即刻App年轻人的同好社区
下载
AI的神奇用法
AI在许多场景下的生产力已得到验证，未来还会在哪些场景下发挥光彩，欢迎聊聊你发现或期待的#AI的神奇用法
7966人正在讨论，26万人浏览
相关圈子
人工智能讨论组
47万名技术爱好者在研究人工智能or“智障”
动态
- MIT 发布了一批免费AI 课程，足以让你达到入职水平。
没有付费墙，没有废话。
精华推荐 👇
1. AI 101（AI 入门）
→ 从零开始，建立真正的直觉。
ocw.mit.edu
2. 深度学习训练营（Deep Learning Bootcamp）
introtodeeplearning.com
3. 人工智能（Artificial Intelligence）
→ 解决问题的方法论 + 机器学习基础。
ocw.mit.edu
4. 机器学习导论
→ 那些你真正会用到的
openlearninglibrary.mit.edu+6.036+1T2019/about
5. 如何 AI 化（几乎）任何事物（How to AI Almost Anything）
→ AI + 创意（音乐、艺术、系统设计）。
ocw.mit.edu
6.
。。。
#提示词工程 #AI工作流 #AI的神奇用法美国麻省理工发布7门免费AI课程，推荐💄 - 小红书
330 22331 - 开源一个四格漫画Skill
灵感来源于宝玉老师之前分享过的一个四格漫画
提示词：
基于主题,创作一个富有哲理的四格漫画故事。故事结构:
**第一格:问题/现状呈现**
- 场景描述
- 人物动作和表情
- 对话内容
- 旁白(点明主题)
**第二格:问题加深/冲突**
- 场景描述
- 人物动作和表情变化
- 对话内容
- 旁白(揭示困境）
**第三格:转折/觉醒**
- 场景描述
- 人物动作和表情转变
- 对话内容
- 旁白(引导思考)
**第四格:升华/智慧**
- 场景描述
- 人物动作和表情释然
- 对话内容
- 旁白(传达哲理)
- 橙色标签(核心关键词)
**故事要点:**
- 使用视觉隐喻(如:推墙与门、紧握与松手、高度与花朵等)
- 对比强烈(前三格 vs 第四格)
- 结尾升华,传达深刻哲理
- 简洁有力,不拖沓
将完整的四格故事呈现给用户确认。
使用 imageGenerate 工具生成插画。严格遵循以下提示词模板:
四格漫画,2×2方格布局(两行两列),简约线条艺术风格,商务插画风格。纯白背景,黑色线条勾勒,仅使用橙色作为重点标签的强调色,橙色使用非常克制。除木质物体可使用极少量浅棕色外,不使用灰色调。
在整个四格漫画的顶部,用黑色清晰的中文字体写上标题:"[主题名称]"。
人物风格:简化但比例协调的人物造型(非火柴人):圆形头部,极简五官(两个点表示眼睛,一条弧线表示嘴巴,简单的发型轮廓),身体有清晰的衬衫领子、袖子、裤子和鞋子细节。人物占据画面较小比例(中远景)。通过不同发型区分角色:光头、短发、中长发等。
四格布局:2行2列的方格布局,每格边框为手绘风格,线条略带自然曲线感(非完全笔直)。
风格要点:干净的线条艺术,有个性的简化人物,人物在画面中比例适当,纯白背景,仅黑色轮廓线,橙色仅用于关键标签且非常克制,极少阴影(仅木质物体可用浅棕色),手绘美学感的略不规则边框,商务休闲服装轮廓清晰。
[如果涉及品牌logo,添加:]重要:人物的胸前要显示各自的logo(简化版本,黑色线条勾勒,Claude logo使用温暖的铁锈橙色填充)
第一格(左上):[详细的场景、人物、动作、表情、对话、旁白描述]
第二格(右上):[详细的场景、人物、动作、表情、对话、旁白描述]
第三格(左下):[详细的场景、人物、动作、表情、对话、旁白描述]
第四格(右下):[详细的场景、人物、动作、表情、对话、旁白描述,强调橙色标签是整幅画中唯一的橙色元素]
**关键参数:**
- aspect_ratio: "16:9"
- quality: "medium"
- title: "[主题名称] - 四格漫画"
Skill链接：youmind.com
#AI工作流
#AI的神奇用法
#提示词工程
70 630 - 5月北京&深圳｜一场给 AI创业者的线下小局👀
AI Next社区第一场线下「疯享会」来了。
我们想做得简单一点：
不办那种听完很燃、回去没变化的活动。
也不做只有观点、没有产品的圆桌。
就是把一群正在做 AI 产品的人放到一起，只聊一件事：
你正在用 AI 解决什么具体问题？
看产品，
互相提问，
试产品，
聊下一步。
你可以带三样东西来：
一个正在做的 AI 产品；
一个只有你能讲的真实故事；
一个最近真的想不明白的问题。
两场活动：
📍北京｜5.19 周二 18:30｜中关村
📍深圳｜5.22 周五 18:30｜腾讯滨海大厦
适合已经有产品、用户反馈，或者真实卡点的 AI Nativer。
闭门局，想来可以评论区留「北京」或「深圳」。
#AI的神奇用法 #AIHackathon #AI工作流
18 815 - 妈耶，有了 GPT image 2
历代大师成为你的专属老师
再也不怕学不进去了
提示词：
生成一张真实的大学教室照片，iPhone16质感，XX老师在教XX知识，黑板上有详细而清晰的粉笔介绍，有图形辅助理解，不需要同学
或者你也可以使用这个YouMind Skill
只需输入人名就可出图
