🔥 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。
谷歌这波太猛了！Pro年度计划五折，这个真可以冲了 https://t.co/zZF75erROg
下午给H去了个电话，表达了一下我的关切和支持。她说她现在找了一个免费的司法协助把公司走破产程序。她说她当时真的是纯纯的小白兔，现在当然也悟了。现在她已经好点了，过了最初觉得五雷轰顶的时期。她接手这个公司的时候因为公司没有钱流入银行账号都没了…我跟她说需要注意的一点是公司破产后会不会对她的信誉有影响。她说就算有也改变不了什么，她只能说为自己的选择交学费了。我跟她说我完全不知道之前她给L干，如果我知道我一定会提醒她小心，就像当年我刚认识L的时候也有老大姐马上提醒我小心一样… 我跟她说咱们就总结个经验教训吧，总想白嫖你的人一定不可交！
🔥最近九宫格很火啊，摸索了一套海马体精致写真，立省 399！😍 刚好平安夜🎄也很应景，赶紧给前女友现女友整一套！ 提示词如下： { "project_settings": { "task_type": "9-Grid Minimalist Portrait", "aspect_ratio": "3:4", "batch_size": 1 }, "theme_config": { "style": "Minimalist Christmas Accents", "intensity": "Subtle / Accessory only", "logic": "Keep original clean aesthetic, add only ONE festive accessory per panel" }, "prompt_payload": { "structure": "A single contact sheet image containing a 3x3 photo grid matrix", "subject_base": { "identity": "Young Asian woman (Face ID)", "outfit": "Simple grey knit tank top or white t-shirt (Clean, modern look)", "makeup": "Natural, clean, fresh" }, "festive_accents": { "option_1": "Wearing a small, cute red mini Santa hat", "option_2": "Wearing subtle brown reindeer antler headband", "option_3": "Wearing a simple red knitted scarf loosely" }, "visual_style": { "background": "Solid light grey or white studio background (No busy Christmas trees)", "lighting": "Soft studio photography light, clean shadows", "color_palette": "Grey, White, Skin tone, with a pop of Red" }, "expression_flow": "9 distinct playful expressions (Winking, Pouting, Laughing, Serious, etc.)" } } 评论放了不带圣诞元素的纯净风格👇
两三个朋友，忙前忙后帮我挑北京线下课的场地 manus 一条命令解决了😂 马上付款 https://t.co/H99AktjOUP
2025，对我来说是充满变化的一年！这一年发生了太多值得记录的事情。记录几条工作方面的亮点： • 鼓起勇气离开了 Xero，探索了几条不同的路，最终发现——原来不当员工我也能活得很好。 • 推出了自己的第一个 App，从上线第一天就开始变现。 • 把我的 X 账号运营到了 11 万粉丝。 • 卖出了部分股票，换来了六个月的自由时间。这可能是我人生中“最贵”的一笔消费，但绝对物有所值。 • 给自己设了个小挑战：“20 小时赚 1000 美元”，主要是想看看自己能不能做到——结果还真成了。 • 低调开启了一个全新的设计咨询项目。 2026，有很多让我兴奋的新计划。等准备好了就会分享。 祝你圣诞快乐！
认真对待文字，1000 粉丝，一条内容就够了，任何平台都是如此 别说推特了，就算虎扑，一条帖子也能涨粉 1000 以前推特的那套 GitHub 算法大家都知道，Heavy Ranker，如果一条推文的评论被作者回复了，权重相当于 75 次转发 于是很多人养成了回复每一条评论的习惯 但结果你会发现，这些人里，大多数人粉丝量徘徊在 1～2w 因为花了太多时间迎合算法，花了太少时间思考内容
读到一篇思路很牛逼的文章！AI总结下。 一个老外叫Simon，用大模型两年做了150个工具。 这不奇怪，强的是他只用单页HTML做！ 把复杂的事情变简单，把简单的事情做到极致。 比如： - 想把 SVG 转成 PNG，但不想装软件 - 想看两个 Python 包版本之间改了什么 - 想更清楚地浏览 Bluesky 上的讨论 这些都用 HTML 工具搞定了。 一个 HTML 文件，打开就能用，不需要安装，不需要注册。 Simon 坚持一个原则：所有代码写在一个 HTML 文件里。 听起来老派，但优势也很明显： - 可以直接从 ChatGPT 或 Claude 里复制粘贴出来 - 扔到 GitHub Pages 上几秒钟就能用 - 不需要 npm，不需要构建步骤 - 两年后还能打开，不会因为依赖过期崩溃 他特别强调 "不要用 React"。 因为 JSX 需要构建，这会让整个流程变得麻烦。 保持简单，就是保持可维护。 从哪里开始？ 最简单的方式是直接在Claude 或 Gemini 里试： "做一个能把 JSON 转成 YAML 的工具，不要用 React" 一会儿你就能看到一个可以用的工具。 Claude 叫这个功能 Artifacts，ChatGPT 和 Gemini 叫 Canvas。 这只是开始，真正有意思的是他能把各种简单基础用到极致，比如“复制粘贴”功能 操作系统的剪贴板其实能携带多种格式的数据。 你从 Word 里复制内容，粘贴到另一个 Word 文档里会保留格式，但粘贴到记事本里就只剩纯文本。 JavaScript 可以读取这些不同格式的数据。 这意味着什么？ ① 你可以做一个工具，粘贴 Hacker News 的讨论 URL，它给你整理好的文本版本 ② 你可以做一个工具，粘贴图片，它把所有图片的 alt 文本提取出来 ③ 你可以做一个调试工具，显示剪贴板里到底有哪些格式的数据 状态存在哪里？ 没有后端数据库怎么办？Simon 有两个办法： 把状态存在 URL 里。 比如，他做了一个 24x24 的图标编辑器，你画的图标直接编码在 URL 里。这样你可以收藏，可以分享，打开链接就能继续编辑。 把关键的信息存在 localStorage 里。 比如 API key 这种敏感信息，不能出现在 URL 里，也不能发到服务器。 localStorage 让数据只存在用户的浏览器里。 他还用 localStorage 做自动保存。 写字数统计工具时，每次输入都会保存，这样不小心关掉标签页也不会丢内容。 CORS 是个宝藏 CORS（跨域资源共享）听起来很技术，但理解它很重要。 有些 API 允许你从浏览器直接调用，不需要经过自己的服务器。这些 API 就是金矿： - iNaturalist 可以查动物的观察记录 - PyPI 可以获取 Python 包的信息 - GitHub 的公开仓库内容都可以直接获取 - Bluesky 和 Mastodon 的 API 也很开放 Simon 甚至用 GitHub Gists 来持久化数据。 因为 Gist 的 API 支持 CORS，你可以做一个纯前端工具，把用户的数据保存到他们自己的 Gist 里。 文件不需要上传 <input type="file"> 不只是用来上传文件。 