最新

各位 HN 的朋友们： 我正在开发 opplic.com，这是一个您可以为每个客户雇佣的 AI 员工。这个想法很简单，如果您是一家代理机构，独自管理 10 个客户会变得非常忙碌。您可能需要雇佣一名 SEO 人员，但是等等，一个人一年就要 9 万美元！如果您想为每个客户都雇佣一名，那将近一百万美元。 这时 opplic 就派上用场了。Opplic 不会生成随机的市场营销想法，而是持续学习每个客户的网站、业务、服务和目标。它会寻找增长机会，提出 SEO 和网站改进建议，以“即时审批的增长公关”形式呈现，并且只有在代理机构批准后才会发布更改。其理念是为每个客户提供一个专属的 AI 增长员工，而不是期望一个营销团队手动管理数十个网站。 我非常期待能与大家就此进行更多交流。

我只用了大约一年的时间来完成这个项目，大部分时间都是手动编码。最近几个月我才开始使用代理。项目尚未完全完成，但等候名单现已开放。<p>所有加入等候名单的用户，在最初的三个月内将享受八折优惠。我非常期待收到您的评价并听取您的想法！

我对在使用大型语言模型进行编程方面感觉有些停滞不前，这让我有点恼火。 我使用 Claude Code 和 Codex，但无法像手写代码时那样进入心流状态。 这对我来说有点讽刺，因为人工智能本应是“思想的自行车”，但现在感觉就像一辆每隔几分钟就会突然刹车的自行车。我需要停下来，等待，审查，然后再次提示。 有人在探索与我们今天所拥有的提示-响应循环根本不同的方法吗？ 我实际上认为“标签模型”比提示-响应模型方向上更好。 我很想了解任何相关的初创公司、个人实验等。