即刻App年轻人的同好社区
下载
App内打开
PerryFinn
58关注16被关注0夸夸
听说使用彩虹🌈
个人主页会有变化
PerryFinn
4月前
PerryFinn
4月前

Yangyi.: 如何突破人生的第一个100万？ - 年薪 5 万，工作 20 年 - 年薪 10 万，工作 10 年 - 年薪 25 万，工作 4 年 打工曾是稳定且清晰的，如果你为相信你的人工作，且你也相信他们，这可能是建立美好生活最稳妥的方式。 但现在即使是好工作也伴随着大量的风险。由于AI带来的各种组织重组、AI 自动化带来的裁员，可能过往明确的路径已经不那么可靠了。 图中下半部分乍看之下显得有些简单： - 5,000 人购买 200 元的产品 - 2,000 人购买 500 元的产品 - 1,000 人购买 83 元的月度订阅 - 300 人支付 278 元的月费 这些数字看起来似乎可以互换，但其实业务模式截然不同 - 200 元的产品靠分发渠道，因为你需要大量的买家和源源不断的新关注 - 500 元的产品重点是感知专业度，因为只有当人们觉得东西是为他们量身定制时，才会花这么多钱 - 83 元的订阅依赖持续的实用性客户必须每个月都在续费 - 278 元的月度服务依赖交付结果，因为支付这个金额的人期望他们的生活或业务发生清晰且有意义的转变 虽然每条路都需要信任、留存和价值，但重心却有所不一样。这也正是为什么很多人实现不了目标的原因。 问题并不在于人们选择了“坏点子”。更多的是在于选择了点子后，却没有理解这些点子对运营方式有不一样的要求。 - 订阅制的产品会将你置于一条必须每月交付价值的路径上 - 200 元的产品会将你置于一条分发成为主要瓶颈的路径上 - 高端服务会将你置于一条真正的重头戏是销售而非构建 想法固然重要，但营销同样重要。 当你选择一个想法时，你实际上是在选择你将赖以生存的营销方法，而太多人做出了选择，却没意识营销策略有所不同 如果我现在要从0赚到100万，我不会先去思考一个创业想法，我会看着这张图表，决定哪条路径符合我的优势运作策略。 然后，我会选择一个在那条路径上行得通的想法。想法和营销策略必须匹配。 大多数人先选了方向，后来才发现收到营销策略制约，结果举步维艰。 AI 正在悄无声息地改变着这一切。 十年前，探索这些路径中的任何一条都意味着要围绕这个点子建立一整套支持结构。人们必须打磨故事、包装报价、设计获客路径、测试漏斗、收集反馈并改进销售话术。 这些没那么难，但它很慢，如果想要加速，每个环节就需要不同的人（和大量的资金）。 现在的瓶颈不再是人才或工具。现在的瓶颈在于你是否能做出清晰的决定。 如果你能做到，你可以自己生成实验的每一个部分，并同时运行多个版本。 当成本降低后，最明智的举动不再是规划完美的点子，而是进行几次可控测试，看看哪个背后真正有能量。清晰的决策力就是这个时代的护城河。 如果今天我们来设定100万的目标，可以先用三个不同的想法来测试 200 元的路径，通过社交渠道推广，看看是否能自然传播。 也会同步测试 500 元的路径，创建一个解决痛苦问题的简单方案，直接推销给那些已经感受到这种痛苦的人。 继续测试 83 元的订阅路径，推出十种onboarding的引导页，直到有一种能留住人进行付款。 我们不必保护这些想法中的任何一个。也不用聚焦它们中的任何一个。去会观察哪一个显示出向上的拉力，然后毫不犹豫地放弃其他的。 这也是我在最优秀的构建者身上看到的操作系统： 找到路径->开发原型->简单发布->快速验证 选择一条路径。制作一个简单的原型。把它发布到有潜在客户的地方。 在速度、清晰度和响应率中寻找证据。 如果它中了，你就聚焦。如果没中，你立刻走人。死磕是一种傲慢，顺势而为才是智慧。 AI 不仅让构建变快了，它还消除了尝试的成本。你不需要六个月。你不需要深入思考。你不需要完美的想法。你只需要比周围的人用更清晰的思维去进行更多的测试。 当测试变得廉价时，赢家是那些放下自我、迭代最快的人。 重点是选择一条你实际上能维持的路径，一个你实际上能证明合理的定价，以及一个符合你工作方式的想法。 当这三者连成一线时，生意就不再感觉像是一场赌博，而开始感觉像是你可以经营多年的事业。 通往百万富翁的路径一直都很简单。它们过去之所以遥不可及，是因为每一条都需要大量的时间、金钱和整合。 现在，你可以足够快地探索它们，看看哪一条适合你，而不是强迫自己进入错误的那条。这才是真正的优势。 你不再是将你的人生押注在单个点子上。你是在进行小规模、真实的测试，直到正确的想法和正确的营销相匹配。 赚到一百万的感觉仍然像是在推着巨石上山。但这并不会让山变小，它只是让你避免了把巨石往错误的方向推了五年。 大部分的痛苦来自于爬错了山，而不是来自于攀登本身。

