weekly-summary-20250323
技术
21st.dev
npm for design engineers: largest marketplace of shadcn/ui-based React Tailwind components, blocks and hooks
https://github.com/serafimcloud/21st
给LLM做微调数据集的工具
A powerful tool for creating fine-tuning datasets for LLM
https://github.com/ConardLi/easy-dataset?tab=readme-ov-file
ima.copilot
元宝更聚焦AI搜索、Chat和Agent功能
IMA Copilot更专注于私域资料，来源广泛
IMA Copilot支持从本地上传文件，还能收藏公主号、百度等来源
IMA Copilot的搜索功能还能打通公主号，方便公主号小编
IMA Copilot还具备编辑能力，适合内容创作者
GTC 英伟达黄仁勋演讲
https://mp.weixin.qq.com/s/kGT4R4yQU38znq7w0_aLEQ
FigJam
Figma 公司 推出的 在线协作白板工具
https://www.figma.com/figjam/jamboard-alternative/
腾讯文档智能白板
模板商城：
https://docs.qq.com/mall/index/smartwhiteboard
提示词优化工具
https://github.com/linshenkx/prompt-optimizer
低成本机器人
https://github.com/timqian/bambot
想法
做有意义的事情
这周我的睡眠时间严重不足，每天基本只睡了6个多小时，但令人惊讶的是，我整体精神状态却非常好。白天也不犯困，这主要归功于我感觉正在做的事情对我而言非常有意义——每天都在花时间准备系统架构设计师的考试。
一方面，这件事情对我来说特别有意义，能够给我带来精神上的刺激点；另一方面，每天的学习都让我感受到自己有一点点的提升，这种正反馈非常好，也能够激励我保持积极性。
此外，专注学习也能让我的精神状态特别好，一旦沉浸其中，就会忘记时间的流逝。比如今天下午虽然因为昨晚睡眠质量不佳而状态不佳，但在做综合知识测试和整理笔记的过程中，一旦专注进去，人就变得很精神，完全不犯困，也感觉不到时间在流逝。
AI会改变学习方式，拉大人与人之间的差距
最近每天上下班路上，我通过与豆包对话的方式学习系统架构设计师考试中的知识点。这种模式非常有效，因为在与AI对话时，我可以抓住感兴趣的内容深入追问，并让豆包举一些贴近生活的例子，帮助我理解新概念。这相当于拥有了一位随身的私人教师，将被动学习转变为主动学习，既提高了效率，又增加了学习乐趣。
这让我回想起之前学习数学、深度学习的经历。当时由于缺乏这些领域的基础，学习过程十分枯燥，也缺乏动力，因为没有正向反馈，最终都半途而废了。而现在通过AI工具对话的方式，有了这种AI私人教练，我觉得这类未知领域的学习变得有趣得多，难度也降低很多。因此，我可能会重新拾起数学和深度学习，毕竟这两个领域在未来一定会用得到。
英语学习也是如此，可以通过与AI工具对话快速学习，且在过程中让它指出我的不足。要想提升某项技能，就必须针对弱点进行刻意练习，这样提升最快。而现在有了类似DeepSeek R1这种推理模型，能够分析并指出不足，这恰恰是AI所擅长的领域。
我感觉这种模式未来会使人与人之间的差距变得特别大。一个聪明或有学习意识的人可以通过AI工具快速入门某个领域，进而深入了解该领域知识，成为领域专家。而没有这种意识的人若仍采用传统的被动学习方式，学习效率会非常低。这些AI工具可能会将人与人之间的学习效率差距扩大到10倍甚至更多。
因此，我认为未来人与人之间的差距会越来越大。学习内容越多，积累越丰富，理解新知识的能力就越强，学习新内容的速度也会越快。这将形成一个飞轮效应，不断前进的人会把其他人甩得越来越远。
为什么可视化这么重要？
最近在学习过程中，我有一个发现：对于一些全新的概念或者我之前完全没接触过的内容，直接阅读书籍往往非常枯燥，且书本上的概念解释通常难以理解。这主要是因为缺乏相关的知识储备。毕竟，知识的学习本质上是一个关联认知的过程。没有基础储备和关联，很难快速吸收新内容，因此在这种情况下，纯文字输入的理解难度会很大。
然而，如果转换为可视化的方式，比如用日常生活中熟悉的事物去描绘这些概念，或者利用我已掌握的知识去可视化讲解新概念，理解成本就会低很多。我想，这也是为什么之前老板一直强调可视化的原因。他可能也有过类似的经历，感受到可视化能显著提升人们接收信息和学习的速度，所以才如此重视可视化。
