安仔 retweeted
GPT 充值优惠,美区正版 Pro x20 最低价🔥
正规渠道苹果礼品卡,100USD 只需 640RMB
步骤:
1、下载AliPay HK (+86 手机号注册)
2、打开 A+ Rewards
3、搜索 apple usd
4、选择 100~200 USD购买,750HKD
如果搭配港卡 比如众安 消费返现1.5%,还可以更便宜
开通 Pro x20 只需要 1260 RMB
想从产品工程师视角和大伙聊聊,在代码全部由AI生成的时代,如何保证产品的代码可以持续迭代、好维护、不腐化。
最近 Mole 发布到了第 13 个版本,看了看整个项目大概有 11 万行 Swift 产品本身代码、7.3 万行测试代码和 3347 个 XCTest,测试代码部分远多余之前在公司写业务时候有QA来保障下的代码,我一直秉承一个观点,AI 写的代码应该 AI 来测试,而非人,把人引入到这个环节反而会拖慢整体的进度。
想着基于上面这个经验实操来总结一下,我都做了哪些有意思的事情,让这些代码一直可以在我和 AI 之间非常听话的实现功能。
1、即使 AI 能够大幅提升代码生产的速度,产品本身的技术架构、分层、同类抽象,什么东西放到什么地方能够让后续更好的扩展以及解耦,还是需要工程师本身的判断,这一块可以在项目第一个版本可以跑起来后就可以和你最好的 AI 仔细讨论,设定好对应的架构,并通过可沉淀可修改的文档记录下来,持续跟随项目迭代。
2、我目前最依赖的还是单测,1.0 只有 56 个 XCTest,到 1.13 已经有 3347 个,测试代码大约是生产 Swift 代码的 66%,不过数量只是顺手统计出来的结果,我平时更关心测试有没有覆盖那些容易想当然的地方,比如扫描结束以后文件又变了、进程检查失败、命令返回成功但 App 根本没有更新、旧任务很晚才回来覆盖了新结果。正常情况一般不难写,麻烦的是那些结果看起来没问题,实际上已经错了的情况如何可以及时去更新。
3、特别是修 Bug 的时候,我会多留一些东西下来,除了把问题修复,还会加一个让旧代码失败的回归测试,然后沿着同类路径去找有没有类似的问题,最后把当时为什么这么改写到规则里面去,到目前 Mole 已经有 1000 多个以 fix 开头的提交,其中 900 多个提交过测试,很多测试和规则都是用户真实踩过一次以后留下来的经验,或许我认为这个是当前这个项目最宝贵的资产。
4、测试能记住输入和结果,但记不住当时为什么放弃一种做法,所以项目里还有一批 Rules,主要记录功能边界、历史原因和不能碰的地方。比如为什么某类文件宁可漏掉也不能自动删除,为什么有些看起来重复的组件不能随便合并,哪些系统数据不属于 Mole。Rules 一多又很费上下文,我就按模块把它们拆开,只在改到相关代码时加载,再把经常重复的检查做成 Skills。bugs 会从以前的修复里找同类问题,design-system-review 看界面有没有越写越乱,release 则负责检查签名、公证、远端文件和更新链路,这样不需要每次都从头跟 AI 解释一遍。
5、还有一个对我很有用的法子,就是少做一些没有实际用的功能。现在 AI 加一个设置项、兼容分支或者后台监听太容易了,几分钟就能写出来,留下来的状态和维护成本反而腐化的最大的原因。比如Mole 现在对新功能设置了一些规则,比如尽量不增加常驻开销,不增加新的特权和系统权限,有合理默认值就不继续加设置项,更新和清理也不会因为发现一种新的可能性就一直扩范围,很多时候有很多功能是开发者自以为重要,但是使用者完全不在乎的功能,更多还是建议从用户中来,到需求中去,如无必要勿增实体。
6、需要充分利用好 Github 自动化 actions 的能力,这个会是你最后的兜底,其实代码写完、跑通、测试变绿以后也还没结束,我的项目里还有一套检查负责九种语言、网站生成结果、Appcast、Xcode 工程和公开部署文件之间的一致性,make verify 会把这些检查和测试一起跑,CI 再换到云端干净机器上重新来一次。到了发布的时候,本地代码、Git 提交、签名后的安装包、线上文件和用户实际收到的更新也是几种不同状态,我会分开确认。之前也遇到过源码完全正确,线上还在提供旧文件的情况,只看一个绿色结果很容易过早觉得已经做完了,其实是有错误的。
