🔥 推特起爆帖监控
搜索和分析大V账号即将起爆的热帖推文。通过SoPilot插件快速评论和互动，抢先一步占领评论区，你将获得更多的曝光。
劝退：n8n等 AI工作流不要学了 因为我已经可以用AI纯自动生成复杂n8n工作流了。 注意，不是那种生成一行几个节点的“玩具”，而是工业级别的复杂工作流。 例如下图 Reddit平台的DJi舆情监控工作流，就是我用AI生成的 我发誓没有新建一个节点，包括里面的备注说明全是AI自己生成的，90% 可用🧵 https://t.co/iFgIkuY3Fj
刚刚修完第一轮论文，现在准备做明天预答辩PPT的我看完了这个故事。 心中波澜四起，我却无语凝噎。
在大 AI 的时代，要学的事物这么多。我个人的建议是，了解关键字，略知一二，对于你关注的事深入即可。因为其它略知一二的事，可能过一段时间，就不存在了，你省了白学一趟的成本。关注那些不会变的、以及你手头的、以及宏观 insight 即可。 同样的方式适用于各种领域，只是 AI 更甚。
一辈子不吃亏的潜规则： https://t.co/URONhT9B1N
我们用语言思考，所以语言的边界就成了思维的边界 每个词背后都隐藏着特定的世界观和假设 https://t.co/MdFb8dyVwt
找到了 Suno V5 最牛批的用法！ 用陶喆风格重新演绎周杰伦的《搁浅》，给我听麻了。。。 https://t.co/lynPYDt2mn
在小红书找到一个非常满意的设计师，天才 https://t.co/pnq8DyWfjY
刚刚，我无脑冲 X Premium+ 了 今天推友讨论 X Premium 和 X Premium+ 的区别 说 Premium+ 的收入分成是 Premium 的两倍多 我看了一下，现在一个月收入分成大概100美刀，翻倍的话完全可以覆盖订阅成本，还能多赚60%，直接冲了 Premium+ 成本：每月约 40 美刀 Premium+ 其他收益： 1. 完全免广告 2. 你的评论权重更高 3. 使用 Radar 高级搜索 4. 使用 SuperGrok 5. 写文章 具体情况如何，一个月后我来分享结论哈 #推特增长 #TwitterGrowth
昨晚我们 Vibe Coding 实战第一节课开始，带大家扫盲 Vibe Coding!🔥将近200人在会议间一起学习，很感慨，有了 AI 真的人均全栈工程师，人人都可以 build product！ 🧑💻超强导师天团带路Vibe： @zhangjintao9020 张晋涛，Microsoft MVP，PyCon China 组织者 @MasterCui 崔棉大师，清华x-lab区块链创新教育计划区块链讲师 @cellinlab Cell 细胞，超级个体社区 造物矩阵（前 巢级个体） 发起人 、小火炉播客 创始人 @CodeMorePanda Panda ，研究过 N 个行业的 Vibe Coding 实践布道师 带你掌握： ✅真正的Vibe Coding核心方法论 ✅让开发效率翻倍的实战技巧 感谢赞助商特别支持： @0G_Labs @monad @mynoraai @SpoonOS_ai 🔗现在报名：https://t.co/iS162DDgLD
今天计划开发一个小红书封面生成器。 Canva、稿定设计太笨重，打算按自己想法开发个简单版，后续还能用上Seedream4和Nano Banana生图。 开发流程 1. 先跟Claude讨论产品需求和技术方案 2. 交给Augment生成第一版 3. 修复第一版Bug出现，实现可运行测试。 4. 用通用交互和UI美化提示词，做迭代 经验要点： 1. 第一版只包含MVP核心功能，不要太复杂 2. 需求文档非传统PRD，带核心技术代码和文本布局图 3. 记得做版本控制，持续对话迭代优 先迈出第一步，就知道后续做什么了。 评论区有UI美化提示词
现在做原型已经懒得画线框了 我直接把需求转一下提示词，然后丢给几个 AI，豆包、ChatGPT、Gemini、Juchats 每个按照需求生成一个 HTML 网页原型，还能交互 用 Demoget 录个屏就可以演示了 然后 Codesign 把生成的 HTML 导入到 Figma 微调一下设计细节 如果视觉上还有欠缺，看看优秀设计就行
看来是灰度到了 YouTube 的新 UI https://t.co/1dgfM2eEpJ
