即刻App年轻人的同好社区
下载
App内打开
江流儿_MIuY
1k关注861被关注2夸夸
intp
NLP算法工程师-关注AIGC和出海,ai金融
漫无边际BoundLess播客主理人
公众号:江流儿的异世界
置顶
江流儿_MIuY
2年前
关注AI和播客~
播客相关:

1、justpod npr 播客制作workshop m.okjike.com

2、第五届播客节会员内场 m.okjike.com

AI相关:

1、ai硬件+宠物 m.okjike.com

2、ai产品经理 m.okjike.com

3、AI端侧模型应用 m.okjike.com

4、ai产品经理应该要怎么做--文君 m.okjike.com

5、sora或者说文生视频给未来的启示,可以说非常棒!非常值得一看,基本上涵盖了文生视频对影视创作的深度认知和未来影响 m.okjike.com

6、第一届互联网AI社群春晚前期圆桌座谈文字转播重点版。 m.okjike.com

7、给普通人的AI指南

m.okjike.com

8、吴恩达:如何用ai构建你的职业 m.okjike.com

9、ai做ppt。m.okjike.com

10、卡兹克直播笔记 m.okjike.com

11、The AI PM's Playbook:2025 年顶尖产品经理如何将影响力提升 10 倍

12、ai创业存活下去的六大路径:m.okjike.com

江流儿_MIuY发表了动态:推荐阅读:《The AI PM's Playbook:2025 年顶尖产品经理如何将影响力提升 10 倍》 这篇文章围绕“产品经理如何在 2025 年通过 AI 提升 10 倍影响力”展开,主要内容包括: 1. AI 产品经理的三种类型 - AI-powered PM(AI 驱动的 PM):每位 PM 都需使用 AI 作为工作助力。 - AI PM(专职 AI 的 PM):专门在 OpenAI、Anthropic 等公司构建核心 AI 产品。 - AI feature PM(负责 AI 功能的 PM):为现有产品添加 AI 功能(如 Notion AI、Miro 智能画布)。 2. 正确使用 AI 的 3 条规则 - 提示词(Prompt)技巧至关重要:熟练掌握如何向 AI 提供清晰、上下文丰富且结构合理的提示词。 - “20-60-20” 法则:前 20% 提供关键背景,中间 60% 让 AI 生成主内容,最后 20% 由人做提炼、修改与补充。 - 迭代至拿到满意结果:通常需要多次修订,通过给 AI 明确反馈来逐步完善输出。 https://baoyu.io/translations/the-ai-pms-playbook?continueFlag=b427fccc8874cc0a1217abbd7655bb5d 来源于宝玉

