大卫｜AI DVD

我负责折腾 AI，你负责抄作业。
ChatGPT｜Agent｜Codex｜AI Tools
只分享自己实际跑过的方法。

创过业、赚过钱、吃过蜜、挨过打。
现专注「一人公司」，研究一个普通人如何靠 AI 赚钱养家。

[大卫｜AI DVD @AI_DVD6]

想靠 AI 做副业，却连“卖什么、怎么收款、去哪里找用户”都没想清楚？

就先别急着加群买课。

GitHub 上这 8个免费仓库，已经把一人公司最难的几段路拆开了：找方向、做产品、出海、获客、变现。

建议按这个顺序看👇

1️⃣ AI 副业赚钱手册

收集用 AI 做内容、图片、视频、工具和服务的副业方向。

还不知道自己能卖什么，可以先从这里找选题，但别把“玩法合集”当成收入保证。
🔗 https://t.co/LKndGJMzUA

2️⃣ 中国独立开发者项目列表

不知道市场上有哪些真实产品，就看别人已经做出了什么。

里面收录了大量国内独立产品，适合观察需求、定价和细分赛道，不必闭门硬想创意。
🔗 https://t.co/Qaz4jDgWyF

3️⃣ 一人企业方法论

从赛道选择、商业模式到产品和基础设施，适合先把一人公司的完整闭环想清楚。

还加入了 AI 技能集和创业推演沙箱，非技术背景也能看。
🔗 https://t.co/QoU59A3pKI

4️⃣ 独立开发者工具箱

做网站、插件或 AI 产品，需要选框架、数据库、支付、邮件和部署工具。

这个中文仓库把常用资源按开发、设计、支付、推广等环节整理好了，适合搭产品时按需查找。
🔗 https://t.co/wiAPBjG9Lj

5️⃣ 独立开发者出海指南

准备把产品卖到海外，可以用它建立一份出海事项清单。

内容涉及美国公司、EIN、银行账户、Stripe、技术选型和海外增长。开户、税务及平台规则可能变化，真正操作前仍要回官方页面核对。
🔗 https://t.co/cUGNgxFDlw

6️⃣ 1000 User Guide

很多产品死在上线之后：东西做出来了，却没人知道。

这个仓库整理了 300 多个国内外推广渠道，包括产品发布站、AI 导航站和不同社区，适合寻找第一批用户。
🔗 https://t.co/E1SdCdSTWJ

7️⃣ 程序员副业指南

围绕接单、内容创作、课程和数字产品，梳理了更贴近国内环境的副业路径。

部分资料发布时间较早，具体平台和规则需要重新确认，但“如何把能力做成产品”的思路仍值得看。
🔗 https://t.co/fos6P9OtNc

8️⃣ Awesome Indie 中文版

想继续研究独立开发者如何赚钱，可以把它当作一份中文资源导航。

里面整理了案例、文章、社区、工具和商业资料。部分外部链接年代较久，适合用来找线索，不适合不加核对直接照搬。
🔗 https://t.co/RfroHxlz8Y

不用一次读完 8 个。先找出你现在卡在哪：

👉没方向：看第 1、2 个
👉想做产品：看第 3、4 个
👉准备出海：看第 5 个
👉产品没人用：看第 6 个
👉想研究变现：看第 7、8个

收藏只能增加一个书签。

真正有用的是，今天打开其中一个仓库，完成一次学习吧。

[大卫｜AI DVD @AI_DVD6]

@HytidelLegend 深表赞同！遇到傻x尽量不要争吵和训斥他，你没有义务教他做人。

[大卫｜AI DVD @AI_DVD6]

真有人会用这个当宠物么？🤣

[大卫｜AI DVD @AI_DVD6]

