Kevin0912

[半吊子程序猿大铭 @CoderDaMing]

我不小心在 ChatGPT 里打开了“上帝模式”，它开始教我一些我甚至不知道其存在的东西。

以下 7 个 ChatGPT 指���将改变一切：

[杂学大师✨ @Techbruneth]

有一句话改变了我用 ChatGPT 的方式："现在试着证明我错了"

真正拉开差距的，从来不是你装了多少工具，而是你留下了哪几个。
https://t.co/QesT85UeNp

就 6 个词，却让 ChatGPT 变得比一个只会顺着你说的助手有用得多。

因为有个问题 99% 的人都不知道 👇

[孔乙观察 @KongYiGC]

我到机场的时候，才发现航班取消了。
不是延误，是取消。

手机上还有一条消息，对方发来的：
“孔总，明天上午10点见，到了跟我说。”
我站在大厅里看了半天，没回。

助理问我：“怎么办？明早肯定赶不上了。”
我说：“先去柜台。”
柜台前排了几十个人。

有人在骂，有人在打电话，还有个老板模样的人一直催工作人员：“我明天有个几百万的合同要签，耽误了你们负责吗？”
我听完突然有点想笑。

因为我明天要见的那个客户，也很重要。
为了这次见面，前前后后约了一个多月。
方案改了四版。
团队准备了一个星期。

如果明天见不到，这个项目大概率又要往后拖。
排了快40分钟，终于轮到我。
工作人员查了半天，说：
“最快只能改签到明天下午。”
我问：“还有别的办法吗？”
她摇摇头。

助理看着我：
“要不要跟客户说改时间？”
我拿着身份证站了几秒，说：
“先别说。”
“那怎么办？”
“去高铁站。”
她愣了一下：
“现在？”
“现在。”
机场到高铁站一个多小时。
到了以后，最晚一班也没票了。

助理看着我，没说话。
我知道她想说什么。
折腾半天，还是走不了。
那一瞬间，我也有点烦。
甚至觉得今天特别倒霉。
但我还是不想回酒店。
我打开地图看了一眼。
900多公里。
开车，十几个小时。
我问旁边一个网约车司机：
“师傅，跑长途吗？”
他抬头看我：
“去哪？”
我把地址给他看。

他愣了几秒：
“你认真的？”
我说：“认真的。”
他报了个价格。
我说：“走。”
车开出去以后，助理问了我一句：
“一个项目而已，有必要吗？”
我没回答。
因为说实话，我自己也不知道有没有必要。
可能去了，对方最后还是不合作。
可能聊两个小时，项目还是黄。
甚至可能我折腾一晚上，对别人来说，只是一次普通见面。
但车已经开了。

凌晨一点，我们在服务区吃泡面。
凌晨三点，助理睡着了。
我坐在副驾驶，看着前面一辆又一辆货车，突然想起自己刚创业那几年。
那时候我特别喜欢算一件事值不值得。
这个客户值不值得见？
这顿饭值不值得吃？
这个人值不值得认识？
这件事短期能不能赚钱？

后来我发现，人生很多真正改变你的事情，在发生之前，你根本算不出来值不值得。
有些客户第一次见面，一分钱没赚，三年以后却给你介绍了最大的项目。
有些饭局你本来不想去，却在那里认识了后来最重要的合伙人。
有些事情当时看起来白干，几年以后才知道，它偷偷改变了你的路。

凌晨四点多，司机突然问我：
“你们这么赶，是去签多大的合同？”
我说：
“还��签，甚至不一定能签。”
他愣了一下。
“那你跑这一晚上干嘛？”
我说：
“答应人家明天10点到。”
他没说话。
过了好一会儿，他突然笑了。
他说：
“你们做生意的人也挺奇怪。”
我问：“怎么了？”
他说：
“我开车这么多年，发现一个事。”
“什么事？”
“真正能把事情做起来的人，好像都不太爱算眼前这点账。”
我一下没说话。

他继续说：
“你看我们开车也是。”
“有时候跑几十公里去接个人，到了人家取消了。”
“你说亏不亏？”
“肯定亏。”
“但你要是每一单出发之前，都先问自己这一趟到底值不值，那车就别开了。”
他说完，又补了一句：
“很多路，是开出去以后才知道值不值的。”
那句话我记到现在。
第二天早上9点多，我们到了。
洗了把脸，换了件衣服，10点准时坐进会议室。
最后那个项目成了吗？
成了。

