即刻App年轻人的同好社区
下载
互联网公司讲究扁平文化，很多老板都没有独立办公室，但AI时代语音输入的交互，实在太适合与agent协作了，比打字方便太多。不过身边有人时，说话还是有羞耻感。弄得我不是老板，都想搞一个独立办公室，这样可以尽情地骂Claude code、antigravity、Cursor、ChatGPT、Gemini
43 173
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
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
88 1937
编程、写作和无人驾驶FSD，是目前AI已经接近甚至超越绝大部分人类的能力，这个趋势会蔓延到更多的行业、工种，不知道三年后会怎么样
听说有公司给人社局报备裁员计划时，理由会写「因为AI，不需要那么多员工」，不知道是不是真的这样，还是找个由头
听说有公司给人社局报备裁员计划时，理由会写「因为AI，不需要那么多员工」，不知道是不是真的这样，还是找个由头
13 22
现在大模型智力超高，逻辑严谨，但核心的问题依然是两个：
1. 缺乏context
2. context太长，注意力不够导致丢信息
前者是应用层的机会，后者最好还是模型层来解决，不然应用层调得太辛苦了，有时候都要被气死，怎么就是不听话呢，你又不是真的不会
1. 缺乏context
2. context太长，注意力不够导致丢信息
前者是应用层的机会，后者最好还是模型层来解决，不然应用层调得太辛苦了，有时候都要被气死，怎么就是不听话呢，你又不是真的不会
15 51
如果想看AI相关的论文，推荐latent space整理的50篇论文/博客，涉及到LLM、RL、Eval、PE、RAG、Agents、代码、视觉理解、音频、生图生视频、精调。
2025 年 AI 工程师阅读清单ai.feishu.cn
不成熟的阅读建议：
1. 不用每篇都精读，选择自己工作相关的，或者感兴趣的，精读几篇其实就不错了
2. 用notebooklm来辅助阅读，多提问，尤其适合菜鸡
3. 最好结合自己的使用体验，以及业务实践，来理解原理。不要为了学习而学习。
4. 最好有实践的具体的手感，也有抽象的底层的理解
2025 年 AI 工程师阅读清单ai.feishu.cn
不成熟的阅读建议：
1. 不用每篇都精读，选择自己工作相关的，或者感兴趣的，精读几篇其实就不错了
2. 用notebooklm来辅助阅读，多提问，尤其适合菜鸡
3. 最好结合自己的使用体验，以及业务实践，来理解原理。不要为了学习而学习。
4. 最好有实践的具体的手感，也有抽象的底层的理解
91 456
今天AI界最大的新闻是manus以数十亿美金价格被meta收购，也是中国人团队史上最贵的收购，公司创立三年，几十亿美金落袋为安。
这个价格是什么概念？做出Kimi K2这样超强模型的，让硅谷都respect的月之暗面，目前的估值也就40亿美金。
1. 为什么meta要收购Manus
Meta很有钱，但在AI领域落后，前几个月主题是亿级美金年包挖大模型训练人才，现在是重金收购应用层，Meta对AI的态度跟腾讯有点像，最终是把模型的智力服务于生态发展，而不是单纯追求AGI和技术突破。
Meta可能看重Manus两点，一个是通用agent的产品定位和工程能力，Manus在在复杂长程任务执行有极强的优势，并且1亿美金ARR也验证了PMF，对Meta来说，可以让模型到应用之间的转化更加快速有效
另一个是组织能力，Manus在技术大潮来临前，敢于往一个“没人看好但逻辑正确”的方向全速前进的嗅觉和组织执行力，3月刚出来，大家都觉得这有啥，可以快速做出来，但到现在，依然只有一个manus
2. Manus不是简单的套壳
首先，Manus定义了Agent的产品范式，也因为它，涌现了那么多垂类的Agent，这个足以留名
Manus没有做模型训练，是在模型和应用之间，做了非常扎实的工程建设，给AI一个电脑环境，提供最基础的工具，让它完成几乎所有人可以完成的事情。
给Agent的工具数量不多，都是很底层的，比如shell、bash、file system、browser，让agent基于用户需求，调用这些工具去实现，而不是在上面挂在非常多的基于特定场景定义的一键式工具
这种方式，可以满足用户尽可能泛化的需求和提高效果的天花板。
