即刻App年轻人的同好社区
下载
App内打开
莫尔索
76关注1k被关注0夸夸
网络是网络,生活是生活
尽量少评价不懂的东西
尽量不用流行语
置顶
莫尔索
9月前
每一个困难的问题,都有一个很容易就能想到的错误的解决办法🥲
10
莫尔索
2天前
11. 使用 GPT-5 进行前端编码: cookbook.openai.com
12. AI 应用开发:从概念到产品:developers.openai.com
13. 借助 tmux 的 send-keys 和 capture 接口,实现多 Code Agent 任务调度管理:www.bilibili.com
14. Vercel CEO Guillermo Rauch 认为 AI 编码将带来史上最严格测试、类型检查和可证明正确的代码,code agent 乐于写海量测试,形成强反馈闭环。x.com
15. Cursor VP Lee Robinson 分享完全依赖 Cursor Agent 构建复杂项目(Rust 压缩工具+WASM+SvelteKit),520 次 Agent 调用、350M token、花费\$287,完全不手写代码。x.com

莫尔索: 年末了,这个贴子持续分享大佬们的 AI 编程实践: 1. Django 创始人Simon Willison 用 Codex CLI 和 GPT-5.2 在 4.5 小时内把 Python 的 JustHTML 转成 JavaScript:https://simonwillison.net/2025/Dec/15/porting-justhtml/ 2. Anthropic分享如何让编码 Agent 在长时间任务中高效工作:https://www.anthropic.com/engineering 3. OpenAI 的工程师 Aaron Friel 用 Rust 重写一个成熟的 Kotlin 开源项目,并且做到了和原项目 100% 兼容:https://forum.openai.com/public/videos/event-replay-vibe-engineering-with-openais-codex-2025-12-03 4. Flask 框架作者Armin Ronacher 的Amp、Claude Code和Pi使用体验,Vibe Coding 展现出令人兴奋的可能性,但离支撑起专业级的规模化复杂工程,还有很长的路要走:https://lucumr.pocoo.org/2025/12/22/a-year-of-vibes/ 5. 软件工程大师 Martin Fowler 的访谈,他认为 AI 核心影响在于让开发从确定性转向了非确定性,探讨了 AI 如何重塑重构、敏捷开发及软件架构等经典实践,并特别警告了氛围编程中存在的学习回路缺失风险,Fowler 建议开发者利用 AI 处理遗留代码理解和快速原型开发,但必须保持严谨的验证与测试。他强调,无论工具如何进化,沟通能力、对复杂业务的理解以及持续学习依然是优秀工程师的基石。https://youtu.be/CQmI4XKTa0U?list=TLGGKD78I6EfcOwyMzEyMjAyNQ

02
莫尔索
7天前
Google 渠道分发 (依托安卓系统和搜索入口)
OpenAI 消费者心智 (大众想用 AI 时第一个想到的就是它)
Anthropic 企业客户信任。

莫尔索: Google – 垂直整合(TPU、自建数据中心、自训练模型、内部研究团队,哦,还有品牌) OpenAI – 品牌 Anthropic – 人才 xAI – 数据中心建设 Meta – 开源

00
莫尔索
10天前
2025年最值的一笔消费就是 DeepSeek 的40元 token费用,完成了接近 10 万篇 AI 领域文章的过滤,支撑了我 50 期 AI 周刊(liduos.com)的产出,获得了百万浏览量和2000+的邮件订阅。
01
莫尔索
11天前

Yangyi.: 分享三篇最近我读到的对于内容营销和品牌营销有相同洞见的文章。 一篇来自于Pretty Little Marketer的2026趋势预测,一篇来自谷歌,还有一篇类似的是Hummingbirds发布的《2025年日常创作者报告》 这三篇的观察是颇为相似的: 真实性压倒一切 三份报告都认为消费者对过度包装的内容已经免疫。Hummingbirds强调"日常创作者"比传统网红更可信,Google提到可持续营销必须提供"实际价值"而非空洞承诺,Pretty Little Marketer则预测"未经打磨但有目的"的内容将成为主流。消费者不再被光鲜的制作打动,他们想要的是真实。 从单向传播到共创参与 Google指出年轻受众想要"参与和重混"品牌故事,Pretty Little Marketer预测创作者将成为品牌的"首席创意官"和股东,Hummingbirds的数据显示用户生成内容的互动率比品牌内容高出近7倍。品牌不再是故事的唯一讲述者,而是提供原材料让受众共同构建。 小众社群和个性化崛起 三份报告都看到了从大众触达向精准连接的转变。Hummingbirds强调Nano Influencer的高互动率,Google谈到AI让搜索变成个性化探索,Pretty Little Marketer则预测2026年是"品味策展人之年"——那些能策划独特审美世界的人将主导消费决策。 怀旧与当下的融合 Google专门讨论了"怀旧混音"趋势,Pretty Little Marketer预测2026年将回归2016年的个性化美学,Hummingbirds的季节性营销数据也显示消费者渴望熟悉的仪式感。但这不是简单的复古,而是用新方式重新演绎旧情感。 线上线下的桥梁 Hummingbirds发现超过一半的Z世代仍在实体店发现新品,Pretty Little Marketer预测"第三空间"体验将爆发,Google强调即时可感知的奖励。数字营销的终点不是屏幕,而是真实生活中的连接。 2026年营销的核心公式是:真实的人 + 可参与的内容 + 个性化体验 + 线下落地。 https://www.prettylittlemarketer.com/blog/2026-social-media-predictions https://business.google.com/us/think/consumer-insights/digital-marketing-trends-2026/

