Wonfull (@wonfull888) header
Wonfull (@wonfull888) profile picture

总是被好奇心驱使想做一些事情。 SEO → PM → Youtuber → Freelancer 电商 → 在线教育 → 电影 → 知识付费 → RTB广告 → 汽车 编程作品:https://nitter.cf/t.co/Lvu4eAlvet 摄影相册:https://nitter.cf/t.co/5bt8hqc8Dl

Beijing
Joined July 2017
Photo by Wonfull (@wonfull888)Photo by Wonfull (@wonfull888)Photo by Wonfull (@wonfull888)Photo by Wonfull (@wonfull888)Photo by Wonfull (@wonfull888)Photo by Wonfull (@wonfull888)Photo by Wonfull (@wonfull888)Photo by Wonfull (@wonfull888)Photo by Wonfull (@wonfull888)Photo by Wonfull (@wonfull888)
通用 Switch 游戏移植引擎 S2Arm 已开源。 把你自己的 Switch 游戏,原生带到 iPhone、iPad 和 Mac(后续将支持安卓与鸿蒙)。不是模拟器:游戏代码改写成 ARM64 原生执行,图形直连 Metal。 · 一个 App 装下整个游戏库
· Mac / Windows 图形启动器,提供 AI 接口可以代为操作,点几下就能出包装机
· 理论上原生支持大多数 Switch 游戏移植:普查 211 款游戏,一次出包成功率 95%。Switch 2游戏火焰纹章、时之笛、宝可梦、金刚通过验证
· 4700+ 局 iOS 真机测试,1000+ 局 macOS 测试
· 极速冷出包:暗黑 3 只要 6.4 分钟(MacBook Air) 说实话,我们准备得还很不充分,一定会有很多问题,请大家多多担待。遇到问题欢迎提 Issue 和 PR,帮我们一起变好。 仓库里随附一套给 AI 用的自查、自纠、自修工具包,让你的 AI 助手帮你排查和修复,一起玩上、完善你喜欢的游戏。 特别感谢一路同行的联合开发者:
@0xDo0wee @corvuschen1211 @n06ody666 @ruterfu @m4123r0 @vickFunWorld @rustkeji73667 @peerless07 @imyinyx @nuanyy815 @foxmoonlight @jklauuu(还有好多位没登记上😂) 以及 Ryujinx、nx2apple、nxnative 等所有上游开源作者。没有你们,就没有 S2Arm。祝大家玩得开心! github.com/jhaizhou-ops/S2Ar…
137
144
33
1,352
183,854
Wonfull retweeted
作为长期主义者,我最喜欢的一句话:“绵绵用力,久久为功;人生缓缓,徐徐图之。”
197
17
1,364
62,951
花了一天,把 Trustmrr 上 72 个语言学习 App 的真实运营数据拆了个底朝天 结论先行: 1️⃣ 这个赛道的基尼系数是 0.92 —— 前 10% 拿走 88% 的收入 2️⃣ 要有 95% 的把握做到 $5K/月,你需要尝试大约 19 次 以下是我从数据里看到的,和大多数 "App 赛道分析" 不会告诉你的: 一、你看到的收入数字,全是编的 Sensor Tower、AppMagic、Peekly —— 没有任何一家有开发者后台数据 有独立开发者公开对比过:真实 MRR $90K,Sensor Tower 显示 $40K 小 App 的误差可能翻倍。这些数字只能看数量级,不能当决策依据。 更离谱的是,X 上你关注的那四个 "App 收入揭秘" 账号 —— Peekly、K2 Build、HmzBlackwell、Sleepclip —— 前三个是同一家公司(产品号 + 联合创始人 + CEO),第四个是联盟营销推广号。 你以为你在交叉验证,其实你在看同一个人的营销漏斗 二、真正在赚钱的品类,没人发推文炫耀 Trustmrr 上近 30 天收入最稳的不是 AI 工具,而是: → 信仰类 App:$28.6K,靠巴西信仰类创作者按收入分成推广 → 情绪驱动类:$26K,卖家原话 "解决的是个人的、情绪驱动的问题" → 美妆自拍:€29.90/月,近 30 天 $48K → 锁屏学日语:零运营成本,近 30 天 $18.4K,挂牌价仅 0.45 倍年收入 → 无后端工具 App:防偷拍检测、隐私检测、IPTV+VPN 组合,利润率 93% 共同特征:解决一个具体的、情绪化的、不需要后端的问题 三、TikTok 有机流量是唯一靠谱的增长引擎 一个订阅 App 两周拿到 1500 万 TikTok 播放,收入环比 +5,654% 一个情侣画画 App 累计 3500 万播放,零广告投放 一个 Gen Z 心理陪伴 App,0 投放做到 15 万注册 少数卖家透露了付费投放数据:首日 ROAS 300%、Meta/TikTok ROAS 2.4x。