即刻App年轻人的同好社区
下载
据我观察，大厂的AI代码占比在20-30%，AI初创公司是80-90%，很显而易见的原因是，老产品的屎山代码太多，程序员自己经常都看不懂要到处问，更别提AI了。
而AI初创公司，用AI编程也不是那么简单，需要维护好代码库的上下文，比如你要删一些东西，从你的脑子里，已经删掉了，但实际上代码库还有遗留，只不过没有表现出运行状态。
而这种不干净的代码就会污染上下文，导致AI在继续写代码时，会出一些莫名其妙的问题。假如再过几年，这批新的AI产品还能继续活着，估计代码库也会非常复杂，那么到时候该如何让AI继续高效写代码呢？
猜测：
1. 模型的编程能力大幅度提升，连屎山代码都搞得定，暴力美学
2. 程序员的重点不是写代码，而是维护代码库的架构和上下文，形成一套新的人机编程协作方法
3. 人人都是产品经理，人人都是程序员
备注：AI coding 不完全等于vibe coding
而AI初创公司，用AI编程也不是那么简单，需要维护好代码库的上下文，比如你要删一些东西，从你的脑子里，已经删掉了，但实际上代码库还有遗留，只不过没有表现出运行状态。
而这种不干净的代码就会污染上下文，导致AI在继续写代码时，会出一些莫名其妙的问题。假如再过几年，这批新的AI产品还能继续活着，估计代码库也会非常复杂，那么到时候该如何让AI继续高效写代码呢？
猜测：
1. 模型的编程能力大幅度提升，连屎山代码都搞得定，暴力美学
2. 程序员的重点不是写代码，而是维护代码库的架构和上下文，形成一套新的人机编程协作方法
3. 人人都是产品经理，人人都是程序员
备注：AI coding 不完全等于vibe coding
18 22
今天AI届最大的新闻是豆包和中兴合作的AI手机，保密措施做得很不错，不然我就提前买中兴股票怒赚一笔。
我还没办法体验，就单纯看演示视频的话，目前豆包的这款 AI 手机，应该是市面上体验最佳的。
字节的产品能力真的强，模型能力也不弱。在其他公司待过，可能离职后觉得公司傻逼，但在字节待过的同学，都会承认，字节这家公司真的很强，战斗力很恐怖。
豆包AI手机的核心逻辑其实非常简单粗暴：读屏 + 模拟操作。它可以跨 App 帮我们完成任务，本质上是 AI “看懂”了屏幕上的内容，然后像人手一样去点击、滑动。这事儿必须得跟手机厂商合作，拿到系统级的权限，而且厉害的是，它能绕开各大 App 的协议限制。简单来说就是：豆包想操作你，微信你也拦不住。
这让我想起几年前“私域流量”最火的时候，大量灰产用群控手机搞模拟操作。但那时候是机械式的，动作重复、批量，微信一抓一个准。但豆包现在的搞法不一样，它是个性化的、随机的，更像一个真人在操作，识别难度指数级上升。
当然，这后面肯定会演变成一场“攻防战”，如果微信觉得威胁到了生态安全，肯定会有反制措施。就像之前的抖音链接在微信被封杀，这种类似的博弈可能还会换壳反复上演。
其实一年前，智谱就发过 AutoGLM，演示了点外卖、发红包。但当时效果一般，水花不大。这次豆包一出手，不得不感叹字节是真的“卷”。无论是模型能力、AI 整合能力还是产品落地能力，都打磨得非常强。
AI 手机这故事，早在 Siri 时代就有人讲过。 以前没做成，是因为模型太傻，纯靠规则；现在技术临界点到了，故事终于能落地了。
不仅是豆包，有其他的模型厂商也在跟手机厂合作，只不过还没发出来。但这里有个大问题：怎么商用落地？
看演示视频，豆包展示了很多案例。但我看下来，觉得可以分为三类，不符合MECE原则，但就这样吧：
第一类：明确但低价值的任务。 比如“帮我签到”、“领金币”。这对用户有价值，指令也清晰，但这很难撑起一款核心产品的价值。
第二类：高频但高语境的任务。 比如“帮我点外卖”、“做攻略”。这类任务最难，因为 AI 很难完全理解你的口味和当下的潜台词。大概率它点的外卖不如你自己选的香，总结的微博热点不如你自己刷得爽。
第三类：精英化的管理任务。 比如整理日程、笔记。这需求很明确，但那是少数人的需求，大部分普通人其实没那么多日程要管理，普通人上班当牛马，下班躺尸刷视频。
目前的策略应该是：先做出来，扔到市场上去跑。 看看用户到底在用什么，然后针对性地去强化、去教育，直到用户离不开。
