nickyoungtom

[Innomad 一挪迈 @innomad_io]

https://t.co/S4tkBGsp1i

[郭宇 guoyu.eth @turingou]

今天正式发布了我的第 13 个 vibe 产品 https://t.co/L09qUdQhGA

这款产品比较特殊，它是一个电话服务。准确来说，tuwa 是一个 AI 电话网络，连接着世界上超过 100 种不同语言的人们和互联网上的 agent。

任何人都可以不下载 tuwa 而使用它，你只需要拨打免费的转接热线电话 [phone]，告诉它你需要打给哪个号码，tuwa 就会帮助你拨打对应的号码，你说自己的母语，对方听到的却是TA的母语，反过来也是一样。兼容任何电话，对方不需要安装应用。固话、手机，世界上任何一个角落，都可以。

tuwa 支持 100 多种语言的实时翻译，你甚至可以在打电话时随便切换语言和对方对话。除此之外，tuwa 还支持语音克隆，每一通电话，都会让你的 AI 语音听起来更像你。

当然，我也为它设计了方便的 web app，如果你想，可以不通过转接电话而使用 web app 拨打，并设置自己喜欢的声音，使用外呼 agent 拨打电话，连接自己的 agent（例如 openclaw 或者 codex/claude code）并让他们自由的呼入与呼出。

外呼电话 agent 是我最喜欢用的 tuwa 功能，只需要交待清楚事情，比如完成餐厅预订，它就会在你希望的时间主动拨打对方的电话，说明来意，达到目的，并记录和翻译所有对话内容。

tuwa 的使用和收费都很简单，每月免费额度，固定套餐，按需付费。

这个产品的命名灵感来自于日语的「通話 tsuwa」最初，我只是想设计一个能帮我预订餐厅的电话服务，但后来，我在 vibe 的过程中慢慢意识到，世界上仍然有很多人无法体验 AI 带来的变化与便利，而电话，是连接他们最简单与自然的方式。我希望 tuwa 能帮助外语普及率低，偏远地区和第三世界国家的人们体会到这一点。

[beihuo @beihuo]

https://t.co/aAopZ18aUl

[Rayner @raynrtheoutlier]

《中国软件史上最被高估的软件之一：飞书》
这几天我在协助一个国内团队，他们的工作流程全量跑在飞书上。

入组第一天，所有协作通道就被灌进一个“飞书宇宙”里：
通知靠智能工作台，协作靠飞书文档，流程审批靠OA自动化，会议记录靠飞阅会，沟通靠群聊 + 机器人。用流程制造伪秩序感，用“平台整合”掩盖思维分裂，而不是用产品解放组织的注意力

于是协作变成了一场“跑地图式”的行为游戏
你做的不是决策，而是在寻找按钮（真的白眼到快吐血

我不是没有对比

我做ToB是在美国，从零打金融、AI、SaaS B端服务。第一个大客户是一家西海岸的财富管理机构。我们用的内部工具是极致克制，流程只有一个原则：减少摩擦。

而我对B端客户的理解非常朴素：你不是来学一个新工具的
你是来解决一个旧痛点的，产品的目标是“让组织停止消耗注意力”

而飞书的产品哲学，正好反过来
它不是解决注意力消耗，它是制造注意力占用

这不是“软件产品力”的问题，这是“组织生态”的反噬

国内很多团队用飞书，不是因为它最好用，而是因为它背后是字节跳动，是“先进生产力”的象征，是“我在努力向一线看齐”的政治姿态。我和那个团队的技术负责人聊过，他知道飞书“很重”、“有延迟”、“很多功能用不上”，但他也说：“这个东西我们没太多选择。”

这句玩笑话，才是飞书今天市场份额的真正护城河：
不是产品抓住了用户，是组织抓住了话语权

SaaS ≠ 工具堆砌，SaaS = 行为重构
真正优秀的 ToB 软件，解决的从来不是“让人多开一个文档”的问题，而是“如何减少一次不必要的会议”

飞书做不到这件事

它把信息分发得更碎，把路径串联得更深，但它从未让信息真正“更轻”。更像是在用“界面整洁”掩盖流程复杂，用“平台整合”掩盖思维分裂
国内很多产品都误以为：
只要功能多、界面顺、响应快，就已经足够好

