🔥 Search Hot Tweets

其实 Warp 支持文件夹后和 IDE 没什么区别了，甚至性能更好更轻量。https://t.co/ojyPJ1qPCc https://t.co/HrX4luqLmn

That's why I like working with open source people. https://t.co/Crdbvx8itw

AI Agent 的这些讽刺，我其实见过一轮了。 宝玉老师 @dotey 这篇《AI 与自动化的讽刺》很有共鸣。 这些问题，我在职业生涯里已经完整经历过一轮类似的版本。 不谈宏观的科技革命，我想补一点现身说法的视角，这是一个暴露年纪的帖子。 1. 我刚毕业那两年，在诺基亚 那会儿诺基亚正准备要离卖掉手机业务。 现在很多人可能没概念： 当年的手机，几十 MB 内存，跑的是 Symbian（是的，就是那个现在几乎没人提的系统）。 在 Symbian 上开发应用，用的是 C++， 而且不是今天这种“写写业务逻辑就完事”的 C++。 IDE 可以直接把代码展开成汇编。 你是真的要看汇编的。 写的每一行代码，最终能不能在几 MB 内存里跑起来， 取决于工程师有没有在寄存器级别做优化。 那时候的好工程师，是要在底层把内存、CPU、寄存器榨干的。 2. 那段时间 Java 也在，但 JVM 一开始也很烂 后来发生了什么，大家都知道，Sun 公司把 Java 卖给了 Oracle。 JVM 的 GC 在早期其实一塌糊涂， 性能不稳定、不可控、占资源。 当年骂 Java 的理由，和今天骂 AI Agent 的理由， 惊人地相似： - 抽象太多 - 看不清底层 - 出问题你根本不知道错在哪 - 真正懂底层的人越来越少 但结果呢？ 震荡了几年之后， 高级语言赢了。 3. 我也从写代码的人，变成了不亲手写的人 后来我从技术岗转到了管理岗。 说句实话： 现在还有多少人会关心 JVM 的 GC 细节？ 还有多少人会去看汇编？ 不多了。 但这不妨碍整个行业跑得更快。 不要杠，程序员是世界上更容易信息茧房的一群人。 4. 世界并没有失去底层，只是底层的人变少了 这点我觉得特别重要。 这个世界上，永远会有一小撮人还在用 C++， 他们写操作系统、写引擎、写数据库、写基础设施。 他们把底层做好了， 上层自然会有更多人去丰富生态。 这是科技发展必然的分工。 5. 再举个近一点的例子：今天的框架世界 现在各种框架横行，对吧？ React、Vue、Spring、各种中间件、各种 SDK。 真正能写框架的人，占比高吗？ 凤毛麟角。 能看懂框架的人，占比高吗？ 并不高。 但这不妨碍大量工程被高效完成。 6. 所以，回到《自动化的讽刺》 宝玉老师指出的那些问题，我非常认同： - 技能会退化 - 监督很难 - 人类注意力有硬件极限 - 监工不是专家的自然升级 这些都是真的。 我想补一句： 这不是第一次出现这种结构性矛盾。 每一次技术抽象跃迁，都会发生同样的事情： - 一部分技能消失 - 一部分技能下沉 - 一部分人转型 - 一小撮人继续守着底层 AI Agent 这波不是例外，只是规模更大、速度更快、冲击更直接，仅此而已。 真正危险的其实也不是技能退化，而是站在浪潮之巅我们的认知 ： 我们误以为不需要新的分工，不需要新的训练，也不需要新的角色设计。 当年高级语言赢了，并非因为它没问题，相反问题很多， 但是我们最终接受了： - 底层要有人守 - 上层可以让更多人参与 - 教育、组织和工具都要一起变 AI Agent 也是同样的命题。