作为产品经理，我觉得其实是挺难设计的，兼顾切入点的精准sharp，以及长期的通用泛化。回顾一下chatbot赛道，ChatGPT和豆包的最开始都是很好解决了「快问快答」的需求，快问快答对应的是过去的庞大的搜索需求，所以普遍的、高频、日常，以及对话式的交互可以泛化出更多需求。
我很期待，等更多人用AI手机后，有哪些场景会先跑出来。目前据我了解，oppo的小布是目前数据和口碑最好的手机AI助手，等我有机会去朋友手机体验体验。
为什么做AI手机？对于字节来说，增长是刻在基因里的。 豆包月活破亿了，但还不够。虽然还可以继续从抖音里薅新用户，但需要提前去找新的流量源头和更高频深度场景。手机硬件，就是那个能获取更多上下文、更多触发机会的“物理入口”。
对于手机厂商来说，这是个真空期。 像中兴这样的厂商，急需差异化突围，所以愿意做“打样”。但你像小米、苹果、华为这种有生态闭环的大厂，绝不可能把系统级的 AI 入口拱手让人，最终还是自己做，苹果是因为隐私包袱重，以及软件和硬件部门之间的斗争，微信是龙哥还没有那么全身心的投入做AI，所以两家虽然都慢，但大家都不会轻视。
所以，现在的合作更像是一次“试水温”。如果市场反应好（目前看确实不错），手机厂商们绝对会跟进，把这块肉烂在自己锅里。
字节现在资金、人才、算力溢出，做 AI 手机是个正确的尝试，未来在这三方面继续优化，会距离真正的规模化商用更近：
1. 模型能力的进化： 对图像的理解要更准，对指令的遵循更强、长而复杂的任务更稳定。
2. 个性化和主动性： AI 得像个老朋友，不用我把话说透，它就能结合之前的记忆和手机已有的context，猜到我想干嘛，甚至超出我的预期，在我说之前，就把事情给办了。
3. 基础设施的重构：现在的 AI 是在用“读屏”这种笨办法操作 App，效率其实很低。App 的 GUI 是给人设计的，不是给 AI 设计的，尤其中国移动互联网卷出来了很多畸形的GUI，比如点不完的弹窗，找不到的叉号。 未更合理的方式，应该是 App 开放数据接口（API），让模型直接调用。就像 Anthropic 的 MCP，或者微信想做的小程序服务生态。
谁掌握了这个“贾维斯”，谁站在用户这边，谁就掌握了未来的流量入口。当然，也可能这是错误的方向，最终还是需要一个新的硬件平台
我还没办法体验，就单纯看演示视频的话，目前豆包的这款 AI 手机，应该是市面上体验最佳的。
字节的产品能力真的强，模型能力也不弱。在其他公司待过，可能离职后觉得公司傻逼，但在字节待过的同学，都会承认，字节这家公司真的很强，战斗力很恐怖。
豆包AI手机的核心逻辑其实非常简单粗暴：读屏 + 模拟操作。它可以跨 App 帮我们完成任务，本质上是 AI “看懂”了屏幕上的内容，然后像人手一样去点击、滑动。这事儿必须得跟手机厂商合作，拿到系统级的权限，而且厉害的是，它能绕开各大 App 的协议限制。简单来说就是：豆包想操作你，微信你也拦不住。
这让我想起几年前“私域流量”最火的时候，大量灰产用群控手机搞模拟操作。但那时候是机械式的，动作重复、批量，微信一抓一个准。但豆包现在的搞法不一样，它是个性化的、随机的，更像一个真人在操作，识别难度指数级上升。
当然，这后面肯定会演变成一场“攻防战”，如果微信觉得威胁到了生态安全，肯定会有反制措施。就像之前的抖音链接在微信被封杀，这种类似的博弈可能还会换壳反复上演。
其实一年前，智谱就发过 AutoGLM，演示了点外卖、发红包。但当时效果一般，水花不大。这次豆包一出手，不得不感叹字节是真的“卷”。无论是模型能力、AI 整合能力还是产品落地能力，都打磨得非常强。
AI 手机这故事，早在 Siri 时代就有人讲过。 以前没做成，是因为模型太傻，纯靠规则；现在技术临界点到了，故事终于能落地了。
不仅是豆包，有其他的模型厂商也在跟手机厂合作，只不过还没发出来。但这里有个大问题：怎么商用落地？
看演示视频，豆包展示了很多案例。但我看下来，觉得可以分为三类，不符合MECE原则，但就这样吧：
第一类：明确但低价值的任务。 比如“帮我签到”、“领金币”。这对用户有价值，指令也清晰，但这很难撑起一款核心产品的价值。
