🔥 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.
2025年,我们做的的最后一个新功能今天正式上线了 全球首个对话语音克隆系统 在闲聊之中,克隆你最真实的声音 无限次免费体验,声音不像不要钱。 什么是对话声音克隆呢? 先来看看视频演示吧 也可以直接免费体验 https://t.co/Vd8YEEVtzG https://t.co/3zzMCWPD7B
还有351fo就可以开推特订阅了 有没有朋友对订阅内容有什么想法? https://t.co/tylqjkL0BN
A highly detailed 3D isometric icon of a [INSERT OBJECT], inspired by a Dieter Rams Braun design. Check the prompt in @hemeon 's original tweet, it's designed by GPT, but works very well for nana banana pro too. https://t.co/z7w7yccPEo
Supermodel Street Style Collection nano banana pro: { "subject": { "description": "A female supermodel with a slender, elongated, model-like silhouette, captured in candid street photography while walking a dog and holding a takeaway coffee, wearing an extra-oversized beige suit over a fitted white cropped tee that subtly reveals a toned midriff.", "mirror_rules": null, "age": "20", "expression": { "eyes": { "look": "not at camera", "energy": "cool", "direction": "downward or sideways depending on the panel" }, "mouth": { "position": "neutral", "energy": "controlled" }, "overall": "unposed, unaware of camera, street-candid" }, "face": { "preserve_original": true, "makeup": "minimal, natural, clean skin look" }, "hair": { "color": "dark brown", "style": "long, center-parted, slightly tousled straight hair", "effect": "movement from walking; occasionally tucked behind ear" }, "body": { "frame": "slim", "waist": "defined (snatched waist impression)", "chest": "not emphasized", "legs": "long", "skin": { "visible_areas": \["midriff", "hands", "face"\], "tone": "light to medium", "texture": "natural texture", "lighting_effect": "available natural daylight, soft open shade, gentle contrast" } }, "pose": { "position": "varies across four panels", "base": "random", "overall": "four distinct candid gestures and angles, not repetitive" }, "clothing": { "top": { "type": "fitted cropped tee", "color": "white", "details": "crew neck, clean minimal