我和我的小狗☺️ 我喜欢坚强勇敢的女性和脆弱温柔的男性……

昨天发的 AI 视频制作方法，有朋友给我留言，说还是太复杂了点，问我有没有简单一点的办法。 在创作过程中，像写剧本、分镜头脚本、画首帧图片这些步骤，确实比较耗时间。可以借助 飞书的 aily 工作助手这样的 Agent 来自动化这些步骤，先让 Agent 按照自己的想法生成一个稿子，然后再调整打磨效率可以高很多。 比如我是这么做的，先找了个网上的互联网黑话脚本作为参考，然后发给飞书的 Agent —— aily工作助手（https://t.co/oosqMUaQkj ），让它编剧、写分镜脚本、画图，最后生成一个飞书文档报告。 aily 工作助手是飞书内开箱即用的一个智能体助手。 最近有个“任务模式”能力升级（简单说就是和manus、 okcomputer一样，可以用独立电脑执行一些更复杂任务了，不再是问答辅助，能交付云文档、网页、多维表格等等工作成果）。 这是我用来生成报告的提示词，可以作为一个参考： --- 提示词开始 --- {参考剧本} 1. 这里面有哪些互联网黑话，列出来 2. 然后帮我脑洞一下，重构成西游记互联网黑话版本 3. 设计一个互联网黑话结合西游记的场景的剧本，要充分使用各种互联网黑话。 4. 根据剧本生成分镜头脚本，我将基于首帧图片+文本的方式制作视频，请根据上面的内容生成人物设定（Q版3D可爱风格，类似于皮克斯动画风格） 分镜脚本，每一个分镜大约10秒，每个分镜脚本包含下面的内容： - 分镜描述 - 首帧画图中文prompt（包括详细的场景描述和人物描述） - 基于首帧图片+文本的视频中文prompt（需要包含镜头推荐和人物对白内容） - 其他必要信息 5. 画出设定好的Q版3D风格人物，以及将人物设定作为参考图，画出每个风镜头的首帧画面，并且保证一致 6. 形成一个详细的报告保存成云文档 --- 提示词结束 --- 然后飞书的 aily 助手就会按照我列出的步骤，一次性帮我生成剧本、分镜头脚本、人物设定和首帧图片。 可以看看结果： 它可以按照要求先生成统一角色，并且后续角色生成也会基于设定角色去生成分镜头画面（图1、图2） 最终的文档包含完整的剧本和对应的图片 （图3） 当然这样一次性生成的结果，可能不够完美，通常需要根据自己的需求，进行一些修改和调整。 飞书的 aily 工作助手有个好处就是产出物可以是飞书云文档，这样我可以直接在生成的文档里进行修改和补充。如果是和其他人合作，还可以直接在文档里协作。 如果想偷懒一点，也可以直接在对话里面让 Agent 去完成。 相对来说目前 Agent 的落地，在 Coding Agent 、Deep Research 上已经很成熟了，但在办公场景上还没有做的特别好的，包括 Gemini 在 Google Docs 上只能就文档进行提问，飞书的 aily 工作助手是我测试下来相对做的很好的一个。一方面是可以在像上面这样多步骤的复杂任务上执行的很好，另一方面它将飞书文档和各种实用工具结合起来，比如我上面的案例中就充分结合了联网检索和豆包图片生成的功能。 （图4） aily 工作助手有对话模式和任务模式，对话模式适合简单的辅助，最新的任务模式支持自主调工具，交付复杂的工作成果，每次任务会跑几十分钟，要等久一些。在飞书端内用这个 Agent 来工作还是挺爽的，毕竟企业数据都在飞书里，aily 是更懂业务的，然后它的产物也能丝滑地发给同事，毕竟就在工作流里面， 不用上传复制，企业数据安全可控。 建议你可以结合自己的场景尝试一下：https://t.co/oosqMUaQkj

