Manus为什么这么火呢？我今天一直在飞机和博物馆里，恰好错过了这波热浪。睡觉前分享一二。
1. Manus是可以归类为“好产品”的，因为它目标明确思路清晰，有一套解决方案，并且在很多环节做得挺到位。
2. Manus在过去24小时受到了超出产品本身的热捧，这会抬高那些不明就里的用户的预期，对于产品来说不是好事。
3. 我不大相信背后的团队在“策划”营销事件，它们只是把邀请码给了一些博主。
4. AI自媒体确实有放大效应，而且博主们本质是追求流量的，AI倒是其次。所以国内的AI内容还是要x50%再看，脱脱水。
5. 我不赞成“模型即产品”的论调。在AI领域，一切创新，包括模型的、产品的、交互的、商业模式的、工程实现的，都应该被鼓励和包容。
6. AI的矛盾是：应用场景的验证严重落后于技术发展的速度，这往往不是模型端能够解决的。
7. 如果Manus任务成功率很高，速度够快而且很便宜，最后到底有多少人用我也是怀疑的。多少人会有那么多复杂任务要解决？？？

今天Manus刷屏刷得遮天蔽日。

还有件大事儿，阿里云开源了最新的推理模型QwQ-32B。这个模型的特性就是“以小博大”，参数规模只有32B，整体性能和671B的DeepSeek R1差不多。

QwQ-32B基于Qwen2.5-32B模型，通过强化学习方法优化，使模型的性能和效率达到近乎完美的平衡：
- 模型的数学推理和编码任务成绩突出；
- 采用密集模型架构，而非MoE结构，可以低成本部署，工程复杂度大幅降低；
- 上下文长度达到131k，适合解决复杂问题。

可以说，这就是一个可以在单台机器甚至消费级显卡上运行的高性能推理模型。还要啥自行车？

从成本效益角度，QwQ-32B用大约1/10的成本达到了DeepSeek-R1与o3-mini-high之间的性能，那些冲动购置硬件跑满血DS的老板们是不是要哭了？

我的老板经常问，为什么咱们自己的那些AI服务都在阿里云上呢？这也没办法啊，工程师肯定希望找个一站式的解决方案。阿里提供了各种模型选择，从运行在端侧的到110B的全覆盖。而且它们在Hugging Face上有超过10万的衍生模型，全球的开发者都在用Qwen做实验。更何况魔搭上还有很多现成的训练服务、数据集可以使用，而阿里云也提供各种算力和服务支持快速部署。

这个模型已经在通义的海外官网上线了，左上角模型选Plus，再打开推理开关，就是这个32B的了。

宇树又发了一个G1机器人的视频，这次是练功夫，说实话这次动作的自然度、平衡性的把握更厉害，估计又要有人说这个AI生成的了。
必须夸一下，人形机器人已经烂大街了，功夫才有特色。

Claude Sonnet 3.7来了，我上周刚退订（转投Grok），但会员还没过期。简单写了几个前端页面，感觉确实比3.5有进步，尤其是加入了推理环节，反复通过对话调试修正的情况少了很多。而且一些模糊的需求也能够理解并且精准实现。

下面视频里演示了一个前端互动案例，用3.7 Sonnet，大概生成了3～4次。

海螺的精准镜头控制功能上线了，控制组件分为两个组，一组是固定模板，包含了基本镜头语言。第二组是可以适当自定义的，并且最多选择三个组合在一起。我用《强风吹拂》的动画截图做了测试，效果见视频。

目前Hailuo官方支持的9种经典镜头的介绍和应用场景：

左环移 (Left Pan)
解释： 摄像机水平从右向左转动。
应用场景： 展示宽阔场景、跟随移动物体。

右环移 (Right Pan)
解释： 摄像机水平从左向右转动。
应用场景： 展示场景、跟随物体。

上扬 (Tilt Up)
解释： 摄像机向上倾斜。
应用场景： 展示高度、揭示场景、表达敬畏。

降摇 (Tilt Down)
解释： 摄像机向下倾斜。
应用场景： 展示高度、揭示场景、表达失落。

左跟移 (Dolly Left)
解释： 摄像机向左平移。
应用场景： 跟随人物、展示空间、营造紧张感。

右跟移 (Dolly Right)
解释： 摄像机向右平移。
应用场景： 跟随人物、展示空间、营造紧张感。

左聚焦 (Rack Focus Left)
解释： 焦点转移到左侧对象。
应用场景： 引导视线、建立联系、突出变化。

右聚焦 (Rack Focus Right)
解释： 焦点转移到右侧对象。
应用场景： 引导视线、建立联系、突出变化。

场景镜头 (Establishing Shot)
解释： 展示故事发生的地点和时间。
应用场景： 建立环境、转换场景、表达氛围。

《第二次自媒体冷启动复盘》
从 X 复制过来的，不想改格式了。
-------------
AI 技术方向，1 年，7 万粉丝，53 个商单。

这篇文章将涉及几个方面：方向选择，账号定位，内容选题，广告变现，一些纠结。摆事实但不讲道理，看大家的反馈再选择展开哪部分。

码字不易，大家觉得有启发麻烦给点赞转发一下。
（1/n）

这个号第一条视频发布在 10 月 26 日，距今正好一年。选择小红书有几个原因：用户数据还在上涨；社区氛围相对友好，没有过多民族情绪；平台和用户方都不反对商业。还有一个原因，好朋友在公司负责视频业务，我是个笨人，不亲自尝试就不会提出建议，与其看二手经验不如自己做一个。
(2/n)