Codex里居然还能养宠物，而且可以自己换宠物形象！

按这下面方法，1分钟搞定！

1，打开
https://t.co/55ZbOaPbDd

2，选一个宠物，复制页面提供的 npx 安装命令，例如：
npx petdex install boba

3，打开 Mac 的「终端」，粘贴命令并回车。

4，再打开最新版 Codex：
设置 → 外观 → 自定义宠物

选择刚安装的宠物即可。

装好以后，Codex 在等待、工作、Review 等不同状态下，宠物还会有对应动画。

纯娱乐功能，不会增强 Codex 能力，但确实能让每天盯着 Codex 干活这件事有趣一点。

更折腾一点的话，还可以自己做一套专属宠物。比如把自己的数字人直接塞进 Codex 里。

[大卫｜AI DVD @AI_DVD6]

这速度有点离谱了。

文章里的玩法刚出来没多久，闲鱼上已经有人开始挂单接活、直接拿它赚钱了。

很多人还在研究“AI到底怎么变现”，另一批人已经把工具包装成服务，明码标价开始卖。

AI赚钱这件事，真正的窗口期往往不是等你完全学会以后。

而是别人还没反应过来，你先把单挂上去。

[DAAI @daaihq]

最近发现，ChatGPT 做表情包已经不只是“生成一张图”了。😂

上传一张照片，配上一段提示词，就能生成一整套专属 Meme 贴纸，还可以继续导入：

👉 iMessage
👉 WhatsApp
👉 微信 / QQ
👉 制作动态表情 https://t.co/awSBXT8kDQ

[大卫｜AI DVD @AI_DVD6]

建议大家都去官网，填写个邮箱就行，申请加入白名单！差不多一天就能申请通过 https://t.co/lTsGhFmmWf

[大卫｜AI DVD @AI_DVD6]

这才几天啊，高手们已经用Jev在框框挣钱了！🤣

[大卫｜AI DVD @AI_DVD6]

