Sam

大多数人还在用 5 个 App 订一次出行。 我们想把这件事变成一句话。 这是龙虾出行在做的事： 用 AI，重做一遍整个出行链路。 不是优化，而是重构。 👉 rideclaw.ai 招 AI产品 / 增长 / 工程 想做难而正确的事，来聊。

@chase_psz 登录都失败了

x-chat 大家有下载吗，使用起来感觉怎么样。能干翻微信吗

如何让你的 iOS 应用月营收达到 1 万美元： 1. 前往 Higgsfield 的 Marketing Studio 2. 粘贴你的应用链接并生成 UGC 风格的视频 3. 将视频上传至 Meta、TikTok 和 Google Ads Manager 4. 设置你的受众： → 地点：美国 → 操作系统：仅限 iOS → 详细受众特征：你的垂直领域 + 频繁旅行者 5. 不要投放品牌知名度广告（Awareness campaigns） 6. 选择以转化目标（应用内购买事件）为导向的应用推广广告 7. 为每个平台设置 30 美元的预算 8. 投放 3 天 9. 针对表现出色的广告，加大投入力度

Karpathy最新的这个观点可以说掀翻了整个AI圈的底层逻辑。 10亿参数的小模型，配上干净的数据，就能达到今天1.8万亿参数前沿模型的水平🤯😱🤖 这可是整整1800倍的参数压缩啊😲😲😲 倒不是模型不够大，关键是现在的训练数据里，95%以上都是噪声信息， 股票代码，破损的HTML，论坛水帖，还有AI自己生成的垃圾内容。 导致大模型被迫用海量参数模糊记住所有这些东西。 比如Llama 3的信息压缩率只有0.07 bits/token， 相当于用1.8万亿参数只拍出了一张互联网5%分辨率的模糊照片🤣 而且绝大部分参数都浪费在了死记硬背垃圾上。 所以他说未来的方向特别简单， 把模型彻底拆成两部分， 一部分是一个10亿参数的认知核心，只学推理和解决问题，不背任何百科知识。 当需要事实的时候，再去外部记忆里查。 其实这个趋势早就开始了， 比如2000亿参数的GPT-4o，已经超越了初代1.8万亿的GPT-4。 而且过去两年GPT-3.5级别的推理成本降了280倍，几乎全靠更小、更干净、架构更好的模型实现的。 曾经奉若神明的缩放定律，正在被数据质量背刺。 因为过去所有人都在拼谁的GPU多，谁的参数大， 但到了现在才发现，原来大家其实都在交巨额的噪声税， 所以未来谁先把95%的垃圾数据扔掉，谁就能用千分之一的成本，拿到一样的效果。 因此数据质量才是真正的护城河， 那些闭源大厂的海量数据壁垒，可能会被一个精心清洗的小数据集反超，那些付不起万亿训练费的小团队反而有了弯道超车的机会。 也许本地部署的春天真的要来了， 10亿参数的模型，现在的手机就能轻松跑满。 以后你的私人AI助理可能不需要把数据传到云端，因为所有计算都在你自己的设备上完成。 这意味着GPU军备竞赛可能会迎来一个致命拐点，毕竟如果1B就能打平1.8T，现在砸进去的万亿数据中心投资的商业逻辑都会被彻底重写。 也就是说未来的钱应该花在数据清洗上，而不是堆芯片。 最反常识的地方就在这里，我们一直以为大模型是在理解世界，但实际上它们只是在做低分辨率的互联网快照。 所谓的幻觉不是bug，反而是它们的本质，因为它们压根就没学会区分有用信息和垃圾。 以前我们觉得RAG是个临时补丁，但现在才发现，它才是终极解法的前身啊😲 毕竟人类从来不会死记硬背所有东西，那么我们学会思考，然后需要的时候去查书，AI也应该是这样。 所以我觉得AI的下一战不是比谁有更多的GPU，而是比谁敢把95%的垃圾数据扔掉，只留5%的精华。 干净数据+小认知核心+外部记忆，我认为这才是未来1800倍效率跃迁的钥匙。 问题来了，兄弟们你觉得第一个被这个趋势彻底颠覆的会是谁？ #Karpathy #AI #大模型 #数据质量 #人工智能

