Zara Zhang：AI 信息源

按推文原文整理 Zara Zhang 的 AI 学习信息源、习惯与产品洞察，并附中文版 AI 学习资源库精华。

重点提醒：Zara Zhang 将自己高频使用的 AI 学习资料整理为线上库 AI Library，涵盖视频、播客、信息流与工具，可作为持续更新的入口。

以下内容依照主题分类，完整保留她在 2025 年的相关推文主题与时间点，统一换算为北京时间，并将原意用中文重写，帮助快速定位值得长期追踪的资源与观点。

AI 学习资源

2025-01-12 05:00（北京时间） X 链接

Google 最新推出的 “Daily Listen” 出乎意料地好用：它像 NotebookLM 生成的 5 分钟播客，两位 AI 主播会根据我的搜索历史挑选新闻并聊出重点。
2025-04-03 03:18（北京时间） X 链接

我把简历丢进 NotebookLM，AI 主播竟然把我的职业轨迹分析得比我本人还清楚，说明这工具不仅能提效，还能帮助我们重新认识自己。
2025-05-03 11:04（北京时间） X 链接
我学习 AI 最常用的资源：
- Newsletter：@TheRundownAI、@emollick、@every
- 播客：Training Data（@sequoia）、Unsupervised Learning（@jacobeffron @Redpoint）、AI & I（@danshipper）、Lenny's（@lennysan）、Latent Space（@swyx）、Behind the Craft（@petergyang）、AI Daily Brief（@nlw）
2025-06-11 20:33（北京时间） X 链接
“聊天”界面被高估了。我最近看到三种不错的非聊天式人机交互：
1. 异步共创：人和 AI 轮流接力（如 @meetgranola、@cursor_ai 的标签页、@TryCoveAI）
2. 个性化内容引擎（如 @NotebookLM、@particle_news、@gethuxe、Google 的 Daily Listen）
3. 微反馈界面：靠一个按钮表达意图（如 @snipd_app、@quillmeetings）
2025-06-14 10:52（北京时间） X 链接

我整理的 AI 学习资源合集已经上线，欢迎取用。https://t.co/lNFauyXO31
2025-08-02 14:12（北京时间） X 链接

体验了 @NotebookLM 的新功能 “Video Overview”。我把一堆关于日本工程师/政治家安野孝弘的影片与文档上传，系统生成了一份视频摘要，我也写下了自己的体验与思考。https://t.co/y8g1K6RfWU
2025-10-21 12:30（北京时间） X 链接

有一支很棒的视频值得配上一个好工具。TLDW 可以快速提炼长视频的精华，帮助你定位最值得看的片段：它能在上下文中解释术语、把引用转成笔记、还能带时间戳地对话式检索。Demo 在这里：https://t.co/5OxEz2gncW
2025-10-21 13:54（北京时间） X 链接

我们做了一个开源工具，帮你把长篇 YouTube 视频的学习效率提速 10 倍。TLDW 用 AI 生成个性化的高光片段，让你一上来就看到自己最关心的内容，还能带你对话式探索、解释术语、把重点转成笔记。马上体验：tldw dot us。
2025-10-24 02:07（北京时间） X 链接

我常靠视频学习 AI，但因为自己并非技术背景，很多术语看不懂。所以我们在 TLDW 加了 “解释” 功能：只要选中字幕里的词句，AI 会结合视频上下文给出解释。以前我得手动复制到 Perplexity，还缺少影片语境。示例在此：https://t.co/8l7tQHywPd
2025-10-25 01:04（北京时间） X 链接

我学 AI 从网上获取的东西比在哈佛课堂上更多。我把所有真正有用的资源整理成网站并免费开放，包括：YouTube 视频与频道、播客、值得关注的 X 账号、我每天看的 Newsletter、喜欢的 AI 产品。祝学习顺利！https://t.co/ONKRkuWhVo
2025-10-26 00:52（北京时间） X 链接

遇到特别高价值的视频时，我会忍不住疯狂记笔记。所以我们在 TLDW 做了“选中字幕直接生成笔记”的功能，也可以让 AI 帮你解释看不懂的地方。@karpathy 的访谈就是那种值得这么做的视频。

学习方法与习惯

2025-03-30 10:58（北京时间） X 链接

我把各种 vibe coding 工具都试过了，真正能稳定用起来的只有 @Replit。几小时内就做出并上线了一个可用的网页应用，目前最适合学习写代码的工具非它莫属。
2025-03-30 22:37（北京时间） X 链接

有一门课程特别推荐给想初次体验 vibe coding 的非技术背景朋友：内容精炼、动手性强，按课程演示操作都能顺利跑通。
2025-04-01 04:35（北京时间） X 链接

@Jain_Banda @Replit @krittiyaClark 强烈建议去看那支把所有 vibe coding 工具用同一提示词对比的视频：https://t.co/qw2YsNRV8x。我实测的结果也和视频结论一致。
2025-05-07 16:20（北京时间） X 链接

新 AI 工具天天有，Demo 都看着厉害，推文也很吵，测评多半带广告。但只用一次并不代表什么，我更关心谁能让你长期留下来——关键看留存。
2025-10-25 04:23（北京时间） X 链接

看再多教学视频也学不会做产品，唯一的办法是亲手做。为了体验从 0 到 1 的全流程——上线、收反馈、迭代——我只能自己动手实践。
2025-10-26 04:36（北京时间） X 链接

学习不等于教育。教育往往被动、制度化；学习则是主动的、个性化的、持续进行的。我特别想在“学习”这个赛道里动手做产品。
2025-10-27 01:54（北京时间） X 链接

我认为应该有一套“通用 AI 学习”体系，帮助普通人在 AI 时代保持竞争力。不是教大家造 AI 产品或写代码，而是教大家如何在工作与生活中有效用 AI、不被替代，并且活得更好。