坊间有一个概念叫起号，指账号冷启动。在小红书平台需要通过内容让账号给推荐系统留下“第一印象”，为这个账号拼配目标 用户。这是一个不断试错的过程。我做了三个号，一个亲子教育、一个创业、一个 AI，哪个起号成功就做哪个。
(3/n)

选择方向有一些讲究，大致说应该满足三个条件，第一是这个方向处于发展阶段，第二是赛道竞争不激烈，第三是你自己在这个赛道有比较优势（经济学概念）。比如亲子账号是因为我有一个孩子，创业赛道是因为我有多次创业的经验，AI 赛道是因为我的本职工作和 AI 相关。
(4/n)

一周内我在这三个账号各发了两个笔记，AI 账号“爆”了。AI 账号的第一条是和 GPT 对话聊巴以冲突，这条笔记被判违规。第二条笔记 3000 浏览 40 赞，紧接着第三条 25000 浏览 1300 赞。这几条视频也奠定了账号基调：以 AI 工具实际体验为题材，以副业赚钱经验为卖点。
(5/n)

后面相对顺风顺水，每周发 3～4 个视频，偶尔有爆款。我赶上了 24 年 AI 工具红利期，因为 ChatGPT、Kimi 等产品的出圈，AI 成为公众话题。在女性为主的社区，AI 领域成长出了一大批博主。
但是在运营过程中，我主动做过两次调整，对账号数据增长起了关键作用。
(6/n)

我做过一些AI 工具开箱内容，我发现在小红书这种双列产品里，必须给用户一个强有力的理由才能被打开。我第一次重视标题、封面文案和封面设计。
第二次，摆脱了很多技术人的一厢情愿，我们会为 Claude、Flux 和 LlaMa 的进展欢呼，但用户不会。所以我开始有意识地避免内容中出现专业概念。
(7/n)

在今年上半年我有过一次纠结，那时候 Dall-E 结合 ChatGPT 的理解能力，能够低成本生成一些抓眼球的内容，在短时间获得客观的流量，大量账号在一周内粉丝破万。我本来打算转型或者新开一个账号，但还是忍住了。原因和另一个大家纠结的问题有关，要不要露脸？
(8/n)

如果你希望打造个人 IP，露脸是首选，这样你的内容才是为了塑造形象而服务的。除非你具备与众不同的经历或者出众的技术能力，否则很难脱颖而出。有一个营销概念叫视觉锤，对于博主来说，你的形象就是视觉锤。
当然前面提到的AI 内容账号，在变现上会有很大问题。
(9/n)

图中账号的互动数据远高于我，但只能接一些生活用品的商单，并且数据很糟糕。因为它不符合媒体接广告的几个要求，这些要求不限于小红书，在所有媒体上都适用。
1. 你日常的内容不应该和广告内容有什么不同；
2. 在内容中为商品留出足够的空间；
3. 调性满足目标广告主的诉求。
不展开了。
(10/n)

什么样的账号会被广告主青睐呢？首先你的账号应该有广告需求类似的成功案例，其次广告主会选择近期数据稳定的账号，接着才是报价。
不过实际操作中，小红书博主接触广告主的机会并不多。一般逼格 brife 投几十个博主的情况很常见，所以我们接触的都是广告代理公司，了解代理的诉求更加重要。
(11/n)

广告商单的流程是：代理主动联系博主（下单或者私信），确认意向后博主报价以及交付时间，代理汇总后报给客户，最终由客户选择合作哪些博主。
表面上看代理是博主和客户的中介，同时服务二者。其实，博主相当于代理的供应商，帮助代理满足客户需求。
与代理达成共赢，才能获得更多商业利益。
(12/n)

代理的诉求：
1. 博主被客户选中；
2. 高效执行，包括选题、内容能够得到客户认可，不要反复修改；
3. 博主能够给到更多返点（是的，这是潜规则，具体多少我后面讲）
4. 博主能够提供一些额外的服务。
(13/n)

一般博主给代理的返点从 20% 到 40% 不等，这部分其实是代理公司的利润来源，因为来自客户的收入已经固定在合同上了。
我一般默认返点 20%，也会浮动。比如合作对象我比较中意，我会让步。第一次合作的代理也倾向于建立联系。毕竟大多数商单是代理带来的，长期合作对上方都有好处。
(14/n)

对接商单的也不乏厂商做 PR 的同学，一般分三种情况：
- 实在没有预算的，请不起代理公司，这种就看心情了，产品好可以免费赠送；
- 国际大厂，不明白国内的道道，比如 Google、Sona；
- 已经建立联系的国内大厂，他们希望通过活动邀请、纪念品换取博主的营销，也有签年框的机会。
(15/n)

