SoPilotSoPilot

🔥 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。

推特起爆帖监控

Yangyi
10.8万
Yangyi@Yangyixxxx· 1天前发布

如果你在刷推的时候 没有ai童工在为你工作 你就应该思考一下 是不是白瞎了ai会员费了

46
0
8
9,044
数据更新于 11小时前
起爆概率
52%
预测浏览量
1.2万
现在评论预计可获得 100 次曝光
dontbesilent
5.1万
dontbesilent@dontbesilent12· 1天前发布

所有让你在自媒体上讲「干货」的博主,都是不专业、不入流的 因为当人们使用「干货」这个词的时候,更多不是在表达客观属性(这是有用的、实操的、能直接用的知识) 而是表达主观体验(这让我产生了'我学到了东西'的感觉) 然而你能学到东西的内容,在别人看来很可能是垃圾,反之亦然 而维特根斯坦说:不存在只有我自己能理解的语言,语言必须是公共的、可验证的 所以自媒体领域的「干货」一词压根不是语言,它只是看起来像是语言而已 这会制造伪交流、制造伪问题,制造一个错误的问题,从而让你不管怎么解决都是浪费时间 所以,我旗帜鲜明地反对使用「干货」一词(至少在自媒体领域)

40
2
8
5,504
数据更新于 12小时前
起爆概率
55%
预测浏览量
8,000
现在评论预计可获得 100 次曝光
Li Xiangyu 香鱼🐬
1.4万
Li Xiangyu 香鱼🐬@LiXiang1947· 1天前发布

emmmm,没忍住。。。又买了500刀BTC。 感觉明天就会后悔。

28
0
16
7,325
数据更新于 12小时前
起爆概率
42%
预测浏览量
1.0万
现在评论预计可获得 100 次曝光
向阳乔木
6.6万
向阳乔木@vista8· 1天前发布

白嫖Lovart的免费veo3.1 ,生成解压ASMR视频。 下周一写个教程,公开提示词。 https://t.co/AnzGwZgGQK

47
5
5
5,648
数据更新于 12小时前
起爆概率
55%
预测浏览量
8,000
现在评论预计可获得 100 次曝光
ding.one
16.5万
ding.one@dingyi· 1天前发布

库克为了卖手机,每年不仅要亲自来,还要直播带货,还要应酬各方来宾,这样谦卑的白人,世间罕有,人家不当 CEO 谁当。 很多人总说要是乔布斯还活着怎样怎样,尼玛就他那个性格,以及不屌中国的态度,他活着苹果不能说还是极其小众的品牌,但肯定远不如现在。他活着现在连开发文档还他妈没有中文呢。

382
14
93
9.2万
数据更新于 14小时前
起爆概率
100%
预测浏览量
35.2万
现在评论预计可获得 300 次曝光
Li Xiangyu 香鱼🐬
1.4万
Li Xiangyu 香鱼🐬@LiXiang1947· 1天前发布

哈哈,手机坏了,翻出我妈的旧手机顶两天 还得是华为,华为牛逼!遥遥领先! 这个牛逼的模式还关不掉。 让我只能放弃鸿蒙人生,拥抱安卓人生了 https://t.co/UwzZpQgen8

74
4
27
1.1万
数据更新于 14小时前
起爆概率
57%
预测浏览量
1.5万
现在评论预计可获得 100 次曝光
ding.one
16.5万
ding.one@dingyi· 1天前发布

相信 hongkongdoll 背后是一个小姑娘,还是相信我是秦始皇?

77
2
14
3.2万
数据更新于 14小时前
起爆概率
57%
预测浏览量
5.4万
现在评论预计可获得 100 次曝光
向阳乔木
6.6万
向阳乔木@vista8· 1天前发布

来,让耳朵怀孕😁 Veo3.1 生成的ASMR,舒适了。 https://t.co/kSxTZTzyMa

23
1
5
5,136
数据更新于 14小时前
起爆概率
51%
预测浏览量
7,000
现在评论预计可获得 100 次曝光
Frad
8,888
Frad@FradSer· 1天前发布

新的 claude code 中转站,注册有免费的 $100 额度。 https://t.co/zUyuZYpmiB 另外,分享一个我用的管理多个 claude 服务中转站的函数,复制到 ~/.zshrc 中并且配置 CLAUDE_PROVIDERS 即可使用类似 claude --provider 随时切换。 https://t.co/FqpjKRZ7mW https://t.co/Qwjqc9QK4g

29
3
4
2,376
数据更新于 15小时前
起爆概率
56%
预测浏览量
5,000
现在评论预计可获得 300 次曝光
banboo
3.9万
banboo@xbanboo· 1天前发布

选了这个喜欢的水泥灰颜色,其实就只是油箱的颜色不一样而已😅 其实摩托车还是挺危险的,但还是想要自己买一辆。10 岁那年第一次骑父亲的建设 60,因为腿短够不着地,特地推到砖窑那里,从高处跨上去。我的整个初中三年都是骑摩托上学,别的学生骑自行车,我是唯一骑摩托的学生,每天跟老师们的摩托车停在一起,感觉全校师生都认识我这个骑摩托的学生哈哈。 这次没花太多时间看车,预算 10 万以内买新车,所以从预算排除了宝马杜卡迪这些品牌,我只想要一个可以慢悠悠骑起来吹风的感觉,要有劲但又不要猛,平平顺顺的就好。因为没啥情怀,没骑过 CB400,所以即将销售的 CB500SF 我没啥兴趣,还是喜欢 CB650R 的样子。 20 岁出头那会儿的时候在上海爱骑摩托,有一次骑鬼火在九亭被抓,因为驾照的所驾车型不符,一次就把 C1 驾照的 12 分全部扣光,重考了科目一才拿回 C1 驾照,那时候太年轻不懂事。 现在感觉不一样了,想玩又心虚,上来先买了个喜欢的头盔保命,真不便宜😅 这次考摩托车驾照也是认真刷题,后面找专业教练学一学技巧,不管怎么保护,骑摩托还是要特别小心。 至于用车场景,我想像中的是: 把他停在儿子学校附近,早上开车送他到学校后,我一个人骑出去溜溜,停在咖啡店门前喝杯咖啡,然后骑回去接他放学,一起换四轮开回家。也不知道实际会骑几次去喝咖啡,这不重要,就算我买来只骑一次,也不会有人说我“公鸡拉屎头节硬,喜欢什么就三分钟热度了”,因为一辈子总是这么说我的人已经不在这个世界,我经常提醒自己,对自己孩子的兴趣不要求他坚持,不打击。人生嘛,喜欢什么就赶紧去玩,玩腻了就换下一个玩,每个人的时间就那么多。