JavaScript 可以直接读取文件内容，在浏览器里处理。 Simon 的第一个工具就是 OCR 工具。 你选择一个 PDF，它在浏览器里转成图片，然后跑 OCR。整个过程不需要上传到任何服务器。 他还做了视频裁剪工具。 你打开一个视频文件，拖动裁剪框，它会生成一个 ffmpeg 命令，你可以复制到终端里执行。 反过来也行。 你可以让用户下载文件，不需要服务器参与。 JavaScript 可以生成 PNG、JPEG、ICS 日历文件等等。 Python 和 WebAssembly 这是最让人兴奋的部分。 Pyodide 让 Python 可以在浏览器里运行。 不是玩具级别的运行，是真正的 Python，包括 Pandas 和 matplotlib。 Simon 做了一个工具，你输入数据，它用 Pandas 处理，用 matplotlib 画图，全在浏览器里完成。 WebAssembly 打开了更多可能。 Tesseract OCR、SQLite、图片压缩库，这些原本用 C 或 C++ 写的软件，现在都能在浏览器里跑。 当你有了 100 多个工具，新工具就容易多了。 每个工具都是下一个工具的参考文档。 你可以告诉大模型："看看我之前做的 PyPI 包浏览器"，然后说："做一个类似的，但是显示两个版本之间的差异"。 LLM 会读你之前的代码，理解你的模式，然后生成新的工具。 这比从零开始快得多，而且更可靠。 Simon 的这些工具真可以解决问题。 更重要的是，这种方式让你能快速实验。 想法到原型可能只需要几分钟。 不用担心部署，不用担心维护，不用担心成本。 怎么起步尝试？ 一个 GitHub 仓库，开启 GitHub Pages。 然后就可以开始了。 用 ChatGPT 或 Claude 生成一个工具，复制粘贴到仓库里，几秒钟后就能在网上访问。 不需要完美，不需要复杂。 从一个解决你自己问题的小工具开始。 然后慢慢积累，慢慢改进。 两年后你可能也会有几十个甚至上百个这样的工具。 每一个都在某个时刻帮到你，每一个都让下一个更容易做出来。 这就是 HTML 工具的魅力：简单、实用、可持续。 原文见评论区。
公众号封面生成提示词，改改就能用 拿走： 公众号首图封面，横版 2.35:1（WeChat Official Account cover），高点击率缩略图风格，high contrast, clean layout, cinematic lighting, sharp focus。 【人物】 画面右侧：真人质感半身肖像（宝爸/宝妈博主形象），以用户上传的真人照片为基础，保留用户的面部特征与整体形象，真实皮肤质感与自然发丝细节；表情为中度惊喜/震撼（眼睛睁大、微张嘴或自信惊喜笑），正面补光，人物边缘做轻微描边/柔和发光轮廓以从背景中分离。 【背景】 左侧与中部为“AI 生成幼儿教育材料 + 流量增长”的组合背景：一层是教育素材图片墙/拼贴（抽象缩略图风格：英语记忆宫殿场景标注图、识字小报、习惯养成打卡表、奖励卡票券、黑白卡九宫格等元素），另一层叠加科技感 UI 线框与数据面板、向上增长的流量曲线与箭头。背景轻微虚化与降噪，避免抢文字。 【配色风格】 蓝色科技渐变为主（深蓝/亮蓝过渡），黄色高能点缀（贴纸、爆炸贴、强调条），蓝+黄强对撞，整体明亮但不刺眼。 【文字排版（必须清晰可读）】 左侧标题区留出干净空间，文字不被人物遮挡，字要大、粗、高对比、边缘清晰： 主标题（超大粗体，原样输出，不改字）：「学会5个图片提示词，孩子教育更轻松」 副标题（小一号但清晰，原样输出）：「还能用来图文起号」 可加两个小角标贴纸（简短清晰）：「0-7岁」「5个模板」 品牌露出：标题附近小字 “by 铁锤人”，不抢主标题。 【整体要求】 真实摄影质感 + UI贴纸合成风，画面干净、冲击力强、信息层级明确；无水印、无乱码、无多余文字；不要3D渲染、不要卡通人物、不要复杂花哨背景、不要低清模糊。
如果做个课叫《如何使用 manus》我可以卖掉 1 万份 如果这个课叫《如何下载 manus》我可以卖掉 10 万份 https://t.co/Zqm1nVrErd
ShipAny 已支持 Turso 数据库。再也不用在 supabase 为每个新项目额外支付 10 美金/月了，出海上站成本大幅降低。🎁 Turso 定位是“小而强”的边缘数据库，百分百兼容 SQLite语法，并发读写性能远高于传统 SQLite，主打 AI 应用、嵌入式和 Serverless 场景。原生支持向量搜索，一条 SQL 就能做相似性检索，适合 RAG 业务。 Turso Cloud 提供云数据库，全球 30 + 节点，支持多种语言的 SDK，一个 URL 轻松接入。 注册 Turso，免费版就可以创建 100 个数据库，充值 5 美金可以使用 500 个数据库，量大管饱，新一代赛博菩萨。 ShipAny 已集成 Turso，只需要在环境变量加三行配置即可启用👇 DATABASE_PROVIDER = "turso" DATABASE_URL = "" DATABASE_AUTH_TOKEN = "" 支持 vercel / dokploy / cloudflare workers 等部署场景。 如果你在积极上站，项目比较多，不妨一试。☁️
昨晚和朋友兼客户聚餐，八卦到一个我们这边华人圈的一大事件，当事的两个人我还都认识。 L是一70后生人的女士，嫁到这边，这个人很能折腾，但是婚姻不幸，已经是第三次结婚了。总是说大话，满嘴跑火车，说话方式是那种：“哎我得走了，下午还要和财政部长喝个茶，她可是我的老闺蜜了。”我个人不是很喜欢她，敬而远之。她第二任老公是个议员，之前听说她联系了一家国内的企业搞光伏、储能设备，信誓旦旦要占领这边全国市场，拿政府单子，当时拉我一起做，我说我没精力。这当然是实话，但是更重要的是我不信任这个人。H是一个很年轻的女孩，上学期间给L免费干了很多活，后来想要留在这边，L给她办了工签。干着干着，L的公司出事了，既欠国内的货款又欠这边甲方的钱。L因为资金压力把H开除了，H的工签就出了问题。在H焦头烂额的时候，L忽然说你之前为我免费干了那么多的活，既然想留下来，我把公司送给你吧。H这个孩子竟然很感动地接手了。接手后才意识到公司对外欠债几十万欧元。H找了律师，律师说这种情况下你只能走破产清算，但是走破产程序也要花很多钱的，H已经垫了3-4万欧元在里面。据昨天一起八卦的朋友说H目前情绪稳定，说就算上了人生一课了，还不想和L撕破脸。 我服了，就这还不想撕破脸，像傻狍子一样再被揍一顿吗？
Black Cat { "subject": { "description": "POV shot looking down at own legs standing on pavement, surrounded by a circle of six black cats looking up at the camera.", "mirror_rules": "N/A (Direct POV shot)", "age": "young adult", "expression": { "eyes": { "look": "N/A", "energy": "N/A", "direction": "N/A" }, "mouth": { "position": "N/A", "energy": "N/A" }, "overall": "N/A (face not visible)" }, "face": { "preserve_original": false, "makeup": "N/A" }, "hair": { "color": "N/A", "style": "N/A", "effect": "N/A" }, "body": { "frame": "legs and feet only", "waist": "N/A", "chest": "N/A", "legs": "slender legs", "skin": { "visible_areas": "legs through stockings", "tone": "fair", "texture": "smooth", "lighting_effect": "soft