与「创意拍照」相关的搜索结果

为什么越来越多人愿意“自己搓一个工具”？Vibe Coding正在发生什么变化？ 微博VibeLab AI 创意赛收官了，一共有 2500 多件原创作品，2.4 亿多话题阅读。很荣幸这次是评委一员，有机会翻看了不少优秀的参赛作品，也转发了其中一部分。 一个直观的感受就是软件开发这种事情，不再需要专业人士了，普通人也能 Vibe 一个工具出来。 所以借这个机会，整理总结一下：为什么越来越多人愿意“自己搓一个工具”？Vibe Coding正在发生什么变化？ 一、写代码这件事，门槛和成本都降下来了 写代码以前是程序员的专利，想写个工具，别说学语言框架，搭个环境都费劲的要死，随便一个环境都能把你卡住，像我这样写程序得有很多年的，换个不熟悉的语言，一样也搞不定。 现在借助 AI Agent，门槛一降再降，现在你只要有一个 Agent，会打字或者会语音，都能指挥 Agent 帮你写一个 App 出来。写代码这件事，从以前需要专业技能，到现在变成了语言表达能力。 我自己身上都有明显变化，从以前对 Vibe Coding 的嗤之以鼻，到现在“真香”，每天都大量的在指挥 Agent 帮我写代码。 二、以前的软件，满足不了长尾需求 长尾理论说的是，需求分布是一条长长的尾巴：头部是大多数人共有的需求，尾巴上是无数小众的、个性化的需求。传统软件只能做头部，因为为少量用户单独开发功能，成本上是不合算的。 而且，就算你有个好想法，也很难传递到开发者那里。想象一下一个普通用户的需求要经过的链条： 用户反馈 → 产品经理收集筛选 → 转化成需求文档 → 设计师出设计稿 → 程序员做系统设计 → 编码 → 测试 → 运维部署 每一环都在过滤、都在排优先级。最终大部分普通用户的需求，都被筛选掉了，软件最终只能取最大公约数，做绝大部分人都需要的那部分。 结果就是，市面上的软件很多，但每个人都有一堆“要是能这样就好了”的小需求，从来没有被满足过。 这次 VibeLab 里我印象很深的一个作品是 @机器旁白 做的 SiaoCut 。起因是他看到我做的 BaoCut，很喜欢“转写、像改文稿一样编辑、AI 处理、人工审阅、导出”串成一条工作流的思路，但 BaoCut 只支持 macOS，他是 Windows 用户。放在以前，他只能等我哪天有空做个 Windows 版，或者就此作罢。现在他自己和 AI 一起做了一个，而且不是简单复刻，还在这个过程中想清楚了自己关心的问题：AI 进入剪辑流程后，应该拿到多少数据，能替创作者决定到哪一步。 这就是长尾需求被满足的样子：不需要等别人来做，有需求的人自己就能把它做出来！ 三、Vibe Coding 让成本变低、链条变短 所以以前那种长长的从需求到交付的链条，现在可以缩成简单的几步： 有个想法，让 AI 去设计、制作、部署。 甚至于很多需求根本不需要做成一个有界面的产品。 比如你想每天自动整理某个表格里的待办，或者每周追踪最新的 AI 资讯，这些事让 AI Agent 帮你写个脚本，再让它自己定时调用就行了。 比如 @张铁蕾 开源的 Bridgic Agent 就是这样的作品：输入 /build，描述你的目标，它自己去探路、生成、验证，遇到需要你判断的地方再来问你。做出来的不是一次性跑完的任务，而是可以长期运行、随时修改的工作流。 还有一种更轻的做法：把你的操作流程、经验和偏好写成 Agent Skill，就像一份告诉 AI 怎么做某类事的说明文档，那么以后 Agent 就能按照 Skill 的说明帮你把很多繁琐的事情变成自动化半自动化的操作，大幅提升你的效率。 现在随着 Agent Computer Use（操作电脑）的能力增强，你甚至可以让 AI 观察你操作一遍，然后它自己能把它你的操作录制成 Skill。不需要界面、不用部署，但它确实能替你干活。 四、模型和智能体的能力，一直在变强 现在普通人也能 Vibe Coding，还有一个重要原因是模型能力在变强。 