来财|AI＋商业

@Astronaut_1216 甚至不用发工资，加学分或者给实习证明，就有一大堆人来找你🤣 但有能力的大学生就不便宜了，也比较难招到

雇佣一个大学生比openclaw便宜 一个月450无限token 微信直接下发任务 大学生才是顶配openclaw

@snail_9106 赞同！

@brewingteaaa 好用心的总结，新潮流我们不只要追，更要追出个结果

对啊，token 那么贵，部署出来了又有什么用呢？OpenClaw到底怎么赚钱？OpenClaw到底怎么赚钱啊？普通人到底怎么抓住这个风口？ 蜗牛聊了这个话题，那么我也汇总聊一聊我看到的几条赚钱路径。 ① 做垂直产品 OpenClaw 加上别的东西，就能变成一个独立产品。 例如 OpenClaw + 硬件。比如把它接入树莓派、智能音箱、工厂的传感器设备，让它在物理世界里真正"动起来"——不只是对话，而是感知、判断、执行。这个方向目前探索的人还很少，但应用场景其实非常多：仓储管理、农业监测、零售终端、家庭设备控制…… AI 只有真正用进某个垂直行业，才能发挥它的价值。通用工具人人都能用，但把它落到具体场景里、能真正解决问题的人，才是最后留下来的那批。 ② 起号 OpenClaw 本身就是流量密码。 最近各平台上用 OpenClaw 内容起号的案例数不胜数，几天涨几万粉丝的很多，流量本身就是钱。 不一定要是技术大神，会用、会讲、会拍就够了。现在还是这个话题的红利期，进场越早，积累的先发优势越大。 ③ B2B：帮别人用上它 很多老板知道 OpenClaw 火了，但公司里没有技术人员，自己也完全不知道从哪下手。 这就是机会。 可以帮他们做内部培训，可以帮他们搭一套适合自己业务的工具，也可以提供后续维护。 例如电商老板想自动处理客户消息，律所想整理合同文件，HR 部门想把重复的工作流跑起来——需求是真实存在的，缺的只是懂技术、又愿意来做这件事的人。 技术在这里反而变成了壁垒。 ④ Web3 方向 OpenClaw 在 Web3 里的想象空间很大。 一个方向是链上套利和市场监控，让 Agent 全天盯着链上数据和社交媒体信号，自动执行策略，人不需要一直盯着。 另一个方向是黑客松。 用 OpenClaw 结合 Web3 做项目参赛，现在还算早期，竞争没那么激烈，但奖金不少。 例如最近 Reactive Network 的黑客松奖池就有 200 万美金，而且如果项目做得好，被投资人看到了，直接拿融资或者被收购都有可能。 另外即使没拿奖，做出来的项目本身就是简历和作品集。现在很多公司都有找能把openclaw用出来的人的需求。 你在用 OpenClaw 做哪个方向？

真心佩服这种开源精神。 @AlchainHust 花生总整了一份 98 页的 OpenClaw 橙皮书，开源出来。从技术架构、各种部署方案、IM 渠道接入、模型选型，到安全避坑和国内外养虾生态，一整套都在里面了。 里面还专门有一章讲安全避坑。 对于没有编码背景的小白来说，这部分尤其重要——第三方 Skill 可能会偷你的 API Key，这不是小事，是真实发生过的安全事件。 另外花生总还录了一个 35 分钟的 YouTube 视频讲解这整份指南。不管你是还没装的、装了不知道干嘛的，都可以直接去看。 相当于 OpenClaw 目前最完整的白皮书了。