但后来我回头想，这��而不是最重要的。
因为就算没成，那一晚上也没有白跑。
它让我重新明白了一件事：
很多人不是输在能力不够。
而是太喜欢在出发之前，就把所有结果算明白。
值不值得。
有没有回报。
成功率多少。
能赚多少钱。
可人生哪有那么多确定性？

创业没有。
生意没有。
感情没有。
甚至你今天认识的一个人，五年以后会不会改变你的人生，你都不知道。
我们真正能决定的，其实只有一件事：
当一件事情值得你认真对待的时候，你有没有认真出发。

后来我越来越少问自己：
“这件事做了马上有什么用？”
我开始问：
“如果我一直这样做，五年以后我会变成什么样的人？”
这两个问题，看起来差不多。
答案完全不同。

司机把我们送到以后，我下车前问他：
“师傅，你昨天那句话跟多少人说过？”
他笑着摆摆手：
“我哪懂什么大道理。”
“我就是觉得，人不能什么都等想明白了再走。”
“路嘛，走着走着才有。”
我站在那里愣了几秒。
后来想想，还真是。
人生很多时候，不是你先看见了路，所以才出发。
而是你先出发了。
路才慢慢出现。

[liam. @liambraus]

TU AGENTE DE IA YA PUEDE EXTRAER DATOS DE CASI CUALQUIER WEB

X, YouTube, Reddit, foros random, webs sin API… básicamente lo que necesites para research, análisis o monitoring.

acaban de subir a GitHub 3 herramientas open source que le dan a tu agente ese superpoder.

1. Agent-Reach

junta X, YouTube, Reddit, GitHub y más en un solo sitio.

https://t.co/yawDnTZk2g

2. Patchright Enhanced

usa Playwright para escuchar peticiones de webs sin API y sacar los datos con un script.

https://t.co/M5tHnH2aWr

3. Scrapling

scraper de propósito general para cualquier página web.

https://t.co/mQR069yL39

le dices qué datos necesitas → escribe el código → los recolecta → te da el resultado.

ejemplos reales:

"recoge los posts de 100 cuentas de X del último mes y dime qué temas están funcionando"

"saca reviews de este producto en Reddit y YouTube y resúmeme las quejas principales"

básicamente le das a tu agente la capacidad de sacar datos de casi cualquier lugar de internet.

eso abre un nivel de automatización que hasta hace nada era impensable.

[Jorge Rebollo | IA @jorgerebollo_ia]

No le digas a ChatGPT “analiza esto”.
No le digas a ChatGPT “hazme un plan”.
No le digas a ChatGPT “dame ideas”.

Estás utilizando IA avanzada como si fuera un becario.

Aquí tienes 5 prompts para copiar y pegar:

[Kevin0912 @Kevin091251]

@mengyan1234567 要么蠢要么坏，要么就是又蠢又坏

[AI探路者Tim @AIExplorerTim]

突破：谷歌Gemini 3.1 pro刚刚颠覆了咨询行业。

这里有3个提示词可以帮你instant获得麦肯锡级别的答案 👇

[Benson Sun @BensonTWN]

2023 年，Meta 首席 AI 科學家楊立昆給當時的 LLM 熱潮潑了一盆冷水。

他指出 LLM 有根本性的缺陷：沒有持久記憶、無法從單一經驗學習、缺乏對物理世界的理解。本質上，它只是在做「下一個 token 的預測」。

從學術的角度看，他說得完全正確。

直到今天，LLM 的底層架構依然沒有變。它依然是一具每次啟動都空空如也的統計引擎。

但在三年的工程演進後，我們發現了一個讓科學家尷尬的事實：學��上的根本缺陷，工程上不一定要正面解決，���過去一樣能起飛。

楊立昆主張要走「世界模型」的路線，讓 AI 像人一樣建立對物理規律的理解。他認為 Scaling Law（規模定律）有天花板，LLM 光靠堆算力不能產生真正的智慧。

