【AI 英文奏折】2026年09月28日

共收录 20 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

1. Sam Hogan: 公司并非全球或本地最大推理服务提供商。
2. Aakash Gupta: 莱昂纳多靠精选角色和稀缺性提升身价，成就影坛传奇。
3. Anthony Pompliano: 未来孩子的生活将因科技颠覆而彻底改变。
4. Alex Prompter: 用达尔文法则让AI挑战你的计划漏洞而非附和。
5. Anthony Pompliano: Silvia可分析下周投资关键事件，助你优化投资决策。
6. klöss: 不同AI各有所长，Codex高效实用而Claude创意惊艳。
7. Sebastian Raschka: 现有模型为基础，预算重点投入后训练优化。
8. Ethan Mollick: 开源模型尚未达到闭源模型的代理能力临界点。
9. klöss: Claude Design辅助完成品牌设计系统的视频、音频制作与渲染。
10. levelsio: Hoodmaps整合Hotelist提供酒店预订功能以实现变现。
11. klöss: AI工具让编程门槛大幅降低，现在就该动手尝试。
12. Amira Zairi: 提供中世纪风格镀金卷轴的艺术创作提示模板。
13. Tivadar Danka: 作者将优质推文转为教学视频，邀请机器学习从业者订阅。
14. Aakash Gupta: 技能因可测试和改进而比提示更持久有效。
15. Rohan Paul: 小企业通过第三方工具间接使用AI，导致支出集中于头部软件公司。
16. Alex Prompter: 谷歌Gemini测试购物按钮，优先推广合作电商Flipkart。
17. GREG ISENBERG: 别听消极言论，勇敢分享你的想法。
18. Sam Hogan: 卖家急售12个B300节点需预付560万并称有投资者背书
19. Rohan Paul: AI能力有物理极限，无法全知全能。
20. Alex Veremeyenko: 美AI基建投资规模空前或成经济泡沫风险

---

📖 详细内容

Sam Hogan @samhogan

ceo @inference_net | inference infra for AI-native teams | 影响力: 1,526万粉丝

💡 核心观点: 公司并非全球或本地最大推理服务提供商。

可信度: 6/10 – 1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: 我们不是世界上最大的推理服务提供商 (需通过行业报告或第三方数据对比全球推理服务提供商的规模，但“最大”的定义（如用户量、算力等）可能不明确，且企业可能未公开相关数据。)
• ✓ 可验证: 我们甚至不是北滩地区最大的推理服务提供商 (北滩（North Beach）是否为特定技术集群或地理区域尚不明确，且缺乏公开的本地化行业规模排名数据，难以验证。)
• ◐ 部分可验证: 有人昨晚询问我们是否为世界最大的推理服务提供商 (属于非公开对话内容，无法验证提问的真实性或具体语境。)

原文内容:

昨晚有人问我们是不是全球最大的推理服务提供商，我不得不告诉他们，我们甚至连北滩地区最大的推理服务提供商都算不上。

⏰ 09:19 | ❤️ 99点赞 | 📝 31词 | 查看原文 →

↑ 返回顶部

Aakash Gupta @aakashgupta

http://product-growth.com https://aibyaakash.com http://landpmjob.com http://youtube.com/@growproduct | 影响力: 0万粉丝

💡 核心观点: 莱昂纳多靠精选角色和稀缺性提升身价，成就影坛传奇。

可信度: 10/10 – 3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:

• ◐ 部分可验证: 莱昂纳多·迪卡普里奥拒绝了安纳金·天行者和蜘蛛侠的角色，并错过了在《永远的蝙蝠侠》中饰演罗宾。 (关于莱昂纳多拒绝角色的传闻在媒体中广泛流传，但缺乏官方或本人直接确认的公开记录，属于行业传闻范畴。)
• ✓ 可验证: 莱昂纳多·迪卡普里奥在《泰坦尼克号》后改为首美元毛收入分成，到2011年成为好莱坞片酬最高演员，凭《盗梦空间》赚取5000万美元。 (其片酬和分成模式被《综艺》《好莱坞报道》等权威媒体多次报道，且有行业分析师公开数据支持。)
• ✓ 可验证: 华纳兄弟为托马斯·品钦小说改编电影投入1.3亿美元制作费和7000万营销费，导演此前最卖座作品仅7600万美元。 (电影预算和导演历史票房数据可通过《综艺》报道及公开票房数据库（如Box Office Mojo）查证。)

原文内容:

莱昂纳多·迪卡普里奥拒绝了安纳金·天行者的角色和蜘蛛侠，还错过了在《永远的蝙蝠侠》中饰演罗宾。然后他30年来没有拍过一部续集或系列电影。不知怎的，这种拒绝反而让他身价更高，而《一战接一战》是迄今为止最明确的证明。

