即刻App年轻人的同好社区
下载
App内打开
ideapilot
937关注144被关注1夸夸
英短德文的主人
四柱八字 紫微斗数学习者
人类的线性大脑无法理解指数型发展速度
INTJ 建筑师
ideapilot
4天前
ideapilot
10天前

ChampionCheung: 我做了个把任意一本书变成静态交互式HTML网页的SKILL 参考了zara的 codebase-to-course :https://github.com/zarazhangrui/codebase-to-course/blob/main/README.md 以及@空格_ 的自然生长式的 skill ：https://github.com/zephyrwang6/VaultPilot/blob/main/skills/meridian/SKILL.md 还有跟@思谭有话说 聊天给了我很多的启发，他也给我发了一个很棒的课程设计skill 这个skill可以将任何书籍转化为一个**随你阅读节奏自然生长**的交互式 HTML 课程系统。不是一次性生成的"家长式"导读，而是一个跟随你、响应你、陪伴你的**阅读伙伴**。 这是skill里部分的流程： 当技能首次被触发且用户尚未指定书籍时： > **我是你的阅读伴侣。** > > 我不会一次性替你"拆完"一本书。相反，我会跟着你的阅读节奏，**在你需要的时候，生成你需要的那一页。** > > 告诉我你想读什么： > - **提供书名** — 例如"陪我读《喧哗与骚动》" > - **上传文件** — PDF、EPUB 或 TXT 格式 > - **粘贴文本** — 直接粘贴你想深度理解的长文 > > 我会先帮你建立一个"阅读仪表盘"，然后每次你读完一部分回来找我，我就为你生成对应的交互式解析页。你的阅读课程会像一棵树一样，跟着你自然生长。 ## 工作流程 ### A. 首次启动 当用户提供书籍并触发技能时： **步骤 1：深度分析书籍** 通读提供的材料，提取： - 主要"参与者"（核心概念/人物及其关系） - 叙事弧/逻辑走向 - 核心论点与论据 - 作者的独特技巧和修辞手法 - 作者的局限与"Bug" - 体裁与结构选择 **步骤 2：创建项目结构** ``` 1. 创建 content/reading-courses/《书名》/ 目录 2. 创建 content/reading-courses/《书名》/pages/ 子目录 3. 生成 progress.json（初始状态） 4. 生成 index.html（Hub 仪表盘） 5. 生成 pages/00_全书透视.html（透视页） 6. 更新 index.html 和 progress.json ``` **步骤 3：呈现给用户** 向用户展示 Hub 页面路径，说明如何使用： - 在浏览器中打开 index.html - 读完一部分后回来说"我读完了第 X 章" - 随时可以说"帮我理解 X 概念" ### B. 持续伴读（后续交互） **每次后续交互的标准流程：** ``` 1. 读取 progress.json → 了解当前阅读状态 2. 分析用户输入 → 确定需要生成的页面类型 3. 生成对应的 HTML 页面（遵循该页面类型的规范） 4. 更新 progress.json（添加页面记录、更新状态） 5. 更新 index.html（添加新页面卡片） 6. 向用户呈现 ``` **输入→页面类型映射：** | 用户输入 | 生成页面类型 | |----------|-------------| | "我读完了第X章/部分" | 章节伴读页 | | "我不太理解X" | 深入页 | | "帮我对比X和Y" | 主题页 | | "总结一下" | 综合页 | | "我在检测中答错了" | 深入页 | | "继续" / "下一步" | 根据 progress.json 推荐 | ### C. 掌握检测与自适应 每个内容页底部的检测区使用批判性应用测验格式（参见 interactive-elements.md #2）。 **检测后的对话流程：** 用户完成页面阅读后回来对话时： 1. 询问他们对检测题的回答（如果他们想讨论） 2. 根据回答评估掌握度 3. 更新 progress.json 中的 masteryScore 4. 推荐下一步： | 掌握度 | 判断依据 | 下一步行动 | |--------|----------|-----------| | **完全掌握** (≥85%) | 准确回答，能举一反三 | 推荐下一个探索方向 | | **基本掌握** (60-84%) | 大部分正确，有小偏差 | 简短纠正 + 推荐前进 | | **部分理解** (30-59%) | 概念混淆或明显误解 | 生成深入页 | | **尚未理解** (<30%) | 回答错误或"不知道" | 从更基础的概念重建 | 希望对大家有启发！ 欢迎留言，关注我公众号“思考边缘”获取更多无用的知识！

