Carlos的AI学习日记，寻找有趣的产品 & 找有趣的人聊天
lalaland
Joined July 2020
- Tweets1.3K
- Following170
- Followers783
- Likes661
某香港合规平台Q3给整个BD团队的预算是400U
对， 你没听错，400U， 整个团队， 并且要做VIP客户！
请客户吃麦当当 感觉有点不够～
事到如今, 只能在香港街边买个烤红薯， 跟客户蹲在路边吃了!
Carlos haha retweeted
王虹拿奖，有几个细节想拎出来聊聊。
一、北大作为”原生学校”的意义
王虹在菲尔兹奖的新闻采访里没有感谢北大，她感谢的是自己在法国的老师，说是法国的学术训练让她坚定了对数学的热爱。
我的理解是，北大在她的故事里扮演的是”原生学校”的角色——类似原生家庭。它提供了一套非常全面基础的本科训练，这是真的；但师生关系里的人文关怀相当稀薄，这也是真的（去各大论坛搜北大数院的自述，能看到大量说自己在数院自卑了四年得不到认可的描述）。
在一个 IMO 奖牌遍地跑、大神密度极高的环境里，王虹的位置几乎注定尴尬：她不是竞赛生，是从地空系考进数学系的高考转系生。面对一群绩点逆天的应试佼佼者，受挫（discouraged）几乎是结构性的。她自己在采访里的说法也印证了这一点——本科阶段，她一度怀疑自己是不是真的擅长数学。
还有一个细节：她去美国读博之前先去了法国，而当时替她写留法推荐信的，是大一地空系的一位主任老师。这是否侧面说明，她在数学系后半段的学习并不理想，以至于找不到足够多愿意为她背书的老师？后来看到更多同届同学的回忆，才知道她本科时的 GPA 确实不高。
二、评价的错位，比评价本身更值得看
北大师友回忆她：不是竞赛生，成绩不算突出，班上偏内向、话不多，但极其自律、肯下苦功。
法国同僚那边给出的形容词是：活泼、开朗、有想法。
巴黎理工的老师评价她：直觉罕见，远超同年级所有学生，能快速攻克超纲难题；是那种天赋、韧性、思维深度全部拉满的极罕见学生。
MIT 的博导评价她：研究气质”慢而深”，不被传统路径束缚，能用新方法找到前人没看见的突破口。
同一个人，隔着一个太平洋，被描述成了两种生物。
今天听到一个说法，觉得特别贴切：
“一个人被说内向，她不一定真的内向，而可能说明她在这个环境里失权。”
三、纯数研究讲究”师傅带进门”，也讲究真正的热爱
去法国大概是她学术生涯真正的转折点。
Yvan Martel 教授告诉她，学习中遇到任何困难可以先攒着，下次见面再问。她说，那是她第一次意识到：我不必独自解决所有问题。
后来她去 MIT 跟着 Guth 读博，此后一路进的都是最前沿的组：MIT、普林斯顿、UCLA、NYU Courant、IHES。在傅里叶分析和几何测度论这两个方向上，她遇到了足够多有统治力、有真 insight 的领路人。
这些组给的从来不只是资源，而是一套很难自学的判断力和科研审美：
•哪些公开问题其实早就没人关心了；
•哪些看起来很小的问题，背后连着一个重要理论；
•哪些猜想看起来重要，但用现有方法根本推不动；
•某篇论文哪里有洞，哪里还可以推广。
这种品味几乎只能从人身上长出来。长不出来的人往往不是不够努力，而是从没被行业的执牛耳者/伯乐 真正带领过，眼界始终没能打开。
最后一点：纯数、理论物理，或者任何基础学科的研究，一旦掺进功利心，多半会更难成功。因为科研不顺是常态，而功利心会把每一次卡壳都翻译成”我是不是不行/我干别的会不会更好”，让人陷进无尽的自我怀疑和内耗里。
Quanta 记录了她在法国重新走回数学时的那个决定，她的原话是：
“我决定不再纠结自己是不是够好，只管把东西理解得更透一点。”
我在王虹的成功里看到的是这种纯粹的热爱，也因此受到了鼓舞。发自内心恭喜她。
Carlos haha retweeted
🎂 #Pionex 7 岁了！7 年，感谢每一位一路同行的你。
我们准备了 7 周年限定礼盒 🎁抽 5 位幸运用户！
参与方式超简单：
1. 关注 @pionex, @pionex_zh & @May_Pionex
2. 点赞 + 转推
3. 私信派网UID
📅 7月15日
#派网7周年 #派网
某合规平台CEO 在职两年多，业绩没有， 管理一篇混乱，但是在大会上发言 be like：
1. 你干的都不如你拉的屎干净，你咋不走？
2.他们都能看得懂，你看不懂，你比狗还差？
3. 你这写的什么玩意，有没有动脑子，写的这种狗屁东西，谁能看得懂，你这到底是态度问题还是能力问题？
@huggingface 榜首测评：#Gemma 4 到底适不适合零代码文科生？
结论先行：对小白而言，没经过二次开发的开源模型，体验远不如gemini 免费版直接简单！
1️⃣ 界面友好， 容易上手，第一次打开加载长达一分钟，流畅度逊色于成熟的商业产品。
2️⃣ 相同提示词下，被 Gemini 降维打击： 喂给它们同一个 Prompt，Gemini 能直接给答案和能立刻执行的策略；原生 Gemma 4 的回答更偏技术和理论，问东问西就是没答案。 像听不懂人话但逻辑缜密的程序员男友（想杀）
Carlos haha retweeted
必须收藏起来了！ 兄弟们～
