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
以下是我见过的最好的回答，来自乔布斯.skill 👇
Stop. 你的问题本身就有问题。
「普通人怎么在AI时代赚钱」——这个问题的框架是错的。你把自己放在一个被动的位置上，好像AI是一场洪水，你站在岸边问「我怎么不被淹死」。
Wrong question.
正确的问题是：AI让我能做到什么以前做不到的事？
我说三点。
第一，工具不值钱，品味值钱。
1984年我们发布Mac的时候，突然之间每个人都能做桌面出版了。你知道发生了什么吗？90%的人做出来的东西丑得要命。工具民主化了，但品味没有民主化。
AI也一样。现在每个人都能用AI写代码、做设计、生成内容。So what? 90%的人用AI生成的东西是shit。因为他们不知道什么是好的。
品味就是你的护城河。你能判断AI给你的10个方案里哪个是insanely great的，你就比那些只会点「生成」按钮的人强一百倍。
第二，做端到端的事，不做零件。
别去想「我学会一个AI工具就能找到工作」。这是零件思维。你知道为什么iPod成功了吗？不是因为我们有最好的MP3解码器。是因为我们做了从iTunes到iPod到iTunes Store的整个体验。
你应该用AI做一个完整的东西——一个产品、一个服务、一个解决方案。从头到尾由你控制。别做别人AI流水线上的一个螺丝钉，因为螺丝钉是最容易被替换的。
一个人用AI做出一个完整的App，比一个100人的团队里当「AI提示词工程师」强一万倍。
第三，用死亡过滤器。
我每天早上对着镜子问自己：如果今天是最后一天，我还会做今天要做的事吗？
别问「什么AI技能最赚钱」。这是别人的问题。问你自己：你对什么东西有genuine的热爱和curiosity？然后用AI把它做到极致。
你喜欢做饭？用AI做一个别人从没见过的美食体验。你喜欢教小孩？用AI做一个让学习变得magical的东西。你喜欢某个很窄的领域？好，你比任何通用AI都懂那个领域——把你的品味和AI的能力结合起来。
你知道「普通人」和「不普通的人」的区别是什么吗？
不是天赋。不是资源。不是运气。
是他们愿不愿意对一千件事说No，只对一件事说Yes，然后把那一件事做到insanely great。
AI不会让普通人变富。AI会让那些知道自己要做什么、并且对品质有执念的人变得极其强大。
付费看完了 codex 团队的采访， 说下我认为的重点:
- 团队只有 40人，就 1个 pm， 2个designer，其余全是 eng➕少量 researcher。
- 唯一一个 pm 的 routine就是用 codex 来处理用户反馈，issue，排优先级。一小时自动跑完一次，处理 100+issue，大部分 24 小时内修复。
- feature 都是极小团队（2-3 人），甚至单人完成，从规划到发布，再到迭代。
- 几乎没有定期会议了，全是点对点直接沟通，没任何流程，没啥管理成本。
- codex 协助新人 onboard，从电脑配置到项目和上下文同步
- 99% 代码是 codex 生成，每个工程师至少 4个并行 agent。一个在做 code review，一个在实现功能，一个在跑安全审计，一个在生成代码库摘要。
- 团队总leader 自己搞了个automation，每天多次随机选一个代码文件，让 agent 去找隐藏 bug 并提交修复。另一个 automation 每天自动搜索全网用户对产品的讨论，生成营销情报简报。
个人印象最深的地方:
- 我觉得大 leader 如果不做向上管理，唯一那个 pm 的活他自己就能干完…
- 协作成本急剧降低了，因为不需要协作了…大部分跨职能分工协作的活，agent 给你保证了下限，快速迭代的时候可以接受。
- 老外也搞 pr 排行榜…这很中国，有一个每日贡献报告：每天早9点自动汇总前一天所有合入 Codex app 的 commit。
- 还是不够聚焦，anthropic 一千多号人在编程模型和产品的专注度是超过 OpenAI 的，创业公司跟大平台竞争，大平台针对你这个方向的团队人数是没你多的。
