即刻App年轻人的同好社区
下载
App内打开
Frank.Lin
576关注3k被关注2夸夸
券商产品经理
生成式AI + Vibe Coding狂热粉
IDE推荐：autobiu.com
Frank.Lin
08:10
Frank.Lin
2天前
其实只要先下载一个Trae/Qoder等AI IDE，就可以用聊天的方式安装其他诸如Claude Code等比较难配置的应用了，比问程序员还方便快捷的多。

Kenny_肯尼: vibe coding最近太热了，不是局限于做一个产品demo，而是渗入到工作生活方方面面，搞得不少人都焦虑了。我的建议很简单，不要折腾那么多有的没的，可以直接按这个流程来干 1. 安装：通过终端安装Claude code，不喜欢终端的交互，推荐用Cursor或VS code的Claude Code插件，都不想装，就用Antigravity 2. API：如果用Claude code，有钱买Claude API，没钱买minimax M2.1/GLM 4-7/Kimi K2/Deepseek 的国产平替API 上面这两步搞环境配置是最难的，有时候会被气死，各种奇奇怪怪的问题，实在不行就找程序员朋友 3. Context：在你电脑上建好文件夹，把资料丢进去，然后告诉agent对着这个文件夹干活 Input：安装好语音输入法，比如免费的闪电说，当然我最期待的是豆包的PC语音输入法——对应团队的同学如果有内测，希望拉我一下～ 4. 任务：把你一天的任务，尽可能让AI来完成，context就放在文件夹里，先选一些容错率高的，再选容错率低，先选简单的，再做复杂的 交互：然后开始大白话口喷，做得好就夸它，做得不好就骂它 5. 管理：虽然我做管理比较菜，但还是积累了一些粗浅经验，发现管人和管AI是类似的，都是有一套系统性的方法论，我有一点感觉，还没成型，而且AI更简单，不需要考虑它的情绪问题和利益问题 1）了解不同agent的弱点和优势，分配对应的活儿 。如果做得不好，有的是超出其能力范围，有的是活儿你自己没拆清楚或者交代不清楚，老板经常被下面人骂，是有原因的 2）做到进度管理，该确认的及时确认，否则就耽误了，该放弃的就果断放弃，该放手的就相信对方 3）做完后，让它总结一下经验教训，甚至可以固化成skills 你肯定会遇到很多技术性问题的，没关系，网上都有教程的，或者直接问AI。 在程序员眼里，你的使用方式非常野路子，没关系，本来我们就是不是当程序员。版本管理、数据同步、这些习惯，都是可以边做边学的。 coding是一项通用能力，来解决各种问题，就跟智力一样，而不是单单写软件代码。 coding是要解决你的日常问题，这样你才有持续迭代的动力，否则只是一次炫技，长期价值不大。 就像去健身，不要一开始就担心自己练成施瓦辛格的大块肌肉太丑怎么办，因为你大概率练不出来。 健身最开始，也不要太苛责自己动作的标准，肌肉都没有，怎么可能那么标准，都是边长肌肉边纠正发力方式的 AI发展太快了，与其抵触它，不如驯化它

00
Frank.Lin
2天前
AI Coding现在真的厉害，可以让我两三天就搓出一个跟vscode风格的剧本生成工具，基座模型gemini 3 flash，写的可真够唬人的😅

接下来是再接个生图搞分镜……以后小说推文短视频是不是可以作者自制了，省去中间商😎
22
Frank.Lin
3天前
摆脱短视频的控制很简单，最近刻意练习了“回避上划”的动作，就能不被短视频app这种擅长注意力陷阱产品捕获了。

本来我是不装短视频app的，近一年为了学习自媒体才装上，感觉浪费了不少时间，现在回过神来 ，发现只要能控制自己不做上划的动作，就能只把短视频app当成工具了。

只能感叹互联网套路多啊😅
30
Frank.Lin
3天前
作为券商IT老人，我同意数据的抓取和分析是金融行业的刚需，不过很多数据是收费或内部的，并没办法随便用api接入（硬件加密），更不用说manus这种公开抓取的agent，有安全合规方面的风险，toB也没法私有化部署Claude 级别的模型。所以Manus的受众只能局限在一小部分欧美高知群体中，养一个小团队可以，并不看好可以有更多的成功复刻。