Jev 才出来没几天，GitHub 上已经冒出一大批很有意思的项目了。

我翻了一圈，帮大家挑了 15 个高星+值得收藏的。包括：浏览器自动化、Codex、Claude Code、模型路由、代码审查、数据库，甚至炒币的。

如果你还没搞懂 Jev 能拿来干什么，看完这些基本就明白了。

1. jev-ultrafast
https://t.co/PkZGKrKOCV
浏览器自动化目前最值得关注的项目之一。

Jev 负责判断下一步操作和页面元素，只有需要输入文字时才调用生成式 LLM。

官方 Demo 做 Google Flights 搜索，只用了约 7 秒。

2. fast-jev-compaction
https://t.co/tVIaAiRN50
给 Claude Code 做上下文压缩。

它不是让 LLM 重新总结历史，而是让 Jev 判断哪些 Tool Call 值得保留，哪些可以删除或缩短。

长时间跑 Agent 的人应该会很感兴趣。

3. jev-trader
https://t.co/sYy3RzTUZR
让 Jev 做交易决策的实验项目。

跑在 Monad / Kuru 上，每个区块由 Jev 判断买卖。

目前更适合当实验项目看，别直接理解成“AI 赚钱机器人”。

4. Foreman
https://t.co/LYP8a3EQoV
这个我觉得 Codex 用户尤其值得看。

Codex 负责写代码，Jev 在旁边当“监工”，判断：

任务完成没有、测试够不够、要不要继续、要不要重试。

5. jev-router
https://t.co/ixsKbaJZSv
给 Claude Code 和 Codex 自动选模型。

简单任务走便宜模型，复杂任务再切强模型，目标就是减少不必要的模型成本。

6. Jev Review
https://t.co/g5Amk2BckK
把 Jev 用来做代码审查。

可以检查 Git Diff 或整个仓库，重点找正确性、安全性、兼容性和测试不足。

7. typesafe-computer-use
https://t.co/EHaNPe1zcF
把 Jev 用到 Mac 桌面操作。

读取屏幕/OCR，然后让 Jev 判断下一步该点哪里、做什么。

作者给出的目标成本大约是每一步 $0.0002。

8. mobile-jev
https://t.co/Wy2s4E0yaN
手机版本的 Computer Use。

可以控制 Android，项目 Demo 展示了打开 Uber、输入路线，一直做到付款选择页面。

9. Skillbox
https://t.co/PuxJkLlzS7
给 AI Agent 管理 Skills 的开源工具。

比较有意思的是，它可以额外接入 Jev，根据当前任务自动推荐最合适的 Skill。

10. pg-jev
https://t.co/Yp0Fugekp8
这个思路很有意思。

直接在 PostgreSQL 里写自然语言条件，让 Jev 帮你筛选、分类、排序数据。

例如：

找出看起来最生气的客户

然后直接参与 SQL 查询。

11. JevRouter
https://t.co/qVwbvr0SHX
把模型、Subagent、Skill、MCP、CLI 全放进候选池，让 Jev 判断当前任务应该调用谁。

如果以后 Agent 越来越复杂，这种“决策路由层”可能会越来越重要。

12. typesafe-mario
https://t.co/Qp9gX9rmrR
让 Jev 打《超级马里奥》。

它读取模拟器里的结构化状态，再决定 Mario 下一步按哪个键。

娱乐性质很强，但也很好地展示了 Jev 这种“高速决策模型”的用途。

13. jevlike
https://t.co/jzokB0U6wA
社区自己训练的 Jev-like 模型研究。

核心也是一次输入多个候选项，然后快速做判断，而不是生成一大段文字。

14. SemIf
https://t.co/bxFgP1dxwu
另一个社区的 Jev-like / System One 研究项目。

重点研究的是直接利用模型对多个候选答案的概率进行选择。

15. NanoJev
https://t.co/Rg1AMr9CnO
更小型的开源 Jev-like 实验。

基于小模型尝试做高速并行判断，也提供了游戏控制等 Demo。

[大卫｜AI DVD @AI_DVD6]

@goan999999 Jev确实有点东西！让AI的边界又扩大了不少～👍

[大卫｜AI DVD @AI_DVD6]

https://t.co/JengxWO3hp

[大卫｜AI DVD @AI_DVD6]

简单总结一下：

这几天看下来，我觉得 Jev 最值得关注的并不是“又一个聊天模型”。

它现在最有意思的用途，反而集中在几个地方：

Agent 决策、模型路由、代码审查、Computer Use、数据筛选。

以前很多任务，我们会让大模型“想半天再回答”。

Jev 走的是另一条路：

不给你写长答案，只负责快速判断下一步该干什么。

这可能才是它真正适合 Agent 的地方。

[大卫｜AI DVD @AI_DVD6]

