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
分享我的8个AI使用场景
1.探索自己想要什么
我经常把日常鸡毛蒜皮的小事以及我的感受告诉gpt，比如开心、失落、愤怒，然后让AI拆解我为什么有这样的情绪，挖到我背后的需求。
聊的多了，会对自己想要什么、喜欢什么，越来越清晰
有时候也会让它给我做coaching，把我之前学教练的资料喂给它，问的问还蛮有质量的
2.快速学习一个新领域
先把我好奇的领域告诉AI，让它给我推荐资源，比如书籍、论文、视频等，让再把这些导入到notebooklm里面，边问边学
类似地，参加知识付费的课程和训练营时，我也会把课程PPT/文档/直播逐字稿也投喂给NotebookLM，有知识点想不起来了又懒得翻PPT，就是直接问AI
3.内容策划与创作
这个之前分享过
4.把重复性工作「skills化」
比如之前带小红书陪跑的时候，一开始我会亲自给学员的笔记写反馈。
后来我把「学员的原始笔记+我的反馈」喂给AI，让AI学习我的思考过程，并反推一个提示词，配置在飞书多维表格里。
这样学员把笔记通过飞书问卷提交，AI就自动反馈，只需要人工审核一下，学员还能自助查看。
彻底把我从一个不爱干的活里解放出来了！
5.专家知识库/skills
比如把内容营销领域经典的书籍做成知识库，遇到营销问就问这个知识库；
把Dan Koe建立一个知识库，遇到一人公司问就问Dan Koe。
就类似于把一个人给蒸馏后的skills。
不过我有时候会在手机端使用，还是觉得用ima的知识库比较方便。
6.搭建自媒体灵感库
之前我看到好的小红书笔记和公众号文章，都转发给自己，但要用的时候还得找半天很麻烦。
后来就做了个快捷指令，刷到好的内容时，直接双击敲击手机背面，就能一键把链接存到飞书多维表格里。
workbuddy自动提取内容后，多维表格AI直接拆解内容+给出改写示例，写到新的字段里。
这样我一打开表格，所有信息都现成的，不需要自己手动整理，这就是当皇帝的感觉吗哈哈哈哈哈
除此之外，我还让workbuddy每天帮我搜集热点，也写到飞书多维表格里，直接从里面找选老爽了
7.把抽象的方法论，提炼成SOP
特别适合在刷到别人讲了一个认知方法，但又没有给实操方案的时候，直接把原文丢给AI，让它帮我想具体要怎么做、能怎么应用到我的场景。
我就靠这个方法，「白嫖」知识付费课程😂
8.技术顾问
现在AI在代码、技术和各种安装部署方面真的牛，我之前配置obsidian+Claude code、飞书多维表格、或者要实现某个自动化工作流，全是AI帮我搞定的。
遇到问就直接啪一个截屏丢给AI就好，让它自己帮我想办法，目前还没碰到它搞不定的事哈哈哈哈
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
1.探索自己想要什么
我经常把日常鸡毛蒜皮的小事以及我的感受告诉gpt，比如开心、失落、愤怒，然后让AI拆解我为什么有这样的情绪，挖到我背后的需求。
聊的多了，会对自己想要什么、喜欢什么，越来越清晰
有时候也会让它给我做coaching，把我之前学教练的资料喂给它，问的问还蛮有质量的
2.快速学习一个新领域
先把我好奇的领域告诉AI，让它给我推荐资源，比如书籍、论文、视频等，让再把这些导入到notebooklm里面，边问边学
类似地，参加知识付费的课程和训练营时，我也会把课程PPT/文档/直播逐字稿也投喂给NotebookLM，有知识点想不起来了又懒得翻PPT，就是直接问AI
3.内容策划与创作
这个之前分享过
4.把重复性工作「skills化」
比如之前带小红书陪跑的时候，一开始我会亲自给学员的笔记写反馈。
后来我把「学员的原始笔记+我的反馈」喂给AI，让AI学习我的思考过程，并反推一个提示词，配置在飞书多维表格里。
这样学员把笔记通过飞书问卷提交，AI就自动反馈，只需要人工审核一下，学员还能自助查看。
彻底把我从一个不爱干的活里解放出来了！
5.专家知识库/skills
比如把内容营销领域经典的书籍做成知识库，遇到营销问就问这个知识库；
把Dan Koe建立一个知识库，遇到一人公司问就问Dan Koe。
就类似于把一个人给蒸馏后的skills。
不过我有时候会在手机端使用，还是觉得用ima的知识库比较方便。
6.搭建自媒体灵感库
之前我看到好的小红书笔记和公众号文章，都转发给自己，但要用的时候还得找半天很麻烦。
