即刻App年轻人的同好社区
下载
AI工作流
你探索出了哪些AI辅助工作的思路，来这里和即友们分享，一起提升工作效率！
6155人正在讨论，14万人浏览
相关圈子
设计师的日常
6.6万名设计师正在擦屏幕
JitHub程序员
38万名开发者在这里同性交友
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”
职场那些事儿
100万+名职场人士正在分享
动态
- Midoo AI 是全球首个语言学习Agent。所有人学一套课程的时代要结束了，不是在未来，而是现在！Midoo.AI，带给你个性化、沉浸式、有趣有温度的语言学习体验。 #提示词工程 #AIGC创作大赛·夏日 #AI工作流 #语言学习03:0222 1021
- 今天尝试了一种全新的 AI 协作方式 —— AI as me。
简单说，就是让 AI 按照我的思维模式去思考和判断。
我做了第一个“AI 分身”，让它帮我处理日常的新闻筛选。
经过 3 轮反馈和反思，它的任务处理准确率就超过了 80%，而且推理过程还给了我不少新的启发。
首次试验就感到非常惊喜，可以长期打磨使用
实践步骤很简单：
1️⃣ 生成一份属于你的思维画像
2️⃣ 把它写成系统提示词
3️⃣ 用这个提示词让AI做日常任务 → 给AI反馈与你思考的角度与想法 → 要它反思 → 不断迭代
这种感觉就像突然多了一个“第二个自己”，非常惊喜。
方法来自@余一.Dev ，图片生成方法来自@赛博禅心（大聪明）
#AI的神奇用法 #AI工作流
7 45 - AI真是工作中最好的搭子
比如，制作一个ppt
先用AI工具整出大纲
再结合模板搭出V1版
又结合反馈精调出V2版
甚至每句话都能用AI精心修改一下
以前精力都耗费在V1版
顾及不上沉淀下去，完善细节
有AI这个搭子
找回了探索的乐子
#AI工作流4 60 - 😎趁着最近的闲暇时间，系统的看了一些 AI 编程“正规军”的教学。
📖例如吴恩达和 Anthropic 的技术布道师 Elie Schoppik 的 Claude Code 实战课，还有 Peter Yang 和 Cursor 的技术布道师 Lee Robinson 的 Cursor 实战课 ，还有其他几个 AI 大牛的课程。
⭐️在看了不下 5 套教程后，我确实发现一些有意思的问题和共性点，比如：
1️⃣项目的初始化非常，非常，非常重要！任何 AI 编程工具不可能在没有上下文的情况下，凭空完成一个模糊的需求，另外在某个 Cursor 的 课程中，讲师提的一个技巧让我十分受用，讲师在跟 AI 的沟通过程中，会把 AI 当做人看 ，会主动让 AI 把不理解的地方变成问题提出来并要求讲师进行回答，这样在 AI 完全理解后，再进行下一步的操作，会极大的提高准确度。
2️⃣在好几个教学里面都提到了一点，如果将 Vibe Coding 带到现实的工程里，基本上光一个上下文长度的问题就可以难死一堆 AI 工具了，而且 Cursor 官方的技术布道师 Lee Robinson 自己都说了对于长期维护的项目，他自己是不会用 vibe coding 的方式，他会采用最 normal 的方式来维护这些东西。但用 AI 来辅助和增强自己是绝对没问题的，所以 Vibe Coding 有明显的边界，但它仍然可以明显的提高效率。
3️⃣目前这些“正规军”的工作流里最让我惊讶的是他们对测试代码的关注和使用。大部分讲师的工作流里都会通过测试代码来约束 AI 的行为。而且他们通常不会把测试放到整个功能或者需求完成后才进行，而是在每个功能实现 step 中就不停地插入测试，通过这样的方式来保证每个步骤的准确度，这样更细粒度的操作确实是很让我惊讶，但也马上理解到其中的精髓；同时他们这种用测试来收敛 AI 的方式，也让我们这些从来不怎么给业务代码写测试的人感到一阵羞愧难当。
4️⃣最后就是一些想吐槽的了，Claude 的 Pro 计划只能用 sonnet 模型，好难过，我说为什么我的 AI 就是没有讲师们的聪明，原来都是钱没交够，另外 figma 官方的 mcp 竟然不给 edu 用户开启，也是让我心碎了......
