block0

3.2K posts

block0 banner
block0

block0

@block0_eth

AI×Web3独立开发者 |漫剧工作流| 用n8n/Claude自动化一切 | AI产品出海 | 微观商业进化论

Se unió Nisan 2023
4.7K Siguiendo889 Seguidores
Tweet fijado
block0
block0@block0_eth·
学习赚钱,才是真正的修行 。 很长一段时间,我都觉得自己是个爱学习的人。 每天早起刷书,Kindle里塞了两百多本;做产品做到凌晨三点,还自我感动一把;周末约同行喝咖啡,聊完觉得自己又升了级。 我把这些打包成一个光鲜标签:终身学习者。 直到刷到Naval的那句话: “最好的学习,就是学习赚钱。” 第一次看到,我本能抗拒。太俗了吧?这不就是成功学那套?我读的是《原则》《思考,快与慢》,追求底层逻辑和认知升级,怎么能把学习降维成“赚钱”? 但这句话像根刺,扎进脑子里,拔不出来。 那些年的假学习, 后来我开始复盘:我到底在学什么? 书读了不少。但读完能用书里的东西做对一次商业决策吗?不能。能预判一个项目成败吗?不能。能说服投资人、拿下客户吗?也不能。 那些知识躺在脑子里,像博物馆展品:精致、整齐,却从没被真正用过。 产品也做了不少。但付费用户有多少?有人愿意掏钱吗?大多时候,没有。 我沉迷于打磨产品的快感,却不敢问自己最扎心的问题:这玩意儿能卖出去吗? 我故意躲着这个问题。因为一旦去市场验证,可能发现自己做了坨垃圾。所以继续迭代、继续精益,继续在工作室里自嗨。 聊合作也聊了不少。但聊完有合作吗?有收入吗?有任何实质变化吗?大多没有。那不过是两个人互相挠痒,“你说得对”“我也这么想”“改天一起干点事”,然后各自散场,一切照旧。 我突然看清了: 我不是在学习,我是在表演学习。 我在给自己编织我在进步的幻觉。这种幻觉最舒服的地方在于,它不会伤害我。书不会说“你理解错了”,产品不会说“没人要你”,对面的人更不会说“你想法很烂”。 我躲在一个没有真实反馈的安全区,自封成长中。 赚钱,是唯一不骗你的老师 。 为什么Naval说学习赚钱是最好的学习? 因为钱不会撒谎。 一旦你试图赚钱,就会撞上一连串残酷真相: 你以为用户刚需的功能,他们压根不在乎 ; 你以为牛逼的技术方案,市场根本不买账 ; 你以为人脉广,真要合作时没人搭理 ; 你以为看懂了趋势,一上手就被割得血流成河 ; 这些真相,读一百本书也学不到。 书会迁就你,让你按自己的理解自圆其说。 但市场不会。它只用一种方式回答:对,就给你钱;错,就拿走你的钱。 没有灰色地带,没有所谓的其实我也有道理。 这种反馈的残酷,正是它的价值。 我后来想通了:认知升级的本质,不是知道更多,而是纠错更快。而赚钱,是世界上纠错效率最高的机制。 每一次亏钱,都是暴露一个认知Bug;每一次赚钱,都是确认一次判断力。 不下场的人,可以永远活在“我的理论是对的”幻觉里。下注的人,会被市场反复锤打,直到认知和现实对齐。 何为附身于红尘”? 我一直喜欢“附身于红尘”这个意象。 很多人觉得谈钱俗、商业脏、市场骗子多,于是选择“出世”,躲进书斋,躲进理想主义,躲进自己织的小世界。 但现在我觉得,那不是清高,那是逃避。 真正的修行,不是逃离红尘,而是跳进去。 去懂供需、揣摩人心、感受周期、承担风险、接受失败、直面那些丑陋、复杂、让人难受的真相。 这才是真学习。 读书是纸上谈兵,聊天是隔靴搔痒。只有把自己的钱、时间、名誉压上去,你才会死磕到底,做最深的研究,问最尖锐的问题,做最痛苦的取舍。 因为亏是真的亏,赚是真的赚,没人替你兜底。 这种状态,才叫附身于红尘 你不再是旁观者、评论家,而是参与者、下注者,用自己的皮肤去感受市场冷暖的人。 给还在“假学习”的人 如果你跟我以前一样,每天刷书、搞项目、参加活动,感觉很努力却始终原地踏步,我想送你一句: 检验你是不是在真正学习,就看你敢不敢用钱去验证。 你说懂投资,下过注吗? 你说懂产品,收过费吗? 你说懂商业,赚过钱吗? 如果没有,你懂个der。 别怕输。输是最好的老师。我认识的所有狠角色,都是被市场反复教育过的。他们的认知不是读出来的,是亏出来的,在一次次血课里迭代出来的。 也别觉得谈钱俗。钱是认知的计分牌。它不完美,但它诚实。它不管你名校出身、会引用名言、认识多少大佬,它只看一件事:你的判断在真实世界里管不管用。 Naval那句话,我琢磨了很久,现在终于有自己的理解: “最好的学习,就是学习赚钱”,不是钱最重要,而是真实反馈最重要。 而在这世上,没有什么反馈比钱更真实、更直接、更不留情面。 所以,别再躲了。 跳进红尘,下注,输光,爬起来,再战。 这才是真正的认知升级。 这才是真正的修行。
中文
3
1
15
3.9K
王局志安
王局志安@wangzhian8848·