后来就做了个快捷指令，刷到好的内容时，直接双击敲击手机背面，就能一键把链接存到飞书多维表格里。
workbuddy自动提取内容后，多维表格AI直接拆解内容+给出改写示例，写到新的字段里。
这样我一打开表格，所有信息都现成的，不需要自己手动整理，这就是当皇帝的感觉吗哈哈哈哈哈
除此之外，我还让workbuddy每天帮我搜集热点，也写到飞书多维表格里，直接从里面找选老爽了
7.把抽象的方法论，提炼成SOP
特别适合在刷到别人讲了一个认知方法，但又没有给实操方案的时候，直接把原文丢给AI，让它帮我想具体要怎么做、能怎么应用到我的场景。
我就靠这个方法，「白嫖」知识付费课程😂
8.技术顾问
现在AI在代码、技术和各种安装部署方面真的牛，我之前配置obsidian+Claude code、飞书多维表格、或者要实现某个自动化工作流，全是AI帮我搞定的。
遇到问就直接啪一个截屏丢给AI就好，让它自己帮我想办法，目前还没碰到它搞不定的事哈哈哈哈
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
最近几天把市面上最火的 Claude Design 和它的三个开源替代品全都跑了一遍
主要是因为我真的需要一个趁手的 AI 设计工具来做原型和落地页还有产品迭代
测完之后发现，这四个工具的定位差异比我想象的大得多，选错了真的会浪费时间
以下是我的一些经验和实测对比，分享给大家：
1.Claude Design：官方最成熟，但你得先有订阅
Anthropic 在 2026 年 4 月 17 日正式发布了 Claude Design，这不是 Claude Code 的插件，而是一个独立产品，直接访问 claude. ai / design 就能用
我用下来最大的感受是“卧槽真牛”，对式交互和实时画布几乎没有延迟，支持设计系统自动应用、UX critique、可访问性审计，生成的原型可以直接导出 HTML/React，一键 handoff 到 Claude Code 生成生产代码
底层用的是 Claude Opus 4.7 视觉模型，输出质量确实是四个工具里最高的
但门槛也很明确：只有 Claude Pro、Max，Pro 月费 20 美元，Max 起步 100 美元，而且额度受限
而且是云端订阅制，完全依赖 Anthropic 生态，无法本地私有化部署
适合人群：已经是 Claude 付费用户，需要最稳定体验，不在乎被锁在一个生态里
2. Open Design：X 上最火的开源平替，本地优先
https://github.com/nexu-io/open-design
Open Design 是我这次测试里最惊喜的一个，GitHub 仓库 nexu-io/open-design 目前已经 5000+ stars
它的核心逻辑是把你本地的任意 AI 编码 Agent——Claude Code、Cursor、Codex、Gemini CLI、OpenCode、Qwen 等 16+ 种——直接变成设计引擎，完全本地优先，免费无限额
内置 71 个品牌级设计系统（从 Neutral Modern 到 Figma、Vercel 等产品系统）和 19 个 Skill，支持多格式导出（HTML/PDF/PPTX/MP4 等），上下文保留做得很好，能实现“看画布 → 修改 → 转代码”一气呵成
首次安装需要配置本地 Agent，新手可能需要 5-10 分钟，但配置完之后体验非常流畅
作为一个较新项目（最近两天还在持续更新），部分高级设计系统还在补充中，但核心功能已经很稳定
适合人群：想要免费方案，不想被订阅绑架，愿意花 10 分钟配置本地环境，需要多 Agent 支持
3. Open CoDesign：纯桌面本地版，隐私第一
https://github.com/OpenCoworkAI/open-codesign
Open CoDesign 是 OpenCoworkAI 团队做的 Electron 桌面版，定位是“第一个开源 Claude Design 替代品”，比 Open Design 发布得更早
它更像传统设计软件 + AI 提示的结合，完全本地桌面 App，支持多模型（Claude / GPT / Gemini / Kimi / GLM / Ollama 等），本地 SQLite 历史记录，导出格式丰富，一键导入现有 Agent 配置
最大优势是隐私安全和零云依赖，适合离线或企业内部使用，macOS 和 Windows 都有打包好的安装包