回头看这几年的变化： 最初，像 GitHub Copilot 只能做代码补全，你写一半它提示后半段； 然后，它能根据描述生成一段完整的代码； 后来， Claude Code 能自己在项目里探索，读文件、找上下文，把一个功能完整实现； 现在，主流 Agent 都已经能做设计、写代码，还能帮你操作电脑，打开浏览器自己验证做出来的东西对不对。 模型每上一个台阶，普通人做工具的难度就降一截。VibeLab 期间正好赶上 Kimi K3 发布，很快就有创作者拿它做体检报告工具、做斗地主游戏，还有人把 Claude Code、Qoder、GLM、Kimi K3 混着用。 由此也可以看得出越来越多的人已经不再把 AI 当聊天机器人了，能配合 Agent 把 AI 当干活的工具。 五、变化的还有“做工具”这件事本身的心态 看作品的时候我还注意到一点：很多作品不追求改变世界这种宏大的事，就是想先解决一个具体麻烦。比如说工作流太碎、长辈不听劝、拍照没人帮、看不懂热点，作品的起点都是这样一个一个具体的痛点。 最初微博在设定大赛规则的时候，把赛道拆进职场、生活、视觉、微博这些具体场景，现在看来还挺有道理的，因为这确实能激发人 Vibe 的冲动，想去用 AI 解决生活中的问题。 其实这次参赛的作品也不都是工具。@世界第一裹凉皮 把 32657 位诗人、933857 首诗做成了一个三维宇宙 ；@德里克文 的「华夏博物志」把全国博物馆收进一幅可以点开的中国画 ；@海辛Hyacinth 把三星堆&金沙文物变成了互动场景 。这些作品看起来似乎不像工具那么实用，但让我们看到 Vibe Coding 不只是提效，也可以服务于文化和审美。 以前想做这样的东西，需要一个团队，现在一个人，不需要会写程序，有自己的想法加上 AI 就可以试试看。 最后，如果你也想自己搓一个工具，我的一点建议： 从写一个 Agent Skill 开始。 这是成本最低的方式：不用部署，不用界面，把你希望 AI 帮你做的某类事情写清楚就行。做一次，发现哪里不对，改一改，很快就能用起来。 顺便推荐下我的书《图解 Skill》，也是不错的 Skill 入门书籍。 如果要做网页或者 App，不用一上来就让 AI 把整个东西做完。 建议分步走： 1. 先和 AI 一起讨论需求，把你想要什么说清楚，让它复述一遍，确认理解一致。 2. 先做原型。也就是用模拟数据，只看长什么样、怎么操作，不接真实逻辑。原型的好处是改起来成本低，修改容易，就算推翻重来都很快。 3. 再做 MVP（最小可行产品），只做一个最核心的功能，先做一个小的能跑的东西出来。 4. 再慢慢迭代，有了 MVP 了，能跑起来了，就可以慢慢迭代，一次加一个小功能，AI 能处理的过来，你也验收的过来，日积月累，慢慢会变成成熟的软件。 做完一定要验收。 从头到尾按一个真实用户的路径试一遍，AI 说做完验收完不一定靠谱，还得自己上手用用。 注意安全。 涉及钱、隐私、账号权限的东西要格外小心，拿不准的地方去找专业人士问一下。就像 SiaoCut 的作者给 AI 划定了边界：AI 只拿到任务所需的文本和时间戳，不碰原始媒体，处理完只生成待审建议，最终由人决定。这样的思路值得借鉴。 最后说一句，做出来之后，发出来。 这次 VibeLab 里不少作品原本只是作者电脑里的一个 Demo，发到微博之后被讨论、被转发，有的还上了热搜。对于自己动手做东西的人来说，“作品被看见”是最好激励，也是下一次迭代的开始。

