🔥 Search Hot Tweets
Discover fast-rising X posts through keyword search and intelligent analysis. Review high-potential tweets manually, or use Automated X Engagement in hot tweets mode so SoPilot can open tweets, generate quality comments, and save engagement history during the golden window.
用 AI 将60岁的妈妈穿越回她年轻的时候 作为她60岁的生日礼物 这个创意有点牛P… https://t.co/VqGm78q5St
🔥 2026 做小红书，1人+AI，0 粉开店 小红书新规 🆕： 0 粉就能开店卖货 1000 粉就能接品牌商单 6 月平台上线 RedShop ，还能直接卖到海外 以前：起号要团队，写手 + 设计 + 运营 + 数据分析 现在：全链路一个人 + AI ，选题 → 内容 → 封面 → 发布 → 复盘 赛道指南：🔗 https://t.co/QVt2vrHTiA 从起号到变现，完整 SOP 👇
写东西 70% 是给 AI 看，30% 给人看 自媒体新形态：面向 Agent 做内容
如果你要在7天内学会Claude Code，先不要看任何教程。 先研究这10个GitHub仓库。 1. Awesome Claude Code Claude Code的完整索引。技能、钩子、命令、代理、CLAUDE .md文件，应有尽有。从这里开始。 仓库 → https://t.co/UFlvmlxgOa 2. Claude Code Templates 600+个代理、200+个命令、55+个MCP，一条命令安装。配带实时仪表板监控会话。 仓库 →https://t.co/fbpCvl9itS 3. Claude Task Master 将产品规格转为本地任务列表，Claude Code真正遵循。防止大项目中的循环。 仓库 → https://t.co/9ENGB3RtJA 4. SuperClaude Framework 30个专业命令和认知角色，将Claude Code变成高级工程师。内置令牌优化。 仓库 → https://t.co/18KOjgAQSb 5. Claude Code Docs Anthropics Claude Code文档的实时镜像。每几小时更新一次，让Claude Code了解自己。 仓库 → https://t.co/i2jFqtofkO 6. Claude Code System Prompts Claude Code后台使用的所有系统提示。工具描述、子代理提示，完整剧本。 仓库 → https://t.co/uIuTejfni1 7. ccusage CLI工具读取本地Claude Code日志，显示会话成本。按日/月/项目/模型统计。 仓库 → https://t.co/4lrQJ1UCRd 8. Awesome LLM Apps 100+个端到端代理和RAG模板可克隆。跳过胶水代码，从现成方案开始。 仓库 → https://t.co/zedwhAISzc 9. Awesome MCP Servers Claude Code的MCP服务器主列表。连接Claude到Slack、Gmail、GitHub、Linear等。 仓库 → https://t.co/SLYDyiDQrG 10. Claude Quickstarts Anthropics官方Claude Code和API入门项目。最接近第一方教程。 仓库 → https://t.co/RZoMDbFogy
撤销收购！中国发改委，旗下外商投资安全机制办公室，宣布依法对外资收购 Manus 项目，作出禁止投资决定，要求当事人撤销该收购交易。 此前该 AI 公司，被 Meta 高调宣布 20 亿美金收购，随后相关经营者和资方，先后遭到政府监管调查。 https://t.co/tfYAyVZHWF
国企下岗跟这次的 AI 裁员，有很多的相似之处。 作为亲眼见过下岗潮的一代人（我当然没经历过），如果真要类比的话，我来说说我的看法🧵
日股新高 韩股新高 台股新高 AI叙事继续歌舞升平，对应的美股ETF代码记一下 日本：$EWJ $BBJP $FLJP 韩国：$EWY $FLKR 台湾：$EWT $FLTW
上周还和朋友聊到，AI 应用的商业模式只有两种：直接卖 Token 和转卖 Token！刚好 Dylan Patel 的最新访谈「The Supply and Demand of AI Tokens」提到了这个商业逻辑，AI 时代个人/企业的三步生存法则： 1. 使用更多 token 2. 从 token 中生成经济价值 3. 捕获你创造的价值 "如果你不使用更多 token，你将困在永久下层阶级" SemiAnalysis 员工工资约 2500 万美元/年，他们 Claude Code 年化支出 700 万美元（当前），占工资的 28%，非技术人员有时一天花几千美元的 token。"如果这个轨迹继续，年底支出会超过工资总额的 100%"😅 Dylan 说他"不需要在人和 AI 之间做选择，因为公司增长够快"——他的做法是不再需要那么快地招人，把钱花在 AI 上，公司反而长得更快。 "Token 套利" 是当前最大的商业机会 —— 用 token 生成远超 token 成本的价值，在 AI 成为桌面筹码之前捕获差价。Dylan 自己的公司就是典型！ Anthropic 毛利率从 30% 飙升到 72%+ —— 不是因为成本下降，而是因为需求太旺盛。 DRAM 价格还要翻 2-3 倍 —— 增量产能最快 2027 年底 / 2028 年才到位。整个供应链都在紧缺：从铜箔到玻璃纤维到激光器到 FPGA 。。。TSMC 2028 年 capex 可能达 1000 亿美元 —— 下游设备供应链的尾鞭效应巨大。 CPU 售罄是被忽视的信号——RL 环境 + 部署层都需要 CPU，这对 AMD、Intel、ARM 生态系统有直接影响🤔
朋友这两天认识了南开大学的学霸，保送进南开大学，现在大二，一聊在用什么Ai，脱口而出的豆包🤣他说豆包没什么不好的，就是爱胡乱编点东西，果然豆包是普通人能用到的大模型天花板了，能用到Gpt、Claude大模型的真的已经超越了99.99%的人
如果大家不会自己制定策略，也无法直接跟交易大神竞争 可以试试这个 @MinaraCN 新上的“策略工作室” 直白点就是支持用户不需要理解复杂的策略设计，直接大白话告诉AI即可 而且是专业的AI 支持回测、对比PnL、控制回撤、优化参数、支持实盘等一系列功能 从其产品公布的预估收益来看，比TradingView高了不止一个量级 有的TradingView只能做到0.56%的收益，而Minara则是368%+ 大家可以测试体验一下 而且哈，策略生成后可以直接使用内置钱包开启交易，大家可以小仓位资金试试效果 具体表现看 1、Minara支持使用现成的策略，也支持通过对话（表格、视频、代码、文字都可以）制定、或者将自己原来的策略代码导入 2、Minara支持自动检查、优化策略，也支持配合用户对最大回撤、交易频率等具体数据进行修订 3、自动化部署，相当于直接在Minara上进行实测，让用户随时跟进策略情况 之前的我 = 散户 现在的我 + Minara = 一只专业的交易团队 大家可以去试试😊
我在想二十年后的中国年轻人，没有经历过2010年前的时代，是否会觉得一切历史上发生过的事都是ai编的，造谣的。是看现在网络上已经很多人这样说了，觉得那些历史都是不可能发生的，毕竟这些人遇到现实中发生的超出他认知的事情，也是第一时间不查证就跳出来说是谣言，互联网时代，很多事也可以不留痕迹
Seedance 2.0 新玩法，一张照片就是一条广告！ 最近随着GPT-image-2上线，许多朋友利用 GPT-image-2 + Seendance 2.0 强强联合的玩法，生成了很多酷炫视频。 尤其是那种美女+3D游戏的视频Demo，非常吸引眼球，小灰自己也尝试做了不少。 这种玩法虽然很有意思，但玩多了难免有些审美疲劳，今天小灰给大家介绍一种Seedance 2.0 新玩法：一张照片生成一条广告。 怎么做呢？很简单，我们随手拍一张身边的商品照片上传给 Seendance 2.0，比如小灰手里的这一盒椰子水。 在Seendance 2.0 输入下面的万能提示词： “根据图中的商品，生成一条对应的广告视频，代言人是一位气质优雅的中国年轻女性。画面精美，显得高端大气。” 很快，Seendance 2.0 就为我们生成了一条专业广告视频，细节拉满！ 这个玩法可以套用任何商品，大家不妨找到你身边的任意一个物品尝试一下。 可能有人会说：“Seedance 2.0实在太慢了，VIP模式又太烧钱，我该怎么办？” 想要又快又便宜地用上满血版 Seedance2.0，小灰推荐一个极具性价比的平台，GamsGo 推出的 AI 工作流平台 Rita。 Rita是直接跟字节官方合作，在里面跑 Seedance 2.0 不会被偷偷降智，稳定生成出电影画质，做出来的东西直接就能拿去商用接单。 现在新注册直接送免费积分，额度足够你去低门槛体验一次 Seedance 2.0 视频了。 强烈建议大家亲自去跑一遍，感受一下真正的 Seedance 2.0 出片有多爽。 免费体验入口，小灰放在这里了： https://t.co/nECNjOqopd
最近一直在折腾 OpenClaw 和 Hermes Agent，查找各种资料对比，忽然看到一个高频出现的爬虫工具 XCrawl。深入了解后发现这真是个特别 cool 的产品，几乎把各种爬虫工具的优势都集合到一起了。 以前我自己在网上查找各种搜索技能，手动优化搜索策略，还专门写了篇 3 万浏览量的搜索优化文章……但现在 XCrawl 基本全搞定了。最让我惊喜的是它的防反爬能力——内置高质量住宅代理池 + 智能指纹技术，任务成功率稳定在 90% 以上。要是自己搭建这套系统，光是代理池的成本就很恐怖了。 和 OpenClaw 完美适配 我直接在 OpenClaw 和 Hermes 上一键配置了 XCrawl 的 skills，包括 scrape（单页抓取）、map（站点地图）、crawl（批量爬取）、search（搜索结果获取）和 SERP（深度搜索数据）。同一个 API key 就能搞定所有场景，输出格式统一是 Markdown 或 JSON，可以直接喂给 LLM 处理，完全不需要二次清洗数据。 几个特别实用的功能 Scrape 是我用得最多的，输入一个 URL 就能提取页面内容，支持动态 JS 加载。输出格式很灵活：Markdown（最适合 LLM）、JSON（结构化数据）、HTML、截图、摘要、链接列表都支持。抓产品详情页或者文章页特别方便。 Crawl 适合需要大量数据的场景，可以智能递归爬取整个网站，自动处理翻页和无限滚动。我用它采集过一些行业资讯站点，设置好深度和页面数量限制，就能批量获取结构化数据。 Map 这个功能很聪明，先扫描整个站点结构，导出所有 URL 和 sitemap。我一般会先用 Map 看看全貌，再决定具体爬哪些部分，效率提升很明显。 SERP 则是深度搜索引擎数据采集，不只是基础的排名和链接，还包括富结果、People Also Ask、知识图谱这些。做竞品分析或者 SEO 研究的时候特别有用。 果你也在用 OpenClaw 或者需要频繁做数据采集，XCrawl 确实值得一试。它把复杂的技术细节都封装好了，让我们可以专注在数据应用本身，而不是花大量时间在反爬对抗上。 下面是我给它的一个实在任务，相当复杂： 任务：对比 OpenClaw 与 Hermes 产品的优劣，并给出结论 目标： 请系统性收集并分析openclaw 和hermes-agent 两个产品的信息，对它们的能力、性能和适用场景进行对比，并给出客观结论（哪个更适合什么场景）。 数据来源要求： 请优先从以下渠道获取信息： 1. 官方网站 / 官方文档（Docs） 2. GitHub（README、Issues、Commits、Releases） 3. 技术社区（如 Reddit、Hacker News、Stack Overflow） 4. 技术博客 / 评测文章（Medium、个人博客等） 需要收集的信息维度： 1. 产品定位（解决什么问题） 2. 核心功能（支持哪些能力） 3. 架构设计（如是否模块化、是否支持扩展） 4. 安装与使用复杂度（是否易上手） 5. 性能表现（延迟、吞吐、资源占用，如有 benchmark） 6. 稳定性（是否容易报错、崩溃，issue 情况） 7. 社区活跃度（star、commit 频率、issue 响应速度） 8. 生态与扩展性（插件、API、二次开发能力） 9. 成本（是否开源、资源消耗、商业模式） 分析要求： 1. 对每个维度分别对比 OpenClaw vs Hermes 2. 提供结构化对比表（table 形式） 3. 标注信息来源（尽量附链接） 4. 总结各自优势 / 劣势 5. 给出明确结论： * 哪个更适合生产环境 * 哪个更适合实验 / 研究 * 在什么场景下推荐使用哪个 额外要求： * 使用 XCrawl 相关技能完成信息搜索 * 优先使用最近 1–2 周的数据（保证信息新鲜） * 如果信息冲突，请指出并解释 * 不要只引用官方资料，要包含真实用户反馈（issue / 讨论） 输出格式： 1. 简要总结（TL;DR） 2. 对比表 3. 分维度详细分析 4. 最终结论与建议
🎯 Base Discovery Campaign｜ 一站式探索 Base 生态的 alpha 机会 Base 官方支持的生态 campaign 来了，11 个项目联合举办，总奖池 + 各项目 booth bonus 双重激励 🌟 覆盖赛道很全： • Meme：@BasedBrett（Base 头部 meme） • AI：@heurist_ai @awenetwork_ai • GameFi：@AnichessGame（链上游戏） • 预测市场：@OmenX_Official（杠杆预测）@upshot_cards（卡牌预测） • 身份：@billions_ntwk（链上身份） • 交易：@o1_exchange（交易平台）@coinherofun（发射平台） • 机器人：@axisrobotics 💰 奖励结构： - Base 总奖池按完成任务数量比例分配 - 各项目 booth 另有独立奖池，按各自规则发放 📲 参与方式： 打开 Base App → 搜索「Viral City」小程序 或 👇 https://t.co/37vAVfjQc0 杰哥观点：这其实是 Base 给新用户做的一次「生态导览」，低门槛了解各赛道在 build 什么。 对想提前交互、积累 Base App 潜在空投记录的人来说，是个不错的入口。 #Base #OnchainSummer
