与「Pinterest」相关的搜索结果

墙内外的赚钱信息差，真是太夸张了！ 1、Upwork、Codemart 接单，转手找国内某宝的人完成，赚劳动力差价和美刀。 2、我表弟 Mercari 买翻译机，运到国内800元，闲鱼卖2000元，一单赚1200元。据说半年提了宝马三系。 3、Pinterest、Behance 找建筑、服装、网页、品牌设计灵感，分享给国内客户，就有人找你合作。 4、花50元雇人在 Reddit 收集养殖资料，做电子书卖158元。TikTok 养殖视频用AI翻译发小红书、抖音，据说半年卖超2万份。 5、ChatGPT 刚出来时，有人调用API做国内版GPT，会员199元，据说一个月卖了30万元。 6、Stable Diffusion 批量生成图片，放到图库网站卖，成本只要一台电脑。 7、订阅 Reuters、Bloomberg、Wired，把国外热门资讯翻译整理成中文产品，小红书卖98元。原素材放话，三个月卖不出一万份来找我！ 墙内外的信息差真的太多了！ 你只需要做个中介，把这里已经验证过的东西重新包装，放到另一个平台，就可能赚得盆满钵满！

向大家介绍 Bookmark Gallery！ 它不是常见的收藏管理器，而是一个 media first 的 X 书签和喜欢管理工具，可以像 Pinterest、小红书一样浏览你的收藏和喜欢 它源于我自己的需求。现在 X 已经在一定程度上取代 Dribbble、Behance，成为设计师发布作品的平台，但收藏的帖子却很难查找和翻阅。所以我设计了 BKG 它支持： - 使用浏览器扩展导入你的所有书签与喜欢，完全免费 - 按照类型筛选你的帖子，例如，你可以直接筛选你收藏的所有图片和视频 - 按照标签来管理你的帖子，付费用户可以自动打标签 - 付费用户支持语义搜索，还能搜到图片里的文字 - 一键获取一个 thread 的所有帖子 - PWA 支持 欢迎大家使用！

墙内外的赚钱信息差！！！ 第二期： 1、在upwork、codemart上接单，有客户发来需求时，再转手扔给国内某宝上的人做，直接赚劳动力差价，赚美刀。 2、我表弟在mercari二手平台，买高端翻译机，运到国内花800，挂某🐟，由于品牌溢价，国内卖2000左右，一单利润1200。干了半年提宝马三系。 3、很多建筑、服装、网页及品牌设计师，都从Pinterest、Behance网站获取灵感，你只需要把上面的灵感发到国内，就会有人上门要给你送钱。 4、有人花50雇人在reddit收集养殖类虚拟资料，他只负责整合成电子书，单价158，小某书、某音每天搬tiktok养殖视频，ai翻译，半年销量超2万。 5、ChatGPT诞生的一段时间，有人调用其API，搭建国内版GPT，按199卖会员，一个月卖了30万。把墙外的服务提供到墙内就能赚盆满钵满，现在依然可以。 6、利用Stable Diffusion生成大量图片，然后把图片放到图库网站去卖，成本仅仅是一台电脑。 7、订阅reuters、bloomberg、wried这些国外的热门期刊和资讯，翻译成中文，转手拿到小红书上卖98，三个月卖不出一万份来找我！ 墙内外的信息差真的太多了！！！ 你只需要做个中介，把某个平台的内容，包装一下，发到其他平台，就能赚盆满钵满！！！！