昨天答应的 PPTSkill 来了！ - 包含 10 个板式、5 套主题，覆盖各种场景 - WebGL 流体动画背景，非常炫酷 - AI 会帮你规划大纲、选主题、支持图片匹配和添加 文章里还有一些 Skill 制作的方法和详细的使用教程，可以看看。

good

别再说 AI 只是提效工具了。 这套OpenAI 官方都认可的 Codex 教程，直接让你一个人干完一个团队的活： 做 iOS App、写代码、出投资者 Deck，全流程打通。 核心就两件事： 👉 自定义 Skill（能力复用） 👉 自动化（效率指数放大） 这才是 AI 时代真正的工作方式。 看完，大概率你会重新思考“打工”这件事。

mark

谷歌 Gemini 团队主管 Addy Osmani 最近开源了一个叫 Agent Skills 的项目，短时间内在 GitHub 上拿到了 18000 多个 Star，热度很高。 这个项目做的事情说起来也不复杂：把资深工程师多年积累的工作流程和开发规范，整理成一套标准化的技能库，让 AI 编程助手在写代码的每个环节都能按照统一的高标准来执行。你可以理解为，它给 AI 配了一本老工程师的操作手册。 整套技能库围绕软件开发的完整生命周期来设计，从最早的需求定义，到规划、构建、验证、评审，一直到最后的发布上线，六个阶段总共包含 20 个核心技能。每个阶段该做什么、该注意什么，都有对应的规范。 用起来也很直观，项目提供了 7 个触发命令。比如输入 /spec 就开始写需求文档，/plan 自动拆解任务，/build 进入编码阶段，/test 跑测试，/ship 走部署流程。每个命令背后会自动调用相关的技能组合，不需要你手动一个个去配置。 兼容性方面，目前支持 Claude Code、Gemini CLI、Codex、Cursor 这些主流的 AI 编程工具，覆盖面已经很广了。 如果你已经在日常开发中用上了 AI 辅助工具，可以试试把这套 Skills 接进去，看看交付质量能不能再上一个台阶。 传送门：github.com/addyosmani/age…

36氪首发｜“龙虾出行”完成近亿元天使轮融资：全球首发AI出行助理 36kr.com/p/376887630810… 国内开始内测，海外版的正在路上

吐槽一下 wanman.ai 为什么默认是日文的，语言切换入口也没找到，新用户onboard失败

Claude Code 创始人Boris Cherny带来的这段 30 分钟工作坊讲解，比 100 个 YouTube 视频教程更能让你深入了解“氛围编码”。 赶紧收藏起来，今天就花 30 分钟看看吧！这段视频将彻底改变你使用 Claude 的方式。

做了个 wx cli，主要是给自己用的，用来管理自己的聊天记录，整理消息，实时监听消息之类的 github.com/jackwener/wx-c…

兄弟们，斯坦福这场两小时的讲座，把 ChatGPT、Claude这类大模型的真实构建逻辑拆解得一清二楚。 通透程度甚至超过了很多 AI 领域顶尖从业者日常能接触到的内容。 赶紧收藏好，今天少刷点抖音，匀出两个小时看一看， 它很可能会成为你这一整周最有价值的学习收获。

看多了前端已死，程序员要被淘汰了，这次终于轮到 marketing 了？ Anthropic 有个非技术背景的人，一个人扛了 10 个月的 growth marketing。 他做的事其实已经不太像 marketing 了： 历史广告数据喂给 Claude Code，先分析哪些文案差，再直接生成新版本 headline 和 description 拆给不同 sub-agent，再接 Figma plugin 批量出图 然后喂给 Meta Ads 的 MCP server，直接问 Claude 哪些广告在浪费预算 最后加一个 memory system，让每轮实验结果进入下一轮。 这套东西看下来，会感觉未来很多公司缺的可能是一个会搭 agent、接数据、做闭环的人。 作者这类人起个新名字，Distribution Engineer（未来真的都是AI 加持下的复合型人才了）！

太牛逼了！ Heygen 发布了HyperFrames，一个基于HTML自动做视频的工具，有点类似 remotion，但是感觉做的更加完善。 这个视频生成只用了一句指令： /website-to-hyperframes autocli.ai 项目链接：

Anthropic工程师Cal Rueb的25分钟Claude Code工作坊，比你今年看过的所有教程都实用。 核心：用CLAUDE.md写清项目规范，用规划模式让它先想再做，用测试驱动让它自己验证结果。 Cal的设计哲学四个字：简单但有效。不追求炫酷，追求可靠。 推荐观看并收藏👇

继续分享一个狠东西 github 上有个开源的 Claude Skill，叫 architecture-diagram-generator 你只要跟它说人话：前端 React，后端 Node，数据库 Postgres。。。它直接给你吐出一张能看的架构图 就一个 HTML 文件，暗色底 + 语义化配色，前端青、后端绿、数据库紫、云服务琥珀 纯 SVG，一行 js 都没有 以前画架构图还得打开 excalidraw 拖半天，现在跟 Claude 说一句就完事了 Skill 这个形态真的狠，装一次，后面所有场景都自动省事 这才叫 AI 工作流嘛

这家伙简直演示了如何将 Claude Code 的使用效率提升 10 倍。