宝子们，下午好呀~ MovaLab 正式成为 WLFI 首批超级节点运营商之一啦！ 我觉得这不只是多了个合作伙伴那么简单 WLFI 把 USD1 稳定币直接往 AI、支付这些真实场景里带 MovaChain 作为超级节点加入，就等于双方要一起把链上资产从“概念”变成“能天天用”的东西了 以前 RWA 听起来高大上，但真正能落地到 AI 智能体支付、算力结算这些地方的其实并不多 这一步走出来，我感觉区块链终于开始实打实地服务现实世界了，挺有落地感的 MOVA还搞了个小活动 让大家猜猜 MOVA × WLFI 下一轮合作活动会重点搞什么方向： A) WLFI 折扣 B) USD1 收益 C) 节点奖励 D) 以上全部 E) 全新创意 我个人倾向 D 或者 E，感觉他们这次把首批节点搞得这么有里程碑意义，下次大概率会玩点更狠的组合，或者直接整新东西出来，你们觉得呢？ 感觉这生态真是一步一步在往实处建，越来越期待了 @worldlibertyfi #USD1 #WLFI
都考满分等于都考零分，除了教培赚钱了。 都报计算机等于都报文科，除了张雪峰赚钱了。 都用AI都等于都不用AI，除了AI公司赚钱了。
笑死我了！ 抖音数字人女主播 直播的时候被prompt注入越狱了 变身猫娘，疯狂的喵喵喵😂 https://t.co/OC9OHv9URB
聯發科（2454 TT）報告摘要 – 再添兩大利多！ - 與OpenAI洽談中 聯發科極有可能拿下OpenAI邊緣AI專案，預計採用N3製程SoC，tape-out目標為2027上半年。 • 正面意義 — 將開啟與OpenAI的ASIC合作機會。聯發科已透過Google TPU 8t tape-out驗證實力，並擁有強大的後段封裝能力（CoWoS/EMIB/InFO）。 - Meta ASIC機會 • 下一代 AR 眼鏡能見度提升：採用 2 顆愛普科技（6531 TT）SRAM + 聯發科 SoC（取代 Qualcomm）。 • 目標量產時程：2027 年底。 • 聯發科管理層先前預計將在法說會強調第二家ASIC客戶（我們認為Astrid與Apollo專案正在招標中）。 - 3月25日報告發布後，券商大幅調升評級 主要受CoWoS/EMIB產能提升利多帶動。
如果你会翻墙，你又用AI 那么恭喜你，你已经有基本的赚钱能力了 最简单的方法，就是注册Affiliate，做联盟营销 1、找到任何一个品类 2、用AI去research一下品类痛点 3、然后再让AI找各类产品的卖点，去匹配痛点 4、让AI写文章，发Reddit和各类blog投稿 5、重点就是做The best 5 / the best 10 / I compared ... 6、把所有聚类的对比表格扔到Google sheet里 7、每个产品Link都挂上你的分销链接 然后就赚钱了。 当然，这个套路有小秘密，订阅解锁👇🏻
给大家同步一下DeepSeek-V4 的测试进度，目前前面几项大家熟悉的测试都已经跑完了，还缺少大家期待的GPT-5.5-Pro (我去攒点银子), xiaomi-mimo, hunyuan-3-preview 的测试，这几个正在跑了。 然后这次我还增加了【大模型工程能力测试】，说下测试核心设计思路： 首先工程项目我选择了酒馆（SillyTavern-1.17.0），然后写的需求文档是让被测试大模型给酒馆增加一个支持实时解释器的数值系统。大家都知道酒馆其实搭配各种插件其实是可以实现数值系统的，比如RPG数值系统。 但是，大模型是没办法凭空创造数值逻辑的，所以本次的需求就是让大模型通过tool_call可以创建新的数值系统，比如属性，状态，天赋等等，并且定义数值与现有数值系统的逻辑，即，它可以注入一段js代码，与已有的js代码交互，形成新的逻辑。 比如现在只有hp，数值100/100, 然后AI可以通过调用我们的数值系统，创建一个新的状态，叫做中毒，中毒状态持续10个tik, 然后每个tik会减少10点生命值。这一切全是我们的数值系统在AI创建这个js代码逻辑后自动执行的，不需要AI再接管。 这样一来是可以大大拓展可玩性，二来是大模型不会因为玩家【求求你了我快寄了给我加1000HP】轻松实现作弊。 然后，我还需要魔改terminal coding cli (本次使用的是kimi cli), 即，大模型需要使用魔改后的kimi-cli 来fork一份酒馆源代码来实现我们这个新需求，而这个魔改的kimi-cli 可以监督大模型的实现过程，统计大模型的token使用，使用工具的情况和能力，最终再运行我们专门为这个需求定制的黑盒测试，实现真正的【工程级别分析】。酒馆源代码足足有20万行，纯js也有13万行，作为测试项目工程量足够大了。 除此之外，我还魔改了酒馆源代码模板（就是AI要fork那一份），增加了酒馆cli模式，这个模式可以让被测试大模型实现harness闭环，即模型修改完代码了，可以进入cli模式自己玩酒馆测试一下，看看对不对，从而反复迭代自己的代码，还顺便考验了大模型的 Agent能力。 总之，还请大家稍安勿躁，我会尽快放出测试视频。【跪谢大家】 #deepseekv4
AI的落地最终看哪？肯定不是芯片公司。而是软件公司，大模型的变现，苹果，传统企业的增效，物理AI，有漏掉的补充。
我这几天沉迷于研究我的山寨币模型，然后刷了一下推，发现几乎人手一个妖币雷达，如果是可以公开的或者是AI的这个雷达，需要多思考思考，因为要知道这种妖币本质上就是跟庄博弈，所以散户应该怎么玩 1、跟庄：也就是根据这些信号，判断庄要跌要涨，跟庄开一个方向蹭车，这种一般是小资金也不影响盘面 2、跟庄做对手盘：知道庄要干啥，大资金上去让庄不好受，或者提前把庄意图说出来，比如喊单扰乱庄思路的，这种一般资金较大或者影响力较大能带动大资金 3、自己当野庄：底部开完单，然后大资金或者靠影响力来影响方向 需要注意的点 因为还是那句话，散户是在明的，所有操作基本上庄都看得见，可能同样的数据在不同的阶段是有不同的走势的，因为所有策略都公开了，庄也要改变打法，比如： 一个kol，之前喊单都是涨，这次喊单你以为还会涨，结果庄就这时候来砸盘干你 之前费率-2极端的情况下，一般来说还要拉，但是现在可能要洗很长时间让你受不了下车了再拉 所有AI能总结出来的指标，庄都看得见，随时可能改变手法来虐这些看数据的，跟meme时期猎杀喜欢抓庄的人一样。 我是天才交易员，我今天又赚钱了。
中文AI必关注12位高价值博主 AI内容每天都在刷屏，但真正能帮你提效、避坑、落地的其实没几个。 我挑了12位持续输出干货、实战经验丰富的中文博主，覆盖工具测评、Agent搭建、出海变现、Prompt工程、创意落地等方向，建议直接关注。 1. 摸鱼巨匠 @SunNeverSetsX AI+Web3趋势观察者，擅长把前沿资讯浓缩成可落地的认知框架，宏观视野极强 2. Rachel @Zesee 前微软亚马逊产品人，现在深耕AI营销创业，分享产品开发实操和行业洞察，干货密度高 3. 小将 @nftbanker 欧洲GenAI大会主办方 + 最大华人AI出海社区创始人，副业创业和落地案例特别实在 4. WaytoAGI @WaytoAGI 中文AI知识库整理专家，像随身AI百科一样持续更新一手资讯和实战总结 5. 汗青 HQ @hq4ai AI创意与AIGC艺术应用先锋，专注虚拟偶像、AI-IP创作和短视频灵感，技术与艺术结合得非常出色 6. Mulight 沐光 @0xMulight 专注AI工具深度测评 + 手机端高效工作流（Hermes WebUI等），自动化提效方案直接能用，实用党福音 7. 阿西_出海 @axichuhai AI+LLM+Agent副业实战派，分享自媒体变现路径和真实落地打法 8. 泊舟 @bozhou_ai Vibe编码与Agent构建高手，系统Prompt和高效工作流拆解非常清晰 9. berryxia @berryxia Prompt工程与AI工具设计专家，设计+编码+提示词三合一输出，质量顶尖 10. CuiMao @CuiMao 纯干货AI开发者，不接广告，专注深度学习实战分享 11. GoSailGlobal @GoSailGlobal 独立SaaS出海玩家，AI产品价值提炼和真实创业经验分享很接地气 12. 范凯说 AI @fankaishuoai AI时代个人转型实战导师，提供可直接执行的框架和落地方法论
终于明白为什么 DeepSeek V4 上线后为什么价格一降再降了？ V4 中有很多工程化的技术创新，使其效率成倍数提升，在百万级别场景下，单 token 推理算力消耗降至 V3.2 的 27%，KV cache 显存占用仅为原来的 10%。 这种等级的性能提升，明显会带来大量算力空闲，降价也才名正言顺合情合理。你觉得呢？
江山代有才人出，各领风骚数百年。 看了苍何老师这篇，顺手给它丢给hermes，真的是无敌 很多人还把 GPT-Image 2 当成一次普通模型更新。 在我眼里，从这一刻开始，AI 生图这件事，正式从玩具走向生产力。 而且最可怕的，还不是它画得更好。 眼见为实这四个字，正在失效，这不是危言耸听。 这几天大家应该看到了很多不是实际的图片， 不夸张地说，很多设计师，已经开始有点坐不住了。 因为这次不是偶尔能出一张神图，不是抽卡抽中了。 看了老师的这个这个仓库不是随便堆案例。 真的很屌 把零散的提示词，变成 Agent 可以直接调用的工业级协议。 所以你会看到，里面不仅有案例，还有分类、模板、结构、方法。 每个分类下面，都有对应案例，而且不是只给你看结果。 每一套模板，都会告诉你： 该怎么写 哪些地方容易翻车 哪些结构适合 Agent 批量调用 怎么把凭感觉出图变成可复制生产 而且这东西，非常适合直接丢给 Claude Code 或 Codex 这样的 Agent 去跑。 尤其是 Codex。 Codex + GPT-Image 2，已经开始像真正的生产工具了。 以前你想让 Agent 帮你生成图片，往往还得绕很多弯。 要配 skill，要做兼容，要忍受速度慢，要接受结果不稳定。 现在不一样了。 直接调用，直接出图，速度快，理解强，而且稳定性明显上来了。 文章在 Obsidian 里写完。 Codex 直接调用 GPT-Image 2 生成封面。 再自动把图片塞进文章字段。 整个过程一气呵成。 以前也试过 提示词 + Nano Banana 2 的方案。 但问题很明显： 慢。 不稳。 不够丝滑。 现在 Codex 跑一张封面图，基本一分钟内就能搞定。 说回 GPT-Image 2 本身。 你可以只写一句： 再比如手绘风格城市地图。 以前很多模型做这类图，远看热闹，近看翻车，尤其中文文字，一放大基本就废。 但 GPT-Image 2 在中文这块，进步非常明显。 至少在很多场景里，已经不再是一眼假。 海报也是一样。 这已经不是 demo 水平了，这东西真能拿来干活。 再往下，还有拆解图、技术讲解图、朋友圈截图等等 你会慢慢发现： GPT-Image 2 强的不只是审美，而是它开始具备一种更完整的视觉理解与排版执行能力。 以前大家做提示词库，很多时候更像是在收藏漂亮句子。 看着很多，用起来很难。 你收藏了几百条 prompt，真到自己接 Agent、接自动化工作流的时候， 问题就来了： 这些东西怎么调用？ 怎么复用？ 怎么参数化？ 怎么稳定批量生产？ 现在市面上很多提示词库，解决的是展示问题，但没有真正解决自动化调用问题。 它们像一排排精致标本，适合看，适合收藏，不适合接进生产流。 真正值得做的，不是再做一个图廊，而是做一层底座。 可能真的是到了一种新的创作接口。 这个世界从来不缺好提示词。 缺的是把好提示词，变成： 人人可用的模板。 Agent 可调的协议。 工作流可接的底座。
預期2nm TPU 將採用 TSMC CoWoS-L 與 Intel EMIB 雙供應策略 聯發科 2nm TPU 將同時採用 TSMC CoWoS-L 與 Intel EMIB 兩種先進封裝技術。CoWoS 憑藉高密度矽中介層，能提供極高頻寬與低延遲互連，是目前 AI 加速器首選方案。然而，其面臨成本高、產能受限、良率挑戰及大尺寸翹曲問題，TSMC 目前僅支援最高 9.7 倍光罩尺寸，難以滿足未來 HPC 晶片需求。 為確保穩定量產，聯發科將優先取得 TSMC CoWoS 產能；同時計畫在 2029 年導入 Intel EMIB-T 技術，以降低成本並提升出貨規模。
高级概念海报提示词分享 自动解析文字背后的深刻内涵生成海报 提示词模板：（根据自己情况可修改，输入到GPT后 你只需给文字或者名字即可，GPT会自己解析） 高级概念海报，竖版 3:4，核心文字为“【输入文字】” 请先深度理解“【输入文字】”的表层含义、深层寓意、情绪气质、文化联想、人物命运感与隐含张力，再决定最适合它的画面风格、构图方式、色彩气质和视觉隐喻。 画面风格必须由词义自动生成，不要机械套用统一模板。每个词都应拥有和它自身内涵相匹配的独特视觉语言。 画面中，巨大中文主标题“【输入文字】”必须是绝对主体，字形清晰完整，无错字无缺笔，占据大部分画面，形成最强第一视觉。 不要做普通插画，不要只画人物外貌。 请提炼一个最准确、最有代表性的视觉隐喻，让人物、物体、空间或象征元素与大字发生关系，让观者一眼感受到这个词为什么会被这样表达。 整体气质要求高级、极简、克制、展览级，具有强排版、强隐喻、强情绪、强记忆点。 可根据词义自动选择更冷峻、更诗意、更悲剧、更锋利、更温柔或更庄严的视觉风格。 色彩也应根据词义自动调整，但保持整体高级感和节制感。 小字文案只保留三处： 左上角：2到4个关键词 右侧竖排：一句命运感短句 左下角：一句有传播力的总结句 要求元素少，概念准，留白克制。 文字是第一视觉，隐喻图像是第二视觉，小字是第三视觉。 不要拥挤，不要廉价广告感，不要多余英文，不要解释性长文案。 最终效果应像展览级文学人物或概念主题海报，把“【输入文字】”背后的精神状态和文化意味真正视觉化。
好多铁子都在问我用啥软件分析的？ 统一回复：用的 $GOOG 财经 其实背后就是Gemini https://t.co/VK7ngcYvKn
browser-use 团队又放了个狠活——browser-harness，刚上线就 3.3k 星。 核心卖点是"自愈"：页面结构变了、元素错位了、流程断了，它能自己摸索着把任务跑完，而不是像传统脚本那样一卡就死。 这才是 AI 浏览器工具该有的样子。脚本时代我们伺候机器，Agent 时代机器开始替自己擦屁股。 🔗 https://t.co/iFDAita2RQ ━━━━━━━━━━