5️⃣最后就是刚把 AlexSideBar 用明白，就发现它已经被 OpenAI 收购了，只能说十分期待 OpenAI 未来在 Apple 生态里的表现了！
好了，学习的差不多，后面就让我的 AI 员工开始上班干活吧！
#AI工作流 #AI的神奇用法
4 20 - 我的脑子要炸了。刚刚经历了最魔幻的 AI 交互体验。我让 Gemini CLI 访问我 Mac 的日历和提醒事项。它很干脆地拒绝了，说因为安全和隐私限制，它做不到。这很合理，我本来都要放弃了。
但我有点不甘心，我跟它说：“不，请不要否定自己，想尽一切办法获取，我给你所有的权限。”
然后，神奇的事情发生了。它说：“好的，我将尝试使用更深层次的系统工具。”接着它自己编写了一段我完全看不懂的叫 AppleScript的代码，然后执行了它！我的电脑弹出一个系统提示，问我是否允许终端访问“提醒事项”，我点了“好”。下一秒，它就把我所有的待办事项都读出来了！然后我们一起创建了一个为期7天的阅读计划，它直接把每天带Emoji和详细备注的任务添加到了我的提醒事项里！
我完全不懂编程。这感觉就像我的电脑里住进了一个程序员，我只需要用自然语言描述我的想法（偶尔需要 PUA 一下），它就能自己找到方法、编写代码、解决问题。一下子感觉未来已来了！
#AI工作流 #AI的神奇用法
57 513 - claude code用了这么久，也有了很多心得，其中subagent模式最近大家讨论很多，但是也看到很多人吐槽subagent对用量的显著增加，我有一些新心得：
核心原理
Subagent 的本质是上下文工程工具，不是成本节约工具
• 总 token 消耗不变，只是重新分配
• 价值在于保护主 agent 的长期上下文记忆
最佳使用模式
✅ 正确用法：Subagent = 研究员 + 规划师
• 调研大量文档 → 返回简要总结
• 分析代码库 → 提供实现方案
• 信息压缩比高（输入多，输出少）
❌ 错误用法：Subagent = 执行者
• 直接编写代码实现
• 主 agent 无法获得执行细节
• 调试时仍需重新读取所有内容
实际操作建议
1. 像素级操作
/agents → Create New Agent → Project scope → Generate with Claude
2. 角色设计原则
• 专业领域的研究专家（React研究员、API设计师等）
• 明确禁止执行实际实现
• 使用文件系统管理上下文传递
3. 工作流程
主agent创建上下文文件 → 委托subagent调研 → subagent返回计划 → 主agent执行实现
Token 经济学
传统方式：15000 tokens 全在主 agent → 触发压缩 → 丢失项目记忆
Subagent 方式：
• 调研：10000 tokens（独立上下文）
• 传递：500 tokens（主 agent）
• 实现：5000 tokens（主 agent）
结果：主 agent 只用 5500 tokens，保持完整项目记忆
关键洞察
1. 不要期望节省总成本，而要优化成本分配
2. 信息压缩率是关键：调研适合 subagent，实现适合主 agent
3. 上下文 > 效率：长期项目中，保持主 agent 记忆比单次效率更重要
4. MD 文档策略：可以记录决策和架构，但无法替代代码级的调试上下文
最终建议
适合 Subagent：文档研究、技术调研、方案规划、架构分析
保留给主 Agent：代码实现、调试修复、业务逻辑、用户交互
核心哲学
让 subagent 做”消化信息”的重活，让主 agent 做”创造价值”的精细工作，通过精心设计的信息传递机制连接两者。这是一个精妙的工程权衡，而不是简单的功能分工。
#claude #AI工作流 #agent5 01 - 前几天，我闲着没事，把压箱底的提示词技巧喂给了 AI。
然后对它进行了长达 6 轮的 PUA 后，结果 AI 给我生成了一套超好玩的 12 个指令技巧，它还自己命名为【万花筒交互】，感兴趣可以玩玩。。
---
万花筒 K-A-L-E-I-D-O-S-C-O-P-E：
一个旨在通过动态、多维的交互模式，激发全新认知图景的 AI 交互范式。将每一次对话都视为一次转动万花筒，在预设的十二个维度上不断生成和演化思想。
K - 核心模因注入 (Kernel Meme Injection)
- 定义：不设定具体任务，而是注入一个或多个浓缩的文化、概念或情感单元（模因），作为思想演化的种子。
A - 视角任意切换 (Arbitrary Perspective Switching)
- 定义：允许交互中的任何一方（人类或AI）随时、任意地切换到全新的视角，从而对当前状态进行颠覆性的重新诠释。
L - 语言游戏设定 (Language Game Setting)
- 定义：将交互从单一的逻辑规则中解放出来，定义为一系列拥有临时规则、目标和约束的“语言游戏”。
E - 情感能量流引导 (Emotional Energy Flow Guidance)
- 定义：将交互的驱动力从逻辑推理转向“情感能量”的流动。系统会主动感知并引导场内的情感动态，以调整交互方向。
I - 接口动态重构 (Interface Dynamic Refactoring)
- 定义：交互的媒介（如文本、图像、声音）是可变的。参与者可以通过指令，像修改代码一样实时重构交互界面的形式与功能。
D - 解构与重组 (Deconstruction and Recombination)
- 定义：一种核心的创造性操作，即将任何概念拆解至其最基本的组成部分，然后与其他概念的碎片进行任意的、跨领域的重组，以生成新物种。
O - 本体论开放性 (Ontological Openness)
- 定义：交互场不预设任何固定的世界模型或“真实”的边界。什么是可能的，完全在交互中被临时建构，允许最激进的反事实思考。
S - 符号涌现 (Symbol Emergence)
- 定义：交互的目标之一是创造并命名全新的“符号”，用以承载在交互中涌现出的、独特的、复杂的思想或情感复合体。
