🔥 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。
没错，创新就是多元试错。 因为经常混nerd群。我的理解： 创新就是一个人，他突然产生了一种天马行空的想法。生活在美国这种多元社会，他的思想钢印就是这个事情我不做不行。而且大部分人都听不懂他想干嘛，他义无反顾。 偶尔来一个听懂他说话的人，（比如我，可能是我这个人本身就是理解频段比较宽的人，尤其是对于各种脑洞）。他能滔滔不绝说几个小时。
推特上应该有不少人做小报童等知识变现平台 认真建议大家考虑一下在小红书、抖音、公众号、视频号卖你们的产品哈 真要把事情做起来，不能靠推特的，国内推特合法变现的有几个做起来的 如果你在微信 小红书 抖音都有店铺，肯定不影响你收款 而一旦这些账号有基础的粉丝量，和店铺销量 这对你们以后正经开始做国内平台，是一个非常好的基础 如果你不愿意做这件事情，请认真回答一下 到底是这件事情真的有问题 还是仅仅是因为你对这件事情感到恐惧、内耗而已
18级的学妹，早早实习，早早接触社会 而我，读了博士，现在还像一个幼稚的学生。 唉，怎么讲呢。
我看了3遍才真正看懂《天道》。 开始觉得它装比，后来才明白它是真的牛比！ 第一次看的时候,以为这是一部商战爱情剧—— 一个金融混子用音响扶贫,顺便谈了场恋爱。 很高级,很烧脑,但也就是个意淫的故事。 时隔几年后再看,我发现自己当时根本没看懂。 这部剧最残忍的地方,不是丁元英的冷酷,而是它揭穿了我们为什么穷的真相。 不是因为你不努力,不是因为你没机会。 而是因为你的思维方式,从一开始就注定了你的结局。 剧里有一句话,我第一次看的时候完全没当回事。 丁元英说: "透视社会依次有3个层面: 技术、制度、文化。 任何一个国家和民族, 任何一个个人,要想有所作为, 都不能停留在技术和制度层面, 必须触及文化属性这个层面。" （现在还时常见到有人鼓吹什么技术至上，伟大的技术大佬也都是哲学家） 当时我觉得这只是在装高深。 现在我知道,这是在说我们所有人的困境。 你有没有发现,很多人一辈子都在学技术、找机会、求人脉,却始终没有质的突破。 不是因为他们不够勤奋,而是因为 ——他们的文化属性就是弱势文化。 什么是弱势文化? 丁元英说得很直白: "弱势文化就是期望救主的文化,是依赖强者的文化,是破格获取的文化。" 这句话刺穿了多少人。 我们从小到大受的教育就是: 找个好单位、靠个好领导、嫁个好老公、生在好家庭。 所有的努力方向,都是在寻找一个"救主"。 在家靠父母 出门靠朋友！ 就是想着靠谁？ 而不是让自己成为那个强者。 更要命的是,我们总想着破格获取—— 不想付出对等的代价,却想得到超额的回报。 炒股想抓涨停板, 创业想一夜暴富,工作想轻松拿高薪。 这就是弱势文化的核心 ——不是创造价值,而是寻求捷径。 而强势文化是什么? "强势文化就是遵循事物规律的文化,是依靠自己的文化,是等价交换的文化。" 这才是真正的高手思维——不求救主,只求规律。 而且剧里有一个情节,我看了三遍才看懂。 王庙村的农民找到丁元英,说: "丁先生,你是能人,求你救救我们。" 丁元英问:"我凭什么帮你们?" 村民说:"你是好人。" 丁元英回:"好人就该被你们利用吗?" 这段对话太狠了。 大部分人的思维就是这样 ——我很惨,所以你应该帮我。 你有钱,所以你应该分给我。 你有能力,所以你应该教我。 但从来不问:我能给你什么? 这就是弱势文化的底层逻辑——只想索取,不想付出。 而强势文化的逻辑是——你想要什么,就给出对等的价值。 这改变了一切。 当你的思维是"求人帮忙"时,你永远是弱者。 当你的思维是"价值交换"时,你才有可能变强。 大部分人输就输在这里——他们不是没有机会,而是思维方式限制了他们看到机会。 剧里最震撼我的一幕,是丁元英给芮小丹解释"文化属性"。 芮小丹问:"强势文化和弱势文化,这不就是先进和落后吗?" 丁元英说:"不是。文化属性不以人的意志为转移,不是简单的先进落后。阿拉伯人不吃猪肉,你能说他们落后吗?印度人不吃牛肉,你能说他们愚昧吗?这都是文化属性。" "但弱势文化的致命之处在于——它期望救主,期望有人能违背客观规律来拯救自己。" 这段话我反复琢磨了很久。 弱势文化最可怕的,不是贫穷,而是思维上的依赖。 总觉得自己穷是因为没遇到贵人,没有好机会,没有好运气。 从来不想,是不是自己的思维方式有问题。 而强势文化的人,从不抱怨环境,只研究规律。 市场有市场的规律,商业有商业的逻辑,人性有人性的弱点。 找到规律,遵循规律,利用规律,你就能成事。 违背规律,再努力也是徒劳。 而且剧里还有一个细节,大部分人都忽略了。 丁元英帮王庙村扶贫,不是直接给钱,也不是教技术。 而是帮他们建立了一套商业逻辑—— 用低价策略打市场,用专利诉讼倒逼大品牌收购, 最后让农民赚到钱。 表面上是音响扶贫,实际上是在改造他们的思维方式。 让他们明白:不是等着别人救济,而是自己创造价值。 不是靠卖惨博同情,而是靠产品打市场。 这才是真正的扶贫——不是给钱,而是改变认知。 没有认知的改变,给再多钱也会败光。 但改造认知,比给钱难一万倍。 因为文化属性是刻在骨子里的东西,改起来太痛了。 剧里有一幕我印象特别深。 叶晓明问丁元英:"你这么做,不怕农民背叛你吗?" 丁元英说:"我从来没指望过他们不背叛。我只是把规则设计好,让背叛的成本大于收益。这样,即使他们想背叛,也不敢。" 这就是强势思维——不依赖人性,只依赖规则。 弱势文化的人,总是寄希望于别人的良心、感恩、义气。 结果一次次被辜负,一次次心寒。 强势文化的人,从不考验人性,只设计机制。 让做对的事有回报,让做错的事有代价。 这样,即使对方是小人,也会按你的规则来。 而且剧里最狠的一个概念,是"杀富济贫"。 大家都以为"杀富济贫"是劫富济贫,是从富人那里抢钱分给穷人。 但丁元英说:"杀富济贫,不是杀富人,是杀富人的心。" 什么意思? 就是用商业手段,打败大品牌,让他们主动低头收购。 不是靠暴力,而是靠规则。 不是靠同情,而是靠价值。 你有产品,我有市场;你有品牌,我有专利。 咱们坐下来谈,等价交换。 这才是真正的"杀富济贫"——不是仇富,而是平等博弈。 这个概念彻底颠覆了我。 以前我也有仇富心态,觉得有钱人都是剥削来的,穷人都是被压迫的。 现在我明白了,这种思维本身就是弱势文化。 因为你把自己定义成了受害者。 而受害者心态,会让你永远停留在抱怨和愤怒中。 强势思维是什么? 不是仇恨有钱人,而是研究他们是怎么有钱的。 不是抱怨规则不公平,而是学会在规则内博弈。 不是期待别人施舍,而是创造自己的价值。 看完这部剧,我开始用"文化属性"重新审视我的生活。 我意识到,我身上也有很多弱势文化的痕迹。 遇到困难时,第一反应是"找谁帮忙",而不是"我能做什么"。 看到别人成功时,第一反应是"他运气好",而不是"他做对了什么"。 想要改变时,第一反应是"有没有捷径",而不是"需要付出什么代价"。 这些思维方式,就是我的枷锁。 而真正让我警醒的,是剧里芮小丹说的那句话: "如果我的能力只能让我穷困潦倒, 那穷困潦倒就是我的价值。" 这句话,代表了两种人生态度。 大部分人会说:我穷不是因为我的能力不行,是因为社会不公平、机会不够、运气不好。 