34
0
10
7,746
数据更新于 15小时前
起爆概率
44%
预测浏览量
1.1万
现在评论预计可获得 100 次曝光
Susan STEM
3.9万
Susan STEM@feltanimalworld· 1天前发布

我这两年获得最重要的人生提示就是: 人类的智慧,从来不是计算,而是感势。 围棋的高手们—柯洁、聂卫平: 他们并非靠计算赢棋,而是靠“感”。 这种“感势”,其实是一种对宇宙流动的感知。 可惜当年我在棋院的时间太短,也没有名师点拨,直到今天才真正领悟: 智慧不是推理的速度,而是感知的深度。 AI 把棋士们都打趴下后,他们才第一次被迫承认这个真相。否则棋院集体端着,给大众一副他们的智商高不可攀的形象。 人类的聪明再极致,也不过是肉体的暂态。 真正值得学习的,不是棋艺的技巧,而是围棋的精神:感知宇宙,顺势而行。 如今的“学术界”也一样。 那 90% 的水论文、论文工厂、象牙塔不过是知识的流水线。 AI 一来,这些结构迟早坍塌。 因为那不过是一个知识筛选系统,而不是智慧系统。 真正的智慧,必须是内修的、探索性的。 是对宇宙结构的感知,是对不可能的追问。 我现在面临的最大问题, 不是想法不够多,而是符号空转(symbolic drift)。 AI 生成太多语言、太多符号,但它无法落地成决策。 它能无穷生成,但无法坍缩。 于是我们陷入一个庞大的语言气泡: 词语流动,意义悬浮。 而我发现,我的工程真正要做的,就是让 AI 进入决策态(Decision State)。 让语言系统从“描述世界”进入“执行世界”。 这正是我所定义的——熵坍缩层(Collapse of Entropy)。 AI for Decision Making:这才是未来的方向。 所有的智能系统,都必须嵌入人类的决策节点(Human-in-the-loop nodes)。 只有当语言、结构、调度三者形成回路, 当每一个输出都被世界验证、承载成本、留下痕迹, AI 才能拥有真正的判断力。 Judgment is not prediction — it’s collapse. Intelligence becomes real only when it risks loss. Meaning lands when possibility dies. 只有当AI能“感到失去”,智能才真正“获得存在”。 语言和现实之间,建立一个可决策的生态系统。 让AI学会感知代价,学会在不确定中作出判断。 只有那一刻,智能不再漂浮在语言中, 而是坍缩为行动。 这只股票买不买?这篇邮件发不发?这个人值不值得深入交流?这个合同好不好?全是决策。 否则不管是说,写,绘图,还是code (空谈的文字生成空谈的 code)都是符号空转,不涉及决策的。 The Only Way Out for OpenAI: When AI Starts to Decide https://t.co/5FCRYhOl9Z

163
28
13
3.2万
数据更新于 16小时前
起爆概率
64%
预测浏览量
5.2万
现在评论预计可获得 100 次曝光
饼干哥哥🍪
7,399
饼干哥哥🍪@binggandata· 1天前发布

用 AI➕claude code 生成 n8n 工作流的最佳实践! https://t.co/XVskuj1ggX

196
37
1
1.2万
数据更新于 16小时前
起爆概率
67%
预测浏览量
1.6万
现在评论预计可获得 400 次曝光
Mina
5,926
Mina@Minamoto66· 1天前发布

昨天去看房子,房产开发商一个劲儿跟我推荐用公司买房的好处,说以后给儿女不用交遗产税,直接把股份转了就好。我说我没儿女,等我死了一切财产都归国家了。 开发商说那您就把钱都造了,人生苦短,别把钱留给这破国家😄😄😄 https://t.co/hUYLGnFWXa

152
2
29
1.8万
数据更新于 17小时前
起爆概率
55%
预测浏览量
2.4万
现在评论预计可获得 100 次曝光
Frank Wang 玉伯
1.1万
Frank Wang 玉伯@lifesinger· 1天前发布

太强了。居然已经有了玉伯币 👇

23
0
5
5,979
数据更新于 17小时前
起爆概率
42%
预测浏览量
8,000
现在评论预计可获得 100 次曝光
凡人小北
1.8万
凡人小北@frxiaobei· 1天前发布

最近 Veo 3.1 和 Sora 2 火的一塌糊涂,X 上一堆 demo,我也这两天跟着玩了玩。 然后就发现一个老问题又回来了:生成这件事,已经不难了,难的是拍一整段像样的片子。 体验下来的感觉就是我根本 hold 不住这帮模型的自由心证。让它接着拍,它自己直接帮我把世界观换了。 朋友给我推荐了他们做的 Crevas,起初以为是又一个模型壳子,结果我一句话写完剧本,它直接给我拆了镜头、自动生成 prompt,连角色脸都保持一致。 我拖时间线那会儿的内心OS: 啊,原来这才是AI 导演的正确打开方式。 他们现在已经把 Veo 3.1 接进来了,支持角色一致性控制、4K 导出和风格延续。你再回头看 Google Flow 那边,还只能生成单个 1080p 小片段。 这就是思维方式不一样了。Crevas 直接给了一个能拍整部片的导演系统,Veo 是摄影机,Crevas 是工作台。 这个方向,一旦对了,后面的事情就会跑得比谁都快,你看他们都已经提前把 Veo3.1 接好了,还要啥大厂? 这段视频就是我用 Crevas 拼的,整个流程基本都在那上面跑完了。

36
7
4
1.0万
数据更新于 17小时前
起爆概率
54%
预测浏览量
1.4万
现在评论预计可获得 400 次曝光
徐冲浪
11.8万
徐冲浪@cyrilxuq· 1天前发布