张雪说此前重庆市政府一个字儿没给,我觉得这个很正常。政府对于一个初创企业,也的确不能随便给钱。可以给一些政策,给一些扶持,但是给钱还是应该慎重。 当然,张雪因为比赛胜利火了,车也火了,这时候政府给他200亩,扩大产能,这个也属于正常之举。政府和企业,就是要锦上添花,不要随便雪中送炭。 当然,后续从宣传角度,政府肯定是不爱听张雪那段话的。所以后来人民日报都专门出来分析了,一个字儿没有给该怎么理解。
中文
92
2
252
100.4K
somthy❤️
somthy❤️@wapbook2022·
@Chengeshuo 最好的建议是: 向上社交,或者向下兼容(找不介意你家庭、单纯仰慕你才华的人)。千万别找这种“半瓶子醋”的体制内男生,他们最懂算计,也最会扎心
中文
7
0
18
10.9K
陈哥说Pro
陈哥说Pro@Chengeshuo·
单位一姐姐 88年的,38岁+博士+副教授。有房有贷。缺点,有弟弟,父母底层,没养老。一年到手18万。 原来也是挑剔得不行。 最近遇到一个男的,93年,硕士,党校行政教师。法学硕士。城市独生子,父母体制内。 她很主动了,请男生吃饭。 男生不去 问为什么? 男的说: 他读研谈了一个本科学妹,01年的妹妹。01年妹妹的妈妈是80年。她前女友的妈是80后,这老兜也是80后,见个鬼见都绝经了吧……
中文
58
19
429
233.7K
block0
block0@block0_eth·
马尔克斯在创造《百年孤独》期间,花光了家里5000美元存款, 妻子梅塞德斯默默当掉了汽车、电视、收音机甚至首饰,还赊了9个月的房租,只为保证他的稿纸供应。 书稿完成后,两人去邮寄,结果连邮费都凑不够,只好先寄出一半。 编辑收到后半部后急切想看开头,提前预支了稿费。 每一个强大的男人背后,都有一个伟大的女人
中文
0
0
0
41
Austin
Austin@austinit·
反转了,陈光标真把劳斯莱斯变现1000万,然后捐给嫣然了。 姜还是老的辣,前几天都在嘲笑他,结果现在凸显张雪和李亚鹏格局小了。😂 后续还会继续反转吗?
Austin tweet mediaAustin tweet media
中文
346
16
619
567.8K
Jason Zhu
Jason Zhu@GoSailGlobal·
争来争去 国内大部分公司都对齐了要搞 AI 应用 这么多数据采集工具,没有万能银弹!!! 数据采集是业务场景中的第一步,望周知! 还是得自己场景里用才知道,才能赚钱 以后你们到一个新场景下,直接提示词告诉他👇: 帮我调研XXX场景,我们需要哪些XXX功能,这些数据采集skills是否支持,进行全方面测评 1️⃣ linkedin-mcp-server GitHub: github.com/stickerdaniel/… Stars: 1,184 定位: LinkedIn 数据获取最强方案,13个工具覆盖全场景 优点: 三项全能:公司信息、人物档案、历史帖子全部支持 13个工具:profile/公司/职位/消息/人脉,覆盖LinkedIn核心功能 浏览器session认证,首次登录后自动保持 安装简单:uvx linkedin-scraper-mcp 一条命令 维护活跃(2026年4月仍在更新) 可通过 Agent-Reach 集成,统一管理多平台 缺点: 基于浏览器自动化(Patchright),可能违反LinkedIn ToS 单浏览器实例,不支持并发 Session会定期过期,需重新登录 Docker环境下登录较麻烦 LinkedIn能力: ✅ 公司信息 | ✅ 人物档案 | ✅ 历史帖子 适用场景: 需要完整LinkedIn数据的调研、分析、自动化场景 2️⃣ mcp-linkedin GitHub: github.com/adhikasp/mcp-l… Stars: 191 定位: LinkedIn Feed + Job API 轻量交互 优点: 安装简单,一条命令即可 支持获取Feed帖子和搜索职位 缺点: 仅2个工具(get_feed_posts、search_jobs),功能极其有限 不支持公司档案、人物档案查询 使用邮箱密码明文存储,安全性差 已停更(最后更新2024年12月),仅10个commit 依赖非官方linkedin-api库,有封号风险 LinkedIn能力: ❌ 公司信息 | ❌ 人物档案 | ⚠️ 仅自己的Feed 适用场景: 只需浏览自己LinkedIn Feed的轻量场景 3️⃣ JobScout GitHub: github.com/krishnavalliap… Stars: 41 定位: AI自动化求职——抓取LinkedIn职位列表 + 生成简历 优点: 端到端求职自动化(抓职位→分析→生成简历) 集成OpenAI GPT + Notion工作流 缺点: 不是MCP Server,是独立Python脚本 仅支持职位数据,不支持人物/公司/帖子 需要代理轮换、Selenium、OpenAI API