即刻App年轻人的同好社区
下载
2 40
“帮我选一家非档口商家，点一份没差评、不油腻但有味道的菜，单点，别选套餐，35 块预算，进店先点一下膨胀红包，不能低于-15。对了，选一个灵光的配送员，确保他能绕过保安上楼送到家，而不是放在楼下的外卖柜。我半小时以后要开会，确保 25 分钟之内能送到让我吃两口。这两天真功夫和老乡鸡吃腻了，别再订这两家了。美团没红包的话，看看饿了么。”
puzhong: 我们正在做一款Native AI产品，愿景是“每个人都能有一个专属的生活小秘书”。 我们会积极发挥美团内部的数据，场景和产业优势，期待能给用户带来全新体验。 诚邀对AI有强烈热情的研发、产品同学加入！ 另外，项目是我发起的，我会积极参与贡献想法，但不是我“带队”；也不是啥”绝密项目”，毕竟上周五公司年报的电话会议上都公开说了。
5 10
我反倒认为，大模型本身就是哥白尼。
模型在输出 token 的时候是随机选择的，这意味着，它一直在创造原本不存在（或者非最优解）的内容。
这种“先有大量知识，再随机选择创造什么”，跟人类“从小要求死记硬背、逐渐积累知识”不一样。
人类的学习方式是积累刻板印象，而大模型每次都有机会创造刻板印象之外的内容。
之前之所以死板，是因为一直在被具有刻板印象的人类约束（好像叫 RLHF）；DeepSeekR1 之所以这么超预期，是因为整个训练过程人类的干扰很少
模型在输出 token 的时候是随机选择的，这意味着，它一直在创造原本不存在（或者非最优解）的内容。
这种“先有大量知识，再随机选择创造什么”，跟人类“从小要求死记硬背、逐渐积累知识”不一样。
人类的学习方式是积累刻板印象，而大模型每次都有机会创造刻板印象之外的内容。
之前之所以死板，是因为一直在被具有刻板印象的人类约束（好像叫 RLHF）；DeepSeekR1 之所以这么超预期，是因为整个训练过程人类的干扰很少
罗锴: 科学中最关键的一点：提出正确问题的能力和挑战已有知识的勇气。真正的科学突破是哥白尼提出——违背他那个时代的所有知识（用机器学习的术语来说，就是“尽管他的所有训练数据集”）——地球可能绕着太阳转，而不是相反。 要在数据中心创造一个爱因斯坦，我们需要的不仅仅是一个知道所有答案的系统，而是一个能够提出别人从未想过或不敢提出的问题的系统。一个在所有教科书、专家和常识都指向相反方向时，写下“如果所有人都错了怎么办？”的系统。
1 20
不让人吃饭嘛？你找工作的时候不也是标注了“期望薪资” //@蚂蚁先生: 我想，咱俩说的可能是同一个人
是松月呀: 一位很敬重的产品前辈，经常在公众号发个人的报价清单，突然觉得……哎，人都是要走下坡路的，在年龄小一点的时候，多给自己找几条路，别一条路走到黑。
3 00
𝕏 上有个大佬分享了 AI-Coding 的 9 个大坑，很有收获
翻译搬运一下：
# AI编程的9个大坑
> 原贴：[X@cj_zZZz](x.com)
> 翻译：Claude
我每天使用AI工具编程6-7小时。
在过去12个月里开发了超过36个项目。
事实是：用一个提示"给我构建...应用"是不可能的。
所以，以下是你在使用AI编程时可能犯的所有错误：
### 1. 没有规划
通过我的规划技巧，我能在几小时内从想法到一个写得很好的MVP草案。
我只需打开ChatGPT语音，然后我们进行一对一的对话，讨论我想要什么。
15分钟的聊天后，我会要求："根据我们在这次对话中确定的所有内容，给我写一个结构良好的草案"
我使用ChatGPT语音作为我的头脑风暴伙伴、评论者、网络研究员，然后是草稿撰写者。
最后，我将这个MVP的核心功能都集中在一页上。
不要盲目构建。先规划再行动。
### 2. 没有为AI模型建立知识库
然后我将想法草案放入@CodeGuidedev，并写下{coding docs}为AI编程模型建立知识库。
这一步对减少AI编程模型的幻觉非常重要。
文档包括：
- PRD（产品需求文档）
- 应用流程文档
- 技术栈文档
- 前端指南
- 后端结构
AI模型可以随时参考这些文档，了解接下来要构建什么，不构建什么！