当精英们还在担心大众被AI诈骗的时候 大众已经开始用AI诈骗别人了 https://t.co/IGTw5ca05F

今天看了篇文章，叫：《AI 与自动化的讽刺》，内容跟当前 AI 的发展很应景。 1983年，一位认知心理学家 Lisanne Bainbridge 写了篇论文，题目叫《自动化的讽刺》。四十多年后的今天，这篇论文上预言的问题，正一字一句地在 AI Agent 身上应验。 当年她研究的是工厂自动化：机器干活，人类监督。 今天我们面对的是AI Agent自动化：AI干活，人类监督。场景变了，但底层逻辑一模一样。而她当时在论文中指出的那些问题，又重新来了一遍。 论文中都提到了哪些问题呢？ 1. 技能退化困境：不用就会忘，专家变监工后技能会萎缩 用进废退，这四个字我们都懂。但放到AI时代，它有个更残酷的版本。 以前你是某个领域的专家，天天做这件事，手到擒来。现在公司说，让AI Agent来做吧，你负责盯着它，出了问题再介入。 听起来很美好对不对？从打工升级成监工，岂不是更轻松？ 问题来了：你不做这件事了，但你的技能不止不会进步，甚至还会退化。 像我这样天天用 AI 写代码的，我能感觉得到这两年是没啥进步，而且对 AI 有依赖，很多以前信手拈来随手就可以写出来的代码，现在没有 AI 就啥都不想干了。 真的是有点用进废退了。 无论是 OpenAI 还是 Anthropic 都在吹他们的 Coding Agent 多厉害，他们的员工只要验证 AI 写的结果就好了，但是他们故意没提的是，这些人都是万里挑一的高手，他们有足够的经验判断AI对不对。但如果他们接下来几年都只是验证 AI 做的对不对，那么他们的技能会慢慢倒退。 像我们这一代老程序员还好，更要命的是下一代。 今天的老程序员们好歹是从实战中成长起来的。明天的程序员呢？他们从入行第一天就在盯AI，没怎么亲手做过。他们既没有技能，也没有机会学。那他们怎么判断AI对不对？ 论文原话是： > 当前这代自动化系统，正在吃老一代操作员的技能老本。下一代操作员不可能有这些技能。 这个问题今天看不出来，三五年后可能就会凸显出来了。 2. 记忆提取困境：不常用的知识，调取速度也会变慢 还有个问题就是相关技能的记忆也会退化。 想想我们高中时哪些滚瓜烂熟的公式，现在还能想起来几个了。放到 AI 监督的场景，随着 AI 能力越来越强，大部分时候都是对的，这意味着大多数时候不需要用到你的知识，随着你的知识越用越少，相关的记忆就会退化。 3. 实践悖论：理论培训没用，必须实战才能学会，但AI在干活人没机会练 这时候你可能会想：那培训是不是有用？ 但是《自动化的讽刺》论文中的结论是：培训并没有太大用。 因为专业技能不是听课听出来的，是在真实场景里靠实战锻炼出来的。课堂上学的理论，如果没有配套的实战练习，你很可能听不懂，因为没有相应的经验框架。就算当时懂了，很快也会忘，因为没有和真实任务绑定的记忆提取路径。 要保持监督AI的能力，你得定期亲自干活。但如果公司追求的是让 AI 自动化运转以提升效率，那人就没多少机会练手。 这是个死循环。 就像论文里面说的： > 我们训练操作员按指令行事，然后把他们放进系统，指望他们提供智慧。 你不能指望平时不需要怎么思考和练习的人类，在关键时刻能想出什么好办法。 4. 监控疲劳：人类无法长时间对"很少出错"的系统保持警觉 心理学研究早就发现，人类无法对一个很少出问题的目标保持长时间警觉，半小时是极限。这不是意志力的问题，这是生理结构决定的。 从进化角度看，这其实是个生存优势：如果你盯着一个地方什么都没发生，大脑会自动降低警觉，把注意力资源省下来应对真正的威胁。但放到监控场景里，这就成了问题。 AI Agent大部分时候是对的，偶尔会犯错。这恰好是最难监控的模式。如果它经常出错，你会保持警惕。如果它从不出错，你不用监控。但它很少出错这种情况，正好落在人类注意力的盲区里。 更糟的是，AI Agent犯错的方式特别隐蔽。它不会说"我不确定"，它会用一种极其自信的语气告诉你它的计划，洋洋洒洒几十上百行。