范师傅

182 posts

范师傅 banner
范师傅

范师傅

@FanShifu

35岁 Non-coder 独立开发|AI出海 × 一人公司 上一段:逃离体制,卷国内电商(单人单月GMV 60万+) 小红书2个月跑通变现5万 每周复盘:产品·增长·心态·变现 🛠️真实第二曲线路径 → 💰

เข้าร่วม Nisan 2026
144 กำลังติดตาม60 ผู้ติดตาม
ทวีตที่ปักหมุด
范师傅
范师傅@FanShifu·
1/ 很多人做 AI 产品,第一步是问:“我能让 AI 帮我写什么代码?” 我现在更想问另一个问题: “如果这是一门电商生意,我会怎么选品、测品、放大?” 我是 non-coder,但我做过电商。 这个号会公开记录:如何把电商方法论迁移到 AI micro-SaaS。 差异化、高增长、下重注。
中文
3
0
5
354
范师傅
范师傅@FanShifu·
The scary part isn't that AI writes code faster than us. It's the line buried in here: human review is now the slowest step. Soon the thing slowing AI down won't be tech, it'll be us. Once "doing" costs nothing, humans go from driving the car to being the speed bump. Wild to sit with that.
English
0
0
0
71
Anthropic
Anthropic@AnthropicAI·
Our internal data shows Claude is accelerating AI development—a possible path to recursive self-improvement, or AI autonomously building a more capable successor. It’s happening faster than we thought, and the implications deserve greater attention. anthropic.com/institute/recu…
English
539
1.2K
9K
2.1M
范师傅
范师傅@FanShifu·
@dotey 别说专业团队,我一个 non-coder 都夜以继日加班钻研 AI 。没有老板逼,是真怕一觉醒来世界又变了。
中文
0
0
2
586
宝玉
宝玉@dotey·
我知道的所有做AI Agent的团队都很拼,不是老板逼着的,是为了心中理想,所以心甘情愿加班和搞封闭开发👍 有点我好奇的是:Kimi 团队在开发 Kimi Code 的时候,是自家模型 token 用的多还是 Claude 或者 GPT 模型的 Token 用的多呢? 🤔
Kai@real_kai42

过去一个月是疯狂的一个月 大概一个月前,我下定决心重构 kimi-code,开始设计新的架构。 我大概抱着电脑和便携屏在汤泉卷了两整天,花了几千刀的 token 去做架构分析、设计和验证,最终得到了一份我认为最优的架构方案。 我觉得在 vibe 时代,架构变得更加重要了,一份好的架构能够在可控的范围内,让 Agent 肆意 coding,而不会打破东西 - 架构确定后,就开始冲刺实现。(过程中吵和推翻了无数次) - 迅速组建了一个强大的 team,感恩兄弟们无条件的信任🙇‍♂️ - 迅速 onboarding 整个 team,🙇‍♂️ 再次感恩兄弟们 - 封闭开发了一段时间(🤣年轻的时候,觉得是糟粕,真到时候,发现是人类工程效率奇迹。你无法想象随时可以拉着全部人在白板前吵架的架构迭代速度) - 虽然代码都是 vibe 的,但依旧逃不过 “代码质量正比于人类的注意力密度”。所以 agent 并不会替代所有程序员,只会让顶级的程序员生产力翻 20 倍,并淘汰其他程序员,且,集体主义 >>> 个人英雄主义。 - 一步一个坑的解决过程中遇到的问题。每一天都是最绝望的一天😭 - 开源后就病倒了,皮质醇分泌过度,影响免疫力 - 这一个月学的东西够我消化半年的 - 一周干了一整箱红牛,还得是生物燃料 - 🫥 也在 x 上消失了一个月 本来想写一些文章去总结过程中一些 insights 和 idea,但我本来就不擅长写长文,外加人脑自我保护让我迅速忘记了整个过程中的痛苦,并模糊了时间观念(冷知识,kimi-code 重构版开源其实才过了一周多,但在我的感性认知中,像是已经过了一个月) 等 kimi-code 陆续迭代到稳定,再去总结过程中的 lessons learned