相比 Open Design，它的设计系统和 Skill 数量目前略少，更偏向“桌面工具”的形态，插件式灵活性稍弱
适合人群：重度桌面用户，对隐私有要求，需要离线工作，不想在 Web 和 CLI 之间切换
3.SuperDesign:IDE 里边码边设计
https://github.com/superdesigndev/superdesign
SuperDesign 是一个专为代码编辑器设计的轻量 AI 设计插件，直接在 Cursor / VS Code / Claude Code / Windsurf 等 IDE 内生成和迭代设计
它的核心场景是边写代码边设计，零配置，prompt 后可以生成多方案并排对比，设计资产直接拖进项目文件夹，实时迭代，极度适合开发者工作流
轻量、免费、完全开源，但更侧重快速生成和迭代，专业级 critique 和大型设计系统深度不如 Claude Design 官方版，也不适合纯设计预览或非 IDE 场景
适合人群：开发者，需要在 IDE 里快速生成 UI 原型，不需要独立设计工具，追求工作流一体化
如果对你有帮助，欢迎大家点个三连支持一下！谢谢大家！
@aigc1024
主要是因为我真的需要一个趁手的 AI 设计工具来做原型和落地页还有产品迭代
测完之后发现，这四个工具的定位差异比我想象的大得多，选错了真的会浪费时间
以下是我的一些经验和实测对比，分享给大家：
1.Claude Design：官方最成熟，但你得先有订阅
Anthropic 在 2026 年 4 月 17 日正式发布了 Claude Design，这不是 Claude Code 的插件，而是一个独立产品，直接访问 claude. ai / design 就能用
我用下来最大的感受是“卧槽真牛”，对式交互和实时画布几乎没有延迟，支持设计系统自动应用、UX critique、可访问性审计，生成的原型可以直接导出 HTML/React，一键 handoff 到 Claude Code 生成生产代码
底层用的是 Claude Opus 4.7 视觉模型，输出质量确实是四个工具里最高的
但门槛也很明确：只有 Claude Pro、Max，Pro 月费 20 美元，Max 起步 100 美元，而且额度受限
而且是云端订阅制，完全依赖 Anthropic 生态，无法本地私有化部署
适合人群：已经是 Claude 付费用户，需要最稳定体验，不在乎被锁在一个生态里
2. Open Design：X 上最火的开源平替，本地优先
https://github.com/nexu-io/open-design
Open Design 是我这次测试里最惊喜的一个，GitHub 仓库 nexu-io/open-design 目前已经 5000+ stars
它的核心逻辑是把你本地的任意 AI 编码 Agent——Claude Code、Cursor、Codex、Gemini CLI、OpenCode、Qwen 等 16+ 种——直接变成设计引擎，完全本地优先，免费无限额
内置 71 个品牌级设计系统（从 Neutral Modern 到 Figma、Vercel 等产品系统）和 19 个 Skill，支持多格式导出（HTML/PDF/PPTX/MP4 等），上下文保留做得很好，能实现“看画布 → 修改 → 转代码”一气呵成
首次安装需要配置本地 Agent，新手可能需要 5-10 分钟，但配置完之后体验非常流畅
作为一个较新项目（最近两天还在持续更新），部分高级设计系统还在补充中，但核心功能已经很稳定
适合人群：想要免费方案，不想被订阅绑架，愿意花 10 分钟配置本地环境，需要多 Agent 支持
3. Open CoDesign：纯桌面本地版，隐私第一
https://github.com/OpenCoworkAI/open-codesign
Open CoDesign 是 OpenCoworkAI 团队做的 Electron 桌面版，定位是“第一个开源 Claude Design 替代品”，比 Open Design 发布得更早
它更像传统设计软件 + AI 提示的结合，完全本地桌面 App，支持多模型（Claude / GPT / Gemini / Kimi / GLM / Ollama 等），本地 SQLite 历史记录，导出格式丰富，一键导入现有 Agent 配置
最大优势是隐私安全和零云依赖，适合离线或企业内部使用，macOS 和 Windows 都有打包好的安装包