### 3. 没有选择正确的工具
每个AI编程工具都有自己的超能力。我几天前发布了我的研究结果。
在过去14个月里，我用AI构建了36个项目。
所有AI开发工具都不同。每个工具都擅长一件特定的事情，比如：
@windsurf_ai是初学者的最佳IDE（目前排第1）
@cursor_ai对全栈应用很棒（目前排第2）
@CodeGuidedev擅长编写项目编码文档
@Replit擅长一次性构建MVP/移动应用
@v0擅长设计现代UI组件
@boltdotnew使用Supabase开发Micro SaaS很棒
@lovable_dev擅长编写现代着陆页
@SoftgenAI使用firebase开发Micro SaaS很棒
@cline是最好的VS Code扩展/可与MCP配合使用
@base_44对仪表板类应用很棒（新工具）
@ManusAI_HQ擅长代理/基于浏览器的工作
@perplexity_ai是最好的网络搜索/总结工具
@ChatGPTapp擅长语音到语音/写作工作
@Grok 3擅长基于网络的研究/X信息
@AnthropicAI擅长编程（Sonnet 3.7模型）
@OpenAI通过API提供各种类型的AI模型
@GeminiApp擅长多模态（Flash 2.0模型）
这个周末我还在测试：
- Tempo labs
- Databutton
- Srcbook
如果我发现更多好的开发工具，我会更新你们。
### 4. 没有选择正确的技术栈
AI模型是在特定编程语言上训练的。只使用它们来获得最佳代码质量和更少的错误。
使用这些AI友好的技术栈：
前端：NextJS/Vite/Flask
数据库：Supabase (PostgreSQL)/Firebase
认证：ClerkDev/Supabase/Firebase
AI：OpenAI/Claude/Gemini
### 5. 没有一步一步地构建
当你让AI计划下一步时，8/10的情况下AI会搞乱代码库。
只使用AI模型来执行计划和实现代码。
使用像@CodeGuidedev的50步实施计划这样的详细计划，强制AI不遗漏任何内容。
### 6. 没有调试提示
调试是AI编程中最令人沮丧的部分。为了减轻痛苦，使用这些技巧：
- 附上错误并说"使用思维链推理首先找出核心问题，然后逐步计划修复问题"
- 要求它"遵循代码的最佳实践。搜索网络并找到此问题的解决方法"
- 只附上相关文件，使AI能更好地集中注意力。
### 7. 没有使用多个AI模型
1个AI模型不能做所有事情。针对不同场景使用不同的模型。
在Cursor/Windsurf中：
使用Claude sonnet 3.5进行编码（是的，对于执行代码，它比3.7更好）
使用GPT o1/o3-mini-high调试复杂错误。
使用Gemini Flash 2.0扫描完整代码库并更新文档。
### 8. 没有使用入门套件
为什么每次都从头开始，浪费请求/令牌并修复不必要的错误。
使用预装组件的入门套件（样板）来快速构建。
CodeGuide有6个专为AI编程模型构建的样板。
### 9. 过早放弃
AI编程在第三个提示之前很有趣，然后你开始修复错误和完善布局。
会有成百上千的错误、构建问题，AI会搞乱代码库。
但如果你有坚实的基础（文档和规则），你可以更好地驾驭AI。
### 总结
- 在打开任何AI编程工具之前规划应用
- 使用@CodeGuidedev编写详细的编码文档以提供上下文
- 为你的用例选择最佳AI工具
- 仅使用AI友好的技术栈
- 调试时提示得更好
- 针对不同工作使用不同模型
翻译搬运一下：
# AI编程的9个大坑
> 原贴：[X@cj_zZZz](x.com)
> 翻译：Claude
我每天使用AI工具编程6-7小时。
在过去12个月里开发了超过36个项目。
事实是：用一个提示"给我构建...应用"是不可能的。
所以，以下是你在使用AI编程时可能犯的所有错误：
### 1. 没有规划
通过我的规划技巧，我能在几小时内从想法到一个写得很好的MVP草案。