错误可能藏在第87行的一个小前提里，比如"因为2大于3，所以我们应该……"。被那么多看起来正确的内容包裹着，被那种自信满满的语气麻痹着，你很难注意到。 那加个自动报警系统呢？ 论文说：谁来监控报警系统？如果报警系统本身出了问题，操作员不会注意到，因为报警系统已经正常运转了很久。 那让人做记录呢？ 论文说：人可以机械地抄数字而完全没注意数字是什么。 所有试图对抗监控疲劳的手段，都会撞上同一堵墙：人类的注意力就是无法长时间锁定在一个很少出事的目标上。这是硬件限制，不是软件问题。 5. 地位问题：从专家降级为监工，心理冲击和社会地位下降 你曾经是专家，公司里有什么难题找你，同事尊重你，你自己也有职业认同感。现在你是AI的看门人。 技能层面的损失是一回事，心理层面的冲击是另一回事。从专家降级为监工，从创造者变成审核员，从被需要变成备胎。这种转变对很多人来说是很难接受的。 论文里说，被这样降级的人会出现各种复杂的应对反应，有些看起来甚至是自相矛盾的。这部分内容展开讲太长，有兴趣的可以去读原论文。 6. 糟糕的UI：当前AI Agent界面是最差的监控设计 工业自动化领域花了几十年时间优化控制室设计：显示屏怎么布局能让操作员最快发现异常，急停按钮为什么是红色的、为什么那么大、为什么放在那个位置。每一个细节都是用事故和教训换来的。 现在看看AI Agent的界面？ 一堆自信满满的长文本，一个接一个的多步骤计划，几十上百行洋洋洒洒的解释。你要在这些文字里找出那个藏着的错误。 这大概是人类设计过的最糟糕的异常检测界面。 7. 训练悖论：越成功的自动化系统，越需要投资培训人类 论文中谈到自动化带来的训练问题： > 如果不能让操作员定期接管工作亲自干，就得用模拟器训练。但模拟器有个根本问题：你只能模拟你能预见的故障。未知的故障模拟不出来，已知但没经历过的故障也很难准确模拟。 那怎么办？ > 只能培训通用策略而不是具体应对方法。但这又带来新问题：你不能指望操作员光靠查操作手册来应对异常，因为手册不可能涵盖所有情况。 > 越是成功的自动化系统，越少需要人工干预，反而越需要在人员培训上投入巨资。 因为干预越少，人的技能退化越快，应对罕见异常的能力越弱，每次培训的成本就越高。 决策者想用AI省钱，但省下的人力成本可能得加倍投入到培训成本里。 8. 领导力困境：监督AI不只是被动看，还要主动"领导"它们 监督AI Agent不只是被动地盯着看，还得主动地指挥它们。告诉它们做什么、不做什么、分几步做、怎么调整方向。 这其实是一种领导技能。 为什么LinkedIn上夸AI Agent最起劲的往往是管理者？因为他们本来就习惯间接工作：设定目标、分配任务、给反馈、调方向，但不亲自动手。对他们来说，指挥AI Agent和指挥下属没有本质区别。 但对于一直亲自干活的执行者来说，这是一个巨大的角色转换。你得从一个做事的人，变成一个让别人做事的人。这不是改几条 prompt就能解决的，这是一整套技能体系的重建。 公司会给新晋经理做领导力培训。但有谁见过公司给AI监督者做领导力培训？ 四十年前那篇论文的结尾是这样的： > 没有时间压力时，人类可以是令人印象深刻的问题解决者。困难在于，一旦有时间压力，效率就会大打折扣。我希望这篇论文说清楚了两件事：第一，自动化不一定会消除困难，这是讽刺所在；第二，解决这些问题需要的技术创造力，可能比自动化本身还要大。 四十年后，我们换了个场景，但面对的是同一组问题。 AI Agent的能力在进步，但人类的认知结构没变。监控疲劳还是半小时，技能退化还是用进废退，注意力盲区还在那里。这些是硬件限制，不是软件更新能解决的。 推荐阅读原文： 《Ironies of Automation》：https://t.co/5HWoelLIkR 《AI and the ironies of automation - Part 1》 https://t.co/u27fpcCOWk 《AI and the ironies of automation - Part 2》 https://t.co/qiXnD87FlG

