AI In Efficiency, Human In Heart. 分享关于 AI 技术的思考与实践.
Joined December 2014
- Tweets1.3K
- Following329
- Followers303
- Likes1.9K
AI贺贺 retweeted
full self coding本质就是赌三件事情：
1. LLM必然走向越来越便宜、越来越快、能力越来越强；
2. vibe coding和SWE agent最大的瓶颈，是程序员的脑子，只要是程序员，就必须要写完善全面的prompt，就非常考验智商，所以必须彻彻底底消灭程序员这个群体；
3. 有价值的程序员，必须把精力用在最终决策 ，
必须不能把100%的时间浪费在单线程的写prompt、等、看结果、再写prompt、再等、再看结果，
而必须要分出30%的时间，让1000个agent在后台全面跑、自己测试、自己规划、自己写文档、自己优化、自己重构、自己code review、自己干一切事情，
而1000个agent把一切汇报给程序员（manager），manager自己决策哪些工作有效，哪怕里面只有1%~10%。
未来浪费token的成本，一定远远低于浪费程序员时间的成本，
而给agent分配不同的任务后，一定可以无限scale up，无论是10个，100个还是1000个agent。
AI贺贺 retweeted
McKinsey《2025年AI现状报告》核心观点总结
一、整体概况
这是McKinsey第八年发布的全球AI状况调查报告，调查了105个国家的1,993名受访者。报告显示，88%的组织在至少一个业务功能中使用AI（相比去年的78%有所增长），但大多数组织仍未实现企业级的实质性效益。
二、六大核心发现
1. AI应用仍处于早期阶段
近三分之二的组织尚未开始在企业范围内扩展AI
只有约三分之一的受访者表示其公司已进入AI规模化阶段
大型企业（收入超过50亿美元）在规模化方面领先，近半数已进入规模化阶段
2. AI代理（Agentic AI）快速兴起
62%的受访者表示其组织至少在试验AI代理
23%的受访者表示已在企业某处规模化部署AI代理
AI代理应用最广泛的领域：IT和知识管理
按行业排序：技术、媒体电信、医疗保健行业使用最多
3. 价值实现存在差距
仅39%的受访者表示AI对企业EBIT产生了影响，且大多数影响小于5%
但在定性层面有积极信号：
64%表示AI促进了创新
近半数表示改善了客户满意度和竞争差异化
具体业务功能层面：
成本效益：软件工程、制造、IT领域最明显
收入增长：营销销售、战略与企业财务、产品开发领域最明显
4. 高绩效者的差异化特征
高绩效者（AI带来5%以上EBIT影响且获得显著价值的组织，约占6%）具有以下特点：
雄心勃勃的转型目标：比其他组织多3倍可能性追求企业级转型
多重目标：除效率提升外，还同时追求增长和/或创新目标（80%设定效率目标）
工作流程重新设计：是其他组织的近3倍可能性进行根本性工作流程重新设计
更广泛的AI应用：在更多业务功能中使用AI，且AI代理规模化程度更高（至少3倍）
强有力的领导支持：高管展现明确的所有权和承诺，可能性是其他组织的3倍
更高的投资：超过三分之一的高绩效者将数字预算的20%以上投入AI
5. 工作流程重新设计是关键
50%的高绩效者打算使用AI转型业务
大多数高绩效者正在重新设计工作流程
这是实现重大业务影响的最强贡献因素之一
6. 对劳动力影响的预期分化
过去一年：大多数受访者观察到职能内员工数量变化不大
未来一年预期：
32%预计企业整体员工减少3%或以上
43%预计没有变化
13%预计增加3%或以上
矛盾的是，大多数组织在过去一年招聘了AI相关岗位，尤其是软件工程师和数据工程师
三、行业与功能洞察
使用AI最多的行业（并列第一）：
- 媒体和电信
- 保险
- 技术
使用AI最多的业务功能：
- IT
-营销和销售
-知识管理（新兴）
最常见的AI用例：
-信息捕获、处理和交付（如对话界面）
-营销策略内容支持（草拟、创意生成）
-联络中心/客户服务自动化
四、风险管理
51%的AI使用组织至少经历过一次负面后果
最常见的风险：AI不准确性（近三分之一受访者报告）
风险缓解进展：
2022年平均缓解2个风险
2025年平均缓解4个风险
组织正在更多地缓解他们实际经历过的风险
高绩效者部署更多用例，也报告更多负面后果（尤其是知识产权侵权和监管合规）
五、成功的关键实践
报告通过相对权重分析识别出区分高绩效者的关键实践：
- 定义流程确定何时需要人工验证模型输出以确保准确性
-敏捷产品交付组织或企业级敏捷组织
-强大的人才战略
-技术和数据基础设施
-将AI嵌入业务流程
-追踪AI解决方案的KPI
-高管积极参与推动AI采用，包括角色示范