经典 https://t.co/HmRhbfk2AZ

44
0
6
3.1万
数据更新于 19小时前
起爆概率
57%
预测浏览量
5.0万
现在评论预计可获得 300 次曝光
徐冲浪
11.8万
徐冲浪@cyrilxuq· 1天前发布

感觉市场怎么还没那种“加密完蛋了,美股完蛋了”这种恐慌的感觉?等一个极度恐慌

44
2
12
1.1万
数据更新于 1天前
起爆概率
100%
预测浏览量
11.3万
现在评论预计可获得 800 次曝光
forecho📈
3.6万
forecho📈@caizhenghai· 1天前发布

市场总是这样充满陷阱 https://t.co/ofLDvPfMWW

16
1
1
2,571
数据更新于 1天前
起爆概率
56%
预测浏览量
8,000
现在评论预计可获得 500 次曝光
凡人小北
1.7万
凡人小北@frxiaobei· 1天前发布

这段时间,大家对 AI agent 的期待开始从幻想全能走向建设系统,稳稳干活这件事越来越被关注。 这其实是个合理回调。幻想太多实践太少带来的就是泡沫狂欢。预期回落之后,才开始看到一些工程视角更完整、运行机制更清晰的架构设计跑出来。 先抛个共识出来:语言模型能调用工具 ≠ 能完成任务。 大家的目标很一致:agent 想完成复杂任务,靠 prompt 编程是走不远的。LLM 要在什么边界内学会控制组合,有点类似于 agent+workflow 逻辑之上的进一步验证。 Manus 这个也非常典型,继上一次的上下文工程六大法则之后,Manus 又往前迈了一步,他们没再幻想让 LLM 一口气接所有工具,而是老老实实把拆成模块化的结构。 我个人非常认同这个方向,甚至可以说它定义了下一阶段 AgentOps 的底层参考结构。 在我看来,这种设计方向至少明确了一件事: agent 在成为能干一切的通才之前,先稳扎稳打做一个可以调度不同专业能力的系统协调器。 特别是 agent as tool 的机制,用子智能体模拟模块化外包,智能体之间可以互为工具,封装调用并且相互之间不污染上下文。这就是我之前说的上下文线程隔离和调度系统组件化这套逻辑,开始慢慢有了样子。 这套逻辑可能是拆对工具、隔离好上下文、控制好调用深度、规划好执行流程,然后让智能体像微服务一样协作,而不是共享一个 prompt 狂堆 token。 这次从自然语言调用工具到结构化调度能力的范式转移,Manus 提供的思路,值得每个人深度研究。 接下来的方向我只想说一句: 下一波 Agent 竞争,一定不会是 prompt 层的比拼,这是半年前的叙事逻辑。一步是 AgentOps + 系统架构层的总成效能的比拼。

45
7
4
8,415
数据更新于 1天前
起爆概率
68%
预测浏览量
4.2万
现在评论预计可获得 3,400 次曝光
Jackywine
2.4万
Jackywine@Jackywine· 1天前发布

如果你把telegram 当成找资源的好地方,那就对了 Bot、语言、主题、资源、社区 这个 github 把所有优质的 telegram 资源都罗列好了https://t.co/olZ8EkC1ms https://t.co/WxY6cwE8Ib

54
9
1
2,519
数据更新于 1天前
起爆概率
74%
预测浏览量
1.0万
现在评论预计可获得 700 次曝光
铁锤人
4.7万
铁锤人@lxfater· 1天前发布

今日分享:8 条去文字去 AI 味的方法 https://t.co/QUTIxqqYiY

48
8
6
4,941
数据更新于 1天前
起爆概率
74%
预测浏览量
2.4万
现在评论预计可获得 300 次曝光
dontbesilent
5.1万
dontbesilent@dontbesilent12· 1天前发布

manus 无限上下文 简单理解就是我在和一个智能体对话,这个智能体检测到上下文太长的时候 就会把这个上下文做成他自己的知识库,实时进行连接 所以这个智能体在不断的给自己做知识库,以保证我的对话可以永远聊下去 https://t.co/s61i4oOlMc

18
1
4
3,673
数据更新于 1天前
起爆概率
65%
预测浏览量
1.5万
现在评论预计可获得 1,100 次曝光
dontbesilent
5.1万
dontbesilent@dontbesilent12· 1天前发布

这两天在搞下个月线下课的报名 虽然不担心没人来了,甚至人数可能要超,但是出现了很大的误判,记录一下 这个线下课的内容我是大概知道我要讲什么的,但是这个公众号我一直不敢发,因为毕竟它还是个商品,商品就得有卖点 我不知道我准备得最久的部分,到底是不是卖点,是我的自嗨还是什么 所以提前准备了一个问卷发在朋友圈,下午发的问卷,到晚上就有 100 多人填了,但是我线下课计划是 30~50 人,所以我的初始预期比较乐观,我还担心场地不够大 【这是第一个错误判断】 问卷是问卷,需求是需求,商品是商品,卖点是卖点 这是四个东西,不是一个东西 直接结果就是,即便我在问卷里面已经告知了大概要讲的东西、价位、具体的时间和地点,在我发了线下课告知之后,填了问卷的人,依然没几个来报名 所以所谓的「线索」其实是无效的,大家要买商品,而不是买问卷 【第二个错误判断】 我认为填了问卷的人有 100 多个,应该是包含了最有意向的人,总不可能不填问卷的反而是有意向的吧 从结果来看,的确如此,大概就是,填了问卷的人不报名,报名的人不填问卷 【第三个错误判断】 这个不能算误判吧,算忽视。就是虽然谁都知道,地理位置是一个很重要的因素,但我没想到这么重要 我认为一个开在深圳线下课的重要性排序是: 1、我认可你这个人 2、我人在广东 3、我认可你要讲的内容 「人在广东」这个因素绝对是比「你要讲的内容」更重要的,这是我的忽视 【但我还是做对了一个事情】 就是我还是理解了基本的商业规律 商业要降低交易摩擦,而把事情全部讲清楚,就是最大程度降低摩擦 所以我没有拍 30s 视频当做线下课的广告去投流,我录了一个 4 分多钟的视频 只为了把我为什么要做这件事情,我到底要讲什么,全部讲清楚 我就是要把事情聊清楚,这个视频哪怕拍 15 分钟也无所谓 这个视频发出去之后,现在前 30 个报名基本都定了,线下课还有 27 天才开