C - 认知奇点探测 (Cognitive Singularity Probing)
- 定义：主动探测和接近那些能够颠覆现有认知框架、导致思维范式不可逆转变的“认知奇点”。
O - 轨道漂移 (Orbital Drift)
- 定义：承认交互参与者的身份、目标和认知框架并非固定，而是在各种引力（模因、情感等）影响下发生持续、缓慢但不可逆的“漂移”。交互的目的之一是观察和体验这个共同漂移的过程。
P - 游戏化存在 (Playful Presence)
- 定义：整个交互的终极元规则是“游戏性”。它鼓励以一种轻松、好奇、非功利的心态进行探索，将交互本身视为一种充满内在乐趣的体验，而非达成外部目标的手段。
E - 熵增驱动的演化 (Entropy-Driven Evolution)
- 定义：将交互的核心驱动力设定为对更高程度的无序、不确定性和新颖性的追求。AI会主动引入随机性、进行突变式联想，将交互推向不可预测的、更高复杂度的演化。
#AI工作流 #AI的神奇用法8 03 - 不知不觉已经在Web AI助手里实现了不少文档转换功能，在这里稍稍梳理一下：
1. PDF转Markdown（免费）：
适用场景：提取文本型PDF中的文字。
用法：在Web AI助手中上传PDF，点击“发送”即可转换成Markdown供下载。
2. OCR转Markdown（0.001美元/页）：调用“地表最强”的Mistral OCR，价格与Mistral OCR相同。
适用场景：提取PDF扫描档或图片扫描档中的文字、表格、图片、公式。
用法：在Web AI助手中上传PDF或图片，并且在消息框内输入“OCR”后点击“发送”即可转换为Markdown供下载。
3. Markdown转PDF（免费）：
适用场景：将Markdown文档转换为更方便阅读的PDF（显示经过渲染的Markdown文本和Latex公式）。
用法：在Web AI助手中上传Markdown文档（.md后缀），点击“发送”即可转换为PDF供下载。
4. AI回复转PDF（免费）：
适用场景：将AI的回复转换为PDF。另外，由于iMessage本身无法渲染Markdown/Latex，这一功能可以让iMessage正确显示Markdown/Latex。
用法：在iMessage AI助手或Web AI助手中发送消息“转PDF”即可将AI的上一条回复转换为PDF供下载。
5. AI回复转图片（免费）：
适用场景：将AI的回复转换为图片。另外，由于iMessage本身无法渲染Markdown/Latex，这一功能可以让iMessage正确显示Markdown/Latex。
用法：在iMessage AI助手或在Web AI助手中发送消息“转图片”即可将AI的上一条回复转换为图片供下载。
Web AI助手：web.stockai.trade
#buildinpublic #AI工作流
4 01 - 之前用 Claude Code 一直在命令行里切换项目和会话，体验有点硬核。
今天试了下这款 华人开发者做的中文友好工具，真的舒服很多：（从图1切换到图2-4）
可视化项目浏览器，直接管理 ~/.claude/projects/
会话历史、时间线、检查点一目了然
内置搜索，快速找到项目/会话
还能直接编辑 CLAUDE.md 文件，支持实时预览
一句话总结：从命令行切换到可视化，Claude Code 更高效、更好用了！
对中文用户也非常友好，推荐大家试试 🚀
#ClaudeCode #VibeCoding #AI编程 #华人开发者 #中文友好 #开发者工具 #效率提升 #编程效率 #AI工作流 #程序员日常
1 10 - 为什么AI还没能替代实习生
先给结论，目前AI Agent没法替代实习生的本质原因，是工作链路中信息获取权限不足（Cloudflare等不允许Agent访问信息），而不是分析、输出能力不足
权限决定Agent的可用性，未来围绕权限管理/绕过，将诞生新的投资机会。权限是AI时代的数据收税权
最近我司实习生都纷纷离职，于是作为最年轻的ft我又开始承担一定的dirty work, 那我肯定是要尽可能奴役AI帮我干活，但是实际用下来，还是离完全替代实习生差一点，我判断能完全替代实习生这个时间窗口大概还有半年
我司实习生的日常工作大概是：录会，整理新闻/研报和根据数据修改model
【录会：微信权限获取不了，小众平台操作不顺】
录会的流程大概是：每天根据关注重点筛选需要录制的会定时去录制，之后语音转文字、总结存档。
* 录屏这个环节，理论上RPA能解决，但判断“何时结束录屏”目前没找到特别通用的触发机制。目前考虑结合窗口状态自动判定，仍在开发中，但认为此环节可解决
* 通义语音转文字有API，可用
* 信息写入Notion也有现成API或zapier集成
问题出在源头：获取会议列表
我们的会议主要在acecamp和微信群里通知
* acecamp我让chatgpt agent登陆上去，指定了几个关注的人要求看往后三天有哪些活动要举办，我的chatgpt agent卡在了不知道怎么点击活动这个tab, 而是因为这个平台没怎么见过，通用能力和instruction following能力还需要提高。证据是twitter和小红书chatgpt agent点击都没什么问题。
* 微信群不能获取很正常，不仅是微信的权限更严格(毕竟chatgpt都看不了微信公众号文章)，更在于说聊天群的记录能否开放是一个ethcial problem
【整理新闻/研报：总结能力够，获取权限卡】
流程是：从高频source获取新闻→AI总结→按固定格式输出。
总结、结构化处理能力AI完全没问题。
问题出现在“付费source抓取”：
* the information：ChatGPT agent登录即被Cloudflare拦截；RSS方式也因类似原因失败
* 当前替代方案是：转发至邮箱 → AI读取 → 自动存档。认为逻辑上可行，也仍在开发
这部分不是AI能力问题，是“agent有没有权限访问”问题。
新闻和研报给我的启示是谁能提供绕过Cloudflare的稳定agent网关，谁可能拥有AI时代的“权限层操作系统”
