即刻App年轻人的同好社区
下载
App内打开
大强同学
15关注298被关注2夸夸
👨‍💻数字生产力玩家
🛠️效率工具挖掘🤖解锁AI新鲜玩法🛩️出海实操攻略
💬提供可落地的定制化远程技术服务!
🔗我的博客→ dqtx.cc
置顶
大强同学
4月前
从需求梳理到功能落地,和 Claude 一起把 Fuwari 改成了「Firefly」!

集成了 Gitee 图床 + RSS 订阅,连页面切换都加了平滑动画,终于有个能安心发技术笔记的地方~

项目链接:github.com
00
大强同学
00:53
大强同学
1天前
📦 用 Obsidian 记笔记快两年了,一直有一个隐患没解决:本地优先固然好,但数据兜底全靠自己。

硬盘故障、误删、电脑丢失——任何一个都能清空几百天的积累。同步插件付费,iCloud 不靠谱,折腾来折腾去都是妥协。

上周花了 15 分钟配了一套 Git 备份,发现这才是最干净的方案:

1 本地 Git 记录每一次改动
每次写完停下来,Obsidian Git 插件自动提交。不需要手动操作,版本历史一条不漏。

2 GitHub 私有仓库做远程存储
数据完全私有,免费,不限容量。电脑坏了换新电脑,一条 `git clone` 完整恢复,连目录结构都一样。

3 启动时自动 pull,停止编辑后自动 push
配置一次之后就不用再管。Obsidian 打开,先从 GitHub 拉最新版本;停止写作 1 分钟后,自动推送上去。

整套方案没有月费、没有第三方账号、没有网盘限速。真正的本地优先,又真正有远程兜底。

配置过程里最省力的一步:连接远程仓库那段,直接把提示词发给 AI,一键帮你跑完所有命令。

从此之后,只管写笔记,备份这件事彻底不用操心了。

📎 详细文章请看:mp.weixin.qq.com
00
大强同学
2天前
进来
get笔记→Obsidian:get-to-obsidian
web→Obsidian:Obsidian Web Clipper

出去
Obsidian→Notion:Share to NotionNext
Obsidian→飞书:ObShare
Obsidian→github→博客:Git&Astro

待补充。。。
00
大强同学
2天前
一个IPhone产品爱好者社群

截图加壳限免,进群取🔗
00
大强同学
2天前
一个IPhone产品爱好者社群

截图加壳限免,进群取🔗
00
大强同学
2天前
微信飞书桥接器有没有好用的呀

1,生成的图片可以传到微信
2,实时数据
00
大强同学
3天前
🔥 被 Karpathy 的 CLAUDE.md 刷屏了

65 行规则,AI 编程准确率从 65% 拉到 94%,22 万星,登顶 GitHub 趋势榜。

第一反应跟所有人一样:卧槽。

点进去看完,四条规则写得确实好——先想再写、简洁优先、精准修改、目标驱动。每条都在对抗"先写再说"的本能。

但冷静下来,几个问题绕不开。

1 94% 怎么测的
大概率跑的是独立函数、单文件逻辑、边界清晰的算法题。你每天面对的是五年老项目,改一行崩三个模块,文档三年没更新。场景差一整个银河系。

2 规则有边界
需求模糊的时候,AI 没法替你想清楚你要什么。遗留代码库里耦合度超出静态规则能处理的范畴。同事的 CLAUDE.md 跟你的打架,AI 该听谁的。

3 最被忽略的前提
Karpathy 是前 0.01% 的程序员。四条规则是他二十年经验的结晶,但上下文不在那 65 行里。新手照抄,跟拿驾照学 F1 车手过弯一样动作都对,结果不对。

真正有价值的不是那四条规则,是有"规则文件"这个东西本身。他在示范一种跟 AI 协作的方式,不是给你金科玉律照着抄。

与其纠结 94%,不如想一个更简单的问题——今天用 AI 编程最烦它做什么?把这个写进你的 CLAUDE.md,就这一条。

22 万星给的不是那 65 行文字。是给"AI 时代开发者该怎么工作"这个问题的第一个认真回答。

你需要做的不是仰望那 22 万星。是写出你自己的 22 行。

📎 详细文章请看:mp.weixin.qq.com
01
大强同学
3天前
DeepSeek 今日官宣:
V4‑Pro API 将于 5 31 日限时 2.5 折结束后永久按原价 1/4 定价(等同 2.5 折),相当于优惠常态化,旗舰级 AI 调用成本 “白菜化”,普惠开发者与企业。

这不是短期促销,而是直接改写行业定价权:用技术降本支撑永久低价,把高性能大模型从 “奢侈品” 打成 “日用品”,倒逼全行业跟进,AI 规模化落地拐点已至。

可以聊聊你对降价的事怎么看!
00
大强同学
4天前
阿里憋了几个月,Qoder 1.0 终于放出来了。

跟早期测试版比,这次是推倒重做的。最让我印象深刻的是 Agent Harness 这套系统——给一个需求,它不直接开写,先派"调研专家"来问细节。确认后,动态拉起十几个角色的专家团并行工作。

有一次看它处理一个复杂任务:瞬间实例化 3 个调研员加 1 个全栈工程师。一个去 GitHub 扒高星项目做竞品对标,一个全网搜行业指南,另一个去社交平台爬经验贴。三个一组合,深度远超普通大模型的 Deep Research。

还有个"W 模式"挺有意思。AI 在独立隔离目录里开发,翻江倒海也不影响主干代码,验证通过后才合并回来。代码审查和自动化测试也内置了,审查员还会吐槽提示词不专业,像极了严苛的领导。

越用越懂使用习惯的持久化记忆也是亮点,自动生成项目 Wiki,随 Git 提交共享。

编程正在从逐行敲键盘变成"调度 AI 专家团"的架构工作。淘汰开发者的不是 AI,是先用上 AI 指挥团队的人。
01
大强同学
4天前
有个朋友在工厂做品控,干了六年。问我AI这么火,我能干啥?

我问他喜欢什么。他说钓鱼,拍视频。"没用。"

他把"没用"两个字放那里的方式,很有意思。很多人面对兴趣的本能反应,就是先把它和赚钱切割干净。

但AI时代,这件事在松动。

以前兴趣分两种。消费型:打游戏、刷视频,开心但不出东西。产出型:写作、拍视频、做设计,能给出去的价值。以前产出型变现路径很窄,画画好但不走商业插画,基本就自娱自乐。

AI把这条路拓宽了很多倍。脚本生成、封面出图、字幕剪辑,AI处理掉大部分环节,人只需要提供最核心的东西——水边坐着,鱼咬钩的那一刻。

没兴趣怎么办?找让情绪波动的事。愤怒也行,着迷也行。或者把过去五年买过的课、关注过的账号、读过的书喂给AI,让它帮忙照出一个可能没认真看过的自己。

还有个事,AI编程的门槛比想象的低。Claude Code从零开始,前几个月可能比手动还慢,但大概半年会有拐点,开始理解AI在做什么之后,复利效应就起来了。

说到底,找到一个自己真正懂的领域,用AI把产出效率放大,先小范围验证有没有人买单,再逐步投入。

我跟那个朋友说,现在最缺的不是赚钱方案,是一个开始。

📎 详细文章请看:mp.weixin.qq.com
00