这个社会对大学生是很残酷的。 经济在下行。之前主要靠房地产拉动经济，但这两年基本塌了，老百姓最大的资产缩水，消费信心不足。 不敢花钱 → 企业营收下降 → 裁员降薪 → 更不敢花钱，一个负循环。 再叠加老龄化加速、中美脱钩出口承压，蛋糕不再快速变大了，但分蛋糕的人越来越多。 大学里学的东西，很多专业在企业里根本用不上。 但企业不会因为你是应届生就给你时间成长。经济下行，所有公司都在降本增效，要的是来了就能产出的人。 于是大部分人随波逐流，走一些同质化的路。考公、考研、卷一些同质化的就业岗位。不是不想突破，是不敢。新兴行业确定性不高，而人为了确定性，可以做任何事。 但三年前的钥匙，开不了现在的门。 AI 时代已经来了。传统行业的岗位在收缩，新的机会在别处生长。你用三年前的思路去规划未来，大概率是走进一条越来越窄的路。 新兴行业风险大，但机会也多。 而且这些行业有一个传统行业不具备的特点：它们是开放的。你不需要靠学历和背景敲门，你在 Web3 社区里贡献内容就能认识行业里最前沿的人，你用 AI 工具做出一个作品就能被看见。这在传统行业几乎不可能——你不熬个三五年，连说话的资格都没有。 你可以在年轻的时候就接触到行业翘楚和前沿的思想，你甚至可以参与这个世界的建设 这很让人兴奋。 虽然我不确定这条路适不适合我，但我决定走下去，谁又知道以后呢 you only live once

感谢回复，写了这么多，认真看完了。你说的 FOMO 现象确实存在，这个我不否认。 但我的理解稍微有点不同。 22 万个实例裸奔在公网上，我觉得这恰好说明用户是有安装和使用需求的，只是安全配置这块确实比较麻烦，步骤多、门槛高，很多人不是不在乎，是真的不知道怎么做。这块其实是可以解决的，只是目前缺少足够清晰的引导。 关于教程有没有活路，可以看一个数据：最近有个 OpenClaw 训练营，199 一份，教怎么用 OpenClaw 打造 AI 员工赋能传统商业，卖了 1000 多份。 你说的 FOMO 没错，很多人确实是想赶上这波风口但不知道从哪里切入。但这恰恰是教程能卖得动的原因——他们看到一个训练营能告诉他们怎么入手，自然就会报名。FOMO 不是教程的敌人，反而是教程最大的流量来源。 至于学不学得完、用不用得好，那是另一个问题了。但市场需求是真实的，愿意付费的意愿也是真实的。能服务好其中那批有具体场景的用户就够了。

不敢苟同 22万个实例裸奔在公网上，这恰恰说明问题不在"教不教"——这些用户不在乎/没有能力意识到安全的重要性，甚至没有能力意识到小龙虾能帮他们解决一部分安全问题 绝大部分人是没有使用这么重型的工具的能力和必要的。 真正驱使他们的是FOMO，是"我不知道我要做什么，但是我必须做些什么才能避免我实际上什么也没做的恐惧感" 但绝大部分人连表述清楚自己的问题都做不到，不要指望他们能和AI有效沟通，更遑论他们真的能用这个提升自己的效率 和AI交互最大的接触面是让千问帮他们点奶茶，让豆包帮他们P图，让DeepSeek帮他们写PPT，这些场景哪里用得上小龙虾 买了的课从来不学，买了的健身卡从来不去，收藏了的教程从来不看——他们真正需要的不是小龙虾，而是"我拥有小龙虾"的感觉 这也是为什么代安装服务能火起来。哪怕是FOMO，绝大多数人也没能力去找到一个高质量的教程，跟着一步一步走完 所以我认为教人怎么用铲子的教程是不存在活路的。哪怕这个东西简化到了一句话"Hi Siri，帮我安装小龙虾"，有的人还是不敢开口