00
莫尔索
17天前
6. Claude Code 项目负责人Boris Cherny 在在过去的30天里提交了 259 个 PR (每一行代码都是由 Claude Code + Opus 4.5 编写),包括 497 次commits,新增了 4 万行代码,删除了 3.8 万行代码,并分享了如果通过stop hook机制让Claude Code超过24h持续运行:x.com
7. Redis 之父 Salvatore Sanfilippo认为程序员对AI辅助编程的抵触情绪大幅降低。尽管 LLM 仍会犯错,但它们提供有用代码和提示的能力已经足够好,让很多原本怀疑的人也开始使用。目前编程界分为两派,一派把 LLM 当作协作伙伴,通过网络界面与它们互动;另一派则把 LLM 当作独立的编程代理。antirez.com
8. 软件工程大师 Martin Fowler 的访谈文字稿:mp.weixin.qq.com
9. Python 库 Rich 和 Textual的作者 Will McGugan操刀的通用 AI TUI,通过 ACP 协议接入任意 Code Agent:github.com
10. T3( 指T3 Stack,TypeScript、Tailwind CSS、tRPC)创始人、Cursor 投资人Theo Browne 分享自己的AI 编程协作经验:www.youtube.com

莫尔索: 年末了,这个贴子持续分享大佬们的 AI 编程实践: 1. Django 创始人Simon Willison 用 Codex CLI 和 GPT-5.2 在 4.5 小时内把 Python 的 JustHTML 转成 JavaScript:https://simonwillison.net/2025/Dec/15/porting-justhtml/ 2. Anthropic分享如何让编码 Agent 在长时间任务中高效工作:https://www.anthropic.com/engineering 3. OpenAI 的工程师 Aaron Friel 用 Rust 重写一个成熟的 Kotlin 开源项目,并且做到了和原项目 100% 兼容:https://forum.openai.com/public/videos/event-replay-vibe-engineering-with-openais-codex-2025-12-03 4. Flask 框架作者Armin Ronacher 的Amp、Claude Code和Pi使用体验,Vibe Coding 展现出令人兴奋的可能性,但离支撑起专业级的规模化复杂工程,还有很长的路要走:https://lucumr.pocoo.org/2025/12/22/a-year-of-vibes/ 5. 软件工程大师 Martin Fowler 的访谈,他认为 AI 核心影响在于让开发从确定性转向了非确定性,探讨了 AI 如何重塑重构、敏捷开发及软件架构等经典实践,并特别警告了氛围编程中存在的学习回路缺失风险,Fowler 建议开发者利用 AI 处理遗留代码理解和快速原型开发,但必须保持严谨的验证与测试。他强调,无论工具如何进化,沟通能力、对复杂业务的理解以及持续学习依然是优秀工程师的基石。https://youtu.be/CQmI4XKTa0U?list=TLGGKD78I6EfcOwyMzEyMjAyNQ

12
莫尔索
23天前
年末了,这个贴子持续分享大佬们的 AI 编程实践:
1. Django 创始人Simon Willison 用 Codex CLI 和 GPT-5.2 在 4.5 小时内把 Python 的 JustHTML 转成 JavaScript:simonwillison.net
2. Anthropic分享如何让编码 Agent 在长时间任务中高效工作:www.anthropic.com
3. OpenAI 的工程师 Aaron Friel 用 Rust 重写一个成熟的 Kotlin 开源项目,并且做到了和原项目 100% 兼容:forum.openai.com
4. Flask 框架作者Armin Ronacher 的Amp、Claude Code和Pi使用体验,Vibe Coding 展现出令人兴奋的可能性,但离支撑起专业级的规模化复杂工程,还有很长的路要走:lucumr.pocoo.org
5. 软件工程大师 Martin Fowler 的访谈,他认为 AI 核心影响在于让开发从确定性转向了非确定性,探讨了 AI 如何重塑重构、敏捷开发及软件架构等经典实践,并特别警告了氛围编程中存在的学习回路缺失风险,Fowler 建议开发者利用 AI 处理遗留代码理解和快速原型开发,但必须保持严谨的验证与测试。他强调,无论工具如何进化,沟通能力、对复杂业务的理解以及持续学习依然是优秀工程师的基石。youtu.be
1470
莫尔索
26天前
woc,这个是真牛👍