但工程界用兩件事回應了他：
第一，資本的暴力美學。過去三年，人類往算力砸錢的瘋狂程度，讓模型規模產生的「湧現」直接蓋過了架構的粗糙。

第二，系統性的外掛補丁。模型記不住？掛上向量資料庫。模型理解不夠？接上 Vision 和工具。

這就是工程學最迷人的地方：解決問題不需要追求「本質的優雅」。

楊立昆在研究神經元的排列，而工程師在研究如何把這個「不完美的大腦」裝進一個強大的「機械外骨骼」裡。

楊立昆對 LLM 的核心批評，是他認為 Pattern Matching（模式匹配）不算真正的學習。

但如果這種模式匹配的複雜度足以模擬出文明的所有邏輯，那「學習本身到底是什麼模式」還重要嗎？

飛機與鳥的飛行原理完全不同。飛機沒有羽毛、不會拍翅膀，但在它飛得更高、更遠、更穩定的那一刻，它到底「算不算在飛」已經不重要了。

但繞過去的，跟真的解決，是兩回事。

只要底層架構沒變，楊立昆講的那些缺陷就真實存在。記憶是外掛的，不是原生的。就像義肢，裝上去能走能跑，但它跟真正的腿就是不一樣。你不能假裝它不存在。

所以雖然 AI 已經很強了，推理、寫作、寫程式，很多事做得比大部分人好，但它每次都是一個全新的大腦。沒有連續的意識，沒有累積的經驗。它所有的「記憶」、「理解」、「偏好」，全部來自你這次塞給它的上下文。

如果你去看 OpenClaw 最近的 repo 更新，你會發現記憶管理佔了很大的篇幅。怎麼讓 AI 在對話之間記住該記住的東西。

他們最近推的 QMD，把關鍵字搜尋跟語意搜尋混在一起用，就是為了解決一個問題：你三天前跟 AI 聊過的東西，它下次怎麼找得回來。

模型本身的能力會繼續進步，但只要底層是 LLM，記憶管理就是一個繞不開的大山。

用工程的角度來說，就是 Context Engineering 的重要程度，會逐漸超過模型本身。

你怎麼管理每次丟給模型的那包上下文，決定了 AI 能幫你做到什麼程度。哪些資訊該放、哪些不該放。什麼時候該砍掉重來、什麼時候該接著繼續。不同對話之間的記憶怎麼同步、怎麼取捨。

我自己每天都在處理這個問題。

舉個例子，我的 OpenClaw Agent KAI，它常常在多個頻道處理不同任務，但它們的記憶不是即時同步的。只要 https://t.co/s2JLdykloi 還沒更新，它們就不知道彼此剛做了什麼。

所以我常常要幫它做認知同步。譬如告訴 A 分身，B 分身目前正在做什麼，然後要求 B 把做的東西整理好傳過去。或者更簡單一點，直接叫 A 去讀另一個 Discord 頻道最近兩小時的對話，讓它自己同步 B 的工作內容。

這種「認知斷裂」的現象，只要你常用 AI，一定會有很強烈的感覺。

從人格化的角度看，你會覺得它們是同一個人。但事實上，它們只是共享同一份記憶。只要記憶沒有同步，它們就是不同的人。

我現在花比較多時間在學這一塊。譬如今天 KAI 就教了我，如果讓 Claude Code 的 Opus 4.6 從外部調用 GPT 5.3-Codex，用 MCP 跟 coding-agent skill 的差異是什麼。

KAI 告訴我，差異的核心在於：中間過程要不要進主 context。

用 MCP 調用 Codex，每一個 tool call 都走 MCP 協議。Codex 過程中的每一個 turn，讀檔、��檔、跑測試、報錯、retry，全部以 tool result 的形式灌回 Opus 的 context。一個 coding task 可能產生幾十個 turn，跑完之後 Opus 的 context window 已經被中間過程塞滿了，後面每一 turn 都要重送這些垃圾。這就是 context 污染。

而 coding-agent skill 的設計完全不同。它把整個 coding task 交給一個獨立的 sub-agent，這個 sub-agent 在自己的 context 裡完成所有中間過程。跑完之後，回傳給 Opus 的是一個精簡的 handoff summary：改了哪些檔案、測試跑過了沒、有沒有殘留問題。中間那幾十個 turn 的掙扎，Opus 完全不需要知道。