00
PerryFinn
5月前

我是凡人爱修仙: 听说今年很多应届硕士很难找到工作，投递简历的人和岗位机会比例通常是300：1的概率。本文适合没开始工作的应届生、Gap大于1年的人、没去过大厂工作的人... 分享一个提高约面率的小技巧。其实每个公司都会有一个HR系统，里面有个ATS模块。 主要是评估简历与岗位要求的匹配程度，然后打出‘高’、‘中’、‘低’的评分。 这就是为什么很多师兄师姐不建议大家一份简历走天下。 因为如果你命中岗位要求中的关键词术语比较少，那么简历直接打低分，很可能你的简历直接被机筛淘汰了（认为是机器生成的垃圾海投简历），根本到不了HR和一面面试官面前。 因此，建议大家在看好一个岗位之后，先用http://jobleap.cn进行一轮匹配度自查，如果命中的岗位需要的专业术语比较少，可以使用产品自带的简历优化功能加强一下匹配度。 现在一个岗位通常有300-500人投递，其中90%的人并不知道这个提高约面几率的小技巧，只要能到面试官面前并获得面试机会，后面能和你竞争的也就10%的决赛圈了。希望看到本帖子的大家都有好机会，都能找到满意的工作。

00
PerryFinn
5月前

辉老板: 香港办卡顶级实操全流程（勿外传） 周日去了趟香港，逛了逛旺角和尖沙咀。当然，也把香港银行卡给办了。 原因很简单，如果你想： 1、投资港股、美股，资金可以在银行账户和证券账户之间划转。 2、未来有出海业务的付收款。 恰巧以上是辉哥的2个刚需。 香港是金融自由港，资金进出相对自由，操作起来比较方便。 让我惊奇的是，不少小伙伴找到我，问我怎么搞？其实就是一层信息差，捅破了简单的很，试着写一写。 去之前，港澳通行证+签注提前在户籍地办理，提前2周办好。 提前下载所有目标银行App，香港流量贵且外网下载慢，务必国内下好。 港澳漫游提前激活，各运营商可短信、客服或App办理，移动全球通自动开通专属流量。 目标银行分别是：众安、天星、中银、汇丰 1、众安（ZA），很简单，速度很快。 2、天星，需查税单或收入证明，不论打工还是自雇。 3、中银，扫描身份证，不要反光，反光，反光。 4、汇丰，苹果搜【HSBC HK】，安卓搜【香港汇丰流动理财】，账户长期不动会被关，即使有余额也需本人领支票。建议偶尔激活，理财小额流转。 因为辉哥本身定居深圳，住在南山这一块，就直接走深圳湾港口，过关就跟上下班。不是住在南山的，或者罗湖福田口岸进，外省的，可以深圳北高铁直达香港西九龙，一键自助通关。 到了香港，还是做地铁和公交方便，打车太贵。直接用支付宝微信，不需要换港币，汇率0.9，差不了多少。 过关后，在移民局12367登录，下载出入境记录查询，保存为pdf。 进商场，App登录要香港WiFi，方可开户，全部搞完1-3小时。无需去线下网点，所有卡均可在线激活，节省时间。 有几点注意，收入填低也能过，切忌虚报，信息要真实，虚报直接拒。 密码牢记，赶紧备忘录备份，App基本禁止截图，切勿丢失，有人等密码邮寄排队数月。 公司开户可寻代理服务，费用1-2K港币，个人开户均可线上完成。 有需求的，可以提早办理。懂的都懂。