《泰坦尼克号》给他带来了250万美元的片酬。在它成为史上最卖座电影后，他将自己的合同改为首美元毛收入分成，这意味着他从第一张售出的票开始就能拿到报酬。到2011年，他已成为好莱坞片酬最高的演员，仅凭《盗梦空间》就赚了5000万美元。

其背后的体系是残酷的挑剔。和斯科塞斯合作了六部电影。和塔兰蒂诺、诺兰、斯皮尔伯格、东伍德各一部，现在又加上保罗·托马斯·安德森。大约每两年一部电影，而且从不涉及披风英雄。

这种稀缺性让华纳兄弟愿意为托马斯·品钦小说的一部原创R级改编投入1.3亿美元，再加上7000万美元的营销费用，而这部电影的导演此前最卖座的作品也只赚了7600万美元。《综艺》杂志在十月份算了笔账，预计亏损1亿美元。

六个月后，它斩获最佳影片、最佳导演和总共六项奥斯卡。

这里有一个统计数据，应该让人们替他有点生气。莱奥现在主演了三部最佳影片获奖作品：《泰坦尼克号》、《盗匪联盟》和这部。他却没有一部因此拿下最佳男主角。三月份，迈克尔·B·乔丹击败了他，这让他在七次演技提名中只拿到一次获奖。

每个年轻演员拿到手的剧本都说：接下系列电影，攒下名气，以后慢慢买回信誉。莱奥完全跳过了第一步，30年后，他仍是工作室愿意为一个原创想法砸2000万美元的最后一位电影巨星。那些拒绝其实一直都是他的资产。

⏰ 09:48 | ❤️ 93点赞 | 📝 549字 | 查看原文 →

↑ 返回顶部

Anthony Pompliano @apompliano

企业家、投资者和终身学习者。

每日写作：http://pompletter.com
播客：http://pompyoutube.com
我的第二本书：http://pompbook.com | 影响力: 0万粉丝

💡 核心观点: 未来孩子的生活将因科技颠覆而彻底改变。

可信度: 6/10 – 1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:

• ◦ 观点: 我们的孩子将不会开车。 (这是对未来生活方式的预测，缺乏客观事实依据，属于主观观点或愿景陈述。)
• ◐ 部分可验证: 他们将有代理（如类人机器人）为他们做所有事情。 (目前已有部分智能家居和机器人技术（如扫地机器人、语音助手），但“做所有事情”的类人机器人尚未普及，需依赖未来技术发展，部分可验证但需进一步确认。)
• ✓ 可验证: 工作将看起来完全不同，可能包括大脑里的电脑。 (这是对未来工作形态和脑机接口技术的假设，目前无具体实现或公开数据支持，属于无法验证的推测。)

原文内容:

我们的孩子将拥有截然不同的生活。

他们不会开车。他们不会使用相同的软件。他们将有代理为他们做所有事情。

他们家里的类人机器人。工作将看起来完全不同。也许甚至大脑里的电脑。

这将真的很疯狂。

⏰ 09:26 | ❤️ 554点赞 | 📝 83字 | 查看原文 →

↑ 返回顶部

Alex Prompter @alex_prompter

Sharing AI Prompts, Systems, Tips & Tricks

Human + AI = Superpowers | 影响力: 0万粉丝

💡 核心观点: 用达尔文法则让AI挑战你的计划漏洞而非附和。

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: 查尔斯·达尔文一发现任何与他观点相悖的事实，就会立即记录下来，因为那些正是他最容易忘记的事实。 (达尔文的这一工作方法在传记和其著作（如《物种起源》笔记）中有记载，但具体行为细节可能因历史记录不完整而无法完全验证。)
• ✓ 可验证: 使用提示词让Claude模仿达尔文的黄金法则，可帮助用户通过反对论据测试计划。 (可通过实际测试Claude的反馈行为验证其是否按提示要求输出反对论据，但效果可能因模型版本或用户输入差异而波动。)
• ◐ 部分可验证: 该方法能揭示用户最可能忽略的关键事实，并提供可操作的测试建议。 (需实测验证AI是否能准确识别“最易忽略的事实”，但主观性和计划复杂性可能导致结果不可量化。)

原文内容:

RIP 那种对你的每句话都附和的 AI。

查尔斯·达尔文一发现任何与他观点相悖的事实，就会立即记录下来，因为那些正是他最容易忘记的事实。

这个提示会让 Claude 对你的计划做同样的事情。

“我想用查尔斯·达尔文的黄金法则来测试我的计划。他一发现任何与他观点相悖的事实，就会立即记录下来，因为那些正是他最容易忘记的事实。不要告诉我我的计划有什么好的地方。相反，充当他所保持的笔记本，向我提供
→ 反对它的 5 个最有力的论据或事实
→ 我最可能忽略哪一个，以及为什么
→ 如果那个事实被证明是真的，我会看到什么
→ 我本周可以运行的一个测试来找出答案
不要软化任何内容，也不要以鼓励结束。我的计划 [描述你的计划、想法或信念]”

在你的下一个重大决定之前运行它。

⏰ 15:15 | ❤️ 107点赞 | 📝 272字 | 查看原文 →

↑ 返回顶部

Anthony Pompliano @apompliano

企业家、投资者和终身学习者。

每日写作：http://pompletter.com
播客：http://pompyoutube.com
我的第二本书：http://pompbook.com | 影响力: 0万粉丝

💡 核心观点: Silvia可分析下周投资关键事件，助你优化投资决策。

可信度: 10/10 – 3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:

• ◐ 部分可验证: 美中协议的具体细节将在下周一公布 (若美中协议为公开的政府或官方机构发布事项，可通过官方公告或权威新闻验证；但若协议细节未公开或仅为预测，则无法完全验证。)
• ✓ 可验证: 8月通胀数据将在下周三公布 (通胀数据通常由各国统计局或央行定期发布（如美国劳工部），可通过官网或权威经济数据平台核实具体日期。)
• ✓ 可验证: 下周五将发布就业报告和特斯拉（$TSLA）交付报告 (就业报告（如美国非农数据）由官方机构发布；特斯拉交付报告可通过公司财报或官方声明验证，但需确认是否为官方公布的固定日期。)

原文内容:

我今天早上问了@cfosilvia：

“下周我应该关注哪些可能影响我投资组合的事情？”

她逐一分析了我的投资组合，并准确告诉我可能出现的催化剂，包括：

- 星期一：美中协议的具体细节
- 星期三：8月通胀数据
- 星期五：就业报告 & $TSLA 交付报告

你可以让Silvia每周日早上运行这个分析，并将下周的分析发送给你。

免费试用Silvia：

⏰ 21:50 | ❤️ 140点赞 | 📝 117字 | 查看原文 →

↑ 返回顶部

klöss @kloss_xyz

AI vibe orchestrator. prompt shaman.
systems architect. @psychanon CEO | 影响力: 6,174万粉丝

💡 核心观点: 不同AI各有所长，Codex高效实用而Claude创意惊艳。

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:

• ✓ 可验证: Opus 5.5 比 GPT-6 Astra 更好 (未提供具体比较指标或测试数据，且”GPT-6 Astra”未公开（截至2023年11月），属于无法验证的对比声明。)
• ◦ 观点: Codex 是比 Claude 更好的工具 (“更好”属于主观评价，未说明具体应用场景或量化标准（如准确性、速度等），且工具优劣取决于使用需求。)
• ◐ 部分可验证: Codex 能自动完成电脑使用任务，效果类似AGI (Codex的自动化能力可通过实测验证，但”类似AGI”是主观比喻，无客观标准。)

原文内容:

Opus 5.5 比 GPT-6 Astra 更好。

Codex 是比 Claude 更好的工具。

给 Codex 一个电脑使用任务，然后走开。回来时它已经搞定了那些破事儿。感觉就像 AGI。

给 Claude 一个棘手的创意问题，它输出的就是魔法。那种需要你花几个月或几年才能掌握的东西。

OpenAI DevDay 将会很有趣。

⏰ 06:41 | ❤️ 249点赞 | 📝 83字 | 查看原文 →

↑ 返回顶部

Sebastian Raschka @rasbt

ML/AI research engineer. Ex stats professor.
Author of “Build a Large Language Model From Scratch” (https://amzn.to/4fqvn0D) & reasoning (https://mng.bz/lZ5B) | 影响力: 1,174万粉丝

💡 核心观点: 现有模型为基础，预算重点投入后训练优化。

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: Ember-1是一个很棒的模型 (这是主观评价，没有提供客观标准或性能数据支持)
• ◐ 部分可验证: 如果有xx百万美元预算，开发前沿LLM的最佳方式是从现有模型开始并聚焦后训练 (该建议基于技术逻辑（后训练的重要性可查证），但“最佳方式”涉及主观判断，且未指定具体模型或预算分配细节)
• ✓ 可验证: 播客中提到Ember-1是“从现有模型开始并投入后训练”的范例 (未提供播客名称、时间戳或Ember-1的技术实现细节，无法独立核实其开发方式)

