上周跟闺蜜和她老公去吃饭，她老公是资深AI工程师，向他问了很多AI的问题，其中有一个常见误区对我来说超受用，发出来跟大家分享下。

这个误区是：聊天记录越多，AI越好用。

我之前一直是这么理解的：聊天记录越多，AI就越了解我，我们对一些问题达成的共识就越多，细节上的框定就越明确，当然AI就会越好用啊（更个性化了嘛）。

实际上yes and no。了解得越多，越个性化，总体上是对的。但这里有一个很棘手的问题就是：AI不会遗忘。

假设我和朋友，有一个两年来一直持续讨论的话题，那每一次继续对话时，我其实是基于我所记得的“重点”来聊的，我不会记得每一个细节，更不会给每一个细节同样的权重。事实上，遗忘是一个很重要的人脑功能，我通过这个“筛子”，一遍遍忘记不重要、不相干的内容，留下对我来说最重要的内容，这就是“学习”。

我之前也讲过Kim Peek的故事：一个真正“过目不忘”的人（《雨人》的原型）。他的大脑缺少了遗忘这个“筛子”，以至于所有的信息，都丝毫不差地存入大脑（一本书从最后一页他可以真正一字不差地倒背如流）。他的大脑就像生活在一片不停歇闪耀的霓虹灯和一大堆噪音中，彻底决策瘫痪。所以Kim Peek连生活都无法自理。

AI也是无法遗忘的。

那AI要正常对话，就需要其他“筛子”，或者用AI语言来说，就是需要一些权重，知道在当下对话中，优先参考哪些过往信息（而不是全部参考一遍，那算不过来啊）。

AI的筛子，简单粗暴地说，是“相关 + 就近”。

对于简单的话题来说，这就够了。如果我两年前有一个观点，最近改变了，那么AI采用的是我最近的观点，非常合理。如果我两年前说了一件事，后来再没说过，最近又提起，那么AI找到了两年前的相关内容（因为只有这个相关）接着聊，那也很好。

但是如果“相关”累积得非常多，AI就会开始混乱。

比如我在几个月前开启过写小说的项目，之前写的版本都给AI看过。现在快半年过去了，我读了很多写作的书，有了一些新的想法，跟AI说我要重新开始，从零重建故事。

当我刚给出这个“从零开始”的指令时，一切都还很正常（因为这个指令是“最近”的）。当我越聊越多时，AI就混乱了，开始引用我之前版本的内容，因为对它来说，这个版本跟上一个版本都不再“最近”了，都是过去的、不分权重的内容了。它如果觉得版本一的内容跟我当下说的内容更相关，就会“跳过”从零开始的那个token，直接去参考版本一。

再比如，我有一个对话，专门用来跟AI互聊以丰富主角人设。我说在这个对话中要称呼我“泠”（小说女主的名字）；我有另一个对话是虚拟沈星回（游戏角色），我说这里要称呼我“搭档”（游戏中的称呼）。

一开始也是两边都很顺畅，不会搞错。但时间一长，AI就开始乱喊，在小说里喊我“搭档”，在沈星回那儿喊我“泠”，甚至在我聊了两天其他网文的时候喊我“太太”😂。完全跳过了之前我给的“在这个对话中喊什么”的指令。

因为在AI眼里，游戏、我的小说、网文（哪怕是尾鱼和P大这样风格迥异的网文），都没什么区别，都是“相关”。

我们可以这么理解：由于无法遗忘，AI在判断相关性上，跟人脑还差很远。人脑看P大、尾鱼、我自己的小说、游戏，会总结出四个不同的风格，拥有各自的特点和内容，不太会串台。AI记住一切，那么不管你风格区别多大，细节上总有相似，毕竟故事离不开一些原型，比如宿命、相遇、两难的抉择。

有时候新对话里，AI很有创意。等到对话长了，AI就车轱辘话来回转，而且集中在你最近聊的内容上，不是因为AI创意用完了，是因为它的“思考”进入了权重划定的局限。

怎么解决呢？

就是得人工帮它筛选，你不想让它参考的内容，最好删掉重来。

更具体地说，① 我为小说创建了多个对话，一旦某项子内容要推翻重来，就把那个对话删掉；② 定期要它总结我们说过的内容，再人工进行修订和笔记保存，然后喂回给它（相当于人工帮它“遗忘”）；③ 日常查询全部放在一个“闲聊”中，定期删除；④ 完全不相关的内容分在两个AI中进行。