00
ideapilot
15天前
ideapilot
15天前
马斯克，等我来了
00
ideapilot
18天前

胡二虎: 过年期间带我妈到新加坡和马来西亚玩了大概 8 天，用 Manus 制定了全套的旅游行程。讲道理，我自己真的是有被爽到： 1. 预订流程极其顺滑 因为是海外行程，大部分宾馆、酒店以及演出门票都可以通过网站预订。Manus 与海外生态融合得非常好，有两场演出的安排：1. 滨海湾剧院里的《惊天魔盗团》演出 2. 滨海湾隔壁搭建的马戏团演出，它帮我确定好场次、时间，甚至推荐了视野最好的座位。我真的只干了最后一步，就是填信用卡的时候完成支付。就这一个环节，起码给我省了 10 个决策流程。 2. 邮件提醒与工作习惯契合 Manus 连接了我的 Google Calendar 和 Gmail。我要求它在行程期间，每天早上给我发一封邮件，让我回顾当天的行程和注意事项。因为在海外工作很久了，我有每天看邮件的习惯，这样一封邮件让每天的计划都能有条不紊地推进。 3. 日程管理精确到小时 Manus 跟我的日历连通后，帮我规划了从接机到中间 8 天行程的每一个小时。这一点真的让我感到很轻松，有时候突然忘记下一个地点的具体位置，我只需要点开日历直接导航就能到达。 中途我给我妈看了一次日历，骗她说这是我花了两三天时间专门制定的“小时级”行程。我妈看后直感叹，问我怎么把她安排得比总统还忙。哈哈，她不知道，这其实是我用世界上最牛逼的 AI Agent花了 2 万积分才帮她订出来的行程。

00
ideapilot
18天前
ideapilot
27天前

大黑天: 来自 马斯克最新的书 估计中文版也会同步？ 马斯克69条核心工作法则 以下核心理念，是埃隆·马斯克 (Elon Musk) 与其旗下企业取得成功的底层逻辑，我们将其整理、改写为简短易记的格言准则。 1. 你的潜力，远超你自己的想象。 2. 平凡之人，亦可选择成就非凡。 3. 任何知识都能自学成才。广泛阅读，多向行家请教。 4. 先假设自己是错的，再努力少犯错误。 5. 把责任内化为自身的行为准则，主动担当。 6. 我们不主动创造，世间便一无所有。 7. 创造产品与服务，就是创造财富。 8. 有价值的人生，才值得走过。 9. 别执着于追逐荣光，要专注于投身事业。 10. 所有行动，都应指向提升未来向好的概率。 11. 日复一日，我们要么加速创新，要么任由创新停滞。 12. 投身于那些刚刚具备实现可能的事。 13. 别等世界来提出需求。如果一件事本就理应存在，那就动手去创造。 14. 去做，没人在做的事。 15. 当你坚定前行，同路人自会向你汇聚。 16. 原型，就是最好的证明。 17. 先迈出第一步，大胆质疑前提假设，灵活适配现实变化。 18. 从第一性原理 (First Principles) 出发推演，而非盲从他人的做法。 19. 「魔杖基准值」：锚定理论上的完美状态，以此为目标全力奔赴。 20. 「白痴指数」：吃透每个零部件的成本构成，剔除不必要的溢价。 21. 核心工作算法 (The Algorithm)：质疑需求 → 尝试删除不必要的环节或流程 → 简化优化 → 提效增速 → 自动化落地 22. 关键事项必须每日召开会议，复盘上述核心算法的执行情况，同步当日进展。 23. 永远尽可能贴近一线实操，不要把自己和决策带来的后果隔离开来。 24. 所有需求，都只应被当作参考建议。 25. 世间唯一不变的铁律，只有物理定律。 26. 最好的零件，是无需零件；最好的流程，是无需流程。 27. 简洁，同时造就高可靠性与低成本。 28. 为每个零件、每道流程，找到其存在的设计必要性。 29. 先做极致删减，再把绝对必要的部分加回来。 30. 全力推动颠覆性的突破。 31. 保持主动出击。只有亲自掌控战略制定，你才有机会赢得胜利。 32. 疯狂的紧迫感，是我们的核心运营准则。 33. 一个产能翻倍的工厂，其价值基本等同于两个常规工厂。 34. 全力攻克瓶颈。哪怕9999个环节都运转正常，只要1个环节卡壳，它就会决定整体的生产效率。 35. 你的项目推进速度，最终取决于你最不靠谱、能力最差的供应商。 36. 多线并行推进工作。 37. 给团队设定唯一的核心聚焦指标。没有分数的游戏，注定枯燥无味。 38. 将设计、工程与制造环节割裂，必然会导致体系失序。 39. 创新的速度，才是核心关键。 40. 要靠速度、质量与成本击败对手，而非反竞争手段。 41. 去验证看似荒谬的事。当一件事看起来绝无可能时，问自己：「要做到它，需要什么条件？」 42. 钱从来不是核心约束，顶尖的工程师才是。 43. 让团队里的每个人，都学会用总工程师的思维思考。 44. 建立与现实直接、清晰的反馈闭环。 45. 永远保持自省，打碎自负。务必让你的能力，永远大于你的心气。 46. 时刻自问：「这份投入，能让产品或服务变得更好吗？」如果不能，立刻停止。 47. 好的审美可以后天习得。训练自己，去发现成就美好的核心特质。 48. 物理定律不会顾及你的情绪，先让火箭成功升空。 49. 在工程决策与商业判断中，过度共情并非优势。 50. 表达要始终保持简单、清晰、谦逊。 51. 直接追溯信息的第一源头。 52. 招聘时，核心考察候选人是否有具备杰出能力的实证。 53. 既要懂工程技术，也要具备财务思维。 54. 要真正做好产品，就要具备掌控公司全局的能力。 55. 身先士卒，一线带队。哪怕睡在工厂车间，也要和团队并肩作战。 56. 问题出在哪里，就立刻亲自赶到哪里。 57. 坏消息要大声、高频地同步；好消息可以低调、一次性告知。 58. 除非是毁灭性的失败，否则普通的失败根本不值一提。 59. 对失败的恐惧，才是导致失败的最大元凶。 60. 纵然心怀恐惧，依然义无反顾。 61. 加倍下注，全力加码。 62. 拼尽全力，醒着的每一刻都投入工作，做到极致专注。 63. 确保你真正热爱自己所做的事，并愿意为之承受所有艰难。 64. 不要因为可能遭遇挫折，就不敢去做真正重要的事。 65. 当一件事足够重要，哪怕胜算渺茫，也要放手去做。 66. 永远不要放弃。除非你生命终结，或是彻底丧失行动能力。 67. 把人生，当作一场游戏来闯关。 68. 极致投入，硬核前行。 69. 幽默感，是你的核心差异化优势。

