🔥 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.
老马说他们会在未来几周删除掉推特所有的启发式算法，彻底将推荐算法改为 Grok 驱动。 启发式算法就是类似现在 if-then 这种常用的传统算法。 Grok 将“真正地阅读每一篇帖子和观看每一个视频”，确保新人的优质内容也可以被发现。 未来，用户将能够直接“告诉 Grok”来临时或永久地调整自己的信息流。
得知杨振宁去世的消息，猛然间有点恍惚。 印象中大学第一学期开学典礼，就有杨振宁教授的分享和祝福。当时记住的一句话是：细推物理须行乐，何用浮名绊此身。 这是杜甫的一句诗。从杨振宁口中说出来，特别贴切。我在物理系，学的基础物理。物理学的大学教材上，我一直把这句诗写在封面上。 物理学给了我太多乐趣。莱布尼茨、牛顿、薛定谔、普朗克、泡利、狄拉克、爱因斯坦、杨振宁、李政道等等，人类群星闪耀时，对我来说不仅仅是一本书，而是像是一次时空穿越，从微小的夸克到整个宇宙，大学让我度过了亿万年。 后来从物理转行到互联网，依旧有时梦宇称不守恒，梦回南七技校和杨振宁路。在浩瀚的物理学面前，AI 就是一个小泡泡。 杨先生走好。物理的世界里，一切都是变化又永恒。感谢在我的时空里，有过你的降临。
最近在找工作，在思考我们这些“传统”程序员应该找什么样的工作。 只聊聊我现在的理解 - 在大厂，如果不是非常核心和非常棒的组，大部分时候都是螺丝钉，只是 AI app 整个流水线上的很小一环，很难通过工作建立起对整个 AI 全景的认知。 仅仅是从 “存业务数据的 CRUD” 变成了 “存 Agent 数据的 CRUD”，看起来跟 AI 相关，但其实并不能持续的获得来自一线的经验 - 在创业公司，人数较少，也就意味着能做跟 AI 的核心更近的工作，获取的更一手的信息和 insights，从而加深自己对 AI 的理解。当然创业公司也会有相应的风险。 最简单的像我现在把一些一线的反馈给到 researcher，流程非常长，并且很难知道他们的思考、理解和下一步行动，但在一个创业公司，直接拿着电脑干到 researcher 面前，有啥好奇的直接问。 我在思考，当我们在面对 “范式转换”的历史时期的时候，我们是不是应该抛弃过去求稳的“大厂思维”，去求一个大厂的螺丝钉，而且想办法冲在 AI 的一线，去获得最新的经验和积累有价值的能力。 至少在我看来，AI 对全人类都是新的，没有哪个公司对其他人有过分的领先优势，真正能获取有价值知识的方式就是浸淫在一线，尽可能的在一线做事情、产生 insights、总结，然后循环。
新视频录制完毕，《Claude Code + GLM 4.6 实测》， 这几天在抖音直播间里“公开处刑” GLM 4.6 ，结果确比预期好用 如果你想有 cc + sonnet 4.0 的体验，GLM 4.6 是个极高性价比的选择。如果你要修的 bug 更难，可以继续使用 codex + gpt-5(-codex) high 甚至 chatgpt pro 模式
可怕，知道了一件很吓人的事情，真的，小朋友们不要看到什么就拍，拍了就发，特别是外网，万一影响到大佬的生意，你真的死都不知道这么死的。
骑上了兄弟们🤣 签合同付款，给新车加油上电。销售特意让我第一手启动的，试了一下，这车子真好骑哈哈😅 https://t.co/VAfNjnz5hX