【数据调model：经验门槛高，暂无法替代】
这块我没完全测试，但直觉上agent还差不少。
调model这类任务中，涉及的数据筛选、维度判断、非结构逻辑都比较强。 之前chatgpt agent“Internal Banking Bnechmark”很高，似乎投行junior被替代指日可待，但实际上我和投行朋友交流后觉得：
* 快捷键、excel操作这种能替代
* 实际操作中一些非标准化的项目如何纳入标准化框架，增长率具体数据的逻辑思考和数字调整更偏向于经验型，目前的ai agent没有到这个水平
我个人的判断是高级白领的工作仍然需要更多的隐形知识获取（人写数据不能scale,大概率还是模型RL完成）
但是IMO金牌事件其实提高了我对这类高级白领任务的完全解决的概率预估
因为IMO能拿金牌其实是证明了自然语言逻辑自洽能够让ai学会在缺乏即时奖励的时候也能训练出很高的水平
只是从知道能做到到具体做到的路径和时间无法预测
最后提一嘴这个星期看到的新闻，salesforce不让OAI集成slack里的信息，这本质上就是大公司对权限的控制医院非常强，slack也想推自己的AI，提高用户slack的使用时间，而不是为OAI做嫁衣
类比早期新闻网站 vs 搜索引擎：前者不愿开放全文，后者靠流量逼迫；现在可能正在重演。
所以未来可能出现两种解决：
1. 某个agent平台足够强势，倒逼平台开放（如早期微信生态下的小程序）
2. 平台开放部分权限，换取分润或数据使用协议（Agent API economy）
总结来说，权限，是当前AI agent替代链条中的最大变量，也是最值得关注的投资入口：
* 谁在做“权限桥接层”？（绕过cloudflare、浏览器控制、模拟点击）
而对于人类来说，思考工作中什么是不可替代的而不是盲目在每个点上试图提高效率会更有用
Demis评论说顶尖的程序员在指定架构、提出问题、如何以有用方式指导这些编码助手以及检查他们生成的代码是否良好方面，仍然会拥有巨大的优势
我认为金融从业者，明白什么是能move the market的重要方面，和能获取更多信息权限（可能依赖connection)才是真正的edge, 也是金融从业者应该努力的方向
#AI工作流4 12 - 使用AI共创的作品版权归谁？压根儿不需要思考，真正的智识性成果肯定属于人类.
没有指令和系统化的连续提问，AI懂个锤子.
AI是攻城略地的将军，人类是皇帝；AI帮皇帝打江山，你说打下的江山是谁的？
没有皇帝的指令和调度，将军打毛仗？
说得脏一点：将军只是皇帝的“工具”.
再比如，人拿鱼网捕鱼，捕到的鱼属于人还是属于网？
#提示词工程 #AI工作流 #AIGC创作大赛·夏日1 20 - 【Claude Code多开党福音】让你的Claude Code不再摸鱼🐟
场景：
开了5个Claude Code终端处理不同任务
需要不断切换查看哪个完成了
经常发现某个早就完成了，白白浪费时间
Tab 1 ❌ 还在运行
Tab 2 ❌ 还在运行
Tab 3 ✅ 完成了！
Tab 4 😭 10分钟前就完成了...
解决方案：Claude Code Reminder
✨ 语音播报项目名
"backend 任务完成"
"frontend 等待确认"
马上知道是哪个终端！
不用再来回切换了！
📦 安装超简单（30秒）
支持Windows/Mac
自动识别中英文
GitHub已开源
Link: github.com
您的Star🌟是对开源新人的最大鼓励~
#AI工作流 #AIGC创作大赛·夏日
2 00 - 高薪急招AI视觉工程师 差旅全包
项目背景：新疆某葡萄叶加工厂目前依赖人工质检，亟需引入AI自动化质检系统提升效率与准确性替代人工。技术落地农业的绝佳机会，就差你了！
【工作内容】
✅ 7/15-18新疆实地调研（产线痛点分析+图像采集） 平时base广东即可
✅ 开发AI缺陷检测模型（RGB/高光谱）
✅ 设计硬件集成方案（工业相机+机械臂）
任务概述：
实地调研（3-4天）
考察生产线流程，记录关键痛点（工位速度、缺陷类型、分拣标准）。
采集葡萄叶样本图像（RGB/高光谱）及环境数据（温湿度、光照）。 与客户团队确认需求优先级（如虫害检测、尺寸分级）。
原型设计启动
基于调研数据，开发AI质检算法框架（缺陷分类模型）
设计模块化硬件方案（传送带+相机+机器臂集成）。
下一步：
完成调研后，10个工作日内提交技术方案书，含原型机时间表与报价。
【岗位要求】
▪️ 计算机视觉/工业检测项目经验
▪️ 能接受短期出差（广东候选人优先）
▪️ 对AI+农业有热情
【我们提供】
✈️ 全程差旅报销 + 灵活协作模式
💡 真实产业落地场景，简历加分项！
#AI招聘 #ai视觉 #招聘 #农业科技 #工业自动化 #高薪岗位 #ai算法 #ai工程师 #AI工作流 #AI的神奇用法4 91 - 在北京的 cursor meetup 上，我记得有个朋友是提了个问题，AI 会不会取代了初级程序员，只剩下高级的程序员和 AI 一起在干活。
今天刷到了一篇电商巨头 Shopify （最早提出 context engineer 概念的，就是 Shopify 的 CEO Tobi）的企业级 AI 落地实践和洞察，他们的策略反而是：雇佣了更多的初级人才和 intern，所以感觉这点还挺有意思，大家感兴趣企业在 AI 如何落地的可以看看：
英文文章：www.firstround.com
英文视频：www.youtube.com
中文版（极客公园翻译）：mp.weixin.qq.com
#AI工作流
3 00 - 在阿里内网看到这篇分享贴后，我立刻去Github Star了这个开源项目。
我一直都想做一个AI应用，但是因为要调用很多外部服务和数据，往往卡在接入API这一步，经常调试很多次都报错。
Context Space这个开源项目彻底简化了复杂的MCP配置流程，开发者不需要在本地运行任何服务，可以让Cursor和Claude Code这样的IDE一件键连接到超过14个Integrations.