fabric, ends above the waist", "effect": "subtle midriff reveal that suggests toned abs" }, "bottom": { "type": "high-waisted tailored wide-leg trousers (more oversized)", "color": "beige/tan", "details": "structured waistband, pressed seam, looser drape through the leg", "effect": "elongates legs while keeping waist defined" } } }, "accessories": { "headwear": null, "jewelry": null, "device": null, "prop": "black takeaway coffee cup with lid, bright orange dog leash, dark leather shoulder bag" }, "photography": { "camera_style": "stealthy candid street photography with a paparazzi feel, 2x2 contact sheet collage", "angle": "random angle", "shot_type": "four-panel 2x2 grid, each panel a 3:4 vertical candid street shot", "aspect_ratio": "3:4 (each panel and the final 2x2 collage)", "texture": "natural grain, crisp fabric detail, realistic skin texture", "lighting": "available natural daylight only, soft open shade, neutral color, no flash, no studio", "depth_of_field": "moderate to shallow, pedestrians and background softly blurred" }, "background": { "setting": "urban sidewalk beside a dark gray building facade with glass doors and windows", "wall_color": "dark gray", "elements": \["glass door reflections", "window frames", "sidewalk", "multiple pedestrians in the background"\], "atmosphere": "busy city street, authentic street-style capture", "lighting": "natural daylight, open shade look" }, "the_vibe": { "energy": "effortless high-fashion", "mood": "cool, candid, observed", "aesthetic": "paparazzi street style realism", "authenticity": "high, unposed", "intimacy": "distant observer perspective", "story": "coffee in hand, walking the dog, caught in varied candid moments among pedestrians", "caption_energy": "minimal, confident" }, "constraints": { "must_keep": \[ "2x2 grid collage with four clearly different angles and distinct gestures", "each panel is 3:4 vertical, final collage is 3:4 vertical", "available natural daylight