Keep on to blur preview images; turn off to show them clearly
香港大埔火灾令人痛心 个人捐款以尽绵薄之力🙏 救援资金接收方是香港仁济医院，救援资金用于发放物资、支援经济困难的死者家属、殉葬费、灾民灾后重建生活。 香港银行的转数快最方便。 支付宝也支持。 （银行账户似乎失效了。） 号召大家都伸出援手🤝 账户链接： https://t.co/croRhSDu2W…
聊硅基 AI，看有机 Orange。
You’ll brute-force your way to tens of trillions of parameters that can only run in the cloud, not on the edge, and even that cloud future isn’t guaranteed in a world of data scarcity and tightening access. All that burn, just to ship something fragile, centralized, and brittle. What a spectacularly wasteful business model.
Founder @ https://t.co/AwROlKtFoF
写给0-1岁的初创公司合伙人(3)：出海产品运营的推广渠道 大家好，我是https://t.co/SgMGfxMeo4的小九。 如果要为产品出海搭建社交阵地，有7个平台值得优先布局，它们就像不同特性的“流量池塘”，各有其用户生态和价值。 第一梯队：必做的“基础设施级”平台 Gmail/Google账号：互联网世界的“通用入口”，用于注册所有平台、接收验证邮件，是身份的基础保障。 Reddit：全球最大的兴趣社区，像“知乎+论坛”的混合体，流量巨大且用户粘性强。关键在于找到垂直领域（如科技、工具、细分行业），深度参与讨论而非直接硬广。 Twitter：类似“全球版微博”，算法推流机制活跃，适合快速传播产品动态、与用户实时互动，哪怕是简短的更新也可能获得自然流量。 Facebook：覆盖人群广，尤其在欧美市场，可通过主页、群组建立品牌认知，适合长期积累私域用户。 第二梯队：垂直领域的“精准流量池” Indie Hackers：开发者社区，月活约200万，用户多为独立创业者或技术爱好者，能交流产品迭代经验，甚至找到合作伙伴。建议先“养号”1个月，通过分享个人经历、产品思考融入社区，再自然引入产品。 ProductHunt：专注“新产品发布”的平台，月活1000万+，适合在产品上线初期“引爆声量”。提交产品时需突出独特性和用户痛点，优质内容可能被编辑推荐，获得首批种子用户。 Hacker News：由YC创业营孵化的科技资讯社区，月活3000万，用户对“新奇技术”“创新模式”敏感度高。若产品有颠覆性功能或技术突破，这里是获得行业关注的重要窗口。 运营的核心逻辑：从“做事”到“成事” 小步快跑，快速验证：不必追求“完美产品”，能解决用户一个具体问题就上线。赚得第一笔收入后，再逐步优化迭代——实践出真知，试错是成长最快的方式。 借力合作，降低成本：单打独斗效率低，可联合运营、产品或设计师协作。比如开发者专注技术实现，运营负责社交推广，分工明确能快速推进项目。 聚焦“搜索流量”，做深做透：当通过关键词发现某个功能或需求能带来稳定搜索流量时，围绕该关键词多搭建几个相关网站或落地页，最大化捕获自然流量。 付费流量“卡位”，避免竞争挤压：若产品利润稳定、确定性强，尽早投入付费广告（如Google Ads、Facebook Ads），抢占核心流量入口，防止同行用广告位挤压生存空间。 保持灵活，预留“Plan B”：市场变化快，需随时准备调整方向。比如某平台政策变动、流量下滑，提前布局的其他渠道能及时补位，避免项目停滞。 最后：行动力比“想清楚”更重要 很多人总在“等想明白再做”，但出海的关键是“做了才会想明白”。从今天开始，先注册账号，研究目标用户活跃的平台，发布第一条内容——哪怕只是简单介绍产品功能。时间会验证：当产品能解决用户真实需求，即使暂时不做过多运营，它也会通过口碑或搜索，慢慢积累属于自己的用户。 最好的策略永远是“开始行动”，而不是“等待完美”。
Research Scientist @Google | Previously PhD @nlp_usc, B.Eng @TsinghuaNLP 找工作、找面试题、改简历、模拟面试。关注： 创业（冷启动） ｜ 认知心理学｜智能体 ｜ 强化学习 building：https://t.co/A4YmEz9yqG
RT @kimmonismus: Yann LeCun’s 1989 convolutional neural network demo, the foundation for the CNNs we still use today. It's amazing how far…
Professor at NYU. Chief AI Scientist at Meta. Researcher in AI, Machine Learning, Robotics, etc. ACM Turing Award Laureate.