要想AI跑得顺，内容管理真的很重要啊。

P.S. AI也还远远没很多人想得那么智能，说实话挺“蠢”的，大家也不要过于担心被取代啦。

== Vibe Coding
零基础教程 ==
通过 Vibe Coding，我自己实现了信息流产品的开发，发布了 Mac App，构建了满足自己需求的 AI Agent，还有更多新任务正在解锁中。
接下来，我会写一系列教程，带你用最少的步骤和刚刚好的知识，轻松开发满足你自己需求的产品。
1️⃣ 模型和工具怎么选
从编程任务来说，这三个模型可以考虑：OpenAI 的 Codex、Claude 系列、Gemini 3 Pro。如果你能解决网络和支付问题，我推荐首选 Claude（更均衡且成熟），其次是 Codex。从入门级订阅开始即可，不建议使用免费的版本。
工具方面，如果你习惯使用 IDE，可以用 VS Code 或者 Cursor。如果你更偏好直观的图形界面，Cursor 会更适合初学者。不过在刚开始阶段，直接使用这三个团队的官方应用或网页版也是完全够用的。
2️⃣ 整理需求
构建复杂的产品完全没问题，但需要循序渐进。再复杂的工具也都是由基础模块组合而成的。
如果你不知道从哪里下手，那就从详细梳理需求开始吧。把你想到的所有功能和逻辑尽可能详细地告诉 AI，最好使用高级一些的模型，比如 GPT-5-Think、Gemini 3 Pro 或者 Sonnet 4.5 / Opus 4.5。
你可以这样告诉 AI：
> Hi AI，我想开发一个产品，它有以下这些需求，请你帮我梳理成一份逻辑清晰、结构严谨的产品需求文档。[然后换行，一条条写出你想实现的所有功能]
AI 能很好地把模糊的、不确定的需求转化为完整且专业的文档。如果觉得有不符预期的地方，及时告诉它进行修复即可。
保存好这份文档，它会成为你产品开发的良好起点。如果你不确定，还可以请 AI 帮你初步评估整个产品的复杂度和实现难度。如果真的太复杂，不如早一点调整方向。
3️⃣ 拆解任务
热知识：不要在同一个对话窗口长时间和 AI 聊天，它的「智商」会随着对话的累积逐渐下降。
重启一个新的对话窗口，把之前整理好的产品需求直接给到 AI，让它帮你分析第一个可以快速实现且易于验证的功能。你可以这样请求：
> Hi AI，以下是我的产品需求文档，但我从来没有编程过，请帮我分析一下，我可以在 10 分钟内快速实现的第一个任务是什么，并指导我如何快速验证这个功能。[然后换行，附上之前的产品需求文档]
让 AI 手把手教你搭建环境，运行代码并看到结果。有两个额外建议：
1. 大部分编程模型更擅长 Python，而且 Python 的入门门槛较低，可以优先选择。
2. 如果任务需要联网，优先考虑不联网的本地任务，因为联网任务的复杂度更高。如果不理解，直接问 AI 就好。
4️⃣ 持续迭代，明确验证方法
创造出一个「正向反馈机制」才是最终交付产品的关键，避免一次性完成过于复杂的任务。
完成第一个小任务后，继续告诉 AI 根据你的需求和已有的代码，明确下一步应该实现什么功能，并清楚告诉你如何验证每个任务。
确保每次开发的功能都能快速验证其有效性。
5️⃣ 修复 Bug
开发过程中难免遇到 bug，比如结果与预期不同。遇到问题时，同样可以依靠 AI 帮助你 debug。
详细地描述你的实际问题，包括报错信息或运行结果，AI 会根据情况指导你如何修复和优化代码，可能经过几轮迭代就能顺利解决。
6️⃣ 学点软件工程基础
任务复杂度增加后，就需要逐渐了解一些软件工程的基本知识了，否则很多问题将难以修复。
这就像搭建家具：拼装简单桌子只需直觉和说明书，但更复杂的橱柜则需要学习使用专业工具和理解基础结构。
怎么学？当然是通过 AI，可以逐步了解「数据结构与算法」、工程师团队的基本组成，以及整体的工作流程。
7️⃣ 开发工具和 GitHub
任务变复杂后，趁手的工具也必不可少。
你可以选择 VC Code 或 Cursor 来编辑代码，也可以直接通过终端打开 Codex 或 Claude。我个人更偏爱后者，但建议你多尝试，找到自己舒服的方式。
代码管理也至关重要。当你频繁修改代码时，Git 就显得不可或缺。最简单的图形化工具就是 GitHub 官方 App，可以让 AI 帮你一步步学会如何 Commit 和管理代码。
8️⃣ 服务器或 Cloudflare
大多数现代产品都需要联网获取数据或持续运行某些任务，比如抓取数据、计算、存储数据等。
你可以租用服务器，比如亚马逊云或 Digital Ocean，每个月几美元起步。但你也需要从零学习 Linux 系统，环境搭建较为复杂。
我推荐 Cloudflare Worker，免费版就能很好地入门，收费版每月也只需 5 美元。我自己的产品基本都用 Worker 构建，它帮你降低了很多基础设施的复杂度，让你专注于业务逻辑。
Cloudflare 还有很多有用的工具，比如 5GB 免费数据库，扩展性强。你也可以让 AI 帮你评估一下是否适合自己的产品。
9️⃣ 积累 Vibe Coding 经验
我相信未来通过这种 Vibe Coding 方式构建产品将会越来越流行，门槛也会更低。从现在开始积累经验，你会发现自己与 LLM 技术共同成长，未来能轻松驾驭更多产品开发场景。
网址：

