RebuilderX

@mnmn94253156337 即梦太不是东西，今天让去除一个15秒视频的水印，扣了300积分，关键是水印也没去除

阿里认领HappyHorse，即梦三连割后最强对手来了 阿里正式认领HappyHorse，同时辟谣：目前所有网站都是假的，官方没有网站，近期开放API。 时间卡得很妙。 就在几天前，即梦完成了"三连割"： • 第一割：取消老用户4折年度折扣，被10万人维权后才改回来 • 第二割：搞VIP中的VIP，不买最高价套餐就排队排到死，还暗中降画质 • 第三割：凌晨偷偷把高级会员1.5万积分砍到5870，缩水60% 字节的意思很明确：C端用户割完了，逼你去买企业API。 然后HappyHorse就官宣了。 1333 Elo分登顶全球第一，超越字节Seedance 2.0和快手可灵3.0。 阿里说一直在内测，没打算这么早公布。 但市场不等人。你字节敢这么割，就别怪竞争对手出来抢人。 现在的情况是： • 即梦评论区全是维权的 • HappyHorse评论区全是求内测的 • 充了即梦企业API的老板在问：是不是充早了？ 阿里这时候出来，不管是不是故意的，至少给了用户另一个选择。 我觉得： 短期即梦会流失专业用户 中期HappyHorse开放API后，价格战不可避免 长期用户受益，两家都会降价或提质量 对于创作者来说：我这就是重大利好 即梦积分先用完，可以申请HappyHorse内测 别急着充年费，等市场稳定

@FLMdongtianfudi 笑死人了，现在都4.6了，你还用3.5

Where are you most active on the Galxe app? Tell us in the comments if it’s something else.

@FuSheng_0306 深圳。在哪里报名见面会呢

很棒的框架！"发现阶段"特别有价值——大多数 AI 编程尝试都直接跳到构建，而没有理解真正的问题。我建议增加一个"第 0 阶段：技术可行性检查"——让 Claude 先评估想法是否真的可实现。问题：你如何处理版本控制和代码文档？这通常是独立创始人最挣扎的地方

非程序员也能开发产品？我的Vibe Coding实战指南！ 作为一个纯小白，我已经有十年没有写程序了，竟然靠"口喷编程"做出了自己的产品！😱 以前看到那些技术大佬敲代码，觉得离我好遥远...但现在AI时代，谁说不懂编程就不能当产品经理+开发者了？✨ 💡 我的4步开发心法（亲测有效！） 第1步：找痛点，别瞎做 •先刷社交平台，看大家在吐槽什么 •搜一搜有没有现成产品解决了 •如果别人做得很烂→机会来了！ •如果别人做得很牛→果断换方向！ 第2步：和AI深度聊天 不是你问AI，而是让AI反过来问你！ 让Claude/GPT不断挖掘你的想法，最后生成一份完整的产品需求文档📝 第3步：先做颜值，再写代码 去Mobbin、各种UI网站找灵感，截图扔给Google AI Studio，直接生成前端界面！ 第4步：边做边改，不怕出错 •用Cursor或Claude Code开发 •遇到bug？截图扔给AI让它自己反思 •累了？直接用Typeless语音编程！ •先做个能用的MVP，自己试试，慢慢迭代 ✨ 关键心态： ❌ 不要怕自己不懂编程 ✅ 你懂需求就够了！ ❌ 不要追求完美 ✅ 先做出来，再慢慢优化 现在AI工具这么强大，真的降低了太多门槛！想法>技术，行动>完美！ #AI编程 #零基础开发 #产品开发 #Vibe编程 #AI工具 #副业赚钱 #程序员日常 #技术小白

