与「AI新人ちゃん」相关的搜索结果

String AI 新人福利限时开启！ 现在注册，可享0.15倍率 更有专人客服一对一教学，无需担心难上手 号池充足，量大管饱 直接上游，来源可靠 String AI ，让智能一念即达

String AI新人福利限时开启!首次注册进群，即可免费领取3U额度享超值新人特惠包，25元买50元额度，立享5折优惠 首充会员，再享3折优惠，找优质AI算力，就上String AI!

最离谱的不是他靠 Polymarket 赚了 229 万美元。 是他装了 30 天 AI 小白，结果被自己视频里 5 秒切屏暴露了。 一个中国大学生做了个系列，主题是“从零学 AI”，连续 30 天搭建自动化系统，目标是第 60 天彻底脱离键盘。第 30 天视频只有 19 秒，他穿着卫衣，戴着眼镜，坐在一个很小的卧室里，背后是床，墙上白板写满待办事项，看起来就是一个普通大学生在记录自己每天一点点进步。 结果第 14 秒，他不小心切了一下标签页，5 秒后又切回去。视频没剪，估计他自己都没注意到。评论区有人截图放大，发现那个一闪而过的页面，是一个 Polymarket 钱包。 用户名 gatorr。 总利润 229 万美元。 768 次预测。 2025 年 11 月注册。 粉丝们开始把他前 30 期视频全部翻出来，结果发现那个标签页不是第一次出现。第 1 天，第 14 天，第 27 天，同一个钱包一直都在，而且金额持续上涨。 更夸张的是，他的投注几乎全是体育赛事：NFL、NBA、NHL。每笔入场价大多在 0.43 到 0.51 美元之间，兑现时基本都是 1 美元。猛龙队让分 38.1 万刀，军刀对闪电 36.4 万刀，海鹰队让分 27 万刀，马刺队让分 28.7 万刀，几笔大单全中。 这哥们根本不是 AI 新人。 他用 Claude 专门找活跃用户不到 20 人的冷门体育子市场，相当于在没人竞争的房间里交易。别人还在大选市场里为了 0.02 美元价差互砍，他在小池子里轻松吃掉 8 个点利润。 更搞的是，视频里白板也被网友放大了。上面写的根本不是“Python 基础”，而是 Claude Code 脚本、数据源、进场时机。 视频爆了以后，他 1 小时内删光了全部 30 期内容。 但已经晚了，片段早就传遍各个群聊。原本只有 800 粉丝的账号，因为这 5 秒切屏，单条视频冲到 30 万播放。现在 8 万多人盯着那个钱包，里面还有 5.7 万美元仓位在滚动。 卧室还是那间卧室，卫衣还是那件卫衣。 只是白板上的字，被擦得干干净净。 他花了 30 天演一个 AI 初学者。 但钱包早就证明： 他早就出师了。

一个中国大学生决定用视频记录自己“从零学AI”的过程：连续30天搭建自动化系统，目标是第60天彻底脱离键盘 第30天的视频只有19秒。 他穿着卫衣、戴着眼镜，在逼仄的小卧室里，身后是床，墙上白板写满待办事项。 镜头对准电脑屏幕，本想展现自己仍在摸索、每天微小进步的真实模样。 然而在第14秒，他不经意切了一下标签页，露出了5秒钟后又切了回去。 视频没剪，估计连他自己都没察觉。有人在评论区眼尖，截图放大——那个一闪而过的页面，是 #Polymarket钱包：# 用户名 gatorr 总利润 229万美元 768次预测 2025年11月注册。 粉丝们把前30期视频全部翻完，发现每一期那个标签页都在。 第一天、第14天、第27天……同一个钱包，金额持续上涨。他的所有投注几乎全是体育赛事：NFL、NBA、NHL。 每笔入场价在0.43-0.51美元之间，兑现时全是1美元。几笔大单尤为显眼：猛龙队让分38.1万刀、军刀对闪电36.4万刀、海鹰队让分27万刀、马刺队让分28.7万刀……全中。 他根本不是AI新人。 他用Claude专门寻找活跃用户不到20人的冷门体育子市场——相当于无人竞争的空房间。 别人在大选市场里为0.02美元的价差厮杀，他在这些小池子里轻松吃掉8个点的利润。 白板上被放大的字迹也露馅了：写的不是“Python基础”，而是Claude Code脚本、数据源、进场时机。 视频爆火后，他在一小时内删光了全部30期内容。 但已经来不及了，片段早已传遍各个群聊和平台。 原本只有800粉丝的账号，因为这5秒切屏，单条视频冲到30万播放。 现在有8万多人盯着那个钱包——里面还有5.7万美元仓位在滚动。 卧室还是那间卧室，卫衣还是那件卫衣，白板上的字却被擦得干干净净。 他花了30天，精心扮演一个AI初学者。而钱包早已证明：他早就出师了。

