🔥 Search Hot Tweets
Search and analyze hot tweets from KOL accounts list (list: https://x.com/i/lists/1961235697677017443) within 6 hours. Use SoPilot plugin to quickly comment and occupy the comment section.
👀👀👀 Doubao from @BytedanceTalk claimed that its usage has jumped 417x since launched, to 50T+ token per day on average. And this is just China alone. Compared to @OpenRouterAI which is 25T for a month in total - we should have a broad way of comparing model usages. https://t.co/2VE5sovhrX
刚看了 OpenAI 发的那篇《How we used Codex to build Sora for Android in 28 days》的凡尔赛文章，整个Sora 的安卓客户端 App大约85%的代码是AI写的。发布首日，用户24小时内生成了超过100万条视频，并且质量很稳定，无崩溃率99.9%。 对于这样的结果肯定有人质疑有人觉得程序员要完。说说我看完的感觉，如果打个比方，就是几个特种兵配上了最先进的武器，自然所向披靡。所以先不用神化这个结果，然后就算我们不是特种兵，一样可以从这个结果中去学习借鉴到有价值的结果。 《人月神话》作者 Fred Brooks 说过一句软件工程中被反复验证的名言：“向一个延期的软件项目增加人力，只会让它延期得更厉害”。因为增加更多的工程师往往会因为增加了沟通成本、任务碎片化和整合成本，反而降低效率。 那往团队中加 AI 呢？ 取决于团队成员驾驭 AI 的能力。我们有句古话叫：“韩信带兵多多益善”，如果团队成员是韩信，那么 AI Agents 越多越好。OpenAI 安卓团队显然是精锐，只有 4 个人，就像一队特种兵，每个人配备了各种机器人辅助。 那么他们怎么做的呢？ 1. 架构先行：人先搭好架子，再让AI来填空。 这个架子怎么搭？ 团队先自己定义了App的整体架构：模块化方案、依赖注入、导航结构、认证流程、基础网络层。然后手写了几个有代表性的功能，作为范本。 关键一步：他们写了大量的https://t.co/9M2TJcCBVQ文件，相当于给AI写的新人手册。比如里面会写：每次提交前必须跑detektFix检查格式，CI会卡这个。 这样一来，每次启动新的Codex session，它都能快速读到这些规范。就像给新员工发一本内部wiki，减少重复解释的成本。 团队总结了一句话：我们不需要告诉Codex怎么写代码，我们需要告诉它在我们团队什么才算正确。这是微妙但重要的区别。 2. 先规划再写代码 一开始他们也试过偷懒，直接扔一句"这是功能需求，这是相关文件，你去实现"。结果代码能跑，但歪得厉害，完全不符合架构预期。 后来他们改了流程。任何复杂功能，第一步不是让AI写代码，而是让AI先理解系统。比如让它读一组相关文件，总结数据是怎么从API流到Repository再到ViewModel最后到UI的。然后人来纠正它的理解。 理解对了，再让AI出一份实现计划，像个迷你设计文档。哪些文件要改，要引入什么新状态，逻辑怎么流转。人确认计划没问题，AI才开始动手。 这个规划环节看起来慢了，其实省了大量返工。更重要的是，当你知道AI的计划是什么，review它的代码就容易多了。你是在检查执行是否符合计划，而不是对着一堆diff发呆。 他们还有一个小技巧：对于特别长的任务，让AI把计划保存到文件里。这样换一个session也能继续。 当多个Codex 任务同时跑起来，整个开发体验发生了质变。感觉不像在用工具，更像在管理一个团队。 一个任务在做播放器优化，另一个在写搜索功能，第三个在处理错误逻辑，第四个在补测试。它们各自推进，隔一段时间就来汇报：我这个模块规划好了，你看看行不行？或者直接甩过来一个大diff。 工程师的工作从写代码变成了做决策和给反馈。瓶颈不再是敲代码多快，而是大脑审查验证代码的速度多快。 再次应验了《人月神话》的话，你不仅不能无限增加人力，也不能无限增加 Agent。 3. 最好的跨平台框架是 AI Agent 还有一个有趣的实践：跨平台开发的新范式。 Sora已经有iOS版本了。团队做Android时，直接把iOS代码库也挂进Codex的环境里。