写文字的时候应该尽量避免模糊限定词，模糊限定词的使用既不能让作者把问题思考清楚，也会让观众感受到作者的无力 ​ ​比如有些人会在文案里面写：现在的作家根本不是“真正的”作家，“真正的”作家会 xxxx ​ ​这个就是逻辑上的循环论证，“真正的作家”的定义依赖于“真正”这个词，但“真正”本身又需要通过具体标准来定义 结果就是，用未定义的词来定义另一个词 那​到底什么才是真正的作家呢，大概率自己也不知道对吧 这是一种修辞上的傲慢，是知识权威的虚张声势 类似的还有“本质上”，本质是什么，却不定义 “实际上”，“实际”是与谁对比的“实际”，又不说 “高级的”，高级与低级的标准是什么，又讲不清楚 ​ 这体现出作者想要追求深刻，却无法实现 试图体现出自己能把复杂的事情说清楚，却只能把简单的事情说模糊 维特根斯坦曾经曰过：​凡可说的，都可以说清楚；凡不可说的，应保持沉默

修复老照片依然是个有信息差的生意 现在 Nanobanana Pro 个人认为效果最好 上提示词： { "task": "portrait_restoration", "language": "zh-CN", "prompt": { "subject": { "type": "human_portrait", "identity_fidelity": "match_uploaded_face_100_percent", "no_facial_modification": true, "expression": "natural", "eye_detail": "sharp_clear", "skin_texture": "ultra_realistic", "hair_detail": "natural_individual_strands", "fabric_detail": "rich_high_frequency_detail" }, "lighting": { "exposure": "bright_clear", "style": "soft_studio_light", "brightness_balance": "even", "specular_highlights": "natural_on_face_and_eyes", "shadow_transition": "smooth_gradual" }, "image_quality": { "resolution": "8k", "clarity": "high", "noise": "clean_low", "artifacts": "none", "over_smoothing": "none" }, "optics": { "camera_style": "full_frame_dslr", "lens": "85mm", "aperture": "f/1.8", "depth_of_field": "soft_shallow", "bokeh": "smooth_natural" }, "background": { "style": "clean_elegant", "distraction_free": true, "tone": "neutral" }, "color_grading": { "style": "cinematic", "saturation": "rich_but_natural", "white_balance": "accurate", "skin_tone": "natural_true_to_subject" }, "style_constraints": { "no_cartoon": true, "no_beauty_filter": true, "no_plastic_skin": true, "no_face_reshaping": true, "no_ai_face_swap": true } }, "negative_prompt": [ "cartoon", "anime", "cgi", "painterly", "plastic skin", "over-smoothing", "over-sharpening halos", "heavy skin retouching", "face reshaping", "identity drift", "face swap", "beauty filter", "uncanny", "washed out", "color cast", "blown highlights", "crushed shadows", "banding", "jpeg artifacts", "extra fingers", "deformed eyes", "asymmetrical face", "warped features" ], "parameters": { "fidelity_priority": "identity", "detail_priority": "eyes_skin_hair_fabric", "realism_strength": 0.95, "sharpening": "micro_contrast_only", "skin_retention": "keep_pores_and_microtexture", "recommended_denoise": "low_to_medium" } }

2025 年下半年我做的事情有点多 1. 做软件 2. 搞咨询 3. 接商单 4. X 增长陪跑 5. 写小报童 他们在不同的时间段里面都能赚钱，但从来同时赚钱 现在所有业务都已经搁置了，我 0 收入 很多事情都和人的性格有关，我当程序员的时候能苦干一件事情，拿到结果，最后发现自己是工具人而已 后来我改变策略，裸辞想自己跑通这一切。每当有一项我感觉领悟了，我就心生厌倦 可能是我对于赚钱的兴奋感小于我学到东西的兴奋感 每项业务都随着我的热情在消退，收入在下降 我是幸运的，这辈子没有因为这种性格翻过大跟头。 只能蹉跎年华，慢慢找到自己的出路了

我其实一直都会对优质信息有非常强的探索欲 不仅仅愿意去付费订阅一些newsletter，也会在互联网里继续大海捞针 上个月，我花了 8 小时搜索 Discord 服务器，结果？ 加了 AI创作的20 个群，最后活跃的不到5个 就连我一开始follow的Midjourney现在也消息寥寥 直到我朋友 @lyc_zh 做了这个产品 https://t.co/f7VjGaDrKs，终于解决了我的痛点 👇