key、Notion token,配置复杂 个人教学项目,仅13个commit,单人维护 LinkedIn能力: ❌ 公司信息 | ❌ 人物档案 | ❌ 历史帖子 适用场景: 个人求职自动化学习项目 4️⃣ ads-mcp GitHub: github.com/amekala/ads-mcp Stars: 22 定位: 跨平台广告管理(Google/Meta/LinkedIn/TikTok) 优点: 100+工具覆盖4大广告平台 OAuth 2.1 专业级认证 安装简单,有Claude Desktop连接器 缺点: 仅支持LinkedIn Ads广告数据,零有机内容访问 商业产品(Adspirer),非纯开源 需要活跃的广告账户 实际服务端托管在远程,GitHub仅是配置脚本 LinkedIn能力: ❌ 公司信息 | ❌ 人物档案 | ❌ 历史帖子(仅广告数据) 适用场景: 跨平台广告投放管理 5️⃣ linkedin_mcp GitHub: github.com/Rayyan9477/lin… Stars: 15 定位: LinkedIn职位搜索 + 人物/公司档案 + 简历生成 优点: 支持公司档案(描述、规模、总部、专长) 支持人物档案(经历、教育、技能) 内置简历/求职信生成 本地JSON应用追踪 缺点: 不支持帖子/文章/历史内容获取 使用邮箱密码明文存储 依赖非官方linkedin-api库,有封号风险 极小项目(9个commit,单人维护) 缓存仅24小时TTL LinkedIn能力: ✅ 公司信息 | ✅ 人物档案 | ❌ 历史帖子 适用场景: 需要结构化档案数据、不需要帖子内容的场景 6️⃣ claude-plugins GitHub: github.com/Brainrot-Creat… Stars: 11 定位: Claude Code插件,连接X/LinkedIn/Reddit 优点: 集成多个社交平台 MIT开源 缺点: 需要专有Chrome扩展("Socials")才能运行 LinkedIn能力文档不清晰,重点是outreach/连接自动化而非数据获取 16个open issues,稳定性存疑 端口冲突(9847)需手动排查 LinkedIn能力: ⚠️ 不明确(文档模糊,侧重发消息/加连接而非数据抓取) 适用场景: 社交平台自动化outreach 7️⃣ Agent-Reach GitHub: github.com/Panniantong/Ag… Stars: 500+ 定位: 给AI Agent装上眼睛——一条命令聚合全平台数据获取 优点: 统一入口管理15+平台(X/Reddit/YouTube/B站/小红书/LinkedIn/抖音/微信等) 通过mcporter路由MCP Server,按需启停 agent-reach doctor 一键诊断所有渠道状态 agent-reach install --env=auto 一键安装 LinkedIn通过集成linkedin-scraper-mcp实现完整支持 零API费用(基于Cookie/浏览器session) 缺点: LinkedIn能力依赖底层linkedin-scraper-mcp,卸载即断 各平台能力参差不齐,部分渠道需额外配置 文档以中文为主 LinkedIn能力: ✅ 公司信息 | ✅ 人物档案 | ✅ 历史帖子(通过linkedin-scraper-mcp) 适用场景: 需要同时采集多平台数据的综合调研 8️⃣ opencli GitHub: github.com/jackwener/open… Stars: 1,000+ 定位: 浏览器自动化CLI,66+站点适配器,复用Chrome登录态 优点: 66+站点适配器覆盖广泛 复用Chrome登录session,无需API key 支持B站、知乎、X、YouTube、微博、小红书等主流平台 缺点: 无LinkedIn适配器 Python实现,启动较慢 已有Rust重写版opencli-rs性能更优 LinkedIn能力: ❌ 无LinkedIn适配器 适用场景: 多平台内容获取(不含LinkedIn) 9️⃣ bb-browser GitHub: github.com/epiral/bb-brow… Stars: 500+ 定位: 浏览器就是API——103个命令覆盖36个平台 优点: LinkedIn是支持的36个平台之一 有profile、search、detail命令 基于真实Chrome登录态,反爬能力较强 实测评价"实际跑下来bb-browser反而最稳" 缺点: LinkedIn的帖子/历史内容获取能力不明确 文档对LinkedIn具体能力描述不够详细 LinkedIn能力: ⚠️ 可能 公司信息 | ✅ 人物档案 | ⚠️ 可能 历史帖子 适用场景: 多平台数据获取,特别是需要稳定浏览器会话的场景 🔟 web-access GitHub: github.com/eze-is/web-acc… Stars: 200+ 定位: Claude Code联网策略 + CDP浏览器操作 + 站点经验积累 优点: 结合WebSearch、WebFetch、curl、Jina、CDP多种方式 支持真实鼠标点击、JS执行、登录态保持 站点经验积累机制,越用越聪明 缺点: 通用工具,无LinkedIn专属逻辑 需自己编写LinkedIn交互流程 无结构化数据提取 LinkedIn能力: ⚠️ 理论可行(CDP可操作任何页面,但需手工编排) 适用场景: 高度定制化的网页操作场景 1️⃣1️⃣ wechat_articles_spider GitHub: github.com/klin-h/wechat_… Stars: 100+ 定位: 微信公众号文章爬取专用工具 优点: 微信公众号文章采集专精 支持按账号批量爬取 缺点: 纯微信工具,零跨平台能力 微信反爬机制频繁变化 LinkedIn能力: ❌ 完全不支持 适用场景: 微信公众号内容采集 1️⃣2️⃣ r.jina.ai 网址: r.jina.ai Stars: N/A(Jina AI旗下服务) 定位: 任何URL转纯Markdown的在线服务 优点: 极简使用:curl r.jina.ai任意URL 免费、无需注册 对大多数公开网页效果好 缺点: 无登录能力,LinkedIn直接返回999错误 无法处理需要认证的页面 动态加载内容可能抓取不全 LinkedIn能力: ❌ 被LinkedIn拦截(error 999) 适用场景: 快速将公开网页转为AI可读的Markdown 1️⃣3️⃣ 6551资讯SKILL(opentwitter-mcp / opennews-mcp) 链接: clawhub.ai/infra403/opent…clawhub.ai/infra403/openn… Stars: N/A(ClawHub平台技能) 定位: OpenClaw上的Twitter和新闻资讯获取技能 优点: OpenClaw生态集成,开箱即用 专注Twitter和新闻资讯 缺点: 仅Twitter和新闻,无LinkedIn相关 依赖ClawHub平台 文档较少 LinkedIn能力: ❌ 完全不支持 适用场景: OpenClaw用户获取Twitter/新闻资讯 1️⃣4️⃣ MediaCrawler GitHub: github.com/NanmiCoder/Med… Stars: 20,000+ 定位: 国内自媒体平台爬虫(小红书/抖音/快手/B站/微博/贴吧/知乎) 优点: 国内7大平台全覆盖 基于Playwright,反爬能力强 社区大,维护活跃 支持关键词搜索、评论采集、数据存储 缺点: 仅支持国内平台,无海外平台 无LinkedIn支持 配置较复杂 LinkedIn能力: ❌ 完全不支持 适用场景: 国内自媒体平台数据采集 1️⃣5️⃣ XCrawl 网址: xcrawl.com 文档: docs.xcrawl.com Stars: N/A(商业API服务) 定位: API爬虫服务,URL/关键词→Markdown/JSON,省心之选 优点: API调用极简,输入URL输出结构化数据 内置反反爬、JS渲染、住宅代理 注册送1000积分 与OpenClaw搭配使用体验好 缺点: 商业付费服务(积分制) LinkedIn未在明确支持列表中 LinkedIn反爬极强,不保证可用 LinkedIn能力: ⚠️ 理论可行但不推荐(LinkedIn反爬可能拦截) 适用场景: 需要稳定、省心的通用网页数据获取 1️⃣6️⃣ Obsidian Web Clipper 来源: Obsidian官方插件 Stars: N/A(Obsidian内置) 定位: 一键保存当前浏览器网页到Obsidian知识库 优点: 浏览器扩展,所见即所得 可同步X文章 与Obsidian知识管理无缝集成 缺点: 手动操作,逐页剪藏,无法自动化批量 无API、无编程接口 不能处理动态加载/翻页内容 LinkedIn能力: ⚠️ 可手动剪藏当前页面,但无法自动化 适用场景: 个人知识管理,手动收集网页内容 1️⃣7️⃣ opencli-rs GitHub: github.com/nashsu/opencli… Stars: 200+ 定位: opencli的Rust完整重写版,快12倍、内存省10倍 优点: 比Python版opencli快12倍 内存省10倍,仅4.7MB 零运行时依赖 支持55+站点 全平台支持(macOS/Linux/Windows) 实测评价"确实快了好多" 缺点: 功能与opencli一致,同样无LinkedIn适配器 相对较新 LinkedIn能力: ❌ 无LinkedIn适配器 适用场景: opencli用户追求性能升级 1️⃣8️⃣ moonshot-search-skill GitHub: github.com/fusae/moonshot… Stars: 10+ 定位: OpenClaw技能,集成Moonshot Web搜索 优点: OpenClaw即装即用 Moonshot搜索能力集成 缺点: 极小项目 仅搜索功能,无平台数据采集 无LinkedIn相关 LinkedIn能力: ❌ 完全不支持 适用场景: OpenClaw用户需要Moonshot搜索 1️⃣9️⃣ actionbook 来源: 推文回复推荐(未附GitHub链接) Stars: 未知 定位: 通过底层CDP协议操作浏览器,模拟真人操作 优点: 底层CDP协议,网站视角与真人操作无异 反检测能力强 缺点: 无GitHub链接,难以评估 通用工具,无LinkedIn专属功能 信息有限 LinkedIn能力: ⚠️ 理论可行(CDP真人模拟),但无专属优化 适用场景: 需要高度模拟真人操作的浏览器自动化 2️⃣0️⃣ feedgrab GitHub: github.com/iBigQiang/feed… Stars: 279 定位: 通用内容抓取器,URL→结构化Markdown(Obsidian兼容) 优点: Twitter采集极强——6级降级策略(GraphQL→FxTwitter→Syndication→oEmbed→Jina→Playwright) 多账号Cookie轮换,自动429恢复+15分钟冷却 断点续传,批量处理不丢进度 支持10+平台:X/YouTube/微信/小红书/GitHub/B站/飞书/Telegram/RSS MCP Server模式 + Claude Code技能 全局去重,防止重复采集 视频转写(yt-dlp + Whisper via Groq) 维护极活跃(v0.13.7) 缺点: 不在PyPI上,需从GitHub安装 Cookie可能失效 配置项多(大量环境变量) 中文文档为主 单人维护 Playwright依赖较重 LinkedIn能力: ❌ 无LinkedIn适配器,完全不支持 适用场景: Twitter/YouTube/微信/小红书等多平台内容批量采集,特别是Twitter场景 2️⃣1️⃣ agent-browser GitHub: github.com/vercel-labs/ag… Stars: 27,100 定位: AI Agent专用浏览器CLI,Vercel Labs出品,原生Rust 优点: 原生Rust编写,极快启动 Client-Daemon架构,浏览器不重启,命令间状态保持 Token高效:ref系统仅~200-400 tokens(vs DOM的3000-5000) Agent-first设计:50+命令覆盖导航/表单/网络/存储/截图 支持所有主流AI工具(Claude Code/Cursor/Copilot/Gemini CLI等) Vercel背书,维护极活跃(9天内7个release) 纯本地运行,无需API key 多隔离session:独立浏览器上下文,独立认证态 跨平台(macOS/Linux/Windows) 缺点: 仅Chrome,无Firefox/Safari 非MCP原生(需第三方wrapper agent-browser-mcp) Pre-1.0(v0.24.x),API可能变化 无内置反爬/代理/指纹轮换 无LinkedIn专属功能 CLI-only,无可视化调试界面 LinkedIn能力: ⚠️ 理论可行(通用浏览器自动化+Cookie认证),但无专属优化,有封号风险 适用场景: AI Agent需要浏览器能力时的首选工具,高性能通用浏览器自动化 2️⃣2️⃣ browser-use GitHub: github.com/browser-use/br… Stars: 86,100 定位: 最热门的AI浏览器自动化框架,自然语言驱动 优点: 自然语言描述任务即可执行("帮我填这个表单") 模型可切换:OpenAI/Claude/Gemini/Ollama/自有模型 可复用Chrome已登录Profile,免去登录流程 Cloud版提供隐身浏览器/代理轮换/并行执行 86K+ stars最大社区,生态支持好 MIT开源 内置MCP集成 文档/PDF/DOCX处理能力 缺点: 每步操作都需LLM调用,慢且贵(截图→分析→决策→执行) 非确定性:同一任务可能成功也可能失败 依赖42+包,极重 Python 3.11+限制 自有ChatBrowserUse模型有vendor lock-in倾向 批量数据采集效率远不如scripted Playwright LinkedIn反爬仍是挑战 LinkedIn能力: ⚠️ 可用已登录Chrome Profile访问LinkedIn,但慢、贵、不可靠,不适合批量 适用场景: 一次性Web任务、原型验证、UI频繁变化的场景、不想写代码的自动化需求
Jason Zhu@GoSailGlobal