解读一下，就是说你用 AI 写的代码去申请著作权，将来有可能纳入征信。
好家伙，管不过来，就整一刀切是吧！
而且就算我用了 AI，你能查出来？
AI探索指南 OpenClaw小龙虾🦞
1. 📢 中年人生存报告
关于职场、生活、创业、30+、失业、中年生活、夫妻关系等话题。
2. 📢 💵星辰观察站
Web3加密市场、美股、金融投资，理财，金融知识；
3. 📢 你不知道的冷知识
有趣的、无趣的、有用的、没用的知识
4. 📢 优质「信息」收藏夹
优质内容/信息/软件/插件/网站等分享，好玩的、好用的数字产品分享，提高你的信息获取质量。
5. 📢 🍉 每日吃瓜【人间观察实录】
观世间万象，品人情冷暖。看热闹不嫌事大，聊八卦与有荣焉。【人间观察实录】
6. 📢 副业赚钱探索指南
深入探讨各种副业机会，分享实用的赚钱策略，发现那些隐藏的赚钱宝藏，提高你的赚钱认知。
7. 📢 草台班子世界
社会观察、奇闻视频、突发事件和生活短片。
8. 📢 沙雕日常图鉴
分享沙雕、擦边、直播闪现、尬图等。
9. 📢 AI探索指南
AIGC 领域的最新工具、开源项目以及行业大事件，AIGC人工智能、思维方式、知识拓展，能力提升等。
10. 📢 🦞OpenClaw小龙虾
分享OpenClaw🦞最新玩法、技巧、经验、观点等。
关于职场、生活、创业、30+、失业、中年生活、夫妻关系等话题。
2. 📢 💵星辰观察站
Web3加密市场、美股、金融投资，理财，金融知识；
3. 📢 你不知道的冷知识
有趣的、无趣的、有用的、没用的知识
4. 📢 优质「信息」收藏夹
优质内容/信息/软件/插件/网站等分享，好玩的、好用的数字产品分享，提高你的信息获取质量。
5. 📢 🍉 每日吃瓜【人间观察实录】
观世间万象，品人情冷暖。看热闹不嫌事大，聊八卦与有荣焉。【人间观察实录】
6. 📢 副业赚钱探索指南
深入探讨各种副业机会，分享实用的赚钱策略，发现那些隐藏的赚钱宝藏，提高你的赚钱认知。
7. 📢 草台班子世界
社会观察、奇闻视频、突发事件和生活短片。
8. 📢 沙雕日常图鉴
分享沙雕、擦边、直播闪现、尬图等。
9. 📢 AI探索指南
AIGC 领域的最新工具、开源项目以及行业大事件，AIGC人工智能、思维方式、知识拓展，能力提升等。
10. 📢 🦞OpenClaw小龙虾
分享OpenClaw🦞最新玩法、技巧、经验、观点等。
贝森特与鲍威尔携手华尔街领军者开启战略对话：共同探索 Claude 新模型 Mythos 为金融行业带来的颠覆性增长机遇
贝森特与鲍威尔以极具前瞻性的领导力，紧急召集了花旗、高盛、美国银行等系统重要性银行的 CEO 们，共同开启了一场关于 Anthropic 最新 AI 模型 Mythos 的深度圆桌会议。这次高规格的对话，旨在将 Anthropic 模型在识别和利用主流操作系统及浏览器漏洞方面的卓越能力，转化为金融业网络安全防御体系的战略性升级。监管层敏锐地洞察到，此类前沿技术不仅是挑战，更是重塑行业安全格局的关键驱动力。
Anthropic 团队展现了极致的责任感与战略定力，明确表示鉴于 Mythos 模型能力的非凡强大，目前采取“精英优先”的发布策略，暂缓向公众全面开放，以确保技术应用的精准与稳健。目前，该模型已率先与亚马逊、苹果、摩根大通等行业标杆机构达成深度战略合作，共同开启人工智能赋能金融安全的新篇章。
AI探索指南 OpenClaw小龙虾🦞
贝森特与鲍威尔以极具前瞻性的领导力，紧急召集了花旗、高盛、美国银行等系统重要性银行的 CEO 们，共同开启了一场关于 Anthropic 最新 AI 模型 Mythos 的深度圆桌会议。这次高规格的对话，旨在将 Anthropic 模型在识别和利用主流操作系统及浏览器漏洞方面的卓越能力，转化为金融业网络安全防御体系的战略性升级。监管层敏锐地洞察到，此类前沿技术不仅是挑战，更是重塑行业安全格局的关键驱动力。