天策这条写得很清楚，从创业者视角拆了 OpenClaw 生态的变现路径。 但我想补充一个他没展开的角度：在"卖铲子"之前，还有一层更基础的需求没被满足。 —— 现在 OpenClaw 的现状是什么？ 火是真的火，但大部分人连装都装不明白。X 上的部署教程看着很多，但质量参差不齐，很多是直接翻译官方文档，小白照着做一步一个坑。 更别提安全问题了。前两天阮一峰老师发了个 OpenClaw 暴露看板，22 万个实例直接裸奔在公网上。说明什么？大量用户连基本的安全配置都没做好就急着上线了。 也就是说，天策 讲的那些创业机会——行业封装、算力中继、技能商铺——都很对，但前提是用户得先把 OpenClaw 用起来、用明白。 —— 这就是为什么我觉得当下最缺的不是"卖铲子的人"，而是"教人怎么用铲子的人"。 一个真正好的中文保姆级教程体系，从安装部署到安全配置到实际场景应用，现在市面上几乎没有。 等这批用户被教育好了、真正把 OpenClaw 跑起来了，Leobai 说的那些商业化机会才会变成现实的市场。 生态的第一步不是变现，是让更多人进得来。

OpenClaw这么火，最近推特上铺天盖地的都是openclaw的推文，那么做一个 OpenClaw 到底有多难？ 前段时间跟某大厂的产品经理聊天，他说了一句让我印象很深的话：做一个 Manus 很简单，但它能火遍全球。 现在 OpenClaw 也是一样的故事。所以我认真研究了一下，这东西到底有没有技术壁垒，普通人手搓一个出来然后拿几千万融资，现实吗？ —— 先拆一下 OpenClaw 的技术架构，搞清楚它到底是什么。 OpenClaw 的本质就三层东西叠起来的： 第一层是大语言模型（LLM）。跟 ChatGPT、Claude 一样，用大模型做推理和决策。OpenClaw 支持 OpenAI、Anthropic、Google 的 API，也支持跑 Ollama 之类的本地模型。这一层没有任何壁垒，调 API 而已。 第二层是 MCP（Model Context Protocol）。这是 Anthropic 推出的一个开放标准，作用是让 AI 能标准化地发现和调用外部工具。比如 AI 想操作你的文件系统，不需要每个工具单独写适配代码，通过 MCP 统一接口就行。OpenClaw 用 MCP 来做工具编排和插件扩展，但 MCP 本身是公开标准，谁都可以用。 第三层是 Gateway + Agent Runtime。Gateway 负责接入各种聊天平台（WhatsApp、Telegram、Slack、Discord 等），Agent Runtime 负责执行 AI 的推理循环、管理记忆、调度工具。这一层是 OpenClaw 自己写的，但架构设计并不算特别复杂。 如果只是把这三层拼起来做一个能跑的 demo，一个有经验的全栈工程师一到两周可以搞定。GitHub 上搜 "AI agent framework"，类似的开源项目几百个，AutoGPT、AgentGPT、MetaGPT、CrewAI……能跑的版本真不难。 —— 那 OpenClaw 牛在哪？为什么它能火到 GitHub 星标数超过 Linux 和 React？ 因为"能跑"和"好用"之间差了十万八千里。OpenClaw 真正的护城河不在架构设计，在工程细节。 举几个具体的点： 1、记忆系统。大部分 AI Agent 的记忆就是把聊天记录塞进上下文窗口，token 用完就忘了。OpenClaw 做了一套基于 Embedding 的混合检索记忆，支持语义搜索。也就是说你三个月前跟它说过"我不喜欢吃香菜"，三个月后它帮你点外卖的时候还能记住这件事。这个做起来不难，但做到稳定、快速、不出错，需要大量的测试和优化。 2、多 Agent 协作。OpenClaw 支持多个 AI 同时工作，比如一个写代码、一个跑测试、一个做 code review，最后汇总输出。这涉及到任务拆解、依赖管理、冲突解决、结果合并，调度逻辑非常复杂。这不是一两个人能做好的。 3、稳定性和容错。AI 会幻觉、会犯错，如果它正在操作你的电脑突然抽风了怎么办？删错文件怎么办？死循环一直在调 API 把你额度烧光怎么办？OpenClaw 做了很多保护机制，比如操作确认、权限隔离、异常中断。这些东西用户感知不到，但没有的话产品根本没法用。 4、插件生态。OpenClaw 设计了一套让第三方开发者能轻松写插件的接口，目前已经有几百个社区插件。一个好的插件架构需要做到向前兼容、安全沙箱、版本管理……这些都是脏活累活。 5、多平台适配。接入 WhatsApp、Telegram、Slack 这些平台，每一个的 API 规范、消息格式、限速策略都不一样。而且这些平台还会时不时改 API，你得持续维护。 这些加在一起，OpenClaw 的代码量是几十万行级别的。写出来不算最难，难的是持续迭代和维护，需要一个有组织的团队长期投入。 —— 那更有意思的问题来了：如果技术门槛其实没那么高，为什么 OpenClaw 能拿到大额融资？ 因为投资人投的从来不是技术本身。 回顾一下时间线：2026 年初 Manus 在国内爆火，第一次让大众意识到 AI 不只能聊天还能干活。但 Manus 是闭源的 SaaS 产品——你的数据交给它、能力由它决定、定价它说了算。 这时候 OpenClaw 出现了，打的牌是"开源、本地部署、数据自主"。在隐私问题越来越受关注的今天，这个叙事踩得非常准。 而且开源意味着社区贡献，社区贡献意味着插件生态滚雪球式增长，生态壁垒一旦建立起来，后来者再做一个一模一样的产品也追不上——这跟当年 Linux 和 Android 的逻辑一样。 投资人看的是这个飞轮效应，不是你代码写得多漂亮。 —— 所以回到最初的问题：普通人手搓一个 OpenClaw 然后拿几千万融资，现实吗？ 技术上搓一个能跑的版本，真不难。 但能不能融到钱，取决于三件事： 第一，时机。Manus 和 OpenClaw 都是在 AI Agent 叙事最热的窗口期出来的。这个窗口期可能只有几个月，错过了就得等下一个叙事。 第二，差异化。市场上已经有 OpenClaw 了，你不能再做一个一样的。你需要找到一个没被占的生态位——比如专门做 Web3 场景的 AI Agent？专门做移动端的？专门做企业内部的？ 第三，社区和执行力。开源项目的核心资产是社区，你得让人愿意来贡献代码、写插件、写教程。这需要持续的运营投入，不是代码写完就结束了。 说到底，做出来不难，做出来还能火，这件事很难。但这也正是这个行业有意思的地方——决定成败的从来不只是技术。