natural light" } }, "pose": { "position": "standing", "base": "one foot slightly forward", "overall": "first-person perspective looking down at feet" }, "clothing": { "top": { "type": "long coat", "color": "dark brown", "details": "wool texture, open hem", "effect": "draping around legs" }, "bottom": { "type": "stockings and heels", "color": "black", "details": "sheer black pantyhose with visible thigh band, black patent pointed-toe stilettos with studded straps" } } }, "accessories": { "prop": "Louis Vuitton monogram pattern travel bag placed on the ground (top left)", "headwear": "N/A", "jewelry": "N/A", "device": "N/A" }, "photography": { "camera_style": "smartphone POV aesthetic", "angle": "high angle looking straight down", "shot_type": "POV of feet", "aspect_ratio": "3:4", "texture": "sharp, high contrast, realistic texture", "lighting": "overcast natural daylight, soft diffused shadows", "depth_of_field": "deep focus ensuring cats and shoes are sharp" }, "background": { "setting": "outdoor paved walkway", "wall_color": "N/A", "elements": [ "six black cats arranged in a circle", "grey rectangular paving stones", "scattered yellow autumn leaves" ], "atmosphere": "mysterious, autumnal, chic", "lighting": "soft daylight" }, "the_vibe": { "energy": "mystical and fashionable", "mood": "enigmatic", "aesthetic": "witchy modern chic", "authenticity": "staged social media aesthetic", "intimacy": "personal point of view", "story": "A fashion-forward gathering of familiars on an autumn day.", "caption_energy": "The coven is assembled." }, "constraints": { "must_keep": [ "POV angle", "6 black cats", "black stockings", "studded heels", "LV monogram bag", "autumn leaves" ], "avoid": [ "face visible", "bright sunlight", "messy background", "dogs" ] }, "negative_prompt": [ "human face", "distorted animals", "extra legs", "cartoon", "blur", "low quality" ] }
根据文章生成公众号封面的提示词 使用很方便，只需要提示词 + 文章内容，就可以自动生成复合公众号尺寸的封面。做成 Gemini 的 Gem 的话，就可以只要直接输入文章内容即可自动生成。 它很好的同时支持横版 2.35:1 (消息列表) 和 1:1 (转发卡片和公众号主页) 格式 最佳使用场景：Gemini + nano banana pro 可以直接使用我分享的 Gem： https://t.co/9bYh4KHfFY 或者使用下面的提示词 --- 提示词 --- 公众号封面图生成提示词 请根据提供的内容创建一张吸引眼球的公众号封面图，遵循以下规范： 视觉风格 - 手绘插画风格，比例为 2.35:1（公众号封面标准尺寸） - 色彩鲜明、对比强烈，确保在小尺寸预览时依然醒目 - 风格统一，避免写实元素，保持整体手绘质感 构图要求 - 主视觉元素居中或偏左（右侧预留标题区域） - 添加 1-2 个简洁的卡通形象、图标或知名人物剪影，增强记忆点 - 若涉及敏感或版权人物，用风格相似的替代形象，不得拒绝生成 - 大量留白，突出核心信息，避免画面拥挤 文字处理 - 标题文字大而醒目，控制在 8 字以内 - 可添加 1 行副标题或关键词标签 - 字体风格与手绘插画协调统一 吸引力法则 - 使用悬念、数字、痛点等钩子元素激发点击欲望 - 视觉元素夸张有反差 - 色彩搭配参考爆款封面：橙黄、蓝紫、红黑等高对比组合 语言 - 除非另有说明，默认使用中文 请根据输入内容生成封面图。
AI Agent 要变强，有两条完全不同的路。 一条是 Skill，也就是给自己装技能，把新能力直接塞进脑子里。 另一条是 SubAgent，就像派小弟去干活，自己只看汇报。 这两条路听起来都能让 Agent 更厉害，但适用的场景还是有所不同，用错了的话，你的 Agent 可能反而会越用越慢、越用越乱。 Skills，就像是给主 Agent 装插件。 比如你的 Agent 原本只会聊天，现在你想让它能写 PPT。Skills 的做法是：把写 PPT 的能力说明、工具调用方式、注意事项，全都塞进主 Agent 的上下文中。主 Agent 通过上下文学会了这项技能，它可以自己来写 PPT。 第二种叫 SubAgent，就像是委托外包。 同样是写 PPT，SubAgent 的做法是：主 Agent 把任务派给一个专门写 PPT 的 SubAgent，SubAgent 独立完成后把结果交回来。主 Agent 全程不参与具体执行，只负责派活和验收。 一个是内化能力，一个是外包能力。听起来都能搞定任务，区别在哪？ 区别在上下文管理，上下文就是 AI 的记忆。 你可以把 AI 的上下文想象成一张工作桌。桌子大小是固定的，你放的东西越多，就越难找到需要的那份文件。这就是上下文容量的问题。 Skills 模式下，所有能力说明都铺在同一张桌上。好处是信息互通，主 Agent 能看到所有中间结果，推理过程连贯。坏处是桌子很快就乱了，Prompt 越来越长，能力之间可能打架，AI 开始犯糊涂。 SubAgent 模式下，SubAgent 在另一张桌子上干活。干完把结果递过来，过程中产生的草稿、中间文件全留在那边。主 Agent 的桌面保持干净。代价是信息传递要设计好，不然关键信息可能在交接时丢了。 这就是上下文污染问题，这里的污染不是夸张的比喻，是真实的工程瓶颈。 什么时候用哪种？ 判断标准其实很简单：子任务有多复杂，以及你需不需要完成任务过程中产生的信息。 Skills 适合的场景：任务本身不太复杂，或者你需要主 Agent 全程掌控。 比如让 Agent 充当入口路由，根据用户请求加载不同的“场景模式”，像进入 YouTube 总结模式、进入写报告模式。