为什么越来越多人愿意“自己搓一个工具”？Vibe Coding正在发生什么变化？ 微博VibeLab AI 创意赛收官了，一共有 2500 多件原创作品，2.4 亿多话题阅读。很荣幸这次是评委一员，有机会翻看了不少优秀的参赛作品，也转发了其中一部分。 一个直观的感受就是软件开发这种事情，不再需要专业人士了，普通人也能 Vibe 一个工具出来。 所以借这个机会，整理总结一下：为什么越来越多人愿意“自己搓一个工具”？Vibe Coding正在发生什么变化？ 一、写代码这件事，门槛和成本都降下来了 写代码以前是程序员的专利，想写个工具，别说学语言框架，搭个环境都费劲的要死，随便一个环境都能把你卡住，像我这样写程序得有很多年的，换个不熟悉的语言，一样也搞不定。 现在借助 AI Agent，门槛一降再降，现在你只要有一个 Agent，会打字或者会语音，都能指挥 Agent 帮你写一个 App 出来。写代码这件事，从以前需要专业技能，到现在变成了语言表达能力。 我自己身上都有明显变化，从以前对 Vibe Coding 的嗤之以鼻，到现在“真香”，每天都大量的在指挥 Agent 帮我写代码。 二、以前的软件，满足不了长尾需求 长尾理论说的是，需求分布是一条长长的尾巴：头部是大多数人共有的需求，尾巴上是无数小众的、个性化的需求。传统软件只能做头部，因为为少量用户单独开发功能，成本上是不合算的。 而且，就算你有个好想法，也很难传递到开发者那里。想象一下一个普通用户的需求要经过的链条： 用户反馈 → 产品经理收集筛选 → 转化成需求文档 → 设计师出设计稿 → 程序员做系统设计 → 编码 → 测试 → 运维部署 每一环都在过滤、都在排优先级。最终大部分普通用户的需求，都被筛选掉了，软件最终只能取最大公约数，做绝大部分人都需要的那部分。 结果就是，市面上的软件很多，但每个人都有一堆“要是能这样就好了”的小需求，从来没有被满足过。 这次 VibeLab 里我印象很深的一个作品是 @机器旁白 做的 SiaoCut 。起因是他看到我做的 BaoCut，很喜欢“转写、像改文稿一样编辑、AI 处理、人工审阅、导出”串成一条工作流的思路，但 BaoCut 只支持 macOS，他是 Windows 用户。放在以前，他只能等我哪天有空做个 Windows 版，或者就此作罢。现在他自己和 AI 一起做了一个，而且不是简单复刻，还在这个过程中想清楚了自己关心的问题：AI 进入剪辑流程后，应该拿到多少数据，能替创作者决定到哪一步。 这就是长尾需求被满足的样子：不需要等别人来做，有需求的人自己就能把它做出来！ 三、Vibe Coding 让成本变低、链条变短 所以以前那种长长的从需求到交付的链条，现在可以缩成简单的几步： 有个想法，让 AI 去设计、制作、部署。 甚至于很多需求根本不需要做成一个有界面的产品。 比如你想每天自动整理某个表格里的待办，或者每周追踪最新的 AI 资讯，这些事让 AI Agent 帮你写个脚本，再让它自己定时调用就行了。 比如 @张铁蕾 开源的 Bridgic Agent 就是这样的作品：输入 /build，描述你的目标，它自己去探路、生成、验证，遇到需要你判断的地方再来问你。做出来的不是一次性跑完的任务，而是可以长期运行、随时修改的工作流。 还有一种更轻的做法：把你的操作流程、经验和偏好写成 Agent Skill，就像一份告诉 AI 怎么做某类事的说明文档，那么以后 Agent 就能按照 Skill 的说明帮你把很多繁琐的事情变成自动化半自动化的操作，大幅提升你的效率。 现在随着 Agent Computer Use（操作电脑）的能力增强，你甚至可以让 AI 观察你操作一遍，然后它自己能把它你的操作录制成 Skill。不需要界面、不用部署，但它确实能替你干活。 四、模型和智能体的能力，一直在变强 现在普通人也能 Vibe Coding，还有一个重要原因是模型能力在变强。 回头看这几年的变化： 最初，像 GitHub Copilot 只能做代码补全，你写一半它提示后半段； 然后，它能根据描述生成一段完整的代码； 后来， Claude Code 能自己在项目里探索，读文件、找上下文，把一个功能完整实现； 现在，主流 Agent 都已经能做设计、写代码，还能帮你操作电脑，打开浏览器自己验证做出来的东西对不对。 模型每上一个台阶，普通人做工具的难度就降一截。