原文内容:

一个小 Ember-1 的简要概述。

看起来是个很棒的模型！

（最近在播客上被问到，如果有 xx 百万美元，今天开发前沿 LLM 的最佳方式是什么？我的建议是：从一个现有的模型开始，把预算花在后训练上。这里就是一个很好的例子。）

⏰ 05:45 | ❤️ 191点赞 | 📝 83字 | 查看原文 →

↑ 返回顶部

Ethan Mollick @emollick

Professor @Wharton studying AI.
New book, Co-Existence, coming October 20. Preorder here: https://co-existence.ai
Substack: https://oneusefulthing.org | 影响力: 0万粉丝

💡 核心观点: 开源模型尚未达到闭源模型的代理能力临界点。

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: 现在开源模型与闭源模型之间的质量差距比过去更大 (需对比历史开源/闭源模型性能指标（如基准测试结果、论文数据），但”质量差距”定义模糊（如是否涵盖特定任务或通用能力），且”过去一段时间”无明确时间范围。)
• ✓ 可验证: Fable/Astra级别的模型具有代理性，而此前模型不具备 (“代理性”未明确定义（如自主任务完成度、多步推理能力等），且Fable/Astra模型的详细技术文档或评测数据未公开，无法直接验证其独特性。)
• ◐ 部分可验证: 尚无开源模型跨越代理性界线 (若”代理性”有公认标准（如特定评测集），可通过对比开源模型表现验证；但当前表述依赖模糊界线，需依赖主观判断。)

原文内容:

从质量上看，现在开源模型与闭源模型之间的差距比过去一段时间内更大。Fable/Astra 级别的模型在某种程度上具有代理性，而 Fable 之前的模型则没有，无论好坏。还没有任何开源模型跨越那条界线。一旦它们跨越了，那将是一次飞跃。

⏰ 05:45 | ❤️ 440点赞 | 📝 89字 | 查看原文 →

↑ 返回顶部

klöss @kloss_xyz

AI vibe orchestrator. prompt shaman.
systems architect. @psychanon CEO | 影响力: 6,174万粉丝

💡 核心观点: Claude Design辅助完成品牌设计系统的视频、音频制作与渲染。

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: Claude Design 能够作为视频编辑、动态设计师和声音混音师处理设计系统 (需实测 Claude Design 的多模态能力（如视频/音频处理功能），但官方未明确宣传其支持此类专业工作流，可能存在功能限制或用户自定义实现。)
• ◐ 部分可验证: Opus 5.5 为 Suno v6 生成了一首 150 bpm 歌曲的提示和 10 个音效 (Suno v6 的提示词生成能力可通过其官方文档验证，但具体生成的提示内容（如 BPM 和音效数量）需用户提供原始数据才能确认。)
• ✓ 可验证: Claude 通过测量节奏、响度和音符落点来剪辑声音（因无法“听”音频） (Claude 的音频处理机制未公开，其是否依赖元数据分析而非听觉感知属于技术细节，普通用户无法验证。)

原文内容:

我把我们品牌的一个设计系统交给 Claude Design，看看它作为视频编辑、动态设计师和声音混音师有多厉害。

Opus 5.5 还写了 Suno v6 的提示：一首 150 bpm 的歌曲，以及这里使用的 10 个音效。

Suno 给了我每个的两个版本，我凭耳朵挑了我最喜欢的。Claude 听不见，所以它通过测量节奏、响度以及每一个音的落点来剪辑声音。

然后我把它交给 Claude Code 来逐帧渲染并拼接 mp4，因为渲染文件太大，Claude Design 一直崩溃。

这是最终结果。疯狂的第一次渲染。

⏰ 02:48 | ❤️ 70点赞 | 📝 150字 | 查看原文 →

↑ 返回顶部

levelsio @levelsio

http://PhotoAI.com $89K/m
http://Vibej.am $44K/m
http://InteriorAI.com $27K/m
http://levelsio.com @X $17K/m
http://Nomads.com $16K/m
http://Pieter.com
http://Hotelist.com
http://levels.io
http://levels.vc | 影响力: 3,163万粉丝

💡 核心观点: Hoodmaps整合Hotelist提供酒店预订功能以实现变现。

可信度: 8/10 – 2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:

• ◐ 部分可验证: 新网站 Hotelist 已完全集成到 Hoodmaps 中，用户可点击 [Hotels] 查看区域内所有可用酒店 (需实际访问 Hoodmaps 网站并测试 [Hotels] 功能是否如描述般运作，但无法直接验证“完全集成”的技术细节。)
• ✓ 可验证: Hoodmaps 每月有近 171,000 名访客，但近十年从未赚钱 (流量数据需 Hoodmaps 官方公开访问统计或第三方工具（如 SimilarWeb）验证，盈利情况属于内部财务信息，普通用户无法直接核实。)
• ◦ 观点: AI 建议通过酒店推荐实现 Hoodmaps 的变现，因为酒店与城市区域搜索相关且能赚钱 (AI 的具体建议内容无法验证，且“能赚钱”属于主观商业推测，无客观数据支持。)

原文内容:

我现在已经将我的新网站 Hotelist 完全集成到 Hoodmaps 中

所以现在它让你点击 [  Hotels ]，你就能看到该区域所有可用的酒店

你可以悬停在它们上面或点击它们，它会显示你在 Hotelist 上看到的相同悬停提示，然后当你再次点击时，它会打开酒店

很高兴能在城市中找到一个好区域，然后在那里预订一个地方

这是 AI 的一个推荐，尝试让 Hoodmaps 实现变现，它每月有近 171,000 名访客，但近十年从未赚钱，所以我问了 AI

这很有道理，因为酒店是与你在城市中寻找最佳区域时相关的东西，而且它能赚钱！

不过，它只在你点击 [  Hotels ] 时显示，所以不会烦人

⏰ 05:13 | ❤️ 177点赞 | 📝 199字 | 查看原文 →

↑ 返回顶部

klöss @kloss_xyz

AI vibe orchestrator. prompt shaman.
systems architect. @psychanon CEO | 影响力: 6,174万粉丝

💡 核心观点: AI工具让编程门槛大幅降低，现在就该动手尝试。

可信度: 6/10 – 1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: 三年前从未写过应用，完全不了解pull request (属于个人历史经历陈述，无公开记录或第三方证据支持。)
• ◐ 部分可验证: 今天用Claude Code和Codex推送了30多个PR，大部分在酒吧完成 (可通过GitHub等平台查看用户PR记录（若公开），但“酒吧完成”“喝啤酒”等细节无法验证。)
• ◦ 观点: 三年前做不到的事情，现在很可能能做到（因AI工具） (主观推论，依赖个人对AI工具效用的判断，无具体数据对比。)

原文内容:

三年前，我从未写过一个应用，也完全不知道他妈的 pull request 是什么鬼东西。

今天，我在周日用 Claude Code 和 Codex 推送了 30 多个 PR，大部分是从酒吧里完成的，喝了好几杯啤酒。

如果你不是每天都在尝试 AI，我真的不明白你到底在等什么鬼。

三年前你做不到的事情，现在你很可能就能做到了。

动手吧。

⏰ 05:01 | ❤️ 149点赞 | 📝 107字 | 查看原文 →

↑ 返回顶部

Amira Zairi @azed_ai

AI Educator & Creator | Ambassador @Adobe | Partner with leading brands | Collab → [email protected] | 影响力: 0万粉丝

💡 核心观点: 提供中世纪风格镀金卷轴的艺术创作提示模板。

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: 推文描述了一幅名为“镀金编年史卷轴”的历史性发光卷轴，包含手绘花饰、镀金边框等细节 (卷轴的具体设计（如花饰、镀金边框）可通过用户生成的图像或实际作品验证，但需依赖具体创作者或平台公开的成品图。若仅为提示词模板，则无法直接验证实物是否存在。)
• ✓ 可验证: 卷轴使用“中世纪颜料”和“古老羊皮纸质感” (材质和颜料的描述需实物或权威技术分析支持，而推文未提供来源或作品链接，无法确认是否为真实材质或仅为艺术风格术语。)
• ✓ 可验证: 推文鼓励用户“试试看并分享你的（作品）” (可通过查看用户回复或相关平台标签（如#镀金编年史卷轴）验证是否有人响应并分享作品，但实际参与情况需动态观察。)

原文内容:

提示分享：镀金编年史卷轴

 提示：
一幅历史性发光卷轴，描绘[subject]，错综复杂的手绘花饰，华丽的植物图案，镀金边框，装饰性的拉丁书法文字，[color1]和[color2]色的精致长袍，闪闪发光的贴金箔，古老羊皮纸质感，精致的 中世纪颜料，细致的 手稿工艺，丰富装饰的构图

试试看并分享你的 

⏰ 19:00 | ❤️ 96点赞 | 📝 106字 | 查看原文 →

↑ 返回顶部

Tivadar Danka @tivadardanka

I make math and machine learning accessible to everyone. Mathematician with an INTJ personality. Chaotic good. | 影响力: 529万粉丝