这个开源项目系统整理了 35 家 AI 公司的 AI 工程师面试题，全部来自 “公开报告的面试经历” 来自 @outcome_school 团队 @pallavishekhar_ 开源发布，内容几乎涵盖了 OpenAI、Anthropic、DeepMind、xAI、DeepSeek、Kimi、GLM 等 AI Labs，Cursor、Cognition、ElevenLabs 等 AI Native 团队和 Nvidia、Microsoft、Amazon、Apple 等头部大厂。 覆盖的岗位头衔也非常多：AI Engineer、LLM Engineer、Gen AI Engineer、ML Engineer、Research Engineer、Applied Scientist、FDE、MLOps/LLMOps 工程师等。 开源地址： # 内容架构：一个精心设计的双层结构 第一层：跨公司通用题（Common Questions）。 作者把在多家公司反复出现的题目只列一次，标注"Asked at"哪些公司，按十大主题组织： 1. LLM 内部机制与架构 — attention 缩放因子、KV cache 内存公式推导、MQA/GQA/MLA、FlashAttention、BPE、RoPE/YaRN、Chinchilla scaling laws、MoE、解码采样策略、lost-in-the-middle、RMSNorm、SwiGLU 2. 推理、服务与 GPU 性能 — prefill vs decode、continuous batching、PagedAttention、投机解码、量化（FP16→FP4）、五种并行策略、TTFT/TPOT 指标、H100 上的 roofline 计算、vLLM/SGLang/TensorRT-LLM 选型、“如何把服务成本降 10 倍” 3. RAG 与检索 — 分块策略、BM25 vs 稠密检索、重排序器、HyDE、权限感知检索、ANN 索引、索引新鲜度、答案归因 4. Agent 与工具调用 — ReAct、MCP、工具 schema 设计、多智能体编排、Agent 记忆、循环终止条件、人类审批 5. 微调与对齐 — RLHF/DPO/GRPO/RLVR 全谱系、LoRA/QLoRA 数学、灾难性遗忘、“提示 vs RAG vs 微调”决策框架、蒸馏、reward hacking 6. 评估与可观测性 — LLM-as-judge 及其偏差、幻觉检测、基准污染、Agent 评估、回归门禁 7. 安全与负责任 AI — 提示注入（直接/间接）、OWASP LLM Top 10、护栏、Constitutional AI、红队 8. 多模态与语音 — VLM、语音 Agent 延迟预算、barge-in 打断处理、级联 vs 端到端语音、ASR/TTS 评估 9. AI 系统设计 — 十类高频设计题（千万级文档企业 RAG、代码助手、客服 Agent、Text-to-SQL、LLM 网关、数亿用户聊天服务等） 10. 编码题 — 从零实现 attention、KV cache、BPE、采样；LRU 缓存、令牌桶限流器、异步批处理器、SSE 流解析器、最小 Agent 循环 第二层：35 家公司的专属章节，分为五大梯队： 1. 前沿实验室（12 家）：Anthropic、OpenAI、Google DeepMind、Meta、xAI、Mistral、Cohere、DeepSeek、月之暗面（Kimi）、智谱（GLM）、阿里（Qwen）、Sarvam AI（印度） 2. 大厂 AI 组织：Microsoft、Amazon、Apple、NVIDIA、Tesla，以及一组消费级 ML 公司（Uber/Netflix/LinkedIn/Airbnb/Pinterest/Spotify） 3. AI 基础设施公司：Databricks、Groq、Together AI、Hugging Face、Scale AI、Perplexity 4. AI 原生产品公司：Cursor、Cognition（Devin）、Sierra、Harvey（法律）、Glean、 AI（机器人）、Waymo 5. 前向部署/企业 AI：Palantir # 题目分布透露的行业信号同样值得关注 1. 公司的差异化考察方向，和它的商业模式严丝合缝。 这是最能体现整理功力的地方： · DeepSeek、月之暗面、智谱、Qwen 的题目深度绑定自家论文——MLA、auxiliary-loss-free 负载均衡、Multi-Token Prediction、MuonClip、DualPipe、长上下文扩展、GLM 的 thinking 模式。面试这些公司等于面试它们的论文，还要求 PyTorch 从零实现 MoE 路由。 · Groq 的题全是 SRAM-only 架构下的 roofline 重推演：“没有 HBM，decode 的 roofline 论证哪里变了”、“确定性在 p99 层面到底买到什么”。 · Apple 清一色端侧：3B 模型在手机上跑、PTQ vs QAT、不采集用户内容的前提下用设备信号改进模型、30+ 语言区无法记录用户内容的评估方案。 · CharacterAI 是推理经济学：“我们的服务成本被 KV cache 而非权重主导，降一个数量级，代价是什么”。 · Harvey（法律）和 Abridge（医疗） 考的是领域约束下的工程：200 页信贷协议里第 140 页的条款依赖第 8 页的定义术语怎么检索、生成的病历中出现了患者没提过的药怎么当作安全事故处理、PHI 如何约束整个架构。 · Palantir 的招牌是 "decomposition" 轮：把“一家货运铁路公司每年因机车非计划停机损失数千万”分解成工程计划。 2. 编码轮的形态正在发生实质性变化。 文档里反复出现的一类题，与传统 LeetCode 明显不同： · “实现一个内存 KV 存储：先 SET/GET/DELETE，再加事务 BEGIN/COMMIT/ROLLBACK，包括嵌套事务”（OpenAI、xAI 都问） · “给你一个 LLM 推理引擎的调度器类，其中一个方法是空壳，没有规格没有文档。说说你头三十分钟干什么”（xAI） “重构这 120 行能跑但很乱的代码，不许破坏测试”（OpenAI） · “对 5 万个文档跑 LLM 调用，API 限 100 并发、偶发 429 和超时，把 Python 写出来”（Anthropic） 考察重心从算法记忆转向增量需求下的代码演进能力、并发正确性、真实工程约束下的取舍。 3. “AI 协作轮”作为新题型已经进入正式面试流程。 这是文档里最前沿的信号： · Anthropic 部分机器学习岗有 AI-collaboration 轮：现场给你 Claude，考察的是你如何指挥它和验证它的产出，而不是你自己写。 · Meta 2026 年的流程新增三阶段 AI 辅助编码轮（探索修复 → 实现新功能 → 扩展改进）。 · Cursor 的 onsite 是两天在真实 Cursor 代码库上做一个功能（或 8 小时远程版），明确考核你对 AI 工具的使用效率和自主 scoping 能力。 · Sierra 给你两小时和任意 AI 工具，看你选择做什么。 xAI 有四小时限时产品构建。 4. FDE 成为一级岗位类别。 Anthropic、OpenAI、Databricks、Scale、Together、Sierra、Harvey、ElevenLabs、Palantir 的章节里都有 "Applied and Forward-Deployed Scenarios" 专属题库——典型题目如“企业客户说 Claude 幻觉太多，你是驻场工程师，头 48 小时做什么”。这对应了 AI 公司向企业交付方式的转变：模型能力差距收窄后，落地能力成为差异化。 5. 硬核系统题的普及。 "H100 上 70B 模型 batch size 1 的 roofline 计算"、"估算 70B 模型的 GPU 显存（权重 + KV cache + 激活 + 碎片）"、"p99 延迟在部署后翻倍但模型没变，走一遍诊断”——这类题横跨 NVIDIA、Together、OpenAI、Perplexity 等多家，说明推理性能的量化直觉已成为 AI 工程师的通用素养，而非基础设施工程师的专属。

