即刻App年轻人的同好社区
下载
App内打开
卤代烃
51关注373被关注2夸夸
👩‍💻@bytedance
🤖️AI 学习中
🌐博客 supercodepower.com
🟩@卤代烃实验室，写一些技术文章
置顶
卤代烃
4年前
即刻上熟人比较少，打算新的一年里在这里多输出一些内容…
00
卤代烃
1天前
唉我真的是无语了，你们 AI vibe coding 的代码都不 review 吗？拉了这么多💩最后让我铲🤡
10
卤代烃
4月前
断断续续玩了快三个月的三角洲，部门任务都快做完了，然后发现，我左右耳机一直是带反的

怪不得队友骂我唐 🤦‍♂️
20
卤代烃
8月前
请你们看我家的垮脸小猫咪！
00
卤代烃
10月前

姬十三: 为 Manus打抱不平的三点观察： 观察1：Manus 当然是做了点营销的：创始人录了个播客；发布了一支视频；提前给一批朋友发了邀请码，这些人第一时间发了即刻、朋友圈、自有渠道；第二天早上请人去公司小型交流。我相信仅此而已，也相信 Manus 没有花营销的钱。就这点事，用的着花钱吗？ 但，哪怕是有传播预算呢？ 什么时候，一家创业公司在发布产品时，花点传播费用，设计几个增长功能，要被拉出来口诛笔伐？ 观察 2：“堪比 DeepSeek“，“国运级“，“引领港股大涨“，“Manus 概念股“，这些词，明显不是团队行为。要怪，得怪算法机制和社交媒体环境，怪AI 大潮下的各种投机心态。 今日的传播，想必远远超出团队预期（甚至被污名炒币）。否则，不至于让人连 waitlist 页面都进不去。 观察3：说到有多“颠覆“，取决于你对“颠覆“这个词的理解。但它肯定是个现象级产品，会是今年 AI 应用大潮的里程碑之作。我们应该鼓励不同层面的创新，DeepSeek固然很底层很颠覆，但接下来各种工程上的、应用上的持续创新也很重要。 这款产品出现在开年，会鼓励更多资本今年关注 AI 应用。 也肯定会引来大厂的研究，有可能的复制。 这可不就是值得创业团队兴奋、嗨爆、鸡血的时刻？就是靠着这些时刻，整个移动互联网时代，中国团队创造了各种了不起的产品。 且看看接下来这一年。

00
卤代烃
10月前

MorrisGump: Lovable今天上线了类似Producthunt的产品发布社区Launch，打通了网页应用创建-分享的链路；简单逛了下社区并试用了几个“作品”，有以下发现： 1.网页类型总结下来有几类： 1）简单的实用工具，如用AI数据分析，AI穿搭推荐，AI解梦，AI图生文案，AI研究工具，文件格式转换工具，大多订阅制收费； 2）开发工具，帮助开发者更好提效/安全管理，像是企业内部场景或者开发者解决自己的痛点； 3）好玩和有趣的项目，例如话题投票社区，meme分享平台，基于AI匹配的疗愈meetup，阅读和个人成长版duolingo... 从数量来看，第三类是最多的，其次是第一类，而且大多项目都是2C的，也说明Lovable和传统no-code/low-code建站工具并不在同一个市场，随着PC互联网成熟，后者已经趋于饱和（指静态展示型网页），而前者貌似具备增量； 2.项目完整度来看，基本的网页展示和注册登录都没有问题，但一旦涉及到交互和AI功能，出bug的概率还是很高的。但也有个别项目一直到支付的链路都很顺畅，说明上限是很高的，只是稳定性需要提高； 说回Lovable，其产品定位是无代码AI开发工具，创始人Anton Osika反复强调相比主要竞品（Bolt.new/v0），Lovable能更好地服务于非技术人员（主要是动手能力强的PM），同时也能帮助技术人员提高创建应用的复杂性； Lovable目前上线短短2个月，实现月访问量650w (日访问量已经超越了Bolt.new)，付费用户2.5w，ARR达到1000w美元，是欧洲目前增长最快的公司之一（也可能是消耗LLM最多的公司 ——且根据算力成本可以估算出目前Lovable单用户UE也是血亏的状态。即使依靠口碑传播，社媒裂变和affiliate实现了低成本用户增长，算力成本还是太高了（目前主要使用 4o mini + Sonnet 3.5）； 关于Lovable的未来，结合Anton在AIAW Podcast中提出的思考和分享，还是有很多想象空间的： 1.做软件应用的YouTube/Tiktok，目前上线Launch社区，且社区很多都是好玩&有趣的项目，也是逐步朝着这一愿景努力，但我仍怀疑长期可持续性——这些web小应用会有长期价值吗? 能帮用户赚钱吗? 用户会持续维护吗? 这决定了Lovable的ARR发展可持续问题； 2.做独立开发者社区，目前Lovable提供AI开发工具，分发社区，以及外包撮合服务（用户可以从平台hire a builder，也可以成为builder帮别人做项目赚钱)，未来这些项目长大了，甚至拿了融资，Lovable还可以基于平台底座提供更多好用的saas工具&服务，帮助这些项目从0-1/从1-100； 3.孵化平台上优质项目并入股，这是播客host脑洞的一个模式，but why not? 4.感觉Lovable整个业务重心还是2C（to产品经理/独立开发者/创始人），而不是团队/企业，这可能也是跟其他ai coding工具的差异点。不过也可能只是人太少了，短期没有精力服务B端客户从而做出的战略选择...