💡 核心观点: 作者将优质推文转为教学视频，邀请机器学习从业者订阅。

可信度: 6/10 – 1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: 作者将高绩效的教育推文转化为终极教育视频 (需查看作者发布的视频内容是否与其推文直接相关，且需验证“高绩效”和“终极”等主观描述的实际表现（如播放量、互动数据等），但无公开标准定义“终极”。)
• ◐ 部分可验证: 已有约10,000名机器学习从业者关注其内容 (若作者提供公开的订阅链接或平台数据（如YouTube订阅数、邮件列表统计），则可直接验证；若仅口头声称，则需依赖第三方平台数据确认。)
• ✓ 可验证: 加入关注可避免错过内容更新 (属于主观承诺或推广话术，无客观事实依据，效果取决于用户实际关注后的体验。)

原文内容:

我最近痴迷于将自己所有高效的教育类推文转化为终极教育视频分享给大家。

点击加入约10,000名机器学习从业者的行列，确保你不会错过任何内容：

⏰ 04:00 | ❤️ 20点赞 | 📝 33词 | 查看原文 →

↑ 返回顶部

Aakash Gupta @aakashgupta

http://product-growth.com https://aibyaakash.com http://landpmjob.com http://youtube.com/@growproduct | 影响力: 0万粉丝

💡 核心观点: 技能因可测试和改进而比提示更持久有效。

可信度: 8/10 – 2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: “我从十二月开始每天使用技能20多次。现在我正在对75个测试运行25个技能” (该声明涉及个人工作习惯和未公开的测试数据，缺乏公开记录或第三方证据支持，属于个人经验陈述。)
• ◐ 部分可验证: “一个提示无法通过那个测试，因为提示没有测试。它只是生成一些东西，然后你决定今天是否喜欢它” (关于“提示无测试”的声明需结合具体技术场景（如AI模型提示工程）验证，但“决定是否喜欢”属于主观判断，部分依赖实际案例或开发者共识。)
• ✓ 可验证: “一个技能你可以评分。这意味着你可以改变它，并知道你是否让它变糟了” (技能的可评分性和迭代优化是软件工程或自动化测试中的常见实践，可通过技术文档（如单元测试、A/B测试框架）验证其可行性。)

原文内容:

提示是文本。技能是行为。

这种区别听起来很学术，直到你尝试将你的工作交给别人。

我从十二月开始每天使用技能20多次。现在我正在对75个测试运行25个技能，而测试是没人谈论的部分。

这就是它们存在的原因。我有一个执行更新技能，它总是把坏消息埋起来。一次运行描述了一个Stripe错误，该错误破坏了一个激活分母，却把它归类为胜利，因为技术上数字是上升了。

一个提示无法通过那个测试，因为提示没有测试。它只是生成一些东西，然后你决定今天是否喜欢它。

一个技能你可以评分。这意味着你可以改变它，并知道你是否让它变糟了。

这就是全部区别，也是为什么第二个能在你离开公司后存活下来的原因。

10条法则，连同测试：

⏰ 03:59 | ❤️ 23点赞 | 📝 254字 | 查看原文 →

↑ 返回顶部

Rohan Paul @rohanpaul_ai

Compiling in real-time, the race towards AGI.

The Largest Show on X for AI.

Get my daily AI analysis newsletter to your email https://rohan-paul.com | 影响力: 6,793万粉丝

💡 核心观点: 小企业通过第三方工具间接使用AI，导致支出集中于头部软件公司。

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: 许多使用 AI 的小公司从不直接向模型供应商付费，而是通过 CRM、帮助台工具或代码编辑器等软件间接获取 AI 服务 (可通过调查主流 CRM（如 Salesforce）、帮助台工具（如 Zendesk）或代码编辑器（如 GitHub Copilot）的定价模式及 AI 功能集成情况间接验证，但需具体案例支撑“许多小公司”的量化比例。)
• ✓ 可验证: 前 10% 的客户占模型服务支出的 99.5% 和新云支出的 99%，后 90% 的公司仅占 0.5% 和 1%
• ◦ 观点: 前 10% 的客户中可能包含代表小客户支付 AI 费用的软件公司，导致长尾公司实际使用量高于账单显示 (该声明为基于数据的推测（“很可能”），缺乏直接证据证明软件公司代付行为与支出分布的因果关系，属于逻辑推论而非事实。)

原文内容:

许多使用 AI 的小公司从不直接向模型供应商付费。
它们通过 CRM、帮助台工具或代码编辑器等方式获取 AI 服务，而软件公司则支付 AI 费用，并将其计入订阅费中。

这就是 AI 支出看起来如此不平衡的原因之一。阿波罗首席经济学家 Torsten Slok 分享的 Ramp 数据显示——

“前 10% 的客户占模型服务支出的 99.5% 和新云支出的 99%，而后 90% 的公司仅占 0.5% 和 1%。”

