Home
Language
English
Türkçe
Bahasa Indonesia
About
Privacy Policy
Terms of Service
Pricing
Sign In
Download All
Share
Shelly
@shellywangcat
AI 探索 ,币圈摸鱼 很爱买锅跟做饭,INFJ 网络话痨 0 市场预算实现 1500 万用户 跑过百亿交易额 分享 AI 落地的实践案例
Joined December 2024
101
Following
1.1K
Followers
121
Posts
Pinned Tweet
Shelly
@shellywangcat
7 months ago
我也来分享一下
@0xshellywang
这个号在 X 上的故事。 故事有点长,但每一个字,都是这 4 年来的真实经历,是我从 Web3 到 AI,从技术迷茫到落地觉醒的完整记录。 名字以 0x 开头,大家大概能猜到,它的起源在一个如今看来有些遥远的行业,Web3。 缘起:去中心化的信仰 故事始于 17 年,那时我们团队坚定地认为,区块链是未来的技术方向。抱着对去中心化技术的信仰,我们早早地接触了行业。 到了 21 年 DeFi Summer,为了做一个在这个行业能坚持 10 年以上的事业,结合团队做大数据的背景,我们选择了做链上数据,创立了 Footprint Analytics,并拿到了经纬的领投。 这个账号就注册于那个火热的年份。刚开始,团队里的 i 人们(包括我)更多是听众,我们在 ClubHouse 和 Twitter Space 饶有兴趣地听各路大神分享,却很少习惯在公众面前表达自己。那时的我们,是行业的观察者跟服务者。 转折:在 AI 的泥坑里挣扎 随着链上项目的落寞,下游服务商的日子越发艰难。23 年,我们开始探索 AI。大模型的发布让人无比激动,觉得终于可以在新大陆做些什么了。 但是随后的两年,我想每个做 Agent 的人都有同感——我们都在泥坑里不停地挣扎。 直到 Anthropic 发布了 MCP,让 Agent 真正搭载上手脚,可以去干实事了。我们团队兴奋不已,第一时间跟上。这两年,我们经历了从 Agent 平台搭建、Multi-agent 协同,到动态 Workflow 的无数技术挑战。我开始断断续续地在这个账号上分享 MCP 落地的迷茫、思考,希望能跟大家交流。 6 月份,Howie 翻译的 Sam Altman 关于“温和的奇点”的文章深深撼动了我。那句“Wonder becomes routine, then table stakes”(奇迹变成日常,然后变成基本配置)让我意识到,真正持久的成长,都带着某种温和的品质。 随后在 6 月份,因为一次关于孩子在 AI 时代教育问题的思考,有幸可以跟宝玉老师在教育、学习上进行交流。那次互动让我更加确信,在这个技术剧变的时代,无论是教育下一代还是做产品,都需要更深层的思考和真诚的碰撞。我也在大家费曼学习法的号召下,更主动地去做输出,用输出校验自己的学习结果。 痛苦的领悟:放下技术的傲慢 然而,到今年 10 月之前,项目一直没有太大起色。 我们曾陷入深深的技术自嗨。即使做出了用自然语言就能创建 Workflow、具备 Dynamic 工具匹配的系统(不需要用户找工具、填 API Key,全自动规划),我们依然碰壁了。 现实给了我们一记耳光:对用户来说,描述清楚问题本身就是极高的门槛。 用户要的是在他工作场景下的“点点点”,是一键解决他的问题。用户不希望学习工具,厌恶任何“抽卡”带来的不确定性,那反而降低了他们的效率。 我们太技术主义了。必须放下傲慢,去那些看似“low”、看似“嘈杂”的用户端,去“脏活”的地方找答案。 觉醒:去泥泞中找真相 我深刻地认识到:千万不要认为用户不懂,他只是不想。 于是,我们深扎进行业一线。跟行业里真正的操盘手去聊,聊他们的痛点,聊他们的瓶颈,聊他们现在接触 AI 的程度,观察他们最真实的操作习惯。 从这开始,我悟出了一个对我影响至深的道理: 不要试图向懂行的人证明你有多聪明,要去向不懂行的人证明你有多好用。 观念一变,天地宽。我们开始有了一个个等待着我们交付的客户。