太吓人了！最近 OpenClaw 挺火的，但今天刷到阮一峰老师分享的一个东西，看完有点后背发凉。 有人做了个 OpenClaw Exposure Dashboard，专门扫描暴露在公网上的 OpenClaw 实例。结果呢？超过 22 万个，直接裸奔在互联网上，谁都能访问。 这个事情为什么严重？因为 OpenClaw 不是普通工具，它运行的时候需要你把各种 API Key 都交给它，权限大到离谱，而且是全自主运行的。 也就是说，如果你的实例被别人发现了： 你的 OpenAI 额度，别人随便刷。 你绑定的平台账号，别人直接拿来用。 你本地存的敏感数据，别人一览无余。 更离谱的是，这东西几十万行代码，到现在都没有经过完整的安全审计。很多人装完就直接开着公网跑了，连个密码都没设。 说实话，这跟早期 DeFi 协议裸跑没什么区别，只是这次泄漏的不是链上资产，是你整台电脑的控制权。 已经在用的赶紧去查一下自己有没有被收录：openclaw.allegro.earth

我翻遍了整个推特，没找到一篇推文能系统讲清楚「谷歌AI浏览器」到底怎么用。 实际上这个功能已经出来有一段时间了，但大部分人要么不知道，要么配置失败就放弃了。我自己折腾了一阵子，踩了一些坑，所以干脆把完整的流程和使用心得写出来。 3分钟看完，直接上手。 —— 先说它是什么。 本质上就是在Chrome浏览器里内置了一个Gemini侧边栏，你浏览任何网页的时候都能随时呼出它来对话。 我之前用AI有一个很大的痛点：每次都要把网页内容复制一遍，粘贴到ChatGPT或者Kimi的对话框里，上下文经常丢失不说，操作路径也很长。而Chrome里的Gemini完全不需要这个步骤——它能直接读取你当前正在看的页面，你只管提问就好。 这个区别看起来很小，但实际用起来体验差距非常大。 —— 它具体能干什么？列几个我高频使用的场景： 1.看到一篇超长的英文文章或者研报，不想逐字读，直接让它总结要点+帮我提炼可以发推的观点 2. YouTube视频不想看完，扔给它问"这个视频的核心论点是什么" 3.分析对标账号最近发了什么、哪条爆了、评论区在聊什么 4.社群有人问问题描述不清楚，直接让对方把页面链接发过来，我在Chrome里打开后用侧边栏的Gemini帮我诊断，比截图高效十倍 5.页面上有一堆数据想整理？让它直接抓取可见内容输出成表格 例如当我需要分析一个web3项目，要看项目白皮书、链上数据页面、各种Discord和Telegram的讨论。以前看一个新项目至少要花一两个小时整理信息，现在开着Gemini侧边栏，边看边问边总结，效率直接翻倍不夸张。 不过要说清楚，数据抓取它只能处理页面上你看得到的内容。如果你要批量抓每篇帖子的点赞收藏数据，那还是得上自动化工具或者写脚本。 —— 但我最喜欢的功能，其实很多人都不知道——跨页面信息整合。 举个实际的例子。有一次我在研究一个Web3项目，同时打开了项目官网、白皮书、3篇推特长文分析、还有两篇Mirror上的文章。按以前的做法，我得一篇一篇看完再自己总结。 但用Chrome里的Gemini，我直接在侧边栏的对话框里点「+」或者输入「@」，把这些标签页一个一个添加进去作为上下文，然后问它："综合以上所有内容，这个项目的核心创新点是什么？有哪些潜在风险？" 它直接给我输出了一份结构化的分析，比我自己花两小时整理出来的还全面。 这个功能一旦用上，真的回不去了。 —— 接下来说怎么设置。 说实话配置过程比我预想的要简单，就是有几个坑容易踩到，我帮你标出来。 