AI 生成的代码应被视为“初稿”，而非“定稿”！ 来自谷歌 Chrome 工程负责人 @addyosmani 的博客，他的观点非常明确：AI 生成的代码应被视为“初稿”，而非“定稿”，应该把 AI 当作「一位勤奋但缺乏经验的实习生」。 Osmani 提出，AI 生成的代码往往看起来很完美，但它缺乏对上下文的深刻理解和对“意图”的把握。因此，我们对待 AI 代码的态度，应该像对待一位 初级开发者 或 实习生 的代码一样： · 可以利用它来提高速度：让它去写样板代码、做繁琐的苦力活。 · 绝不能外包“阅读”和“理解”的过程：你可以让 AI 写，但必须由人来读和审。 为什么必须这样做？（潜在风险） 1. 意图与行为的断裂 (Intent vs. Behavior) · 如果不去阅读和理解代码，你就切断了“代码行为”与“设计意图”之间的联系。 · 一旦代码出了问题，如果你当初没有审阅过，你就无法知道它 为什么 是这样写的，维护将变成一场噩梦。 2. 技能退化 (Skill Atrophy) · 盲目接受 AI 的输出会侵蚀工程师的批判性思维和调试能力。 · 正如一位工程师所言：“如果我们停止验证 AI 的输出，不仅会引入即时的 Bug，还会系统性地降低我们需要用来发现这些错误的能力。” 3. 由于“看起来正确”而产生的误导 · AI 代码往往能跑通，测试也能过，但可能存在微妙的逻辑漏洞、安全隐患（如注入漏洞）或处理不好边缘情况。 · 记住：LLM 不会发布糟糕的代码，发布糟糕代码的是团队。 责任永远在人。 实操建议：如何与 AI 共存 Osmani 给出了一些具体的建议，帮助团队在利用 AI 提效的同时保持代码质量： · 建立 “Human-in-the-loop”：AI 可以起草第一版，但必须由人来确保代码的行为符合预期目的。 · 严格的代码审查：对 AI 代码的审查标准不能降低，甚至应该比审查人类同事的代码更严格。 · 不仅仅是“能跑就行”：不仅要验证代码是否能工作，还要理解它是 如何 工作的。不要合并任何你没读懂的代码。 · 利用自动化工具：虽然要有人的审查，但也可以利用智能体工具来进行自动化的 Lint 检查、正则匹配和单元测试，作为辅助防线。 博客地址：
邵猛，中年失业程序员 😂 专注 - Context Engineering, AI Agents. 分享 - AI papers, apps and OSS. ex Microsoft MVP 合作 - 私信/邮箱：shaomeng@outlook.com 📢 公众号/小红书: AI 启蒙小伙伴
RT @ityouknows: 我刚做程序员的时候，一直在想什么才是程序员的核心竞争力，想了很久，我认为是“解决问题的能力”。 然后我就拼命练。 我写的程序出问题我来解决，同事的程序出问题我也去帮忙；历史遗留的 Bug 我来定位。…
Research Scientist @Google | Previously PhD @nlp_usc, B.Eng @TsinghuaNLP 找工作、找面试题、改简历、模拟面试。关注： 创业（冷启动） ｜ 认知心理学｜智能体 ｜ 强化学习 building：https://t.co/A4YmEz9yqG