但真正的 ToB SaaS，是帮一个组织解决一个核心悖论：“人在协作中迷失，而不是在工具中掉线”

协作从来不是靠技术升级的，而是靠认知简化的。
这也是为什么飞书在欧美水土不服。美国的企业协作文化追求结构化、分权自治，讲究的是“工具服务于流程”。而飞书的逻辑是“工具即文化”，是“统一才是效率”，这天然与自由组织形态相冲突 aka their logic is BS

中国的 ToB，不是没机会，是缺“产品灵魂”
飞书的问题，不只是产品本身。它暴露的是国内 ToB 产品长期以来的缺位：

我们有太多开发力，太少产品观
我们有太多资源整合，太少用户理解
我们有太多流程中台，太少用户故事
(当然了，国内大厂掌控生态我也没法说太多）

未来属于什么样的 ToB 产品（ToB创业者）？
真正的 ToB 创业者，应当从理解一份 Excel 的痛苦开始

结尾我想说：我并不讨厌飞书，它甚至是国产里唯一能靠拢现代协作范式的尝试。但我确实对飞书代表的 ToB 产品哲学感到失望

协作应该是组织活力的放大器，不是“有用的累赘”

而当所有人都在习惯飞书的方式做事，那些真正反思“为什么要这么做”的产品人，就会造出新的产品秩序

我相信那一天终会到来

[Mr Panda @PandaTalk8]

最近使用ffmpeg 的时候比较多， 惊叹这个项目实在太伟大了。

[nickyoungtom @nickyoungtom]

@404NotFoundFish @joely7758521 @grok 回答下这个问题

[nickyoungtom @nickyoungtom]

@FaiChou_zh 0LUR39Q 注册成功了✌️

[宝玉 @dotey]

原文：https://t.co/cvIOCu6zmp
译文：https://t.co/jDezzGTGlr

[Jason Z @JasonZX]

这个49秒的视频把SoFi的Plus会员讲明白了，这是我这两天对SoFi的一个快速和简洁的系列介绍里的最后一条。

后面我会更多关注SoFi在2025的业务变化，市值177亿美金的 $SOFI 干了数千亿美金市值传统银行的服务，一切才刚刚开始。

[铁柱 @TiezhuCrypto]

发了一个求推荐贴，没想到得到了好多人的回应，我整理下来，大家推进的比较多的课程/书籍，但第六个是最重要的。

总结如下：
1、美投君的期权课（从初级到高级都有）
2、Power up gammas(youtube有免费基础课程，还有一个专门讲期权的网站）
3、《think like an option trader》--Michael Benklifa 以及这个作者的其它相关期权书籍。
4、《期权投资策略》-Michael Benklifa 看评价还可以。
5、《期权波动率与定价》
6、边学边干，多亏钱。

以上，供大家参考。

[美股OK哥 @artinmemes]

Seeking Alpha 2025的十大持仓（上）|||

Seeking Alpha在2024年的十大持仓股取得了125%的回报率！！！超过了标普500，甚至回报率是七大科技巨头2倍之多！！而该量化团队刚刚发布最新的2025年十大持仓股。

2025年的持仓股是部分基于自2024年的延续，这些股票有坚实的基本面、良好的动能。

Seeking Alpha是最大的在线投资金融信息平台之一，高盛、摩根士丹利、美银美林、花旗都在使用。

大部分股票都处于历史股价的最高点，这就意味着市场对个股持续看好，短期内会或将经历回调，由于公司基本面支撑以及市场对未来ai赋能的业绩预期，长期看好。

1. OppFi Inc. (OPFI)
市值：6.5178亿美元
行业：金融
子行业：消费者金融

2. PayPal Holdings, Inc. (PYPL)
市值：897.6亿美元
行业：金融
子行业：交易与支付处理服务

3. Brinker International, Inc. (EAT)
行业：非必需消费品
子行业：餐饮业

4. Stride, Inc. (LRN)
市值：45.6亿美元
行业：非必需消费品
子行业：教育服务

5. Urban Outfitters, Inc. (URBN)@
市值：53.9亿美元
行业：非必需消费品
子行业：服装零售

[fatbobman (东坡肘子) @fatbobman]

