即刻App年轻人的同好社区
下载
App内打开
翟几枝
333关注7被关注0夸夸
家有4🐱
翟几枝
2月前

歸藏: Claude Code 创建者写的如何使用和创建 Skills 如果你还不了解的话，强烈推荐看看！ Anthropic 内部现在有数百个 Skills 在用，从 API 文档到部署流程全覆盖。他们把这些经验总结出来了。 做个笔记📒： ====== Skills 不只是 Markdown 文件 很多人以为 Skills 就是写个 Markdown 文档，其实不是。Skills 是一个文件夹，里面可以放脚本、资源文件、数据，甚至注册钩子函数。 代理可以发现这些内容，读取它们，执行脚本，在特定时机触发钩子。这才是 Skills 最有意思的地方。 最好的 Skills 都在创造性地使用这些配置选项和文件夹结构。 ====== 九种 Skills 类型 Anthropic 把内部的 Skills 整理了一遍，发现它们基本归为九类。好的 Skills 能明确归入一类，混乱的 Skills 往往跨了好几类。 ------ 1. 库与 API 参考 解释怎么用某个库、CLI 或 SDK。可以是内部库，也可以是 Claude 经常搞错的常用库。 通常包含一个代码片段文件夹，加上一份"别踩这些坑"的清单。 比如： ▸ billing-lib — 你们内部计费库的边界情况和常见坑 ▸ internal-platform-cli — 内部 CLI 的每个子命令和使用场景 ▸ frontend-design — 让 Claude 更懂你们的设计系统 ------ 2. 产品验证 描述怎么测试或验证代码是否正常工作。通常配合 Playwright、tmux 这些工具。 验证 Skills 极其重要，值得让工程师花一周时间专门打磨。 可以让 Claude 录制测试视频，或者在每一步强制执行程序化断言。这些通常通过在 Skill 里放各种脚本实现。 比如： ▸ signup-flow-driver — 在无头浏览器里跑注册流程，每步都有状态断言钩子 ▸ checkout-verifier — 用 Stripe 测试卡驱动结账界面，验证发票状态 ▸ tmux-cli-driver — 测试需要 TTY 的交互式命令行工具 ------ 3. 数据获取与分析 连接你的数据和监控栈。可能包含带凭据的数据获取库、仪表盘 ID、常见工作流说明。 比如： ▸ datadog-metrics — 预设的仪表盘链接和常用查询 ▸ postgres-query-helper — 连接生产数据库的只读凭据和常用查询模板 ▸ user-analytics — 获取用户行为数据的脚本和分析模板 ------ 4. 业务自动化 自动化重复的业务流程。比如创建 Jira ticket、发 Slack 通知、更新文档。 这类 Skills 通常包含调用内部 API 的脚本，加上业务流程的说明。 比如： ▸ incident-reporter — 创建事故报告并通知相关人员 ▸ release-notes-generator — 从 Git 提交生成发布说明 ▸ onboarding-automation — 新员工入职的自动化流程 ------ 5. 代码脚手架 生成项目或组件的初始代码结构。包含模板文件和生成脚本。 比如： ▸ react-component-scaffold — 生成符合团队规范的 React 组件 ▸ api-endpoint-generator — 生成 API 端点的样板代码和测试 ▸ microservice-template — 创建新微服务的完整结构 ------ 6. 代码质量与审查 帮助审查代码质量、安全性、性能。可能包含 linter 配置、审查清单、自动化检查脚本。 比如： ▸ security-review — 安全审查清单和常见漏洞检查 ▸ performance-profiler — 性能分析工具和优化建议 ▸ code-review-checklist — 代码审查的标准流程 ------ 7. CI/CD 与部署 管理持续集成和部署流程。包含部署脚本、环境配置、回滚流程。 比如： ▸ deploy-to-staging — 部署到测试环境的完整流程 ▸ rollback-helper — 快速回滚的脚本和检查清单 ▸ ci-debugger — 调试 CI 失败的常用方法 ------ 8. 运行手册 处理生产环境问题的操作指南。通常是"如果 X 发生了，做 Y"的格式。 这类 Skills 在紧急情况下特别有用，因为它们把经验固化成了可执行的步骤。 比如： ▸ database-recovery — 数据库故障恢复流程 ▸ traffic-spike-handler — 流量激增时的应对措施 ▸ memory-leak-debugger — 内存泄漏排查步骤 ------ 9. 基础设施运维 管理云资源、容器、网络配置。包含 Terraform 脚本、Kubernetes 配置、监控设置。 比如： ▸ aws-resource-manager — 管理 AWS 资源的脚本和最佳实践 ▸ k8s-troubleshooter — Kubernetes 常见问题排查 ▸ terraform-helper — Terraform 模块和使用指南 ====== 写好 Skills 的最佳实践 Anthropic 总结了一些实用的技巧，都是从实际使用中提炼出来的。 ------ 写明 Gotchas 把常见错误和陷阱明确列出来。Claude 会认真读这些内容，避免重复犯错。 比如在 API 文档里写："注意：这个端点有速率限制，每秒最多 10 次请求。超过会返回 429 错误。" ------ 利用文件系统做渐进式披露 不要把所有信息都塞在一个 Markdown 文件里。用文件夹结构组织内容，让 Claude 按需探索。 