关于AIGC人工智能、思维方式、知识拓展,能力提升等。投稿/合作: @inside1024_bot
AIGC 领域的最新工具、开源项目以及行业大事件
AIGC 领域的最新工具、开源项目以及行业大事件
调研一下:
AI从业者们几乎都避开「现实web基本盘的网络效应」这个看起来最major的方向,是基于什么评估?
1,字节们的壁垒难以撼动
2,单机工具也有希望
3,想从非网络效应的方向,曲线切入实现网络效应
4,想做,但没头绪
5,就是只爱小而美工具
AI从业者们几乎都避开「现实web基本盘的网络效应」这个看起来最major的方向,是基于什么评估?
1,字节们的壁垒难以撼动
2,单机工具也有希望
3,想从非网络效应的方向,曲线切入实现网络效应
4,想做,但没头绪
5,就是只爱小而美工具
推荐的工具
搜索引擎:perplexity, 秘塔,Felo
浏览器:豆包,arc search
LLM:Claude,DeepSeek, kimi, GPT
VPS:digital ocean
STT:通义
字幕/剪辑:剪映
AI Agent:coze 国际版(不是“扣子”国内版)
拍摄软件:开拍 App
拍摄硬件:iPhone 或 DJI pocket
录音:DJI Mic
录屏:screen studio
值得开会员的:剪映/Monica/开拍/coze
(惊讶发现全是中国人做的)
搜索引擎:perplexity, 秘塔,Felo
浏览器:豆包,arc search
LLM:Claude,DeepSeek, kimi, GPT
VPS:digital ocean
STT:通义
字幕/剪辑:剪映
AI Agent:coze 国际版(不是“扣子”国内版)
拍摄软件:开拍 App
拍摄硬件:iPhone 或 DJI pocket
录音:DJI Mic
录屏:screen studio
值得开会员的:剪映/Monica/开拍/coze
(惊讶发现全是中国人做的)
Arc Lab - 腾讯出品的图片处理工具
Arc Lab 腾讯出品的图片处理工具
链接:
https://arc.tencent.com/zh/ai-demos/faceRestoration
#Ai工具推荐
Arc Lab 腾讯出品的图片处理工具
链接:
https://arc.tencent.com/zh/ai-demos/faceRestoration
#Ai工具推荐
Booltool - 多合一AI图像处理网站,快速进行编辑修整
Booltool 多合一AI图像处理网站,快速进行编辑修整
链接:
https://booltool.boolv.tech/home
#Ai工具推荐
Booltool 多合一AI图像处理网站,快速进行编辑修整
链接:
https://booltool.boolv.tech/home
#Ai工具推荐
Content at scale - 收录最佳的ChatGPT prompt提示词
Content at scale 收录最佳的ChatGPT prompt提示词
链接:
https://contentatscale.ai/ai-prompt-library/
#Ai工具推荐
Content at scale 收录最佳的ChatGPT prompt提示词
链接:
https://contentatscale.ai/ai-prompt-library/
#Ai工具推荐
好评如潮
致富不仅仅靠运气,幸福也不是从天而降的。积累财富和幸福生活都是我们可以且需要学习的技能。
本书收集整理了硅谷知名天使投资人纳瓦尔的智慧箴言录,尤其是关于财富积累和幸福人生的原则与方法。
电子书PDF、mobi、epub等格式下载:
https://pan.quark.cn/s/e80676283876
我见过几个团队做这个方向 用过真机以后 我觉得这类产品目前有个致命硬伤:太硬了👀
因为需要一个硬体壳把电子器件包起来 就很影响玩撸时的手感
试想一下你的Jellycat看着软萌萌的 但捏上去触到塑料硬壳的那一瞬间 真的很出戏🫠
Perplexity vs Notebook LLM 都是content curation策展逻辑
但本质区别是在机器策展 + 人类策展的比例混合度
Perpelxity(人20%,机器80%),先问题,后策展,主要来快速获得结果
- 触发机制:perplexity的触发一定是先问题/Query (question driven)
- 问题拆解:接着perplexity则是把自然语言变成queries for search engine,在搜索引擎实时获取结果与内容
- 内容筛选:基于perplexity的检索与排序算法,筛选出可信/高质量的网页作为信息源
- 结果精炼:通过AI从结果中提取最相关的段落与句子clips,组合多个网页内容的段落生成一个简洁与格式化的回答
- 内容呈现:主要以有格式化的text来呈现