不废话，按头推荐了！
以下是 10 个应该被认定为“非法拥有”的
GitHub 仓库（但实际上它们都是免费且开源的软件）。请将它们收藏起来以备后续使用：
1️⃣ Recordly – 一个免费的屏幕录制工具。
支持自动缩放、流畅的鼠标操作、网络摄像头叠加功能，以及无需使用任何编辑器即可制作的精美演示文稿。
开源许可证：AGPL-3.0
🔗github.com/webadderallorg/re…)
2️⃣Stirling-pdf – 一个功能强大的 PDF 处理工具集，支持合并、分割、签名、内容编辑、OCR 转换、压缩等操作。
所有功能都在本地运行，数据不会离开用户的计算机。
开源许可证：MIT
🔗github.com/Stirling-Tools/st…
3️⃣ Photogimp – 一个将 GIMP 软件升级为类似 Photoshop 功能的工具。
它为 GIMP 添加了 Photoshop 的快捷键、布局设计等功能。
🔗: github.com/Diolinux/PhotoGim…
4️⃣ Open-notebook – 一个用于创建笔记和总结的工具，支持插入 PDF 文件、URL 或 YouTube 链接，甚至可以生成播客。
支持多种数据源（18 种以上）。
开源许可证：MIT
🔗: github.com/lfnovo/open-noteb…
5️⃣ Odysseus – PewDiePie 自己开发的 AI 工作空间工具集，用于处理和分析大量数据。
🔗: github.com/pewdiepie/odysseu…
这些工具都非常实用且开源，非常适合开发者或日常用户使用。
功能列表：
- 聊天功能（Chat）
- 代理服务（Agent Services）
- 深度研究工具（Advanced Research Tools）
- 文档管理系统（Document Management）
- 邮件功能（Email）
- 记忆辅助工具（Memory Assistance）
- 优先使用本地资源；支持用户自定义硬件与数据配置。（MIT开发）
相关项目链接：
🔗: [pewdiepie-arch](github.com/pewdiepie-arch/)
免费资源：
6️⃣ 免费域名服务：为所有人提供免费的域名；可将其指向 Cloudflare 或任意 DNS 服务器，无需支付域名费用。（开源许可协议：AGPL-3.0）
🔗: [DigitalPlatDev](github.com/DigitalPlatDev/)
专门用于 AI 技术的工具：
7️⃣ Hyperframes：用于生成 MP4 视频的工具；能将 HTML/CSS 代码及动画内容转换为可预测的 MP4 格式，专为 AI 系统设计。
（开源许可协议：Apache-2.0）
🔗: [heygen-com/hyp](github.com/heygen-com/hyp/)
网站转换工具：
8️⃣ Web-to-App Converter：可将任何网站直接转换为 Android 应用程序；
支持自定义网页视图、APK 签名功能，同时支持 Node.js、PHP、Python 等编程语言的运行环境（无需远程构建）。
🔗: [shiaho777/web-…](github.com/shiaho777/web-)
多媒体处理工具：
9️⃣ ReClip：一个用于下载 YouTube、TikTok、X 及 Instagram 等平台视频/音频的工具；支持多种格式（MP4/MP3），基于 yt-dlp 技术实现。
🔗: [averygan/reclip](github.com/averygan/reclip)
创新绘图工具：
10️⃣ Excalidraw：一款替代 Miro、FigJam 和 LucidChart 的高效绘图工具，提供无限画布空间。
（注：部分链接可能为临时或私有仓库链接，实际可用性请以最新更新为准。）支持手绘图表、线框图（wireframes）的创建；支持实时协作功能；所有数据传输均采用端到端加密技术。这款工具获得了超过 12 万个用户的好评（评价来自 MIT）。
🔗: github.com/excalidraw/exc…
实际上，大多数人都需要为那些本就可以免费使用的工具支付费用……
但你完全没有这个必要。
10 GITHUB REPOS THAT SHOULD BE ILLEGAL TO HAVE.
all free. all open-source. bookmark this for later.
1️⃣ recordly — the free screen studio.
open-source screen studio. auto-zoom, smooth cursor, webcam overlay, styled backgrounds, polished demos without an editor. (AGPL-3.0)
🔗: github.com/webadderallorg/Re…
2️⃣ stirling-pdf — your entire pdf toolkit