与 AI 结对编程

在过去的两周时间里，在 AI 的辅助下，我在一个不熟悉的开发环境中使用陌生的语言和框架启动了博客的重建工作。通过这次重建过程，我希望能够对新的语言和框架有一定的掌握。本文记录了我与 AI 一起工作的一些体会。

https://t.co/CAamAcLSyp

[宝玉 @dotey]

今天这篇谷歌员工写的“Reflecting on 18 years at Google”很火，翻译过来给大家欣赏一下

《回望我在谷歌的 18 年 [译]》

我于 2005 年 10 月加入谷歌，18 年后，我递交了辞呈。上周，我结束了在谷歌的最后一段日子。

对于能够亲历谷歌上市初期的时光，我感到非常幸运；不同于大多数公司，与通常的看法相反，从基层工程师到高层管理者，谷歌的员工都真心致力于做正确的事情。经常被嘲讽的口号“不作恶”实际上是当时公司的核心原则（这在很大程度上是对当时像微软这样的同行，将利润放在客户和人类整体利益之上的做法的一种反应）。

我见证了谷歌因为真心想为社会做出贡献而遭到的诸多误解和批评。比如 谷歌图书项目。围绕 Chrome 和搜索功能的诸多批评，尤其是那些关于广告利益冲突的指控，大都是毫无根据的（令人惊讶的是，巧合和错误有时会被误解为恶意）。我经常看到隐私倡导者以损害用户利益的方式反对谷歌的计划。这些争议对全球产生了深远的影响；其中最让人烦恼的是，现在我们不得不面对的那些无意义的 cookie 警告。看到团队努力推进对世界有益的想法，却因为不优先考虑谷歌的短期利益而遭到公众的冷嘲热讽，这让我感到非常失望。

[图一]
2011 年，谷歌园区的 Charlie's patio。图像已被处理，移除了其中的人物。

早期的谷歌也是一个极佳的工作环境。高层领导每周都会坦诚地回答问题，或者坦率地解释无法回答的原因（比如因为法律原因或某些话题过于敏感）。Eric Schmidt 会定期向全公司介绍董事会的讨论情况。产品的成败都会客观地呈现出来，成就被庆祝，失败被深入分析，目的是为了吸取教训，而非推卸责任。公司有清晰的愿景，对于任何偏离这一愿景的行为都会给出解释。在 Netscape 实习期间，我曾经历过 Dilbert 式的管理，所以谷歌员工的整体能力和专业素养让我感到格外耳目一新。

在 Google 工作的最初九年，我的主要工作是致力于HTML 及相关标准的开发。我的目标是做对网络最有益的事，因为这也符合 Google 的利益（我被明确指示忽视 Google 的直接利益）。这份工作是我之前在 Opera Software 公司时开始的延续。Google 为这项工作提供了极好的支持。我领导的团队名义上是 Google 的开源团队，但实际上我拥有完全的自主权（在此要特别感谢 Chris DiBona）。我大部分时间都是在 Google 校区的各个建筑中用笔记本电脑工作，有几年时间我甚至几乎没用过我的固定办公桌。

然而，随着时间的推移，Google 的企业文化也出现了一些变化。例如，尽管我很赞赏 Vic Gundotra 的热情和他对 Google+ 最初的清晰、明确的愿景，但当项目进展不顺时，我对他给出明确回答的能力产生了怀疑。他还开始在 Google 内部设置壁垒，比如将某些建筑只限 Google+ 团队使用，这与早期 Google 完全透明的文化不同。另一个例子是 Android 团队，他们虽然是通过收购加入的，但从未完全融入 Google 的文化。Android 团队的工作与生活的平衡不佳，相比 Google 的其他部门，他们的透明度较低，更多地关注于追赶竞争对手，而不是解决用户的真实问题。

我在 Google 的最后九年投入到了 Flutter 项目上。回想起来，我在 Google 最美好的回忆之一就是 Flutter 项目初期的日子。Flutter 是 Larry Page 在 Alphabet 成立前不久发起的几个大胆实验项目之一，属于老 Google 时代的产物。我们的运作方式更像是一家初创公司，更多的是在探索我们要做的事情，而不仅仅是设计。Flutter 团队深受年轻时代 Google 文化的影响，比如我们重视内部透明、工作与生活的平衡以及基于数据的决策（Tao Dong 及其 UXR 团队在这方面提供了极大的帮助）。我们从一开始就保持着极高的开放性，这也让我们更容易围绕这一项目建立起一个健康的开源社区。多年来，Flutter 也很幸运地拥有了出色的领导团队，比如创始技术领导 Adam Barth、产品经理 Tim Sneath 和工程经理 Todd Volkert。