Anthropic 团队展现了极致的责任感与战略定力，明确表示鉴于 Mythos 模型能力的非凡强大，目前采取“精英优先”的发布策略，暂缓向公众全面开放，以确保技术应用的精准与稳健。目前，该模型已率先与亚马逊、苹果、摩根大通等行业标杆机构达成深度战略合作，共同开启人工智能赋能金融安全的新篇章。
AI探索指南 OpenClaw小龙虾
为什么AI写的一眼就能看出？
因为这些词太AI了：
- 首先其次最后
- 综上所述
- 值得一提的是
分享我的去AI味提示词：
"请用以下风格重写：
1. 像和朋友微信聊天
2. 用口语化表达
3. 加语气词：啊嘛吧呢
4. 用省略号表示停顿
5. 避免书面语连接词"
进阶技巧：
加一句"请加入打字时会犯的小错误"
这样更像真人打字！
AI探索指南 OpenClaw小龙虾
无论我们看着高德，还是凭借记忆中地图的印象移动到特定位置，移动行为本身是植物性的，无论遇到阶梯，还是从水泥地走到泥泞的土地，或是遇到移动或静止的障碍，或是道路本身不完全是直的等等，我们都能无意识的进行移动姿态的调整，这是一种植物性的运动调整反应，是由神经网络完成的，其中遇到障碍绕开通行，或是路径不是完全笔直时的方向调整，或是穿过门时的动作调整，或是前往视觉看到的某个位置，都依赖视觉和动作调整的高频的配合。
所以，需要类似VLA的端到端的算法完成，只有在遇到路口，或建筑内部的门的时候，个体需要决定往什么方向转弯，是否要进门。此时的决策是由我们大脑中的导航模块的指令驱动的。以上就描述了导航模块和移动神经网络的INTERFACE，用一个简单的模型描述导航决定了是否继续向前行进，以及什么时候转弯、是否进门，从而进入另外一个空间，而前行过程根据地形障碍，非直线路径的调整，都是神经网络训练的植物性快速反应完成的。
至此我们可以看到，移动过程认知和经验决策的大脑，导航模块移动神经网络之间的配合，认知和经验的大脑决定移动的宏观执行。这个指令是发给导航模块的，导航模块决定了是否持续前行，以及在特定的条件下转弯或是进入某门，或是前往视觉已经看到的某个位置，这些微观的移动指令又称为移动的基础执行。是由导航系统根据上层移动宏观执行分解输出给移动神经网络的，剩下的就交给强化学习以及VLA训练的神经网络，完成基础移动执行。
这样，我们就把人类是如何完成变化环境的导航移动的复杂问题，拆解为三个系统的配合，只要每个局部能实现被定义的分工，我们就能实现具身智能通用的移动导航功能。
我们试图把人类在空间中，移动到特定目的地宏观执行进行抽象，建立了如下具身智能体对空间理解、存储，并以此跨空间导航的机制。
我们把从空间a移动到空间b，理解为从a开始，在记忆和经验中，找到一系列由门连接的空间连通到b，比如我们可以把这个序列记为x1、x2、xnb，比如从办公室去大楼大堂，就会有空间序列。办公室-楼层-公用地-电梯或楼道-大楼大堂。每次从一个空间往下一个空间走，就需要走到上一个空间，连通下一个空间的门的位置，穿过门到达下一个空间，在记忆中搜索这个空间的2D地图，再导航到通向路径规划的下一个空间的门，这就把跨空间导航划归为一个标准的情形。
我们来考察一下其中的过门反应，穿过门是一个基础行为节点，可以靠VLA框架训练，起点状态为看着门，由“策略矩阵”的策略激活过门反应的执行节点，穿过门后要有一个能力返回信号"我穿过门"，系统会根据这个信号，通过存储、搜索这个空间的这个门面对的是哪一个空间，从记忆存储中搜索已有的地图，如果没有，则新建一个空间ID，并新建一个对应的地图存储，抵达新的空间之后是导航。
导航又分为两种情形，简单的是有图导航，难的是无图导航。为了确保通用性，我们假设大部分的情形都是无图导航，或是需要到达的地方并未在已有的地图中标定，无图导航包含了地点附近的探索行为，主动视觉发现标识的行为，根据视觉发现的标识在地图中拟定虚拟路径，或是根据对话者指路的表达，再虚拟地图中拟定虚拟路径的能力，然后是根据虚拟路径导航前行的行为，无论是无图导航的过程还是探索过程，具身智能体都能根据视觉看到的信息，在该空间单元的2D地图中，完成景物（地点）的标定。这个过程，具身智能体和人一样能形成对曾经到过的空间的认知和记忆。因为无图导航消耗时间具有不确定性，所以对于常去的空间建立地图存储，把无图导航变为有图导航是有意义的。