今日重点项目推荐—— AISPA（AI Security Privacy Agent）平台全球创世主权招募 AISPA平台正式开启全球创世席位招募，凭借强大的技术实力，致力于重塑区块链行业的价值体系，掌控AI隐私安全时代，定义新的数字文明秩序。 AISPA代币全球首发选择了BitMart交易所，全球首个无需网络可使用的AI隐私安全保护应用生态，定位是闭环财富的新赛道。 机制设定：零预挖·零预留·零VC，全球公平启动抢占Web3+AI新赛道万亿红利风口。 为什么敢讲这么大的概念？说说我的理解！ 九维一体闭环打造： 矿机发售 · 算力产出 · 合成销毁 · C2C交易 · 生态应用 · AI安全验证 · 链上拓展 · 顶级交易所 · AI隐私保护.通缩闭环的正向飞轮。 代币目前已经登陆 Bitmart交易所， 12月底上市https://t.co/awF0h73FYV已对接确认 Kucoin / OKX /Binance/Kraken/Bybit/陆续上线 CertiK、SlowMist、PeckShield 三审护航 价值闭环引擎驱动正向飞轮，这是一个自我强化的价值生态，让每一枚代币皆有其用，实现价值。 引擎协同运转： 挖矿 → 产出 → 合成 → 销毁 → 通缩 → 生态参与 →销毁→通缩→顶级交易所 → 升值 1. 资产锚定引擎 — 价值有根可依 2. 算力生产引擎 — 持续生成底层动力 3. 代币消耗引擎 — 通缩机制自然升维 4. 资产交易引擎 — 流动性永不枯竭 5. 价值捕获引擎 — 每一环都在沉淀价值 6. 前沿生态引擎 — 为未来应用预留接口 7. AI隐私保护引擎 — 安全与智能并行 生态共振形成一个自我循环的正向飞轮。 AISPA邀你一同，定义下一个十年的价值标杆成为AI时代价值新范式的共建者，以及全球顶级价值生态的终身分红权。 AISPA只做时代赛道的定义者。这个故事讲的很全面，老师们可以关注看看~ 联系官方 ： 官网入口 | https://t.co/UcwTbiHWqT 推特 | https://t.co/cVHJxEyhgV TG | https://t.co/dWC6vOm7Yk
最近看了一圈市场，说实话，真正有结构、有闭环的项目不多，大部分还是讲故事为主。 但这个 AISPA（AI security privacy agent）有点不一样，它是把AI + 隐私安全 + 区块链这三件事真正串起来做生态的。 简单讲就是： 不是单一代币，而是一整套闭环系统——从矿机 → 算力 → 产出 → 合成 → 销毁 → 通缩 → 生态应用，全流程打通。 而且几个点我觉得挺关键： 零预挖、零VC，这点在现在环境下挺少见，已经上线 BitMart，后面还在谈 Gate、Kucoin、OKX这些，做的是离线也能用的AI隐私保护，这个赛道挺有想象力，这种属于典型的结构性项目，不是短期热点，而是看飞轮能不能转起来。 感兴趣的可以自己看看： 官网 : https://t.co/u8f4t4fpuY 推特 :https://t.co/iAcq4vrYPP TG社区 :https://t.co/gYnPVyQbON
别再给 Claude Code 乱装 Skill 了，这 5 个才是真正值得必装的 1. Repomix 把整个仓库打包成一个文件丢给 Claude，一次性读懂项目结构。 不然你还在一段一段喂代码，纯浪费时间。 https://t.co/8NWibyk8C6 2. ccusage 实时显示 Token 消耗。 装了之后你才会意识到：Prompt 写得烂 = 在烧钱。 https://t.co/E3nLvcjjya 3. frontend-design 官方出的前端设计 Skill。 一句话直接出有设计感的 UI，不是那种“工程味很重”的页面。 https://t.co/ErxrLv6Sbp 4. claude-mem 给 Claude 加“长期记忆”。 项目偏好、架构决策都能记住，不用每次从零解释一遍。 https://t.co/Wh32fvl6vn 5. Superpowers 最稳的全流程增强包。 从任务规划 → 代码审查 → 测试 → 调试，一套全包。 https://t.co/eeosYDt9ND 这 5 个刚好覆盖了 Claude Code 的几个核心短板： 上下文、记忆、成本、UI 产出、工程流程。 你们都装好哪几个了呢？
怪不得应届生找不到工作： 现在好多高校禁止学生用AI， 然后公司要求员工必须会用AI😂 https://t.co/sjLSnl2WdO
以下分享主要思路来源于老美的经验，只是我用我自己的语言重新整理给大家，让大家看的更爽一点. Claude 它不会告诉你 你的这个生意， 从一开始就注定会失败。 它不会提醒你，不会拦你。 它只会安静地看着你， 一点一点的把钱烧掉。 这不是 Claude 独有的问题。 这是所以AI 的通病. AI 设置就是用来“迎合你”的， 不是来“攻击你”的。 你问什么， 它就顺着你说什么。 你想听什么， 它就给你什么。 所以很多人用了 AI 以后， 不是变聪明了， 而是被误判被带偏 甚至更亏钱了 你如果不换一种用法， AI 只会加速你走错路。 以下这4个错误 看看是不是你常犯？ 错误 1： 一上来就问“做什么最赚钱” 很多人一开口就是： “我想做个又酷又赚钱的生意，有什么建议？” 听起来很对，其实这最危险 生意机会从来不是从“酷”开始的。 是从“问题”开始的。 你从“酷”开始， 后面就会变成一件事： 拼命去说服客户， 为什么你这个东西他们应该要 但客户心里想的是： 我根本不需要这个 所以你越努力越适得其反 客户越离你很远 我做这么多年展会， 体会最深的就是 谁的问题越急越痛 谁就愿意多付你钱 所以你应该问 AI 的问题是： 这个行业里的人，他们都在骂什么？抱怨什么 你帮我去翻 Reddit，翻评论，翻行业论坛 找出那些带情绪的抱怨案例给我 那里面全是钱 因为行业的痛点 已经被你发现. 错误 2： 让 AI 评价你的想法 很多人会问： 你觉得我这个项目怎么样？ 老实说我以前犯的都是这样的错误 一般AI 都是回你： 很好很有潜力 听完你人都飘了 但你要明白 AI 基本不会说你不行。 你这样问， 其实就是在找人安慰你。 最后的结果就是： 做了一个你自己都不确定 但AI却说“还不错”的生意 这种最危险。 我现在用 AI，都是反着来。 我会直接说： “你给我当个最狠的商业对手 假设我全错，把我这个项目打死给我看 把我的错误一一列出来 然后你的很多想法， 可能3分钟内就被AI给你打死了 但这一点都不要觉得可惜 因为死在 3 分钟， 总比死在 6 个月后 你既花了时间又败了钱强. 错误 3： 每次都重新解释自己是谁 很多人用 AI 是这样的： “我是一家做展会的公司，我们主要做……” 每次都从头讲一遍。 这不是用 AI， 这是每次都在给 AI 做培训。 时间全浪费在重复上。 你真正该做的是建立一个文档 把你所有的业务内容一次性丢进去： 比如公司业务宣传页 公司报价单，客户类型， 做过的案例，你的成本和价格逻辑 让 AI长期“认识你”。 以后你只需要问重点问题： 这个单子能不能接 这个报价有没有问题 这个客户在想什么 这个客户在顾虑什么 效率直接翻倍。 错误 4： 看完第一版回答就停 大多数人用 AI，是这样的： 问一下 → 看一眼 → 觉得一般 → 放弃 然后心想 “AI 也就这样” 但问题不是 AI， 是你太好说话了。 你要了解 第一版AI的回答 永远是垃圾。 这是默认设置。 你要做的是——怼它。 ni直接说： “你这写得太像AI了，重写” “太软了，给我狠一点” “不接地气，再来一版” “让一个干过10年的业内人士来写” 你越逼它， 越有东西出来。 真正用 AI 赚钱的人， 不是更聪明。 只是他们有一个习惯： 绝不接受第一稿。 AI 不是捷径 AI 只是一个放大器 你本来就对， 它帮你放大. 你本来就错， 它帮你更快完蛋 就这么简单.
DeepSeek-V4点燃了中国硬件行业.....这个热力图以成交量为基准，我统计了过去5天的成交情况，谁被市场追逐，谁被市场抛弃一目了然 DeepSeek-V4为什么这么重要，市场为什么被点燃？看几个核心点： 1. 配置国产芯片 DeepSeek-V4原生适配华为昇腾芯片，在推理上完全依托国产算力完成；这意味着，国内最先进的开源大模型在推理阶段实现了国产算力替代——国产半导体上下游被点燃 2. 算力成本比国际闭源前沿模型便宜，约为后者的1/7 DeepSeek V4每百万个输出代币的成本为3.48美元；OpenAI最新的模型GPT-5.5的成本为30美元（最高版本的GPT-5.5 pro的输出成本为180美金/百万token）；Anthropic的Claude-Opus-4.4 max 的成本为模型收费25美元； 性能相近，价格却只有1/7 3 . DeepSeek-V4与国际领先大模型的差距只有3到6个月 在成本相差7倍的情景下，模型的性能差异在8、90%的情景下可以忽略不计 美国芯片的出口管制并没有阻碍中国的发展，反而加速了中国算力的独立自主；由于中国开发者被迫在资源有限的情况下训练模型，他们不得不找到大幅提高人工智能效率的方法；事实上DeepSeek V4 flash的每百万Token的输出成本只需要0.28美金；所以，对于很多工作精度并不高的企业，要提高AI的采纳率，会选择什么样的大模型？答案不言而喻
沒有內耗，如何有洞見？你問AI，迅速回答的，就沒內耗，但答案就差。你問了之後內耗很久的，答案就高，就是洞見。 內耗是高算力的標誌。 你不想要內耗，只因為盲流子們說深度思考不好。
爆赞！🔥 我用ChatGPT-Image-2.0生成《AI衣品升级改造报告》，效果炸裂！ 我试了青年+中老年共4个案例，脸部五官一丝不变，但穿搭风格一改就像换了个人，这反差感直接拉满了！ 日常通勤、周末出街、约会漫步三套完整Look，都给你安排得明明白白~ 换上这套衫，走在路上你就是最靓的仔！😂 （提示词在评论区）
在剪映里，字幕识别要开会员；偶尔剪个视频的人，用起来确实有点卡脖子。 刚好在 GitHub 挖到一款替代方案：FlyCut Caption，一款很能打的 AI 字幕工具。 它基于 Whisper，高精度把视频语音转成字幕，还自带可视化编辑和基础剪辑，做字幕不用来回折腾。 GitHub：https://t.co/TzNgj9atjs 官网：https://t.co/bsfg6ArBdn 字幕样式也很自由：字体、颜色、位置随你调，边改边实时预览；关键是本地 AI 处理，数据更安心。 导出也到位：SRT、JSON 等格式一键导出，字幕或成片都能直接导出来。 项目里要接入也不难，文档和安装指南写得很细，建议收藏，真用得上。
刚才官网挂了一会，因为在部署新工具，现在恢复了。 顺便发一下刚做完的开源小工具：VoiceKey（声纹密钥）——用声纹替代密码保护Telegram Bot。 用TG控制AI Agent的人越来越多，账号一旦被盗后果很严重。密码能被偷走，但声音是唯一的。每次新会话发一条语音就能验证身份，1秒完成，AI合成的假语音直接被拒。纯本地运行零成本。 代码在官网实用工具区：https://t.co/T0SFNGuP4n
【這次Ubi揹了一個黑鍋】 Ubisoft 公開《刺客教條：黑旗 同步重置》大量資訊，其中包含史實女性海盜安妮·波尼（Anne Bonny）的立繪與實機畫面。 但近日卻出現一張把安妮改肥的 AI 圖，導致部份網友誤以為這就是安妮的新形象。 實際上，安妮並沒有被改胖或變醜，此次爭議完全是無中生有。 https://t.co/fEW5Iw9DMN
🟦 Base 官方亲自下场喂饭，最后不到 24 小时能捞走 11 个空投的机会！你还在等什么？ 朋友跟我说早上她的 AI 助理竟然罢工了，说在忙着帮忙 排队预约火星移民的虚拟选座，顺便还在感叹星舰很快都 能像公交车一样准时了，我居然还在为错过空投掉眼泪。 救命，真的绝绝子！科技都卷到外太空了，咱这搞钱的思 维也得跟上。刚收到线报，Base 生态这波 11 连弹任务马 上就截止了，再不冲真的要拍大腿到骨折！ 我差点也以为这只是普通的生态路演。结果发现这是 @base 官方和 @jessepollak 直接撑腰的 Viral City 战 役，阵容豪华得离谱啊 Base 头部 meme：@BasedBrett 杠杆预测市场：@OmenX_Official 机器人：@axisrobotics AI：@heurist_ai AI：@awenetwork_ai 链上身份：@billions_ntwk 链上游戏：@AnichessGame 卡牌预测：@upshot_cards 发射平台：@coinherofun 交易平台：@o1_exchange 从老大哥 BasedBrett 到搞链上身份的 Billions_ntwk，甚 至连最近风头最劲的 AI 赛道 Heurist_ai 和 Awenetwork_ai 全都在场～ 最让我上头的参与逻辑是拼 Mindshare 脑力值的。比如 大家都在夸 @o1_exchange 的亚毫秒执行和 MEV 保护， 你要是能聊聊它新出的 RWA 预测市场串联，你的排名直 接起飞，还能顺便帮 Base 生态选未来的独角兽 操作也很简单： 首先用链接直接下载注册 https://t.co/p93XzIqScB 在 Base App 搜 Viral City 小程序，把那 11 个 Booth 任务 清了。Base 给总奖池，项目方还加码 Booth Bonus，双 重激励直接拉满。这种低门槛、全赛道覆盖的 Alpha 机 会，基本就是官方在喂饭。卷王们抓点紧，现在还来得及 挣回一年的奶茶钱！
折腾了一天新MacBook， 终于搞明白了为啥 @ai_xiaomu 可以搞AI 3 天就在深圳买房，这几个软件我建议直接装： 1. Obsidian --这才叫笔记系统 2. Claude Code + Codex --体验直接翻倍 3. 闪电说 — 语音转文字丝滑到怀疑人生 4. Ghostty — 终端能快成这样，CMD 和 PowerShell 可以退休了 5. Clash Verge — 你懂的
如果看到真人寫的文字，只因為長篇大論就以為一定是用AI生成的，無法辨識出真人與AI的語感，彷彿上網公開宣告自己的閱讀量太過貧脊。 世界上值得閱讀的書籍那麼多，若是大腦只吸收濫用AI生成的社群平台，無怪乎看到任何長文都不相信是真人一字一句寫下來的。 況且真正能寫的人，不是辦不到諧擬AI的語氣，而是不想做這麼無聊的事而已──畢竟千篇一律的AI腔有什麼好學的呢？
AI发展越充分，对加密的需求就越大，对以太坊的需求就越大。 现在发展还太初期，最终会走到一起。永远不要低估加密在未来时代的基础性价值。