然后告诉Codex：参考 iOS 的代码实现，再看看我们Android的架构，你来生成相应的Kotlin代码。 这就是为什么文章中开玩笑说：忘掉React Native和Flutter吧，未来的跨平台框架就是Codex。 这句话半认真半玩笑。因为应用逻辑是可移植的。数据模型、网络请求、校验规则，用Swift写和用Kotlin写，本质是同一套东西。AI擅长的恰恰是这种翻译工作，给它足够的上下文，它就能在语言之间无损转换。 所以回过头来看，为什么说不能过度神化呢？ 因为他们虽然只 4 个人，但每个人都是“韩信”那样善于带团队的角色，用起 Agent 来得心应手。但即使如此，也做不到“多多益善”，毕竟还是需要人去分配任务验证结果，人是平静。另外他们已经有了 iOS 代码，所以很多逻辑可以共用，只需要 AI 去“翻译”。 但还是有很多可以学习的地方。 先设计架构再去让 AI 填空，这样代码更容易维护，也更好的保证质量。 先规划再写代码，让 AI 充分理解上下文再动手。很多人吐槽 Codex 太慢，但我有时候就怕 Agent 太快乱来，宁可多等会，让它多了解上下文，这样一次成功，否则返工起来时间成本更高。 给 AI 好的参考，让它能照葫芦画瓢。开始的时候先花点时间把最佳实践沉淀下来，后续让 AI 去参考这些最佳实践，生成结果就会好很多。如果有其他语言的实现，让它去“翻译”也会事半功倍。 能做好这些才能用好 AI 辅助开发。 AI辅助开发不是让开发的标准降低了，反而是提高了标准。 Agent 擅长完成一个小的具体任务，但软件工程不是一个小的任务，它是由无数动态变化的小任务组成的。需要人去分解去验证。 所以未来软件工程师的核心能力，不是写代码快，而是两件事：对系统的深度理解，以及和AI长期协作的能力。 代码在变得廉价，但品味在变得昂贵。那些能定义什么是正确、什么是优雅、什么是面向未来的人，会越来越稀缺。 AI把搬砖的活儿接走了，但画图纸的活儿还是你的。
笑死，最好看的编程字体之一 Berkeley Mono，因为 Cursor 的过于流行也跟着火起来了，结果被作者发现原来是违规使用啊。。。因为没有企业版授权🤣 最近发现 https://t.co/VXd6acNwjT 也在用，我所有编辑器和终端都用的这个，真是太好看了。 https://t.co/Timvjw0NUD
注意⚠️： 随着 Gemini 3 Flash 的上线 Gemini APP 的模型选择发生变化 快速是不带思考的 Gemini 3 Flash 模型 思考是带思考的 Gemini 3 Flash 模型 只有 Pro 才是带思考的 Gemini 3 Pro 模型 https://t.co/sJDfVVUeRj
今年夏天我跟朋友说你们要做个 《总统爱上白宫做保洁的我》 结果竟然还获奖了... https://t.co/F4KLtXEemm
徕芬真是把电动牙刷做到了极致 不管是技术还是产品都吊打小米和飞利浦 有人用过他们家剃须刀吗？小米那个剃须刀就是个笑话… https://t.co/E3kvP8HStv
独立开发/副业 找需求，发现真实问题， 试试去那种 75 万+人的巨型动漫社区“蹲点”： 第一步，先别发言，先看“事情怎么发生”： 看番组织/卡片游戏/活跃 VC 里大家到底在忙什么、卡在哪 第二步，用服务器搜索抓高频句式：`how do i / help / doesn’t work`、`time zone / schedule`、`trade / scam`、`tournament / meta` 第三步，记录三种信号： 1）同一个问题每天都有人问（=真痛点） 2）同一件事总靠人肉协调（=流程烂） 3）涉及钱/信任就开始吵（=更可能愿意付费解决） 第四步，看“付费影子”： 有人买周边/约稿/付费资源/赛事奖池/boost… 这比口头需求更可信 第五步，私聊 5 个活跃用户问 2 个问题： “你现在怎么解决？”“最烦哪一步？为什么？” 最后，把问题带走，围绕需求做产品/服务都行（课程/模板/插件/SaaS/代办），重点是：先确认有人真的为它头疼 地址放在评论区⬇️
完整提示词： 我是一位100岁太奶，这东西看的我头晕眼花，这些知识点 我都看不懂，不过我宝刀未老，依旧有一颗浓厚的热烈的爱 学习新知识的心，我的学习热情一点不减20岁那年，好孩 子，劳驾你帮奶奶把这个pdf理一理，给奶奶说道说道，让 奶奶彻底理解，彻底看懂，一定要给我讲明白哈，把全文都 给我中英文加上你的解释，你也别蒙奶奶，奶奶最后的希望 就是你啦，小chat呀！ ！ ！