第二类：高频但高语境的任务。 比如“帮我点外卖”、“做攻略”。这类任务最难，因为 AI 很难完全理解你的口味和当下的潜台词。大概率它点的外卖不如你自己选的香，总结的微博热点不如你自己刷得爽。
第三类：精英化的管理任务。 比如整理日程、笔记。这需求很明确，但那是少数人的需求，大部分普通人其实没那么多日程要管理，普通人上班当牛马，下班躺尸刷视频。
目前的策略应该是：先做出来，扔到市场上去跑。 看看用户到底在用什么，然后针对性地去强化、去教育，直到用户离不开。
作为产品经理，我觉得其实是挺难设计的，兼顾切入点的精准sharp，以及长期的通用泛化。回顾一下chatbot赛道，ChatGPT和豆包的最开始都是很好解决了「快问快答」的需求，快问快答对应的是过去的庞大的搜索需求，所以普遍的、高频、日常，以及对话式的交互可以泛化出更多需求。
我很期待，等更多人用AI手机后，有哪些场景会先跑出来。目前据我了解，oppo的小布是目前数据和口碑最好的手机AI助手，等我有机会去朋友手机体验体验。
为什么做AI手机？对于字节来说，增长是刻在基因里的。 豆包月活破亿了，但还不够。虽然还可以继续从抖音里薅新用户，但需要提前去找新的流量源头和更高频深度场景。手机硬件，就是那个能获取更多上下文、更多触发机会的“物理入口”。
对于手机厂商来说，这是个真空期。 像中兴这样的厂商，急需差异化突围，所以愿意做“打样”。但你像小米、苹果、华为这种有生态闭环的大厂，绝不可能把系统级的 AI 入口拱手让人，最终还是自己做，苹果是因为隐私包袱重，以及软件和硬件部门之间的斗争，微信是龙哥还没有那么全身心的投入做AI，所以两家虽然都慢，但大家都不会轻视。
所以，现在的合作更像是一次“试水温”。如果市场反应好（目前看确实不错），手机厂商们绝对会跟进，把这块肉烂在自己锅里。
字节现在资金、人才、算力溢出，做 AI 手机是个正确的尝试，未来在这三方面继续优化，会距离真正的规模化商用更近：
1. 模型能力的进化： 对图像的理解要更准，对指令的遵循更强、长而复杂的任务更稳定。
2. 个性化和主动性： AI 得像个老朋友，不用我把话说透，它就能结合之前的记忆和手机已有的context，猜到我想干嘛，甚至超出我的预期，在我说之前，就把事情给办了。
3. 基础设施的重构：现在的 AI 是在用“读屏”这种笨办法操作 App，效率其实很低。App 的 GUI 是给人设计的，不是给 AI 设计的，尤其中国移动互联网卷出来了很多畸形的GUI，比如点不完的弹窗，找不到的叉号。 未更合理的方式，应该是 App 开放数据接口（API），让模型直接调用。就像 Anthropic 的 MCP，或者微信想做的小程序服务生态。
谁掌握了这个“贾维斯”，谁站在用户这边，谁就掌握了未来的流量入口。当然，也可能这是错误的方向，最终还是需要一个新的硬件平台
聊聊豆包 AI 手机，可能是手机厂商不会放手的入口
33 1011
最近flux 2出来了，但其实没什么水花，大家依然在玩nano banana。曾经的flux是生图市场的佼佼者，很多AI产品酷炫效果背后都是基于flux精调或者直出。但曾经的小甜甜现在却变成了牛夫人，让人不由得唏嘘。
模型的进步趋势，一方面是单项能力不断提高，比如精细度、美感、文字生成准确度，prompt响应等；另一方面，是多项能力的组合叠加，这一点经常被忽略，但在应用侧价值更大。
GPT 4o和nano banana就是非常明显地把多个能力维度，不仅仅出图能力，变得更强，有点类似于把理解和生成统一，甚至还加上了搜索，模型越来越像一个产品，甚至越来越像一个人，这类生图模型已经远非flux可比。
这是否意味着小模型公司的机会越来越少？因为要做出如此高复杂度、多维度能力的综合性模型，对资源的要求非常高。对于runway、midjourney、flux等公司来说，未来可能会更加艰难，大厂的模型单向能力，综合能力都会超越你
模型的进步趋势，一方面是单项能力不断提高，比如精细度、美感、文字生成准确度，prompt响应等；另一方面，是多项能力的组合叠加，这一点经常被忽略，但在应用侧价值更大。