相比 Open Design，它的设计系统和 Skill 数量目前略少，更偏向“桌面工具”的形态，插件式灵活性稍弱
适合人群：重度桌面用户，对隐私有要求，需要离线工作，不想在 Web 和 CLI 之间切换
3.SuperDesign:IDE 里边码边设计
https://github.com/superdesigndev/superdesign
SuperDesign 是一个专为代码编辑器设计的轻量 AI 设计插件，直接在 Cursor / VS Code / Claude Code / Windsurf 等 IDE 内生成和迭代设计
它的核心场景是边写代码边设计，零配置，prompt 后可以生成多方案并排对比，设计资产直接拖进项目文件夹，实时迭代，极度适合开发者工作流
轻量、免费、完全开源，但更侧重快速生成和迭代，专业级 critique 和大型设计系统深度不如 Claude Design 官方版，也不适合纯设计预览或非 IDE 场景
适合人群：开发者，需要在 IDE 里快速生成 UI 原型，不需要独立设计工具，追求工作流一体化
如果对你有帮助，欢迎大家点个三连支持一下！谢谢大家！
@aigc1024
分享一个极其炸裂的提示词，差点儿给我搞流眼泪了
“我希望你扮演一名从业20年的心理咨询师。在接下来的30天里面，每天找我问一个深度的问。30天以后，我希望你给我一个反馈。我是个什么样的人？我希望你帮我发现我自己发现不了的自己，内心深处的东西”
@aigc1024
“我希望你扮演一名从业20年的心理咨询师。在接下来的30天里面，每天找我问一个深度的问。30天以后，我希望你给我一个反馈。我是个什么样的人？我希望你帮我发现我自己发现不了的自己，内心深处的东西”
@aigc1024
最初关注这个是我开始整理2025年随着manus爆发后，国内一批快速融资的Agent一年的成绩单，发现商业化都不咋好——没有一家公司赚钱，甚至很多是血亏。
恰好又见了多抓鱼的 她最近沉迷翡翠，讲了很多珠宝行业的秘闻，然后谈到AI时，她说，去年挺焦虑的，但今年释然了，对很多中小企业来说，使用AI还是太贵了，不如直接雇佣一个员工。
上周又见了几个一级市场的投资人，聊起他们被投公司商业化的问，好像都没有什么特别好的办法——但不投也会焦虑。
说到底，AI对实体经济真正的影响可能还不足10%，从算账逻辑上，它还不足支撑一门生意。
以及由于这个圈子信息过载，焦虑情绪过重，导致每个人都出现幻觉，觉得不用AI就会如何如何，恐慌论蔓延。
恰好 Ed Zitron发了一篇文章，给美国几个巨头算AI账，原标叫《AI Is Too ExpensiveZitron》。
Ed Zitron是科技圈的毒舌，他有一档播客叫《 Better Offline》，也是科技播客前20名，他之前是公关出身的，后来忽然倒戈成了科技圈最凶的批评者，专注批评AI泡沫，
WIRED 去年给他做过一篇人物特写标是《他既靠 AI 赚钱，也靠骂 AI 赚》。他还写过两本 PR 的书《This Is How You Pitch》《 Fire Your Publicist》，都没出中文版，
这篇文章是他「AI 经济学根本不成立」论述写得最系统的一篇，大概理出十点。
1. AI 对所有人都不经济。 除了英伟达、建筑公司和硬件厂商能赚钱，现在没有一家公司在这波 AI 浪潮里真正赚到钱。每一个 AI 创业公司每年烧掉数百万到数十亿美元，根本没找到止血的方法。
2. 超大规模云厂商已砸入 $8000 亿，还需 $1.7 万亿。 微软、亚马逊、谷歌、Meta 过去三年 capex 超 $8000 亿，2026-2027 还要再投 $1.7 万亿。这意味着他们至少需要 $3 万亿 AI 专项收入才能回本——而四大巨头全部业务年收入加起来才 $1.6 万亿。
3. 尤其是微软的账本经不起细看。 微软四年在 身上花了近 $1000 亿（含 $3000 亿 capex 中约 30% 流向 OpenAI 基建），但 AI 年收入估算仅 $179 亿。Copilot 2000 万订阅者，就算全价也不过 $72 亿——而且微软一直在打折。
4. 所谓RPO 暴涨是个障眼法。 微软、亚马逊、谷歌的剩余履约义务（RPO）暴涨，但去掉 OpenAI 和 Anthropic 的承诺，支出后几乎没增长。所谓“AI 需求井喷”其实是两家烧钱公司在互相喂钱。说白了，三个人在房间里互递同一张一百块，然后各自宣布交易额增长了 300%。