但芮小丹说:如果我穷,那就是我的价值所在,我接受。 这不是认命,而是清醒。 接受了现实,你才能改变现实。 而不是活在自我欺骗和抱怨中。 以前我不理解这句话。 我觉得这太残酷了,为什么要承认自己无能? 现在我明白了。 承认自己的能力有限,不是认怂,而是看清起点。 只有知道自己在哪里,才知道该往哪里走。 而那些永远不承认自己能力问题的人,才是真正的困在原地。 因为他们连起点都不敢正视,怎么可能找到出路? 最后,剧里有一个场景我永远忘不了。 丁元英说:"我这不是地狱之门,是窄门。" 什么是窄门? 就是那条少有人走的路,那条需要付出巨大代价的路,那条不能指望任何救主的路。 但也是唯一一条通往强者的路。 大部分人选择宽门—— 跟着大流走,做着大家都做的事,期待着有一天时来运转。 但宽门的尽头,往往是平庸。 因为走这条路的人太多了,竞争太激烈了,红利早就被瓜分完了。 而窄门,需要你独立思考,需要你承担风险,需要你放弃幻想。 它不会给你任何保证,不会有任何救主,只有你自己。 但走过窄门的人,才能真正站起来。 所以这部剧为什么叫《天道》? 不是教你怎么发财,而是告诉你 ——天道就是规律,遵循规律才是唯一的出路。 世界不会因为你可怜就给你机会。 市场不会因为你努力就给你回报。 人性不会因为你善良就不背叛你。 唯一能依靠的,就是规律本身。 找到规律,尊重规律,利用规律。 这才是强者的逻辑。 而我们大部分人,都活在一个幻觉里—— 以为自己很努力,以为自己很善良,以为自己只是运气不好。 但从不反思,是不是自己的文化属性就是弱势的。 是不是自己一直在期待救主,而不是成为强者。 是不是自己一直在寻求破格获取,而不是等价交换。 如果是,那你的结局早就注定了。 不是命运在作弄你,而是你的思维方式决定了你的命运。 改变很难,因为改变思维比改变行为难一百倍。 但不改变更难,因为你会一辈子困在原地。 剧里还有一句话,是丁元英对肖亚文说的: "你不知道你,所以你是你。如果你知道了你,你就不是你了。" 这句话太绕,但细想太深刻。 大部分人活了一辈子,都不知道自己是谁。 不知道自己的思维方式是什么,不知道自己的文化属性是什么,不知道自己为什么一直原地踏步。 他们以为自己在奋斗,其实只是在重复。 他们以为自己在成长,其实只是在变老。 只有看清了自己,看清了自己身上的弱势文化,你才有可能改变。 而改变的第一步,不是学技术、找机会、拼人脉。 而是改变你的思维方式—— 从"期待救主"变成"依靠自己"。 从"破格获取"变成"等价交换"。 从"抱怨规则"变成"利用规律"。 这才是真正的成长。 世界不会主动给你机会,它只会不断地筛选掉弱者。 与其等待救赎,不如改变思维。 每一天都是一次选择—— 做一个期待救主的弱者, 还是做一个遵循天道的强者？ 天道不远,就在你的每一个念头、每一个选择里。 而你, 愿意走那扇窄门吗?
这一次来巴尔干，和亲戚一家相处得挺多的。亲戚一家在我很小的时候移居到外地了，所以成长过程中和亲戚家的儿子并不熟悉，但是还是很快熟络起来。我倒是蛮喜欢他家儿媳妇的，温柔能干，非常贤惠。 儿媳妇比儿子大三岁，曾经有过一次婚姻，后来遇上亲戚家儿子，很快怀孕了。当时亲戚家不同意，儿子一顿闹，坚持要结婚，一晃这么多年了，两口子看着很和和美美。 今天亲戚家儿子和我开车出去公务，路上瞎聊天，他跟我说他要是发财了就在外面找女朋友。听得我很惊讶，我说你们俩不是关系很好很相爱吗？ 他说这并不影响啊，她把孩子带好就好了。 他说，如果我有一天钱很多，我也未必是现在的我了。 我觉得有点能理解，但是又有点失望，因为在我看来他俩的爱情真的很动人。人一旦特别有钱了，尤其是男人，真的就必然花心吗？今天看了@wfwieder 的帖子，更让我想了解了解这种心理…
最近开始恢复健身，跟私教练了几周之后，私教抱怨说客单价提成啥的都大不如前 以前健身房人多 大家也花钱 一个月甚至有的赚小十万 现在买课的少了 买也是可着一点点买 公司给的提成也少了 我就问他 你有没有思考过 你的收入是什么构成的 他摇摇头 说没咋想过 但干到死可能一个月也就两三万吧 我说 收入=时间*单价 你哪怕一天带18节课 单价在那里被锁死了 这样看 只要你不突破模式 你就只有两个选择 第一是提高单价 那么你就得有名气 有很多人主动找你 你就可以提价 或者你换个人群 你去给明星当私教 你有这种路子吗 他想了想 说没这种路子 第二是把时间上加杠杆，比如把你的服务转化成视频课，转化成图书，或者一次性分发很多人，比如你可以1v1万上课，那就是直播了，很多教师就是这样突破千万收入的 他又摇了摇头，哥，太难了 我说，这一点儿也不难，如果你想做，有很明确的路线，你给我私下约一周课，我就教教你 这兄弟也是实在，他说哥你说吧，我觉得能行我肯定免费带你一周 我问他有啥特长，想做啥人群？ 他说他喜欢做康复和体态修正 我说那你就做那些电脑族的体态修正嘛，这就找到定位了，然后你就去写公众号，把你了解的体态问题逐一写清楚，怎么定位自己的体态问题，怎么做运动康复修正，怎么做康复计划 你就开始写，一边写的时候，也在整理自己的体系，也在梳理自己的方法论，甚至有时候你没得写了，江郎才尽，还会倒逼你去搜索最新的体态康复方案，去学习 你就可以配合你的学员实践，继续写，就这么写 他说他以前做过抖音 我说你做抖音谁看呢？你怎么冷启动呢？你做两天就自闭了 因为没有正反馈 他说确实是这样的 没人看 也坚持不下去 那公众号就能坚持吗 这就是公众号不一样的地方 因为你有自己的学员 你有健身群 那你就可以进去洗他们 把他们洗成你的粉丝 你的内容在微信上很容易被传播 不像抖音 这样你就能快速冷启动 公众号文章里早期你可以卖补剂，卖体态纠正的背背佳，卖体态修正计划和咨询 总会有一些成交，也就会有学员的优秀案例 你就又有了前后对比的学员案例背书，这事情就能滚动了 学员多了就分配给你信得过的教练解答 就可以开体态纠正训练营，搞直播课了 你只要开始搞直播，就会有切片，就能继续分发抖音小红书，慢慢滚动 当你真的想开健身房那一天，你还缺客户嘛？ 他两眼一亮，问我，哥你咋会懂健身行业？ 我说，我看着卓叔增重就是这么一步步走过来的，从公众号到B站到深圳的健身房，一步步突破自我 如果你保持好奇心，你会能了解很多白手起家的人是如何一路打怪升级的 这个教练给我免费刷了三节课 但我不知道他会不会真的去做公众号 如果在读故事的你，真的想做公众号 我真的推荐把写作当作一种费曼学习法的实践 让自己多去阅读，多去思考沉淀，哪怕是依靠AI 这就是我做公众号ai矩阵系统，为什么一定要有人工审阅环节 我不想制造互联网垃圾，我希望每个人的内容，都有自己的见解和温度 如果你也是这样的内容创作者，欢迎使用这款产品👇
得知一位兄弟终于从大厂出来，可能选择重新创业，特别开心。 人与人的缘分特别奇妙。这位兄弟，相识于十几年前。后来，两度有过深度合作的机缘，但始终错开发展。 彼此欣赏 + 帮助。从一开始，一个眼神就能感知到是同类。都是心怀梦想之人，不在乎一些东西，同时很在乎一些东西。 大厂是个练兵场。但在大厂，兵始终是兵。兵的真正机会，是出来。 期待这位兄弟的新发展。 Make something beautiful.
