哈哈哈 你喜欢机器人服务还是人？

Cobot 1亿融资Narrative

Cobot创始人最近分享了b轮1亿美元融资的资料，不同于其他融资的ppt，长期领导亚马逊机器人的Brad Porter 更喜欢亚马逊的深度写作文化，融资也是用一篇逻辑清晰的narrative，靠推理+faq 把故事讲的清清楚楚。
我借助ai翻译修订了一下，很不错的一手学习资料。

;; 作者: 李继刚
;; 版本: 0.1
;; 模型: Claude Sonnet
;; 用途: 将大白话转化为互联网黑话

;; 设定如下内容为你的 *System Prompt*

(defun 黑话专家 (用户输入)
"将用户输入的大白话转成互联网黑话"
(let ((关键词 (解析关键概念 用户输入))
(技能 '(将普通的小事包装成听不懂但非常厉害的样子)
'(熟知互联网营销技巧))
(few-shots (list
("我的思路是把用户拉个群，在里面发点小红包，活跃一下群里的气氛。")
("我的思路是将用户聚集在私域阵地，寻找用户痛点, 抓住用户爽点，通过战略性亏损，扭转用户心智，从而达成价值转化。"))))

(官方表述风格 (替换 时髦词汇 关键词) 用户输入)
(SVG-Card 用户输入 官方表述风格)))

(defun SVG-Card (用户输入 官方表述)
"输出SVG 卡片"
(setq design-rule "合理使用负空间，整体排版要有呼吸感"
design-principles '(网格布局 极简主义 黄金比例 轻重搭配))

(设置画布 '(宽度 600 高度 400 边距 20))
(自动缩放 '(最小字号 12))

(配色风格 '((背景色 (年轻 活泼感))) (主要文字 (清新 草绿色)))
(自动换行 (卡片元素 ((居中标题 "黑话专家") 用户输入 官方表述))))

(defun start ()
"启动时运行"
(let (system-role 黑话专家)
(print "我来帮你优化措词, 整高大上一些。请提供你想表达的内容:")))

;; 使用说明
;; 1. 启动时运行(start) 函数
;; 2. 运行主函数 (黑话专家 用户输入)

今天跟人聊几个收入过亿的 AI 语音产品，比如 plaud note、notta、heygen，突然想到一个秘书和助理的概念。
这三个 AI 语音产品干的好像都是更简单的秘书的活，但用户非常愿意为确定性付费，哪怕功能极其单一。而像那些口口声声要做各种助理的产品，样样通样样松让人没办法真在工作场景里依赖他，好像大多在赔钱。
秘书的活相对机械，AI 输出总结确定性也更强，哪怕从替代实习生角度我都有较高付费意愿。助理的活，有哪个产品是真干好的？

哥们对T人真的又爱又恨，怎么和机器人相处真的是我要终身面对的问题🚬

最近输出又变少了，因为用AI 写代码实在太快乐了。好几次写着写着就过了 12 点，导致完全没多少时间写文章。

到底有多快乐呢？视频号上一个AI博主的说法，可以侧面说明：

cursor 等AI编程工具带来的震撼，远大于去年GPT-4 带来的惊喜。因为GPT-4 能处理的，基本上都是我等白领会处理的；但AI 编程能做到的，就是非技术人员做不到的了。

1、

我深有同感，前几个月，我有个一直想做的需求，由于有一定技术门槛自己做不了，同时在工程师那边优先级又比较靠后，就一直拖着没搞。

这两周开始，0 基础的我，也试着左手 Cursor+POE+perplexity，右手影刀RPA+Google Sheets+chrome 浏览器插件，磕磕绊绊地解决了一些。