上一条讲「怎么干中学 Web3」的推文，私信加爆了🔥 这次我们来点实战：从 0 到 1，亲手做一个最能串起 Web3 全流程的项目：转账 DApp 干中学 Web3（1）｜转账 DApp 实战 先从最简单、最核心的项目开始：做一个转账 DApp。 它能帮你把“区块链到底怎么跑起来的”这件事，一次性串个大概情况。 这一节我主要会带你搞清楚： 1. 转账 DApp 的整体思路 2. 转账 DApp 的 prompt（见评论区） 3. 一些关键概念：区块链、智能合约、钱包、Gas Fee、DApp 4. 如何搭建测试环境（我们用以太坊测试链） 5. 各种账号注册、环境配置、工具安装全套流程 6. 最后附上 GitHub 源码 为了给大家一个全局直观的了解，先看看最终成品的效果👇（图一） 你需要先有个钱包，这里用 MetaMask 做示例，我已经连接好了，后续会分享具体如何操作。 然后填上两个东西： 收款地址（你要转给谁） 转账金额（转几个 ETH） 点确认后，交易就发出去了。 如图二所示，几秒钟之后，转账记录出来了，有点像银行流水，只不过多了详细的信息， Gas Fee、交易哈希这些链上信息。 先有这么个大概印象就行，下面我慢慢讲，这个 DApp 是怎么一步步实现的 👇
谁是下一个何同学？ 短短几个月，300多万粉丝。何同学的油管频道，火的是一塌糊涂。 实际上，中国有很多优秀的创作者，但是受限于语言的原因，而没有进入国际视野。 现在，有了剪映，VidTransAI等AI工具的帮助，语言不再是障碍。 你完全可以把发抖音，小红书的视频，翻译下，然后发油管，TikTok，不仅有播放量收益，还能获得全球70亿人的关注。 不说了，我先开账号去了…
🥳宣布几个好消息： 1. AI编程课学员1500+了 2. 视频商单价格涨了不少，单太多了 3. 今天北京天气很好，阳光充足~ 预告10月的课程吧： 1) 下周会发布Vercel部署相关的课程 2) 月底会发布新一期的iOS重磅课程，这期视频开发会用到 @ios_1261142602 的EasyApp模板，来加速iOS应用开发。 📢最后，10.24课程涨价到499元！
ChatGPT的pulse 我每天都看 而且我发现我越是深度思考密集输出的时候。这份报告就对我越有价值。 https://t.co/HYASp6oKwH
图1是我画的，图2，3是生成的，图4是我再加工的。只用了一个绘图软件和一只苹果画笔。 经验：先让AI 对原图进行detail, 依赖上下文的故事线。比如我这个是讨论的multi-agent. 生成之后自己再拼接完善。一个复杂的，难描述的生动概念慢慢成型。 https://t.co/fRjQpzZSWN
当ai可以越来越快实现人们的想法时 缺少的并不是“就差一个程序员了” 而是“做什么，怎么做”的上下文 去开闲鱼 去做淘宝 去找外包 去reddit翻帖子 看看谁还在寻找程序员 在你不知道做什么的时候 重要的是接触客户 去多和别人谈一谈 并询问对方支付定金 在接单的过程里你就会知道 对方是谁 遇到了什么问题 当下是怎么解决的 是否愿意花钱提高效率 这些上下文是开发的基础 当你3-4个窗口同时并行4个付费需求时 你独立开发的成功机会就悄悄地被放大了
Claude Skills 系统看起来真的太完美了 每个 Skill 都是一个文件夹，只需要 Markdown 即可编写 而将文件夹系统作为 Context，正是 Claude 最核心的产品理念。 这是一个智能可插拔的技能系统，再也不用在系统prompt里塞垃圾了。 不仅可以加载记忆，还可以加载技能，这是目前最美妙最优雅的 Agent 架构。 每个人也可以分享自己的 Skill，一套开放的生态系统。 未来的想象空间没有上限。
今天和团队分享了一个我的工作心法：“残心”（Zanshin）。它源于剑道，指一击得手后，精神与姿态不能立即松懈，仍要保持高度警觉。做工程也是一个道理：代码部署成功，跑起来了，相当于你一刀砍中了目标。但决不能马上放松，你必须保留这份“残心”，持续观察、验证，确保整个动作形成一个完美的闭环。