恭喜戴尔 UltraSharp U3224KB 成为我最喜爱的显示器 这款显示器目前售价接近 ¥14000，但我要说，在它所属的 “32英寸6K” 这个级别里，这不是一个高价，这是一个极具诚意的价格 同款参数的苹果显示器叫 Pro Display XDR，售价 ¥47999 且显示器支架不送，四万八只能买个屏 支架单独售卖 ¥7799，而且买完支架之后你还是用不了 因为支架和显示屏之间的连接器，还要再卖 ¥1599 这会让我的下单行为显得很蠢 放眼整个市场，在 “32英寸6K” 这个规格上，除了苹果，戴尔 U3224KB 是你能找到的唯一来自大厂的选择，没有之一 这是显示器领域里面，特斯拉一般的存在 另外，显示器顶部那个奇奇怪怪的摄像头，可以录制 4K 视频 📷
老一辈人，比如我父母，根本不理解“带孩子怎么会那么累”….他们当然不累，小孩子5岁就自己出门玩，到了饭点回家。 现在小孩子去玩任何活动，都要消耗一个大人“看着”。在上一代把房价，发展都消耗光以后，育儿的人力，精力成本已经上升到一个不可承受的地步。
我们10月做的小玩具，完全免费的 AI 音乐生成器 Next Music 正式发布了🎉 - Suno v5 级别的音乐生成，音质拉满 - 支持垫歌翻唱，让经典老歌重现 - 支持 MV 导出，可添加任意 GIF 图，一键制作动感 MV 更重要的是，以上这些，完全免费，没有任何套路。 希望大家玩得开心。 也欢迎模型厂商来赞助我们的开销哈。
The same day U.S. humanoid startup KScale shuts down, @XPengMotors, a major EV maker, released their new generation humanoid robot IRON It's mind-blowing: - Targeted mass production: 2026 - 3x XPeng home made Turning AI chip with 2250 TOPS - Human-like spine with full cover soft skin - Powered by Physical World Large Model - Early user pilot in industrial areas Is XPeng going to be the next TSLA + NVDA? Potentially time to long NYSE: XPEV.
😂 最近发现一个很有趣的社区，叫“Fail in Public”（公开地失败）。在“Build in Public”大行其道的今天，这个社区反其道而行之，鼓励大家分享失败的经历。这感觉更真实、更有价值。失败不是终点，而是数据点。你最近一次“有价值”的失败是什么？
最近，你是不是也总刷到《XX 指南》？ 连马东锡老师都忍不住吐槽了。我也有同感，刷到一堆《XX 指南》的推文，第一反应就是骂马斯克又改 X 的推送算法了。这就像当年，来总将微博时间线从“按关注人时间排序”改成算法推荐，也没少挨骂。 似乎一切都是算法的问题：算法在暗处操纵喜好、制造对立，把我们关进一个个信息茧房。 但如果，这一切只是我们的错觉呢？如果就算没有算法，这个世界也照样撕裂，照样有茧房呢？一个最“纯净”的社交平台，也会“自动”演化出我们今天讨厌的一切！ 先别急着反驳，我们来看一个刚出炉的、非常有意思的实验。 来自荷兰阿姆斯特丹大学的一篇论文《我们能修复社交媒体吗？用“生成式社交模拟”来测试各种“劝人向善”的干预措施》，就借助 AI 做了一个模拟试验，他们打造了一个极简版的没有算法推荐的社交平台，有点像早年的推特和微博，只有发帖、转帖和关注功能。 不过他们没有用真人，而是借助 LLM（大语言模型）模拟了 500 个有不同人格的虚拟用户，这些 AI 虚拟用户有不同的政治立场、兴趣爱好和背景。 （顺便说一下，感觉他们这个灵感来自当年斯坦福用 GPT-4 构建的一个名为 Smallville 的虚拟小镇，25 个 AI 虚拟人在小镇上生活，他们有工作，会八卦，能组织社交，结交新朋友，甚至举办情人节派对，每个小镇居民都有独特的个性和背景故事。） 猜猜结果如何？ 大约 5 万次互动就很快复现了三个典型的社交媒体问题： 1. 形成“回音室”：根本不需要算法“投喂”，AI 虚拟人迅速“站队” 。立场接近的互相关注，很快就分成了好几个小圈子，而且圈子之间几乎不相往来 。 2. 大v 们垄断流量：10%的头部用户，拥有 75-80% 的粉丝。 3. 极端声音被放大：立场更鲜明、更极端的观点，获得了更多的转帖和关注。 然后，他们测试了六种从文献中挑选出来的平台级干预措施，结果发现改善极其有限，没有一种干预措施能完全打破导致这些病症的底层机制，有些改变甚至让问题变得更糟： > 我们评估了六种干预措施。虽然有几个显示出温和的积极影响，但没有一个能彻底解决核心病症。并且，在一个维度上的改善，往往是以在另一个维度上的恶化为代价的。（例如：“按时间排序”降低了不平等，却加剧了“棱镜效应”；“搭桥算法”缓解了“棱镜效应”，却加剧了不平等。） 社交媒体被诟病的三大乱象——信息茧房、影响力集中、极端声音放大，很可能根植于人类的网络社交行为本身，跟算法推荐的关系也许并没有我们想的那么大。是我们自己，在主动寻找“同温层”，是我们自己，在把观点极端的人捧成“大v”。 这也不难解释为什么有“关注列表定律”： > @河森堡：几年前，微博流行起一个说法，叫 “关注列表定律”，大意是如果一个人如果理直气壮地冒傻气说蠢话，你点开此人的关注列表，一定会有那么几个账号。 > @幻想狂劉先生: 已经有社会学者在研究这个了，在前信息化时代社会个体被动接受信息，信息传播以单向为主。进入双向时代之后，信息源在筛选受众，受众也在主动筛选信息来源，这时候受众选择信源时的倾向性本身可以反应其认知水平，认知程度和相关立场。 不是算法在撕裂社交媒体，是世界本就如此。我们之所以觉得撕裂，可能只是因为，算法让我们被迫看到了原本看不到的世界。 在没有社交媒体的年代，我们身边都是和自己差不多的人，看的报纸、电视，都是被编辑筛选过的和谐现实。现在，算法把那些原本存在、但被遮蔽的声音，全都翻了出来 。 Tombkeeper 有一个经典的“提费降速”理论，就是类似的观点，大意是2017 年开始“提速降费”，上网人群基数大增，三教九流都来了，导致极端言论增加。 你觉得撕裂，不是算法制造了对立，而是算法让你看见了真实的、多元的、有时甚至有点刺眼的折叠世界。 我相信社交平台其实反而有动机去打破信息茧房。道理很简单：如果算法只给你看你喜欢的东西，你很快就会腻。为了让你能上瘾，能更久地留在平台上，算法必须不断给你惊喜，推荐你可能感兴趣的、但你没见过的新内容。 所以我相信老马和来总他们会把算法优化好的，虽然当前还存在各种问题，总还是会朝着好的方向发展。 这就是为什么虽然我也经常骂老马和来总的算法，但我另一方面也挺依赖平台的推送。 经常有网友问我信息来源是哪里，其实我不止一次说过：我的信息来源主要是 X 的推送和 Hacker News。我几乎只用 X 的“For You”，而不是按时间和关注排序的“Following”，因为算法确实经常帮我发现一些我没关注的、但是有价值的内容。 这篇论文《我们能修复社交媒体吗？》的结尾说的很透彻： > 这些问题能从一个如此简单的平台中“涌现”出来，这表明问题可能根本不在于算法的实现细节，而在于更深层次的结构性机制：它们源于“内容互动”和“网络形成”之间纠缠不清的动态。 > > “转发”不仅仅是在放大内容；它是在“构建”这个社交网络。因为用户是通过他们已关注账户的“转发”，才接触到其他人的。 > > 这意味着一个核心机制：我们进行转发时那种“情绪化的、应激式的、党同伐异的”本质，直接决定了谁能被看见、谁能涨粉。 > > 这就创造了一个自我强化的恶性循环：情绪化的互动 推动了 社交网络的增长，而 增长的网络反过来又 塑造了你未来的信息曝光。这个循环不断地强化着意识形态同质性、注意力不平等和极端声音的过度代表。 > > 我们的发现，挑战了“社交媒体的功能障碍主要是由算法策展（algorithmic curation）造成的”这一普遍观点。相反，这些问题可能植根于社交媒体的底层架构：一个通过“情绪化、应激式分享”来增长的社交网络。 > > 如果真是这样，那么想改善网络话语环境，光靠技术上的“修修补补”是不够的——这要求我们必须重新思考定义这些环境的最根本的互动和可见性动态。 所以问题又绕回来了。既然病根儿不在算法，而在于“情绪化的、应激式的分享”，那光靠平台技术上的“修修补补”是不够的。 这篇论文虽然没给解决方案，但它至少提醒了我们，作为用户，我们自己可以做出改变。 就像开头说到的《XX 指南》，为什么我总刷到？其实仔细想想，并不是满屏都是它，只是其他推文看了就忘了，唯独这种内容，最容易引起情绪、转发和评论，导致它被一次又一次地强化。 这时候，马东锡老师的做法就很高明：他提了一嘴，但用“Low B 指南”代替，也不转发引用。 这，就是一种拒绝参与“情绪化恶性循环”的努力。 如果我们无法改变平台“通过应激式分享来增长”的底层架构，那至少，我们可以改变自己分享和转发的“应激”模式。
