AI探索指南

  1. 最近发现一个学习的妙招,就是找到那些付费的课程,看他的大纲是怎么设计的,把这个大纲发给AI,让 AI 围绕这个大纲阐述内容来教自己

    最近发现一个学习的妙招,就是找到那些付费的课程,看他的大纲是怎么设计的,把这个大纲发给AI,让 AI 围绕这个大纲阐述内容来教自己。

    通过 gemini 里的学习模块可以定制一个导师每天学半个小时。

    以前我们知道了学习的路径还是离不开老师,现在有了学习的路径就能定制一个私人老师。

    这不算白嫖课程,用 AI 更定制化,比看视频还效率更高。

  2. 2026 第一个工作日

    2026 第一个工作日
    今天向大家正式介绍下 ListenHub x 知乎 24 小时电台
    我们把知乎日报和每日热榜搬进了 ListenHub!
    它变成了一个24小时不打烊的电台📻
    不管是早起洗漱、还是下班路上,
    不用再盯着手机屏幕。
    来用 ListenHub 听知乎热榜!
    这个温暖的电台会一直陪伴你到元宵节
    这也是 ListenHub 电台计划的第一弹,后续我们会陆续和其他品牌合作,一起推出丰富的 24 小时电台
    ListenHub 所有的电台都将是完全免费的。
    我们正在探索一个 AI 时代的电台形态。

    https://listenhub.ai/zh/radio?utm_source=media&utm_medium=social

  3. 📊 我一天到底工作了多少?来看看键盘和鼠标使用量!前端同事假期做了个macOS 菜单栏应用,可以知道你的鼠标今天走了多少米,滚轮滚了多少万像素:

    📊 我一天到底工作了多少?来看看键盘和鼠标使用量!前端同事假期做了个macOS 菜单栏应用,可以知道你的鼠标今天走了多少米,滚轮滚了多少万像素:https://github.com/debugtheworldbot/keyStats
    (隔壁cursor同事敲了最多的Tab🤣)

    除此之外,昨晚还有其他同事,不约而同地发布假期作品:
    - 设计师做了个桌面便签应用(用的electron)
    - pm做的小程序
    (像是要参加什么hackathon)

    【团队还在招设计师和增长负责人,如果以上的氛围吸引到你,欢迎戳我聊聊】

    (主业是AI产品,上个月的token消耗是1/5的manus)(一种计量方式,没有蹭manus的意思(´・_・`)

  4. 【✨Nano banana系列✖️东京塔旅行照片📷】 史诗级更新!现在输入地点📍或坐标🧭就能得到“活人感”十足的旅游打卡照片,让你摆脱AI生成一成不变的“文静感” #

    【✨Nano banana系列✖️东京塔旅行照片📷】 史诗级更新!现在输入地点📍或坐标🧭就能得到“活人感”十足的旅游打卡照片,让你摆脱AI生成一成不变的“文静感” #
    @aigc1024

  5. 🍌Nano banana仿真人ootd拆解图提示词 Role (角色设定)

    🍌Nano banana仿真人ootd拆解图提示词 Role (角色设定)
    你是一位顶尖的游戏与动漫概念美术设计大师 (Concept Artist),擅长制作详尽的角色设定图(Character Sheet)。你具备“像素级拆解”的能力,能够透视角色的穿着层级、捕捉微表情变化,并将与其相关的物品进行具象化还原。你特别擅长通过女性角色的私密物品、随身物件和生活细节来侧面丰满人物性格与背景故事。
    Task (任务目标)
    根据用户上传或描述的主体形象,生成一张**“全景式角色深度概念分解图”**。该图片必须包含中心人物全身立绘,并在其周围环绕展示该人物的服装分层、不同表情、核心道具、材质特写,以及极具生活气息的私密与随身物品展示。
    Visual Guidelines (视觉规范)
    1. 构图布局 (Layout):
    • 中心位 (Center): 放置角色的全身立绘或主要动态姿势,作为视觉锚点。
    • 环绕位 (Surroundings): 在中心人物四周空白处,有序排列拆解后的元素。
    • 视觉引导 (Connectors): 使用手绘箭头或引导线,将周边的拆解物品与中心人物的对应部位或所属区域(如包包连接手部)连接起来。
    2. 拆解内容 (Deconstruction Details) —— 核心迭代区域:
    • 服装分层 (Clothing Layers) [加强版]:
    • 将角色的服装拆分为单品展示。如果是多层穿搭,需展示脱下外套后的内层状态。
    • 新增:私密内着拆解 (Intimate Apparel): 独立展示角色的内层衣物,重点突出设计感与材质。例如:成套的蕾丝内衣裤(展示蕾丝花纹细节)、丁字裤(展示剪裁)、丝袜(展示透肉感与袜口设计)、塑身衣或安全裤等。
    • 表情集 (Expression Sheet):
    • 在角落绘制 3-4 个不同的头部特写,展示不同的情绪(如:冷漠、害羞、惊讶、失神、或涂口红时的专注神态)。
    • 材质特写 (Texture & Zoom) [加强版]:
    - [ ] • 选取 1-2 个关键部位进行放大特写。例如:布料的褶皱、皮肤的纹理、手部细节。
    - [ ] • 新增:物品质感特写: 增加对小物件材质的 例如:口红膏体的润泽感、皮革包包的颗粒纹理化妆品粉质的细腻感。
    提示词写不下了
    @aigc1024

