🔥 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.
影视飓风风波有感 独立思考在简中不是不被允许，而是被默默定价成“高风险行为”。 你一旦开始问“为什么”，系统就会回你一个“你问这个干嘛”。 独立不是原罪，显眼才是。 思考不是原罪，越界才是。 大多数人不是不想独立思考，而是被算法、KPI、舆论温度计调教成了“别搞事模式”。 情绪可以有，观点最好不要太立体； 态度可以强，但逻辑别太尖锐。 于是你看到的社会像是一套“软沉默协议”： 能顺着就别横着， 能闭嘴就别展开， 能合唱就别唱独奏。 但真实世界永远奖励那些敢想、敢问、敢推门出去的人。 独立思考不是原罪，它只是昂贵。 昂贵到大多数人承受不起， 也昂贵到真正具备的人会被时代记住。
剪映这个无耻的弹框，是用的什么API实现的啊🤣 一度让我感觉自己在用Windows https://t.co/U3UdSUjhiu
这是 0.5.0 之前的最后一个版本! - 谁在等 Light Mode ☀️! 现在有了！（感谢 Claude Code on Web） - Windows 功能全了 - Search 大优化，快搜现在满血了，深度搜索从几十秒变 6 秒了！
北京人不爬长城 西安人不看兵马俑 外地人，来都来了 真的好无聊啊 https://t.co/r4tmfdVlVK
双十一过完了，买了个小米17pro max，同时升级了一下两个麦克风。 索尼ECM-M1，方便日常拍vlog。 舒尔的MV7i，用于日常教程视频。 https://t.co/p4nOkORCrJ
上午和团队复盘，除了 Reddit，还挖到几个外链建设的宝藏洼地：YouTube 热门视频评论区、Fandom 粉丝社区、Hacker News 讨论帖。高质量、高相关的评论，总能带来意想不到的惊喜。
@中国国安，这有一个煞笔影射领导人。我是良好公民来的，就他天天在我评论区说这些大逆不道的话。我已经block.了。我绝对拥护党和国家的领导的。
这可能是我写的最“接地气”的 AI 科普：从家政阿姨看懂 Agent 和 MCP 我家请了个家政阿姨打扫卫生，这位阿姨高中毕业，但是经过了家政公司专业训练，学会了该怎么针对不同家庭去打扫卫生，使用各种不同的清洁工具。 当然她不可能记住所有工具的用法，所以额外的，家政公司还给她了一本《家政技能手册》，这个手册有两部分，一部分是目录，不同技能的简要介绍，字数不长，阿姨每次来干活之前都会读一遍目录，以便需要时能想起来； 《家政技能手册》的另一部分是技能的详细介绍，详细介绍里面不仅说明了各种技能的详细做法，有的还有配套的手册，有的还需要借助一些工具。 家政公司还给阿姨配备了一款定制的平板电脑，这个平板电脑支持一种智能家居协议，所有支持这种智能家居协议的家电她都可以用这个平板电脑连上操作。 为了提升效率，家政公司还给她配备了便携式扫地机器人，每次她都开车带上，一些扫地的任务就直接使用扫地机器人。 为了我经常需要阿姨来家里打扫，为了避免麻烦，所以我把我家的一些基本情况写成了说明书，好让阿姨知道该怎么更好的清扫我们家，并且阿姨很专业，每次工作完都写了一份详细的工作记录，这样她下次来还可以看一下以前都做了啥。 虽然有这个说明书，当然每次过来我还是要交代一下：“阿姨，明天我家要开了个 party，客厅一定要弄干净整洁点。” --- 说了这么多我当然不是为了炫耀我家请了个阿姨干活或者帮这家家政公司打广告，而是借这个来“辅助解释”一些常见的 AI 名词。 - 家政阿姨：AI Agent，有基础知识（类似于大语言模型），经过训练，会规划会使用工具 - 扫地机器人：SubAgent，专业的、自主的执行者。 主AI（阿姨）负责委托和监督，机器人（SubAgent）负责具体执行。这大大解放了主AI的精力（上下文窗口），让她可以去干更重要的活。 - 智能家居协议：MCP(模型上下文协议)，智能家居协议就是那个家电的统一标准： 支持智能家居协议（MCP 协议）的家电工具阿姨都可以使用。 - 《家政技能手册》：Skills，家政技能手册可以帮助阿姨（Agent）学会她没有被训练过的技能，而且这些技能是“动态加载”和“渐进式披露”的。 “动态加载”的意思是：阿姨只有在需要用特定技能的时候，才会去《家政技能手册》翻该技能的详细内容。 “渐进式披露”的意思更进一步：阿姨不会一开始就把整本手册都读完，她干活前先看一眼目录（元数据，大约 100 个词），“哦，这个技能跟我现在的任务有关”。然后它再打开读具体章节（完整的指令，小于 5000 词）。 这有什么好处？省脑子（省上下文窗口）。 确保阿姨总是在最需要的时候，用最少的“脑力”获取最关键的专业知识。 - 我家：Project，存放了与我家相关的说明书、历史信息。 希望上面这个比喻能帮助你更好的理解这些概念。 ⚠️ 需要注意的是，这些比喻只是帮助你理解这些概念，并不能代替你深入的去学习和理解这些知识。
CRS 高危地区就是：香港、新加坡、英国、欧澳日韩等全部加入 CRS 的国家和地区。只要你在这些地方有账户、大额入账或对敲，余额快照都会自动交换给中国税局。离岸地如开曼、BVI 也都在 CRS 内。真正不交换的是美国，但用港卡中转仍会暴露。所以大家务必合规操作。
橘子的创业团队，用了更贴近AI时代的组织形式，战斗力爆棚！ 1. 所有人都能提产品想法，自己 Vibe Coding 或说服他人组队开发上线。 2. 快速上线验证，PMF后持续打磨。 比如免费AI音乐工具：nextaibar （用suno API，但更易用） 比如这几天刚上线，免费Nano Banana生图工具。 据说是一个00后应届生程序员一天搞出来的。 改天请他分享下经验 @oran_ge 产品网址见评论区
抖音上， 一个模仿德国知名落榜美术生（带个知名小胡子）的德语博主，开始带货零食了。 零食店的名字叫鱿太仁 ……什么地狱笑话 https://t.co/oyo29Z837d
AI 原生软件，这两周我一直在讲。我也分享过一个最简单、最日常的例子：购物 Claude Skill。 如果你用过，你大概已经体会到了——所谓“AI 原生”，不是比传统 App 多几个智能功能，而是整个运作方式变了。 你不再点按钮，不再找菜单，而是直接说：“帮我记录一下刚买的东西。”“下周提醒我补货。” 系统不是在“记账”，而是在学习你的结构、你的节奏、你家是怎么运作的。 当你真正用起来，你会突然意识到： 你操作软件的方式变了，你的思维方式也跟着变了。 这才是 AI 原生软件的核心。 此文有中文翻译。 When Software Disappears: The Real Beginning of AI-Native Systems https://t.co/UANM07h6DA
如果你用过 Flomo 或者买过小报童， 或者看过《产品沉思录》， 那你大概率知道这些小而美背后的人 —— 少楠 昨晚听了期他关于一人公司的访谈，3 小时信息量巨大。 少楠是典型的产品经理出身，创办了多个项目，包括美食分享应用“食色”、动画门户网站 Anime Taste、便签工具 Evermemo 和二手书平台“摆摆书架”等，也在丁香园做过首席产品官，后来出来做了多年一人公司。 Flomo 和 小报童 都是他和合伙人 白光 一起做的，十来个个人的团队，全员远程，活得还挺滋润。 从这期访谈里整理出 4 条生存法则， 每一条都是他用真金白银验证过的：
网友很快就做了一个生成器 https://t.co/G1oVyAEX5s https://t.co/peI2mYOBhe