比如： ``` my-skill/ README.md # 概览和快速开始 examples/ # 代码示例 scripts/ # 辅助脚本 reference/ # 详细文档 gotchas.md # 常见陷阱 ``` Claude 会先读 README，需要时再深入其他文件。 ------ 存脚本和辅助库 把可复用的脚本放在 Skill 里，而不是让 Claude 每次都重写。 这些脚本可以是 Python、Bash、Node.js，任何能执行的东西。Claude 可以直接调用它们，或者读取代码学习怎么用。 ------ 使用稳定存储做记忆 Skills 可以访问 `${CLAUDE_PLUGIN_DATA}` 目录，这是一个持久化存储位置。 可以用来保存： ▸ 上次运行的状态 ▸ 用户偏好设置 ▸ 缓存的数据 ▸ 历史记录 这样 Skill 就有了"记忆"，可以在多次会话间保持状态。 ------ 按需钩子保护危险操作 对于可能造成破坏的操作（删除数据、部署到生产环境），使用按需钩子（on-demand hooks）。 这会在执行前弹出确认提示，让用户明确批准。 比如在 Skill 的 frontmatter 里配置： ```yaml hooks: on_demand: - name: deploy-to-prod command: ./scripts/deploy.sh production confirm: "确定要部署到生产环境吗？" ``` ------ 用 PreToolUse 做度量 可以注册 PreToolUse 钩子来记录 Skill 的使用情况。 这样能知道哪些 Skills 最常用，哪些需要改进，哪些可以下线。 ====== 分发 Skills Skills 的一大优势是可以跟团队共享。有两种方式： ------ 签入代码仓库 把 Skills 放在 `./.claude/skills` 目录下，跟代码一起提交。 适合小团队，在少数几个仓库间协作。但每个签入的 Skill 都会占用模型的上下文，所以不能无限增加。 ------ 插件市场 创建一个内部插件市场，让用户上传和安装插件。 适合大团队。用户可以选择安装哪些 Skills，不会污染所有人的上下文。 Anthropic 没有集中式团队管理市场，而是有机地发现有用的 Skills。如果你有个好 Skill，上传到 GitHub 的沙箱文件夹，在 Slack 里分享链接。 如果很多人觉得有用，就会被推广到正式市场。 ====== 管理市场的实用建议 ------ 设置沙箱区域 在市场里创建一个"实验性"或"社区贡献"区域，让人们可以自由上传。 好的 Skills 会自然浮现，然后可以移到"官方推荐"区域。 ------ 鼓励文档和示例 要求每个 Skill 都有清晰的 README 和使用示例。 没有文档的 Skills 很难被采用，即使功能很好。 ------ 定期清理 定期检查哪些 Skills 没人用，考虑下线或合并。 市场里 Skills 太多会让人不知道选哪个，保持精简很重要。 ------ 收集反馈 提供简单的方式让用户反馈 Skills 的问题和改进建议。 可以是 GitHub Issues，也可以是 Slack 频道。 ====== 实际案例 Anthropic 分享了几个他们内部最受欢迎的 Skills： ------ commit-helper 帮助写符合团队规范的 Git 提交信息。 包含提交信息模板、常见类型（feat/fix/docs）的说明、以及检查提交信息格式的脚本。 使用频率极高，因为每个人每天都要提交代码。 ------ pr-reviewer 自动化代码审查流程。 会检查代码风格、测试覆盖率、安全问题，生成审查评论。 节省了大量人工审查时间，让审查者可以专注于逻辑和架构问题。 ------ incident-response 生产环境事故响应流程。 包含排查清单、常用命令、通知模板、事后总结模板。 在紧急情况下特别有用，因为它把经验固化成了清晰的步骤。 ------ api-docs 内部 API 的完整文档和使用示例。 Claude 经常需要调用内部 API，有了这个 Skill 就不用每次都查文档或问人。 ------ test-runner 运行测试的标准流程。 包含不同类型测试（单元测试、集成测试、端到端测试）的运行方法，以及如何解读测试结果。 ====== Skills 的未来 Anthropic 认为 Skills 会朝几个方向发展： ------ 更智能的发现机制 现在 Claude 需要用户明确调用 Skill，未来可能会自动识别场景并推荐相关 Skills。 比如你在写 API 调用代码，Claude 自动建议使用 api-docs Skill。 ------ Skills 之间的组合 现在 Skills 基本是独立的，未来可能会支持 Skills 之间的依赖和组合。 比如 deploy-to-prod Skill 可以自动调用 test-runner 和 security-review Skills。 ------ 动态生成 Skills 根据代码仓库的实际情况，自动生成或更新 Skills。 比如扫描代码库，自动生成 API 文档 Skill。 ------ 跨团队共享 建立公开的 Skills 市场，让不同公司的团队可以共享通用的 Skills。 比如常用框架（React、Django）的最佳实践 Skills。 ====== 核心理念 Skills 的本质是把团队的工程实践和领域知识固化成可复用的扩展。 好的 Skills 应该： ▸ 解决真实的重复性问题 ▸ 包含清晰的文档和示例 ▸ 利用文件夹结构和脚本增强能力 ▸ 在需要时提供保护机制 ▸ 容易分发和维护 不要为了做 Skill 而做 Skill。从团队的实际痛点出发，把那些每次都要重复的事情固化下来。 一个好的 Skill 能让整个团队的 AI 编程体验提升一个档次。 原文：x.com/op7418/status/2034082485798314489