only (open shade), no flash", "beige extra-oversized blazer and matching wide-leg trousers, but still a snatched waist impression", "white fitted cropped tee with subtle toned midriff", "black coffee cup and bright orange leash with the same dog", "add pedestrians for street realism, background softly blurred" \], "avoid": \[ "four panels that look identical", "posed look-at-camera", "studio lighting", "beauty retouch plastic skin", "random readable logos or text", "misaligned grid or uneven panel sizes", "duplicate dogs or changing props between panels" \] }, "negative_prompt": [ "repetitive pose", "same angle in all panels", "looking at camera", "posed", "studio lighting", "flash", "over-smoothed skin", "HDR", "cartoon", "anime", "watermark", "text", "logo", "extra fingers", "distorted hands", "duplicate dog", "misaligned grid", "uneven panel sizes" ] }
Editing images using image annotations https://t.co/udcXubyeSp
播客。绝对的价值高地。 听了几期英文播客 我觉得人家四十分钟的内容我能拿出来写10条推特🤪🤪🤪🤪 太干了
当 Google 创始人谢尔盖·布林回到斯坦福,这个Youtube视频是3天前的。 但今天看到很多老外的时间线在放各种切片,干脆找过来,让AI总结重写一遍,帮大家节省时间。 --- 斯坦福工程学院百年庆典的最后一场活动。 Sergey Brin 回来了。 不像西装革履的成功人士回母校演讲,更像是一个老朋友回来聊天。 他坐在台上,聊起 1993 年刚到斯坦福读博时的事。 第一句话就是:"你们把我夸得太过了,其实有巨大的运气成分。" 一所学校的一百年 1891 年斯坦福建校时就有工程教育,化学、电气、机械、采矿冶金四个系。 1925 年,这四个系合并成立工程学院,到今天正好一百年。 第三任院长 Fred Terman 是个关键人物。 他指导了 William Hewlett 和 David Packard,也就是惠普的两位创始人。 他还帮助建立了斯坦福工业园区,那个后来叫做硅谷的地方,就是从那里长出来的。 院长 Jennifer Widom 说了个细节:台上展示的那台服务器,是运行 PageRank 算法的第一台服务器。 就是那个改变了互联网的算法。 还有一个容易被忽略的事实:Google 直接来源于美国国家科学基金会(NSF)资助的数字图书馆项目。 Sergey 和 Larry 就是在那个项目里开始研究网页链接结构的。 所以你怀疑联邦科研经费有没有用,Google 就是答案。 那个会撬锁的博士生 Sergey 说他刚到斯坦福时,在老旧的 Margaret Jacks Hall 办公。 那种老建筑,木门吱吱响的那种。 他在那儿学会了撬锁。 为什么要撬锁? 因为他想研究怎么把碎纸机碎掉的文件重新拼起来。 这个项目最后没做成,但没人告诉他不能做这个。 导师们偶尔问问他在干嘛,但从不限制他。 他的导师 Hector Garcia-Molina 和 Jeff Ullman,都是那种给学生极大自由的人。 Sergey 说 Hector 是个"超级好人",语气里有真实的怀念。 后来搬到新的盖茨楼,用上了电子门锁。 Sergey 发现自己撬不开了,但他注意到一个细节:那些电子锁其实没联网,锁会相信钥匙告诉它的信息。 于是在大楼还在装修的时候,他爬上脚手架,从阳台进了管理钥匙的办公室,给自己做了把万能钥匙。 