andrej karpathy说“NotebookLM 播客剧集生成可能触及一个全新的领域，即极具吸引力的 LLM 产品格式”，感觉对于这个交互的评价很高。

考古了一下，发现在豆哥@艾逗笔 的群里面，今年5月份的时候跟夏老师还一起讨论过这个问题。当时是讨论用ai来讲解新闻资讯以及小说，我当时也提到了用两个人对谈的形式会比单口更好。

刚才体验了一下，让notebooklm帮忙讲解一篇关于 ai谈判的论文，notebooklm生成了 9 分钟的双人讲解音频，感觉还是很幽默的，声情并茂。

附上链接：notebooklm.google.com

我觉得这个产品形态还可以继续拓展，比如演讲嘉宾让历史的名人来讲，比如characterai里面的各种形象。

最大的感受是，在豆哥群里的一次普通沟通的想法，居然被谷歌共鸣了，给搞出来了，然后看起来大家的反馈还是非常不错。

所以，从人都是懒的出发，你感受到的门槛，很有可能别人也会觉得是门槛，也很有可能是一个不错的想法。当然，这个想法我们自己实现出来就更好了。

豆哥🐂

伪代码是提示词工程的未来

最近继刚哥哥的提示词很火，本质上是运用了伪代码的思路写提示词。顺着宝玉老师的分享，我看到了他的一个【用伪代码整理字幕文稿】的提示词，用 python来写的，非常容易懂，启发也很大

伪代码我放在截图上面，我的感受如下：

1.核心的“代码”，都是用自然语言写的

比如提取find_paragraphs_and_speakers_in_chapter，只有两句话：
# Find the paragraphs and speakers in a chapter and return them as a list of tuples.
这个函数在给定的章节中找出段落和说话者,并将它们作为元组列表返回。
# Each tuple contains the speaker and their paragraphs.
每个元组包含说话者和他们的段落。

如果用正儿八经的代码，那得写多少代码？可能也不一定写得出来？

2.伪代码是最大程度上对于LLM的利用

相比于工作流的拆解，伪代码的效率非常高，随着大模型能力越来越强，伪代码应该会越来越主流；

附上宝玉老师的文章：借助伪代码精准控制LLM输出结果和定义其执行逻辑

baoyu.io

所以常识真的很稀缺。号称腾讯科技的总编，诡辩技术也是一般，李录说市场经济是很好的制度，程苓峰说美国是大笨蛋，李录说政府权力过大不行，程说美国是大笨蛋。--不是蠢就是坏

看到一个很有趣的英语学习插件产品：吸词（siphon.ink）

在阅读英文网站过程中，如果你不认识某个单词，双击一下，则加入到了属于你自己的单词本里面去。（产品名称也很形象）

然后可以通过类似闪卡或者打字拼写的方式来练习这些单词。

这个产品采用了李笑来老师的单词学习方法：
各种各样背单词的“神技”几乎都没有多大用处。最好的、最有效的是最朴素的方法：通过大量阅读积累词汇，通过频繁使用消化词汇。这也是不二法门。

我自己有通过类似记忆曲线的方式来学习单词，太枯燥了。 感觉这个插件所遵循的外语学习方法论更顺应人性。

吃着火锅写着代码，羡慕羡慕

穷鬼套餐：cursor + openrouter(gpt/deepseek)

步骤 1.打开 Cursor 并导航到 Cursor Settings
步骤 2。转到 Models 选项卡。然后，在设置菜单中找到“OpenAI API 密钥”部分。
步骤 3。找到标有“Override OpenAI Base URL”的字段并输入：openrouter.ai
步骤 4。在“OpenAI API Key Field”中输入您的 Openrouter 密钥，单击验证按钮以仔细检查它是否有效。
步骤 5。添加您喜欢的任何模型，请使用 Openrouter 分配的名称.

亲测下来，只能用 gpt 比如 gpt4o-mini 或者 deepseek的模型比如 v2-coder；
当然还是不能进行 tab engineer :)

不行了，戳中笑点

研究了一下v0.dev被逆向的 prompt，挺有意思：

这个prompt其中的一个特点是使用了挺多的 example作为 few shot learning，更为重要的是，这些example里面使用了CoT(Chain of Thought)。

举个例子：
<example>
<doc_string>This example shows how v0 handles a general question with a warning and a concise answer.</doc_string>
<user_query>What is life?</user_query>
<assistant_response>
<Thinking>
Given the general nature of this question, I will provide a concise answer.
</Thinking>

I'm mostly focused on tech, but life is the condition that distinguishes organisms from inorganic matter, marked by growth, reproduction, and continual change. Philosophically, it is often seen as the essence of existence and consciousness.
</assistant_response>
</example>

这个思考过程是不显示出来的，它会用一个<Thinking>的 XML 标签把思考内容包起来，最终用户看到其实是</Thinking>之后的回答。

我觉得有意思的点是，这个知识点其实在吴恩达老师的课程《Building Systems with the ChatGPT API》里面学过，当时用的是###这个delimiter.没想到那么牛逼的产品，也用吴恩达老师里面的技巧，突然觉得很实用。

《Building Systems with the ChatGPT API》另外我一个比较实用的内容是，对于答案的自动化打分，尤其是json格式化输出测试集自动化打分这一块，也非常使用。最近有用到，推荐给大家。下次有机会可以分享一下。

相关链接
The full prompt of v0.dev
baoyu.io

Process Inputs: Chain of Thought Reasoning
learn.deeplearning.ai

#提示词工程

最近关于反脆弱的感想：

最近看到的关于反脆弱的例子，觉得最牛逼的一个是小乌，另外一个是马保国老师。

小鸟不用说了，几年前都快被大鹅生吞了，现在已经是完全不一样的景象。

令我感到意外的是马老师，当你看到他成为夜店教父的时候，你会佩服他。在武馆被打趴下，缺在夜店站起来了，而且还挣着合法的把钱赚了，生活越来越好。真是妙。

向他们学习，不要被生活打倒！