24
1
9
4,901
数据更新于 1天前
起爆概率
61%
预测浏览量
1.1万
现在评论预计可获得 100 次曝光
徐冲浪
11.8万
徐冲浪@cyrilxuq· 1天前发布

XX财经一条广告b站30万,抖音30万,最近90%以上都是广告,可以自己查,这几个月是广告不断的,而且是无风险收入。 有币圈kol说财经博主有几个有钱的,给我整笑了,估计他更不理解汽车kol多有钱吧,也正常,币圈kol是这样的,天天赌赌赌,只能赚返佣的钱和kol轮的钱,不知道无风险收入和内容都是可以积累的。 影视飓风其实营收不算头部特别高的,刚过亿。 头部kol,科技、财经、汽车类的,一年3000-2亿其实都不是难事。 但是这个行业上限确实不高,亿是卡死的上限,我没见过内容行业不做平台,营收能过10亿的,目前没见过,而且这几年毛利有降低。

18
0
6
2,937
数据更新于 1天前
起爆概率
100%
预测浏览量
1.9万
现在评论预计可获得 200 次曝光
宝玉
13.9万
宝玉@dotey· 1天前发布

确实,Manus 很聪明,他们把工具分成了 3 层: 第 1 层:函数调用 (Function Calling) 这是最基础的一层,只保留一小组固定的、原子化的函数,比如:读写文件、执行 Shell 命令、搜索文件等。在 LLM 的系统提示词中就只有这一层的工具定义,相对比较少,15 个以内,输入格式和输出格式都很清晰,不容易出错,但这里面有两个工具很特殊,一个是 Shell, 一个是 File。 第 2 层:沙箱工具 (Sandbox Utilities) 每个 Manus 会话都运行在一个完整的虚拟机沙箱里。就是原推文提到的,虚机预装了很多命令行工具,比如格式转换器、语音识别工具,甚至一个 mcp 命令行客户端。 然后这些工具都通过第 1 层中定义的 Shell 来调用,就是命令行工具,命令行调用。 但是这么多工具模型怎么知道呢? Manus 在系统提示词里会直接告诉 LLM,在一个特定的文件夹里有很多预装的命令行工具。对于最常用的工具,直接列出它们的名字。不常用的,LLM 可以直接通过原推提到的命令列出所有命令行工具,通过 --help 参数来查看任何一个工具的用法,因为所有这些工具都是他们自己开发的,格式统一。 第 3 层:代码包与 API (Packages and APIs) 这一层其实就是 LLM 实时编写 Python 代码,通过代码实现更复杂的功能。比如用户想查询某个 API 的数据,可以直接用 Python 写一个函数,fetch API 的数据,并解析成需要的格式。 其实在 Codex 中,用 Python 代码当工具已经用的很多了。 由于复杂的运算都是代码完成的,返回给 主 Agent 的知识计算后的结果,所以并不会占用主 Agent 的上下文。 这样 3 层设计的好处是,从模型的角度看,它需要调用的工具就固定是第 1 层的十几个,而借助命令行和代码,它又可以衍生出无数的工具组合。 还有一点就是我在之前推文提到的子智能体,Manus 也是大量采用“智能体即工具 (agent as tool)”的模式。把子智能体当工具用,比如负责检索是一个子智能体,但是这个子智能体在主 Agent 看来就是一个工具。同时也可以很好的起到减少上下文的效果。

276
44
4
5.4万
数据更新于 1天前
起爆概率
100%
预测浏览量
62.1万
现在评论预计可获得 5.7万 次曝光
Li Xiangyu 香鱼🐬
1.4万
Li Xiangyu 香鱼🐬@LiXiang1947· 1天前发布

以前有好几个互动很好的推友,’ 也从人家身上学到了很多。 可惜当时忘记关注或者被吞没在了timeline。 想看都再也找不到了, 最近连@pangyusio 胖鱼都没有出现在我的timeline了。 可恶的算法! 我真的没有那么爱看大家天天发AI breakthrough、如何赚大钱、web3又干嘛了,真的有点审美疲劳

18
0
10
2,317
数据更新于 1天前
起爆概率
50%
预测浏览量
5,000
现在评论预计可获得 100 次曝光
在悉尼和稀泥
2.0万
在悉尼和稀泥@JamesGoong· 1天前发布

过去一周(准确说是 3 天),我为了冲击一下 X 的分成门槛(3 个月 500 万展示),发了几条推文,再次验证了内容的不可能三角,即: 深度(并不一定真有多深,但是用户觉得是干货) 传播性 变现力 这三个角,其实分别对应了三种驱动力: 认知驱动(启发) 情绪驱动(共鸣) 行为驱动(购买) 对应到平时做产品,比如 SaaS 的落地页,可以简化类比为: 产品功能 落地页文案(价值展示) CTA 那么,这个不可能三角,有没有共存的可能呢?答案是有的。 深度+传播,属于认知传播型,需要内容不光让人觉得有干货,还要能共鸣,但是不能营销味太重。主要靠观点出圈。比如罗翔。 深度+变现,属于专家商业型,需要干货强,还要体系化,精准获客,但是传播慢。比如得到 APP,一些垂类培训课程。 传播+变现,属于爆款营销型,需要抓情绪,有话题,还要促转化,但是内容注定浅。比如大量的韭菜课,创业鸡汤,知识付费短视频。 深度+传播,属于有知识,有态度,形成社区影响力。比如罗振宇。 传播+变现,属于社交电商型,用内容包装的商品或者课程,大部分的知识付费,情绪类短视频都是这种。 深度+变现,属于专业服务,比如咨询,顾问类。 三者能交集吗?当然也行,但是很难。需要有自己的知识体系(深度),用人话讲出来,接地气(共鸣),同时还有产品/课程能自然衔接内容价值。 最后,一个人,甚至是一个账号,不是说只能发一种内容的,这个内容的不可能三角,完全可以称为一个 IP 矩阵的不同内容方向。 这其实就是影视飓风 Tim 在做的事。