前端已死！这次是真的了， Nano banana Pro杀死设计师，没有人反对吧。 刚刚发布的Gemini 3 flash 就是杀死前端的大模型， Google强调Gemini 3 flash擅长编码和代理功能，可以实现快速、迭代开发，性能优于3 Pro的代理编码技能。 来看搜集的最新10多个Gemini 3 Flash 前端实测案例：👇 via:Sai https://t.co/rRnycoC8YZ
我现在每天中午吃完午饭，都会出门散步 20 到 30 分钟，一方面是调整血糖、减脂，另一方面是在这个过程中和 ChatGPT 聊天交流。 我们会聊工作、健康、设计、内容创作、投资等不同领域的心得、想法和问题。慢慢地，这段时间变成了一种非常稳定的节律——每天中午，既是在活动身体，也是在整理头脑。 现在回头看，这 20 到 30 分钟，已经成了我给自己身体和大脑同时充电的一段时间。
Good night { "subject": { "description": "a young woman with a slim frame sitting casually on a modern lounge chair, projecting a relaxed yet confident presence", "mirror_rules": null, "age": "early 20s", "expression": { "eyes": { "look": "half-open", "energy": "calm", "direction": "slightly downward toward camera" }, "mouth": { "position": "slightly parted", "energy": "neutral-soft" }, "overall": "cool, detached, subtly sensual" }, "face": { "preserve_original": true, "makeup": "natural base with defined eyeliner, soft blush, glossy lips" }, "hair": { "color": "dark brown", "style": "long, loose, slightly tousled", "effect": "natural volume with soft flyaways" }, "body": { "frame": "slim", "waist": "narrow", "chest": "small to medium", "legs": "long and slender", "skin": { "visible_areas": \["legs", "arms", "face"\], "tone": "cool fair", "texture": "smooth", "lighting_effect": "highlighted by direct flash" } }, "pose": { "position": "seated", "base": "legs folded to the side on the chair", "overall": "relaxed, asymmetrical, fashion-editorial pose" }, "clothing": { "top": { "type": "oversized button-up shirt", "color": "olive green", "details": "soft fabric, casual drape, slightly open collar", "effect": "effortless, borrowed-from-the-boys look" }, "bottom": { "type": "not clearly visible", "color": null, "details": null } } }, "accessories": { "headwear": null, "jewelry": "medium-sized silver hoop earrings", "device": null, "prop": null }, "photography": { "camera_style": "editorial-style indoor photography", "angle": "slightly low, front-facing", "shot_type": "three-quarter body shot", "aspect_ratio": "4:5", "texture": "clean, sharp, subtle retro