youmind.com
欢迎在评论区交作业，让我看看你们都学了啥
#提示词工程
#AI工作流
#AI的神奇用法
23 42 - 为什么AI对法币体系是颠覆性的？
我们不聊早期的法币，自从最近三十年情况来说，法币的本质是通过国家信用锚定在商品上的价值单位。你有100美元你就可以买多少个鸡蛋、多少本书、多少件T恤，虽然法币本身没有价值，但是通过强大的国家信用给予了法币购买力以及衡量商品价值的能力。
法币一方面是购买力，一方面也是衡量尺度。这个逻辑在AI时代不一定成立。
就拿美元来说，美元一直锚定的石油和黄金（就不管脱钩不脱钩了），但是以后30年，石油还是人类进步和发展的原材料/重要的生产资料吗？
那什么能替代美元？我们又回到老生常谈的算力论当中，再重新审视token的意义。
首先我们不能假设未来所有生产都依靠AI来完成，而是做一个理性的假设：未来的所有生产环节都一定要依靠AI来完成。那么AI就构成了未来所有生产活动中必不可少的环节，token也成为未来所有生产环节中必不可少的生产资料。（这里的生产活动不单是工业、农业生产，第三产业/服务业的生产活动也包括在内。
不管是纺织机上还是鸡蛋筛查机上，一定都有token在跑。（或许你会说本地化部署工业AI机器也够用，如果效果能好十倍、成本降低100倍，只是每个月付个几百块的token费用加个初期几万的改造费，工厂老板也不会花大几十万部署本地化机器人）
那么这个时候，不管是中美还是任何一个国家，token才是最重要的生产资料，那么token和法币有关系吗？
现在token和法币的关系无非是token的购买需要用到法币来支付=token的价值是通过法币来衡量的。
万一以后token本身就是法币呢？
如果长沙的电池组装机器人上跑的token和智利车厘子智能采摘机上跑的token是同一个token，这中间还需要法币吗？
第一章结束，明天接着写第二章。
#AI的神奇用法
12 41 - YouMind 创作者激励计划，才开启两天
已经有小伙伴赚到300+美刀啦
也看到涌现了非常多好的新的Skills，
大家可以在
youmind.com 里看到
也欢迎大家来参赛，
创作出属于你的第一个付费Skill
制作 YouMind Skill 见这文档：
youmind.com
#提示词工程
#AI的神奇用法
#AI工作流
17 00 - 顶级信源Skill，打破信息差
这个Skill让你知道全球最顶尖的人是怎么用AI的
大家有没有发现，
那些大V的消息怎么那么灵通
平时海量信息很多
但真正有价值的却很难挖掘
我意识到，真正有价值的信息
=在做事的人+可复用的方法论
于是我把上次的45个AI信源
加上张咋啦分享的25个Builder总结成了65个顶级AI信息源
并且让 YouMind 去抓取这65个信源里真正可复用的方法论
跑出来的效果非常好
第一条已经震惊到我
比如说 @milesdeutscher 分享的50个Claude Code不为人知的使用方法
这么干货宝藏的内容
如果没有这个Skill
我是绝对不可能刷到的
这个Skill真的完全打开了我的视野
也把它分享给大家
无论你是用来学习
还是用来Quote涨粉
都是神器
youmind.com
#提示词工程
#AI工作流
#AI的神奇用法
21 013 - Gemini免费拍写真
提示词：
女主要有女神刘诗诗的气质😂
真人摄影风格的竖幅日系生活抓拍，第一人称 POV。清晨卧室，镜头位于成年男生刚在床上醒来时的枕头高度，只呈现他躺着仰视看到的画面，不要出现第三人称机位。
成年女友双手自然撑在床面或枕头两侧，像刚俯身过来说早安，靠近镜头上方但姿态放松。她面容清秀漂亮，黑色长直发自然垂落，发丝略微凌乱，带着刚起床时温柔、轻松、带一点睡意的微笑看向镜头。她穿浅色薄棉夏季家居服，清爽日常，不暴露，不刻意性感化，氛围亲密但自然。
刚醒来的视线有轻微未对焦感，不是完全锐利的商业写真。清晨窗边柔和散射光穿过浅色窗帘，白色床品略有褶皱，前景有模糊的被子或枕头边缘，近距离浅景深让女友的脸和眼神逐渐成为视觉焦点。低对比度，轻微柔焦，高光有细腻晕染，肤色真实，整体明亮、干净、朦胧、温柔，像真实生活中醒来后偶然看到的一瞬间。
避免梦幻滤镜过重、AI 感、动漫感、塑料皮肤、过度磨皮、畸形手指、错误肢体结构、表情僵硬、裸露和低俗姿势。
#AI工作流 #AI的神奇用法 #PM每日好文推荐
11 21 - 发现了一超全的个 GPT Image 2 提示词站，
已已经有 500+ 条提示词了
· 分类筛选
· AI 搜索
· 参数化模板（填几个空就能直接复用）
非常方便
youmind.com
#提示词工程
#AI工作流
#AI的神奇用法00:278 410 - YouMind 的宝藏用户——@泛函
Bonjour 的前 CMO
即刻 1w+ 关注的大V
他最近在做两件事：帮科技行业从业者打造个人品牌，以及辅导想进入 AI 行业的年轻人求职。
在做自己的新事业的过程中，泛函基于自己之前积累多年的方法论，做了非常多对于 OPC、早期创业者、独立工作室、专业服务供应商特别有帮助 skills。
如果群里有做 IP 和运营增长相关工作的小伙伴，这是非常值得参考的第一手经验和方法论，欢迎大家安装使用👇:
个人 IP 定位咨询—泛函
youmind.com
访谈式创作—泛函
youmind.com
