现在看到一堆非头部互联网公司想做 AI to c 独立端产品的感觉就像，一个全职带了三年孩子的宝妈，突然说：老公存款有 130 万，带孩子几年了不想打工了，有没有什么好的加盟店推荐的？

收录了 500+ 个 Nano Banana Pro 提示词，每条都有图片和提示词。
且大部分提示词都支持参数输入，并且跟 Raycast snippets 语法兼容。Hope you like it ❤️

https://github.com/YouMind-OpenLab/awesome-nano-banana-pro-prompts

Nano Banana Pro的文本渲染有多强？
你敢信这张图是AI生成的吗？😱

#出海运营秘籍👉@yunying23

我简直是创意天才！！我是IP天才！！是团队管理天才！！
给自己拉了个群，让我的team像交付陪跑客户一样交付我
明天开始我要日更！日播！！🙋‍♀️🙋‍♀️🙋‍♀️🙋‍♀️🙋‍♀️

作为一个古典产品经理，最近听了很多AI相关的播客，有很多专业名词听不懂，所以系统性整理翻译成我这种小白能听懂的话进行学习，再分享出来。今天先整理深度学习。

什么是深度学习？
AI比作一个正在学习的孩子，那么深度学习就是这位孩子最重要的“学习方式”。它通过模仿人脑的神经网络，让计算机能够从大量经验（数据）中自己“领悟”规律，从而学会识别图像、理解语言、甚至做出预测。

它是怎么发展的？

1958年感知机-现代深度学习的基石
感知机就像一个非常认真但又特别死板的新手守门员。他的任务很简单：根据看到的有限信息，决定是否出击拦截飞来的足球。
观察到的信息：球速、对手方位、风向，等同于输入信号（接收待处理的外部信息 ）；
对不同信息的重视程度：更相信球速，不太在意风向，等同于确定权重（代表不同输入信号的重要性 ）；
心里快速计算：“球速太快 + 对手离得很近 = 危险！，等同于加权求和（将所有输入信号乘以其权重后相加，得到一个总分 ）；
判断自己的出击原则：只有觉得“会进球”时才行动拦截，等同于于阈值/偏置（一个预设的界限，决定了神经元被激活的难易程度 ）；
最终决定：出击 或 不动相当于输出计算后的结果，等同于输出一个简单的二元决策（是/否，1/0）。
这个守门员（感知机）通过反复训练，能非常好地完成一些规则清晰、界限分明的任务。比如，就像判断“如果下雨并且目的地没有遮挡物，就带伞”一样，他可以学会处理“与门”、“或门”这样的简单逻辑电路 。
但他的局限性也很明显：他只会画一条“直线”来划分世界。想象一下“异或”这个问题：球要么来自左边，要么来自右边时（但不能同时来自两个方向）才需要出击。这个规则无法用一条直线完美划分所有情况，于是这个死板的守门员就懵了，无法做出正确判断 。

这正是早期单一感知机的核心瓶颈，它只能解决“线性可分”的问题 。 那么，如何让这个守门员变得更聪明呢？答案是：不依赖一个人，而是组建一个团队！ 将无数个简单的“感知机”连接成多层网络，就构成了现代深度学习的基石，使得图像识别、自然语言处理等复杂任务成为可能 。

1982年 循环神经网络 (RNN)-对文本等序列数据进行建模。

AI理解一段话（序列数据）的过程，想象成一个人如何阅读和理解一个故事。把AI模型想象成理解故事的“读者”。

RNN（循环神经网络） 像一个记忆力有限、必须逐字阅读的读者。
工作方式：他必须从第一个字开始，一个一个地按顺序读下去。他一边读，一边努力记住前面看到的重要内容。当他读到第100个字的时候，他可能还对第1、2个字有印象，但记忆已经变得很模糊了。
缺点：难以抓住“长距离依赖”。比如故事开头说“小明有一只宠物狗”，到结尾才说“这只狗很聪明”。如果中间隔了几百个字，这位读者很可能已经忘了“这只狗”指的是小明的狗，而不是别人的狗。而且，因为他必须逐字阅读，速度很慢，无法并行处理信

2017 年：Transformers 和注意力机制
Transformer 则像一个拥有“上帝视角”的超级读者。
核心武器：自注意力机制。当他拿到一篇文章时，他不需要从头开始读。他可以瞬间同时看到文章里的所有词语。更重要的是，对于文中的每一个词，他都能立刻分析出文中所有其他词与它的关联程度。
工作方式：比如看到句子“这只苹果很甜，所以小明吃了它”里的“它”这个词时，Transformer能瞬间判断出“它”与“苹果”关系最密切，与“甜”关系次之，与“小明”也有一定关系。这样，它就能轻松理解“它”指代的是“苹果”，而不会搞错。
优点：这种机制让它特别擅长处理长篇文章，能轻松捕捉相隔很远词语之间的联系。而且，因为可以同时处理所有信息，它的学习速度非常快。