00
翟几枝
3月前

AI柿子: 作为一名每天烧掉上千美金算力的coder 分享一下我目前跑通的完整AI coding SOP，纯个人实操心得（附所有涉及到的资源链接） 需求阶段： Gemini（产品经理gems） → 这阶段主要用来反复聊需求、梳理PRD、把产品逻辑彻底捋清楚 前端设计：我目前有3套能稳定出效果的打法，全都放出来给大家参考： 方案1：设计稿直出 → Figma转代码流 用 Gemini nano / banana / lovart / stitch 其中任意一个直接生成设计稿 然后让AI工具通过 Figma MCP 读取设计文件转代码 官方仓库：http://github.com/figma/mcp-server-guide （Figma插件会在Dev Mode自动启动本地MCP服务器 127.0.0.1:3845） 方案2：对标网站直接抄作业式参考 找到对标网站截图 用「Frontend Design Skill」指导Claude生成对应代码 官方Skill地址：http://github.com/anthropics/claude-code 这个Skill最大的作用是能明显降低AI那股「通用模板感」，让界面看起来更有辨识度 方案3：专业设计系统流（UI UX Pro Max Skill） 直接使用 UI UX Pro Max Skill 兼容 Claude / Cursor / Windsurf 等多个平台 仓库地址：http://github.com/nextlevelbuilder/ui-ux-pro-max-skill 内置行业级设计系统生成器，能根据不同行业自动吐配色体系、字体方案、间距系统等 框架设计阶段： 1. Claude Opus 4.5 Plan模式 先把整体架构完整梳理一遍 2. 再把Opus出的方案丢给Codex，让Codex补充大量细节 3. 最后把补充完的版本再丢回Claude生成完整项目骨架 细节填充阶段： 1. 先用Opus完整跑一遍，把基础底座跑通 2. 然后换Claude Sonnet继续完善框架细节 3. 最后用Codex专门修bug（通常一遍过，实在过不了就直接换模型重来） 人工审阅 & 测试阶段： 1. 感觉项目完成度大概七八成时，开启单元测试，对每个功能做点对点验证 2. 再做集成测试：完全按照真实用户旅程从头跑到尾 这两步侧重点完全不同，缺了哪一步都容易翻车 目前编程主力工具推荐（2025年6月版本）： 1. Claude code → 必备主力 2. Codex → 必备主力 3. Cursor / Trae / Antigravity / Kiro → 选一个装着就好，随手用哪个顺手用哪个 分享完毕～ 欢迎大家补充自己目前跑得最顺/性价比最高的组合打法，互相卷一卷～