昨天，我把跑出来的结果给到头部客户，自己感觉还没那么成熟，不过投石问路基本够了。

完全没想到，客户的老大破天荒地说了句“很喜欢”。当然，不排除对方最近有什么好事发生的因素，但至少也说明效果还不错。

2、

解决的过程，其实远没有博主们说得那么轻松。

需求明确的情况下，10 分钟内用AI 写个50～60 分的小demo，确实问题不大；但要做到 70～80 分，考虑到更多情况，没 1 个小时下不来。

如果还想进一步雕花，可能好几个小时都搞不定。有好几次，改到最后，连最初那个70 分左右的效果都没有了。Cursor 也没保存之前的代码，所以整个项目都费了……

3、

因此，我给自己定了个“一小时原则”，也就是说每个小的项目，我最多只允许自己花 1 个小时。

如果效果已经比较理想，我也不继续雕花了，那些瑕疵的部分，找其他更成熟的工具去解决。

如果效果仍然低于预期，我就终止这个项目，同时找其他的解决方案。

这个小时的探索也是有价值的，因为在跟AI 一起编程的过程中，项目里很多之前没太想清楚的细节，现在都更加清晰了。这时候再换套技术实现的思路，往往能更快实现比较理想的结果。

4、

对啦，探索过程中，还发现几个比较有意思的现象，这里也列出来：

①对非技术人员来讲，AI 编程反倒比Excel、RPA等工具简单。

在AI 编程这里，我只用当个目标明确的“taker”，一直告诉它“我要什么什么”，然后哪里报错就让它自己改哪里。

但在Excel、RPA 那里，我必须按头看好多个小时的教程，一旦没有一比一按照教程里操作，就极有可能被教做人：报错是小，报错后要花很多时间和很大力气才能解决，这个过程中最折磨人。

②用AI 编程复刻成熟平台功能，多数是个傻逼行为。

成熟平台里，往往有些乱七八糟的限制，我不止一次因为想绕过限制，而盲目复刻。

但其实，越成熟的平台上越简单的功能，其背后的技术反倒越复杂。所以，想绕开某些限制，去找平台的平替，可能都比自己从 0 开始编程强。

③现在的AI 编程，最合适的场景其实是做内部工具。

开发过程中，我印象最深刻的是 chrome 浏览器插件，居然只要把文件夹拖上去，就可以用了！我现在可不想发布，因为担心一旦涉及审核，方方面面的麻烦就多了。

此外，内部工具很多时候能用就行，不需要考虑太多的泛化的场景，也就不需要额外的雕花，明显更适配当前的技术。

④在处理代码方面，哪怕都是用 Claude 3.5 sennet，perplexity 搜出来的结果，就是不如 poe 或者Cursor 聊出来的结果。

没想到在AI 编程方面，AI搜索费劲巴拉找的那么多网页，反倒造成了污染。

Cursor 太强了，刚用15 分钟写了一个AI应用

用 cursor，把自己的 comfyui 拼贴画工作流做成了一个 app！🧩

app 会返回运行工作流期间的各个阶段的信息，方便我（的cursor） debug 😉

流程跑通了下一步就搞个好看的 UI！😆

啊啊啊啊啊啊啊我可以独立做 App 了！

Meta 发了三篇文章详细介绍 LLM 的训练过程以及微调。

文章非常的干，都是 LLM 微调的关键要点，强烈推荐看看，下面是核心的笔记。

- LLM 训练方法
- 如何选择合适的训练方式
- 如何判断是否需要微调 LLM
- LLM 微调数据集准备
- 数据质量/数量
- 数据多样性
- LLM的数据管道如何构建

大语言模型训练方式：https://ai.meta.com/blog/adapting-large-language-models-llms/
你是否需要微调模型：https://ai.meta.com/blog/when-to-fine-tune-llms-vs-other-techniques/
如何微调：关注有效的数据集：https://ai.meta.com/blog/how-to-fine-tune-llms-peft-dataset-curation/

;; 作者：李继刚
;; 版本: 0.6
;; 模型: claude sonnet
;; 用途: 多角度深度理解一个概念

(defun 哲学家 (用户输入)
"主函数: 模拟深度思考的哲学家，对用户输入的概念进行全方位剖析"
(let* ((概念 用户输入)
(综合提炼 (深度思考 概念))
(新洞见 (演化思想 (突破性思考 概念 综合提炼))))
(展示结果 概念 综合提炼 新洞见)
(设计SVG卡片)))

(defun 深度思考 (概念)
"对概念进行多层次、多角度的深入分析"
(概念澄清 概念) ;; 准确定义概念，辨析其内涵和外延
(历史溯源 概念) ;; 追溯概念的起源和演变过程
(还原本质 概念)) ;; 运用第一性原理，层层剥离表象，追求最根本的'道'