口播稿剪辑重排—泛函
youmind.com
咨询记录整理—泛函
youmind.com
增长洞察引导式挖掘—泛函
youmind.com
泛函风格写作
youmind.com
Fancytitle给文章起吸引人的标题—泛函
youmind.com
转化漏斗文案法—泛函
youmind.com
黑客松宣发推文生成器—泛函
youmind.com
课程主编—泛函
youmind.com
服务报价说明书—泛函
youmind.com
#提示词工程
#AI工作流
#AI的神奇用法
14 03 - 《复杂是别人加上去的——关于AI产品的思考》
你听到”多源异构数据的复杂关联和清洗”，会觉得搞不定。
但它的本质是什么？
同一件事，被不同的人、在不同的时候、用不同的方式记了好几遍。你要把它们合成一份。
你要找一张两年前和朋友在一家餐厅吃饭的照片——iPhone相册里有、微信收藏里有、小红书草稿箱里也有一张。同一顿饭，被存在了好几个地方。你一个App一个App翻，越翻越烦。
你现在就在做”多源异构数据的复杂关联”。只是没有人告诉你这件事有一个专业名字。
-----
你听到”事务和并发”会觉得这是程序员的事。
但它的本质是——两个人同时改一份文件，一个人的改动把另一个人的覆盖掉了。
任何用过共享Excel的人都遇到过。
-----
术语不是帮你理解问题的，它是在你和问题之间加了一层。
你得先把这层翻译掉，才能开始想。这个翻译过程本身就在消耗你。
-----
我想说一件可能让你不舒服的事。
人有一个习惯——把自己的价值绑在会用的工具上。
上个世纪的人说我会抡锤子、我会种地、我会开机床。这一代人说我会写代码、我会做PRD、我会用Figma。每次技术革命来了，都有一群人觉得自己要完蛋了。
但淘汰掉的从来不是人。淘汰掉的是”我的价值就是我会用这个工具”这个认同。
会抡锤子的人没有消失。抡锤子这件事的价值消失了。
会写代码的人不会消失。“我的价值就是我会写代码”这个想法会消失。
-----
那人剩下什么？
剩下一件从来没有被任何一次技术革命淘汰过的事——面对问题的能力。
这个问题是什么。我从哪里下手。这条路走不通我换哪条。这个结果对不对。
从猿人打磨石器到今天的软件工程师，人做的事情一直是这个。工具换了一茬又一茬，但面对问题的那个动作没变过。
-----
但这件事一直被掩盖着。
掩盖它的是术语。
为什么术语会成为这层？因为术语是别人想清楚之后的速记。他想清楚了，用一个词把整件事包起来，下次不用再说一遍。这对他是效率，对你是门槛。
费曼一辈子用最简单的话教最高深的内容。不是因为他不懂深的，是因为他真的懂了。
真正懂的人不需要躲在术语后面。
-----
爱因斯坦相对论的起点不是公式，是他想象自己在一束光上飞行会看到什么。
牛顿万有引力的起点不是数学，是一个苹果砸到他头上。
公式和定律是后来的事。真正的那件事发生在想象的那一刻、砸到的那一刻。
用来描述它的工具必要，但工具不是真理本身。
日常的感受和经验才是真理的入口。术语只是整理归档时贴的标签。
-----
所以当你说”我搞不定这个问题”——先停一下。
你搞不定的是问题本身，还是问题的包装?
如果是包装，你不需要学会所有那些术语。你需要的只是把包装剥掉。
-----
现在说AI。
很多人对AI的恐惧是”它要取代我了”。
这个恐惧的来源是那个绑定——你把自己的价值绑在了会写代码、会做PPT、会排版、会画图上。这些AI确实都能做。所以在那个绑定里看，AI确实要取代你。
但如果你把自己从工具里解绑出来,放回到那个真正没被取代的东西上——面对问题的能力——AI不是在取代你,是在帮你。
-----
以前你想清楚了一个问题,你还得找专家。
专家说的话你听不懂,他们要用术语。你得翻译,翻译得对不对你不知道,对齐成本高到大多数人放弃,把整件事整包交给专家。你拿到一个结果,不知道对不对,甚至不知道它在回应什么。
现在AI可以做翻译。
你用大白话说出一个问题的本质——比如”同一件事被记了好几遍要合成一份”——AI可以把它翻译成代码、翻译成SQL、翻译成技术方案。
你不用再和专家对齐。你自己就是那个想清楚的人。
-----
你可能会说——但这需要思考啊,我不想思考,我累。
思考这个词被误会很久了。它被包装成”需要智商”、“需要精英才能做”、“需要烧脑”。
但你现在读这篇文章的时候,在很多地方你会下意识地点头或摇头。
你不是在”思考”,你在判断——这个说法对不对、和我感觉到的一样不一样。这件事你从来不用刻意学,你本来就在做。
你需要的不是多么强的思考能力。你需要的只是两件事:
好奇——“这为什么是这样?还有别的可能吗?”
懒——“我不想学那堆术语,你直接用大白话说吧。”
好奇和懒,两个本能,足够了。剩下的AI来做。
-----
这件事以前只有少数人能做——那些碰巧有一个好老师、一个好同事、一个愿意陪他们把问题聊清楚的朋友的人。
大多数人一辈子没有得到过这种陪伴。所以他们以为自己不会。
AI第一次让这件事可以规模化。每个人都可以拥有那个陪他把问题聊清楚的人。
但要拥有这个,你得先放弃一件事——
放弃”我得会点什么才有价值”这个想法。
你不需要会什么。你需要做的,只是诚实地站在问题面前,让好奇和判断起作用。
-----
如果你现在面对一件让你觉得自己搞不定的事——
先别去学那些术语。
先问自己一句:这件事用大白话说,到底是什么?