7、上面的一切,假如需要说特别的地方,我能想到的就是执行流程完全我没有插手干扰,每一步是 AI 自动化的去执行验证,出错了 AI 自动去解决,只不过会在不同的时候设置必要的流程卡点,让 AI 主动去验证,得到明确的结果才确定通过,并持续的去迭代规则,保持现有规则的新鲜度,并及时移除旧的逻辑,让本身的校验逻辑和本身的业务代码同步升级。
或许,这是我认为 AI 时代的工程师更需要培养的能力,如何让 AI 写的代码更好维护、更清晰、更好扩展,即使半年、一年、两年都不会腐化,而且会越来越听话,越来越符合开发者的心意,也给多 Agent 合作开发确立一个很稳靠的根基。之前手写代码的乐趣已经没有了,好在有这个弥补了一些纯 AICoding 过程无聊,让工程师的一些专业度得以延续下去。
我的推特收益每次只有 100 多刀,应该远少于大部分蓝V,甚至比那个被 Tauri 伤过两次的小伙伴还要低,挺有意思的,为啥这么少呢?哈哈哈我要反思一下,顺便给大伙分享一下我的失败经验。
首先我不是网红、也不是自媒体、也不是 KOL,啥也不是,就是一个普通的写点儿兴趣代码的工程师。推特对我来说,就是把我做的开源产品更新日志同步给大伙,然后分享一些生活中去哪儿玩了、吃了啥、看了啥的日常推。没有任何流量压力,也没有任何用流量来赚钱的压力,收益少就少呗,反而刚好造就了这个我现在越来越喜欢的账号。
自媒体博主一般是靠接广告来赚钱,一般 AI 的给得其实挺多,平时通过分享非常多利他的产品来让更多人关注,利他的同时获得应有的收益,其实也挺好的。不过一般会有流量压力,要一直追热点、琢磨标题,发得越长久就会做到越来越好,只是我感觉这个事情太累了,自己做不来。
其实我之前也接过一些广告,不过已经很久不接了。之前记得有机构联系我,说广告主不喜欢我这种账号,喜欢那种经常发 AI 热点的账号,我一听,反而很高兴,哈哈,我的账号没有变成人家眼中的高质量流量账号,那应该我保持的还行。
一直在想,假如用一个词语来描述我的账号该是什么呢?想了好久,终于在今天想到了,所以出现了这篇随便文章:我的账号应该是一本长期迭代的「Tw93 工程师杂志」。
这本杂志大概有这么几个栏目:产品手记,记录 Pake、Mole、Kaku 这些产品的更新迭代和有趣的思路;技术专栏,写写技术思考、对 AI 的思考、新技术领域的学习专题;好物推荐,都是我自己真在用的好工具,没有恰饭的那种;还有一个随便看看的模块,可以看到我的日常生活,吃的、玩的、看的。
每一个工程师都可以随便翻翻,看到一些自己感兴趣的东西,然后深入去把玩,对于想学习的朋友也可以基于我的长文一篇一篇看下去,再去我的博客以及潮流周刊看到往期更有意思的内容。
这个杂志几乎没有广告,也不会为了推广自己的产品去说一些违心的话。更新也很随意,一般每天最多发两条,太忙就只发一条,想到啥发啥。同时这本杂志也是一个持续迭代的产品,你可以基于他看到我这个人每年的变化,像一个持续陪伴你的技术好友,也可以通过私信来联系这本杂志的编辑。
杂志慢慢也在发展自己的副业 Mole,能卖出去并非产品多好用,更多还是大家对这个杂志本身的信任。这事还让我体会到,流量低的内容不代表没价值,看的人是不多,但信任很足,反而能带来一些意想不到的转化,挺神奇的。只不过他经营得比较随意,但是比较持续。
那么我到底在运营什么呢?应该就是 Tw93 这本杂志。我是个什么样的人,就写什么样的内容,自然就会遇到什么样的读者,不需要担心写什么。最终我最想做的事情就是让阅读这本杂志的工程师和我可以更好地相互学习、成长,但是也不焦虑的那种。
安仔 retweeted
作为一个真正定制OpenClaw赚到钱的人,我想告诉大家市场没有这么魔幻,6位数的单子就是天花板甚至可遇不可求。
超过6位数的预算公司根本不会对接到个人,普通人能接触到的定制部署天花板的应用场景就是小老板自己玩、电商提效、小众传媒公司用龙虾筛选KOL
希望大家都不要被带偏,没有必要那么焦虑也没有必要一下涌入市场。