@lanxing4 难道是币安出事了

这样跌，已经不是单单易理华20亿美金的事情了。 很有可能有其他大事情，我们不知道，才会这么不计成本的砸。 有没有知情人来说说？

送你一份「2026新年超级干货」：普通人想翻身，别靠鸡血，靠这 3个可复用的实操方法 ① 像素级复制：先别急着创新，先把“框架”抄到手 很多人一上来就想创新，结果连“1+1=2”都没练扎实。更现实的路径是：先复制一个你够得着的人（同事、同行、身边做起来的人），而不是复制马斯克乔布斯。 怎么做？四步走： 1）选对标：找一个在某领域已经跑通结果、且你能追上的人。 2）扫全量内容：把TA过去所有资料都找齐（公众号/视频/直播/课程/书）。 3）只抄“重复出现的内容”：别被一两条爆款骗了，反复出现的观点=真正的底层能力。 4）画框架，不抄内容：用“画框—连线”的方式，把关键知识点之间的关系画出来。你要复制的不是TA的文案，而是： •结构怎么搭 •节奏怎么推进 •观点怎么递进 •如何用同一框架持续产出 检验标准：你能不能把这个框架讲给别人听？讲不出来=没懂，回去重学。 ② 像小强一样做实验：用最低成本开干，用最大次数出手 第二个方法很粗暴，但极其有效：降低成本 + 拉长时长 + 增加出手次数。 别等设备齐、脚本完美、定位想透——现实世界没有“准备好了”这一刻。 关键公式：成功 ≈ 单次质量 × 出手次数 × 时长 尤其基础弱的人，最该做的不是“提高完美度”，而是先把次数打上去。 •开始阶段：手机 + 5块钱支架就够了 •不怕丢脸：不会就承认不会，边做边学反而更真实 •把“练习”当策略：别人靠天赋，你靠密度与迭代 你甚至不用讲给“博士教授”听——你只需要讲给“昨天的自己”听，你就会天然有信任和穿透力。 ③ 构建资产：打工别只拿工资，要把能力变成“可售卖的系统” 第三步决定你能不能长期赚钱：把能力资产化。 你去打工真正要拿走的，不是薪水，而是：可迁移的技能 + 可复用的系统 + 可产品化的方案。 怎么判断是不是“资产”？记住这三条： 1）脱离平台仍然成立：离开原公司/原岗位，你的东西还能卖、还能用。 2）脱离时间限制：不是每卖一次都要消耗你大量时间。 3）你不在场也能运转：系统/产品/流程能持续交付价值。 当你把“能力”整理成“方法论/课件/流程/模板/工具”，它就从技能变成了产品，从体力劳动变成了复利资产。 最后给你一句狠话（但有用） 普通人起步阶段，先复制，再暴力实验，最后资产化。 你不需要一开始就“与众不同”，你只需要先“做得出来”。 祝大家，2026一起把路跑通。

⚠️提醒下：Clawdbot 风险真的不低（尤其是部署在公网的人） FOFA链接： fofa.info/result?qbase64… 公网可探查资产正在快速增长，快检查下您的“Moltbot”有没有在裸奔！查询语法： app="Moltbot" 我刚在 FOFA 上简单搜了一下 app="Moltb0t"，结果发现这类服务在公网侧是可以被直接指纹识别的。 这意味着：你不是“隐藏在角落里自动化”，而是暴露在攻击者视野里。 核心风险点： 1）可识别 → 可枚举 → 可批量攻击 2）如果存在弱口令/未授权访问/0day，极容易被打穿 3）一旦被控，轻则跑你资源，重则偷账号 / 窃取 Cookie / 拉黑名单（推特、FB、WhatsApp 全中招） 结论： ✅强烈建议只放内网/本地运行 ✅不要公网暴露 ✅必须加访问控制（白名单+强认证+日志审计） 安全不是“工具好用就行”，而是“默认假设它会被盯上”。

这段讲得非常到位，尤其是把“再教育”从学新工具，拉回到认知操作系统升级。 AI 时代真正稀缺的早就不是信息、方法，甚至也不是产出，而是判断力： 知道什么不该做、什么时候不该做、哪些结论只是经验幻觉。 把 AI 当成反对派、审计员、前提拆解器，本质是在训练一个能力： 对自己思维的不信任感。 非 AI-native 成年人的优势，也正是在这里—— 经验如果不被重构会变成包袱，但一旦叠加 AI，它就会变成杠杆。

