"AI应用"相关的文章
AI,个人随笔
0代码,一天时间我Vibe Coding了个网站

0代码,一天时间我Vibe Coding了个网站

作者用Vibe Coding(氛围编程)零代码搭建网站的全过程——从买域名到上线仅用半天,全程"纯聊":向Claude提需求→AI写代码→截图提修改意见→AI更新,来回20余次迭代完成MVP。这场实验不仅验证了"人+AI"建站的可行性,更探索了GEO(生成式引擎优化)新命题:在大模型时代,如何让AI准确理解并推荐你的身份与内容。
AI
从听不懂到完全信任:我的 Codex 深度产品体验

从听不懂到完全信任:我的 Codex 深度产品体验

Codex 正在重新定义 AI 编程工具的标准。它凭借交付完整性、可靠排错能力和复杂任务稳定性,已成为开发者日常工作的核心生产力工具。本文将深度解析 Codex 的四大核心技术优势,揭示其如何处理长任务稳定性问题,以及产品负责人如何通过独特指标评估产品成功。从提示缓存优化到零数据留存设计,这款工具背后的技术思考值得每个AI产品从业者学习。
业界动态
SBTI一夜爆红:反卷的里子,AI的路子、微信的场子

SBTI一夜爆红:反卷的里子,AI的路子、微信的场子

当MBTI还在用"建筑师""提倡者"等精英标签制造焦虑,B站UP主@Q肉儿串儿用AI打造的"SBTI"(傻乎乎的大个人格测试)却靠"狗屎人""吗喽""死者"等荒诞人设一夜刷屏——无需编程基础,仅凭Vibe Coding让AI落地创意,31道题两分钟测出你的"摆烂本体"。这场14亿人社交圈的集体狂欢,既是年轻人用自嘲对抗内卷的情绪出口,也标志着"人+AI"超级个体正在瓦解大厂垄断的刷屏权:技术的门槛消失了,创意的时代来了。
OpenAI 的路走错了,Anthropic Harness 解法启示:模型需要实践专科生

OpenAI 的路走错了,Anthropic Harness 解法启示:模型需要实践专科生

当OpenAI还在"既要又要"地追逐所有应用,Anthropic用"Harness工程"走出另一条路——模型是大脑,Harness是身体+工作台+监督机制,让Agent从"问答"进化到"真正把事情做完"。从Prompt到Context再到Harness,AI应用正经历从L2推理者到L3智能体的跃迁,而Anthropic通过专注Coding这一"偏科生"战略,率先跑通了模型与应用深度整合的闭环。
AI
岗位消失、专业停招,他们因为AI被迫“毕业”

岗位消失、专业停招,他们因为AI被迫“毕业”

AI正以势不可挡之势改写职场与教育版图,中国传媒大学、华东师范大学等高校批量撤销翻译、摄影、动画等易被AI替代的专业,人工智能专业却成为新增最多的学科。这场变革中,"经验在飞速迭代的时代面前什么都不是",而高校教育与企业需求之间的裂痕,正让无数年轻人陷入"毕业即失业"的困境。
产品运营
一个月播放超15亿,AI开始制造“顶流IP”?

一个月播放超15亿,AI开始制造“顶流IP”?

一个月狂揽超15亿播放,一只由AI生成的“小企鹅”咕咕嘎嘎正在席卷全网。从《明日方舟:终末地》的二创衍生,到腾讯官方下场玩梗,这个诞生于Seedance2.0等AI工具的“民选IP”,凭借呆萌形象与治愈内核迅速俘获Z世代。本文将拆解咕咕嘎嘎的爆红路径:它如何借势情绪经济与AI共创,从抽象玩梗进化为全民减压阀,又在版权争议与形象维护的困境中,为AI时代的IP生产逻辑写下全新注脚。
业界动态
当通用CRM遇上高校招生宣传:垂直SaaS的护城河到底深在哪里?

当通用CRM遇上高校招生宣传:垂直SaaS的护城河到底深在哪里?

当通用CRM的漏斗模型遇上高校招生场景,产品经理的认知框架将迎来颠覆性挑战。本文深度剖析两者在用户画像、业务流程、功能模块等六个维度的本质差异,揭示垂直SaaS如何通过行业Know-How、私有知识库和全链路闭环构筑AI时代的新型竞争壁垒,并给出从工具到智能体的产品演进路径。
从手动到智创,携程直播全链路设计的跃迁之路

从手动到智创,携程直播全链路设计的跃迁之路

携程直播从2020年疫情临危上线至今,历经三次关键设计跃迁:1.0阶段纯人工搭建基础能力,开创OTA行业直播新范式;2.0阶段构建"前中后台"一体化支持体系,以"工具+人工"协同实现规模化爆发;3.0阶段则全面拥抱AI智创,搭建数字人直播体系实现7×24小时自动化开播,通过AI脚本生成、声音克隆、口型匹配等技术让商家仅需选择商品和AI主播即可轻松开播,同时以AI智能装修和三级沉浸式体验升级,完成从"纯人工执行"到"AI+工具+人工"生态驱动的角色蜕变。
会用AI,已经没那么值钱了

会用AI,已经没那么值钱了

当AI工具从稀缺变成泛滥,"会用AI"正在快速贬值——真正的分水岭已从"使用能力"转向"判断能力"。本文指出,未来最值钱的人不是最早掌握新工具的人,而是能建立判断标准的人:他们懂得区分AI的适用边界与风险场景,能在兴奋中保持冷静、在怀疑中保留好奇,既不让思考外包给AI,也不因工具强大而交出人的位置。