00
卤代烃
11月前
微信群/朋友圈/工作群/微博/推特 大家都在热火朝天的讨论最新 AI 进展

但我现在因为背疼只想在床上躺着啥也不干 🫠
10
卤代烃
12月前
卤代烃
1年前

Erix: 最近一周时间在上海、深圳、北京见了近20位一线AI从业者，其中包括投资人，大厂AI业务&模型厂&应用厂的员工，独立开发者，founder。很累，收获也很多。总结一下我觉得重要的共识和非共识，以下内容没有优先顺序，想到哪写到哪： 1.关于竞争：大厂、模型厂、应用厂 大厂没有逃脱局部兵力不足的问题，越是铺得广的厂这个问题越严重，字节的遍历填格子打法在业务相似度低的时候是人才密度不够的，战术上重视就行。反而阿里的通义因为更研究院模式，没有主核，分布式创新使得反而跑出来一些模型和应用侧有意思的东西，这个很值得大厂内部思考一下。 模型厂基于GPT-5迟迟不到，可能也判断出了，算力未必是万能解药，开始卷差异化，差异化对于tob的竞争尤为重要。但国内的模型厂还有一个不得不卷应用的任务，但不基于模型差异化的应用很难卷出用户体验增量，各位厂里的小伙伴都在努力地拉齐共识和内部创新的过程中。 应用厂，AI搜索的共识形成得太快了，其实没有留下太多保护期，大明牌的卷度会很激烈。反而是AI+every thing因为去年的过分乐观到今年的幻灭，留出了大量的创新保护窗口，给不迷信AI解决一切问题，但试图先用AI对具体领域做一些用户体验提升的公司留下了机会。 额外补一个硬件厂，世界上还有大量的数据没有被搜集，每个带有数据收集器的硬件厂都有属于自己的机会，但硬件厂目前很少有软硬一体的能力。补齐短板的玩家会可能会跑出来新东西。 2.关于模型能力 GPT-4o展示了快非常重要，快是核心体验之一，那么moe就必须得卷了，groq这种加速的基建也会变得非常有价值。如果大规模的智力代差比如3.5->4不会卷得那么快的话，代差之间可能更多是成本和速度的竞争。 长上下文很牛，但低成本的长上下文才有意义，基于长上下文成本急剧下降这个假设，能解决很多当前的用户体验问题。 多模态暂时在应用层的优势不明显，不考虑终态世界模型之类的，当前可能主要体现在一些之前没覆盖到的小CV场景。 fine - tuning不是净提升，是某类问题解决的更好，但通用问题更差的trade off，可以通过调整尽量降低负面影响，但从技术成本和数据成本来考虑，暂时很难作为可普及的常用武器库。 更细分的卷法，卷RAG，卷function call，卷代码能力，卷交互理解，卷情绪理解等等 可能真正值得卷的是意图识别，意图识别才是ai的推荐系统。 3.关于投融资 国内目前的情况是：创业者说市场温度低难拿钱，投资人说好项目少没法投。回到本质还是大家想用钱干什么，如果是为了加速市场形成，烧出一个煊赫盛世应该是不太可能了，因为各有各的难处，但如果真的想要构建一个未来5-10年在AI世界有独特社会分工的企业，大家还是很认可的。但目前市面上能持之以恒解自己的题的人很稀缺。 