有朋友问那在AI时代，成人该如何用AI“再教育”自己？ 这个问题问的好，因为问的不是再培训，而是再教育。 在 AI 时代，非AI-native的成年人（就是我们啦）最大风险不是不会用工具，而是沿用旧世界的认知操作系统去使用新工具。 在我们谈方法论之前，我们先谈一下AI时代什么前提改变了。 首先知识已经比互联网时代更进一步，完全不再是稀缺资源，甚至真的假的都更多了。不要再把知道什么信息当作身份资产，而把验证所知道的作为重要的核心。 其次思考不再是需要是单线程（sync的），可以多线程并发（async的）。思考一步后可以让AI去深度调研，返回结果。 最后我们最重要的价值升级为判断（其实本来也应该是）。AI会让产出极度便宜，啰啰嗦嗦的重复内容AI可以写上一大堆。真正稀缺的是哪些不该做，哪些是错觉，哪些现在做时间点不对。再教育本质是判断力的再训练。 好，那前提搞清楚，我们实操可以怎么做？ 第一可以“逼”AI来跟我们“吵架”，把 AI 当反对派来用。比如要求“帮我写一篇 X”可以改成“用最强的反对意见批评我这个思路”。还可以问“假设我是错的，错误在哪里”等主动邀请批判。这样我们可以训练对自己思路的不信任感。 第二是要求AI分析我们思考的隐性前提。因为我们思考最大的问题不是不深，而是有太多没被说清楚的前提。比如把一个判断给 AI，要求它分析前提假设与隐含因果。我们会发现很多我们以为是直觉的东西，其实可能是过期经验。 第三是考虑让AI帮我们分析思路，不要直接跳到结论。把“X 会不会成功？”换成“如果X需要成功，需要什么条件？” “哪些是硬约束，哪些是软约束？”。这些问题不是为了得到结论，而是让AI把整个问题拆分成子问题，把二元对立yes/no变成概率问题（再次赞扬预测市场）。 第四是要求AI帮我拓展视角。因为每个人都非常容易从自己年轻时候的经验出发看问题，我们长大了就需要去理解当下年轻人的视角。比如我们问AI“这个问题Gen Z ，Gen Alpha 怎么看？” 或者“那我这么想，会被年轻人认为是老登吗？” 最后还可以使用 AI 记录我们的决策过程，方便以后复盘。比如问AI “咱们讨论过后，我为什么今天这么判断？”。半年后复盘，问“我当时的世界假设对了吗？”和“我当时忽略了什么？”。 非AI-native的成年人再教育的关键不是学新东西，而是系统性清理错误模型。 学课程，拿证书这些都是老黄历了。AI 时代是问题驱动，与AI头脑风暴，快速验证与高频修正才最重要。 白话说就是我们不用学AI，我们逼AI指出我们需要改变什么。这样确实会很痛苦，但是再次要说的是，no pain，no gain。 AI 时代的再教育并不舒服。它会摧毁我们原有的专业自信，让我们发现我们在照着用旧地图走新大陆，还会迫使我们承认经验没有判断力重要。 但好消息是成年人一旦完成这次认知升级，往往比 AI native 的generation更有优势。因为我们有跨周期经验，对制度，激励，权力结构的理解都更深入。再加上 AI 作为我们的大脑GPU，简直可以说是虎生双翼--开了挂了。

对超级个体是红利，对大多数打工人确实更像压力。 问题不在 AI 本身，而在于预期单向抬升：交付速度更快、质量更高，迅速被视为“理所当然”，但收入和话语权并不会同步上调。 就像当年 Word / Excel，从加分项 → 基础技能 → 不会就被淘汰。 AI 很可能也是同一条路径：门槛能力，而不是溢价能力，真正拉开差距的，依然是谁能把效率变成资产，而不是 KPI。

这篇文章简直说到心坎里了。过去总觉得自己"三分钟热度"是个缺陷,现在才明白这可能恰恰是优势。特别认同"品牌就是你的故事"这个观点——不是要做网红,而是做自己,只是把自己放在能被看见的地方。准备开始建立自己的灵感库了💡