很多人对大厂有幻想， 觉得大厂人都年薪百万。 但实际上，年薪 50 万以上在大厂都是少数。 绝大部分非研发序列"大头兵"， 可能月薪税前 2 -3 万就是天花板了。

太夸张了。 中国的Alibaba近期发布了 Live Avatar。 这个 AI 能把任意声音实时变成会说话的虚拟人，长度不限，能做到 20 FPS。 下面是 10 个令人震惊的示例： 1. 从未发生过的 Ilya 采访 https://t.co/osZ5St1wJc

Justine Moore表示：这些对废弃场所进行的 AI 改造，看起来真的让人非常解压。 （来自 IG 上的 kouyang1） https://t.co/SaqyGoDFD1

新一期的周刊发布了，聊聊最近最热门的话题。https://t.co/pyI5w0seAH https://t.co/U1MfYK6EiD

Perplexity 低调发布了一份 42 页的内部指南，介绍他们在工作中是如何真正使用 AI 的。 https://t.co/84z4odZjvd

来自 Greg 大佬关于 vibe coding 到来后 App Store 的生态的一些变化趋势，建议独立开发者们好好看一看： 1、 未来的应用将追求“即时价值”，而不是终身留存。你用完就删，下次有需要再下。 2、如果一个应用能在 30 秒内帮用户解决问题，转化率会高出 2-3 倍，根本不需要繁琐的入门引导。 3、定价会转向 1-10 美元的一次性买断，用完即走，没有后续期待。 4、收入会向少数开发者账户高度集中：一个人可能同时运营几十个小应用，总收入达到数亿美元。 5、最有价值的应用不会出现在排行榜前列，而是通过人与人之间的私下分享，在小圈子里病毒传播。 6、创始人会变成“多产品实验者”，每年推出 10-20 个微型应用，只求其中 1-2 个跑出来，而不是把宝全押在一个大产品上。 7、即使年收入达到 100-500 万美元的应用，也只需要 1-2 人小团队维护，因为产品体量本来就小。 8、分发渠道会从传统商店转向信任网络：创作者、社区和群聊将成为主要“策展人”。 9、那些以前因为市场太小而不值得做的极度细分应用，现在都会如雨后春笋般冒出来。 10、应用命名会更像内容标题，强调情感、场景和共鸣，而不是听起来像公司名。 11、应用名字会越来越短，5-8 个字符最佳——方便分享、链接传播，也更容易记住。 12、当两个功能几乎一样的应用摆在一起，那一个“感觉是为我量身定制”的就会完胜。 13、最快增长的品类将是“工具+身份”型应用：既能解决问题，又能表达用户的品味、价值观和生活方式。 14、个性化会成为标配：同一个应用，根据不同用户的身份和使用场景，会呈现完全不同的界面和体验。 15、发布一个应用会越来越像创作一首新歌：时机、故事和发布渠道，比技术本身更重要。 16、真正成功的应用不会是孤立的单个产品，而是以小组合的形式出现，匹配某种生活方式、工作流或细分领域。 17、苹果的角色会逐渐从“巨型应用导航”转向“信任编辑”，负责精选和推荐成套体验。 18、苹果会更倾向于推广那些符合“健康使用习惯”的应用，以维护用户对整个设备的信任。 19、得益于 vibe coding，人们可以在等车、散步的碎片时间里直接在手机上开发应用。虽然不是人人都做，但参与者的数量会暴增 100 倍以上。 20、用户删应用的频率会大幅提高，但对真正留下的应用满意度也会更高，整体而言，我们手机上的软件会变得更有用。 21、文化层面也会发生转变：人们不会再说“我用某个应用”，而会说“我为了这件事自己搞了个小应用”。

近期比较值得关注的音频方向的模型： 1、Fun-ASR-Nano-2512 2、CosyVoice3-0.5B 3、GLM-ASR-Nano-2512 4、GLM-TTS 5、OpenAI transcribe/tts/realtime 系列 6、gemini-2.5-flash-native-audio-preview-12-2025

国外生态都是开放的 不像国内 想把ai嫁接到通讯软件里是没那么多难度的 600行代码让claudecode在whatsapp中运行 唯一的问题可能是不好预览成果😂 但如果是一个基于移动端设计的产品 我觉得就会简单非常多了 https://t.co/y3U0fltJ1A

