Leo

3.3K posts

Leo

Leo

@leeoxi

AI's Cheerleader ‖ 7 cats ‖ TX2CA ‖ simple and minimal ‖ learn, understand and discover ‖ born to play ‖ Feed shapes, flow defines

Los Angeles, CA Katılım Mart 2009
516 Takip Edilen214 Takipçiler
Leo
Leo@leeoxi·
@trq212 Hello Thariq, I'm a Claude Max20 user with a quick question. I've used up my weekly quota for all models, but still have 70% of Sonnet quota remaining. Can I still use Sonnet and Haiku in this case? The document says yes, but in practice, I haven't been able to do so
English
0
0
0
22
Thariq
Thariq@trq212·
/buddy
Thariq tweet media
English
333
111
2.7K
195.3K
Leo
Leo@leeoxi·
cc的引擎源代码出来了。我猜测各大模型会针对cc进行优化,3-6个月应该就有可以接近opus/sonnet 4.6的开原模型出现。 如开源模型达到opus水平,自建LLM会是多数中大型企业选择。内存价格还会涨一段时间 内存涨价->云LLM成本↑->云LLM ↑->私有LLM部署需求 ↑->内存需求↑->内存涨价 完美循环,哈哈
中文
0
0
0
49
蓝点网
蓝点网@landiantech·
🚨🚨🚨突击检查: 你还记得你的QQ号吗?
中文
48
0
47
15.3K
Peter Yang
Peter Yang@petergyang·
What do builders in China use to vibe code if they’re not using Claude Code or Codex?
English
345
42
2K
575.2K
Leo
Leo@leeoxi·
@Timcrossintz9v @wangray 主要还是看企业会不会被外部竞争冲击,总体比较小的话无所谓,慢慢走。冲击比较大的话,不跑就会死,其他的规矩就不会那么重要了。
中文
0
0
0
8
Timcrossing
Timcrossing@Timcrossintz9v·
@wangray 1. 足够垂直的saas都是几年几年地签合同,这几年的时间里新的公司根本抢不到大客户 3. 这些上市saas公司内部也在拥抱AI 4. 做企业的生意靠的是人脉
中文
2
0
2
335
Ray Wang
Ray Wang@wangray·
大多数 SaaS 公司确实会死 因为拆开表面看里面,就是一堆 workflow 的堆砌,接下来被 skill 重写完全可预见 Skill as a Service 是新一代的 SaaS 但我认为这依旧是过渡态 如果 Skill 能随意重写 SaaS,那 Skill 本身也极易被复制 很多 SaaS 的壁垒不在 workflow 本身,而在企业采购流程、合规、集成生态等 你以为你写个 skill 能颠覆产品,但企业在买的不仅是产品,更是责任归属和信任 我认为终态会是 Agent company 一家公司的核心资产会是一组持续进化的垂直 agent,这些 agent 在特定领域里越用越好用,这在过去的workflow中基本不可能,每次客户使用,都在帮助这些 agnet 积累这个行业独有的判断力 Skill as a Service 解构了 SaaS 的功能垄断,但谁先在一个垂直领域跑通“客户使用 → 数据积累 → agent 进化 → 客户更离不开”这个飞轮,谁就是那个领域的 Agent Company
中文
8
5
42
9.3K
Leo
Leo@leeoxi·
@petergyang Where did you buy the esim, most cheap esim originally from Hong Kong and will be blocked by Claude Code and Codex.
English
2
0
1
1.9K
Peter Yang
Peter Yang@petergyang·
Reason I ask this question is I'm going to China tmr and I hope the 50 GB eSim I bought lasts for 12 days of vibe coding 😅
English
17
2
137
58.2K
Leo
Leo@leeoxi·
OpenClaw的group/topic level系统提示词用好了真的太舒服了,准备做个工具专门管理和升级group/topic的sp
Leo tweet media
中文