以上除了问题以外,问题的拆解机制,内容的筛选,精炼和展示机制基本都由机器所决定,对使用者的要求并不算高
Notebook LLM(人80%,机器20%),先策展,后提炼,获得更多启发,鼓励更多与内容的不断互动来获得更多内容的精华
- 触发机制:触发机制是由content driven(multiple content),在这一步就由人框定了内容的范围与数量
- 问题拆解:有AI对内容理解之后,提供suggestion/inspiration,也就是去理解与提炼内容的角度,激发用户去思考与产生更多的问题来获得单个内容中,或者多个内容之间的价值
- 结果精炼:完全是由不同提问/query的角度来在所限制的内容范围中,不断获得不同的洞察角度(包含了单个内容和多个内容组合),这也是说的把一个内容吃透
- 内容呈现:除了文字以外,更有趣的是内容通过两人对话podcast方式,这增加了content consuming的方式,以及趣味性
以上更多的价值原来于用户本身,这包含了内容的选择与提供,提炼内容的多元化角度,对使用者本身的要求要高很多
虽然notebook这个产品总体看起来还更像一个半成品,一个content curation的playground,但确实给会玩的高阶用户释放了更大的空间,也可以作为早期想法的实验场,通过它来形成规则与模版。
但本质区别是在机器策展 + 人类策展的比例混合度
Perpelxity(人20%,机器80%),先问题,后策展,主要来快速获得结果
- 触发机制:perplexity的触发一定是先问题/Query (question driven)
- 问题拆解:接着perplexity则是把自然语言变成queries for search engine,在搜索引擎实时获取结果与内容
- 内容筛选:基于perplexity的检索与排序算法,筛选出可信/高质量的网页作为信息源
- 结果精炼:通过AI从结果中提取最相关的段落与句子clips,组合多个网页内容的段落生成一个简洁与格式化的回答
- 内容呈现:主要以有格式化的text来呈现
以上除了问题以外,问题的拆解机制,内容的筛选,精炼和展示机制基本都由机器所决定,对使用者的要求并不算高
Notebook LLM(人80%,机器20%),先策展,后提炼,获得更多启发,鼓励更多与内容的不断互动来获得更多内容的精华
- 触发机制:触发机制是由content driven(multiple content),在这一步就由人框定了内容的范围与数量
- 问题拆解:有AI对内容理解之后,提供suggestion/inspiration,也就是去理解与提炼内容的角度,激发用户去思考与产生更多的问题来获得单个内容中,或者多个内容之间的价值
- 结果精炼:完全是由不同提问/query的角度来在所限制的内容范围中,不断获得不同的洞察角度(包含了单个内容和多个内容组合),这也是说的把一个内容吃透
- 内容呈现:除了文字以外,更有趣的是内容通过两人对话podcast方式,这增加了content consuming的方式,以及趣味性
以上更多的价值原来于用户本身,这包含了内容的选择与提供,提炼内容的多元化角度,对使用者本身的要求要高很多
虽然notebook这个产品总体看起来还更像一个半成品,一个content curation的playground,但确实给会玩的高阶用户释放了更大的空间,也可以作为早期想法的实验场,通过它来形成规则与模版。
我使用AI编程的能力应该比绝大多数程序员强,因为我确实在疯狂使用,做了大量的尝试和练习。
但今天突然意识到,可能还有个更重要的原因...因为我没有退路。
在职场的时候,我做不好实习生/应届生的mentor,也当不好主管,因为我总觉得要把事情交代得那么清楚,得到的结果自己还常常不满意,又得反复沟通让对方迭代。与其这么麻烦,不如自己实际上手干得了。
我估计现在很多程序员在使用AI编程,面临bug时也有类似的想法。
而我没有退路。我真的写不了代码,所以必须想方设法调整自己,增加背景描述,分解任务步骤,调整要求顺序,投喂更准确的上下文代码等等,想尽办法让AI实习生能去完成我要求的事。而这个过程是能够让我理解我带的这个AI团队有什么特点,我应该怎么跟他们沟通,让他们更高效执行的。
但今天突然意识到,可能还有个更重要的原因...因为我没有退路。
在职场的时候,我做不好实习生/应届生的mentor,也当不好主管,因为我总觉得要把事情交代得那么清楚,得到的结果自己还常常不满意,又得反复沟通让对方迭代。与其这么麻烦,不如自己实际上手干得了。
我估计现在很多程序员在使用AI编程,面临bug时也有类似的想法。
而我没有退路。我真的写不了代码,所以必须想方设法调整自己,增加背景描述,分解任务步骤,调整要求顺序,投喂更准确的上下文代码等等,想尽办法让AI实习生能去完成我要求的事。而这个过程是能够让我理解我带的这个AI团队有什么特点,我应该怎么跟他们沟通,让他们更高效执行的。