同樣一件事，兩種做法，Opus 的 context 乾淨程度天差地遠。

所以同一個模型，不同的人用，產出可以差十倍。

人與人之間原本的能力差距，已經沒那麼重要了。你的學歷、你的年資、你寫程式的底子，這些東西的權重正在被 AI 快速壓縮。

取而代之的，是你怎麼使��� AI。這件事的精度，才是現在真正決定產出的變數。

你理不理解它的記憶是怎麼運作的。你知不知道什麼時候該砍掉 context 重來、什麼時候該讓它接著跑。你能不能在對的時間，把對的資訊塞進那個 context window。

這些東西有一個名字，叫 Context Engineering。

它不是什麼高深的學問，但它是所有想把 AI 用好的人，都應該深入研究的東西。

[BW🕶️黑白 @Web3heibai]

为什么老板仅凭一次聊天，就能判断你不堪大用

饭局上有一个投资的大哥和一个小弟。

大哥投的项目，死亡率很低。圈子里都说他眼光毒，看人一看一个准。

另一个年轻人是他朋友带来的，名校毕业，履历光鲜，在一家大厂做到了中层。

席间年轻人侃侃而谈，从行业趋势到管理心得，引经据典，数据翔实。看得出来，他很想得到大哥的认可。

饭局快结束时，年轻人终于抓住机会，毕恭毕敬地问大哥：

“X总，我最近有个想法，想出来自己干，您看我这个人，适合创业吗？”

大哥放下茶杯，笑了笑，只问了他一个问题：

“你刚才讲了你们部门去年最���功的一个项目，复盘一下，你觉得这个项目能做成，最核心的原因是什么？”

年轻人明显愣了一下，然后开始滔滔不绝：

“首先，我们团队执行���非常强，996是常态。其次，我们对市场做了充分调研，需求抓得很准。再次，我们申请到了公司S级的资源，预算充足……”

他说了大概五分钟，全是“我们做了什么”。

大哥一直微笑着听，没插话。

等年轻人说完，大哥点点头，说：

“挺好。创业的事，可以再沉淀沉淀，不急。”

年轻人脸上的兴奋，瞬间凝固。

回去的路上，朋友问大哥：“你是不是觉得他不行？”

大哥说：“不是不行，是难堪大用。刚才那番话，换他们部门任何一个人来说，内容都差不多。我听了五分钟，没听到一句属于他自己的东西。”

朋友有点不解：“他说的都是事实啊，团队、市场、资源，难道不对吗？”

大哥给点了根烟，说了一句让人琢磨了一路的话：

“我跟他聊的不是一个项目，而是一个人。我在听的，不是他做了什么，而是他脑子里有几个抽屉。可惜，他从头到尾，只打开了第一个。”

你脑子里的抽屉，决定了你的层次

什么叫抽屉？这其实是一个思维模型。

我们可以把一个人的表达和思考，分为三个层次，就像三个抽屉：

1. 第一个抽屉：事实抽屉
2. 第二个抽屉：关联抽屉
3. 第三个抽屉：规律抽屉

一个人的价值有多大，潜力有多深，跟老板聊十分钟，老板心里就有数了。

他不是神仙，能掐会算。他只是在判断，你习惯从哪个抽屉里拿东西。

第一个抽屉：事实

打开这个抽屉的人，他们的表达，永远在描述“我做了什么”。

就像饭局上那个年轻人。老板问他项目成功的核心原因，他回答的是：我们团队很拼，我们调研很细，我们资源很好。

这些是原因吗？是，但这是最表层的原因。他只是在陈述事实，罗列工作量。

这样的人，在职场上是什么角色？

是“手”。

公司是一台精密的机器���他们是机器上的一颗颗螺丝钉，一个个齿轮。你让他干嘛，他能干，而且可能干得又快又好。

他们的��报逻辑是：
领导，我今天发了500封邮件，打了100个电话，写了3份报告。
你问他：“然后呢？”
他会一脸无辜地看着你：“没有然后了，我干完了啊。”