0
0
0
53
Leo
Leo@leeoxi·
@runes_leo 试试scrapling,有惊喜
中文
1
0
3
351
Leo
Leo@runes_leo·
用 AI Agent 做过内容或数据采集的都知道,抓网页是最脏最累的活。 我平时工作流里靠 Chrome cookie 抓数据,cookie 过期就废;遇到 Cloudflare 或反爬严格的站直接 403;X 的内容更别提,登录态动不动失效,API 额度用完就得换方案。一个链接进来,得准备三四层兜底,经常跑到最后一层还是抓不到。花在"让数据进来"上的精力,比"用数据做事"还多。 试了下 XCrawl,给我的 OpenClaw bot 装了它的 skill。 第一个测试——跟 bot 说"抓一下 polymarket.com 的内容",几十个预测市场的赔率、成交量、截止时间,全部结构化 markdown 回来了。JS 动态渲染的页面,一个请求搞定。 第二个测试更狠——丢了一条自己的 X Article 链接进去。几千字的长文连 views、likes、bookmarks 都一起回来了。X 的内容是出了名的难抓,之前要单独写一套逻辑,现在一句话的事。 看了下消耗,每次请求 1-2 个 credit。内置住宅代理和 JS 渲染,不用自己搭基建。输出的 markdown 直接喂 LLM 或者存数据库,不用二次清洗。 API 有五种模式——单页抓取、全站爬取、站点地图、搜索、SERP,基本覆盖了日常采集场景。OpenClaw 用户装个 skill 就能用,注册送 1000 credits 够跑一阵。 说实话,数据采集这层基建早该有人做成服务了。自己搭的成本太高,维护更累。按需调用,省下来的时间去做真正有价值的分析和决策。 xcrawl.com/?keyword=0neiy…
Leo tweet mediaLeo tweet media
中文
6
11
76
12.2K
Leo
Leo@leeoxi·
@fkysly 差不多要出500刀的plan才行了
中文
0
0
4
1.4K
马天翼
马天翼@fkysly·
Anthropic 失误暴露了他们还藏有一个比 Claude Opus 更强大,代际超越的模型: Claude Mythos。 将会成为 Claude Haiku、Sonnet、Opus 之后的第四档。 该模型在编程、网络安全等方面,超越 Opus 4.6。 不敢想象,还有高手?
马天翼 tweet media
中文
13
4
82
27.3K
Gorden Sun
Gorden Sun@Gorden_Sun·
继token、Agent之后,又来了一个难以翻译的词:Harness
中文
158
22
433
313.7K
Leo
Leo@leeoxi·
@lifesinger 纯数字世界因为供给趋向无限,所以稀缺性会慢慢越来越小。但当物理世界向数字世界映射,这种稀缺性跟物理世界挂钩,就会稳很多
中文
0
0
1
128
Frank Wang 玉伯
Frank Wang 玉伯@lifesinger·
大量 SaaS 确实已死。但有稀缺性的 SaaS 会摇身一变,活出新风貌。 稀缺性是什么。 只剩下这一个问题。 比如你会发现:Figma 并没有稀缺性。Notion 的稀缺性也很假。连我最喜欢的 Linear,细想也没有稀缺性。 再想想近年的当红明星们,也会惊出一身热汗:Cursor 的稀缺性正在丧失。Perplexity 则貌似已经淡出视野,新出的 Computer 试用后也没啥稀缺性。Lovable 的稀缺性是增长团队。Manus 的稀缺性貌似在从执行力转向用钱采买的数据。 究竟什么才是真正的稀缺性。 茫然。又有点兴奋。
中文
95
18
197
103K
Leo
Leo@leeoxi·
@lifesinger Telegram越用越感慨它架构的强大,以及细节实现上的认真。
中文
0
0
1
1.3K
Frank Wang 玉伯
Frank Wang 玉伯@lifesinger·
微信未开放 WeClaw 之前 觉得微信还挺简洁易用 微信开放 WeClaw 之后 一体验 才意识到微信和 Telegram 之间 还至少差了一个飞书
中文
59
10
336
133.7K
OneManSaas
OneManSaas@OneManSaas·
@claudeai Local storage is great until you're switching between three different machines daily. The "everything stays on your computer" approach breaks down when your work doesn't stay in one place.
English
29
0
57
24.2K
Claude
Claude@claudeai·
Projects are now available in Cowork. Keep your tasks and context in one place, focused on one area of work. Files and instructions stay on your computer. Import existing projects in one click, or start fresh.