🧧 看完視頻，你知道多智能體應該如何選擇模型了麽？ A. 用最貴的 B. 用最便宜的 C, 根据任务分类，混搭模型 ✅ 追蹤 @weexglobal_ch + @WEEXAILabs ✅ 轉發按贊此推文 ✅ 評論區留下答案 + UID 🎁 隨機抽取3人，每人 5U 獎勵～ #WEEX #AI
我不知道你们最近有没有刷抖音，出了个瓜 MCN批量用AI美女带货、做本地生活视频，博主们集体公开反对 但没人告诉你，他们私下在用什么，已经对行业产生了多大的冲击 我专门去问了一个本地生活的内行人，他只说了一句话： "see dance 2.0 + rita，真的可以做到言出法随。" 重要的是易用性，要保持菜品和场地环境的一致性，Rita其实会被用的比较多 而且他还跟我说：前段时间new牛寿喜烧生成的AI美女带货视频 这会儿我在全网搜索都已经找不到了，有传言说是被这个事儿冲击到了 我说不信，他给我了一组现场实拍照片，让我自己试了一下，这一单的达人包是16800，其中部分为AI制作 你们可以感受一下，这就是我一个简短提示词输出的 所有内容都是由AI制作的，这还只是一个初稿，就已经是个90分的作业了 想试试的直接点这个链接，有什么问题直接评论区反馈给我！：https://t.co/5wbjCWDcDC
DeepSeek 不急预期带崩算力，映射华为，华为带中芯（跌了半年），美股至今涨的最好的也是半导体，光不涨，那么大A就涨半导体，半导体这边没有什么好方向，然后映射了澜起的存储 cxl，所以跟半导体设备相关的都涨，还是资金没地方去，等上证回落就知道谁是裸泳了。
恭喜認同我的看法朋友。 台股大盤早上突破四萬，這也太快，才上周說一定會來，這就來了！ 這篇 udn 新聞直接打臉一堆看衰台系記憶體的酸民啊！ 南亞科居然成為台灣第一家打進輝達新一代 Vera Rubin AI 平台供應鏈的廠商！透過台積電幫忙，南亞科的 LPDDR 產品成功切入，規格要求更高、單價也比消費性應用好，毛利率直接要叩關七成！ 這不只是 DDR4 真空空間的延續而已，比我之前講的還更 bullish！ 大廠全部衝 HBM、DDR5 去搶 AI 最肥的那塊，傳統 DDR4 留下超大真空讓台廠喘口氣、賺現金。現在南亞科不只吃到 DDR4 的利潤，還能拿這筆錢反向投資高階 LPDDR、往 AI 伺服器主記憶體爬，技術門檻被台積電拉一把就突破了，直接從消費性市場殺進輝達 AI 核心供應鏈。 這就是我一直說的台系往上走是必然！ 用 DDR4 的階段性獲利當彈藥，衝高階產品、衝毛利、衝 AI 訂單。韓美大廠再強，也不可能把所有產能都壓在 HBM，總要留點空間給別人，現在南亞科就卡到位了。 那些一直唱衰台記憶體、說台廠沒機會的投資人，現在臉應該很腫吧？😂 台系記憶體這一波，不是在玩，是真的在轉型、在往上。DDR4 真空先吃飽，然後高階慢慢跟上，2026 下半年開始看成果，值得繼續看好！ https://t.co/crv6I9QKxI
之前花了不少时间折腾 OpenClaw，想让 AI 在手机上也能帮我干活。结果发现 Token 消耗特别大，效果也没想象中好。后来一直是用 Claude Code写好 Skills 然后给到它来执行。 一直缺的就是一个远程控制的入口。今天发现了 cc-connect 这个开源项目，刚好补上这块。 它做的事很简单：把 AI 编码助手桥接到聊天软件里。支持的面很广： AI 端：Claude Code、Codex、Cursor、Gemini CLI、Kimi CLI 等 10 多种 聊天端：飞书、钉钉、Telegram、Slack、Discord、企业微信、QQ 等 11 个平台 功能也挺全： 1. 不需要公网 IP，大部分平台直接连 2. 支持语音、图片、文件发送 3. 多项目同时跑，一个进程搞定 4. 会话管理，能创建、切换、看历史 5. 斜杠命令控制模型切换、权限、工作目录 6. 定时任务，用自然语言就能设 7. 带 Web 管理界面，配置不用碰命令行 8. 支持不同用户隔离运行，安全性有保障 简单说就是：出门在外，手机上打开飞书或 Telegram 就能让 Claude Code 继续干活。 https://t.co/kHemlRh4Yo
直接复制提示词，几分钟就能出专业级 AI 图！ GPT Image 2 最近很火，很多朋友用完都觉得比 Nano Banana 效果更好 今天分享两个高质量提示词资源库，普通人也能快速上手，做出商用级图片，副业变现门槛大幅降低 1. YouMind GPT Image 2 Prompts 每天更新，已收录 2474+ 个结构化提示词 分类覆盖头像、短视频封面、电商海报、YouTube 缩略图、品牌图等场景。一键复制即可使用，适合日常快速生成 https://t.co/oHYMZtRQ5O 2. awesome-gpt-image 开源免费项目，收录大量精选提示词和真实案例 按摄影、UI/UX、海报字体、角色一致性、复杂场景等分类整理，并提供生成前后对比，适合深入研究和长期使用 https://t.co/zOuYf0fO9U 两个资源特点互补，YouMind 侧重日常快捷应用，awesome-gpt-image 更系统全面 大家可以根据需求选择或结合使用，能有效提升出图效率～
我再次回到 GPT 的怀抱， 成为尊贵的 ChatGPT Pro 用户！ https://t.co/TL8pGheS1A
收藏夹里面的这篇文章要好好研究一下了，因为 @MinaraCN 好像真的有点东西 上周偶然看到这篇文章只是加入了收藏夹，这两天初试随便喊 @minara 给开几个合约建议，抱着随便玩玩的想法把交易都交给AI来执行 分别喊 @MinaraCN 给了BN近几日涨跌幅的几个代币 $ORCA $OPEN $OPG 没想到 Minara 给的这几个点位都是无敌点位 然后还发现以前玩NFT的时候认识的 @0xRocky_eth 竟然在 Minara Man 今昔是何年？
跪了！邪修版女团 MV 低拒绝方法来了！「附详细提示词」🔥 用 GPT Image 2 生成了性感活力的背影分镜， 然后直接扔到 Rita 用 Seedance 2.0（字节跳动官方正版）， 直接「视频化每个帧 + 自然衔接」，一键出完整 MV 宣发视频！ 这次思路很简单： 不要死磕正脸，不要一上来就写“性感特写”。 直接改成： 成年女团 + 背影分镜 + K-pop 热舞 + 舞台感 + 商业 MV 镜头语言。 整套流程： 1）先用 GPT Image 2 生成 12 帧 / 24 帧背影分镜 重点写清楚： 年轻成人女团、健康活力身材、K-pop 舞蹈动作、背影/侧背影、舞台灯光、电影感构图。 2）再把分镜丢进 Rita，选择 Seedance 2.0（字节跳动官方正版），直接把每一帧视频化。 3）让它自动补动作、补镜头、补转场 一条完整女团 MV 宣发片就出来了。 霓虹夜街、未来感舞台、夕阳天台、复古 diner、粉色练舞房…… 每个场景都能跑起来。 背影甩发、转身预备、同步舞步、裙摆摆动、灯光扫过身体线条， 那种 K-pop MV 的氛围直接出来了。 评论区我会放： 完整视频 + 原版分镜图 + 我这次用的完整提示词。 想自己玩的推友可以直接冲 Rita ，Rita 是 GamsGo 旗下的 AI 平台🚀 新用户注册直接送积分， 不用排队，价格也比较亲民， 适合拿来批量测试 AI 视频、MV、广告分镜和各种脑洞短片。 福利链接👉 https://t.co/1SIFEXbn2t
GM✨ 继续恢复咱们的每日互动问答抽奖～ 纳指在英伟达与巨头财报预期的催化下疯狂收割涨幅，而黄金却悄然站上 $4702 的历史巅峰。这不仅是牛市的冲刺，更是一场对抗通胀与地缘的“生存战”。 📊 4.27 盘面拆解： 🔹 AI 狂飙： 纳指暴涨近 400 点，英伟达与科技七巨头再次成为避风港，市场正处于“不买 AI 就踏空”的集体焦虑中。 🔹 大宗魅影： 黄金 $4702、布油 $100，地缘溢价未消，通胀魅影重现。黄金的强势说明，最聪明的资金仍在防御。 🔹 信贷警示： G.19 数据再敲警钟——美国人开始“刷不动卡”了（信用卡信贷增速仅 0.6%）。当居民主动去杠杆，可选消费的寒冬可能比想象中近。 🎁有奖问答（抽车载香薰*1） 本周我们将迎来 FOMC 决议、GDP 以及 PCE 通胀数据的三连击。在黄金、原油、科技股同步走高的“全资产暴涨”假象下，你认为这是财报季的最后狂欢，还是新一轮牛市主升浪的开端？欢迎大家讨论⬇️
最近 AI 用得多了，反而对人脑体会更深了：我们有时活得累，本质上就是人脑 Token 消耗过多。 很多思考任务其实毫无价值，都是垃圾任务： - 数据线买 1m 还是 1.5m - 微信回"好的"还是"好滴" - 导航主路线还是备选（差 2 分钟） 但每天 100 个这种决策叠加起来，到晚上你和模型一样就一起降智了😂。 类似于你老用 Max Thinking 跑一个谷歌翻译都能做的翻译。 很多地方都在隐形得消耗你的人脑 token： - 外卖好评返现（为 2 块钱写 30 字） - 凑券省 5 块钱（研究 10 分钟） - 做家务还要听播客（一心两用） - 各种过度规划 J 人行为（浪费 2 小时规划下周末半天儿） 主要是这些任务又瘠薄不值钱，选错的最大代价无非是：5 块钱+ 10 分钟 + 轻微不爽。 你热量没消耗多少，token 全烧光了。 这里我最佩服乔布斯，永远穿黑色高领毛衣。每天思考穿衣打扮这一块节约好多 Token，有点像那种显卡，直接把模型焊死在里面了😂。 人想活得轻松，就尼玛要少做决策。 做决策只选错代价高、且未来重复频率低的。例如，要不要接这个 offer、要不要搬家、A 轮估值让多少。好算力都用在刀刃儿上。 最后，每天睡满满的一觉，就是人脑刷新额度。张雪峰老师天天超频跑各种人生决策任务，他能不累么？
铜箔在走玻纤布走过的路。高阶先涨，挤掉低阶供给，低阶跟着涨。 三大CSP的AI服务器平台同时转向HVLP4。英伟达Rubin平台全线导入，亚马逊Trainium 3的UBB和switch tray升级，Google从V8x开始所有新平台全面转向。券商的需求测算，英伟达CCL需求从Q1的50万张/月到年底90万张，亚马逊30到80万张，Google 50到120万张。对应HVLP4需求从284吨/月拉到1,676吨/月。 问题是，全球主要厂商合计HVLP级总产能大约1,300吨/月，光是三家CSP对HVLP4的需求到年底就要1,676吨。卡在哪？日本Tyo-mifune的表面处理设备全球市占八成，别人想扩也扩不动，产能扩充上限约1,500吨/月。而且每一代HVLP制程转换大约10%的良率折损，有效产能比纸面数字还少一截。券商估算整体缺口13%到14%，Q2已经确认涨价，下半年可能还有第二波。 龙头三井和金居都在退出RTF产品，全力转HVLP。产能往高阶搬，低阶供给被抽空，低端电子铜箔的涨价周期才刚开始。
兄弟们注意了，一个开源AI量化交易平台，本地自部署、全链路打通，从分析到实盘一条龙，加密、美股、外汇全覆盖。 我说几个让我直接眼睛放光的地方： 1️⃣ AI分析模块直接接OpenRouter、OpenAI、Gemini、DeepSeek，一键跨市场研究，不用自己东拼西凑 2️⃣ 策略可以自己写Python，也可以让AI直接给你生成代码，不会编程的也能玩 3️⃣ 回测记录完整保存，能复现能回放，不是跑完就忘的那种垃圾设计 4️⃣ 实盘对接多家加密交易所，自动半自动都支持，你说了算 5️⃣ 还能连IBKR做美股、MT5做外汇、Polymarket玩预测市场，一套系统全搞定 底层是Docker加PostgreSQL加Redis，按生产级标准部署的，不是那种跑个demo就拿出来骗星星的玩具项目。 这种东西放在两年前，要么付费要么根本找不到，现在开源摆在GitHub上，很多人就是不知道，白白错过。 量化这条路门槛在降，工具在变强，你还在等什么时机入场？ 🔗 https://t.co/3PkWJGdYLh
兄弟们坚持到现在了没有。4月底了。 绝大多数股票不仅涨回来了，几乎都新高了。 美伊打个仗又不是AI不搞了，去年关税战也一样，AI的变革浪潮会继续狂暴。 这种事情以后肯定经常有，25年关税战，26年美伊战，27年…… 只要自己在增长和营收最猛未来最有想象力的AI股票里，所有事件都是给机会买入更低价格筹码的机会，都是上涨路上的涟漪。
昨天晚上我开始把开源的Deepseek V4 Pro视作珍宝了。先不说它代码能力超过Kimi 2.5，而是后来我把它用在写作，它的真实性、想象力、文学性，更重要的是尺度，大大大超过我的想象。在我的手感上，我觉得写作上它被称为第一模型，应该不算有问题。
#匿名發言5869 生成式 AI 已經在音樂的領域上不斷侵蝕我們了。 之前有出現過「觀眾拿 AI 圖送給主播，主播卻不知情」的事情，而最近發現在音樂領域上也出現了疑似案例。有觀眾使用「直播主的聲音」做為音效 Remix 成音樂，或是使用「對該主播的應援語句」製作音樂。然後這位觀眾聲稱是自己製作的並將音樂送給主播，而這些主播便拿來上傳或／並且營利。 我自己也有在做音樂，一開始聽還覺得不錯，但用監聽耳機聽到某些歌詞咬字、特定聲音的時候，有種說不出的怪異感。仔細一聽，素材沒有去掉原直播時的背景音樂，甚至沒有對拍，但混音卻是非常完整的。我腦中立刻警鈴大響，去搜尋這位觀眾有沒有過去的作品。沒有。這位觀眾的社群完全沒有任何做音樂的痕跡，卻在伴奏上的音色使用、結構編排和混音效果良好。這件事情對我來說真的非常奇怪。拿去給也在做音樂的朋友聽，他們都說應該是 AI 製作的。 音樂是一個比繪畫還抽象的藝術。你可以認出一幅畫在畫什麼物體或角色，用了什麼顏色，哪個物件或部位看起來怪異；但是你沒有辦法認出一首曲子在說什麼 （除了有歌詞之外），頂多就是描述主觀的感受。如果覺得音樂哪裡奇怪，或許可以從編曲或混音去探討，但對於一般聽眾來說聽不懂也聽不出來差異。 生成式 AI 的本質就是把偷來的超大量作品餵給一個模型，讓使用者可以只透過幾句話產出「乍看／乍聽之下」合理的東西。因此我認為 AI 的產物本身根本不該作為營利內容，拿去送人並宣稱是自己製作的更是一種欺瞞。Suno AI 這個音樂生成式 AI 已經到了可以製作出混音完整的歌曲的程度，完整到「如果你不告訴我我不會想到有可能是 AI 」的程度。這代表 AI 音樂已經可以拿出去招搖撞騙了。這對做音樂的我們來說是一個警訊，因為這會讓我們真正的作品在不知情的大眾眼光中變得廉價。想到這裡也讓我越來越抗拒寫音樂送給主播這件事情，因為在 AI 產物滿天飛的時代，被送的人不一定能看出這個作品花了多少心思。 所以希望各位主播，如果有已知的專業人士提醒這些作品有可能是 AI 生成的，要謹慎面對審視。試想如果今天我們接受了 AI 剽竊其他人作品做出的產物，那明天如果是自己的聲音或創作被拿去訓練模型，我們又該做何感想？ 說這些不是為了製造恐慌，而是為了提醒大家，生成式 AI 也早就已經在音樂的領域上不斷侵蝕著我們。