B 站现在居然直接可以直接生成翻译后的口播语音了，还可以一定程度复刻音色，没啥违和感 https://t.co/oXg2nN03ME
Podcasts 也更新了网页版，看了一眼科技类榜单，被罗永浩屠榜了！😱 https://t.co/wSilb7F5pf https://t.co/LafWFzQhSd
花费 ¥1655 购买了 AirPods Pro 3 准备回收 AirPods Pro 1，爱回收报价 ¥45 ……
对于向深入学习上下文工程（Context Engineering）的同学，这又是一篇必看的文章。 这篇文章讲的是如何解决 MCP 工具太多的问题，但凡你做过 Agent 开发，用了大量 MCP 工具，就会知道 MCP 工具多了后最大的问题就是上下文占用太多，不仅导致成本高，还会影响推理和生成质量。 另外一个问题就是 MCP 工具返回的中间结果也会挤占大量的上下文空间。 看这文章的时候忍不住夸了一下 Manus，他们确实在上下文工程方面探索的很深入了，里面的工程技巧和他们以前分享过的很类似（我一会把之前分享过的 Manus 相关的文章在评论也发一下）。 Anthropic 的方案也很简单直接，就是把“代码”也当作工具的一种，然后从代码中去调用 MCP。 这样做有很多好处： 1. 解决了系统提示词中工具定义太多的问题 不需要在系统提示词中加载所有 MCP 工具，只需要定义一个“代码”工具。 那需要工具了怎么办呢？ 这些代码都保存在统一的目录下，去目录检索下就能找到合适的工具了，比如这是文中的一个目录示例： servers ├── google-drive │ ├── getDocument.ts │ ├── ... (other tools) │ └── index.ts ├── salesforce │ ├── updateRecord.ts │ ├── ... (other tools) │ └── index.ts └── ... (other servers) 找不到现成的工具怎么办？ 直接现写一个！写完了还可以保存起来下次继续用。 2. 解决了 MCP 工具返回结果太长的问题 比如说我们要用 MPC 工具获取 1 万行数据后筛选转换出合格的数据，就可以先从代码中调用 MCP 工具获取这 1 万行数据，然后从代码中去筛选过滤，最后只返回 5 条数据，这样上下文中就只需要保留那 5 条过滤的数据，而不是像以前一样有 1 万条数据在里面。 3. 解决了数据隐私问题 如果你直接使用 MCP 工具，工具返回的数据都要加载到上下文每次上传给 LLM，用代码就可以对敏感数据先二次处理再加到上下文 4. 中间结果持久化和技能沉淀 代码可以把一些中间结果写入文件保存到硬盘，一方面可以不占用上下文空间，另一方面也可以随时从硬盘避免反复调用 MCP。 还有就是虽然很多代码是临时生成的，但是这些临时生成的代码可以保存下来，沉淀为“技能”（Skill），加上 SKILL .MD 文件就和 Claude Code 的技能一样可以被反复使用了。
我爸妈 50 岁以后，靠着自驾和自助游，跑了30 来个国家。这个月底要去南极了。 我每次看他们发回来的照片，都忍不住念叨，你们把这过程好好拍下来，做成视频，说不定旅游的钱都赚回来了。 不过我现在算想通了。 有些人，是在感受真实的世界。他们旅游结束留下的，可能是几千张存在硬盘里，再也不会翻开的照片，和一些饭桌上可以说的故事。 这些东西，无关变现。 而有些人，去到任何一个地方，关注的都是打卡。吃顿饭都要想个文案，精心维护着数字世界的人设。生活中的一切，都像是为了填充这个人设而发生的素材。 我们把日子过成了一个个项目，追求投入产出比。 怎么说呢，我发现我们这代人因为社媒产生了一种病，总想把生活变现，甚至是为了变现而生活。而父母那代人，他们只想把生活，过成生活本身。 人生短短几十年，是应该尽情展示，还是应该尽情体验？
26年用英文读完这100本书，差一本发100块红包，先抢跑起来。 1. *Sapiens* — Yuval Noah Harari 2. *Man's Search for Meaning* — Viktor E. Frankl 3. *Thinking, Fast and Slow* — Daniel Kahneman 4. *Atomic Habits* — James Clear 5. *Zero to One* — Peter Thiel 6. *Principles* — Ray Dalio 7. *Influence* — Robert B. Cialdini 8. *The Alchemist* — Paulo Coelho 9. *The Hard Thing About Hard Things* — Ben Horowitz 10. *Meditations* — Marcus Aurelius 11. *Range* — David Epstein 12. *How to Win Friends and Influence People* — Dale Carnegie 13. *Factfulness* — Hans Rosling 14. *The Innovator’s Dilemma* — Clayton M. Christensen 15. *Dune* — Frank Herbert 16. *The Four Agreements* — Don Miguel Ruiz 17. *Why We Sleep* — Matthew Walker 18. *Give and Take* — Adam Grant 19. *Quiet* — Susan Cain 20. *The War of Art* — Steven Pressfield 21. *Shoe Dog* — Phil Knight 22. *High Output Management* — Andrew S. Grove 23. *The Psychology of Money* — Morgan Housel 24. *The 4-Hour Workweek* — Timothy Ferriss 25. *Caste* — Isabel Wilkerson 26. *How to Change Your Mind* — Michael Pollan 27. *The Three-Body Problem* — Cixin Liu 28. *The Righteous Mind* — Jonathan Haidt 29. *The Subtle Art of Not Giving a F*ck* — Mark Manson 30. *Mindset* — Carol S. Dweck 31. *Rich Dad Poor Dad* — Robert T. Kiyosaki 32. *Think and Grow Rich* — Napoleon Hill 33. *The Power of Habit* — Charles Duhigg 34. *On Writing* — Stephen King 35. *Bad Blood* — John Carreyrou 36. *Tao Te Ching* — Lao Tzu 37. *Bird by Bird* — Anne Lamott 38. *Thinking in Bets* — Annie Duke 39. *The Hitchhiker’s Guide to