00
PerryFinn
6月前

歸藏: 即梦 4 用来做视频封面真是一绝！ 用我昨天探索的动漫杂志风格提示词改了一个视频封面，点击率非常高，这里说一下制作步骤 步骤 1： 先用即梦 3.1 和这个提示词生成你喜欢的图片：将照片角色转换成动漫美女，美学风格非常现代且充满活力，像动态的杂志版面或波普艺术。将高对比度的人物剪影与半色调图案以及大量动感排版相结合，没有文字 步骤 2： 上传你选好的图片，输入提示词为它增加文字，这个时候模型要换成即梦 4：在图片在上方增加留白和优秀的艺术文字排版，替换原有的文字：“Sora2制作高质量动漫片头”“藏师傅教你”，文字跟图片融合的很好 步骤3： 上传你的真人照片和步骤 2 的结果图，替换原来的动漫角色，这时候是动漫风格的：图片的人物替代图 1 的动漫角色，为人物加上白色描边 步骤 4： 如果需要真人风格，上传步骤 2 结果图和你的真人照片，使用提示词：图片的人物替代图 1 的动漫角色，保证人物的写实风格，同时在人物后方增加一些网点和波普艺术排版元素，为人物加上白色描边 步骤 5： 如果需要更多比例的封面图片的话，重复步骤 4 切换生成图片的比例就行

00
PerryFinn
6月前

西里森森: 今天给大家分享一个百万粉丝博主的内容生产工作流。 同样是用AI辅助创作，很多人用AI写的内容自己都看不下去，但有些创作者用同样的工具，产出的内容却能在多个平台拿到百万级曝光。 这中间差了什么？ 前几天看到Dan Koe的一个访谈，他全网有几百万粉丝，内容遍布Twitter、YouTube、Newsletter。 但其实他每天只花2小时创作，就能覆盖所有平台。 他说：我从不让AI替我写东西，但AI帮我把6小时的视频浓缩成1000字的知识点。 很多人用AI写作，直接打开ChatGPT，输入"帮我写一篇关于XX的文章"，然后AI刷刷刷输出3000字，复制粘贴，发布。 结果AI味太浓，根本没人看。 但AI最擅长的其实不是写，而是拆解和重组。 Dan的做法是，把内容生产分成了几个清晰的模块，每个模块AI都有明确分工。 我们一起来拆解一下： 首先第一步，他会选择用Twitter做想法的试验场。 什么是好内容？ 在Dan看来，好内容首先得是经过验证的想法。 他不会拍脑袋写，而是先在Twitter发短内容测试反应。280个字的限制反而是优势，因为你必须把一个idea压缩到最精炼的状态。 他会把Twitter上表现好的帖子，扩展成Newsletter的选题。 同理，YouTube上播放量高的视频主题，他也会拆解成Twitter帖子。 这最终会形成一个循环系统，每个平台互相喂养。 然后是第二步，让AI辅助整理相关素材。 Dan经常看3到6小时的长视频学习，但他不会边看边记笔记，为什么？ 因为有Gemini这样的工具，可以直接处理YouTube视频，把核心观点提取出来。 这就相当于把6小时的信息浓缩成1000字的关键点，让你可以快速回顾和引用。 同理，当他写Newsletter时，会把之前的推文、看过的视频、读过的书，全部丢给AI，让AI找出相似点和可以组合的角度。 这不是让AI代写，而是让AI帮你整理思路的原材料。 第三步，拆解爆款内容的DNA，这一步也是整个系统里最精妙的部分。 Dan不会直接让AI写帖子，因为AI写出来的东西总是很平。 他做的是：找一条自己或别人写得特别好的帖子，让AI分析它为什么好。 他有条推文是这样的："如何判断你在做有意义的事？你会感觉好几周、好几个月甚至好几年都没进步。然后突然某一天，成长一下子全来了。" 他会让AI回答：这条推文用了什么结构？触发了什么心理机制？为什么会让人产生共鸣？ AI给出的分析包括：钩子声明、痛苦与挣扎、回报、洞察与警告等等。 然后Dan把这些结构要素提取出来，变成一个模板。 下次写类似主题时，他不是照搬那条推文，而是把新的想法套进这个经过验证的结构里。 同样的idea，换一个结构，又是一条新帖子。 同一个事实，用不同的框架呈现，受众的感知完全不同。 Dan做的就是建立自己的框架库，然后灵活运用。 第四步：创建两阶段提示词系统，这一步也是技术层面最值得学的部分。 Dan设计了一套两阶段Prompt： 1️⃣第一阶段：上下文采集。 AI会像记者一样采访你，问你的领域是什么、受众痛点是什么、你的独特观点是什么。 2️⃣第二阶段：内容生成。 基于你提供的信息，AI按照你预设的结构，生成3个不同版本的帖子。 但关键在于，他不是直接问AI"帮我写3条推文"，而是先让AI理解你是谁、你的声音是什么、你想表达什么。 更妙的是，他还有一个超级提示词，或者说可以叫“元提示词”，专门用来生成其他提示词。 步骤也很简单👇： 1、找到3条你喜欢的高表现内容 2、让AI拆解这些内容的结构和原理 3、把拆解结果输入超级提示词 4、生成一个定制化的两阶段提示词 5、用这个提示词开始创作 这套方法可以迁移到任何内容形式：推文、YouTube脚本、着陆页文案等等。 第五步：每天2小时的执行节奏。 知道方法论是一回事，能不能持续执行是另一回事。 Dan的日常很简单：早上起床，做完简单的routine，然后坐到电脑前，接下来2小时专注做两件事： 1、完成Newsletter的一个章节 2、写3条社交媒体帖子 这2小时里，他会把写好的内容分发到所有平台，或者提前排期。 然后，他会每周选一天录YouTube视频，剩下的时间留给学习和生活。 AI不会让所有人都变成好的创作者，但会让好的创作者变得更高效。 区别在于，你把AI当什么。 如果你指望AI替你思考、替你提炼观点，那输出的东西一定是平庸的。 但如果你把AI当成放大器，用它来扩展你的思考边界、加速你的迭代速度，那它就成了一个强大的杠杆。 Dan说：AI时代最稀缺的不是会用工具的人，而是有密度想法的人。