我也开始在 X 上分享这些真实的交付感悟和故事。通过这些带着泥土气的分享,我跟更多同频的人产生了极其珍贵的链接。 讽刺的结局与新的开始 上周五,这个真实的账号,因为一个莫须有的“违反真实性”原则,被永久封禁了。没有证据,直接宣判。 这是一个极具讽刺意味的结局:一个源于对去中心化起源信仰而建立的账号,最终在一个中心化的平台上,被判定为“不真实”而遭到抹杀。 其实最大的损失不是粉丝数,而是那些收藏了无数干货的帖子,那些关注了很多并非数字好看、而是在落地实践上真正同频的 KOL 账号,都找不回来了。 这不只是搬家,而是一种突然间的流离失所。 好在,多年的人生经历打磨,让我没有沉寂很久。上午 10 点封禁,12 点我就开了这个新的账号。 我还是感恩有 X,它依然是产生链接、产生思想碰撞最好的地方。 账号变了,但 Shelly 那个“寻找技术在商业泥泞中落地的颗粒度”的内核没有变。 擦干重来。2026,希望在这里,继续和大家扬帆起航。
See More
Shelly
@shellywangcat
7 months ago
大家好,我是 Shelly(原
@0xshellywang
)。 以前的号突然没了,像是突然被迫搬了一次家,丢失了很多珍贵的家具和老照片。这让我重新思考,我为什么在这里? 不是为了流量数据,而是为了那种真实的“连接感”。是为了把做 AI 产品以及落地应用遇到的那些具体而微的痛苦和喜悦,和同路人以及好友分享。 平台或许有算法的误判,但人与人的真诚交流没有。 换个地方,继续和大家聊聊 AI 时代的教育、技术与那种粗糙但热气腾腾的真实生活。
Shelly
@shellywangcat
6 months ago
@dotey
哈哈哈,我猜,面试官是想看如何把 infra 层的技术决策,映射回业务层的状态设计。不同业务状态下,同样是“文件操作”,语义不同。能把这些场景、业务状态说出来,解释对应的语义以及对应的技术诉求、约束,应该是好的回答。
Shelly
@shellywangcat
6 months ago
哈哈,贼形象。典型的我快速地帮你一下。这一帮,就停滞不前了。
The Best
@TheBestqueenx
6 months ago
When you bring in outside consultants to help. 😂😂
TheBestqueenx's tweet video.
Shelly
@shellywangcat
6 months ago
@StellaOnChAIn 那包的
Shelly
@shellywangcat
6 months ago
@StellaOnChAIn Happy new year
Shelly
@shellywangcat
6 months ago
年末小记 日子过得真快,还没怎么觉着,2025 年就到了底了。 今天看见群里,有人问栋哥:你怎么不做个产品(软件应用)? 想来也经常也有人问我:你手头有现成的产品,咋不张罗着做做自媒体? 这话听着有意思,像对着镜子照。 做产品的,卖的是个结果。帮人省点时间,赚点钱,把麻烦事儿平了。那是过日子的柴米油盐,讲究个实用。 做内容的,卖的是个滋味。让人心里头一热,或者一乐,得个共鸣。那是茶余饭后的瓜子儿,讲究个香。 往深了看,路子也不一样。 做产品像是盖楼。得搭班子、画图纸、砌砖头。是个系统活儿。楼盖好了,人往里一住,你就退到幕后去了。成不成的,那是资本的事儿,得烧钱,赌的是个明天。 做内容像是一个人唱戏。你的嗓音、你的身段,别人替不了。你在哪儿,戏就在哪儿。这不用大把烧钱,但得熬功夫,拿时间换人场。 一个是资本游戏,一个是注意力游戏。 风险不一样,苦处也不一样。 并没有谁还没升级到谁的说法,就是选择了不同的活法。 栋哥是吃开口饭的,也是个手艺人。你让他去盯着代码、管着一帮人修bug,那是难为他,也是糟践东西。我是个做应用的,让我天天追着热点跑、对着镜头咋呼,我也干不来,觉得别扭。 不过,天下事也难分得那么清。也不乏像栋哥一样,内容做得有滋味,里头还能带着大家把事儿办了。两头都占,这不容易。 所以,这 2026 年眼瞅着来了,我也在推特上写两笔。 算不上做自媒体,没那个野心。就是把自己用 AI 摆弄的那点心得,做产品的那些个想法,拿出来晒晒。就像邻里之间,有好东西,端出来尝尝。 主要是为了交几个聊得来的朋友。 这是那三分的事。剩下七分,还得老老实实放在产品上。 东西得立得住,话得有分量。 做出来的物件,总得让人瞧见。再好的东西,锁在柜子里孤芳自赏,也没多大意思。说出来的话,总得有点嚼头。光好听不解渴,听多了也腻。 把这个度找准了,心里就踏实。 这样挺好。 祝大家,新年快乐。
