🔥 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.
这个AI应用场景好赞:在婚礼现场抓拍客人,然后实时用AI视频来调侃他们。https://t.co/4aGpwKQWn1
我最近在听 Naval 的播客《How to Get Rich Without Getting Lucky(不靠运气致富)》,其中的一些观点让我开始重新审视自己的职业规划,尤其是在产品设计这个领域工作多年之后,更有了新的感触。 我逐渐意识到:虽然在大公司工作看起来稳定、体面,甚至有点“奢侈感”,但它并不能帮助我建立长期的复利型收入。原因很简单——作为普通员工,你往往拿不到公司真正的股权,而缺少股权,就意味着长期收益空间受限。 Naval 提到过一个让我特别有共鸣的点: 可以从全职员工转向咨询/自由职业,用专业能力换取更高的杠杆。 对我来说,这意味着: • 把设计能力和行业经验变成可以对外输出的专业服务 • 与多个客户或团队合作,而不是把价值只绑定在一家企业 • 收更高的费用、工作更灵活,同时还能创造实际价值 这样的职业模式能让我慢慢摆脱“纯时间换钱”的逻辑,为未来累积更具规模化、可复利增长的收入流。
买过最值的软件之一 Eagle, 一直用来做本地图片和情绪板管理, 好多年前付费买断了,到现在一直在更新, 用来做提示词管理再好不过了。 https://t.co/WjruEx0wMc
俄罗斯的楼为什么和北京高校的家属院那么像?没人发现这个吗?
任老是真的很强大,真男人。 很多人不知道棚屋是什么,以前叫铁皮房。我父母刚来深圳的时候就住过。他们很幸运,很快情况就改善了,所以我是没有住过棚屋的。 https://t.co/UgnJgNtlKG
我决定停止长篇大论,start building。 管他呢。 2025 年 12 月 13 日,我为自己的 AI 原生操作系统落下了一个小小的锚点: v0.1-runtime-mvp 这是一个极小的版本。 我希望用它来解释: 我到底在做什么?我的 vision 是什么?2026 年我要构建的系统又是什么? 说实话,这比我想象得难很多。 过去几周,我试图当面向一些资深软件工程师解释我的方向,几乎没有一次成功。 沟通很困难 我自己的 vision 也仍在形成之中。 我反复讲述一些理论基础: Language–Structure–Orchestrator、 与大模型解耦、 用户自拥有结构、 结构作为智能的主权层…… 这些思想本身就已经“超出了当前范式”。 要在当场解释 “它到底能做什么” 几乎不可能。 我说:“它有点像一个 OS。你可以在上面 build everything, write everything, run everything。” 通常,这句话一出,对话就结束了: “你是不是幻觉了?”😂 所以,我决定不再试图从宏图开始解释。 我从一个最小的细胞写起。 一点点让你看到它怎么呼吸、怎么记录、怎么运转。 v0.1 Runtime MVP: The Moment an AI-Native OS Draws Its First Breath (hopefully 😂) https://t.co/sGJWg5H0gj
斯坦福的这门软工课,值得仔细学。并没有你想象中的那么"vibe", 相反干货满满,其实把直到今天,你需要学的最核心部分给罗列出来了。至少把Slides, 全部看一遍学一遍。 https://t.co/akBDQb0Xbo https://t.co/SSLUR3iAGR
这点是真的,就是一代人有一代人的原生社会。 但是人只有财富这一个指标吗?那就把人性降的太肤浅了。 还有一点就是,人其实是可以与时间错位发展的。 其实在AI探索的这条路上,你觉得应该属于00后吧,不是。我认为给我最大帮助,以及看的最清楚明白,走在前沿的反而是好几位70后。 其实我认识的许多改革开放以后,抓住所谓历史机遇的人,真正发迹都在自己40岁,甚至45岁以后。尤其是男性。在所有身边的人,看着他都觉得他已经错过了自己的时代了,你这个老人家还折腾什么呢。 嗯,就这样的人,最沉稳,最成功。超出了他自己的时代。

Yangyi
你做的Agents产品,智能来自哪里? Agents的智能,从信息获取渠道的内部和外部来看,内部有两种方式,外部有两种方式 内部方式一:提示词工程 AI可以通过优秀的提示词获得智能,好的提示词能拓展Agents的智慧,比如让Agents使用后退提示,这个Agents就会更具备独立思考能力 内部方式二:领域专家外部构建知识 这个往往都会做,尤其是做垂直领域agents的,专家会构建信息库,通过RAG/SFT摄入,让LLM引用专家知识来增加智能,但往往这种专家的智慧其实也是很有限的 外部方式一:与现实世界的交互 通过与现实世界交互后得到反馈,收集到正确的信息 比如你要收集一些信息,你可以让Agents去搜索,写邮件,甚至打电话,获得对应的信息,使用信息后判断成功或失败,有效的信息会增加成功率 外部方式二:专家用户的上下文 同样的AI,专家用户提供的上下文会令AI开启智能提高成功率,通过专家用户的高成功率对话,会获得经验数据,利用这些经验数据优化提示词/RAG/工具/SFT,同样也可以获得智能 接下来问题来了,如果你做一个AI产品,内部的方法你基本都会做,但如果你的产品早期本身就面向专家用户,你就会多了很多智能数据,那理论上你就会在相同的情况下比其他AI企业更可能快速获得智能 类比回来,比如你要做一个AI瑜伽教练,可能你有两种选择: 1、做广泛受众提供情绪价值 2、做专家受众,帮助专家去给用户制定计划,或帮助专家生成报告等等 第一种路线你可能很快获得用户和付费 第二种路线你会更快获得智能的Agent 因为大众大多数面对一个对话框都不知道说什么,也无法判断Agents的结果 但专家用户不是,他们会提出明确的要求,也有很强的判断力,这些都辅助Agents变得更加智能 那有人会怀疑,专家的需求和大众不一样吧?交互也不一样吧? 其实殊途同归,因为人的懒惰是一样的,对简单的需要也是一样的 这些都可以利用LUI+GUI的方式结合解决 但人们对Agents输出的要求,是不一样的 大众用户不会评估这个瑜伽coach的专业度很高,因为他们没有辨别能力 他们只会觉得在快坚持不下去的时候那两声加油是很好的 但专家用户不是这样的 所以如果你想做个很好的Agents,我觉得它应该先服务好专家用户 如果它能服务好专家用户,它就一定能超出大众预期
Est. 500 views for your reply
