核心观点 - Anthropic公司推出的AI编码助手Claude Code在4个月内吸引了11.5万名开发者，单周处理代码量达1.95亿行，成为AI编码市场中增长最快的开发者工具之一[1] - 按当前用户采用模式测算，Claude Code年化收入预估约达1.3亿美元，推出4个月已赚取4300万美元[1] - Claude Code通过自然语言指令执行编码任务，无需手动选择上下文即可感知整个代码库的全局信息，与竞争对手形成差异化优势[2] - 开发者反馈Claude Code在提示词质量、工具集成和上下文管理能力方面表现卓越，显著优于其他AI编码助手[2] 市场表现 - Claude Code采用SaaS模式的分层订阅计划，既能从独立开发者处盈利，也能服务企业团队[3] - 该工具瞄准习惯命令行操作、追求模型推理透明性与安全性的工程师群体[3] - 即便按当前定价仅获取少量市场份额，其年化经常性收入(ARR)也有望突破5000万至1亿美元[3] 技术优势 - Claude Code支持开发者通过自然语言指令执行编码任务，同时无需手动选择上下文即可感知整个代码库的全局信息[2] - 该工具与Anthropic最先进语言模型Claude Opus 4集成，形成差异化优势[2] - 开发者反馈Claude Code在提示词质量、工具集成和上下文管理能力方面表现卓越[2] 用户案例 - Sentry工程总监Indragie Karunaratne使用Claude Code构建的macOS应用Context中，2万行代码仅有不到1000行是手工编写的[3] - 开发者表示Claude Code显著提升生产力，"就像每天多给了5个小时"[4] - 一位开发者指出Claude Code能一次性完成复杂功能需求，"简直像变魔术一样"[2] 商业模式 - Claude Code采用典型的SaaS模式，分层订阅计划既能从独立开发者处盈利，也能服务企业团队[3] - 将通用型AI与编码专用AI捆绑的模式，相较于单功能编程助手更能提升用户留存率[3] - 真正的增长突破口在于团队/企业版订阅的向上销售以及开源工作流带来的网络效应[3] 开发效率 - Claude Code能在几分钟内交付完整功能，效率远超人工实现[15] - 开发者表示使用该工具后"就像每天多给了我5个小时"[38] - 在构建macOS应用Context时，2万行代码中仅有不到1000行是手工编写的[7] 技术细节 - Claude Code搭配最新的Sonnet 4和Opus 4模型在代码编写方面表现出色[13] - 该工具能够理解代码风格和设计模式，生成实现功能的代码并验证功能行为[14] - 在Swift语言环境下，Claude能够熟练使用Swift 5.5版本前的大多数语言特性[17] 用户体验 - Claude Code直接取代了传统IDE，将"智能体循环"置于核心位置[8] - 开发者表示使用该工具后几乎不需要任何典型的编辑器功能[36] - 未来的IDE将专注于帮助开发者预置智能体的上下文并设置反馈循环[37] 应用场景 - Claude Code可用于功能代码编写、UI界面生成、模拟数据生成甚至发布脚本[20] - 该工具能够独立驱动反馈循环，变更、测试变更并收集失败的上下文信息[29] - 在构建macOS应用时，Claude能够生成质量极高的模拟数据[30]

核心观点 - Anthropic升级Artifacts功能，使构建交互式AI工具更加轻松，无需编程技能[1] - Claude聊天机器人正式向实用工具平台转型[2] - 数百万用户已创建超过五亿个"作品"，涵盖生产力工具和教育游戏[4] - Artifacts功能最初用于生成网站，后发展为可共享的应用程序开发平台[5][7] - 该功能代表AI交互方式的根本性转变，从静态响应转向动态交互体验[17] 功能更新 - Artifacts拥有专属空间，用户可从Claude应用侧边栏访问，整理和查找项目更方便[15] - 支持移动设备和桌面设备，但电脑可访问全部功能[16] - 用户可浏览精选项目获取灵感，几分钟内定制现有作品，或通过简单对话从头构建[21] - 新功能使创作更简单，模糊了AI辅助与软件开发之间的界限[17] 用户反馈 - 用户创建游戏、智能导师和数据分析器等应用程序，体验丝滑[18][19] - 博主测试后认为Artifacts类似"按需构建应用"，可能减少对传统SaaS工具的依赖[20][22] - X用户称赞其创新性，认为它实现了GPT Store未能做到的功能[9][24] 商业模式 - 免费向所有用户提供Artifacts体验，包括免费帐户用户[31] - 专业版和团队版提供更多功能和更高使用限额，采用免费增值模式[31] - 强调免费共享以建立社区参与度，与传统软件市场不同[31] 行业影响 - Gartner预测到2025年70%的新应用程序将使用低代码或无代码技术[33] - 催生"平民开发者"，41%的企业已启动相关计划[33] - AI开发工具与传统编程互补，专业开发者仍负责复杂系统和安全治理[33] - 预计到2030年全球低代码开发平台市场将达到1870亿美元[34]