See More
Shelly
@shellywangcat
6 months ago
@dotey
直接用 grok 好像更方便。让它不要给样本,把所有评论跟转发评论的内容都提供出来,用表格的方式展示(不要仅提供样本)。就都出来了 https://t.co/ccZ7LGgEEd
Shelly
@shellywangcat
6 months ago
把数据流跟控制流作分离,不经过 LLM 去处理数据。Planning 阶段,LLM 只生成控制流。 运行时,数据流自动执行。 控制流是轻量的。 可以缓存、验证、调试。 数据流是重量的。 但不经过LLM,在内存里跑。 这个是我们今年更新工作流,最大的实践收获。
Shelly
@shellywangcat
6 months ago
@yangyi
还差一步,更易用的工具,把商品图文变成美女种草视频,这个视频素材可以拿去做投流,做到店流量。
Shelly
@shellywangcat
6 months ago
@servasyy_ai
你最近在旅游……
Shelly
@shellywangcat
6 months ago
其实,带徒弟和养孩子是一样的理,最怕的就是那点于心不忍。 你瞧他头一回跌跤,忙不迭地去扶;第二回见他手生,又巴巴地替他做了。久而久之,这人就成了没骨头的灯草,凡事只等有人救场。这哪是疼爱?这是生生掐断了人家的灵性。 管理这活计,功夫不在撒手的那一刻,而在撒手前的那个 Benchmark(基准)。 很多人抱怨下属不给力,其实是当师傅的没把那把“尺子”定准。你得先让他明白,什么是地道的滋味,什么是欠了火候。没这套 Benchmark,你的褒贬就是瞎子摸象,今天一个主意,明天一个心情,下属只能学会揣摩你的脸色,学不会真正的本事。 有了这把尺子,你还得舍得让他去跑 Eval(评估)。 所谓的“允许失败”,其实就是让他自己在那些不致命的磕碰里,去跑跑数据,校准校准心里的那杆秤。他在那儿折腾,你在旁边眯眼瞧着,只要不把锅砸了,随他去。这些“失败”不是灾难,是他在自个儿心里做 Alignment(对齐)。 等哪天,他做完一件事,不用你张嘴,他自己对照心里的那个基准,就知道哪儿火候亏了,哪儿该再收收汁。 到了这一步,你才能真撒手。撒手不是因为心狠,是因为他心里的那个模型已经收敛了,他成了一棵能遮阴的树,再不是那个离了你就断气的盆景。 想来问一句: 大家都知道,这个口吻是模仿哪位大师写的吗?
See More
凡人小北
@frxiaobei
6 months ago
管理为什么累? 因为leader既在当司机、又在当导航、还要下车修路。 久而久之,团队变成了乘客,leader 变成了全职代驾。 累,是因为所有变量都在leader身上闭环。 leader 不给团队试错空间 → 团队不敢动也不敢犯错 → leader 觉得“还是我来吧更省事” → 于是继续亲力亲为 → 团队没成长,leader 更累 → 死循环就这么闭上了。 这套结构把增长的成本都压在自己身上, 把试错这件事当成奢侈品。 如何破局? 放手!但不是完全放手,要同步设计试错的护栏: 1. 给边界:能亏多大?能延误多久?风险点是什么? 2. 给回路:出错以后怎么复盘?怎么归因?怎么反馈到系统? 3. 给权限:决策带宽从 leader 迁移到被规则托底的团队 4. 给闭环:试错不要放飞,要变成有交付节奏的实验 leader 要学会放手,从代驾跃迁成裁判。
See More
Shelly
@shellywangcat
6 months ago
摸爬滚打后,要锻炼出这种金刚不败的铁骨长刺。任由再多的狮群扑入,也毫无畏惧。
Beryl❤️🌹
@IbTENWlZ3H3aHYM
6 months ago
穿这一身装备,你敢在狮群中行走吗?
IbTENWlZ3H3aHYM's tweet video.