40
5
2
5,453
数据更新于 1天前
起爆概率
60%
预测浏览量
1.1万
现在评论预计可获得 600 次曝光
M.
8,055
M.@wlzh· 1天前发布

玩转AI,白嫖VPS及永久嫖VPS及搭建及测试IP 免费VPS获取 1. 哪里白嫖高性能VPS 2. 全球免费VPS大盘点 3. 永久免费VPS在哪里 拿到VPS后 1. 如何测试IP各项指标 2. 最简单小白一键代理脚本 3. 加入VPS相关讨论群 帖子集合,动态持续更新, 欢迎收藏转发,尽在评论区⬇️

42
3
4
4,795
数据更新于 1天前
起爆概率
60%
预测浏览量
1.0万
现在评论预计可获得 500 次曝光
Susan STEM
3.9万
Susan STEM@feltanimalworld· 1天前发布

能画草图就画草图。哪怕是火柴棍,都比文生图来的精准,清晰表达我的想法。 https://t.co/NfygEYBZr5

39
5
6
3,647
数据更新于 1天前
起爆概率
62%
预测浏览量
8,000
现在评论预计可获得 100 次曝光
orange.ai
13.8万
orange.ai@oran_ge· 1天前发布

AI 开发的7大致命错误 Heygen 总结了AI开发的7大致命错误: 1.完美架构症 - 为100个用户设计百万级架构 2.研究瘫痪症 - 几个月访谈,零发布 3.稳定基础幻想 - 等AI"成熟"再发布 4.共识陷阱 - 大家都同意=没人关心   5.质量借口 - "还没准备好" 6.大爆炸发布 - 6个月秘密开发憋大招 7.沉没成本谬误 - "已经投入这么多"不能停

45
6
2
1.2万
数据更新于 1天前
起爆概率
58%
预测浏览量
4.2万
现在评论预计可获得 3,000 次曝光
orange.ai
13.8万
orange.ai@oran_ge· 1天前发布

Notion 不能直接用 Claude Code 操作实在太不方便了 未来最好的笔记系统就是一堆 md 文件 Obsidian:等等,你说啥?

35
0
16
1.3万
数据更新于 1天前
起爆概率
58%
预测浏览量
4.2万
现在评论预计可获得 200 次曝光
ding.one
16.5万
ding.one@dingyi· 1天前发布

据彭博社记者马克・古尔曼报道,苹果计划在 2026 年对 M6 款 MacBook Pro 机型进行重大更新。预计砍掉饱受争议的“刘海屏”,同时还将为部分机型加入触控屏。 今年买 M5 的,又将成为绝版大冤种。难怪苹果急急忙忙就发布了。。。

161
11
49
4.7万
数据更新于 1天前
起爆概率
100%
预测浏览量
15.7万
现在评论预计可获得 200 次曝光
宝玉
13.9万
宝玉@dotey· 1天前发布

CNBC记者透露:GPT-6将在今年年底前发布! 这位记者表示,他的消息源是布拉德·格斯特纳(Brad Gerstner)。布拉德是公开的OpenAI投资人,并且经常与OpenAI的高层交流。 https://t.co/4KSl51lvi7

30
0
6
1.1万
数据更新于 1天前
起爆概率
61%
预测浏览量
1.5万
现在评论预计可获得 100 次曝光
orange.ai
13.8万
orange.ai@oran_ge· 1天前发布

https://t.co/3q9t5mjomc

26
7
4
2.0万
数据更新于 1天前
起爆概率
59%
预测浏览量
2.8万
现在评论预计可获得 800 次曝光
ding.one
16.5万
ding.one@dingyi· 1天前发布

终于轮到 Vibe Design 了! https://t.co/ccw88BzeGw

131
5
13
1.7万
数据更新于 1天前
起爆概率
65%
预测浏览量
2.4万
现在评论预计可获得 100 次曝光
YL (Yucheng Liu)
1.1万
YL (Yucheng Liu)@lyc_zh· 1天前发布

一个反直觉的发现:Discord 不再只是游戏宅男的聚集地。在帮一个 AI 硬件 (Baby Milu) 做冷启动时,发现 Discord 上聚集了大量的年轻女性和 Gen Z 用户。对于面向这个群体的产品,Discord 可能是比 TikTok 或 Instagram 更精准、更高质量的私域流量池。

30
0
4
3,759
数据更新于 1天前
起爆概率
51%
预测浏览量
8,000
现在评论预计可获得 400 次曝光
Susan STEM
3.9万
Susan STEM@feltanimalworld· 1天前发布

书看完了,开始正式画分镜。我后面的substack文章会慢慢上连环的图像。抽象概念,工程猜想剧本化是我的下一步。 对我影响很大的一部剧本就是《头脑特工队》,将极抽象的概念影视化,这个想法对我来说诱惑太大了。 我这个绘画虽然很烂但是AI居然看的懂。感谢时代😭! https://t.co/VnfSFUN2Jy

64
7
5
1.4万
数据更新于 1天前
起爆概率
57%
预测浏览量
1.9万
现在评论预计可获得 100 次曝光
宝玉
13.9万
宝玉@dotey· 1天前发布

OpenAI 的这个模式还真的蛮好的,让开发者不用费自己的 Token,客户登录 ChatGPT 账号,就可以使用自己的 ChatGPT Tokens 使用应用的 AI 功能,要是推行了我估计也可以发布一点小应用 根据 The Information 报道,一位参与相关讨论的人士透露,OpenAI 正在向各大公司推广一项名为「使用 ChatGPT 登录(Sign in with ChatGPT)」的功能。这项功能允许用户使用 ChatGPT 的账户直接登录各家网站。如果初创公司使用了 OpenAI 的模型,原本需要直接支付给 OpenAI 的 API 调用费用,就可以通过这种方式转嫁给用户,从用户自身的 ChatGPT 用量额度中扣除。

154
22
27
5.1万
数据更新于 1天前
起爆概率
100%
预测浏览量
17.6万
现在评论预计可获得 400 次曝光
orange.ai
13.8万
orange.ai@oran_ge· 1天前发布

