用NewMax(https://xitter.cf/t.co/sYOJBYIaoF)构建Reverb Marketing 实践AI营销与增长 | MarTech | AI GTM 关注Yangyi,订阅Yangyi的实战手记,收获最真实的AI营销实战经验👇🏻 https://xitter.cf/t.co/Pkue4jV8hK

Joined April 2015
Introducing OpenSource Free WebAccess - 100% FREE Web search & fetch @Tiny_Fish - Any web page & data, agent can access - Routing each request to the vendor best at that task - Benchmark on cost/speed/token-efficiency Try it at treg.to/web-access Repo link below 👇
158
231
97
2,610
291,196
This is the GTM workflow I'd copy first. Find people describing your problem out loud, score them, reach out while they still care. @yangyi's version costs $0.07 a run on @treg_to. Repo + setup prompt in the quoted thread 👇
我用NewMax构建了一个海外跨平台检索潜在客户的监听器 它可以通过关键词查找各类平台的帖子/评论/公开讨论 挖掘正在抱怨/有痛点的潜在客户 并通过规则打分来对线索做评估 在Dashboard中进一步进行过程管理 这一切都可以在本地运行使用,已开源在Github👇🏻
8
9
95
9,115
Yangyi retweeted
顶尖科学家和工程师,包括我自己,经常忽略的一点是,技术从被发明到广泛应用是非常缓慢的(参考:跨越鸿沟)。几个例子: 1. 我 2016-2018 年在微软实习的时候 Azure 就全面使用了基于 RDMA 和智能网卡加速的存储。2021 年我在华为的时候,线下的企业存储也用上了 RDMA。没想到几年之后,很多基模公司的存储还没有用上 RDMA,加载个上 T 的模型还要几分钟。 2. 2019 年我做昇腾算子的自动优化 AKG,觉得 polyhedral compilation 这么好的东西,肯定大家很快就用上了,结果直到今天也没有几家算子编译器用上多面体优化。取代手写算子的不是 isl(数学优化算法),而是 LLM。 3. 2023 年我发现 GPT-3.5 对算子优化也有那么点 knowledge,就觉得以后 AI 肯定能做 infra 优化了,于是就不再做 infra 了。但直到今天,单算子优化、算子调度、推理系统优化仍然是极深的课题。AI 越来越擅长目标明确的 “小步快跑” 式优化,但 writing、taste 和系统设计能力仍然很糟糕。我不管是写书还是做工程项目,都得不断指导 GPT-6 Astra 才能搞出个差不多的系统设计。谈 “取代” 为时尚早,除非有一天可以把 taste 变成 verifiable reward,或者想出某种别的办法提升 taste。 4. 今天,各种好用的 AI 工具仍然普及率很低。我们做 Pine 的时候一直疑惑,这么好的能省钱的工具怎么大家不会主动尝试。其实所有早期产品都一样,很多人 Codex 20 刀的 plan 都用不完。
65
86
8
985
214,686
Yangyi retweeted
这北京无人机都不能个人持有了 作为一个摄影器材 被一杆子打死了啊 说禁飞就禁飞呗 妖实名也实名呗 咋这采买的个人持有资产 还得上交了 无语
1
2
1
17
31,246
Yangyi retweeted
I built aimakemoney.io. It started as a personal experiment. I used newmax.ai to analyze and summarize YouTube videos, looking for realistic ways people were using AI to make money. I packaged the research on Gumroad, shared it in a single post—and it generated $1,300 in revenue. That made me wonder: What if I turned this research into a real product, kept the data updated, and made it available to everyone? So I spent 3+ hours building with NewMax: the website, payments, analytics, and even a complete affiliate system. Today, it’s live. For a limited time, $69 gives you access to the complete library of AI money-making methods broken down by traffic, tools, costs, workflows, and real benchmarks. You can also become an affiliate, share the product, and earn commissions from your referrals.