00
ideapilot
1月前

数字游民Jarod: 这可能是今年最重要的AI新闻，但中文互联网还没什么人聊。 昨天，一家成立不到三年的多伦多芯片公司扔下了一颗核弹。他们不是做大模型的，不是做应用的，而是做了一件听起来很复古的事：把AI模型直接刻在芯片里。 这家公司叫 Taalas。他们做的芯片 HC1，运行 Llama 3.1 8B的速度是 17000 tokens/秒。作为对比，目前业界最快的 GPU 也就 2000 左右。十倍差距。 但这还不是最疯狂的。最疯狂的是，这块芯片只能跑这一个模型。不能换，不能改，不能升级。你买回家，它就永远只会做这一件事：以光速运行 Llama 3.1 8B。 Taalas 的赌注很简单：在这个所有人都追求灵活性的时代，他们选择了绝对的不灵活，换取绝对的效率。 要说清楚这件事为什么重要，得先理解过去几十年芯片发展的主线。从 CPU 到 GPU，再到各种 AI 加速器，所有人都在做同一件事：造一个通用的计算平台，然后用软件在上面跑各种模型。 这条路走到今天，遇到了一个硬边界。模型越来越大，内存带宽成了瓶颈。你把几百亿参数从显存搬到计算单元，这个过程消耗的能量和时间，已经比计算本身还要多了。 Taalas 的思路是：既然你每次都算同样的东西，为什么还要搬来搬去？直接把权重存在晶体管里不行吗？ 他们真的这么做了。HC1 芯片里没有显存，没有 HBM，没有复杂的缓存层级。模型的每一个权重都对应着芯片上的特定晶体管，矩阵乘法通过电路的物理连接直接完成。你输入一个 token，电流流过这些预先设计好的路径，输出就是下一个 token 的预测。 这就像录音带和现场演奏的区别。传统芯片是每次都要重新演奏，Taalas 是把演奏录在磁带里，播放就行了。 这种设计带来了几个惊人的结果。 第一是速度。17000 tokens/秒意味着什么？你几乎感受不到延迟。不是"很快"，是"瞬间"。有测试者说，按回车的瞬间，答案就已经完整出现在屏幕上，甚至看起来像是预先准备好的。 第二是功耗。传统 GPU 运行 AI 推理需要液冷，一个机柜动辄几十千瓦。Taalas 的芯片只要空气冷却，十张卡加起来才 2.5 千瓦。他们号称能效是 GPU 的十倍。 第三是成本。制造这样的芯片，他们说是传统方案的十分之一到二十分之一。 但代价也是真实的。这块芯片出厂那一刻，它的命运就已经注定。Llama 3.1 8B，就是这个芯片这辈子唯一能做的事。如果明年 Meta 发布了 Llama 4，这块芯片就变成了电子垃圾。如果你发现这个模型有偏见，或者在你的应用场景里效果不好，你不能微调它，不能换别的模型，只能再买一块新芯片。 Taalas 的解决方案是：把定制芯片的周期从一年压缩到两个月。他们和台积电合作，只改变两层金属掩膜，就能为不同的模型生产新芯片。他们声称训练一个模型要花十亿美元，而定制一块这样的芯片只要花一千万。 说到这个团队的背景，确实豪华得有点过分。CEO Ljubisa Bajic 是 Tenstorrent 的创始人，之前在 AMD 和 NVIDIA 都做过架构师。COO Lejla Bajic 是他的妻子，同样是 AMD 和 Tenstorrent 的资深工程师。CTO Drago Ignjatovic 是前 AMD 的 ASIC 设计总监。