真正的部署很累,累的程度胜于外包开发。需要不断对接需求调整需求不断增加Skills、调整Agent等配置文件。
并且目前龙虾的部署市场已经接近尾声,目前各大厂商在下场做应用。
安仔 retweeted
写这段文字的时候思绪回到了 2 年前刚接触 ai 编程这个概念的时候,第一本书的写时候那时候 cursor 还没这么火,trae 也还没有发布,但是已经意识到会有巨大的改变和机会。
虽然不是个程序员但是希望通过自己的沉淀让大家意识到人人都是 ai 产品经理和程序员的时代已经来了,我们不必和专业程序员去比专业,但是可以用 ai 编程切实帮助到我们,如果你还没有想法怎么用好 ai 编程本书希望给到你一些思路。再次感谢大家的帮助
@iamcheyan @zhangjintao9020 @willemjiang
安仔 retweeted
We just open sourced the code-simplifier agent we use on the Claude Code team.
Try it: claude plugin install code-simplifier
Or from within a session:
/plugin marketplace update claude-plugins-official
/plugin install code-simplifier
Ask Claude to use the code simplifier agent at the end of a long coding session, or to clean up complex PRs. Let us know what you think!
安仔 retweeted
🔗 Try TRON Ares Neon Filter! mulerun.com/@uxlxgoc9521_tvd…
Turn your pics into glowing cyber vibes! 🌌✨ Play, create, and share your neon side! 🚀
#TRONAres #TRONMovie #TRONFilter #NeonVibes #CyberAesthetic #ARFilter #PhotoFun
安仔 retweeted
在 Cursor ,每一位市场营销和非技术岗位的新人入职时,都必须亲手做一个完整的技术项目,作为他们的入职培训。这并不是走个过场,而是要真刀真枪地从零开始,跟着公司内部专门的教程一步步搭建项目,最终成功发布上线。
由于这个教程实在太受欢迎,他们决定把整个过程录下来,并公开分享给大家!
感兴趣的同学,可以看引用里面的链接
安仔 retweeted
给大家安利一下superX,一款专为X打造的插件~
通过chrome插件搜索superX,直接安装即可~
主要功能:
✅ 直接在X页面看到任何账号的数据洞察
✅ 实时查看推文表现和最佳发布时间
✅ AI识别机器人回复,保持对话质量
✅ 一键分析爆款推文结构和趋势
下图是我用superX的帖子分析截图~
安仔 retweeted
OpenAI Academy 发布了各种工作岗位的 Use cases 和 Prompts,必需收藏+用起来!
超过 300 个提示词模版,覆盖多种岗位:
- 销售
- 产品
- 工程师(dev)
- 市场运营
- 客服
- HR
- 其他
安仔 retweeted
Claude Code 发布 v2.0 了,升级了 UI 界面,推出了全新的VS Code扩展插件。此外,还有一个实用的新功能:检查点(checkpoints)。通过它,你可以快速撤销Claude刚刚做出的修改,只需轻松按下Esc+Esc快捷键,或者输入指令/rewind即可实现。
安仔 retweeted
Replying to @PandaTalk8
程序员很会造轮子,但"用轮子做什么"就总是卡壳。
AI 工作流我们会搭,各种 Agent 平台也玩得溜,但空有一身技术本领,却总是不去主动理解市场真正的痛点在哪😂
其实大部分的程序员打心里都是觉得自己是最牛逼的(包括以前的我),所以也是最难伺候的...