特别认同陶哲轩的观点：现阶段 AI 最合适的用法不是直接把最强大的 AI 模型用来攻克最难的数学难题，更广泛、更实用的用法，或许是利用那些性能适中的 AI 工具，来帮数学家们加速完成那些日常繁琐但又必不可少的基础研究任务。 前些天听个 CVS 的人分享，说 CVS 药房很忙，但是大部分时间是浪费一些繁琐的事情上，比如说数药片，因为每个病人的药片数量都不一样，需要两个专业的药剂师，一个负责将指定数量的药片装到药瓶，一个负责将瓶子的药片数一遍验证对不对，一群高学历受过专业训练的药剂师每天要花很多时间在这些事情上。所以他们最近用 AI + 机器人的方式，将这个过程自动化，让药剂师们解放出来去做更重要的事情。 我自己日常用 AI 也是类似的，它不一定能帮我解决很多技术难题，但是我可以借助 AI 开发一些小工具，或者直接借助特定的提示词，就能帮我做很多繁琐的工作，这样已经可以极大的提升我的整体效率了。 --- 原文翻译见评论
上了年纪的前端一定跟 IE6 打过交道，给它写过不少的 hack。我们得感谢以 YouTube 为首的 Google 产品在十年前率先在网页加上了引导 IE6 升级到高级浏览器的banner，在一个月把 IE6 的市场占比降到个位数。 YouTube 早期前端工程师分享了背后的故事，他们因为每次发版都要给 IE6 写好几天的兼容，刚好他们因为刚被Google收购还没有完全兼容Google那套严格的上线流程，所以他们就用了一个高级权限来发版，加上了强制要求用户升级IE六的banner。接下来Google其他的团队因为看到YouTube上线了，以为他们通过了法务和PR的审核，所以他们也说服了他们经理一同上线，这样就导致了Google几乎所有苦 IE6 久矣的前端团队都上线了这种 banner。
HeyGen的Founder分享了他们团队内部的管理和产品方法论，摘取部分我最受益的六个观点： 1. AI产品要适配底层AI模型平均每两月一次的迭代周期，所以核心的产品功能向前规划两个月，但是也要时刻思考着接下来6-12个月的大突破可能会是在哪个方向。产品要和模型突破一起向前，不要被模型突破覆盖掉。 2. AI时代创业团队最大的错误就是速度太慢。不要怕犯错，要怕学习太慢。速度不仅仅是执行力，也是一个mindset - 如果任何时候你想到 - 周一再发这个功能而非现在，都意味着你不重视速度。 3. 团队每个角色最重要的责任： - PM要每天使用市面上所有的常用AI工具和竞品产品，理解为什么做某个功能和划分其优先级； - Engineer要给出PM可能会miss的技术视角同时用最快的速度把功能做出来； - Designer要把所有的复杂功能和用户需求简化成老奶奶都可以用的简单操作； - Data Scientist要能够配合PM找到最核心的数据和构建核心看板和分析工具，通过数据做出决策。 - Growth 对业务指标负责，同时要确保构建每一个功能和阶段的用户行为与喜好学习循环。 4. Everyone agrees = no one cares 每一个人都同意常常意味着大家其实不在乎。Disagree and commit。避免Decision Paralysis，即使有不同意见，选择一个之后就commit，通过用户反馈再来学习和调整。 5. 别憋大招。攒了六个月的重大更新发出来之后发现竞品其实早就发了这个功能且获客了，又或者构建了一个可以服务巨大用户量的框架但是事实上只来了100个用户。 6. 什么时候必须要慢下来： - 最重要的事情是学习用户需求，任何影响我们学习用户反馈的数据和功能缺陷都必须要修复； - 影响到用户核心体验、安全的bug。
Susan STEM
你们写文章会不会自己读出来？ 会不会经常自言自语？ 我写中英文都是自己在不停的读的。我觉得很有用，符号是有声音的。要不为什么全世界的神话，巫师，神仙，奎师那....咒语都是要念的呢？ 没错，我编程也读（至少舌头会动，因为很多音节其实发不出来）....
Est. 100 views for your reply