在AI时代,每个人都可以成为一个创造者,一个园丁。就像小王子说的话:
寻常的路人会认为我的玫瑰花和你们差不多。但她比你们全部加起来还重要,因为我和她浇过水。。。因为她是我的玫瑰。
--《小王子》
在这篇文章,黄叔想聊聊自己第一款产品的故事。是的,这是一个很简单的产品,又是一颗小小的种子,它可能看起来平平无奇,但对我而言,它承载着特别的意义,因为它的每一次生长,都倾注了我的心血与期待。
AI编程让创造触手可及,我们每个人都可以找到属于自己的那朵玫瑰。。。
我自己是flomo的重度用户,累计使用了1497天,记了近3000条笔记,这些笔记有很大一部分来源于阅读时的灵光一现:
在这种场景里,我发现了一个微妙的矛盾:
当灵感在迸发时,我却要在两个窗口间来回的切换Copy & Write。
有没有办法更简单一些呢?这就是“善思flomo”的最初的原点。
“简单”这个词,几乎是所有工具之争的制高点。
互联网产品,只要降低一个难度门槛,往往就会获得一批新用户。
梁宁《真需求》
是吧?如果让记录更加丝滑,至少对我来说非常有价值,于是不管用户量有多少,这个愿望在AI编程时代的到来使得试错成本大幅下降后,立马我就打开WIndsurf(一款AI编程软件),指挥起了AI,于是有了下面这篇文章:
1小时,用Windsurf,0代码基础完成flomo插件开发!
1小时,用Windsurf,0代码基础完成flomo插件开发!全公开做完后,很快我发现:
每一个生命的诞生都只是开始!
先给大家看看最终的成品(1.8.0版本):
上左图是产品截图,可以看到这是圣诞主题样式!打开后从浏览器右侧划出,自动抓取了标题和链接,原文摘要可以手动Copy,也支持AI总结,个人感想是重中之重,因为你的思考全部在此呈现,黄叔也加了随你输入的不同字数的鼓励文案。
是的,从最初的1.0,再到现在的1.8,善思flomo经历了一段生长的旅程:
生长从何说起呢?
最开始,善思flomo只有很基本的功能:标题和链接自动抓取,有“原文摘要”和“个人感想”两个输入框,别的基本没了。
这个插件发到一个小群里后,无意间看到有个朋友说,插件不错,能不能加一个鼠标右键启动插件。
我说这个想法好!于是我加了快捷键唤醒功能!(哈哈哈,很多时候你不一定要完全照着用户的需求做)
同时社群也有交互的小伙伴自己按着这个思路去做了一个类似的,我一看长得比我的俊俏多了,于是我又逼着Windsurf给我优化界面!(甚至少楠都会惊呼,还有阴影?精细啊,其实都是Windsurf做的)
包括AI总结功能,也是受到朋友的灵感激发。
还有,做着做着,投入的心力增加也会有更多灵感自然涌现,比如个人感想输入框,输入框随着输入字数增加而有不同的文案鼓励!
我的很多读者都是互联网从业者,相信大家都深有体会:
在组织中做产品,产品往往会被各种KPI和商业目标束缚,就像是被困在温室里的植物。
有了AI编程后,个人开发者的时代来临了。你可以不用依靠程序员,自己想怎么做就怎么做,可以更专注于用户价值,让产品跟随用户需求自然演进。
就像我开发这个插件,每一个版本的更新都源于用户反馈和个人思考,产品在使用过程中自然生长,相信也会逐渐绽放出自己的生命力。
随着这一篇的Build in Public内容的发布,也会有一些用户来使用,给出反馈,好的建议我也会采纳,这样产品就继续生长了!(是的,文末我们会放出用户群入口)
其实黄叔知道这个插件不会有很多人用,但这个重要么?
哈哈,这是我日常会大量使用的场景,以及,因为每一次的浇灌与等待,善思flomo长成了一个有意义的产品,它就很值得。
这个过程中,我也收获了很多感悟,理解了如何更好的跟AI协作,学会了什么是创造,什么是慢,什么是生长。
谢谢善思flomo,也谢谢少楠,每一次真诚的创造,都是对生活最好的致敬!
对了,后面我还有多个产品持续发布,也请各位关注:)
如果你是flomo的会员用户,欢迎Chrome应用商店搜索:善思flomo。假如无法访问,可以在公众号后台留言”善思flomo“,获得最新的浏览器插件下载文件。
(Chrome浏览器打开扩展程序--》管理扩展程序,打开右上角的开发者模式,然后点击“加载已解压的扩展程序”按钮导入文件)
如果你使用善思flomo,欢迎加我微信:lookforward,拉你进用户群。(备注:善思flomo)
如果你对AI编程感兴趣,也可以加我,近期我们在北京持续做线下实操小课(备注:AI编程)。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。