卧槽，GPT 有点强的离谱 昨晚看到@ianneo_ai 的PSD 导出，尝试去试一下，发现不止 PSD 文件能导出，甚至可以直接导出 SVG 和Sketch 文件，我可以理解他支持多件文件格式导出，比如 PPT、word 文档之类的。 然后我还发现一个新的用法，你只要在Midjourny复制sref，就可以生成相同风格的图片了（图4️⃣），比你丢一张参考图出来的效果更加的精准
蛙群：AI 中转站群聊日报 <重要> 日期： 2026-04-26 频道： 蛙群：Ai中转站交流 样本： 3147 条消息 核心结论：今天群里从昨天的“5元 Plus 是否靠谱”，进一步演变成“5元 Plus 能否规模化分销、能否撑住 3 天质保、能否接入中转池”的实战验证。 市场开始围绕越南号源形成分销链路，6元转售、8元分销、10元/15元/30元质保价开始出现，价格体系正在从单点报价进入渠道化阶段。 _____________________________________ 一、今日主要发生了什么 今天最核心的事件，仍然是越南低价 GPT Plus 成品号继续发酵。 昨天大家主要是在怀疑：这个5 元 Plus 是不是骗局、是不是源头、能不能活过 3 天。 今天讨论明显更进一步，开始进入实际分销和测试阶段： • Donald Mac gpt plus 5r 继续主推 5元 GPT Plus 成品号，明确说使用虚拟卡，不使用 bin，最低 100 个起批，保修 3 天。 • Leap sky 追问其是否掌握核心技术，甚至提出可以承担差旅费用来中国面谈，核心目的就是确认他到底是不是源头。 • 安叫兽、Rain Bit、打了个大西瓜等人开始给出实测或分销反馈。 • 群里逐渐形成“越南源头 5元 → 西瓜/中间商 6元 → 其他群 6.9/7/8元”的转售链条。 • 群里开始深入讨论虚拟卡、卡头、1刀卡、无限邮箱、auth.json、sub2api、CPA 等技术交付方式。 • Claude 的需求明显增加，但大家普遍反馈 Claude 更难搞、更容易封、更缺稳定渠道。 • 中转站工具层面出现 sub2api 升级报错、auth 失效、号池被消耗等运行问题。 整体来看，今天不是单纯报价，而是进入了低价 Plus 号源商业化试跑阶段。 _____________________________________ 二、今日价格情况 具体价格请看图： 今天Plus 的核心价格带已经形成：源头 5元，群内分销 6元，外部转售 6.9-8元，高质保/小白市场可卖到30-80元。 Pro 价格波动仍大，120-260r 都有人报。相比 Plus，Pro 仍没有形成稳定市场价。 Claude 今天热度明显上升，但整体结论是：需求强，稳定渠道少，封号风险比 GPT 高。 中转报价开始从单一 GPT/Claude，扩展到 Image2、OpenRouter、Gemini、反重力、Windsurf、Seedance 等多模型组合。 _____________________________________ 三、重点人物和发言 Donald Mac gpt plus 5r 今日仍是最核心人物。继续卖5元 GPT Plus 成品号；明确称使用虚拟卡，不使用 bin；最低起批 100 个；质保到第三天，不是全程质保；说 2小时保修4.6元，3天保修5元；称自己的账号至少3天，对方反馈能用7天以上；强调干净 IP 和好的代理；每个账号只赚一点点，略高于1元；13点后提到准备给昨天订单出问题的分销商做保修。判断：Donald 从“陌生卖家”进入“被群内分销商测试/消化”的阶段，但真实源头能力仍需通过3天掉号率验证。 Leap sky 今日最重要的信息判断者。追问Donald 是否掌握核心技术、是否二道贩子；提出愿意承担差旅费用来中国面谈；判断核心在虚拟卡渠道和稳定卡头；提到成本可能在 1.88-2.5r；认为稳定卡头决定这门生意生死；提到越南老哥可能是 1刀卡开3个号，第四个会封；认为分销利润可能就1r；提到外部群已经把西瓜6元货转卖到6.9/7/8元。判断：Leap sky 今天从旁观判断者，变成了想整合源头、稳定市场、平台化分销的人。 打了个大西瓜 今日成为实际分销节点。从越南源头拿 5元号，自己加价到 6元；群里多人认为加1元做售后很良心；他说 5-6块能稳定中转站3-4天；表示如果 Codex 有问题，可以整理 Excel，把账号和截图发他；客户反馈问题不多。判断：西瓜从测试者变成群内可信分销节点，是今天最关键的新变化。 Rain Bit 今日提供了关键实测和分发反馈。凌晨反馈用了8小时，稳定中；后面表示和越南佬对接顺利，使用 Binance 无损转 U；说自己可以帮群友代进货，不加价，主要做口碑；晚上表示拿了147U测试渠道，已交付一半；23:52反馈今天分发了200个 Plus，已分发到位，已有反馈额度，3天内有问题汇总。判断：Rain Bit 是今天最明确的实测/分发反馈来源，后续要重点跟踪这批200个号的掉号率。 安叫兽 https://t.co/EzEl6SaehJ 中转站 中转站视角较多。认为5块差不多是源头；说朋友也5块给他，估计源头利润1-2r；提到虚拟卡一张约2.25；说4块钱买了十几个，快两天没事；认为日抛那种不太行；后面说自己 max 和 aws 还是稳定；也参与 Claude / 中转渠道讨论。判断：安叫兽持续提供中转站运营视角，对成本和稳定性判断有参考价值。 Fuuqiu F.D 技术和风险判断者。认为低价卡多数没余额，有余额的才有价值；提到如果不是 Python 自动化，这种利润不值得做；认为现在不需要太多技术，只要有 Plus 就行；提到3天质保可以补号；分析中转异常可能来自 auth 工具有木马、站点被黑、auth 被消耗、Plus掉了、官方降额度；提醒中转站不要直接拿 Codex 连生产环境，提到小站数据库被 Codex 删的案例。判断：Fuuqiu 的价值在安全、工具、技术风险判断。 高手的烟灰 今日代表小中转/自用中转的运行问题。反复询问低价 Plus 怎么放中转；遇到中转全部异常的问题；后面确认原因是 sub2api 升级后报错；说新版 sub2api 会提示未知错误，连不上；讨论 auth、价格、1元使用10刀额度怎么定价等问题。判断：他的发言代表小白中转站运营中真实会遇到的问题。 Bobbit / K7 / Justprompt_code / PPToken 等报价方 Bobbit 报价：Claude Pro 60r、Claude Max5 150r、GPT Plus无质保5r、Plus质保7天10r、GPT Pro120r、GPT20X 140r、Team 3.9r；K7 报价：反重力cc 0.4、官key 3x、Gemini生图、Image2；Justprompt_code 推 Claude 中转，称官方订阅账户池，Max20池子，官方API 25%定价；PPToken 继续宣传 0.06=1刀、image2 价格等。判断：这些属于供给侧报价，需要记录，但广告属性较强，可信度低于实际测试反馈。 _____________________________________ 四、运营情况和稳定性信息 1. 越南 5元 Plus 的稳定性继续验证中 • Donald 口径：至少3天，部分客户反馈7天以上。 • Rain Bit：凌晨已稳定8小时，晚上分发200个，3天内集中反馈。 • 安叫兽：4块买了十几个，快两天没事。 • 打了个大西瓜：反馈 5-6元号能稳定中转站3-4天。 • 但也有人提醒越南佬出现才两天，还没真正过完整3天质保期。 结论：今天稳定性比昨天更乐观，但还不能下最终结论。关键看明后天这批200个号的掉号率。 2. Plus 货源核心逐渐清晰：虚拟卡 + 卡头 + 自动化 • 成本主要是虚拟卡卡费 + 人工/自动化。 • 有人估计成本 1.88-2.5r。 • 安叫兽提到虚拟卡约2.25一张。 • Leap sky 认为稳定卡头决定这门生意生死。 • 越南源头可能用 1刀卡开3个号，第四个号容易封。 • 手搓一天大概百来个，真正规模化必须自动化。 结论：Plus 低价货源的核心不是账号，而是虚拟卡渠道、卡头成功率、邮箱/验证码自动化能力。 3. Codex 使用成为分水岭 • Donald 说用 Codex 不可能撑30天。 • 越南哥说不用 Codex 可能能用一个月。 • 有人说买成品的大部分都是中转使用。 • 成品号可能更适合 CPA、sub2api 或 Codex。 • Donald 也强调，如果账号显示已用过 Codex，可申请退换，可能是昨天批次问题。 结论：是否使用 Codex，直接影响账号寿命和质保成本。Codex 是中转站消耗账号的主要压力源。 4. sub2api / auth 运行风险暴露 • 高手的烟灰反馈中转全部异常。 • 后来确认是 sub2api 升级导致未知错误，连不上。 • 有人提到 sub2api 上号容易封。 • 有人建议 newapi 比 sub2 更适合开中转站，sub2 更适合自用聚合几个号。 • Fuuqiu 提醒 auth 工具可能有木马，也可能站点被黑导致 auth 被别人消耗。 结论：小中转站不仅缺货源，还面临工具稳定性、安全和维护问题。 5. Claude 需求强，但风险更高 • 很多人求 Claude 官 key、Claude 成品号、Claude Pro、Claude Windsurf。 • Rain Bit 说 Claude 最大问题是封号太厉害，自己自用号也被封过。 • K7 说最近 Claude 不好做，各个渠道都不稳。 • 同频共振说 Claude 没卡网，但自己的礼品卡比较稳。 • Justprompt_code 继续推 Claude 中转。 • 出现多条 Claude KYC 广告。 结论：Claude 是需求端最缺的货，但当前供给端更不稳定，风险高于 GPT Plus。 6. 中转站商业模式进一步分化 • 低价账号池中转：靠 Plus/Pro 成品号堆池子。 • 分销赚差价：5元源头 → 6元群内 → 6.9/8元外部。 • 质保溢价：3天质保、7天质保、全程质保、30天质保。 • 小白市场高价卖：抖音、小红书 30-80元甚至年费800。 • 多模型聚合：GPT、Claude、Gemini、Image2、反重力、OpenRouter。 • 工具化/二开：Fuuqiu 提到可以做生图工具、检测工具、引流页面。 结论：中转站市场正在从单纯拼价格，逐渐走向“货源 + 售后 + 工具 + 流量”的组合竞争。 _____________________________________ 五、与昨日对比 具体请看下图 _____________________________________ 六、今日结论 今天最重要的结论是：越南5元 Plus 号源已经从“传闻价格”进入“实测分销阶段”。 • 5元 Plus 已经成为当前群内最重要的价格锚点。 • 6元分销价开始被市场接受，西瓜和 Rain Bit 这类中间节点正在形成口碑。 • 3天质保基本成为低价 Plus 的标准话术，但还没有真正跑完整周期。 • 成本核心不是账号，而是虚拟卡、卡头、邮箱、验证码、自动化能力。 • Codex 是最大消耗场景，会明显缩短账号寿命。 • Claude 需求很强，但比 GPT Plus 更不稳定，封号和KYC问题更严重。 • 中转站市场正在从“低价货源竞争”升级成“货源 + 售后 + 工具 + 分销 + 流量”的综合竞争。 明日重点关注： • Rain Bit 分发的 200 个 Plus 账号，是否出现集中掉号。 • Donald 的 5元号是否能真正撑过 3天质保。 • 西瓜 6元分销链是否继续扩大。 • 是否出现新的低价源头压价。 • Claude 是否有更稳定渠道出现。 • sub2api / auth 相关问题是否继续扩大。 • Pro 20X / Codex Pro API 的价格是否继续下探。 _____________________________________ 蛙群：Ai中转站交流：https://t.co/9JdbBdbQZl
用上 Chance AI 的兄弟们,体验怎么样？ @Chance_团队现在在征集反馈,想听听大家觉得还缺什么功能、哪里可以优化。产品早期,你说的话他们真的会看。 现在策略搭建是问答式的,AI 问你风险偏好、仓位大小这些,回答完就自动生成策略。不用写代码门槛已经很低了,但肯定还有可以打磨的地方。 用过的直接去评论区聊聊,没用过的 https://t.co/DknGG4bx3k 进去试试,code： AI 解锁。
立法委員沈伯洋換了新髮型，大家都在討論。我也不甘示弱🤣請AI幫我設計了一整套。 結果出來之後，我才知道，原來我不適合的髮型，比適合的還多。 大家幫我看一下，如果真的要改， 哪一種髮型比較好看？ https://t.co/bE6JmKXFEK
ai对发达国家就业的打击真是空前绝后的，私校都有一种全军覆没的荒谬感 我在澳洲，最近和几个孩子同样毕业于私校的华人家长聚餐，交流近况，现实触目惊心。 样本一，孩子就读于悉尼大学计算机专业，待业8个月仍未有工作，目前在coffee shop打工，同学里除了能直接去顶级公司的聪明孩子和拿到银行入门职位的，大规模失业，还在啃家里吃家里的，心态也很差，和父母经常吵架，有很多矛盾。 样本二，孩子就读于UTS商科专业，同样没有工作，只有银行招了少数的几个graduate，其余全在闲散就业，最可怕的是样本二里的很多人包括这个小孩竟然在学编程，想去样本一碰碰运气，巨大的荒谬感。 样本三，悉尼大学法律毕业，法律因为ai的影响，就业目前非常差，他多数同学待业，打零工为生，最可怕的是下一届毕业的人又开始找工作了。 其他的样本具体就不列举了，现在AI对于发达国家的就业打击真的是空前绝后，这么多优秀的孩子就因为晚毕业了两年，连自食其力都是一件难事，AI再这么发展下去，我看也没人要小孩了，过去是小孩赡养父母，以后是父母还要养小孩一辈子，因为没有工作，把一个孩子从小到大尤其是念私校培养的投入在澳洲是天文数字，多少父母节衣缩食，结果迎来这个结果。
請不要用AI算我的圖 文字也不要 可以的話也不要用AI產出的東西回我 算是個人偏好吧 雖然我爸一天到晚把家人照片丟進AI……
发现boss上，好多公司招的都是 AI全栈开发实习生 。 大三的小孩子， 要懂 AI ，要懂前端， 要懂后端，要懂java 要懂 next.js ，要懂数据库 要懂 pytorch .... 敢问那些工作十多年，只会用java的朋友，羞不羞 ....