GPT 4o和nano banana就是非常明显地把多个能力维度，不仅仅出图能力，变得更强，有点类似于把理解和生成统一，甚至还加上了搜索，模型越来越像一个产品，甚至越来越像一个人，这类生图模型已经远非flux可比。
这是否意味着小模型公司的机会越来越少？因为要做出如此高复杂度、多维度能力的综合性模型，对资源的要求非常高。对于runway、midjourney、flux等公司来说，未来可能会更加艰难，大厂的模型单向能力，综合能力都会超越你
12 31
Ilya Sutskever说可以引入情绪作为一种价值函数，来做强化学习RL，可以提高训练效率和泛化性，因为人不是完全依赖结果的反馈进行学习的，大量会通过感觉和情绪来提前判断。
想起了字节推荐算法一直想要学“品味”，但一直没有找到对应的指标。这么多年，做了那么多专项，堆了无数资源，但依然眼睁睁看着小红书起来。
想起了字节推荐算法一直想要学“品味”，但一直没有找到对应的指标。这么多年，做了那么多专项，堆了无数资源，但依然眼睁睁看着小红书起来。
41 212
谷歌最近新发的论文 Nested Learning，甚至有人称之为 Attention Is All You Need 2.0 版本。
模型自我迭代一直是我非常感兴趣的话题，尤其做agent产品时，很多context engineering的活儿还挺烦挺枯燥挺难搞的，如果能把业务的脚手架内化到模型里，效果会有显著的提升。比如过去把lora、Ip adapter、PE优化等训到基模里，应用层就轻松很多，且效果的质量和泛化性都更好了。
作为一个应用层的产品，而非专业算法，看了之后，把自己的理解和思考写出来，期待与大家的交流，尤其来自算法同学的纠偏。
论文地址：abehrouz.github.io
Nest learning试图解决大模型应用目前面临的一个核心矛盾：静态的权重与动态的业务需求之间的割裂。如果说目前的 Transformer 架构本质上是在通过静态权重来“预测下一个 Token”，那么 Nested Learning（嵌套学习）则是在尝试构建一个能够实时自我更新的系统。
1. 架构的本质差异：静态堆叠 vs 嵌套循环
目前的 LLM（基于 Transformer）与 Nested Learning 在底层逻辑上有着显著的区别：
Transformer（当前的主流）： 它的训练和推理是截然分开的。我们在训练阶段通过海量数据确定了模型的权重，一旦训练结束，这些权重就固化了。这就好比一个学生在毕业那一刻，他的知识体系就被封存了。上线后的每一次对话（Inference），模型都是在调用这份“死”的长期记忆，虽然能通过上下文窗口（Context Window）处理短期信息，但无法将其转化为长期的经验。这也是为什么模型会患有“顺行性遗忘症”——Session 一关，一切归零。
Nested Learning（新的范式）： 它的核心观点是 “Architecture is an illusion”（架构即幻觉）。它不再将模型看作是层与层的简单堆叠，而是将其视为一组嵌套的优化问题。在这个视角下，架构和优化器是一体两面的。模型被设计成多个不同层级的循环，有的层级负责快速适应（类似推理），即快权重，有的层级负责慢速固化（类似训练），即慢权重，这两者在 Nested Learning 中是统一且同时进行的。
2. 仿生学原理：多频率的记忆共振
Nested Learning 之所以受到关注，是因为它在机制上更接近人脑的运作方式。大脑在处理信息时，会产生不同频率的脑波：
- 高频波（如Gamma波）： 往往对应着高度集中的注意力，处理当下的、瞬时的短期记忆。
- 中低频波（如Alpha波、Delta波）： 往往与记忆的整合、固化有关，负责将短期的体验沉淀为长期的认知。
Nested Learning 借鉴了这种“多时间尺度”（Multi-timescale）的机制。它将模型内部划分为不同的频率区域：
- 高频区（Fast Weights）： 类似于人脑处理短期记忆的区域，能够随着当前的 Context Flow（上下文流）实时快速更新。这让模型在推理过程中就能“学会”新的东西。