VibeLab 期间正好赶上 Kimi K3 发布，很快就有创作者拿它做体检报告工具、做斗地主游戏，还有人把 Claude Code、Qoder、GLM、Kimi K3 混着用。 由此也可以看得出越来越多的人已经不再把 AI 当聊天机器人了，能配合 Agent 把 AI 当干活的工具。 五、变化的还有“做工具”这件事本身的心态 看作品的时候我还注意到一点：很多作品不追求改变世界这种宏大的事，就是想先解决一个具体麻烦。比如说工作流太碎、长辈不听劝、拍照没人帮、看不懂热点，作品的起点都是这样一个一个具体的痛点。 最初微博在设定大赛规则的时候，把赛道拆进职场、生活、视觉、微博这些具体场景，现在看来还挺有道理的，因为这确实能激发人 Vibe 的冲动，想去用 AI 解决生活中的问题。 其实这次参赛的作品也不都是工具。@世界第一裹凉皮 把 32657 位诗人、933857 首诗做成了一个三维宇宙 ；@德里克文 的「华夏博物志」把全国博物馆收进一幅可以点开的中国画 ；@海辛Hyacinth 把三星堆&金沙文物变成了互动场景 。这些作品看起来似乎不像工具那么实用，但让我们看到 Vibe Coding 不只是提效，也可以服务于文化和审美。 以前想做这样的东西，需要一个团队，现在一个人，不需要会写程序，有自己的想法加上 AI 就可以试试看。 最后，如果你也想自己搓一个工具，我的一点建议： 从写一个 Agent Skill 开始。 这是成本最低的方式：不用部署，不用界面，把你希望 AI 帮你做的某类事情写清楚就行。做一次，发现哪里不对，改一改，很快就能用起来。 顺便推荐下我的书《图解 Skill》，也是不错的 Skill 入门书籍。 如果要做网页或者 App，不用一上来就让 AI 把整个东西做完。 建议分步走： 1. 先和 AI 一起讨论需求，把你想要什么说清楚，让它复述一遍，确认理解一致。 2. 先做原型。也就是用模拟数据，只看长什么样、怎么操作，不接真实逻辑。原型的好处是改起来成本低，修改容易，就算推翻重来都很快。 3. 再做 MVP（最小可行产品），只做一个最核心的功能，先做一个小的能跑的东西出来。 4. 再慢慢迭代，有了 MVP 了，能跑起来了，就可以慢慢迭代，一次加一个小功能，AI 能处理的过来，你也验收的过来，日积月累，慢慢会变成成熟的软件。 做完一定要验收。 从头到尾按一个真实用户的路径试一遍，AI 说做完验收完不一定靠谱，还得自己上手用用。 注意安全。 涉及钱、隐私、账号权限的东西要格外小心，拿不准的地方去找专业人士问一下。就像 SiaoCut 的作者给 AI 划定了边界：AI 只拿到任务所需的文本和时间戳，不碰原始媒体，处理完只生成待审建议，最终由人决定。这样的思路值得借鉴。 最后说一句，做出来之后，发出来。 这次 VibeLab 里不少作品原本只是作者电脑里的一个 Demo，发到微博之后被讨论、被转发，有的还上了热搜。对于自己动手做东西的人来说，“作品被看见”是最好激励，也是下一次迭代的开始。

我做过两个 App，两次改变了我的人生轨迹。 20岁时，第一个 App 让我从月薪4000元的锤子科技客服，变成了月薪8000元的产品经理。 十年后，第二个 App 上线第一个月，就给我带来了和做自媒体差不多的收入。从那以后，我不再需要依赖商单养活自己。 我 2016 年做的 App，叫 Cutisan，一个壁纸制作 App，那时候我20岁。 我19岁的时候，大专念了两年就主动退学了，因为我找到了锤子科技客服的实习工作。当时想的是我通过客服作为跳板，去锤子科技产品部工作。那时候罗永浩还没有给锤子科技招聘做学历限制。 我在客服部做了不到一年，认识了一个网友，他原先做销售，去北京报了产品经理培训班，学了3个月，然后找到了产品经理的工作。于是我也去报班学了产品。但以当时的认知水平，我其实听得一知半解。也不知道这学了3个月怎么就能去找产品经理的工作了。 我给产品部投过两次简历和产品创意集。第一次他们不缺人，第二次我进了面试，但最后，他们选择了一个有一年产品经验的人。 