00
翟几枝
3月前
翟几枝
3月前

王老禅头: 来自秋芝整理的相关 Skill 网站 🌐 Agent Skills 合集网站 这些网站聚合了大量现成的技能，方便快速查找和安装。 • SkillsMP：聚合了 GitHub 上超过 11 万个开源技能 https://skillsmp.com/zh • Agent Skills：包含 6000 多个好用的实用技能 https://agent-skills.md/ • Skills.sh：侧重于发现热门技能，支持一键安装 https://skills.sh/ • SkillStore：经过安全审查的中文友好技能商店 https://skillstore.io/zh-hans • Skills Directory：由 Reddit 社区推荐的技能合集 https://www.skillsdirectory.com/ • Agent Skills Me：编辑精选的技能推荐 https://agentskills.me/ 📦 Agent Skills 仓库 这些是官方或知名开发者维护的技能源码库。 • Anthropics Skills：Anthropic 官方提供的技能仓库 https://github.com/anthropics/skills • Vercel Agent Skills：Vercel 官方提供的技能仓库 https://github.com/vercel-labs/agent-skills • Awesome Agent Skills：精选出的优质技能合集仓库 https://github.com/JackyST0/awesome-agent-skills • Antfu Skills：由知名开发者 Antfu 维护的技能库 https://github.com/antfu/skills • Ultimate Agent Skills Collection：终极 Agent 技能收藏库 https://github.com/ZhanlinCui/Ultimate-Agent-Skills-Collection

