Homyee King ホミイ

@HiSuneBear 太强了 最近也在让🦞帮我重新装修博客页

把自己 10 年码农生涯 Vibe 成了一个页面： work-journey.sunebear.com 留给女儿长大看看，我以前是干嘛的 下一个 10 年，我先切到网约车分支了

@im_sobear 这本书是去年夏天读完的，倒也不是读完，而是通勤路上听完的；听倒也不只是在听，而是一边听一边想；想的不是人物关系，而是自己；倒也不只是自己，而是世界上的事情绕来绕去，归根结底也就是个说得着和说不着

最近看了两本刘震云的书，尤其喜欢一句顶一万句，一些感受： - 文字简单，故事有意思，很容易看进去，恨不得一天看完 - 刘震云对生活的观察很仔细，书里面不知道出现了多少人多少职业，对每个职业的描述都很有意思 - 很想给我妈买这本书看，她应该会喜欢看这些家长里短的故事 - 看似说的是这件事，但其实不是这件事，总是会绕很多个弯 - 朋友也好，家属也好，能说上话真是太重要了，没话说了也就没劲了

@SilverbergLawe1 @chenchengpro 明显是让🦞运营了

@chenchengpro 不是本人了吧？号是不是给运营了？

大多数人用 AI 的方式，就像把世界顶级顾问请来，然后只说："给我点建议。" 没有背景，没有目标，没有约束条件。 输出当然是废话。 我用 Claude 两年了，踩过的坑浓缩成这几条： ❌ 三个最常见的致命错误 1. 没有上下文 — 你不告诉 Claude 你是谁、在做什么、面对谁，它只能给你泛泛而谈的回答 2. 太模糊 — "帮我写个文案"不是指令，是猜谜游戏 3. 不迭代 — 第一次输出不满意就放弃。真正的高手把 Claude 当对话，不断精炼 ✅ 一条好 prompt 的五个要素 1. 角色 + 任务 — "你是一名 B2B 营销顾问，你的工作是……" 2. 背景数据 — 给的信息越具体，输出越精准 3. 详细规则 — 不只说要什么，说清楚怎么做 4. 举例 — 用 标签给参考样本，这是单一最大的质量提升 5. 输出格式 — "用子弹列表，不超过 300 字" 🔥 五个真正有效的高级技巧 ① XML 结构化 prompt 专业营销策略师 我做 B2B SaaS 制定 90 天上市策略Claude 是用 XML 训练的，说它的语言，输出精度直接翻倍 ② 反向提问 — 不自己写 prompt，让 Claude 先问你 10 个问题收集信息再开始。被严重低估的技巧 ③ 深度思考触发词 — "逐步推理后再给出答案" / "从多个角度考虑" — 激活扩展推理，复杂问题必用 ④ 链式提问 — 把大任务拆成 4 步小 prompt，每步输出喂给下一步，最终质量远超一次性提问 ⑤ 反馈循环 — "语气太正式，改口语化" / "第三点太弱，加例子" — 不断逼近你真正想要的答案 Prompt 工程是现在最值得学的 AI 技能。 学会了，相当于 24 小时都有世界级专家随叫随到。 你最常用哪个技巧？欢迎留言分享。

@chenchengpro 这个不敢苟同，下面是我对是否一定要上 SOTA 模型的理解。这个就跟豪车一样，普罗大众是开不起劳斯莱斯的，而且开豪车也不代表一定跑的快，用户对于模型智能的激发还远远不够，而且这块也没引起重视，每次新出模型跑分那么高，自己感受没那么明显也能说明问题，不应该简单说一句刷分，人怎么用也很重要

我要是老板，全员配 Claude Max。 封了？立刻补。 项目冲刺的最后阶段，队友的 max 被封，切 codex 后效率直接腰斩。 那种无奈——懂的人懂。

@mrbleem_eth 你封的吗

Typora也是没想到 它怎么就成了最佳Coding IDE了

@yetone 我这里看起来正常的

看到字节大厂也这么 Vibe 页面（上下没有 padding），我心里有点舒服了

@hwwaanng 没错啊 就是不 100%相信，他是副驾 我这么无条件信他干嘛

沙箱，就是对 Agent 能力的不自信

@yupi996 如果软件不提供openapi服务了 怎么办

未来大多数软件公司，真的要死了。。。🤔 前几天我看到全球软件股 一周蒸发近万亿美金，竟然仅仅是因为 Anthropic 给 Claude Cowork 加了 11 个插件，直接把销售、法律、财务的活儿全干了，导致 SaaS 巨头集体跳水。 仔细想想倒也合理。以前软件靠 UI 和功能收钱，现在 AI 在后台直接把活干完了，谁还为一个界面买单？ 而且 AI 编程的能力太恐怖了！之前我们团队开发同学花了 1 个多月做「剪切助手」这个效率工具；结果现在用 AI 一把梭，1 天不到就能搞定，性能还更好，你说气人不？ 当 AI 能直接交付结果，软件就只剩下一层壳了。

ai 产品的瓶颈在于用户教育, 如果坚持 “用户永远是对的” ，“一个好的产品应该让别人不动脑子就能用” 之类的思想， 大概率最终会失败

很多人可能没意识到，其实你拥有大部分 ai 产品的控制权

@beautyyuyanli 可以等元宝派公测了 + 火爆了再说一遍

喜欢玩 clawdbot 的人是不是都没玩过 qq 群机器人

@Morris_LT 我的想法是累了 不想跟风就不跟 ，手上东西趁手就先用，哪天 get 到某个新工具对你的工作流提效了 就想办法引进过来 精力充沛 想了解下每个新产品有什么不同 就看一下，可能对自己单独做产品有帮助，也可能单纯满足人的”假精进感“，这没啥不好