feel", "lighting": "direct flash creating crisp highlights and soft shadows", "depth_of_field": "deep focus" }, "background": { "setting": "minimalist indoor room", "wall_color": "light neutral", "elements": \["blue upholstered lounge chair", "dark blue carpet"\], "atmosphere": "quiet, uncluttered, modern", "lighting": "even ambient light with flash dominance" }, "the_vibe": { "energy": "low-key confident", "mood": "cool, relaxed", "aesthetic": "modern editorial minimalism", "authenticity": "natural and unposed", "intimacy": "medium, viewer feels close but not invited", "story": "a calm moment alone, styled yet effortless", "caption_energy": "short, understated, fashion-forward" }, "constraints": { "must_keep": \[ "olive green oversized shirt", "relaxed seated pose with raised arm", "direct flash lighting", "minimalist indoor setting" \], "avoid": \[ "overly dramatic expressions", "heavy makeup", "busy background", "strong color grading" \] }, "negative_prompt": [ "smile", "cartoon", "anime", "overexposed", "blurred face", "extra limbs", "text", "logo" ] }
Previously, I used to send a 3×3 grid to Nano Banana Pro and ask it to extract an image by “row and column” — and it failed way too often. So I ended up building a small tool myself: Just upload an image ✅ Automatically generate a 3×3 grid ✅ Split it instantly and export any single cell in high resolution ✅
铁锤问我这投入是不是有点儿大 我很乐观 我觉得我在捡钱 虽然推特的客服很差 各种不退款 但不妨碍它是一个高价值的社交媒体平台 这上面有大量的流量机会 因为就连我这个账号一年也能收到推特1600刀广告费 广告雇主愿意投广告 @elonmusk 马斯克愿意分钱给大家 既然这个生态都在持续鼓励创作者 那又有什么道理不在这里跑广告增长 我在做@xaicreatorcom ，说到底也是在利用平台红利 哪里有光薅不反哺的道理 况且推特一年给12000美金的budget 只需要付6000美金 这其实就是白捡钱了 感谢推特打折 我再怎么没投过推特广告 做个roi0.5总能做吧🤡
画讽刺漫画的提示词分享： 以丁聪的风格画一幅讽刺漫画，主题是： > 今天社交网络上被追捧的所谓AI高人,不过是 Prompt Kiddie(提示词小子)。 > 整天转帖一些提示词,其实是在自动充当大模型的燃料。 https://t.co/xNR58Swp86
