newtype 星球问答精选(2025 H1)

何时打开:你在 newtype 星球前几个月反复看到同一类问题(新人如何入门、用什么工具、网络配置...),想要一份"反复被问的高频问题"的回答合集。本 wiki 是 newtype 自己整理的 2025-01 至 2025-07 期间的问答精选。

跟 newtype 心法 · 超级个体方法论的区别:那份是 mindset 系统,本 wiki 是 具体问题的具体答案 —— 工具、网络、平台、订阅、Agent 等实操问题。

一、新人学习路径

1.1 零基础该从哪开始

"Learning by doing,边用边学。"

步骤:

ChatGPT、Gemini、Claude 三家全订阅 / 全试一遍
- Deep Research 三家都试,对比结果
- Artifacts / Canvas / 画布(主流功能)
- 不同档位模型(快的、性价比高的 vs 推理强的、成本高的)
- 上传超长 PDF 让 Gemini 和 ChatGPT 做全文翻译,对比差异
玩熟之后 → 使用 ChatWise / Cherry Studio(AI 客户端)
- 看自家做的 vs 第三方做的有什么区别
- 接触 API 概念、OpenRouter 平台等
"出新手村"标志:看得懂、能上手

1.2 没编程背景如何提升技术认知

"可以不怎么会写代码,但是一定要看得懂。"

newtype 自己一年半前路径(零基础起步):

学一点 Python 基础
学 LangChain,动手写脚本,搭最简单 Chatbot,处理上下文窗口受限的历史对话
学 RAG,亲手实战,懂各种 RAG 策略的效果差异
学 Agent 框架(AutoGen / CrewAI),手搓 workflow
硬着头皮看 AI 论文 → 现在对业内、VC 的判断基本一致

结论:Learning by doing,不要犹豫,干就完事了。

1.3 提示词工程不需要专门学课程

"提示词的本质是逻辑、方法论"。

公司新人怎么带?给目标 / 背景 / 路径 / 参考案例 —— 这就是 prompt 结构,没什么神秘
学逻辑 / 金字塔原理之类的书 >> 学提示词课程
所有讲提示词的博主、内容,newtype 都不看

二、网络配置与产品选择

2.1 网络条件是前提

"网络这一关搞不定,肯定没法用 AI。"

产品	网络要求
Claude / Claude Code	纯净美国住宅 IP(没有,免谈)
NotebookLM	部分地区开放(美国市场)
Gemini	网络宽容,中国友好
Grok	网络宽容
ChatGPT	悄悄降智(国内 IP)

2.2 Claude Code 订阅 vs API

"Claude Code 用 API 特别特别花钱,要效果就不能省。最性价比的方式是订阅 — $20 美元订阅 Claude 会员,可以用 Claude Sonnet 4,额度用完等几小时恢复。日常用够了。"

2.3 不订阅 ChatGPT 的三个原因(newtype 自己)

悄悄降智(国内 IP),静态 IP 可以规避,但厌恶这做法
模型早就不是断档式领先了 — Claude / Gemini / Grok 都追上来了
搜索是弱势,信息不够全面(相比 Gemini)

需要时通过 API 调用就好。

2.4 综合工具栈推荐(根据网络条件)

你的网络情况	主力推荐
有美国住宅静态 IP	Claude(逻辑能力强、MCP 支持、编程顶尖)
国内网络 + Google 可用	Gemini(均衡 / 不要求 IP / 100 万上下文)
有 Twitter 蓝 V	+ Super Grok(辅助)
通配适用	OpenRouter(聚合所有模型 + ChatWise / Cherry Studio 客户端)

2.5 顶级产品才是最高性价比

"只要你选择了顶级产品,那就一定是性价比最高的。"

国内平台跟海外平台水平差了一截。不要在垃圾堆里挑垃圾。

三、多平台策略

3.1 newtype 自己的平台分布

国内	粉丝数	国外	状态
视频号	6.8 万	YouTube	长期主阵地
B 站	4 万	Medium	长期
抖音	4 万	X (Twitter)	长期
小红书	1 万	Reddit	刚开始
公众号	(文字主阵地)	newtype.pro	(Google SEO)

长期战略:YouTube + X + Medium + Reddit + newtype.pro 五个平台并行经营。国内平台"垃圾堆,不值得"(略带情绪化但反映他的优先级)。

3.2 不加微信群、不建群的 3 个理由

时间和精力消耗太大 —— 必须收上万门票费 → 用户期待"私董会"无限度 → 必然被骂"割韭菜" → 模式不可持续
AI 发展初期 = 筛选 > 教育:连主动 Google 都不愿意的人,真的学不会
不提供情绪价值,坚持 Intellectual Honesty