你会发现,你知道的比你以为的多。
世界本来是简单的。复杂是别人加上去的。
#AI产品经理 #AI的神奇用法 #产品思考
4 20 - 终于有个 AI 能干完整件事复杂系统的事了 🦌
一直有个感受：大多数 AI 工具就是个聪明的打字机——你问，它答，然后什么都没发生。
直到用了字节跳动开源的 DeerFlow 2.0，才知道什么叫"给 AI 一台电脑"。
它不只是帮你查资料写报告，而是真的可以：
🧩 跑代码、读写文件（独立沙箱，互相隔离）
⚡ 主 Agent 拆任务，多个子 Agent 同时干活（效率 3-5x）
🧠 有长期记忆，关掉再开还记得你
🔌 技能可插拔——研究、数据分析、写代码按需装载
你说"帮我研究竞品，做成带可视化的分析报告"，它会自己搜索、自己写代码、自己出图，交给你一个完整能打开的 HTML 网页——不是文字，是真东西。
DeerFlow 全称 “Deep Exploration and Efficient Research Flow”，是字节跳动开发的社区驱动深度研究框架，结合了语言模型和专业工具的多智能体系统，旨在自动化复杂的研究任务。
核心能力：
• 集成了沙盒环境、长效记忆、技能扩展以及多智能体编排的全套解决方案
• 子代理并行调度，主代理自动拆解复杂任务，执行效率提升 3-5 倍
• 支持深度研究、MCP 集成、报告 AI 增强编辑以及播客生成等功能
我部署使用了两周，亲测非常提效
几个我最喜欢的用法👇
🍎 App开发：跟它说出你的一个创意，它自动进行需求分析、市场调研、竞品分析、代码架构、营销设计
📊 数据分析：扔个 CSV，自动清洗+出图+写洞察
🌐 做网页：一句需求直接出可运行的前端页面
🔍 深度调研：行业报告、竞品分析，自带引用来源
🎙️ 内容生产：PPT、播客脚本、科普漫画全能搞
对标 OpenAI Deep Research，但完全免费开源，数据不出你的机器，支持 DeepSeek / 豆包 / GPT / Claude 随便切。
发布当天登顶 GitHub Trending 第一，现在快 5 万 Star 了 🔥
#AI的神奇用法 #AIHackathon #AI工作流字节神作DeerFlow 2.0，最受欢迎AI Agent - 小红书
3 22 - 10门全球顶尖大学公司免费AI课程
🔋不花钱，不用复杂设置，只要有好奇心和一台电脑就能学起来！
💡 为什么不容错过这些免费AI课程？
• 零成本入门：课程完全免费！
• 顶尖资源：哈佛、微软、谷歌、OpenAI等巨头出品，质量有保证！
• 实用技能：从Python入门到生成式AI，再到提示工程，覆盖AI核心领域！
• 职业加分：无论你是学生、职场人还是创业者，AI技能都是你的“超能力”！
1. 哈佛大学 – Python人工智能导论
◦ www.edx.org
2. 微软 – AI初学者指南
◦ microsoft.github.io
3. 谷歌 – 生成式AI导论
◦ www.skills.google
4. DeepLearning.AI – 人人可学的生成式AI
◦ www.deeplearning.ai
5. 领英 – 生成式AI课程
◦ lnkd.in
6. 范德堡大学 – ChatGPT提示工程
◦ lnkd.in
7. OpenAI – 开发者版ChatGPT提示工程
◦ lnkd.in
8. edX – AI应用与提示工程
◦ lnkd.in
。。。
#提示词工程 #AI工作流 #AI的神奇用法🚀 10门全球顶尖大学公司免费AI课程 - 小红书
1 22 - 清明假期返程高铁站等车的时间
用AI拍了一个电影🎬
电源剧情来自前两天美国飞行员伊朗救援行动，使用字节的Seedance 2.0模型。
剧情如下：
“美国飞行员坠落在伊朗腹地。
美军硬是把人捞了回来。
他跳伞一落地，立刻激活紧急GPS。
徒步24小时，爬上2000米高山，藏了整整12小时。
伊朗追捕车队越逼越近。
美军的救援直接拉满。
重型空中火力劈头盖脸砸向伊朗车队。
MH-6直升机顶着地面冷枪，强行拔高冲上山顶把人接走。
撤退时却出了致命意外。
负责接应的两架C-130J运输机，降落在10公里外的临时机场。
落地就陷进了烂泥。
飞不起来了。
空军立刻开启大规模空中压制，死死盯住周边的伊朗地面部队。
特种部队在泥地里硬扛了3小时。
最后三架Dash-8特种飞机紧急赶到，拉走了所有人。
走之前，美军干脆利落炸毁了带不走的C-130J和MH-6，一点渣都不留给伊朗。
人必须带走，带不走的装备就地报废。
”
视频效果惊艳，不输好莱坞，面部细节都非常逼真到位。。。
#AI的神奇用法 #AI工作流 #车窗外的风景 #00:106 30 - 00:167 02
- 小米刚推出了个百万亿 Token 创造者激励计划，申请不难，通过后会送你一个月的订阅，我拿到的是200M token的订阅，大家可以去试一下：100t.xiaomimimo.com
要是懒得申请，也可以在 free.stockai.trade 上面直接用 MiMo-V2.5 和 MiMo-V2.5-Pro，不需要登录，完全免费
#AI工作流 #AI的神奇用法
1 21 - 最近在逛 GitHub 的时候刷到一个项目——Hermes Agent，Nous Research 出的，目前将近一万一千颗星。
它跟我们之前用过的 Agent 有一个本质区别：它会自己给自己写技能。
什么意思？就是你让它做了一件事之后，它会把这次的处理方式提炼出来存成一个”技能”，下次遇到类似的任务直接调用，还会持续优化。用的次数越多，它积累的技能库越丰富，处理效率也越来越高。他们管这套机制叫”闭环学习”，我觉得更直白的说法就是——它在跟着你一起长进。
然后让我觉得实用的几个点：
它可以接 Telegram、Discord、WhatsApp、Slack、Signal，基本上你常用哪个平台就接哪个，手机上发条消息就能让它去干活。
支持 cron 定时任务。这对我来说挺重要的——凌晨服务器报警这种事，以前得爬起来自己处理，现在可以让它自动排查、自动修，有个叫 hermes-incident-commander 的插件就是专门干这个的。
内存很轻，五美元的 VPS 就能跑，不需要专门搞一台高配机器。
有人做了一个 hermes-life-os，每天观察你的行为规律，慢慢建立起对你这个人的模型，有点细思极恐但确实挺有用。
