与「时代变局」相关的搜索结果

小县城婆罗门们作威作福的好日子，彻底到头了。 原因极其残酷：年轻人跑光了，没人再留下来求他们了。 曾经挤破头才进得去的县一中，如今生源流失；县医院被彻底边缘化，老百姓生病一脚油门直奔省城。那些靠地方权力倒腾的基建、绿化工程，现在做完了也根本要不到钱。最让这群特权阶层绝望的是，他们引以为傲的“人情关系网”彻底瘫痪了——年轻人转头去了南方打工，你盘根错节的本地土权力，再也卡不住任何人的脖子。 没有了源源不断供其收割、买房、托关系的年轻一代，县城的资产、编制和资源瞬间失去了全部溢价。曾经在熟人社会里高人一等的县城精英，最终只能守着无人接盘的房子和厂子，看着那点可怜的优越感，在人口抽干的废墟中一同贬值。 #认知觉醒# #县城现状# #社会观察# #看清本质# #时代变局#

AI时代最浪费钱的行为：用最强模型处理最简单的问题 Claude Opus 能解决复杂编程、架构设计和疑难 Debug 但如果只是写个脚本、改个网页、处理日常任务，Sonnet 就够了 至于简单的分类、信息提取，Haiku 甚至更快更便宜 将来会用模型是本事，会省 Token 才是水平

恭喜自己又大一岁！🍻 早上一睁眼，推特真正意义上万粉了 非常认真拥抱AI的这一年 我的人生发生了非常多的变化 喜欢 @xmmxovo @gkxspace @Astronaut_1216 @ShengzheSeanxu 🥰🥰 00后的好朋友们，给了我非常大的力量 我的职业生涯，这8年，每次裸辞或者跳槽都没有休息超过一个星期 但！！！就在前天，已经谈了离职 💌 接下来，我要为我自己而活了！ AI时代，我们一定会创造更多精彩的👻

《Claude Code + 接口流水线：跨境电商调研的「免网页」实战》 @gengdaJ 分享了一套把 Claude Code 变成调研流水线的方案，核心点不是「用了什么 AI」，而是「把数据接口变成 Agent 的触手」。他在做家庭厨电出海调研时，全流程没开过一个网页，复现他的思路分五步： 1. 资产盘点：用 Exa 和 TinyFish 搜索目标品牌（如九阳）的公开财报与分析，通过全文解析摸清出海业务占比。这一步是定基调，不看网页直接从分析后的数据里拿结论。 2. 市场锚点：用 Anyapi 调用 TikTok Shop 的商品接口，配合 Exa 查跨境电商政策，选定越南作为主攻市场。逻辑是：不靠「感觉」选市场，靠成交数据和政策窗口重合度选。 3. 品类精选：在 Anyapi 里批量拉取 TikTok Shop 店铺的坚果奶机销售数据，只看增速最快、评价最好的 sku。别人还在浏览网页选品，他已经在按「订单密度」筛选了。 4. 触达通路：用 Tikhub 搜垂类 KOC，筛选近期作品活跃度，再用 Anyapi 拿联系方式，Hunter 验证邮箱有效性。这一步把「人工扫码」变成「数据清洗」。 5. 商务自动跟进：用 AgentMail 接口起草邮件、打标、跟进。邮件分批发送，回复状态自动更新，品牌方只需要最后确认回复意向即可。 核心价值：他把调研从「看网页」变成了「调 API」。 Claude Code 在这里扮演的是「流水线调度员」：帮你写接口调用代码、帮你洗数据、帮你把这一串动作串联起来。 这种思路最值钱的地方在于：你手里的 API 决定了你的触手有多长。当别人还在人工查网页时，你是在用数据覆盖市场。AI Agent 时代，谁能把领域数据库接入到 IDE 里，谁就能直接降维打击。