陈不撕: 到底都是谁在用 manus 和付费？为了理解这个问题，假期尝试做了一些研究，希望有所帮助。 过程中，也能清晰感受到，中美使用 AI 习惯的巨大差异和信息 gap。 首先，看看 manus 官方怎么说，毕竟这不是他们第一次面临质疑了。 在 @hidecloud 涛哥的公众号里晒过一条Twitter，在原推里很多 manus 用户在为产品发声。除了一些硅谷科技/创投圈的大佬之外，原 po 也总结了评论里出现最多的 user case：定量和定性的分析研究，CSV 文件处理和爬取客户信息。 manus 似乎能完成广义的数据处理和分析工作，这对数字化程度不均的社会来说，是一个不错的切入点。 在 @PeakJi Peak 和张小珺的访谈里（ 1:43:55），Peak 也回答了该问题。可以笼统被称为 prosumer，并列觉了更清晰的用户画像： 第一类用户是互联网/科技公司里的非程序员岗位，各类白领；第二类用户是美国数量众多的 freelancer 和 solo entrepreneur，自由工作者或者有一摊自己小生意的人；第三类是更符合刻板印象的金融/咨询行业的人员。他们的共性是，有比较强的自驱力，并且他们的任务是高价值的。 这里的两个特点很有意思，自驱和高价值任务。前者决定了这些人可以接触和试用 manus 这一类的 AI 产品，后者决定了他们的付费决策，即用户在 AI 工具上花掉的钱是可以以更高效率/更大概率赚回来的。这几乎是很多拥有高 ARR 的 AI 产品的第一性原理。 这三类用户里，对于中国网友/创业者来说，很容易低估第二类用户的数量，并对他们的画像比较模糊。容易误以为只有独立开发或者个人的数字外包，实际上领域还要宽泛得多。 想要了解这类用户，我们需要知道一个显而易见的前提。manus 的用户是 chatGPT/Gemini 等主流 chatbot 的重度用户的下一阶段。 上面提到的“自驱”和“高价值任务”，正是因为已有的 chatbot 满足得不够好，他们才被说服采用所谓"agent" 的新解决方案。同时 peak 在播客里也提过这个现象（2:34:33 ），安装了 chatGPT/Gemini/Deepseek/Claude 的用户，安装其他产品的概率的最大异常值都是 manus。 Manus 相当于跟随着 chatbot 的普及进程，从中筛选出了高价值需求没有得到满足的用户，重叠度很高。 所以如果我们找不到 manus 的用户访谈，可以去找 chatGPT/Gemini 的重度用户。他们大概率正处在知晓/使用/付费 manus 的过程中。 而在查看 chatGPT/Gemini 的重度用户访谈中，才拓宽了我对 manus 第二类用户的认知。这里分享几个有趣的结论： 1. 最低阶的信息搜索需求被 chatbot 满足得很好，日常生活里已经替代了谷歌。 2. 使用 AI 已经是美国高校生的基本技能，同学之间传播 + 教育优惠。甚至之前反对的教授也开始松口或者自己偷偷用。 3. 通过 AI 获得收益的职业种类，比我想象中的多得多。这其中包括了儿童教师、兼职导游、线上的灵学占卜、社区竞选、留学申请、业余作家、当地市政部门/教育部门的数字化小专家等。更不用提各个垂类的自媒体，以及每个人都想有一个自己的 blog 网站。 4. 所有涉及到深度写作、简单 P 图、PPT或表格填写的职业，都逐渐离不开chatbot/Deep research，而以 manus 为首的 agent 承诺可以完成得更好。而且几乎没有一个人是单一职业，年龄段也覆盖到爷爷奶奶辈了。 体感上中美的差距很大，我们还在鼓吹副业和个人影响力，鼓励终身学习和跟上 AI，而对于很多美国中产来说，这似乎是一个常识了。他们热衷于用 AI 解决工作生活上的实际问题，并完成自己的业余创作任务。产品 adoption 的障碍小很多。 那么下一步的问题是，对于这些重度用户来说，manus 真的可以比普通 chatbot 完成得更好吗？ 1. 如果看客观指标的话，同为被 meta 收购的“大将” Alexander Wang，经常会提到一个 benchmark 叫 Remote Labor Index (RLI) ，这是 scale ai 用来衡量一个 AI 产品多大程度上能完成真实的有经济收益的远程工作。