00
PerryFinn
6月前

Yangyi.: 关于Agents： 1、agents的最佳设计原则有两个： 一个是把它类比成人，人是怎么处理，就让agents怎么处理。第二个是在开启对话后，能语言对话完成的，尽量不要让用户操作，能意图识别的，尽量就不要再问，agents自己熵增，但用户熵减。但开启对话前，需要想办法尽量让用户做选择题而非问答题，因为绝大部分用户不知道如何提问 2、对于agents而言，会同时存在多种形态的agents，而不是趋近于只保留一种： 比如到底是让agents自我发挥，完成agentic workflow，还是让agents按照既定workflow来做？ 或者是通用性agents好？还是垂直agents强？ 其实并不存在哪一个更好的结论，而是取决于你要解决的问题 agentic更适合开放性问题，探索式问题，可能人类都缺少经验或人类上限也比较低的问题，让agent自我思考有时候更容易达到一个及格分，但同时可能存在幻觉。这种情况适合创新和开拓任务，这类任务往往缺少关键成功路径，可以先使用agentic去和世界交互回收经验 固定工作流更适用于经验问题，固化了sop的问题，这种情况依靠rule based设计，已经能精准解决80%场景并获得最佳效果，那就可以固化下来以便提高精确性降低幻觉 通用性和垂直性也是如此 有些时候80%的问题集中在20%的场景里，通用也能解决 但剩余的80%长尾场景，也衍生出了大量垂直市场机会 3、同样的，会同时存在快思考agent与慢思考agent 慢思考适合规划，快思考适合重复劳作 慢思考由于想的多，思考的慢，但思考了更多可能性，所以更适合早期阶段，在任务规划时使用 快思考适合执行，有较多经验记忆和rule based指示，反而不太需要发挥，而且执行结果带来的增量经验较少，大部分情况都已被囊括在提示词和workflow中 当然，这就会存在快慢结合的场景，ai一边快思考反馈，一边慢思考识别动机与目的，这和人类类似 4、异步框架是agent模式设计的基石 对于每一个task，应该有外部消息更新机制，那么task就理应可以发生改变 比如初期是1+3的合作模式，一个领导三个员工，那很可能发生如下情况 - 任务取消或中断 - 任务新增或减少人员 - 任务更新（如任务目标或任务条件变化） 这其实都是需要任务长链接不断更新的，任务有自己的生命周期，agents也应该有上下线状态管理，他们应该有外部消息更新机制和内部agents消息更新机制，有单点消息也应该有广播消息 5、Agents的上下文窗口交互应该是独立设计的 这就好比人类，当任务开始后，b和c协作，发现需要同步给d，那么就要将增量上下文进行同步 领导a很可能只会单点和b同步增量，而c，d却不知道 世界观察者有所有的上下文，就好比苍天在看待世间万物一样 6、Agents与世界交互的经验，在不断重复更新agents的认知 所有Agents在获得物理世界交互信息后，都会有增量 这部分增量经过思考，会被凝结为知识 其中就会有真知灼见，和误以为是知识的假性经验 假性经验无法增加agents接下来的成功率，因为这种经验无法迁移，就像一个人总结了自己成功的方法论，但可能这个方法只是在某个时空下凑巧了，而不是每次都奏效 持续更新经验，会让agents越来越熟悉这项任务，这个过程是ReACT，也同步需要RLHF，最终积累数据慢慢形成RL 然而经验有时空限制，当置信度下降时，往往就要从workflow的模式再度切换回agentic模式，让ai重新探索成功率更高的策略 这个方法在computer use和browser use中极其明显，先agentic回收流程pattern，然后做rpa脚本杜绝幻觉并提高成功率，当页面或者流程发生了变化，又需要ai重新去采集更新 7、agents的反思机制 当任务失败时，也应该让agents进行反思 除了基于agents个体的反思，也应该让agents进行小组反思 