分享一个快速完成 privacy-policy、terms-of-service 和 about 页面、README 文件的方法。
以前要写这样的页面，我会给Claude发送网站的详细描述，如果一次描述不完整，就要对话好几轮才能改好。
现在直接在 Cursor 上面使用 @ codebase 功能，让AI浏览代码，根据代码内容来编写，这样写出来的内容非常精准，省事不少。
用法一：代码比较简单，像 p1 那样直接让 AI 生成结果；
用法二：代码量比较大，存在一部分没有实际用到的代码，参考 p2-p5，先让 AI 总结网站功能再开始写，这种情况 AI 会把没用到的代码也考虑进去，所以生成内容可能会有偏差，只需要你澄清一下功能，就能重新生成正确的结果。
以前要写这样的页面，我会给Claude发送网站的详细描述，如果一次描述不完整，就要对话好几轮才能改好。
现在直接在 Cursor 上面使用 @ codebase 功能，让AI浏览代码，根据代码内容来编写，这样写出来的内容非常精准，省事不少。
用法一：代码比较简单，像 p1 那样直接让 AI 生成结果；
用法二：代码量比较大，存在一部分没有实际用到的代码，参考 p2-p5，先让 AI 总结网站功能再开始写，这种情况 AI 会把没用到的代码也考虑进去，所以生成内容可能会有偏差，只需要你澄清一下功能，就能重新生成正确的结果。
最近 X 上在讨论为什么大语言模型 O1，有时候会用中文思考？
转发一段 Hugging Face 王铁震老师的想法：
--- DeepSeek 机翻
我一直觉得，会两种语言不仅仅是能用两种语言交流，而是能根据话题和场景，自然地用更合适的语言去思考。比如，我更喜欢用中文做加减乘除，因为每个数字只有一个音节，算起来干脆利落。但一提到“无意识偏见”这种话题，我就会不自觉地切换到英语，毕竟这些概念我最开始就是从英语里学来的。
这让我想到编程语言：大多数程序用什么语言都能写，但我还是会用 Bash 写命令行脚本，用 Python 搞机器学习，因为每种语言都有自己最顺手的地方。现实中的语言也一样，我们会根据语言的特点和自己的习惯，选择最顺手的语言去表达特定的内容。
这也是为什么我觉得，在训练大语言模型（LLM）时，保持所有语言和文化的多样性和包容性特别重要。就像哲学家维特根斯坦说的：“语言的界限就是世界的界限。”只有包容每一种语言的细微差别，才能让模型学到更全面的思维。即使两种语言里的两个词意思一样，它们在模型中的 Embedding 也可能完全不同，因为它们背后的文化和使用方式截然不同。在我看来，这种包容性不仅能打造更公平、更准确的模型，还能让它处理更多样化的任务，汇聚全人类的智慧。
转发一段 Hugging Face 王铁震老师的想法：
--- DeepSeek 机翻
我一直觉得，会两种语言不仅仅是能用两种语言交流，而是能根据话题和场景，自然地用更合适的语言去思考。比如，我更喜欢用中文做加减乘除，因为每个数字只有一个音节，算起来干脆利落。但一提到“无意识偏见”这种话题，我就会不自觉地切换到英语，毕竟这些概念我最开始就是从英语里学来的。
这让我想到编程语言：大多数程序用什么语言都能写，但我还是会用 Bash 写命令行脚本，用 Python 搞机器学习，因为每种语言都有自己最顺手的地方。现实中的语言也一样，我们会根据语言的特点和自己的习惯，选择最顺手的语言去表达特定的内容。
这也是为什么我觉得，在训练大语言模型（LLM）时，保持所有语言和文化的多样性和包容性特别重要。就像哲学家维特根斯坦说的：“语言的界限就是世界的界限。”只有包容每一种语言的细微差别，才能让模型学到更全面的思维。即使两种语言里的两个词意思一样，它们在模型中的 Embedding 也可能完全不同，因为它们背后的文化和使用方式截然不同。在我看来，这种包容性不仅能打造更公平、更准确的模型，还能让它处理更多样化的任务，汇聚全人类的智慧。
Huggingface 发布了一个基于 smolagents 的 Agent 课程
非常基础，而且带了 Colab 笔记
主要分成三个项目：搜索智能体、代码智能体和自定义函数