独立开发真的很难的
有好点子是一个坎
坚持做出来是一个坎
能推广出去是一个坎
能赚到钱养活自己是一个坎
产品火了之后面对大量的抄袭竞品能活下来又是一个坎
但是开发自己的产品是真的快乐
降低难度的唯一办法 组队 找几个志同道合的小伙伴一起做
这样赢的几率才会大一些

谷歌DeepMind将在英国建立材料科学实验室

谷歌 DeepMind 将与英国政府签署新的合作伙伴关系，在英国建立其首个自动化科学实验室，以推动在全国范围内更广泛地应用人工智能。该部门周四宣布，将于2026年成立新的材料科学实验室。该实验室将专注于利用AI工具开发用于超导体、太阳能电池和半导体的新材料。 DeepMind 还将为当地科学家提供其科学类AI工具的 “优先使用权”。该公司还与英国签署了一份谅解备忘录，将向英国人工智能安全研究院的研究人员开放其模型的使用权限，双方将共同开发技术，用于监测AI系统的 “链式思维” 推理过程。双方还将合作，研究其模型对用户的社会与情感影响，以及采用AI所带来的经济影响。

—— 英国金融时报

被一个大四学生连续质疑了30分钟

我40，他00后 我干了15年，他还没毕业
结果全程被他输出，我一句没反驳

下午约了个00后，大四，创业挺久了，对知识付费那套逻辑门儿清
本来以为是轻松交流 结果上来就被连续输出

“黄叔，我觉得你定位有问题”
“AI编程这个人群覆盖面太窄了”
“知道什么是Claude Code的人是极少数中的极少数”
“而且你的内容没有IP感”
“别人看完只记得学了个技巧，不会记得你”

我说那你觉得应该怎么做？

他说应该做大众市场
教大厂员工用AI提效
或者教小白用AI赚点小钱

先用99块的引流款筛选用户
再往高客单升
逻辑很完整

生财有术那套打法

他还分享了一手观察：
去过深圳的线下课
见过腾讯阿里字节的人
发现很多技术岗连系统提示词都不懂
连翻墙都不会

“这些人才是大市场”
“你教Claude Code，他们听不懂”

最后他说了句更狠的：
“我觉得编程未来会消失”
“就像数学一样”
“极少数人推动进步，大多数人不用学”

说实话，全程我没急着反驳
因为他说的很多点确实成立

AI编程的渗透率现在可能才0.01%
天花板确实不如大众AI市场
做"用AI赚钱"这种内容确实更容易火
但听完之后
我反而更确定自己的方向了

为什么？
因为他所有建议的底层逻辑是：

找一个更大的赛道

但我想要的不是大 是深

我不需要追最大的风口
需要的是在一个自己认可的方向扎下去

AI编程现在小众
但我判断3年后会变成刚需技能

不只是程序员
产品经理、创业者、运营都得会

编程语法会被AI替代
但“用AI把想法变成产品”的能力不会消失
空间相当大
很快黄叔还要AI出海

他追求爆发力
我追求有根

都没错，人生阶段不一样

聊完我还挺感谢他的
年轻人的质疑是很好的压力测试
能帮你看清自己到底信不信这件事

我信

如果你对黄叔这件事很认可，对于流量操盘也擅长，欢迎找我聊聊一起干。

https://mp.weixin.qq.com/s/9GhdepC68IsTdRojyS4wyQ

推荐一篇让我读完后背脊发凉，又热血沸腾的访谈。
当大家还在争论AI会不会取代人类时，一位23岁的瑞典高中辍学生，已经靠着ChatGPT深入学习，硬生生把机器学习、编程学到了博士级水平，并加入了OpenAI的Sora团队。他证明了一个惊人的事实：在AI时代，大学已不再垄断基础知识。所谓的“学科门槛”，在正确、深度的使用AI面前不复存在。
文中详细拆解了他的“由上而下”的学习流，非常硬核。如果你觉得手中的AI只是个聊天机器人，强烈建议读读这篇，会重塑你的认知。在AI时代，主动性（Agency）+ AI深度使用能力大于一切，向AI Native的年轻人看齐