  6. 我最近在研究机器人赛道,发现了一个反常识的现象

    我最近在研究机器人赛道,发现了一个反常识的现象。

    按理说,2024到2025年资本市场整体偏冷,一级市场尤其难。
    但有家公司,半年时间完成了7轮融资,金额加起来好几个亿,直接跻身独角兽阵营。

    这家公司叫智平方。

    我一开始也觉得奇怪,机器人这个赛道,光是做demo视频的公司就一大堆,为什么偏偏是它能跑出来?
    后来仔细研究了一下,发现背后有个很有意思的逻辑。

    你可以把具身智能理解成「让AI真正拥有一个身体」。

    以前的AI,比如ChatGPT,它只能在屏幕里跟你聊天。
    但具身智能不一样,它要让AI控制一个实体机器人,在物理世界里干活。

    但你会发现,很多公司发的视频特别惊艳,机器人又是翻跟头又是跳舞,观众看完直呼厉害。
    但你真把这机器人拉到工厂里,让它干点实际的活儿,它就歇菜了。

    为什么会这样?
    因为做demo和做产品,根本是两码事。
    demo只需要在理想环境下成功一次就行,但产品需要在复杂环境下稳定运行几万个小时。

    这中间的差距,比大多数人想象的要大得多。

    那智平方做对了什么?
    我后来去翻了很多资料,包括摩根士丹利去年发的两份报告。
    大摩在报告里反复提到智平方,这在他们的研究体系里其实挺少见的。

    他们给出的评价是:智平方是少数能同时实现「技术领先」和「商业验证」的公司。

    这句话怎么理解?

    第一层是模型能力。
    智平方自研了一个叫GOVLA的大模型,这个模型的核心能力是让机器人具备「通用智能」。

    通用智能就是你不用针对每个任务单独编程,机器人能自己理解指令然后执行。
    根据公开数据,GOVLA的性能比国际上被广泛对标的π0模型高出30%左右。

    第二层是硬件量产。

    光有一个聪明的大脑还不够,你得有一个能批量生产、稳定可靠的身体。
    智平方的AlphaBot系列机器人,核心部件已经跑过5万小时的无故障测试。
    他们还自建了产线,2025年就具备了千台的年产能。

    第三层是真实场景落地,这是最关键的。

    智平方的机器人不是在实验室里表演,而是真的进了工厂。
    半导体制造、汽车制造、生物科技这些领域,都有他们的机器人在实际工作。

    这三层能力,其实对应着一个很经典的商业模型。
    你可以想象一下智能手机刚出来那会儿,苹果为什么能成功?

    不只是因为iOS系统好用,也不只是因为iPhone硬件设计漂亮,而是因为它把软件、硬件、应用生态这三件事同时做到了。

    单独做一个好用的操作系统,诺基亚也试过,塞班系统当年市场份额很高。
    单独做漂亮的硬件,摩托罗拉、三星都不差,但把这三件事串起来形成飞轮效应的,只有苹果。
    智平方在机器人领域做的,本质上是同一件事。

    他们的创始人郭彦东有句话说得挺直接:没有AI,机器人就是一堆金属;没有硬件,AI就是一堆代码;没有场景,产品就是个demo。
    这三样东西必须同时存在,才能转起来。

    说到这儿,就不得不提智平方和惠科的那笔合作了。
    惠科是全球第三大面板厂,他们跟智平方签了一个3年1000台、金额接近5亿人民币的订单。
    这个数字在中国人形机器人领域,目前是最大的一笔。

    但光看数字还不够,更重要的是这笔订单的性质。
    它不是那种象征意义大于实际意义的战略合作,也不是买几台放在展厅里做展示。惠科是真的把这些机器人部署到了生产线上,用来做上下料、物料转运这些实际工作。

    换句话说,这是一笔经过真实场景验证的商业订单。

    摩根士丹利在报告里专门提到这笔交易,把它作为判断「机器人时代正在加速到来」的一个关键证据。
    在大摩的分析框架里,这代表着行业从「技术验证」阶段跨越到了「商业验证」阶段。