卧槽！！AI 时代真的有太多以前想都不敢想的赚钱赛道了！！ 最近几天研究一个非常冷门的方向：可试玩游戏广告（Playable Ads） 说实话，之前我根本没想过，游戏广告本身竟然也能成为一门生意 以前想做游戏，得懂开发、会画画、做动画、配音效，普通人连入场的机会都不多 但现在有了 AI，玩法完全变了 Scenario 官方放出了一个案例库，里面有 24 个可以直接试玩的小游戏，可以去找灵感 每个小游戏把一种核心玩法压缩成 35～45 秒左右的体验 更夸张的是，下载 HTML 文件还能研究里面的游戏代码 以前游戏公司想做一批可试玩广告，可能需要程序员、美术、动画师协同完成 现在一个懂 AI 工作流的人，就有机会独立承接这类制作需求 而且客户并不难想象：手游厂商、游戏发行商、广告代理商、海外买量团队 可以做定制广告、批量生产试玩素材，甚至把成熟玩法模板产品化 这才是我觉得 AI 最有意思的地方：它正在创造一些过去普通人根本想象不到的职业和赚钱赛道 别只盯着 AI 写文章、做图片了 有些钱，可能就藏在这些你从来没想过的细分需求里 找灵感案例库：

这也是我一直思考的问题，AI发展至今，我认为提高的是认知效率，而不是智力 而提高认知效率的前提是使用者有一定的专业认知，在某个领域有专业认知的人，使用AI可以提高认知效率，提高工作效率，但是这并不意味着非专业人士可以在借助AI在某个领域提升独立思考的能力 如果一个人过度依赖AI提供的结论，自己的大脑却不在主动推理，想象，验证，反思与质疑，那么反而会让使用者的判断能力下降！ 其次，AI虽然提高了效率，提升我们在一定时间内的分析效率，但是在长期时间的积累下，也会让错误的基础总数变多 简单来说，我用AI计算一个问题，将原本分析时间从1小时提升为10分钟，并且将分析成功率从90%提升为98%，确实解决了问题 但是此类问题如果长期计算，因为AI的效率高，原本1小时会出现5个错误，那么使用AI则一小时可能会产生30个错误，长此以往积累下，错误的基础会更多 AI并非是100%正确，这是很多人的误区，更重要的是AI的错误会被规模化广泛传播，这才是致命的！ AI被视为人类新的工业革命，但是也同时引发很多人对行业冲击的压力！ AI代替人类，成为一个很多“普通人”的职业噩梦，尤其是在AI时代的初始阶段，大量初级工作被AI代替，其实也是因为人们对AI过分的信赖与信心导致 但是随着时间推移，人类会发现AI提供的是辅助而非代替，起码现在是如此，而辅助的前提是有需要被辅助的“人” 而当AI越来越多，错误的基础也越来越多的时候，如何判断AI错误？如何纠错？如果修正？这些问题依旧需要有“人”来解决 所以，以目前的视角来看，AI提高的事我们的生产效率，是工业革命，但是却无法完全代替人类，甚至可能因为AI效率的提升，创造更多的岗位 当然对于“打工人”的你我来说，最大的压力应该是——AI高效之下我们的工作压力会更大！