小龙_vuTX: ❗️死磕30万条外链数据,啃下这块最硬的骨头!我整理了一份List免费送给大家! 大家好我是小龙,今天我想分享一个关于我如何与“外链”这个东西死磕到底的故事。这不仅仅是一个关于SEO技巧的分享,更是一段关于热爱、探索和最终将兴趣变为产品的旅程。 ▪️缘起:从“飞哥”的新词比赛开始 故事要从23年底说起。那会儿@哥飞 连续做了几次新词SEO比赛,我都通过外链策略拿到了几次名次。这让我对外链产生了浓厚的兴趣。 刚开始,我只是个门外汉,完全模仿飞哥在分享里提到的方法。我去 Product Hunt、YC (Hacker News)、V2EX 这些知名的开发者和产品社区发帖,这算是我的外链尝试。 后面和@阿彪Bill 也请教了一些外链的知识和技巧,帮助非常的大,让我寻找高品质外链的速度快了许多! 后来,我开始分析大型网站,我最开始找的是阿彪的 hix.ai 和@阳光杉木 的 toolify.ai 这两个非常火的AI网站。我把他们的外链数据扒下来,希望能从中找到一些可以为我所用的资源。但很快我就发现,这条路没那么好走。他们很多高质量的外链都是我们无法去做的,大部分是花钱购买的PR文,成本高昂,门槛也高。 尽管如此,靠着最开始在那些简单渠道的尝试,以及哥飞在社群里的零散分享,我还是断断续续地寻找到了大约 100到200条 外链。虽然只有1-200条,但网站也能快速获得权重和流量,有了寻找更多外链的动力。 ▪️爆发:一个春节,我抓取了30万条外链 时间来到24年过年的时候,大家都在走亲访友,我没什么事情做,一门心思都在寻找外链上。我想,既然分析一两个竞品效果有限,那我为什么不把范围扩大呢? 说干就干。我索性收集了大约10个知名的AI导航网站,然后将这些网站的域名全部扔到 Semrush 里,让它去抓取这些网站所有的外链数据。这个过程像打开了新世界的大门,我顺藤摸瓜,从这10个网站的外链里又发现了更多的AI导航网站。于是,我把这个雪球滚了起来,最终扩展到抓取了大概 3000个 AI网站的数据。 抓取后的数据是海量的、杂乱的。我把所有数据导出,放进一个Excel表格里,开始进行繁琐的筛选:去重、去无效链接、格式化……最终,经过一番折腾,我得到了一份将 30万多条 外链数据清单。 ▪️沉淀:花一年时间,与30万条数据死磕 这30万条数据,我知道其中90%以上可能都是垃圾信息,需要耐心挖掘真正有用的信息。接下来的将近一整年时间,我的日常就多了一项工作:持续地去看这30万条数据。 ▪️我一条一条地研究,并且都带着同样的问题: 这个外链是如何发上去的?是评论、是文章、还是一个简单的链接? 它所在的网站是一个什么样的网站?是论坛、博客、导航站,还是其他类型? 这个网站主要使用什么语言?面向哪个国家的用户? 发布这个链接有什么特别的技巧吗?需不需要注册?有没有什么限制? 发布者是谁?是一个真实的用户,还是网站的运营者? 这个过程漫长但是我感觉很有趣。一直到今年(2025年)过年的时候,我终于从那30万条的原始数据中,整理出了 1万多条 我认为真实、有效、可操作的外链数据。 这里面的世界远比我想象的要丰富多彩。有常见的导航站、论坛、博客,也有很多出乎意料的形式:有在学术论文的PDF引用中夹带外链的,有在政府网站的问答板块提问时夹带外链的,甚至还有在音乐网站的版权声明里夹带外链的。各种各样,千奇百怪,非常有意思。 我之所以能花一年的时间来做这件看似枯燥的事情,实际上完全是出于热爱。我喜欢去窥探一个网站深层的东西。我总在想,为什么会有这个网站?这个网站存在的意义是什么? 我相信每个网站背后都有它的商业逻辑或存在逻辑。 举个例子,你会看到一个很垃圾的网站,上面有成千上万条各种类型的链接,看起来也没有什么访问量,但它的域名却一直续费了很多年。如果你仔细研究这个网站的首页,可能会发现这是一个无法在Google上被正常搜索到的网站,也许是一个无法通过常规渠道推广的行业。它利用一个子页面或者子域名,来做一个让大家免费发布外链的页面,目的就是为了给它的主站带来微小但持续的流量。 每天研究这些事情,对我来说是一个非常有趣的过程。 下面是之前抓取外链的时候统计用的表格,就是这样的一条一条去寻找的!(图1) ▪️机缘:从一份列表到一个网站LXX.ai 后来,我开始将自己整理的一些外链列表分享给周围的朋友们,比如@Clara998泽佳 @Lucas小杨 @嘶溜拿铁 @蛋壳-ai出海 @冉云ram-yun 他们的积极反馈让我萌生了一个新的想法。 今年哥飞要做一个年中聚会,我就主动问飞哥:“我做一个外链库产品,是不是可以赞助一下活动?”飞哥非常爽快地答应了。 最大的问题来了:我一点也不懂代码编程。但在这个AI时代,似乎一切皆有可能。我利用 v0 + Cursor,花了一周的时间,硬是“拼凑”出了一个外链网站—— https://www.lxx.ai/ 说实话,这个网站目前还非常的笨拙和简陋,UI可能也不够精美,但它的核心功能——查询和筛选外链,是完全可以使用的。 ▪️我将这份通过一年努力得到的外链列表,变成了 LXX.ai 这个产品。我是准备将它的价格定为 299美元一年。 这个外链库我会持续更新下去,不断把各种各样的新外链加进去。这些外链的来源,有我自己通过Semrush、Similarweb等工具持续寻找的,也有朋友们共享过来的高质量资源,我都会统一整理后逐步更新进去。 目前,网站里已经有 3000多条 精选的外链数据,涵盖了各行各业、各种语言、各种国家。 👉如果你是做 AI 站的,那么可以筛选 “AI Tools” 或者 “Startup” 分类的网站去提交。 👉如果你是做游戏的,那么可以筛选 “Games” 相关的论坛、博客或者目录站去提交。 👉如果你是做电商网站的,可以筛选一些产品评测、Reviews的网站去发外链。 这一切的外链资源、分析方法,其实最初的灵感和技巧都来自于哥飞在社群中的分享,我只是将这些方法论应用和实践到了极致。 ▪️为此,为了感谢飞哥和社群和即刻的朋友,我准备了一个特别的福利: 🌟免费给大家赠送 LXX.ai 一年的使用权! ❓如何获取? ❗️❗️❗️转发评论这条即刻,加我好友(微信:decxiaolong),我会给你一年访问权的专属兑换码! 然后访问网站:https://www.lxx.ai/,注册一个用户账号。进入用户中心,找到兑换码输入框。 填写专属兑换码,点击兑换,即可获得一年的外链库使用权益。 🥰希望这个小小的工具,能为同样在出海道路上奋斗的你,提供一点点帮助。谢谢大家。 PS: 1.有做免费导航站的朋友,可以联系我微信🌍 (decxiaolong),将你的导航站放进来方便大家提交。 2.有做付费导航站的朋友也可以联系我,提供一个针对LXX的专属优惠码,可以推荐。