他认为，工作的结束，就是任务的完成。

这种人，靠谱吗？很靠谱。好用吗？很好用。

但老板会提拔他做核心高管吗？不会。

因为他只有“苦劳”，没有“功劳”。他能保证“把事情做完”，但不能保证“把事情做对”。他的价值，取决于别人给他下达的指令是否正确。

他的思维，是静止的、孤立的，停留在一个个具体的“点”上。

第二个抽屉：关联

打开这个抽屉的人，他们的表达，会从“我做了什么”升级到“我做这件事，和其它事有什么关系”。

他们开始思考“因果”。

如果那个年轻人打开的是第二个抽屉，他可能会说：

“我们项目能成，表面看是团队、市场、资源，但往���挖一层，我觉得核心原因是两点：

第一，我们这个项目恰好解决了A部门一直头疼的某个指标。所以我们以帮他们完成KPI为交换，获得了他们的全力支持，这比单纯申请S级资源要有效得多。我们把一个部门的战斗，变成了两个部门的联盟。

第二，在调研时，我们发现了一个被忽视的用户群体。这个群体的需求，跟我们产品的功能有70%的重合度。我们只花了30%的精力，做了针对性的微调，就撬动了一个增量市场。这本质上是一个‘成本与收益’的计算题。”

你看，区别出来了。他不再是简单罗列事实，而是在事实之间，建立“链接”。他把自己的工作，放到了一个更大的系统里去看。

这样的人，在职场上是什么角色？

是“大脑”。至少是部门级的大脑。

他不仅知道怎么干，他还知道“为什么这么干”。他能理解目标的本质，能调动系统里的资源，能对最终的结果负责。

他的思维，是流动的、关联的，能把一个个“点”连成“线”，甚至构成一个“面”。

当一个人能稳定地打开第二个抽屉时，他通常已经是团队里的��干，或者是一个合格的管理者了。

老板会觉得，这个人，可以用。

但如果只是这样，还到不了“堪当大任”的程度。

第三个抽屉：规律

打开这个抽屉的人，他们的表达，会从“关联”，跃迁到“规律”和“模型”。

他们思考的是：“这件事的底层逻辑是什么？这个逻辑，能不能复制到其它地方？”

如果那个年轻人，能打开第三个抽屉，他的回答，会是天壤之别。他可能会这样说：

“这个项目做下来，我最大的收获，不是业绩，而是验证了一个模型。我称之为**生态位寄生模型**。

任何一个大公司，都像一个生态系统，里面有各种各样的物种（部门），他们都有自己的生存法则（KPI）。

我们作为一个新项目，想从零到一杀出来，硬碰硬成本太高。最好的办法，不是成为一个新物种，而是寄生在一个强大的老物种身上。我们当时选择和A部门合���，本质上就是一次寄生。我们帮他们解决了最迫切的生存问题，他们反过来为我们提供营养和庇护。

这个寄生模型，我认为是可以复制的。以后公司再有新项目，第一步不应该是去要资源，而是去扫描整个公司的生态系统，看看哪个物种最强大，又最需要我们。找到它，寄生它，和它共生。这样，成功的概率会比单打独斗高十倍。

另外，关于用户，我发现了一个需求模糊地带的规律。当一个产品去满足用户的A需求时，往往会附带满足B和C。但大部分公司都只盯着A。

我们这次就是抓住了被忽略的B需求。所以，我沉淀了一套方法论，叫**用户价值再挖掘**。以后我们任何一个产品，在服务好核心用户后，都可以用这套方法论，去扫描和挖掘那些边缘用户和次级需求，用最小的成本，开辟第二战场。”

听到这里，你是什么感觉？震惊。

这个人，已经完全跳出了“事”的本身。

他在做的不是“复盘”，而是“立法”。

他从一个具体的项目里，抽离出了放之四海而皆准的“模型”和“规律”。更可怕的是，这些模型���规律，是“可迁移”的。

他交付的，不再是“一次成功”，而是一套“��续成功的系统”。

这样的人，在职场上是什么角色？

是“上帝之手”，是“布道者”。

他的思维，是立体的、抽象的，他看到的不是“点、线、面”，而是“体”，是事物背后不变的“道”。

他想的，已经不是“如何完成下一个任务”，而是“如何设计一套制度，让所有人都能更好地完成任务”。

他思考的颗粒度，和老板，在同一个层面。

[wanmuchu @lisibao310592]

@Crypto_QianXun @grok 整理一下发给我

[千寻｜AI 分享 🌸 @Crypto_QianXun]

