开启时会模糊预览图，关闭后正常显示
RT @langzihan: 参考@dotey 宝玉老师的黏土风格，做了一套四大名著的黏土风格的提示词，还是挺可爱的。 提示词粘贴到grok中填上自己喜欢的作品，可以自动生成对应作品的提示词。 promopt: # Role: Visual Storyteller & M…
Prompt Engineer, dedicated to learning and disseminating knowledge about AI, software engineering, and engineering management.
RT @ahmaliic: @thepatwalls you’re everywhere. Soon I’ll be on your podcast 😉
https://t.co/zSf5Z2H78P https://t.co/ryMAyS77qn https://t.co/Gm6gdHaLgp On a mission to inspire 1B people to build stuff!
RT @OkunevUA: Nano Banana Ukrainian version В західних соцмережах набирає обертів новий тренд, який пов'язаний з релізом оновленої версії…
Prompt Engineer, dedicated to learning and disseminating knowledge about AI, software engineering, and engineering management.
Anthropic内部调查曝光：工程师自曝“每天上班都在让自己失业“ Anthropic最近做了件挺有意思的事。 他们把研究的镜头对准了自己，调查了132名工程师和研究员，想看看AI到底怎么改变了他们的工作。 结果发现的东西，既让人兴奋，也让人有点不安。 先说好消息：生产力确实在飙升 工程师们现在60%的工作时间都在用Claude，生产力提升了50%。 这个数字比去年翻了2-3倍。 更有意思的是，有27%的工作是以前根本不会做的。 比如那些"有了更好，没有也行"的小工具，或者一些探索性的尝试。 可以这么理解：以前你可能会想"这个功能挺好的，但要花两周时间做，算了"。 现在有了AI，两周变成两小时，你就会去做了。 那些曾经因为"性价比不高"而被放弃的想法，现在都可以试试看。 但技能在发生微妙的变化，这里开始有点复杂了。 一方面，工程师们变得更"全栈"了。 后端工程师能做前端界面，安全团队能分析不熟悉的代码。 有个工程师说他做了个复杂UI，设计师看到后问"你做的？" 他回答："不是我，是Claude做的，我只是提了要求。" 但另一方面，有些人开始担心基础技能的退化。 一个资深工程师说得很直白： 我现在主要用AI处理那些我知道答案应该长什么样的任务。但如果我还是初级工程师，我会很担心自己是不是在盲目接受模型输出。 这里的悖论：你需要足够的技能来监督AI的输出，但过度依赖AI又可能让这些技能退化。 就像你需要懂编程才能判断AI写的代码对不对，但如果总是让AI写代码，你的编程能力会不会变差？ 更微妙的变化在社交层面。 以前遇到问题，你会去问同事。 现在80-90%的问题都先问Claude了。 有人觉得这挺好，不用麻烦别人。 但也有人说："我喜欢和人一起工作，现在'需要'他们的时候少了，这让我有点难过。" 一个资深工程师提到，初级工程师现在很少来问问题了，" 虽然他们的问题确实得到了更有效的解答，学得也更快。" 这让我想起一个问题：学习到底是什么？ 是快速得到答案，还是在寻找答案的过程中建立对系统的理解？ 有工程师说，以前调试一个问题，你会读很多文档和代码，虽然不是所有内容都直接有用，但你在建立对整个系统的认知。 现在Claude能直接带你找到问题所在，效率提高了，但那种"附带学习"少了。 最让人深思的是工程师们对未来的看法。 很多人说不清楚几年后自己的工作会是什么样。 有人说："短期我很乐观，但长期来看，我觉得AI最终会做所有事情，让我和很多人变得无关紧要。" 也有人更直接："感觉我每天上班就是在让自己失业。" 但也有人觉得这只是又一次技术抽象层级的提升。 就像以前程序员要手动管理内存、写汇编语言，现在高级语言帮我们处理了这些。 也许未来，英语就是编程语言，我们会在更高的层次上思考问题。 一个工程师说： "'技能退化'这个说法的前提是，编程总有一天会回到Claude 3.5之前的样子。但我不这么认为。" Anthropic自己也在摸索。 他们在思考怎么让团队更好地协作，怎么支持职业发展，怎么建立AI辅助工作的最佳实践。 但说实话，没人有确定的答案。 这个研究最有价值的地方，可能不是给出了什么结论，而是提出了正确的问题： • 当AI能做越来越多的事情，我们该保持哪些技能？ • 效率提升和深度学习之间，怎么平衡？ • 工作的意义到底是什么，是产出还是过程？ • 人与人之间的协作会变成什么样？ 这些问题不只是Anthropic的工程师要面对的，可能很快就会成为我们所有人的问题。 技术进步从来不是单纯的好或坏，它会带来新的可能性，也会带来新的挑战。 重要的是我们怎么去适应，怎么在变化中找到新的平衡。 就像一个工程师说的："没人知道会发生什么，重要的是保持适应能力。" 这可能是最诚实，也最实用的建议了。 AI总结，人工排版，原文地址见评论区
https://t.co/3VlFNwWgMr
RT @ezshine: @PandaTalk8 可以试试 https://t.co/2bv7cjOWTK 监控推特热点话题，外网热门推文，然后一键翻译成多国语言后发布，定向运营推特特定语言区域的神器。
独立开发者 ｜ 个人IP教练 ｜ 帮助新手在X上完成早期成长｜ 公众号：PandaTalk8
free tools has been my main strategy for so many of my saas it worked for Tweet Hunter it worked for Taplio it worked for Revid it worked for PostSyncer it worked for SuperX so we built a tool with Outrank to allow anyone to adopt this strategy we worked for months on an SEO Tools Builder ✨ it's now ready in outrank ✨ I will pick 10 people and send them the link to beta test this if interested, drop a 👋 (be ready to spend $200)
Built Tweet Hunter, Taplio (sold $8m) Growing https://t.co/OyNJ8ZUyOh - https://t.co/jS9GQJ5Ps8 - https://t.co/EFUcKeBbpU - https://t.co/JkVOl1O0S1 - https://t.co/KG9PgxJabg Sharing weekly tips about growth: https://t.co/ereQodN3Ov