就像汉字的三要素”形音义”一样，我们的学习过程也是多维的。仅仅看文本是不够的，还需要将其具象化为脑中可视化的形象，将这个”形”印在记忆中。同时，你还需要通过”音”，即能够将其讲出来，或借助AI模型为你讲解。最后是真正理解它的”义”，包括它解决什么问题、为什么会诞生、如何使用以及优缺点等。只有将这些方面都分析到位，才能真正掌握这些知识，实现学以致用，进而举一反三。
我之前学习系统架构设计师时，相比PDF教材，视频课程就是一种可视化形式。因此，虽然教材看过一遍后收获甚少，但看完视频后，很多概念已经在我脑中形成了初步的认知。显然，看视频带给我的学习效益高得多。希赛的课程相比教材，就是采用了可视化的方式呈现内容。当然，不同的人有不同的学习习惯，有些人更倾向于通过阅读书本和教材学习，而另一些人则可能更喜欢通过视频、可视化或音频方式学习。我很显然属于后者，是一个可视化敏感型学习者。对我而言，非可视化的学习方法（如阅读教材）进展太慢，而通过视频学习则效率更高。
好闻摘抄
Lovable团队访谈
https://mp.weixin.qq.com/s/atAFAacpH2_-vh3GH3br5w
- 通才比过去更重要。我组建产品团队会找具备多技能的人，架构、设计、产品品味、用户沟通最好都要懂一点，会一点。
- 在招人时，最重要的是他们是否有极度在乎的态度，不只把自己做的事情当工作，而是关心产品、用户、团队协作。他们得有超能力，能快速学任何技能，但特别擅长从 AI 和大语言模型榨取价值，理解怎么优化我们的产品。
- AI 定义总在变，Lovable 是人类交互界面，它的内部怎么实现不重要，可能算「Agent」，但这不是关键。
- 我们做了个 API 给教育软件用，让它更加个性化，但是让已有产品加入具有高级功能的 AI API 就像更换内部引擎，这有点难，所以产品不太成功。从中得到的教训是应该从用户体验的全貌出发来给软件增加 AI 能力，而不是往产品里硬塞技术。
- 对于 AI，准确描述预期和指出哪里不对，非常重要。
- 这些工具已经很强大，它们进步很快。现在的瓶颈是还没完全融入现有产品工作流。但因为进步太快，想参与未来经济的人最好亲手试试这些工具，跻身前 10% 用户，会让你在未来几个月到几年里脱颖而出。
- 掌握像 Lovable 这样的工具需要耐心和好奇心。我们有个「聊天模式」，你可以问「这是怎么工作的？我没得到想要的，漏了什么？怎么更高效？」这是学习软件工程的最佳方式之一，你不用写代码，但理解产品构建原理很有用。耐心和好奇心超级重要。
- 我做了 GPT Engineer，觉得这是人类史上重大变革。以前是体力劳动被机器取代，现在是认知劳动被机器超越。怎么产生正面影响？不是让工程师更高效（有微软 Copilot 了），而是赋能那些找不到优秀开发者的人，让他们的创意成真。我拉上以前的同事、也当过创始人的 Fabian，说我们要为不会代码的人做类似 GPT Engineer 的东西。这就是起源。
- 开发模式：用 Lovable 完成构建软件的大部分工作，再用 Cursor 调整。
- 我认为AI时代是人类史上最有影响力的时刻，投身其中必须超级有野心。这种野心在瑞典不常见，在平均野心低但潜力人才多的地方激励他们是好配方，有些双刃剑，但也有优势。
- 快节奏秘诀是「一起吃午饭」。我们的成员大多在办公室，这样挺好。大家可以随时沟通：「我们思路错了」，或者「该干这个」。中午一起吃午饭的一小时是很好的，大家潜意识中也在思考问题，办公室工作，既聚焦又高带宽。
- 世界的变化加速，这很有趣，要享受这变化。提升职业或换工作的最好方法是跻身AI工具使用前 1%。试试 Lovable 和其他工具，尽量理解他们和高效使用他们。这是我的建议。
- 怎么知道自己在前 1%，怎么做到：花一周用 AI 帮你达成你的目标，找个痛点，彻底解决，做成有人用的东西。
Lovable的招聘原则
我问他们过去做过什么，这些人往往对之前的事很投入。我会深挖技术细节，给一个他们没见过的新难题看他们怎么思考研究。我们让他们至少试工一天，最好一周。
- 长时间高强度工作，候选人需在 AGI 时间线的高压下茁壮成长，艰难任务在前，成功则获荣誉与认可，寻求舒适者勿扰。
- 与卓越头脑合作
- 超越普通工程角色的使命
- 成功分享丰厚回报
对于有些人，他们会被这个招聘广告吓退，但对于你想要的人来说，他们会觉得正中红心，很棒的筛选。
AI is Making Developers Dumb
https://eli.cx/blog/ai-is-making-developers-dumb
我见过的最好的工程师，是那些愿意在周末花几个小时构建一个现有软件的自己版本的人。
这就是你获得创新和进步的方式。如果你不了解系统的工作原理，就无法找到改进的地方。