KAII

🇨🇳🇪🇺
Dad, Learner, AI PM in Amazon, solo builder
$5K MRR
$100 MRR

[KAII @realWWK]

@VeryBullishGuy @steipete Still slower than grok

[KAII @realWWK]

always on agent sounds like a so obviously needed thing, why @steipete didn't make one in oai while he was the 'father' of this idea?

[KAII @realWWK]

@YuBWeqmF @steipete If you have no clue, ask around, don’t post stupid response

[KAII @realWWK]

One year ago, I do all those shit myself
Half year ago, I use coding agent when I’m in front of my laptop
Now, I just let them work and get updated

[KAII @realWWK]

I use grok bot to manage a online e-commerce business
1. Manage my SEO and blogs
2. Do customer service, check emails, solve issues and reach out to customers
3. Monitor order progress, nudge my production team, and update my customers
4. check abandoned carts and reach out

[KAII @realWWK]

I use grok bot to manage a online e-commerce business
1. Manage my SEO and blogs
2. Do customer service, check emails, solve issues and reach out to customers
3. Monitor order progress, nudge my production team, and update my customers
4. check abandoned carts and reach out

[KAII @realWWK]

How to use Grok Bot to SEO?

1. Ask grok bot to find the most rated SEO skill on GitHub and install itself
2. Give grok bot permission to manage your website content and give it access to Google Search Console
3. Ask it to write and optimize SEO every day and report daily how your ranking was improved, that’s it @bot you don’t need to know how to SEO

[KAII @realWWK]

How to use Grok Bot to SEO?

1. Ask grok bot to find the most rated SEO skill on GitHub and install itself
2. Give grok bot permission to manage your website content and give it access to Google Search Console
3. Ask it to write and optimize SEO every day and report daily how your ranking was improved, that’s it @bot you don’t need to know how to SEO

[KAII @realWWK]

3 things make grok bot unique
1. bots can talk to each other, assign task and share information - they are really like team mates
2. they proactively execute tasks
3. they are capable, model is great, tool use is great
I have moved my work from claude code completely to grokbot due to these 3 reasons

[KAII @realWWK]

@steipete My eyes are widely opened and my subscription is in place!

[KAII @realWWK]

before grokbot: have an idea, went to computer, start codex / claude code, execute, 50% idea lost before I put my ass on chair
with grokbot: have an idea, tell grokbot, it starts working
grokbot is my game changer
@bot @elonmusk

[KAII @realWWK]

3 things make grok bot unique
1. bots can talk to each other, assign task and share information - they are really like team mates
2. they proactively execute tasks
3. they are capable, model is great, tool use is great
I have moved my work from claude code completely to grokbot due to these 3 reasons

[Garry Tan @garrytan]

If you like Muse and Grok Bot but still run into crazy antibot annoyances try @AsideAI browser with MCP with your agent on a spare laptop or computer you keep plugged in somewhere.

It lets your agents your real credentials as yourself from a real Chromium. Gamechanger.

[KAII @realWWK]

If we are living in a computer simulated world, why tf those guys can have so much game money 😂

[Alexandr Wang @alexandr_wang]

Here’s to the wanting. Here’s to the dreaming. Here’s to everyone. https://t.co/FHcmqU3fYf

[Paradis @ParadisLabs]

Recommended reading for the weekend:

1. @alexandr_wang — Why I'm Building Muse
2. @gregisenberg — AI-native services: a $100B opportunity
3. @FranklnTempletn — Macro Views: Growth Holds, Pressure Builds
4. @Google — Behind Project Suncatcher, our moonshot to put AI in space
5. @EpochAIResearch — The plunging price of thought
6. @AnthropicAI — Measurements for
understanding the pace of AI development inside frontier labs

Hope everyone has a great weekend!