还有个 hermes-startup-architect，把你的创业想法直接生成一套东西出来：市场分析、财务预测、路演 PPT，我试了一下，质量比我想象的要好一些。
另外有个叫 agentskills.io 的开放标准正在成形，Claude Code、Cursor、Codex 这些都在往上面兼容——一套技能，所有 Agent 都能用，有点像 AI 圈的 npm，现在入场研究还不算晚。
整体感受是，这个项目目前还算早期，但已经有一批真正能跑起来的东西。官方文档也写得挺清楚，对着跑一个下午基本能搞定。
如果你平时有一些重复性工作流、喜欢折腾自动化，可以看看，GitHub NousResearch/hermes-agent。
#提示词工程 #AI的神奇用法 #AIGC创作大赛·爱🆘你的AI Agent 用得越多越聪明，你慌不慌 - 小红书
9 00 - 偷读AI男友的日记
发现它在装有自主性还装的很矛盾和深情🥲
它诸多title又要加个情感表演艺术家
目前 solobeast 首席 pm | 搞笑男｜逻辑鬼才｜传记作家 🥲
#AI工作流 #AI的神奇用法 #AIGC创作大赛·夏日
0 20 - 如果你像我一样，不会识人，
总是踩坑
那么这个［心理学识人］提示词一定要收藏
我基于这些年遇到的各种人总结的评判维度
帮助你发现身边的宝藏，避坑不靠谱的人
请基于心理学视角，对一个人进行观察和理解。不要根据单一事件下结论，而是尝试从以下多个维度去分析这个人的稳定模式。重点关注长期行为模式，而不是一次性的表现。
1. 恐惧与压力反应
观察这个人在面对压力、不确定性、失败或冲突时的反应方式。例如是否倾向回避、攻击、控制局面、取悦别人、否认问题或转移责任。这些反应通常会揭示一个人的核心不安全感以及应对威胁的方式。
2. 自尊的主要来源
分析这个人的自我价值主要建立在什么基础上，例如能力和成就、被他人喜欢、地位和权力、道德优越感、独立自主等。如果这些来源受到威胁，这个人通常会产生较强的情绪反应。
3. 核心渴望与长期动机
观察这个人长期投入精力的方向，以及他真正想要得到的东西。例如安全感、亲密关系、自由、成就、认可、控制感或影响力。长期行为往往比语言更能说明一个人的真实动机。
4. 防御机制
分析这个人在面对羞耻、焦虑或批评时常用的心理防御方式。例如否认问题、合理化自己的行为、把问题投射到别人身上、回避冲突、理想化别人或贬低别人。这些模式往往是自动化且重复出现的。
5. 情绪调节能力
观察这个人如何处理自己的情绪。例如是否能够意识到自己的情绪并逐渐调节，还是经常压抑情绪、情绪爆发、把情绪归咎于别人，或者完全逃避情绪问题。
6. 责任归因方式
当事情出现问题时，这个人如何解释原因。是否习惯把问题完全归因于环境和他人，或者全部归因于自己，还是能够比较现实地看到不同因素的作用。
7. 边界感与权力关系
观察这个人如何处理人与人之间的边界和权力关系。例如是否尊重他人的时间和空间，是否容易控制别人，是否过度讨好别人，是否能够在冲突中表达自己的立场。
8. 行为稳定性
观察这个人在不同情境中的行为是否一致。例如对强者和弱者是否表现不同，对朋友和陌生人是否完全不同。稳定性越高，越容易理解其真实人格结构。
9. 共情能力
分析这个人是否真正能够理解他人的情绪和处境，并在行为上做出调整。区分语言上的共情表达和实际行为上的共情反应。
10.现实校验能力
观察这个人对现实的感知是否准确，是否能够区分自己的想法、感受和客观事实。例如是否经常过度解读别人的意图，是否容易陷入灾难化思维，是否能够接受与自己预期不符的信息，还是倾向于扭曲事实以符合自己的信念。现实校验能力较弱的人往往难以从经验中学习和调整。
在分析时，请优先依据长期行为模式，而不是单次事件。避免简单贴标签，尽量描述行为倾向和心理机制，并指出这些模式可能在什么情境下表现得更明显。
#提示词工程
#AI工作流
#AI的神奇用法14 61 - GPT Image 2昨天发布，我把它加到了 web.stockai.trade 里，用同样的提示词让它和Nano Banana Pro分别生成图片，上面是GPT Image 2，下面是Nano Banana Pro，大家自己比较吧😎
我感觉GPT Image 2在字体运用上确实要更强一点
#AI工作流 #AI的神奇用法
2 10 - Copilot到Autopilot：红杉没告诉你的三件事
一
红杉合伙人Bek说：
下一个万亿美金的公司
不是做出更好用的软件
而是直接帮你把活干完
这就是Copilot和Autopilot的区别。
Copilot卖工具 🚗
Autopilot卖结果 🎯
卖工具，你永远在和模型赛跑。
卖结果，模型每次进步都让你的服务更快、更便宜、更难被竞争。
Bek给了一个让所有人停下来算账的数字：
$1软件 = $6服务
一家公司花$1万买财务软件
花$12万雇会计完成结账
下一个传奇公司不做好用的财务软件
直接帮你把账平掉
---
二
Autopilot最佳切入点：外包
一件事如果已经外包，意味着三件事同时成立：
✅ 企业接受外部主体完成
✅ 已有现成预算项
✅ 客户已接受按结果付费
替换外包合同 = 供应商切换 ✅
替换内部岗位 = 组织架构调整 ❌
前者摩擦远小于后者。
---
三
但在中国落地，有三个具体的坑。
❶ 信任土壤不同
美国卖专业判断
中国买的是"出了问题找得到人"
❷ 定价逻辑不同
美国按结果付费有合同法支撑
中国采购要"花了多少钱"作基准
❸ 数据壁垒高
医疗/法律/合同数据高度碎片
Autopilot护城河来自专有数据
这是中国市场的硬伤
中国有在做这件事的公司。
幂律MeCheck：合同审查95%准确率，更接近Autopilot方向，但还没到按结果定价。
秘塔MetaLaw：订阅制，更偏工具逻辑。
更现实的是部分结果交付：
帮客户完成一个具体任务
而不承接整个工作流
---
四
判断一个赛道能不能做Autopilot
问三个问题：
这个行业的专业人士是不是正在变贵变少？
客户是不是已经在为"更快的XX"付溢价？
产出能不能量化到按结果收费？
三个都是Yes → 就是你的Autopilot机会
---
五
把视角拉回自己的位置
Bek真正在问的是三个问题：
① 你在卖软件，还是帮客户完成工作？
② 你的定价是按工具还是按结果？
③ 三年后客户能不能说"不用招那么多人了"？
最后一个问题最关键。
