🔥 Search Hot Tweets

可以看的出很紧张，但结果还不错😂 https://t.co/7GGCqYEqfr

探头，还有大佬招人不 AI app、Agents、 前端、RL/SFT 合成数据，我都可以，kk 主打活全

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。

40 分钟到50分钟，华彩，RL is terrible。 太好了！

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

若干年后，有人问响马，你一个程序员怎么落草为寇当了响马？ 响马喃喃的说：vibe ops！vibe ops！

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。