Jev 才出来没几天，GitHub 上已经冒出一大批很有意思的项目了。

我翻了一圈，帮大家挑了 15 个高星+值得收藏的。包括：浏览器自动化、Codex、Claude Code、模型路由、代码审查、数据库，甚至炒币的。

如果你还没搞懂 Jev 能拿来干什么，看完这些基本就明白了。

1. jev-ultrafast
https://t.co/PkZGKrKOCV
浏览器自动化目前最值得关注的项目之一。

Jev 负责判断下一步操作和页面元素，只有需要输入文字时才调用生成式 LLM。

官方 Demo 做 Google Flights 搜索，只用了约 7 秒。

2. fast-jev-compaction
https://t.co/tVIaAiRN50
给 Claude Code 做上下文压缩。

它不是让 LLM 重新总结历史，而是让 Jev 判断哪些 Tool Call 值得保留，哪些可以删除或缩短。

长时间跑 Agent 的人应该会很感兴趣。

3. jev-trader
https://t.co/sYy3RzTUZR
让 Jev 做交易决策的实验项目。

跑在 Monad / Kuru 上，每个区块由 Jev 判断买卖。

目前更适合当实验项目看，别直接理解成“AI 赚钱机器人”。

4. Foreman
https://t.co/LYP8a3EQoV
这个我觉得 Codex 用户尤其值得看。

Codex 负责写代码，Jev 在旁边当“监工”，判断：

任务完成没有、测试够不够、要不要继续、要不要重试。

5. jev-router
https://t.co/ixsKbaJZSv
给 Claude Code 和 Codex 自动选模型。

简单任务走便宜模型，复杂任务再切强模型，目标就是减少不必要的模型成本。

6. Jev Review
https://t.co/g5Amk2BckK
把 Jev 用来做代码审查。

可以检查 Git Diff 或整个仓库，重点找正确性、安全性、兼容性和测试不足。

7. typesafe-computer-use
https://t.co/EHaNPe1zcF
把 Jev 用到 Mac 桌面操作。

读取屏幕/OCR，然后让 Jev 判断下一步该点哪里、做什么。

作者给出的目标成本大约是每一步 $0.0002。

8. mobile-jev
https://t.co/Wy2s4E0yaN
手机版本的 Computer Use。

可以控制 Android，项目 Demo 展示了打开 Uber、输入路线，一直做到付款选择页面。

9. Skillbox
https://t.co/PuxJkLlzS7
给 AI Agent 管理 Skills 的开源工具。

比较有意思的是，它可以额外接入 Jev，根据当前任务自动推荐最合适的 Skill。

10. pg-jev
https://t.co/Yp0Fugekp8
这个思路很有意思。

直接在 PostgreSQL 里写自然语言条件，让 Jev 帮你筛选、分类、排序数据。

例如：

找出看起来最生气的客户

然后直接参与 SQL 查询。

11. JevRouter
https://t.co/qVwbvr0SHX
把模型、Subagent、Skill、MCP、CLI 全放进候选池，让 Jev 判断当前任务应该调用谁。

如果以后 Agent 越来越复杂，这种“决策路由层”可能会越来越重要。

12. typesafe-mario
https://t.co/Qp9gX9rmrR
让 Jev 打《超级马里奥》。

它读取模拟器里的结构化状态，再决定 Mario 下一步按哪个键。

娱乐性质很强，但也很好地展示了 Jev 这种“高速决策模型”的用途。

13. jevlike
https://t.co/jzokB0U6wA
社区自己训练的 Jev-like 模型研究。

核心也是一次输入多个候选项，然后快速做判断，而不是生成一大段文字。

14. SemIf
https://t.co/bxFgP1dxwu
另一个社区的 Jev-like / System One 研究项目。

重点研究的是直接利用模型对多个候选答案的概率进行选择。

15. NanoJev
https://t.co/Rg1AMr9CnO
更小型的开源 Jev-like 实验。

基于小模型尝试做高速并行判断，也提供了游戏控制等 Demo。

[大卫｜AI DVD @AI_DVD6]

@Ethan6xa7 可不。这种都是花钱买不到的经验教学～😂

[大卫｜AI DVD @AI_DVD6]

今天我想给大家泼盆冷水，讲一个发生在我身边的「AI变现」反例。

我曾经的一位创业伙伴，他在英国用 AI 做出了一套能餐厅点餐系统，前前后后折腾一年，最后只卖出 3 台。

产品做出来了，但为什么没有成为一门值得继续做的生意？我来给大家仔细扒一扒！👇（下面的小视频可以看故事梗概）

老王，一位资深程序员，在疫情前，为了孩子上学的没北京户口的问题，他一咬牙办理了英国移民。

刚到伦敦，他的时间比较充裕，平时也在研究 AI。一次，有个香港的朋友请他帮忙做点餐系统。他算了一下，用 AI 写程序，再从深圳定制触摸屏，成本可以压得很低，于是马上做了起来。