x.com/i/article/2040…

中文
1
3
8
1.3K
block0
block0@block0_eth·
@Bytec99 外链自动化怎么实现的?
中文
1
0
0
32
Bytec
Bytec@Bytec99·
AI在提高人效上远远超乎各位的想象,我初步计划把它用在出海建站链路上的各个节点中: 1、新词发现自动化 2、建站自动化 3、数据反馈迭代自动化 4、SEO-外链投放自动化 先把这4步串联起来,做规模化。用大数定律跑出能盈利的站点,再根据数据反向优化整条链路。
Bytec@Bytec99

x.com/i/article/2040…

中文
2
0
3
330
比特肥 || Bitfatty (🍀,🍀)
我跟tony之前算网友 在一个群很久都没加微信 后来我出了个被抓的事情 他非常八卦感兴趣,加了我微信,详细追问各种细节 后来线下在币安日本的活动碰到了,几次晚餐他都坐我旁边,聊了不少 说下几个观感 他人是正常人 双商很高,作为朋友他是好人一个 爱研究,比如我的事情很多朋友也就好奇问两嘴 他是真的顺着我说的东西自己去全八了一遍,比我都熟 不爱消费,不爱享受 相比其他币圈人线下见面不是劳力士就是RM(感觉像黑灰产老板聚会),他日常拖鞋大短裤 经常嘴唇干干的,看起来就像你大学的吊毛同学,其实要舒服很多 他很闲,较真,轴,类似之前小米消费维权的事情,我是想不通为啥要浪费时间搞。当然这是他的事情,或许性格如此,朋友和而不同,不管 吵架吵不赢他的,我直接不跟争辩任何问题😈 他的推文我也不看,我是佛系懒狗,他是高精力战斗狗,另外他网上就是颠,你们越噴他越兴奋 线下面基优选他 暖男
比特肥 || Bitfatty (🍀,🍀) tweet media比特肥 || Bitfatty (🍀,🍀) tweet media比特肥 || Bitfatty (🍀,🍀) tweet media
中文
112
5
137
69.6K
block0
block0@block0_eth·
@RJDAIGOGO 多架飞机被摧毁,机上人员呢?是不是救回一个搭上了10个?
中文
2
0
7
2.2K
RJ
RJ@RJDAIGOGO·
福克斯:F-15E的武器操作员员在落地后,徒步离开现场,躲藏在一处地势较高的山脊上,并放置了一个紧急信标。 救援现场爆发了大规模交火,还有多架飞机被摧毁。 周五,一架承担救援任务的 A-10“疣猪”攻击机在科威特坠毁。 据称,由于任务非常复杂,很多细节将不会对外公布。
中文
8
8
88
58.9K
dontbesilent
dontbesilent@dontbesilent·
大疆没有水下摄像头吗?能不能让我观看一下水下的情况
dontbesilent tweet media
中文
15
1
22
18.7K
Yihui
Yihui@yihui_indie·
现在用 Seedance2.0 做视频,因为有抽卡废片,算下来平均一分钟成本在 180 RMB 左右。对我个人来说真的是太贵了,但是这个对于专业的影视制作团队来说,又太便宜了。 这种Gap的感觉和一个外行,看程序员一个月订阅200刀,完全不理解有点像。
Yihui tweet mediaYihui tweet media
中文
32
8
132
37.5K
block0
block0@block0_eth·
【特朗普:美军完成历史上“最大胆的搜救行动” 失踪飞行员均已获救】金十数据4月5日讯,美国总统特朗普在社交平台上发文:各位美国同胞,在过去的几个小时里,美国军方执行了美国历史上最大胆的搜救行动之一,目标是我们一位杰出的军官机组成员。我非常激动地告诉大家,他现在已经安然无恙!这位勇敢的战士此前身处敌后,被困在伊朗险恶的山区,正被我们的敌人搜捕,敌人每小时都在逼近。但他从未真正孤单过,因为他的三军统帅、战争部长、参谋长联席会议主席以及他的战友们,全天候都在监控着他的位置,并精心策划着他的营救。根据我的指示,美国军方出动了数十架战机,携带世界上“最致命的武器”,将失踪的飞行员救回。他受了伤,但未来会完全康复。这次奇迹般的搜救行动,是在昨天成功救出另一位勇敢飞行员之后进行的。我们之前没有确认那次行动,因为不想危及第二次救援。我们永远不会丢下任何一名美国战士!我们能够完成这两次行动,且没有一名美国人阵亡,甚至没有受伤,这再次证明了我们已经在伊朗上空取得了压倒性的制空权和空中优势。 (来自金十数据APP) 又被川子装到了
中文
0
0
0
74
block0
block0@block0_eth·
【特朗普:美军完成历史上“最大胆的搜救行动” 失踪飞行员均已获救】金十数据4月5日讯,美国总统特朗普在社交平台上发文:各位美国同胞,在过去的几个小时里,美国军方执行了美国历史上最大胆的搜救行动之一,目标是我们一位杰出的军官机组成员。我非常激动地告诉大家,他现在已经安然无恙!这位勇敢的战士此前身处敌后,被困在伊朗险恶的山区,正被我们的敌人搜捕,敌人每小时都在逼近。但他从未真正孤单过,因为他的三军统帅、战争部长、参谋长联席会议主席以及他的战友们,全天候都在监控着他的位置,并精心策划着他的营救。根据我的指示,美国军方出动了数十架战机,携带世界上“最致命的武器”,将失踪的飞行员救回。他受了伤,但未来会完全康复。这次奇迹般的搜救行动,是在昨天成功救出另一位勇敢飞行员之后进行的。我们之前没有确认那次行动,因为不想危及第二次救援。我们永远不会丢下任何一名美国战士!我们能够完成这两次行动,且没有一名美国人阵亡,甚至没有受伤,这再次证明了我们已经在伊朗上空取得了压倒性的制空权和空中优势。 (来自金十数据APP) 又被川子装到了
中文
0
0
0
64
block0
block0@block0_eth·
@gkxspace 没有真人参考图,损失了一半乐趣
中文
0
0
0
67
余温
余温@gkxspace·
开通了 Seedance2.0 的 API,现在还有哪些方法可以使用真人参考图吗🤔
余温 tweet media
中文
7
0
10
8.1K
MapleShaw
MapleShaw@msjiaozhu·
可不能浪费 Gemini 的视频分析能力啊!😍这输出结果,连小龙虾都直呼“卧槽”! 为了整合 Gemini CLI + Seedance Skill,搞了个项目可以在本地指定视频进行分析,直接拆解成可复用的语法,再通过 Seedance Skill 生成对应的提示词。 初步的效果可以看视频,等验证差不多再给大伙爽爽!😏 分析结果样板见评论👇
MapleShaw@msjiaozhu

这个效果太赞了!😍 之前一直想着要把 15 秒用满🤣其实几秒钟一段,把自带的声音弱化,后期剪辑再配上另外的 BGM,这效果妥妥的拉上好几个档次!