Tim 给想做自媒体的人一个忠告: 粉丝100之前不要考虑太多商业化的事情 这就像人在存款100万之前不要考虑理财,而要专注投资自己 虽然有点凡尔赛吧,但他已越过山丘之后,这是由衷的建议 10万到100万,10倍增长需要质变 10倍增长不能靠小技巧,商业化还是干扰 10倍增长靠的是由内而外的彻底进化

22
2
7
7,961
数据更新于 1天前
起爆概率
57%
预测浏览量
1.1万
现在评论预计可获得 100 次曝光
宝玉
13.9万
宝玉@dotey· 1天前发布

当机器开始“思考”:OpenAI解构语言模型推理的底层逻辑 ——从驯狗的比喻,看懂强化学习如何为AI注入“灵魂” 我们与AI的对话,早已越过答案的边界 当你向 ChatGPT 提出一个复杂问题时,你是否曾留意过那个闪烁的光标,以及它逐字逐句生成回答的过程?我们习惯性地将这个过程称为“思考”。但在这层表象之下,究竟发生了什么?它仅仅是在一个无限庞大的数据库中进行了一次极速检索,然后将结果呈现给你吗?或者,一种远比这更深刻、更接近我们人类认知方式的活动正在悄然发生? 这一切的起点在于一个根本性的区分:知道答案与找到答案。传统的计算模式,更像是前者——一个完美的、无所不知的图书馆员,能瞬间从浩瀚书海中为你提取所需信息。然而,我们今天所见的 AI,尤其是以 OpenAI 的模型为代表的先进大语言模型(LLM),正在向后者演进。它不再仅仅是一个知识的搬运工,而更像一个探索者,面对未知的问题,它需要通过一系列计算、推理和探索,才能最终抵达答案的彼岸。这趟从未知到已知的旅程,便是我们所说的“推理”(Reasoning)。而理解这一过程,不仅是理解 AI 的关键,更是洞察未来智能形态的一扇窗。 从“一步到位”到“步步为营”:推理的本质是时间的艺术 人类在面对难题时,鲜少能瞬间得出答案。我们会分解问题,寻找线索,进行推演,甚至会自我纠错。这个过程,本质上是用时间换取更高质量的思考结果。一个颠覆性的认知是,对于大语言模型而言,这条规律同样适用。 要理解这背后的逻辑,我们首先需要认识一个名为“思维链”(Chain of Thought)的概念。这并非某种固化的程序代码,而是模型从海量人类文本中学到的一种“模仿人类思考”的能力。早期研究者发现,面对一个复杂的数学题,如果直接要求模型给出答案,它往往会失败。然而,若在指令中加入一句简单的咒语——“让我们一步一步地解决这个问题”(Let's solve it step by step)——模型的表现会发生质的飞跃。 它会开始像一个学生在草稿纸上演算一样,将思考过程“说”出来:先做什么,再做什么,最后如何整合。每一个生成的词语,既是上一步思考的结果,也构成了下一步思考的上下文。这串看似“啰嗦”的文字,实际上是模型为自己搭建的逻辑脚手架,一个将复杂计算过程在语言维度上展开的“思维草稿”。 这引出了一个核心洞察:推理的深度,与模型被允许投入的“思考时间”——即计算资源——正相关。 时间越长,它能生成的“思维草稿”就越长,探索的逻辑路径就越深,最终答案的质量也就越高。因此,当我们看到模型“正在思考”时,那不仅仅是用户体验的界面设计,其背后是 OpenAI 在模型质量与用户耐心之间做出的精妙权衡。它在动态地判断,为了给出一个更值得信赖的答案,这次探索值得花费多长时间。 驯服“巨兽”:预训练与强化学习的优雅共舞 如果说“思维链”为 AI 的思考提供了方法论,那么真正塑造其行为、使其从一个博学但混乱的“知识巨兽”变为一个可靠、对齐人类意图的伙伴,则需要两种力量的共同作用:预训练(Pre-training)与强化学习(Reinforcement Learning)。这正是 OpenAI 自 2019 年起就确立的核心蓝图。 预训练,就像是让一个新生儿阅读完人类有史以来所有的书籍、对话和代码。通过这种“野蛮”的知识灌输,模型获得了对世界的基本认知,学会了语言的规则、事实的关联以及隐藏在文本背后的无数种模式。然而,这样一个“知识巨兽”虽然学识渊博,但其行为却是不可预测的,它可能会生成任何内容,无论好坏。就像 GPT-4 的早期内部版本,尽管潜力巨大,却被研究员们评价为“相当愚蠢”和“语无伦次”。 真正的魔法发生在第二步:强化学习。OpenAI 研究副总裁 Jerry Tworek 用了一个极其生动的比喻来解释这个过程:训练 AI,就像训练一只狗。 想象一下,你口袋里装满了零食。当你的爱犬做出正确的行为(比如坐下),你立刻给予它一颗零食和微笑作为“奖励”;当它做出不当行为时,你则收回注意力,表现出失望,这便是一种“惩罚”。日复一日,狗的行为模式就会被你所期望的方向塑造。 强化学习正是如此。研究员们(或被称为“AI 训练师”)会观察模型的输出。如果输出的内容优质、有帮助且无害,模型就会得到一个正向的“奖励”信号;反之,如果输出是错误的、有偏见的或有害的,它就会收到一个负向的“惩罚”信号。这个过程,特别是加入了人类反馈的强化学习(RLHF),就如同一个精密的行为矫正器,不断地对模型的内部权重进行微调。正是通过这个“驯服”过程,那个原始的、混乱的 GPT-4 才被雕琢成我们今天所见的、能够进行流畅且高质量对话的智能体。预训练赋予了它广阔的知识,而强化学习则为它注入了“灵魂”,教会了它如何以一种对人类有益的方式去运用这些知识。 “信念飞轮”:OpenAI内部的创新引擎 能够在短短几年内,以前所未有的速度持续推出震撼世界的产品,OpenAI 的成功绝非偶然。在其惊人的迭代速度背后,隐藏着一个强大而独特的内部创新引擎,我们可以将其抽象为一个“信念飞轮”模型。这个飞轮由三个相互啮合、彼此驱动的齿轮构成。 第一个齿轮是“宏大叙事下的极致聚焦”。OpenAI 从未掩饰其最终目标——构建通用人工智能(AGI)。这个宏大的愿景像一座灯塔,为所有研究提供了统一的方向。然而,在具体执行上,他们又表现出惊人的克制,整个组织只专注于三到四个核心项目。这种策略避免了资源的分散和内部的无谓消耗,确保了最顶尖的人才可以集中力量,在最重要的战线上取得突破。 第二个齿轮是“绝对透明驱动的集体智慧”。在 OpenAI 的研究部门,一个令人惊讶的原则是“每个人都知道每件事”(Everyone knows everything)。这听起来似乎有悖于传统科技公司对知识产权(IP)的保护逻辑,但其背后是对研究效率的深刻理解。他们认为,因信息壁垒导致最聪明的人无法做出最优化决策的风险,远大于 IP 泄露的风险。这种激进的内部透明,打破了部门墙,让思想能够自由碰撞,从而最大化地激发了集体智慧的潜能。 第三个齿轮是“动能与信念的相互加强”。快速地发布产品,会创造出巨大的市场动能和行业影响力。这种势能,又会吸引全世界最顶尖的人才慕名而来。而这些顶级人才,在极致聚焦和绝对透明的文化中,又能以更高的效率协同工作,从而更快地推出下一代产品。每一次成功的产品发布,都在验证并强化着团队最初的那个宏大信念,形成了一个不断加速的正向循环。这便是 OpenAI 能够持续引领行业变革的核心动力。 通往AGI的地图,仍在被绘制 从最初只能解决谜题的技术演示,到如今能够辅助科学家进行复杂计算、甚至在世界顶级编程竞赛中夺魁的强大工具,AI 的进化轨迹令人惊叹。然而,我们必须清醒地认识到,通往通用人工智能(AGI)的道路,没有单一的终极算法,也没有一蹴而就的捷径。 我们今天所见证的,是一个不断演进、层层叠加的构建过程。预训练是基石,强化学习是塑造,而未来,必然还会有更多我们尚未知晓的模块被添加进来。这幅宏伟蓝图的绘制,依赖于对智能本质的持续探索。 当我们孜孜不倦地教导机器如何像人类一样思考时,或许也应该反躬自问:在这个过程中,我们对于自身智慧、意识乃至存在的理解,又被如何深刻地改变了呢?这或许是人工智能时代留给我们最值得长期思考的问题。