00
莫尔索
28天前
《科创板日报》18日讯,在本月初微软Azure宣布接入Kimi k2模型后,双方合作有望下探至应用层。《科创板日报》记者获悉,微软或将在本月与Kimi合作上线新的Agent功能,以应对本土厂商的激烈竞争。据了解,该合作将利用AI的Agent能力,实现Office产品的自动化。记者就此向微软及Kimi方面求证,截至发稿,双方未予回应。

莫尔索: 逆向了一把Kimi,0.99元订阅入口: https://www.kimi.com/membership/pricing?from=d11_2025_bargain&track_id=19a734e5-e152-808d-8000-000068c54063&discount_id=19a734e5-e132-8cf7-8000-0000af4a3160 如何不行,那链接应该是动态刷新的,可以试试把下面内容拼接在网页后面😂from=d11_2025_bargain&discount_id=19a734e5-e132-8cf7-8000-0000af4a3160

00
莫尔索
29天前
看了两家这么多的文档、播客采访、技术博客,也使用过产品,Claude Code Manus 产品理念是非常一致的,对 AI 能力边界的理解也是 T0 级别的。
区别在于,Manus 一推出就是面向Majority,"我不要你觉得,我要我觉得",这让我非常不喜欢,包括后面那些邯郸学步的xx领域第一个 Agent 们。
Claude Code 则谨慎遵循着技术采用生命周期,和Early Adopters 一起探索产品形态。
67