工业 AI 小学生

21 posts

工业 AI 小学生

工业 AI 小学生

@Prmtr4IndstryAI

人到中年,外企毕业,学习 AI, 重启人生。

Katılım Şubat 2012
34 Takip Edilen1 Takipçiler
工业 AI 小学生
工业 AI 小学生@Prmtr4IndstryAI·
第一次自己做 skill。原因是有些书籍只能找到英文版,想看的话得自己翻译,因此摸索一条让 AI 能稳定翻译书籍的 skill。在 opencode 上测试过。
中文
0
0
0
13
工业 AI 小学生
工业 AI 小学生@Prmtr4IndstryAI·
@rainbow78521 川普在实践他的帝王心术,打造自己的子弟兵,淘汰那些不够忠诚的选民。
中文
0
0
0
176
rainbow7852
rainbow7852@rainbow78521·
🚨最新的 AP-NORC 民调以及 UMass Amherst 的综合数据显示,川普的支持率已经跌至 33%,再创新低。 这不仅是他第二任期的最低点,也逼近了美国历史上总统支持率的危险边缘。 (注:尼克松辞职前夕约为 24%;老布什在 1992 年低谷期约为 30% 上下;1952 年 2 月,杜鲁门跌到了22%的“地狱级”的支持率,至今仍是盖洛普民调史上美国总统支持率的最低纪录) 这次的“川普新低”不仅仅是个数字,它透射出美国政治版图正在发生的剧震: 📌民调显示,他处理经济的支持率仅为 30%,而处理“生活成本”的支持率更是惨不忍睹的 23%。 📌曾经帮川普赢下 2024 年大选的核心群体(工人阶级、男性选民),支持率相比去年同期下降了近 20 个百分点。 📌约有 17% 在 2024 年投票给川普的人表示,如果现在重选,他们会有“保留意见”或其他选择。 📌只有约 32% 的人认可他处理伊朗冲突的方式。 82%独立选民对目前的战争现状感到厌恶。 📌75% 支持停火: 绝大多数美国人(包括 82% 的共和党人)支持目前正在进行的停火。 📌21% 认为川普达成了伊朗冲突的目标且“任务完成”。 📌78% 的人认为,美国在这场战争中并没有实现任何战略目标。 📌只有 23% 的人相信川普的政策能降低通胀(去年底这个数字还有 41%)。 ---✅‼️在美政坛有个不成文的公式: 总统支持率 = 中期选举的席位损失量。‼️ 统计显示,当总统支持率低于 50% 时,执政党在众议院平均会丢掉 36 个席位。 当年老布什(29%)和尼克松(23%)在低谷期时,他们的党派在随后的选举中几乎丧失了所有立法主动权。 ✅此时此刻,川普的 33% 意味着不仅极有可能丢掉众议院,甚至连参议院的控制权也摇摇欲坠。
中文
8
9
34
9.8K
工业 AI 小学生
工业 AI 小学生@Prmtr4IndstryAI·
@AYi_AInotes 非常赞同,完全靠个人钻研AI 有点像溺水者,奋力挣扎之后刚刚看到希望,一个大浪拍过来又回到原点了。普通人掀不起大浪,但是得想办法借着浪头漂的更远。
中文
1
0
0
474
Andy Yang
Andy Yang@AndyEduAI·
2026 年AI工具怎么选?看完不踩坑 ✅AI 编程:Trae 国内版(无限免费) ✅AI 设计:Mixboard(完全免费无限制) ✅AI 知识库:NotebookLM(免费额度超足) ✅AI 特效模型:LMArena(免登录无限用) ✅AI 智能体:Molili(每日 3000 免费积分)、OpenClaw(100% 免费)✅AI 编程建站:AI Studio(基础功能免费) ✅AI 工作流:Coze(每日免费积分)