四楼的脚手架,他说:"我当时还是个孩子,判断力就那样。" 院长在台下补充:"四楼啊。"语气里有种"你当年可真敢"的意思。 这和创立 Google 有什么关系? 感觉这种环境给了他试错的自由,没人管他在做什么奇怪的事。 那个时代的"随便试试" 90 年代中期的互联网,是个什么都能试的地方。 Sergey 的第一个赚钱想法是在线订披萨。 听起来很正常对吧?当时绝对是个疯狂的主意。 更疯狂的是,他在页面顶部放了个可口可乐广告,当时觉得"哈哈,网上放广告多好笑"。 现在回头看,很真实, 那就是后来互联网广告的雏形。 但这个项目彻底失败了。 因为披萨店虽然有传真机,但他们不怎么查传真。 那个时代的氛围:每个计算机系的学生都懂互联网怎么运作,都能快速搭个网站,大家都在网上乱试东西。 Larry Page 在研究网页的链接结构,Sergey 在做数据挖掘,两个人碰到一起,发现这东西对搜索挺有用。 他们给算法起名叫 BackRub (背部按摩?),后来改成了 PageRank。 然后呢?他们没想着创业。 他们试着把技术授权给互联网公司。 有一次跟 Excite 谈,开价 160 万美元。 15 分钟后收到回复说"那是一大笔钱,但好的",他们激动坏了。 结果发现是朋友 Scott 伪造的邮件,因为那时候你可以用任何人的名义发邮件。 Scott 笑得要死,Sergey 和 Larry 尴尬得要命。 最后是导师 Jeff Ullman 说:要不你试试看,不行再回来读博。 Sergey 的父母很失望,但导师很开放。 Sergey 说他技术上现在还是休学状态,可能还会回来😁 那些做对的事和做错的事 Google 现在市值 4 万亿美元,每分钟处理 1000 万次搜索。 但 Sergey 说他们也搞砸了很多事。 比如 8 年前发表了 Transformer 论文,那个现在所有大语言模型的基础架构。 但他们没当回事,没投入足够的算力,也不敢把聊天机器人给用户用,因为它会说蠢话。 结果 OpenAI 抓住了机会。 而且讽刺的是,OpenAI 的关键人物 Ilya Sutskever 原本就是从 Google 出去的。 Sergey 很坦率:"我们搞砸了,我们应该更认真对待,应该投入更多。" 比如 Google Glass。 Sergey 承认自己当时觉得"我是下一个乔布斯",结果在产品还没打磨好的时候就搞了跳伞和飞艇的炫酷发布会。 "每个人都觉得自己是下一个乔布斯,但乔布斯真的很独特。" 他说这话的时候,语气里有自嘲。 他总结了教训: 别在产品真正成熟之前,就让外界期待值和开支都滚雪球般增长。 你会被时间线绑架,没法给自己足够的时间把事情做好。 不过他们也做对了一些事: 从一开始就招了很多 PhD,建立了学术化的研发文化。 Sergey 记得 Urs Hölzle 来面试斯坦福教职没通过,他马上问"你明天能来上班吗?" 因为他在招聘委员会见过这个人,知道他有多厉害。 还有 Jeff Dean。 他大学时就在研究神经网络和治疗第三世界疾病,16 岁就做这些疯狂的事。 他对神经网络有热情,Sergey 就让他放手去做。 "他告诉我'我们能区分猫和狗了',我说'哦,挺好的'。" Sergey 笑着说 ,"但你得信任你的技术人员。" 那就是后来的 Google Brain,神经网络研究的开端。 还有 TPU 芯片,12 年前就开始做了。 一开始用 GPU,然后用 FPGA,最后决定自己做芯片。 现在已经迭代了无数代。 这些投入在 10 多年后开始回报。 深度学习技术需要时间,但 Google 碰巧在那个方向上押注了。 Sergey 说:"我们有点走运,因为深度学习技术变得越来越重要了。" 关于 AI 的真话 主持人问 Sergey 对 AI 的看法,他说了句很有意思的话: "AI 写代码的时候,有时候会出错,而且是很严重的错误。 但如果 AI 在比较文学论文里写错一句话,后果没那么大。 所以老实说,AI 做创意性的事情反而更容易。" 然后他赶紧补充:"我不是不尊重比较文学专业。" 有学生问该不该继续选计算机专业。 Sergey 说:别因为 AI 会写代码就不学计算机。 AI 在很多事情上都挺厉害,写代码只是碰巧有市场价值。 而且更好的代码能做出更好的 AI。 他建议学生多用 AI,但不是让 AI 替你做事。 他自己用 AI 的方式是:让它给 5 个想法,其中 3 个肯定是垃圾,但有 2 个会有点意思,然后你再去打磨。 他还说了个细节:他现在开车的时候会用 Gemini Live 聊天,问各种问题。 比如"我要建一个数据中心,需要几百兆瓦的电力,成本是多少"。 但他马上说:现在公开版本用的是老模型,有点尴尬。