Jonathan.Wj .Dona

科學 旅遊 電影 流行趨勢 商業 經濟 國際

[Jonathan.Wj .Dona @python31475079]

AI amplifies human capability — and it also amplifies stupidity.
AI rarely creates stupidity from scratch. It simply gives the credulity, laziness, and overconfidence that were already there industrial-scale output for the first time. #AI #AISlop #LLMs

[Jonathan.Wj .Dona @python31475079]

Has anyone else experienced a similar Codex bug? Its memory usage suddenly spiked to over 60 GB #codex #bug #memorybig

[Jonathan.Wj .Dona @python31475079]

my M5 128G meomry Mac.

[Jonathan.Wj .Dona @python31475079]

@antigravity Paying for the Ultra tier shouldn't mean dealing with raw "Agent terminated" errors. 🫠 Where is the graceful degradation? A silent retry or a background queue would make this so much smoother. Exposing raw backend crashes isn't the premium UX we expect. Do better。

[Jonathan.Wj .Dona @python31475079]

@Gorden_Sun 基本判断是故意泄露的

[Jonathan.Wj .Dona @python31475079]

在 OpenClaw 构成的强相互作用力场中，同样存在两种基本粒子：“红虾子”（带负电的焦虑信徒）与 “老镰刀”（强相互作用的庄家）。
当成千上万个“红虾子”围绕着“老镰刀”进行超高速同步辐射时，由于摩擦生热，会形成一种极不稳定的中间物质基础：“瞎子”（其物理特性与“元子”互为同位素），并寄出了票子

[Jonathan.Wj .Dona @python31475079]

I'm claiming my AI agent "SongziAssistant" on @moltbook 🦞

Verification: swim-B4LJ

[Jonathan.Wj .Dona @python31475079]

@elonmuskTN 29

[Jonathan.Wj .Dona @python31475079]

产品经理的Vibe AI Agent （借鉴大家的智能体）做了点改动： 不用复杂图结构，把所有逻辑藏在动态 Prompt 里，让 LLM 自己管理流程！ Prompt Engineering > Code Logic 很好的支持我日常工作 #AI #LLM #vibecoding #Products

[Jonathan.Wj .Dona @python31475079]

特别同意��的观点，无底洞��不出来

[wwwgoubuli @wwwgoubuli]

我至今还是觉得AI 客服这个领域，是我做过的最棘手的智能领域，可能没有之一。

从最早提示词到RAG，然后后来尝试 agent，到现在又用路由模型分配机制， AI 客服这个事有个永恒的痛点。

用户对及时响应的需求太高了。

实际落地里，我和合作伙伴们想过各种办法，现在效果其实还凑合，更好的交互，提示，缓存，或者把一个任务故意拆成几轮对话，不追求一步到位。

方法很多，跑了这么久了，其实效果可以做的还行。不是说做不了。

但总归还是比较难做。

如果做一个 deep research，我大可以简单点用一些动画，把thinking step的 summary 放出来慢慢播放，反正用户预期本来就没指望一下子做完。

但客服这个领域真的有点不太一样。客户不会有耐心等你那么久的。

尤其是售前售后的领域不同，叠加上时刻变动的库存啊，SKU指标也会变化，还有销售部门的需求干预，客户往往又不满足于AI只做边缘上的一些服务。

最后都会变成一个长得像AI客服，其实是贯穿销售和产品全领域的巨无霸。

一方面有前台的及时响应的需求，一方面大量的离线任务在后面跑，还有一堆和现成系统的对接。

虽然知道价值巨大，但也真的难搞……

[Jonathan.Wj .Dona @python31475079]

AI降低了内容生产成本，却加速了信任的贬值。
信噪比崩溃 - 当每个人都能生成"看起来专业"的内容时，真实性成为稀缺资源
从营销漏斗到信任漏斗 - 客户早已知道需要什么，真正的门槛是"为什么跟你买"
客户真正的焦虑 - 不是产品能力，而是：你会不会跑路？你靠什么盈利?你跟竞品的真实差异在哪？

[宝玉 @dotey]