但教育品类 D14 每安装收入只有 $0.30 —— 付费投放几乎不可能跑正 翻译:如果你的 App 不能在短视频上自然传播,花钱买量大概率亏 四、定价已经有共识了 周订阅是主流:$7.99/周、$9.99/周、€9.99/周 配一个 $30–80 的年订阅做锚定 高客单($24.99–499/月)只活在垂直刚需里 甚至一次性买断也能跑:一个体育类 App 卖 $15,新用户 24 小时付费转化 7.6% 大多数人纠结 "该不该收费"。真正的问题是 "按周还是按月" 五、卖家为什么在赚钱的时候卖掉? 最常见的不是 "做不下去",而是 "没时间了 —— 全职工作 / 在上学"。 少数提到具体坑:Google Ads 被封、合作 KOL 买下产品后不再免费推内容、第二个 Stripe 账号导致图表不准、"存款快用完了" 独立开发者最大的成本不是服务器,是注意力。这也是为什么 "买" 有时候比 "做" 更理性 —— 那个日语 App 要价只有 0.45 倍年收入,大约 15 个月回本 六、我从这些数据里提炼的框架 五层选题链 → 补到七层: 1 发现:什么在冒出来 2 需求:用户为什么需要(Google 搜索量 + 差评痛点) 3 可行性/否决 ⭐:能不能做、会不会被平台掐死 4 商业:能不能变成钱 5 分发:为什么能长出来 6 探针 ⭐:1–2 周做最小产品 + $200 Apple Ads 测真实数据 7 复盘 ⭐:预设 D30/60/90 止损线
建议的App起步组合 App:Expo + NativeWind(会 React / Next.js 的上手最快) 后端:Convex 或 Supabase 收费:RevenueCat(或 Superwall)走苹果和谷歌内购;网页端需要时再接 Stripe 官网:Next.js + Vercel; 分析:PostHog; 写代码:Claude Code 这些工具基本都能免费起步,等有收入再付费。
12
8
3
38
8,068
Wonfull retweeted
OpenAI 最新开源项目「Symphony」:自主 Coding Agents 调度服务,监听项目管理工具(Linear 等),为每一个 Issue 自动分配隔离的工作区,启动 Codex 去实现该 Issue,直到任务完成或流转至人工审核。 一句话:工程师管理需求,Symphony 管理 Codex,Codex 写代码! github.com/openai/symphony 为什么 OpenAI 要做这个项目? Symphony 是 OpenAI 内部一项更大实践的外化产物。2025 年下半年,OpenAI 内部一个三人小团队用一个极端约束做实验:整个产品的代码库,零行手写代码。所有代码由 Codex 完成,五个月内生成约一百万行代码,合并了大约 1500 个 PR,相当于每名工程师每天 3.5 个 PR。 这套方法论被提炼为 Harness Engineering:工程师不写代码,而是设计环境、编写约束、构建反馈回路,让 Agents 能可靠地干活。Symphony 就是这条流水线的调度层。 架构核心:六个层次 · Policy Layer:仓库内的 WORKFLOW.md,定义提示词模板和运行时策略 · Configuration Layer:解析 YAML front matter,处理默认值和环境变量 · Coordination Layer:轮询循环、Issue 调度资格判断、并发控制、重试逻辑 · Execution Layer:文件系统工作区生命周期管理 + 启动 Codex 子进程 · Integration Layer:Linear API 适配,归一化 Issue 数据结构 Observability Layer:结构化日志,可选 HTTP dashboard WORKFLOW.md:系统的灵魂 Symphony 没有把配置放在服务端,而把 WORKFLOW.md 放进代码仓库本身,随代码一起版本控制。 文件分两部分: · YAML front matter:运行时配置(tracker、并发数、超时、钩子脚本) · Markdown body:发给 Codex 的提示词模板(Liquid 语法,可注入 Issue 字段) Symphony 会实时监听这个文件的变更,无需重启即可生效——包括调整轮询间隔、并发限制、提示词内容。 并发与调度的精妙细节 优先级排序(稳定排序): 1. priority 升序(1 最高优先级,null 排最后) 2. created_at 最旧优先 3. identifier 字典序兜底 多维并发控制: · 全局上限(max_concurrent_agents,默认 10) · 按 Issue 状态细粒度限制(例如 Todo 最多 5 个并发,In Progress 最多 3 个) Stall Detection(停滞检测): 如果 Agents 超过 5 分钟没有产生任何事件,自动杀掉并重试。 多轮续跑: 单次工作区会话内,Agents 可以连续跑最多 20 轮。