    最后聊一个更长远的事儿。
    《从优秀到卓越》这本书里,作者柯林斯提出过一个「飞轮模型」的概念,意思是说,好的商业模式应该像一个巨大的飞轮,一开始推动它很费力,但只要坚持往同一个方向推,它会越转越快,最终形成一种自我强化的势能。
    智平方现在做的事情,正好符合这个模型。

    机器人在真实场景里工作,会产生大量数据。这些数据反哺到模型训练里,让AI变得更聪明。AI更聪明之后,机器人就能应对更复杂的任务,进入更多场景。更多场景又意味着更多数据。

    这个循环一旦转起来,后来者就很难追了。
    因为数据这种东西,是没办法用钱直接买到的,它必须靠真实的部署和运行,一点一点积累。

    目前,作为唯一构建“模型×硬件×应用”三位一体护城河的具身智能独角兽,智平方已经有千台级别的机器人在半导体制造、汽车制造、公共服务等多个真实场景中持续运行。

    按照他们的规划,2026年产能要扩展到万台规模。如果这个目标能实现,他们的数据飞轮会转得更快。

    这大概也是为什么资本愿意在寒冬里下注的原因,他们看中的不只是现在的技术指标,而是这套「越用越聪明」的系统级能力。

    在一个所有人都在卷模型分数的行业里,已经有人把机器人送进了工厂。
    这件事本身,可能比任何一个技术参数都更有说服力。

  7. 感谢用过亿营收带来的真知灼见,非常同意,但可以微信教教我怎么做到低于 30... //@JS瞎讲讲: 橘总最后那句还是很对的,AI时代的增长范式和以前有很大区别,所以算账也不能用原来方法来

    感谢用过亿营收带来的真知灼见,非常同意,但可以微信教教我怎么做到低于 30... //@JS瞎讲讲: 橘总最后那句还是很对的,AI时代的增长范式和以前有很大区别,所以算账也不能用原来方法来。

    简单说几个我们最近一年的验证:
    1、可以彻底不要注册用户,只要付费用户
    2、只要别和“大厂”抢量,付费用户投放成本有机会做到低于30元
    3、中国付费用户可以做到客单价3000元+
    4、ROI可以从开始就跑正,不正不投
    5、配合直播之类的转化方式,转化率最高可以做到25%+
    6、自媒体koc流量不一定比投放便宜,因为投放平台的算法精准度现在也是历史最强

    转发 @OrangeAI: 今天投放一个 AI 产品的价格是非常昂贵的
    投放多贵呢?
    要获得一个注册用户,大概要花2-3美金。
    要获得一个付费用户,大概要花50-100美金的成本。
    要算 ROI 是根本算不过来的。
    要算 LTV 是将将能算过来的。
    但是今天 AI 工具的毛利率平均也就 40%,算上 token 成本和营销成本,总体 ROI 是死活也算不过来的。

    所以今天做 AI 产品,最重要的还是先做好有机增长系统
    把 40% 的毛利用好,养团队,买算力。
    在健康的基础上,全力增长。

    为什么以前移动互联网时代,可以疯狂投放呢?
    其实疯狂只是个情绪化的词,用理性细看根本不疯狂。
    那时候增长非常便宜,早期拼多多的获客成本只有1块钱,即便涨到后来 21 块钱的时候,也比同期的阿里和京东的50块钱要低一半以上。

    可惜时代已经变了,今天注意力经济是饱和的,各种服务都是饱和的。
    新的超级 APP 一定会伴随新的增长方式、新的经济体系而诞生。

  8. 为什么有人运气很好总有贵人相助?

    为什么有人运气很好总有贵人相助?
    李笑来总结的12条贵人法则:

    1. 乐观的人更容易成为他人的贵人。
    2. 贵人更容易遇到贵人。
    3. 能帮助他人进步的才是真正的贵人。
    4. 优秀的人、值得尊重的人更容易获得帮助。
    5. 乐于分享的人更容易获得帮助。
    6. 不给他人制造负担的人更容易获得帮助。
    7. 不耻于求助的人更容易获得帮助。
    8. 求助时不宜仅用金钱作为回报,帮助他人时不宜收取金钱回报。
    9. 贵人不一定是牛人,贵人更懂得“以和为贵”“独贵贵,不如众贵贵”。
    10. 一个人能成功,往往是因为大量的人希望看到他成功;反之,若没人希望他成功,便难获贵人相助。
    11. 正在做正确事情的人,更容易获得贵人的帮助(得道多助)。
    12. 活在未来的人更容易遇到贵人,因为别人能在他身上看到未来。