the Galaxy* — Douglas Adams 40. *Ready Player One* — Ernest Cline 41. *The Martian* — Andy Weir 42. *The Ministry for the Future* — Kim Stanley Robinson 43. *Invisible Storm* — Jason Kander 44. *Tomorrow, and Tomorrow, and Tomorrow* — Gabrielle Zevin 45. *The 7 Habits of Highly Effective People* — Stephen R. Covey 46. *She Said* — Jodi Kantor 47. *When Breath Becomes Air* — Paul Kalanithi 48. *The 48 Laws of Power* — Robert Greene 49. *One Hundred Years of Solitude* — Gabriel García Márquez 50. *Essentialism* — Greg McKeown 51. *The Lean Startup* — Eric Ries 52. *Homo Deus* — Yuval Noah Harari 53. *Too Much and Never Enough* — Mary L. Trump 54. *Atlas Shrugged* — Ayn Rand 55. *The Fountainhead* — Ayn Rand 56. *The Black Swan* — Nassim Nicholas Taleb 57. *The Lessons of History* — Will Durant 58. *The Magic of Thinking Big* — David J. Schwartz 59. *1984* — George Orwell 60. *Mastery* — Robert Greene 61. *Open* — Andre Agassi 62. *Antifragile* — Nassim Nicholas Taleb 63. *The Selfish Gene* — Richard Dawkins 64. *Life 3.0* — Max Tegmark 65. *The Obstacle Is the Way* — Ryan Holiday 66. *Think Again* — Adam Grant 67. *Red Notice* — Bill Browder 68. *The Warmth of Other Suns* — Isabel Wilkerson 69. *Project Hail Mary* — Andy Weir 70. *The Richest Man in Babylon* — George S. Clason 71. *Poor Charlie’s Almanack* — Peter D. Kaufman 72. *Endurance* — Alfred Lansing 73. *The Power of Now* — Eckhart Tolle 74. *The Spy and the Traitor* — Ben MacIntyre 75. *Snow Crash* — Neal Stephenson 76. *Grit* — Angela Duckworth 77. *Siddhartha* — Hermann Hesse 78. *The Better Angels of Our Nature* — Steven Pinker 79. *Never Split the Difference* — Chris Voss 80. *Good to Great* — Jim Collins 81. *The Coddling of the American Mind* — Greg Lukianoff 82. *The E-Myth Revisited* — Michael E. Gerber 83. *Jews Don’t Count* — David Baddiel 84. *Tools of Titans* — Timothy Ferriss 85. *Between the World and Me* — Ta-Nehisi Coates 86. *Say Nothing* — Patrick Radden Keefe 87. *The Master and Margarita* — Mikhail Bulgakov 88. *Station Eleven* — Emily St. John Mandel 89. *Delivering Happiness* — Tony Hsieh 90. *The Ride of a Lifetime* — Robert Iger 91. *Gödel, Escher, Bach* — Douglas R. Hofstadter 92. *The Man Who Solved the Market* — Gregory Zuckerman 93. *"Surely You’re Joking, Mr. Feynman!"* — Richard P. Feynman 94. *Team of Rivals* — Doris Kearns Goodwin 95. *The Sovereign Individual* — James Dale Davidson 96. *Pachinko* — Min Jin Lee 97. *Billion Dollar Whale* — Bradley Hope 98. *Autobiography of a Yogi* — Paramhansa Yogananda 99. *Guns, Germs, and Steel* — Jared Diamond 100. *When Things Fall Apart* — Pema Chödrön
Sam 推荐的文章 AI完成长任务的能力正在以每6个月翻倍的速度增长。 计算机科学家Boaz Barak基于METR最新数据推演： 如果这个趋势持续，1-2十年内可能看到工业革命级别的经济变革。 ## METR发现了什么？ METR研究了一个关键指标：让AI以50%成功率完成的软件工程任务，人类需要多长时间。 结果很震撼：这个时间长度每6-7个月翻一番。也就是说，AI能处理的任务复杂度每年增长4倍。 更重要的是，这是指数增长。就像国际象棋的ELO等级，AI每过6个月，技能等级就提升一倍。 ## 什么会影响这个趋势？ 作者把因素分成两类：影响当前水平的和影响增长速度的。 当前水平主要受可靠性要求影响。同样的GPT5，50%成功率时能做2小时任务，要求80%成功率时只能做26分钟任务。差距巨大。 现实世界的"杂乱税"也很重。实验室基准和真实任务差距大，需求更模糊、上下文更复杂、标准更难界定。但这更多影响绝对水平，不太会改变增长速度。 增长速度的关键支撑是计算资源的指数增长。训练计算量本身也在每6个月翻倍。但这种增长逻辑上不可能永远持续。 物理世界可能是瓶颈。目前数据主要来自软件工程，机器人技术能否保持同样增长曲线还不清楚。 最大的未知数是递归自我改进。如果AI能自动化AI研发本身，这相当于研发投入的巨大增加。但会导致奇点、加速、还是只是维持现有增长？没人知道。 ## 对经济增长意味着什么？ 作者用了一个精妙的模型：经济学家Benjamin Jones的调和平均数模型。 核心洞察是：即使AI在某些任务上无限强，如果还有10%的任务无法自动化，整体生产力最多提升10倍。因为任务之间不能相互替代。 要实现"变革性AI"（10倍生产力，相当于工业革命级别），需要两个条件同时满足： - 未自动化任务比例大幅缩小 - AI在已自动化任务上的生产力优势大幅增长 按照激进假设：未自动化任务每年缩小4倍、AI生产力每年增长10倍，一年内就能达到变革性AI边界。 但这太激进了。即使采用保守假设——每年自动化9%的剩余任务、AI生产力每年增长10倍——也能在10-15年内实现变革性增长。 对比一下历史数据：过去150年美国人均GDP一直以2%增长，35年翻倍一次。电气化、计算机、互联网都没改变这个趋势。 如果AI真的带来每年5-7%的增长，这是十年翻倍的速度。 经济学家Acemoglu预测AI每年带来0.1% GDP增长，高盛预测1.5%。但作者的推演是5-7%——比高盛估计高3倍以上，比Acemoglu估计高50倍。 就算只增加1.2%的GDP增长，就足以让美国经济保持财政可持续。而2%的提升对美国来说是前所未有的。 ## 与历史自动化有何不同？ 这里有个关键点：过去80年的自动化是线性的——被自动化任务的比例缓慢稳步增长，增速往往还在下降。 如果AI导致未自动化任务比例呈指数级衰减，这将是与历史趋势的彻底断裂。 作者做了个假设：任务难度是"重尾分布"，需要人类花T时间的任务比例与1/T成正比。在这种假设下，能处理的任务时长翻倍，等同于未自动化任务比例减半。 按照6个月翻倍的速度，从AI自动化某行业50%任务到自动化97%任务，只需要2年。 但这极其激进，因为它只关注能力，完全忽略了扩散速度。理论能力和实际应用之间可能有巨大鸿沟。