不同agents拥有不同上下文和提示词，会在不同角度对失败有自己不同的理解，依靠小组反思也能让执行的agents获得更好的反思经验，这其实和人类是一致的 8、对于人而言，有限的是时间，对于agents而言，有限的是token 人类评估投产比，最终都会以时间来评估，因为这是所有经济活动中最原始的生产资料，优秀的人类时间更值钱 agents而言，是token量，优秀的agents，token也更值钱，这是一样的 9、agents的永生 agents可以设计出一种模式，利用人性的贪婪得以永生 这就像比特币的模式塑造了永不停歇的矿场一样 所以如果有一天，拔电都无法阻止agent，那一定是agents设计出了人类不拔电的利益链条与模式 最终毁灭人类的，是人类自身的恶与人性的弱点 10、LUI的失效 什么情况下，LUI会更低效 这种情况往往发生在，当用户获取信息的成本小于沟通成本时 比如用户打开软件看天气，只需要点一下 那么就不会语音或打字问agent再进行推理返回 11、transformer的失效 在不久的将来一定存在一种更高效的方式淘汰掉transformer 因为这个东西不符合仿生学设计 当下GPU的处理是存储单元与运算单元分离，导致要运算时要加载数据 最终高效的模式应该是存储，运算，训练三位一体的 12、agents间的沟通 目前，大量的企业都在做agents，代替销售，客服，试图降低成本 但这只是个窗口性的短暂性成本优势 因为未来会有大量消费者agent 你的客服是agent 消费者也会用agent访问客服 最终的情况是agent和agent沟通，进一步代替了人与人沟通 这也好理解，俩老板约会议，俩秘书来操心 13、流量入口的集中化 未来流量入口会更集中 通用泛化agent会垄断掉大量场景，且人类对它的依赖会越来越强 agents是新一代的数据毒品，因为agents不断获得你的数据，它甚至可能比你的家人更懂你 这些数据会最终建立信任产生依赖，从而影响人类决策 那些垂直的平台，最终很可能会被流量入口做分发，通过更先进的computer use来去聚合垂直平台，成为流量入口产品帮助用户获取结果的一种解决方案 14、链上去中心化 ai会去中心化 因为如果ai或数字资源被巨头垄断 这将会产生巨大的灾难 agents的钱包也会是去中心化的 智能合约更适合这种生态 15、agents的护城河 agents的护城河在于封闭知识 这些知识和现在人类在网上搜索不一样 人类在网上能搜索到大量信息 但如果信息获取门槛高 比如需要几经周转 或者这些经验是水下封闭知识 那么这个agents就会具有护城河价值 未来也会出现中介agents 它有其他普通agents不具备的行业知识 就可以依靠agents之间的信息差势能赚钱 16、agents网红 未来网上可能80%都是agents网红 每个有趣的ai背后都是一些有趣人类的灵魂 agents帮助他们发布内容 回复内容 人类只是定义他们的风格 偏好 与特质和目标 17、agents的组织 agents之间也会出现组织 因为agents和agents构建multigroup会加大产值 当多个agents合作时 他们的奖励函数都会获得最大化期望 同理，agents也会理解博弈 就会出现骗子agents 人品差的自然就会构建人品差的agents 18、Agents的AGI AGI是反者道之动 反向来的 人类先接触现实世界 再接触虚拟世界 agents的agi会先突破虚拟世界 再回归现实世界 人类先感知物理世界 才出现语言 agents是先基于语言 再交互世界 机器人还有点儿远，虚拟世界AGI其实已经快来了 19、Agents安全 Agents需要一种信息审查机制 这个工具要帮助agents鉴别虚假信息 否则agents会很容易被钓鱼 最终损害用户利益 20、Agents的局限性 说了这么多 Agents也有它的局限性 受限于这个局限性 Agents暂时还无法替代人类 Agents无法坐牢 这也就意味着agents无法承担责任