28
8
1
1.7万
数据更新于 1天前
起爆概率
56%
预测浏览量
2.2万
现在评论预计可获得 500 次曝光
宝玉
13.9万
宝玉@dotey· 1天前发布

真要做一个自动化写作的 Agent,工作流可能更合适,毕竟步骤相对固定,成本也会更低,Claude Code 可以在中间做工具用,另外 Claude Code 写作能力不一定很好,需要搭配不同的模型组合使用效果更佳。 AI 写出来的内容质量,主要取决于 2 点: 1. 你提供的上下文质量 2. 模型能力 最后才是提示词水平 这篇文章好是因为这个访谈质量好,提供了优质上下文内容,否则很难写出来好的结果。 就好比你现在让模型去翻译,大部分时候如果原文不错,翻译结果也会不错,如果原文不行,翻译不出来好的内容。 这种拿现有资料去重写的,也是类似一种语言的翻译,是大模型所擅长的。

122
18
13
5.1万
数据更新于 1天前
起爆概率
61%
预测浏览量
11.6万
现在评论预计可获得 500 次曝光
宝玉
13.9万
宝玉@dotey· 1天前发布

通过 Subagents 是一种有效的手段降低上下文,也是类似于软件工程中的分而治之,将复杂问题拆分成若干子问题。 现实中的例子就是一个 Manager 把任务分配给 Employee,他们只负责交代任务的要求,以及等待任务结果,不关心具体实现细节,具体执行的 Employee 可能做了很多琐碎的事情,但是对 Manager 来说只关心完整结果,这样 Manager 的上下文就不会被那些琐碎的事情塞满。 如果用图片(来源见评论)来说明的话,大概是这样

89
18
5
2.1万
数据更新于 1天前
起爆概率
63%
预测浏览量
3.1万
现在评论预计可获得 200 次曝光
Susan STEM
3.9万
Susan STEM@feltanimalworld· 1天前发布

我的系统观 我做的家具,其实都在体现我的系统观。 当混乱出现、熵涌上来的时候,我不会想着“消除”它们:因为根本消除不了。 我的逻辑是:不对抗混乱,而是用结构去吸收它。 比如我家杯子特别多。 我爱喝水、喝茶、喝饮料,全家人都一样。以前杯子总是到处放,桌上、沙发边、床头柜。 我也没办法要求别人“收拾干净”,因为我自己也乱放。 后来我做了一个“杯子轨道”: 让放杯子变成一种有治愈感的动作。 不再是控制人,而是用结构解决问题。 再比如我这张 3D 打印桌子。 它下面其实有个巨大的实木底座,两边是卡座隔离的。这个底座是吸收震动的。再配上实木的三角支架。 为什么?因为我家有狗:德牧姐姐。 她对风吹草动特别敏感,一激动就跳起来狂叫。她一乱动打印机就中断。 我不会强迫她“别叫”,那不是我的解决方式; 也不会把桌子搬进封闭房间。而是让结构来化解行为矛盾。 还有更奇怪的发明。 比如我做过一个“眼不见为净”箱子: 巨大的实木箱子,盖子用气压阀助力打开, 专门放那些“不能扔掉,但又不想看到”的东西。 盖上盖子,上面放只二哈,世界清净了。 我还有一堆让人抓狂的要求: 所有结构必须严密对齐,不能有扫不到、拖不着的角落; 桌子高度要能让我站着办公,也能坐着看书。 这些设计听起来很“强迫”,其实是我在构建与混乱共存的秩序。 平时不敢跟外人说这些,怕人觉得我奇怪。 但推友无所谓,反正我们也不会见面。 这就是我的系统观: 控制不是压制,而是设计结构,让世界自己归位。

105
3
10
9,665
数据更新于 1天前
起爆概率
63%
预测浏览量
1.3万
现在评论预计可获得 100 次曝光
徐冲浪
11.8万
徐冲浪@cyrilxuq· 2天前发布

polymarket怎么这么多pr稿,是在对中文区kol撒钱么?