用一个视频剪辑的比喻，一种是提供一系列的滤镜、特效，一键套用，快速稳定出结果，另一种是提供曲线、色轮、HSL等基础工具，牛逼的调色师可以调出几乎所有的色调，而且很精细，Manus选择了后者，因为赌模型的能力会进步并且超过人类。
但这样会带来3个问题
1）工具越基础越底层，完成一个任务步骤就越复杂，带来了上下文窗口爆炸的问题，于是Manus在上下文工程上也做到了极致，推荐看 Context Engineering for AI Agents: Lessons from Building Manus
2）每个任务都是从0开始，不如workflow预设的稳定和快速，Manus是先通过通用的方式吸引用户尝试各种任务，然后分析高频、高价值的任务进行反向优化，推出类似预设的能力，让常见任务更快完成。这个思路我有实践的体验，过去产品经理是带着个人的先验来做判断，大部分是赌输的，字节的AB文化，降低了对产品经理主观经验的依赖，而AI时代，大模型的泛化能力 + 用户实际需求的复杂性，更进一步了，这三年的感受是，你永远不知道用户会怎么用模型和产品，而且会给你惊喜。
3）面对一个输入框，用户不知道怎么用。
- 先满足少数用户的需求，不要直接切最大众的，因为最大众的就是豆包里的快问快答，并且还不会付费；
- 通过replay和社群分享其他人的优秀实践；
- 把PPT、wide research这些高频需求，固化为预设，放在输入框下方作为快捷入口；
- 连接用户的context，比如gmail、calendar，更主动地完成
3. Manus的经验借鉴
24年立项，25年3月上线，事后看，这个也不复杂，但是在24年立项做这个是非共识的，需要极大的勇气和坚定的信仰判断。推荐看manus立项会议纪要，在当时做这样的判断，还是很respect mp.weixin.qq.com
3月发布的时候，我拿到邀请码后，周末和@钟十六 @叫我本泽马就好 朋友研究manus是怎么做的，当时是Claude 3.5 sonnet没有原生的planning和tool use能力，manus是产品层来实现，的确当时没有那么难做，甚至有48小时复刻manus的开源项目
但是那么多团队做manus，都没做成，差在两个点，一个是认知，大部分人当时还是以当时的静态看manus这个产品，一堆问题，没有从长期角度看。另一个是组织，做一个demo，和 做一个产品，以及保持领先的产品，之间是巨大的鸿沟，需要配套的组织能力
即使monica已经做了两年AI产品，但做manus这样超前的不确定的产品，依然很难达成共识，所以manus最开始一直就是五人，充分共享context，高度对齐，高效沟通
4. 资本市场的影响
Manus，创业3年，产品上线九个月，ARR1亿美金，token消耗量140万亿，以几十亿美金被收购，对资本市场是利好，VC赚到钱了，会更加愿意投钱，创业者也更容易融到钱，这种泡沫会放大。
Manus靠IPO还是非常难的，token消耗太恐怖，亏损严重，也很难长期依赖融资，不如给财大气粗的meta，这是理性的商业判断。目前也是最好的时机，最好的结局了。
不过被美国公司收购，有点尴尬，还好已经转到新加坡，不然在某些方向的影响不大好看
ai创业还是要出海，国内用户爱白嫖，大厂爱抄袭而不愿意收购，上市更是遥遥无期，导致国内VC的投资更偏财务投资，而非真正的风险投资。当然国内也有大笔人民币资金投入，只不过会流向更偏实物的芯片、机器人。
1月8日智谱IPO，股票代码2513，如果能打新，就是赚到了。
附上3月对manus的一些分析
看宣传片的分析 m.okjike.com
对manus营销的看法m.okjike.com
manus上手体验 m.okjike.com
这个价格是什么概念？做出Kimi K2这样超强模型的，让硅谷都respect的月之暗面，目前的估值也就40亿美金。
1. 为什么meta要收购Manus
Meta很有钱，但在AI领域落后，前几个月主题是亿级美金年包挖大模型训练人才，现在是重金收购应用层，Meta对AI的态度跟腾讯有点像，最终是把模型的智力服务于生态发展，而不是单纯追求AGI和技术突破。
Meta可能看重Manus两点，一个是通用agent的产品定位和工程能力，Manus在在复杂长程任务执行有极强的优势，并且1亿美金ARR也验证了PMF，对Meta来说，可以让模型到应用之间的转化更加快速有效
另一个是组织能力，Manus在技术大潮来临前，敢于往一个“没人看好但逻辑正确”的方向全速前进的嗅觉和组织执行力，3月刚出来，大家都觉得这有啥，可以快速做出来，但到现在，依然只有一个manus
2. Manus不是简单的套壳