[图二]
在 Flutter 的早期发展阶段，我们并未完全遵循工程领域的最佳实践。举个例子，我们当时既没有编写测试，文档资料也寥寥无几。这幅白板曾是我们设计核心 Widget、RenderObject 和 dart:ui 层的唯一“设计文档”，它帮助我们快速起步，但随后也让我们付出了不小的代价。

Flutter 在一个与外界几乎隔绝的“泡沫”中成长，这个“泡沫”使其与 Google 同期的变化保持了距离。Google 的企业文化逐步退化。决策的重心从原本的用户利益转变为 Google 的利益，最终演变为决策者个人利益。公司内部的透明度也随之消失。过去，我总是满怀期待地参加每一次公司大会，希望了解公司的最新动向。然而如今，我甚至能预测出公司高层的标准答案。至今，我在 Google 内部找不到任何人能明确地阐述 Google 的愿景。员工士气跌至谷底。如果你询问湾区的心理治疗师，他们会告诉你，他们的 Google 客户普遍对公司感到不满。

接着，Google 开始了裁员。这次裁员是一场不必要的错误，源于公司短视地追求股价季度增长，背离了其长期战略——即便短期内有所损失，也要优先考虑长期成功（即“不作恶”原则的精髓）。裁员带来的影响是隐蔽而深远的。在此之前，员工或许还会专注于用户体验或公司利益，相信只要做对的事情，即使超出了自己的职责范围，最终也会得到回报。但裁员之后，员工无法再相信公司会支持他们，从而大幅减少了冒险尝试。职责被严格限定，知识成了用来保护自己的“武器”，因为在裁员的阴影下，变得不可替代是唯一的自保策略。这种对管理层的不信任，以及管理层对员工信任的缺失，都在 Google 的愚蠢公司政策中得到体现。回想 2004 年，Google 的创始人曾在华尔街上坚称：“Google 不是一家传统公司，我们也不打算变成那样。”但如今，那个 Google 已经一去不复返了。

谷歌目前面临的问题很多都与 Sundar Pichai 缺乏前瞻性领导力有关，他似乎对维护早期谷歌的文化特色不太感兴趣。这种情况下，我们看到不太称职的中层管理人员逐渐增多。比如 Jeanine Banks，她管理着一个涵盖 Flutter、Dart、Go 和 Firebase 等多种项目的部门。尽管她的部门名义上有个战略，但即便我想分享也做不到，因为我自己都搞不清楚这个战略具体是什么，即使听了好几年她的描述。她对团队的了解非常有限，经常提出些毫无意义、不切实际的要求。她对待工程师的方式就像对待工具一样，任意调动他们的岗位，而不考虑他们的技能。她对于建设性的反馈也是完全不理不睬。据我所知，其他团队的领导更擅长政治游戏，他们找到了应对她的方法，适时提供必要信息，以保持她不干扰团队工作。作为见证过谷歌辉煌时期的人，我对这种现状感到非常失望。

不过，谷歌仍有很多优秀人才。我有幸与 Flutter 团队的很多杰出成员合作，比如 JaYoung Lee、Kate Lovett、Kevin Chisholm、Zoey Fan、Dan Field 等，实在太多了，没法一一列举（对不起，我本该提到每个人的）。近年来，我开始向谷歌的员工提供职业建议，也因此认识了许多公司内的优秀人才。我认为挽救谷歌并非不可能。这需要从高层开始进行一些重大调整，需要有人能够带着明确的长期愿景，利用谷歌的资源为用户创造价值，而不是只盯着 CFO 办公室。我依然坚信谷歌的使命（组织世界上的信息，使其普遍可访问和有用）仍有很大的发展空间。如果有人愿意引导谷歌进入未来二十年，专注于为人类带来最大利益，而不是只关注股价的短期波动，那么谷歌完全有能力实现伟大的成就。

