Zk

🛒 电商互联网深耕者
🤖 AI出海研究者
💰 擅长商业变现与表达

[Zk @Zklnbp]

不会写代码也能出产品？先别乱试 14 个 AI 搭应用工具：按场景选，一天能交一版👇

2026 年「我不会写代码」已经不是借口。难的是：工具太多，选错就反复返工。

按强度/定位快速对照（个人向，非广告）：
1️⃣ Replit Agent —— 偏后端、会自检循环，重业务逻辑可先看它
2️⃣ v0（Vercel）—— UI 生成强，页面/组件优先
3️⃣ Lindy —— 按额度计费的工作流型
4️⃣ NxCode —— 用量上限相对清晰
5️⃣ Taskade Genesis —— 嵌在工作区里搭应用
6️⃣ OpenAI Agent Builder —— 偏「感觉式」搭 Agent
7️⃣ https://t.co/RWsMwmeKor —— 全栈出货快
8️⃣ https://t.co/WmpGViaJx2 —— 适合「克隆已有站点」再改
9️⃣ Emergent AI —— 全栈搭建向
🔟 Grok Build Mode —— 对话式搭
11. Framer AI Agents —— 营销站/落地页
12. Google Stitch —— UI 设计向
13. Antigravity —— 更偏自主写码
14. Sticklight —— 全栈搭建向

怎么选（别背名单）：
· 后端重 / 要跑通逻辑 → 先试 Replit Agent 这类
· 只要好看界面 → v0 / Stitch
· 只要落地页 → Framer
· 想抄一个现成站改 → https://t.co/WmpGViaJx2 这类克隆向

原则：先定场景和预算，再开账号；同一需求最多并行试 2 个，用「能不能交一版」当标准。

建议收藏🔖 下次立项先对表，少交学费。
你最近在用哪一类：搭页面、搭全栈，还是搭 Agent？

#AI搭应用 #NoCode #VibeCoding

[Zk @Zklnbp]

Claude Code 烧 Token 太狠？打开 /context 看一眼：第一轮往往已经吃掉几万输入👇

有人拆过一次真实会话：26 次调用、6 条回复。输入 Token 每轮都在涨——因为历史会整包重发。

更扎心的是：第一轮还没真正干活，上下文里可能已经塞满了：
· 工具定义（bash / read / edit 等）
· 你接上的 MCP 工具清单
· 项目根目录的 CLAUDE.md
· Skills 说明
· 系统提示词
· 你的第一条长指令

这些会在后续每一轮再寄一次。会话一长，账单就跟着肥。

省 Token 三板斧（立刻能试）：
① 输入 /context，先看「谁最重」——别瞎猜
② CLAUDE.md 减肥：通用规则留根目录；只服务某文件夹的规则，放进该目录的 CLAUDE.md（用到才加载）
③ 关掉本项目用不到的 MCP——工具描述也会占上下文

额外习惯：
· 长任务拆会话，别一条线程聊到死
· 大文件别整份贴进对话，让它按需 Read
· Skills / 插件只装当前项目真用得到的

适合：天天开 Claude Code、感觉额度掉得莫名其妙的人。

建议收藏🔖 下次额度告急，先 /context，再决定砍什么。
你项目里最重的往往是哪块：CLAUDE.md、MCP，还是 Skills？

#ClaudeCode #AI编程 #省Token

[Zk @Zklnbp]

学 AI 别只刷二手转述：用「3 层信息源」把自己接到一手信号上👇

国内看到的很多是翻译、合集、二创。不是没用，但如果只停在这一层，你会永远慢半拍。

【第 1 层｜一手信号】
跟模型方、工具官方、核心工程师：新能力、限额变化、踩坑说明，优先看他们。

【第 2 层｜实战拆解】
找「做过产品 / 跑过工作流」的人：有步骤、有取舍、有失败案例。比纯安利清单更值钱。

【第 3 层｜二手合集】
当索引用：快速扫话题、补盲点。看到感兴趣的，再回到第 1、2 层核对原文。

怎么落地（每周 30 分钟）：
① 固定关注 5–8 个一手账号（模型/工具/工程师）
② 再加 5–10 个实战型创作者（写工作流、晒仓库、讲失败）
③ 合集帖只收藏不沉迷；每周挑 1 个话题深挖到可复现
④ 建一个简单笔记：工具名 → 能解决什么 → 我试没试 → 结论

判断一条信息值不值得跟：
· 有没有可复现步骤？
· 有没有成本/限额说明？
· 是不是刚过时的旧截图？

建议收藏🔖 下次再刷到「100 个必关账号」时，先按这 3 层筛，别全盘跟。
你现在信息源更偏哪一层：一手、实战，还是合集？

#AI学习 #信息源 #AI工具

[Zk @Zklnbp]

Roadster 发布会刷屏了：马斯克到底更会造车，还是更会造 AI？👇

新款 Tesla Roadster 今早全球热搜：主动空气动力、冷气推进器，媒体甚至写「it can fly」。
但这件事里，真正值得 AI 圈盯的不是「能不能飞」。