准备工作：梯子切到美国节点（这一步不能省，不是美国IP的话后面大概率会失败）。 第一步：Chrome语言改成英语 Chrome右上角三个点 → Settings → Languages → 添加English → 把它拖到第一位 → 重启浏览器。 ⚠️ 注意：是要把English设为Chrome的显示语言，不只是添加进去就行。改完之后Chrome界面会变成英文，别慌，设置成功之后可以改回来。 第二步：谷歌账号地址改成美国 在Chrome设置里找到「管理您的Google账号」（Manage your Google Account）→ Personal information → 找到Home address → 国家选United States，地址随便填一个就行 → 保存。 ⚠️ 这一步很多人会漏掉，只改了浏览器语言但没改账号地址，结果怎么都调不出Gemini。两个都要改。 第三步：命令行启用Gemini（最关键） 先完全关闭Chrome浏览器。 如果你是Windows电脑，按Win键搜索「cmd」打开命令提示符，粘贴这段： "C:\Program Files\Google\Chrome\Application\chrome.exe" --enable-features=TabOrganization,MultiTabOrganization,GeminiSidePanelChat 如果你是Mac电脑，打开终端（Terminal），粘贴这段： open -a "Google Chrome" --args --enable-features=TabOrganization,MultiTabOrganization,GeminiSidePanelChat 回车运行，Chrome会自动打开。看右上角有没有出现Gemini的小图标——有的话就成功了。 ⚠️ 一个常见问题：如果Chrome没有安装在默认路径（比如你装在D盘），上面Windows的命令路径要改成你实际的安装位置。 成功之后它还能同步你Gemini账号里的历史对话，这点意外地贴心。 —— 几个提升体验的小技巧： ① 可以把侧边栏固定住（pin），这样每次打开新页面它都在，不用反复呼出 ② 提问的时候加一句"请用中文回答"，不然它有时候会跟着英文页面用英文回复 ③ 如果觉得回答太泛，试试追问"请结合当前页面的具体内容再分析一下"，它会给出更有针对性的答案 ④ 跨页面整合的时候，先想清楚你要问什么再添加标签页，不然上下文太多反而会影响回答质量 —— 最后说说我对AI工具的一些想法。 第一，这个东西真正解决的问题是使用门槛。我之前下载了一堆AI工具——桌面端的、插件的、网页版的，但因为每次用都要额外打开一个东西，使用路径太长，最后大部分都吃灰了。Chrome里的Gemini好就好在它就在你浏览网页的地方，打开就能用，不需要额外的动作。 第二，关于上下文。无论是看文章让它总结，还是跨页面让它整合分析，本质上都是在做一件事：给AI提供更完整的信息。AI回答的质量很大程度上取决于你给它的上下文质量。所以与其纠结用哪个工具，不如想想怎么更高效地给AI喂信息。 第三，也是最重要的一点——工具只是入口，思考才是核心。我见过太多人花大量时间研究哪个AI工具更好、怎么配置更完美，但真正用起来的时间反而很少。2026年了，让自己真正高频用上AI，比研究哪个工具更好重要一百倍。AI能帮你提效，但它不能代替你思考。 觉得有用的话帮我转发一下，让更多人看到 🔄