这些实践与McKinsey的《Rewired》研究一致，涵盖六个维度：战略、人才、运营模式、技术、数据、采用和规模化。
六、总体结论
虽然AI使用已成为常态，但其全部潜力仍未释放：
大多数组织仍在从实验向规模化部署过渡
虽然在组织部分领域获得价值，但尚未实现企业级财务影响
高绩效者的经验表明：需要超越渐进式效率提升，将AI视为组织转型的催化剂，重新设计工作流程并加速创新
随着AI工具（包括代理）的改进和企业能力的成熟，将AI更全面地嵌入企业将为组织提供新的价值获取和竞争优势创造方式
mckinsey.com/capabilities/qu…
AI贺贺 retweeted
HackerNews 上今天很火的一个产品：
book.sv/
是一个基于3亿 Goodreads 评论训练的个性化图书推荐系统。
通过输入你已读的书籍，你将获得更加精准的推荐。只需提供3本以上书籍，就能获得最佳推荐体验。
特别原始的界面（Bootstrap框架！好熟悉的黑色 Header），现在书名也是只有英文的，但是我很喜欢，输入了几本我喜欢的书，推荐的都很精准。推荐给爱读书的朋友。
作者还简介了网站的技术细节：
book.sv/how-it-works
作者不满亚马逊收购后 Goodreads 的推荐质量低下及难以找到同好用户，于是自建网站 book.sv
数据：
* 仅抓取公开用户的「已读」书架，且用户至少有 5 本书。
* 抓取用户 ID 1～1.93 亿（8 月初至 10 月初），最终获得 4300 万合格用户。
* 每用户随机取最多 64 本书子序列，总计约 30 亿交互，训练/测试拆分后模型实际使用 13 亿交互。
技术栈：
* 预处理：NVTabular（分组、归一化、ID 重映射）。
* 搜索：Meilisearch。
* 推理：Triton 服务器。
AI贺贺 retweeted
差点错过好东西，github榜首的开源项目，狂揽18.7kstar
通过自然语言 AI可以自动分析国内外30+主流社媒与 数百万条大众评论。
相比同类产品，拥有🚀六大优势：
AI驱动的全域监控：全面覆盖微博、小红书、抖音、快手等10+国内外关键社媒。不仅实时捕获热点内容，更能下钻至海量用户评论，让您听到最真实、最广泛的大众声音。
超越LLM的复合分析引擎：我们不仅依赖设计的5类专业Agent，更融合了微调模型、统计模型等中间件。
强大的多模态能力：突破图文限制，能深度解析抖音、快手等短视频内容，并精准提取现代搜索引擎中的天气、日历、股票等结构化多模态信息卡片，让您全面掌握舆情动态。
Agent“论坛”协作机制：为不同Agent赋予独特的工具集与思维模式
公私域数据无缝融合：平台不仅分析公开舆情，还提供高安全性的接口。
轻量化与高扩展性框架：基于纯Python模块化设计，实现轻量化、一键式部署。
这都不用用？地址放评论区啦👇
一下冲到了Github第一
在这个信息茧房的时代，这个东西确实非常好用
我也试了一下
能抓9个平台的信息，小红书，抖音，知乎，快手，贴吧等
推特和Reddit的话要自己写代码
Report出来的东西，最好换换模型。试下来国内模型比较容易产生幻觉
总之，自己改一下，
绝壁是一个超级优秀的产品，对自己学习或者内容输出各方面超级有用
开源地址:
github.com/666ghj/BettaFish
AI贺贺 retweeted
作为独立开发者，我花了3个月时间摸索各种推广渠道，直到发现了这个GitHub仓库
1000UserGuide - 已经有人帮我们整理好了300+个推广平台：
国内渠道 - 包括社区论坛、内容平台、产品发现平台等
海外社区 - Product Hunt、Hacker News、IndieHackers等知名平台
Reddit子版块 - 30+个适合产品推广的Reddit社区
导航和目录网站 - 各类网站目录提交平台
2.5k星不是没道理的，这就是独立开发者的"推广圣经"
对独立开发者来说，找到早期用户比写代码更难。这个列表能帮你省下大量调研时间，直接开始行动。👇
AI贺贺 retweeted
First Principles Approach to MLOps!
MadeWithML is the best place to learn how to combine AI/ML with software engineering to build production-grade solutions.
These fundamentals are directly applicable to LLMOps as well.
100% free and open-source.
AI贺贺 retweeted
🚀 LattifAI v0.4.0: One-Click YouTube to Precise Subtitles (Word-Level!)
