一、小问题速记：Vercel & Claude Skills
-
有同学部署项目时遇到 Vercel 一直排队卡住，查了官方状态页才发现是平台本身在排队，不是自己配置的问题——类似情况可以先看一下官方 status，少踩些冤枉坑。
-
关于 "中转的 Claude 模型 API 能不能在 Claude Code 里用 skills"：
-
结论：可以用，和直连没本质差别；
-
原因：skills 是本地的能力封装；
-
实际操作：先把 skill 下载/配置好，本地可用即可。
-
二、AI 应用不止"Workflow + RAG"
有人提问：现在 AI 应用本质上是不是就两类——编排多 API 的 workflow 和做 RAG？
群内共识大致是：
-
肯定不止这两种：
-
还有多模态能力；
-
各种差异化 AI 方向，比如小排老师的 fast 3D、anyvoice 这类自己训模型/做深度能力的项目，很难简单归类到"workflow 或 RAG"里。
-
-
更重要的是：
-
技术选型是服务需求的，脱离具体业务、单聊技术"姿势"意义不大；
-
真正的难点在综合能力：理解需求、成本约束、技术可行性，而不是只是堆几个 API。
-
这一段可以看作对"做 AI 应用到底在做什么"的一次小小校准： 别把自己框死在"我是不是要搞个 RAG/Workflow"，先看要解决什么问题。
三、"信息汇总 + 精选"工具的想法与争论
1. 需求侧：为什么有人想每天看信息
-
有同学分享自己的习惯：
-
每天逛 GitHub、看新闻、刷社区、盯关键词趋势；
-
目的不是追热点，而是 培养直觉——看到一个项目就大概能判断：
-
能不能赚钱？
-
能怎么落地？
-
-
-
痛点：
-
信息量太大、时间精力有限，一天根本看不完；
-
想要一个工具帮忙：
-
多源抓取（GitHub / 新闻 / 社区 / 趋势等）；
-
归集 + 提炼核心信息；
-
给出原文链接，感兴趣再点进去深读。
-
-
也想以此为切入口，做一个真正有用的 AI 应用。
-
2. 真的有必要"每天看"吗？
-
有人提出不同观点：
-
不一定要每天扫一遍全世界；
-
更重要的是 确定一个自己要做的 idea，然后把时间投入在执行上。
-
-
发起人回应：
-
自己的观点是"非常有必要"；
-
把这当成一种 长期训练基本功 的方式；
-
同时也承认精力有限，所以更需要"汇总整理"的工具来减负。
-
这块没有统一答案，更像是两种做事风格的对话： "信息拉满再选题" vs "先选题再深挖"。
四、从 Toolify 到 AI 浏览器：抓数据的几种路子
围绕"信息汇总工具"与"获取数据"这件事，大家提到了不少实践思路：
-
参考教程：
-
有人提到小排老师以前的 Claude Code + Toolify 榜单分析教程，适合做"看榜 +选项目"的懒人工作流。
-
但有同学提醒：Toolify 现在已经不再暴露文中提到的那个接口了，老方法不能直接复用。
-
-
替代方案：
-
直接用 dia chat：打开网站榜单，让它按照你设定条件抓取并整理数据；
-
使用 AI 浏览器 或 Claude Code 调用 Chrome DevTools MCP，驱动浏览器访问网页再总结；
-
如果没有官方接口，可以考虑：
-
合规的爬虫；
-
或寻找那些明确定义了允许使用其数据的站点/协议。
-
-
一句话总结： "能直接用 API 就别上爬虫；要爬也要先看合规问题。"
五、实用工具推荐：口喷软件 & 开发脚手架
3. 电脑"口喷"/语音转文字
-
Mac：
- 推荐：lazytyper，圈内开发者作品，用来"口头喷文字"非常方便。
-
Mac & Windows：
-
推荐：闪电说（原名"代体"）：
-
免费；
-
支持 AI 文本纠正和文本规范化；
-
语音记录保存在本地，更注重隐私。
-
-
4. SupaStarter vs MkSaaS：上手难度 & 价格
-
对 SupaStarter 的疑问：
-
小排老师之前提过 SupaStarter 比 MkSaaS 难上手；
-
群友追问：是不是只是因为用了不同的代码框架？学一下框架就好了？
-
-
群内回答：
-
建议先去读一读 SupaStarter 的 官方文档 感受一下风格；
-
小排老师给出的核心原因是：整体学习成本偏高，不只是多学一个框架这么简单。
-
-
价格信息：
-
MkSaaS 文档里的优惠码 SCAI2025 以前是减 20 刀；
-
现在在做黑五活动，直接便宜 30 刀，优惠码目前好像用不上，但实际价格更低。
-
六、学习"获取数据"课程：卡点与破局方法
不少同学在学某门"获取数据"相关的课程：
-
学习气氛：
-
有人说 "数据获取真有意思"，也有人说自己 "第十章已经学蒙了"；
-
尤其是做到 "搜索"这一部分，好几个人表示被卡住了，需要缓一缓再来。
-
-
有效的破局方式：
-
直接把课程文档扔给 GPT / Claude Code，让 AI：
-
帮忙拆解知识点；
-
生成一步步的操作指导；
-
出选择题、练习题、实战题配套练习。
-
-
这种"把 AI 当私人教练"的方式，被多位同学实践并认可。
-
群里的整体氛围是： 大家都觉得难，但都在硬啃，而且善用 AI 做"助教"来降低痛感。
顺带插播一个冷知识：有人学习过程中顺手查到——"朝鲜"这个名字据说是朱元璋赐的，也在群里引发了一波"涨知识"感叹。
七、职业想象：AI 产品经理作为 Plan B
-
有同学边学边观察招聘信息，发现 不少公司在招 AI 产品经理；
-
自己一边琢磨创业，一边也在想：
-
就算创业不成，
-
学会技术 + 理解 AI 产品逻辑，未来转行做 AI 产品经理，似乎也是不错的出路。
-
这某种程度上也解释了大家为什么愿意花大力气去学数据获取、信息筛选、工具编排： 不仅是为了"做一个项目"，也是在为自己的 职业杠杆 继续加码。
尾声小结：本期群聊关键收获
-
AI 应用形态绝不止"Workflow + RAG"，关键还是从需求和成本出发找技术方案。
-
信息汇总/提炼工具 是一个被真实需求驱动的方向，有机会但也要权衡"每天看 vs 专注做"的风格差异。
-
获取数据有多种路径：官方 API 优先，其次合法爬虫 + AI 浏览器 / MCP 等"AI 代劳浏览器"的方案。
-
一批 好用工具被频繁提及：lazytyper、闪电说、dia chat、SupaStarter、MkSaaS 等，值得按需收藏。
-
大家在啃"获取数据"课程时普遍觉得难，但已经形成共识：把 AI 当成你的私人助教和出题老师，会好学很多，同时也为未来像 AI 产品经理这样的岗位打基础。