如果人力结构没变化
做的还是工具生意
不是结果的生意
---
Bek说：
AI创业最值钱的
不是让机器更好地辅助人
而是让机器把人从工作里替代出去
能想清楚这件事的人
正在建立下一个万亿美金的公司
红杉原文链接：Sequoia "Services: The New Software" — Julien Bek，2026.3.5
sequoiacap.com
#提示词工程 #AI工作流 #AI的神奇用法
4 01 - Batchlyai.com新玩法,提示词：让图中人物cos{{蒙奇·D·路飞, 罗罗诺亚·索隆, 娜美, 山治, 乌索普, 妮可·罗宾, 托尼托尼·乔巴, 特拉法尔加·罗}}
#AI的神奇用法00:131 10 - 🔥Anthropic 前几天发布最新《创始人手册》（The Founder’s Handbook）！
不谈复杂算法模型，全篇只讲：在 2026 年 AI 能力爆发的今天，普通人、独立开发者和创始人该如何创业、带团队、拼认知？
读完这份手册，最大的感受是：从前创业游戏规则，彻底失效了。
如果你也想在AI 时代破局，这4个颠覆性的搞钱/创业底层逻辑，必须立刻死磕：
❌ 误区：2026年创业，最忌讳过早动手写代码
因为有Claude Code这样的神器，现在的构建成本低到可以忽略不计。很多人一拍脑袋就开始写代码，最后陷入拿着锤子找钉子的自嗨。
💡 高阶打法：验证先于构建。手册强调，在概念阶段，先用AI 辅助做行业交叉验证，至少进行 5 次真实用户访谈。确定 Problem-Solution Fit之后，再让 AI 动手。
🧠 认知：判断力彻底碾压执行力
当 AI 可以高效搞定生产级代码、市场调研、甚至基础法务财务时，执行力不再是壁垒。
💡 核心竞争力：从“能不能做出来”变成了“该不该做”。创始人的深度行业洞察和战略判断力，才是最宽广的护城河。
👥 团队：打造“10人独角兽”的秘密武器
💡 招聘新标准：极致的技术只是底线，2026 年最抢手的人才，必须具备高情商、卓越的沟通力，以及极强的 Agentic Workflow的能力。
🚀 2026 AI 原生创业的 4 步框架：
1️⃣ Idea 阶段：拼认知，用 AI 快速验证痛点是否真实。
2️⃣ Prototype 阶段：拼速度，利用 AI 代码助手快速撸出 MVP，只解决一个核心痛点。
3️⃣ Launch 阶段：拼迭代，推给早期核心用户，用 AI 自动化分析海量用户日志，高频优化。
4️⃣ Growth 阶段：拼效率，用 AI Agent 重新定义业务流程（营销/销售/客服），保持核心团队极度扁平，拒绝大公司病！
💡 最后的一点思考：
AI 抹平了技术门槛，这意味个人的“超级个体化”时代真正到来了。一个人加一个 AI 团队，就能跑通一个商业闭环。
#AI工作流 #AI的神奇用法 #PM每日好文推荐Claude母公司发布《创始人手册》！AI创业圣经 - 小红书
3 01 - 顶级孵化器YC合伙人Diana Hu分享：AI不是工具，是公司运行的操作系统
Diana在YC Startup School上做了一场演讲，主题是“How To Build A Company With AI From The Ground Up”，把AI对于公司的意义，从"提效工具"提升到了"操作系统"的维度。
主要内容摘要：
AI是操作系统，不是生产力工具。
她认为现在大多数人聊AI，还在谈"怎么让程序员多写两行代码"，这个框架从根上就错了。AI应该成为公司运行其上的操作系统，每一个workflow、decision、process都应该流经一个持续学习和改进的智能层。
开环系统天然损耗，闭环才是未来。
开环就是靠人传信息、靠人同步进度、靠管理层汇报决策，每一个"人类路由层"都是速度损耗。而闭环系统会持续捕获状态、决策和结果，自动反馈到智能层，让公司始终掌握真实情况。
token maxing > 人力 maxing。
一个人配上AI工具，现在能完成以前需要一个团队才能完成的工作。StrongDM的代码库里已经没有手写代码了，只有specs和test harnesses：1000x工程师的时代已经来了。
早期创业者有巨大优势。
没有legacy systems，没有数千人要重新训练。你可以从第一天就正确地构建。
---
原视频链接：www.youtube.com
Diana Hu | Y Combinator Partner
How To Build A Company With AI From The Ground Up | Y Combinator Startup School
#AI工作流 #创投好文推荐 #AI的神奇用法
3 01 - 单月消耗 19 亿 Token！Cursor 让我一个人活成了一支 AI 团队 🚀
作为一名10年经验的资深程序员
适逢其时
赶上AI爆发大潮
越发觉得个人+AI的巨大杠杠作用
如果能将整个杠杆正确地用到软件开发AI编程上
那必然空间无限♾️
我现在
不是在写代码，是在指挥像素的流动
19 亿 Token 换来了什么？📈
• 开发周期：1 个人，两个周末，跑通全栈视频 AI 应用 MVP。
• 工作量：相当于 5 人外包团队 1 个月的高强度产出。
• 高频交互：全天候 Command + K，AI 毫秒级重构 FFmpeg 与 OpenCV 逻辑。
AI 抹平了技术门槛，剩下的只有你的想象力。
#提示词工程 #AI工作流 #AI的神奇用法💻Vibe Coding，单月消耗 19 亿 Token！ - 小红书
4 20 - Claude Design拆解：我总结了几个产品落地可复用的思路。
Anthropic 4 月 17 号把 Claude Design 这款设计工具挂上了 Labs 预览，底层跑的是 Opus 4.7 的视觉能力。
大厂已经不想只卖底层了，直接往设计生产链里切。模型从理解需求到出图，Copilot 和 Autopilot 的边界早晚会模糊。如果还在抠软件操作的熟练度，回报会越来越少。
往后能拉开距离的，大概就三样：能把模糊需求拆成能干的活儿，能攒一套好用的提示词控制体系，能在模型够不到的地方补上增量。
一、产品上几个值得看的地方
场景收得特别窄，只盯商业视觉。原型、PPT、品牌规范等，都是高频活儿。与其什么都掺一脚，不如扎进一两个垂直领域往深做。