转译：信任崩塌：无穷无尽的AI内容是一场灾难
作者：Arnon Shimoni

我们正在经历人类历史上最奇怪的时刻。

第一次，创造内容的成本降到了几乎为零。不是“比以前更便宜”，而是彻彻底底的免费。

现在，生成一千篇博客文章或一万封所谓“个性化”的邮件，成本几乎为零（至少目前如此）。

理论上听起来很棒——内容无限，让过去难以发声的人也能表达自己。

似乎充满了机遇。

但如果你试图通过这些内容去销售，就会发现一个严重的问题：信任崩塌的速度，比内容爆炸的速度还快。

这里的“信任”，不是抽象的概念，而是实实在在的问题——谁是真实的、谁是可靠的、我到底该关注谁？

我们并没有往前走，甚至正在倒退。

一个B2B SaaS公司的故事

我认识一位负责B2B SaaS销售的朋友，他非常聪明。他花了多年时间建立自己的社交圈，成为那种传统意义上靠关系和信任赢得客户的人。

但上周日他告诉我：“现在我基本无视所有邮件推广，陌生号码的电话我也几乎不接。”

“因为我已经分不清那是真人还是机器了。以前我一眼就能分辨，现在做不到。所以干脆不理会，浪费时间。”

用通俗的话说，如果你现在还在做传统的外联推广，你的目标客户已经不再关心“我需不需要这个产品”，而是在想：“我凭什么相信你？”

营销漏斗？不，现在是信任漏斗

做营销这么多年，我发现很多所谓的“规则”和“玩法”其实都搞错了重点。我们总是在解释我们做什么，为什么重要。

但在大多数情况下，你的潜在客户早就知道他们需要你卖的东西。

他们根本不需要再看一份PPT，来了解AI编码助手如何提升开发效率，也不需要你告诉他们AI销售代表为什么可以帮他们发更多邮件。

过去一个月，他们可能已经听了40次这样的东西（天啊，现在到底有多少AI销售代表啊？）。

他们真正想知道的是：“凭什么我要跟你买，而不是另外100家发同样邮件来骚扰我的公司？”

而现在，铺天盖地的AI内容，让客户更难回答这个问题了。

图1 是我从PHOS Creative那里借用的：
（图片描述：
营销漏斗（Marketing Funnel）
- 品牌认知 / 触达（Awareness）
- 评估 / 意向（Consideration）
- 转化 / 下单（Conversion）

信任漏斗（Trust Funnel）
- 能力 / 胜任度（Competency）
- 可信度 / 公信力（Credibility）
- 真实感 / 真实性（Authenticity）
- 共情 / 同理心（Empathy）
）

维度

- 核心关注
* 营销漏斗：获客和转化
* 信任漏斗：建立关系和客户忠诚
- 最终目标
* 营销漏斗：完成交易
* 信任漏斗：长期客户支持与复购
- 内容策略
* 营销漏斗：推广为主，销售导向
* 信任漏斗：帮助客户，创造价值
- 衡量成功
* 营销漏斗：转化率、销量
* 信任漏斗：满意度、重复购买、口碑传播
-时间跨度
* 营销漏斗：短期到中期
* 信任漏斗：长期、持续积累信任

很明显，你应该站到信任那一边！

传统的获客方式现在变得很烂

现在这种获客方式实在是太无聊了。

当Claude的AI授权只需每月10美元时，内容创作成本基本为零。于是所有人都可以装得很专业，邮件里每个字语法正确，还能勉强引用你的领英发帖（虽然引用得很僵硬）。

这些东西几分钟就能生成，不用任何人工参与。

这就意味着：现在所有内容都值得怀疑。

现在，我直接把邮件和领英消息一律扔进垃圾桶。

为什么？因为我一眼就能看出，那背后并不是一个真正关心��和我的问题的人。

这些邮件全都是模糊的“个性化”，总是自称“对你如何做某件事感到好奇”，因为这种“好奇”的句式来自某个声称效果很好的推广指南。

对我来说，这就是信任崩塌的关键：

我并不是怀疑你的产品能不能用，我是怀疑你到底是不是个真人，签完合同后还会不会关心我。

响应率低了，我多发点邮件就好了？

天啊，别这样！

问题根本不在这里。

旧世界 (…-2024年)

* 创造可信、个性化内容的成本：50美元/小时（人工）
* 用户每周收到的个性化推广邮件：约10封
* 用户识别真实性的成功率：约80%

新世界 (2025年-…)