现在创业公司网站出现AI agent关键词都拿不到投资。 顶级 AI Agent 课程，企业级实战资源列表。 补充了吴恩达等几个重量级的agent课程： 吴恩达：https://t.co/dreOkYU7JU Google 5天 AI agent培训课：https://t.co/igsSBsNg9o Anthropic 官方课程：https://t.co/Lk2ksjWPFb 微软AI Agents for beginners： https://t.co/vLEZPN1Afo Huggingface： https://t.co/ZJqHjDGxDE Coursera：https://t.co/NyKC5hQCO8 Salesforce： https://t.co/XpY7fSGXJ1
周三线下小团队工作日，一壶茶，一杯咖啡，找个咖啡馆白嫖一整天 https://t.co/As6bU3Vvmt
因为你是做产研的。 公司组织里面，有大量的行政，财务，人事，文员类等工作，别说工作性质可能需要他们坐班，就算不是，他们在家时间久了，也会觉得自己没有体现出价值。 不是所有的工作都是靠一个电脑和一根网线的。 我在海外上班的时候感受特别明显，疫情结束后，拥护在家远程办公的，都是 IT 工程师。觉得要重返办公室的，全都是搞行政人事的女性。 当然她们给的理由都是企业文化，团队建设等等的大词。 但是最关键的一点，就是在家上班，她们要带孩子。去公司，她们是三三两两在茶水间端着咖啡聊天的。 可惜公司的政策是这帮人决定的，而不是工程师。
如果，你在推特 发几条上贡 发几条你发图，我找番号 就能变成几十万fo的大V 你要不要做这件事？
现在的Substack, 适合认真做内容的英文AI类型起号。 许多严肃博主也刚刚开始没多久。 我始终认为，人的机会： 一方面来自能力， 一方面来自与世界的链接。 在任何领域，任何国家， 机会都需要朋友和信息。 交朋友的好时机是人家也想交朋友。
终于突破5000粉啦，特意截了个图，888这个数字也很顺哈！！🎉🎉 我账号涨粉虽然不是最快的，但胜在稳扎稳打，而且大部分是AI领域的精准粉，感恩遇见大家！ 昨晚才上线的毅行出海俱乐部页面，目前已经有10多位早鸟付费加入啦，感谢大家的支持！ 第一期所剩名额已经不多，需要加入的抓紧，我们一起出海捕鱼去！ 链接：https://t.co/GNjtTii3Yr
我的管理哲学 🧑💻 我不喜欢直接管理或命令别人“你该做什么”。我更喜欢构建一个系统，用数据和机制来引导人们。系统规则是透明的，你想获得更多回报，可以这样做，但选择权在你。最好的管理，是让大家为自己工作。
REFRAG：Make RAG Great Again Meta 超级智能实验室（Superintelligence Labs）招了那么多牛人，第一篇论文有点出人意料——他们选择先来优化一下我们已经很熟悉的 RAG（检索增强生成）。 最近 RAG 风评不佳，速度慢，检索精度不高，尤其是现在 Agent 势头正猛，很多人都觉得 RAG 已死，而 REFRAG 则给人以“Make RAG Great Again”的感觉。 先看数据： - 首次生成延迟（Time-to-First-Token）缩短了整整 30.85 倍（远超之前最先进方法 3.75 倍） - 能够处理的上下文长度增加了 16 倍 - 在16项主流RAG任务上，全面超越 LLaMA 等之前的明星模型。 - token 使用数量降低了2-4倍，意味着算力消耗更低。 - 在摘要、多轮对话、检索问答等场景下，没有任何精度损失。 我本来以为技术很高深，但学习了一下发现原理我也能懂，都不需要等马老师 @dongxi_nlp 讲课了。 不得不感叹：有时候你以为理所当然的事，结果牛人就是能提出一个更好的方案，让你一拍大腿：“原来还能这样。” 传统的 RAG 方案很多人已经不陌生了： 预处理：文本分块 -> 向量化(Embedding) -> 存向量数据库（通常还会存 Meta 信息，方便找到原始文本和位置） 检索：用户输入 -> 向量化 -> 向量数据库检索 -> 返回 Top-K 相关文本 生成：将 Top-K 相关文本和用户输入一起拼接成 Prompt -> LLM 生成 -> 返回结果 这样做，确实能解决不少问题，但也存在一些问题： - 绝大部分检索出来的内容其实和用户的问题并不相关。 - LLM 被迫要处理大量无用的文本。 - 计算成本高，速度慢，延迟长，上下文空间还被浪费了。 那么 REFRAG 是怎么优化的呢？ 它的做法很巧妙，就是检索的时候，返回的结果不是文本块，而是文本块的向量，只有少量重要的文本块的向量会返回原始的文本内容，其他的文本块只返回向量。