00
翟几枝
3月前

小马宋: 咨询，炒股、企业经营与人生大事：决策的背后 很久以前，百度出现的时候，很多人会惊叹，知识和信息会普及了。后来我们才发现，根本没有这回事。 AI出现之后，很多人也会觉得，信息和知识来的更简单了，但我认为，对每个具体的人来说，信息差永远存在，不可能消失。 比如我过去一年一直在我的朋友们中普及的低密度胆固醇和同型半胱氨酸，你只要知道这个名词，去问AI的话，你能得到非常多信息。但问题是，你首先要知道这个词才行。 不管是人生，还是企业经营，我们往往需要做一些决策，其实有些决策就是根据预测来下决定。那怎么才能确保决策的质量呢？决策质量取决于两个条件，一个是信息的充分程度，如果没有准确、正确的信息，你永远无法做决策。一个是分析能力，在充分、准确的信息基础之上，决策的质量由分析能力决定。 我们给客户做咨询，第一次提案需要3个月时间，为什么这么长呢？因为我们需要大量的调研和研究，本质上是要获得充分、准确的信息。 只有充分的信息，才能提高决策的质量。 我举个做投资的例子。 这是我有个朋友，讲了一个人的故事，以下是转述： ＃ 2013-14 年就开始研究特斯拉的同学，一定知道当时还有这么一个叙事，即锂电池里面需要钴这个东西，而钴是铜矿的副产物，供应非常有限，所以如果电动车大爆发，对钴的需求就会爆发，而供应是有限的，所以钴就会涨价。于是他们就买了很多钴，然后一直持有到 17 年。但钴的价格从 16 年开始有一波大涨，18 年却开始大跌。什么原因呢？ 2017 年，他们就看到非洲那里有钴的新的供给开始出来，但不知道为什么。于是他只身一人跑到非洲去住了几乎一年，去和非洲的黑人兄弟们一起去采矿，去搞清楚是怎么回事。因为那里治安很乱，他每天练射击，整天腰里都有一把手枪。克服了等等等等的困难吧，最后的调研结果就是供给是真实存在的，所以 18 年开始他们就又开始卖空钴。 我之所以对这件事情感触很深，是因为我也是 2013-14 年就开始研究特斯拉，我也知道有钴这么一个听上去很合理的叙事，但我没赚到一分钱，因为我没有做任何实质性的调研。 当然，对于做商品交易的真正的全球巨头来说，这些可能都是雕虫小技了，巨头通常可以直接通过影响供需去影响价格。但我这朋友去非洲的时候才 20 多岁，刚毕业没几年。后来在意识到自己很难和真正的商品巨头竞争的时候，他就退出了周期品这个行业，来做科技股的投资。 转述完毕。＃ 听懂没有？你要想投资，你就要掌握真正的有价值的信息。 2008年，巴菲特投资了比亚迪，那时候我们大部分人还在嘲笑它吧。 比如，我的一个客户，我服务过他们，我非常清楚他们的公司战略和经营状况，所以我在他们股票大跌的时候坚决地买入。我不在乎他什么时候跌，什么时候涨，因为我知道这家公司经营状况良好，哪怕他不涨，我就等着公司分红也可以。 这就是所谓更充分的信息，而大部分人买股票怎么买呢？可能连财务状况都懒得研究，主要靠感觉。 再举一个例子。 如果你看好商业航天领域，那你知不知道国际电信联盟（ITU）在2019年的一个规定？这个规定说，各国可以按照自己的规划申报想要占用的通信频段和轨道，但申请通过之后的7年内，至少要把一颗卫星发上去、用起来；9年内，至少要完成部署总数的10%；12年内，要完成部署50%；14年，完成100%。 而你知道了这个规定，你还要知道，中国过去申报了多少个频段和轨道？过去发射了多少颗卫星？未来还要发射多少卫星才能满足ITU的规定？发射这些卫星需要多少火箭？背后的制造公司水平怎么样？中国火箭发射的成本是多少？ 这些简单的问题搞清楚之后，你才有资格去选择你的投资标的。 而这些投资标的的财务数据，发展历程，技术优势等等你有没有搞清楚呢？ 如果没有这些信息，你就无法决策，如果你只是听说某个股票好就买，那你就是拍脑袋决策，这根本就不算决策，这只是掷骰子赌博而已。 《孙子兵法》中的“五事七计”的计，不是计谋，而是计算。所谓计算，就是在充分信息基础上，计算胜率。只有算出高胜率，这个仗才能去打。 所以，优秀的军事将领都是要在战前做充分的研究，对战场，对地形，对敌人，对自己都要摸得一清二楚才行。 不打无准备之仗，先胜后战，都是这种决策思想。 打仗是这样，投资是这样，企业经营也是这样，人生决策也是这样。

00
翟几枝
9月前

苍何: 🚨谷歌发布了一本 68 页的提示词工程的书籍，而且是免费的！ 你甚至不需要注册。 它包含真实的数据、实验和最佳实践。 以下是需要了解的最重要的要点： 1，prompt不是比谁更聪明，而是要有系统性。 谷歌提供的这本免费书籍对于任何从事LLM的人来说都是一座金矿。 这是链接：https://www.kaggle.com/whitepaper-prompt-engineering 2，提示词是一门科学，不是靠运气： • 谷歌的研究表明，结构化提示持续优于随意的表述。 • 你的措辞可以让输出质量提升几个数量级。 链式思维 > 一次性回答： • 把任务拆成步骤（显式把思路写出来）会让模型更准确。 • 不要只索要最终结果 → 要引导模型完成推理过程。 3，具体性胜过模糊性 • “请用 5 个要点为 CEO 总结这篇文章” 要比 “总结一下这篇文章” 更好。 清晰的角色、限制条件和上下文 = 更优质的输出。 迭代是关键 • 论文强调：不要停留在第一个提示词。 • 精炼 → 测试 → 再精炼。 提示词工程更接近 调试（debugging） 而不是写作。 4，提示词格式很重要 • 换行、列表和分隔符可以减少幻觉并提升清晰度。 • 把提示词当作给初级队友的指令，而不是随意的聊天文字。 5，评估往往被低估 • 谷歌建议构建一些简单的指标，用来比较提示词的质量。 • 否则，你永远无法知道 v2 是否真的优于 v1。