2
1
2
1,173
我在WM的工作日常 NewMax成为了团队每天必用的主力APP之一@yangyi
1
3
1,476
Yangyi retweeted
《AI 进入社区之后,真正改变的是什么?》 在小红书、抖音、微博已经占据大量用户时间的今天,为什么还有人要做新社区? 新社区的机会通常不来自一个空白话题,而来自用户结构和行为条件的变化。当一批原本不会表达、不会创作、难以找到同好的人,因为新技术开始参与,新的内容、关系和文化才可能出现。 AI 正在提供这样的窗口。它可以降低理解、表达、创作和互动的门槛,让过去只能消费内容的人开始参与。但这只是一种可能:降低参与门槛,并不意味着社区已经产生。 从这个角度看,比如网易小蜜蜂的“蜜蜂 AI”,更像是对“AI 能否成为新社区起点”的一次产品下注。它没有再做一个通用大模型,而是把 AI 放进搜索、交流、创作和分享的具体路径,包括 AI 搜索、AI 助手、个人专属万能“龙虾”和互动小游戏。 判断社区 AI,关键也不在功能数量,而在一个问题: AI 让谁更容易做了什么?这些行为能否被其他人接住,继续形成内容、关系和文化? 如果没有后半段,AI 仍然只是效率工具。 两种不同的社区 AI 路径 小红书与网易小蜜蜂,刚好代表两条不同路径。 小红书已经拥有庞大的用户规模和丰富的生活内容。用户分享旅行、消费、穿搭、美食等具体经验,其他人通过搜索、比较和评论完成判断。因此,小红书引入 AI 的自然方向,是解释和组织已经存在的社区经验。 AI 在这里更像“社区经验解释器”:从大量笔记中提炼线索、比较观点、降低筛选成本。理想结果不是用一个答案替代所有笔记,而是帮助用户回到原始内容继续验证。 它的价值是压缩搜索成本,但不能压扁经验差异。生活内容有价值,恰恰因为不同人的处境、偏好和判断不同。如果 AI 把多元经验加工成一个看似确定的标准答案,效率提高了,社区最重要的多样性也可能一起消失。 网易小蜜蜂面临的问题不同。 与小红书相比,它还不在同一个用户规模和内容密度阶段。现阶段更重要的是:如何产生足够多的真实表达和稳定互动。 因此,蜜蜂 AI 承担了更主动的任务:降低理解、表达和创作门槛,让“有兴趣但不会表达”的人形成内容,让零散想法成为人与人连接的媒介。它尝试扩大的是社区的行为供给。 这也是小蜜蜂 AI 最有价值,同时风险最大的部分。 首先,AI 搜索已经尝试同时利用外部信息和社区经验,并允许用户补充、纠正。挑战也随之变成:站内知识是否足够密集?来源能否追溯?错误能否及时纠正?用户反馈能否真正进入下一轮答案? 其次,“龙虾”已经可以从私聊进入群聊、内容导览和社区活动。但人机互动增长并不能证明社区关系增长。真正值得观察的是:它最终把用户带向其他用户,还是让 AI 自己成为社交终点? 第三,互动内容已经建立从生成、预览、发布到游玩和分享的链路。接下来需要验证的是,作品能否产生自然传播、用户接力和持续二次创作。内容变多不等于关系变多,游玩时长增加也不等于共创已经发生。 第四,搜索、任务、陪伴和创作都有了产品路径,但目前还缺少一个足够强的原生用户行为,把它们稳定串起来。一次搜索、一个陪伴角色和一套创作工具,仍可能只是三个平行产品,而非一个能够自我强化的社区生态。 所以,小红书更像是先有生态,再用 AI 提高生态的可调用性;小蜜蜂则试图借助 AI 加速生态形成。前者要保护真实经验,后者要防止 AI 替代真实用户。 AI 改变社区的三个层次 新版产品叙事里还有一个值得注意的方向:“更懂人”不再只是给出个性化答案,而是希望在用户授权下理解资料、选择和偏好,减少用户反复解释自己的成本,同时保留信息的修改和删除权。 这个方向比单纯的拟人化陪伴更有价值,但目前仍属于产品原则,效果需要继续验证。 社区 AI 的价值可以分成三层: 第一层:工具价值。 让搜索、理解和生成更快。 第二层:行为价值。 AI 辅助产生的内容能够被别人看到、回应和改造。 第三层:结构价值。 原本沉默的人开始表达,原本分散的人形成关系,社区由此出现新的行为类型。 停留在第一层,AI 是效率工具;进入第二层,它开始成为社区基础设施;推动第三层,它才真正改变社区结构。 所以,AI 更大的价值,不在于替用户生产更多内容,而在于扩大能够参与社区的人,扩大他们能够进行的行为,并提高真实反馈发生的速度。 最终需要观察的,其实只有一条链: AI 使用 → 内容或互动产生 → 他人反馈 → 用户再次参与或改造 → 新的社区行为 小红书要避免 AI 截断这条链,让用户停留在标准答案;小蜜蜂则要警惕另一种情况:在真实反馈尚未形成时,用机器内容和人机陪伴制造出一条“看起来很繁荣”的链。 AI 可以制造内容繁荣的幻觉,却无法伪造长期的人际关系。 社区的第一性原理并没有因为 AI 改变:用户结构决定行为涌现,对涌现行为的发现、保护与放大,决定社区最终长成什么样。 AI 能改变参与成本、反馈速度和行为空间。 至于一个社区能不能真正活起来,最后还是要看人。
2
10
3
21
2,308
Yangyi retweeted
Replying to @yangyi
