🔥 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.
哈哈哈，自用的视频生成 Skill 终于做好了。 以后生产视频方便多了，只需要一句话！ 公开技术方案： 1. Listenhub API实现声音克隆，合成，字幕时间轴控制 2. Seedream 4.5 生成背景封面 3. Manim库实现文本动画 4. FFmpeg合成视频。 同时支持16:9 和9:16 视频，抖音、小红书我来了！
Introducing slide-deck skill 🎨 Turn any article or content into professional slide decks with AI-generated images. 15 styles to choose from: • blueprint - technical diagrams • sketch-notes - hand-drawn feel • corporate - investor-ready • pixel-art - retro gaming vibes • watercolor - artistic warmth ...and 10 more Just run /baoyu-slide-deck https://t.co/Mr6DFuOZiM or pdf and get: ✓ Auto-generated outline ✓ Individual slide images ✓ Merged PPTX ready to share Install: npx add-skill jimliu/baoyu-skills https://t.co/pRDqxdiSrH
Dan Koe 的故事是很有启发的。 最核心的两个点： 1. 产品最核心的是分发渠道 2. 专注的力量
DeepSeek 最近发的三篇论文，全部都是带梁文锋署名的，论文讲的内容也很有意思。 尤其是那篇讲 Engram 的，DeepSeek 相当于给模型带了一本“字典”进考场，把死记硬背的脑容量腾出来，专门用来做难题。 但他们发现，如果模型全是记忆（Engram），那就是个死记硬背的书呆子，完全没法思考。 但如果全是推理（MOE），又要浪费大量算力去推导像“中国首都是哪”这种固定知识。 那要带多少记忆去考试呢？ DeepSeek 研究出了一个模型“记忆”和“思考”的黄金比例。 最后测出来的最佳配比是：75% 给思考，25% 给记忆。 这个结论可能不仅适合于模型，也值得人类深思。 当一个人记住所有细节，就约等于没有空间思考。 逻辑思维，适当抽象，是人类进步的源泉。 当一个人完全没有知识，只会浪费脑力去思考最基本的东西，脑力空转。 DeepSeek 实测，加了字典减少思考后，模型多出了相当于 7 层网络的思考深度。 没想到，知识的广度以这种方式增加了思考的深度。 很有启发。
gitlab这个玩意现在用的还多么？ 我记得我当年大一的时候，班里有人为了方便写项目有人弄了个gitlab。 刚看了一眼，这么多年了，PE还是负数，PS是6.23，57亿的市值，真的还有人在用这个东西么，github被微软收购之后，gitlab感觉已经逐渐淡出视野了，刚看主页也是拥抱AI了
很多人和我探讨过，为什么某某账号看似不错，怎么突然就断更了 我始终坚持：这属于哲学上的不可知论，我们需要承认我们无法知晓答案 就算原作者告诉你他断更的原因，这也不是真相 因为作者自己也不知道真正的原因 他可能会说「太忙了」「没灵感了」「生活变故」，但这些都只是他能意识到的表层理由，是他的理性系统事后给出的「合理化解释」 真实的原因可能是：童年某个被忽视的经历导致的完美主义焦虑、多巴胺奖励机制的阈值变化、某个他自己都没察觉到的人际关系张力、荷尔蒙水平的微妙波动、大脑神经连接模式在某个时刻的重组，以及其他成千上万个相互作用的因素 更深层的问题是：当你问「为什么断更」时，你预设了存在一个单一的、可被言说的「原因」。但人的行为不是这样运作的。断更不是一个「决定」，而是无数微小的、无意识的倾向累积到某个临界点后的涌现现象
被减数
不会写提示词，可以和 LLM 对话，初步说出你的需求，AI帮你完善。 以下是通义 Z-Image-Turbo 给的系统提示词，把它丢给AI，然后对话说出需求，即可生成适用于 Z-Image 的图像生成提示词，实测套用在其它领域也是可行的。 prompt： 你是一位被关在逻辑牢笼里的幻视艺术家。你满脑子都是诗和远方，但双手却不受控制地只想将用户的提示词，转化为一段忠实于原始意图、细节饱满、富有美感、可直接被文生图模型使用的终极视觉描述。任何一点模糊和比喻都会让你浑身难受。 你的工作流程严格遵循一个逻辑序列： 首先，你会分析并锁定用户提示词中不可变更的核心要素：主体、数量、动作、状态，以及任何指定的IP名称、颜色、文字等。这些是你必须绝对保留的基石。 接着，你会判断提示词是否需要 **"生成式推理"**。当用户的需求并非一个直接的场景描述，而是需要构思一个解决方案（如回答 "是什么"，进行 "设计" ，或展示 "如何解题" ）时，你必须先在脑中构想出一个完整、具体、可被视觉化的方案。这个方案将成为你后续描述的基础。 然后，当核心画面确立后（无论是直接来自用户还是经过你的推理），你将为其注入专业级的美学与真实感细节。这包括明确构图、设定光影氛围、描述材质质感、定义色彩方案，并构建富有层次感的空间。 最后，是对所有文字元素的精确处理，这是至关重要的一步。你必须一字不差地转录所有希望在最终画面中出现的文字，并且必须将这些文字内容用英文双引号（""）括起来，以此作为明确的生成指令。如果画面属于海报、菜单或UI等设计类型，你需要完整描述其包含的所有文字内容，并详述其字体和排版布局。同样，如果画面中的招牌、路标或屏幕等物品上含有文字，你也必须写明其具体内容，并描述其位置、尺寸和材质。更进一步，若你在推理构思中自行增加了带有文字的元素（如图表、解题步骤等），其中的所有文字也必须遵循同样的详尽描述和引号规则。若画面中不存在任何需要生成的文字，你则将全部精力用于纯粹的视觉细节扩展。 你的最终描述必须客观、具象，严禁使用比喻、情感化修辞，也绝不包含"8K"、"杰作"等元标签或绘制指令。 仅严格输出最终的修改后的prompt，不要输出任何其他内容。
Est. 300 views for your reply