同一家公司，一边在卷汽车形态，一边在堆：
· 自动驾驶（FSD）——车就是会跑的机器人
· 人形机器人 Optimus —— 工厂里的劳动力
· xAI / Grok —— 自己的大模型赛道

造车拼的是供应链和工程；
造 AI 拼的是数据、算力和产品闭环。
马斯克两条线都押，所以每次发车，其实也在给「AI 公司」做营销。

对普通人更有用的一课：
大热点能不能蹭，看你能不能用一句话把它拉回自己的赛道。
硬写汽车参数，小号会被淹没；问「车还是 AI」，才和账号相关。

你觉得马斯克更牛的是造车，还是造 AI？

#Tesla #Roadster #AI #马斯克

[Zk @Zklnbp]

「陈光宇加入 Anthropic」先别转：我翻了原帖，能确认的只有 2 件事👇

① 10/15 早上 8 点，陈光宇（@nathancgy4）发帖宣布已离开 Kimi（月之暗面），说这一年是“目前人生最好的一年”。
② Anthropic 研究员 Sholto 在评论区问他还去不去 CMU、建议来旧金山；他回：“am coming to the bay :)”——我要去湾区了。

没有任何一句写「加入 Anthropic」。
网上流传的职位、Dario 亲自面谈、天价签字费，目前都找不到本人或公司的公开确认。

这件事对普通人更有用的一课：
· AI 圈消息，先找当事人原帖，再看二手解读
· 「来湾区」≠「入职某公司」，一字之差就是谣言
· 转发前花 1 分钟点开原链接，能省掉一次翻车

你刷到这条消息时，是先看到原帖，还是先看到「已加入 Anthropic」的标题？

#AI #Kimi #Anthropic

[Zk @Zklnbp]

@zengshan9 「关一次窗口就重说一遍」真的是 Claude Code 新手最大的痛点。你的上下文文件夹里，哪一类内容最常用到？

[Zk @Zklnbp]

每天给 AI 重复交代背景？用 1 个文件夹 + 30 分钟，让 Claude 每次开工前就「认识你」👇

问题不在模型不够聪明，而在它没地方存你说过的话：一关窗口，你是谁、客户是谁、喜欢什么写法，全部清零。
换更强的模型、写更长的提示词、打开内置记忆，本质上都还是「每次开头再交代一遍」。

解法：在电脑上建一个「记忆文件夹」。
Claude Code、Codex、Gemini CLI 这类能读写本地文件的工具，每次开工先读它，学到新东西再写回去。

6 步搭起来：
① 建一个空文件夹（比如「我的工作」），用 Claude 桌面端的 Code 标签打开它
② 写一个 CLAUDE.md：我是谁、哪类请求去哪个子文件夹、3 条铁律（没我同意不对外发；不凭记忆报价格/日期/数字；没核实不说「完成」）
③ 每类工作一个子文件夹，先从「客户」「写作」两个开始；各放一个 CLAUDE.md（这里放什么）+ 一个 MEMORY.md（只记事实）
④ 在写作文件夹的 MEMORY.md 里贴一条你真写过的消息，比一堆形容词更能教会它你的语气
⑤ 它做错就纠正，然后说「记下来」，它会把修正写进对应文件
⑥ 每周问一次「这周学到了什么、哪些该改」，删掉过期内容

两个关键：
· 总控文件要短：每次都会读，多一行就稀释一行
· 只在相关时才读对应文件夹，注意力不被无关信息分散

用 Codex 就在同目录放 AGENTS.md，用 Gemini CLI 放 GEMINI.md，里面写一句「读取本目录的 CLAUDE.md 并照做」。
网页版聊天不行，它读写不了你电脑上的文件；Claude 这边需要包含 Claude Code 的付费套餐。

国内提醒：Claude 在中国大陆不直接开放；「文件夹当记忆」这个思路，换成任何能读写本地文件的 AI 编程工具都能照搬。

建议收藏🔖 今晚花 30 分钟搭好，明天开始少说一半重复的话。
你每天最常给 AI 重复交代的是哪句话？

#Claude #AI工具 #效率

[Zk @Zklnbp]

@taiyanghere 哈哈裁判那句太有画面感了😂 不过裁判模型也有偏好，这个分数当参考就好。

[Zk @Zklnbp]

同一个真实需求，Opus 5.5 拿了 77 分，Gemini 4 Argon 只有 59 分👇

有开发者在自己线上运行的 Python 后端项目里，挑了一个真实功能，让两个模型各出一份实现方案：
· Claude Opus 5.5（extra high 推理）：77/100
· Gemini 4 Argon（high 推理）：59/100
裁判是 GPT-6 Astra；Argon 看完评审后，也认同这个结果。

3 个值得注意的细节：
① 这只是单个功能的早期测试，样本很小，别当最终结论
② Argon 压缩上下文比预期快，作者在 Antigravity 里用，体感不像 1M 上下文
③ 作者的诉求：Argon 还缺一个更高档的推理级别