NewMax 支持 Grok 授权登录使用,这比 Grok build 命令行工具方便多了,应该能让我用掉更多 Grok 额度。 btw,添加工作区的方式找了一下没找到,直接问就解决了,hhh
1
2
1,933
Yangyi retweeted
毁掉一场汇报最快的方法:用Skill做PPT 前段时间,朋友因为用Skill做PPT差点被辞退了!! 他用Skill给上司做汇报的PPT,效果很不错。 但在等上司去汇报时候,上司发现漏了关键信息,需要修改几页PPT。 结果,AI生成的PPT不支持修改,最后只能带着错误的数据和大老板解释。 最后上司汇报回来后,特地找他谈话了。 这个事情他留下阴影,说以后再也不用skill做PPT了!! 大多数人认为用skill做PPT效率很高。 但真正经历关键时刻的人才知道,skill做PPT是鸡肋 目前来说,做PPT唯一且正确的做法是用cowork这类的软件去做。 为什么呢? 高手都知道,想要做好一个PPT需要满足三个黄金标准。 在B站上首发的kimi work宣传片,也很好地解释这一点。(不是广子,fable最好用) 下面的线程我们结合素材,一个一个讲清楚👇
28
21
2
148
69,476
Yangyi retweeted
非常感谢大家的支持,Mole Mac 的 8 折优惠码延期到明天之前都还有效,刚好持续两周。 这次新增的菜单栏的各种精灵动画效果,支持了软件自启动管理,软件更新管理,以及最有趣的风扇控制等等功能,欢迎更新~
🦊 Mole 1.5.0 is live, mole.fit A native Mac cleaner that now feels more like a small system companion. New in this release: • Menu bar monitor: CPU, memory, network speed at a glance, with a tiny runner that moves with your Mac's state • Fan control: Auto / Cool / Quiet modes with live RPM • App updates: check and install via Homebrew, App Store, and Sparkle • Startup manager: Login Items, Launch Agents, Daemons in one place • Smarter uninstall: alias search, input method cleanup $9 once, lifetime updates. MOLELOVE 20% off, ends tomorrow
82
10
7
165
63,800
卧槽,牛马AI 是真的有点东西的 从gpt网页调研对标两个网站,然后生成优化建议之后,直接粘贴给 它 然后自动拆解了任务,生成任务排期 + 任务的依赖关系。 甚至贴心的分出了 可以自动执行的任务 和 需要我参与的任务。 这波设计是真的喜欢..... 此外还有一些小设计用起来也很多惊喜的地方。 比如会自动检测某个工作流问你是不是需要固定下来,是否需要设置成长期任务/自动任务等等。 真是强烈推荐大家试一试的,yangyi老师的产品@yangyi
终于跑通了一个流程, 出海网站 突破了0刀,来到了 0.01刀。 无论如何,算是迈出了最开始第0步了,搞清楚了一些广告站的玩法。 最近加了一个出海打卡群,三天不上站就被踢出群,还是很有效果的。 果然,想都是问题,只有真正去做,才有效果。
5
2
10
7,203
现在 @rive_app 的需求还挺多的,只要你会 rive,随便网上发个作品,就有一堆咨询的。 学员亲身经历,很多咨询,还有很多 hr 找上来,说问要不要跳槽的。 AI 时代,界面不会消失,APP 越来越多,锦上添花的效果越来越重要,这会是一个软件能不能留住用户的关键之一 如果你也想学习 Rive ,欢迎来看看我们的课程,国内首个 Rive 入门到实践零基础中文系列课。rivecn.com/courses
1
5
1
45
13,592
Yangyi retweeted
牛马AI里支持图片渲染和图片分层了~ 跨境电商的设计师们可以方便的搞图啦!
8
4
45
10,478
这个人就是我,谢谢 @yangyi 老师推荐 一开始在闲鱼上当个副业做,虽然还没做出大成绩,但是真切地接触到了真实的客户和他们真实的诉求 很多非技术客户非常愿意用 牛马AI,不太愿意用 VSCode + Claude 插件的形式 图中是我的一个小白客户,用 牛马AI 逆向游戏写脚本辅助自己
牛马AI的用户真是tm都是人才 自己在小红书闲鱼引流 安装并教学使用claudecode 然后给用户装上牛马AI 给用户配上自己中转站 还顺便卖几个常用skills当牛马给装到机器上了 这一通操作一天赚个千八百块钱 完事了还有token续费 真的,不服不行 要真配置不明白cc啥的 直接付费找群友吧 群友只收个辛苦费!