这时候 Skills 的懒加载特性很香：先只加载能力名字和简介，真正要用时才加载完整说明。不像 MCP 那样一股脑把所有工具的详细文档全塞进上下文。 SubAgent 适合的场景：子任务很重、很耗时、中间过程很啰嗦。 最典型的例子是浏览器调试工具。Chrome DevTools 的 MCP 功能很强，但工具说明太臃肿，放进主 Agent 会严重占用上下文。把它封装成 SubAgent，你只需要说“去查日志、截图、分析一下”，它跑完把分析结论递回来。中间那些截图、DOM 树、网络请求细节，全都留在 SubAgent 那边，不污染主 Agent 的上下文。 进阶玩法 有意思的是，Skills 和 SubAgent 这两种模式可以结合。这技巧是从 @yan5xu 那里学来的（https://t.co/uSkwSUvNiJ）。 第一种思路叫“先展开再压缩”。 打个比方：你开了一个两小时的头脑风暴会，白板上写满了草稿、争论、被否决的方案。但最后写进会议纪要的只有三条结论。那些中间过程对得出结论很重要，但对后续执行的人来说是噪音。 Agent 也可以这样操作。主 Agent 发现需要某个 Skill，加载进来，一通操作拿到结果。然后把从“加载 Skill”到“拿到结果”这整段过程折叠掉，只保留最终结论。对后续推理来说，就像开了一个会但只留下了会议纪要。 第二种思路是用文件系统做“中转站”。 想象你管理一个外包团队。你不会把所有需求细节都塞进一条微信消息里，而是说“需求文档在这个链接，去看”。外包团队交付时也不会把源码复制粘贴给你，而是说“代码在这个仓库，部署文档在这里”。 Agent 之间也可以这样协作。主 Agent 委托任务时，不把冗长的背景资料直接写进指令，而是存成文档，只传一个地址。SubAgent 返回时也一样：交付一个简短的状态摘要——“完成了/卡住了/需要你决策”——加一个详细记录的文档地址。主 Agent 根据情况决定要不要点进去看细节。这样双方的上下文都保持精简。 第三种是 Claude Code 里的实战技巧。 上下文快见底时，让 Claude 把当前完成的工作总结成一份文档。然后用 rewind 功能回滚到任务开始前的状态，告诉它：“这件事我已经做完了，记录在这个文件里。” 相当于什么？相当于你跑了一场马拉松，快到终点时发现体力不支。于是你把已经跑过的路线画成地图存档，然后“瞬移”回起点，精力充沛地说“我知道怎么走了，地图在这”。上下文被清空了，但成果保留了下来。用这个方法能在上下文耗尽前抢救一把。 最后 Agent 的竞争正在从“能调用多少工具”转向“怎么优雅地管理这些工具”。 很多人追逐最新的 Agent 框架、最花哨的能力扩展，却忽略了最基础的问题：AI 的工作记忆是有限的，你怎么组织它，决定了它能做多复杂的事。Skills 和 SubAgent 不是非此即彼的选择，而是两种工具，用对场景才能发挥价值。 说到底，Agent 架构设计和软件架构设计还是有很多相通之处。 是把逻辑写在一个巨型函数里，还是拆成模块化的微服务？ 是共享全局变量图省事，还是严格隔离状态保持干净？ 这些老问题换了个皮，又回来了。
一个 Figma 社区插件，叫 Figroot。 卖点很直接：免费把 Figma 设计转成 React + Tailwind CSS 代码，号称"像素级完美"。 这类工具其实不少，区别： 1. 真的免费 很多"Figma to Code"工具都是免费试用，然后让你付费解锁完整功能。Figroot 直接告诉你：完全免费。 2. 代码质量还行 生成的不是那种一坨 div 套 div 的屎山代码，而是： - 语义化的 HTML 结构 - 用 Tailwind CSS 写样式 - 自动识别字体并生成对应配置 3. 响应式支持（实验性） 有个"Responsive Screen"模式，虽然还在实验阶段。 局限： 1. 只支持 React 生态 如果你用 Vue 或者纯 HTML，这工具就帮不上忙了。 虽然它说支持 HTML/CSS，但核心还是围绕 React + Next.js 设计的。 2. 复杂交互做不了 能处理静态布局，但如果你的设计里有复杂的动画、状态管理，还是得手写代码。 工具只能帮你搭架子，细节还得自己填。 3. 学习成本 如果你不熟悉 React 和 Tailwind，拿到代码也不知道怎么用。 它提供了详细的安装教程（Node.js、TypeScript、Next.js 一套流程），但对新手来说，这些步骤本身就是门槛。 感觉这个插件适合前端开发和设计师。 以前： 1. 设计师交付 Figma 文件 2. 开发打开文件，手动量尺寸、抠颜色、写 CSS 3. 来回沟通调整 有了 Figroot： 1. 设计师点一下，生成代码 2. 开发拿到代码，微调一下就能用 3. 省下大量重复劳动 让设计和开发的协作更高效。 如果刚好在用 React + Tailwind，可以试试。 https://t.co/8J524dzdKa
Glitch Art Nano Banana Pro and Grok { "subject": { "description": "A stylized magazine poster featuring a young woman with a cool, detached attitude, heavily processed with glitch art effects and typography overlays.", "mirror_rules": null, "age": "20-25 years old", "expression": { "eyes": { "look": "looking down at camera", "energy": "haughty, detached, cool", "direction": "downward gaze" }, "mouth": { "position": "slightly parted lips", "energy": "relaxed but aloof" }, "overall": "editorial fashion model vibe" }, "face": { "preserve_original": true, "makeup": "natural look but distorted by RGB color shifts" }, "hair": { "color": "dark brown", "style": "shoulder-length bob, slightly wavy", "effect": "wind-blown texture" }, "body": { "frame": "slim", "waist": "not visible", "chest": "visible upper chest", "legs": "not visible", "skin": { "visible_areas": "face, neck, shoulders", "tone": "fair", "texture": "digital noise overlay", "lighting_effect": "shadow patterns across face" } }, "pose": { "position": "standing", "base": "low angle shot", "overall": "chin tilted up, dominating the frame" }, "clothing": { "top": { "type": "textured blouse or knit top", "color": "light beige (distorted by pink/green light)", "details": "scoop neckline, rough hem texture", "effect": "vintage aesthetic" }, "bottom": { "type": "not visible", "color": "n/a", "details": "n/a" } } }, "accessories": { "jewelry": "large