7. Anthropic - Applied AI Architect（Startups 团队） - 角色: 帮助创业公司构建 Claude 应用的技术架构师 - 要求: 有 LLM 应用开发经验，能与创始人对话 - 中国讨论度: 低 - 🔗 8. Stripe - Staff Full Stack Engineer - 角色: 创业公司级别的早期员工，设定技术方向 - 薪资: 高端（未公开具体数字） - 中国讨论度: 低 - 🔗 --- 校招/实习信息差 9. Cloudflare - 2026 年招聘 1,111 名实习生 - 背景: 从原来 60 人项目暴增至 1,111 人 - 目标: "培养下一代技术领袖" - 中国讨论度: 低 - 🔗 10. - 2026 校招（New Grads） - 岗位: 计算机视觉 / 算法工程师 - 地点: San Jose, CA - 公司: 自动驾驶上市公司 - 中国讨论度: 低 - 🔗 11. Databricks - 2026 New Grad + 实习 - 岗位: 多个 AI/ML 研究、工程岗位 - 地点: SF / NYC / Mountain View / Berlin / Amsterdam / Bengaluru - 中国讨论度: 低 - 🔗 12. IBM - 2026 年校招扩招 3 倍 - 背景: IBM 人力资源官表示将"重写每一个岗位" - 原因: AI 能做入门级工作，但需要能驾驭 AI 的新人 - 中国讨论度: 极低 - 🔗 13. Google DeepMind - Student Researcher Program - 项目: 付费研究实习，覆盖 BS/MS/PhD - 团队: DeepMind / Google Research / 其他 AI 团队 - 中国讨论度: 低 - 🔗