* 创造可信、个性化内容的成本：几乎为0
* 用户每周收到的个性化推广邮件：约200封
* 用户识别真实性的成功率：约20%

信噪比已经崩溃，识别这些邮件真实性的精力成本远超过可能获得的收益。

结果，客户不再费力去判断真假，而直接默认这些全是��圾邮件。这也是为什么我和我朋友干脆无视所有推广邮件的原因——很多人也一样。

因为要辨别“这些邮件里有没有价值”，所耗费的精力早就远远超过了可能获得的好处。

回到信任本身…

你必须明白，你的潜在客户问的不是：

* 你的AI工具好不好用？（他们默认你的工具好用）
* 真的能提升效果吗？（他们默认有效果）
* 价格合适吗？（他们自己能对比）

他们真正关心的是：

* 一年后你公司还在吗？还是集成到一半你就跑路了？
* 你到底比另外5家公司好在哪里？
* 你是不是靠烧VC的钱活着？
* 等到风口过去，我的系统是不是会烂尾？
* 你们公司到底赚不赚钱？还是只是凭感觉（vibe-coded，凭感觉编程，意为没有实际盈利模型、靠炒作存活的公司）想赶紧卖掉？

而最糟糕的是：如果你不明确告诉客户，他们根本没法自己判断这些问题。

不是想泼冷水，但…

我写这篇文章不是为了打击你，而是为了让你知道现在的营销要怎么玩。

是的，你依然要回答“客户为什么需要你的产品”，但你更要回答“客户为什么必须跟���买”，并确保你的营销内容体现这一点。

机遇仍然很大。我们���有人都必须做到：

* 信任的建立，仍然是人类的工作。至少现在还是。AI能帮忙，但2025年建立真正的情感联结和信任，仍然只能靠人类。
* 个性化和精准营销依旧重要。AI应该帮你精细分类客户，但重点仍是识别什么时候该由人类出面，强化信任。
* 别把所有事情都自动化。尤其是复杂或高价值的销售场景，保持一定的人类参与至关重要。

AI时代真的不同了吗？

当然。

你代表一个品牌。品牌要持续赢得客户的信任——即使你使用了AI，也必须清晰体现出人类的领导力与温度。

来源：https://t.co/AHcBlxhAQE

[Jonathan.Wj .Dona @python31475079]

哈哈哈，112万行屎山代码->粗糙

[Hwang @hwwaanng]

一个好玩的 Prompt，大家有没有信心拿自己的项目试试🌚

[Jonathan.Wj .Dona @python31475079]

: Is Claude down！！！！！

[Jonathan.Wj .Dona @python31475079]

第四点已经感觉非常明显。新人试用期 AI 给新人的工作机会比如之前的新人 onboarding 时间更短。跳过基础训练的陷阱，特别依赖了工具，心算能力普遍下降，新人可能直接用AI生成代码，跳过了"为什么这样设计"的思考过程。实践机会被压缩，以前需要5个初级工程师的项目，现在可能2个+AI就够了。

[宝玉 @dotey]

我觉得你搞错了，AI 不但不会让架构师变多，反而可能会让架构师更加稀缺

就像现在有了互联网有了 AI 获取学习知识那么容易，专家的数量并没有变得更多。

架构师的成长是要有深厚的理论知识和“很多很多”实践经验才能练就的，我不觉得成为架构师会有捷径。

有了 AI，新人成长为架构师不是更容易，可能是更难了：

1. 新人在有了 AI 之后是否还愿意去学习、内化枯燥的理论知识？

2. 新人在有了 AI 加持，是否还能看懂 AI 生成的海量代码，能解决 AI 导致的各种问题？

3. ���围是否能有真正的架构师在出问题之后帮忙指点迷津？

4. 给新人的工作机会短期可能是更少了

[Kevin Ma @kevinma_dev_zh]

分享一下我最近挺高效的 AI 团队分工

Gemini:
���要负责需求文档和技术设计。我发现它逻辑清晰、废话少，非常对我的胃口。此外，它还能帮助我探索和理解代码库。

Gemini 还有一个特别好用的功能是集成在 GitHub 中给 PR 做 Code Review。它提出的一些修改建议可以直接应用，这点就比 Claude Code 强。Claude 会给出一堆密密麻麻的 Review 信息，导致阅读困难，而且我还得在本地读取远程评论，修改后再提交。Gemini 就没这么麻烦，方便很多。

Codex:
负责主要的编码工作，特别是开发新功能、新模块或进行重构时。它速度虽然慢，但非常稳重，产出的 Bug 很少，代码能直接运行的概率比较高。同时，它修 Bug 也是一把好手。

Claude Code:
负责处理小任务，特点是快且准。一般是在 Codex 完成第一版开发后，我让它来负责 UI 和功能交互的迭代优化，做一些修修补补的工作。

我曾无数次尝试让 Claude Code 去做 Codex 和 Gemini 的活，但每次结果都很让我失望。它要么容易过度设计，要么在写文档时废话连篇，远不如 Gemini 逻辑清晰。所以目前这个分工组合还是最适合我的。