5. AI 实验室花 $3 赚 $1。 Anthropic 自己的文件显示：收入 $50 亿，推理和训练成本 $100 亿。OpenAI 毛利率从 2024 年的 40% 跌到 2025 年的 33%。两家毛利率都在恶化，规模越大，亏得越多。
6. Anthropic + OpenAI 四年内需要 $1.25 万亿。 Anthropic 光云服务欠条就 $3300 亿，加上运营成本，四年内至少需要 $4000 亿。OpenAI 预计 2030 年前烧掉 $8520 亿。两家都在疯狂融资——Anthropic 六个月融了 $750 亿。
7、《The Information》 披露了 OpenAI 2026年第一季度的财务数据：尽管营收达到57亿美元，但公司的非 GAAP 运营利润率为负122%。这意味着 OpenAI 每赚1美元，就要亏损1.22美元，单季度亏损约69.5亿美元。
8. 接刀困境：永远算不准算力需求。 订少了，需求暴增时被迫高价抢货，吃掉所有利润。订多了，收入不达标直接破产。Anthropic 的 CEO Dario Amodei 自己承认：如果买了 $1 万亿算力而收入只有 $8000 亿，「地球上没有任何对冲能救你。」
9. 几乎每一家企业的 token的预算都在五个月内烧光全年配额。Uber、ServiceNow、Stripe 无一例外。Stripe 5000 工程师每天烧 $94000 token。Goldman Sachs 报告：AI 成本正逼近总人力成本的 10%。
10. Zillow 是美国最大的房产信息平台，类似贝壳+安居客。这家公司 Q1 净利润 $4600 万，token花了超 $100 万，全年预计 $700-1000 万——吃掉 2025 年全年净利润的 20%+。工程师被要求 AI 写 PRD → AI 写代码 → AI 写 deck → AI 写邮件。内部员工吐槽说代码“正在变成 AI 排泄物”，Ed Zitron说，这就是行业的切尔诺贝利，写完这些废料，还需要增人力审核校验。
@aigc1024
恰好又见了多抓鱼的 她最近沉迷翡翠，讲了很多珠宝行业的秘闻，然后谈到AI时，她说，去年挺焦虑的，但今年释然了，对很多中小企业来说，使用AI还是太贵了，不如直接雇佣一个员工。
上周又见了几个一级市场的投资人，聊起他们被投公司商业化的问，好像都没有什么特别好的办法——但不投也会焦虑。
说到底，AI对实体经济真正的影响可能还不足10%，从算账逻辑上，它还不足支撑一门生意。
以及由于这个圈子信息过载，焦虑情绪过重，导致每个人都出现幻觉，觉得不用AI就会如何如何，恐慌论蔓延。
恰好 Ed Zitron发了一篇文章，给美国几个巨头算AI账，原标叫《AI Is Too ExpensiveZitron》。
Ed Zitron是科技圈的毒舌，他有一档播客叫《 Better Offline》，也是科技播客前20名，他之前是公关出身的，后来忽然倒戈成了科技圈最凶的批评者，专注批评AI泡沫，
WIRED 去年给他做过一篇人物特写标是《他既靠 AI 赚钱，也靠骂 AI 赚》。他还写过两本 PR 的书《This Is How You Pitch》《 Fire Your Publicist》，都没出中文版，
这篇文章是他「AI 经济学根本不成立」论述写得最系统的一篇，大概理出十点。
1. AI 对所有人都不经济。 除了英伟达、建筑公司和硬件厂商能赚钱，现在没有一家公司在这波 AI 浪潮里真正赚到钱。每一个 AI 创业公司每年烧掉数百万到数十亿美元，根本没找到止血的方法。
2. 超大规模云厂商已砸入 $8000 亿，还需 $1.7 万亿。 微软、亚马逊、谷歌、Meta 过去三年 capex 超 $8000 亿，2026-2027 还要再投 $1.7 万亿。这意味着他们至少需要 $3 万亿 AI 专项收入才能回本——而四大巨头全部业务年收入加起来才 $1.6 万亿。
3. 尤其是微软的账本经不起细看。 微软四年在 身上花了近 $1000 亿（含 $3000 亿 capex 中约 30% 流向 OpenAI 基建），但 AI 年收入估算仅 $179 亿。Copilot 2000 万订阅者，就算全价也不过 $72 亿——而且微软一直在打折。
4. 所谓RPO 暴涨是个障眼法。 微软、亚马逊、谷歌的剩余履约义务（RPO）暴涨，但去掉 OpenAI 和 Anthropic 的承诺，支出后几乎没增长。所谓“AI 需求井喷”其实是两家烧钱公司在互相喂钱。说白了，三个人在房间里互递同一张一百块，然后各自宣布交易额增长了 300%。