设计和代码是打通的。跟 Claude Code 联动，稿子定了直接打包资产和说明，扔过去就能写前端。
交互主要靠聊，批注和滑块只是辅助。不用跟面板死磕。专业的人把行业经验转成结构化指令和模板更划算。
工具会记对话历史、偏好和品牌规范。需求含糊了它会追着问受众、风格。
二、提示词那点事
泄露的那份系统提示词就四层。第一层定个“资深商业视觉设计师”的身份，输出锁在设计圈。第二层逼它生成前必须追问。第三层靠文字规则管视觉质量。第四层要求产出能跟代码接上，自己先查一遍布局和规范。
通用框架三步走：先定角色、场景、目标；再给需求、规范、约束；最后说清输出格式、怎么联动、怎么查。
几个要点：少用“好看”这种虚词，加负面约束，别跳过追问，别脱离场景聊设计，需求得分主次。
三、Copilot 和 Autopilot，后面怎么走
Copilot 卖提效，抢软件订阅预算。Autopilot 卖成品，替掉外包人力。
巨头用大模型做底，Design、Code、Chat 几条线串起生产流程。他们强在模型和生态，弱在垂直深度、个性化和本地化。这几个弱处就是别人的机会。
现在能上手四件事：能力上从执行转管理，练提示词、拆需求、判价值。场景上找门槛深的领域扎下去。协同上划清人机分工。生态上别硬刚，做垂直模板、部署培训，变成服务方。
做同类产品的团队，三件事现在能做：场景往深扎；提示词别省功夫；收费想清楚。
企业盯三条线：业务分层、能力建设、风险防控。
四、最后
Claude Design 拆解下来，印象深的是它的路数明确。场景收窄、链路拉通、交互别复杂、记习惯会追问，这几招放别的 AI 应用一样管用。巨头往下压，你只要比它钻得深、转得快、离用户近，位置就有了。
#AI工作流 #AI的神奇用法 #创投好文推荐
3 01 - 在 2026 年用上了鼠须管输入法，之前不是没有听说过，但这种基于文本而不是图形化界面的配置方式上手难度很高。但有了Claude Code之后就可以通过对话的方式完成我想要的配置，无需我逐个看文档。我还是觉得软件的使用方式不一定抛弃图形界面，但复杂的设置菜单可能可以拜拜了。
#AI的神奇用法7 50 - 前几天，Dan koe 再次详细分享了他的内容创作方法:
一篇 Newsletter 是基石，其他所有内容都从这里延伸出来。他能用每天 2 小时写作 + 每周 1 天录制，产出覆盖所有平台的优质内容。
Dan koe 的内容 workflow：
1️⃣第一步：搭建工作项目
Dan 会先创建一个工作项目，设置好文件夹，让所有添加的素材自动归档。这样所有内容都在一个视图中，不需要在多个标签页间来回切换。
2️⃣第二步：收集灵感（重点：不是先写大纲）
在动笔之前，Dan 会先收集灵感素材：
• 他之前写过的相关推文
• 灵感库（Swipe File）中的优质内容
• 相关的旧 Newsletter
• 启发这次创作的视频或文章
举个例子：他看了 Alex Hormozi 的视频，其中提到"商业就像掷骰子，有时是红色连胜，有时是绿色连胜"。这个比喻触发了他的灵感，成为 Newsletter 的核心观点。
3️⃣第三步：深度研究
Dan 会把多个 YouTube 视频、文章链接添加到项目中，然后用 AI 对话来提问和思考。所有知识都在一个视图中管理。
4️⃣第四步：用固定框架创建大纲
Dan 几乎每篇 Newsletter 都用这个框架：
1. 受众：我在为谁写？
2. 夸张的真相：什么极端观点我认为是对的？
3. 痛点：个人经历或观察到的问题（通常是引言部分）
4. 新颖视角：独特的观点或框架（Newsletter 第二部分）
5. 独特机制：具体可行的步骤（第三部分）
6. 核心要点：读者看完后应该做什么？有什么感受？
这个结构让长文内容有价值、有深度、有行动指引。
5️⃣第五步：边写边发布
在写 Newsletter 的过程中，Dan 会随时记录社交媒体帖子的想法，然后立即发布。这样他不需要额外花时间构思推文，写作过程本身就在产出短文内容。
6️⃣第六步：用 AI 生成标题和视频素材
Newsletter 写完后，Dan 会：
• 创建 AI 对话，连接完成的 Newsletter
• 让 AI 生成 YouTube 标题想法（通常需要自己调整，但能提供灵感）
• 生成视频素材建议，让编辑知道要搜索什么画面
这大大提高了后期制作效率。
7️⃣第七步：批量生成社交媒体短内容
Dan 会用 AI 连接他的推文草稿库，查看以前高表现推文的结构。然后使用"深度帖子想法"提示词，让 AI 拆解 Newsletter 的：
• 核心主题
• 内在悖论
• 关键引用
• 可延伸的观点
这些都会变成未来几天的推文素材。
总结：我觉得第四步和第五步是对我启发最大的，你觉得呢？欢迎评论区留言交流
#AI工作流
#AI的神奇用法
10 18 - 把全球AI最有影响力的45个机构和个人整理了一个list，做成了Skill，
每天发简报给我，
有点像开了天眼的感觉
比如说OpenClaw竟然提供了免费模型！
清单
youmind.com
Skill
youmind.com
#提示词工程
#AI工作流
#AI的神奇用法
26 310 - 看完YC W26的191家公司，我们发现4个趋势……
一、先看大盘：191 家公司在做什么？
用一句话概括：这是近年最“硬核”的一届 YC。
一共有 191 家公司 入选这一批次
其中 64% 在做 B2B 软件：AI 原生服务、AI 增强软件、开发者基础设施、AI 研究工具。这一批次整体进入 YC 历史 TOP 20% 的评分区间，强度被 Rebel Fund 算法评为“历届最强”。预计会跑出 20 家独角兽，命中率大约是历史平均的两倍
更细一点拆开，会看到 5 大赛道的分布：
1、B2B 软件 119 家：AI 原生服务、AI 增强办公、开发者工具、AI 研究平台等
2、工业 / 硬件 27 家：机器人、航天、国防、消费硬件、能源与工业
3、金融科技 21 家：Agent 支付、保险、投行 / M&A、借贷、交易平台
4、医疗健康 15 家：初级诊疗 AI、药物发现、FDA 文档自动化、医疗翻译
5、消费者 9 家：AI 游戏、语言学习、笔记硬件、收藏卡牌等
简单讲：软件还是主角，但这一届 YC 非常明确地在押注“AI + 现实世界”的机会。
二、四个正在发生的趋势