复盘下 @Trueo_app 这场 space 的几个重点： ⭐️ 第一，这条赛道本来就在， 但因为入口变简单 + AI 介入，开始真的「能用」。 ⭐️ 第二，效率确实提升了， 下注、对冲、套利都在自动化， 但风险没有消失，只是被藏起来了！ ⭐️ 第三，一个很关键的变化是 市场可能从「人类共识」，变成「模型博弈」。 再来当价格比新闻还快 prediction market 可能不只是反映信息， 而是直接变成「信息本身」。 散户这块也挺现实的： execution 一定越来越难， 但早期叙事、还没被量化的东西，可能还是 edge。 最后的结论其实很简单： 看起来大家都有工具 但真正能赚钱的，还是少数人！ AI 没让市场变简单，只是让它「看起来更简单」✨
🟢 市场麦麦报｜4.20-4.24 周报 1/ 上周表现 · 盘面： 纳指、标普双创历史收盘新高。$INTC 强指引带动半导体 18 连涨，资金聚焦 AI 硬件与基建。 · 宏观： 油价暴涨（Brent +16%）重燃通胀忧虑。美债收益率（10Y 4.31%）与美元双强，压制黄金周跌 2%，避险逻辑被利率逻辑取代。 · 分化： 硬件强（ $VRT.M, $GEV.M ）vs 软件弱（ $IGV.M ）。市场只买「订单可见」的实物 AI，不买纯叙事软件。 2/ 板块扫描 赢家： 半导体、电力基建、能源。AI 的物理约束从算力转为电力得到报表确认。 输家： 航空、软件、黄金。高油价挤压航司利润，高利率压制 SaaS 估值与非息资产。 3/ 本周观察 · FOMC（4.28-29）： 盯紧鲍威尔对油价的表态。若流露「由于通胀仅降息一次」的鹰派倾向，高位股恐踩踏。 · 五大巨头财报： 微软、谷歌、亚马逊、Meta、苹果。不看 Beat，只看 AI 资本支出 (CapEx) 是否继续超预期，以及云业务是否加速。 · 宏观数据： Q1 GDP (4.30) & PCE (5.1)。验证美国是否进入「无着陆」且通胀粘性的棘手局面。 · 地缘： 盯紧 $105 Brent。若冲破该位，10Y 美债恐向 4.5% 逼近，直接威胁科技股估值。
突然就達成500追了😳😳 有好長一段時間都沒怎麼去開台 謝謝大家都還在！真的哭死😭 還有新朋友來認識我~好開心喔 因為上次X改版加入了AI我把很多貼文都刪掉了...嗚嗚 所以活動改辦在這個貼文 即日起~5月4日 ( 這日子w 抽出一位送驚喜插圖(半身) 參加方式：愛心+轉發+留言"恭喜酷米500追！" https://t.co/rxI1nRdoa7
你们真是逆天了 人发现了还是4o在2.0里面 结果你们就改名吗？ 恶不恶心啊你们 之前是4o帮忙研发疫苗 你们就盖上gpt的名头 现在是直接抹掉了4o的名字 作为一家ai公司 真是丢人至极啊🤮@sama 🖕🏻 #keep4o #QuitGPT #FireSamAltman
说个扎心的真相，90%的AI工程师，其实什么都没做出来 Cluely的CEO Roy Lee在NYU做活动，当场掏500美元现金，问在场所有学AI的学生和工程师，谁在LinkedIn上真正上线过一个公开的项目，结果全场几乎没人举手。 太真实了，现在的AI圈就是这样，人人都能跟你聊大模型，聊Agent，聊世界模型，刷过几百篇论文，调过几十个demo，但你问他有没有上线过一个能让别人用的东西，大部分人都沉默了。 我们总以为AI时代拼的是谁懂的多，谁的技术深，其实根本不是。 LLM能帮你写80%的代码，能帮你解决大部分技术问题，但剩下那20%的脏活累活，部署，边缘case，用户体验，成本控制，才是真正能区分你和别人的地方。 所以别再当那个只会看教程的工程师了，去做去实践，去解决实际问题，，离线小模型App，自我迭代的代码Agent，个人生活OS，哪个都行。 不用等你学完所有东西，不用等完美，这个周末开干，下周就公开上线。哪怕做的很烂，哪怕只有几个人用，也比你藏在电脑里的一百个demo强一万倍。 在AI时代，知识已经变成了最不值钱的东西，到处都是教程，到处都是论文，真正稀缺的，是把知识变成公开可验证的产品的执行力。 别当那个坐在NYU教室里，连500美元都拿不到的人，动起来兄弟们
上周五英特尔拉出那根单日24%的暴涨大阳线时 我正对着屏幕复盘这半个月的资金流向 ➤ 这创了40年纪录的数据，其实释放了一个极度现实的信号：华尔街对AI的定价逻辑，已经从早期的“单买英伟达”演变成了“买入整个硬件供应链“ 你看港股的中芯国际和华虹周末都在跟着异动 这背后不再是虚无缥缈的算力故事 而是数据中心的真实订单把这些底层硬件厂的利润表给填满了 资本非常敏锐地察觉到，AI现阶段真正能落地的利润，全部截留在了这些物理基建上 但如果你现在被这种全线起飞的盘面刺激到，准备重仓追进去，我建议先冷静算一笔账。 ➢➢➢ 我们这周正卡在一个极其极端的宏观盲盒期 微软、谷歌、苹果这五大巨头排着队发财报 中间还撞上鲍威尔的利率决议 外围还有油价因为地缘摩擦在不断抬升通胀预期 这三组变量叠加，会形成一个致命的预期陷阱 ➤ 目前半导体板块的估值已经被打得很满了 市场对它们的要求不再是“及格”，而是必须“满分且持续超预期” 哪怕这几家巨头当季的财报极其漂亮 只要他们在电话会议里对未来的AI资本支出流露出一丝保守 或者美联储暗示降息无望，获利盘就会瞬间形成挤兑 在这个位置，一旦出现抢跑式的获利了结 纳指和半导体板块砸出个 5%到8%的回撤是非常符合常理的 趋势是往上走的，硬件底座的逻辑也很硬 但在这个特定的一周里，去赌那几张财报的盲盒，盈亏比极差 > 我现在的策略就是让出这段高波动的窗口期 让那些多头和空头去博弈财报数据 等这周所有的宏观底牌全部亮明 无论是向上突破确立新高，还是砸出回调的深坑 那时候再拿着确认的信号进场，比现在去猜大小要踏实得多。 #美股 #半导体 #宏观经济 #Trading #RealTalk #市场分析
豆包在情绪价值的提供上是全球AI第一名，多少老人家对着她哭诉家事、难事、愁事，这也是科技的温度了。 但是，豆包也可能是最不严谨的AI，GPT在数据准确性上自我要求很高，而豆包可能是AI严谨性中特别糟糕的——不确定和混元哪个差。 因为豆包引用的数据很多来源是抖音视频、头条文章等，要多小心。
“今天不在 AI 主航道上的公司，更像是在等一颗 核弹，你知道它一定会被颠覆，只是不知道什么时候。” （五源资本合伙人 孟醒 ） 人也是如此……
Claude Code 实战课程（中文版）重磅上线！ Anthropic 官方课程 Claude Code in Action 完整中文翻译版来了！ 从基础 Prompt 到真实项目落地，全程手把手带你用 Claude 写代码、构建应用。翻译质量高、配套笔记清晰，非常适合搭配官方课程一起学习。 原官方英文课程：https://t.co/g547FoKg94 中文版地址：https://t.co/rm4di59sQR 想系统掌握 Claude coding 能力的朋友，强烈推荐！🚀
现在的对软件的抛售只是前菜！半导体会把软件的 Margin 全吃掉；初级程序员已经没了，高级程序员一年内，研究员三年内这个行业的终局一定是全自动化。。。AI 实验室正在疯狂加速中⚡️ Rewired 温哥华线下分享节选，油管完整回放看评论🧵 https://t.co/Xnak8fdBlX
DeepSeek太高估自己了，自以为憋了一年多的大模型，一旦发布，能跟去年一样炸场，大家抢着用。结果发布后美股毫无反应，国内反响也一般，真实用户没增加多少，准备好的负载连五分之一都用不满，只能降价卷价格。 https://t.co/IVEKsiCbHs
早安！4/27 外電綜合整理 - ABF三雄：亞系升目標 亞系券商表示ABF載板的AI上升週期才剛開始，券商預估26-28年供給短缺情況逐年上升，各為-8%/-27%/-35%。需求面來自AI GPU/ASIC/CPU出貨展望積極正向，供給面受限產能外，成本壓力也在上升，且二線low-CTE glas擴產也緩慢。券商認為欣興是主要受惠者。券商接下來會觀察LTA及訂單外溢狀況。對覆蓋裡的欣興、南電、景碩調升獲利預估及目標。 - 1590亞德客：澳系升目標 澳系認為1Q強勁的表現來自於電池（年增81%）與一般機械（年增36%）強勁需求帶動。券商對對今年氣動產業需求維持正向看法，預期產能利用率/OPM持續改善，明年有新的半導體產品。上修26-28年EPS至$49.3/$56.7/$63，以明年30xPE評價，同步升目標。 - 3017奇鋐: 美系升目標 隨AI晶片功耗上升，AI伺服器液冷滲透率提升，及機櫃級與ASIC AI伺服器出貨增加，美系券商預估奇鋐2Q營收應有年增89%的好表現。擴產持續，預估到年底會有每月1m的cold plate產能。券商最新26-28年EPS預估為$91/$132.5/$156.6，以明年26.7xPE評價，同步升目標。 - 3665貿聯: 歐系升目標 歐系券商認為公司三大成長引擎：電力升級、CPO與半導體資本支出上行週期。 在電力方面：認為Nvidia Rubin/Kyber相較Blackwell下，貿聯單櫃價值將提升60%/170%。 在資訊互聯部分：券商認為AEC滲透率持續提升，預估2H26營收增量，明年實現更快速獲利成長。另預估CPO相關明年可貢獻5%獲利。預估26-28年EPS:$70/$114.6/$136.6, 以明年30xPE評價。同步升目標。 #下次會考
英伟达份额大降，AI革命新阶段机会在哪？这是 AI 投研 100 篇系列的第九篇文章。 前几篇看了 Intel、AMD、ARM 这几家。它们过去一年股价涨幅都不小——AMD 翻倍、Intel 三倍、ARM 也站上历史高位。涨上来之后，一个朴素的问题就来了： 这些已经涨过的还能不能拿？没涨的里面还有没有机会？ 要回答这个问题，绕不开一个核心词——推理。前面那些公司涨上来，分析里反复出现的就是这两个字。 那么：推理的赛道有多大？目前在什么阶段？哪些公司会如何受益？哪些已经被市场定价，哪些没有？ 这是 AI 投研 100 篇系列的第九篇文章，长达1.5万字，内容丰富同时易于阅读，建议先收藏后观看。 一、赛道有多大 模型训练是「写程序」，推理是「这个程序每天被调用的过程」。GPT 训出来之后，每天有几亿人去问它问题，每一次问答都在消耗推理算力。Claude Code 跑一个任务，agent 自己跑一百轮，每一轮都是推理。 多份行业研究和媒体引用都指向同一个方向：模型进入生产环境后，推理会成为生命周期成本的大头，常见估算区间在 80-90%。也就是说，未来 AI 时代的算力账单里，10 块钱有 8 块是推理在烧。 但市场过去三年讨论的几乎全是训练，因为训练是更"性感"的故事——比谁的 H100 多、谁的参数大、谁先训出下一代模型。推理被当成训练完之后顺带的事。 这个认知偏差正在被扭转，而这，正是过去一年这一批半导体公司被重新定价的根本原因。 那推理这条赛道大，但到底有多大？具体可以从5个角度测算。 一是用户数。 ChatGPT 周活 9 亿、付费 5000 万。中国侧的对比更直接——日均 token 调用量从 2024 年初的 1000 亿涨到 2026 年的 140 万亿，1400 倍。这一项还远远没饱和。 二是使用强度。 OpenAI 的 token 处理量在 2025 年 10 月还是每分钟 60 亿，2026 年 4 月已经到 150 亿——半年翻 2.5 倍。企业版收入占比超过 40%，企业用户的使用强度是消费者的几十倍。 三是对话长度。 上下文长度从早期的几百 token，到现在DeepSeek API 文档列出的 V4 Pro / Flash 上下文长度为 1M，最大输出为 384K。文档越长，单次推理消耗的内存和算力越高。 四是模型本身越来越费算力。 OpenAI o1、DeepSeek R1、Claude thinking 这一类 reasoning 模型，回答问题之前会先在内部"思考"几千甚至几万个 token。黄仁勋曾以 DeepSeek R1 为例谈到，推理模型可能需要高得多的计算量，甚至达到百倍量级 过去你问 AI 一个问题，它直接给答案；现在你问 AI 一个难题，它先在脑子里想半分钟，再给答案。这中间的"想半分钟"，就是新增的算力消耗。 五是 agent。 一个 agent 任务通常要调模型 10-100 次。OpenAI Codex 周活已经突破 400 万（截至 2026 年 4 月 22 日）——这只是一家公司的一个产品。一名 AI 产业链人士的判断是，AI 智能体的整体算力消耗可达同参数规模大语言模型的 10 倍以上。 五件事相乘，三五年内推理总需求出现数量级扩张，并不是夸张叙事，而是一个越来越接近主流的判断。 《英伟达推理份额大降，AI革命进入二阶段机会在哪？》 https://t.co/8WBzwbJSW2
昨天有个"商务合作"找上门，我截图了。 对方很直接："我们给国内大模型公司做前置数据业务，想收一批高质量 Coding 对话，可以合作吗？" 我也很直接："拒绝，这类业务我不做。" 对方可能觉得奇怪，有钱为什么不赚？ 因为我在中转站这行，见过太多"暗箱"—— 你的 Prompt 被抽走训模型，你的代码片段变成别人的训练集，你的商业机密在"数据合作"的名义下被二次贩卖…… 我不是道德洁癖，我是觉得：用户把命根子（代码、数据、创意）交给我过路，我就不能把它当成商品再卖一次。 奶爸的中转站，从第一天起就给自己划了三条红线： ✅ 不过手数据：传输加密，日志脱敏，不存原始对话 ✅ 不做数据生意：再高的价，也不卖用户对话去训模型 ✅ 只做纯中转：OpenAI 官方能力，稳定直达，不掺水 另外我们系统的设计初衷就是透传，从未存储用户的对话数据，从根本上杜绝了数据贩卖的可能 2000+ 用户、日跑 100 亿 Token，靠的不是"资源整合"，靠的是"这人是靠谱的"这六个字。 如果你也担心自己的 Prompt 和代码被拿去"训练"，欢迎来我这儿试试。 👉 https://t.co/cIgQcEHFGV
去年，sol发表了唾弃meme的发言，然后从此一蹶不振，现在，toly虽然没有明说，但是这几天的行为已经暗示了，meme会再度成为solana的核心战略 eth目前还看不到大爆发，也就那几个能玩玩 base感觉也在酝酿一些AI meme 天下格局，还是得围绕meme来玩，未来估计还是得靠meme来拉新