别折腾 TikTok 和 Instagram 了，现在最容易赚钱的平台是 Pinterest。 2026年之前从 Pinterest 赚到钱的人，基本都是现在就开始的。 怎么做呢？继续看。

POV: YOU CREATED A FULL TALKING AI GIRL IN 10 MINUTES One Pinterest selfie. NanoBanana Pro face swap. Three Krust nodes + Kling 2.6. Natural head movements, real expressions, perfect skin details — everything preserved. No filming. No actor. No editing team. Just drag, connect, hit generate. The girl speaking in the video doesn’t exist. The 10-minute workflow that builds her does.

提示词7 — 增长与内容复用引擎 '将这个脚本改写为：X线程、LinkedIn帖、3个YouTube Shorts钩子、电邮通讯、Pinterest描述。按细分领域建议优先平台。' 这给你：一个视频→7+内容，事半功倍。

提示词 7 — 增长和内容再利用引擎 '拿这个 YouTube 视频脚本/文字记录转换成：Twitter/X 线程、LinkedIn 帖子、3 个 YouTube Shorts 开场白、邮件通讯和 Pinterest 描述。根据我的细分领域优先考虑哪些平台。'

一个好玩的插件，「照样拍」2.0正式上线！如果一个软件不在把重心放在“有用”，而是“有趣”，会发生什么？ 「照样拍」开发的初心就是提供情绪价值。想要拍出网上同款大片，只需要点击几下就行，无需手写提示词。 就像雇了10个御用摄影师，把你喜欢的图片分析出同款参数，按一下快门就出片。 它能把你的整个网页变成灵感库：小红书、Pinterest、电商图、摄影作品，都能变成风格参考。 我希望它能帮助大家发现不一样的自己，找到更多属于自己的风格，用极低的成本试错，获得属于自己的高质量写真。 如果你是AI生图玩家，「照样拍」能帮你快速对你的参考图片做同款风格视觉，像素级复刻的提示词随手就来。 如果你是摄影师，它可以把客片参考图快速拆成可复用的拍摄风格、灯光、构图方案。帮你掌握画面关键提示词，快速用AI套用。 如果你是电商卖家，它能帮你把好看的模特图、妆造图、棚拍图，快速做成同类风格参考。 Discover a style. Make it your own. 在1.0版本的阶段，我发了一条帖子，有30多位朋友选择成为「照样拍」的付费用户。 在2.0版本，插件价格为29.9¥，一杯美式的价格即可买断使用，并且享受后续更新版本。 购买链接：