你有没有发现，这几年几乎隔三差五就会冒出一个“特别牛”的AI产品：前脚是ChatGPT，后脚是Gemini、Grok、Claude、Midjourney、Sora，再到各种Agent、Clawdbot之类的新东西。每次一出现，社区里立刻沸腾，X、B站、知乎、各种群聊全在讨论，大家一股脑地研究、复现、对比参数、跑Demo，生怕错过什么。 很快，各种“从零到精通”的教程就开始在咸鱼、知识星球、课程平台上出现，价格不贵，看起来性价比极高；同时，云服务厂商也顺势推出了一键部署、一键调用的产品，好像只要点几下，就能站在AI浪潮的最前沿。 于是自己也跟着投入了大量时间：装环境、看教程、试模型、折腾配置。等折腾得差不多了，突然又发现一个问题：我其实并不知道自己为什么要用这个AI。它确实很厉害，但好像并没有解决我一个明确的问题；我之所以研究它，更像是因为“大家都在研究”，如果不研究，仿佛就会被时代落下。到最后，学到的是一堆工具名和操作步骤，留下的却是一种说不清的疲惫和空转感：技术在飞快迭代，参与感很强，意义感却很弱。 你为什么会这样呢？这主要是一种被技术浪潮裹挟的集体性焦虑和迷茫的心理状态。 第一层：核心心理是我怕错过，但我也不知道我要什么。本质不是需求驱动，而是趋势驱动。你不是被“问题”拉进来的，而是被“热闹”推着走。 第二层：群体从众和技术崇拜，看很多人都在研究，所以自己也研究，久而久之，“有用”被“流行”替代了。 第三层：低成本参与带来的“假精进感”，这会制造一种心理错觉：我好像在进步，我好像站在前沿，我好像没被淘汰。但实际上：没有真实业务场景，没有长期使用动机，没有内化成能力，这叫“工具性忙碌”：很忙，但没有方向。 第四层：轻度技术虚无感，发现自己不知道为什么要用这个AI，我一直在追新东西，但这些东西并没有真正进入我的生活，这接近一种轻度的技术虚无主义。 我在努力不被时代甩下，但我也不知道我在往哪里跑。不是否定技术，而是技术跑得太快，人的意义系统跟不上。

@wwwgoubuli 当天精力好 活拆的够细 我就多线程， 个人感觉 如果遇到那种疑难bug 而且 ai 一直搞不定的，来回切换就非常影响效率了，很费精力

越来越感觉自己是 vibe coding 里面的保守派了。 不使用多线程、多任务并发，一次只干一个事。哪怕等待的时间无聊，在那刷手机。 仍然看代码，而不是那现在越来越流行的作为一个黑盒，只看表现。事实上有的时候我都不看表现，我只看代码。 因为我还是相信，不管是从代码的视角，还是从软件使用的视角来观察coding的结果，本质都是系统的一体两面。 你有什么代码，你就会得到什么样的行为和结果。 只是我恰好比较擅长从代码角度来看。 在我这里，代码现在不再是UI的成因，UI不再是代码的结果。 它们都是同一个东西的投影。

@zhizijun 字节 阿里都在附近

在欧美金融城附近吃饭，隔壁桌都在聊提示词什么的（

昨天看工作群消息，看到讨论某个问题的时候降到如果识别到是一个客户端仓库就 xxx、前端仓库就 xxx，于是乎想到有没有一个 npm 包可以识别下仓库的主要语言，把想法给 ai 后，大概理清了技术方案 结合 github-linguist 让 AI 实现了一个 cli 和 npm 包，有需要的可以体验一下 github.com/HomyeeKing/lin…

写代码前的 plan 是一个 markdown 文档，那么写一个 UI 交互界面的 plan 是不是应该是一个设计稿？

@qilei 为啥不去学校

新年，想让女儿写一篇感想，描述自己休学一年的感受， 发现她的语文写作能力，下降得厉害，🤡 目前女儿主要是 home school ， 不爱学习，但是爱看书。 不知道有没有好的办法 提升这方面能力？

@OnlyXuanwo @amadeus Mark react diff view那个库太旧了 UI也不好看 monaco editor又太重 终于有个替代品了

Damn, @amadeus's diffs.com is so great and easy to use! I integrate it with my own IDE in just ONE prompts.

或许纳入高校教育才有可能

我倒是对这么一句带过的话体感很深，大家如果觉得某个 To C 的 AI 产品不好用，一定会立刻下结论说模型很垃圾、不够聪明，但据我观察，大部分人并不会主动学习如何激发模型的智能，来享受当下的技术水平给自己带来的效率提升，而是选择 【等】 不知道哪家能做好这种市场教育，在我看来难度还挺大的