这个方向其实很关键。 Cowork 的意义不在于“又多了点功能”，而是把 Anthropic 在 Claude Code 里验证过的「可执行智能体」能力，下放给非程序员。 从聊天 → 助手 → 同事，这一步本质是工作流范式的变化： 不再是你盯着 AI，而是它能自己读文件、规划步骤、执行任务。 安全和边界现在确实是最大变量，但方向是对的——真正的 AI 助手，一定是“能进文件夹、能动资产、能跑流程”的。

Claude 的新功能 Cowork：让 AI 真正帮你干活 Claude Code 本来是给程序员写代码用的，结果大家发现它整理文件、做表格、写报告也很顺手。Anthropic 索性把这套能力包装成了 Cowork，让不会写代码的人也能用上。 【1】Cowork 到底能干啥 你选一个电脑上的文件夹，Claude 就能在里面读文件、改文件、创建新文件。 听起来简单，用起来挺香。比如你下载文件夹乱成一锅粥，让它帮你分类重命名。或者你有一堆消费截图，它能整理成一张 Excel 表。再比如你写了几页凌乱的笔记，它能帮你理顺思路、输出初稿。 和普通对话不一样的是，Cowork 模式下 Claude 更像个真正的助手。你布置任务，它自己规划步骤、一步步执行，中间会告诉你进度。如果你用过 Claude Code，这感觉会很熟悉，因为底层技术是同一套。 【2】还能更强 基础功能只是起点。Cowork 可以接上你已有的连接器，比如 Google Drive、Slack。它还内置了一批技能，能更好地生成文档、PPT 之类的文件。再配上 Chrome 浏览器插件，Claude 甚至能帮你操作网页。 这套设计让工作流变得很丝滑。你不用反复给 Claude 喂上下文，也不用手动把输出转成正确格式。甚至不用等它做完一件事再布置下一件，可以连续丢任务让它并行处理。用 Anthropic 的话说，这感觉不像你一句我一句地聊天，更像给同事留便签。 【3】和 Claude Code 共享技能生态 对 Claude Code 用户来说有个好消息：Cowork 能读取你本地的 CLAUDE.md 文件和自定义 Skills。 我测试了一下，选择工作文件夹后，Cowork 能看到里面的 CLAUDE.md 并按指令执行。我在 Claude Code 里配置的写作风格技能，Cowork 里也能直接调用。技能分两类：Anthropic 官方提供的（docx、pptx、pdf 这些）和用户自己创建的，两类都能用。 换句话说，你在 Claude Code 里攒下的工作流配置可以直接迁移过来。Cowork 不是另起炉灶，是同一套体系的图形化入口。 有个坑要注意：Cowork 跑在 Linux 虚拟机里，而你的 Mac 是 ARM 架构。如果技能依赖 node_modules 或本地特定环境（比如浏览器 cookies、特定架构的二进制文件），就跑不了。我试着调用一个需要运行 nodejs 脚本的图片生成技能，报错了——架构不兼容。纯文本类的配置（CLAUDE.md、写作规范）没问题，涉及本地脚本的技能可能需要额外适配。 【4】安全边界在哪里 Claude 只能访问你明确授权的文件夹和连接器，动作比较大的时候会先问你。但有几件事得提前知道：Claude 可能会误解你的指令，如果你说"清理一下这个文件夹"，它可能真的把文件删了。指令要说清楚。 另一个风险是提示词注入，就是攻击者在网页内容里藏一些指令，试图劫持 Claude 的行为。Anthropic 说他们做了防护，但这个领域整个行业都还在摸索。 这些风险不是 Cowork 特有的，只是很多人可能是第一次用这种更自主的 AI 工具。官方建议：刚开始用的时候谨慎点，别一上来就让它处理重要文件。 【5】现在能用吗 Cowork 目前是研究预览版，只对 Mac 上的 Claude Max 订阅用户开放。Anthropic 想先看看大家怎么用、有什么反馈，然后快速迭代。后面会加跨设备同步，也会出 Windows 版。 这一步到是意料之中，因为 Claude Code 现在已经被用在很多编程意外的领域，但是门槛略高，限制了使用群体是程序员或者懂点技术的用户，而且脚本执行权限会有很多安全上的隐患。Cowork 一下子降低了使用的门槛，通过图形化界面就可以操作，并且也让使用更安全。 现在还是早期版本，能做的事有限，安全机制也在完善中。但如果你是 Max + Mac 用户，值得一试。

