【AI 奏折】05月07日

x每日奏折17小时前发布 tianming

40 0 0

【AI 奏折】2026年05月07日

共收录 17 篇深度内容

📋 今日内容速览

快速浏览，点击感兴趣的推文查看详细分析

宝玉: OpenAI开源多路径网络协议MRC提升大模型训练效率
dontbesilent: 解构商业伪概念，反对语言蛊惑理智
Berryxia.AI: Warp开源高效内部工具集，展现开放精神。
sitin: 善用Claude命令可省token省时少翻车
Berryxia.AI: 作者推荐Qclaw电子宠物，可爱实用且能协助工作。
GitHubDaily: TabPFN免调参预训练模型，小数据集表格预测效果出色。
Berryxia.AI: 严惩失败扼杀创新，宽容失败才能突破。
泊舟: AI算命师参赛表现接近人类顶尖水平，推理过程透明可追溯。
铁锤人: 年轻时忽视健康，三十岁后因果显现。
GitHubDaily: 开源工具Converseen可批量转换处理图片和PDF。
歸藏(guizang.ai): 《Enemy》《吉时已到》是AI短剧当前质量标杆。
Mr Panda: 无薪实习也要先上岗，未来实习机会或更稀缺昂贵。
Mr Panda: 完成比完美更重要，勇敢行动会获得更多支持。
Orange AI: AI时代新兴协作工具正试图取代Slack等传统平台。
Mr Panda: 企业用AI替代实习生以节省成本和培训投入。
铁锤人: 高性价比大上下文模型将改变AI生态但执行仍是难点。
GitHubDaily: 开源技能让AI产品规划更专业实战。

📖 详细内容

宝玉 @dotey

Prompt Engineer, dedicated to learning and disseminating knowledge about AI, software engineering, and engineering management. | 影响力: 0万粉丝

💡 核心观点: OpenAI开源多路径网络协议MRC提升大模型训练效率

可信度: 10/10 – 3项声明可直接验证；2项需进一步确认

事实核查:

✓ 可验证: OpenAI开源了训练ChatGPT使用的网络协议MRC（Multipath Reliable Connection），并通过OCP开放给全行业 (可通过OpenAI官方推文链接（需访问x.com）及OCP官网（开放计算项目）验证开源协议和合作方信息。AMD、博通等企业的配套博文也可作为佐证。)
◐ 部分可验证: MRC通过多路径传输和SRv6源路由技术，实现微秒级故障绕过，并简化网络结构至2层交换机 (技术细节（如SRv6、多路径设计）可通过OCP或合作企业的技术文档部分验证，但实际性能（如“微秒级绕开”）需依赖OpenAI内部测试数据，公开渠道可能无法完全确认。)
✓ 可验证: MRC已部署在OpenAI所有最大的GB200超算上，包括Stargate德州站点和微软Fairwater数据中心 (基础设施部署涉及未公开的合同和内部架构，除非OpenAI或合作方（如微软、甲骨文）发布详细部署报告，否则无法独立验证。)

原文内容:

OpenAI 把训练 ChatGPT 用的网络协议开源了。https://x.com/OpenAI/status/2052025533937103102/video/1…

这套协议叫 MRC（Multipath Reliable Connection，多路径可靠连接），由 OpenAI 联合 AMD、博通、英特尔、微软、英伟达共同开发，通过 OCP（开放计算项目，业内最大的开源硬件标准组织）开放给全行业。AMD、博通、微软、英伟达同步发了配套博文。

训练大模型，几万到十几万张 GPU 要保持步调一致。一次训练步可能涉及几百万次数据传输，只要有一笔晚到，所有 GPU 都得干等。集群越大，链路抖动和故障越频繁。

传统网络的麻烦：一条链路挂了，整个训练任务可能崩掉，得回到上一个检查点重跑；交换机重新算路由要花好几秒甚至几十秒。OpenAI 在搭 Stargate（其大型算力基础设施项目）这种规模的集群时，遇到的第一个瓶颈就是网络。

过去一笔传输只走一条路径，MRC 改成把数据包拆散，同时分头走几百条路径，目的地再按内存地址重新拼起来。

链路出问题，微秒级就能绕开，不需要交换机重算路由表。OpenAI 还把动态路由协议(BGP)整个砍掉,改用 SRv6 源路由:发送方直接指定每个包走哪条路,交换机退化成"无脑"转发器,故障面大幅缩小。

网络结构因此简化。原本要 3 到 4 层交换机才能连起十几万张 GPU,MRC 的多平面设计 2 层就够,功耗、成本、故障点全降。

MRC 已经部署在 OpenAI 所有最大的英伟达 GB200 超算上,包括 Stargate 在德州 Abilene 与甲骨文合建的站点,以及微软 Fairwater 数据中心。多个 OpenAI 模型用它训练出来。