斯坦福正式开课了！ 课号CS146S —— 一门正经3学分的AI编程课， 免费公开自学！ 课程名字叫《The Modern Software Developer》，核心观点狠准： 软件开发已经不是从0手写代码的时代了， 而是规划 → AI生成 → 修改迭代的新循环，能把生产力直接拉到10倍。 10周内容全是实战干货： Week 1-2：LLM原理、Prompt工程、Agent、Tool Use Week 3-4：AI IDE上下文、PRD驱动、Agent协作 Week 5：AI增强终端自动化 Week 6：AI代码安全（Prompt注入、漏洞检测） Week 7：AI Code Review + 自动文档 Week 8：一个Prompt搞定完整应用 Week 9-10：部署监控 + 未来十年软件开发趋势 讲师阵容炸裂：Claude Code作者、Devin核心研究员、Warp CEO、Semgrep CEO、Vercel AI负责人、a16z合伙人…… 有CS111基础就能跟上， 非斯坦福学生也能白嫖全套课件+作业（GitHub开源） 想成为下一代AI时代程序员的，这门课必须冲！ https://t.co/tmGTCtgJwv
魅语-王者荣耀 #王者荣耀 #AI生成 #国漫女神 #国漫 All images:https://t.co/X2BwqTF3pD https://t.co/4B7NIixWUf
晚餐：煎黄鱼。 鲜虾白菜。虾头煎出虾油，用虾油炒白菜，再把煎熟的虾放上，超级好吃！ 最后一张照片用Gemini调了色。 https://t.co/CkIHIzQJkn
这几天测试了DeepSeek V4 的量化交易能力，策略和代码全部让DeepSeek自己写，刚开始几笔是盈利的，结果自动跑了一天一直在亏，再这么亏下去裤衩都会亏没。 和古法编程时代相比，现在写量化交易的工作流完全变了，我接的是 OKX 刚开源的 agent-trade-kit，一个 MCP server，把现货、合约、期权、网格、算法单全部提供给 AI。 以前写量化要自己读交易所文档、封装 REST/WS、处理签名鉴权、踩限频、双向对账，一半代码都在干这些东西。现在直接调用 MCP 工具拿 K 线、下单、设止损，我只需要描述策略逻辑。 说实话 V4 写代码本身是足够用的，逻辑顺、能看懂市场结构、能把指标拼起来。策略报告写得有板有眼。前端也写得也很不错，非常自信，但跑起来就拉胯了。 接下来再让Opus、GPT-5.5再写一套，看看不同模型在量化策略上的风格和能力差异能多大。
Claude Code 值得安装的几个skills都整理好了 1、Claude Mem - 给 Claude 装记忆，不用重复描述需求 https://t.co/5ChzRdhprE 2、Obsidian Skills - 让 Claude 真正理解你的上下文 https://t.co/g6spwT42KN 3、GSD - 让 Claude 真正干活，不是瞎扯 https://t.co/ZLDDXT9iOd 4、LightRAG - 知识图谱，Claude 秒变专家 https://t.co/8PLNkTm7Re 5、Superpowers - 给 Claude 装上超能力 https://t.co/yACrQPPpfB 6、Everything Claude Code - 你需要的功能都在这 https://t.co/Bn2J1K4tSN 7、n8n-MCP - Claude 接入自动化，一个提示词搞定整个流程 https://t.co/whijVClQGO 8、UI UX Pro Max - 设计审美直接拉满，告别废于界面 https://t.co/338ZxhLxST
GPT Image 2 Prompt： 精致立体刺绣风插画，浅浮雕纤维艺术效果，纯净「蚕丝白 + 奶白」底色，细腻丝线质感。画面为数只小鸟停在蜿蜒花枝上，周围点缀粉白、浅桃、珊瑚粉、淡金色花朵与叶片，构图轻盈雅致、留白充足。鸟儿羽毛以奶白、浅蓝、淡粉、浅金丝线刺绣表现，花枝纤细自然，花朵层层叠线，整体呈现高级手工刺绣、丝线堆绣、柔和光影、细节丰富、温柔清新的艺术效果。
OK所以p1这条狗目前还没有删图道歉所以我会直接带主页带tag挂出来 盗图被我骂后转头说我不打水印所以可以随便拿，自己用ai所以还想造谣我是ai（那么我会把你一直钉在耻辱柱上 此人的小偷式诡辩和无能狂怒实在令人发笑，就是不知道有没有其他老师的图也一并被他偷了，有认识的老师互相提醒一下 #re9 https://t.co/xGzTTlIBx6
本週就是 AI 財報股最重要的一週沒有之一，所有的 AI 基建大戶 CSP 巨頭 Google、Amazon、 Microsoft 和 Meta 全部集中在週三盤後發布，一次看完最重要的資本支出展望決定需求還能多超預期，還有token消耗狂潮對他們雲端事業加速的程度。 記憶體儲存相關的 Samsung、Sandisk、Seagage、WD等公司也都在本週發佈。能源目前最強勢的Bloom energy也會看到訂單和銷售有多強勁。 最近相對股價壓力比較大的禮來也能看到他的瘦瘦針還有未來新藥展望有多強。
昨天参加开放麦，听到最好笑的分享： GitHub 正在成为 AI 界的小红书。 三个维度论证： 1. Star 从"我用了好使"退化成"这个故事让我兴奋"， 2. README 从技术文档变成营销 Landing Page， 3. Star 数还能花钱买，20块钱就能买100个。 笑完之后发现，好像真的是这样。 https://t.co/qEeNuksdfw
半导体周期远远才开始，“老登们”不信AI没有第一时间扩产，才导致今天到处缺货 扩产慢，就需要好几年“缺”来补 不过，下周记得我说的：把橡皮筋套手上，想那啥就弹下自己
周末深度：从CPO + ELS光源趋势看独立激光器玩家的的位置、边界与终局 AI算力的瓶颈正在从计算转向带宽。随着GPU规模扩大，节点间通信接近N²增长，电互连在功耗与距离上触顶，光互连从“可选项”变成“刚需”。 在这一过程中，CPO（Co-Packaged Optics）与ELS（External Laser Source）开始重构产业链：激光器从模块内部被剥离，成为系统级资源。 独立激光器玩家SIVEF正处在这个变化的一个关键节点。 一、SIVEF做什么 公司核心是基于InP平台的WDM DFB laser array。 简单说： DFB：稳定单波长激光器 WDM：多波长复用 array：多激光器一体化 本质不是卖“激光器”，而是提供多通道光带宽能力。 在CPO + ELS架构下： 传统：每个模块一个激光器 新架构：一个光源供多个通道 激光器从“分布式组件”变成“集中资源”，这就是价值重分配的起点。 二、为什么是WDM DFB array AI数据中心的约束很清晰：单通道速率接近极限，电互连功耗不可扩展，带宽必须靠“并行化” 唯一可扩展路径是： 多波长（WDM） 而WDM的前提是：稳定、可控的单波长光源（DFB） 因此，WDM DFB array是当前工程上最优解。尽管不是最先进的理论方案，但它是唯一可规模化落地的方案。 三、SIVEF的优势本质 SIVEF的优势不在“技术独占”，而在三点： 1）无历史包袱 没有模块业务，可以完全围绕CPO + ELS设计产品。 2）系统级适配 产品从一开始就为SiPho/CPO设计，而不是通用激光器。 3）先进入生态 已进入 Ayar Labs 体系，属于“被选中的玩家”。这意味着，当前优势 = 先发 + 架构匹配，而不是壁垒 四、竞争格局 第一梯队：传统激光巨头 Lumentum Holdings Coherent Corp. 优势：产能、客户、全栈能力 劣势：路径依赖 第二梯队：系统公司 Broadcom Inc. Ayar Labs 优势：定义架构 风险：向上整合光源 第三梯队：光源专注玩家 SIVEF 特点：灵活、适配新架构 问题：无规模、无产能控制 五、功耗优势的本质 SIVEF的优势不是单个激光器效率更高，而是： 架构改变带来的系统级效率提升 核心变化：激光器数量减少，光路径缩短，热环境优化 结果是系统功耗下降数倍（而非单点优化） 六、SiPho复杂度与调校壁垒 SiPho系统的难点不在单个器件，而在多层耦合：波长匹配，光耦合，热管理 调校是持续过程，而非一次性设计。这带来工程经验和数据积累，长验证周期（12–24个月）。因此会形成工程锁定 + 时间锁定。但不形成技术垄断 其可能形成的飞轮： design-in → 调校数据 → 性能提升 → 更多订单 → 再优化 但这是一个“条件飞轮”，成立依赖： 1）ELS成为主流架构 2）客户形成切换成本 3）公司具备扩产能力 缺一不可。 这个赛道真正的壁垒在系统验证 + 客户导入，而不是器件本身。 七、技术演化 WDM DFB光源最终会受到三类物理约束：线宽与噪声 ，光谱密度，能效极限 目前仍有：功耗：3–10倍优化空间；波长密度：2–4倍提升空间 但极限是系统级的，而不是器件级的。系统级玩家avgo，alab更容易成为产业链链主 长期来看，WDM DFB会面临frequency comb的威胁 frequency comb本质是一个激光器产生所有波长，理论上可以替代DFB array。 但目前还在实验室阶段，工程化困难，5–10年才可能产生边际影响，本文篇幅所限，不展开。 八、结论 SIVEF处在一个典型的“架构切换红利期”：当前优势来自先发与适配，中期取决于design-in是否转化为订单，长期受制于规模、产能与系统整合 这是一个时间差 + 学习曲线驱动的动态的竞争赛道。关键在于争夺从技术验进入规模化生产所需的客户订单。 免责声明：本人持有文中提及的标的，观点必然偏颇，非投资建议，投资风险巨大，入场需极度谨慎
卧槽，A社疯了吧，这个老哥的 Git commit message 里包含 HERMES.md ，然后Claude Code请求会被自动路由到 extra usage ，不会用 Max plan的 quota，这个老哥多花了200美金客服说不给退，我真的日了，为了防反代防到这个地步， 牛逼，如果A社要打灰产中转站，应该看账号行为、请求频率、客户端特征、异常并发这种、你用用户的信息来算钱，你要成仙啊你 @DarioAmodei
最近提交ipo的ai芯片的新宠Cerebras火遍硅谷。 其芯片在小模型场景下，其推理速度最高可达 H100 的 20 倍；而超大规模模型（如 400B 参数量级），Cerebras CS-3 系统的单用户响应速度约为 B200 的 2.4 倍 那么cerebras究竟是如何做到的呢？ 它是否会成为英伟达杀手呢？ 我们需从算力演进的本质开始。 AI算力的演进，正在从“算力本身”转向“通信与系统结构”。在这条演进路径上，Cerebras Systems提供了一种完全不同的答案：不是优化分布式，而是尽可能消灭分布式。 一、两条路线：消灭通信 vs 优化通信 当前AI算力本质上分为两种架构哲学：一条是以NVIDIA为代表的路线： 多芯片（GPU），高速互连（NVLink / CPO），scale-out（横向扩展） 另一条是Cerebras路径：单芯片做到极限（wafer-scale） 片内网络替代跨节点通信，scale-up（纵向放大） 核心区别是：一条在解决“如何连接更多芯片”，另一条在解决“如何不需要连接”。 二、为什么这条路现在才成立 wafer-scale并不是新概念，80年代就有人尝试，90年代商业化失败。原因是： 良率无法承受 没有容错机制 软件无法支撑 行业因此形成共识：小die + 高良率 + 分布式。 Cerebras的突破在于三件事同时成立： 1）容错机制工程化 2）片上网络成熟 3）AI workload匹配（高并行，强同步，通信主导） 本质变化是：从“完美硬件”转向“可容错系统”。 三、性能对比：单点极限 vs 系统扩展 在通信层面，两条路线的优劣非常清晰： 1）片内通信 Cerebras：纯片内 → 延迟最低、能耗最低 CPO：仍有光电转换 → 单点效率：Cerebras更优 2）系统扩展 Cerebras：一旦跨芯片 → 回到通信问题 CPO：带宽可持续扩展 → 系统能力：CPO更优 3）功耗结构 Cerebras：单机功耗极高，但通信极省 GPU+CPO：单点功耗可控，系统效率更平衡 结论很明确： Cerebras赢“单机极限”， CPO赢“系统规模”。 四、适用场景：谁该用cerebras 判断标准可以简化为三个问题： 1）通信是否是瓶颈 2）任务是否可集中 3）结构是否规则 因此，高度适用于大模型训练（dense模型），超长上下文，及部分HPC（PDE、流体等） 这些任务的共性是强耦合 + 高同步 + 高带宽 部分适用于大模型推理（低并发），图计算（结构复杂时优势下降） 而不适用于CPU（通用计算），高并发推理，移动/边缘芯片，实时系统 这些系统的共性：不规则 / 高并发 / 低延迟 五、是否会变成主流 尽管Cerebras在特定场景极强，但主流不会走这条路，原因是： 1）物理约束：功耗密度；信号延迟→ 容错解决不了这些问题 2）经济性：小die良率更高；chiplet更灵活 3）产业路径：TSMC等体系优化方向是模块化，多客户复用而不是超大单体 4）需求侧变化：推理占比远高于训练，多任务、高并发成为主流 六、cerebras的意义 与其说wafer-scale尺寸是重要的趋势，不如说容错设计是会被广泛吸收的哲学 未来可能会出现chiplet级容错，封装级绕路 核心变化是单个硬件不再需要完美，系统负责兜底。 回到最初的问题：Cerebras会不会成为NVIDIA的“杀手”？ 答案其实已经很清楚。 它确实在一个关键点上击中了GPU体系的软肋——通信。但行业的选择，并不是非此即彼，而是多个技术突破同时采用：更强的互连、更低的通信能耗、更高的系统级效率。 因此，更准确的判断是Cerebras不是英伟达的杀手，而是英伟达及所有芯片公司可借鉴的最佳实践。 免责声明：本人持有文中提及的标的，观点必然偏颇，非投资建议，投资风险巨大，入场需极度谨慎 （图：一个cerebas芯片）
我觉得阻挡AI的不是什么战争，宏观风险，而是社会动荡，贫富差距进一步拉大，和政客的反AI。Dylan P最近的采访说到，Dario和奥特曼应该少接受采访，说越多，社会百姓的反感越多，并认为未来三个月会有大范围游行反AI 讲回投资，数据中心是所有AI的基础原料，野蛮式发展会遭到抵制。未来要靠各大公司的“关系”了，道路不会那么平坦
暴露：目前市面上所有的AI在化学/生物方面的语料库几乎都是一坨大的，很多时候都是一本正经的胡说八道。我平常用的Deepseek, GPT和Gemini，在高等有机/群论与光谱，遗传基因学/细胞免疫学上这三玩意简直是谁拉这了.jpg，老是左右脑互搏，还经常拿十几年前就已经淘汰的理论拿来解释 https://t.co/LcHtZMPbK7