中文
11
25
131
20.4K
Captain Kent | 肯特船长🪶
杭州各区对于 OPC(一人公司)的创业政策对比 OPC = One Person Company 主要是 AI 领域编程或利用各类 AI 工具,比如 AI 视频、小龙虾等的个人创业者。 如果你是做 AI 类自媒体的,找个好的由头也能申请。 ————————————————————————— 上城区 位置(火车东站旁)和总支持力度是最好的,有最高1亿元的年度专项资金,个人补助最高达20万元,还有免费住宿政策。 创办方式也非常人性化,直接去东站边的OPC社区(未来数智港)窗口办理就行,一小时就能搞定。 审核较严格,不过目前通过率近50%,趁刚发布没一个月,要赶早,重点是看你的BP,有产品的最好。 ————————————————————————— 滨江 政策也非常好,总体发放1亿元"Token券",算力采购能给你最高60%的补助,也有免工位费和部分住宿费的政策。 滨江的好处是城市新,没上城拥挤,生活更舒服,而且是与阿里云共建的 “Token专区”,技术交流机会更多。 可致电滨江区行政服务中心(0571-87702468)咨询申请通道。 ————————————————————————— 萧山,目前城市发展也非常不错,地段也可以,但政策不是特别明朗,还有待明确。 余杭,在数栖湾,良渚文化村那边,就相当偏远了,喜欢清净的可以研究一下。 我个人倾向于滨江,因为那边女网红多。 😎
Captain Kent | 肯特船长🪶 tweet media
中文
19
5
40
12.4K
龙翔九天
龙翔九天@bigenaiwang·
没想到卖token现在这么暴利,简直就是电子毒品! 昨天看到@Zh_Crypto517 在小红书发了一条帖子后台就有两个人,其中一个人就买了,没想到一篇仅有132浏览量的帖子能有这样的转化率,还卖了21块钱。 AI这东西现在就像毒品一样,沾上了就很难戒掉,只要产品稳定可靠,用户粘性高就能有持续收益!AI时代只要有执行力结果不会太差! 在忙活一个月后我们终于也拿到了算力Token的授权,接下来就是猛猛干! 卖铲子永远是最挣钱的那个!
龙翔九天 tweet media龙翔九天 tweet media
中文
90
19
260
71.5K
block0
block0@block0_eth·
她突然凑过来,眼睛亮晶晶的:“你也是做AI的?哪块方向啊?” 我后背发凉,勉强挤出个笑:“就……普通的那种,大家都在做的……” 她立刻兴奋起来:“哇,你是训基座模型的吧?几千张卡、万亿参数、长上下文对齐那种?” 我摇头:“不是……”她更来劲了:“那肯定是搞推理加速的!量化、蒸馏、连续批处理、显存优化,AI落地的灵魂啊!” 我低头:“也不是……”她盯着我,声音压低却带着崇拜:“难道是做前沿研究的?多模态融合、新架构探索、奔着下一代AGI去的?” 我小声:“还不是……” 她明显卡壳了,试探着问:“那……你是做RAG或者工具链的?向量检索、知识图谱、函数调用编排?” 我摆摆手:“那些我都没碰。” 她彻底愣住,半天后才小心翼翼开口:“那你到底在做什么?” 我深吸一口气,眼圈瞬间红了,带着哭腔喊出来:“我……我就是在搞AI中转站啊!!!” 办公室瞬间安静下来。 有人鼠标都不动了,茶水间里伸出好几个脑袋,连平时爱开玩笑的运维都投来同情的眼神。 她下意识后退半步,语气轻得像怕吓到我:“中转站……?就是……那个换个API地址、帮人翻墙转发官方模型的?” 周围立刻传来几声憋不住的笑。“哦……原来是干这个的啊。” “说白了不就是个代理吗?二道贩子呗。” 我眼泪在眼眶里打转,声音发抖却越来越大声:“代理怎么了!中转站怎么了!你们以为做中转站很简单吗?!”“要接十几家模型!要做智能路由!要实时测延迟和价格!要扛住突然的流量洪峰!要防各种风控和封号!要保证流式输出不丢包、不卡顿!还要搭专线、内网中转、兼容各种SDK!” “你们训模型的甩个权重就行,搞Agent的写个循环就觉得自己牛,可真正让国内普通开发者不用翻墙、不用办海外卡、还能便宜稳定用上原生GPT、Claude、Gemini的,不就是我们这些做中转站的吗!” 她站在那儿,神色复杂。 我已经彻底破防,拽着她袖子哽咽:“求你别用那种眼神看我……我们真的不是外面传的‘就换个域名’那么简单!天天被官方限流背刺又怎样!价格战打得头破血流又怎样!我们把AI的门槛从‘得有条件翻墙’拉低到了‘只要会调用接口’,让几百万开发者真正用得起啊!” 就在这时,远处突然传来运维崩溃的声音:“完了……主中转节点又被官方风控了,现在全站延迟飙到800ms,用户已经在群里骂街了……”
Herrington Darkholme@hd_nvim

她突然凑近问我:“你也是搞 AI 的呀?做哪块方向的?”我背后一凉,嘴角抽搐:“就…… 就是大家都做的那种……” 她眼睛瞬间亮了:“你是做基座大模型的吧?万卡集群、千亿参数多模态对齐那种?”我干笑:“不是……” 她更兴奋:“那肯定是搞底层推理优化的咯?算力调度、量化权重、KV Cache,简直是 AI 工业化的核心啊!”我垂着头:“也不是……” 她盯着我,语气严肃:“难道是搞前沿架构的吧?多智能体博弈、思维链强化学习,做的就是通用人工智能 AGI?”我小声说:“也不是……” 她明显懵了:“那你不会是搞向量基建的吧?混合检索算法、GraphRAG 深度索引、多维向量数据库优化?”我摆摆手:“没有造轮子…… 也没搞过基建……” 她陷入沉思,缓缓开口:“那你做什么?” 我顿了顿,红着眼圈,终于崩溃,带着哭腔喊出:“我…… 我就是在搞 Agent 开发的!!!”