26
江流儿_MIuY
16:36

Gavin_C.: 王冠在播客里提的“AI 应用要能产生内生数据”和姚顺雨 3 个月前表达的 “创业公司要设计出不同的交互才能不被模型公司吞噬”有种不谋而合的共振 真正的 AI native 恐怕是“造血能力”吧? --- 王冠 适合去做应用层创业的技能,核心其实还是跟数据有关,我们把它称为“第三份数据”。这是一种产品内生数据,简单来说,就是在你的产品形态出现之前,这个世界上并不存在的数据。 举一个可能不那么恰当的例子,在没有 ChatGPT 这种产品形态之前,历史上其实没有一份数据是通过自然语言对话的方式,去解决各种奇奇怪怪问题的。这份数据的诞生,完全是因为有了 ChatGPT 这样一个形态,背后有了一个可以响应这种对话输入输出的模型,随着飞轮慢慢转起来,我们才发现越来越多的问题原来都可以通过对话来解决。你要追根溯源的话,用对话去解决各种问题,本质上就是一份源自 ChatGPT 的内生数据。 所以我们会认为,ChatGPT 对于所有做应用的公司来说,都是一个非常好的参考样本。它通过创造一份之前不存在的数据,建立起了自己的产品价值以及所谓的壁垒。只是因为 OpenAI 原本就是做模型的,所以它天然就有自己的模型,它不过是在做产品的第一天,就把模型那个环节的工作给补上了而已。 对于未来要去做应用的公司,大家其实也要参考这样一个路径。在做产品的过程中,可能从第一天开始,就要去设计出一份之前这个世界上不存在的数据。这份数据是因为你设计了这样的产品形态才产生的,并且在未来,这份新的数据能够回流,被运用回你自己的模型中。只有这样,才能回答那个核心问题:你做的这个事情,到底该如何和底层那个越来越通用的模型保持一个安全的距离。 --- 姚顺雨 我觉得创业公司最大的机会,就是能够设计不同的 Interface,或者说重构人和数字世界的交互方式。 目前的模型公司,其实都在做类似 ChatGPT 的产品。ChatGPT 的本质是让你像和人交互一样,去进行和数字世界的交互。你的对面有一个像人一样的东西,你和它聊天、给它布置任务,或者让它帮你做深度研究、写代码,但它的核心逻辑始终是一个像人一样的、助手式的交互方式。 如果你能够利用模型通用的能力,但是创造出不同的交互方式,那你就能创造巨大的机会。我觉得本质上来说,Cursor 就是创造了一种新的交互方式。它不是一个像人一样的交互,而是一个像 Copilot 或者说全新的协作方式。当你写代码的时候,它能给你提示,或者帮你编辑一些东西,现实中没有人和人是这样交互的,但这恰恰是它的价值所在。我觉得最终模型的能力是会产生超越 ChatGPT 这种交互方式的 Super App 的,在这种情况下,创业公司最大的机会就是探索新的交互方式,并且能够接得住模型溢出的能力,这两者缺一不可。 如果你做的是旧的 Interface,然后利用这些新的模型,那你很容易被 ChatGPT 取代;如果你的交互方式很像 ChatGPT,那你更没有什么理由不被它取代。反过来,如果你做新的交互方式,但模型没有继续变好,没有新的溢出能力,那你也很难做。所以对于创业公司来说,最好的机会就是你做新的交互方式,同时模型不停有新的溢出能力,让你能够赋能这些新的交互。 当然,ChatGPT 也可以跟进创业公司的交互,但是拥有一个 Super App 其实对于大公司来说是把双刃剑,因为当你已经有了一个成熟的交互方式时,必然会形成路径依赖。就像 2020 年的 Google,它有无限的资源和钱,有 Transformer,有最好的 Research,但它最自然的本能想法是“我怎么用这些东西提升我的搜索引擎”。同理,当你有像 ChatGPT 这样一个 Super App 的时候,很自然地,你的 Research 就会围绕这个 App、围绕这种对话交互方式展开。 即便你是大厂,是 Google 或者 OpenAI,你会去探索新产品,但你大部分资源还是会围绕你 Super App 的交互方式,这恰恰是创业公司的机会。 像 Her 这种形态,虽然还是 Assistant,只不过它是语音而非文字。我觉得这显然是一个很有价值的形态,因为人和人交互已经几百万年了,这对人来说是最自然的。但这个生态位我觉得 ChatGPT 是占主导的,因为这间模型公司一开始做的事情就是这个。 所以我认为那些“不显然”的事情,也就是基于“不像人”的交互方式,才是机会所在。Cursor 是个很好的例子。从网络发展史上看,Google 也是个很好的例子,当时搜索框是一个很新的方法,没人见过,很奇怪;反而是 Yahoo 从网络形态上更像黄页,是一个让人熟悉的交互方式。但最终 Google 这种让人不熟悉的交互方式赢了。我觉得 Assistant 或者像 Her 这种和人一样的交互,肯定是最重要的交互方式之一,但也肯定会有足够多的机会,让新的交互方式产生。 除了 Cursor,我觉得 Canvas 也是一个好的尝试。你可以基于现在的一个任务,在线生成一个最符合当前情境、个性和任务的前端界面,你可以让这个东西对不同的事情表现得很不一样。这是一个显然值得探索的方向,尽管这个事情显然也很难。

00
江流儿_MIuY
13:57
有网友跟Clawdbot说,如果你想要gpu,那你就自己去赚钱。
00
江流儿_MIuY
2天前
确实感觉应该来推广一波我的微博全景了,真的超级好用呀。

weiboinsight.co
00
江流儿_MIuY
2天前
说实话,我的微博全景被严重低估了哈哈哈哈。
00
江流儿_MIuY
2天前
💡 GitHub 是全球最大的代码知识库,但 AI 不会用怎么办?

@宝玉 @卡兹克 提到"把 GitHub 当知识库",这个思路的精髓在于:

GitHub 上有几亿个开源项目、无数已解决的 Issues、海量代码实现 —— 这才是真正的宝藏。

但问题是:
❌ 普通 AI 只能靠训练数据,信息过时
❌ 手动去 GitHub 搜索,效率太低
❌ 优质项目埋在海量结果里,难以筛选

于是我做了这个 Claude Skill —— 让 Claude 自己去 GitHub 挖。

基于 `gh` CLI,对话时 Claude 会自动:
✅ 搜索全球开源项目(按 Star、语言、活跃度筛选)
✅ 查找已解决的 Issues(别人踩过的坑)
✅ 定位代码实现(看大牛怎么写的)
✅ 发现优质库(实时最新,不靠过时训练数据)

实际场景:
💬 "有什么好用的 Python 爬虫框架?"
→ Claude 搜索 GitHub,按 Star 推荐最新项目

💬 "Vercel 部署报错 ECONNREFUSED 怎么办?"
→ Claude 翻遍全球的相关 Issues,找到解决方案

💬 "Next.js 的认证怎么实现?"
→ Claude 搜索代码片段,展示真实项目的实现

核心价值:
🌍 GitHub 是人类的代码知识库,现在 Claude 会用了

开源地址:
👉 github.com

已稳定运行,欢迎试用和贡献!