我只需打开ChatGPT语音，然后我们进行一对一的对话，讨论我想要什么。
15分钟的聊天后，我会要求："根据我们在这次对话中确定的所有内容，给我写一个结构良好的草案"
我使用ChatGPT语音作为我的头脑风暴伙伴、评论者、网络研究员，然后是草稿撰写者。
最后，我将这个MVP的核心功能都集中在一页上。
不要盲目构建。先规划再行动。
### 2. 没有为AI模型建立知识库
然后我将想法草案放入@CodeGuidedev，并写下{coding docs}为AI编程模型建立知识库。
这一步对减少AI编程模型的幻觉非常重要。
文档包括：
- PRD（产品需求文档）
- 应用流程文档
- 技术栈文档
- 前端指南
- 后端结构
AI模型可以随时参考这些文档，了解接下来要构建什么，不构建什么！
### 3. 没有选择正确的工具
每个AI编程工具都有自己的超能力。我几天前发布了我的研究结果。
在过去14个月里，我用AI构建了36个项目。
所有AI开发工具都不同。每个工具都擅长一件特定的事情，比如：
@windsurf_ai是初学者的最佳IDE（目前排第1）
@cursor_ai对全栈应用很棒（目前排第2）
@CodeGuidedev擅长编写项目编码文档
@Replit擅长一次性构建MVP/移动应用
@v0擅长设计现代UI组件
@boltdotnew使用Supabase开发Micro SaaS很棒
@lovable_dev擅长编写现代着陆页
@SoftgenAI使用firebase开发Micro SaaS很棒
@cline是最好的VS Code扩展/可与MCP配合使用
@base_44对仪表板类应用很棒（新工具）
@ManusAI_HQ擅长代理/基于浏览器的工作
@perplexity_ai是最好的网络搜索/总结工具
@ChatGPTapp擅长语音到语音/写作工作
@Grok 3擅长基于网络的研究/X信息
@AnthropicAI擅长编程（Sonnet 3.7模型）
@OpenAI通过API提供各种类型的AI模型
@GeminiApp擅长多模态（Flash 2.0模型）
这个周末我还在测试：
- Tempo labs
- Databutton
- Srcbook
如果我发现更多好的开发工具，我会更新你们。
### 4. 没有选择正确的技术栈
AI模型是在特定编程语言上训练的。只使用它们来获得最佳代码质量和更少的错误。
使用这些AI友好的技术栈：
前端：NextJS/Vite/Flask
数据库：Supabase (PostgreSQL)/Firebase
认证：ClerkDev/Supabase/Firebase
AI：OpenAI/Claude/Gemini
### 5. 没有一步一步地构建
当你让AI计划下一步时，8/10的情况下AI会搞乱代码库。
只使用AI模型来执行计划和实现代码。
使用像@CodeGuidedev的50步实施计划这样的详细计划，强制AI不遗漏任何内容。
### 6. 没有调试提示
调试是AI编程中最令人沮丧的部分。为了减轻痛苦，使用这些技巧：
- 附上错误并说"使用思维链推理首先找出核心问题，然后逐步计划修复问题"
- 要求它"遵循代码的最佳实践。搜索网络并找到此问题的解决方法"
- 只附上相关文件，使AI能更好地集中注意力。
### 7. 没有使用多个AI模型
1个AI模型不能做所有事情。针对不同场景使用不同的模型。
在Cursor/Windsurf中：
使用Claude sonnet 3.5进行编码（是的，对于执行代码，它比3.7更好）
使用GPT o1/o3-mini-high调试复杂错误。
使用Gemini Flash 2.0扫描完整代码库并更新文档。
### 8. 没有使用入门套件
为什么每次都从头开始，浪费请求/令牌并修复不必要的错误。
使用预装组件的入门套件（样板）来快速构建。
CodeGuide有6个专为AI编程模型构建的样板。
### 9. 过早放弃
AI编程在第三个提示之前很有趣，然后你开始修复错误和完善布局。
会有成百上千的错误、构建问题，AI会搞乱代码库。
