Ella

debug要自闭了

燃尽了… 搓了一个帮助批判性思维的工具 用户输入观点 工具输出逻辑漏洞和反向观点 适合自己左右脑互搏的时候用哈哈哈哈哈

搓了一个个人网页 比简历有意思 本entp自恋狂会在网页中上传非常多的照片哈哈哈哈哈哈

做了一个帮助critical thinking的网页工具 还没接api之前一直在ai模型里面vibecoding自嗨 这下出来进vscode了🥹

vibecoding就是多走弯路 积累自己的风景 刚开始vibecoding的时候，我有各种很宏观的想法想实现，就用自然语言跟AI交互，但是做出来的东西缺胳膊少腿，要么就是出现很多当时看了就想关电脑的术语不了解AI的运行逻辑和机制，想法会太宏观，不知道自己对project的想法到底会需要什么级别的算力，导致一开始就会接触到很多技术上的问题，一堆安装报错、API密钥、后端配置一次次报错和术语攻击下，一有问题我就找gpt给我用人话解释，现在用一个类比想通了 先说结论，先做前端设计，把交互跑通。就像是设计餐厅的门面和菜单，暂时可以不涉及图像音频处理（像是如何做不同的菜品） 把AI项目想象成开一家汉堡店🍔 中央厨房 = AI模型 有一个超级中央厨房： - 会做牛肉饼 - 会做炸鸡 这就是AI模型本身（OpenAI/Claude）。 每做一个汉堡都要成本（食材+人工+燃气）。 这就是算力成本 📞 订货电话 = API 让中央厨房给你做牛肉饼，必须打电话下单。 这个电话就是API。 没有API，你无法向厨房下单，厨房也不会主动给你东西。 🏪 门店和菜单 = 前端前端就是： - 菜单板 - 收银台 - 桌椅 - 点餐界面 它只负责展示和接收订单 📦 后厨管理系统 = 后端 后端负责： - 接收顾客订单 - 决定是否下单给中央厨房 - 控制进货量 - 记录成本 - 限制某些顾客无限点单 API key只能放在后端，否则等于把中央厨房的订货电话贴在门口，谁都能打。 我用Claude做的东西明显感觉 交流丝滑但成果粗糙，没有给我难懂的术语同样也没有给我解决方案能初步体会交互的乐趣但是不能细细打磨 💻 Claude网页版 = 在别人店里吃饭 用Claude网页版，等于： 你 → 别人的汉堡店 → 别人的中央厨房 你只是顾客，付订阅费或按次消费。 你不用管进货，不用管成本。所以我不能挑口味和质感 🏗️ Lovable/Cursor = 装修公司这些工具帮你： - 设计门店 - 做菜单 - 装灯牌 但它们不提供中央厨房。 当你说“我要卖牛肉汉堡”，它会问： “你的中央厨房在哪？订货电话是多少？” 这就是为什么要API key。 😫 为什么vibecoding容易受挫？ 因为你一开始想的是：我要开一家超级汉堡连锁店 但没意识到： - 牛肉饼谁做？ - 成本多少？ - 每天能做多少？ - 谁付钱？ 于是当系统问“API key呢”，你被迫进入： - 供应链问题（算力） - 成本问题（API费用） - 仓储管理问题（后端） ✅ 正确的顺序应该是： 阶段1：只设计菜单（前端） - 页面做好 - 流程跑通 - 用假数据（假牛肉） - 不接中央厨房 阶段2：小规模进货 - 每天只卖10个汉堡 - 控制成本 - 看有没有人买 阶段3：扩大规模 - 加会员 - 限流 - 收费 不要一开始就建中央厨房。 AI不是网页功能。 AI是食材供应链。 网页只是门店。 当你从“顾客”变成“老板”，你就必须开始管理供应链和成本

对比coze和lovable做网页 一定要先给ChatGPT足够多的背景信息和你要用AI, 让ChatGPT先优化提示词 不然直接去coze或者lovable交互很浪费token！ 我感觉coze的UI设计不如lovable，而且coze调到后面感觉都要玩崩了，而且它的网页部署很麻烦 lovable的UI设计会更好，就是token太少了，但是如果是用lovable做个人网站，虽然有很多template可以选择但是个性化编辑还不够灵活，faces会更好还有什么好用的做网页或者小程序推荐吗

tripo搓了一个打了玻尿酸的自己 其实自己对3D技术还是什么参数完全不懂 可以直接把自己的背景告诉ChatGPT，让他从专业的角度问你问题 举例🌰：你是资深的3D造型师，掌握3D的技术和参数等，我现在要用tripo工具给自己做一个3D形象，我会给tripo一个参考图，我需要你给我生成tripo能准确理解的提示词。你先从你专业的角度问我问题（对这个3D形象的要求），我确认过后你再生成提示词

做了一堆半成品在里面发烂发臭… 有的越调越卡 直接被干崩了

豆包你在干嘛 橙色一定要辣条吗

用了这么久的AI，我用AI帮我了解了很多行业和知识，有的行业也进行了实操，AI告诉我的和我的实际体感有出入，所以有这样的感受“如果我的认知有限，AI会不会只是我的回音壁？” 当你不了解某个领域时，你的提问往往： - 缺少变量 - 缺少结构 - 缺少争议点 - 缺少反对立场 于是 AI 只能生成： - 教科书式概述 - 平均观点 - 安全结论 我问浅，它答浅；我问深，它才深。 它永远在我的语境边界内工作 举个栗子🌰 一开始我问AI：“Web3是什么？” 它给了我一份漂亮的标准答案：去中心化、用户拥有数据所有权、下一代互联网…… 直到有一天我追问： “交易所还是中心化的，那去中心化体现在哪？” “那些头部交易所掌握着大量用户资产，这算不算权力集中？” “所以‘去中心化’某种程度上是不是一种叙事包装？” AI才开始真正和我对话。 它列出技术愿景与现实落差的矛盾、资本集中的客观事实、DAO治理中的“鲸鱼”主导权…… 我第一次觉得，自己在和AI平等对话，而不是单向接收。 🔍 后来我总结了几条“破局提问法”： 1. 争议化 别只问“是什么”，要问“反对的人怎么论证” 2. 角色化 让它扮演不同立场：极端反对者、制度设计者、利益相关方 3. 反例化 问“什么条件下这个理论会失效”、“有哪些经典反例” 4. 利益拆 问“谁在这个叙事里获益”、“谁被牺牲了” 💡 最重要的认知转折： AI不会主动戳破你的认知泡沫。 它只会在你划定的边界里，给你最漂亮的答案。 真正让你突破边界的，不是AI本身， 而是愿意和自己的思维对抗 ⚖️ BUT 一直追问、一直质疑，很容易陷入“只解构不建构”。 拆掉所有叙事，看到所有漏洞，不相信任何东西 构建 → 解构 → 重构 真正的认知成熟是： 能够理解叙事的力量，同时识别它的边界。 除了利用AI, 可以请教相关行业从事人员的意见，听相关播客 但是最重要的是自己要有批判性思维