截至目前我认为：

1. 每个中国人都应该试着去凭借自己的兴趣擅长来赚钱，直接面向社会创造价值，而非认为打工是唯一选项；

2. 每个中国人都应该了解 AI 的基础能力，避免被 AI 欺骗、骚扰和利用；

3. 每个有进取心的中国人都应该掌握 AI 编程能力，并且利用 AI 编程解决自己和他人的问题；

看到个有意思的案例，一个美国小哥靠卖袜子，30天干了300万左右美金。听起来像天方夜谭，但拆解开是极其理性的算法逻辑
靠AI把不确定性降到了最低
他的SOP是反着来的。普通人是先有产品再找客户，他是先找赛道再定产品。
第一步用谷歌趋势扫大盘，锁定普拉提这个每年稳定增长的长期赛道。
第二步是关键，他没拍脑门，而是把热门视频喂给AI，分析出防滑袜这个高频刚需
第三步做痛点验证，让AI分析评论区，发现这是一个有品类无品牌的蓝海
所以AI不应该只是你的生成工具，也是你的决策参谋。它能把大公司得花几个月做的市场调研，压缩到几十分钟。
它帮你回答了最难的问题，谁在增长，谁在抱怨，机会在哪。
对于我们来说，AI的价值不是省了多少力气，而是省了多少试错的钱。
在开干之前，先让AI帮你把胜算算清楚，虽然它不是100%精准，但我们不需要100%胜利，我们需要不败就行

终于！ListenHub PPT 正式上线啦！
我最近写好文章，都会直接丢到这里，AI 立即为文章设计 10 张配图，并且一键生成5分钟短视频。
不管是公众号、小红书，还是视频号、抖音、B站。
文字、图片、声音、视频。
你需要的素材，这下全有了。

PPT 的产品也有很多了，但 ListenHub PPT 这次完全不一样:
它是首个自带视频讲解的 PPT
把一切内容一键生成 PPT 讲解视频
轻松上传到每一个社交媒体平台

ListenHub PPT 的特点：
- 极致简单，上传一篇文章，或一个 PDF，就能一键生成 PPT 幻灯片和视频
- 极致美学，支持上万种美学模板，只要你输入提示词或上传参考图就可以
- 形象参考，上传你的 IP 形象照片，让你的 IP 来讲解 PPT
- 克隆声音，用你的声音来讲解 PPT