AI 也确实帮了大忙。

以前他只擅长写程序，UI、文案和操作流程都不是强项。现在这些工作也能交给 AI 辅助。程序写好后，装进高度定制的安卓点餐机，很快就跑起来了。

到这里，项目看上去很顺。接下来才是做生意最难的部分——

产品有了，卖给谁？

AI 可以替他写代码，却不能替他一家家找餐厅、介绍产品、谈价格和成交。

机器卖出去也不算结束。每个客户都需要安装、调整和长期维护。只要系统出问题，客户就会来找他。卖得越多，售后占用的时间越多。

按他的估算，每卖一台只能赚三四千元人民币。这个利润还要覆盖后续维护。和他以前做互联网项目相比，这种生意太重，赚得又少。

一年下来，他一共卖出 3 台。

账面上没有亏钱，但继续做下去的理由已经没有了。最后，他把库存和整套方案免费转给了一个做餐饮的朋友。对方愿意接手，某种程度上也算帮他结束了这个项目。

故事到此结束，但思考才开始。

很多人看到 AI 能写程序、做设计、写文案，就会产生一种错觉：以前需要一个团队才能做的产品，现在一个人也能做，所以赚钱应该更容易。

做出产品，只验证了你有能力把它做出来。

谁来买、怎么找到客户、每单能赚多少、交付一次要花多少时间、卖完之后还要维护多久，这些问题，AI 没有替你解决。

如果你也想靠 AI 做生意，开发之前先把四件事写清楚：
👉客户从哪里来？
👉他为什么愿意付钱？
👉完成一单需要投入多少时间？
👉扣掉销售、交付和售后，最后还能剩下多少利润？

其中任何一项算不清楚，都别急着购买更多 AI 工具，更别急着囤硬件。

先找客户，先报价，再跑完一次从成交到售后的完整流程。那时你验证的才是一门生意，不只是一个能运行的产品。

[大卫｜AI DVD @AI_DVD6]

Codex里居然还能养宠物，而且可以自己换宠物形象！

按这下面方法，1分钟搞定！

1，打开
https://t.co/55ZbOaPbDd

2，选一个宠物，复制页面提供的 npx 安装命令，例如：
npx petdex install boba

3，打开 Mac 的「终端」，粘贴命令并回车。

4，再打开最新版 Codex：
设置 → 外观 → 自定义宠物

选择刚安装的宠物即可。

装好以后，Codex 在等待、工作、Review 等不同状态下，宠物还会有对应动画。

纯娱乐功能，不会增强 Codex 能力，但确实能让每天盯着 Codex 干活这件事有趣一点。

更折腾一点的话，还可以自己做一套专属宠物。比如把自己的数字人直接塞进 Codex 里。

[大卫｜AI DVD @AI_DVD6]

8/ Moritz @moritzkremb 一口气给 Jev 做了 3 个 Demo：
控制浏览器、判断 AI 记忆该不该保存、预测 YouTube 视频表现。
以前都要让 LLM“想一遍”，Jev 直接给决定。

原贴：https://t.co/rzHXryzrG4

[Moritz Kremb @moritzkremb]

Full Jev Tutorial

What it is, how you can build with it and what new applications it can unlock

→ 0:00 Intro
→ 0:34 Jev explained
→ 4:06 API setup
→ 5:59 Demo 1: Voice-controlled browser
→ 11:33 Demo 2: AI memory
→ 17:27 Demo 3: YouTube predictor

[大卫｜AI DVD @AI_DVD6]

兄弟萌，我错了！我原本以为 Jev 只是一个不会聊天的阉割版 LLM。

但看完这写让人惊掉下巴的案例，我保证它能让你得到更多「AI变现」的好思路！

我挑了这里面最有意思的8个案例👇

P.S. 收藏加关注！一个好的idea也许会改变你的一生。

[大卫｜AI DVD @AI_DVD6]

新出的决策模型 Jev太吊了！
以前的大模型只有「智慧」，这次它有了「人性」。

有人把它丢进「荒诞电车难题」，普通题还算正常，直到这一关：

电车冲向你「最好的朋友」——
拉杆，会压死 「5 个陌生人」
Jev：直接拉杆😓

继续看，后面还有更离谱的选择！

P.S。 我把Jev的所有选择都放在第一条回复里了

[大卫｜AI DVD @AI_DVD6]

7/ Ryan Vogel @ryanvogel 给 Jev 看代码，让它判断：
这段代码是不是过度设计？
这类以前很难写死规则、又不值得每次调用大模型的问题，正好是 Jev 最擅长的区域。

原贴：https://t.co/GOQUS9Y3wx

[vogel @ryanvogel]

i built a codebase classifier with Jev and this might be the solution to overengineered code that agents create

what should I test Jev on next?