Gemini 4 Carbon 写作确实牛逼 让它总结了 Next Token 过去 9 期 30 条 AI 领域的核心认知： 1. Token 就是新货币；买一台本地机器跑模型，本质上是在家里铸币。—— 橘子 2. AI 没有泡沫，只有受制于物理基建的供给不足。—— 歸藏 3. 在 AI 时代，别羞于承认自己是卖 Token 的——你不卖 Token，还能卖什么？—— 橘子 4. 好应用不必让用户每次打开都烧 Token；用品味把大量 Token 一次性凝结成无数人能反复消费的作品，边际成本才会降下来。—— 向阳乔木 5. 对大多数人来说，Vibe Coding 不是生产力，而是自由度最高的创造类游戏；充进去的 Token，就是新时代的游戏充值。—— 歸藏 6. 只要 AI 把一件事的起跑线拉到六十分，六十分就是零分。—— 橘子 7. 当一件事靠一句话就能搞定时，凭什么它是你的壁垒，又凭什么它是我的？—— 歸藏 8. 软件和游戏正在网文化：平台不再卡发布，只卡推荐；谁都能上架，但没流量就无人看见。—— 歸藏 9. 按昨天的标准做出来的东西，今天 99% 都只算自用工具；市场扩大了一百倍，但依然只有最头部的 1% 配叫商业产品。—— 杨攀 10. 产品未必是一个 App；只要跑通“发现需求、创作、分发”的闭环，一篇文章、一档播客也是产品。—— 歸藏 11. 当开发只要十分钟、打包签名却要半小时，真正的瓶颈就不再是智能，而是旧世界的交付规则。—— 橘子 12. 过去是软件把 Agent 塞进自己的界面；未来是软件放弃自己做 Agent，主动变成 Agent 调用的插件。—— 杨攀 13. 传统软件思维喜欢把每条路径写死；AI 原生思维只留一个循环，把剩下的交给模型。—— 杨攀 14. 软件上的按钮越少，离 AGI 越近。—— 橘子 15. 面对超级助理，人只该负责说话，不该负责管理会话；需要人手动翻找线程，只说明模型还不够强。—— 橘子 16. 工具随时会换，上下文必须归自己所有——劫持所有 Agent 的记忆，把过程和产物沉淀回自己的仓库。—— 歸藏 17. 人类团队正在向一人闭环演进，别反过来让多 Agent 学人类开会内耗——人类在走向 AI Native，别让 Agent 退回 Human Native。—— 橘子 18. 上一代生成模型在卷“理解”，死磕最后百分之一的物理还原；新一代模型赢在“创造”，一句话把意图编排成完整的故事。—— 歸藏 19. 输出格式不报错，只代表不用重试，不代表判断正确——别把“结构稳定”偷换成“没有幻觉”。—— 杨攀 20. 不能调工具、不能动电脑的所谓 Skill，本质上还是一段提示词润色。—— 歸藏 21. 今天限制模型上限的往往是人自己——你写进提示词里的前提假设，恰恰锁死了模型的发挥空间。—— 杨攀 22. 注意力是今天最稀缺的资源；开源的提示词、Skill 乃至软件，唯一的商业价值都是成为流量入口。—— 橘子 23. 跟模型拼技术注定会输；唯有人与人之间建立的信任与个人品牌，不会被技术进步吃掉。—— 橘子 24. 品牌的本质，是用真名、露脸和沉没成本作抵押，降低别人相信你的成本。—— 向阳乔木 25. 所有生意都在建立信任：To B 让企业信你，To C 让大众信你，To A 让 Agent 信你的信源；三者皆无，就只剩悦己的 To Me。—— 橘子 26. 在公网上主动留下关于自己的真实一手信息；你不定义自己，AI 的幻觉就会替你定义你。—— 歸藏 27. 今天最不缺的就是没有性格的内容；持续输出有变化但一致的“人味”，才是稀缺品。—— 歸藏 28. 还按设计、前后端、QA 切岗位的算不上 AI 原生组织；真正的 AI 原生组织里每个人都是全栈闭环的一人公司，而且它是磨合生长出来的，不是 HR 设计出来的。—— 歸藏 29. 大厂把员工拆成稳定的螺丝钉，也就亲手杀死了长出全局架构师的土壤——架构感是操盘练出来的，不是分工分出来的。—— 歸藏 30. 帮企业做 AI 转型，最该做的不是改造基层流程，而是去培训一号位。—— 向阳乔木 以上内容来自：@oran_ge @op7418 @vista8 @ericyangpan @nexttokentv