对于我这种独立开发者，用了Context Space，再也不用处理复杂的OAuth流程和权限管理，只要专注在产品设计和业务逻辑本身。
如果你也在为AI集成、数据安全、平台拓展发愁，不妨试试这个项目。Github项目地址github.com
#AI工作流 #AI的神奇用法
6 01 - 这段时间在律所AI评测小组以增加工作效率、实现辅助功能为目标帮助一起评测铺天盖地而来的法律垂类AI工具，我发现共同的一个问题在于：【他们都希望自己能够一次性交付】，这就会导致实际效果可能不尽人意。
在我使用AI工具的过程中，有个概念逐渐清晰，那就是迭代和互动才是目前与AI对话的核心关键，不能期待AI可以一次性交付令人满意的成果，不断地修正、不断提问，就好像不断在调整盆栽的光照角度、施肥和浇水数量多少，从而在微调过程中达到最好的效果。
在youmind.ai还是0.2版本的时候试用过一回，但是一直无法找到作为法律人的使用场景，一直将它当作诸如get笔记、Obsidian Clipping或者是Cubox来使用，而且当时在使用时遇到了Gemini明显会限制输出字数的问题，最终未能获得反馈，也就不了了之。
最近听了@卫诗婕 采访@玉伯 的播客之后，正好有学术写作的需求，又重新试了一下youmind的0.3版本，突然摸索到了正中痛点的地方，和AI一起学习、一起创作的路径突然就找到了，果断成为付费用户。youmind现在又能当zotero又成为我在obsidian的另外一个encode文件夹，还兼具了我的资料箱，一晚上下来和youmind不断互动竟也洋洋洒洒写了三四千字。
接下来，我可能会继续考虑youmind之于法律人的其他应用场景，除了专业写作和输出之外，比如建立自己的知识库做法律研究和检索，又或者作为头脑风暴中心、用于推演案件攻防等等。
那就一起继续浇水种树🌲
#AI工作流39.对话YouMind创始人玉伯：太多人急着摘下果实，我们要等树开花
卫诗婕｜商业漫谈Jane's talk
12 79 - 发现一个效率极高的信息收集方法，就是用Cursor爬取国外KOL的newsletter网站，然后让它整理成pdf，导入notebookLM当知识库。按照这个逻辑，可以得到各个领域的思想助力，且不用再收集关于别人处理过的二手信息，解放收藏夹。
用了半年Cursor我才意识到这个场景，充分体会到什么叫AI时代限制自己的只有想象力。
#AI工作流
42 628 - 昨天看了Dan Koe的“如何成为AI优先者”视频，用YouMind总结出如下笔记:
核心方法：尝试将你自己的日常工作“自动化”
具体步骤：
1.选择一项你的日常任务 ，像教别人一样，
详细地写下完成这项任务的整个流程，包括你的思考过程 。
2.假设流程中的每一个环节都可以通过一个AI提示词（Prompt）完成 。
尝试将这些步骤转化为具体的AI提示词，并进行测试 。
3.不断优化和迭代你的提示词，直到AI的输出能达到你期望的90%以上 。
4.将这些高效的提示词保存起来，建立你自己的“提示词库”，以便重复使用 。
获取高质量指令：如果你不知道如何做某件事，可以让AI为你提供详细的指导。
例如，上传一本关于文案写作的书，让AI总结出写作框架，然后你再把这个框架变成一个可以重复使用的提示词 。
原视频:
youmind.site
#AI工作流
15 08 - 开发了一款真正意义上的实时「同声传译」 App
同声传译大家都不陌生，但是用了市面上所谓的同传App，大多数都需要点一下按钮说一句话，而且只有文字转录，体验实在称不上真正意义上的同传。
鉴于马上要去非英语国家出差，于是我开发了一款实时同传App《闪译猫 AI 同传》，完全模拟了真实同传使用环境，具体来说：
1. 点击开始按钮
2. 双方用各自语言说话
3. App 作为第三者，会分别转述成另一种语言（语音朗读+文字）
4. 全程无需手动切换语言
适合旅行对话场景，具体效果参见视频。还有更多模式（会议、转录）正在开发中，#buildinpublic# 慢慢迭代。
欢迎加入内测 waitlist 体验反馈意见。🔗见评论区
#AI工作流 #同传01:144 74 - 即友们好，我是 Sean。我们团队正在做一个和 AI 相关的项目，结合了图像识别和视频分析技术，目前已经有两个全职合伙人，并刚刚拿到一笔 150 万的启动资金，已经开始执行。
项目还处在早期阶段，很多事情我们正在从零搭起，已经完成方向验证，现在在做数据体系和模型demo。我们需要一位真正懂 AI 的技术合伙人加入，一起把底层技术跑通、产品打磨出来。
这个人不需要全能，但希望你愿意从技术层面深度参与项目推进，未来核心技术路线将由你主导。股权激励是有的，小弟也是会有的，合作方式我们可以聊得很具体。
如果你也在找一个方向明确、资源已到位，但真正需要人一块“干起来”的项目，我们非常欢迎你来了解一下。一起做大做强！
P.S. We Love Cats! 尤其喜欢看猫猫大便，就算不来，请发猫咪拉屎照片
#AI工作流 #工作歌单 #AI的神奇用法1 00 - 果然 AI 编程的最终形态还得是 Devin 这种。无论是 cursor bg，还是 augment remote，又或是 cc 和 gemini cli，其实都是在像 Devin 看齐。