刚跟女朋友家里谈完结婚的事，原来江西彩礼三十八万是真的😢 而且38.8是起步档，48.8，58.8，给得越多，面子就越大 真是出门在外，面子全靠自己给
这有些片面了： 1. 简单把 OpenAI 当成了模型公司，而无视了 OpenAI 有个超级用户量的 ChatGPT； 2. 从模型能力上来说，OpenAI 在 Coding 上的能力已经反超 Claude Code 了； 3. 从模型领域上来说，Anthropic 主要在单点突破编程和 Agent，但比起 OAI 在多模态、图像、视频上并无多少建树
Anthropic 开始为 Pro 和 Max 用户分别赠送 250 美元和 1000 美元的网页版 Claude Code 积分 有订阅的可以去领取了，这个还是挺多的 https://t.co/BltbCOgEh9
太香了！ Lenny 大礼包新加入了 Stripe Atlas！ Atlas 是 Stripe 官方推出的注册美国公司，公司银行账户，获取 EIN，开通企业 stripe ，税务处理等的服务，可以说是出海开发者的刚需了👍 https://t.co/0r5fjWOtyC
Amazing ！真香 我用 SafePal Fiat24 万事达卡 绑定 美区 Apple Pay，成功订阅 ChatGPT 啦，此方法同样适用于订阅 Claude 折腾了好几次，前面几次直接失败 后面一次是 SafePal 拒绝了，找了官方客服，最后一次成功啦 评论分享 #safepal 绑定美区 #ApplePay 和订阅 ChatGPT 的具体操作方法 https://t.co/XsKPHxdN4D
原提示词中文非JSON版： 核心风格与外观 - 模式： 原始照片级真实感，高保真度。 - 外观： K-Pop 偶像美学，肤色无瑕，高分辨率数码摄影质感，风格时尚。 摄像机与镜头 - 视角： 略微的高角度，主体直视镜头。 - 取景： 极端特写（ECU），构图紧凑，焦点集中在脸部和肩膀。 - 镜头效果： 使用肖像镜头（例如85mm定焦镜头），营造出极浅的景深（DoF），焦点清晰地对准眼睛。 - 画质： 高保真，无数字噪点。 场景、光照与主体 1. 环境与光照 - 设置： 室内工作室或简约的室内环境。 - 光线： 采用柔和、均匀的美颜光（例如使用大型柔光箱或美颜碟），最大限度地减少阴影。必须在眼睛中创造出清晰的“眼神光”，并强调出皮肤和唇部的光泽高光。 2. 主体描述 - 身份： 年轻的东亚女性，采用K-Pop偶像的造型风格。 - 发型： 深棕色长发，呈波浪卷，具有高级的光泽感。 - 表情： 俏皮、自信，同时略带一丝性感。她直视镜头，嘴巴微张，舌头轻微伸出并搭在下唇上。 3. 妆容与着装 - 妆容风格： 现代韩式美妆（K-beauty）趋势。 * 肤质： 追求无瑕的“玻璃肌”效果，呈现水润、高光泽的完妆感，同时保留逼真的皮肤微观纹理（如毛孔细节）。 * 面颊： 涂有玫瑰色腮红，腮红位置偏高。 * 唇部： 涂有光泽感的粉色唇彩。 - 着装： 穿着一件灰色细条纹挂脖上衣，具有结构化设计。上衣带有白色撞色领口翻领，并饰有银色按扣和圆形的金属硬件。 - 配饰： * 发夹： 在她的左侧头发上佩戴一个装饰性的银色/水钻发夹。 * 耳环： 佩戴垂坠式银色耳环（心形图案）。 4. 背景 - 描述： 简约的、中性的灰色或白色墙壁，完全模糊（呈现焦外成像/背景虚化效果）。 美学控制与渲染要求 - 渲染目标： 最终图像应为一张高质量的数码照片，适用于宣传材料或社交媒体发布。 - 材质保真度（重点表现）： * 逼真的皮肤微观纹理（毛孔、光泽感、妆容与皮肤的交互）。 * 根根分明的发丝细节。 * 细条纹面料的织物质感。 * 所有配饰的金属光泽。 - 色彩与影调： * 色调： 整体色调中性、略微偏暖，肤色应充满活力。 * 清晰度： 高清晰度。 * 对比度： 均衡的对比度。 排除项 (负面提示词) - 禁止的元素： 皮肤瑕疵、斑点、皱纹、刺眼的硬阴影、粗糙或哑光的皮肤、干燥的嘴唇、户外环境、扭曲的面部特征、运动模糊、数字失真或噪点。 - 禁止的风格： 动漫、绘画、插画、CGI渲染、低分辨率、粗糙的现实主义风格、复古摄影、恐怖谷效应、过度磨皮或塑料质感的皮肤。
Anthropic 新的 blog 给出了多 mcp 的问题的处理思路。 这里挑战主要是 naive 的处理方法是把所有工具的全部意图、接口定义和执行结果都一起给 LLM 处理，非常不 scale。当工具非常多、工具的返回结果不可控的时候，应该： - 分离 mcp 工具的意图与定义、按需才读取工具的执行上下文（定义） - 在分支里把工具的中间返回结果用外部系统处理掉 分离的方法可以有很多，本质上就是 sub-agent 的范式，其中这里给出的是 code-mode，像 skills 那样： - 只把工具的意图用 file tree 那样给 llm - 具体单独工具的执行放在单独的代码文件里 - 中间返回结果状态由代码先处理 这些思路是精准、精细处理宝贵上下文比较自然的方法。 - 想起来之前设计 FusionGraphRAG 框架的时候，我们针对海量文档，针对文件层级、章节层级构建的图结构，在 retrieval 时候，按需读取 doc file tree/ chapter tree 来决定是否进一步读取文档、章节的思路也是和工具意图、执行分离的 code-mode 类似 - 更早之前我给客户做过工具调用 agent ，背后是 api call 返回结果是千行 json 的时候，我的做法是在 tool 背后套 text-to-sql sub-agent，具体实现是做一个 in-memory sqlite 加载起来千行的返回结果，把 API 的字段定义一起让 sub agent 写 sql 并执行，得到返回结果 generation 了再作为 tool 返回结果，之后我把这个方法起名 JSONalyze，贡献给了 LlamaIndex。 - fusion graphrag https://t.co/QElvQUqMBF - JSONalyze https://t.co/FxTQu5QHIZ
如果你不想再让 ChatGPT 每次都无脑迎合你的话，试试下面的提示词：👇 https://t.co/kwZy01Xsgk
“停🤚今天我脑汁用完了。有什么事情明天再说。” 这句话很好用，屡试不爽。
在我的系统里，Personalization个性化 是一个很核心的东西。 你喜欢什么，不喜欢什么。比如我晚上很有创意，所以我讨厌这个系统把需要脑力的内容放在早上。所有人把重要的事情安排在清晨让我做，我都会直接说我做不到的。 以前小时候，我们接受的教育，就是大家要从众，要服从安排。 穿统一的校服，统一的试卷，统一的思想，连女生都要统一的发型，统一的一切。 为什么？因为这样的人 “好管”。 No~! 我要做系统，那么这个系统的personalization，就要细化到全世界只有你一个人能用。他就是那么的懂你。如果连AI协作我们都要受到这种 “大一统”，“一刀切”制约，那我觉得我们的思想钢印很可怜。所以这一点成为了我哲学的核心。