Shelly
@shellywangcat
6 months ago
@gkxspace
你去学校给孩子们分享,该有多好。
Shelly
@shellywangcat
6 months ago
@dotey
@AztecaAlpaca
@PandaTalk8
最近忙起来,真是一点发推的时间都没有
Shelly
@shellywangcat
6 months ago
@servasyy_ai
玩 AI 玩得跟少年一样开心
Shelly
@shellywangcat
6 months ago
@benjaminxu2023
场景化,把这个场景的要求,先内置提示词,把一些他在这个场景需要输入的要求,变成前端选项让他选。用户选场景,以及点选要求就好。不要给个大大的对话框给他。
Shelly
@shellywangcat
6 months ago
今天刷到一个视频,提到人一旦学会骑自行车,就很难忘记怎么骑;被蜜蜂蛰过,就会本能地躲避。这种“内隐记忆”引出了一个非常深刻的认知陷阱:人很容易把自己掌握的背景知识,默认当成了常识。 这种错觉,让我们在沟通时极易陷入“行业黑话”的泥潭。 这恰恰是当下 AI 产品人最大的通病。 我们自己是技术拥趸,看到“工作流”三个字,脑子里已经有 100 个例子在跑;但用户看到这三个字,脑子里却是一片空白。 我们习惯了讲 MCP、讲 Browser Automation,因为我们自己属于那一类“买车必须要看参数配置、懂原理才能信任”的用户。 但我们忽略了,绝大多数真实的 AI 用户,其实是“打车的人”——他们根本不关心发动机是怎么转的,也不想知道路线是怎么规划的,他们只关心能不能把自己安全、快速地送到目的地。 这就导致了产品目标上的根本性错位: 我们在努力展示 AI 的能力,试图教用户怎么用 AI; 而用户想要的仅仅是怎么完成任务。 这两件事表面看起来是一致的,实则南辕北辙。 前者的终点是学会 AI; 后者的终点是任务完成了,我甚至不知道用了 AI。 所以,我们不能让用户去学习如何写出“请保持人物一致性”或者“请进行本土化翻译”这样复杂的 Prompt。这些由于技术局限带来的复杂度,应该由产品在底层封装掉。 用户不应该做填空题,写描述。而应该做选择题,选业务场景,任务要求。 我们不该期待用户成为提示词专家。最好的 AI 产品,应该像电一样隐藏在开关后面。它无处不在,却又彻底隐形。用户只看到了结果,而忘记了工具本身。 用户用工具,是想完成任务,解决问题。他,不是来学习跟被教育的。
See More
Shelly
@shellywangcat
6 months ago
@frxiaobei
我的直观感受就是,活变得多了好多。因为个人边界被拓宽了。而边界越宽,责任越大。
Shelly
@shellywangcat
6 months ago
怎么在震荡中活下来,是每个人最实际的命题。 我们常说“历史在押韵”。回看当年,Java 赢了,但诺基亚输了。那些在 Symbian 上写汇编的顶尖工程师,有多少成功转型了? 我猜,很多人卡在了中间。 因为转型从来不是一瞬间的事,它至少要跨越五步: 承认旧技能(如写汇编)没那么重要了; 学会用新工具(高级语言); 学会用框架; 找到新的价值定位; 重建职业身份认同。 第 1 步就能卡住很多人,第 5 步更是难上加难。 而现在的 AI 变化比当年更快,留给我们卡住的时间更短。 昨晚分享的看美剧 pluribus ,里面 13 个免疫者,所处的状态特别像 AI 给我们营造的温柔监狱。 温柔,是因为 AI 确实能帮你,那种不动脑就能完成任务的即时满足感,是会上瘾的。 监狱,是因为它把你圈禁在舒适区里。它没限制你的技术,但锁住了你的认知。 怎么逃出去? 我们无法拒绝 AI,也不能在监狱里做个从不亲手干活的监工。 唯一的越狱方式,是主动去撞 AI 的边界。 AI 搞不定的地方,就是它的边界;而它的边界,就是我们的新领地。 在这个时代,生存策略的顺序要反过来: 不能等想清楚了再行动,要在行动中想清楚。 不必由手生而恐慌: 具体的代码、翻译、绘图技能退化或许不可避免。 但要警惕脑懒: 失去了对逻辑的判断,失去了对好坏的品味,才是真正的绝路。 我们要做的,是利用它把产能放大 100 倍,去更主动地出击,去抢占那些 AI 还触达不到的更大市场。
See More
凡人小北
@frxiaobei
6 months ago
AI Agent 的这些讽刺,我其实见过一轮了。 宝玉老师
@dotey
这篇《AI 与自动化的讽刺》很有共鸣。 这些问题,我在职业生涯里已经完整经历过一轮类似的版本。 不谈宏观的科技革命,我想补一点现身说法的视角,这是一个暴露年纪的帖子。 1. 我刚毕业那两年,在诺基亚 那会儿诺基亚正准备要离卖掉手机业务。 现在很多人可能没概念: 当年的手机,几十 MB 内存,跑的是 Symbian(是的,就是那个现在几乎没人提的系统)。 在 Symbian 上开发应用,用的是 C++, 而且不是今天这种“写写业务逻辑就完事”的 C++。 IDE 可以直接把代码展开成汇编。 你是真的要看汇编的。 写的每一行代码,最终能不能在几 MB 内存里跑起来, 取决于工程师有没有在寄存器级别做优化。 那时候的好工程师,是要在底层把内存、CPU、寄存器榨干的。 2. 那段时间 Java 也在,但 JVM 一开始也很烂 后来发生了什么,大家都知道,Sun 公司把 Java 卖给了 Oracle。 JVM 的 GC 在早期其实一塌糊涂, 性能不稳定、不可控、占资源。 