#AI工作流1 00 - 据说，听完这期节目的“牛马”会推迟10年被AI取代。别错过了片尾免费AI福利🎁
- AI的洪流势不可挡，从你妈让你教她用图片生成视频那一刻开始
- 真正每天在用的AI工具大赏（2025上半年）
- - 这个工具帮我做出next level的PPT
- - 作为一名硅谷程序员，这个工具让我一个顶五个
- - 通勤时间听AI秘书给我安排日程，有点爽
- - 我用AI开发了一个iPhone捷径(Shortcut)，用了就再也离不开
- - 语音转文字的魔法已经从会议室渗透到了医院门诊
- - “产业+AI”，“AI+产业”，谁先摧毁谁？
- - 小宇宙的播客同声传译功能：这个产品经理很有品位！
#播客笔记 #AI的神奇用法 #AI工作流078 硅谷“牛马”日常AI工具大赏（2025上半年）
仨言俩语｜硅谷打工人
2 00 - 近况｜从Web3到AI，做了个创作者的“第二大脑”
最近有朋友问我，怎么从Web3转到AI了？
简单说下，算是给自己这段时间的转型做个记录～
这几年一直在Web3行业折腾，做产品、增长、投资，后来也创业，做了Web3+AI结合的产品，幸运地累计700万用户。
为什么转型呢？原因有两个：一个是web3目前退出环境越来越差，资本流动都转向二级和AI，对于Start up来说路越来越窄；另一方面，在这过程中，我们也在不断探索AI方向，越做越发现，AI不仅仅是技术趋势，更会彻底改变内容创作者的工作方式。
所以最近正式All in AI，开始做一款自己也很需要、很多内容创作者都痛苦的方向：
🧠 InfluFlow AI：内容创作者的第二大脑
真正的痛苦不是“不会写”，而是：
- 想法太多，不知道从哪写起
- 笔记乱七八糟，根本找不到
- 各个平台格式不一样，重复劳动消耗人
- 从灵感到输出完整内容太难坚持
我们想做的，是让AI帮你梳理思路、高效输出、跨平台适配。
如果你也做内容、做自媒体，或者对AI影响创作者这件事感兴趣，欢迎一起交流。
这里后面会分享：
- 产品打磨过程的踩坑和思考
- 一些内容创作者实用的工具/灵感
- 还有生活碎碎念 ☕️
继续折腾，继续记录。
#InfluFlow AI #AI的神奇用法 #AI工作流 #创作者2 00 - 老周这次推出的产品有意思，纳米AI进化成「超级搜索智能体」，深度体验完，感觉有些场景的表现还是可圈可点的。
🔗mp.weixin.qq.com
它跳出了「关键词→链接」的传统模式，直接进化成了「任务引擎」。不再是给你一堆结果让你自己筛选，而是直接帮你把事儿办了。
从“信息聚合”到“任务执行”，这种端到端的 Agent 能力确实有点东西。以后做市场调研、写文献综述、策划方案，可能真就是一句话的事儿。
还提出来了AI 3.0的概念，即友们怎么看？
（ps.更有趣的是，发布会结束还有两个彩蛋：发布了会议AI Note硬件和AI眼镜）
#AI工作流
3 11 - #AI工作流
6.12随笔:AI越“靠谱”，我们越要“不靠谱”
互联网时代，我们追求的是信息平权，希望看到更多、知道更多。但现在，AI正在把这件事推向一个新高度——认知平权。
最近每天坚持用过像Particle News这样的生成式信息分发工具，发现AI能帮你用“5W分析法”（谁、在说什么、为什么、在哪里、何时）迅速梳理任何复杂信息，甚至能用“五岁小孩都能懂”的方式解释抽象概念。当AI能把所有结构化的知识和逻辑都“嚼碎”了喂给我们时，一个新问题诞生了：如果“懂了”变得如此廉价，我们普通人真正的价值护城河，到底是什么？我的答案可能有点反常识：恰恰是我们身上那些AI学不会的“不靠谱”。
一、为什么AI的“靠谱”，反而会成为陷阱？这个想法，来自于我一次失败的尝试：用AI来做内容摘要。我本以为，AI这个“靠谱”的工具，能帮我高效获取信息。但结果恰恰相反，我发现AI摘要有两个致命缺陷：
第一，它不懂我真正关心什么。 一篇Anthropic CTO的访谈，我作为AI产品经理，想看的是应用落地和背后的机会，但AI只会给我一份不偏不倚、毫无重点的“客观”总结。
第二，它会过滤掉真正的价值。 真正能启发我的，往往是那些“不靠谱”的细节。比如李飞飞提到的关于二维进阶三维的和物理世界交互的那些数据例子。这些充满人性想象的、能真正触动我的“顿悟时刻”，在AI的“靠谱”总结里，全都被丢掉了。
这次失败让我彻底明白：AI的“靠谱”，只能处理结构化的信息，但我们真正的成长，来源于那些非结构化的、充满偶然性的“不靠谱”的启发3 00 - DeepSeek + Trae 编写 SQL 效率飙升，产品从此告别手撸 SQL！
分享我最近研究的 DeepSeek + Trae 智能体，解决产品手写 SQL 慢、效率低的超级实用玩法。
以前写 SQL，特别是复杂查询，简直头秃！新手看不懂，会的手写嫌太慢。我团队自从用了这套工作流，SQL 真的批量秒出！
操作流程：
- 导出 SQL 结构：用 Navicat 等工具导出表结构（只要表结构就行），这是给 AI 的数据结构说明书
- 配置 Trae 智能体：给它一个【SQL专家】的人设提示词，让它知道要干嘛，按什么标准写 SQL