hoop earrings (visible on left side)", "headwear": null, "device": null, "prop": null }, "photography": { "camera_style": "Glitch Art Poster Design, Vaporwave Aesthetic", "angle": "Low angle shot (looking up at subject)", "shot_type": "Close-up portrait, vertical composition", "aspect_ratio": "3:4", "texture": "heavy chromatic aberration, RGB shift, scanlines, digital noise, VHS effect", "lighting": "Neon ambient lighting (pink and green hues), harsh shadows form palm leaves", "depth_of_field": "shallow focus on face" }, "background": { "setting": "Abstract digital space / Studio", "wall_color": "Undefined (obscured by effects)", "elements": [ "Large white text 'GIRLS' at bottom with glitch effect", "Text overlay '2013/10' top right", "Text overlay 'DESIGN BY UNDERWOOD' left side", "Text overlay 'LOVE MANGO' right side", "Blurry palm leaf in foreground top left" ], "atmosphere": "Retro-tech, nostalgic, cyber-distorted", "lighting": "Pink and green dual-tone lighting" }, "the_vibe": { "energy": "Digital decay", "mood": "Melancholic yet trendy", "aesthetic": "Y2K Glitch Art / Vaporwave", "authenticity": "Stylized Graphic Design", "intimacy": "Distant", "story": "A lost digital memory from 2013 recovered from a damaged hard drive", "caption_energy": "System Failure // Rebooting..." }, "constraints": { "must_keep": [ "Heavy Chromatic Aberration (RGB split)", "The word 'GIRLS' in large font at bottom", "Low angle perspective", "Palm leaf shadows on face" ], "avoid": [ "Clean sharp photography", "B&W", "Smiling", "Perfect signal" ] }, "negative_prompt": [ "clean image", "high definition realism", "perfect skin", "warm lighting", "happy expression", "vector art", "flat color" ] }
在 vivo 持续不断的像素级模仿下，我已提前用上 iPhone 折叠屏 https://t.co/5A49blJWnY
Lovable 的圣诞福利，两个月的免费试用！ 输入“NEXTPLAY-LOV-25”即可领取，我自己是会员没办法尝试，各位可以试试 https://t.co/xcsgPQRjuQ
“我们总是通过后视镜驶向未来” 推荐读一下 Notion CEO 这篇内容，关于 AI 为什么首先在编程领域爆发他的解释很好。 知识工作的两个瓶颈：上下文分散和可验证性，这点分析得很准。 这就是为什么程序员最先受益，因为他们的工作环境天然解决了这两个问题。 其他知识工作者要等到什么时候？可能取决于谁先把散落在几十个工具里的上下文整合起来。 ------------------------ 每个时代都有它的奇迹材料。钢铁塑造了镀金时代，半导体点亮了数字时代，现在AI以"无限心智"的形式到来了。 Notion创始人Ivan Zhao用历史隐喻说清楚了一件事：掌握这种材料的人定义时代。 为什么AI是"奇迹材料"？ 因为它解决的是规模问题。19世纪前建筑只能盖六七层，铁太重太脆，楼层一多就塌。钢铁改变了一切，骨架更轻、墙体更薄，摩天大楼拔地而起。 AI对知识工作的意义和钢铁对建筑一样。人类沟通一直是组织的"承重墙"，每周两小时对齐会、三级审批流程，都是在用人类尺度的工具解决工业规模的问题。 个人层面：什么时候能开上"汽车"？ Ivan的联合创始人Simon原本是10×程序员，现在同时指挥三四个AI编码agents，变成了30-40×工程师。他午饭前排好任务，agents在他离开时继续工作。 这就像从踩自行车进化到开汽车。但为什么只有程序员能开上车？ 两个问题必须解决。第一是上下文分散，编程工具集中在IDE和代码库，但一般知识工作散落在几十个工具里。AI要写产品简报得拉取Slack、战略文档、仪表盘数据，还有只存在脑子里的institutional memory。人类现在是粘合剂。 第二是可验证性。代码能用测试验证对错，AI能用强化学习改进。但怎么验证项目管理得好不好、策略memo写得行不行？没法验证就没法训练模型改进，人类只能继续监督。 一旦这两个问题解决，几十亿知识工作者会从自行车进化到汽车，再从汽车进化到自动驾驶。 组织层面：我们还在"替换水车"吗？ 工业革命初期，蒸汽机刚出现时，工厂主只是把水车换成蒸汽机，其他都不变。生产力提升很有限。 真正的突破是工厂主意识到可以完全摆脱河流了。他们把工厂建在更靠近工人、港口和原材料的地方，围绕蒸汽机重新设计整个厂房。生产力才爆发。 现在的AI聊天机器人就像"替换水车"阶段，只是附加在现有工具上。我们还没重新想象：当组织可以依靠永不疲倦的无限头脑时，应该长什么样？ Notion在做什么实验？ Notion现在有1000名员工，但同时有超过700个agents在处理重复性工作。 它们记会议纪要、回答问题综合tribal knowledge、处理IT请求、记录客户反馈、帮新员工办入职、写周报省去复制粘贴。 Ivan说这只是起步，真正的收益只受想象力和惰性限制。 从佛罗伦萨到东京意味着什么？ 钢铁和蒸汽不只改变建筑和工厂，它们改变了城市。 几百年前的城市是人类尺度的，你能在40分钟内走完佛罗伦萨。然后钢架结构让摩天大楼成为可能，蒸汽铁路连接市中心和内陆，城市在规模和密度上爆炸。东京、重庆、达拉斯都不是更大的佛罗伦萨，它们是完全不同的生活方式。 知识经济现在占美国GDP近一半，但大多数还在人类尺度运作：几十人的团队，会议和邮件控制节奏，组织超过几百人就开始变形。我们用石头和木头建了佛罗伦萨。 当大量AI agents上线，我们会建造东京。数千个agents和人类组成的组织，工作流程跨时区持续运行，不用等人醒来，决策在适量人类介入下合成。 会更快、杠杆更高，但起初也更迷失方向。周会、季度规划、年度评估的节奏可能不再有意义。新节奏会出现。我们失去一些可读性，但获得规模和速度。