[大卫｜AI DVD @AI_DVD6]

6/ @Neriousy 把 Jev 接进 App 测试。
每一步操作之后，不再让大模型写一堆分析，而是直接判断：
对不对？过没过？下一步做什么？
AI 测试开始从“思考”变成“执行”。

原贴：https://t.co/wzRBe3Rxtu

[Filip @Neriousy]

Testing apps with @typesafeai jev & @opencode will be soooo fast

small demo:

[大卫｜AI DVD @AI_DVD6]

5/ Ryan Vogel @ryanvogel 做了一个很离谱的实验：
既然 Jev 只会分类，那就每个字符都问它一堆 Yes / No 问题，再一点点拼出文字。
硬是用“只会选择”的模型，拼出了一个简陋 LLM。

原贴：https://t.co/ejCqUcs0HD

[vogel @ryanvogel]

i made an llm from first principles with Jev

29 yes/no questions per character: should the next key be a–z, space, comma, or period?

highest probability gets append to it, then fed the updated text back in & repeat

an autoregressive loop made out of a classifier

[大卫｜AI DVD @AI_DVD6]

4/ Riley Brown @rileybrown 拿 Jev 给几百封邮件自动分类。
谁是垃圾邮件、谁重要、谁需要回复，几秒钟扫完。
这类重复几百、几千次的小判断，才真正体现 Jev 的成本优势。

原贴：https://t.co/WScNFv48lh

[Riley Brown @rileybrown]

Yeah Jev by @typesafeai is very cool. It classified 500 emails in seconds. And it costed 3.5 cents.

[大卫｜AI DVD @AI_DVD6]

3/ Marcus Lowe @marcus_lowe 直接让 Jev 打俄罗斯方块。
方块一掉下来，它就不断判断：
左、右、旋转还是落下。
真正有意思的不是它会玩游戏，而是模型已经快到可以参与实时决策。

原贴：https://t.co/sCU7iRsN6x

[Marcus Lowe @marcus_lowe]

I got early access to @typesafeai's new Jev model and built a demo of it playing tetris

The generation speed is so fast that it's pushing blocks down

This feels like another "this changes everything" moment

[大卫｜AI DVD @AI_DVD6]

2/ Box CEO Aaron Levie @levie 展示了更现实的企业玩法：
事故报告进来后，Jev 自动判断是否影响客户、严重程度，再决定归档到升级、观察还是人工复核。

这才是它真正可能大规模落地的地方。

原贴：https://t.co/96LkMFCNL4

[Aaron Levie @levie]

Jev will be super helpful for agents to make split second decisions in workflows, data classification, judgment calls, and hundreds of other use-cases in the enterprise.

Here's a quick demo with Box and Jev to make that real. The demo pulls an incident report from Box, asks whether it's customer-facing and how severe it is, moves the file into escalate, monitor, or review folders, and sets a metadata template instance with the result. This all happens nearly instantly and at almost no cost.

You can imagine this in insurance claims, contract management, loan processing, security reviews, customer log analysis, and so on. Definitely a great new class of AI use-case.

[大卫｜AI DVD @AI_DVD6]

1/ @_trou3 把多路交易信号一次喂给 Jev，让它直接判断交易方向。

以前可能要让 LLM 阅读、总结、分析，再输出结论。

Jev 把整个过程压缩成一个动作：
直接选边！

原贴：https://t.co/fdb7vm3jxD

[trou @_trou3]

For those who still didn't understand what Jev from @typesafeai can do, here is the example.

Jev can read dozens of structured trading signals and then show intelligent decisions.

It's time to make your system actually alive.

What a time!