经常有人问，能否一次性跟多个AI模型对话。 之前橘子做过一个Chrome插件叫AIHomeTab，把新开浏览器窗口变成AI对话框，一次性向多个模型提问对话。 今天，爱贝壳团队也做了一个类似的插件叫AI ChatHub 产品思路差不多，拼接URL提交到多个模型获得结果。 Chrome 插件应用商店搜“AI ChatHub”安装即可。
YouMind 的这一波更新很不错。划重点： 1、遇到不满意的 AI 产出，可以一键点踩退还消耗的所有积分。真正按效果付费，再也不用担心积分被 AI 乱花了。 2、如果是遇到 YouMind 自己出错了，会自动退还积分，点踩都不需要。 3、写好的文章，可以一键复制到微信公众号了，默认简洁优雅，并支持换主题颜色。 4、AI 配图里的中文问题，也可以调用即梦 4.0 来生图解决了。 你的需求，是 YouMind 前进的动力。 YouMind 的诚实，值得你信任。 大胆创作，不止于学。
我们实验室以前有一个本科生 非常认真，非常聪明，非常努力 大一就来实验室做实验 基本上每天都会在实验室忙一会 有的时候两三个小时 有的时候七八个小时 一直和我们组博士做实验做到了大四 最后本科毕业，论文都还没发出来， 一直到她自己博士入学一两年 她和博士的两篇文章才被接收 所以，每次看到生物学的本科生本科发了什么顶刊。我都有点情绪复杂。然后感叹有个好爹妈真好
ShipAny One 破 $10k 用了 4 小时 ShipAny Two 破 $10k 用了 3 天 感谢支持，继续完善。❤️ 半价活动持续到 11.30 号，新用户 🉑 冲，老用户 0 元购新版。 https://t.co/fbT37uBd8Y
如果有人敢在抖音讲 claude skills，大体分为三种情况 1. 为了让小白听懂，大量使用修辞手法，以至于信息压缩极其严重，根本无法把整个事情完全讲清楚 2. 讲的很专业，但是播放量极差 3. 既有深度，又有流量，这是真高手
作为老板，最心痛的事情莫过于 给员工提供了 Claude Code、Codex、Cursor 各种工具 但员工却不用 了吧...
关于印度裔美国人和华裔美国人差异的有趣的观点（下面的内容是 Junde Wu 原推文内容摘要）： 65年移民和国籍法开始，印度大批受过良好教育的医生、工程师、学者进入美国，成了印度裔社区的第一代基础，而他们的高学历背景，也直接塑造了整个族群的教育水平与收入结构。 而华人移民的节奏完全不同。 因为中国经历了文化大革命，高学历、高技能的大陆移民真正的大规模涌入，其实要等到 80 年代末、90 年代 才开始，直到 2000 年代才达到峰值。 我们今天看到的差异，不是因为文化，也不是因为某个族群“更聪明”，而是因为不同族群来到美国的时间点不同、路径不同、筛选机制不同。
今年，我读了很多 alignment 和 AI safety 的论文。 开始一天比一天好奇，Ilya Sutskever 的 Safe Superintelligence Inc 到底在做什么神秘的研究和产品？
M: 来这里的意义是什么？ D：因为门票免费？ M：那只是现实层….因为黑鸟是冷战侦察机工程巅峰，飞行速度超过马赫2.5全身热膨胀，把缝隙填满。形成内真空状态。波音707的原型，当时在华盛顿航展，毫无征兆的做了空中翻滚。开启喷气式时代。 D：哦，你儿子看上个80刀的纪念品，你去把钱付了？ M：算了吧，不如买汉堡。 D：欢迎回到现实层。
谁能认出来？我能。 https://t.co/qa4X3Slw4k
靠，正像Elon曾经说过的，尤根发明了当前AI的everything！ 当前AI的所有理论都可以从尤根一个人写过的论文中找到线索。 https://t.co/AMd8ZB4IW8