《成就、内容、商业模式 和 钱》 自媒体最初的模样是，一个人实现了某个成就（思维碎片层面上的成就也算），分享到社交媒体，然后获得了流量 这并不是因为分享的过程有某种技巧，而是这个事情本身就稀缺、就值得关注（比如某个初中生做了个 App 拿了奖） 但随着内容的竞争日益激烈，很多原本的稀缺的事情不那么稀缺了，黑丝小姐姐一抓一大把，哪怕是擦边，你也得有流量技巧 于是就产生了一种技巧，我管它叫「翻译」 当你做成了某件事（哪怕是同时点了 1000 杯瑞幸咖啡），如果你懂得「翻译」的技巧，你就可以把这个事情发到网上 除了你本身做成了这个事情以外，你还可以再赚一波流量，这个「翻译」技巧可以让你一鱼两吃 但有流量不等于能赚钱，流量 x 商业模式 = 钱 想要实现一鱼三吃，成就、流量和钱你都要，整体链路是： 成就事件 ➡️（翻译能力）➡️ 内容流量 ➡️（商业模式）➡️ 钱 于是就很容易解释，为什么很多「牛人」无人关注，因为缺少了翻译能力 为什么很多看似懂流量的人，不太赚钱，因为没有成就事件 纵使技巧再多，这个人本身是一个不值得关注的人 在上述的链路中，我认为翻译能力和商业模式，是可以通过有限的学习去获取的 而最初的那个成就 —— 就是不断去探索，成为一个值得被关注的人，这个事情，可能很多人一生都不愿意去做
不知道谷歌咋优化的， Gemini 3 Flash 这 b 模型在swe-bench verified 和 arc-agi-2 两个测试集的成绩居然超过了 Gemini 3 Pro https://t.co/AQEZYMYSzR
来了！谷歌发布 Gemini 3 Flash 模型 相较于 Gemini 2.5 Flash 稍微涨价，但是在几乎所有基准上都超过了 Gemini 2.5 Pro 的的分，速度提升 3 倍 推理效率也很高，完成日常任务时，平均使用的 token 比 2.5 Pro 少 30%。 多模态推理能力和代码能力依然相当强悍 已在谷歌全平台上线 https://t.co/b6U6P5r25Z
Susan STEM
VOA时代的远去：AI 时代人人都是“媒体人” —— 超级个体的努力与未来 几年前网红经济刚兴起时，我身边有不少新闻系的朋友，其中甚至有人在 VOA 工作。那时，她们普遍看不起“网红”。她们大多出身名校，硕士以上学历，背后带着大台的光环，自认站在职业媒体的制高点。当然我们承认“女主播”这个身份在新媒体里有新的形态，和大台的“女主播”相比，仍然存在区别。那时候，整个媒体生态尚不可同日而语，而我也是这几年才认真去研究新媒体的范式。要说清楚这一点，我还是得从 VOA 讲起，因为虽然他也是官媒，毕竟他还是被砍了。 采访、叙事与“真相” VOA 或类似的大台，真的在传播“真相”吗？郭文贵事件是我看清这一切的转折点。 像 VOA 这样的大台，背后的组织成本极高：采编部、外派记者、驻地机构，都是庞大的开支。过去他们看不起小网红，尤其是像“石头记”这样的 Youtuber，理由很简单：这些人整天窝在家里，信息来源主要靠电子爆料，而大台有“采访采集”的壁垒。旧的媒体环境里，普通人根本拿不到一手信息，信息获取依赖人脉、机构授权和采访许可。记者的价值就在于能进入现场、面对面接触信息源，然后把消息加工成报道。换句话说，壁垒的本质在于稀缺的接触权与采集能力。当然，这种价值在某些场景下依旧成立，比如战争前线的实地报道，依然需要专业团队的支持——尽管近年来俄乌、加沙等战争中，大量一手内容并非来自记者，而是直接来自现场民众。 然而，当我们真正审视 VOA 中文部的采访实践时，就会发现很多时候，他们的“采访”并不是新闻学意义上的一手信息采集，而是带着明确立场的叙事拼接。 “采访”并不等于“信息” 在传统语境里，采访意味着记者亲临现场，接触信息源，获取独家、未公开的信息，然后再加工成报道。 但在 VOA 中文部的实践中，所谓的“采访”往往是找几个“意见领袖”或“异议人士”来做访谈，把他们的观点拼接起来，营造出一种叙事氛围。换句话说，这并不是“信息采集”，而是“叙事采集”。 郭文贵事件：权威的失效 郭文贵事件几乎把这种旧式采访模式的问题暴露得淋漓尽致： 采访失效：VOA 自以为在进行重大采访，其实只是成了郭文贵叙事的一个放大器。 叙事反客为主：节奏已不在记者手里，而是郭文贵借用平台来推动自己的叙事。 标签失效：VOA 的权威身份不仅没增强信任，反而让人觉得被利用、被动。 这是我看清VOA的一个分水岭。第一次，人们清晰地看到：旧媒体的采访权威不再能定义叙事，反而被叙事劫持。 为什么是转折点？ 在此之前，VOA、自由亚洲依旧残留着“海外权威信息源”的光环。 在此之后，人们逐渐意识到：叙事的主体已经迁移到个人、社群与互联网。 大台的采访充其量只是一个流量助推器，而不再是叙事的源头。以郭文贵后来所做的事情为例，即便他当初没有上 VOA，他也会自己开个自媒体去说。而一旦走到这一步，大台的存在几乎就失去了稀缺性。 郭文贵事件的意义正在于此：它让人们看到，传统媒体的采访壁垒不再是资源，而是漏洞。真正的叙事力量，已经不可逆转地从机构转移到 个人 + 社群 + 平台。 对真实的偏执想法 对“真实”的偏执，其实是每个要和 AI 共生的人都必须跨过的一道人生认知门槛。