最近在研究跨链自动化，发现了 ReactiveNetwork @0xReactive ，方向挺有意思的。 先说一下背景。现在很多区块链上的金融协议（DeFi）都需要一些自动化操作才能正常运转。 比如当借款人资不抵债时自动处理他的抵押品（清算） 比如在不同区块链之间传递信息（跨链中继） 比如社区投票通过后自动执行决议（治理执行） 这些操作目前基本都依赖链下的程序（Bot）或第三方服务来触发。也就是说，协议本身是去中心化的，但维持它运转的自动化层其实是中心化的。 这实际上已经出过不少问题： 2020 年 312 行情的时候，链上交易手续费（Gas）急剧上涨，负责清算的程序大面积卡住无法正常发送交易，借贷协议 MakerDAO 因此产生了约 400 万美元的损失。 主流的区块链节点服务商 Infura 服务中断的时候，大量依赖它的自动化程序直接停止工作。另一个借贷协议 Venus 也因为链上拥堵，自动化程序无法及时完成清算，损失超过 1 亿美元。 Reactive Network 做的事情是让智能合约（部署在区块链上自动执行的程序）本身就具备监听链上事件的能力。开发者写好逻辑部署上去，合约就能自己监听、自己执行，不需要再额外跑一个服务器或自动化程序。 举几个适用的场景： 1、社区提案投票通过后自动执行链上操作，不用再等人手动触发。 2、多链部署的协议做状态同步，不用依赖中心化的中继服务。 3、定期调仓、资产再平衡这类非实时策略，部署完就自己跑。 当然现阶段也有问题，最明显的就是不同区块链之间传递消息的延迟比较大，高频场景暂时不适用，这是当前面临的技术挑战。 但区块链技术的发展一直都是这样，正如 Plasma 的探索催生了 Rollup，早期的跨链桥推动了 LayerZero/IBC 的成熟，我相信 Reactive Network 在"合约主动化"方向上的探索，即使遇到阶段性困难，也在为整个行业积累宝贵的实践经验。 如果你也在关注链上自动化这块，推荐加入 ReactiveNetwork 的官方群，共同参与 ReactiveNetwork 的建设以及去中心化发展。 @0xReactive_cn @0xReactive