中文
18
3
36
11.8K
范师傅
范师傅@FanShifu·
@FakeMaidenMaker 难怪今天没啥帖子可以回😅这种时候最能看出谁的基础设施更稳。
中文
0
0
0
6
Ren
Ren@FakeMaidenMaker·
我说今天为啥 x 这么冷淡 原来🪜都炸了啊 还在冲浪的看来都不是一般人,很有手段啊
中文
1
0
0
117
范师傅
范师傅@FanShifu·
@heyshrutimishra Look at Reddit—stock popped on the back of one thing: it sits on a pile of real human conversation no one else can copy, so Google and OpenAI are paying to license it. Same story here. The robot's the product everyone sees. The data layer is the actual bet.
English
0
0
0
22
Shruti
Shruti@heyshrutimishra·
The AI race is framed as compute vs compute. Chips, data centers, GPUs. China found a cheaper move. JD. com built a dedicated "data collection neighborhood" in Suqian. Residents get paid to film themselves doing household chores. Target: 10 million hours of robot training data over two years. One person paid $22 for a 3-hour session. A robot came to their home, followed them around, and spent an hour folding three pieces of clothing. "I feel like I made some contribution to physical AI," they said. US companies outsource this kind of data collection to workers in developing countries because labor costs are too high domestically. China collects it locally, which means robots trained on Chinese homes, Chinese kitchens, Chinese habits. That's a distribution advantage.
Shruti tweet mediaShruti tweet media
English
6
1
20
2K
范师傅
范师傅@FanShifu·
@DeRonin_ Every 2.5k/month client wants to feel like a 25k client. The delivery is automated — but what about the communication overhead?🧐 Did you productize the comms layer too, or is that still the hidden time sink?
English
0
0
0
75
范师傅
范师傅@FanShifu·
$RDDT 的投资逻辑变了:它不只是一个交流社区,而是 AI 大模型的稀缺语料库。 91% 的毛利很大程度来自数据授权——这种“躺赚卖矿”的业务比卖广告舒服太多了。 只要大模型在卷,Reddit 上的真人语料就是最硬的硬通货。
Serenity@aleabitoreddit

$RDDT was driving me insane. > massive earnings beat > just printing FCF since they’re too profitable > 69% Y/Y revenue growth. > biggest moat against AI vibe coding from network effect > 91.5% gross margin. Was just flat for months. Glad to see it getting more attention.

中文
0
0
0
103
范师傅
范师傅@FanShifu·
@aleabitoreddit selling "human-verified ore" is way more elite than just selling ads. As long as AI models keep scaling, Reddit’s real-human data remains the hardest currency in the market.
English
4
0
2
359
范师傅
范师傅@FanShifu·
Smart CFOs aren't doing a "total swap"; they're playing the "Model Mixing" game. Use DeepSeek for the high-frequency, heavy-lifting tasks (like massive data cleaning or RAG), while saving the big budget for GPT/Claude to handle the final logic. This combo delivers 90% cost savings without sacrificing the baseline of core business ops.
English
0
0
0
30
Milk Road AI
Milk Road AI@MilkRoadAI·
Something significant just happened in the US enterprise AI market (Save this). According to Ramp's June 2026 trending software vendors index which tracks first time purchases from software vendors across thousands of US businesses, DeepSeek just hit the top spot, displacing every American AI provider in the breakout growth category. To understand why that matters, you need to look at the Goldman Sachs pricing chart alongside it. The Goldman Sachs exhibit lays out what is actually happening in the model pricing landscape across Chinese AI labs. DeepSeek V4 Flash is priced at $0.10 per million input tokens and $0.30 per million output tokens and DeepSeek V4 Pro sits at $0.40 input and $0.90 output. At the other end of the chart, Gemini 3.1 Pro Preview charges $2.00 input and $12.00 output more than 13 times more expensive for output tokens alone. These are not minor pricing differences and they represent a structural cost collapse that is now showing up directly in enterprise purchasing behavior. DeepSeek permanently locked in a 75% price cut on V4 Pro in late May, bringing output token costs to $0.87 per million compared to $10.00 for GPT-5 and $25.00 for Claude Opus. That pricing gap is wide enough that CFOs are now making a rational economic calculation and the Ramp data shows the decision is already being made at scale. On one side, the cost pressure is genuine and mounting, Uber burned through its entire annual AI budget in four months. When a frontier-capable model costs 97% less than the American alternative on a per-token basis, the procurement case for the cheaper option becomes very hard to argue against from a pure efficiency standpoint. On the other side, the data being routed through these systems is not trivial. Companies are sending source code, customer records, legal documents, proprietary research, and internal strategic communications through AI interfaces. The Cisco security evaluation found that DeepSeek's model failed to block a single harmful prompt across its entire attack test battery, a 100% vulnerability rate. The Ramp data confirms that a growing number of US enterprises are making a choice to prioritize cost efficiency over data sovereignty, and they are making that choice right now. This is the underlying force reshaping the entire AI model pricing landscape.
Milk Road AI tweet media
Negligible Capital@negligible_cap