Andy Yang tweet media
中文
7
29
115
7K
工业 AI 小学生
工业 AI 小学生@Prmtr4IndstryAI·
@dashen_wang 取决于这笔钱算是多大的浪费。如果公司给每个人每年几十个 W 刀乐,是让他高兴的每个月多烧千八百刀的 token 划算,还是找个人盯着他怎么花 token,让他郁闷的干活划算。
中文
0
0
0
97
AI最严厉的父亲
AI最严厉的父亲@dashen_wang·
用 AI 到底订阅划算还是 API 按量付费? 大多数人的答案是订阅。 但有人说自己一天烧 500 美元 API。 这两件事同时成立,说明大家在问两个完全不同的问题。 对个人用户,这是成本选择题。 对企业,这是财务失血题。 数据说话: Max 20x 订阅 $200/月。 重度 Claude Code 用户的真实 API 消耗? 单账号轻松达 $1,500+/月。 有人建了 token 可视化仪表盘,实测结论: 订阅比按量付费便宜 15-30 倍。 一天 500 刀 API 账单 换成订阅,每月上限才 $200。 差了 70 倍。 那企业为什么还在大量用 API? 因为订阅的 rate limit 卡住了工程流。 5小时重置一次的 token 窗口,跑 CI/CD、跑 Agent 任务根本不够用。 工程师订阅跑满了找 API,财务不懂 token 是什么,账单就这么涨上去了。 下一个真赚钱的机会在这里: 帮企业做 AI 用量审计。 哪个账号在烧钱、烧在哪个模型上、能不能换 Haiku、能不能上 prompt caching全部可视化出来。 大部分企业现在是原价在买,眼睛闭着。 订阅 vs API 的争论,在个人层面已经很饱和了。 真正的钱,在那些搞不清楚自己在花什么的公司里。
中文
26
1
41
14.9K
工业 AI 小学生
工业 AI 小学生@Prmtr4IndstryAI·
@AYi_AInotes @steipete 我有点好奇,难道大模型成长只有学习代码一条路吗?观摩我做其他任务,模型就不能进化了?
中文
0
0
1
729
阿绎 AYi
阿绎 AYi@AYi_AInotes·
看完OpenClaw创始人的爆料才明白,为什么低价订阅跑 Agent 会被直接封号不退费🥹 OpenClaw创始人@steipete Peter Steinberger今天戳穿了整个行业的潜规则,他们要的根本不是你的订阅费,而是你的代码, Z.ai最近刚更新了GLM Coding Plan的政策,明确说这个套餐只能用来写代码,任何非编程用途,包括跑代理,角色扮演,翻译网站,都会被高强度限流,违规3次以上直接永久封号,而且订阅费一分不退, Reddit上已经有一大堆人中招了,很多人之前图便宜买了这个套餐,拿来跑OpenClaw或者聊天,结果毫无预兆就被封了, 你以为你占了便宜,其实他们赚大了,真实的私有代码数据,比GitHub上的公开代码质量高一百倍,是训练下一代AI模型最值钱的黄金矿, 而你跑代理,聊天,角色扮演,不仅不产生任何有价值的数据,还会疯狂消耗他们最稀缺的GPU算力, 所以补贴立刻就没了,规则说改就改, 这不是Z.ai一家的问题,整个AI行业都从疯狂补贴抢用户,变成精打细算抢数据, 以后用AI会越来越贵,因为只有能帮他们进化的人,才能继续享受便宜的价格🤪
Peter Steinberger 🦞@steipete