等几周我们会发布我现在用的版本。 这就是 Sergey 的风格,一边推销产品,一边吐槽自家产品。 关于 AI 会不会超越人类,他说了问题:"智能有天花板吗?不只是 AI 能不能做人类能做的事,还有 AI 能做哪些人类做不到的事?" 人类进化了几十万年,灵长类进化了几百万年。 但那个过程太慢了,跟现在 AI 的进化速度比起来。 主持人问:我们准备好迎接这个速度了吗? Sergey 说:"目前为止,AI 还会周期性地犯蠢,所以你总是要监督它。但偶尔它会给你惊艳的想法。" 他觉得 AI 最大的价值是让个人变得更有能力。 你不可能随时有各个领域的专家在身边,但你可以随时问 AI。 虽然它给的答案可能只有 80-90% 靠谱,但作为起点已经够了。 有学生问:工业界现在这么强,学术界到工业界的管道还重要吗? 这是个好问题。 Google 就是从学术项目里长出来的,但现在 Google 自己就在做最前沿的研究。 Sergey 停顿了一下,说:"我不知道。" 他解释说,以前从新想法到商业价值可能要几十年。 学术界可以慢慢研究,申请经费,花几十年时间让想法成熟,然后才进入工业界。 但如果这个时间线压缩了呢? 他举了量子计算的例子。 80 年代 Feynman 提出量子计算的概念,现在有一堆公司在做,也有大学实验室在尝试新方法。 如果你在做超导量子比特(Google 在做的)或者离子阱(一些创业公司在做的),可能不需要在大学里待太久。 但如果你有完全不同的新方法,可能需要在大学里"腌制"几年。 然后他说:顶级公司现在投入的基础研究越来越多,这些投资在 AI 时代开始回报了。 所以比例会变化,但我觉得还是有些东西需要那种十年级别的纯研究,公司可能不愿意等那么久。 院长 Jennifer 补充说:大学还有一个优势,就是我们习惯了在算力不足的情况下工作。 我们的算力远远比不上公司,所以我们会研究怎么用更少的资源做更多的事。 这也是一种创新。 校长 John Levin 问他,如果你是工程学院院长,会怎么规划下一个百年? Sergey 停顿了一下,说:"我要重新思考大学是什么意思。" 他说这话的时候自己都笑了:"我知道这听起来很烦人,这是 Larry 会说的那种话,我通常会被他烦到。" 台下一片笑声。 但他接着说:信息传播得很快了,任何人都能在线学习,看 YouTube 视频,跟 AI 对话。 MIT 很早就搞了开放课程,Coursera、Udacity 这些平台也起来了。 那么把人集中在一个地理位置,建那些漂亮的教学楼,这件事的意义是什么? 他也承认,人们在一起工作确实更好。 Google 也在努力让员工回办公室,因为面对面协作效果更好。 但那是在特定规模下。 100 个人在一起挺好,但他们不一定要和另外 100 个人在同一个地方。 而且现在越来越多的人,不管有没有学位,都能在某个奇怪的角落里自己搞出东西来。 Google 招了很多学术明星,但也招了很多连本科学位都没有的人。 这个回答比主持人预期的要深。 校长说:"你提出的是关于大学最根本的问题。" 院长开玩笑说:"这听起来更像是校长的工作,不是院长的。" Sergey 笑了:"抱歉,我说得太宏观了。" 但这确实是个好问题。 知识的创造和传播方式在改变,那种把人才密集在一个地方的模式,还会是未来一百年的答案吗? 有学生问:哪种新兴技术被严重低估了? Sergey 想了想,说:"显然不能说 AI,因为很难说它被低估。虽然它可能还是被低估了。" 他提到量子计算,但说自己不会把宝全押在上面。 因为我们连 P 是否等于 NP 都不知道,量子算法也只对特定的结构化问题有效。 未知数太多。 然后他说:"可能是 AI 和量子计算在材料科学上的应用。 如果我们能发现更好的材料,能做的事情就没有上限了。" 校长 John 说他也想到了材料科学,还有分子生物学。 "现在聚光灯都在 AI 上,但生物学领域也在发生巨大的革命,我们不应该让聚光灯离开那里。" 院长 Jennifer 同意:"合成生物学正在发生非常激动人心的事情。我们需要把聚光灯打得更宽一点。" 有学生问了个私人问题:你在建立 Google 的过程中,改变了哪些根深蒂固的信念? Sergey 想了很久,然后讲了个故事。 他出生在莫斯科,苏联时期。 很穷,所有人都很穷。 一家四口住在 400 平方英尺的公寓里,他、父母、祖母。 每天要爬五层楼梯。 他说自己当时根本没想过外面的世界。 是他父亲在波兰参加一个会议,听说了西方世界的样子,决定移民。 这在家里引起了很大争议,但最后他们还是来了美国。 到了美国还是很穷,一无所有。 他要学新语言,交新朋友,所有东西都要重新开始。 "这是个很艰难的转变,但也是一种觉醒。" 