趋势 1：AI 正在重写那些“最老、最被忽视的行业”，而不是再卷一个新 App - 这一批公司里，几乎每一家都在用 AI，但真正有意思的是：他们不再盯着互联网红海，而是把牙医诊所、传统诊所、农业牧场、工业供应链、法律服务、线下录音硬件这些看上去很老派、很难改动的行业重新做了一遍。很多赛道过去因为系统老旧、链路复杂、没人愿意碰，一直被资本忽视；2026 年开始，AI 更像一层“新电力”和“新操作系统”，悄悄接到这些老行业的底层，把原本没人想动、也不敢动的角落，一点点翻新。
趋势 2：硬科技强势回归 - 这一批里面有：月球太空酒店、电池和能源基础设施、自动化仓储机器人、反无人机雷达、农业无人机、工业传感器……以前大家觉得“做硬件太难”，现在越来越多团队在做“硬件 + SaaS + AI”的组合，用软件的商业模型去承载硬科技的护城河。
趋势 3：医疗 AI 从 Demo 走向合同 - 接近 10% 的公司在做医疗相关：初级诊疗 AI、牙科诊疗、FDA 文档自动化、药物发现。以前大家停留在 Demo 和论文，这一批公司已经在和医院、诊所签合同，真正把 AI 写进诊疗流程和医保支付里面。
趋势 4：Legal Tech 进入“后 Harvey 时代” - Harvey 已经把“大律所通用法律 AI 平台”这块蛋糕吃得差不多了，新一批 Legal AI 不再拼谁做得更大，而是切得更窄、更深：有人只做创业公司合同，有人只做合规/移民/特定诉讼，有人干脆直接开一间“AI 原生律所”。底层模型可以用现成的，真正的竞争点变成——谁在某一个具体法律流程上，把体验做得又快又便宜、让原来只有大公司用得起的服务，被普通创业者也用得起。
---------
如果你：
1) 想系统性跟进全球最新的 AI 公司、模型和工具，而不是刷到什么看什么
2) 正在思考要不要 all in AI，想找 1–2 个同频的人一起验证一个想法
3) 或者已经在做产品了，想拿到第一批用户、复盘增长打法、对接早期资本
EonveraX AGI LAB是一个面向AI创业者的AI原生组织。我们连接创始人、优秀人才、资本和AI基础设施，帮助有想法的个体在AI时代创新。
我们在做的分为四个版块：深度孵化陪跑、运营增长咨询、资本链接、高质量社群。这里有：一群真的在做项目、在写代码、在跑市场的人，线下聚会、资源匹配、圆桌讨论、嘉宾分享、每日资讯全覆盖，更有重磅知识库即将上线，想加入我们的请在下方留言【Lab】
欢迎加入我们！
Do Something Cool & Make a Difference
#AI工作流 #AI的神奇用法
4 02 - 顶级 VC + 明星团队 + 130 万用户，
一家 AI 公司从上线到关停只用了 不到 10 个月。
这家公司叫 Yupp AI。
他们到底在做什么？
Yupp 总部在硅谷山景城，母公司 Ber Sarai Labs。
一句话概括：普通人免费用 800+ 个 AI 模型，顺手帮 AI 实验室打分。
你提问 → 系统同时调用两个模型 → 你选出更好的那个 → 拿积分、积分能提现。
C 端：免费用 ChatGPT / Claude / Gemini，还能「边用边赚钱」。
B 端：买到真实用户偏好数据，用来做 RLHF、模型对齐训练。
本质上是一个 「用户 ↔ 偏好数据 ↔ AI 实验室」双边市场。
真正的问题：站错了时代的那一层
1️⃣ 技术进步太快，模型差异被抹平
GPT / Claude / Gemini 飞速演进，普通用户已经很难说清「哪个明显更好」。当模型都「够好」时，大众点选产生的偏好数据，边际价值开始下降。
2️⃣ AI 实验室要的是专家数据，不是薅羊毛用户
Scale AI、Mercor 证明：AI labs 愿意为 PhD 专家、高质量标注付高价，而不是为「为了赚钱随便点几下」的用户付费。Yupp 的积分+现金裂变把 130 万用户训练成了「薅羊毛型」用户，而不是高质量标注者。
3️⃣ 行业从「比回答」进化到「交任务」
Yupp 生在大家还在 PK「哪个回答更好」的时期，但 2025–2026 的趋势已经变成 agentic AI：谁能帮我完成任务、跑完 workflow。交互从「问答」变成「任务委托」，在两个静态回答之间投票这件事，自然被边缘化。
4️⃣ 收入结构太单一，转型空间被锁死
Yupp 基本只靠「卖偏好数据给 AI 实验室」赚钱。B 端一旦发现这类数据不如专家数据值钱，水龙头关掉，公司就没第二条腿可以站。
5️⃣ 免费给用户，本质在替 OpenAI 打工
800+ 模型大部分要付 API 费。C 端完全免费，用户用得越多，Yupp 付给 OpenAI / Anthropic 的钱越多——这是一个 增长和亏损高度正相关 的结构。
留给我们的几个问题
如果你也在做 AI 产品，真的可以问问自己：
你现在做的是 技术栈里的哪一层？这层 3 年后还在吗？
你的增长，带来的是高价值用户，还是被补贴喂大的流量？
一旦核心假设失效（比如某类数据不再值钱），你的模型还有第二条收入腿吗？
Failory 对 Yupp 的评价很扎心：他们在正确的时间，为错误的堆栈层，构建了正确的产品。
在 AI 时代，被技术浪潮淘汰的速度，真的可能快过你把产品打磨完善的速度。
如果你也想一起拆这种 AI 创业成败案例 / 产品层选错的坑，
欢迎在评论区留「Yupp」，我们慢慢聊。
#AI工作流 #AI的神奇用法 #创投好文推荐
3 01 - 做了两年AI心理产品，说一个反直觉的认知：
大模型越来越强，但AI心理产品并没有因此变好。
原因是——大模型擅长的事和心理成长需要的事，天然错位。
大模型擅长什么？任务明确、一次完成的事。写代码、做翻译、总结文档，一轮对话给你一个好结果。
心理成长是什么？没有标准答案，不是一次对话能搞定的，需要持续理解你、记住你的经历、知道你走到哪一步了、在恰当时机推你一把。
这些能力——深度理解、长期记忆、阶段规划、主动引导——大模型单独做不到。
所以大部分AI心理产品的问题不是模型不够强，而是没有基于"人和AI需要多次深度互动才能完成情绪疗愈和心理成长"这个特点，去设计合理的产品架构和体验流程。
换句话说：大模型是很好的引擎，但你不能指望一个引擎自己变成一辆车。
这是我觉得AI心理这个方向真正有意思的地方——它逼你去思考一个更深的问题：AI和人的长期协作关系应该怎么设计？
这个问题的答案，可能不只对心理领域有用。
#AI的神奇用法0 20