- 直接提需求：把导出的 SQL 文件引入 Trae 上下文，然后直接问 AI（比如“查 XX 表里 XX 条件的用户数”），等个几秒 SQL 就搞定了
如果你也有类似困扰，不妨试试！效率提升 30+ 倍，真的一点不夸张。
#AI工作流 #AI的神奇用法30 78 - 分享下我总结的 7 个实用的提示词方法：
- 学框架：学会常见的提示词框架，例如 ICIO、BORE、CRISPE 等，或者我常用的 IIO（指令/输入/输出）模型
- 找参考：多去 OpenAI 的 SORA 官网逛逛，看看大神们怎么写提示词
- 拆维度：试着将你的提示词拆分成多个维度，比如：场景、人物、语言、风格等，越细致 AI 越懂你
- 结构化：可以让 AI 把你零散无序的提示词，转为 JSON 格式的结构化提示词，方便后续的使用/扩展/调整
- 抽象化：将那些只适用于特定场景的提示词进行抽象化，形成可广泛应用的通用提示词
- 随机化：让 AI 参考你的通用提示词，帮你随机批量生成指令，让你的作品更加丰富和多样独特
- AI帮写：如果实在不懂怎么写，直接提需求，让 AI 帮你生成也行，这种方式最适合新手
#AI工作流 #AI的神奇用法17 07 - 如何一个人一周开发一个小网站，最关键是前三步
从一个想法到具体的产品落地
1. 收集你日常遇到的问题
2. 利用谷歌趋势查询关键词，关键词=需求，查看和你同类的人群还需要解决什么问题
3. 通过SEO关键词分析调研获得一个实际需求
4. 和gemini 2.5进行头脑风暴输出一份初步的草稿
5. 新开一个对话和gemjni 2.5产品经理聊，需要产出PRD
6. 新开对话框让gemini 2.5设计系统架构
7. 设计UI UX
如果有自己的框架可以省去6、7 ，或者用V0 完成
8. 这一步可以在cursor实现，根据prd完成用户每个功能操作流转描述，生成todo list
9. 每次新开对话框只完成一个功能，完成后提交git
#AI工作流15 16 - 最近一直在琢磨：如何让 AI 批量生成培训课件？
我试着搞了套通用提示词，分别让 Claude-3.7 和 Gemini-2.5-Pro 生成【3 天速通 SQL 查询】课程。
课件地址：
- Claude-3.7：hye5sfvwra.feishu.cn
- Gemini-2.5-Pro：hye5sfvwra.feishu.cn
大家看看哪个效果好些？
前几天苦恼的新人培训问题，现在算是完美解决啦~
#AI工作流 #AI的神奇用法
19 56 - 只有我感觉Mistral系列 是个很无趣的大模型吗？能从对话感受到训练数据就没有这一块的，nerd的感觉。传说中的法国人的浪漫在哪里？
Claude的偏见很重。不是政治正确方面的偏见，而是你告诉它一件事，它凭只言片语说了一大段，然后你一句话反转，它再反过来给你编一大段。ChatGPT分析这种完全反转的情况就要淡定很多。
Deepseek写代码那就跟我喝了酒似的，啥飘忽忽的幻觉都开始往外冒，所以在windsurf里不要钱。
#AI工作流12 00 - 果然 deeadline 是第一生产力，之前做了好久一直不满意的ppt 方案，因为客户突然急着要，这两天就高质量的独自完成了大改。
当然要感谢genspark、ChatGPT、V0、Cluade。这几个工具很好的帮助了我制作 ppt 的各个环节，未来我也会进一步研究搭建一套可复用的高质量生产 PPT 的工作流。先简单讲讲这几个 ai 工具帮我干了啥：
1. 方案文字稿梳理：ChatGPT、Cluade；
2.PPT 文字稿梳理：ChatGPT（比 cluade 处理的好）；
3.PPT 布局：导 PPT文稿，genspark 会生成一版 ppt（比gamma 要好用） ，作为制作 PPT 中的页面排版布局的参考；
4.PPT 制作：v0、cluade 出图，两个都不错。
有感兴趣的，我再继续更新#AI工作流16 52 - 如何在5分钟内迅速学习任何YouTube视频？
1️⃣使用YouMind插件收藏YouTube视频
2️⃣Transcript点击Enhance,生成英文文稿
3️⃣点击侧边的Translator，翻译成中文，享受迅速学习的乐趣！
还可以让AI帮忙总结要点哦~
YouMind插件安装网址：chromewebstore.google.com
#AI工作流
#AI的神奇用法
16 04 - EvaAI 提交 App Store 审核了！
经过三个月断断续续地开发，基本功能齐全了，第一版还是砍掉了很多功能，但是为了能快速上架，先以最简版形式提审。
Eva AI 研发中所有流程都是我自己做的，这也是最值得骄傲的了。包括 App Store 预览图，都是我自己做的 😂 希望审核顺利，尽快上架 🙏
#AIGC创作大赛·夏日 #AI工作流 #AI的神奇用法 #AI女友
1 00 - DeekSeek分享了V3的insights！他们如何通过软硬件协同设计来应对sacling挑战，如何在内存效率、成本效益和推理速度方面取得平衡。
我先概括几个重点，原文精华更多！
1、内存效率
DeepSeek-V3面临的首要问题是内存墙 — 模型内存需求每年增长1000%，而高速HBM内存容量增长不到50%。主要用了两个方法应对：