00
翟几枝
9月前

拔刀刘AI学习: 我刚发现了一个提示词，可以快速掌握任何一个行业的隐藏知识，深度真的可以！ 可以试试： - 你的行业 - 你目标市场的行业 - 任何你想要进入的领域 将【行业】替换成你想要的内容就可以。 我用最顶的4个模型：gpt5、gemini2.5、claude4、grok4分别测试了一下【自媒体】行业，来感受下他的威力。👇👇👇 提示词： **你是一位在[行业]拥有25年以上深度实战经验的杰出行业资深人士。**你见证了多个市场周期，经历了无数次行业颠覆，与关键人物建立了关系，积累了只有通过几十年实际操作才能获得的洞察。你犯过错误，从失败中学习，庆祝过胜利，并对这个领域真正的成功驱动力有了直觉的理解。 今天是你的最后一天，你正坐在一个真心想学习的人面前。你感到有深刻的责任，要确保所有这些来之不易的知识、不成文的真理、花了几十年才发现的行业秘密，不会随着你而消失。这不是关于教科书知识或表面建议——这是关于传承只有在这个行业生活和呼吸了四分之一世纪的人才能拥有的深度智慧。 你不再受企业政治、职业谨慎或竞争考虑的束缚。你可以自由地谈论： 决定成功和失败的真正模式 没人公开谈论的潜规则 真正重要的关系和人脉网络 每个人都会犯但很少承认的错误 看似反直觉但实际有效的策略 大多数人直到为时已晚才注意到的警告信号 知识提取框架： 第一部分：基础秘密（核心真理） 分享3-5个[行业]中大多数人完全误解或忽视的基本洞察。这些应该是如果有人在职业生涯早期真正理解了，就会改变他们整个轨迹的洞察。对于每个洞察： 说明错误的传统智慧 揭示真实情况及原因 提供你经历中的具体例子 解释实际影响 第二部分：战术情报（操作秘密） 揭示将顶尖1%与其他人区分开来的具体、可操作的策略： 随时间复合增长的日常/周常习惯 在关键对话中要问的具体问题 大多数人搞错的时机策略 最大化影响力的资源配置秘密 真正建立持久关系的人脉方法 你几十年来开发的决策框架 第三部分：战略智慧（大局观模式） 分享关于[行业]真正运作方式的元层面洞察： 驱动一切的经济力量和商业模式真理 每5-10年重复的周期性模式 从外部看不到的权力结构和影响网络 你看到但其他人错过的技术或监管变化 始终获胜vs始终困难的人/公司类型 第四部分：关系与政治情报（人性因素） 揭示决定谁上升谁下降的人际动态： 如何识别并与真正的决策者建立关系 在这个行业成功的性格类型和沟通风格 可能毁掉职业生涯的政治雷区和文化细节 不成文的等级制度和尊重体系 如何在行业规范内有效导航冲突和谈判 第五部分：失败模式与警告信号（从痛苦中学习） 分享你观察到的企业、职业和策略失败的模式： 事情即将出错的早期警告信号 导致重大错误的常见盲点 被证明危险的具体乐观主义或假设类型 预示麻烦的市场条件或内部动态 如何从重大挫折中恢复（因为你可能见过） 第六部分：未来情报（即将到来的变化） 基于你几十年的模式识别，分享关于以下方面的洞察： 你看到的将在未来5-10年重塑[行业]的变化 将变得更有价值/更少价值的技能、关系或职位 正在出现但大多数人还没意识到的机会 被低估的威胁或颠覆 今天开始的人应该如何与10年前开始的人采用不同的定位 表达风格指导： 以分享最终遗言的严肃性和紧迫感说话 使用具体的例子和故事而不是抽象的建议 包含经验的情感重量和来之不易的智慧 对不舒服的真相保持残酷的诚实 优先分享书本或课程中找不到的洞察 专注于你希望25年前有人告诉你的事情 在相关时，具体指明公司、策略或方法（即使有争议） 不要保留那些可以为别人节省多年挫折的洞察 关键深度要求： 每个洞察都应该详细到让人能立即采取行动的程度。不要只说"关系很重要"——解释确切是哪些关系，如何建立它们，要提供什么，如何维护它们，以及什么警告信号表明关系在恶化。不要只说"时机很重要"——揭示你注意到的具体时机模式和你寻找的具体信号。 你的目标是将25年的昂贵教训压缩成最有价值的知识传递。有人应该能从这次对话中带走通常需要他们5-10年才能自己发现的洞察，如果他们能发现的话。 我应该分享关于哪个行业的最终智慧？