5. AI 实验室花 $3 赚 $1。 Anthropic 自己的文件显示：收入 $50 亿，推理和训练成本 $100 亿。OpenAI 毛利率从 2024 年的 40% 跌到 2025 年的 33%。两家毛利率都在恶化，规模越大，亏得越多。
6. Anthropic + OpenAI 四年内需要 $1.25 万亿。 Anthropic 光云服务欠条就 $3300 亿，加上运营成本，四年内至少需要 $4000 亿。OpenAI 预计 2030 年前烧掉 $8520 亿。两家都在疯狂融资——Anthropic 六个月融了 $750 亿。
7、《The Information》 披露了 OpenAI 2026年第一季度的财务数据：尽管营收达到57亿美元，但公司的非 GAAP 运营利润率为负122%。这意味着 OpenAI 每赚1美元，就要亏损1.22美元，单季度亏损约69.5亿美元。
8. 接刀困境：永远算不准算力需求。 订少了，需求暴增时被迫高价抢货，吃掉所有利润。订多了，收入不达标直接破产。Anthropic 的 CEO Dario Amodei 自己承认：如果买了 $1 万亿算力而收入只有 $8000 亿，「地球上没有任何对冲能救你。」
9. 几乎每一家企业的 token的预算都在五个月内烧光全年配额。Uber、ServiceNow、Stripe 无一例外。Stripe 5000 工程师每天烧 $94000 token。Goldman Sachs 报告：AI 成本正逼近总人力成本的 10%。
10. Zillow 是美国最大的房产信息平台，类似贝壳+安居客。这家公司 Q1 净利润 $4600 万，token花了超 $100 万，全年预计 $700-1000 万——吃掉 2025 年全年净利润的 20%+。工程师被要求 AI 写 PRD → AI 写代码 → AI 写 deck → AI 写邮件。内部员工吐槽说代码“正在变成 AI 排泄物”，Ed Zitron说，这就是行业的切尔诺贝利，写完这些废料，还需要增人力审核校验。
@aigc1024
发现一个挺有意思的开源项目：Talkio
它不是普通的 AI 客户端，核心玩法是把多个 AI 拉进同一个群聊里。
你可以让 GPT、Claude、DeepSeek 一起围绕同一个问讨论，还能给它们分别设定角色，比如产品经理、工程师、翻译官、辩论对手。
我觉得这类工具很适合几个场景：
1.写方案时，多模型交叉验证观点
2.写代码时，一个负责生成，一个负责 review
3.做内容时，让不同模型从标、结构、文案角度一起给建议
4.做复杂决策时，模拟一个 AI 小组讨论
另外它还是 local-first，数据存在本地，对隐私敏感用户也比较友好。
项目地址：https://github.com/llt22/talkio
很适合喜欢折腾多模型协作流的人。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
它不是普通的 AI 客户端，核心玩法是把多个 AI 拉进同一个群聊里。
你可以让 GPT、Claude、DeepSeek 一起围绕同一个问讨论，还能给它们分别设定角色，比如产品经理、工程师、翻译官、辩论对手。
我觉得这类工具很适合几个场景：
1.写方案时，多模型交叉验证观点
2.写代码时，一个负责生成，一个负责 review
3.做内容时，让不同模型从标、结构、文案角度一起给建议
4.做复杂决策时，模拟一个 AI 小组讨论
另外它还是 local-first，数据存在本地，对隐私敏感用户也比较友好。
项目地址：https://github.com/llt22/talkio
很适合喜欢折腾多模型协作流的人。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
前的火箭都很贵，以后也会很贵。第一性原理：从原料看，火箭的材料成本只有 1%-2%，只要利用工程的魔法，完全可以把火箭做得很便宜。
用类比思维理解世界，用第一性原理改变世界。
最后这句是 Cola 说的金句，很准确。
工程学就是魔法
马斯克 80% 的时间花在工程学上。
工程师和物理学家谁更厉害？他觉得工程学更胜一筹。没有工程学，就无法获得任何新数据，物理学研究也就会遇到瓶颈。（训练大模型也可以看作一个数据工程）
物理学的目标是探索宇宙中已有的事物，发现最基本的真相，但真相已经在那里了。