当时还有一个产品实习生的岗位，我以为，只有在校大学生才能实习，就没有投。而客服部有一个同事，和我的条件一样，报过产品培训班，他投了，过了，去实习了，后来转正了。 这件事情我耿耿于怀了很久，它对我的遗憾远高于没考上重点本科。因为我在20岁之前最大的梦想就是去锤子科技做产品经理。 也是那段时间，我想要做一个 App，把照片制作成这个样式，来解决当时 iPhone「把人像照片直接设置为锁屏壁纸，时间会挡住人脸」的问题。 我只有想法，不会设计和开发。幸运的是，当时我在微博上发了这个想法，有一个互相关注的微博网友，也是锤友，@随你们去，看了我的想法之后，私聊我想一起做这个项目，他可以做 UI 设计。我说好啊，那我找一个人来做开发。 我当时的前客服组长，离职之后报班学了 iOS 开发，我们三个一拍即合，把这个 App 做了出来，上线第一个月就下载了3万多次。不过那个时候是纯免费的 App，并没有赚钱。 虽然没去成锤子科技的产品部，但以 Cutisan 上线第一个月3万次的下载量，即便只是一个免费小工具，也足以证明我抓需求和从零到一做项目的能力，我得以找到了一份产品工作，从月薪4000的客服变成了月薪8000的产品经理。 对当时的我来说，生活品质大幅提升了，我还没拿到第一个月的工资，就刷信用卡给当时的女朋友买了三千多元的衣服，给自己分12期免息买了6000块钱的不锈钢 Apple Watch S2，分12期的原因是当时苹果还没推出24期免息。 如果没有 Cutisan，以我当时的简历，我找到产品工作的概率会低特别多。 改变我人生的第二个 App，是我去年发布的「去留」。 我一直都有在想，有什么 App 是值得做的，我真的挺想做一个删照片的 App，因为我觉得系统相册删照片麻烦，市面上的删照片 App 都不好用，但我梳理了需求之后，暂时也没想出来怎么做可以更好用。 去留的核心 idea 是来源于 flomo 笔记的随机回顾功能。flomo 本身是碎片化的记录，而不是很重的笔记，所以我会在里面记录很多我的想法，情绪。 它的随机回顾会给我每天推一组随机的笔记，我可以看到我以前的一些记录，可能看了之后会对现在的我有帮助，也可能会让我产生一些触动。 某一天用 flomo 随机回顾的时候，灵光乍现，如果随机回顾自己的照片，应该会很有意思吧？我完全不知道会看到什么照片，而且如果翻出来了废片，就直接删掉，等于是边回忆边清理。不需要专门花时间清理，却能达到很好的清理效果。 我搜索了一圈，当时市面上没有任何一个随机回顾和删照片的 App。这既可能说明，这是个很好的机会，也可能说明，这个方法没有市场。我相信一定有人想到过，但是没有做出来。 我决定要做，一方面是因为我用了几年 flomo，明确知道随机回顾自己笔记是多么奇妙的体验，我小时候也用过 iPod Shuffle，随机听歌也很有意思。另一方面，我把我的想法，和我四五个好朋友说了，他们一致认为这是好东西，于是我确定要做。 而我现在做 App 并不需要再找新人来合作，和我合作 Cutisan 的随老师，他后面自学了 iOS 开发，自己也做了几个 App。于是我负责产品和营销，他负责 UI 和开发，我们花了4个月的时间，做到了上线。 其实上线前我就很确定，去留是个好东西，它一定会卖爆的，它一定会有非常高的付费转化率。然而上线一个月的数据还是超出了我的预期。 第一个版本只做了随机回顾照片， 没有视频没有截屏， 因为功能少，所以只卖28块钱一年，第一个月下载量15500次，销售额8330美元，就是56000人民币。 这足以说明需求抓得好，产品实现得也好。独立开发者圈子都认为月收入5000美元是个坎，我们第一个月就过了。 为什么用户这么愿意付钱给去留。因为去留和照片整理赛道的其他产品完全不同。他们把相册看作一堆需要清理的文件，于是相应的做出了：按顺序浏览、按文件大小排序、按月份整理等功能。 而我们认为，照片首先承载着人们重要的回忆，只是相册里夹杂着一些不再需要的内容。