前 10% 中的一部分很可能就是那些代表数千家小客户支付 AI 费用的软件公司。因此，长尾部分可能使用的 AI 比其账单显示的还要多。

⏰ 03:55 | ❤️ 25点赞 | 📝 172字 | 查看原文 →

↑ 返回顶部

Alex Prompter @alex_prompter

Sharing AI Prompts, Systems, Tips & Tricks

Human + AI = Superpowers | 影响力: 0万粉丝

💡 核心观点: 谷歌Gemini测试购物按钮，优先推广合作电商Flipkart。

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: 谷歌正在Gemini内部测试购买按钮，印度用户可直接从Gemini回答中购买手机和电子产品 (需通过实测或官方公告确认Gemini是否在印度测试此功能，但无直接公开链接或官方声明佐证)
• ◐ 部分可验证: 亚马逊的商品列表出现在Gemini回答中，但未获得购买按钮，按钮指向Flipkart (需实测Gemini回答中是否显示亚马逊商品及Flipkart按钮，但无官方说明合作细节)
• ✓ 可验证: 谷歌在2024年向Flipkart投资约3.5亿美元 (可通过财经新闻或Flipkart/谷歌的公开投资公告验证具体金额和时间)

原文内容:

 突发：谷歌正在 Gemini 内部测试购买按钮

印度的一些用户现在可以直接从 Gemini 的回答中购买手机和电子产品，而无需离开聊天。

亚马逊的商品列表会出现在相同的回答中。但它们没有获得该按钮。

该按钮指向 Flipkart。沃尔玛拥有它，谷歌在 2024 年向其投资了约 3.5 亿美元。

上周，亚马逊阻止了 Meta 的 AI 代理访问其网站。现在谷歌的 AI 决定哪家商店获得销售。

计划在 10 月进行更广泛的推出。

你会直接从聊天机器人购买吗？

⏰ 23:00 | ❤️ 45点赞 | 📝 156字 | 查看原文 →

↑ 返回顶部

GREG ISENBERG @gregisenberg

我每天分享创业想法。主持 @startupideaspod。CEO：@latecheckoutplz 我们打造像 @ideabrowser、@meetLCA、@boringmarketer 等这样的公司 | 影响力: 0万粉丝

💡 核心观点: 别听消极言论，勇敢分享你的想法。

可信度: 4/10 – 1项需进一步确认；3项为观点陈述

事实核查:

• ◦ 观点: 互联网上有无穷无尽的聪明人，他们解释着为什么每一个机会都已死去 (该声明是对互联网上部分人群态度的主观概括，缺乏具体数据或可量化证据支持，属于个人观点表达。)
• ◐ 部分可验证: 每一个成功人士都是靠运气 (成功与运气的关系可通过案例分析或研究（如《成功与运气》等书籍）部分验证，但结论通常存在争议，且依赖主观解读。)
• ◦ 观点: 每一个尝试新事物的人都太迟了、错了或愚蠢 (这是对他人评价的笼统描述，无具体案例或统计支持，属于主观批判性观点。)

原文内容:

互联网上有无穷无尽的聪明人，他们解释着为什么每一个机会都已死去，为什么每一个成功人士都是靠运气，以及每一个尝试新事物的人都太迟了、错了或愚蠢。

别听他们的。

你值得与世界分享你的想法。

⏰ 03:12 | ❤️ 675点赞 | 📝 83字 | 查看原文 →

↑ 返回顶部

Sam Hogan @samhogan

ceo @inference_net | inference infra for AI-native teams | 影响力: 1,526万粉丝

💡 核心观点: 卖家急售12个B300节点需预付560万并称有投资者背书

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: 能提供12个B300节点，价格为$4.50/小时，5年期，30%预付款，12周内交付 (节点型号、价格、付款条件和交付周期等商业条款需通过供应商官方渠道或合同确认，但缺乏具体供应商名称或官方链接，需进一步核实真实性。)
• ✓ 可验证: 需在周一之前电汇560万美元，否则交易取消 (涉及具体转账金额和期限的私人交易要求，无公开记录或第三方佐证，完全依赖发推者单方面声明。)
• ✓ 可验证: 信息是从Claude处获取的 (未说明“Claude”具体指代（如AI模型Claude或某个人），且无公开信息或上下文证明来源可靠性。)

原文内容:

哟，大哥，我能给你搞到12个B300节点，没废话，真的。$4.50/小时，5年期，30%预付款，12周内交付

我需要你周一之前给我电汇560万，不然滚蛋

不，我之前没干过这个。这是从claude那儿弄来的些信息

而且naval的spf是个投资者，所以你知道我靠谱

⏰ 03:00 | ❤️ 236点赞 | 📝 81字 | 查看原文 →

↑ 返回顶部

Rohan Paul @rohanpaul_ai

Compiling in real-time, the race towards AGI.