为什么这个区别如此重要？
正是Transformer这种能高效并行处理和精准把握全局信息的能力，让它成为了当前人工智能大语言模型（比如ChatGPT、文心一言等）的基石技术。我们可以说，Transformer架构的出现，直接推动了我们今天看到的大语言模型技术的飞跃。

2018 年至今Vision Transformers和大规模语言模型 (LLM)
如果把大语言模型（LLM）看作一个聪明的“大脑”（思维与逻辑中心）专门理解和生成文字。它通过阅读海量文本学到知识、逻辑和语言能力。那么 Vision Transformer (ViT) 就是给这个大脑装上了一双“眼睛”（视觉系统），专门理解和分析图片。它用理解文字的逻辑来“看懂”图像。而多模态模型则是让这个大脑能同时处理眼睛看到的、耳朵听到的等各种信号，成为一个更全面的“通才”。（协调感官的“总指挥” ），同时处理文字、图片、声音等多种信息，并理解它们之间的联系。

👁️ 给AI一双“眼睛”：Vision Transformer
传统AI看图片的方式，有点像我们拿着一个小放大镜，一小块一小块地、局部地查看图片，然后再拼凑出整体信息。而Vision Transformer 带来了一种革命性的新方法
工作方式：ViT会把一张完整的图片，像撕便签纸一样，撕成许多个有固定大小的小方块（图像块）。然后，它利用一种叫自注意力机制的技术，让每一个小方块都能和图片上所有其他小方块进行“沟通”，从而一瞬间就把握整张图片的全局信息。

简单类比：这就好比让你看一张“猫追老鼠”的图片。传统的AI可能需要先看到尾巴，再看到身体，最后才拼凑出“这是一只猫”；而Vision Transformer一眼看过去，就能同时注意到“猫”、“老鼠”以及它们的“相对位置”，直接理解“猫在追老鼠”这个场景。

🔄 从“专才”到“通才”：多模态模型
当AI有了处理文字的大脑（LLM）和看懂图像的眼睛（Vision Transformer）之后，一个很自然的想法就是：能不能让它们协同工作，同时理解多种信息？这就是多模态模型做的事。
核心能力：多模态模型能够综合处理和理解文本、图像、音频甚至视频等多种类型（模态）的信息，并挖掘这些信息之间的关联。

多模态实际应用：
视觉问答：你给AI一张图片并问：“图片里的猫是什么颜色的？”它能结合图片（ViT的功能）和理解问题（LLM的功能）给出答案。

AI绘图：你输入一段文字描述（如“一只穿着宇航服的柴犬”），AI就能生成符合描述的图片。这需要模型同时深刻理解文字含义和视觉元素。

智能客服：未来的客服系统可能不仅能看懂你发的产品截图，听懂你的语音描述，还能读懂你的情绪，提供更精准的服务。

#出海运营秘籍👉@yunying23

华杉是真怕西贝好起来…

Ilya Sutskever说可以引入情绪作为一种价值函数，来做强化学习RL，可以提高训练效率和泛化性，因为人不是完全依赖结果的反馈进行学习的，大量会通过感觉和情绪来提前判断。

想起了字节推荐算法一直想要学“品味”，但一直没有找到对应的指标。这么多年，做了那么多专项，堆了无数资源，但依然眼睁睁看着小红书起来。

用户真牛逼 我自己没发现的问题 他们嘎嘎帮我发现

最近试着从0去vibe coding一个项目，效率很低

对比起来，基于模板去vibe coding效率就高多了

并不是因为卖模板所以夸模板效率高，事实是大模型很擅长阅读项目已有代码，在此基础之上新增功能只要之前有类似的，那效率叫一个高！

比如，我实现了用户管理，支持搜索、筛选、分页、排序、编辑等功能，那么要实现其他的管理，比如积分管理，那就是一句提示词就能搞定。

而如果是从0开始，我要加tanstack table实现丰富的表格能力，加tanstack query实现数据请求的缓存，加nuqs实现请求参数与URL的一致性，加data table组件实现分页和筛选，还得考虑数据库请求的构造和优化，每个搞起来都费劲 😂

下次再也不从0开始vibe coding了😅