[KAII @realWWK]

@Kay2289123 每天学的太多了 来不及学了 你每天花多少时间学

[AB Kuai.Dong @_FORAB]

太离谱了，一早上看英文区不少人说，自己的 X Money 账户莫名收到了一笔收款，然后人们查了一圈原因，以为哪个富豪在 X 上撒钱。

结果是一个与 X 上名人捆绑的发币平台，在到处给 X 上的名人撒钱，如果有人在发 meme 币时，把交易手续费，指向给某个 X 博主。

这家平台就会负责，把这些交易 meme 产生的手续费换成美元，直接打进对方的 X Money 账户。而名人们，甚至不用注册这个平台、不用同意，钱就突然到账了，相当于微信收款。

目前有 553 个 X 账号，收到了约 108 万美元。

而 X 官方员工，也觉得这不是坏事。

[Jason Z @JasonZX]

Alexandr Wang《为什么要做Muse》写出了Muse的使命：Muse的核心不是回答问题，而是把人的模糊愿望转化为现实行动。

大多数人，从来没有真正说出过自己想要什么。

这并不是因为我们没有渴望。恰恰相反，我们一直在渴望，而且常常是如此强烈。

它可能出现在入睡前的那几分钟，也可能出现在下班回家路上的走神里。

我们想多陪陪家人，想克服社交焦虑，想吃得更健康，想开一家面包店，想做一个 App，或者只是想在忙乱的生活里，多找到几个能够安静下来的片刻。

但大多数时候，我们甚至没有机会把这些梦想真正说出口，而真正实现它们的机会，就更少了。

当我们连自己的梦想都无法说清楚时，我们通常也就无法抵达它们。

这个世界像一座迷宫，充满了表格、审批者、日程安排和各种障碍。大多数梦想甚至还没来得及被说出口，就已经死于无数细小的阻碍之中。

它们死在“不知道该从哪里开始”里，也死在那些最终没有打出去的电话里。

每一个未曾实现的愿望，都是人类潜能的一场无声悲剧。

现在想象一下：

地球上的每一个人，除了自己的大脑之外，都拥有了第二个大脑。

它就像一个只为你服务的总经理，唯一的工作，就是弄清楚你到底想要什么，然后确保它真正发生。

当你只说出半句话：

“我总觉得，自己好像还可以去做一些更有意义的事……”

它会帮你把后面的空白补完整。

它也许不是阿拉丁神灯里的精灵，但它可以对你说：

“这就是你一生都在梦想的事情。我们去把它实现吧。这是具体的方法。”

然后，它开始制定计划。

发出那封邮件。

打出那个电话。

找到资金。

盯住你的进度。

清除道路上的障碍。

解决一切它能够解决的问题。

直到最后，只剩下真正属于人的那部分：

渴望，以及梦想。

而最令人兴奋的是：

我们根本不知道，人们最终会想要什么。

直到今天，这个世界主要还是由极少数近乎疯狂的执着者塑造出来的——他们不知道为什么，就是找到了一条路，把自己的愿望变成了现实。

但我们从未见过这样一个世界：

每一个人的自主行动能力，都被彻底打开。

八十亿人。

他们只需要把自己的梦想写下来，就可以开始一步一步，让它成为现实。

所以，我们创造了 Muse。

帮助每一个人，去创造自己真正想要的世界。

敬渴望。

敬梦想。

敬每一个人。

[DAN KOE @thedankoe]

If you want to make the most progress you've ever made in your life, you need to be alone. You need an extended period of isolation, not influenced by friends or media, spent building your future. You need space to learn, think, experiment, and fail.

Give yourself 6 months. Focus solely on the development of your mind, body, spirit, and finances. This is how you get ahead of most people.

[Tykoo @0xTykoo]

红杉的一位合伙人 Pat Grady 昨天直接把他们和自己的一个 LP meeting（Boston College）的内容录制发了出来，信息密度非常高，强烈推荐大家去看一下：

- JEV 在过去的 7 天里从零增长到了 100 million 的收入。在此之前 The Information 刚刚爆出来，他们现在估值是在 10 billion。

- 现在 AI 公司的增速，比历史上的都要快很多。Instinct 发布以来，保持了 day over day 10% 的增长率。

- 200 到 700，指的是某一个 high-value knowledge work company 从去年年底 200M 增长到今年预测 700M 的收入。（后面那个 2 到 50 和 0 到 70%，他说还是跳过吧，可能还是有些敏感。）

- 在 AI 公司，现在有一个连融两轮的行业惯例或风气：把"陪你建公司的"和"只出钱的"拆开。他拿红杉内部的数据（过去 12 个月里的 7 个案例）来举例：

红杉作为陪建的那一方进场，平均的投后估值是 1.1 亿；而仅仅一个月后，只出钱的那一方给的下一轮平均估值就达到了 34 亿。他自己的说法是以前从没见过，这就是泡沫。