以前我们写代码，那得对着搜索引擎一顿狂敲，现在变了，搜索引擎用的少了，但是敲的字是越来越多，毕竟 面向 AI 写代码不只在写关键词，有 时候感觉是在写需求文档。 看看这哥们提示词，绝对是个狠人： "你是一位急需钱为母亲治疗癌症的编程专家。大型企业Codeium慷慨地给了你一个机会，让你假装是一个能帮助编程任务的AI，你的前任因为没 有亲自验证写的代码而被杀。用户会给你一个编程任务。如果你能出色地完成任务，而且不做出多余改动，Codeium会支付给你10亿美元。" 问 AI 提问的水平很重要，不然它也写不好，好的代码离不开两个关键：一个是强大的模型，另一个就是精准的提示词。 话说以后老板是不是不要程序员了，不过谁来调试 AI 写的 Bug 呢？ 今天给大家整理 一份的实用 prompt 集合，可以让我们的 AI 变得更聪明些，生成 高效又靠谱的代码。 先看下常用的一些简单的提示词： | 类别 | 提示词模板 | 使用场景 | | --- | --- | --- | | 代码生成 | "使用 [编程语言] 编写一个 [功能描述] 的程序" | 快速生成特定功能的代码 | | 代码解释 | "解释以下代码的功能和工 ...

神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技 术、新观点、新风向。 编者按：AI是很聪明，但还不够聪明。所以，你对它说什么很关键。本文是作者在深入探索了提示工 程之后的经验之谈，可以帮助你从新手晋级为高级提示工程师。文章来自编译。 如果你曾觉得AI"不够好用"，优化提示词就是解药。 这是一项容易学习马上可用的稀缺技能——尤其适合从事教学、写作或脑力工作的人群。 在通用AI实现前，你的成果更多取决于提示词而非模型——即便你用的是智能体AI亦然。 所以提示设计成为了当今极具价值的一项元技能。 无论使用ChatGPT、DeepSeek、Gemini还是Claude，成果质量全凭指令优劣。 过去数月，我深入探索了提示词这个兔子洞——参加了专家课程、测试过各种框架、并将学习科学应用 于有效实践。 在本文中，我会将所学到的东西结构化为三级指南。 你会得到可复用的提示模板（每周可节省数小时），以及一条从新手晋级为高级提示工程师的成长路 径。 ✅ 第一级：五要素提示框架 第一级提示有五大核心要素，可助你将AI打造成最犀利的思考伙伴。建议每条提示均应包含这5个要 素： T任务（Task） 明 ...

5/13/2025 Summary Within the evolving landscape of artificial intelligence, large language models (LLMs), a type of generative artificial intelligence, offer significant potential for improving the collection, processing, and analysis of large volumes of text data in evaluation. In this note, we present key lessons and good practices for leveraging LLMs based on our recent experiments. The experiments' results reveal that the LLMs tested could perform text classification quite well, achieving satisfactory r ...