中文
0
0
0
48
block0
block0@block0_eth·
@AYi_AInotes 虽然没有证据,大概率又是个亩产万斤的故事
中文
1
0
1
360
阿绎 AYi
阿绎 AYi@AYi_AInotes·
卧槽,太劲爆了, 2万美元启动1年干出4亿美元营收的AI一人独角兽, 被 NYT吹爆的AI一人独角兽创业神话,4亿美元营收的背后,全是踩满监管红线的灰色操作😂 这个41岁男人用2万美元+AI工具,1年干出4亿美元营收、6500万美元净利润的故事,一半是AI效率奇迹,一半是踩满监管红线的灰色操作。 先讲100%属实的硬核事实,全部经过权威媒体核验: 故事的主角Medvi公司和创始人Matthew Gallagher真实存在。 41岁的他在2024年9月,靠着2万美元启动金,用ChatGPT、Claude、Midjourney等AI工具快速上线项目,主打复合GLP-1减肥药,也就是司美格鲁肽、替尔泊肽的复合调配版本。 整个公司的全职员工,只有他和弟弟两个人,其余全链路的医生、处方、药房、物流服务,全部靠白标平台打包提供。 首年完整财年的业绩,夸张到近乎离谱,却完全真实。 2025年Medvi拿下4.01亿美元营收,服务25万客户,净利润率16.2%,纯利润约6500万美元,2026年的预计营收直接冲到18亿美元。 这些财务数据,都经过了NYT和Forbes的双重查验,没有水分。 而NYT通篇没提的,是这套神话背后,踩满平台规则红线的灰色营销打法。 帖子里的两张配图全部真实可查,一张是创始人本人照片,另一张是Facebook Ads Library的实时截图。 截图里能看到大量顶着「Dr.XXX」名号的账号,正在密集投放Medvi的赞助广告,主打「无医生上门」「快速拿药」的核心卖点,截至目前这些账号依然在活跃投放。 这些看似专业的医生账号,大多是虚构的人设,靠着专业身份制造用户信任感,做精准流量收割,也就是帖主提到的800+假医生账号矩阵。 这也是健康类目里最典型的黑灰产广告打法。 更关键的是,这套玩法早已踩中了监管和法律的多重红线,实锤黑料全部可查: 2026年2月20日,FDA就向Medvi发出正式警告信,直指其网站虚假宣传复合药「与Wegovy/Ozempic/Mounjaro成分相同」,涉嫌误导性标示,同期收到同类警告的远程医疗公司,还有30多家。 2025年就有媒体曝光,Medvi在广告里大量使用AI换脸生成的患者用药前后对比照,用deepfake内容虚构产品效果。 合作的白标平台OpenLoop Health在2026年1月遭遇数据泄露,160万患者的姓名、地址、医疗信息疑似外泄,目前已引发多起集体诉讼,Medvi也被一同列入被告名单。 一句话说透整件事的完整全貌: NYT笔下的「AI一人公司造富神话」是真的,帖主挖出的营销黑幕、监管风险也是真的,两者拼在一起,才是这个故事的全部真相。 这本质上是一场用AI+白标平台+大规模虚假人设广告,快速收割GLP-1红利的灰色创业。 哪怕营收爆炸式增长,也始终踩在FDA监管红线、平台政策底线和法律风险的边缘,属于看似合法、实则风险拉满的创业模式。
阿绎 AYi tweet media阿绎 AYi tweet media阿绎 AYi tweet media
Kekius Maximus@Kekius_Sage

BREAKING 🚨: This is Matthew Gallagher, who made 800+ Facebook accounts for fake doctors to advertise on Facebook — and went on to build a GLP-1 telehealth company with just $20,000, AI, and only one full-time teammate: his brother. It generated $401M in 2025 and could reach $1.8B in 2026.

中文
9
15
81
22.8K
block0
block0@block0_eth·
好久没来市民中心了,准备来钱塘江边跑5公里。
block0 tweet mediablock0 tweet mediablock0 tweet mediablock0 tweet media
中文
0
0
1
37
block0
block0@block0_eth·
@Xiaoniu6161 宋能忍张婉婷这么久,也是个龟男,是我早几个大逼斗过去了
中文
0
0
8
1.3K
小牛
小牛@Xiaoniu6161·
宋宁峰出轨对象Q女士社交账号被扒,不堪其扰的她刚刚更新了长文,就整体情况做了回应详细说明: 1.和宋宁峰相识于去年大年三十的酒局,宋宁峰当着众人对她动手动脚,Q女士当时对宋宁峰表示了明确拒绝; 2.后续因为和宋宁峰在同个剧组工作还是会有交集,宋宁峰主动追求Q女士,说自己已经和张婉婷达成协议离婚,会对Q女士负责,Q女士选择相信了宋宁峰的信誓旦旦; 3.Q女士没有主动招惹张婉婷,是私情暴露后宋宁峰将所有责任推到Q女士身上,张婉婷又反复要拿私密照片做威胁,眼看沟通无果,张婉婷的攻击辱骂还在继续,Q女士才选择爆料自保; 4.Q女士对张婉婷充满歉意,多次诚恳道歉,告诉她自己也是受宋宁峰欺骗,但张婉婷频繁在自己社交账号评论区留言点赞,还骚扰Q女士身边朋友的账号,让Q女士和她的朋友都处在压力和困扰之中; 5.爆料发出后,张婉婷多次主动联系Q女士求放过,承诺不再拿私密照片做要挟,背地里却四处联络人脉想要找人曝光Q女士的私密照片,当面一套背后一套的做法让Q女士不想再忍。 Q女士强调,自己其实也是受宋宁峰蒙骗,也是受害者,从来都没想过把事情闹大去占据公共资源,更不想成为谈资。如果后续还有无底线的攻击诋毁,她将公开完整证据链,让所有人看到事情的全部真相。
中文
8
3
28
32.1K