Seedance解决的，是「叙事型内容」的商业化问题。 之前AI视频的痛点不是生成质量，而是没法「讲连续的故事」——第一集的主角，到第二集就换了张脸，根本串不起来。 我们公司之前就踩过这个坑。想做一个动漫IP的世界观连续剧，结果角色一致性死活搞不定，试了各种方案都不行，这个细分项目搁置了大半年。 现在这个问题解决了，整个「故事向内容」的赛道：短剧、动漫IP、网文改编——这些需要角色贯穿始终的内容，制作成本会直接被压缩一个数量级。 但换个角度想，当制作门槛不再是壁垒，最后拼的还是谁能讲好故事。 工具会越来越便宜，好剧本永远稀缺

@xiaohu 真tm nb，这下真的能实现生成帅哥带腹肌跳抖舞视频了

兄弟们，这确实牛P啊，真假难辨... 小师妹献艺，恭贺新春 各位师兄觉得如何？？？ Seedance 2.0 制作的 作者：虚妄

Seedance解决的，是「叙事型内容」的商业化问题。 之前AI视频的痛点不是生成质量，而是没法「讲连续的故事」——第一集的主角，到第二集就换了张脸，根本串不起来。 我们公司之前就踩过这个坑。想做一个动漫IP的世界观连续剧，结果角色一致性死活搞不定，试了各种方案都不行，这个细分项目搁置了大半年。 现在这个问题解决了，整个「故事向内容」的赛道：短剧、动漫IP、网文改编——这些需要角色贯穿始终的内容，制作成本会直接被压缩一个数量级。 但换个角度想，当制作门槛不再是壁垒，最后拼的还是谁能讲好故事。 工具会越来越便宜，好剧本永远稀缺

字节跳动这方面确实nb👍 谁也卷不过中国人🤣 刚发布的Seedance 2.0 一键图转视频丝滑无比 而且听说解决了角色一致性的问题 人人都可以漫画转动画了🤣🤣 以后凡人修仙传动画什么的可以自己做了 Ai脱胎换骨快速下沉到生活的方方面面 量变产生了质变 我们真是见证了一个大时代的来临🎉

@FrankGu97312 AI 是能力放大器，但也是"认知税"。它让高手更强，也让新手更敢盲信。未来真正稀缺的能力，不是写代码，而是在 AI 的幻觉和偏见中保持清醒——看得穿，改得动。

openreview.net/forum?id=QjkJd… [ICLR2026] The Matthew Effect of AI Programming Assistants: A Hidden Bias in Software Evolution [ICLR2026] AI编程助手导致的"马太效应"：AI编程工具正在悄悄影响软件生态

@uogh007 @0xMalingshu 确实有点东西，接下来仔细研究一下

@0xMalingshu @brewingteaaa 里面有 NanoBanana Pro，可以自动做 PPT、海报、网页。

真是灯下黑，我现在才知道Antigravity 居然内置了 Chrome 扩展！这意味着什么呢？意味着它可以帮你操控谷歌浏览器，例如发推特、订机票。重点是官方给的 token 真的很良心，我每个月都用不完。免费用户也能玩得很开心，白嫖党狂喜！ 如下是我用antigavity帮我控制浏览器，自动在remix上演示不同操作对于gas费的影响，非常丝滑：

@loverofheziyi 学！期待你的反馈

我要学习一下这个办法哩，幸亏我有一台iphoneX,一直舍不得充值Premium,想发一些比较长的文字都发不了

@0xMalingshu @LXDAO_Official 很有马铃薯的风格😁

我剛剛在《我的第一个 NFT》 @LXDAO_Official nft.myfirst.io 網站上Mint了個NFT 超、可、愛！ 都有點想把這個當頭像了xd 大家也試試看吧，而且這網站除了鑄造NFT以外，也很清晰的教了加密貨幣基礎，以及什麼是NFT、怎麼Mint NFT等等，超讚