世界上前20的Skill必装榜！ 1、superpowers（by obra），当时星标 30.2 万 它把开发拆成四步：头脑风暴、写计划、测试驱动、代码审查，串成一套开发流程。做中大型功能之前装上，AI 不会一上来就乱写代码。 2、skills（by mattpocock），当时星标 29.8 万 需求说不清的时候，它会反过来追问你，再帮你理清架构。排查 bug、重构老项目，用它最顺手。 3、andrej-karpathy-skills（by multica-ai），当时星标 22.1 万 一份项目规则：AI 先想清楚再动手，只改该改的地方。放进项目根目录，写代码时就生效。 4、skills（by anthropics），当时星标 18.2 万 官方技能库，Word、PPT、表格和 PDF 都能直接做。想自己写 Skill，照着它的模板改就行。 5、ponytail（by DietrichGebert），当时星标 16.8 万 让 AI 像最懒的资深工程师一样思考：能不加的抽象就不加。代码写完让它过一遍，把过度设计和技术债挑出来。 6、ui-ux-pro-max-skill（by nextlevelbuilder），当时星标 13.8 万 整套配色、字体搭配和交互规范都在里面。做落地页、后台和 APP 界面之前装上，页面更像设计师做的。 7、graphify（by Graphify-Labs），当时星标 12.9 万 把代码、文档和数据库结构转成一张知识图谱。接手陌生项目时先建图，再问"这个函数被谁调用"，一查就清楚。 8、caveman（by JuliusBrussee），当时星标 11.4 万 让 AI 用最少的字回答，啰嗦的铺垫全删掉。长时间跑 agent 的时候装上，能省下一大截 token。 9、agent-skills（by addyosmani），当时星标 10.9 万 谷歌工程师整理的工程规范，覆盖接口设计、上下文管理和质量检查。团队一起写项目，用它统一写法。 10、taste-skill（by LeonxLnx），当时星标 9.9 万 给 AI 补上审美：排版、参考图和动效都有讲究。做官网首页和作品集的时候用，页面不再像套模板。 11、Understand-Anything（by Egonex-AI），当时星标 8.7 万 把代码变成能点开的交互图谱，还会讲清楚业务流程。新人上手项目、读开源代码，最省时间。 12、impeccable（by pbakaus），当时星标 8.3 万 专门提升 AI 的设计能力，会检查间距、层级和细节。页面做完先让它审一遍，再按建议打磨。 13、awesome-claude-skills（by ComposioHQ），当时星标 7.7 万 一份技能合集，按场景收录了八百多个 Skill。不知道该装什么，先来这里挑。 14、last30days-skill（by mvanhorn），当时星标 6.5 万 它会去 Reddit、X 和 YouTube，汇总最近 30 天的讨论。 做选题、追热点、调研同类产品的时候用。 15、humanizer（by blader），当时星标 5.9 万 专门去掉文字里的 AI 痕迹，比如套话和固定句式。公众号、口播稿和邮件写完，都可以让它过一遍。 16、diagram-design（by cathrynlavery），当时星标 5.8 万 支持四十多种图表，直接输出成网页文件。写技术文档、做方案汇报，用它画架构图和流程图。 17、i-have-adhd（by ayghri），当时星标 5.8 万 让 AI 先说结论和下一步，再给细节，不把答案埋在长段落里。问技术问题、想马上拿到结果，就装它。 18、marketingskills（by coreyhaines31），当时星标 5.6 万 覆盖文案、SEO 和数据分析这些营销技能。写推广文案、提升网站搜索排名的时候用。 19、academic-research-skills（by Imbad0202），当时星标 5.3 万 从查文献、写论文到模拟审稿，一条流程串起来。写毕业论文、投期刊之前都能用。 20、scientific-agent-skills（by K-Dense-AI），当时星标 5.3 万 让 AI 变成科研助手，接入生物、化学这些领域的数据库和工具。做实验分析、查专业资料的时候用。