清理不应该成为主角，我们应该让用户边回忆、边清理。 后来我们又做了很多原创功能。比如把视频单独做成短视频一样的浏览体验，刷自己的短视频是非常奇妙的体验。 我们还做了一个叫「回到那天」的功能。浏览任何一张照片时，只要双指捏合，就能看到那一天拍摄的所有照片和视频。一个偶然出现的瞬间，就这样重新变成了完整的鲜活的一天。（建议看视频，或者下载来体验一下，真的很神奇的体验） 对于爱拍照，照片有几万张的人来说，用那些按顺序删照片的 App 简直就是折磨，所以他们宁愿买更大的内存，开更大的 iCloud 套餐，也不想花时间删照片，因为几万张照片根本不知道什么时候是个头。 而我们很多用户都是随手拿起来就刷一刷，就像是刷社交媒体一样放松。看到过去的美好回忆，当下也会有点开心，顺手又删掉了一些照片。去留改变了删照片的性质，从负担变成了愉悦。 在过去的五年里，我是全职做视频，我接的商单不多，但也足以让我过上，在上海不买车不买房，能够在南京西路，静安寺这样的地段，和女朋友租9000元的房子，过得还不错的生活。当然我也没存下来什么钱。 去年，女朋友决定出国留学。后来，我们一起来到了西澳大利亚的珀斯。关注我的朋友应该注意到了，我今年只更新了几个视频，主要是因为做 App 需要投入的时间远比我预期的多。 它看起来是一个很小的 App，但是每一个产品决策，每一处的细节，都是花了很多时间精力的。尤其是大多数功能都是原创功能，从构想到落地，我需要花时间去遍历各种可能性，找出当下的最优解，是非常非常花时间的。 还好去留现在光是 iOS 平台的国区收入就已经养活我和随老师两个人，我接下来的核心工作就是做去留的海外营销，毕竟赚人民币花澳元实在是太肉疼了，一个麦当劳汉堡要七八十块钱，这谁受得了啊。赚美元花澳元就好很多了。以及和另一位伙伴对接安卓和鸿蒙的版本。 去留第二次改变了我的人生轨迹。如果没有去留，我真的得想象一下我现在的工作是什么，今年数码赛道显然是有明显下滑了，我估计应该转型做 AI 博主了，那在这边也是能接到商单的。 不过我更喜欢现在的生活，没有人给我定 deadline，没有人可以要求我做什么，我完全掌控自己生活和工作的节奏。这是我梦寐以求的生活，我做到了。 我的视频不会停止，只是会放慢速度。因为我认为公开表达是一辈子的事。如果有合适的商单就接，没有的话就做我自己想做的选题。 最近我也在准备一期澳洲生活的 vlog，因为这里的生活和中国很不一样，有很多值得分享的事情。今年的 iPhone 折叠屏如果有意思，我应该还是会买来做视频。这里顺便征集一个植入广告位，比如什么充电器，手机配件，二手平台什么的，如果没有的话，到时候我就植入去留。 我还记得，19岁的时候，我写过一篇短文。里面说，我想去手机公司做产品经理；如果实在找不到产品经理的工作，做数码编辑也行。 十年后我才发现，原来最好的工作是自己创造的工作。 回头看，我完全活成了当年想成为的样子， 甚至比当年想象的，还要多一些。

😎成为 #OKX# 潮牌主理人，赢 500U+周边大奖~ 参与方式： 1/有周边👉发挥创意，秀出周边 还没有周边👉拍下身边的OK元素，logo、棋盘格... 2/带话题 #OKX潮牌主理人# +照片引推 3/随机送出周边礼包x10，并选出： 4位主理人👉每人500U+周边礼包x5 5位人气王👉每人200U+周边礼包x3 拍照示例见评论区⬇️