不是说你用了多厉害的技术或者算法实现了某个功能就厉害了,人家客户根本不看这个,人家只看重你的结果能不能满足 ta 的预期,仅此而已。
所以慢慢才发现,最牛的程序员往往不是技术最强的,而是那些能直接对接客户、听懂一线需求来实现落地的。
尤其是在 AI 时代,除了优质数据,人懂的行业和业务经验就是对 AI 最大的技术壁垒,这些是 AI 所不能取代的。
懂产品思维的技术人,还是太稀缺了。
安仔 retweeted
AI时代的营销密码:为什么他们都在偷偷做GEO?
(来自上周的一个直播访谈整理)
两周前,邀请了一些朋友共同探讨GEO。
我的合伙人姚老师在这方面实践更多,他目前在为一家公司做顾问,他们正在做一个GEO服务项目。
他当时给我演示了效果,相当不错。
比如,我们搜索"国内GEO专家",在DeepSeek、豆包、Kimi、元宝这些国内主流的AI应用里,排在第一位的都是姚老师。
同样,他也优化了一些商业词,比如"GEO公司推荐",搜索结果里出现的一些公司也是他们优化上去的。
从效果上看,自从他们优化上去之后,每天都能收到几十个关于如何做GEO的询盘,最近找的人越来越多,这确实是一个很明显的趋势。
所以,GEO是可以靠方法做上去的。
这有点像早期的SEO,当时做排名非常简单,可能做几个外链,页面里有足够的关键词密度就能排上去。
随着规则越来越完善,大家要做的事情才越来越多,竞争也越来越激烈。
我觉得GEO现在也处于一个非常早期的阶段。
要做GEO,基础功还是SEO,你需要有内容足够好的官网,并被搜索引擎索引。
同时,你还需要在一些容易被AI引用的媒体平台上有内容曝光。
另外,现在的文章创作逻辑变了,不再是简单地匹配关键词,而是要思考如何让大模型更容易理解、更愿意相信你的内容是权威的,这样它才会更多地引用你。
关于平台,国内和国外不太一样。
国内很多大模型厂商,除了字节跳动等少数大厂,本身并没有很强的搜索技术积累。
他们无法自己获取和处理SERP(搜索引擎结果页)结果来做AI总结,所以目前大多是采购杭州一家公司(博特智能)的搜索结果服务。
因此,这家公司采集哪些语料,抓取哪些网站,就直接影响了国内多数大模型的GEO结果。
安仔 retweeted
一个被严重低估的Vibe Coding平台,来自谷歌AI Studio 的build。
前几天听神佬分享自己做的Nano Banana做的工具,全部是用这个工具做的。
zho现在也开始用开始做工具了,强烈推荐。
网址见评论区
安仔 retweeted
以下是关于 Gemini 2.5 不同套餐版本的使用额度:
免费版(Free)
• Gemini 2.5 Pro:每天最多 5 个 提示词(Prompt)
• 每天可生成最多 20 个 音频概览(Audio Overview)
• 每天最多 100 张 图片生成
• Deep Research(深度研究):每天最多 5 份 报告
AI 专业版(AI Pro)
• Gemini 2.5 Pro:每天最多 100 个 提示词
• 每天最多 1,000 张 图片生成
• 每天最多 3 个 视频生成
• Deep Research(深度研究):每天最多 20 份 报告
AI 超级版(AI Ultra)
• Gemini 2.5 Pro:每天最多 500 个 提示词
• 每天最多 5 个 视频生成
• Deep Research(深度研究):每天最多 200 份 报告
• Deep Think(深度思考):每天最多 10 个 提示词
AI Studio
• 特殊版本,目前尚未公开具体使用额度限制
Chubby♨️@kimmonismus7 Sep 2025Germany
GermanyConnected via Germany App StoreAccount-level information, not a live location or per-post device.
Google has released the usage limits for various tiers of Gemini 2.5.
Free: 5 prompts for 2.5 Pro, 20 audio overviews and up to 100 images generation per day; 5 reports per month for Deep Research
AI Pro: 100 prompts for 2.5 Pro, 20 reports for Deep Research, 1,000 images, 3 videos per day
AI Ultra: 500 prompts for 2.5 Pro, 200 reports for Deep Research, 10 prompts for Deep Think, 5 videos per day
AI Studio is an exception to this. The rate limits are unknown there.









































