ikigai真的很难寻找
从我有意识开始到现在起码快10年了
终于有了一种对了的感觉
这篇文章复盘了期间的往事
希望大家都能在AI时代找到自己的路
对了，图片是AI一次性生成
原本总共是7幅图
用来把长文一键转为小红书多图的
最近会写一篇教程，欢迎关注：）
全文：https://mp.weixin.qq.com/s/1PIF01INQM5eXS9COMKB_Q
从我有意识开始到现在起码快10年了
终于有了一种对了的感觉
这篇文章复盘了期间的往事
希望大家都能在AI时代找到自己的路
对了，图片是AI一次性生成
原本总共是7幅图
用来把长文一键转为小红书多图的
最近会写一篇教程，欢迎关注：）
全文：https://mp.weixin.qq.com/s/1PIF01INQM5eXS9COMKB_Q
👍1
#自媒体运营频道 #@yunying23
裸辞半个多月了，起号2周，粉丝33个，客资有20+，因为客单价4000-1.5万，所以到报价环节断掉了，不过也有对应的解决方法。
但是也是给别人赋能，希望自己能在自己的兴趣领域也赚到米，这两天想法很多，希望能花1万去让自己尝试做和绘画艺术相关赚钱的项目。
最理想的状态可能就是做着自己有天赋的、喜欢的事情赚钱，希望能变成现实🙏
裸辞半个多月了，起号2周，粉丝33个，客资有20+，因为客单价4000-1.5万，所以到报价环节断掉了，不过也有对应的解决方法。
但是也是给别人赋能，希望自己能在自己的兴趣领域也赚到米，这两天想法很多，希望能花1万去让自己尝试做和绘画艺术相关赚钱的项目。
最理想的状态可能就是做着自己有天赋的、喜欢的事情赚钱，希望能变成现实🙏
中国的AI应用开始对标全球顶级产品了！
连轴转了好几天，信息茧房都快包浆了。
刚想用夸克搜搜印巴冲突的新进展
结果发现夸克居然悄咪咪上线“深度搜索”（图2️⃣
试了下，效果真好啊（图3️⃣
自从OpenAI上线了Deep Research之后
各大厂都在上线自己的Deep research
这背后是是一个信号⬇️
用户对真正能解决复杂问题、提升信息获取质量与效率的需求却愈发迫切。
夸克最近主打的“深度搜索”及其即将上线的“深度搜索Pro”
便是在这一趋势下的一个值得关注的样本
它试图构建一种“高搜商”的AI🧠
不再是被动响应
而是主动理解用户提问背后的真实意图
智能拆解复杂问题
然后进行多轮、动态的智能检索
这其中“先思考再搜索”的理念是核心
意味着模型会先进行一番“头脑风暴”
判断该搜什么、去哪儿搜、怎么搜
甚至对初步结果进行验证和再思考，形成一个闭环
“深度搜索”致力于提升日常查询的精准度和答案的可用性
通过模型自主思考来更好地匹配个性化需求
而“深度搜索Pro”则更进一步
瞄准了专业级的研究场景
它能将以往需要数天完成的课题研究、市场分析等任务
压缩到分钟级别，并交付结构化、系统性的报告
这背后的底气是夸克在此之前对权威信源（如健康领域的专业资料、学术领域的知网合作）的整合
以及对信息进行交叉验证、提炼观点的能力
免费体验的策略，无疑也降低了用户尝鲜的门槛
让更多人能直观感受其与传统搜索的差异
这种从“信息搬运”到“知识助理”的转变
如果能真正落地并被广泛验证其意义不容小觑
当许多AI应用还在探索“生成什么”的边界时
夸克选择在“如何更有效地获取和理解已有信息”上深耕
这本身就是一种差异化的路径
毕竟，在信息爆炸的时代
精准、高效、可信地“找到”并“理解”信息
其价值丝毫不亚于“创造”新信息
当然，任何新技术从概念到成熟都需要时间检验
夸克的“深度搜索”能否在海量用户的实际使用中持续迭代
真正兑现其“高搜商”的承诺
并引领AI搜索进入一个新阶段，非常值得期待
但这无疑是一个积极的信号
预示着AI在信息服务领域的潜力远未被充分挖掘
继续卷啊家人们
我希望未来能不需要我去搜
而是自动整理我感兴趣的信息
连轴转了好几天，信息茧房都快包浆了。
刚想用夸克搜搜印巴冲突的新进展
结果发现夸克居然悄咪咪上线“深度搜索”（图2️⃣
试了下，效果真好啊（图3️⃣
自从OpenAI上线了Deep Research之后
各大厂都在上线自己的Deep research
这背后是是一个信号⬇️
用户对真正能解决复杂问题、提升信息获取质量与效率的需求却愈发迫切。
夸克最近主打的“深度搜索”及其即将上线的“深度搜索Pro”
便是在这一趋势下的一个值得关注的样本
它试图构建一种“高搜商”的AI🧠
不再是被动响应
而是主动理解用户提问背后的真实意图
智能拆解复杂问题
然后进行多轮、动态的智能检索
这其中“先思考再搜索”的理念是核心
意味着模型会先进行一番“头脑风暴”
判断该搜什么、去哪儿搜、怎么搜
甚至对初步结果进行验证和再思考，形成一个闭环
“深度搜索”致力于提升日常查询的精准度和答案的可用性
通过模型自主思考来更好地匹配个性化需求
而“深度搜索Pro”则更进一步
瞄准了专业级的研究场景
它能将以往需要数天完成的课题研究、市场分析等任务
压缩到分钟级别，并交付结构化、系统性的报告
这背后的底气是夸克在此之前对权威信源（如健康领域的专业资料、学术领域的知网合作）的整合