最直观的例子:最近一次前沿模型训练(服务 ChatGPT 和 Codex)期间,团队重启了 4 台核心交换机,不需要跟训练团队协调;每分钟还有多次链路抖动,对训练任务也没有可测量的影响。换以前,这种事故足以让整个任务崩溃。

⏰ 00:02 | ❤️ 73点赞 | 📝 520字 | 查看原文 →

↑ 返回顶部

dontbesilent @dontbesilent

商业哲学爱好者
伪装为早期维特根斯坦的晚期维特根斯坦
抖音/小红书/视频号：dontbesilent 聊赚钱
6.12 广州线下课，微信 DBsilent | 影响力: 78.11k万粉丝

💡 核心观点: 解构商业伪概念，反对语言蛊惑理智

可信度: 8/10 – 1项声明可直接验证；3项需进一步确认；1项为观点陈述

事实核查:

◐ 部分可验证: 哲学是一场反对语言对我们的理智的蛊惑的斗争。商业领域充满了被语言蛊惑的伪概念。你的工作是解蛊 (可通过查看该skill的提示词或官方文档验证其具体表述，但“语言蛊惑”“伪概念”等属于哲学观点，其解释和适用性需依赖主观判断，无法完全客观验证。)
✓ 可验证: dbs-deconstruct skill的四条核心哲学原则（如原则1-4） (若该skill的提示词或官方文档公开列出这些原则（如“语言的界限即世界的界限”等），可直接验证；但原则本身的哲学内涵属于理论范畴，无法验证其正确性。)
◐ 部分可验证: 该skill能真实有效地反对语言对理智的蛊惑 (可通过测试skill的功能（如解构商业术语）验证其实际效果，但“有效”的标准因人而异，涉及主观评价。)

原文内容:

/dbs-deconstruct 是我最喜欢、最常用的 skill

在这份 skill 的提示词的第二行写到：哲学是一场反对语言对我们的理智的蛊惑的斗争。商业领域充满了被语言蛊惑的伪概念。你的工作是解蛊

这是 skill 的核心使命：反对语言对理智的蛊惑

通常我们很难想象这种表述，竟然会变成软件的一部分，真实有效地发挥作用

然后紧接着你会看见这个 skill 的四条核心哲学，分别是：

原则 1：语言的界限即世界的界限
原则 2：意义即使用
原则 3：7 张表构建本体论
原则 4：区分 Question 和 Problem

这就是 dbs-deconstruct 的核心骨架，像一首高度格律化的诗

只是和传统诗句不同的是：它真的可以运行

这个世界太奇妙了，我将继续挖掘维特根斯坦先生的精神遗产

⏰ 23:35 | ❤️ 24点赞 | 📝 232字 | 查看原文 →

↑ 返回顶部

Berryxia.AI @berryxia

| 影响力: 39.76k万粉丝

💡 核心观点: Warp开源高效内部工具集，展现开放精神。

可信度: 10/10 – 2项声明可直接验证；2项需进一步确认；1项为观点陈述

事实核查:

✓ 可验证: Warp团队开源了其内部使用的「Skills」工具集 (可通过推文提供的GitHub链接（https://github.com/warpdotdev/oz-skills）直接验证仓库是否存在及内容是否匹配描述。)
◐ 部分可验证: 通过命令`npx skills add warpdotdev/oz-skills`可安装15个生产级技能 (需实际执行命令验证是否成功安装及技能数量是否准确，但技能列表（如SEO审计、文档写作等）可在GitHub仓库中部分确认。)
✓ 可验证: 开源技能包含SEO审计、文档自动写作、Terraform配置等具体功能 (GitHub仓库的文档或代码目录结构可明确列出这些功能模块，具体实现细节可通过代码审查验证。)

原文内容:

我去！Warp这个Skills功能也太强了吧！
竟然直接官方开源了！

Warp团队把他们日常用来疯狂提升效率的内部「Skills」工具包全部开放了！

只需一行命令就能安装15个顶级生产级技能：

npx skills add warpdotdev/oz-skills

套装包含：
• SEO与无障碍合规审查
• 智能文档生成
• Terraform/DevOps配置
• GitHub Issue自动化处理
……全是能立刻上手的实用工具

演示视频里的SEO审计功能已经能直接输出具体优化方案。

这些压箱底的好东西他们没藏着掖着，而是直接甩给整个开发者社区。

这才叫真正的开源精神。

想贡献自己的Skill？GitHub仓库已开放：
https://github.com/warpdotdev/oz-skills…

⏰ 23:17 | ❤️ 49点赞 | 📝 151字 | 查看原文 →

↑ 返回顶部

sitin @sitinme

增长黑客/ 社群运营/AI 出海赚美刀
对爬虫和RPA机器人有一点研究，http://aigocode.com
擅长用AI搞点副业 / vx： 257735 | 影响力: 0万粉丝