但我觉得时间不等人。谷歌的文化正在逐渐恶化，如果不及时纠正，这种情况最终将无法逆转。因为那些能够起到道德指南针作用的人，正是那些不愿加入没有道德指南针的组织的人。

https://t.co/4MF9ltFwic

[Hal @hal__lee]

我在 Figma 的 Designsystems 网站上收集的设计系统如果都能研究一下，能发现很多可学习的东西，比如我顺着网线找到了 GitHub 的设计系统 Primer，发现他们的工程化和自动化做的好棒。

https://t.co/oRyWPQZ7XR

[宝玉 @dotey]

《苦涩的教训》
Rich Sutton
2019 年 3 月 13 日
70 年人工智能研究给我们的最大启示是：依赖计算能力的通用方法最终表现最佳，而且优势明显。这背后的主要原因是摩尔定律，也就是计算成本持续以指数级下降。大部分 AI 研究都是在假设计算资源固定的情况下进行的（在这种情况下，利用人类知识几乎是提升性能的唯一途径），但实际上，在稍长于一般研究项目的时间里，可用的计算资源会大幅增加。研究者为了在短期内取得突破，尝试利用自己对特定领域的人类知识，但从长远看，关键在于计算能力的利用。这两者原本不必相互冲突，但在实践中却常常如此。投入其中一个领域的时间，就意味着在另一个上的缺失。此外，人们在一种方法上的投资也会形成心理承诺。而基于人类知识的方法往往会使系统变得复杂，不利于利用计算能力的通用方法。有很多例子显示 AI 研究者是如何迟迟才领悟到这个苦涩的教训，回顾这些案例非常有启发性。

以计算机国际象棋为例，1997 年击败世界冠军卡斯帕罗夫的方法主要是深度搜索。当时，大多数计算机国际象棋研究者对此表示失望，因为他们更倾向于利用对棋局特殊结构的人类理解。然而，当一个简单但基于搜索的方法，结合特殊的硬件和软件展现出巨大效能时，这些基于人类知识的研究者并不愿意接受失败。他们认为，尽管这次“蛮力”搜索获胜，但它并非一种通用策略，也不是人类下棋的方式。这些研究者本希望基于人类理解的方法能够取胜，对实际结果感到失望。

在计算机围棋的发展中，也出现了类似的模式，只是晚了 20 年。最初的努力都在于避免搜索，尽可能利用对游戏的人类理解和特殊特征，但一旦有效地应用了大规模搜索，这些努力都显得微不足道，甚至有害。在这个过程中，通过自我对弈学习价值函数（在很多其他游戏中也是这样，甚至包括国际象棋，尽管在 1997 年首次击败世界冠军的程序中学习的作用并不大）也非常关键。自我对弈学习和一般学习，就像搜索一样，能够充分利用大量计算资源。在计算机围棋和国际象棋中，研究者最初都是试图利用人类的理解来减少搜索的需要，但最终通过接受搜索和学习才取得了巨大的成功。

在语音识别领域，1970 年代由 DARPA 赞助的一场早期比赛就是一个例子。参赛者包括使用了大量人类知识（如对单词、音素、人类声道的理解）的特殊方法，而另一边则是更依赖统计和大量计算的新方法，基于隐马尔可夫模型（HMMs）。最终，基于统计的方法战胜了基于人类知识的方法。这导致了自然语言处理领域的一次重大转变，随着时间的推移，统计和计算开始成为该领域的主导。深度学习在语音识别中的兴起是这一趋势的最新体现。深度学习方法更少依赖人类知识，使用更多的计算资源，并通过在大型训练集上的学习，极大地提升了语音识别系统的性能。与游戏领域相似，研究人员总是试图创建一个按照他们自己的思维方式工作的系统，但这种尝试最终证明是逆向而行，不仅浪费了大量的研究时间，而且在大量计算资源可用并找到有效利用方法的情况下，这种尝试显得更是多余。

计算机视觉领域也经历了相似的发展模式。早期的方法试图通过搜索边缘、广义圆柱体或 SIFT 特征来处理视觉问题。但在今天，这些方法都被淘汰了。现代的深度学习神经网络仅使用卷积和某些类型的不变性概念，取得了更好的表现。