这样既节约了上下文空间，也让 LLM 能够专注于处理重要的文本。 这可能有点不好理解，来打个比方： > 我们有一个百科全书，我们把每一页纸生成一张缩略图（向量），然后把这些缩略图和对应的百科全书页码存到数据库里。现在用户来问问题，我们先把用户的问题也生成一张缩略图，然后在数据库里找出和用户问题缩略图最相似的前 K 张缩略图。假设我们找到了 10 张缩略图，其中有 2 张是非常相关的，我们就把这 2 张缩略图对应的百科全书页码和内容都返回给 LLM，其他 8 张只返回缩略图和页码，不返回内容。这样 LLM 就能专注于处理这 2 页重要内容，而不是被其他 8 页无关内容干扰。而且内容少了，上下文不容易被占满，而且有其他内容的缩略图也可以帮助更好的理解上下文，必要的话还可以二次请求获取更多详细信息。 就好比过去我们逼着模型“看整本书”。而现在让模型先“看缩略图墙”，只在关键处“点开原文”。 这就解决了三个痛点： - 首字节很慢 → 少传大量 token，更快开始说话。 - 显存/KV 压力大 → 输入更短，占用更小，同卡跑更多并发。 - 吞吐不稳 → 注意力计算随 token 增长很快；压成向量后，每次算得更轻。 在哪些场景有用呢？ - 客服问答、知识搜索、长文总结、垂直智能体：资料多但不需要句句逐字引用。 - 多轮对话/很长上下文：能把中间那些“参考资料”大部分用缩略图带着走。 但可能不适合的场景： - 严格引用/逐字精确（法律、医学、合同条款等）：需要更高“点开原文”的预算，甚至干脆多给 token。 - 知识库更新很频繁：要有快速重算向量的管线，否则可能“新知识不新”。比如像代码库，还不如用 Greg 更简单方便。 - 团队工程能力有限：要训练/对齐“缩略图制作器”和“点开什么”的策略，落地不等于即插即用。 其实这还有一个启发，也许以后模型内部的通信，真的不需要用人类的语言了。模型之间可以直接交换“向量”+“元信息”，而不是“文本”，这样效率会更高。
自媒体这个行业年营收1亿的至少满足两个条件之一： 1、mcn化 2、电商化 其它大多一年就是几千万的样子，直播带货除外。 所以不是很理解网友们为啥一直在讨论年营收1亿这个事情，这是个很大的数字么？你们知道返点抽水已经到35%了这种事，知道毛利率是多少么？ 内容行业真的是普通人能赚的辛苦钱，某种意义上我还是更喜欢互联网公司和sass这类产品，起码有喘息的机会，自媒体是永远在卷，永不停歇。
Sam Altman 说 ChatGPT 要支持青涩内容了！ Sam：我们之前给 ChatGPT 加了一些比较严格的限制，主要是为了在心理健康问题上保持谨慎。我们知道，这样做让很多心理健康完全没问题的用户感觉 ChatGPT 没那么有趣、没那么好用了。不过，考虑到心理健康问题的严重性，我们当时觉得“宁严勿松”，一定要先确保安全。 好消息是，现在我们找到了更好的办法，成功缓解了严重心理健康问题的风险，同时开发了一些新工具。这意味着，我们终于可以放心地放宽之前的大部分限制了。 未来几周内，我们计划推出新版的 ChatGPT。这一版本会允许用户设置更有人情味的个性，就像大家过去最喜欢的那个4o版本一样（甚至我们希望能做得更好！）。如果你希望 ChatGPT 回答起来更像个真人，用大量的表情包，或者表现得就像朋友一样，那么 ChatGPT 都可以做到！（当然，前提是你自己想要，而不是我们为了单纯追求使用量而主动这么做。） 到了今年12月，我们的年龄验证功能会全面上线。这符合我们“把成年人当成成年人来对待”的原则，因此对通过认证的成年人，我们还会进一步放宽限制，比如允许提供成人内容（erotica）。 （注：Erotica 通常翻译为“情色内容”，此处特指适度的成人文学或内容，而非违法的色情内容。）
前两天在小红书发了一个nano banana提示词的帖子， 为我不足100fo的小破号，带来了几千阅读 底下最多的评论不是问提示词是啥 而是 这是啥app？ 这是哪个模型？ 我的豆包告诉我他不会。 已经过去这么久了， 看来这个市场永远都有钱赚。
看到 Grok 的操作，Sam 急了 第一次明确的说 12 月之后 GPT 会放开一部分成人色情内容。 另外过几周之后 GPT-5 的回复会更有感情更像之前的 4o https://t.co/PZcbts4yYE
AI Studio 新的首页更新了，还增加了 API 的数据统计 感觉是在为 Gemini 3.0 发布做准备了，现在这玩意体验真比 Gemini APP 好 https://t.co/x5medSDtm0