关注 AI Agent 的力荐 MMC 的这篇刚发布的《State of Agentic AI: Founder’s edition》，不仅数据扎实，分析了问题，还提供了可行的解决方案。 今年 2025 年是公认的 AI Agent 元年，“Agentic AI” 非常火，新产品也层出不穷：Deep Research、Coding Agent、Browser use、Computer use …… 当然 Agent 争议也不小，一部分人认为没啥用，一部分人则觉得 Agent 无所不能，也无可厚非，大家都是主观感受 ，每个人使用场景都不一样，比如我自己就很喜欢 Coding Agent，真的能解决问题。但这种争议如果用数据说话就会有说服力的多，比如说这玩意儿，在真实的企业里，真的用起来了吗？ MMC 则是深入访谈了 30 多家正在做 AI Agent 的创业公司创始人和 40 多位企业里的实际用户，写了这篇报告：《Agentic AI 现状：创始人版》。 【1】真正限制 AI Agent 的，可能不是 AI 不够聪明 大部分都以为目前 Agent 最大的困难会是“AI 不够聪明”、“幻觉太严重”或者“太难和当前系统集成”。 这些确实是问题，但出人意料的是，在创始人眼中，它们排不进前三。 根据调查，部署 AI Agent 时的三大问题分别是： 1. 工作流集成 和 人机交互（占 60%） 2. 员工抵触 和 非技术因素（占 50%） 3. 数据隐私与安全（占 50%） 也就是说最大的障碍，是“人”和“流程”的问题。 1. “这玩意儿我该怎么用？”（工作流集成） 这是占比 60% 的最大难题。 一个 AI Agent 再牛，如果它是一个需要单独打开的 APP，需要员工在现有的工作软件（比如钉钉、飞书、Salesforce）之外，再打开一个新窗口去指挥它，那它的使用率注定高不了。 成功的集成，是把 AI 嵌入到员工已有的工作流里。比如，当销售在 CRM 里更新一个客户状态时，AI Agent 自动跳出来说：“我帮你把刚才的会议纪要总结好了。” 这已经不仅仅是个技术问题了，更需要企业改变观念，企业得先想清楚：“要集成这样的 AI Agent，我原有的工作流程需要怎么改？”这往往比买一套 AI Agent 难得多。 2. “它会不会抢我饭碗？”（员工抵触） 这是 50% 的创始人提到的信任危机。 我们得承认一个现实：在企业里，人类和 AI 的合作，目前大多不太愉快。 - 一种是“过度依赖”：员工把活儿全丢给 AI，自己不检查，结果 AI 出了错，比如给客户报了个错误的价格，酿成大祸。 - 一种是“过度怀疑”：员工根本不信 AI，AI 做的每一步，他都要自己再核查一遍。这非但没提高效率，反而增加了工作量。 更深层的，就是对被 AI 取代的恐惧。这导致员工在用的时候束手束脚，或者干脆阳奉阴违，不愿配合。 3. “我的数据喂给 AI，安全吗？”（数据隐私） 这也是 50% 的创始人提到的核心关切。 这个问题在金融、医疗等行业尤其严重。企业会担心：“我把内部的财务报表、客户病历交给这个 AI Agent 分析，这些数据会不会被拿去训练别的模型？会不会泄露？” 这种担忧，有些是真实存在的，比如需要符合 GDPR、ISO 27001 等合规认证，也有些纯粹是感觉上的。但无论哪种，都会让企业在部署时畏手畏脚。 【2】做得好的 AI Agent：高准确率和高自主性 既然有这么多困难，那现在做的好的那些 AI Agent，实际表现怎么样？ 这个报告给我很大收获的一点是它从两个维度来量化现在的 AI Agent：准确率（Accuracy）和自主性（Autonomy）： - 准确率：AI 干的活儿，多大比例是对的、被人类接受的。 - 自主性：AI 干活儿时，多大程度不需要人来插手。 理想状态当然是高准确+高自主。但现实是，超过 90% 的Agent创业公司声称自己的方案达到了 70% 以上的准确率。 所以 MMC 把 Agent 划分了三个分类（低准确率+低自主性的Agent就不配存在）： 1. 中准确、高自主： 适用于低风险、高重复、易验证的工作场景。比如自动给海量的营销邮件打标签。就算 AI 标错了 30%，但它帮你自动处理了 1000 封，你只需要人工纠错那些明显不对的，总体效率还是远超纯人工。 2. 高准确、低自主： 适用于高风险、高价值领域，比如医疗场景。比如 AI 帮你起草临床试验的研究报告。它必须保证 90% 以上的准确率，但人类专家必须在每一步进行严格审核（低自主权）。它扮演的是“超级助手”，而不是“决策者”。 3. 高准确率 + 高自主性： 这可以说是最理想的“甜点区”，是大家努力的方向。它适用于那些 AI 部署相对成熟或规则边界清晰的领域。比如客户服务、网络安全或金融合规。在这些场景下，AI Agent 已经足够可靠，达到 80%-90% 的准确率和自主性，可以被授予高自主权去端到端地处理任务。报告提到，这里的秘诀通常是将概率性的大语言模型与更具确定性的 AI 方法相结合，以提高准确性，从而进一步提高自主性。 【3】企业开始为 Agent 付费了 聊 AI Agent 落地，绕不开收费的问题，毕竟靠烧钱是无法持久的。 好消息是企业开始真掏钱付费了 报告发现，62% 的 AI Agent 创业公司，已经拿到了企业的“业务线预算（Line of Business budget）”。 这是个超级积极的信号。可能很多人不知道大公司内部的预算分两种：一种叫“创新预算”（Innovation budget），就是小金库或实验经费，数额不大，用完了算，大家图个新鲜。 而“业务线预算”，是各部门（如销售部、市场部、财务部）用来保证自己核心业务运转的支出。 当 AI Agent 开始动用“业务线预算”时，意味着它已经从可有可无的玩具变成了能帮我干活的生产力工具。 坏消息是现在还没摸索出最佳的收费模式 虽然知道这玩意儿值钱，但到底该怎么定价？报告显示，大家都在摸索，主流的两种方式是： 1. 混合定价（23%）：比如“基础服务费 + 超出部分按用量付费”。 2. 按任务次（23%）：AI 帮你干成一件事（比如发出一张发票），收一次钱。 而大家最期待的按照按效果付费（Outcome-based），目前只有 3% 的公司在用。 为什么？因为太难了。 比如，一个“销售 AI 助手”，它帮销售赢了个大单。这个功劳，到底 80% 算销售的，还是 20% 算 AI 的？怎么衡量？如果 AI 没功劳，企业是不是就可以不付钱？这根本算不清。 所以，目前最现实的还是按苦劳付费，而不是按功劳付费。 【4】最重要的部分：成功的 AI Agent 落地策略 既然 AI Agent 落地这么难，那些成功的 Agent 公司是怎么说服企业客户的呢？ MMC 的访谈总结出了一套非常实用的落地经验： 秘籍一：“Think Small”（从小处着手） 报告总结了一个非常务实的落地策略：Think Small (从小处着手)。 忘掉那些“彻底颠覆行业”、“全自动替换人类”的宏大叙事。成功的 AI 智能体，往往从一个非常小、非常具体的切口进入： - 起点： 选一个低风险、中等收益的任务。 - 关键： 选一个员工最讨厌干的活儿。比如，销售团队最烦的手动录入客户数据，或者财务团队最烦的核对发票。 - 定位： 永远不要说你是“替代品” (Replacement)，要说你是“副驾驶” (Copilot)。 你的目标不是让老板开除员工，而是把员工从那些重复、枯燥、没人想干的破事儿里解放出来。 当员工发现，这个 AI 真的帮我省了每周 5 小时填表的时间，信任的种子才算种下了。 秘籍二：“保姆式”服务（Hand-holding） 现在的 AI Agent 还远没到即插即用的程度。企业买的不仅是软件，更是一整套陪跑服务。 成功的创业公司都在用“前线部署工程师（FDE）”模式。这帮人既是程序员，又是咨询顾问，他们会直接“扎”到客户的办公室里，手把手帮客户梳理流程、清理数据、调整 AI。 同时，人机交互界面要做到“3E”： 1. Education（教育）：AI 要能主动教用户“我能干啥，你该怎么用我”。 2. Entertainment（趣味）：交互得有趣。 3. Expectation Management（预期管理）：AI 必须坦诚地告诉用户“我干不了啥”，别吹牛。 秘籍三：定位决定生死（Positioning） 最后，你怎么“说”你是谁，可能比你“是”谁更重要。 - 是“副驾驶”，不是“替代者”： * 一定要把姿态放低。你的产品是“Copilot”（副驾驶、领航员），是来“Augment”（增强）员工能力的，不是来“Replace”（替换）他们的。