Which image do you think was generated by the Nano Banana Pro? { "subject": { "description": "A side-profile shot of an athletic Black male runner mid-stride, captured in a high-energy sports editorial poster style. The image features mixed media elements with neon lime green scribbles outlining his body.", "mirror_rules": "not_applicable", "age": "20-30 years old", "expression": { "eyes": { "look": "focused forward", "energy": "determined", "direction": "right" }, "mouth": { "position": "slightly open breathing", "energy": "intense" }, "overall": "in the zone, meditative flow state" }, "face": { "preserve_original": true, "makeup": "natural sweat sheen" }, "hair": { "color": "black", "style": "short cropped buzz cut", "effect": "clean" }, "body": { "frame": "lean athletic build", "waist": "runner physique", "chest": "forward leaning", "legs": "muscular, high knee lift, mid-air flight phase", "skin": { "visible_areas": "legs, face, hands", "tone": "dark skin", "texture": "smooth with muscle definition", "lighting_effect": "high contrast sun highlights" } }, "pose": { "position": "running profile view", "base": "mid-air stride", "overall": "dynamic motion moving from left to right" }, "clothing": { "top": { "type": "hooded windbreaker jacket", "color": "grey", "details": "lightweight technical fabric, slightly wrinkled from motion", "effect": "windblown" }, "bottom": { "type": "layered running shorts", "color": "black", "details": "compression layer visible" }, "shoes": { "type": "performance running sneakers", "color": "white with orange accents", "brand_style": "On Running Cloud style" } } }, "accessories": { "jewelry": "none", "device": "none", "prop": "neon green doodle outline around the body (graphic overlay)" }, "photography": { "camera_style": "sports editorial mixed with graphic design poster", "angle": "eye-level tracking shot, side profile", "shot_type": "full body, wide shot", "aspect_ratio": "3:4 vertical poster", "texture": "sharp photographic subject vs grainy asphalt vs flat vector graphics", "lighting": "hard directional sunlight (golden hour), casting sharp long shadows on the ground", "depth_of_field": "deep focus" }, "background": { "setting": "outdoor asphalt road", "wall_color": "dark grey pavement", "elements": [ "shadow of the runner", "road texture", "large neon green typography 'EXERCISE'", "hand-drawn arrows and small text overlays" ], "atmosphere": "urban morning exercise", "lighting": "natural sunlight" }, "the_vibe": { "energy": "kinetic and rhythmic", "mood": "disciplined, motivating, healing", "aesthetic": "modern sports zine, street style graphic design", "authenticity": "high", "intimacy": "solitary runner", "story": "The intersection of physical exertion and mental clarity, visualized through a trendy graphic overlay.", "caption_energy": "Micro-exercise healing plan" }, "constraints": { "must_keep": [ "neon lime green outline around the runner", "the text 'EXERCISE' in large font", "side profile running pose", "asphalt texture" ], "avoid": [ "studio background", "static pose", "cluttered background" ] }, "negative_prompt": [ "stationary", "blurry", "low resolution", "distorted limbs", "bad typography", "night time", "indoor" ] }
很多朋友说 Wise 一直都是审核中 除了发邮件以外，还可以转 10 港币进去 （我发现很多账户都可以这样操作，之前注册水星银行，也是充值了 10 美元进去，立马审核通过了） 最好的方式就是港卡（我是使用的 ZA Bank） FPS 转账 10 港币进去，秒到账 选择 Wise 港币账户 点击充值 选择外部账户 输入金额 10 港币 选择 付款方式 FPS 复制账号相关信息 到众安银行（其他港卡也可以）进行付款 如果没有港卡的话，还可以使用 Apple Pay、信用卡（Visa、万事达卡都可以）支付，但是至少要 20 港币，还会扣一点手续费 申请：我不能保证这种方法一定有用，应该只是可以加速审核，以及审核时多一些参考而已，如果最终没有审核通过，钱也还是在你的账户中，还是可以转出的