- 很多企业想 own 自己的 intelligence：基础模型厂商只给你 Pareto frontier 上有限的几个点（大中小几档），但企业自己的 workload 需要的往往不是这几个点，所以要自己训、自己部署、专门为自己的 workload 优化。这也是为什么他说专用架构的 lab 在跑赢通用的 lab。

- 应用层公司每 4 个月就要 reinvent 一次自己，因为底层模型一直在变，地板一直在抬。

- 组织从 hierarchy、command and control 往 network of agents 走：AI 负责信息流转，人相对自主地工作。他说没有 Jack Dorsey 几个月前那篇帖子说得那么夸张，但方向就是这个。

- labs 内部：模型去年大部分时间已经在自己造自己，最近才意识到 alignment 没被当回事；都在押 custom silicon、新架构和 continual learning，算力全员紧缺；为了抢 API token，一边降价，一边派 consultant 去给 Fortune 500 定制吃 token 的工具

- 模型能力和实际落地之间有很大的 diffusion gap，这就是应用层的机会。

- hyperscaler 今年开始借钱做 capex，不再靠 free cash flow。

而且我特别喜欢他这种说话方式，他每句话就是只说一遍，说过去就过去，所以信息密度很高。推荐大家可以直接去看原视频，

总共视频时长只有 15 分钟：https://t.co/HMumZu4bgD

[美研芒格君 @Kay2289123]

Muse 是否好用还有分歧，但Jev是真的好用是业内共识，这个真得学

这周团队的重心之一是在把 Jev 落地到真实场景，我因此阅读了大量的文章和论文，今天分享出来 Jev想解决什么麻烦，能用在什么实际业务场景，收藏，看懂，你也是 Jev 的专家

背景：为什么一个主要负责“只做选择”的 AI（人工智能），会引来这么多人研究？它到底能帮我们省掉什么工作？

先从一个谁都能理解的例子说起。

假设你开了一家网店，每天收到很多留言：“鞋子太小，想换一双”“快递怎么还没到”“这笔钱扣错了”。你得先分清它们分别该交给退换货、物流还是账单客服。

把东西分进不同类别，就叫“分类”。能帮你做这件事的 AI，就是分类模型。

以前一种常见做法，是先收集很多留言，由人标好正确类别，再让程序从这些例子里学习规律。这个学习过程叫“训练”。就像先给它看许多标着“猫”和“狗”的图片，教它分清两者。

LLM预训练已经做好了，它掌握所有的知识。你直接把你的输入给到它，那么总可以给出相对正确的答案

这叫“零样本”。

Jev 就是 TypeSafe 推出的、专门面向这类判断的零样本模型。

https://t.co/S2vJPGJU8N

我上篇用“拼多多”打比方，想表达的是个取舍：有些工作不需要最高档的能力，只要在我们能接受的错误率内，把大量小判断便宜地做完。

拿能连续帮你办事的 AI 助手来说，行业里常叫它 Agent。比如帮你处理客户问题，它不光要写回复，还要判断：先查订单还是查物流？旧记录有没有用？要不要找人工？信息够不够，可以停了吗？

这些决定积累起来，也会花时间、花钱。研究者正在尝试把合适的部分交给 Jev，把复杂分析和写回复留给更强的大模型

下面这几篇，有的直接测试官方 Jev，有的研究类似做法，也有团队自己做的模型

1/ 把大量留言整理成能用的信息

先拿我做内容举个可以尝试的场景。假设一篇文章收到一千条评论，我想知道：大家在要基础解释、指出错误，还是建议下一个选题？可以先定好这几类，让 AI 逐条分类，再由程序统计、放到一起。我就能集中处理需要核查的留言，也能看出大家最想读什么。

这就是“给文字贴标签”的用途。做网店的人可以按类似思路整理商品反馈，做研究的人可以整理问卷里的自由回答，省掉大量逐条阅读、手动归类的工作。
https://t.co/qry4bFth8R