#Claude #GitHub #开发效率 # 知识库#AI工作流
01
江流儿_MIuY
2天前
为什么大家会说 Clawdbot(现已改名 Moltbot)是你的 7_24 小时数字员工?

这里的 7_24 并不是说它要 7*24 小时不停干活(当然也可以),而是更像一个**随叫随到、一直待命**的员工:你一开口,它就能马上接手、马上执行,并把进度和结果及时回给你。

那么你要如何使用 clawdbot,它和 Manus 的区别是什么?

clawdbot:你是在远程指挥“自己的电脑 + 自己的工作流”。

我举个例子,用 Mac mini:假设 clawdbot 部署在我的 Mac mini 上,我用 Telegram 作为入口,并且我在 clawdbot 里已经有自己常用的工作流 subagent。以前我用 Claude Code,得在命令行里说它才会做。现在我人在外面爬山,突然想让这个 subagent 帮我完成一个任务,我就直接在 Telegram 上给 clawdbot 下指令。它会在 Mac mini 上把这个 subagent(或多个 subagent)跑起来,跑完以后再把最终结果通过 Telegram 发给我。

关键点是:任务真正执行在我自己的机器上,用的是我自己的环境和工作流。

Manus:你是在把任务交给“别人的平台 + 别人的工具箱”。

同样的场景,你在爬山,也可以打开 Manus 把任务交给它。Manus 往往会在它的托管执行环境里跑任务(你可以把它理解成虚拟电脑/隔离环境),并调用它平台内置的工具、agent skill 来完成。它是一个产品,后端能力是平台已经搭好的。你对执行细节的控制力,取决于平台提供的接口和可定制能力。

如果你已经有一套很成熟的工作流,Manus 默认会按平台的方式来做;要它完全按你的工作流做,通常需要你把流程讲清楚、反复对齐,所以成本(沟通成本/时间/费用/上下文)也可能更高。稳定性和“还原你原本工作流的程度”,也会受平台能力和任务复杂度影响。
10
江流儿_MIuY
3天前
在这里,快速学习📚快速实践和理解,不被媒体带跑。
20
江流儿_MIuY
3天前
有时候我会在想,为什么有些团队诞生之初就会备受宠爱。
00
江流儿_MIuY
3天前

范冰: 发现 X 上一位斯坦福 AI 女极客 Molly Cantillon,她刚写了篇狠文,讲她几个月来,怎么用 Claude Code 搭了套「个人全景监控系统」。 - 她通过定时任务自动拉取 Amplitude 数据,交叉比对 GitHub,精准指出需要开发的功能,处理 A/B 测试,生成文案,客服部门完全自主运行。 - 邮箱首次实现收件箱清零(Inbox Zero),所有来信自动生成回复草稿。 - 训练计划根据混乱的旅行日程自动调整。 - 睡眠方面在 WHOOP 追踪数据六小时后触发投影仪,用她最爱的箴言唤醒自己。 - 订阅管理帮她找回两千美元自己都不知道的持续扣款,还有那些曾被忽视的、旧金山交通罚单和拖延到快被遗忘的待办事项。 - 控制智能家居系统,甚至照料植物生长。 - 个人财务现在在终端里管理。每天深夜系统会撬开互不相通的券商系统,抓取国会文件和对冲基金持仓报告,收集 Polymarket 预测概率、X 平台舆情动态、关注列表的新闻头条和 10-K 年报。 - 清晨 ~/trades 目录里都会新增一份简报。上月它标记出菲尔兹议员增持奈飞股票,三周后华纳兄弟收购案就公布了。她说自己不总是跟单交易,有时会和它的分析逻辑辩论,但再也不必在清晨六点同时盯住十五个浏览器标签了。 - 爱泼斯坦档案解密那晚最疯狂。她和五个朋友彻夜剖析成千上万份文档,解析成可检索的索引:航班记录、短信往来、照片资料、亚马逊购物清单、房产信息。 - 凌晨四点时他们跑赢了整个新闻编辑室的效率。清晨七点推出 Jmail 邮箱检索工具,至今已有 1800 万人搜索过那个逝者的收件箱。若在十年前这需要整个团队和大量筹备时间,而他们仅用一夜就完成了。 - 圣诞节她看着父母学习命令行。她没有将其包装成编程教学,只是设置了简单的别名指令'c',告诉他们用日常英语描述想实现的操作。 她同时并行运行着八个实例:nox、metrics、email、growth、trades、health、writing、personal。每个实例独立运行,能够生成短期存活的子智能体,并通过明确的交接流程交换上下文。 在机场在她入睡时 caffeinate -i 参数持续保持系统唤醒状态,任务完成后发送短信,她回复检查点后继续推进。所有思考痕迹均被记录并归档,为实现递归式自我优化提供基础。 简直太酷了。

00