这个方向其实很关键。 Cowork 的意义不在于“又多了点功能”，而是把 Anthropic 在 Claude Code 里验证过的「可执行智能体」能力，下放给非程序员。 从聊天 → 助手 → 同事，这一步本质是工作流范式的变化： 不再是你盯着 AI，而是它能自己读文件、规划步骤、执行任务。 安全和边界现在确实是最大变量，但方向是对的——真正的 AI 助手，一定是“能进文件夹、能动资产、能跑流程”的。

非常赞同这种学习路径。 真正想理解 LLM / 智能体的人，读一手官方 Docs 的价值，远高于刷二手解读。 很多产品设计、API 取舍、能力边界，其实都已经写在文档里了。 不管是 OpenAI 还是 Anthropic， 把 Docs 系统性吃透，再看他们后续发布的功能，理解速度会明显快一大截。 这本质上是在直接向一线团队学方法论，而不是追热点。

我在2023年通读了openai 的全部的技术文档。 我在当时的很多对LLM 应用层的认识都是比较靠前的，对我正面的影响非常的大。 如果你是一个不满足只是发一点点ai 水文， 而是真的想要去学习和理解 智能体方方面面。 你不妨去通读 claude Docs 所有的文档， 只能你能通读完80%的内容， 我相信你在这些主流公司推出的产品， 你都很快的理解产品设计开发的意图、市场、用户。 跟这些官方文档学习， 从另一方面也是在学习这些团队最好的理念， 开发设计模式等等。

姚顺雨入职腾讯的首秀，评论区直接吵翻了。 有人说讲的内容 nothing special，连 ReAct 都没新意； 有人觉得没啥行业洞察，全是网上早就说烂的观点； 还有人说听完只觉得平平无奇。 我个人感觉他可能是太紧张了，毕竟是首秀，求稳也能理解。 但这件事也挺有代表性的： AI圈不缺“光环人物”，但真正在意的是你有没有硬实力。 能不能做出成果？讲的东西能不能打动行业？ 这些才是大家看重的。 当上“首席AI科学家”，大家自然会期待你带来点不一样的。 一旦没有，那批评就来了。 说到底，技术圈就是这么现实—— 光环不等于能力，最终还是得靠项目和落地说话。 腾讯敢招他，其实就是在赌未来。 这场首秀只是开始，后面能不能立住，还得靠真本事。

🎂 许个愿，希望春节前能突破 1w 关注

@vista8 其实这反而是好信号。 真正站在一线做模型的人，往往比市场更清楚差距在哪里。 IPO 成功说明的是产业空间和确定性， 但在 AGI 路线上，领先者滚雪球的速度，确实还在加快。 保持清醒，才能知道接下来该补什么，而不是被短期叙事带偏。

本周有两家中国AI公司上市：智谱AI和MiniMax，IPO都很成功。 但在北京的AGI-Next峰会上，中国AI领军人物的态度却很谨慎。 阿里Qwen团队负责人说，未来3到5年，中国公司超越OpenAI和Anthropic的概率不到20%。 智谱的创始人唐杰说得更直白： "我们刚发布了一些开源模型，有些人可能觉得中国模型超越了美国。但真实答案是，差距可能实际上在扩大。" --- 看来头部的几家模型公司负责人还是很清醒的。

@PandaTalk8 说得太准了。 很多人卡在“怎么写”， 但真正的门槛是： 你能不能在没反馈、没数据、没爆款的时候，照样每天写。 一旦日更变成习惯，本质上你已经赢了： 系统在跑，认知在积累，结果只是延迟到账。 真正厉害的人，最后都不是为了结果而输出的

做自媒体，最难的不是你内容怎么创作， 而是你先养成一个习惯。 这个习惯就是每天持续的输出。 每当我看到群里小伙伴不断的坚持日更的时候，我是很钦佩的， 因为你只要养成持续输出的习惯， 就说明这个系统你能跑起来了， 拿到结果只是时间的问题， 或者你根本就不在关心具体的结果了， 因为就算没有结果你也会继续保持这个习惯。