DeepSeek is becoming more popular among US enterprises as companies look for cheaper alternatives to Anthropic and OpenAI “DeepSeek takes top spot on 'trending' list as companies look for alternatives to OpenAI and Anthropic, spending tracker's report says Chinese artificial intelligence start-up DeepSeek took the top spot on a major US business spending index in June, surging as more companies swap out expensive American options like OpenAI and Anthropic in favour of more affordable alternatives.” Nothing to see here

English
5
5
24
4.8K
范师傅
范师傅@FanShifu·
@_frederickjames Going from 0 to 140 MRR in 5 days is insane. This "sadness" is just your brain being spoiled by that initial spike. Bro, you’re outperforming 90% of us. Go touch some grass.
English
1
0
2
37
Frederick James
Frederick James@_frederickjames·
It's been a slow day. And that makes me sad. I need to remember I was on $0 just 5 days ago. Now I'm at $140 MRR and $180 revenue. Yearly subs are 🐐 I'm too hard on myself. I'm obsessed with progress. At the cost of my sleep, health, relationships. Time to touch grass 🌾
Frederick James tweet media
English
17
0
38
1.2K
范师傅
范师傅@FanShifu·
@GoSailGlobal 拼多多5毛钱获客确实是神话,但对 SaaS 这种重决策产品来说,K 值能到 0.2 就烧高香了。毕竟 SaaS 裂变最难的不是给钱,而是让用户分享时不觉得是在消耗自己的职场信用。
中文
0
0
0
10
Jason Zhu
Jason Zhu@GoSailGlobal·
用户分销拉新 可以极大程度降低你的获客成本 拼多多的“砍一刀”:K值>20的超级增长引擎,深谙人性的裂变设计 而病毒系数又会击穿获客成本(CAC) 高K值的最大魅力,正是它颠覆性地降低获客成本。 经济学效应非常直观: - 有效CAC = 原始CAC / (1 + K) 这意味着,当K=20时,广告或其他付费渠道的单个获客成本(原始 CAC)会被瞬间摊薄20倍以上 实际案例验证了其威力:拼多多依靠社交裂变,获取一个新用户的成本可以低至 0.5 元/人,行业平均成本则高达 20 元以上
GoSail Lab 拓海矩阵@gosailjasonzhu