Yeah!!! 上电视啦！！！ 感兴趣的朋友一定要听呀！ https://t.co/Qe24i37AOD https://t.co/ghujwz4cj0

韩国黑色电影《无可奈何》，有点当年《寄生虫》的感觉了，好看啊！ 中年失业大叔为了找工作，把其他竞争对手一一干掉。 人生真的是一念天堂一念地狱啊。 https://t.co/tTcBENVAFJ

润之·毛同志的最大历史贡献是把家国变党国； 只要是以集体的名义，再大的决策后果、群体的苦难都是可以尽职免责的

在推上看到的大多是大陆的水深火热，和在大陆的基本盘看到的都是美帝的水生火热是一回事吧 大陆的基本盘还是很稳的，因为唯有痛苦需要表达，快乐时只要快乐就够了 所以小红书式的文案都是消费主义的炫耀

妈妈你为什么带精灵的帽子？ 帽子的第一性原理不是保暖吗？ https://t.co/cleU30rW4e

上次被那堆愚蠢的、记错日期的东欧老乡给气着之后落了个病根儿，一生气就胃疼。哪怕稍微烦躁一下、血压升高了都会疼，反应极其灵敏，真是逼着我学会修身养性，凡事儿别生气。 花了一天时间，已经和出版社battle得差不多了，他们已经把电子书撤了，我发了我自己的，等审核通过就可以给大家发链接了，真是不容易。也证明了很多时候生气什么的情绪其实没什么用，先把事情沟通做好最重要。

NVIDIA Nemotron 3 不只是是模型开源，训练数据和 Training Recipes 都完全开源！

Use this simple prompt to generate more poses In a 3x3 grid, show this character in different angles, keep the scene the same, random poses https://t.co/CW9g1VEXyM

🌿🍂 Capture the romance of the seasons with this healing botanical leaf art style—nature is the best artist. 🎨 🍌 nano banana pro prompt --- Prompt Template --- Creative botanical art collage depicting [Scene/Activity]. The image is constructed entirely from exquisite cut natural leaves, flower petals, plant stems, and wild berries. The silhouettes of figures and objects are formed by the intricate arrangement of these plant elements. The plant surfaces feature a slightly wet, glossy texture adorned with crystal-clear morning dew droplets. Rich, vibrant colors with distinct visual layering. The background is a soft, natural bokeh that harmonizes with the mood of the scene. Macro photography style, hyper-realistic organic textures, 8K resolution, masterpiece. --- Scene：a girl riding a bicycle through a park

最近推友推荐的这两个 App，都是 AI 让小应用变得非常便捷的案例 比大公司产品好用得多 https://t.co/m6JI6Epvok

几秒钟内将你的 localhost 分享给任何人。 通过一个在全球可访问的 HTTPS URL！ $ brew install cloudflared $ cloudflared tunnel --url <你的本地域名> 这是 ngrok 的一种替代方案，无需注册、完全免费。 https://t.co/I0XqN47TD3