manus 排名第一很久了，虽然自动化率也只有 2.5% ，按他们的说法叫在座的大家都是 near zero。但注意这是在没有人为干预的情况下，直接交付工作结果。日常更多使用场景是有人工干预和调整，单看提升部分环节的效率， manus 也算是第一了。 2. 如果从主观体验的话，我在假期同时用了 Gemini/NotebookLM，Manus 和某大厂对标的 Anygen 进行测试。测试了两个我的真实需求，1）根据我和对象的年终复盘录音，总结内容和提建议；2）帮我正在思考的产品 idea，开发一个可交互的原型。 在第一个任务上，实际类似会议纪要， Manus 是明显领先的，不管是语音内容识别、双人的声音区分、内容的逻辑和可视化，都让人更满意。NotebookLM 虽然也有丰富的功能，但整体还是太针对课堂学习任务了，有一些无用的信息，飞书会议其实是一样的问题。这里也能发现通用 agent 的优势，不会为特定场景过度优化而在长尾场景里表现欠佳。而剩下的很多AI 连声音识别都整不明白。 第二个任务，实际上是常见的 AI 编程，这个场景太卷了，大家各有千秋。 每个 AI 都在不同程度上做了完善和有aha 的惊喜，但能看出有些 AI 借鉴了更多海外产品的设计，有些更借鉴中国。Gemini/ AI studio 爱用自家的设计语言，Anygen 像国内的活动 H5，Manus 比较对齐硅谷审美，按钮更现代和简洁，默认会更像 IG 和 Notion。 未来，从官网和各家 chatbot 投放的趋势来看，所谓的通用agent ，基本盘是数字化的内容处理 + 研究分析工作；而网站原型和开发、制作 PPT 逐渐成为新的主推场景。 当然也没忘了让 manus 自己分析一轮，自己的使用用户和付费用户是谁？结论有点宽泛和通用，依旧集中在工程师和数字企业主上，推测美国是最大收入来源，巴西和日本也占了很大流量比例。确实没有我自己分析的有启发。 最后，回到最初的质疑，为什么国内用户更难理解 manus 的使用场景和价值？这里可能有三层障碍： 1）需求不够强，所谓的 prosumer 太少，而且集中在互联网/金融领域，很多非互联网的副业和小企业主也没有足够强的提效意识。 2）浅层替代品太多，国内各大免费的 chatbot 和夸张的产品 PR，让人不愿意使用付费 AI 产品或者有过高的预期。 3）非理性偏见，听了很多不靠谱的团队传闻和扣不爱国帽子，拒绝了解 manus 海外市场的情况。 况且，与其挑战实打实的用户数据，我觉得 Manus 被收购后的一些挑战，可能更值得讨论，比如： 1）品牌可以保留，但模型中立性的优势还能保留吗？ 2）原本的产品愿景会被改变，来服从 Meta 整体的 AI 战略吗？ 3）团队的创业精神和工作方式，和大公司流程可以兼容吗？ 不管未来如何，这是 manus 阶段性的胜利，也给了不少华人 AI 团队鼓舞。祝福他们之后的旅途，也希望更多团队，有机会经历这样纯粹的产品过程，最终看到壮阔的风景。

81
Frank.Lin
5天前
Frank.Lin
6天前
扣子编程是字节的lovable仿品，体验了一下，撸了个工具tb6vy48m5j.coze.site，能快速制作小🍠上比较火的“曼陀罗计划表”，还行吧，在底层模型不够强的情况下做到这个地步已经不错了。再次证明AI/Agent应用基本没有护城河，大厂是分分钟搞出一个来。

所以字节推出了海外版，基座是海外顶流模型，比如Nano Banana Pro，剑指Manus, 来体验下吧，走链接拿积分：
www.anygen.io
02
Frank.Lin
6天前
扣子空间海外版出来了，可以用Nano Banana Pro做绘本/PPT等，大家试过了吗，领取体验积分：www.anygen.io
02
Frank.Lin
8天前
Frank.Lin
9天前
翻车了，用base44搓了个缅A情绪看板应用，接着就想故技重施 ，把应用同步到github，再clone回本地修改，结果base44已经把漏洞堵上了，不能让我再把它当成免费部署服务了😅
20