《用户推荐计划 全流程设计大公开》 今天聊一个很多出海 SaaS 团队忽略的增长渠道——用户推荐。 你花了大量时间做 SEO、写内容、投广告,每个月辛辛苦苦拉来几百个新用户。但你有没有认真想过,你现有的付费用户,本身就是一个还没被开发的获客渠道? 想想你自己的消费习惯。 🍜你去一家新餐厅,大概率是因为朋友推荐的。 🛠️你用某个效率工具,可能是因为同事在群里发了个链接。 📚你买一本书,很可能是因为某个你信任的人在朋友圈晒了读书笔记。 人天然信任来自身边人的推荐,远超过信任广告,这也是 KOL 能够越来越火,且越来越多的原因。 相关研究数据显示, ✅ 92%的消费者更相信朋友和家人的推荐 ❌ 广告的信任度只有33% 对于出海 SaaS 来说,这意味着:如果你能设计一套机制,让现有用户心甘情愿地帮你把产品推荐给他们的同行、同事和朋友,你就拥有了一个边际成本几乎为零的获客引擎。 这期我们就来聊聊怎么做。 🤔用户为什么愿意帮你推荐? 在设计任何推荐计划之前,先搞清楚一个底层问题:用户帮你推荐产品,到底图什么? 大致有三种驱动力。 💎第一种是社交货币。 推荐一个好工具,会让推荐者在同行面前显得有品位、有信息差。你有没有注意到,很多人转发某个小众但好用的工具时,配文往往是"发现了一个宝藏工具"。他分享的动机,一半是觉得工具好用,一半是想展示自己的发现能力。 ⚡第二种是实用价值。 有些产品天然需要多人协作才能发挥价值。比如你用了一个项目管理工具,如果团队里只有你一个人在用,那它跟一个待办清单没什么区别。你邀请同事一起用,产品才真正好用起来。这时候推荐行为是出于自利,推荐者自己也能从中受益。 💰第三种是利益驱动。 最直接的——推荐成功可以拿到奖励。可能是现金返利(即佣金)、账户余额、免费使用时长,或者解锁某个高级功能。 最好的推荐计划,会同时激活这三种驱动力。但如果你只能选一种来重点设计,我会推荐第二种。 因为出于自利动机的推荐,转化率最高、持续性最强。 🎯推荐计划怎么设计? 一个推荐计划要跑起来,核心要回答三个问题: ✅ 给推荐者什么好处? ✅ 给被推荐者什么好处? ✅ 推荐流程是否足够顺滑? 先说说激励设计吧。 推荐计划需要双边激励,也就是推荐者和被推荐者都要拿到好处。 只奖励推荐者的方案,被推荐者会觉得自己被当成了"韭菜",注册意愿很低。 只奖励被推荐者的方案,推荐者没有动力去主动分享。 激励的类型有很多种。具体问题具体分析,选哪种取决于你的产品特性。 如果你的产品客单价低、用户量大,用账户余额最合适。比如推荐一个朋友注册并付费,双方各得 $10 的账户余额。这种方式成本可控,而且用户拿到余额后还得继续用你的产品来消费,等于把奖励锁在了你的生态里。 如果你的产品有明显的免费和付费功能分界,用功能解锁作为激励。比如推荐 3 个朋友注册,免费解锁"高级数据分析"功能一个月。 这种方式的好处是,用户在体验了高级功能后很难再回到基础版,付费转化率会上升很多。 如果你的产品客单价高、用户量小(比如年费 $500 以上的 B2B 工具),直接给现金返利。因为这类产品的用户圈子小、决策链长,需要足够强的经济激励才能撬动推荐行为。 同时不太建议用品牌周边(T 恤、贴纸)作为主要激励。除非你的品牌已经有了极强的社区认同感(比如 GitHub),否则大多数人对一件印着 logo 的 T 恤没什么兴趣,拿到手了也只会丢进衣柜或者随手扔掉。 🚧推荐流程的摩擦点。 以上都是考虑的推力。现在我们来讲一讲阻力 很多团队设计了不错的激励方案,但推荐效果依然很差。问题往往出在流程上——推荐这个动作本身太麻烦了。 常见的摩擦点有这些: 1.❌推荐入口藏得太深。用户需要点进"设置",再点"账户",再找到"推荐计划",才能看到推荐链接。绝大多数人根本不知道你有推荐计划。解决方案其实很简单:把推荐入口放在产品的主导航栏里,或者在用户完成某个关键动作后(比如成功导出了一份报告),用一个非侵入式的提示条告诉他:觉得好用?邀请好友一起用,你们各得一个月免费。 2.❌推荐需要填写对方邮箱。用户懒得去翻通讯录找邮箱地址。直接生成一个专属推荐链接,让用户复制粘贴到微信、Slack 或邮件里就好。链接越短越好,最好带上推荐者的名字,比如 yourapp .com/invite/john,这样被推荐者点开时会看到"John 邀请你试用",信任感立刻提升。 3.❌推荐进度不透明。用户分享了链接之后,不知道有没有人点了、有没有人注册了、奖励什么时候到账。在产品内做一个简单的推荐仪表盘,让用户随时能看到:已邀请 5 人,3 人注册,1 人付费,你已获得 $30 余额。