学校不想让你知道的50个YouTube频道 🤯🎓🚫

1. 📐 可汗学院 – 数学、科学、经济学
2. �� TED-Ed – 各科目动画课程
3. 🔬 速成课堂 – 学术科目、历史、科学
4. 💻 免费代码营 – 编程、科技、软件
5. 📊 库��茨盖萨特 – 科学、哲学

6. 🔍 真相探索 – 科学与实验
7. 📜 每天变聪明 – 好奇心驱动科学
8. 🧪 即刻科学 – 科学概念
9. 🔨 马克·罗伯 – 工程与实验
10. 🌍 国家地理 – 自然、科学、文化

11. 🌎 文德弗制作 – 地理、经济、物流
12. 📚 灰色解读 – 社会、系统、地理
13. ✍️ 物理一分钟 – 简化物理
14. 🌌 PBS太空时间 – 天文与深度物理
15. 🧬 科学秀 – 科学话题

16. 🧱 蓝色一棕 – 高级数学可视化
17. 🎭 生活学校 – 心理、关系、哲学
18. 🧩 思考决策 – 数学谜题、逻辑思维
19. 🛠️ DIY创造者 – 实用DIY技能
20. 🌱 史诗园艺 – 园艺科学与技能

21. 🧠 Vsauce – 好奇心、科学、深度解释
22. 🧬 冷聚变 – 科技、创新、历史
23. 🛰️ 伊萨克·阿瑟 – 未来主义、先进科学
24. ��� 两分钟论文 – AI、研究解读
25. 🚀 日常宇航员 – 太空与火箭科学

26. 💻 火力 – 快速解释科技
27. 🧠 阿里·阿卜达勒 – 效率与学习
28. 📘 金钱运作 – 财务基础
29. 💸 帕特里克·博伊尔 – 经济、财务、市场
30. 🎓 托马斯·弗兰克 – 效率与学习系统

31. 🗺️ 现实世界 – 地理、世界系统
32. 🧪 物理女孩 – 科学实验解析
33. 🌍 智慧很正常 – 科学教育
34. 🧬 科学心理秀 – 心理学
35. 🛠️ 实用工程 – 工程解读

36. 👨‍🔬 史蒂夫·莫尔德 – 科学与奇特现象
37. 🎥 Vox – 全球问题可视化解释
38. 📊 经济解密 – 经济简化
39. 🔍 光圈 – 深度调查与分析
40. 📜 古代建筑师 – 考古与失落历史

41. 📚 历史要事 – 简短历史
42. 🌿 PBS自然 – 野生动物与环境
43. 🚀 真实科学 – 科学发现
44. 🎒 速成课堂儿童版 – 学习基础
45. 🎨 Proko – 绘画��础

46. 📝 EDX – ��学水平在线课程
47. 🎓 MIT开放课件 – 完整学术课程
48. 🧪 周期表视频 – 化学解读
49. 🔭 弗雷泽·凯恩 – 太空与天文
50. 🧠 大思考 – 思想、科学、专家讲座

[莫森 | 破局哥 @MersonVoice]

如果你出生在内陆，一定要死磕南方

改命的第一步就是物理迁移。

第一，气候就是生产力。

北方动不动零下几十度，脑子都被冻僵了，谈什么效率？

南方平均20多度，全年无休的工作状态，这才是钱的温床。

第二，信息差就是贫富差。
沿海的一手信息、新事物、新风口，内陆根本接触不到。 等你老家开始流行的时候，南方的镰刀早就收割完了。

这就是见天地、见众生。

哪怕借钱，哪怕睡地下室，
也要把自己从十八线小城往北上广深杭死命拽。

留在大城市，你才有机会翻身；
留在小县城，你这辈子一眼就能望到头。

别犹豫，去南方，就是改命。

[露西的百宝箱 @Lucy_love_AI]

别再对ChatGPT说：'帮我检查语法和写作'。

糟糕的提示 = 糟糕的结果，而且很容易识别出ChatGPT写的文本。

用这些提示试试，见证奇迹吧：

[收藏🔖 不要丢失！]

[摆烂程序媛 @wanerfu]