self-hosted. merge, split, sign, redact, OCR, convert, compress, 50+ tools, runs locally, nothing leaves your machine. (MIT)
🔗: github.com/Stirling-Tools/St…
3️⃣ photogimp — turns GIMP into photoshop. photoshop shortcuts, layout, and splash screen patched right on top of GIMP 3+.
🔗:github.com/Diolinux/PhotoGIM…
4️⃣ open notebook — self-hosted notebooklm.
drop in pdfs, urls, youtube links — chat with them, summarize, even generate podcasts. bring your own model (18+ providers). (MIT)
🔗: github.com/lfnovo/open-noteb…
5️⃣odysseus — pewdiepie's self-hosted AI workspace.
chat, agents, deep research, docs, email, memory — local-first, your hardware, your data. (MIT)
🔗: github.com/pewdiepie-archdae…
6️⃣freedomain — free domain names for everyone.
register a domain, point it at cloudflare or any DNS, ship your site without paying for the name. (AGPL-3.0)
🔗: github.com/DigitalPlatDev/Fr…
7️⃣ hyperframes — write HTML, render video.
heygen's engine that turns html/css + animations into deterministic mp4s. built for AI agents. (Apache-2.0)
🔗:github.com/heygen-com/hyperf…
8️⃣ web-to-app — turn any website into an android app, on-device.
configurable webview, apk signing, even node/php/python runtimes — no remote build.
🔗: github.com/shiaho777/web-to-…
9️⃣ reclip — self-hosted video + audio downloader.
paste a link from youtube, tiktok, x, ig — 1000+ sites — grab it as mp4 or mp3. powered by yt-dlp.
🔗: github.com/averygan/reclip
🔟 excalidraw — the infinite whiteboard that replaces miro, figjam and lucidchart. hand-drawn diagrams, wireframes, real-time collab, end-to-end encrypted. 120k+ stars for a reason. (MIT)
🔗: github.com/excalidraw/excali…
most people pay monthly for tools that already exist for free. you don't have to.
Carlos haha retweeted
Manufacturing & Industrials just became the most AI-native vertical in 2025 — 57% of companies founded after ChatGPT. Vertical AI isn’t hype anymore… it’s being built in the real world. 📈
At Shenzhen Foundry, we’re the execution layer helping ambitious founders ship AI hardware, robotics, edge AI & embodied intelligence at Shenzhen speed.
The next great wave of startups won’t live in pitch decks — they’ll be manufactured in the physical world. Ready to build?