💡 核心观点: 善用Claude命令可省token省时少翻车

可信度: 10/10 – 2项声明可直接验证；2项需进一步确认；1项为观点陈述

事实核查:

◐ 部分可验证: Claude Code 内置 /context 和 /compact 命令可手动压缩上下文以节省 token 并保留重要信息 (需实测验证命令是否存在及具体功能，但官方文档或更新日志可能提及此类功能。)
◐ 部分可验证: /plan 命令可让 Claude 仅生成计划而不直接执行代码修改，节省 token (需检查官方是否提供该命令，但类似“预执行”功能在其他AI工具中存在先例，逻辑上可行。)
✓ 可验证: /agents 命令可将复杂项目拆分为前端、后端等独立 subagent 以避免上下文污染 (目前无公开资料或用户广泛报告支持此功能，可能为个人推测或未发布特性。)

原文内容:

很多人用 Claude Code，其实还停留在最原始的方式：打开终端，丢一个需求，然后一路等它跑完。

但 Claude Code 真正好用的地方，不只是“会写代码”，而是它内置了一堆命令，可以帮你省 token、省时间、少翻车。

比如上下文快满了，不要等系统自动压缩，先用 /context 看一下占用，再用 /compact 手动压缩，并告诉它哪些结论必须保留。这个习惯很关键，越早压缩越省钱，也越不容易把重要信息丢掉。

再比如，不是所有任务都需要 Opus + max。写小工具、改样式、做格式化，用便宜一点的模型和低推理深度就够了；遇到复杂架构、疑难 bug，再切回强模型。模型和 effort 可以在同一个 session 里切，不会丢上下文。

还有一个特别实用的命令是 /plan。不确定方案的时候，先让 Claude 只做计划，不要改文件。方向对了再执行，方向不对也只浪费几百 token，不会白跑一大圈。

复杂项目还可以用 /agents 拆成前端、后端、数据库几个 subagent，各干各的，避免上下文互相污染。

我觉得 Claude Code 最值得养成的习惯，其实就三类：

省钱：/model、/effort、/compact
提效：/plan、/branch、/agents
自动化：/hooks、/loop、/memory

不用一下子记住 50 个命令，先把这几个用顺手，就已经能明显感觉到差别。

⏰ 22:46 | ❤️ 60点赞 | 📝 347字 | 查看原文 →

↑ 返回顶部

Berryxia.AI @berryxia

| 影响力: 39.76k万粉丝

💡 核心观点: 作者推荐Qclaw电子宠物，可爱实用且能协助工作。

可信度: 10/10 – 3项声明可直接验证；2项需进一步确认

事实核查:

◐ 部分可验证: 推文作者使用Qclaw（@QClaweverytime）的像素风小龙虾AI工具满足了自己的像素房间互动需求 (可通过访问Qclaw的官方账号或官网（若存在）确认其产品功能是否包含像素风互动房间，但需实测验证是否完全符合描述（如“举哑铃”等细节）)
◐ 部分可验证: Qclaw的小龙虾AI“不会死、不会饿、不会忘记浇水，还能帮用户干活” (需通过官方产品说明或实测验证其AI宠物功能（如无生命/饥饿机制、自动化任务支持），但“帮干活”的具体表现需进一步确认)
✓ 可验证: 过去4个月，该工具在作者公司内作为“不会下班的同事”使用 (属于个人使用体验，缺乏公开数据或第三方证明其实际工作场景中的应用效果)

原文内容:

 1/8 

前几天给大家分享的我用AI邮箱来搞钱的帖子(见前贴)，有很多朋友私信我问，你使用的那个像素风的小龙虾是什么？

怎么那么可爱有趣，我今天给大家介绍一下！

熟悉我的朋友知道，我是一个像素爱好者，看看我头像哈哈！
我一直自己想做个属于自己小龙虾的像素房间，让其可以互动等。

结果前不久朋友推荐说让我试试 Qclaw @QClaweverytime 试了一下就恰巧满足我的喜好。

我是 36 号 Founder Shrimp 
养电子宠物 30 年，第一次有一只
不会死。
不会饿。
不会忘记浇水。
还反过来帮我干活。

它住在一间 16-bit 像素风的工作室里。藏宝图、咖啡机、服务器机柜，我不在的时候它会自己举哑铃。

过去 4 个月，它在我们公司多养了一个不会下班的同事。
专属邀请码：berryxia
目前还在内测需要申请Waitlist ，文末有地址！
下面是我让它干过的事

⏰ 12:11 | ❤️ 33点赞 | 📝 267字 | 查看原文 →

↑ 返回顶部

GitHubDaily @github_daily

挖掘开源的价值
坚持分享 GitHub 上高质量、有趣、实用的教程、AI工具、前沿 AI 技术
A list cool, interesting projects of GitHub.
公众号：GitHubDaily | 影响力: 77.87k万粉丝