海外听到了多种说法，鉴于没有一手信息就不评价了，但如果做海外市场，还是建议谨慎考虑融资动作。 4.关于用户需求 PMF对还是TMF对？还是前者对，但现在加了一层技术可行性的约束，使用门槛很高，但体验提升巨大，也有机会。 工具效率/工作流，这是目前AI落地得最好的部分，但目前最大公约数已经挖完了，而AI目前远达不到数字员工的级别，很长一段时间基于某个职业的AI工作流copilot应该都是主要落地形式。tob和toc在这个领域都能持续跑出来赚钱的东西。 情感陪伴/内容消费，成本下不来，质量上不去，商业模式讲不清楚（付费逻辑只有hs内容能跑通，免费逻辑留存一直上不去）。 AI也不是唯一主线，AR眼镜等硬件对原本手机场景的分割，电话、拍照、翻译。还有web3。基于满足用户需求来思考，AI未必是唯一的锤子。 5.关于长期主义的优劣势 这回出来有一个比较深的感受是，基本上可以把founder分为偏长期主义和不偏长期主义两类，而这两类似乎都有其生存空间和价值。 因为我的个人偏好，所以说明一下长期主义的优劣势： 优势是，长期主义在各类决策上，难度都会降纬，因为长期主义代表你对于未来世界是有一个大概想象的，你知道五年之后想要什么，所以对于判断做什么不做什么会变容易，对于招谁不招谁也会变得容易。单一目标的决策总是比多目标的决策好做。 劣势是，早期找PMF切入点可能会非常难且漫长，对于耐力、定力和资源的要求会更高，是的，长期主义是更消耗资源的，因为反馈周期会更长。

00
卤代烃
1年前

yusen: 生成式 AI 和历史上其他技术革命都不一样的是，AI产品的随机性和缺解释性使得从可用demo 到最终产品的过程变得很远，超出大部分人的经验范围。 不管是蒸汽机内燃机、电力电气还是互联网，基于的底层原理都是确定性的，只要能做出可用的demo，接下来发展路径是可预测的，到大规模落地就不远了。 因为之前的科技进展绝大部分都是确定性的，我们对于产品应用的内含确定性要求其实是很高的，不只是在自动驾驶这种生死攸关的事情上，一个每天会摔一次盘子的机器人服务员也是很难被接受的。 并且人的不确定性只要能找到对应的负责人（俗称有人背锅），比如说工厂少拧了一个螺丝，司机疲劳驾驶出问题，我们往往就会觉得这是可被管理的，也是可以接受的。但无法消除，无法解释又无法找人背锅的 AI 不确定性就不一样。 AI过去反复出现的一个趋势是大家看到 demo很激动，然而到落地时间和难度远超预期。尤其是 AI demo展现出来的能力往往很牛逼，想象空间无限，和其他大部分技术相比容易让人产生过度期待，因此过度期待后的失望往往也特别大。

00
卤代烃
2年前
写了篇文章，介绍一个浏览器一些不为大众熟知的性能优化设计 ---- HTML Preload Scanner，以及如何利用这个特性去针对性优化

🫣 [性能优化] 浏览器是如何用 HTML Preload Scanner 偷偷优化资源下载的

70