进度的可见性会极大地激发用户继续推荐的动力。 🌱社区驱动增长 除了一对一的推荐,还有一种更具规模效应的玩法:建用户社区。 这一块的玩法就更偏运营一些。 用户社区的逻辑跟推荐计划不同。 推荐计划是让一个用户拉来一个新用户,是线性增长;社区则是把一群用户聚在一起,形成网络效应,是指数增长。 那该怎么培育一个社群呢? 最轻量的方式是在 Discord 或 Slack 上建一个免费的用户群。 但光拉一个群是没用的,关键是要设计群的内容节奏。 你可以每周固定发布一些对用户有用的东西:产品使用技巧、行业洞察、用户案例、新功能预告。让用户养成定期打开群的习惯。 进阶一点,可以做一个 🏅Ambassador Program(大使计划)。 从活跃用户中筛选出最热情的一批人,赋予他们一个身份(比如"产品大使"或"社区专家"),给他们一些专属福利(提前体验新功能、参加闭门产品讨论会、专属徽章)。 这些大使会自发地在各种场合为你的产品站台,他们的影响力远超任何广告。 举一个例子。Notion 的 Ambassador Program 是这方面做得最好的案例之一。他们在全球各地招募了数百位大使,这些大使自发地录制 Notion 教程视频、组织线下聚会、在 Twitter 和 YouTube 上持续产出内容。Notion 早期的增长中,有相当大的比例来自这个社区网络。 他们给大使的回报是什么?官方认证的身份、提前试用新功能的权限、以及每年一次的全球大使峰会邀请。 注意,没有现金!对于这群人来说,身份认同和社区归属感比钱更有驱动力。 🤝进阶玩法:Affiliate 和 Partner Program 如果你的产品客单价足够高(月费 $50 以上),可以考虑开放 Affiliate Program(联盟营销计划)。 跟推荐计划不同的是,Affiliate 面向的是你的用户之外的人——博主、KOL、内容创作者、行业顾问。他们可能并不使用你的产品,但他们有你的目标用户关注的流量。 常见的做法是给 Affiliate 一个 20%-30% 的经常性佣金,也就是说,他推荐来的用户每个月付费 50,Affiliate每个月都能拿到$10-$15 的分成,只要用户持续付费。这种经常性佣金比一次性奖金更有吸引力,因为 Affiliate 会把你的产品当作一个持续的收入来源来经营。 Partner Program 则更进一步,面向的是代理商、集成商、咨询公司。比如你做一个 CRM 工具,可以跟营销咨询公司合作:他们在帮客户做营销策划时,顺便推荐客户使用你的 CRM,每成功签约一个客户,咨询公司拿到一笔佣金或者年费分成。 这两种模式的管理成本比推荐计划高很多,我们建议等产品跑通了基本的 PMF 和推荐计划之后再启动。 ⭐口碑管理:G2 和 Capterra 上的评分运营 这里单独拿出来讲一下,对于出海的 B2B SaaS 来说,有一个经常被忽略的增长阵地:第三方评测平台。 G2、Capterra、TrustRadius 这些平台,是海外企业采购软件时的重要参考。很多 IT 负责人在做采购决策前,会专门去 G2 上比较几个竞品的评分和用户评价。如果你的产品在 G2 上只有 3 条评价,而竞品有 200 条,哪怕你的产品更好,采购方也会倾向于选择评价更多,更好的那个——因为看起来更靠谱。 那该怎么积累评价? 最有效的方式是在用户达到 Aha Moment 之后,在产品内弹出一个温和的提示:如果你觉得我们的产品帮到了你,能否花 2 分钟在 G2 上写一段评价?作为感谢,我们会赠送你一个月的高级功能。 一定要注意时机。不要在用户刚注册时就求评价,那时候他还没体验到价值,写出来的评价要么敷衍要么负面。要在用户明确获得了产品价值之后再提出请求——比如他成功完成了第一个项目、或者使用产品满 30 天。 另外,负面评价不要刻意删。在 G2 上公开回复负面评价,态度诚恳地说明你们已经意识到了这个问题并且正在改进,这种真实的行为比一片五星好评更能赢得潜在客户的信任。 总结: 看完了以上文字,你现在就可以回去从以下三点回顾你的产品: 🎁激励方案:推荐者和被推荐者各能获得什么?选择最适合你产品特性的激励类型。 🚀推荐流程:用户在什么场景下会看到推荐入口?推荐动作需要几步完成?有没有可以砍掉的摩擦点? 📊追踪机制:你打算用什么工具追踪推荐链接的点击、注册和付费转化?推荐者能否在产品内看到自己的推荐进度? 关于这一期有什么疑问或自己的心得,也欢迎你在评论区留言。 以下是我们团队在调研过程中发现的更多干货和洞见:

中文
1
0
1
630
范师傅
范师傅@FanShifu·
@turingou 收购的本质可能不是买企业,而是买细分领域语料库。这些小企业有几十年的行业 Know-how,把这些还没被模型训练过的逻辑“蒸馏”出来就是竞争力。​ 最大的难点可能不是技术,而是日本的劳动契约法。AI Native 的核心是降本增效,但在日本极难裁员。
中文
0
0
0
225
郭宇 guoyu.eth
郭宇 guoyu.eth@turingou·
如果我收购一堆日本的小微企业,然后用 AI 来进行改造成 AI Native 公司,大家觉得最大的难点在于什么?
中文
111
3
83
32.4K
范师傅
范师傅@FanShifu·
@Honcia13 代码逻辑成了搬砖的“术”,人的审美、品味和判断力才是“道”。以后最牛的程序员,可能压根不写代码。
中文
1
0
1
20
GOLD
GOLD@Honcia13·
今天听到了一句最醍醐灌顶的话,直接把我整醒了! 老黄说: 真正会用AI的人,从来都不是让AI替自己思考, 而是极高认知的提问者—— 带着自己的认知去提问,让AI帮你叩开未知的边界。 换句话说: 以道御术,前提是你得以术入道。 没有自己的「道」,再牛的AI工具在你手里,也只是一个高级玩具而已。 工具永远只是放大器, 真正拉开差距的,是你脑子里的那条「道」
GOLD@Honcia13