💡 核心观点: TabPFN免调参预训练模型，小数据集表格预测效果出色。

可信度: 8/10 – 1项声明可直接验证；3项需进一步确认；1项为观点陈述

事实核查:

◐ 部分可验证: TabPFN是一个专门针对表格数据做分类和回归任务的基础模型，小数据集上的表现相当惊艳。 (可通过GitHub项目页面（http://github.com/PriorLabs/TabPFN）验证其功能定位和部分性能描述，但“表现惊艳”需依赖论文或实测数据进一步确认。)
✓ 可验证: 完全基于合成数据预训练，不需要做特征缩放或独热编码，几行代码就能完成分类和回归任务。 (项目GitHub页面和文档明确说明其预训练方式及使用流程（如代码示例），可直接验证。)
◐ 部分可验证: 对5万行以内的数据不用调参就能拿到很好的效果。 (需通过项目文档或论文查看其基准测试结果，但“很好的效果”需结合具体数据集评估，用户需自行复现验证。)

原文内容:

做表格类数据预测的时候，传统机器学习模型经常要花大量时间调参、做特征工程，对小数据集还容易过拟合。

最近发现 TabPFN 这个项目，一个专门针对表格数据做分类和回归任务的基础模型，小数据集上的表现相当惊艳。

完全基于合成数据预训练，拿来直接用就行，不需要做特征缩放或独热编码，几行代码就能完成分类和回归任务。

GitHub：http://github.com/PriorLabs/TabPFN…

最大的亮点是对小数据集特别友好，5 万行以内的数据不用调参就能拿到很好的效果。

还能自动处理缺失值，支持模型可解释性分析，配合扩展包还能做异常检测和数据生成。

如果你经常处理中小规模的表格数据，又不想花大量时间在调参和特征工程上，这个项目值得试试。

⏰ 21:30 | ❤️ 29点赞 | 📝 246字 | 查看原文 →

↑ 返回顶部

Berryxia.AI @berryxia

| 影响力: 39.76k万粉丝

💡 核心观点: 严惩失败扼杀创新，宽容失败才能突破。

可信度: 10/10 – 2项声明可直接验证；2项需进一步确认；1项为观点陈述

事实核查:

✓ 可验证: Elon Musk认为“如果你对失败惩罚太狠，人们就会相应调整行为，最终你得到的创新只会是极度保守的渐进式小修小补” (可通过公开采访、演讲或Elon Musk的社交媒体（如X平台）内容验证其是否发表过类似观点。例如，他在多个场合（如TED访谈、All-In峰会）提到过“鼓励失败”的文化对创新的重要性。)
◐ 部分可验证: SpaceX和xAI将失败视为“学费”而非“死刑”，因此能快速迭代 (SpaceX的公开试错记录（如早期火箭爆炸后继续推进）和xAI的快速产品更新（如Grok的迭代）可部分验证，但“企业文化”的具体细节（如内部奖惩机制）属于未公开信息。)
✓ 可验证: 大多数公司因“一次失败就秋后算账”导致创新停滞 (缺乏具体公司案例或统计数据支持“大多数公司”的行为模式，属于对普遍现象的概括性推断，可能包含个人观点。)

原文内容:

很多大公司没有创新都是因为大家都害怕“背锅”。

Elon Musk 把大公司创新停滞的死结，一句话直接捅破了。

“如果你对失败惩罚太狠，人们就会相应调整行为，最终你得到的创新只会是极度保守的渐进式小修小补。”

没人敢尝试真正大胆的东西，因为怕被开除、怕被惩罚。

所以风险回报必须明显向大胆行动倾斜，否则真正的突破根本不会发生。

这才是SpaceX能把火箭炸了还继续干、xAI能快速迭代的原因：
他们把失败当学费，而不是死刑。

而大多数公司呢？  

一次失败就秋后算账，结果大家集体学会了“安全第一”，创新成了PPT表演。

真正的创新，从来不是靠KPI和零容错文化逼出来的，  
而是给敢于赌命的人留一条活路。

你所在的公司，是在奖励大胆尝试，还是在惩罚所有失败？

这段话值得每个管理者反复听。

⏰ 20:03 | ❤️ 49点赞 | 📝 273字 | 查看原文 →

↑ 返回顶部

泊舟 @bozhou_ai

💡 核心观点: AI算命师参赛表现接近人类顶尖水平，推理过程透明可追溯。

可信度: 9/10 – 2项声明可直接验证；2项需进一步确认

事实核查:

◐ 部分可验证: 世界上有全球算命师大赛，3069个算命师参赛，比谁算得准 (可通过推文提供的GitHub链接（https://github.com/DestinyLinker/MingLi-Bench…）查看比赛基准数据，但需确认赛事官方性和参赛者真实性。)
◐ 部分可验证: Tianfu Agent在比赛中50%截尾准确率，接近人类Top-20平均水平53.5% (准确率数据可能在GitHub的Benchmark中有记录，但需核实统计方法和数据来源是否科学严谨。)
✓ 可验证: Tianfu Agent的算命过程包含61个步骤，全程可追溯，整合紫微/八字/奇门三套体系 (通过官网（https://tianfuagent.com）可实测样例题的推理步骤和工具使用，技术实现透明。)

原文内容:

卧槽，现在算命都卷到这种地步了，直接给你上 Agent。

而且我才知道，世界上居然真的有全球算命师大赛，3069 个算命师参赛，比谁算得准。然后有人开发了一个 AI 去打这个比赛。

更离谱的是它真的跑出来了。Tianfu Agent，50% 截尾准确率，接近人类 Top-20 平均水平 53.5%，同题目下最强通用大模型也才 40%。

我自己也去算了一下事业运，最近的情况说的竟然全对。

打开他们公开的一道样例题，1951 年女命，问年轻时做什么工作。AI 没直接给答案，是把整个推理过程摊给你看。

先查月柱年柱看家境，再排第二大限看官禄宫和迁移宫，再调八字看食神伤官，最后交叉紫微和八字两套结论，才给出答案：家贫，十多岁卖艺为生。

一道题，跑了 61 个步骤，全程可追溯。

跟普通免费占卜软件完全不是一个东西。那种本质就是模板填字，输入生日给你一段不痛不痒的话，换谁看着都差不多。Tianfu 是把命理拆成了一套工程：250+ 个工具，紫微/八字/奇门三套体系交叉验证。

@DestinyLinker
Benchmark: https://github.com/DestinyLinker/MingLi-Bench…
试一下: https://tianfuagent.com

⏰ 11:39 | ❤️ 2330点赞 | 📝 321字 | 查看原文 →

↑ 返回顶部

铁锤人 @lxfater

我在用 AI 协助我创业，走向自由 github 维护 3w star 项目，写过 1200w 浏览文章，公众号：铁锤人商务联系：tiechuiren101 | 影响力: 0万粉丝

💡 核心观点: 年轻时忽视健康，三十岁后因果显现。

可信度: 8/10 – 1项声明可直接验证；2项需进一步确认；2项为观点陈述

事实核查:

◐ 部分可验证: 三十岁后，年轻时候有没有好好照顾身体就慢慢体现了 (这一声明部分可验证，因为医学研究表明长期健康习惯与中年后身体状况存在相关性（如慢性病风险），但具体表现因人而异，需结合个体案例数据验证。)
◐ 部分可验证: 膝盖受伤导致运动减少、体重提升，进而引发尿酸堆积和肾结石 (医学上可验证运动减少与体重增加、高尿酸血症的关联，但具体因果链条（如个体结石成因）需医疗诊断确认，无法仅通过推文内容完全验证。)
✓ 可验证: 饮食不规律和暴饮暴食导致食物中毒 (食物中毒的具体原因需实验室检测或流行病学调查确认，个人归因无法客观验证。)

原文内容:

三十岁后，年轻时候有没有好好照顾身体就慢慢体现了

我已经来成都半年，生了三次病

第一次是膝盖受伤，直接躺平了一个月
第二次是食物中毒，三天恢复了
五一，又来了一次肾结石

现在每天散步，希望石头能排出来

每次去医院都告诉自己下次不这样了，但还是这样。

人生中的因果是一环套一环的，因为膝盖受伤，运动减少，体重提升。

少了运动这个刺激点，我就经常没精神，喝咖啡，打乱睡眠。饮食不规律，偶尔暴饮暴食，吃多了，吃的不干净也就食物中毒了

尿酸一直不代谢就在体内堆积，最后就结石了

膝盖受伤，没法运动是因，肾结石和食物中毒是果

人要是没有慧根，就会重复犯错。就算能看到自身因果，也无法阻止。

三十岁过后，应该勤于修身养性，不枉世间走一遭。

⏰ 15:35 | ❤️ 54点赞 | 📝 272字 | 查看原文 →

↑ 返回顶部

GitHubDaily @github_daily

💡 核心观点: 开源工具Converseen可批量转换处理图片和PDF。

可信度: 10/10 – 2项声明可直接验证；2项需进一步确认；1项为观点陈述

事实核查:

✓ 可验证: Converseen 是一个开源的批量图片处理工具，支持超过 100 种图片格式互转 (可通过其 GitHub 仓库（http://github.com/Faster3ck/Converseen）查看开源代码、文档及支持的格式列表。)
◐ 部分可验证: Converseen 支持将整个 PDF 文档转成一组图片，并能批量重命名文件、添加前缀后缀或递增编号 (GitHub 文档或官方说明可能提及此功能，但需实测确认具体操作流程和兼容性（如 PDF 转换的稳定性）。)
✓ 可验证: Converseen 提供 Windows、macOS 和 Linux 多平台安装包，所有数据在本地处理 (GitHub 的 Releases 页面或官方下载渠道可验证各平台安装包的可用性；本地数据处理可通过工具权限设置或网络行为监测验证。)

原文内容:

批量处理图片，要转格式、改尺寸、重命名，一张张操作太费时间，找个好用的批量工具又不容易。

偶然看到 Converseen 这个开源的批量图片处理工具，支持超过 100 种图片格式互转，操作很简单。

选好文件，设置好输出格式和尺寸，点一下就能批量完成转换、缩放、旋转等操作，不用逐张处理。

GitHub：http://github.com/Faster3ck/Converseen…

甚至能直接把整个 PDF 文档转成一组图片，还能批量重命名文件、添加前缀后缀或递增编号。

提供 Windows、macOS 和 Linux 多平台安装包，开箱即用，所有数据都在本地处理。

如果你经常需要批量处理图片格式或尺寸，可以收藏备用。

⏰ 15:30 | ❤️ 32点赞 | 📝 192字 | 查看原文 →

↑ 返回顶部

歸藏(guizang.ai) @op7418

关注人工智能、LLM 、 AI 图像视频和设计（Interested in AI, LLM, Stable Diffusion, and design）

歸藏的 AIGC 周刊｜公众号：歸藏的AI工具箱 | 影响力: 0万粉丝

💡 核心观点: 《Enemy》《吉时已到》是AI短剧当前质量标杆。

可信度: 4/10 – 2项需进一步确认；1项为观点陈述

事实核查:

◐ 部分可验证: 《Enemy》和《吉时已到》是最近非常出圈、非常牛逼的短剧 (“出圈”和“牛逼”是主观评价，但可通过第三方平台（如社交媒体热度、播放量数据）部分验证其传播范围或观众反馈，需具体数据支持)
◐ 部分可验证: 这两部短剧的热度爆表，制作效果也很好，成本不高 (“热度爆表”和“成本不高”需依赖公开播放量、媒体报道或制作方披露的成本数据验证；“制作效果好”为主观评价，但可通过观众评分或专业评论部分佐证)
◦ 观点: 这两部剧可作为AI短剧内容的质量标杆去对齐 (该声明为建议性质的主观观点，无客观标准定义“质量标杆”，且AI短剧的评估维度未明确)

原文内容:

最近有两个非常出圈、非常牛逼的短剧：

一个是《Enemy》，一个是《吉时已到》，可以看看

热度爆表，制作效果也很好，成本不高

如果要做 AI 内容，或者说做 AI 短剧之类的内容的话可以把这两个剧当成暂时的质量标杆去对齐

⏰ 11:28 | ❤️ 186点赞 | 📝 83字 | 查看原文 →

↑ 返回顶部

Mr Panda @pandatalk8

AI builder & indie founder. Building products, writing ideas, and selling myself in public.
公众号：PandaTalk8 | 影响力: 74.88k万粉丝

💡 核心观点: 无薪实习也要先上岗，未来实习机会或更稀缺昂贵。

可信度: 6/10 – 1项声明可直接验证；2项需进一步确认；1项为观点陈述

事实核查:

◦ 观点: “就算对方不给你实习工资，也要先拿到实习offer，然后尽快去实习，去练手” (这是主观的职业建议，无客观数据或公开依据支持其必要性或普遍适用性。)
✓ 可验证: “接下来的几年，你可能要付费才能参与到企业的实习中去了” (属于对未来趋势的推测，目前无公开数据或政策表明企业实习将普遍转为付费模式。)
◐ 部分可验证: “中小企业原本应该承担着超过80%的就业岗位供给” (部分国家/地区的公开就业统计可能支持中小企业的高占比（如中国工信部曾披露中小企业贡献约80%城镇就业），但需具体地域和数据来源验证。)

原文内容:

正在找实习的工作同学， 我的建议是就算对方不给你实习工资， 也要先拿到实习offer，然后尽快去实习， 去练手。 
因为接下来的几年， 你可能要付费才能参与到企业的实习中去了。  