AI 时代的 e2e 测试该怎么做? 最近 GitHub 斩获 13.8k Star，刚拿了 800 万美金融资的开源 AI 测试框架 e2e，其创始团队技术布道师 Kacper Kapuściak 写了一篇非常扎实的工程实践，下面总结几条核心内容： 1、测用户意图目标，而非前端实现，越过 DOM 节点与 test-id 绑定，直接用自然语言向 Agent 下达具体，收敛的业务意图。由 AI 自主感知界面完成选日期，点生成等交互，哪怕前端重构组件库，测试照样稳定。 2、废弃拖慢 CI 流水线的固定 Sleep 读秒，改用带超时上限的 AI 动态条件等待。忽略Loading 消失这类弱的 UI 信号，直接等上月报表已打开可查看等强业务状态，并将负责异步加载的动态等待，与只抓拍当前画面的瞬时断言严格解耦。 3、执行 Agent 汇报点击完成，不能代表报表没空数据或串数据，更不能让大模型盲猜什么才是正确的画面。必须先从后端 API 查出真实任务列表作为唯一真值源，再调用独立的 AI Judge，严格比对屏幕渲染明细与 API 底账。 4、严禁测试用例之间产生顺序依赖，开跑前通过可复用的 Fixture 调接口独立构造专属工作区与测试数据，跑完后在生命周期钩子中自动清理还原，确保单测重试或并发执行绝对幂等。 5、将“生成报表，下载 CSV，发邮件”拆成命名清晰的独立原子测试。一旦断言失败，框架自动打包故障追踪轨迹，涵盖前置步骤、应用日志、Agent 推理上下文与屏幕快照，不仅人类能秒级定位，更能直接喂给 Coding Agent 自动修 Bug。 传送门：

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：

今天 GitHub 被「浏览器三巨头 + 安全扫描 + 代码审查」大厂联军屠榜了！ 5 个星标暴增最狠的项目，专业拆解下！ 1. GoogleChrome/modern-web-guidance-src Modern Web Guidance 的源码仓：把 Web 平台最佳实践和浏览器兼容数据做成技能，直接塞进你的编程 Agent，让它别再写过时套路；一行 npx 就能安装、搜索指南、扫描旧代码。由 Chrome、Edge、Firefox 和 MDN 团队共同维护。 🔗 直达： AI 写前端最大的毛病就是「十年前的 Stack Overflow 味」，这回浏览器厂商亲自下场补课。1,875 星一天，含金量拉满！ 🟢 2. openai/codex-security OpenAI 官方的 Codex Security 命令行和 TypeScript SDK：扫描仓库或 Git 改动、验证漏洞、生成补丁并复核修复，还能导出 SARIF/JSON/CSV，接 Linear、Jira、GitHub 和 CI。 🔗 直达： 找漏洞、验漏洞、修漏洞一条龙，安全工程师多了个不下班的搭档。754 星一天，总星 1.3 万+，AppSec 正式进入 Agent 时代！ 🟢🟢 3. tailscale/tailcat Tailscale 官方的「不用 Tailscale 的 Tailscale」：像 netcat 一样在两台机器间开 WireGuard 端到端加密隧道，自动打洞直连，不需要账号、不需要 root，纯用户态命令行和 Go 库。 🔗 直达： 一个短地址就能把两台机器连起来，穿透 NAT 像喝水一样简单。324 星一天，网络老炮狂喜！ 🟢🟢🟢 4. alibaba/open-code-review 阿里内部用了两年的 AI 代码审查工具开源：读 Git diff，交给带工具调用的 Agent 去翻全文件、搜代码库，输出精确到行的结构化评审意见；README 称同模型下精确率和 F1 明显高于通用 Agent，token 只用约九分之一。 🔗 直达： 数万开发者、数百万缺陷练出来的审查官，现在人人能请。206 星一天，总星 5 万+，大厂内功直接外放！ 🟢🟢🟢🟢 5. ChromeDevTools/chrome-devtools-mcp Chrome DevTools 官方给 Agent 的接口：MCP 服务 + 命令行，让 Claude、Cursor、Copilot 等编程 Agent 直接操控、检查一个真实 Chrome，录性能 trace、看网络请求、截图、读控制台。 🔗 直达： Agent 终于不再「盲写前端」，能自己打开 F12 找 bug 了。145 星一天，总星 5.5 万+，浏览器调试彻底交给 AI！ 🟢🟢🟢🟢🟢 ⚠️⚠️ 总结： 今天的榜单写满了一个信号：大厂开始把自家内功直接喂给 Agent（Chrome 的 Web 指南和 DevTools、OpenAI 的安全扫描、阿里的代码审查）。工具越来越像「给 AI 用的」，谁先把 Agent 武装到牙齿，谁就站在下一波生产力的 C 位。