在讨论 AI-Native 软件范式（AI-Native Systems） 时，我们必须先承认一个现实：用户从来没有被教育过如何使用“语言作为系统界面”。过去三十年他们接受的是另一套训练： 无数个 App 容器，每个 App 代表一个单独的世界，有自己的按钮、菜单、图标、工作流。用户的心智是被图形界面塑形的。 而当你突然把一个纯语言界面放到他们面前——光的、秃的，没有工具条，没有按钮，没有模式切换——大多数用户是会本能不适的。 因为这不是他们被社会化学习过的操作方式。 这正是 AI-Native 的悖论： 语言本来是人类最自然的界面，但在软件里，它反而变成“最陌生的界面”。 换句话说： 用户需要被重新训练，让语言重新成为界面。 但“语言即界面”其实只是表层。真正的底层结构是： 语言 → 结构 → 调度 语言不是聊天，语言是可执行结构； 结构不是代码，结构是可调度的认知单元； 调度不是操作系统，调度是系统的生命机制。 要让消费者理解一个“没有 App、没有按钮、没有菜单”的世界，他们需要一个适应期。因为这是一种范式迁移： 从“点按钮”到“发起意图”； 从“在 App 之间切换”到“让结构在后台自动调度”； 从“模仿电脑的操作方式”到“让电脑模仿人的思考方式”。 这就是 AI-Native 时代真正的冲击点： 不是技术本身，而是用户心智的迁移速度。
老了，胖了。 问AI，我YouTube咋办？ 他居然建议我去贴假睫毛…. https://t.co/mHl071AGy7
宝玉
研究 Vibe Coding 都能写论文了，来自中科院、杜克大学等的这篇《基于大语言模型的Vibe Coding综述》，还是花了点功夫把 Vibe Coding 相关的论文、信息梳理了一遍，有一些值得看的内容。 【一】 首先是对 Vibe Coding 的定义，这篇论文把 Vibe Coding 描述成一个“三方关系” （参考图1）： 1. 人类开发者：不再是代码的直接创作者，更像是需求的提出者、方向的把控者和最终质量的仲裁者 。你的主要工作是清晰地表达意图，并判断 AI 做出来的东西“对不对”。 2. 软件项目：不再仅仅是代码库，而是一个包含代码、数据、文档、领域知识等各种信息的“上下文空间” 。AI 需要从这里获取信息来理解任务。 3. 编程智能体 (AI)：负责具体的编码、修改、调试工作，它听从人类的指令，并受项目上下文的约束 。 论文也提到了 Vibe Coding 带来的问题：经验丰富的开发者在使用高级AI工具时，完成任务的时间反而增加了19% ！ 【二】 为什么经验丰富的开发者 Vibe Coding 时间更长？不完全是模型能力不够，还有其他原因： 1. 系统性的上下文工程 (Context Engineering)：你得知道怎么把项目信息（代码库、文档、规范）有效地“喂”给 AI 。AI 不是凭空写代码，它需要知道你的项目是怎么回事 。光会写漂亮的提示词 (Prompt) 是不够的，管理上下文信息才是核心技术 。 2. 反馈循环 (Feedback Loops)：不能简单地把活儿全丢给 AI。怎么提要求？怎么给反馈？什么时候该介入？这些协作方式直接影响效率和质量 。 3. 基础设施 (Infrastructure)：你需要能安全执行 AI 代码的“沙盒” ，能跟 AI 流畅对话、共享项目信息的交互界面 ，甚至需要能自动化测试、部署 AI 代码的平台 。没有这些基础设施，AI 就是“带镣铐跳舞” 。 【三】 五种 Vibe Coding 开发模式 ： 1. 无约束自动化 (UAM)：完全放手让 AI 干，你只看最终结果 。速度快，风险高，适合做一次性原型或小工具 。有点像软件工程里的“快速应用开发”（RAD） 。 2. 迭代式对话协作 (ICCM)：你和 AI 像结对编程一样 ，AI 写，你审，反复沟通迭代 。质量有保障，但需要你深度参与 。 3. 规划驱动 (PDM)：你先做好设计、定好规范（比如写好技术文档、规则文件、实施计划） ，然后指导 AI 按计划执行 。有点像传统的“瀑布模型” ，但 AI 的快速迭代让它更灵活 。 