每轮结束后检查 Issue 是否仍然活跃,活跃则继续在同一个线程上发续跑指令(不重发原始提示词,避免上下文浪费)。 Symphony 体现了几个值得关注的工程判断 1. 策略归仓库,而非服务 WORKFLOW.md 随代码版本控制,团队对提示词和运行时配置的修改有完整历史记录,不依赖外部配置系统。 2. 调度器只做调度 票务写操作(状态流转、评论、PR 链接)由 Codex 使用自带工具完成,Symphony 不越界。边界清晰,职责单一。 3. 无持久化数据库 调度状态纯内存,重启后靠 Linear API 和本地文件系统重建——这让部署极其简单,代价是需要 Linear 作为"真相来源"。 4. 信任模型透明 SPEC.md 明确说明:这是面向受信环境的设计,不强制要求沙箱或审批机制,但允许实现方自行加固。 5. 可观测性是一等公民 结构化日志、token 计数、速率限制快照、每个 Agent 的运行状态——这些都是内建的,因为在多 Agents 并发场景下,"能不能看清系统在干什么"是最核心的运维需求。
7
29
4
186
19,076
Wonfull retweeted
有没有base北京感兴趣的朋友,初创公司,非常早期,AI Agent 基础设施方向,全力拥抱AI!直接私信即可
24
7
3
98
38,657
Wonfull retweeted
【开工季福利来袭!!!】 为了感谢大家对我们的支持,我们打算免费送一台 Mac Mini256GB + 2000刀PackyAPI额度,助力2026年VibeCoding 和养殖龙虾! 一等奖:macmini 256GB 一台 二等奖:Packyapi额度100 刀✖️10 人 三等奖:Packyapi额度50 刀✖️20 人 点赞+评论+转发即可参与抽奖!(中奖后我们会仔细检查哦) 3 月 8 号截止~ 网站链接:packyapi.com 相关文档:docs.packyapi.com
3,382
2,546
236
3,222
382,113
To the builders: we heard you. We're welcoming back everyone who recently had their Google Antigravity accounts restricted for use of third-party tools. Moving forward, we’ll have clear steps for users to restore their account if it’s restricted. To maintain the integrity of Antigravity and ensure a great user experience for everyone, using third-party tools with your Antigravity login remains against our terms. We love seeing innovation and boundary-pushing in this community, and the Antigravity team is hyper-focused on building what you need to accelerate product development. Can’t wait to see what you build!
449
207
131
3,761
503,461
Wonfull retweeted
AI Overviews are changing the click-through math for informational searches. Semrush reports that AI Overviews trigger for 13.14% of all queries. When searchers get a direct, AI-generated answer right at the top of the page, they naturally click standard blue links less often. The best approach is using a direct question as your H2 or H3, followed immediately by a short, factual answer block.
1
1
1
49
Wonfull retweeted
中文字幕版 xAI CEO 全员面对面公开会来啦! 可以学到很多埃隆·马斯克的思维方式和大厂的产品迭代计划,送给英语不好的朋友们(包括我🌚) 利用 AI + ffmpeg 技术、剪映字幕识别,人工对马斯克部分进行订正,再让 AI 学习语言风格完善中文翻译
Since xAI was formed just 30 months ago, the small and talented team has made remarkable progress. The future has never looked more exciting!