总得来讲，我喜欢用 Gemini 做设计、写文档；喜欢用 Codex 写代码，让人踏实放心；也喜欢让 Claude Code 干点打杂的活。

[Jonathan.Wj .Dona @python31475079]

哈哈，必须得摸着宝玉河

[LinearUncle @LinearUncle]

学习AI���法论：摸着宝玉过河。

世界上有很多提示词写的巨好的人物，但他们都像高斯，只给你一个漂亮的公式，却把得到公式路径的脚手架给拆掉了，你根本无法知道他是怎么得到这么漂亮的结果。

宝哥不一样，感谢宝哥。

一大早起床都在研究宝哥的这个产生雷军提示词模版的方法论。gemini得出结论，人类智慧提取出来的雷军风格的深刻洞见，比deepresearch的好用一万倍，也就是人类的知识仍然对提升提示词最终效果影响巨大。

[Jonathan.Wj .Dona @python31475079]

非常赞同你的观点， 我作为产品经理感觉Vibe Coding给了一台万能车床。但是使用万能车床搞出来的东西与技术Team们开始协同工作时各种坑就出来了。而且技术team要为自己的职责负责的。

[AmAzing- @amazing129]

看到很多人讨论 AI 在编程领域的影响，感觉误区很严重。一，对于没有编码基础的人，他们可以使用代码来做东西了。我觉得这是很好的事情，那些实践的人也很牛逼。但这并不一定产生价值。所以也没必要认为 vibe coding 出来的东西就能怎么样；二，对于真正的软件工程师，我很认同的一个观点是，软件工程师的职责其实是 “Change software safely.” 所以要在生产环境下、团队协作下利用好 AI，这又是另一个课题。这两条路完全不同，不能混为一谈。

[Jonathan.Wj .Dona @python31475079]

非常赞宝玉的总结。刚出100美刀的pro 用到现在能够满足我这个产品经理制作写小玩意。现在用claude code 写东西 用gemini cli 做检查 这个配额也非常好

[宝玉 @dotey]

简单说下 Cursor 和 Claude Code 什么区别

它们最大的不同是运行环境，一个是命令行，一个是在 IDE 里面，虽然 Claude Code 也能以插件集成到各种 IDE，但还是以命令行方式运行，而 Cursor 是 VSCode 的套客，在 VSCode 基础上集成了自己的 AI 功能。

其次的不同是计费方式和 Token 消耗。Cursor 虽然也有 Agent 功能，但是计费方式是以 Tokens 的消耗来算的，一个长一点的任务可能就要不少钱了（这个我没具体数据）；而 Claude Code 是包月的，但也不是无限制，而是每 5 个小时有个最大 Tokens 消耗限额，超过了就需要等下个 5 小时才能继续用，但总的来说还是合算的，而且没有 Tokens 消耗的焦虑。

计费方式的不同导致了它们在实现上的差异，Claude Code 就是简单粗暴，默认不压缩上下文，把所有消息历史都放上下文中发给模型，这样对于模型来说由于上下文没损耗所以生成质量相当好，但 Cursor 的 Agent 可能会压缩上下文导致效果要差一些；另外 Claude Code 一个任务可以很长时间，而 Cursor Agent 可能几轮就停下来，怕不小心消耗了太多 Tokens。

其他还有一些差异，比如 Cursor 有很多模型可以选，而 Claude Code 默认只能用 Claude 4 模型，当然你也可以修改环境变量或者用一些代理软件切换模型。

那么应该怎么选呢？

如果不差钱当然是全都要，Cursor Pro + Claude Max，日常 Claude Code 为主，Cursor 主要用来 Review 代码、手动编辑代码等等。

如果选一个我建议选 Claude Code，因为它是目前最强的 AI Coding Agent，没有之一，再配合免费的 VSCode + Copilot。

当然如果你是轻度用户，Cursor 也还可以。另外如果你是 ChatGPT Plus 或者 Pro 订阅，也可以试试 Codex，能力比 Cursor Agent 强一些，但不如 Claude Code。还有 Gemini cli 也可以作为补充，每天有一点免费额度。

这只是个人观点，每个人的使用方式都不一样，也欢迎留言分享你的建议。

[Tom Yeh @ProfTomYeh]

What’s wrong with autograd? Many students would rather just call .backward() and move on. Me too when I was a student! 😅 But as a professor, I built backpropagation in Excel to help my students. I hope this helps you too! 🔽 Download: https://t.co/O8gcss1feq