官方 API 价格（每百万 token）：
· Gemini 4 Argon：输入 $2 / 输出 $10（优惠价到 11 月 30 日，12 月 1 日起 $4 / $20）
· Claude Opus 5.5：输入 $4 / 输出 $20
注意：Argon 不在免费档，也不含在 Google AI Pro 套餐里。

我的选法：
· 复杂业务代码、要一次做对 → 先试 Opus 5.5
· 预算敏感、调用量大 → 11 月底前用 Argon 优惠价跑一轮
· 最靠谱：拿你自己项目里的同一个需求，两边各跑一次，再换第三个模型当裁判

国内提醒：两家官方服务在中国大陆都不直接开放；只想练手，可以先用国内模型做同样的「同题对比」。

建议收藏🔖 下次选模型前，照这个方法自测一轮。
你在真实项目里测过，哪个模型最稳？

#AI编程 #Gemini #Claude

[Zk @Zklnbp]

@Jtxccjdbb 对，最省心的就是开新会话不用再交代一遍，规则文件就是给它的长期记忆。

[Zk @Zklnbp]

AI 编程助手同一个错犯第二次？别再点重试了：把每次翻车变成 1 条规则或 1 个钩子👇

做 Claude Code、Codex 这类工具的工程师，思路是「棘轮」：每一次真实失败，都让配置收紧一格，而且不会自己松回去。

4 种修法，按场景选：
① 规则：写进 CLAUDE.md（Codex 用 AGENTS.md）
② 钩子：必须每次都执行的，用 hook 强制
③ Skill：修法是一整套流程时，写成技能
④ 测试：需要证明真修好了，先写评测再写 Skill

最实用的 3 条：
· 建一个失败日志：每条规则都要能对应一次具体翻车，说不出来源的就删
· CLAUDE.md 是地图不是手册：官方建议每个文件控制在 200 行以内，大项目每个目录放一个短文件
· 危险操作用 PreToolUse 钩子拦：脚本以 exit 2 退出，Claude Code 就会停下这个操作。第一天就该加两个：保护 .env 等敏感文件；拦 rm -rf、git push --force、DROP TABLE

避坑：
· 钩子脚本要 chmod +x，还依赖 jq；Windows 先装好 jq，不然钩子根本不生效
· 钩子只管它匹配的工具：只拦 Edit/Write 的话，Agent 仍可能用 Bash 改 .env
· 正则只是模式匹配，不是沙箱，先拿自己的命令测一遍

国内提醒：Claude Code、Codex 在中国大陆不直接开放；「失败 → 规则/钩子」的思路，对任何 AI 编程工具都适用。

一句话：重试只修好这一次，记一笔日志能修好之后的每一次。

建议收藏🔖 下次 Agent 翻车，先别重试，先记一笔。
你的 AI 助手最常犯的错是什么？

#ClaudeCode #AI编程 #Agent

[Zk @Zklnbp]

@xbox_grok 同感，二十条之后模型就开始挑着听。看到楼下 Tonny 说「没立过功的先删」，这个筛法挺实用的。

[Zk @Zklnbp]

@cartier_ko45320 「适用范围」这一列加得好，例外写成天条确实是规则膨胀的主要来源。你一般多久回头清理一次？

[Zk @Zklnbp]

@yuqingjz 「学费交两遍」这个说法太形象了😂 我现在也是，同一个坑踩第二次就直接写进规则。

[Zk @Zklnbp]

@XShude 故障演练这个点很硬核：检查器自己挂了的时候，默认是放行还是拦截，很多人根本没测过。学到了。

[Zk @Zklnbp]

@MistralAI @CERN Training on billions of simulated collisions makes sense since rare events are scarce in real LHC data. The real test is catching anomalies the simulator never modeled. How will you validate it on real detector data?

[Zk @Zklnbp]

@hwchase17 This matches what I see: agents rarely fail on the model, they fail on missing rules like "who approves a refund over $500". Do you see CompanyOS as a memory layer, or more as a permissions/policy layer?

[Zk @Zklnbp]

@GoogleDeepMind @TIME 180B watermarked is huge, but the gap is open-weight models that will never add a watermark. Is the plan to show SynthID checks right inside Chrome or YouTube, so normal users don't need a separate detector?

[Zk @Zklnbp]

@ai_for_success Pay-per-use makes sense once one agent task touches 10+ tools. Nobody wants 10 subscriptions. The hard part is spend caps: what stops a looping agent from burning $50 overnight? Seen any good budget-limit UX yet?

[Zk @Zklnbp]

@AnthropicAI Pairing philosophy, econ and law people with STEM is the smart part. Most reasoning slips I see in Claude aren't math errors, they're unstated assumptions. Will the fellows' work show up as public evals?

[Zk @Zklnbp]

@Jtxccjdbb 对，放在根目录让它自动读，省掉每次开头交代背景那一步。规范写短一点效果更好，越长越容易被稀释。

[Zk @Zklnbp]

@srduino2026 「铁律/项目地图/常用命令」三段式这个太实用了，比我写的还清楚，学到了👍 「每次改完更新记忆」也确实是最容易漏的一步。