🔥 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
宝玉
这位网友的问题很典型： > 宝玉老师，以现在大模型的能力还需要prompt吗，我现在都直接描述问题就发出去了 这个疑问其实特别普遍，甚至可以说，它代表了绝大多数用户的心声。包括还有人说： > 今天社交网络上被追捧的所谓AI高人,不过是Prompt Kiddie(提示词小子)。 > 整天转帖一些提示词,其实是在自动充当大模型的燃料。 这个问题的答案，其实藏在你的需求里。 如果你的任务很简单，比如问个天气、查个单词，或者写个请假条，那确实不需要什么复杂的提示词。这就好比做一道 1 加 1 等于 2 的数学题，直接心算就完事了，非要列个方程式反而显得矫情。 但是，一旦涉及到复杂任务，情况就完全不同了。 你可以把专业的提示词想象成解难题时的“数学公式”。 当面对一道复杂的应用题时，光靠心算是不够的。你需要公式来规范步骤，需要设定变量。提示词就是在这个环节起作用，它把一个模糊的需求，拆解成了一条清晰的思维链，手把手教 AI 怎么思考。 举个最常见的例子：把一篇晦涩的学术论文改成科普文章（参考提示词：https://t.co/c5fVJbTMXV ）。 如果你直接把论文丢给 AI，跟它说“帮我改写成科普文”，它大概率会给你扔回一篇删减版的论文，依然充满了你不懂的术语。因为它不知道你的“科普”是给谁看的，也不知道你需要什么风格。 但如果你运用了“公式”，告诉它：你的读者是只有高中物理水平的普通爱好者，请多用生活中的比喻（比如把量子纠缠比作心灵感应），并且在写之前先去检索一下相关的背景趣闻。 这时候，AI 输出的就不是冷冰冰的文字，而是一篇有血有肉、生动有趣的科普文章。这就是提示词的魔力——它填补了“指令”和“意图”之间的鸿沟。 再进一步，提示词还能充当“工作流经理”的角色。 比如你想做个 PPT。普通玩法是让 AI 帮你列个大纲，然后你自己根据大纲一页页去制作幻灯片。 但高阶的玩法是，用一段精心设计的提示词（参考提示词：https://t.co/nE2hQ0tPNB ），让 AI 不仅生成大纲，还能根据每一页的内容，自动写出对应的 AI 绘画指令。它把“写大纲”和“想配图”这两个步骤串联起来了。这时候的 AI，就不再是一个简单的聊天机器人，而是一个自动化的生产线。 还有大家最关心的 AI 画图提示词。 为什么大神生成的图片光影绝美、细节拉满，而你生成的总是差点意思？因为在非专业人士眼里，只有“好看”这一个形容词；而在提示词里，包含了光线类型、渲染引擎、构图视角等各种专业参数。 这些参数，就是大神手中的“秘密配方”。你想复刻那张图，光靠猜是猜不出来的，必须拿到那个具体的参数。即使你可以通过多模态模型来逆向，有时候就是差一点意思，毕竟专业的提示词，是经过无数次试验和优化才打磨出来的。 所以，回到最初的问题。我们还需要 Prompt 吗？ 如果你只是把 AI 当作一个陪聊的网友，或者一个随身的百科全书，那你确实不需要。 但如果你想把 AI 变成一个稳定输出的生产力工具，提示词就是必修课。 因为聊天是一次性的，说完就散；而专业提示词就像是“程序”和“软件”。 当你写好了一个完美的翻译提示词，或者一个生成信息图的提示词，它就不再是一句话了，它变成了一个只要你输入原料，就能稳定产出高质量产品的“工具”。 我自己则一直是在尝试借助提示词来帮我提升效率： 比如我要提取 YouTube 字幕，还要去对发言人名字进行标注，我就写了提取 YouTube 字幕的提示词 https://t.co/AJBvKFUrGm ，不仅有文稿，还能自动对上发言人，还能分章节。 比如我要给文章配图，所以我写了一个生成信息图的提示词 https://t.co/uQJaf8biBF ，文章贴进去，它就能帮我生成一张好看专业的信息图。 比如我要要校对文稿，我不会肉眼去校对，而是写一个校对的提示词，让 AI 帮我找错别字、语法错误，提供修改建议。 借助这些提示词，就能让我事半功倍。 这才是提示词的真正价值： 它让你从一个向 AI 提问的“用户”，变成了指挥 AI 干活的“工程师”。 下次当你在干一些枯燥的任务的时候，不妨想一想： 我每天在做的这些事情，如果写一个专业的提示词，是不是能让我事半功倍？
Est. 300 views for your reply