信息筛选与内容消费

2025-07-31 19:46（北京时间） X 链接

现在我的 X 视频流像一条聚焦 AI 动态的 TikTok，充满创始人访谈、酷炫产品 Demo 和最新发布，整体质量令人惊喜。
2025-10-12 05:25（北京时间） X 链接

去线下听演讲效率太低：音质差、无法记笔记、也不能倒带。我更愿意在家看 YouTube，可以随时暂停、做好笔记、记住更多内容。每个周末我都会花 3-4 小时观看 AI Demo 和访谈。
2025-10-18 23:03（北京时间） X 链接

我曾离开 X 足足 8 年，因为觉得噪音太多。6 个月前为了关注 AI 回来时，时间线上全是标题党和不感兴趣的话题。于是我做了一件很多人都不会做的事：主动调教算法。每次看到无聊内容就点“不感兴趣”，取关以前关注的账号，转而关注真正动手做事的创作者、产品经理和 Builder，并坚持一个月。现在我的 X 基本成了 AI 学习平台：产品发布、技术讨论、创业更新，视频流也几乎都是产品演示。很多人抱怨社交媒体的算法控制他们，其实只要你愿意花心力，它就能为你所用。平台本身并不糟，只是默认为了“互动”而优化；只要我们对互动对象保持意图，就能让它们服务自己的目标。X 完全可以成为学习版的 TikTok，关键是你要亲手训练它。

产品与职业洞察

2025-06-24 09:50（北京时间） X 链接

即使在 AI 领域，也不存在“突然爆红”。很多成功的 AI 创业公司其实早就存在了，大多数 AI 编程相关的新创都在 ChatGPT 发布前就成立，OpenAI 推出 GPT-3.5 时也已经走过 7 年。https://t.co/dxhb5SEwdO
2025-09-22 08:08（北京时间） X 链接

别再空谈“护城河”，赶紧上线产品。你还在想策略时，真正的 Builder 已经上线、拉到几十个用户测试，并且迭代了五轮。新文章在此：https://t.co/7ANrCWDmIM https://t.co/1Ctt2g9iZD
2025-10-08 04:42（北京时间） X 链接

如果你不是技术出身却想做 AI 产品或创业，与其把时间花在学 vibe coding，不如想办法让自己对开发者更有吸引力。顶级开发者都有自己的想法，为什么要和你合作？你得提供他们没有的东西，比如：线上受众和现成的分发渠道；能证明用户愿意为你提出的问题付费的证据；在医疗、法律、教育等垂直领域的专业洞察。靠自己最多做个 Demo，方便向专业开发者说明需求或提前验证想法，它只是沟通工具。把精力放在用户调研、搭建受众、成为值得合作的伙伴，再去说服专业开发者和你一起做事。分工存在自有其道理。
2025-10-09 23:48（北京时间） X 链接

在 AI 时代找工作，关键是让别人主动发现你，而不是盲投简历。开发者要有 GitHub Star、开源贡献和副项目；市场人需要能刷屏的活动和内容以及个人品牌；设计师需要让人停下滑动的作品集；产品经理得有真正被用户使用的功能。副项目和线上影响力就是你的新简历。传统路径是打磨履历、投 100 份简历祈祷有人看；新路径是做出用户想要的东西、公开分享，让机会主动找上门。前者是在乞求关注，后者是在赢得关注。履历只能“说”你做过什么，副项目能“证明”你做得到。2025 年，唯有拿出作品才有说服力。
2025-10-16 23:22（北京时间） X 链接

大家担心 AI 会取代内容创作者，但我觉得焦点错了。AI 内容不该和人类内容竞争，而是要创造那些人类无法规模化的超个性化体验。改变我想法的契机是：我把简历上传到 NotebookLM，收到一档 20 分钟的播客，两位 AI 主播讨论我的职业选择、挑战和发展。这类内容对我价值极高，但不会有真人播客愿意制作，因为它只适合一个人。这正是机会所在。传统内容模式是“一位创作者面对无数受众”，强调高制作和大众吸引力；AI 内容模式则是“无数创作者服务一个人”，针对个人语境量身打造，人类根本不会去做。举例来说：关于你日程与优先级的每日播客、针对你恢复节奏的训练计划、根据你知识缺口定制的学习路径、针对你投资组合的新闻速递。这不是 AI 更便宜地做人的事，而是做成“人根本不会做”的事。最有价值的个人化内容，往往也是最不符合人工制作经济性的内容，这是 AI 内容的真正机会。
2025-10-17 00:52（北京时间） X 链接

@kirbyman01 完全同意，快速执行“上线—收反馈—迭代”的循环才是一切关键。
2025-10-25 00:49（北京时间） X 链接

MVP 其实是和用户开启对话的起点。只有把东西做出来给别人看，人们才能准确告诉你真正想要什么。
2025-10-25 02:01（北京时间） X 链接

谢谢大家提到 TLDW！上线后最让我开心的反馈是：有人说“这产品很精致，完全不像随便 vibe coding 出来的。” AI 虽然降低了做产品的门槛，却也抬高了体验的标准。你一定遇过那种一打开就觉得“明显是随手拼的 Demo”，下意识就把它归为“原型而非真产品”。试遍各种 AI 编程工具后，我更敬佩专业程序员的手艺，因为要做出真正可用的产品远比我想的难。这次我想做一个对大家真的有用的产品，所以没有自己凑合，而是和厉害的开发者 @zhangsamuel12、设计师 @YanYiqi73877 合作。我学到的是：不必事事亲力亲为，要尊重各自的专业，和最优秀的伙伴一起把事情做好。
2025-10-27 01:08（北京时间） X 链接

写代码不等于成功上线。