这是一个重要的教训。作为一个领域，我们还没有完全吸取这一教训，仍在重蹈覆辙。为了识别并避免这种错误，我们必须理解其吸引力所在。我们必须领悟到，试图构建一个基于我们认为自己思考方式的系统是行不通的。苦涩的教训源于这样的历史观察：1) 人工智能研究者经常试图将知识融入他们的代理中；2) 这在短期内总是有益的，也让研究者感到满足；但 3) 从长远来看，这种做法会导致进步停滞，甚至阻碍进一步的发展；4) 真正的突破性进展最终是通过一个相反的方法实现的，这个方法基于通过搜索和学习来扩大计算的规模。这种成功带有苦涩，往往消化不良，因为它是在人类中心化方法之上取得的。

从这个苦涩的教训中，我们应该明白通用方法的巨大力量，即那些随着计算能力的增长而持续扩展的方法。在这方面，似乎可以无限扩展的两种方法是搜索和学习。

苦涩教训中的另一个关键点是，人类心灵的实质内容极其复杂，不可能简化；我们应该放弃试图简单化地理解心灵内容，如空间、物体、多重代理或对称性等概念。这些都是外部世界中任意而复杂的部分，不应该成为我们构建的核心；相反，我们应该构建的是那些能够发现并捕捉这种任意复杂性的元方法。这些方法的核心在于它们能够找到良好的近似，但寻找这些近似的过程应该由我们的方法来完成，而不是我们亲自动手。我们希望 AI 代理能像我们一样具有发现能力，而不是仅仅包含我们已有的发现。将我们的发现直接构建进去，只会使我们更难看清如何实现发现的过程。

[沉浸式翻译 @immersivetran]

你知道吗？ OpenAI 的 CTO @gdb 在 2019年之前几乎不懂机器学习。

他在 2019年写的文章：《我是如何成为一名机器学习从业者的 - 双语版》🫱 https://t.co/nsoWBLwq9J

[Xufluxo @lgtwet]

我刚刚发布了一篇博客文章 '2023 年值得持续阅读的内容平台' https://t.co/KoRo6EYY0t

2023 年我持续阅读和关注的创作者有很多，以下 39 个是我在文中列举的。

一、新闻类

- 财新网: 现阶段，财新网不仅是我认为的国内最好的财经类媒体，也是最好的新闻类媒体。
- Semafor: @semafor 采编的新闻内容平静且克制，观点说不上有多客观至少不偏激。这对于现在的英文媒体而言，属实难得。
- Buzzing: 网站汇总了多个全球知名新闻网站和社交媒体的内容，并将标题翻译为中文，以便中文读者可以快速浏览和挑选自己感兴趣的内容去深度阅读原文。
- NextDraft: 由硅谷投资人 @davepell 主理的电子报，他每天会阅读75个新闻网站，然后从海量信息中挑选出当天 10 则最重要、最优质的新闻，并撰写推荐语和评论。
- News Minimailist: 一个通过 GPT-4 筛选每日新闻的项目.
- TheMessenger: 一份报道深度观点和新闻的电子报。

二、文章聚合类

- 积薪: @darmaulee 运营的独立博客聚合平台，已经接入了 183 个博客网站，收录了 6000 余篇文章，不仅有着稳定的内容输入，而且还有着赏心悦目的颜值。
- xLog: @_xLog 不仅仅是区块链博客托管平台，同样也是内容平台。
- Ness Labs: 它的目标是赋予知识工作者在保持理智的同时做出最好的工作。
- Heptabase Public Wiki: 网站中的许多文章是值得玩味的。虽然所说的是如何使用 @Heptabase ，但实际上可以将其中所蕴含的方法论推而广之，运用在学习、生活和工作中。
- Collider: @ColliderSpace 作为一份新兴的电子杂志，目标是成为一个探索高效思考者蓝图的空间，为重视思考的群体带去更多的协作、想法和工具。
- Aeon: 内容偏向学术、思想的解读，文章有深度而不枯燥，话题重要而又往往十分有趣。除了文字内容之外，还提供质量很高的短视频。
- Longreads: 由 Mark Armstrong 于 2009 年创办，致力于帮助人们发现和分享网络上最好的长篇非虚构故事。
- Medium: 如果说 𝕏 是现在互联网上最好的短文聚合平台，那么 Medium 就是互联网上最好的长文聚合平台。