- 低频区（Slow Weights）： 类似于长期记忆区，更新频率极低，负责存储那些通用的、稳定的规律。
通过这种高低频的嵌套与配合，模型不再是一个机械的输入输出函数，而具备了某种程度的“生物活性”，能够在与环境交互的过程中，动态地决定哪些信息该遗忘，哪些信息该像突触生长一样被固化下来。
3. 对应用层产品的潜在影响
如果这种从“静态”到“动态”的转变能够落地，我们构建 AI 产品的方式或许会发生几个本质的变化。
第一，模型角色从“工具”转向“养成系员工”。目前的模型更像是一个标准化的工具，出厂设置决定了它的上限。而基于 Nested Learning 的模型，更像是一个新入职的员工。起初大家的基础能力（基座）差异不大，但在处理具体业务的过程中，它会持续接收反馈（正向的采纳、负向的修正）。
这种反馈不再仅仅停留在 Prompt 层面，而是会通过“快权重”实时沉淀到模型里。一段时间后，它将变成一个完全适应你业务逻辑的、独一无二的模型。壁垒将由数据规模转向“业务交互的质量”。
第二，Context Engineering 的“内化”。过去大半年，为了解决模型记性差、不懂业务的问题，我们花费大量精力做 Context Engineering（上下文工程），搭建 RAG、编写复杂的 System Prompt。这本质上是在模型外部搭建“脚手架”。
当模型具备了自我迭代能力，这些外部的脚手架将被逐步拆除，能力会被内化到模型参数中。模型不再需要你每次都重复告知“你是谁”、“你的目标是什么”，这些信息已经变成了它的直觉。
第三，从“离线训练”到“在线进化”。目前的 RL、SFT（监督微调）大多是离线的、静态的。业务变了，必须重新收集数据、重新训练、重新部署。Nested Learning 提供了一种在线持续学习的可能。模型置身于真实的数据流中，边服务边学习，这种效率上的提升，在长周期看是巨大的。
当然，Nested Learning 仍然处于理论阶段，并且其在实践中的挑战依然非常多。比如，如何保证动态权重更新不导致模型不稳定或出现过拟合问题，如何在大规模应用中高效执行这种实时更新，如何在没有大量标注数据的情况下进行有效的在线学习等。
但它提醒了我们：为了业务，一方面需要修补当下的技术缺陷（如有限上下文长度），另一方面也应关注模型演进的长期方向，看哪些是长期有价值的产品建设。
未来，我们作为产品，核心工作可能不再是写 Prompt，而是为这个能够自我进化的智能体定义清晰的目标（Goal），并构建一个能够提供高质量反馈的闭环环境。毕竟，当模型能够自我学习时，决定它长成什么样子的，是它所处环境的反馈机制。
有人把论文喂给nano banana，生成了这张图，非常精准，我自己试过来，没这么好看
模型自我迭代一直是我非常感兴趣的话题，尤其做agent产品时，很多context engineering的活儿还挺烦挺枯燥挺难搞的，如果能把业务的脚手架内化到模型里，效果会有显著的提升。比如过去把lora、Ip adapter、PE优化等训到基模里，应用层就轻松很多，且效果的质量和泛化性都更好了。
作为一个应用层的产品，而非专业算法，看了之后，把自己的理解和思考写出来，期待与大家的交流，尤其来自算法同学的纠偏。
论文地址：abehrouz.github.io
Nest learning试图解决大模型应用目前面临的一个核心矛盾：静态的权重与动态的业务需求之间的割裂。如果说目前的 Transformer 架构本质上是在通过静态权重来“预测下一个 Token”，那么 Nested Learning（嵌套学习）则是在尝试构建一个能够实时自我更新的系统。
1. 架构的本质差异：静态堆叠 vs 嵌套循环
目前的 LLM（基于 Transformer）与 Nested Learning 在底层逻辑上有着显著的区别：
Transformer（当前的主流）： 它的训练和推理是截然分开的。我们在训练阶段通过海量数据确定了模型的权重，一旦训练结束，这些权重就固化了。这就好比一个学生在毕业那一刻，他的知识体系就被封存了。上线后的每一次对话（Inference），模型都是在调用这份“死”的长期记忆，虽然能通过上下文窗口（Context Window）处理短期信息，但无法将其转化为长期的经验。这也是为什么模型会患有“顺行性遗忘症”——Session 一关，一切归零。
