Osikubi Wong

田野之友·fieldmate Founder | Deterritorialization | Provincializing |

[Osikubi Wong @osikubi]

不敢想象的未来

[歸藏(guizang.ai) @op7418]

复杂工程化最终会被模型碾碎

当我们站在技术演进的长河中回望，总能发现一个不变的规律：所有领域的终极发展方向都是"由繁入简"。

从命令行到图形界面，从手工编码到可视化开发，再到如今的自然语言驱动——技术的真正成熟不是通过增加复杂性，而是通过消解复杂性来实现的。

那些我曾引以为傲的复杂工作流程——精心调教的提示词、层层叠加的插件、环环相扣的模型链——如今都被一个简单对话界面所取代。

从产品思维角度看，这代表了人机交互的本质转变：从"人适应工具"到"工具理解人"。

对创意行业的专业人士而言，这是一个既充满机遇又充满挑战的时刻。

复杂工程化注定会被模型碾碎，但被摧毁的只是表层的技术壁垒，而非创造的本质。当我们不再需要为工具所困，真正的创新才刚刚开始。

[Osikubi Wong @osikubi]

我们的Agent开发思路

[铁锤人 @lxfater]

你们学AI的方法都错的。

别再浪费时间了用什么客户端，哪个模型牛逼了，幻想哪个模型出来的结果比自己思考牛逼

你要做的是找到自己的思考回路，然后你用AI来优化和加速你的思考

其次是让AI协助你思考自己没有思考过的角度

你没有自己的思考回路，AI也加速不了太多。

也就是说你能获得到结果比不上一个张口就来普通人。

如何是这样的话，你就错过AI纪元到来的最后翻身机会了。

[铁锤人 @lxfater]

你们学AI的方法都错的。

别再浪费时间了用什么客户端，哪个模型牛逼了，幻想哪个模型出来的结果比自己思考牛逼

你要做的是找到自己的思考回路，然后你用AI来优化和加速你的思考

其次是让AI协助你思考自己没有思考过的角度

你没有自己的思考回路，AI也加速不了太多。

也就是说你能获得到结果比不上一个张口就来普通人。

如何是这样的话，你就错过AI纪元到来的最后翻身机会了。

[Orange AI @oran_ge]

Agent 已经确定是今年的主线了
当资本，人才，热度都在这个方向集中
大概率会出现很多有趣的新产品

[AIGCLINK @aigclink]

近期见到人就安利：agent互联网时代来了，mcp协议相当于互联网时代的http协议，打通了大模型、agent、rag、tools等各种端之间的数据通信，那就实现了ai应用互联，代表着agent互联网时代的来临。

1、现状：目前ai大的流量入口claude客户端、cline、cursor、langflow、flowise、langchain等主流客户端和agent框架都在支持mcp协议，随着时间推移会有更多的用户侧的客户端支持，这代表着一个新时代agent互联网时代来临，如果再有几个大模型公司和coze这种中间件平台也支持，估计影响力会越来越大，属于时代给的机会。

2、商业化：一个行业成熟与否，要看是否能赚钱，最近mcp服务https://t.co/sRB3LucrUc给了商业化先河，它通过提供AI顶级前端的服务应用，开启了mcp服务商业化变现的先河。用户在21st购买API，获取mcp服务的std或sse链接，即可本地调用云端mcp服务，这位开发者提供了一个变现的路径，参考：https://t.co/Wfd0oOc9Hq

3、预测1：相信未来会有越来越多的agent支持mcp协议，这样可以享受到流量入口claude客户端、cline、cursor、langflow等各大主流的ai入口的流量红利，同时还能变现，这区别于coze的封闭生态（未来coze也会大概率支持）只能在一个生态赚钱，而mcp服务可以在所有生态赚钱。

4、预测2:未来会出现大量的做mcp服务托管的marketplace，各大流量入口客户端都会支持接入，算是agent互联网新时代的应用市场。

5、预测3:大量的agent公司会结合行业know how能力，调用一堆mcp服务作为子agent封装，服务更复杂的场景，造出各种manus。

6、2025年是agent互联网的元年，时代也给了开发者赚钱的机会，让我们一起拥抱一起成长。

#aigclink #agent互联网 #mcp服务 #mcp协议 #21st #ai应用入口 #coze #manus

[Osikubi Wong @osikubi]