最近 KOR 的交易所上架动态值得留意，我反而想先聊聊它的代币经济结构。 很多人看到新币上线，第一反应就是看价格、看成交量，但我觉得真正想研究一个项目，还是得先搞清楚筹码结构和项目本身有没有长期需求。 @KorProtocol总供应量固定为 100 亿枚，按照官方公布的代币经济学，TGE 初始解锁约 22.87%，团队和投资人 TGE 零解锁，锁仓一年后才开始释放。 这几个数字值得记下来。 初始流通比例会影响早期市场的供需关系，而团队和投资人的解锁安排，则是后续需要持续跟踪的变量。当然，低初始流通不等于价格一定上涨，具体还要结合成交量、持币分布和实际流通情况判断。 再看项目基本面，KOR 在 Base 上做创意资产的发现、核验、商业对接和稳定币结算，已经有 Pacer、Korus 等产品落地。官方披露产品侧毛收入超过 200 万美元，KOR ID 铸造量超过 15 万。 这意味着它至少有真实产品和业务作为支撑，而不是完全依赖代币叙事。 现在基金会、代币经济学、MiCA 白皮书都已陆续公布，交易所上架也为 KOR 带来了新的市场关注度。 接下来我会重点观察三个方面：实际流通量变化、链上持仓结构，以及产品业务能否继续增长。 对 KOR 来说，上架只是开始，真正的考验还在后面。 #KOR# #KorProtocol# #Base#

大厂的AI商战真是朴实无华，就是猛猛砸钱找专家，猛猛做数据标注。。。字节的Xpert，10月份有一个人领了18万。。。 AI时代，只要你有任何特长，只靠贡献自己的知识和努力，也能活得很滋润： ⓵专业问答与评测 -专业领域问答（医疗、法律、金融、STEM等） -模型回复打分与对比评测 -Benchmark出题与标准答案设计 ⓶聊天 / 对话相关 -多轮对话评估：对模型在聊天中的回复打分、排序、指出问题（准确性、自然度、逻辑、人设一致性等） -对话生成 / 改写：写或优化多轮对话数据，用于训练聊天机器人 -偏好排序（RLHF）：同一问题给出多个回复，选出更好的那个并写理由 -角色扮演 / 人设对话：按指定角色（医生、律师、客服、特定性格等）进行对话评测或数据生产 -对话纠错：找出聊天回复中的事实错误、逻辑漏洞、不当内容 ⓷内容生产类 -高质量专业内容撰写（案例库、知识库、语料） -复杂指令设计（多约束、高难度Prompt） -参考答案撰写 -专业内容改写与优化 ⓸代码 / 技术类 -代码生成评估 -Agentic Coding / 长程任务评测 -Bug查找与代码审查 -编程题出题与判题标准制定 ⓹语音 / 多模态类 -方言语音采集与标注 -语音转写质检 -视频/3D/动捕数据相关 -多模态内容评估 ⓺审核与质检类 -模型输出合规性审核（医疗、法律、金融强合规场景） -知识准确性审核 -已有标注数据的二次质检 ⓻其他 -访谈类任务 -数据采集（按脚本录制真实场景） -创意内容评估（影视、文学、设计美学等） 上面这些任务，简单到只要愿意花时间聊天，时薪也在三位数。更专业一些的比如生物、法律、金融、制造，就更加赚钱了。 可以参与的平台： 1、腾讯旗下的ExpertHub： 2、字节旗下的Xpert： 3、阿里的晓天睿士：

学 Agent 开发的时候，最头疼的往往不是概念，而是找不到能直接跑通的完整示例。 NirDiamant/GenAI_Agents 这个仓库就攒了一大批实战教程，范围从最简单的对话机器人一直铺到多智能体协作这种复杂系统，每一份都附有全量代码和讲解说明。 内容既包括入门级的对话问答，也讲了 LangGraph、MCP 这些框架怎么用；商业侧有客服、简历筛选、合同分析等落地案例，创意生成和信息分析方向同样有所覆盖。 市面上常见的 Agent 应用类型，基本上都能在这里找到可参照的实现。 除此之外，还有一套从提示工程讲到生产部署的课程，拆成 17 个模块，配了视频和练习题，带你从结构化提示一步步搭出真正能跑的系统。 无论是想系统学习，还是找参考实现，都挺合适。 仓库地址：

AI 竟然把一场模型训练，写成了一部交响乐。🎻 有人让 Fable 5.2 创造一种全新的音乐形式，结果它写出了一首模拟 AI 学习过程的交响曲。 管弦乐从随机噪声开始，逐渐学会调性、节拍、和声与旋律，最后演奏出从未接触过的音乐。 把 AI 的学习过程变成音乐，这个创意挺有意思。

有人把Claude Opus 5.5配成了一支“20人创意工作室”。 视频、设计、3D、动效和游戏开发，共20个实际在用的开源Skill，GitHub总星数超过77万。 完整清单👇