Level 1️⃣ Basic alignment:
lai align audio.wav subtitle.srt output.srt
Level 2️⃣ YouTube one-liner:
lai youtube youtu.be/VIDEO_ID
Level 3️⃣ Full automation:
lai agent --youtube <URL> # same as: lai youtube <URL>
✨ Auto-download + Gemini transcription + word-level alignment
📝 Export to SRT/VTT/ASS/JSON/TextGrid/...
pip install --upgrade lattifai
github: github.com/lattifai/lattifai…
AI贺贺 retweeted
Microsoft did it again!
Building with AI agents almost never works on the first try.
You spend days tweaking prompts, adding examples, hoping it gets better. Nothing systematic, just guesswork.
This is exactly what Microsoft's Agent Lightning solves.
It's an open-source framework that trains ANY AI agent with reinforcement learning. Works with LangChain, AutoGen, CrewAI, OpenAI SDK, or plain Python.
Here's how it works:
> Your agent runs normally with whatever framework you're using. Just add a lightweight agl.emit() helper or let the tracer auto-collect everything.
> Agent Lightning captures every prompt, tool call, and reward. Stores them as structured events.
> You pick an algorithm (RL, prompt optimization, fine-tuning). It reads the events, learns patterns, and generates improved prompts or policy weights.
> The Trainer pushes updates back to your agent. Your agent gets better without you rewriting anything.
The best part: you can also optimize individual agents in a multi-agent system.
I have shared the link to the GitHub repo in the replies!
Let me know if I should cover this in a video demo!
AI贺贺 retweeted
我非常喜欢的一本书是 《SRE》sre.google/sre-book/introduc…
虽然我不是 devops，虽然里面的内容好多都是半知半解，但是里面 google 的方法论一直深深的影响着我，开阔眼界，属于常看常新。
其中有一个章节我记得最清楚，在豆瓣上很多热评都说到：sre.google/sre-book/being-on…
它的 On Call 机制，闪烁着人文关怀的光环。
1 为了准时下班而安排跨时区的工作交接，使用“follow the sun”（跟随太阳）模型，将值班责任在不同时区的团队间交接，确保每个工程师能准时结束轮班，避免夜班和连续高强度工作。
2 为了保证创造力，不安排超过50%的例行工作，核心原则是限制“toil”（琐碎、重复的手动运营工作，如例行维护、警报处理），不超过总时间的50%，以留出空间给工程项目（如自动化开发、系统优化）。
3 当一个人压力太大时，就应该增加人手，如果单个工程师或团队压力过大（e.g., 超过2个事件/轮班），需立即采取行动，包括增加人手（headcount）、重新分配负载或嵌入更多SRE。管理层有责任干预，确保可持续性。
对比一下国内大厂的工作压力，这真的像在读童话故事...
AI贺贺 retweeted
推荐阅读这篇Agent持续学习的困境
很多时候我们光去看各种ai顶级大佬说什么 但可能很难通过实践去践行他们的思维
这篇文章写的非常清晰 容易理解 逐步通过问题引出实践结论 并例证了相关方法 将思想得以发挥
如果你在做agent 肯定会有很多启发
01.me/2025/10/agent-continua…
AI贺贺 retweeted
完美复刻karin，可以起号了！😎
试了很多个模型seeddream，banana，recraft，只有midjourney才能找到这种日系朦胧感的精髓。
提示词如下，大家可以去试试：
a dreamy intimate portrait of a beautiful realistic asian woman lying under a blanket, soft natural light, cozy warm bedroom, cinematic film grain, 35mm film aesthetic, shallow depth of field, soft focus, delicate skin texture, natural makeup, slightly messy hair, Fujifilm Pro 400H look, pastel warm tones, realistic lighting, subtle haze, gentle atmosphere, by Petra Collins and Ren Hang --ar 3:4 --v7 --style raw
X上有一位AI摄影师，
其作品风格独树一帜，高ISO胶片颗粒，低对比度带来特有故事氛围感，
把日系青春那种朦胧、带情绪的视觉语言风格诠释的非常到位，
像是森山大道和荒木经淮的结合体，而且几乎没有任何AI味。
他就是karin @omokage_AIsOK
我将他的部分作品做成了视频，以表敬意，感谢他的伟大创作。
respect！🫡
There’s an AI photographer on X
whose work stands out with a truly unique style —
high-ISO film grain and low contrast that create a distinctive, story-like atmosphere.
He perfectly captures the hazy, emotional visual language of Japanese youth aesthetics,
like a fusion of Daido Moriyama and Nobuyoshi Araki — and with almost no trace of “AI-ness.”
That photographer is karin.
I’ve made a video featuring some of his works as a tribute —
to honor and thank him for his brilliant creations.
Respect! 🫡