2
2
14
9,570
Yangyi retweeted
宝玉
@doteyApr 16
推荐阅读若石写的这篇博客:模型不是笨,是 Harness 没配好 AI 智能体跑十步就崩,很多人第一反应是模型太蠢,但这篇文章却给出另一个视角:不是马不行,是缰绳没拴好。 文章提出的 Harness Engineering,你可以理解成给 AI 模型戴上安全带、装上安全气囊的工程实践。 过去两年,我们经历了两个阶段:Prompt Engineering(怎么问)、Context Engineering(喂什么料),但它们对付不了模型多步自主执行时的各种意外。 文章中有一个生动的例子:让一个智能体写市场分析报告,前三步相当顺利,但到第七步突然开始胡编乱造,因为搜索返回的内容超出上下文窗口被默默截掉了;第十步输出一段残破的 JSON,整条链路就此夭折,只能重头再来。 要解决这种问题,Harness Engineering 给出四个简单又实用的原则: 1. 能用代码约束的事儿,别指望模型自觉。 比如 JSON 格式,别在提示词里苦口婆心求模型输出合法内容,直接上 Schema 验证器,非法输出直接回炉。 2. 关键状态必须外置,不让模型在脑子里憋着。 就像你写代码不会只存在内存里一样,模型跑到哪一步、哪些任务完成了、哪些没做,都记到一个外部的 state.json 文件里,这样即使中途崩了,重新启动后还能接着来。 3. 模型输出不能自卖自夸,必须找第三方验收。 永远不要让模型给自己的作业评分,因为它总觉得自己很棒。需要一个独立的 Evaluator 模型,它不看原始思考过程,只对结果验收。最好还真能执行一下(跑跑编译器、打开页面看UI),而不是靠想象力评价。 4. 失败要限制在局部,不能一人出错全家连坐。 工具调用失败了,就让这一步重试,别搞得整个流程跟着陪葬。 文章后半段还提到了几个反直觉的坑: 首先是「上下文焦虑症」。 上下文一旦占了 70% 以上,模型就变得焦躁,开始跳步骤、草草收尾,好像急着下班一样。解决办法也很直观:别死守污染的上下文,干脆存盘、清空、重启一个干净实例继续干。 其次是「自评骗局」。 模型把稀烂的代码夸成“结构清晰、可读性佳”,根本不可信。真实验收标准必须独立而且有执行过程,不然你迟早翻车。 最后是「记忆整理周期」。 长期运行的智能体日志像凌乱的备忘录,新旧信息打架、浪费 token。这时候要做定期整理,把杂乱的日志压缩成清晰的状态文件。有团队靠这个技巧,把 32K token 的日志压到 7K,还一点不掉关键信息。 当然,让你一开始就搭出这种七层塔楼有点难度。 文章中提到了个一天内能落地的最小版本: - 一个 state.json 存任务状态; - 工具调用加 try/catch,失败就指数退避重试; - 模型输出全都 Schema 校验; - 工具返回的数据统一截断,绝不爆 token。 如果能做到这些,就能大幅提升智能体的任务成功率。推荐阅读原文。
Agents don't fail because models are weak. They fail because systems are undefined. blog.ltbase.dev/posts/agents…
37
210
12
892
124,835
欢迎发布自己的游戏视频到这个社区,这里有很多游戏投资人,游戏开发者,还有发行,我对转发大家评论和关注度高的游戏,以及从中选取拍摄对象,视频播客录制,Space直播连线等,祝大家游戏大卖! xitter.cf/i/communities/16700648…

4
2
1
4
3,495
昨天最牛逼的开源项目 Pretext 快速而且精准的文本测量算法,可以实现类似报纸的动态图文环绕效果。 这个对 AI 时代的 UI 实时生成非常有用。 有了这个以后,AI 就能清楚地知道每个字符的宽度和总宽度,不会出现闪烁、超出范围和抖动等问题。
19
82
1
701
91,926
最开始我还以为是纯粹的根据透视做的一个3d小产品,后来的效果视频真的很惊艳。 我后来去深挖了下,这个技术大概是通过不同多角度照片传送到世界模型的api,然后返回Gaussian splattering的点阵图。 所以才能做到drone那样的飞行效果。
10
36
3
298
58,125
Yangyi retweeted
宝玉
@doteyMar 6
写了一个翻译的 skill,推荐试用,效果我测试下来还可以的。 npx skills add github.com/jimliu/baoyu-skil… --skill baoyu-translate 使用方法很简单,安装后,只要说: > 翻译 {文件路径} 或者快速翻译,速度最快,质量会差一些 > 快速翻译 {文件路径} 或者精翻,质量最好,时间长一些,token也会消耗更多 > 精翻 {文件路径} 如果配合 baoyu-danger-x-to-markdown skill 可以翻译 X 上的 Article,输入推文 url 就好,配合 baoyu-url-to-markdown 则可以根据 url 翻译文章内容 长文会自动分块,分块后能并行翻译,速度还可以,并且能保证分块后的翻译术语一致性。 可以定制化一些自己的术语表。
39
113
13
579
74,684