困了，后续还会分享一些自媒体副业相关的内容。比如我的第一次尝试，接广沟通的技巧，做小红书自媒体关注哪些数据，我的内容 SOP……
初来乍到，摆脱点赞这条 Tweet 并分享吧。

最近我在帮助朋友的团队优化他们的大模型工作流。这个团队的主要应用场景是在社交媒体上生成评论。早期，他们的内容库是针对不同行业场景手动编写的评论，质量低且同质化严重。后来，他们改为抓取真实数据，并使用NLP技术对数据进行分类和轻微改写，使评论看起来更自然，但依然难以实现精细化的定制。随着大语言模型的出现，这个问题得到了有效的解决。因此，我们现在看到的许多社交媒体评论并不是真实用户所写，某种程度上可以称之为灰产。当然，平台也在进行类似的内容生成，前不久我还面试了一家头部生活服务公司的产品经理，专门负责这一块的工作。

生成成本的挑战

目前，团队已经成功建立并运行了整个工作流，但随着生成量超过每日百万条，他们需要系统性地降低生成成本，特别是token的支出。我们主要在两个方向上进行尝试。

方向一：选择性价比模型替代部分主力模型

第一个方向是使用“性价比模型”替代部分高成本的“主力模型”，同时利用思维链的方式弥补生成质量的不足。具体来说，可以先让主力模型根据需求生成一系列关键词，再将这些关键词交给性价比模型来生成完整的评论。这样，高性能模型负责规划方向，性价比模型负责具体生成任务。这种方式显著降低了成本，但生成内容的质量有所下降。不过，即便如此，生成内容的质量依然远高于普通用户的语言表达水平，足以满足需求。

在这一方案中，关键在于取舍：如果主要目标是理解需求并把控评论方向，那么可以接受生成内容的语言质量有所降低，从而实现成本的显著降低。

方向二：优化工作流和提示词结构，适配提示词缓存功能

第二个方向是优化工作流和提示词结构，针对支持提示词缓存的服务进一步降低输入成本。提示词的优化和工作流的调整相对来说较为简单，但需要在新模型的选择上投入更多的努力。这包括在实际需求中进行内容生成，并持续进行标注和评估，以适应模型的升级和业务场景的变化。

对于个人开发者来说，这是一个好生意吗？

这个生意看起来似乎适合小团队甚至个人团队，但现实并非如此。虽然AI生成评论的成本并不高，但获取利润的关键并不在于生成技术本身。这种灰色产业链，如果不是由平台自己主导，往往面临巨大的平台博弈成本。比如，创建大量符合平台法规和要求的实名账号，确保账号健康状态，避免账号被降权甚至封禁。这些繁琐而耗时的工作决定了业务最重要的资产——健康账号的质量和规模。因此，负责账号管理和运营的团队规模通常是内容维护团队的三到四倍。

此外，市面上大多数评论维护需求来自小型代理公司的员工和媒体，他们的需求主要是为了数据的合规性和可接受性，而非追求高质量的评论内容。高质量评论的需求主要集中在大型广告代理公司和头部媒体，而个人和小团队面临的首要挑战是如何获得这些客户的渠道和商务能力。

结语

最近我也在尝试开辟新的分享渠道，把自己和团队在AI商业落地方面的经验和信息做一个总结。如果你对AI如何赋能个人成长和副业感兴趣，可以去小红书关注我，账号名还是陈言Linkc-Chen。

（尝试用ChatGPT Canvas写作中）

用claude做了个卷轴射击游戏，几句大白话就实现了，还能直接预览。我闺女大呼：“不学scratch了！”

果壳X厦门科技馆 两个团队经过一年的打磨，《走！去火星》今天正式开馆！
这是我们第一次独立策展并成功落地的大型主题展。在本次展览的策划和设计过程中，我们大量使用AI技术，从故事背景、科学设定、艺术装置，到用户模拟、动线设计等等均有AI参与，也是我们验证团队AI落地能力的一块试剑石。欢迎大家前往参观。

昨天看完Google I/O 后第一感觉就是Google一下子变成臃肿、缓慢缺乏新意的“大公司”。虽然早就有这个感觉，但从来没有这个直观过。也许Google还是那个Google，但时代变了。

说回发布会，虽然这次发布的产品很多，Google在AI软硬件上也有不少积累，但最让人兴奋的还是Project Astra。现场demo还是比较粗糙，反馈速度和交互细节有点别扭，但和前一天的GPT-4o结合起来看，纯语音、多模态、连续对话确实是一个值得投入的方向。

目前的人机交互大多为对话框，可以向前追溯至聊天室甚至更早的命令行时代。但纯粹的语音互动，并且给AI赋予更多的输入方式，更符合人与人之间的交流习惯。从产业上讲，AI将不再受制于硬件的输入限制，耳机、眼镜，甚至一个随身摄像头都有可能搭载一个完全功能的智能体。