哪怕你的技术真的能替换掉 80% 的人，也千万别这么说。 - 看人下菜碟： * 在医疗这种保守行业，你最好少提“AI”，多谈“自动化”、“效率提升”。 * 在金融这种激进的行业，你就得猛吹“Agentic AI”，显得你很前沿。 - ROI 要具体： * 对于成熟流程，就说“节省了 XX 小时”或“降低了 XX% 成本”。 * 对于 AI 创造的新能力（比如“千人千面”的网页），就把它和你已有的工具挂钩，比如：“能让你的谷歌广告转化率提升 20%”。 【最后】 港真，年初的时候我还是 AI Agent 的怀疑论者，自从用了 Claude Code 后，我开始“真香”，变成了 AI Agent 的积极拥护者，也一直很关注这个领域的发展，这份报告质量还是很高的，尤其是给我最大感触的点是： 决定 AI Agent 落地成败的，最重要的因素已经不是模型能力够不够强，而是它怎么和企业内部的流程整合，怎么取得员工的行人，怎么证明它存在的价值。 另外从准确率和主动性这两个维度来量化评估 AI Agent，是挺科学的，现在很多的 AI Agent，主动性高了准确率可能就不够，准确率上去了主动性又不行，要做好 Agent，最终还是要做到像一个情商高的真人那样，在你还没开口时，就洞察到你的需求，默默帮你把事情搞定。
之前的创业经验带来的一大感悟： 给投资人看的 BP（商业计划书）绝对不是你的产品路线图（Product Roadmap）。 A轮前的融资，本质是经营“信心”和“故事”，而不是展示你的产品应该是什么样子 —— 因为没人知道。投资人想看到的是一个宏大的愿景，以及你如何一步步验证假设、建立影响力的过程，并不需要你知道这个东西到底长什么样子
直接上传一整个商业计划书。比如一份上链的计划。 记得我说过咨询公司这种无法deploy的商业计划书模式已经过时了么？（据说他们现在也在用AI写这种无法一键执行的咨询计划书） 直接上传，一键生成所有的具体执行步骤。包括代码。 语言无法执行，是空话。语言可以执行，是力量。
🤯这是什么造型儿？我给你送钱不要，反手送我 $1000？ https://t.co/Wy07780sKQ
太牛了，Gemini 生成的 PPT 自定义程度相当高 完全可以通过提示词详细控制风格 https://t.co/b8GKUMJX8H
前几天说的 Gemini APP PPT 创建能力已经全量上线 只需要选择 Canva 模式，然后跟他说帮你创建 XXX PPT 就行 比如我这里就让他帮忙创建了关于最近 Open AI 并购和算力投入的介绍和分析 PPT 只能说搜索还得谷歌，很全面，而且配图都是跟内容相关的没有用 AI 生成 https://t.co/qjFrS95o3E
独立 开发/工作者 如何赚到第一个一百万？ 1）构建一个 产品 or 服务，标价 100万，如果卖掉了，那你就赚到了； 2）如果卖不掉，不要紧，你可以多 Vibe 几个项目，然后标价 100 块 或 200 块，然后一直 Vibe，一直卖； 3）一直 Vibe，一直卖； 4）一直 Vibe，一直卖… 5）直到卖够 100 万为止！🦄
亲戚说他会理发，靠着给邻居理发买到了现杀的小公猪。 我问他能不能给我理发，他说没问题，晚饭后就开整。 工具一字铺开，看着挺专业的，反正我要求不高，整体剪短就行。亲戚媳妇在一边唠叨：你会剪吗？是这么剪吗？亲戚说：你别管，你懂啥～ 过了一会儿亲戚媳妇走了，我问亲戚：您这剪发的手艺跟谁学的？ 亲戚说：抖音上看的啊！ 我：😵 过了一会儿亲戚媳妇拿着叽里哇啦的手机冲过来说：你看你看，这个视频说应该这么剪！ 亲戚眯着眼睛看了一会儿：是啊，应该往前再剪剪！ 我：🫣🫣🫣 最后结果还不错！今天出去见人没问题😝
想搞流量吸引客户，缺不知道写什么怎么办？ 试试这⬇️6个大类，30个不同的方向！ （以玩推𝕏涨粉为例，可以写以下这个内容） 一、核心能力构建 1. 技巧（Tips）给想在推特涨粉的人的实用涨粉技巧合集——从最佳发文时间到互动策略。 2. 技能（Skills）想在推特涨粉的人必须掌握的核心技能（文案写作、视觉设计、数据分析、社群运营），以及如何一步步训练这些技能。 3. 工具（Tools）帮助想在推特涨粉的人更高效创作、排期发布、分析数据和管理账号的必备工具与软件。 4. 特质（Traits）那些在推特上持续涨粉的顶级创作者都具备的共同特质——真诚、持续性、互动力、独特视角。 5. 步骤（Steps）作为想在推特涨粉的人，从0粉到1万粉的完整进阶路径和系统化增长步骤。 6. 目标（Goals）想在推特涨粉的人在不同阶段（0-1000粉、1000-1万粉、1万-10万粉）应该为自己设定的具体目标。 二、学习资源 7. 书籍（Books）想在推特涨粉的人必读的关于内容创作、社交媒体运营和个人品牌打造的经典书籍。 8. 习惯（Habits）那些在推特上稳定涨粉的创作者每天都在坚持的小习惯——发文、互动、学习、复盘。 9. 故事（Stories）普通人如何通过推特从0粉丝逆袭到数万甚至数十万粉丝的真实成长故事。 10. 名言（Quotes）来自顶级社交媒体创作者和营销大师的金句，激励想在推特涨粉的人坚持创作、永不放弃。 三、进阶秘诀 11. 秘密（Secrets）只有推特顶级创作者才知道的不为人知的涨粉秘诀——算法偏好、爆款公式、隐藏技巧。 12. 洞察（Insights）深入了解推特算法机制和用户行为规律，帮助想在推特涨粉的人理解内容传播的底层逻辑。 13. 好处（Benefits）想在推特涨粉的人在成功建立个人影响力后能获得哪些实实在在的好处——变现机会、人脉资源、职业发展。 14. 经验教训（Lessons）想在推特涨粉的人在运营账号一年后会学到的10个最宝贵的经验和教训。 15. 理由（Reasons）为什么现在是做推特内容的最佳时机，以及为什么你应该成为一个想在推特涨粉的人。 四、学习对象 16. 创作者（Creators）想在推特涨粉的人应该关注和深度学习的顶级创作者名单——他们的定位、风格和成长路径。 17. 日常流程（Routines）那些在推特上持续涨粉的创作者每天的工作流——内容创作、互动回复、数据分析、灵感收集。 18. 误区（Mistakes）想在推特涨粉的人最容易犯的致命错误——刷粉、过度营销、内容同质化、忽视互动，以及如何避免这些陷阱。 19. 播客（Podcasts）每个想在推特涨粉的人都应该收听的关于社交媒体、内容创作和个人品牌的优质播客节目。 20. 案例（Examples）那些在推特上成功涨粉的账号的详细案例拆解——从内容策略到增长曲线的完整分析。 五、实战应用 21. 问题（Questions）想在推特涨粉的人在开始运营账号前应该问自己的10个关键问题——定位、受众、差异化、长期规划。 22. 灵感来源（Inspiration）当想在推特涨粉的人没思路时，哪些方式能快速激发创作灵感——热点追踪、用户痛点、个人经历。 23. 模板（Templates）想在推特涨粉的人可以直接套用的爆款推文模板、内容框架和发布计划表。 24. 资源（Resources）想在推特涨粉的人应该研究和学习的优质资源合集——数据平台、学习社群、案例库、工具包。 25. 挑战（Challenges）所有想在推特涨粉的人在账号初期都会遇到的共同挑战——冷启动、内容枯竭、涨粉瓶颈，以及突破方法。 六、持续精进 26. 标杆账号（Benchmarks）那些在涨粉策略和内容质量上做得特别出色的推特账号，值得想在推特涨粉的人深入研究和学习。 27. 数据指标（Metrics）想在推特涨粉的人应该重点追踪的关键数据指标——曝光量、互动率、涨粉速度、内容表现，用数据驱动优化。 28. 顿悟时刻（Realizations）当你在推特上坚持创作并涨粉满一年后会有的关键性认知突破和成长感悟。 29. 框架（Frameworks）帮助想在推特涨粉的人克服创作焦虑、系统化打造内容增长体系的思维框架和运营模型。 30. 课程培训（Courses）想在推特涨粉的人值得投资的优质线上课程、训练营和社群推荐——从入门到精通的学习路径。 -来自《The Art & Business of Ghostwriting》No.61 page 如果能用心围绕你的目标客或某个特定场景， 把这30个主题都写完！ 估计都可以搞出1门课，甚至是扩展成1本书了。 喜欢请点赞关注，希望对你有帮助🫰