以及对信息进行交叉验证、提炼观点的能力
免费体验的策略，无疑也降低了用户尝鲜的门槛
让更多人能直观感受其与传统搜索的差异
这种从“信息搬运”到“知识助理”的转变
如果能真正落地并被广泛验证其意义不容小觑
当许多AI应用还在探索“生成什么”的边界时
夸克选择在“如何更有效地获取和理解已有信息”上深耕
这本身就是一种差异化的路径
毕竟，在信息爆炸的时代
精准、高效、可信地“找到”并“理解”信息
其价值丝毫不亚于“创造”新信息
当然，任何新技术从概念到成熟都需要时间检验
夸克的“深度搜索”能否在海量用户的实际使用中持续迭代
真正兑现其“高搜商”的承诺
并引领AI搜索进入一个新阶段，非常值得期待
但这无疑是一个积极的信号
预示着AI在信息服务领域的潜力远未被充分挖掘
继续卷啊家人们
我希望未来能不需要我去搜
而是自动整理我感兴趣的信息
❤1
https://tffyvtlai4.feishu.cn/wiki/Gfu7wwAZiig6DEkP1B8cj6S4nGh
cursor的十二条正确使用方法：
1、立规矩：给它框架。
2、说清楚：指令明确。
3、拆任务：小步快跑。
4、给标准：用测试说话。
5、常反馈：及时纠偏，让它学好。
6、指范围：精准打击 (@ Context)。
7、看全局：让它知道目标 (Docs)。
8、直接改：行动胜于解释 (Show, don't tell)。
9、用历史：迭代优化提示。
10、选对人：模型各有所长。
11、链外部：善用工具和网络 (@Web, MCP)。
12、预处理：索引提效 (Indexing)。
cursor的十二条正确使用方法：
1、立规矩：给它框架。
2、说清楚：指令明确。
3、拆任务：小步快跑。
4、给标准：用测试说话。
5、常反馈：及时纠偏，让它学好。
6、指范围：精准打击 (@ Context)。
7、看全局：让它知道目标 (Docs)。
8、直接改：行动胜于解释 (Show, don't tell)。
9、用历史：迭代优化提示。
10、选对人：模型各有所长。
11、链外部：善用工具和网络 (@Web, MCP)。
12、预处理：索引提效 (Indexing)。
有点好玩儿：小红书的所有笔记，其实都是图文笔记。
为啥这么说呢？从技术角度看，每一条笔记都可以被视为：【图文笔记】和【可选的视频字段】。
小红书的笔记数据结构里，所有笔记都会包含文字内容和图片字段。视频笔记也不例外，因为必须有张封面图。title，content，cover_images，所有笔记都有，就差有没有这个video。
视频笔记，就是多了 video 字段。换句话说，视频只是图文的一个增强补充。图是主图，文是配文，视频是加法。
我整套杂志感理论，都是建立在用户端的感受层面，先接收到封面信息。
从技术端讲，推荐分发逻辑其实是建立在“图文内容为主”的框架里。
当然，在业务上，平台还是会把图文笔记和视频笔记区分开来：入口不同、工具不同、流量策略也不同。但在底层结构上，它们是同一种内容容器，只是字段调用的方式不同。
{
"note_id": "xxx",
"user_id": "xxx",
"title": "标题",
"content": "正文文本",
"cover_images": ["img1.jpg", "img2.jpg"],
"video": {
"video_url": "xxx.mp4",
"duration": 12.3,
"thumbnail": "img_cover.jpg"
},
"created_at": "时间戳",
...
}
我想这有助于帮助你，理解平台和内容的本质结构。
如果你也觉得这很有趣，点个赞告诉我。
为啥这么说呢？从技术角度看，每一条笔记都可以被视为：【图文笔记】和【可选的视频字段】。
小红书的笔记数据结构里，所有笔记都会包含文字内容和图片字段。视频笔记也不例外，因为必须有张封面图。title，content，cover_images，所有笔记都有，就差有没有这个video。
视频笔记，就是多了 video 字段。换句话说，视频只是图文的一个增强补充。图是主图，文是配文，视频是加法。
我整套杂志感理论，都是建立在用户端的感受层面，先接收到封面信息。
从技术端讲，推荐分发逻辑其实是建立在“图文内容为主”的框架里。
当然，在业务上，平台还是会把图文笔记和视频笔记区分开来：入口不同、工具不同、流量策略也不同。但在底层结构上，它们是同一种内容容器，只是字段调用的方式不同。
{
"note_id": "xxx",
"user_id": "xxx",
"title": "标题",
"content": "正文文本",
"cover_images": ["img1.jpg", "img2.jpg"],
"video": {
"video_url": "xxx.mp4",
"duration": 12.3,
"thumbnail": "img_cover.jpg"
},
"created_at": "时间戳",
...
}
我想这有助于帮助你，理解平台和内容的本质结构。
如果你也觉得这很有趣，点个赞告诉我。
❤2