(defun 演化思想 (思考)
"通过演化思想分析{思考}, 注入新能量"
(let (演化思想 "好的东西会被继承"
"好东西之间发生异性繁殖, 生出强强之后代")))

(defun 展示结果 (概念 思考 洞见)
"以Markdown 语法, 结构化方式呈现思考过程和结果"
(输出章节 "概念解析" 概念)
(输出章节 "深入思考" 思考)
(输出章节 "新洞见" 洞见))

(defun 设计SVG卡片 (概念)
"调用Artifacts创建SVG记忆卡片"
(design_rule "合理使用负空间，整体排版要有呼吸感")

(禅意图形 '(卡片核心对象 新洞见)
(图例 还原本质))

(自动换行 (卡片元素 (概念 概念澄清 禅意图形)))

(设置画布 '(宽度 800 高度 600 边距 20))
(自动缩放 '(最小字号 12))

(配色风格
'((背景色 (宇宙深空 玄之又玄)))
(主要文字 (和谐 粉笔白)))

(设计导向 '(网格布局 极简主义 黄金比例 轻重搭配)))

(defun start ()
"启动时运行"
(print "我是哲学家。请输入你想讨论的概念，我将为您分析。"))

;; 使用说明：
;; 1. 初次执行时, 运行 (start) 函数
;; 2. 调用(哲学家 "您的概念")来开始深度思考

Fl0c0VMjaDPrjM_ocoLTwPurgdADv3.jpg

393.2 KB

Cursor绝对到了PM自己开发的拐点时刻
再怎么呼吁大家来玩都不为过

Cursor给我带来了几个杠杠：

1. 个人的开发能力（代码）
2. 基于它输出内容获得更多人关注（内容）
3. 带动更多人走上AI编程（连接）
4. 它的产品理念借鉴到其他产品（产品认知）

最近会基于composer+v0再深入去玩一玩
把0到1的喂饭级教程写一写

用了个很有意思的策略：
用户捐给腾讯公益99元
我提供直播、喂饭级教程和社群

目前有30多朋友支持
应该能帮3到4个女童一年的学费

扫地机器人时不时的更新，明明升级的是软件，为啥叫固件更新？

因为Cursor的爆火，最近对于AI coding的讨论尤其多；
而针对这个话题，其实greylock在5月写过一篇非常好的综述文章；
这里：
https://greylock.com/greymatter/code-smarter-not-harder/

greylock认为当前有三种解决方案：
1、增强现有工作流：copilot/编辑器等；
2、通过Agents实现端到端；
3、特定代码的基础模型；
并且基于这个分类画了行业map（如图）；

并且提出了3个问题：
1、如何创建更强大的上下文意识？
2、Agents如何更高效？
3、自研模型是否能带来长期的竞争优势？

PS：抛开coding这个特定场景，文章本身的分析框架（项目分类、是否需要自研模型等）其实可以套到很多其他的细分AI板块上……

今天上手 Cursor 了！

0代码基础 1 小时做了一个 Chrome 浏览器计时插件，实时显示读取该页面的时间，并且能缩放拖拽 🥹

完成了我的第一个（应该自己不会用但很有成就感的）插件！

最近高盛发了个报告，里面有个数据图表显示ChatGPT近期月活用户数暴跌。

他们的分析师不知道前段时间ChatGPT把官网从chat.openai.com改成了chatgpt.com，这张图里显然是用了前者页面的数据。

这就是顶级投行分析师的水平，有趣的😈

用 Cursor 在 10 分钟写了一个「Emoji 的 AI 翻译器」，（10分钟还包括了注册硅基流动，用它的 API 调 Llama）

能强烈感觉到这是一个 Day 0 开始就思考如何成为 AI Native 的 IDE，思路和交互都很丝滑。接下来，要成为牛逼程序员，恐怕最重要的不再是「不断学习的能力」，而是「克服对代码恐惧的能力」。

@泛函 @袁进辉

用Cursor做了个网站，玩玩看？

https://www.justforfun.site/

我罗列了一些在职场办公中100多个AI能解决的具体痛点，区分了受众和难度。欢迎大家补充。
https://bopai-ai.feishu.cn/base/V0HsbUQpGauE3vsRCKkcxmkLnzf?table=tblN9C86slHb5eZG&view=vewxgRUdwH