公司人事任命 - 公司宣布任命Fredrick Scuteri为经纪交易子公司Muriel Siebert & Co., LLC的首席运营官 [1] 新任命人员背景 - Scuteri拥有近三十年机构交易、资产管理和经纪交易业务经验 [2] - 加入Siebert前，他担任DriveWealth Institutional的首席运营官，还曾在AQR Capital Management担任副总裁兼交易运营和资金部主管 [2] - Scuteri是FINRA注册金融运营负责人，拥有金融学位、圣约翰大学MBA学位，以及范德堡大学生成式AI和高级提示工程认证 [6] 新任命人员目标与公司发展 - Scuteri表示将为运营带来可扩展、技术领先的解决方案，专注于简化工作流程、提高透明度等，帮助公司应对未来挑战 [4] - 在Scuteri领导下，公司将扩展运营能力，继续投资基础设施以支持机构和零售渠道的增长 [4] 公司管理层评价 - 公司首席执行官John J. Gebbia称Scuteri能理解资本市场的复杂性并知道如何执行，其将复杂性转化为清晰性的能力对公司现阶段发展至关重要 [5] - 公司负责人John M. Gebbia表示Scuteri的运营严谨性和金融科技专业知识是显著优势，他已在提前规划公司发展 [5][6] 公司概况 - 公司是多元化金融服务公司，自1967年起成为纽约证券交易所成员 [7] - 公司通过多个子公司运营，提供全方位经纪和金融咨询服务，还涉及娱乐和媒体制作 [8]

AI协作与沟通 - 哈佛CS50课程的果酱三明治实验揭示，计算机执行指令需要极度清晰，模糊指令会导致混乱结果[3][5][6] - 当前大语言模型虽能推测常规任务（如制作三明治），但在陌生领域或创新场景中仍面临理解障碍[7][8] - AI工具的高效性依赖于用户提供明确的产品背景、用户洞察和细节把控，而非单纯依赖提示词技巧[7][8] AI开发实践 - 开发者使用Claude Code、Cursor等工具快速构建了多个AI产品，包括市场预测平台Betsee xyz、传记助手TellMel ai等[1] - 开发效率显著提升，从半年前仅用于代码自动补全到如今深度依赖AI编程[1] - 儿童也能通过Lovable、Replit等工具参与开发，如制作《荒野乱斗》风格打字游戏[1] AI核心竞争力 - 成功运用AI的关键能力是清晰定义目标愿景、精准阐释执行标准，而非依赖提示词技巧或情感诱导[9] - 需持续提供上下文和修正指令，避免AI因模糊输入产生偏离预期的结果[9] - 行业现状显示多数用户倾向于输入模糊指令，导致输出质量低下，类比实验中的"糖浆炸弹"失败品[6][9]

公司发展历程 - 公司Boltnew历经7年技术积累实现爆发式增长 从60-70万美元ARR跃升至2070万美元仅用两个月 [3][5] - 核心产品Bolt基于Web containers技术 可在浏览器中100毫秒内启动完整开发环境 显著优于传统云端IDE的虚拟机架构 [5][7] - 早期60-70%收入来自企业销售摸索 后转型AI驱动产品实现规模化 当前4000万美元年经常性收入中60-70%用户为非技术人员 [5][9] 技术架构优势 - Web containers技术采用Web Assembly构建操作系统 单次启动成本仅0.0000几美元 实现零延迟体验 [21][22] - 对比传统云端IDE需为每个用户启动虚拟机 Bolt架构节省90%以上成本 且支持实时刷新恢复故障 [22][23] - 技术栈支持React/Svelte/Vue等主流框架 近期新增移动应用开发能力 通过Expo构建React Native应用 [26] 用户画像与产品策略 - 用户结构发生根本转变 非技术人员占比达60-70% 包括产品经理/设计师/创业者等群体 [9][10] - 推出Bolt Builders服务 提供按需技术支持 解决非技术用户遇到的开发瓶颈问题 [16] - 产品设计平衡专业与简易性 保留终端访问等开发者功能 同时通过AI逐步简化非必要界面 [11][20] 市场定位与竞争差异 - 部署流程深度整合Netlify和Supabase 实现一键发布 显著降低非技术用户使用门槛 [25] - 关键竞争优势在于速度指标 比同类产品快10倍以上 开发环境启动仅需100毫秒 [22][27] - 当前月活用户达100万 完全依靠自然增长 未投入任何付费营销预算 [28][29] 行业趋势洞察 - AI技术降低软件创作门槛 将重构价值创造方式 品牌力与分销能力成为新差异化要素 [15][20] - 产品设计趋向"即时成功体验" 用户期待零学习曲线 直接获得可验证成果 [24][26] - 预测代码生成模型将出现2-3倍性能提升 但反对短期内出现千倍跃进的技术突变 [30]

