Sabitlenmiş Tweet
第九比特
867 posts
第九比特
@ninthbit_ai
AI Native · Indie Developer. 💻Collaborated with Douyin, Feishu, BiliBili and Meituan. 🐱梦想是养一只三花。📚道理全在书上，做人却在书外。
Silicon Universe Katılım Kasım 2020
358 Takip Edilen408 Takipçiler
@stonewh37824902 @koffuxu 这不是更加说明了朱雀这个所谓的检测没用有了吗？AI 一晚上就可以绕过这个检测。那以后用这个做判断还有价值吗🤔
中文
用 Auto Research 这套方法，把我的公众号文章生成技能进行了一些优化。
我通过朱雀 AI 检测，由 0% 的人工提升到 100%，效果还是很明显的，确实很牛逼。就是消耗 Token，总共进行了 20 多轮的迭代。
Lonely@Lonely__MH
中文
@seclink 其实感觉没那么简单，遇到过一些问题。改参数的方向怎么走，然后打分高不一定意味着实际市场效果好。而且比较耗费 token，跑一晚上也不一定有好结果。如果问题能抽象到“输入->输出”路径是固定的，那比较合适一些。
x.com/ninthbit_ai/st…
第九比特@ninthbit_ai
“AI 一次只修改一个变量”，这里变量具体指代什么？我看原文中是 change one thing in prompt。其实我很疑惑的是，如果最终效果由 A、B、C 三个点决定，第一次改 A 分数提升，但没达到通过阈值，这时是继续优化 A 还是去优化 B 呢？ 最近看见很多用 autoresearch 优化 skill 的文章，但是我自己实践下来发现并不简单。
中文
今天试一下 autoresearch ...
之前一直以为是个科研项目来着，看来还是一个可以落地的应用？
凡人小北@frxiaobei
很开心最近学习到一批 autoresearch + OpenClaw 的案例开始跑出正反馈。 做营销推送的，AI 自动分人群、试策略，然后自动往更优解收敛。 做投放的，AI 生成素材、跑小流量测试、再筛选放大。 做转化优化的，AI 改文案、调测试路径，把提升一点点吃干榨净。 做机器学习模型的，可以自己跑实验、调参数组合。 这些之前都是靠调参工程师😂一轮一轮盯的活。 业务里数据 → 决策 → 执行 → 再数据这条链路真的需要考虑重新定义下了，让 AI 自己去持续逼近最优解。
中文
Codex 终于支持 Plugins 插件了
而且内置了不少有用的插件比如 Slack、Figma、Notion 等
插件在 Codex App、CLI 和 IDE 扩展中通用
而且也内置了插件创建的功能。
点击插件页面右上角的“创建插件”，然后跟 Codex 说你要创建什么类型的插件就可以了。
OpenAI Developers@OpenAIDevs
We're rolling out plugins in Codex. Codex now works seamlessly out of the box with the most important tools builders already use, like @SlackHQ, @Figma, @NotionHQ, @gmail, and more. developers.openai.com/codex/plugins
中文
抄别人的文章，发了过两小时补充一句“内容不是我写的”，还能回“感谢鼓励”，真是个畜生。
原文写的不错，作者是微博的 达达子 007，折腾半天才登录上微博看。
🔗weibo.com/7835993066/528…
中文
赞了，有时候和人交流还不如和 AI 交流，讲半天完全不在一个频道上。
Jackywine@Jackywine
分享一下我现在信息消费的来源： 1/4是优质的X账号（动态更新） 1/4是最优秀从业者的播客和文章 1/4是和最领先的AI聊 1/4是读不可压缩的书籍 其他信息可以不看，保护大脑前额叶
中文
我要让 claude 做一个网站，把有过黑历史的web3创始人，投资机构，项目方，全部 vibe coding 到网站上！
我再研究一下怎么把信息上链。
给他们全部一刻恒久远，黑历史永流传！
谁支持谁反对？
中文
@ninthbit_ai 嗯，并不是这样子的，因为我每隔几轮会不断的增加新的标准，改进之后就需要做到全部跑完之后，再按照最新的、最全的标准重新对所有的评分结果进行统一评分，再去选择最优的。
中文
“AI 一次只修改一个变量”，这里变量具体指代什么？我看原文中是 change one thing in prompt。其实我很疑惑的是，如果最终效果由 A、B、C 三个点决定，第一次改 A 分数提升，但没达到通过阈值，这时是继续优化 A 还是去优化 B 呢？
最近看见很多用 autoresearch 优化 skill 的文章，但是我自己实践下来发现并不简单。
Lonely@Lonely__MH
🔥又一个 autoResearch 实战案例，very nice 😂 Ole Lehmann 用 Claude 实际测试落地页文案，把通过率从 56% 提升到 92%，整个过程一晚完成，几乎零手动修改。 核心就是让 AI 自己优化自己的技能。 以下是他的实际操作过程： 1. 准备一个现有的「技能」（Skill） 他有一个专门生成落地页文案的 Claude Skill，初始质量检查通过率只有 56%。 2. 定义清晰的评分清单（Checklist） 设置 3–6 项具体、可衡量的检查项目，例如：标题格式、避免营销废话、价值主张是否清晰等（必须是 AI 能客观判断的标准） 3. 启动 AutoResearch 循环 AI 一次只修改一个变量，生成文案变体后，由 AI 自己按清单打分并计算通过率。 4. 评估并保留/舍弃修改 通过率提升则保留变化，否则撤销修改，回到上一版本。 5. 持续迭代 经过 4 轮迭代，通过率从 56% 提升到 92%。当连续三次达到高通过率时停止。 6. 最终结果 得到大幅改进的文案生成技能，以后可更稳定地产出高质量文案。 此方法源于 Andrej Karpathy 的 AutoResearch（原用于机器学习代码优化），Ole Lehmann 将其适配到 Claude Skills。成本低（一晚约 16 次实验只需约 15 美元），适合作为前置过滤器，先用 AI 筛选，再用真实流量验证。 🚀你也想快速上手的话，看我写的这篇文章就行，主打一个通俗易懂。👇 x.com/lonely__mh/sta…
中文