当年骂 Java 的理由,和今天骂 AI Agent 的理由, 惊人地相似: - 抽象太多 - 看不清底层 - 出问题你根本不知道错在哪 - 真正懂底层的人越来越少 但结果呢? 震荡了几年之后, 高级语言赢了。 3. 我也从写代码的人,变成了不亲手写的人 后来我从技术岗转到了管理岗。 说句实话: 现在还有多少人会关心 JVM 的 GC 细节? 还有多少人会去看汇编? 不多了。 但这不妨碍整个行业跑得更快。 不要杠,程序员是世界上更容易信息茧房的一群人。 4. 世界并没有失去底层,只是底层的人变少了 这点我觉得特别重要。 这个世界上,永远会有一小撮人还在用 C++, 他们写操作系统、写引擎、写数据库、写基础设施。 他们把底层做好了, 上层自然会有更多人去丰富生态。 这是科技发展必然的分工。 5. 再举个近一点的例子:今天的框架世界 现在各种框架横行,对吧? React、Vue、Spring、各种中间件、各种 SDK。 真正能写框架的人,占比高吗? 凤毛麟角。 能看懂框架的人,占比高吗? 并不高。 但这不妨碍大量工程被高效完成。 6. 所以,回到《自动化的讽刺》 宝玉老师指出的那些问题,我非常认同: - 技能会退化 - 监督很难 - 人类注意力有硬件极限 - 监工不是专家的自然升级 这些都是真的。 我想补一句: 这不是第一次出现这种结构性矛盾。 每一次技术抽象跃迁,都会发生同样的事情: - 一部分技能消失 - 一部分技能下沉 - 一部分人转型 - 一小撮人继续守着底层 AI Agent 这波不是例外,只是规模更大、速度更快、冲击更直接,仅此而已。 真正危险的其实也不是技能退化,而是站在浪潮之巅我们的认知 : 我们误以为不需要新的分工,不需要新的训练,也不需要新的角色设计。 当年高级语言赢了,并非因为它没问题,相反问题很多, 但是我们最终接受了: - 底层要有人守 - 上层可以让更多人参与 - 教育、组织和工具都要一起变 AI Agent 也是同样的命题。
See More
Last Seen Users on Sotwe
U g h t e a Ngeunah
Seen from
Malaysia
Karim Karimo
Seen from
Oman
محمد العنزي ٢٥
Seen from
Netherlands
🇸🇩 sudan
Sara
Seen from
Turkey
Babita Mam
Seen from
Turkey
bot dâm hậu Giang thích được bú cu và bị top đụ 🥵
Seen from
Vietnam
VietNam Some Club
Seen from
Vietnam
narubert chaudon
Seen from
Thailand
hijab premium
Seen from
Indonesia
Trends for you
1
Titi
Under 10K tweets
2
Egypt
Under 10K tweets
3
Belgium
Under 10K tweets
4
Corbin
Under 10K tweets
5
Cape Verde
Under 10K tweets
6
Uruguay
Under 10K tweets
7
Cabo Verde
Under 10K tweets
8
Gabby Williams
Under 10K tweets
9
MicroStrategy $MSTR
Under 10K tweets
10
#SmackDown
Under 10K tweets
Most Popular Users
1
Elon Musk
@elonmusk
240.5M followers
2
Barack Obama
@barackobama
119.3M followers
3
Donald J. Trump
@realdonaldtrump
111.7M followers
4
Cristiano Ronaldo
@cristiano
110.4M followers
5
Narendra Modi
@narendramodi
107M followers
6
Rihanna
@rihanna
97.6M followers
7
NASA
@nasa
92.1M followers
8
Justin Bieber
@justinbieber
90.9M followers
9
KATY PERRY
@katyperry
87.5M followers
10
Taylor Swift
@taylorswift13
81.4M followers
11
Lady Gaga
@ladygaga
72.9M followers
12
Kim Kardashian
@kimkardashian
69.7M followers
13
Virat Kohli
@imvkohli
69.7M followers
14
YouTube
@youtube
68.7M followers
15
Bill Gates
@billgates
63.8M followers
16
The Ellen Show
@theellenshow
62.5M followers
17
Neymar Jr
@neymarjr
62.4M followers
18
CNN
@cnn
61.9M followers
19
X
@x
60.8M followers
20
Selena Gomez
@selenagomez
60.6M followers
Olivia
Online
✨
⭐
💫