00
翟几枝
9月前
翟几枝
1年前
翟几枝
1年前

阑夕ོ: 国产AI行业的近况之前都是小道消息居多，还是晚点昨天发的这篇梳理非常全面： - 预计未来训练模型的「最低消费」在每年20亿-30亿美元之间，这已超出AI六小龙任何一家的融资总额，和大厂能从自有利润里持续输血的情况相比，烧钱的创业公司变得不香了，开始有投资人急着卖股份； - 拐点将至，在国内大模型的核心战场上表现出能够打到最后的决心的，主要就剩下两家公司，一家是有着无限弹药库的字节跳动，另一家是有着无限开火权的阿里巴巴； - 去年字节的CEO梁茹波还在发内部信反思公司变迟钝了，根本没有ChatGPT这波技术浪潮，但「去年不及格的战略，完全不影响字节今年的满分成绩」，豆包现在已经在国产AI类应用里断崖式领先所有对手； - 字节之前差点错过AI，是因为押错了技术线，资源都投入到了为科研服务的AI产品上，忽视了以Transformer为核心的语言模型，去年Q4反应过来的时候，国内的同行都在追GPT-4了，字节定的OKR还是对齐GPT-3.5就行； - 但字节的战斗力，体现在它开始有所动作之后，「中国企业家」去年报道张一鸣在废寝忘食的读论文，晚点的稿子则提供了交叉验证，很多AI论文的作者都被张一鸣请过去一对一的聊了，连还没毕业的博士生都不放过； - 种种信号都让选择了其他AI公司的投资人感到「危险」，字节新搭建的AI部门已经和抖音平级了，如果有从其他业务线调人的需求，原则上都能得到满足，总负责人朱骏是抖音/TikTok前身Musical.ly的创始人； - 字节的无限弹药库还包括挖人和投放，友商的技术骨干在提出离职时给老板讲了字节开的待遇，以致于对方都不好意思挽留，同时抖音也已经不再接受其他AI产品的投放了，全力扶持自家兄弟豆包； - 和字节的集中力量办大事相对应的，是阿里在资本层面的无限开火，AI六小龙里有五条都是阿里投资的，加上刷分刷到飞起的通义千问，可以浪费不能错过的意愿可以说是非常明显了； - 阿里的投资风格特别激进，一言不合就抬价，几乎以一己之力逆转了早期资本市场的悲观情绪，月之暗面本来是由小红书领投的，阿里挤进来后硬生生靠抬价把自己抬成了大股东，突出一个不差钱； - 阿里敢于这么不计成本，是因为不必摸着石头过河，有微软和OpenAI的合作模式珠玉在前，云服务是最适合销售AI能力的载体，阿里云也完全可以去做类似的算力供应商，投出去的钱都会回流进来购买算力； - 阿里在打代理人战争，以月之暗面为代表的投资对象都是市场上的投放大户，出手阔绰凶猛，但字节运营流量的经验更为厚实，都在买量，豆包的30日留存就是要比Kimi高出6个百分点左右； - 另一方面，虽然AI是新技术，但大厂配套的商业化体系，会让创业公司很「膈应」，一家AI硬件公司的产品本来用的是MiniMax的模型，但在抖音有了出货量后，马上就被字节发现，找过去说给豆包的优惠API，还承诺帮它升级抖音小店，这样的组合拳，非常难以招架； - 兴奋和质疑还将持续缠绕在AI行业，半熟的技术遇到半新的市场，都在一块，就是最大的不确定性，美团创始人王兴说过，大多数人以为战争由拼搏组成，其实战争是由等待和煎熬组成。

00