建议收藏，用到时照着做。做完你能让 DeepSeek 自己决定“要不要调用你写的函数”，并把结果用人话讲回来。 AI 能查天气、查订单，是它自己去查的吗？DeepSeek 官方一句话拆台：模型本身不执行任何函数 这是 DeepSeek 官方 API 文档里 Tool Calls（工具调用）一页。先说结论： 官方原话是，函数要由你自己提供，模型本身不执行具体函数。它只负责说“我想调这个函数、参数是这些”，真正去跑的是你的代码。 先说清词。 工具调用（Tool Calls），是让模型能用外部工具的功能，比如查天气、查数据库。 函数（function），是你自己写好的一段代码，模型只会“点名”它。 tool_call_id（工具调用编号），是模型每次点名时附带的一个号码，你回传结果时要带上它，模型才知道你在回答哪一次。 strict 模式（严格模式，Beta 测试版），是让模型点名时严格按你定义的格式填参数。 一个真实例子：官方示例问“杭州天气怎么样”，模型返回的是 get_weather 这个函数和参数 location 等于杭州，你的代码去查到“24℃”，再交给模型，模型才说“杭州现在 24 度”。 先把话说全： 官方示例用的是非思考模式，请求里加 extra_body 把 thinking 的 type 设成 disabled。 官方写明：从 DeepSeek-V3.2 开始，思考模式下也能用工具调用，细节看官方 Thinking Mode 一页。 官方写明：Chat Completion 接口不支持在对话中间插入不是模型生成的工具调用，要插的话请改用 Anthropic API 或 Responses API。 strict 模式目前是 Beta，要用测试版地址。 一、先看懂整个流程 官方给的执行流程是四步：用户问杭州天气；模型返回要调用 get_weather，参数是杭州；你的代码真的去调用 get_weather，把结果交给模型；模型用自然语言回答“杭州现在 24 度”。 二、照官方示例做一遍 第一步：去 DeepSeek 开放平台拿一个 API key，电脑装好 Python 和 openai 库。 第二步：创建客户端，base_url 写 DeepSeek 官方接口地址（官方文档第一屏就有），api_key 填你的。 第三步：写 tools 清单。每个工具包含 type 等于 function，再写 name（函数名）、description（描述，告诉模型什么时候用）、parameters（参数）。官方示例的函数叫 get_weather，描述是“获取某地天气，用户须先提供地点”，参数 location 是字符串，并且在 required 里。 第四步：发第一次请求，model 官方示例写 deepseek-flash，把 messages 和 tools 一起传，并加上 thinking 关闭的设置。 第五步：从返回里取 tool_calls 的第一项，先把模型这条消息原样追加进 messages。 第六步：你的代码去执行函数，再追加一条 role 是 tool 的消息，带上刚才的 tool_call_id，content 写结果，官方示例写的是 24℃。 第七步：再发一次请求，这次模型就会用自然语言回答。 三、想要更稳：strict 严格模式 第八步：base_url 改成官方文档里写明的 beta 版接口地址（就是原地址后面加 /beta）。 第九步：每个 function 都加上 strict 等于 true。 第十步：服务器会检查你的 JSON Schema（结构说明），格式不合规或用了不支持的类型，会直接返回错误信息。 官方支持的类型是：object、string、number、integer、boolean、array、enum、anyOf，另外 $ref 和 $def 可以复用和做递归。 四、strict 的硬规矩 对象里所有属性都必须写进 required，并且 additionalProperties 必须设成 false。 字符串可以用 pattern（正则）和 format，官方列出的格式有 email、hostname、ipv4、ipv6、uuid，但不支持 minLength 和 maxLength。 数字支持 const、default、minimum、maximum、exclusiveMinimum、exclusiveMaximum、multipleOf。 数组不支持 minItems 和 maxItems。 五、看到什么算成功 第一次返回的是函数点名，不是答案；第二次返回的才是自然语言答案，内容里有你的函数结果。 六、卡住怎么办 strict 报错：先检查是不是漏写 required 或忘了 additionalProperties 设 false，再检查有没有用到 minLength、maxItems 这类官方不支持的写法。 结论：工具调用不是模型替你干活，而是模型“点名”、你的代码“动手”。想让点名更准，就用 strict。把这条复制链接发给他，下次他说 AI 查不到东西，先让他确认函数是不是自己写了。 你卡在第几步？评论区告诉我。同系列前几篇在我主页。 收藏版：5 步速查 一、tools 里写清函数名、描述、参数 二、第一次请求拿到 tool_calls 三、自己执行函数，回传 role 为 tool 的消息并带 tool_call_id 四、第二次请求拿到自然语言答案 五、想更稳就用 beta 地址加 strict 等于 true 常见坑 3 条 一、以为模型会自己执行函数，其实要你的代码去跑。 二、回传结果忘了带 tool_call_id。 三、strict 里漏了 required 或 additionalProperties 设成 false。 复制即用提示词：我想让模型调用一个叫 你的函数名 的函数，它需要这些参数：写参数。请帮我写出符合 DeepSeek Tool Calls 格式的 tools 清单，每个参数都写 description，并改成 strict 模式需要的写法。 S1哥观点：这篇最狠的地方，是官方把话挑明了：模型不执行函数，只负责点名。很多人以为 AI 在后台自己动手，其实动手的永远是你的代码。 真正的信号是：工具调用的难点不在模型，在你把函数描述写得多清楚。就像派活给新人，说明写得含糊，他再聪明也会点错人。 你现在想让 DeepSeek 调用的是什么，查数据还是发消息？评论区告诉我。 今天送：DeepSeek 工具调用速查卡，评论区第一条直接拿。 参考：DeepSeek 官方 API 文档 Tool Calls（S1哥 整理）

