Hỏi: Làm thế nào để đánh giá một người có khả năng sử dụng AI tốt không? Đáp: Nhìn vào số tiền họ chi cho AI, mỗi tháng có vượt qua 300 đô la không. - Vượt qua 300 đô la, có nghĩa là họ đã đăng ký nhiều sản phẩm AI, ít nhất họ đã trải nghiệm và cho rằng những sản phẩm này hiệu quả. - Những người có thể tiếp tục chi tiền cho AI cho thấy họ đã thu được giá trị cao hơn từ AI. - Khi AI gặp sự cố, họ sẽ cảm thấy công việc của mình bị ảnh hưởng, mô hình làm việc của họ đã thay đổi, chưa kể đến việc hủy đăng ký những AI hữu ích. - 300 đô la cho thấy họ có thể đã mở một số đăng ký cao cấp, đây là tín hiệu của một người đam mê có nhu cầu cao. Tôi không tin rằng mình sử dụng gói API 20 đô la hoặc thậm chí miễn phí, nhưng lại nói rằng mình sử dụng AI tốt, thực hành nhiều. Có thể họ hiểu một khía cạnh nào đó, nhưng chắc chắn không thể hiểu nhiều khía cạnh. Nói thật, chỉ cần làm một agent chạy một hóa đơn cũng đã tốn vài trăm đô la rồi.

Năm 23 dạy chatGPT midjourney stable diffusion Năm 24 dạy comfyui dify coze Năm 25 dạy deepseek văn phòng vibe coding Tôi nhìn qua, 60% người dạy đều là những người giống nhau 😂 Nội dung thì thay đổi, nhân vật, nhãn hiệu cũng thay đổi Nhưng công thức thì vẫn giống nhau Nền tảng đầu tư 199 làm nhỏ thành lớn Hoặc là tự xuất bản một cuốn sách để dạy kèm theo khóa học Dù sao thì việc dạy người khác nhập môn có lẽ khó khăn nhất là phải hạ thấp cái tôi Giáo viên 40 điểm thì đầy rẫy Khóa học vài nghìn đồng cũng bán không tệ Nếu nói rằng mọi người không FOMO về AI thì tôi nghĩ cũng không đúng Nhưng người thực sự có thể sử dụng thì hình như cũng không nhiều 😂

47 mẹo sử dụng Claude Code Lưu lại là sẽ biết

Mẫu văn bản và mô hình âm thanh này quá mạnh mẽ Còn gì nữa về việc Quách Đức Cương nói về triều đại Đại Minh...

Đừng hỏi tôi làm thế nào để vibe coding nhé Gửi cho các bạn một bộ prompt, lấy đi không cần cảm ơn.

Muốn tạo ra một thứ có thể được lan truyền mạnh mẽ, ít nhất phải chạm vào những điểm sau: - Tự hào: Tôi chia sẻ thứ này để người khác hiểu tôi, cảm thấy tôi có kiến thức và đáng nể. - Thú vị: Tôi chia sẻ thứ này để mọi người cùng cảm nhận niềm vui. - Sự công nhận xã hội: Tôi chia sẻ thứ này có giá trị cho người khác, tôi có thể nhận được sự công nhận từ xã hội. - Giá trị thực tế: Tôi chia sẻ thứ này, tôi có thể kiếm tiền hoặc nhận được sự chú ý. - Xu hướng bầy đàn: Mọi người đều đang chia sẻ, nếu tôi không chia sẻ sẽ cảm thấy lạc lõng. Dù là nội dung hay sản phẩm, càng nhiều yếu tố được chạm đến, khả năng bị lan truyền càng cao. Nếu nó còn có thể tạo ra chuỗi lợi ích, thì sẽ có khả năng lan truyền rộng rãi hơn. Trên đây là từ góc độ động lực chia sẻ, nhưng chia sẻ là một cái phễu, người khác phải thấy trước, rồi hiểu, mới đến lượt chia sẻ và lan truyền. Vì vậy, cần phải tạo ra sự tiếp xúc trước. Nhưng mong muốn có sự tiếp xúc và mong muốn chia sẻ là có một số khác biệt. Sự tiếp xúc chủ yếu dựa vào bình luận, logic kích thích bình luận và kích thích chia sẻ cũng có những điểm khác nhau.

Đã thêm Opus 4.1 vào Readdit để xem bài viết, phát hiện ra hai MCP đề cập đến việc tăng cường khả năng của ClaudeCode: Zen và Serena Nhưng quan điểm của mọi người hoàn toàn khác nhau, có người rất thích, có người thì thấy hoàn toàn vô dụng Tôi nghĩ AI là như vậy, khi nó có thể mang lại kết quả tốt, mọi người thích nó, nhưng khi kết quả bằng 0, mọi người ghét nó (vì lãng phí thời gian) Nếu một sản phẩm AI có một nhóm nhỏ người nói rằng nó đặc biệt tuyệt vời, thì đó là điều đáng thử Có ai đã thử hai MCP này chưa? Hãy bình luận về trải nghiệm!