这三个人加起来，可能设计了过去十年里你用过的一些最重要的芯片。 2022 年，当 Jim Keller 加入 Tenstorrent 并接管公司后，Ljubisa 选择了离开。六个月后，他创立了 Taalas。显然，他和 Keller 对 AI 芯片的未来有不同的看法。Keller 想做一个通用的、可编程的、软件友好的平台，而 Ljubisa 走向了另一个极端：彻底的专用化。 他们刚刚完成了 1.69 亿美元的融资，总融资额 2.19 亿。投资人里有个名字值得注意：Pierre Lamond。这位老爷子是 Fairchild Semiconductor 的元老，红杉资本的前合伙人，被公认为半导体行业的奠基人之一。这样的大佬背书，说明这件事至少在技术逻辑上是成立的。 现在的问题是：市场会买单吗？ Taalas 需要找到那些愿意为了效率和成本，牺牲灵活性的场景。比如语音助手，需要毫秒级响应，而且模型不需要经常换。比如数据标注，需要处理海量文本，用的是固定模型。比如一些垂直领域的专用模型，训练好了就不动了。 但也有人不看好。芯片制造是有污染的，如果每两年就要换一批芯片，这比 GPU 的更新换代更频繁，环保问题怎么算？还有人质疑，AI 模型进化这么快，两个月流片时间还是太长，等你做出来，模型可能已经过时了。 更根本的问题是：当 OpenAI、Google、Anthropic 都在拼命证明他们的新模型比旧模型好得多的时候，谁会愿意把自己锁死在一个固定的模型上？ Taalas 的反驳是：模型迭代的周期正在变长，人们开始依恋特定的版本。OpenAI 把用户从 GPT-4.5 迁移到 GPT-5 的时候，很多人抱怨新版本太谄媚了。也许未来我们会像对待手机型号一样对待 AI 模型：iPhone 15 出来后，还是有人用 iPhone 14，因为它们各有各的好。 我不知道 Taalas 会不会成功。这可能是一家改变行业的公司，也可能是一个技术史上有趣的注脚。 感兴趣的朋友可以去他们的demo站点体验一下什么是光速级别的inference： chatjimmy.ai

00
ideapilot
1月前

张晓晓zxx: 做了个按照我自己需求定制的 Claude Skill，专门用来拆解和分类外刊杂志文章的。 之前每次看《经济学人》《连线》这类杂志，PDF 一百多页，想找感兴趣的内容得翻半天，看完也不知道哪些值得深挖，哪些扫一眼就行。 现在这个 Skill 能自动帮我： 把整本杂志按文章拆成单独的 PDF 根据我设置的兴趣标签（科技、商业、AI 等）自动分类打标 生成每篇文章的核心洞察和建议动作（比如"深度分析"还是"快速浏览"） 输出结构化的 Markdown 和 JSON，方便后续整理 最爽的是它能区分杂志页码和 PDF 页码，自动定位准确。设置好自己的兴趣领域和学习风格后，每次丢个杂志 PDF 进去，几分钟就能得到一份个性化的阅读地图。 从被动翻杂志变成主动收集情报，效率直接起飞 🚀 按照自己需求vibe coding之后让AI自动通用化并上架的，有什么问题欢迎交流 https://github.com/reneexiaoxiao/magazine-intelligence-assistant

00
ideapilot
2月前