Pregunta: ¿Cómo evaluar si una persona es muy buena usando IA? Respuesta: Mira cuánto dinero gasta en IA, si puede superar los 300 dólares al mes. - Superar los 300 dólares indica que ha suscrito a varios productos de IA, lo que significa que al menos ha tenido experiencias con ellos y considera que son efectivos. - Si puede gastar dinero en IA de manera continua, significa que ha obtenido un valor más alto de la IA. - Si la IA falla, sentirá que su trabajo normal se ve afectado, su modo de trabajo ya ha cambiado, y ni hablar de cancelar suscripciones a IA útiles. - 300 dólares indican que probablemente ha activado algunas suscripciones premium, lo cual es una señal de que tiene una alta demanda. No creo que alguien que usa un paquete de API de 20 dólares o incluso gratuito pueda decir que está usando bien la IA, que tiene mucha práctica. Es posible que entienda algo en un área, pero definitivamente no puede tener un conocimiento amplio. Hablando en serio, simplemente hacer que un agente corra una factura al mes también costaría varios cientos de dólares.

En 2023, enseñé chatGPT, midjourney y stable diffusion. En 2024, enseñaré comfyui, dify y coze. En 2025, enseñaré deepseek, trabajo, vibe y programación. Eché un vistazo y el 60% de los que enseñan son las mismas personas 😂 El contenido cambia, los personajes y títulos cambian, pero la fórmula sigue siendo la misma. Plataforma de inversión de 199 para hacer pequeñas grandes ganancias, o simplemente sacar un libro para llevar a cabo el curso. Al final, la mayor barrera para enseñar a otros a comenzar puede ser simplemente bajar la guardia. Hay profesores de 40 puntos por todas partes, y los cursos de miles de yuanes también se venden bien. Si se dice que la gente no tiene FOMO por la IA, creo que no se puede negar. Pero parece que no hay muchas personas que realmente puedan usarla 😂.

47 consejos para usar Claude Code Si lo guardas, lo aprenderás.

Este guion y el modelo de voz son demasiado buenos. ¿Y qué hay de Guo Degang hablando sobre la dinastía Ming...?

No me preguntes cómo vibro programando. Te regalo un conjunto de prompts, llévatelo sin agradecimientos.

Para que algo se vuelva viral, al menos debe tocar los siguientes puntos: - Presumir: compartir esto me permite que los demás me conozcan y piensen que soy impresionante y tengo conocimientos. - Divertido: compartir esto me permite disfrutar de la felicidad con los demás. - Reconocimiento social: compartir esto tiene valor para los demás, y puedo obtener reconocimiento social. - Valor real: al compartir esto, puedo ganar dinero o atención. - Conformidad de grupo: si todos están compartiendo, no compartir me hace sentir fuera de lugar. Cuantos más elementos se incluyan, ya sea en contenido o en productos, más probable es que se vuelva viral. Si también puede formar una cadena de beneficios, entonces puede tener una difusión aún mayor. Lo anterior se refiere a la motivación para compartir, pero compartir es un embudo: primero, los demás deben verlo, luego entenderlo, y solo entonces compartirlo. Por lo tanto, primero hay que generar exposición. Sin embargo, hay algunas diferencias entre querer exposición y querer compartir. La exposición depende en gran medida de los comentarios, y la lógica para estimular los comentarios y la de estimular el compartir son diferentes.

Usé Readdit para agregar Opus 4.1 y ver publicaciones, y encontré menciones de dos MCP que mejoran las capacidades de ClaudeCode: Zen y Serena. Pero las opiniones son completamente diferentes, algunos lo adoran, mientras que otros piensan que es completamente inútil. Creo que así es la IA, cuando puede ofrecer buenos resultados, a la gente le gusta, pero cuando los resultados son cero, la gente la odia (porque pierde tiempo). Si un producto de IA tiene un pequeño grupo de personas que dicen que es increíble, entonces vale la pena probarlo. ¿Alguien ha probado estos dos MCP? ¡Comenta tu experiencia!