7
1
1
4
479
我的SaaS产品初始SEO优化 Checklist - 静态内容和静态URL - 站点结构规划:品牌页,功能页,解决方案页 - Topic Cluster和内链结构 - 站内Pagerank传递规划 - Press Release节奏和Stack - 初始外链(品牌+关键词) - 社媒平台账号注册 - 寄生SEO内容发布
10
27
4
142
22,980
Wonfull retweeted
👋 Hello everyone,目前正在看新机会,坐标深圳南山,以下是关于我的一些快速介绍: 1、我目前在一家中小公司负责担任研发经理的角色,有近两年的团队管理经验(15-20人团队); 2、从入职到现在主要做与AI结合相关的产品业务为主,然后分别都负责过前端、后端、DevOps、项目经理、基础架构等角色的工作(当然现在公司产品也没了我会负责一部分产品的任务); 3、技术栈除了AI算法或桌面端开发之外,主流的语言、框架我都有写过或用过; 4、我是文科生,我不会算法。之所以要写这一条是因为别人总以为我是理科出身能跨行纯粹是自学,说明我自学能力还不错;其次就是我真的聊不来算法(算法和数据结构的概念还是知道的),如果准入门槛对于算法要求特别过高的话那确实还是提前告知会好一些,避免浪费彼此时间。 有意向的朋友或负责人可DM,全栈、后端、前端、产品经理、项目经理等线下(深圳)或远程的岗位都可以聊聊,当然在AI时代我觉得很难说我自己是一个怎样的角色定位,如果要说的话我觉得用Creator/Builder来描述更合适,所以我也更喜欢自己去参与或创造一些自己感兴趣且纯粹的东西。
30
13
4
114
71,245
据报道,华为公司高级副总裁、云CEO、数据存储产品线总裁周跃峰接受采访时表示,目前中国IT产业链中唯一未实现国产化的存储器件是机械硬盘HDD。周跃峰指出,全球仅有三家公司能够生产', '机械硬盘', ',且均不在中国。但中国每年的HDD消耗量增长率居高不下,仅中国年消耗量就接近600亿元。
46
26
6
259
198,866
「关于今年流感的预防&疫苗及注意事项解答」
7
24
81
17,549
这套CD唱片,共四张,意大利小唱片公司NUOVA ERA 1996年发行,包含了莫扎特、贝多芬、肖邦、勃拉姆斯等人的钢琴协奏曲作品,都是30-40年代的钢琴大师的历史录音。俺是90年代末在昆明一家小唱片店里看到,要价不菲,老板见俺有些犹豫,就在店里播放了其中施纳贝尔演奏的莫扎特《第二十一钢琴协奏曲》的第二乐章,让俺坐下来听。曲罢,俺已眼泪盈眶,起身一言不发,把钱交给老板,拿起唱片走人。
听听罗贝·卡萨德许演奏莫扎特《C大调第二十一钢琴协奏曲》的第二乐章,行板。这个乐章为三段曲式,如梦如幻,是莫扎特最优美的音乐旋律之一。
1
2
1
16
5,173
Wonfull retweeted
Cherry Studio 社区版取消商用限制了,转变为完全标准的 AGPL v3 协议
17
11
2
125
30,046
不停晒自己赚了多少钱的,八成想赚你的钱 不停晒自己赔了多少钱的,一大半是在炫富
67
87
28
1,188
631,170
Announcing my new course: Agentic AI! Building AI agents is one of the most in-demand skills in the job market. This course, available now at deeplearning.ai, teaches you how. You'll learn to implement four key agentic design patterns: - Reflection, in which an agent examines its own output and figures out how to improve it - Tool use, in which an LLM-driven application decides which functions to call to carry out web search, access calendars, send email, write code, etc. - Planning, where you'll use an LLM to decide how to break down a task into sub-tasks for execution, and - Multi-agent collaboration, in which you build multiple specialized agents — much like how a company might hire multiple employees — to perform a complex task You'll also learn to take a complex application and systematically decompose it into a sequence of tasks to implement using these design patterns. But here's what I think is the most important part of this course: Having worked with many teams on AI agents, I've found that the single biggest predictor of whether someone executes well is their ability to drive a disciplined process for evals and error analysis. In this course, you'll learn how to do this, so you can efficiently home in on which components to improve in a complex agentic workflow. Instead of guessing what to work on, you'll let evals data guide you. This will put you significantly ahead of the game compared to the vast majority of teams building agents. Together, we'll build a deep research agent that searches, synthesizes, and reports, using all of these agentic design patterns and best practices. This self-paced course is taught in a vendor neutral way, using raw Python - without hiding details in a framework. You'll see how each step works, and learn the core concepts that you can then implement using any popular agentic AI framework, or using no framework. The only prerequisite is familiarity with Python, though knowing a bit about LLMs helps. Come join me, and let's build some agentic AI systems! Sign up to get started: deeplearning.ai/courses/agen…
329
1,175
109
7,339
895,880
Announcing a significant upgrade to Agentic Document Extraction! LandingAI's new DPT (Document Pre-trained Transformer) accurately extracts even from complex docs. For example, from large, complex tables, which is important for many finance and healthcare applications. And a new SDK makes using it require only 3 simple lines of code. Please see the video for technical details. I hope this unlocks a lot of value from the "dark data" currently stuck in PDF files, and that you'll build something cool with this!
97
518
35
3,553
300,041