Nested Learning（新的范式）： 它的核心观点是 “Architecture is an illusion”（架构即幻觉）。它不再将模型看作是层与层的简单堆叠，而是将其视为一组嵌套的优化问题。在这个视角下，架构和优化器是一体两面的。模型被设计成多个不同层级的循环，有的层级负责快速适应（类似推理），即快权重，有的层级负责慢速固化（类似训练），即慢权重，这两者在 Nested Learning 中是统一且同时进行的。
2. 仿生学原理：多频率的记忆共振
Nested Learning 之所以受到关注，是因为它在机制上更接近人脑的运作方式。大脑在处理信息时，会产生不同频率的脑波：
- 高频波（如Gamma波）： 往往对应着高度集中的注意力，处理当下的、瞬时的短期记忆。
- 中低频波（如Alpha波、Delta波）： 往往与记忆的整合、固化有关，负责将短期的体验沉淀为长期的认知。
Nested Learning 借鉴了这种“多时间尺度”（Multi-timescale）的机制。它将模型内部划分为不同的频率区域：
- 高频区（Fast Weights）： 类似于人脑处理短期记忆的区域，能够随着当前的 Context Flow（上下文流）实时快速更新。这让模型在推理过程中就能“学会”新的东西。
- 低频区（Slow Weights）： 类似于长期记忆区，更新频率极低，负责存储那些通用的、稳定的规律。
通过这种高低频的嵌套与配合，模型不再是一个机械的输入输出函数，而具备了某种程度的“生物活性”，能够在与环境交互的过程中，动态地决定哪些信息该遗忘，哪些信息该像突触生长一样被固化下来。
3. 对应用层产品的潜在影响
如果这种从“静态”到“动态”的转变能够落地，我们构建 AI 产品的方式或许会发生几个本质的变化。
第一，模型角色从“工具”转向“养成系员工”。目前的模型更像是一个标准化的工具，出厂设置决定了它的上限。而基于 Nested Learning 的模型，更像是一个新入职的员工。起初大家的基础能力（基座）差异不大，但在处理具体业务的过程中，它会持续接收反馈（正向的采纳、负向的修正）。
这种反馈不再仅仅停留在 Prompt 层面，而是会通过“快权重”实时沉淀到模型里。一段时间后，它将变成一个完全适应你业务逻辑的、独一无二的模型。壁垒将由数据规模转向“业务交互的质量”。
第二，Context Engineering 的“内化”。过去大半年，为了解决模型记性差、不懂业务的问题，我们花费大量精力做 Context Engineering（上下文工程），搭建 RAG、编写复杂的 System Prompt。这本质上是在模型外部搭建“脚手架”。
当模型具备了自我迭代能力，这些外部的脚手架将被逐步拆除，能力会被内化到模型参数中。模型不再需要你每次都重复告知“你是谁”、“你的目标是什么”，这些信息已经变成了它的直觉。
第三，从“离线训练”到“在线进化”。目前的 RL、SFT（监督微调）大多是离线的、静态的。业务变了，必须重新收集数据、重新训练、重新部署。Nested Learning 提供了一种在线持续学习的可能。模型置身于真实的数据流中，边服务边学习，这种效率上的提升，在长周期看是巨大的。
当然，Nested Learning 仍然处于理论阶段，并且其在实践中的挑战依然非常多。比如，如何保证动态权重更新不导致模型不稳定或出现过拟合问题，如何在大规模应用中高效执行这种实时更新，如何在没有大量标注数据的情况下进行有效的在线学习等。
但它提醒了我们：为了业务，一方面需要修补当下的技术缺陷（如有限上下文长度），另一方面也应关注模型演进的长期方向，看哪些是长期有价值的产品建设。
未来，我们作为产品，核心工作可能不再是写 Prompt，而是为这个能够自我进化的智能体定义清晰的目标（Goal），并构建一个能够提供高质量反馈的闭环环境。毕竟，当模型能够自我学习时，决定它长成什么样子的，是它所处环境的反馈机制。