Cualquiera puede hacer un pequeño proyecto de VibeCoding, como este -- un monitor de contenido de Reddit. En realidad, se puede usar para encontrar materiales de estudio, traducir, buscar publicaciones populares en un subreddit específico, lo que permite familiarizarse poco a poco con el estilo de ese subreddit, facilitando así la escritura de publicaciones exitosas. Personalmente, lo uso como fuente de información, incluso para aprender inglés, las agencias lo utilizan para encontrar inspiración de contenido, las marcas lo usan para monitorear eventos de otras marcas, y yo lo hago principalmente para dar el siguiente paso en el marketing de contenido en Reddit, construyendo una fuente de información que pueda automatizar los prompts para mi agente de Reddit. Código de prueba limitado: RDDT-TDGIA-DIZ 【Prueba real, ya se ha borrado una vez la base de datos, jaja】

Volvamos a compartir una idea para que los trabajadores desempleados ganen dinero. Usa vibecoding para hacer programas de cliente iOS, solo necesitas hacer ese tipo de esqueleto. ¿Qué es un esqueleto? Por ejemplo, una galería clasificada, o una sección para escuchar audios clasificados. Es simplemente una lista que clasifica el contenido, facilitando la búsqueda para el usuario. Con un esqueleto, solo necesitas mantener el contenido sin cambiarlo. Ahora, hacer esto con vibecoding es muy rápido, y además es fácil de ajustar, y es bastante difícil que la App Store lo detecte como duplicado, es como un cambio de piel con IA. Lo único que necesitas hacer es organizar el contenido y empaquetarlo todo. Luego, usa algo como Qimai para verificar las palabras clave de ASO. Simplemente lo subes y listo. El producto es gratuito, lleno de anuncios, y hay una membresía permanente de 8 euros para eliminar los anuncios. Puedes hacer algo como "Friends" o "Modern Times", o crear cursos de celebridades, no te sientas mal por la piratería, no pasa nada. Incluso puedes hacer algo como "Li Kui Li Gui", aprovechando las palabras de marca de otros, no importa si lo que descargas es basura, déjalos desinstalarlo a gusto. Antes, alguien usó la herramienta de generación de appconnect con vibecoding, y la utilizó para crear contenido para subir, este proceso no consume mucho tiempo. En tu primer día, podrías tardar 3 días en subir una aplicación, después solo te llevará 3 horas subir una nueva, y así puedes hacer cien o más aplicaciones, siempre habrá algunas que logren un buen ranking de palabras clave, esto se acumula poco a poco, el punto más importante es que todo lo tienes empaquetado localmente, sin ningún consumo de recursos, un activo de costo cero. Encuentra lo que pueda generar volumen, y luego invierte en optimizarlo seriamente. En la era de la IA, hay demasiadas oportunidades de arbitraje como esta, aprendiendo mientras trabajas, no hay nada que no puedas lograr. Lo más importante es creer en ti mismo y en la IA, no te enfoques en amplificar las dificultades. Hazlo, y con 20 aplicaciones naturalmente encontrarás el camino y la experiencia.

He echado un vistazo a Prompt101 compartido por Anthropic. Hay dos que creo que se pueden compartir para mejorar su uso: El primero se llama Respuesta Pre-llenada (Pre-fill Response). >¿Qué hace?: En la llamada a la API, proporciona directamente un inicio para la respuesta del modelo. >¿Por qué?: Esta es una técnica efectiva para forzar al modelo a producir una estructura específica (especialmente JSON). >Ejemplo: En la parte de "asistente" de la solicitud de API, introduce directamente una llave izquierda {, para guiar al modelo a completar un objeto JSON completo. Este pre-llenado facilita guiar al modelo a responder según tu patrón de salida, ya que el LLM es un juego de palabras. El segundo es la depuración de prompts, utilizando la función de "Pensamiento Expandido" (Extended Thinking / Scratchpad). >Función: Esta es una herramienta de depuración poderosa. Al activar esta función, el modelo mostrará explícitamente su "proceso de pensamiento" o "pizarra". >¿Cómo usarlo?: Al analizar el registro de pensamientos del modelo, puedes entender en qué partes tuvo dificultades o malentendidos. Luego, puedes convertir estas percepciones en instrucciones más claras y paso a paso, solidificándolas en tus prompts, haciendo que los prompts sean más poderosos y eficientes. Esto en realidad es una idea que Yu Long compartió en 2023, que es cuando el resultado de los prompts no cumple con las expectativas, es necesario comunicarse con el modelo para confirmar en qué parte del prompt el modelo tiene una desviación semántica. Imprimir pensamientos también es una variante de esta idea. Eso es lo que he aprendido, el video puede tener más información para aprender 👇