Interesting shift. These highly subsidized subs are out there to get your code to improve their models. If you use AI for things useful to you, but not code, you are not valuable to them. reddit.com/r/SillyTavernA…

中文
62
164
966
270.7K
ShuyuZhang
ShuyuZhang@Shuyusyz·
We built QClaw with QClaw. 5 days. 99% AI-written code. No terminal. No setup. WhatsApp/Telegram sends the order. Your computer does the work. The lobster raised itself. 🦞 Today we’re introducing QClaw to the world. First 20,000 users get a Founding Claw Number. qclawsg.qq.com Follow @QClaweverytime for what’s coming next.
English
72
52
481
272.5K
工业 AI 小学生
工业 AI 小学生@Prmtr4IndstryAI·
未来会不会有一个新的职业?虚拟员工提炼师。也就是说,当企业需要一个新的员工的时候,不是再像以前一样在招聘网站上发布招聘需求,而是直接请一位虚拟员工提炼师,针对JD 创建一个新的虚拟员工出来。
中文
0
0
0
15
工业 AI 小学生
工业 AI 小学生@Prmtr4IndstryAI·
AI 时代带来的真正影响不仅仅是创造软件更简单了,而是 AI 智能体可以完全替代员工加软件的这个组合,也就是说,企业可以直接用 AI 智能体来创造价值。
中文
1
0
0
9
工业 AI 小学生
工业 AI 小学生@Prmtr4IndstryAI·
#AI在企业端怎么用 大家都认为 AI 普及之后,会使软件工程师的职位被替代掉,我不知道这个结论对不对,但是最我同意AI 会对软件工程有很大影响。
中文
1
0
0
12
工业 AI 小学生
工业 AI 小学生@Prmtr4IndstryAI·
@Khazix0918 后来发现很简单,直接在settings.json里面把longcat官网上的一段配置加进去就行了。估计其他模型也是类似的。
中文
0
0
0
78
工业 AI 小学生
工业 AI 小学生@Prmtr4IndstryAI·
@Khazix0918 非常感谢,我一直以为在国内不能装Claude Code,看着这篇文章才知道原来孤陋寡闻了。我按照文章的提示一步一步来的,有一步我觉得可以进一步提示一下其他人,CCSwitch我安装了之后被配置卡住了,我用美团的LongCat模型,没搞明白怎么加进去。
中文
1
0
0
2.4K
工业 AI 小学生
工业 AI 小学生@Prmtr4IndstryAI·
@AYi_AInotes 嗯,可能是一把屠龙刀,只是我还没没掌握门道,坐等分享经验😁
中文
1
0
1
170
阿绎 AYi
阿绎 AYi@AYi_AInotes·
@frank_AMAT 哈哈,我觉得跟他定位有关,属于又快又省又能干的执行型模型,市场调研 gemini 的深度研究更好用啊🤓
中文
1
0
5
3.7K
阿绎 AYi
阿绎 AYi@AYi_AInotes·
说个暴论,AI界的iPhone时刻可能就要到来了。 OpenRouter上最近杀出来一个匿名模型,把所有Agent开发者都打懵了。 它叫Elephant Alpha,没有发布会,没有营销通稿,连开发者是谁都不知道😂 纯靠用户口口相传,一周就冲到了平台日活前十,token使用量暴增377%。 我自己测了三天,结论是这他么才是2026年AI该有的样啊! 速度快到离谱,不是那种一个字一个字蹦的慢输出,是你刚敲完回车,一整段带注释的代码直接完整输出,体感和Grok 4 Fast差不多,但代码质量高一个档次。 最夸张的是智效比,同一份任务,完全相同的输出质量,它的token消耗是Claude Opus的一半,GPT-5.4的三分之一,账单是真的肉眼可见地往下掉。 它不是啥全能思考型模型,更像一个纯粹到极致的执行机器,跨十几个文件找Bug,256K上下文稳如狗,一点不丢引用。 几十页合同直接转成结构化的条款表,会议记录转待办,群聊转摘要,网页转初稿,所有你不想干的脏活累活,它干得又快又好。 唯一要注意的是它不会帮你脑补,指令越清晰,约束越明确,输出质量越爆炸,模糊的需求很容易得到平庸的结果,也不适合复杂的多步长链规划,知识时效性需要自己注入上下文。 最反直觉的地方来了,以前我们总觉得,什么活儿都得用最好的旗舰模型 ,但实际上你每天80%的工作,根本不需要Claude或者GPT的深度思考能力,你只是需要一个东西,能准确、快速、便宜地把事做完。 现在OpenClaw和Hermes社区已经形成了标准玩法,Claude管整体规划和架构设计,只调用一次。 Elephant管分步执行、局部修复、批量生成,跑一百次,整体效率翻三倍,成本直接砍到原来的十分之一甚至更低。 这才是Agent经济真正的突破口啊,以前Agent跑不起来,不是因为不够聪明,是调用一次太贵,延迟太高😟 当执行层的成本趋近于零的时候,所有自动化才真正变得可行。 更有意思的是匿名模型这个趋势,以后最好用的模型,可能都不是大厂发布会吹的那些。 OpenRouter的盲测机制,让模型纯靠真实使用数据说话,没有品牌溢价,没有营销滤镜,谁好用谁就会被用户用脚投票选出来。 社区普遍猜测这是某国产大厂的马甲在全球盲测,也侧面说明中国AI在推理优化赛道已经跑在了前面。 现在它还在盲测期,完全免费,256K上下文,32K输出,函数调用,结构化输出,全开放。 OpenRouter和Kilo Code上都能用,建议兄弟们把所有日常重复任务都切过去,把省下来的预算,留给真正需要深度推理的场景。 Elephant Alpha 是不是下一个ChatGPT 呢,我觉得不是,它更像是AI从偶尔炫技变成每天省事省钱的基础设施。 所以别再用大炮打蚊子了,模型分层才是2026年AI玩家的核心竞争力啊, 咱们工作流里有哪些活儿,其实根本不需要用旗舰模型🌚 #AI #大模型 #OpenRouter #ElephantAlpha #开发者 #Agent
阿绎 AYi@AYi_AInotes