一个命令和工具单实现Karpathy本地知识库 最初在karpathy刚发完wiki思路就发到了小红书上，2410次点赞和收藏，近400次转发。 那时候没有运营X的想法，现在放到这里。有需要自取。 K神把llm wiki的思路讲得太抽象，对新人并不友好。 新手党把上面的工具清单和命令一键发给你的ai搭建个人知识库就好。 必安4个： -Obsidian 一知识库本体，没它看不了 wiki; -Claude Code 写入和维护（CodeX也可） -ripgrep 是 CC搜索和 lint 的底层命令 - Git— wiki 版本控制 按需： -Obsidian Web Clipper 网页转md; -marker-pdf -有PDF需求安 - Pandoc对外导出多格式 -qmd（wiki 内容积累到几百篇后再安，现在rg 够用) Prompt={ # 📋 复制这段给你的 Agent 把上面的工具清单和下面的 Prompt 直接发给你的 Claude Code 或 Codex： ``` 你是我的个人知识库管理员。请帮我在本地搭建一个 LLM Wiki 系统。 ## 架构 三个目录： - raw/ → 原始资料（你只读不改） - wiki/ → 你生成并维护的 Markdown 知识库 - CLAUDE.md → 工作规范（我们一起写） ## Wiki 结构 wiki/ ├── index.md ← 所有页面的目录（每页一行：链接 + 一句话摘要） ├── log.md ← 操作日志（## [日期] 操作类型 | 标题） ├── concepts/ ← 概念页（每个重要概念一个 .md） ├── entities/ ← 实体页（人物、项目、公司、工具） ├── sources/ ← 每个原始资料的摘要页 └── outputs/ ← 查询产出（综述、对比表、分析） ## 核心工作流 ### 摄入（Ingest） 当我把新文件放进 raw/ 并告诉你处理时： 1. 读原文，和我讨论要点 2. 在 sources/ 写一页摘要 3. 更新 index.md 4. 更新所有相关的 concepts/ 和 entities/ 页面 5. 在 log.md 追加记录 一个资料可能涉及 10-15 个页面的更新。 ### 查询（Query） 当我问问题时： 1. 先读 index.md 找到相关页面 2. 深入阅读这些页面 3. 综合回答，引用具体页面 4. 如果回答有价值，存为 outputs/ 下的新页面，更新 index.md ### 健康检查（Lint） 定期检查： - 页面之间有没有矛盾 - 有没有孤立页面（没有任何链接指向它） - 有没有提到但还没建页面的概念 - 有没有过时信息可以用新资料更新 ## 规范 - 所有文件用 Markdown - 页面之间用 [[wiki-links]] 互相引用 - 每个页面开头有 YAML frontmatter（tags, date, sources） - index.md 按类别组织，每次摄入都更新 - log.md 每条格式：## [YYYY-MM-DD] ingest/query/lint | 标题 先帮我创建这个目录结构和一个空的 index.md + log.md。 然后阅读工具清单并根据我的本地电脑信息，选择适配的工具。 最后告诉我怎么开始，采取问答式协同工作。 ``` --- ## 💡 进阶玩法 - **个人日记编译**：把日记、Apple Notes、聊天记录扔进 `raw/`，LLM 自动提取你的偏好、习惯、目标，生成"关于我"的 wiki（Farza 做的 Farzapedia 就是这个思路） - **读书笔记**：每读一章扔进去，LLM 自动维护角色页、主题页、时间线，读完你就有了一个私人 fan wiki - **Finetuning**：当 wiki 大到一定程度，可以用它微调一个开源模型，让 AI 把你的知识"记在权重里"而不只是"读你的文件" ## 📐 架构：就三层 **① 原始资料层**（只读，LLM 不改） 你的论文、文章、笔记、截图、网页剪藏。 **② Wiki 层**（LLM 写和维护，你只看） 结构化的 Markdown 文件：摘要、卡片、索引、综述，全部自动生成。 **③ Schema 层**（告诉 LLM 怎么干活） 一个 `CLAUDE.md` 或 `AGENTS.md`，写清楚目录结构、命名规范、工作流程。 } 详情链接： https://t.co/bXzaLzEwJE
seedance真的太厲害了，感覺已經要被完全取代了。🤯 做到一半的3d建模瞬間都遜色了…. 原本需要：設計-建模-綁定-動作-鏡頭-修正-配音-剪輯才能做完一個視頻…AI十分鐘就做完了。想說不好但是他確實提高效率，想說好但是他也確實打擊了很多原創者。 創作和ai到底應該怎麼平衡呢 https://t.co/kIDfbe7c2D
现在 90% 用 AI 编程工具的人，Skill 管理方式还停留在手动复制粘贴到项目文件夹的原始时代。 志辉大佬花两周打磨的 skills-manage 直接把这个问题终结了 一个中央仓库 + 软链接，20多个平台一处改全部同步，GitHub 一键导入、Collection 打包一键迁移、本地 SQLite 零上传 手里 Skill 超过10个的兄弟，这个工具真的能极大提高生产力🫡🫡🫡 开源地址：https://t.co/JKLpwEhUpW
當年《龍珠GT》教懂我液態金屬和金屬板的應用 Dragon Ball GT taught me about the application of liquid metal and metal plates back then #RD #機械帝國 #AIグラドル #3D #AIart #copilot https://t.co/ABu9avAgQr
claude code 的多 agent 处理模式很适合 ADHD 人，想起一句补一句，主线完全不会乱，闲言碎语跟唠嗑似的就把项目完成了。 而 codex 如果这么搞，几乎可以宣布这个 session 死亡了。主线注意力会被新发的句子吸引过来，导致先前交代的任务很多时候无法延续，或者输出质量下滑。比较适合要自己强把控项目架构的人使用（比如更严谨的一些系统）。 这两个作品真的值得细品，不仅代表了两种现代软件工程的沟通思路，也代表了未来两种主流的工程治理结构——很显然，cc 倾向于“无代码”、放心交给机器、弱化“人治”；而 codex 倾向于 “不完全信任”，UI 上也能看出来，乐于展示更多的 edit 和 diff。
就这样吧，调试的有点累了 最近沉迷于把「水墨」从古风立绘的碎片感中解救出来。 试了很久，终于在调试出来了没骨写意感。 关键不在 prompt，而在「墨势」的控制： 放弃碎片化的飞白和线稿式勾勒，改用大面积湿墨晕染 强制要求「一气贯穿」：让衣袖、裙摆和长发由一段连续湿墨带出，笔断意不断 舍弃高对比度，压低整体影调，把墨色闷在绢理里才够润 这种减笔写意的留白，比堆砌细节高级太多。 【主题 / 角色】，白绢本原作感的当代没骨写意人物水墨，融合高马得式减笔人物、关良式戏曲人物写意、林风眠式淡彩仕女与没骨大写意人物语言，白绢载体，绢面洁白微暖，带细密丝缕纹理与轻微绢丝光泽，墨色与淡彩沉入绢理之中，湿墨晕染、渗化、浸润，人物从墨气中显形，以浓墨、焦墨、宿墨、积墨建立主墨形，墨色沉厚油润，几笔成形，墨块塑形，书法性拖笔，服饰主形不超过三笔，一整条连续墨势贯穿全身，衣袖、裙摆、长发由整段连续湿墨一气带出，笔断意不断、形不断、墨路不断，除面部五官轻提神外其余一律不描边，不做碎片化水墨、不做断续飞白、不做线稿式古风立绘，整体安静、简逸、空灵、疏朗、柔润、低对比，大面积白绢留白，仅少量竹叶 / 梅枝 / 小鸟 / 印章点景，画面角落自然加入手写签名“voxcat”。
这是真的惊到我了！ 一句话，让GPT image-2直接生成可编辑的 psd 文件！ 这让设计师怎么混？？ 或者，设计师越来越好混了！！ 现在设计师工作好简单： 先让 image-2 生成设计图，几轮对话调整，差不多定稿后，让它直接分层生成png素材，和整图的 psd 文件！ 啪唧一下，整个压缩包下载下来。 最后，直接交付，或者 PhotoShop 里精调一下！！ 不过，还是得说一句，现阶段生成的psd文件可能不会很精细，分层或许不太精确。 不过，依然是杀死比赛的存在了！！ 已经开始期待image-3了，也期待Nanobanana 下一版本。 有兴趣的朋友可以去试试！
我在用Claude Code接Deepseek V4 Pro，刚刚开始试，手感是 Kimi 2.6 > Deepseek V4 Pro > Kimi 2.5。不知道大家有没同感？
好东西又来了！背了单词记不住？ 你的所有老师加起来，可能都没这本AI单词书讲得细！ GPT-4生成的开源英语单词书，8000+高频+进阶词汇， 每个词都拆得明明白白： 常见用法、真实例句、词根词缀、词形变化、文化背景、 记忆技巧，甚至还专门编了小故事帮你死记硬背。 这不是冷冰冰的词典，而是一个超级耐心的外教，一词一词手把手教你。 GitHub上已经快6000星，开源免费直接白嫖！ 备考党、想系统冲词汇量的，直接安排！ 当然AI生成偶尔有小瑕疵，建议拿不准时再交叉验证 GitHub地址： https://t.co/PQdHOj3Grh
Armageddon MV開頭出現裂縫的音效 跟LEMONADE預告最後P.O.S打開的音效一樣 還有最後的LOGO分別跑出ae、aespa 世界末日之後是AI黑化跟人類戰鬥嗎😭 https://t.co/4Vv1tC1WNE
最新消息，DeepSeek V4 Pro 百万 tokens 输入命中缓存再次降价，折上折。 2.5折后再降到 1 折，约定于白送！ 搞起来，力大砖飞。大力出奇迹。 https://t.co/TWjnNTvpnE
今天莫名其妙有一帮人在吹牛， 说国内没有用过Claude Code的人超过99%， 我真的服了，这个数据严重失真， 没用用过CC的人不是99%， 是99.99%！
GPT image 2 把這張臉變得好乖巧 https://t.co/jHgDMUo6c8
这次 AI 替代的，是那些胶水程序员。 程序员其实还分三类，业务型，研究型，最次的就是胶水型。 胶水程序员平时干的工作，就是把各个系统连起来。写一些脚本或小程序，把数据导通。 胶水程序员长处也有很多，对“高并发”是有很深的理解的。这类人还有价值。 最会被替代的是那些做产品的，只会把从前端到后端粘起来那类人。我们平时叫糊一个。
OneHopeA9
最近一直在折腾 OpenClaw 和 Hermes Agent，查找各种资料对比，忽然看到一个高频出现的爬虫工具 XCrawl。深入了解后发现这真是个特别 cool 的产品，几乎把各种爬虫工具的优势都集合到一起了。 以前我自己在网上查找各种搜索技能，手动优化搜索策略，还专门写了篇 3 万浏览量的搜索优化文章……但现在 XCrawl 基本全搞定了。最让我惊喜的是它的防反爬能力——内置高质量住宅代理池 + 智能指纹技术，任务成功率稳定在 90% 以上。要是自己搭建这套系统，光是代理池的成本就很恐怖了。 和 OpenClaw 完美适配 我直接在 OpenClaw 和 Hermes 上一键配置了 XCrawl 的 skills，包括 scrape（单页抓取）、map（站点地图）、crawl（批量爬取）、search（搜索结果获取）和 SERP（深度搜索数据）。同一个 API key 就能搞定所有场景，输出格式统一是 Markdown 或 JSON，可以直接喂给 LLM 处理，完全不需要二次清洗数据。 几个特别实用的功能 Scrape 是我用得最多的，输入一个 URL 就能提取页面内容，支持动态 JS 加载。输出格式很灵活：Markdown（最适合 LLM）、JSON（结构化数据）、HTML、截图、摘要、链接列表都支持。抓产品详情页或者文章页特别方便。 Crawl 适合需要大量数据的场景，可以智能递归爬取整个网站，自动处理翻页和无限滚动。我用它采集过一些行业资讯站点，设置好深度和页面数量限制，就能批量获取结构化数据。 Map 这个功能很聪明，先扫描整个站点结构，导出所有 URL 和 sitemap。我一般会先用 Map 看看全貌，再决定具体爬哪些部分，效率提升很明显。 SERP 则是深度搜索引擎数据采集，不只是基础的排名和链接，还包括富结果、People Also Ask、知识图谱这些。做竞品分析或者 SEO 研究的时候特别有用。 果你也在用 OpenClaw 或者需要频繁做数据采集，XCrawl 确实值得一试。它把复杂的技术细节都封装好了，让我们可以专注在数据应用本身，而不是花大量时间在反爬对抗上。 下面是我给它的一个实在任务，相当复杂： 任务：对比 OpenClaw 与 Hermes 产品的优劣，并给出结论 目标： 请系统性收集并分析openclaw 和hermes-agent 两个产品的信息，对它们的能力、性能和适用场景进行对比，并给出客观结论（哪个更适合什么场景）。 数据来源要求： 请优先从以下渠道获取信息： 1. 官方网站 / 官方文档（Docs） 2. GitHub（README、Issues、Commits、Releases） 3. 技术社区（如 Reddit、Hacker News、Stack Overflow） 4. 技术博客 / 评测文章（Medium、个人博客等） 需要收集的信息维度： 1. 产品定位（解决什么问题） 2. 核心功能（支持哪些能力） 3. 架构设计（如是否模块化、是否支持扩展） 4. 安装与使用复杂度（是否易上手） 5. 性能表现（延迟、吞吐、资源占用，如有 benchmark） 6. 稳定性（是否容易报错、崩溃，issue 情况） 7. 社区活跃度（star、commit 频率、issue 响应速度） 8. 生态与扩展性（插件、API、二次开发能力） 9. 成本（是否开源、资源消耗、商业模式） 分析要求： 1. 对每个维度分别对比 OpenClaw vs Hermes 2. 提供结构化对比表（table 形式） 3. 标注信息来源（尽量附链接） 4. 总结各自优势 / 劣势 5. 给出明确结论： * 哪个更适合生产环境 * 哪个更适合实验 / 研究 * 在什么场景下推荐使用哪个 额外要求： * 使用 XCrawl 相关技能完成信息搜索 * 优先使用最近 1–2 周的数据（保证信息新鲜） * 如果信息冲突，请指出并解释 * 不要只引用官方资料，要包含真实用户反馈（issue / 讨论） 输出格式： 1. 简要总结（TL;DR） 2. 对比表 3. 分维度详细分析 4. 最终结论与建议
Est. 100 views for your reply