有人把论文喂给nano banana，生成了这张图，非常精准，我自己试过来，没这么好看
38 428
今天我这个文科生且零代码基础的产品经理，用 Gemini 3 来 Vibe Coding，体验非常丝滑。一句话生成极具美感的可交互官网，一个小时做出mac端的wisper flow语音输入法。
刚开始，我是在 Google AI Studio 里直接生成网页。大家应该都知道，Gemini 3 在前端审美上有了极大的提升。生成的一些网页，动效细腻到连前端朋友看了都觉得厉害，说这些效果如果人工写要费很大劲。更关键的是，它的“理解力”极强：
1. 一次成型： 第一版生成的质量就很高。
2. 局部微调精准： 以前需要反复解释、甚至解释不清的问题，现在它一听就懂，响应基本到位。
当然它真的就是手搓网页，大力出奇迹，不像正经程序员会做一些可复用的模块化组件控件
Claude code那种经典的“蓝紫色程序员配色”官网不见了，取而代之的是真正好看甚至高级的网页。
这给了我极大的信心——既然网页能做得这么好，我干脆挑战一下，做一个 Mac 端软件吧？
于是我打开了 AntiGravity，切换到 Agent 模式，决定做一个叫 "Whisper Flow" 的工具，因为我平时语音输入比较多。
整个过程就像在和一个懂技术的老友聊天：
1. 需求描述： 我只用几句话描述了我想做个什么样的录音转录工具。
2. 自动规划： 它立刻开始列 To-Do List，大纲清晰。
3. 白话报告： 在过程中会生成一个 Walkthrough 的 Markdown 文件。它用大白话向我汇报：它在干什么、做了什么。
我不懂代码，但我读得懂它的“报告”。 这让我能基于报告内容，继续跟它对话推进。
在开发过程中，我完全是在基于“体验”下达指令，而不是纠结代码：
1. UI 优化： 刚开始录音条是个红色的长条，特别丑。我说：“颜色好看点，要有声纹。”——它立马改成了带有动态声纹的精致样式。
2. 功能扩展： 我让它接入主流 API（如 ElevenLabs, OpenAI），它直接列好了配置项。
3. 测试闭环： 输入参数后发现不仅能用，但我担心 API Key 有效性。于是我让它在设置页加个 "Test" 按钮，点一下就能验证 API 是否通畅。它也直接照做了。
当我最终按下 Fn 键，软件开始录音并完美转录时，看到那个蓝色的声音波纹条出现并且律动，那种感觉真的妙不可言，其实就不到一小时搞定。
现在只是纯粹的copy一个超低配版wisper flow，但接下来我可以做更加自定义的能力了。
做软件和做网页真的很不一样，它释放的应用空间大太多了。这次用 AntiGravity 配合 Gemini 3，体验比我之前用 Cursor 要好非常多。我是在和人对话，而不是把大量时间花在 Debug 上。
真心推荐： 无论是产品经理还是设计师，大家都去试试。把你脑海里封存许久的想法拿出来，哪怕做出来的东西刚开始丑一点、功能简陋点也没关系。
临界点已来： 我相信大模型的 Coding 能力正在逼近一个临界点。我们不再只是做演示用的 Demo，而是真的能做出完整度高、可用的小产品。
哪怕工程不稳定，遇到问题，直接让它再改就是了。
PS: 你现在看到的这段文字，其实就是用我今天刚做出来的这个软件，通过语音转录生成的，然后Gemini 3改写的
刚开始，我是在 Google AI Studio 里直接生成网页。大家应该都知道，Gemini 3 在前端审美上有了极大的提升。生成的一些网页，动效细腻到连前端朋友看了都觉得厉害，说这些效果如果人工写要费很大劲。更关键的是，它的“理解力”极强：
1. 一次成型： 第一版生成的质量就很高。
2. 局部微调精准： 以前需要反复解释、甚至解释不清的问题，现在它一听就懂，响应基本到位。
当然它真的就是手搓网页，大力出奇迹，不像正经程序员会做一些可复用的模块化组件控件
Claude code那种经典的“蓝紫色程序员配色”官网不见了，取而代之的是真正好看甚至高级的网页。
这给了我极大的信心——既然网页能做得这么好，我干脆挑战一下，做一个 Mac 端软件吧？