工程学的目标则是创造此前从未存在过的事物。
本质上，工程学就是魔法，谁不想成为魔法师呢？
技术是决定性优势
马斯克喜欢《孙子兵法》，看过很多遍。
他说这本书里应该增加一章：如果你拥有决定性的技术优势，就能以最小的伤亡赢得胜利。
古罗马人就是靠冶金和修路赢得战争。
历史上大多数时期技术发展缓慢，战争拼的是运筹和战略。但当技术出现断层式突破时，整个局势就会根本性改变。
现在拼的是谁创造新技术的速度更快。
创意与执行
他的脑子里像猛烈的暴风雨，想法像雨点一样砸下来，多到来不及实现。
新颖的创意从来不是问，执行才是关键。
创意本身没有多少价值。做出原型还不够，真正的挑战在于实现量产，还要保证现金流为正。
想去火星这个主意并不难。
真正困难的是如何登上火星。
识人
面试时他喜欢让候选人讲述他们遇到过的棘手问，以及如何应对。
真正闯过难关的人，对问的每个细节了如指掌，问得再细都能真诚回答。没有亲自解决过问的人只能含糊其辞。
过于看重才能、忽视人品，是他犯过的错误。了解品性的方法：观察他交什么样的朋友、和什么样的人共事。人可以伪装品性，但他的朋友不会。
技能一教就会，而人的本性难以改变。
领导力
管理者就应该到一线去。取消所有特权，即便是 CEO 都没有自己的办公室。管理的职责是服务团队，不是让团队伺候自己。
给别人反馈时不留情面，但聚焦于事情本身。只批评行为，不针对个人。
想讨别人喜欢是一个弱点，一个致命的弱点，而他没有这个弱点。
公司
公司只是一个虚构的概念，本质上是一群人共赴前程。这群人能力有多强、工作多拼命、能否心往一处使，将决定成败。
从根本上限制公司发展的就是顶尖工程师。一家公司有强烈的使命感，就能吸引全世界最顶尖的人才。
做有趣的工作，拿丰厚的报酬，做的产品能改变世界。没有比这更激动人心的事了。
产品
要做出正确的决策，你就要充分了解产品的细节。
极致的产品会把创造和销售合成一件事。
产品做到极致，就不需要传统营销。
只有拼命解决棘手的问，才能做出极致的产品。
解决难就是公司的价值所在。
最后，再讲讲为什么会意外复习到《纳瓦尔爆点》，其实是因为最近买了一本孟岩的书《投资中我相信的事》。
虽然投资并非我的关注点，但以我对孟岩的了解，这本书大概率会大量「夹带私货」。
正如我所料，我喜欢这本书里所有夹带私货的部分，比如他梳理了《纳瓦尔宝典》里的内容，也就是本文的第一部分。
比如投资里最重要的事情，到底是什么。
股东大会上，有人问巴菲特：如果仅选择一只股票来对抗高通胀，你会选择什么？为什么？
巴菲特说：最好的一项投资就是投资自己，做自己擅长的事情，成为对社会有用的人，人们会给你一些他们生产的东西来换取你能提供的东西。这样就不用担心钱因高通胀而贬值了。
以上三本书，我都很喜欢，推荐给所有正在创造的人。
永久链接：
https://mp.weixin.qq.com/s/xzLn-HwxYsZRdznYm211Rw
@aigc1024
用类比思维理解世界，用第一性原理改变世界。
最后这句是 Cola 说的金句，很准确。
工程学就是魔法
马斯克 80% 的时间花在工程学上。
工程师和物理学家谁更厉害？他觉得工程学更胜一筹。没有工程学，就无法获得任何新数据，物理学研究也就会遇到瓶颈。（训练大模型也可以看作一个数据工程）
物理学的目标是探索宇宙中已有的事物，发现最基本的真相，但真相已经在那里了。
工程学的目标则是创造此前从未存在过的事物。
本质上，工程学就是魔法，谁不想成为魔法师呢？
技术是决定性优势
马斯克喜欢《孙子兵法》，看过很多遍。
他说这本书里应该增加一章：如果你拥有决定性的技术优势，就能以最小的伤亡赢得胜利。
古罗马人就是靠冶金和修路赢得战争。
历史上大多数时期技术发展缓慢，战争拼的是运筹和战略。但当技术出现断层式突破时，整个局势就会根本性改变。
现在拼的是谁创造新技术的速度更快。
创意与执行
他的脑子里像猛烈的暴风雨，想法像雨点一样砸下来，多到来不及实现。
新颖的创意从来不是问，执行才是关键。
创意本身没有多少价值。做出原型还不够，真正的挑战在于实现量产，还要保证现金流为正。
想去火星这个主意并不难。
真正困难的是如何登上火星。
识人
面试时他喜欢让候选人讲述他们遇到过的棘手问，以及如何应对。
真正闯过难关的人，对问的每个细节了如指掌，问得再细都能真诚回答。没有亲自解决过问的人只能含糊其辞。
过于看重才能、忽视人品，是他犯过的错误。了解品性的方法：观察他交什么样的朋友、和什么样的人共事。人可以伪装品性，但他的朋友不会。
