即刻App年轻人的同好社区
下载
在泉州打车时学到了关于"Tiktok"的有意思的解释，分享给大家
本地司机说，因为张一鸣是福建龙岩人，闽南话中 Tiktok 音译 "踢桃"，是玩耍娱乐的意思，潮汕话也是一样的含义。
这个解释很有意思，一下子拉近了与自己文化的距离
本地司机说，因为张一鸣是福建龙岩人，闽南话中 Tiktok 音译 "踢桃"，是玩耍娱乐的意思，潮汕话也是一样的含义。
这个解释很有意思，一下子拉近了与自己文化的距离
1 00
还真是，创造力来自于松弛的瞬间，不来自于高压的勤奋 //@Szhans: 现代人低估的两大法宝：散步和睡眠 m.okjike.com
Szhans: 真正热爱创造的人，必然热爱生活本身。 散步、阅读、烹饪、整理、闲聊、家务甚至白日梦——这些看似平凡的日常，藏着创造力的真正源头。没有充实的生活、良好的睡眠和宁静的心境，你连值得珍贵的经验、情绪和记忆都积累不了；而创造，本质上是把活过的东西重新编织一遍。 这也是为什么 AI 永远无法替代你——那些失眠的夜晚、顿悟的瞬间、阅读的随机漫步与逝去的故人、无用的对话，这些点滴聚合成今天的你，也常常是创造的种子。 守住 AI 做不到的边界，你就是主导者；它才能成为你的 Thinking Partner 和无穷杠杆力。
0 00
在南山参加 AI 硬件展，真是看到了满满的创新力。
尤其是看到那些还没毕业的摊主在焦头烂额捣鼓着自己的硬件
还有的小孩哥小孩姐对各种硬件开发板如数家珍
还有的摊主热情似火的讲着自己的作品
这些时刻感受到了热爱和纯粹的创造
尤其是看到那些还没毕业的摊主在焦头烂额捣鼓着自己的硬件
还有的小孩哥小孩姐对各种硬件开发板如数家珍
还有的摊主热情似火的讲着自己的作品
这些时刻感受到了热爱和纯粹的创造
1 01
AI 时代，胜出的那批人应该是：
1️⃣ 大量使用 AI
2️⃣ 刻意做大脑思考训练，让自己的思考能超过 average thinking
–––
其中2️⃣应该有一些前提：
1️⃣ 筛选自己的信息源
2️⃣ 专注自己的注意力
1️⃣ 大量使用 AI
2️⃣ 刻意做大脑思考训练，让自己的思考能超过 average thinking
–––
其中2️⃣应该有一些前提：
1️⃣ 筛选自己的信息源
2️⃣ 专注自己的注意力
0 00
在的 AI 时代，越来越多自媒体宣传"自动化生产内容workflow"。
但是每次看到手撸的文字，反而有种看早期知乎的珍惜感，于是克服上滑的欲望读完这种文字。
高质量的内容，应该越来越突出才是正确的事情
但是每次看到手撸的文字，反而有种看早期知乎的珍惜感，于是克服上滑的欲望读完这种文字。
高质量的内容，应该越来越突出才是正确的事情
1 00
在看 Lex Feidman 和 Telegram 创始人的访问
👉🏻油管：www.youtube.com
想到了一个点："在AI时代，我们需要克服大脑的懒惰，更多地调用自己的大脑想得更深入，AI 让答案来得太轻松了"
👉🏻油管：www.youtube.com
想到了一个点："在AI时代，我们需要克服大脑的懒惰，更多地调用自己的大脑想得更深入，AI 让答案来得太轻松了"
0 02
Claude 用于coding 很好，但是 Anthropic 这家公司的政治倾向，真的让人喜欢不起来
(话说以后要是 claude code, Cursor, Trae 都用不上 claude 了大家都用什么模型编程🤔)
(话说以后要是 claude code, Cursor, Trae 都用不上 claude 了大家都用什么模型编程🤔)
5 70
AI Agent 开发有感：
1️⃣ 【Agent + 数据库】将是基本工程实现，过去是 API/固定功能实现 + 数据库
2️⃣ text-2-sql 是 【Agent+数据库】的核心节点之一
3️⃣ text-2-sql 的实现细节比很多人想的更复杂，
👉🏻比如 LLM 引用错误的 schema columns(幻觉)
👉🏻比如 LLM 生成 SQL 引用字段不稳定导致同一个用户意图结果差距巨大
👉🏻比如生成 SQL 的 where clause 每次筛选的 value 也都不一样
4️⃣ 当下的数据库/数仓设计都不是完全 Agent Ready 的
包括但不限于 DB Schema 设计、哪些字段用于 SQL filter，哪些用于 embedding similarity ranking
什么样的 database 才是 Agent 友好的❓
5️⃣ 这些都和上一代 SaaS/互联网工程实现不一样，有种转行了的感觉
1️⃣ 【Agent + 数据库】将是基本工程实现，过去是 API/固定功能实现 + 数据库
2️⃣ text-2-sql 是 【Agent+数据库】的核心节点之一
3️⃣ text-2-sql 的实现细节比很多人想的更复杂，
👉🏻比如 LLM 引用错误的 schema columns(幻觉)
👉🏻比如 LLM 生成 SQL 引用字段不稳定导致同一个用户意图结果差距巨大
👉🏻比如生成 SQL 的 where clause 每次筛选的 value 也都不一样
4️⃣ 当下的数据库/数仓设计都不是完全 Agent Ready 的
包括但不限于 DB Schema 设计、哪些字段用于 SQL filter，哪些用于 embedding similarity ranking
什么样的 database 才是 Agent 友好的❓
5️⃣ 这些都和上一代 SaaS/互联网工程实现不一样，有种转行了的感觉
3 30