，食之无味，弃之可惜 https://t.co/OmUsE6CLYS
摩根纳斯达克100 和 标普500 放开限额了，每日可以买入 100000 那么问题来了，为什么放开了呢 https://t.co/guBRrrDhRi
可以让 Nano Banana Pro 帮你用涂鸦批注论文！ 我居然真能理解了 提示词：把它打印出来，然后用红墨水疯狂地加上手写中文批注、涂鸦、乱画，还可以加点小剪贴画，主要内容就是用中文的批注帮助一个大学知识水平的人了解这部分论文的原理和细节 https://t.co/V1gYC42tYL