🔥 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
熠辉 Indie
如果说「像样的高价值Vibe Coding课程」，我个人认为我的课程是完全有资格的。 Vibe Coding教程的难点其实不是掌握什么Spec驱动、Skills和写一个完美的文档，这些甚至不重要，但是确实是新手经常迷恋或者抱有妄想的。 Vibe Coding课程的核心要解决的，是如何教那些不想深入学习编程语法基础的人，如何掌握软件工程常识？如何掌握各个必要的技术栈？如何合理拆分一个项目的任务？如何结合AI去Debug？最终的目的是让他们，能做出自己想要build的项目。 这个核心矛盾，其实就是了很多人认定的：「不懂Coding根本没法通过Vibe Coding做出像样的项目，只能是玩具项目」。 所以这波人认为必须学编程才行，那这就不Vibe了。 这个问题能不能解决呢？能！也是我认为现阶段唯一的解决办法：高强度的大量练习。 大家可以想一想「厨师」这个职业，厨师做出一道美味的菜，是因为他认真学习了锅具热容和导热率、美拉德反应、焦糖化原理、蛋白溶解效应、淀粉糊化的各个原理吗？ 不是，大部分的厨师文化程度并不高，他们做出美味菜肴的唯一秘诀，就是大量练习。掌握火候、调料、炊具和食材之间的关系。 我的课程也就是基于这套框架： - 炊具代表的是基础的技术栈/框架/云基础设施，例如Next.js/Supabase/Vercel/CF等， - 食材和调料是不同业务对应的技术知识点，例如不同类型的AI模型、定时任务、各个库、不同的Agent能力等等，这也是最繁琐的。 - 火候代表的是架构知识，这是最需要经验的。即使是相同食材做不同菜，火候可以完全不同。 这套框架就是我认为目前Vibe Coding教学的唯一解，也是我的实战课的理论基础：「用大量的1小时左右的项目练习，去解决上面提到的核心矛盾」 现在AI编程课很难成体系的原因之一是AI发展得太快了，我的课程是从Claude-Sonnet-3.5开始做的，现在到Claude-Opus-4.5，模型能力的巨幅提升带来Vibe Coding的 "姿势" 变化是巨大的。 我的课程一直在探索的就是：如何把一个项目拆分成合理的颗粒度的任务，并且用当前SOTA模型能力匹配的最大颗粒度的提示词来完成，还要让让大家较为稳定复现。 这个探索过程比大家想的要难和吃经验，这些备课的付出没有在课程里面展示出来。| 最后我认可Vibe Coding是一个巨大的机会，里面的教学培训市场超过整个PPT和Excel培训市场的总和。欢迎更多优秀的创作者加入，我一直和朋友说：“模型能力每提升10%，这个市场规模可能就扩大100%”。 但为什么没有太多人做？ 第一，会Vibe Coding和会教Vibe Coding是两码事。想想我们大学里面的教授就明白。 第二，制作课程的难度，特别是视频课程的难度被很多人低估了。这个时代的聪明人在通过构建全球化的产品赚钱。
Est. 100 views for your reply