但如果你有坚实的基础（文档和规则），你可以更好地驾驭AI。
### 总结
- 在打开任何AI编程工具之前规划应用
- 使用@CodeGuidedev编写详细的编码文档以提供上下文
- 为你的用例选择最佳AI工具
- 仅使用AI友好的技术栈
- 调试时提示得更好
- 针对不同工作使用不同模型
144 10127
把智能体开发当成个副业也是不错的🤓
前几天把一个模板改成收费模式，刚看了一下后台的订单记录，几乎每小时都有人购买…
@扣子电波 平台已经繁荣到了可以养活一份副业的状态了
这应该才是给普通人的“智能体元年”吧
前几天把一个模板改成收费模式，刚看了一下后台的订单记录，几乎每小时都有人购买…
@扣子电波 平台已经繁荣到了可以养活一份副业的状态了
这应该才是给普通人的“智能体元年”吧
47 1021
阑心一言还是个超长文本模型 //@Mike-Wu: 大模型有“阑心一言”，AI Agent 有“明浩PPT Agent”，自媒体圈也很有AI实力😆
托马斯骆: 感觉@rosicky311_明浩 基本上就是一个关于PPT生成的tools, workflows and systems的集合体，给个命题就能做一个对应 PPT 出来。嗯，庄明浩是一个碳基 PPT Agent。
1 00
多次观察 DeepSeek 的思考过程，发现我在提示词表达上一直缺失一个信息：提问的深层次意图。
大部分时候，我提问都会包含两部分：当前背景+疑惑/诉求。
比如，我今天问了这么一个问题：
```
我在公共卫生间的小便池上看到一段宣传提示语：即使在没人的时候，水也会周期性流动。以防止异味。
我们重点讨论这段宣传语的排版设计，前一句话被使用加粗、大号字体显示，后一句“防止异味”使用了小号、更细的字体。
这意味着，第一句内容是重要的。
但在我看来，“防止异味”作为结果，似乎才是更重要、呈现给用户的。因为用户原本并不知道没人的时候水也会流动，似乎也不需要知道这件事，但可以向用户宣传“我们没有异味”。
我想讨论的是：在设计呈现中判断什么是重点时，有没有相关规则理论？
```
这个提问里，看起来很全了，但实际上还缺一个“意图”：我为什么问这个问题？
DeepSeek 的思考过程里，我看到它在琢磨我为什么问这个问题的时候，是这么思考的：
```
用户可能没有明确表达的是，他们可能在实际工作中遇到类似的设计决策问题，想要了解如何合理分配视觉层次，或者如何说服团队成员调整设计重点。也有可能用户对设计理论感兴趣，想深入理解视觉传达的原理。
```
这次思考是非常符合我提问意图的，所以给出的答案非常好。
但如果这个意图猜测不对，后面输出的答案大概率就没啥参考性了。
所谓提示词的指向性，应该是指向目的。
这个目的越深，答案也更具价值。
大部分时候，我提问都会包含两部分：当前背景+疑惑/诉求。
比如，我今天问了这么一个问题：
```
我在公共卫生间的小便池上看到一段宣传提示语：即使在没人的时候，水也会周期性流动。以防止异味。
我们重点讨论这段宣传语的排版设计，前一句话被使用加粗、大号字体显示，后一句“防止异味”使用了小号、更细的字体。
这意味着，第一句内容是重要的。
但在我看来，“防止异味”作为结果，似乎才是更重要、呈现给用户的。因为用户原本并不知道没人的时候水也会流动，似乎也不需要知道这件事，但可以向用户宣传“我们没有异味”。
我想讨论的是：在设计呈现中判断什么是重点时，有没有相关规则理论？
```
这个提问里，看起来很全了，但实际上还缺一个“意图”：我为什么问这个问题？
DeepSeek 的思考过程里，我看到它在琢磨我为什么问这个问题的时候，是这么思考的：
```
用户可能没有明确表达的是，他们可能在实际工作中遇到类似的设计决策问题，想要了解如何合理分配视觉层次，或者如何说服团队成员调整设计重点。也有可能用户对设计理论感兴趣，想深入理解视觉传达的原理。
```
这次思考是非常符合我提问意图的，所以给出的答案非常好。
但如果这个意图猜测不对，后面输出的答案大概率就没啥参考性了。
所谓提示词的指向性，应该是指向目的。
这个目的越深，答案也更具价值。
8 05