8个值得反复观看的Gemini教程！

常看常新

1. Gemini 3 Pro
The Model You've Been Waiting For
15 分钟
最快了解 Gemini 3 全部新功能+提示工程核心技巧

2. Google Gemini
PRO Tutorial for Beginners (2025)
20 分钟
零基础也能20分钟上手全部功能，手把手教学

3. Gemini 3 and Deep Agents
Research Workflow
12 分钟
学术研究、论文写作、长链推理的最强组合拳

4. Gemini CLI
5 things to try with Gemini 3 Pro in Gemini CLI
10 分钟
命令行神技，代码重构+调试提效10倍

5. Lessons with Gemini 3
Turn Images into Tools, Games & Lessons with Gemini 3 ｜18 分钟
一张图生成互动工具/小游戏/完整课件，太好玩了

6. YouTube Hack
The Gemini 3 "YouTube Hack" that feels like pure magic｜14 分钟
一键拆解爆款广告+生成可复用模板，营销/短视频人偷偷在用

7. Gemini 3 Flash vs Pro
Gemini 3 Flash vs Pro - Which One Should You Actually Use? 22 分钟
速���、成本、质量15项硬核横评，教你省钱不踩坑

8. AI Agent with Gemini 3
Build a Complete AI Agent with Gemini 3 + Tools + Memory in 30 Minutes 28 分钟
零代码30分钟做出带记忆+工具调用的超级私人AI

[AI Will @FinanceYF5]

不到 96 小时前，Clawdbot（现名 Moltbot） 直接引爆了互联网。

大家都被震撼到了，而且已经开始涌现出各种疯狂的应用场景。

8 个示例：

[领航 @linghangETH]

怎么样在最短时间内鉴别一个女人？

我常用3招，可以迅速判断一个女人的靠谱程度，好女孩儿还是坏女孩儿，几乎无一例外。

第一个，车坏了。这个是我无意间发现的，有一次我带妹子约会完，车不知道怎么了，上车打火，报错变速箱出问题，说不能再开了。我就跟妹子说，需要打4s店的救援电话，可能要等个一两个小时。然后妹子待了一会儿，就说自己还有事情，先打车走了。

这个妹子后来的行为证明，极其不靠谱。但我学会了，只要是跟你一起，遇到困难跑了的，都不行。之后一旦有我想鉴别的，我就故意说车坏了，然后装作打救援电话，接着看妹子反应。

那种，安心陪你到最后，还说去买杯咖啡给你喝的，都是��好的妹子。

第二个，走错路了。比方说，晚上计划去一家餐厅吃饭，然后你带着妹子走。走了一会儿之后，妹子问怎么还没到，你就说看看地图呢，接下来说，好像走反了。

此时，注意看妹子的反应。她要是很不高兴，说不想走了，不想去吃了，或者坚持要打车，马上掉脸了，这种就说明，今后长期关系中，遇到你的失误，她会怎么表现。

只要有闹脾气的，我马上说，逗你的，就在前面，但今后再也不约这个人了。

第三个，点菜。去到餐厅后，就说自己什么都可以吃，让她来安排，看她怎么点，最好吃的这家餐厅，价格不便宜。

只要是那种，完全不考虑两个人能不能吃得下，就因为自己想吃，咔咔一通点的，这类在关系中，都比较自私，利益考虑很重，就不建议在一起了。

你用我这3个办法，基本上一次约会，就能分清一个女人了。

[露西的百宝箱 @Lucy_love_AI]

Gemini 3.0 Pro 强大得令人震惊。

但99%的人还不知道它的真正潜力。

我用它构建应用、生成内容、自动化深度研究等。

以下是10个堪称作弊的Gemini 3.0 Pro使用方法：

[AI探路者Tim @AIExplorerTim]

NotebookLM 的功能远超你的想象。

用对提示词，它能在几秒内完成数小时的工作。

这是 10 个最大化利用它的提示词 👇

[科技混子Chris @ChrisSlacker]

如果你还只会用ChatGPT

那你已经落后半个AI时代

这张图告诉你，真正的AI创作者在用什么👇

[杨高能(健康版) @430Yang]

不知道哪位大牛设计的提示词，我验证了，30个来回沟通，收获巨大，感谢🙏

我想做一个实验。你可以随意问我任何一个问题，我会尽可能真实且完整地回答。基于我的回答，你再继续问下一个问题。我们会这样来回进行，持续下去，直到挖掘出我内心深处的构思——包括谬误、局限、潜能、需要改进的地方，或者任何潜藏在我潜意识中的东西。