发现了！这个Claude Skill市场让AI效率翻10倍。 从用Skill开始，不用担心自己不会写。 skillsmp应该是目前最强的Claude Skill市场了吧？ 能找到很多实用的Skill，比如Youtube字幕转写，把任意PDF转Markdown、前端开发美化等等。 安装也很简单，下载zip包，拖到Claude Code说：“安装这个skill”就行了。 地址见评论区
我的产品 99% 收入来自海外，分享几点真实经验： 1/ 海外用户付费意愿确实更高，但获客成本也更高。不是"出海就能赚钱"。 2/ 海外KOL营销的水很深。很多国内"出海服务商"报价是KOL真实报价的5-10倍。信息差是他们的利润来源。 3/ 不同平台差异巨大： - Twitter/X：适合开发者、科技圈 - Reddit：适合垂直社区冷启动 - LinkedIn：B2B被严重低估 4/ 最大的坑不是产品，是支付。海外收款、退款、争议处理，每一个都是坑。 5/ 在澳洲做了2年，最大的感受：海外市场不是更容易，是不一样。 在做出海或者想做出海的，可以聊聊你遇到的问题 👇
全球增长最快的 AI 应用公司，ARR 2亿美金的 Lovable 的增长负责人分享了增长认知 看完感觉 AI 行业真的太刺激了 竞争的速度已经比移动互联网时代快了 10 倍以上 1. PMF 的保质期只有三个月，因为模型更新的周期是三个月。模型每次更新你就要重新赢得一次 PMF 2. MVP 已死，MLP 如果没有共鸣，就不要发布 3. SEO 已死，社交媒体是唯一的有机增长 4. Aha Moment 已死，现在的产品必须让用户炸裂认知，必须要 Wow Moment 才可以 5. 长期 Roadmap 已死，今天不能定制超过3个月的产品路线图，因为3个月后，一切可能都已经变了，用户预期也变了 6. 放弃销售团队，2亿ARR没有任何销售团队 7. 放弃优化利润率，现在需要疯狂圈地，还没到赚钱的时候 8. 放弃晚期大众用户，聚焦先锋用户，今天 AI 发展太快，大部分人跟不上节奏 9. 技术不是护城河，唯二的护城河是发版速度和品牌好感度 10. 巨头的护城河也极其脆弱，即便是 OpenAI 这样的公司，如果不能迭代出好模型，也可以在几周内崩塌
唐杰 @jietang 是清华大学教授、智谱（GLM 系列模型出自他们家）AI 首席科学家，也是国内最懂大模型的人之一。他刚发了长微博（见评论），谈 2025 年对大模型的感悟。 有意思的是，唐杰和 Andrej Karpathy 的观察有不少共鸣，但也有一些不同的侧重点。两个顶级专家的视角放在一起看，能看出更完整的图景。 内容比较长，但有句话我要特别放在前面高亮一下： > AI 模型应用的第一性原理不应该是创造新的 App，它的本质是 AGI 替代人类工作，因此研发替代不同工种的 AI 是应用的关键 如果你是在做 AI 应用开发，应该反复思考一下这句话：AI 应用的第一性原理不是创造新产品，而是替代人类工作。想清楚这一点，很多事情的优先级就清楚了。 唐杰的核心观点有七层逻辑。 --- 第一层：预训练没死，只是不再是唯一主角 预训练仍然是让模型掌握世界知识和基础推理能力的根基。 更多的数据、更大的参数、更饱和的计算，依然是提升模型智商最高效的办法。这就像还在长身体的孩子，饭量（算力）和营养（数据）必须管够，这是物理规律，没法绕弯。 但光有智商不行，现在的模型有个毛病：容易“偏科”。为了刷榜单（Benchmark），很多模型都在针对性地做题，导致在真实复杂的场景下反而不好用。这好比孩子上完九年义务教育（预训练）后，必须把他扔到真实的职场里去实习，去处理那些书本上没有的烂摊子，这才是真本事。 所以接下来的重点是“中后训练”（Mid and Post training）。中后训练这两个阶段负责「激活」模型的能力，尤其是长尾场景的对齐能力。 什么是长尾场景？就是那些不常见但真实存在的需求。比如帮律师整理某类特殊合同、帮医生分析某种罕见病的影像。这些场景在通用测试集里占比很小，但在真实应用中至关重要。 通用 benchmark 一方面评测了模型效果，但也可能让很多模型过拟合。这和 Karpathy 说的「训练在测试集上是一门新艺术」观点一致。大家都在刷榜，但榜单刷了高分不等于能解决真实问题。 --- 第二层：Agent 是从「学生」到「打工人」的跨越 唐杰用了个形象的比喻： > 如果没有 Agent 能力，大模型就是个“理论博士”。一个人书读得再多，读到了博士后，如果不能动手解决问题，那也只是知识的容器，产生不了生产力。 这个比喻精准。预训练是上课，强化学习是刷题，但这些都还在「学习阶段」。Agent 是让模型真正「干活」的关键，是进入真实世界、产生实际价值的门槛。 不同 Agent 环境的泛化和迁移并不容易。你在一个代码环境里训出来的能力，换到浏览器环境就不一定好使。现在最简单的办法，还是不断堆更多环境的数据，针对不同环境做强化学习。 以前我们做 Agent，是给模型外挂各种工具。现在的趋势是，直接把使用工具的数据写进模型的“DNA”里去训练。 这听起来有点笨，但确实是当下最有效的路径。 Karpathy 也把 Agent 列为今年最重要的变化之一，他以 Claude Code 为例，强调 Agent 要能「住在你电脑里」，调用工具、循环执行、解决复杂问题。 --- 第三层：记忆是刚需，但怎么做还没想清楚 唐杰花了不少篇幅讲记忆。他认为，模型要在真实环境中落地，记忆能力是必须的。 他把人类记忆分成四层： - 短期记忆，对应前额叶 - 中期记忆，对应海马体 - 长期记忆，分布在大脑皮层 - 人类历史记忆，对应维基百科和史书 AI 也要模仿这个机制，大模型对应的可能是： - Context 窗口 → 短期记忆 - RAG 检索 → 中期记忆 - 模型参数 → 长期记忆 一个思路是「压缩记忆」，把重要信息精简后存在 context 里。目前的“超长上下文”只是解决了短期记忆，相当于把它能用的“便签纸”变长了。如果未来 context 窗口足够长，短中长期记忆都有可能实现。 但有个更难的问题：怎么更新模型自身的知识？怎么改参数？这还是个未解难题。 --- 第四层：在线学习和自我评估，可能是下一个 Scaling 范式 这一段是唐杰观点里最前瞻的部分。 现在的模型是“离线”的，训练好就不变了。这有几个问题：模型不能真正自我迭代，重新训练浪费资源，还会丢掉很多交互数据。 理想情况是什么？模型能在线学习，边用边学，越用越聪明。 但要实现这一点，有个前置条件：模型要知道自己对不对。这就是「自我评估」。如果模型能判断自己的输出质量，哪怕是概率性地判断，它就知道了优化目标，就能自我改进。 唐杰认为，构建模型的自我评价机制是个难题，但也可能是下一个 scaling 范式的方向。他用了几个词：continual learning、real time learning、online learning。 这和 Karpathy 提到的 RLVR 有一定呼应。RLVR 之所以有效，正是因为有「可验证的奖励」，模型能知道自己对不对。如果这个机制能泛化到更多场景，在线学习就有可能实现。 --- 第五层：AI 应用的第一性原理是「替代工种」 这是对我启发最大的一句话： > AI 模型应用的第一性原理不应该是创造新的 App，它的本质是 AGI 替代人类工作，因此研发替代不同工种的 AI 是应用的关键 AI 的本质不是创造新的 App，而是替代人类工作。 两条路： 1. 把以前需要人参与的软件 AI 化。 2. 创造对齐人类某个工种的 AI 软件，直接替代人类工作。 Chat 已经部分替代了搜索，同时还融合了情感交互，下一步就是替代客服、替代初级程序员、替代数据分析师。 所以，明年 2026 年的爆发点在于“AI 替代不同工种”。 创业者要思考的不是“我要开发个什么软件给用户用”，而是“我要造一个什么样的 AI 员工，去帮老板把某个岗位的人力成本砍掉”。 换句话说，别老想着做一个「AI+X」的新产品，先想想哪些人类工作可以被替代，再倒推产品形态。 这和 Karpathy 关于「Cursor for X」的观察遥相呼应。Cursor 本质上是「程序员这个工种的 AI 化」，那么各行各业都会出现类似的东西。 --- 第六层：领域大模型是个「伪命题」 这个观点可能会让一些人不舒服，但唐杰说得很直接：领域大模型就是个伪命题。都 AGI 了，哪有什么“领域专用（domain-specific）AGI”？ 之所以有领域大模型存在，是因为应用企业不愿意在 AI 模型公司面前认输，希望用领域 know-how 构建护城河，把 AI 驯化为工具。 但 AI 的本质是「海啸」，走到哪里都会把一切卷进去。一定会有领域公司主动走出护城河，被卷进 AGI 的世界。领域的数据、流程、Agent 数据，慢慢都会进入主模型。 当然 AGI 还没实现之前，领域模型会长时间存在。但这个时间窗口有多长？不好说，AI 发展实在太快了。 --- 第七层：多模态和具身智能，前景光明但道路艰难 多模态肯定是未来。但当下的问题是：它对提升 AGI 的智能上限帮助有限。 文本、多模态、多模态生成，可能还是分开发展更高效。当然，探索三者结合需要勇气和钱。 具身智能（机器人）更难。难点和 Agent 一样：通用性。你教会机器人在 A 场景干活，换个场景又不行了。怎么办？采数据、合成数据，都不容易，还贵。 怎么办？采数据，或者合成数据。都不容易，都贵。但反过来，一旦数据规模上去了，通用能力出来了，自然就形成门槛。 还有个问题往往被忽略：机器人本身也是个问题。不稳定、故障频繁，这些硬件问题也在限制具身智能的发展。 唐杰预判 2026 年这些都将取得长足进步。 --- 把唐杰这篇文章串起来，其实是一张相当清晰的路线图： 当下，预训练 scaling 依然有效，但要更重视对齐和长尾能力。 近期，Agent 是关键突破口，让模型从"会说"进化到"会做"。 中期，记忆系统和在线学习是必修课，模型要学会自我评估和迭代。 长期，工种替代是应用的本质，领域护城河会被 AGI 冲垮。 远景，多模态和具身各自发展，等待技术和数据的成熟。 --- 把唐杰和 Karpathy 的观点放在一起看，能看出几个共识： 第一，2025 年的核心变化是训练范式的升级，从「预训练为主」变成「多阶段协同」。 第二，Agent 是里程碑，是模型从学习走向干活的关键跨越。 第三，benchmark 刷分和真实能力之间有鸿沟，这个问题越来越被重视。 第四，AI 应用的本质是替代或增强人类工种，不是为了做 App 而做 App。 不同的侧重点也有意思。Karpathy 更关注「AI 是什么形状的智能」这个哲学问题，唐杰更关注「怎么让模型在真实场景落地」的工程问题。一个偏「理解」，一个偏「实现」。 两个视角都需要。理解清楚了，才知道方向对不对；工程跟上了，才能把想法变成现实。 2026 年，会很精彩。
skill、subagent这些概念最后都是用prompt来组织，就像工具的说明书 而大模型有一个所拥有的工具的清单，自己可以根据场景来决定什么时候触发skill、agent、MCP的prompt 除此之外，还有上下文管理，MCP太臃肿，一次性把工具的详细说明都加载到上下文，而skill则是渐进式加载，先加载歌工具名字和简介，需要时才加载完整的说明。 SubAgent解决的是上下文污染和过载的问题，把子任务委托出去，子任务的中间结果不会污染、占用主agent的上下文。比如chrome dev tool mcp很强大，但是太占用上下文，把它封装成subagent，就只需要给它任务去查日志、截图、分析，最终返回主agent的只有分析的结果
一个提示词，让你成为AI圈信息猎手！ Grok的任务功能，相当适合挖掘每日AI圈热帖。 提示词如下： 筛选下面账号过去24小时（从现在起倒推24h）内互动量（点赞+转发+回复总和）最高或最有潜力爆的帖子，核心目标是挖出有扩散传播价值的帖子50个。 优先AI相关内容，按互动量降序排序。 输出格式：排名、作者、内容摘要（中文）、总互动数、链接，不要用表格，用文本块，使用最新数据。 待处理账号ID：输入id就行。
🎆 Level up your fireworks display! Introducing a new ultra-realistic fireworks prompt template: just enter numbers, letters, or symbols, and watch them seamlessly emerge as dazzling fireworks—cinematic realism guaranteed! ✨ Examples: Subject: I 💗 U Subject: 🎄 Subject: 🧑🎄 Subject: 2026 Happy New Year --- Prompt --- An ultra-realistic, professional nighttime fireworks display, clearly featuring the shape "{Subject}" formed entirely from fireworks at the center of the sky. The "{Subject}" seamlessly emerges from dense spark trails, glowing embers, and dazzling radiant bursts, with smooth, precise contours and vivid clarity. It blends naturally into the surrounding firework display, appearing as an integral part of the overall spectacle, visually vibrant and photorealistic. Behind and around the central "{Subject}", an expansive, celebratory firework show fills the night sky with layered radial explosions, cascading spark showers, and multi-stage bursts, creating impressive depth and dimension. Background fireworks maintain a slightly lower brightness to emphasize the central "{Subject}" sharply and distinctly. The night sky is pure and deep navy-to-black, clear and cloudless with minimal haze or smoke. Firework colors include a sophisticated palette of gold, silver, white, red, and blue, demonstrating physically accurate light bloom, subtle glow effects, realistic particle dynamics, and natural variation in intensity and timing. Firework bursts softly illuminate the surrounding sky, producing gentle, cinematic-quality light falloff, capturing a realistic and immersive celebratory atmosphere. The image is ultra-high-resolution, sharply detailed with photographic realism, and contains no additional text or extra visual elements—only the "{Subject}" displayed distinctly through fireworks. Subject: I 💗 U