Mọi người đều có thể thực hiện một dự án nhỏ VibeCoding, chẳng hạn như cái này -- Trình theo dõi nội dung Reddit Nó thực sự có thể được sử dụng để tìm tài liệu học tập, dịch thuật, tìm các bài viết nổi bật trong một subreddit cụ thể, từ đó dần dần làm quen với phong cách của subreddit này, giúp dễ dàng viết những bài viết nổi bật hơn. Cá nhân tôi sử dụng nó như một nguồn thông tin, thậm chí để học tiếng Anh, các agency sử dụng nó để tìm cảm hứng nội dung, các thương hiệu sử dụng nó để theo dõi các sự kiện của thương hiệu khác, còn tôi làm điều này chủ yếu để chuẩn bị cho bước tiếp theo trong việc tiếp thị nội dung trên Reddit, xây dựng một nguồn thông tin có thể tự động hóa Prompt cho Reddit Agent của tôi. Mã thử nghiệm giới hạn: RDDT-TDGIA-DIZ 【Thử nghiệm thực tế, đã xóa một lần trong kho dữ liệu rồi haha】

Chia sẻ một ý tưởng kiếm tiền cho người lao động thất nghiệp Sử dụng vibecoding để làm ứng dụng iOS, chỉ cần làm loại khung xương Khung xương là gì? Ví dụ như thư viện phân loại, ví dụ như nghe audio phân loại Chỉ cần một danh sách phân loại nội dung, giúp người dùng dễ dàng tìm kiếm Khi có một khung xương, bên trong không cần thay thế nội dung là được Hiện tại vibecoding làm cái này rất nhanh, và rất dễ giúp bạn điều chỉnh, việc kiểm tra trùng lặp trên appstore cũng khó hơn, tương đương với việc AI thay đổi giao diện Những gì bạn cần làm chỉ là sắp xếp nội dung, đóng gói tất cả nội dung vào trong Sau đó mở một cái như Qimai để kiểm tra từ khóa ASO Chỉ cần đưa lên là xong Sản phẩm miễn phí, bên trong toàn là quảng cáo, 8 đồng cho hội viên vĩnh viễn không quảng cáo Bạn có thể làm gì đó như bạn bè cũ hay thời đại hiện đại, hoặc làm một số khóa học của người nổi tiếng, đừng nghĩ đến việc vi phạm bản quyền, không sao cả Thậm chí bạn còn có thể làm Li Kui Li Gui, để tận dụng từ khóa thương hiệu của người khác, tải về có thể là rác cũng không sao, cứ để họ gỡ bỏ Trước đây có người đã sử dụng công cụ tạo appconnect bằng vibecoding, chỉ cần dùng nó để liên tục tạo nội dung đăng tải, quá trình này cũng không tốn nhiều thời gian Ngày đầu tiên bạn làm, có thể mất 3 ngày để đăng một ứng dụng, sau đó chỉ cần 3 giờ là có thể đăng một ứng dụng mới, cứ như vậy bạn có thể làm hàng trăm ứng dụng, luôn có thể tìm thấy từ khóa xếp hạng dài, cái này tích tiểu thành đại, điểm cốt lõi là bạn đã đóng gói vào máy tính của mình, không tốn bất kỳ tài nguyên nào, tài sản không tốn kém Tìm ra những gì có thể chạy lượng lớn, sau đó đầu tư nghiêm túc để tối ưu hóa Thời đại AI có quá nhiều cơ hội chênh lệch như thế này, vừa làm vừa học, không có gì là không thể Điều quan trọng nhất là tin tưởng vào bản thân, cũng như tin tưởng vào AI, đừng tự mình phóng đại khó khăn Làm 20 cái tự nhiên sẽ tìm ra được con đường và kinh nghiệm

Tôi đã xem qua Prompt101 mà Anthropic chia sẻ. Trong đó có hai điều tôi nghĩ có thể chia sẻ, để củng cố việc sử dụng: Điều đầu tiên gọi là Phản hồi được điền trước (Pre-fill Response) > Làm gì: Trong cuộc gọi API, cung cấp một phần mở đầu cho câu trả lời của mô hình. > Tại sao: Đây là một kỹ thuật hiệu quả để buộc mô hình xuất ra cấu trúc cụ thể (đặc biệt là JSON). > Ví dụ: Trong phần "trợ lý (assistant)" của yêu cầu API, hãy điền một dấu ngoặc nhọn trái { để hướng dẫn mô hình viết tiếp một đối tượng JSON hoàn chỉnh. Việc điền trước này giúp dễ dàng hướng dẫn mô hình phản hồi theo mẫu đầu ra của bạn, vì LLM là trò chơi nối chữ. Điều thứ hai là Gỡ lỗi Prompt, sử dụng chức năng "Suy nghĩ mở rộng" (Extended Thinking / Scratchpad) > Chức năng: Đây là một công cụ gỡ lỗi mạnh mẽ. Khi bật chức năng này, mô hình sẽ hiển thị rõ ràng "quá trình suy nghĩ" hoặc "bảng nháp" của nó. > Cách sử dụng: Bằng cách phân tích nhật ký suy nghĩ của mô hình, bạn có thể hiểu nó gặp khó khăn ở đâu hoặc có sự hiểu lầm nào. Sau đó, bạn có thể chuyển những hiểu biết này thành các chỉ dẫn từng bước rõ ràng hơn, củng cố vào từ khóa của bạn, từ đó làm cho từ khóa trở nên mạnh mẽ và hiệu quả hơn. Thực ra đây là một ý tưởng mà Yu Long đã chia sẻ vào năm 2023, tức là khi hiệu quả đầu ra của từ khóa không như mong đợi, cần giao tiếp với mô hình để xác nhận phần nào trong từ khóa mà mô hình hiểu có sự sai lệch về ngữ nghĩa. Việc in suy nghĩ cũng là một biến thể của ý tưởng này. Trên đây là những gì tôi đã học được, video có thể còn nhiều thông tin khác để học hỏi 👇