The Largest Show on X for AI.

Get my daily AI analysis newsletter to your email https://rohan-paul.com | 影响力: 6,793万粉丝

💡 核心观点: AI能力有物理极限，无法全知全能。

可信度: 4/10 – 2项需进一步确认；1项为观点陈述

事实核查:

• ◦ 观点: 人工智能会变得更好，但永远不会全知全能。 (这是Steven Pinker对人工智能未来发展的主观判断，没有提供具体的客观事实或数据支持，属于个人观点。)
• ◐ 部分可验证: 没有系统能够学习宇宙中每个粒子的位置和速度。 (这一声明基于物理学中的海森堡不确定性原理（量子力学）和热力学限制，理论上可验证，但实际验证需要复杂的科学实验和理论推导。)
• ◐ 部分可验证: 物理定律和信息的限制决定了人工智能无法知道或做到一切。 (该声明涉及物理学和信息论的基本原理，部分可通过科学理论验证，但“无法知道或做到一切”是一个广义的结论，具体边界难以完全界定。)

原文内容:

哈佛认知科学家Steven Pinker (@sapinker) 谈人工智能的未来道路。

“它会变得更好。它永远不会全知。它永远不会全能。那是漫画书里的东西，是宗教里的东西。有物理定律。有信息的限制。没有系统能够学习宇宙中每个粒子的位置和速度。所以只要这是真的，就不会有一个人工智能系统能够做任何事情或知道所有事情。”

⏰ 02:53 | ❤️ 134点赞 | 📝 119字 | 查看原文 →

↑ 返回顶部

Alex Veremeyenko @alex_verem

开源、本地人工智能、公益人工智能

又名：@alex_prompter | 影响力: 0万粉丝

💡 核心观点: 美AI基建投资规模空前或成经济泡沫风险

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: 布鲁金斯学会发布了一篇关于人工智能建设对美国成本的论文 (可通过布鲁金斯学会官网或学术数据库检索该论文标题及内容，确认其存在及核心结论)
• ◐ 部分可验证: 美国2025-2032年人工智能基础设施总成本预计达103000亿美元，占GDP的3.6% (需核实哥伦比亚大学经济学家原始研究或布鲁金斯学会论文中的具体计算方法和数据来源，但部分基础数据（如GDP占比）可通过公开经济统计交叉验证)
• ◐ 部分可验证: 大科技公司AI基础设施支出从2020年970亿增至2025年4000亿美元，2026年预计8000亿 (科技公司公开财报或行业报告可能披露部分支出数据，但“预计”值依赖第三方分析模型，需确认具体机构预测报告)

原文内容:

布鲁金斯学会刚刚发布了一篇残酷诚实的论文，讨论人工智能建设对美国的成本。

一位哥伦比亚大学经济学家将美国计划为人工智能建造的每一个数据中心、芯片、电力线和冷却系统加总起来，总额读起来就像是对任何有养老金的人的警告。

2025年至2032年间，103000亿美元。这相当于整个美国经济的3.6%，每年如此，持续八年。

没有哪一次美国基础设施热潮能与之相比。1800年代的铁路热潮——通常的基准——峰值仅占GDP的约2.2%。运河、电气化、州际高速公路和互联网的规模都更小。

这些数字是粗略的。大科技公司在人工智能基础设施上的支出从2020年的970亿美元增加到2025年的约4000亿美元，明年预计将达到8000亿美元。已有超过1.3万亿美元的债务承诺用于此。其中越来越多的资金通过私人信贷、特殊目的工具和表外交易流动，外界难以看清谁持有风险。

这位经济学家没有贸然称其为泡沫。他说，现在还为时过早，无法将其与那些以崩盘告终的信贷热潮相比，他仍然怀疑其回报。

“硅谷希望我们所有人相信这是一个奇迹技术……它必须产生数万亿美元的收入才能获得融资。我只是不确定这有多可能。”

他的主要建议是，现在就衡量风险敞口并公开它，在资金仍在流动时，在经济下行暴露其位置之前。

整个星期我一直在向人工智能实验室要求同样的事情。向我们展示事故，向我们展示债务，向我们展示谁暴露在风险中。

当账单到期时，谁的储蓄会垫在下面？

⏰ 01:57 | ❤️ 118点赞 | 📝 493字 | 查看原文 →

↑ 返回顶部