地址：https://github.com/huggingface/smol-course/tree/main/8_agents
非常基础，而且带了 Colab 笔记
主要分成三个项目：搜索智能体、代码智能体和自定义函数
地址：https://github.com/huggingface/smol-course/tree/main/8_agents
InsightFaceSwap - 比Midjourney更丝滑的AI换脸工具
InsightFaceSwap 比Midjourney更丝滑的AI换脸工具
链接：
https://insightface.ai/
#Ai工具推荐
InsightFaceSwap 比Midjourney更丝滑的AI换脸工具
链接：
https://insightface.ai/
#Ai工具推荐
给美团2000多号工程师做了AI编程的分享，最近一周一直挺紧张的，但是谁能想到这次回老东家分享，反馈是出乎意料的好。
自己也讲得很爽，给人带去启发实在是件很开心的事。
自己也讲得很爽，给人带去启发实在是件很开心的事。
200美元拜个大哥：我为什么续订了o1 Pro
鸭哥这篇文章很安利，看完后我也买了o1 Pro。试用一圈下来确实觉得不太一样。
如果 Chatgpt 是一个活在你微信上即时回复的助手，那么 o1 pro 更像是你通过邮件通信的一位智者。
但现在的问题可能是，绝大部分人即使有了爱因斯坦的邮箱也不知道该写什么。
我相信Chatbot大概率只是这次AI革命中第一个PMF形式。要发挥出来AI的全部潜力，需要更强大的模型，更好的context，更多的工具，适合更强大智能的产品交互形态，以及和任何强大工具一样：需要学习如何使用。
当金钱或算力能够以更高效率地被转化成生产力，更重要的问题将会从“how”变成“what”，我们究竟要让AI做什么？
鸭哥这篇文章很安利，看完后我也买了o1 Pro。试用一圈下来确实觉得不太一样。
如果 Chatgpt 是一个活在你微信上即时回复的助手，那么 o1 pro 更像是你通过邮件通信的一位智者。
但现在的问题可能是，绝大部分人即使有了爱因斯坦的邮箱也不知道该写什么。
我相信Chatbot大概率只是这次AI革命中第一个PMF形式。要发挥出来AI的全部潜力，需要更强大的模型，更好的context，更多的工具，适合更强大智能的产品交互形态，以及和任何强大工具一样：需要学习如何使用。
当金钱或算力能够以更高效率地被转化成生产力，更重要的问题将会从“how”变成“what”，我们究竟要让AI做什么？
Kokoro 82M 这个 TTS 模型也太好了
模型大小只有不到 300M，生成的音频质量很高
在 T4 上，只需要 4.5 秒就能生成 2 分 25 秒的语音
可惜的是只支持英文，不过可以按他们的架构训练其他语言，只需要不到 100 小时的音频数据
模型下载：https://huggingface.co/hexgrad/Kokoro-82M
模型演示：https://huggingface.co/spaces/hexgrad/Kokoro-TTS
Invalid media: video
模型大小只有不到 300M，生成的音频质量很高
在 T4 上，只需要 4.5 秒就能生成 2 分 25 秒的语音
可惜的是只支持英文，不过可以按他们的架构训练其他语言，只需要不到 100 小时的音频数据
模型下载：https://huggingface.co/hexgrad/Kokoro-82M
模型演示：https://huggingface.co/spaces/hexgrad/Kokoro-TTS
Invalid media: video
Z Potentials｜玉伯，阿里前端第一人，语雀创始人，辞任字节高管创业AI创作工具，首轮融资近千万美元
为什么选择创业，为什么尸横遍野还入局
为什么选择了一条缝隙里的缝隙
为什么视频是大赛道，为什么AI不是幌子
YouMind的远方在哪
一切说出来的，都容易错
为什么选择创业，为什么尸横遍野还入局
为什么选择了一条缝隙里的缝隙
为什么视频是大赛道，为什么AI不是幌子
YouMind的远方在哪
一切说出来的，都容易错