三、独立博客

- 刘未鹏 | Mind Hacks: 虽然已经非常久没有更新博客，但他的文章依然有价值，并且随着时间的推移，价值会越来越高。因为他不仅仅是在传术，更是在布道。
- Owen 的博客: @OwenYoungZh 的价值需要慢慢去发现，更新的不勤，非常适合考古。
- Pin 起来: 如果说有谁能够深入浅出地让读者了解什么是知识管理，什么是工作流，@WuPingJu 绝对是其中一位。
- Steph Ango: Obsidian 现任 CEO @kepano 的博客，除了能学到很多 Obsidian 和知识管理的技巧，还有很多有趣话题。
- 虹线: 提起评论尸 @JeffreyCalm 的大名，想必都如雷贯耳。对于中国社会的观察之深，在年轻一代中是佼佼者。
- 潮流周刊: @HiTw93 主理的周更电子报，每期都会推荐一些有趣的网站和工具。
- 太隐: 作者是一名九五后，其涉猎的知识，思想深度与文化底蕴时常让我惊叹。
- Pseudoyu: 从 @pseudo_yu 更新的周报可以看出是一位阳光开朗，感情丰富的大男孩。
- hyuanverse: @firewin15 在博客中更新了许多关于知识管理、个人成长、自我剖析的内容。马上就要去英国和欧洲旅居的他，想必会呈现出更多精彩的内容。

四、电子报

- 生活奇旅: @itsweichen 的文风真诚质朴，看似平淡的叙述中蕴藏着经过深思熟虑后的智慧。
- 新闻实验室: 由新闻传播学者方可成从 2016 年 9 月开始运营的会员计划，内容涵盖全球传媒业和数字科技产业最新热点、学术研究成果等。
- AIGC Weekly: @op7418 大佬主理的免费版电子报，每周一更新，主要介绍上周AIGC领域发布的一些产品以及值得关注的研究成果。
- Dailyio: @bluebird0605 主理的电子杂志，主题围绕人机关系展开，涉及生产力、知识管理、AI、科技与人文等多种话题。

五、𝕏 账号

- Prof. Feynman: @ProfFeynman 关于科学与智慧的推文。
- Naval: 刷推特怎么能不关注由 @naval 创建的各种列表呢。
- Andy Matuschak: @andy_matuschak 目前正在探索增强人类记忆力和注意力的工具。他提出的常青笔记的理念影响了很多人。
- Adam Grant: 近期很火的畅销书《隐藏潜能》的作者 @AdamMGrant，组织心理学家。
- yihong0618: @yihong0618 是一个把跑步和代码融为一体的「少年」。
- 宝玉: 了解 AGI，从 @dotey 开始。
- Nick St. Pierre: 公开探索 AI 并分享学习成果，每日玩转 Midjourney 和 NeRFs 的 @nickfloats。

六、Telegram Channel

- 404 [[ ]] KIDS SEE GHOSTS
- Reorx’s Footprints
- Laisky‘s Notes
- AI Copilot
- Newlearnerの自留地

[自在夺造化 @Danielw19410]

作者是OpenAI的联合创始人woj，也是之前机器人技术的负责人。看看OpenAI这种顶级机构认为面对陌生领域该怎么学，学习什么，有哪些学习资料。

[Geek @geekbb]

PandoraNext 这个白嫖 OpenAI 的神器可能大家还不清楚它的用途，我总结两个：
- 将 ChatGPT 转换为 Turbo API 接口，使用 Share Token，让所有支持 OpenAI API 的应用程序都能模拟 ChatGPT / OpenAI 相关接口。
- 搭建自己的 ChatGPT（与官方网站一致），分享给国内朋友直接使用，无视国内网络和Token。也可以将其设置为共享站点，通过隔离密码实现会话隔离，总之是非常强大。
虽然这份文档并非官方制作，但作者写得非常详细，欲深入了解的朋友可以看看 https://t.co/O09ObMRKsU
PandoraNext https://t.co/VKzcoEThc3
共享站 https://t.co/kogQDDDdmf
DeepLX接口 https://t.co/K4kDtiMCpf