8卡H20也没比这强多少，虽然是跑FP8

[karminski-牙医 @karminski3]

Apple M3 Ultra 发布啦！这次的劲爆升级是最高可以选配 512GB 内存。妥妥能跑满血版 DeepSeek-R1了！

但是！但是的但是！内存带宽没啥变化，还是800GB/s。预计跑 DeepSeek-R1 速度理论最大值是 20 token/s 左右。也算能用。

[Osikubi Wong @osikubi]

实话，最近都保持着高强度开发，一天一个原型，但我们目前只深耕三个行业

[Kai @real_kai42]

AI 应用层的机会多的吓人

最简单，作为一个语言模型，现在并没有好用的 AI+写作的工具，很多人写东西还是:
ChatGPT 列大纲 => 让 AI 生成内容 => 复制到 word 里 => 复制出想要修改的部分 => GPT 生成再复制回去 => 循环往复

chatGPT canvas 明显是想解决这个问题，但做的太差了。很多时候写东西还不如用 github-copilot/cursor 好用。

所以，找到合适的垂直领域，找到真正懂这个领域的产品经理，梳理好这个领域传统的工作流程，寻找用 AI 增强的部分，深入的设计优雅好用的交互流程，就能做出不错的产品。
但依旧，不要抱着“AI 颠覆一切”的高傲去做这个事情，AI 现在并不能直接完整颠覆一个领域，应该抱着谦卑的态度深入学习这个领域，以合适的方式去引入 AI，才能让大量的传统用户迁移

如果你需要例子，在前 AI 时代的 notion 就是，这个世界有无数 notes 软件了，但总是各有各的问题，notion 就是懂用户的产品经理，花心思设计一切流程，他不是颠覆性的，不是让用户要学习很多新东西的产品，而是一用就觉得舒服，一用就觉得 “我找到我想要的产品了！” 的感觉。

[Osikubi Wong @osikubi]

今晚做的类deep research智能体，写国家社科基金申报书，10分钟一份，离谱

[Osikubi Wong @osikubi]

@oran_ge 爱好者确实多，但开发者少

[初码 @chumacn]

其实看着各路宏大叙事人士，在这坐在键盘前指挥全球事务运转，满嘴唾沫，挥斥方遒，我就想问一句，你们到底知不知道政府是怎么运作的，是不是没钱了直接印钱就可以？美债36万亿是不用还，还是怎么滴，利息每年都要1.5万亿美金，如果各路人士不想众筹卖屁股凑钱还，是不是准备赖账了？川普政府以拯救美国经济、努力还债、恢复竞争力为第一要素，以不要死人为全球事务的基本价值观，这种最基本的做人做事道理，竟然能被全球义愤填膺的“爱心人士”批为不正确，所以不得不感慨一下，这过去50年全球泛自由化左派价值观洗脑真的是成功，深深的影响了两代人，培养出一批又一批的满是大粪的空中阁楼大脑。

[九原客 @9hills]

最近两三周给很多客户反复提及的忠告：

用模型一定要用最好的那个，如果想省钱，请在你的场景下微调，而不是用一个低能力的通用模型，然后试图靠 Prompt 或者工程努力去拯救它。

比如 DeepSeek 的那一堆蒸馏模型是很好的场景级推理模型的Base，但是不要直接用，真的很差。

[Osikubi Wong @osikubi]

适合用来交付满足情绪价值的产品

[初码 @chumacn]

社会动荡一定会伴随着第一季度超级加速大印钞而开始，但历史是留给胜利者书写的，今天民营企业座谈会开完后，迎来一波新的的财富转移浪潮，能抓住机会的，会享受一轮长达6-12个月的快活日子，并在未来10年的危机中屹立不败之地，然后看着那两极分化的世界偷笑或叹息。所以抱怨是没用的，动起来才是真的