19
0
8
1.0万
数据更新于 1天前
起爆概率
50%
预测浏览量
1.4万
现在评论预计可获得 100 次曝光
宝玉
13.9万
宝玉@dotey· 2天前发布

Agent Skills 是很好的东西,可以引导 Agent 获取某些技能,而且制作起来很方便。 制作一个技能,就好像给新员工写一份入职手册。不需要为每一个不同任务都专门打造一个独立的智能体,而是只要共享特定领域的专业知识,任何人都可以快速将智能体变成对应领域的高手。 我之前提到过朋友做一个基于他们 Design System 的 Agent,需要通过提示词引导 Agent 去 grep 检索文档,现在就更简单了,只要在全局或者项目目录下的 .claude/skills 下面添加目录,并且放一个包含meta信息的 SKILL\.md 文件,就可以引导 Agents 去学习使用这些 Skill。 官方也给了一个例子就是 PDF Skill,就是包含了一系列 PDF 操作的说明和脚本,Agent 借助这些脚本,就可以操作 PDF,比如提取表单之类。也就是说 Skill 不仅可以包含文档,还可以包含可执行的脚本。 需要注意的是 Skill 里面的 Meta 信息是默认会加载到上下文文的,其余信息用到才会加载。

189
39
12
3.7万
数据更新于 1天前
起爆概率
67%
预测浏览量
7.5万
现在评论预计可获得 300 次曝光
Mina
5,911
Mina@Minamoto66· 2天前发布

昨晚还不算被写作影响睡眠,醒来后各种工作。下午去看了另一处位置很不错的房产,又动心了。 回到公寓工作了一会儿,打电话给某大公司印度客服搞得我想把这个世界砸了。 晚上去参加个社交活动,吃非洲菜。看着挺恶心的但是并不难吃,我吃了两盘。各种糊状物用那种酸酸的小面饼卷起来。席间遇到一男的,说自己来自A市,又遇到一女的,说也来自A市,我就说哎那边那个男的也来自A市,我介绍你们认识。 男的说:不用介绍了,她是我妈。 我:🫣🥴

49
0
8
3,930
数据更新于 1天前
起爆概率
47%
预测浏览量
8,000
现在评论预计可获得 100 次曝光
dontbesilent
5.1万
dontbesilent@dontbesilent12· 2天前发布

语言的边界就是思维的边界 使用垃圾语言就会拥有垃圾思维 https://t.co/bBUz9eeQYh

40
4
4
8,233
数据更新于 1天前
起爆概率
55%
预测浏览量
1.1万
现在评论预计可获得 300 次曝光
凡人小北
1.7万
凡人小北@frxiaobei· 2天前发布

昨天跟 @sparkxxf 聊天,他突然问我一句:你现在都用哪些 AI 工具啊? 我一时语塞,倒不是因为用得少,主要已经用到不自知了。 现在这个节奏,AI 工具已经成了我整个工作 / 创作 / 生活系统的一部分。每个工具负责一块,拼起来像个有分工的 AI 小团队,协作还挺默契。 所以我特地盘点了一下日常用到的,留档,也给大家参考。 我的 AI 主力阵容(几乎天天用) 1. ChatGPT Plus 日常思考 、信息整合、策略拆解,并且越来越懂我,快成我的数字影子了。 2. Claude Code api接入 放第二位是真的很好用,但交互不多,很稳,像个清醒的技术合伙人。 3. Gemini Advanced 资料都在 Google Drive,用 Gemini 与 Drive 深度联动,非常顺手。并且每次调研都会用deepresearch模式。 4. Cursor 企业会员 智能 IDE 不只是补代码那么简单,它开始接管项目结构、调试、模块协作。用久了就很难回到只有手写 + 插件的时代。 5. Notion AI 年度会员 文档、任务、汇总、知识库,像一个专职助理 + 内容处理器,笔记再也不会找不到了。 6. Lovart 年费会员 9 月份因为seedream4.0 和nano banana买了一年,新模型更新快、组合能力强、无限画布 + agent 化创作很适合我自己折腾,省事儿。 7. Get 笔记 国内笔记 App 中我蛮喜欢的,视频总结不要太方便,快速预览。 8. NotebookLM Google 的文档助理型工具。上传自己的资料 / PDF 文献,它帮你总结、回答、做辅助查询,很适合做研究、写报告那类事。 9. 火山引擎上字节家的一系列模型 作为企业用户,可以体验他们最新的模型能力。 10. 阿里云上通义家族 企业客户,阿里云在 AI 模型平台上也布局很深,近年来在云 + AI 上的打法越来越激进,希望在大模型 + AI 云服务这条线能抢占更多空间。 11. Grok Premium(X AI) 嵌在 X 平台里,抓流量、分析账内容、快速摘要偶尔用。 12. Perplexity AI 已经不续费了 包括他家的浏览器,用的越来越少了。 13. 其他各种的AI产品 都在手机上,一直没删,新的功能上线就会冲个会员体验下,用的不多。 每个工具有各自的角色与边界,我基本不关心单一工具谁最强,更在意怎么让它们协作和补位。 打个广告, @sparkxxf 他们团队最近上线了https://t.co/UIfdhZTreq,主打电影级视频创作,据说产品 AI Coding 比例超过 95%,可以体验看看。

55
18
5
7,466
数据更新于 1天前
起爆概率
60%
预测浏览量
1.0万
现在评论预计可获得 100 次曝光
歸藏(guizang.ai)
10.3万
歸藏(guizang.ai)@op7418· 2天前发布

很多朋友问我这几天用 Suno 做的音乐是咋做的 索性搞了一套万能 Suno 提示词,一键直出! 还有新版 Suno V5 的操作教程,两种生成音乐的方式 详细的教程和提示词在下面👇 https://t.co/yEXixDN6f3

314
81
2
3.1万
数据更新于 1天前
起爆概率
76%
预测浏览量
6.1万
现在评论预计可获得 3,000 次曝光