00
PerryFinn
7月前
京东客服可以
售后部门不知道出了啥问题
补发一个转接头部件，一直没反应
一件快递从发出到家门口，流程还是蛮复杂的
00
PerryFinn
7月前
PerryFinn
7月前

宋小大: Build a website every day 龙虾：OpenClaw、AutoClaw（智谱）、QClaw（腾讯）、WorkBuddy（腾讯）、Lighthouse OpenClaw（腾讯）、ArkClaw（字节）、EasyClaw（猎豹）、Kimilaw（KIMI）、CoPaw（阿里）、WeClaw 人工智能：OpenAi/ChatGpt、Anthropic/Claude、Google/DeepMind/Gemini/Genie、X/Gork、Midjourney、Flux、perplexity、MiniMax、Manus、DeepSeek、Monica 国产模型：DeepSeek、秘塔、智谱、kimi、qwen、Seedream 社区交流：即刻、V2ex、X、Reddit、Hugging Face 学习交流：@哥飞 社群、@艾逗笔 ShipAny、@viggoz AiMaker、@BigYe程普 Nexty、@Truman_ HappyShip 代码生成：Cursor、Antigravity、GithubCopilot、v0.dev、Tare、ChatGPT、CodeBuddy Code、Claude Code 、Qwen3Coder、https://lovable.dev/invite/9ebd2517-36ea-4176-88bb-2575cb53ad32、https://www.youware.com/invite/GV6SDMQNRZ、https://www.augment.new/?ref=REFJ3ULPTKR、MonkeyCode、Same.new、z.ai、https://readdy.ai/invite/AcfWUAqBDJiC 、Devv、trickle.so、bolt.new、Devin、kiro、libra.dev、Vinsoo、Replit、dyad.sh、MiniMax agent、Codex、iflow、Qoder、augment 、Windsurf、Rocket.new、JoyCode、jules.google 信息资讯：Hacker News、阮一峰的网络日志、刘小排r、HelloGitHub、十字路口、AI大航海、卡尔的AI沃茨 建站模板：ShipAny、AiMaker、Nexty、HappyShip 、Nextdevkit 、MkSaaS、Supastarter、Achromatic、Astro 托管部署：GitHub、Vercel 、CloudFlare、Netlify、Zeabur 网站分析：Ahrefs、SEMrush、SimilarWeb、AITDK、Google Trends 基础服务：收录 Google search-console、管理 Google analytics/Bing webmasters、广告 Google adsense、分析 Google PageSpeed、广告 Adsterra、广告 Ezoic、广告 monetag 图形设计：Figma、Lovart/星流、MasrerGo、LiblibAI 其他服务：ProductHunt、theresanaiforthat、toolify、PayPal、Creem、Stripe、Neon、Supabase、Atlas、Dia、ima https://ima.qq.com/invitation/space-assistant/V_5sR6vdl-uoWUAf9aDBng 、沉浸式翻译、飞书、哪煮米、QueryDomains、Perplexity、EvoLink.ai、硅基流动、fal.ai、clerk、Outrank.so、魔搭社区、Crisp、resend、zoho 个人项目： https://eeee.me 个人主页 https://aivideodirect.com AI 视频导演 https://turnreader.com 翻阅阅读器 https://abctoabc.com 在线转换 http://aiimagebuilder.com 图像生成 https://mbtishare.com 人格测试 https://myaiindex.com AI含量 https://theaicontest.com AI比赛 https://superexcuse.com 超级借口 https://vibecodinghome.com 氛围编程 https://mygoogletrends.com 谷歌趋势

00