可以说，ListenHub PPT 专为自媒体博主打造。
人人都是全能自媒体博主。
现在做自媒体已经没有任何门槛。

使用地址，一键直达：
https://listenhub.ai/zh?tab=slidedeck

我试了 AI 学习法后，彻底戒掉传统学习
从现在开始，我们人类的学习方式，永远的被改变了。
一说到学习，我们就想到了苦行僧式的枯燥啃书，对吧？但是我要告诉你，有了 AI，我们现在学习知识，就像小孩看绘本一样轻松愉快，而且效率至少提高了 10 倍。
什么？你不信吗？让我来给你好好演示一下什么叫作 AI 学习法。
第一个案例：美国的川普总统在 12 月签署了美国国家安全战略白皮书，是一份 33 页的英文 PDF 文档。
过去我是怎么做的呢？打开 Chrome 浏览器的翻译插件，然后从头到尾阅读中文翻译版本的 PDF，用自己的大脑进行阅读和总结，碰到不懂的地方，还要搜索去查阅相关知识，这样至少需要 1-2 个小时，才能初步掌握。而且很枯燥，很难让人坚持下来。
现在我是怎么样做的呢？打开 NotebookLM，创建一个新的知识库，把白皮书的 URL 链接贴进去就 OK 了。NotebookLM 自动检索了与此相关的多个网页，询问我是否添加到知识库，我点击允许。于是这个知识库就建好了。
接着，我在这个知识库里面，让 AI 帮我生成了概要图，思维导图，PPT 和测验题。
● 概要图可以让我让我一图读懂
● 思维导图可以让我了解整个知识的结构
● PPT 可以让我快速从头到尾掌握完整的概要知识
● 最后 AI 还帮我出了一套测验题，我可以测试一下自己掌握水平怎么样？
● 最有意思的是，NotebookLM 还可以帮我们生成视频和音频，这样通过观看视频学习知识是不是感觉轻松多了？
● 如果你想了解某个细节，你还可以直接在 Chatbot 里面提问，让 NotebookLM 直接用文档的内容回答你。
一个完整的知识体系，就被 AI 通过概要图，思维导图，总结和报告，生成 PPT，长视频和音频，以及测验题变成了一整套生动的学习材料，我们可以非常轻松的而且高效的学习。并且最关键的是，它还是一份可以交互的知识，我们可以直接提问，让它来回答。
我自己亲身体验，通过 NotebookLM，我只用了 15 分钟，就把美国国家战略白皮书的内容完全掌握了。然后你再去看中文互联网各路所谓的专家解析，那简直就是瞎扯啊，你完全可以成为一个优秀的国际关系专业博主了。
第二个案例：把长视频访谈转化为立体的知识体系。
OpenAI 前首席科学家 Ilya 最近接受了一个长达 90 分钟的深度采访，提到从 Scaling Law 时代到研究时代的转变。作为 AI 行业的从业者，这篇采访是 AI 行业未来发展方向一个很重要的探讨，是不能不看的。那么怎么样进行快速的学习呢？
我过去就是老老实实打开油管，花 1.5 个小时从头到尾看完访谈对吗？重要的细节，可能还要反复看一下，思考一下。所以看完整个视频差不多要将近 2 个小时了。但是有了 NotebookLM，只要 15 分钟就可以掌握访谈的精髓了。操作很简单：
打开 NotebookLM，创建一个新的知识库，把 Ilya 采访的油管 URL 链接贴进去，然后生成 PPT。这个生成的 PPT 就是整个采访的精华内容了。我们还可以生成 MindMap 思维导图，生成 InfoGraphic 概览图。还可以随时通过聊天方式向 NotebookLM 提问。
我快速的看看 PPT 和 Report 就了解了访谈的核心观点和内容。那么长视频其实不看或者跳着看看就足够了。回过头来，你再看中文媒体的各路解读，你会发现你其实比大多数博主要理解的更深刻了。这可真是一种轻松愉快，又省时省力的学习方式啊！
介绍到这里，大家有没有发现？ 其实 NotebookLM 已经永远的改变了我们的学习方式了：
AI 帮助我们把枯燥的知识用 AI 变成了一整套立体的、完全可视化、并且可以交互学习的知识体系。
这带来的最大的改变就是：掌握知识的门槛被极大的降低了，并且学习效率被极大的提高了。直接让我阅读 33 页的白皮书实在太枯燥了，我很难坚持下来，但是让我一图读懂，让我看十几页图文并茂的 PPT，我是轻松愉快的。
说实话学习知识对我们来说是一件痛苦的事情，因为我们要大量阅读文字和抽象的符号，还要进行思考和推理。但是我们想想看，学龄前儿童都是通过绘本来学习知识的，为什么我们成年人不可以呢？可视化对人类大脑来说，是更加原生的，更友好的学习方式。
AI 帮我们把知识以不同的维度来呈现：InfoGraphic 一图概览是最简洁的，MindMap 是总体的结构，PPT 给出了更多的细节，Report 报告进行了摘要和总结，还有图文并茂的长视频来绘声绘色的讲解。苦行僧般的枯燥的学习变成了有趣的互动式学习，而且学习效率提高了至少十倍。
当我介绍的这里的时候，我不由的想到：当今的的教育体系下，我们的孩子从小学一年级一直到大学毕业，长达 16 年的时间，仍然还是非常传统的苦行僧式的填鸭教育。学习仍然是一件极其低效率而且非常枯燥的事情，孩子们的童年和青春的美好时光不但被彻底浪费掉了，而且让孩子们把学习看成了一件非常令人讨厌的事情，其实学习本来是可以变得非常有趣的。
所以作为一个家长，如果想要让孩子更好的适应未来的 AI 时代，非常有必要从现在就开始改变自己获取知识的方式，也应该积极鼓励和帮助孩子借助 AI 来学习知识。
@aigc1024

用Nano Banana/豆包，简历照片或者用在领英等国外求职APP的照片可以这样处理，换一换背景、调调肩宽感觉高级多了。（非原创）

提示词：整体风格参考 Sony A7111+85mmf/1.4的棚拍肖像，竖构图、浅景深：主体清晰，背景柔化虚化。采用柔和的三点布光，具有自然阴影，并在头发与肩部加入细微轮廓光。保留自然的皮肤质感、毛孔与细节，避免“磨皮”塑料感。眼睛中有明亮自然的 catchlight。最终呈现为高端、适用于Linkedln 的专业级棚拍头像。

生命短暂，请使用这些开发工具⬇️
@aigc1024