于是我打开了 AntiGravity，切换到 Agent 模式，决定做一个叫 "Whisper Flow" 的工具，因为我平时语音输入比较多。
整个过程就像在和一个懂技术的老友聊天：
1. 需求描述： 我只用几句话描述了我想做个什么样的录音转录工具。
2. 自动规划： 它立刻开始列 To-Do List，大纲清晰。
3. 白话报告： 在过程中会生成一个 Walkthrough 的 Markdown 文件。它用大白话向我汇报：它在干什么、做了什么。
我不懂代码，但我读得懂它的“报告”。 这让我能基于报告内容，继续跟它对话推进。
在开发过程中，我完全是在基于“体验”下达指令，而不是纠结代码：
1. UI 优化： 刚开始录音条是个红色的长条，特别丑。我说：“颜色好看点，要有声纹。”——它立马改成了带有动态声纹的精致样式。
2. 功能扩展： 我让它接入主流 API（如 ElevenLabs, OpenAI），它直接列好了配置项。
3. 测试闭环： 输入参数后发现不仅能用，但我担心 API Key 有效性。于是我让它在设置页加个 "Test" 按钮，点一下就能验证 API 是否通畅。它也直接照做了。
当我最终按下 Fn 键，软件开始录音并完美转录时，看到那个蓝色的声音波纹条出现并且律动，那种感觉真的妙不可言，其实就不到一小时搞定。
现在只是纯粹的copy一个超低配版wisper flow，但接下来我可以做更加自定义的能力了。
做软件和做网页真的很不一样，它释放的应用空间大太多了。这次用 AntiGravity 配合 Gemini 3，体验比我之前用 Cursor 要好非常多。我是在和人对话，而不是把大量时间花在 Debug 上。
真心推荐： 无论是产品经理还是设计师，大家都去试试。把你脑海里封存许久的想法拿出来，哪怕做出来的东西刚开始丑一点、功能简陋点也没关系。
临界点已来： 我相信大模型的 Coding 能力正在逼近一个临界点。我们不再只是做演示用的 Demo，而是真的能做出完整度高、可用的小产品。
哪怕工程不稳定，遇到问题，直接让它再改就是了。
PS: 你现在看到的这段文字，其实就是用我今天刚做出来的这个软件，通过语音转录生成的，然后Gemini 3改写的
51 812
昨晚到现在，Gemini 3刷屏了社媒和朋友圈，我看到最亮眼的打法是Youware，提前两个月把gemini3.com域名买下来。昨晚Gemini3发布，有大量的用户在谷歌里搜Gemini3会打开这个网站，于是给Youware带来了大量的免费流量。
真的太妙了，这是真正的AI增长黑客，懂模型的发展趋势，从产品、增长各个环节来撬动模型的红利杠杆。
之前我提过，模型首发就是流量红利，但我只做到了最快时间接入新模型，产品框架上最大化释放模型的能力，给用户限免使用。但我没想到还可以通过买域名的方式做增长，路子很野，但很有效，而且是对上面这句话的更加深入的理解。
佩服Youware团队，虽然偏大厂背景，但是已经不再循规蹈矩地做事。
补充一个信息，gemini.com在2015年就被Winklevoss 兄弟的加密货币交易所买了，谷歌的Gemini模型是2023年底发布，迫于无奈，Google 只能用gemini.google.com这个子域名，今年的Gemini流量大增，这个加密货币真的躺赚了好多免费流量
真的太妙了，这是真正的AI增长黑客，懂模型的发展趋势，从产品、增长各个环节来撬动模型的红利杠杆。
之前我提过，模型首发就是流量红利，但我只做到了最快时间接入新模型，产品框架上最大化释放模型的能力，给用户限免使用。但我没想到还可以通过买域名的方式做增长，路子很野，但很有效，而且是对上面这句话的更加深入的理解。
佩服Youware团队，虽然偏大厂背景，但是已经不再循规蹈矩地做事。
补充一个信息，gemini.com在2015年就被Winklevoss 兄弟的加密货币交易所买了，谷歌的Gemini模型是2023年底发布，迫于无奈，Google 只能用gemini.google.com这个子域名，今年的Gemini流量大增，这个加密货币真的躺赚了好多免费流量
44 2025