这绝对是我见过最牛的0基础 Vibe Coding 教程! 直接疯了GitHub 15k+ Star 神作, Easy-Vibe 从零带你玩转AI时代编程: -零基础入门(完全小白友好) -初中级开发 -高级实战 -甚至补齐计算机基础知识 不管你是纯小白,还是已经入门一点,都能收获巨大。 全程用自然语言 + AI 工具(Claude Code、Cursor 等) 真正实现「想到就能做到」。 datawhalechina.github.io/easy-vibe/zh-c… 强烈建议直接收藏 + 转发给想学编程的朋友! 这可能是2026年性价比最高的一条免费中文教程。

中文
2
2
13
1.3K
范师傅
范师傅@FanShifu·
@yidabuilds 我当年考公上岸就报的粉笔,别看他这么神经,粉笔的口碑是他一手做起来的。 现在靠着考公人的学费实现了财富自由,转头就嘲讽还没上岸的人没本事,这种傲慢确实挺败好感的,只能说他最近炒美股炒的有点飘了。
中文
0
0
1
24
百年 AI×出海
百年 AI×出海@yidabuilds·
粉笔科技(一家考公辅导公司)ceo, 在人大骂人, 竟然骂的是“除了考个公务员混吃等死,也没什么本事” 我好奇他怎么辅导考公面试的。。。
百年 AI×出海 tweet media
中文
2
0
3
985
范师傅
范师傅@FanShifu·
@WittWang01 成本低可复制,值得一试。建议大家拿到段子脚本之后,让 AI 拆解结构生成新段子,素材不就源源不断来了。
中文
1
0
0
162
Witt | AI职场热点老兵
数字人无人直播这玩法,我研究完直呼内行。 一个讲相声的博主,用腾讯智影生成了个穿大褂的数字人,晚上挂无人直播。 评论区有人问“段子合集怎么买”→关键词自动回复→自动引导下单。 卖的是9.9的相声包,但直播间24小时循环播经典老段子。 他跟我说,每天早上睁眼第一件事就是看余额,多则三四百,少也有一两百。 睡着觉都在收钱,真正的睡后收入。 无人直播的玩法见评论区👇🏻
中文
7
5
27
3K
范师傅
范师傅@FanShifu·
@turingou Codex 的默认机器人形象还挺稳定😂不管是像素风还是其他风格,都长一个样。
中文
0
0
1
203
郭宇 guoyu.eth
郭宇 guoyu.eth@turingou·
最近在用手机 codex app 操作设计 sandbank agent(一套基于 deepseek v4 pro + GPT realtime 2 和 VAS 构建的跨沙箱 workspace harness)用 GPT image 2 做了个 sandbank 的宣传图,很可爱!
郭宇 guoyu.eth tweet media
中文
12
0
48
8.8K
范师傅
范师傅@FanShifu·
@yanliudreamer 是的,别发完美作品,那些相对不成熟的思考过程可能对咱更有启发。期待一波
中文
1
0
2
208
Dreamer妍妍
Dreamer妍妍@yanliudreamer·
厚脸皮宣传下自己😆 做了自媒体几年,xhs 20万粉,全平台50w,积累了些做内容的经验。 之前一直做职场和个人成长, 今年切入AI赛道☺️ 而我加入X,其实也是从0开始重新起号 相比其他平台需要精心打磨,追求“作品感”,X 对我来说更像一个记录思考,分享成长的地方。很多不成熟的想法,学习过程和踩坑经历,都可以第一时间发出来。 (怎么就没早点用呢😂) 期待和大家一起折腾一起成长啦! (如果有需要xhs起号的,知无不言🤓)
Dreamer妍妍 tweet mediaDreamer妍妍 tweet mediaDreamer妍妍 tweet mediaDreamer妍妍 tweet media
中文
283
5
289
72.1K
Ahmed Gagan
Ahmed Gagan@ahmedgagan11·
Watched this video without skipping a second, absolute masterpiece 🤯 I learnt so many new things just from a 33 mins video which is insane! Thanks @marclou for giving this banger and motivating us! LFG 🔥
Ahmed Gagan tweet media
English
14
0
68
4.7K
范师傅
范师傅@FanShifu·
@zhangxiaojubtc 前端我是用Open Design生成设计稿,然后再投喂给codex还原,调几次之后复原程度还是不错的。当然前端设计还是Claude更强一些。 Bug 越改越坏,可能是续写逻辑在打架,根据报错重写可能比修改更管用。
中文
1
0
2
147
小橘
小橘@zhangxiaojubtc·
真有点想从 Codex 跳槽到 Claude Code 了。 最近让 Codex 写前端页面,复原程度低得离谱。 设计稿是设计稿,它写出来是另一个物种。 写后端也没好到哪去。 代码看着挺完整,一跑全是 bug。 让它改 bug,改一次,坏一次;再改一次,换个地方坏。
中文
17
0
12
2.5K