This JSON lets you turn any image into a stylish, retro magazine cover poster with one click. Just replace {{TITLE_TEXT}} with the title you want, and the big headline on the poster will update automatically. { "poster_structure": { "format": { "aspect_ratio": "2:3", "orientation": "vertical", "safe_margins": "medium", "grid": "classic magazine cover grid with generous top header area and bottom utility area" }, "layers": { "background_layer": { "type": "single-photo-or-flat-color", "treatment": \[ "subtle paper grain", "light halftone/print texture", "slightly faded print tones" \] }, "title_layer": { "type": "oversized headline behind subject", "text": "GOOD NIGHT", "placement": "upper third, spanning wide", "z_index": "behind_subject", "style": { "case": "title case or sentence case (match exactly)", "font_feel": "bold retro editorial display", "color_rule": "match dominant background color for embedded look", "effects": \["no outline", "no glow", "clean fill"\] } }, "subject_layer": { "type": "foreground cutout", "masking": "clean edge cutout, natural silhouette", "z_index": "top", "rules": \[ "subject must overlap and partially cover the title text", "no extra cutout artifacts", "no duplicated subject" \] }, "frame_layer": { "type": "border + inner line + ornaments", "outer_border": { "material": "off-white textured paper", "shape": "rounded corners", "rule": "NO outer black frame" }, "inner_frame_line": { "style": "thin line near edges", "color": "subtle warm gray/beige", "opacity": "low" }, "corner_ornaments": { "style": "small classic corner marks", "quantity": "4", "subtlety": "minimal" } }, "header_microtext_layer": { "type": "small header metadata text", "placement": "top margin area", "alignment": "left to center, magazine-like", "text_blocks": \[ { "text": "GOOD NIGHT", "role": "micro_title" }, { "text": "Designed by @underwoodxie96", "role": "credit_line" }, { "text": "Date 16-12-2025", "role": "date_line" }, { "text": "Day Thirty {two}", "role": "day_counter" }, { "text": "2/5", "role": "issue_fraction" } \], "style": { "font_feel": "clean editorial sans or simple serif", "size": "very small", "tracking": "slightly increased", "color": "muted dark gray" } }, "barcode_layer": { "type": "barcode graphic", "placement": "bottom right", "size": "small to medium", "style": "clean black/gray on light background", "rule": "must remain visible" } }, "print_finish": { "global_texture": \["paper grain", "subtle halftone"\], "contrast": "medium-low", "saturation": "slightly faded", "clarity": "high but not HDR" } }, "constraints": { "must_keep": \[ "off-white textured border with rounded corners (NO outer black frame)", "thin inner frame line near the edges", "small corner ornaments", "oversized title text placed behind the subject and partially covered by the subject cutout", "paper/halftone print texture across the whole design", "barcode at bottom right", "header microtext blocks present at the top" \], "text_lock": \[ "Designed by @underwoodxie96", "Date 16-12-2025", "Day Thirty {two}", "2/5", "GOOD NIGHT" \], "avoid": \[ "outer black border/frame", "extra random text", "misspelled or garbled typography", "neon colors", "heavy HDR", "watermarks or extra logos" \] }, "negative_prompt": [ "watermark", "extra logos", "misspelled text", "garbled typography", "random letters", "outer black frame", "overprocessed", "heavy HDR", "neon colors", "low resolution" ] }

每当我抛出一个观点 评论区都会有人问 那该咋变现赚钱？ 信息差赚钱方法不要太多 赚国内的就是卖课卖社群 搞咨询公司卖咨询服务 我说一个靠信息海外赚钱的思路吧 就是做参考阅读的海外版 直接搞聚合然后做精选的深度阅读 然后用Dan koe的工作流newsletter转长推做增长 重点解决俩问题： 信息过载的精选-有限时间，不错过重要内容 深度信息的洞察压缩-3小时访谈精选出核心观点（甚至带着时间戳） 就围绕一个人群干垂直 肯定可以变现

现在有一种流派玩法 前期靠运营n8n验证 验证成功后工程师vibe coding+hitp去反转n8n workflow成代码产品化 不过n8n的workflow有很都不太能直接投产使用 比如就拿youtube视频转中文来举例吧 这种东西卡点很多 ytb视频下载就是一个非常大的卡点 之前还可以无限下 现在一个cookie只能下一次 然后时间戳校对也是个卡点 这些卡点都拼在一起后，多数情况下光靠工作流想做到比较好的效果还是非常困难的 这种需求还是建议找靠谱的开源项目，比如videolingo 简单总结一下我对n8n的看法： 1、产品/运营专家能用来验证流程，想量产还是要代码化，如果会vibecoding，直接写很多时候比n8n快 2、个体户/机构可以用来唬smb，没啥使用规模，业务几近定制，n8n切这里是有很多市场空间的，一方面可以自己外包赚钱，另外一方面可以靠这个验证需求，后面再想办法产品化 3、做培训的/搞自媒体的可以用来搭玩具，做一些看起来有用的情绪价值很大的东西，很容易传播 4、不要对n8n抱有太高预期，也不应该太低估它，很适合个体户/小业务做运营验证和初步自动化，也适合搞社群卖课，不适合产品化规模化，上体量追求性能还是需要换换