在 Lenny’s Podcast 的这期访谈里，Tibo Sottiaux 被问到给职场新人的建议时，提到了他们团队里的一个年轻工程师Ahmed Ibrahim。 Ahmed 一年前加入 OpenAI 时还是应届毕业生。按 Tibo 的描述，他现在已经负责应用业务的算力集群，也参与搭建了大量 Codex 的运行框架，很快就承担起了相当重的责任。 Tibo 对他的评价很具体：待人友善，善于合作，主动解决真正重要的问题，不把自己放在第一位。他还像海绵一样吸收知识，什么都愿意学，并且用最新技术帮助自己学习。Tibo 说，那种学习速度是他以前没见过的。 听下来，这些素质，有没有 AI 都是成功的关键。AI 带来的变化，是让一个有好奇心、愿意学习的年轻人，拥有了更快成长的条件。而他能不能赢得信任、承担更大的责任，仍然离不开做事和待人的方式。

普通人做 AI 短剧，已经简单到离谱！Opus 5.5 带你从0做出AI短剧 “我不会写剧本，不会画分镜，也没拍过短剧……” 那么恭喜你，这些已经不需要会了！ 今天我只告诉了 Opus 5.5：帮我做一部 30秒、普通人一个人也能完成、最后必须有反转的中文短剧。 然后它就自己开始干，最后真做出来了一部 35 秒短剧！（成片见第二条回复👇） 这次最震撼我的，是 Opus 5.5 真能像个导演一样，带着一个完全不会拍短剧的新人，把整件事做完。 以前拍一部真人微短剧，人力、物力，至少十几·万起步。现在你学会这些，你一个人就是一整个短剧工作室，接入红果、河马后，多少不都是一份额外的收入来源吗，关键是可以量产啊！ 完整教程、Prompt、工作流，我全放“第一条回复”里👇 想自己试一次的，欢迎直接抄！

大早上群里过客的消息给我看笑了.... Bitget被盗受影响资金约3.516亿美元，在黑暗森林很稀松平常的事。 让我有印象的是Bg的谢加印，很性感的人，作为客户经理对客户非常好，就是平台确实有些拉垮。 说到交易所，是真的不敢盘点.... 其实大家也都默认少说话，逢年过节的礼物不是白吃白拿的。 无法得罪太多人，简单聊几句就停。 所有的交易平台，在现在，越来越尴尬，他们是币圈最好的广告商，因为一直在打广告吸引新人进来，马路上，地铁上，公交站牌，小说网站，黄赌网站，各种引流手段。 但是带来的用户，等输完之后（大多数是合约），一部分坚挺的，学会了，一部分不坚挺的，再见了。 之前每四年一轮回，人来人往，给行业输送了非常多的人才！每一个交易所也捕获到了相应的价值，拿到了收获。 每个交易所都有平台币，这些平台币随着平台的发展，慢慢走向了不同的道路。 一般，在交易所需要的时候，这个时候，价值捕获和拉升最大！ 回购，销毁，加大力度，各种活动！ 但是当一旦不需要的时候，自己运转顺畅的时候，几乎都是出尔反尔，更有甚者还跟自己的平台币割离。 Cc拉了两张表，自己看吧... 其中有的说销毁币，但是销毁的不是市面上买的，而是基金会自己的。 其中有的割离完之后，成了项目方用的代币。 还有更甚... 自己看图问Codex 唯一价值捕获高一些的，前阵子，客户被盗160w美金，说是客户自己的问题，没法用都。 另外一个敢给你持有的币加一个P，不是Plus...是Ptoken 真他妈的要笑死了，但是我觉得都属于正常，因为毕竟不需要代币再做些什么了。 平台大了，赚到钱了，也就不需要再对持有人做那么多。给持币的人，年化4个点以上的都属于老子看的起你。 有时候不能看一个人或者一个公司嘴上怎么说，一定要看怎么做！！！ 有一个范式变化： 5年豁免链上美股创新 这个一出来，交易所的下行趋势已经注定！ 赚钱是肯定还继续，但是未来的红利，他们不再是最大赢家！ 行业在上行，交易所的生意也可能会继续好下去，但绝不再是最前排的那一批！ 毕竟中心化交易所用起来方便快捷。 （本文资料与截图均由微信群和Ai完成，如果数据错了，那就是Cc错了，欢迎指正）