技能一教就会，而人的本性难以改变。
领导力
管理者就应该到一线去。取消所有特权，即便是 CEO 都没有自己的办公室。管理的职责是服务团队，不是让团队伺候自己。
给别人反馈时不留情面，但聚焦于事情本身。只批评行为，不针对个人。
想讨别人喜欢是一个弱点，一个致命的弱点，而他没有这个弱点。
公司
公司只是一个虚构的概念，本质上是一群人共赴前程。这群人能力有多强、工作多拼命、能否心往一处使，将决定成败。
从根本上限制公司发展的就是顶尖工程师。一家公司有强烈的使命感，就能吸引全世界最顶尖的人才。
做有趣的工作，拿丰厚的报酬，做的产品能改变世界。没有比这更激动人心的事了。
产品
要做出正确的决策，你就要充分了解产品的细节。
极致的产品会把创造和销售合成一件事。
产品做到极致，就不需要传统营销。
只有拼命解决棘手的问，才能做出极致的产品。
解决难就是公司的价值所在。
最后，再讲讲为什么会意外复习到《纳瓦尔爆点》，其实是因为最近买了一本孟岩的书《投资中我相信的事》。
虽然投资并非我的关注点，但以我对孟岩的了解，这本书大概率会大量「夹带私货」。
正如我所料，我喜欢这本书里所有夹带私货的部分，比如他梳理了《纳瓦尔宝典》里的内容，也就是本文的第一部分。
比如投资里最重要的事情，到底是什么。
股东大会上，有人问巴菲特：如果仅选择一只股票来对抗高通胀，你会选择什么？为什么？
巴菲特说：最好的一项投资就是投资自己，做自己擅长的事情，成为对社会有用的人，人们会给你一些他们生产的东西来换取你能提供的东西。这样就不用担心钱因高通胀而贬值了。
以上三本书，我都很喜欢，推荐给所有正在创造的人。
永久链接：
https://mp.weixin.qq.com/s/xzLn-HwxYsZRdznYm211Rw
@aigc1024
读完发现两本书的作者竟然是同一个。
《纳瓦尔宝典》，讲的是一个人如何积累财富和自由。
《马斯克原理》，讲的是如何推动人类文明进步。
两本书作者都是 Eric Jorgenson。他做的事情很特别：不写传记，不做采访，而是从一个人海量的公开发言里提炼出思维框架，编排成一本可操作的手册。
他用这个方法做了《纳瓦尔宝典》，全球卖了上百万册。然后花了五年，从马斯克过去二十年的三百万字访谈、推文和演讲里，编排出了《马斯克原理》。
两本书合在一起，分别对应人生的第一阶段和第二阶段的两种活法，这两个阶段分别是财富自由之前和财富自由之后。
第一本书很早之前看过，今天意外复习（结尾会讲这个意外），第二本书我只看了一小半，已热血沸腾。
摘录一些让我印象最深的片段：
纳瓦尔宝典
赚钱的本质就四个字：创造，销售。
纳瓦尔把通过自己的劳动所获得的收入可以拆解为三个因素：专长、责任、杠杆。
专长，拆解为天分和热爱。天分是天生的，我们没办法，热爱可以靠一万小时和百分百的专注度去堆，人要主动选择自己热爱的事情去做。
责任，勇于承担责任才能建立可信度，才能与人深度合作，才能获得更多收益。
杠杆，人类学会了相互信任和合作，从而进入了杠杆时代。杠杆有三种：劳动力杠杆、资本杠杆、软件和媒体。
杠杆的另一面，是判断力的重要性，因为每一个决策质量的提升，都会被快速放大。提升判断力，有两个实用的方法，一个是真实实践，一个是读书/学习。
剩下的交给时间和运气。
时间，选择你不喜欢的事情和你热爱的事情，所花的时间是一样的，选择小事情和选择大事情，所花的时间也是一样的。
面对公平的时间，你最好的策略是找到你的所爱，找到努力的意义，然后不计结果地投入其中就好了。偶尔抬头，可能繁花似锦。
运气，是多做尝试，是多研究多发现。或者成为一个领域最独特的存在，让运气找到你。
纳瓦尔说，最好的工作，就是终身学习者在自由市场中的创造性表达。
这就是纳瓦尔宝典里最核心的东西了。
马斯克原理
第一性原理
第一性原理的反面就是类比思维。
马斯克说，在日常事务中应该使用类比推理，否则大脑会因为第一性原理思考而不堪重负。
但在做重大抉择时，类比推理无法摆脱传统和以往经验的枷锁，这种思考方式实属荒唐。
切记不要盲目跟风，运用物理学思维，从第一性原理出发进行思考，就可以避免犯错，这种方法极为强大，适用于生活的方方面面。
类比思维：以
AI抓取工具出新活了。这兄弟演示了怎么用AI自动抓取LinkedIn等网站数据。以前要写几百行代码，现在一个插件搞定。AI+自动化 = 传统程序员失业加速器。你是准备被替代，还是准备学会用工具？
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