首先，Manus定义了Agent的产品范式，也因为它，涌现了那么多垂类的Agent，这个足以留名
Manus没有做模型训练，是在模型和应用之间，做了非常扎实的工程建设，给AI一个电脑环境，提供最基础的工具，让它完成几乎所有人可以完成的事情。
给Agent的工具数量不多，都是很底层的，比如shell、bash、file system、browser，让agent基于用户需求，调用这些工具去实现，而不是在上面挂在非常多的基于特定场景定义的一键式工具
这种方式，可以满足用户尽可能泛化的需求和提高效果的天花板。
用一个视频剪辑的比喻，一种是提供一系列的滤镜、特效，一键套用，快速稳定出结果，另一种是提供曲线、色轮、HSL等基础工具，牛逼的调色师可以调出几乎所有的色调，而且很精细，Manus选择了后者，因为赌模型的能力会进步并且超过人类。
但这样会带来3个问题
1）工具越基础越底层，完成一个任务步骤就越复杂，带来了上下文窗口爆炸的问题，于是Manus在上下文工程上也做到了极致，推荐看 Context Engineering for AI Agents: Lessons from Building Manus
2）每个任务都是从0开始，不如workflow预设的稳定和快速，Manus是先通过通用的方式吸引用户尝试各种任务，然后分析高频、高价值的任务进行反向优化，推出类似预设的能力，让常见任务更快完成。这个思路我有实践的体验，过去产品经理是带着个人的先验来做判断，大部分是赌输的，字节的AB文化，降低了对产品经理主观经验的依赖，而AI时代，大模型的泛化能力 + 用户实际需求的复杂性，更进一步了，这三年的感受是，你永远不知道用户会怎么用模型和产品，而且会给你惊喜。
3）面对一个输入框，用户不知道怎么用。
- 先满足少数用户的需求，不要直接切最大众的，因为最大众的就是豆包里的快问快答，并且还不会付费；
- 通过replay和社群分享其他人的优秀实践；
- 把PPT、wide research这些高频需求，固化为预设，放在输入框下方作为快捷入口；
- 连接用户的context，比如gmail、calendar，更主动地完成
3. Manus的经验借鉴
24年立项，25年3月上线，事后看，这个也不复杂，但是在24年立项做这个是非共识的，需要极大的勇气和坚定的信仰判断。推荐看manus立项会议纪要，在当时做这样的判断，还是很respect mp.weixin.qq.com
3月发布的时候，我拿到邀请码后，周末和@钟十六 @叫我本泽马就好 朋友研究manus是怎么做的，当时是Claude 3.5 sonnet没有原生的planning和tool use能力，manus是产品层来实现，的确当时没有那么难做，甚至有48小时复刻manus的开源项目
但是那么多团队做manus，都没做成，差在两个点，一个是认知，大部分人当时还是以当时的静态看manus这个产品，一堆问题，没有从长期角度看。另一个是组织，做一个demo，和 做一个产品，以及保持领先的产品，之间是巨大的鸿沟，需要配套的组织能力
即使monica已经做了两年AI产品，但做manus这样超前的不确定的产品，依然很难达成共识，所以manus最开始一直就是五人，充分共享context，高度对齐，高效沟通
4. 资本市场的影响
Manus，创业3年，产品上线九个月，ARR1亿美金，token消耗量140万亿，以几十亿美金被收购，对资本市场是利好，VC赚到钱了，会更加愿意投钱，创业者也更容易融到钱，这种泡沫会放大。
Manus靠IPO还是非常难的，token消耗太恐怖，亏损严重，也很难长期依赖融资，不如给财大气粗的meta，这是理性的商业判断。目前也是最好的时机，最好的结局了。
不过被美国公司收购，有点尴尬，还好已经转到新加坡，不然在某些方向的影响不大好看
ai创业还是要出海，国内用户爱白嫖，大厂爱抄袭而不愿意收购，上市更是遥遥无期，导致国内VC的投资更偏财务投资，而非真正的风险投资。当然国内也有大笔人民币资金投入，只不过会流向更偏实物的芯片、机器人。
1月8日智谱IPO，股票代码2513，如果能打新，就是赚到了。
附上3月对manus的一些分析
看宣传片的分析 m.okjike.com
对manus营销的看法m.okjike.com
manus上手体验 m.okjike.com
81 1917
豆包DAU破亿，记得在六七月的时候还是六千万左右DAU，增长好快，豆包的留存也很不错，所以这一亿DAU不是虚的
豆包日活已突破1亿，字节亿级 APP 再添一员｜独家
13 51