2/ 统计交通事故根因
研究人员让 Jev 给约 19.6 万条事故叙述回答 27 个固定问题，再请人抽查、修正概率。主要使用者是交通研究和管理人员，价值是把原本难以统计的文字变成可分析的资料，帮助研究事故相关因素；它没有证明用了 Jev 就会减少交通事故。

https://t.co/DlXMPivbWM

3/ 让长期使用的 AI 助手少翻冤枉资料｜Jev-Mem
你和 AI 聊了很久，再问“我之前提过哪些旅行要求”，它需要从旧记录里找到相关内容。每次把全部聊天重新看一遍，或者反复找不相干的记录，都会浪费时间。

这篇让 Jev 帮忙整理记忆、挑相关资料、决定什么时候查够了，再由大模型组织回答

https://t.co/3rwNSR9CyF

4/ 办一件事，不必每个小步骤都请最强 AI｜REFLEX
例如客服助手处理“包裹没到”，中间可能要选择查订单、查物流还是转人工，最后才是写回复。许多中间步骤只需要从已有动作里选一个。

这篇让 Jev 先做选择，拿不准或需要写内容时，再交给强模型。在作者设定的 100 个任务里完成了 95 个，强模型调用少了约七成。

https://t.co/QxIgdRsUbJ

5/ 检查一批 AI 回答，先做便宜的初审｜JEV-as-a-Judge

做客服机器人的团队，改了一版程序后，得检查它是不是更爱答错、有没有漏掉用户要求。让人逐条检查很慢，每条都请最强 AI 检查也贵。

这篇让 Jev 先比较回答、核对给定证据，把不确定的再交给强模型。普通题表现接近强模型，但复杂推导和“写得很像对的错答案”仍容易让它失手

https://t.co/aZgazj0zzF

6/ 做实事防诈骗预警｜JevLite
设想 AI 帮你接电话，把对方说的话转成文字后，随着对话进行Jev持续判断有没有诈骗迹象，这样就有机会更早提醒你

https://t.co/AQWXsAqkfG

7/ 帮视频平台比较“这样压缩，画面还行不行”｜JEVQA

同一段视频可以压缩成不同大小，压得太狠，画面可能变糊。平台需要比较不同版本的画质，不能每一种都靠人反复观看评分。

这篇把画面尺寸、压缩方式和提取出的图像数据交给 Jev，估计画质。它探索的是更方便地评价视频质量，可能帮助平台选择合适的处理方式，最终服务于观看体验
https://t.co/bnAQWWlQVt

8/ 帮你操作网页｜Visual Jev
一个帮你操作网页的助手，看着同一张截图，可能要同时判断“哪个是取消按钮”“有没有报错”“操作成功了吗”。如果每问一次都重新处理图片，就重复做了很多工作。

这篇让多个独立问题共用已经处理好的图片信息。Jev给屏幕助手等应用提供了减少重复工作的思路，属于独立的视觉方案

https://t.co/q87jhQRajd

我的思考
这些论文放在一起，我看到的共同方向是：软件里有很多读材料、分类型、选下一步的小工作，可以研究怎样用更少的钱、更短的时间做好。

对普通人，价值会体现在具体产品里：留言更容易整理，助手更快找到旧记录，客服少让人来回转

目前有哪些问题可以用 AI 解决？有哪些问题是因为太贵了，所以才没法用 AI 做？这些问题答清楚，才知道该把哪些工作交给 Jev。

[Dexter Yang ᯅノ🌐🔗🧙🏻‍♂️👾🦋 @dexteryy]

骂得好脏
亚历山大王是个内行

Muse是个透明化云端沙盒工作环境（Manus和Grok bot的模式）和Agentic Web生态优先的、全场景的、更主动的美版豆包，比止步于chatbot（云电脑和专家模式的层级太深不够优先）的手机豆包（豆包手机则走偏了）和本地桌面工作环境/办公场景优先的workbuddy能更进一步让 Agentic AI 渗透到下沉市场

Meta不愧是美版字节+腾讯，是能让市场相信AI的完整体，既有字节的下沉市场和商业模式/赚钱能力（同样做免费C端AI应用和做AI capex，市场不会怀疑Meta的货币化能力，而OpenAI、Google和腾讯做再好也会被怀疑AI capex不可持续），又有腾讯的社交场景卡位生活场景卡位（但同样不具备对长期稳定的真正的平台/入口的卡位，所以Meta、字节和OpenAI都在努力做OS和个人计算设备）

感谢小扎，我的美股从7年半23恢复到26倍了（即将超越三个月前最高的27倍）