4. 测试驱动 (TDM)：你先写好测试用例，定义清楚“怎样算对” ，然后让 AI 去写能通过测试的代码 。用机器验证代替人眼审查 。这是传统“测试驱动开发”（TDD）的应用 。 5. 上下文增强 (CEM)：这不是一个独立流程，而是一种“增强插件” 。通过检索增强生成（RAG）、代码库索引等技术，让 AI 能更好地理解项目现有情况，生成更贴合项目风格和规范的代码 。它可以与其他四种模式结合使用 。 【四】 Vibe Coding 的最佳实践——把 Agent 当员工而不是工具 很多一直把 AI 当成一个“超级自动补全”，一个更聪明的 Stack Overflow，我们把它当成一个“工具”，而实际上，它是一个智能体（Agent）。 “工具”和“Agent”的区别是什么？ - 工具（比如锤子、编译器）：它帮你完成你正在做的事。你100%掌控它。 - Agent（比如一个初级程序员）：它能自主完成任务。你需要给它分配任务、给它“记忆”（上下文）、给它权限，并对它进行“管理”和“审查”。 如果试图用“使用工具”的方式，去“管理一个员工”，结果就是会带来两个极端： - 一个极端是盲目接受：AI 写的代码，语法漂亮，看着很对。你“Vibe”一下，直接提交。结果生产环境崩了。你大骂“模型产生了幻觉”，而真正的问题是，你跳过了必要的检查环节： 代码审查、自动化测试。 - 一个极端是过度怀疑：你根本不信它，它写的每一行你都要重写，这同样影响效率。 这特别像那些管理水平不怎么样的 Engineering Manager：要么对员工（AI）完全放任不管，要么事必躬亲地为管理。 最佳实践是在关键节点设置检查站，自动化验证流程，但在过程中放权。就像一个新员工入职，你不会直接让他们在生产环境上更新代码，而是会有配套的流程和环节保障。 【五】 开发者的角色正在发生根本性转变。你不再仅仅是代码的生产者，你的核心工作变成了： 1. 意图阐述与提示工程：把复杂需求翻译成 AI 能理解的清晰指令 。 2. 上下文管理：精心挑选和组织信息（API 文档、代码片段、设计规范），喂给 AI，限制它的“自由发挥”，确保方向正确 。 3. 系统级调试：当 AI 生成的系统出问题时，重点不再是逐行 GDB，而是从系统行为层面去推测、定位问题，然后引导 AI 去修复 。 4. 架构监督：AI 负责实现细节，你得把握整体架构，确保项目的概念完整性和长远健康 。 5. 质量验证与治理：设计测试用例，利用自动化工具验证 AI 的输出，管理 AI 的权限，追踪代码来源 。 简单说，你的价值从“写好代码”变成了“用好 AI 来写好代码”。这不仅仅是技能的增加，更是一种思维模式的彻底转变 。 【六】 Vibe Coding 带来的挑战：安全、可靠性、监管，以及……我们自己 1. 代码可靠性和安全性：AI 可能从训练数据里学到并复现各种 Bug 和安全漏洞 。只看“Vibe”不看代码，无异于“盲驾” 。我们需要新的自动化工具和流程来实时监控、验证 AI 生成的代码 。手动代码审查根本跟不上 AI 的产出速度 。 3. 大规模监管：当 AI 智能体能自主修改、部署代码时，如何有效监督它们？如何防止一个错误像病毒一样扩散？如何追踪责任？ 。现有的管理和审计方法都过时了 。我们需要能与 AI 能力同步扩展的监管架构 。 3. 人的因素：开发者需要转变思维模式 ，学习新技能 。团队协作方式需要调整 。更重要的是，如何建立对 AI 恰当的信任度——既不盲从也不过度怀疑 ？ 4. 教育脱节：现在的计算机教育体系，有教你怎么“指挥”AI 写代码、怎么设计 AI 的工作流、怎么评估 AI 的风险吗？很少 。人才培养的速度，远远落后于技术发展的速度 。 论文地址：https://t.co/yq0Pr2gD6W
Est. 1.2K views for your reply