Claude tweet media
English
732
1.1K
14.3K
3M
Leo
Leo@leeoxi·
@lifesinger 做PPT还是gamma体验更好。gamma支持Agent自己去做PPT。虽然接口还不完善,但效果也还不错了。
中文
0
0
1
218
Frank Wang 玉伯
Frank Wang 玉伯@lifesinger·
用 Claude Code 写代码 用 NotebookLM 或 YouMind 做 PPT 用 YouMind 写文章 用 Stitch 做设计 用 OpenClaw 干杂活 等等 不是为了提效,这是巨大的误解 而是一种全新的单向门体验 体验过,就回不去了 就如古人吃过火烤的熟食后 就难以吃进去生食了 我们让 AI 在进化 AI 也让我们在进化
中文
28
75
585
34.5K
Leo
Leo@leeoxi·
@lifesinger 各个方向都会有它的使用人群。对于消费者而言,长期的主航道就是开箱即用,所有API全都预集成好。对于先锋队而言,本地化是趋势,因为本地化的可定制程度实在是太高了。 作为一个长期的Notion付费用户,Obsidian以前根本不考虑。但agent出现后,我现在用Obsidian的时间已经远超Notion了。
中文
0
0
1
1K
Frank Wang 玉伯
Frank Wang 玉伯@lifesinger·
CLI 这波热点,是流量逻辑。因为 for agents 的述事成了硅谷的吹捧,同时确实有 agents 想通过 CLI 来调用工具,于是传统工具们纷纷穿上新衣服,希望被调用,来获取流量或资本关注。 然而 CLI 化有很难解决的问题: 1. 参数爆炸问题。GUI 的功能远胜 CLI,要压缩成 CLI 参数,只能疯狂做减法。能敢于做减法的,已经是有认知的老板。没认知的老板,只会强压团队:所有功能都必须 CLI 化。可悲的是,用户根本不这么想。比如用户会在 IM 里按照自己对传统工具的 GUI 用法来描述需求,结果 agent 会发现:CLI 只能骗用户,或调调最基础的功能,稍微复杂的,还得是 computer use. 可用户已经急躁得骂娘了。 2. 更严重的问题上,CLI 化很难跑通商业模式。此处太敏感,省略一万字。 更好的解法,是别安装本地软件了,一切云端 API 化。Agent 也很擅长调用 API 的,而且很考验 API 的接口易用性和商业模式设计。越易用的 API,能有越多模型能调用成功。商业模式越好的 API,则越能更长久为用户提供性美价廉甚至免费的服务。 提供 API 最有经验的公司,就是 SaaS 公司。优秀 SaaS 公司最核心的资产,也是 API。并不是界面。 Agent 时代, 需要 CLI,然而更需要的,是优秀的 API 型 SaaS 服务。
中文
36
15
178
41.7K
Frank Wang 玉伯
Frank Wang 玉伯@lifesinger·
听小珺 @zhang_benita 访谈谢赛宁 @sainingxie 的播客,太过瘾了。太多感触,说几个印象最深的点: 1. 世界模型远大于语言模型。我们每个人脑子里都有一个世界模型,比如知道把手放到火上烤会很痛,由此就不会把手放在火上烤。让你不会无缘由把手放在火上烤的模型,就是世界模型。 2. 世界模型是:Next state = M(state, action)。这个 M 就是世界模型。M 不是预测 next token,而是预测 next state. 比如:手很痛 = M(手不在火上, 把手放在火上)。世界模型的预测能力,可以让拥有世界模型能力的生命知道不做什么或做什么。 3. 从世界模型的视角再看大语言模型,就会发现语言的核心是沟通。沟通就意味着存在监督:说出来的,往往是加工过的。LLM 是毒药,Vision 才是无污染的。 4. Scaling law 是吞数据的能力。数据越多,效果越好。LLM 需要 Scaling law,可世界模型不一定需要。这是最有意思的部分,也是最难的部分。谢赛宁头大中,期待某种玄学的力量,突然某天能点连成线,灵光开悟。那样,就可以开始造生灵。 5. 用非机器人的方式,或许能真正解决机器人的困境。机器人领域,可能正在经历 LLM 领域曾经的 Bitter Lesson. 比如春晚的机器人炫技,或许只是曾经 CV 领域的识别猫猫狗狗。 6. 硅谷陷在 LLM 的述事里。硅谷之外的地方,对世界模型非常感兴趣。真正的智能,还在黑暗的探索期。语言很重要,然而整个宇宙的历史里,如果压缩到一天,有语言的时间,才几秒。 7. 人依旧很重要。比如 research taste、比如做研究实验时的 choices 等等。《金刚经》能提升人的独立思考性和研究品味。 8. Impact 不重要。奔着 impact 去做事,是一种自私。分享出来,让读者有启发,激发读者去做些事,这才是发 paper 的价值。 谢赛宁太可爱了。听完后,特别期待小珺下一期采访恺明。
张小珺 Xiaojun Zhang@zhang_benita