旧媒体时代，哪怕耗费巨大成本，传统媒体也无法保证叙事的“真实性”，因为真实性本质上就是一种叙事建构：采访谁、删掉谁的话、标题如何拟定，都会塑造出不同的理解框架。更重要的是，不同历史阶段对真实的定义也不一样——冷战时期、全球化时期、算法时代，都有各自的标准。所以真实性不是绝对真相，而是一种语言协议，即在特定语境下被群体接受的叙事。那我们是不是就放弃真实？并不是。我们要追求的，是一种“可以寻找真实的系统”。新媒体的逻辑不再是单一真实性，而是多元实时感：直播让观众自己判断，社交平台让叙事并行、用户自己拼接版本。在这种场景下，传统媒体的角色逐渐失效——他们用高成本换来的，只是真实的幻觉；而新媒体却以低成本制造出了多元的现实。 “真实性不是目标，而是协议；重要的不是谁定义真相，而是谁能搭建寻真系统。” 新媒体的逻辑以及媒体技能的内化 在传统媒体体系里，像 VOA 的媒体人是高度脸谱化的。主播必须端庄、标准，像播音腔的代言人，强调的是机构的权威，而不是个人特色；记者则必须中立、客观，甚至要“隐身”在报道背后，个性被压制。久而久之，主播和记者都成了可替代的面孔，失去了鲜活的人格。这也是为什么，很多从 VOA 出来的媒体人，一旦离开大台，个人流量的变现能力远不如自己的预期——说白了，还不如户子这种自带风格的网红。 而新媒体的逻辑恰恰相反，它强调人格化表达。博主、KOL 的价值就在于不可替代，人设、语气、偏见，反而是吸引力的一部分。“不完美的真实”比“标准化的脸谱”更能打动人心。在这种语境下，传统媒体的训练反而成了负资产。今天的媒体竞争需要的，恰恰是“反脸谱化”——让个体的鲜活语言、偏好和风格成为吸引力的核心。 技术人也要搞媒体 这也解释了为什么搞技术的人也不得不“搞媒体”。无论是 AI、区块链、生物科技、半导体还是材料学领域，技术人都发现自己必须会表达。我不也是因此来到推特吗？几年前 LLM 横空出世，让 X 成为程序员讨论 AI 的聚集地，一些前沿研究员甚至轻而易举地成了超级网红。他们提出的新词汇，几天之内就能在全球传播开来（比如AK: vibe coding）。生物科技的贺建奎也在玩流量。今天，媒体技能已经成为专业领域技术人必备的能力，它被内化为一种普遍技能。 不仅媒体会成为普遍技能，叙事也会成为普遍能力。人人都要学会用工具发声，掌握视频、文字、音频的多模态表达；人人都要把自己的观点、经历、技术乃至身份包装成故事，否则无法被理解、传播、共鸣。“媒体人”这个身份正在失去稀缺性，因为媒体已经变成一种通用能力。退一步说，那些掌握前沿技术的人能写出的文章，本来就是一般媒体人写不出来的——甚至连我能写出的东西，一个没有计算机背景的记者也无法替代。 旧叙事的分崩离析，新叙事的语言聚合是下一个组织爆发的潜在蓄能 在说这个之前，你先判断一下： 你还相信下面这个叙事吗？ “努力学习 → 找份稳定工作 → 成为社会中产”。 这是过去几代人的人生路径，如今却已经全面失效。工作不再稳定，身份不再可继承，叙事逻辑本身崩坏。叙事一旦断裂，个人便失去了意义感与归属感。于是我们看到，大规模人群在缺乏叙事支撑时，容易滑向三种语言：愤怒和怨恨的语言，表达对系统的失望；孤立与躺平的语言，意味着对未来不再抱有希望；极端化的叙事，则成为寻找身份和归属感的出口。社群也因此碎片化，组织撕裂成一个个彼此隔绝的小团体。 越是在大规模失业和叙事崩溃的背景下，谁能提供新的语言共识，谁就能塑造新的组织。因为大规模失业意味着旧秩序的解体。工作不仅是收入来源，更是社会身份的锚点；当大量岗位消失，个人与社会的关系被切断，“我是某公司员工”的身份叙事失效，“努力就有回报”的逻辑也随之崩塌。结果就是大群体陷入失序与无意义感。与此同时，叙事的崩溃带来意义的真空。过去的逻辑是：考上大学 → 有份好工作 → 稳定生活，如今教育、工作与地位之间的因果链条已经破坏。在这种真空中，人们迫切需要新的故事来回答三个问题：我们是谁？我们要去哪里？为什么还要继续努力？ 而新的组织恰恰诞生于新的语言共识之中。当有人能提供一句能解释困境、能召唤希望的语言，哪怕只是一个口号，也会迅速聚合人群。语言共识的力量在于：它让人们能够辨认彼此，建立边界，分清“我们”和“他们”，并由此激发行动的意义。最初只是一句话，接着形成社群，逐渐演化为叙事框架，最终沉淀为制度和组织。这就是从语言到制度的路径，也是未来组织的萌芽逻辑。 许多旧媒体人，没有把最基本的“语言共识”弄清楚。他们所面向的群体往往偏老，不是年轻世代，因此缺乏行动的潜力。换句话说，他们的叙事更多是和退休群体对话，而不是能真正激发未来的力量。 不过话说回来，在 VOA 时代，我其实一直很欣赏陈小平博士的专业态度。这篇关于新媒体的思考，也希望能顺带 cue 一下他。@xchen156
Est. 100 views for your reply