用 cursor 做了个工具，把播客/音频内容，删除口水话和语气助词后，直接转成排版好的对话网页，并且适配手机端。

不知道有没有机会开发成一个小产品呢？🧐

这条线上下一个想做的小作业：把幽默喜剧类播客内容转成这种格式，并且会有AI高亮的笑点，点击后AI会给你解释为什么好笑🤣

对话机器人专家王田苗：10% 的人设计机器，40% 的人服务机器，50% 的人享受爱好

#AI 远见人物——新一篇
王田苗是中国知名机器人专家，孵化过九号机器人、天智航等公司。

【这次我们不仅聊了他对具身智能的观察
-通用技术突破已发生，但产业落地不会那么快，具身智能要去具体场景去进化。
-今年下半年到明年，人形机器人一定会有泡沫，但产业发展也需要泡沫。

【也聊了科学家创业
-20 年前，王田苗是中国第一批做创业孵化的科学家，他与朋友一起于 2002 年成立的博创兴盛就是孵化器，在意识到自己的短板后，他选择放手让学生干。
-科学家的常见短板：缺乏商业思维，更多从技术创新而需求出发，从事而不是人（人的激励、动力）出发
-他认为科学家创业是否有望成功有两个分水岭：1.是否 All in（或者放手，让学生 all in） 2.是否能获得商业思维

（and——我很喜欢文中的一张插图：
在南极，当一只阿德利企鹅遇到“基地漫游者者”机器人🐧🐧🐧

周末听了Reid Hoffman前段时间在斯坦福讲的一节AI商业课，收获了一个对我认知冲击很大的观点：基于LLM的产品，或许可以成为认知层面的GPS。

怎么理解这个观点呢？让我们先从手机地图说起。在没有电子地图的时代，大家出门都是靠纸质地图，但是纸质地图有两个比较突出的问题，一是比例尺固定，无法放大和缩小，二是无法快速定位到自己当前的位置。这就带来了问题，如果我要出个远门，要么我得做很多很多功课，要么我得找个懂路线的高手带着我，不管是哪种方式，认知或金钱成本都很高。

但是有了手机地图以后，这个问题就慢慢被解决了。比如我要从北京开车去新疆，放在之前光是路线这块就是个很头疼的事情，而现在我只需要打开手机地图设置起点终点，一眼就可以看到接近3000km的路线，路上要经过哪一个高速，哪里有加油站，哪里堵车，都看得清清楚楚，这个时候我心里已经有数了。当我启程的时候，它会在每一个路口引导我往哪个方向走，提醒我接下来的服务区，帮我绕过堵车的路段…. 在长途自驾时，正是因为有了手机地图，我的大量精力可以从繁琐的路线规划上抽离出来，专注于欣赏路上的风景。

那么，让我们从更抽象的角度来思考手机地图，它做了什么事情？

首先，当用户需要做一件本来很复杂的事情（规划驾驶路线）时，它提供了一套宏观的总体解决方案，让用户感知到它的靠谱，愿意使用它。
其次，当用户实际使用它（开启导航）时，每一步都在合适的时间给用户提供了详细的指引，让用户不再需要为繁琐的细节而担心，只需要相信它，它便会带领用户一步步到达终点。

从这种角度讲，手机地图实际上是一个非常伟大的发明，它提供了一种强大的安全感。正是因为有了它，没出过远门的人也可以放心地开始踏上旅途；在陌生的城市里，因为有它，旅行者可以放心地探索城市的每个角落，不用担心找不到回去的路。在它的赋能下，每个人能去的地方更远了。

对于LLM产品来说，其实也是类似的。在OpenAI o1模型的介绍中，我们可以看到它在一些任务中的表现已经可以和PhD媲美，在丰富的世界认知和强大推理能力的加持下，在「地图导航」以外的领域，LLM也可以为用户提供强大的安全感。

之前，面临高山，用户可能望而却步，但是有了LLM之后，TA只需要说出来TA的目标是什么，剩下的，就交给LLM。它不仅会告诉你它完全可以帮你处理这件事，还会在每一步给你详细的指引，而对于用户来说，只需要顺着指引向前走，享受这个过程，最后，与目标不期而遇。这就是认知层面的GPS。

话说，人生不也是一段长途旅行吗？有个GPS当向导，或许会走得更远。

我一直有一个小需求，是用我的 AI 音色把文字内容做成播客。
可就是这么一个小小的需求，各种方法用了一圈，都特别麻烦。
要么就得自己训练模型...
要么就是2B服务，后台难用的一批...
要么就是只能微信使用，还收费99一个声音...
试完发现就只有 Fish Audio 可以满足我的需求。

- 简单，录音十秒就能克隆自己的声音，还支持上传录音文件克隆朋友的声音
- 易用，打开网页就可以直接合成声音，不用下载APP，不用打开小程序，非常方便
- 免费，其他平台克隆一个声音收100，非常离谱，Fish Audio 克隆声音不要钱，生成500字以内也不要钱，一般内容几百字对个人来说完全够用（更多字数订阅10美金/月也不贵说实话）

Fish 不仅能克隆自己的声音，还提供了一个声音共享社区，里面有各种用户上传的上万种有趣声音可以体验，坤坤，赛马娘，孙笑川，高启强...打开你的想象空间...