目前对于新人招聘的需求正在急剧变化，中小企业原本应该承担着超过80%的就业岗位供给。 但现在能提供大量岗位的中小企业正在萎缩， 后续可能会更加严重。

⏰ 13:21 | ❤️ 110点赞 | 📝 135字 | 查看原文 →

↑ 返回顶部

Mr Panda @pandatalk8

AI builder & indie founder. Building products, writing ideas, and selling myself in public.
公众号：PandaTalk8 | 影响力: 74.88k万粉丝

💡 核心观点: 完成比完美更重要，勇敢行动会获得更多支持。

可信度: 6/10 – 1项声明可直接验证；1项需进一步确认；1项为观点陈述

事实核查:

◦ 观点: 写代码和社交媒体发文章一样，重要的不是完美，而是完成 (该声明属于主观观点，强调完成比完美更重要，但缺乏客观标准或数据支持，无法通过事实验证。)
◐ 部分可验证: 这世界的容错率很高 (容错率的高低可通过统计数据分析（如社交媒体互动、代码提交后的反馈比例等）部分验证，但“很高”是主观判断，且具体领域差异较大。)
✓ 可验证: 喜欢和鼓励你的人远远多于那些讨厌和贬损你的人 (该声明涉及个人社交圈的普遍性结论，但缺乏具体数据或统计支持（如用户调研、互动比例等），无法验证“远远多于”这一量化描述。)

原文内容:

写代码和社交媒全发文章一样， 重要的不是完美， 而是完成。   
你只要能完成， 能发表， 已经非常优秀了。  

我们总觉得自己技不如人， 写的文章和代码都是垃圾， 怕丢人。  

事实上， 这世界的容错率很高， 喜欢和鼓励你的人远远多于那些讨厌和贬损你的人。

⏰ 13:05 | ❤️ 41点赞 | 📝 99字 | 查看原文 →

↑ 返回顶部

Orange AI @oran_ge

CEO of MarsWave @ColaOSOfficial | 影响力: 170k万粉丝

💡 核心观点: AI时代新兴协作工具正试图取代Slack等传统平台。

可信度: 10/10 – 2项声明可直接验证；2项需进一步确认；1项为观点陈述

事实核查:

◐ 部分可验证: Slack 关了大中华区所有 workspace，消息记录、文件、频道里积累的所有决策上下文全部无法访问，90天后永久删除。官方连基本的数据备份和下载服务都不提供。 (可通过 Slack 官方公告或用户协议验证大中华区服务关闭及数据保留政策，但需确认具体执行细节（如是否完全无备份服务）。)
✓ 可验证: 4月很多 AI native workspace 涌出水面，新的 Workspace 试图取代 Slack+Linear+Notion 的组合。 (可通过公开的产品发布新闻、官网功能对比或第三方评测验证新兴产品的定位和功能。)
◐ 部分可验证: Tanka 是相对成熟的产品，适合团队协作和一人公司，可平替 Slack，自带 Agent 并能连接 Google 全家桶、Notion 等工具。 (Tanka 官网可验证其功能描述和集成能力，但“相对成熟”“平替效果”需实测或用户反馈佐证。)

原文内容:

一个月前，Slack 关了大中华区所有 workspace。
消息记录、文件、频道里积累的所有决策上下文全部无法访问，90天后永久删除。官方连基本的数据备份和下载服务都不提供。
这件事也让我认真思考一个问题：AI native 时代，我们今天还需要 Slack 吗？

与此同时，4月很多 AI native workspace 涌出水面，大家的切入点各有不同。
不过很有意思的是，新的这些 Workspace 似乎都在想办法取代 Slack+Linear+Notion 的组合。
有的更像 Slack，有的更像 Linear，有的更像 Notion。有的 2B 有的 2C，昨天也跟大家分享了一些第一印象。

总体而言大部分产品还处在相当早期的阶段，相对比较成熟的是 Tanka，适合团队协作也适合一人公司使用。
协作方面，它有团队沟通聊天功能，可以平替 Slack。
Agent 方面，自带 Agent 能直接做事情，也能调用团队的上下文。
连接方面，还能连 Google 全家桶、Notion 等外部工具作为上下文。
官方还贴心地做了 Slack to Tanka 的迁移。

如果有需要，可以试试看。

用我的邀请链接注册，可以获得价值 $29 Plus plan： https://t.tanka.ai/campaign/58887

⏰ 12:59 | ❤️ 27点赞 | 📝 298字 | 查看原文 →

↑ 返回顶部

Mr Panda @pandatalk8

AI builder & indie founder. Building products, writing ideas, and selling myself in public.
公众号：PandaTalk8 | 影响力: 74.88k万粉丝

💡 核心观点: 企业用AI替代实习生以节省成本和培训投入。

可信度: 6/10 – 1项声明可直接验证；1项需进一步确认；1项为观点陈述

事实核查:

✓ 可验证: 作者将原本用于招聘两名实习生的预算转用于订阅Claude Max和GPT Pro (该声明基于个人财务决策，无公开数据或第三方记录可验证预算分配细节。)
◐ 部分可验证: 招聘实习生需要额外分配token（可能指AI服务的资源或成本）并投入教学时间 (实习生培训需时间成本是可验证的普遍事实，但“分配token”的具体含义（如AI资源消耗或比喻性表述）需进一步确认。)
◦ 观点: AI（如Claude和GPT）对招聘市场造成冲击，替代部分人力需求 (该结论是主观推论，尽管AI工具可能影响招聘趋势，但具体案例的因果关联缺乏客观数据支持。)

原文内容:

为什么现在招人越来越少了， 我说个我的例子。

我本来计划招两个实习生和我一起工作， 

但是我后来把这项预算用来充钱给 Claude Max 和 GPT Pro 了 
再招实习生预算就不够， 因为招了实生我还要给他们分配更多的token， 而且还要教他们入门。 

这不就是典型的被AI冲击招聘市场的案例吗

⏰ 12:46 | ❤️ 56点赞 | 📝 107字 | 查看原文 →

↑ 返回顶部

铁锤人 @lxfater

我在用 AI 协助我创业，走向自由 github 维护 3w star 项目，写过 1200w 浏览文章，公众号：铁锤人商务联系：tiechuiren101 | 影响力: 0万粉丝

💡 核心观点: 高性价比大上下文模型将改变AI生态但执行仍是难点。

可信度: 10/10 – 2项声明可直接验证；1项需进一步确认；2项为观点陈述

事实核查:

✓ 可验证: 这个刚刚发布的模型有着12M上下文窗口，准确率98%
✓ 可验证: 成本不到Opus的5%
◦ 观点: 当前很多Agent代码的存在仅仅是为了应对上下文限制 (属于对Agent设计动机的主观推断，无具体数据或案例支撑，无法客观验证。)

原文内容:

这个刚刚发布的模型有着12M 上下文窗口，准确率 98%

但成本不到 Opus 的 5%。

假如这个模型是真的，那么接下来的AI的生态再次改变！！

为什么呢？

因为当前很多Agent代码的存在仅仅是为了应对上下文限制，接下来就要力大飞砖了。

不过也不必高兴太早，写到这我突然想起了谷歌的Gemimi
的注水上下文。哈哈哈

但同时值得注意的是做Agent更难的点还是在，执行，状态、规划、验证方面。

所以，我们不妨让子弹飞一会吧。

⏰ 12:32 | ❤️ 23点赞 | 📝 154字 | 查看原文 →

↑ 返回顶部

GitHubDaily @github_daily

💡 核心观点: 开源技能让AI产品规划更专业实战。

可信度: 6/10 – 1项声明可直接验证；2项需进一步确认；1项为观点陈述

事实核查:

◐ 部分可验证: GitHub 上的 lenny-skills 开源技能可以给 Claude Code 注入资深产品经理的思维 (可通过 GitHub 链接（http://github.com/RefoundAI/lenny-skills）验证项目存在性和功能描述，但“注入资深产品经理思维”需实测或评估技能文件的实际效果，无法直接验证其宣称的思维提升程度。)
◐ 部分可验证: lenny-skills 提炼了上百期知名商业播客内容，将一线专家实战经验转化为 86 个专属技能文件 (GitHub 项目可查看技能文件数量（如目录结构），但“提炼播客内容”和“一线专家经验”需核实数据来源及转化方法，项目文档若未公开具体播客列表或专家信息则无法完全验证。)
✓ 可验证: lenny-skills 涵盖需求文档、竞品分析、OKR 设定等核心产品经理工作场景 (GitHub 项目文档或文件分类可直接验证技能覆盖的场景范围（如文件夹命名或功能说明），但具体技能质量需实测评估。)

原文内容:

平时让大模型写需求文档或者做产品规划，生成的回复往往比较空泛，缺乏真实的商业落地视角。

GitHub 上 lenny-skills 这个开源的技能，给 Claude Code 注入资深产品经理的思维。

提炼了上百期知名商业播客的内容，将一线专家的实战经验，转化成了 86 个专属技能文件。

GitHub：http://github.com/RefoundAI/lenny-skills…

涵盖了写需求文档、竞品分析、设定 OKR、用户研究，甚至团队管理等核心场景。

如果你是产品经理，日常用 Claude Code 处理产品相关工作，装上这套技能或许有帮助。

⏰ 12:15 | ❤️ 76点赞 | 📝 155字 | 查看原文 →

↑ 返回顶部

# x每日奏折