[Osikubi Wong @osikubi]

@Datou 好几个都是错的，视频出来了

[大罗SEO @daluoseo]

现在这个时代最好的生意是那种一年大概3-4百万刀收入，6-10个人左右的小团队的digital生意，一般利润能到60%，不需要VC，现金流稳定，自由度很高，幸福度极高。

[Orange AI @oran_ge]

以前大家都看不起套壳
觉得没技术含量
现在发现大模型没有壁垒、开源模型比自家闭源好
大家都抢着去套壳，每家套壳完还发个新闻稿
真，万物皆是套壳

[ginobefun @hongming731]

新的博客文章：告别生硬翻译腔：构建 AI 驱动的多轮评审润色流程

在深入学习和阅读智能体（Agent）相关的英文技术文章时，我发现传统的翻译软件和方法往往难以将这些文章准确、流畅地转换成地道的中文。逐字逐句的直译不仅导致"翻译腔"严重，还会使句子结构生硬，专业术语处理不当，这让读者理解起来非常吃力。

为了解决这个问题，我开始探索各种 AI 工具，并借鉴了分段翻译再合并、反思改进、使用"改写"而非"翻译"等技巧，不断优化翻译流程。经过多次实验，我最终基于 Dify 平台构建了一个 AI 驱动的多轮评审润色 Workflow，成功实现了将英文技术文章（涵盖 AI、编程、产品、商业等领域，尤其是智能体相关内容）高质量地改写为中文的目标。

这个 Workflow 不仅能准确传达原文信息，还能使改写后的文章语言流畅自然，完全符合中文表达习惯和技术领域的专业规范。更重要的是，它能同时兼顾技术人员和普通读者的阅读体验，让不同背景的读者都能轻松理解文章内容。

本文将详细分享我的实践经验，包括 Workflow 的整体设计、Prompt Engineering 的技巧、模型选择以及后续的排版和发布流程。希望我的经验能帮助大家更好地利用 AI 提升内容创作的效率和质量，也希望能为那些和我一样在阅读英文技术资料时遇到困难的读者提供一些帮助。最终的目标是，通过这个流程，我可以高效地产出和分享高质量的中文技术博客，与更多人一起学习和交流。

[Osikubi Wong @osikubi]

相比而言，o3-mini是一个幻觉极度收敛，回答冷静、有条理、没有华丽词藻来修饰事实的推理模型，这有可能是R1下一步的优化方向

[Osikubi Wong @osikubi]

今天同时在生产环境中使用R1和o3-mini，发现R1的能力边界其实是混乱，用一种巧妙的手段绕开了自己的思维逻辑的空白，用真假数据混杂编制出一种唬人的答案

[Osikubi Wong @osikubi]

今天同时在生产环境中使用R1和o3-mini，发现R1的能力边界其实是混乱，用一种巧妙的手段绕开了自己的思维逻辑的空白，用真假数据混杂编制出一种唬人的答案

[Kai @real_kai42]

从这几天的观察来看，deepseek (后面简称 dp)对国内 AI 的整体促进作用是非常夸张的，几个观察

- dp 的优势就是 o1 级的能力，完全开源，并且中文能力强

- 大量大厂 chat bot 放弃自研模型，接入 dp，效果获得巨大提升。当然并不是放弃自研的研发，而是现在有更好用的模型就先用着，之后自己的起来了再切换

- 大量企业内部部署来进行公司内部的使用，很多觉得使用 gpt 麻烦的人（确实麻烦，各种魔法），会使用内部的部署来进行平时的工作，不限于写代码，而是各种职位都开始尝试使用 AI，开始提效

- 在国内破圈，之前喊了这么久的 AI，其实国内普通人并没有用到质量合格的 AI，大量的人至于尝鲜。现在不止 dp 官方，各种 chatbot 都开始接入 dp，国内普通人第一次开始深入把 AI 接入 chatbot

- 大量传统企业，特别是国央企获得可信任 自部署的模型，这个的影响会比想象的深远

deepseek 这一波的影响会持续扩散，半年后往回看，可能会更有感慨