后来来斯坦福读博,又是一次类似的经历。 教授们信任他,给他自由,加州那种思想上的解放感。 虽然他说"我们现在有点在失去这种东西",但没展开讲。 他说:"我的经历是,那些当时看起来很痛苦的转变,后来都有了回报。那些挑战性的转变是值得的。" 所以他没有直接回答"改变了什么信念",而是说他经历过很多次世界观的扩张。 每一次都很难,但每一次都让他看到了更大的可能性。 有学生问 Sergey,在取得这么大成功之后,你怎么定义好的生活? 他说他很感激能和家人在一起,他的一个孩子和女朋友都在现场。 能和他们度过高质量的时间。 但他也说了另一件事:他在疫情前退休了,想着可以坐在咖啡馆里学物理。 物理是他当时的热情所在。 结果疫情来了,咖啡馆都关了。 他发现自己开始"螺旋式下降",感觉自己不再敏锐。 于是他回到办公室。 一开始办公室也关着,但几个月后有些人开始回去,他也开始偶尔去。 然后越来越多时间花在一个项目上,那个项目后来叫做 Gemini。 "能有技术性的、创造性的出口,这很重要。如果我一直退休,那会是个大错误。" 这可能是整场对话里最真实的时刻。 一个创立了 4 万亿美元公司的人,不是在谈财富自由,而是在说如果不做有挑战的事情,他会感觉自己在退化。 好的生活不是退休享福,是有家人,有热情,有能让你保持敏锐的挑战。 有个大一新生说,来斯坦福之前很害怕,觉得这里每个人都超级聪明。 但认识大家之后发现,他们都是普通人,很容易相处。 他问三位嘉宾:你们被视为世界上最好的领导者和创新者,但有什么事情能让我们觉得你们也很普通、很人性化? Sergey 笑了:"好,我要说一个,然后我会试图撤回它。" "有时候我不好意思问一些我不懂的事,但我还是会问。" 然后他转向那个学生:"等等,管理科学与工程是什么?" 台下一片笑声。 学生解释说那是他的专业。 Sergey:"那是这门课吗?" 院长:"那是一个系。" Sergey:"但你们学什么?具体上什么课?" 院长解释说那是工业工程、运筹学和工程经济系统三个系的合并,已经 25 周年了。 Sergey:"哦,好的,好的。" "所以我的尴尬真相是,我确实不知道这个。但我很高兴我问了。" 校长 John 说:"让我显得亲民的是,我能给 Sergey Brin 解释东西,而他会认真听。" 最后一个问题是:你怎么保持学习,读什么书,听什么播客? Sergey 说:"好,我会试着不做广告。" 然后他说他在车里经常用 Gemini Live 对话,问各种问题。" 他也听播客,"All In" 是他最喜欢的之一。 他还去佛罗里达见了 Ben Shapiro,参观了他的工作室。 "但我更喜欢互动式的讨论,所以我在开车时跟 AI 聊天。虽然听起来有点尴尬。" 校长说:"这是对未来的一瞥。我们可能很快都会这么做。" Sergey 离开的时候,学生们起立鼓掌。 https://t.co/tx7IPvsiMB

宝玉
YC 编写的 《Vibe Coding 指南》 与 AI 结对编程,就像是拥有了一位虽然才华横溢、但偶尔会“走神”的实习生。它能在一小时内帮你完成过去需要一周才能搞定的工作,但有时也会在你项目的核心代码里悄悄埋下一个“惊喜”。 那么,如何才能驾驭好这位强大的编程伙伴呢?我们采访了多位利用 AI 编码的创始人,总结出了这套实用的“AI 协作编程指南”。 规划流程 好的开始是成功的一半。别指望“凭感觉编程” (Vibe Coding) 能带你走向成功。与 AI 高效协作的第一步,是制定一个清晰的路线图。 • 制定周详计划: 首先,和你的 AI 助手一起,在 Markdown 文件里写一份详尽的实施计划。 • 评审与精简: 审视这份计划,删掉不必要的部分。如果某个功能过于复杂,果断地将其标记为“暂不开发”。 • 控制项目范围: 单独开辟一个“未来想法”区域,把暂时不做的好点子都放进去,这能帮助你保持专注。 • 小步快跑,增量实现: 按部就班,一部分一部分地去实现,不要试图一口气吃成个胖子。 • 追踪进度: 每当一个部分成功实现后,让 AI 将其标记为“已完成”。 • 频繁提交: 在进入下一个环节之前,确保每个能正常工作的部分都已提交到 Git。 版本控制策略 当你的 AI 伙伴开始“自由发挥”时,版本控制系统就是你最可靠的后悔药。 • 将 Git 奉为圭臬: 不要完全依赖 AI 工具自带的撤销功能,Git 才是你的生命线。 • 从干净的起点开始: 每开发一个新功能,都确保你的 Git 工作区是干净的。 • 果断重置: 如果 AI 开始“天马行空”,让代码变得一团糟,别犹豫,立即使用 git reset --hard HEAD 命令回到上一个正常的状态。 • 避免问题滚雪球: 一次又一次失败的尝试,只会在错误的代码上堆砌更多错误的代码。 • 清爽地实现: 当你最终找到解决方案后,先重置代码库,然后在一个干净的版本上重新、清爽地实现它。 测试框架 和 AI 协作时,测试不仅是保证质量的手段,更是防止它“好心办坏事”的护栏。 • 优先进行高层级测试: 相比单元测试,优先编写端到端的集成测试。 • 模拟用户行为: 通过模拟真实用户在网站或应用中的点击操作来测试功能。 • 捕获“回归”问题: 大语言模型 (LLM) 常常会在修改代码时,无意中破坏一些不相关的功能。测试能帮你及时发现这些问题。 • 先测试,再前进: 在开始下一个新功能之前,确保所有现有的测试都能通过。 • 用测试作为护栏: 一些创始人建议,可以先编写测试用例,这能为 AI 的工作提供清晰的边界和目标。 高效修复 Bug 当 Bug 出现时,别单打独斗,让 AI 帮你分析。 • 善用错误信息: 很多时候,你只需要把完整的错误信息直接复制粘贴给 AI,它就能给出解决方案。 • 先分析,再动手: 在急于写代码修复之前,先让 AI 分析并列出几种可能导致 Bug 的原因。 • 失败后就重置: 每次修复尝试失败后,都回到干净的代码状态再进行下一次尝试。 • 添加日志: 在关键位置添加日志记录,能帮你和 AI 更好地理解代码的实际运行情况。 • 切换模型: 如果一个 AI 模型卡住了,不妨换个别的模型试试,也许会有意想不到的效果。 • 清爽地修复: 和开发新功能一样,一旦找到 Bug 的根源,就重置代码,然后干净利落地实现修复方案。 AI 工具优化 工欲善其事,必先利其器。充分配置你的 AI 工具,能让协作效率更上一层楼。 • 创建指令文件: 在项目里创建专门的指令文件(比如 cursor.rules, windsurf.rules, https://t.co/SdexiOzktj),把详细的指令和规范写在里面。 • 本地文档: 把需要用到的 API 文档下载到项目文件夹里,这能让 AI 的回答更加准确。 • 多工具协作: 有些创始人甚至会在同一个项目上同时运行 Cursor 和 Windsurf 这样的不同工具。 • 各取所长: 通常,Cursor 在处理前端任务时速度更快,而 Windsurf 更擅长处理耗时较长的复杂任务。 • 货比三家: 让不同的工具生成多种解决方案,然后挑选出最好的那一个。 复杂功能开发 面对复杂的大型功能,关键在于“化整为零”。 • 创建独立原型: 先在一个全新的、干净的代码库里,把复杂功能的核心部分构建成一个独立的原型。 • 提供参考范例: 指向一个已经能正常工作的代码示例,让 AI 学习和模仿。 • 明确边界: 保持外部 API 的一致性,允许 AI 在内部自由修改和重构。 • 模块化架构: 基于服务的模块化架构,由于其边界清晰,比庞大的单体仓库 (monorepo) 更适合与 AI 协作。 技术栈的选择 你的技术选择,会直接影响 AI 的发挥。 • 成熟框架表现更佳: 像 Ruby on Rails 这样拥有 20 年发展历史和大量惯例的框架,AI 对其理解更深。 • 训练数据是关键: 像 Rust、Elixir 这样的新兴语言,由于可供 AI 学习的公开代码较少,AI 的表现可能会稍逊一筹。 • 模块化是王道: 把代码拆分成更小的文件,不仅方便人类阅读,也更容易让 AI 理解和处理。 • 避免“万行神文件”: 不要让单个文件膨胀到数千行,这会成为你和 AI 的噩梦。 编码之外的妙用 AI 的能力远不止写代码。 • DevOps 自动化: 让 AI 帮你配置服务器、DNS 和托管服务。 • 设计辅助: 用 AI 生成网站图标 (favicon) 和其他设计元素。 • 内容创作: 帮你起草产品文档和市场营销文案。 • 你的私人教师: 让 AI 逐行解释它生成的代码,帮助你学习和理解。 • 利用截图: 遇到界面 Bug 或想借鉴某个设计时,直接把截图发给 AI。 • 语音输入: 借助像 Aqua 这样的工具,你可以用每分钟 140 个单词的速度通过语音输入指令,比打字快得多。 持续改进 与 AI 的合作是一个不断磨合、共同进步的过程。 • 定期重构: 当你建立起完善的测试体系后,就可以大胆地、频繁地进行代码重构。 • 发现改进机会: 主动询问 AI,让它帮你找出代码中可以重构优化的部分。 • 紧跟潮流: 每个新模型发布后都去试试,了解最新的技术进展。 • 认识模型特长: 不同的模型有不同的“性格”和擅长的领域,学会在合适的任务中选择合适的模型。
Est. 900 views for your reply