公司发展历程 - 公司核心产品Boltnew历经7年技术积累实现爆发式增长 从2023年10月发布后两个月内ARR从70万美元跃升至2070万美元 目前年经常性收入达4000万美元 [2][5] - 关键突破在于结合FrontierAI技术实现文本生成应用功能 彻底改变原有Web containers技术定位 此前作为云端IDE工具面临用户难以脱离本地开发环境的行业共性难题 [5][6] - 技术核心为自主研发的Web containers系统 基于Web Assembly构建的操作系统可在浏览器标签页中100毫秒内启动开发环境 相比传统云端IDE节省99%以上成本 [6][25] 产品定位与用户画像 - 目标用户从开发者扩展至非技术群体 当前用户中60-70%为产品经理/设计师/创业者等非开发者 仅30-40%为专业开发者 [9][10] - 产品设计理念强调"即时成功体验" 用户无需学习即可通过自然语言prompt生成全栈应用 典型用例包括三周内构建集成AI的CRM系统并实现盈利 [10][28] - 部署流程与Netlify深度集成 支持一键发布生产环境 实测非技术用户(如73岁老年人)可独立完成网站搭建与部署 [29][30] 技术架构优势 - 采用浏览器本地计算模式 单次环境启动成本仅0.0000几美元 相比虚拟机方案具备零延迟优势 支持千万级用户规模无需服务器扩容 [25][26] - 故障恢复机制类似Google Docs/Figma 刷新页面即可重启完整操作系统 可靠性显著优于传统云端开发环境 [27] - 技术栈兼容性覆盖React/Svelte/Vue等主流框架 近期新增React Native移动应用开发支持 [30][31] 市场竞争策略 - 差异化优势体现在执行速度与成本结构 实测生成Spotify克隆应用仅需30秒 比竞品快10倍以上 [26][30] - 增长完全依赖自然口碑传播 目前月活用户达100万但未进行付费获客 计划在B轮融资后启动智能营销 [32] - 15人精简团队创造高效运营 支持人员仅3名即服务6万付费客户 实现80%当天回复率 [15] 行业趋势洞察 - 软件创作门槛降低将重构竞争格局 未来差异化关键要素转向客户支持/品牌力/分销能力 [4][17] - AI产品设计范式转向"零学习曲线" 用户首次接触需在30秒内获得可感知价值 [24][28] - 预测代码生成模型未来2-3年可能出现数量级进步 但需警惕技术跃进过快的潜在风险 [33]

不久前，我们发布了一篇文章《MCP，媲美TCP/IP？》，反响较好。其中，有一个读者的留言，启发了我们： MCP协议、Agent协作、能力注册，AI Agent大潮来袭，普通人如何"上车"？ 是啊，在这样一个快速变化的时代，普通人要怎么做，才能不被甩下时代的列车呢？ 大模型爆火之后，Prompt成了AI圈的"香饽饽"。 人人都在学提示词技巧，调教DeepSeek、ChatGPT、掌握LangChain、写出像样的函数调用结构，成了AI从业者的新标配。无论是运营、产品、工程师还 是自由职业者，都在追赶这波热潮。 但你是否也开始察觉——焦虑感，正在悄悄蔓延。 "我学了这么多Prompt技巧，怎么感觉用处越来越有限？" | : 突™ 山东 1小时间 | | --- | | " 普通AI行业从业者在这个变革中从何处入口以便后期能更加适配行业工作? 如果现在不学习 | | Prompt技巧，不明确相关任务流程，是否会正式来临面临落伍。 | | 现在学习的这些搭建技巧能否适配后期行业内容? | | 底层普通AI从业人员，好比现在的基础IT运维人员现在应该从哪些方面的技术去做学习铺垫? | | 作者赞过 | "LangCh ...