兄弟们,这个Elephant模型简直是用OpenClaw和Hermes养Agent的省钱神器啊,智效比拉满,token省一半,速度还快三倍,现在还完全免费,简直太香了! 这几天在测这个匿名模型,代号 Elephant,名字听着笨重,实际体感完全相反。 第一次调用的时候让我有点小惊讶,响应速度快到有点不像 100B 量级该有的样子。不是那种等三秒开始输出然后慢慢吐的节奏,是几乎即时往外蹦字,整个交互过程非常连续。 如果用过 Grok 4 Fast 这类超快模型,大概能理解那种随叫随到的体感。它给人的感觉不是一个需要先"想很久"才回答的模型,更像一个实时执行层。 但快只是起手式,真正让我开始认真对待它的是干活能力。 先说代码场景,我把它接进编辑器试了几天补全,跟手程度不错,局部续写和小范围修改基本能做到写完就能用,不需要我再过一遍脑子翻译。 拿一个老项目试了 bug 定位,跨文件的上下文理解比我预期好,丢了六七个文件进去,它准确找到了问题函数,给的补丁改了两处就跑通。 256K 的上下文窗口在这种多文件交叉引用的场景下确实撑得住,没有出现读到后面忘了前面的情况。 然后是文档处理,我把一份几十页的合同丢进去,让它提取关键条款做对照表。32K 的输出上限加上结构化输出的支持,跑出来的结果格式规整,条款定位准确,直接可以拿去用。 后来又试了把一堆零散的会议记录整理成周报、把群聊消息提炼成待办清单这类把杂乱材料快速变成有结构的可用结果的活儿,是它体感最顺的场景之一。 再说一个我自己摸索出来的用法,Elephant 单独处理特别复杂的长链规划任务时会力不从心,这点得承认。 但我后来发现了一个很舒服的搭配方式:让大尺寸推理模型先出规划和框架,Elephant 负责分步执行、快速生成、局部修复。大模型管想,它管干。这个组合跑下来效率提升很明显,因为执行环节不再需要等一个重量级模型慢慢吐结果了。 用了几天之后,我对它的定位判断逐渐清晰:这不是一个什么都能干的全能模型,更像是一个把高频日常任务快速做完的执行利器。 代码补全、文档整理、信息降噪、结构化输出、网页初稿、轻量工作流这些每天都要重复好多遍的事情,交给它处理的体感是省事、顺手、能直接交差。 也说几个要注意的地方: 第一,它对指令的清晰度要求比较高,给明确的约束、格式、步骤,输出质量会有很明显的跳升。但如果只丢一句"帮我写个好看的网页"这种模糊指令,结果容易落入平庸。换句话说,它很能干,但需要你会指挥。 第二,复杂的多步编排和长链规划不是它的主场,这类任务还是得靠更大的模型来扛,或者至少给它配一个外部规划层。 第三,知识时效性的问题,如果你的代码任务依赖很新的框架或刚更新过的 API,最好注入文档上下文,别让它靠记忆硬写,容易出现 API 幻觉。不过这也不算它独有的毛病。 Token 消耗方面,同样的任务跑下来,它的用量比我之前的主力模型少了一截。完成一个任务所需的回合更短,连续跑几个轻任务时等待感很弱。智效比这个说法不是空话,在我的实际账单上能看到差距。 目前还在盲测期,模型背后是谁不清楚,但不管它是谁家的,这个用更少 Token 把活干完的方向本身就值得关注。 现在在 Kilo 上可以免费试,建议拿自己的真实任务跑一遍,数字比任何测评都有说服力。 大家日常工作流里,有没有那种其实不需要旗舰模型但一直在用旗舰模型的场景,欢迎评论区交流。 #ElephantAlpha #智效比模型 #AI工程师

中文
63
226
1.2K
413.3K
Fang知识分享
Fang知识分享@FLMdongtianfudi·
《乱世人心:从晚唐到五代》——一本带你看清“人在乱世中如何抉择”的人物史。 乱世中,是非为何瞬间模糊? 信仰、欲望与生存冲突时,人如何做决定? 究竟是人物改变时代,还是时代卷走人物? 以人心透视历史,也以历史照见自己。 想理解乱世与人性的真正张力? 这本书给你答案。 👇评论区阅读
Fang知识分享 tweet media
中文
2
26
108
14.4K
代码家
代码家@daimajia·
能不能分享一本你读了三遍以上的书?📖
中文
565
109
803
376.1K
米开朗基杨
米开朗基杨@CarsonYangk8s·
兄弟们,我终于摸索出了超级完美的 PDF 翻译方案,效果可与专业人工翻译相媲美👇
GIF
中文
81
680
2.5K
352.7K