最近听了不少 AI 相关的 X Space上的语音，也看了很多 GitHub 开源项目，越来越觉得AI 自媒体可能正在进入一个新的阶段。 以前一个新模型、新… · @UPing123zzz · TwKit

@UPing123zzz

最近听了不少 AI 相关的 X Space上的语音，也看了很多 GitHub 开源项目，越来越觉得AI 自媒体可能正在进入一个新的阶段。 以前一个新模型、新工具刚发布，能够第一时间看到、整理、翻译，再发出来，就已经能给不少人提供价值。 因为信息有时间差，也有语言和技术门槛。但现在这些事情越来越容易自动化了。 一场两个小时的 Space，可以下载录音、生成逐字稿、提取核心观点。一个 GitHub 仓库，可以让模型直接读取 README 和代码结构，再整理成中文介绍。甚至连标题、配图和发布文案都能自动生成。 这意味着什么？如果大家使用相似的工具、读取相似的材料，最后生成的内容很容易越来越像。 同一个产品发布以后，时间线上可能出现很多篇介绍，讲的都是同几个功能、同几项优势，连观点都差不多。 读者为什么还要关注其中某一个账号？ 我现在觉得，AI 领域的内容创作者需要逐渐建立自己的判断能力和实际经验。比如看到一个新的 RAG 框架，不能只说它支持混合检索、重排和文档解析。 更值得研究的是它跟现有方案有什么区别，适合什么场景，部署和维护成本怎么样，哪些能力只是 Demo，哪些有足够证据证明可以稳定使用。 再比如看到一个新的 Coding Agent，也可以直接拿自己的真实项目测试，看看它能解决原来哪个问题，又在哪些地方失败。 这种内容虽然需要投入更多精力，但读者能看到的信息也会更有差异。 我自己以前发过 ChatCut 的实测内容，获得过很高的传播。后来也写过 RAG、Eval 和 AI Coding 的相关文章。 回头看，我越来越觉得，值得继续坚持的方向，就是把真实问题、工具能力和自己的判断结合起来。 Space 对我来说也不仅仅是一个获取最新信息的地方。 嘉宾讲了什么，我为什么认同，哪些观点还需要证据，能不能联系到自己接触过的企业需求，这些才是我希望在听完以后继续加工的内容。 而且不能把别人的经历换一种说法就写成自己的亲身实践。 别人的观点应该保留来源，自己做过的事情才用自己的经历去讲。这样长期积累下来，账号内容才会慢慢有辨识度。 我觉得未来 AI 内容只会越来越多，自动生成的门槛也会越来越低。 如果只是反复介绍新工具，可能很容易被下一个更快的信息搬运者替代。但如果能持续提出具体问题，亲自测试、查证、修正判断，再把复杂的东西讲清楚，读者关注的就不只是一条新消息了。 我想把自己的 X 账号慢慢往这个方向做。继续关注新的 AI 技术，但每看到一个值得研究的东西，都尽量多问一步。 它究竟改变了什么，解决了什么问题，又留下了哪些还没解决的问题？ 我觉得这种持续积累的判断，一定会比单纯追热点更值得投入时间。

曝光 94 · 评论 0 · 点赞 0 · 书签 0