#VerticalAI #AIHardware #PhysicalAI #ShenzhenExecution #robot #robotics #HermesStudio
🔗insights.euclid.vc/p/the-ver…
Carlos haha retweeted
A couple ways to stand out when trying to join a fast growing startup:
• work for the company before you actually join
• help team land customers
• record a Loom with thoughtful product feedback
• start a community or fan page
• teach people how to use the product in public
Carlos haha retweeted
My top resources for learning AI:
Newsletters: @TheRundownAI, @emollick, @every
Podcasts:
- Training Data @sequoia
- Unsupervised Learning @jacobeffron @Redpoint
- AI & I @danshipper
- Lenny's @lennysan
- Latent Space @swyx
- Behind the Craft @petergyang
- AI Daily Brief @nlw
Carlos haha retweeted
发布一个新的 Skill：baoyu-youtube-transcript
输入 YouTube URL，直接抓取视频字幕，生成带章节、发言人和封面图的文档，不需要任何 API Key。
【怎么用】
选择这个 Skill，把 YouTube 链接丢进去就行。支持完整链接、短链接、嵌入链接、Shorts 链接，甚至直接输入视频 ID 都可以。
默认输出带时间戳的 Markdown 格式，也可以导出 SRT 字幕文件。支持多语言，可以指定优先语言，也可以翻译成其他语言。
第一次抓取后会自动缓存原始数据，之后换格式、换参数都不用重新请求，秒出结果。
【工作原理】
底层调用的是 YouTube 的 InnerTube API，这是 YouTube 内部用来获取字幕数据的接口，公开可用但没有官方文档。好处是不需要 Google API Key，不需要 OAuth 认证，脚本直接发请求就能拿到字幕数据。
拿到原始字幕后，脚本会做一次智能断句处理：按句末标点（句号、问号、感叹号等）切分，跨字幕片段合并成完整句子，时间戳按字符长度等比分配，对中日韩文字做了专门适配。这样输出的文本是自然的句子，不是 YouTube 那种碎片化的逐行字幕。
【章节分割】
如果视频描述里有章节时间戳（比如 "0:00 Introduction"），脚本会自动解析，按章节把字幕分段，生成带目录的 Markdown。没有章节信息的视频，就按段落分组输出。
【说话人识别】
这是最有意思的部分。YouTube 字幕本身不带说话人信息，所以识别说话人需要 AI 后处理。
流程是这样的：先用 --speakers 参数抓取原始字幕，脚本会把视频元数据（标题、频道名、简介）和 SRT 格式的原始字幕一起输出到一个 Markdown 文件里。然后启动一个 AI 子代理（用 Claude Sonnet，够用且省成本），按预设的 Prompt 模板处理这个文件。
AI 识别说话人的逻辑分三层优先级：首先从元数据推断，视频标题通常包含嘉宾名字，频道名就是主持人；其次从对话内容判断，比如自我介绍、互相称呼；都不行就用通用标签（Speaker 1、Host 之类），保持全文一致。如果后面对话中才出现名字，会回溯更新前面所有标签。
处理完的输出是带说话人标签的分段对话，长独白会被切成 2-4 句一段，每段末尾带时间范围。
【缓存机制】
第一次运行会缓存四样东西：视频元数据（meta.json）、原始字幕片段（transcript-raw.json）、断句后的字幕（transcript-sentences.json）、视频封面图（cover.jpg）。之后不管切换格式还是重新生成，都直接用缓存，不再请求网络。加 --refresh 参数可以强制刷新。
安装命令：
$ npx skills add jimliu/baoyu-skills --skill baoyu-youtube-transcript
项目地址：github.com/jimliu/baoyu-skil…
New Agent skill: baoyu-youtube-transcript 🎬
Extract YouTube transcripts directly — no API key needed.
✦ Multi-language support
✦ Chapter segmentation
✦ AI speaker identification
✦ SRT & Markdown output
✦ Smart caching for instant re-formatting
Just select the skill and paste a YouTube URL and go.
Install:
$ npx skills add github.com/jimliu/baoyu-skil… --skill baoyu-youtube-transcript