另外附上这条推的音频版，全部使用 Fish Audio 克隆和生成，使用剪映美化声音、增加背景音防止被其他人克隆，可以试听一下。

Fish Audio 的网址，记得收藏，以后你一定会用到
https://fish.audio/

用 cursor 开发了 10 个小项目后的，处理的报错和“疑难杂症”的 10 个心得，👉适合 0 代码基础新手：

1、心态调整：是 AI 就有幻觉，会出错很正常，要相信用适当技巧，能解决问题；

2、有报错，先截图或者复制报错信息给 cursor，让它分析原因，给出修改任务；

3、反复出现报错，可以用左侧栏下方的时间线，把 AI 修改过的文件先调回上一个正常版本，尽量不在反复出错的版本上修改，这里麻烦的点是只能一个一个文件调回老版；

4、⚠️关键的正常版本开发好后，在电脑复制一个文件夹副本，可以在 cursor 把项目改乱，以及修改了太多文件之后，直接用副本文件夹；

5、如果你自己已经认识到，当前项目容易报错，一定要严格执行上面的“3”和“4”之后，再结合报错信息提给 cursor 修改；

6、如果用 composer ，注意多用 save all 先看看效果，而不是用 apply all；

7、❗️新手我建议多用右侧栏的 AI 对话（command+L） 而不是 composer（command+k），因为右侧栏支持发送截图，针对单条代码和分析进行提问，以及更细的分析，有利于我们分析问题，时间长了新手也可能看出不合理和胡说八道的地方😉

8、可以尝试换模型解疑难杂症，点击对话栏最下方尝试换 GPTo1🍓，GPT4O👨‍⚕️，cursor-small🧑‍⚕️ 这三位“其他科室”的专家来解决；

9、如果还是解决不了，推荐一下最近发现的“编程老中医㊙️”——claude dev，它最近花 5 分钟帮我解决了一个耗了3 小时，还线上咨询了几名工程师都没有解决的问题，且这位中医可以在 cursor 和 vscode 的插件商店直接安装😅；（后面出教程）

10、UI 类 bug 或者说界面丑的问题，不要上来改细节，先可以尝试让cursor 用某种设计风格，比如苹果的设计风格，google 的设计风格优化界面；

其次也可以把好看的网页截图发它参考，如下图👇👇👇就是我截图 cursor 官网，让它模仿做一个网页，虽然没有完全复制，但审美在线；

UI 细节问题比如字体大小，对齐问题，也最好截图给它看，让它修改。

用 Cursor 10 分钟写一个 AI 本地应用_哔哩哔哩_bilibili

附上前一条动态的操作视频🤭-“cursor 真的……今天处理采访音频懒得去一刀一刀剪了，直接告诉cursor写个程序把一个音频按照说话者分成多个不同的音频。一下就写好了，跑起来有点慢，我再说基于 Mac M 芯片优化下，立马又用上了 mps，一分钟就搞定了整个任务😭”

给 ComfyCommunity 开发了一个主页。

▶ 主页地址：https://comfycommunity.com

开发内容包含了：导航栏、底部问卷跳转、跳舞的猫、游动的鱼、随机放的烟花。

并且适配了手机端！！！

▶ 设计 feat with @Simon阿文
▶ 开发 feat with @nhciao & Cursor

Invalid media: video

跟朋友聊起这代创业的AI公司
一个共同的特点是，高管里面基本没有懂产品的

离谱，被 Perplexity CEO 关注了

🤖 通用的愿景 VS 专用的现在
我快速看了下参展名录，新一波人形/通用机器人里，好像只看到宇树和钛虎。

再之前的协作机器人（也以通用机器人为目标）：非夕、思灵（带着去年收的德国公司 Franka 一起）、艾利特等会在，它们以前也去。

Anthropic 发布了一种可以大幅增加 RAG 检索准确性的方案。

Contextual Retrieval embeddings + contextual BM25，检索失败几率降低 49%。

主要方法是：

使用 Claude 为每个文本片段生成上下文。具体做法是将文本片段和整个文档一起输入给 Claude。

在进行嵌入 处理之前，先将生成的上下文添加到每个文本片段的前面。

在检索步骤中，结合使用上下文嵌入和上下文 BM25 技术。

需要配合提示缓存来使用，不然会消耗大量 Token。

详细信息：https://www.anthropic.com/news/contextual-retrieval

最近陆续有 AI 公司，来找我推荐增长负责人了。

我就知道这行业的短期泡沫快要见顶了。

春江水暖我丫先知。