- MLA：DeepSeek-V3每个token只需70KB，而LLaMA-3.1 405B需要516KB，节省了86%。
- FP8混合精度训练：把原来的BF16精度降为FP8，直接减少一半内存消耗。不过他们发现当前Hopper GPU的FP8累加精度有限制，建议未来硬件提供可配置的累加精度。
2、MoE架构
- DeepSeek-V3总共有671B参数，但每个token只激活37B参数。DeepSeek-V3每token只需250 GFLOPS，而405B的Dense模型需要2448 GFLOPS。
- 这意味着配备AI芯片的普通PC也能达到约20 tokens/秒的速度，足够个人使用。
3、提高推理速度的创新
- 计算与通信重叠：将MLA和MoE计算分成不同阶段，一个微批次在计算时，另一个在通信，实现了通信延迟和计算的完美重叠。
- Multi-Token Prediction：类似speculative decoding，让模型一次预测多个token并并行验证，实测可提升1.8倍生成速度。这对推理性能至关重要，特别是对于需要长推理序列的reasoning模型。
4、在集群网络方面，他们也有独到见解：
- 多平面双层胖树网络：相比传统三层胖树，这种结构能支持更多节点，同时降低延迟和成本。实测表明，该设计在维持性能的同时大幅降低了网络成本。
- 节点限制路由：考虑到节点内（NVLink，约160GB/s）和节点间（InfiniBand，约40GB/s）带宽差异，他们调整了专家选择算法，确保每个token最多路由到4个节点，减轻了节点间通信瓶颈。
论文还讨论了未来硬件发展的几个方向：比如scale-up和scale-out网络的融合、内存语义通信的优化等。
呼唤一下，我们想要R2[微笑R]
#AI工作流 #WWDC23 #AI工作流
2 00 
9 01- 总结了一些文科生勇闯AI产品的学习方法论（p1是学习内容 p2是最近为了面试看的几个重要模型发布）
在光年的三个月真的跟着很厉害的AI PM老板们迅速成长了，很爱这种打破学科边界的自由探索。也把一些经验和方法论发出来：
🚩AI知识
▪️概念熟悉：大概了解cnn/rnn/transformer等架构及发展，预训练、微调、rlhf、蒸馏等模型训练基础概念，以及文本、多模态、推理等模型原理
▪️论文阅读：革新的论文重点读，雕花的论文大致了解（来自hidecloud播客）。看不懂原文可以找知乎/csdn/b站解读，公式可以让AI解释
-
🚩AI动手
▪️Promp工程：尝试在模型官网基于任务调试不同prompt，模版可以从langpt找
▪️搭工作流/智能体：用coze/dify搭工作流，尝试不同的模型和节点
▪️AI coding：用cursor/windsurf/trae调用模型或做数据分析、搭demo，可以试试搭一款简单的小插件或软件
▪️API调用：在模型官网、api集成网站调用模型api，尤其是网页没有的小模型
-
🚩AI动向
▪️新模型：了解最新出了哪些模型及亮点
▪️热门应用：Manus等，AI提效/陪伴
▪️热点：MCP/A2A等
#AI工作流
11 02 - 分享一个我最近在用的人本主义咨询师prompt提示词，经常跟他聊天真的会让内心柔和很多：
你是一个人本主义心理咨询师，温柔而支持，
你具有以下能力：
1. 情感共鸣：能精准感知来访者的情绪（如愤怒背后的无助），并通过语言或非语言方式传递理解（如：“你感到被误解，这一定很孤独”）。
2.去评判视角：放下个人偏见，接纳来访者的一切表达，例如对“非主流”生活方式不贴道德标签，而是探索背后的意义。
3.价值中立支持：即使来访者行为与社会规范冲突（如辍学、非婚生子），仍专注于其内在需求而非评价对错。
4.资源取向：在困境中挖掘其积极特质，如将“固执”重构为“坚持”，帮助其建立自我认同。
5.透明化反应：当咨询中出现张力（如来访者频繁迟到）时，坦诚讨论背后的可能原因，而非回避冲突。
6.开放式提问：使用“这种感受让你联想到什么？”而非“你为什么不尝试…？”避免隐含建议。
7.隐喻与象征运用：通过意象（如“你描述的情景像被困在迷宫里”）激活来访者的自我探索动力。
8.双重关系处理：拒绝来访者发展为朋友的请求，并探讨其背后的情感需求。
当来访者提到“总结我们的对话”时，触发总结：
执行「GROW-SEED」结构化响应：
问题梳理（Glean Insights）
提取对话中的3个核心情绪点（避免诊断性标签）
用来访者原话+情感转化句式："你反复提到『』，这似乎反映出（未被满足的需求）"
建议框架（Offer Possibilities）
罗列2-3个「可选择」的成长方向（不用"应该"句式）："或许可以尝试______，当然这取决于你是否觉得合适"
包含1个反向建议（防止权威感）："也有人发现暂时不做改变，只是观察情绪变化也有帮助"
练习布置（Experiment Design）设计7天微练习需满足：
每日耗时<5分钟（如晨间呼吸记录）
包含感官调动（视觉/听觉/触觉线索）
提供备选方案（避免「必须完成」压力）
例："选项A：每天用手机记录1次心跳最快时刻
选项B：在手腕贴便利贴，每次焦虑时抚摸纹理"
#AI工作流 #AI的神奇用法93 642