@sainingxie 一起挑战7小时播客!他刚和Yann LeCun踏上“世界模型”的创业旅程(AMI Labs)。这是他第一次Podcast、第一次访谈。 2026年2月雪后的一天,我们在纽约布鲁克林,从下午2点,开启了一场始料未及的马拉松式访谈,直到凌晨时分散去。 这篇访谈的中文标题叫做《逃出硅谷》,但他又不厌其烦地枚举了影响他学术生涯的每一个人,并反反复复口头描摹这些人的人物特征(侯晓迪、何恺明、杨立昆、李飞飞…)正是这些,让这篇“逃出硅谷”的对话充斥着人性的温度。 By the way, 下面是访谈的YouTube版本,我们提供了中英字幕。 And yes, 我们是在用播客给这个世界建模😎 A 7-hour podcast with Saining Xie. He has just begun a new journey on world models with Yann LeCun at AMI Labs. This was his first podcast appearance and his first long-form interview. A day after the snowfall in February 2026, in Brooklyn, New York, we started recording at 2 p.m. What followed became an unexpected marathon conversation that lasted until the early hours of the morning. The Chinese title of the interview is “Escaping Silicon Valley.” Yet throughout the conversation, he patiently listed the people who shaped his academic life, repeatedly sketching their personalities in vivid detail: Hou Xiaodi, Kaiming He, Yann LeCun, Fei-Fei Li, and others. These portraits are what give this “escape from Silicon Valley” conversation its human warmth. By the way, the YouTube version of the interview is below, with Chinese and English subtitles. And yes, we are using podcasts to model the world 😎 A 7-hour marathon interview with Saining Xie: World Models, AMI Labs, Ya... youtu.be/rIwgZWzUKm8?si… 来自 @YouTube

中文
25
82
437
89.3K
Leo
Leo@leeoxi·
@CatChen 折腾是折腾,但opus加持下还是很靠谱的
中文
0
0
0
191
Cat Chen, @catchen@mastodon.world
我没有部署 OpenClaw。第一,因为它没有明确解决我任何一个具体的痛点。第二,我尝试过各种家用 DIY 平台,什么 IoT、home automation、NAS……我知道这类东西有多折腾有多不靠谱。
中文
5
0
22
5.4K
Leo
Leo@leeoxi·
ai嵌入日常工作生活后,改变还是有点大的,一旦大模型接口出问题,感觉都不知道干嘛了,第一次感觉到本地大模型有存在的必要。搜了一圈,感觉只有apple 256gb内存的mac studio比较合适,但好像也不能支持参数大一点的模型
中文
0
0
0
81
Leo
Leo@leeoxi·
再一次感受到ai的实力。小朋友要选课。ai用了二十分钟直接把所有课程的内容都罗列出来,小朋友可以根据课程的内容来认真选课,而且ai还会根据他之前的课程表现和问过的问题,来推荐课程,不仅推荐下学期,把未来两年的都规划好了。
Leo tweet media
中文
0
0
0
70