4 个社群平台:知识星球(国内,最多内容、互动最强)、视频号会员、YouTube 会员频道、Patreon。

四、AI Coding 工具栈

4.1 Cursor vs Claude Code

"Cursor 是当下性能强劲、体验流畅的'豪华跑车';Claude Code 是指向未来的'概念车'。"

维度	Cursor	Claude Code
定位	AI 编程辅助	智能编程伙伴(理解高级意图 + 自主任务)
风格	被动辅助	主动自主
任务自动化深度	中	高(激进)
当下成熟度	高	中
长期潜力	中	高

目前最佳实践:两个搭配使用,来回切换。Claude Code 配置静态 IP 后才能跑(网络问题)。

4.2 Windsurf 出局

OpenAI 要收购 Windsurf → Anthropic 断供 Claude 4 → Windsurf 失去顶级模型 → 不必考虑
OpenAI 在 AI 编程明显落后,Codex 不必花时间看

4.3 为什么 AI Coding 重要(底层原因)

"代码是纯粹的逻辑和结构化思维的体现 — 严格因果关系、步骤规划、复杂条件判断。这跟生成情诗或邮件的模糊性完全不同。AI 编程就是对模型进行逻辑推理与规划能力的极限锻炼,还关系到长上下文理解与精准性、系统性'工具使用'能力的培养。"

"所以,做不好 AI 编程的公司、模型,都不必看了,没戏的。"

五、newtype 当前工具栈

5.1 日常主用(2025 H1)

对话         主力: Grok 3 + Gemini 2.0
            辅助: ChatWise + OpenRouter + Ollama
搜索         主力: Perplexity
            辅助: Grok 3 + Gemini 2.0
文章转存       Obsidian Web Clipper
知识库         Obsidian + Copilot
编程         Cursor + Claude Sonnet

5.2 ChatWise 配置

常驻 4 个 MCP:

filesystem(本地文件)
tavily(搜索)
sequential-thinking(推理链)
markitdown(文件转 markdown)

ChatWise 的 2 个作用:

备用:别的 AI 挂了或到额度上限时(被封 3 个 Claude 账号),可以用它
尝鲜:新模型 / 新 MCP 先在 ChatWise 体验,对照不同模型对同一 MCP 的调用情况

5.3 Cursor 的隐藏用法

"Cursor 是 AI 编程软件。但由于它原生的能力,也适合知识工作。"

当 AI 知识库用 — 把存着 Markdown 的普通文件夹打开,它会创建索引,顶级模型都支持
顶级模型都支持
涉及本地知识库的工作用 Cursor

5.4 关键软件介绍

软件	用途
Milvus	本地向量数据库
OrbStack	Mac 版 Docker,跑这些项目用
Raycast	Mac 效率中心,$8/月,AI Chat 快捷键唤出
GPUstack	多机并联算力协调(微调)
Llama Factory	微调工具

六、Prompt House 设计哲学

6.1 为什么做 Prompt House

"Context Matters! 我已经发布的 Prompt House 和 Obsidian MCP,以及即将做的插件,都是基于这个理念。产品是载体,用来表达理念。"

6.2 2-step MCP Tool 调用设计

问题:OpenMemory MCP 把所有内容(prompt + 杂七杂八)都存一起,LLM 筛选率低。

Prompt House 的解法:

Step 1:LLM 先获取 Prompt 列表(标题 + 标签,不含内容)→ 信息少、筛选快
Step 2:LLM 选定后,再返回 具体内容

关键优化:

标题、标签准确 → 提升 LLM 准确率
清晰结构、少量文本 → 提升 LLM 效率(筛选速度)
添加 "AI 润色"功能 — 用户可以不填标题标签,AI 帮填

6.3 PS:Pipeline Prompt 调用

YouTube 评论提示:"通过 Prompt House 的 MCP,可以让 LLM 完成整个 Pipeline 的 Prompt 调用。设计得好的话,就是一个很轻巧的 Workflow。这算是高级用法。"

七、Workflow 看不好,MCP 看好

7.1 不看好 Workflow 编排

"我不看好 Workflow 编排:

有能力编排的人很少 — 既要懂业务,又要懂 AI

这种做法对 AI 的限制很大

编排水平就是天花板"

7.2 看好 MCP + Agent 自主

"让 AI 自主调具、自主决定如何执行。这才是最正确的方向。"

未来架构(类比章鱼):有一个核心大脑,每个触手上也有次级小脑。这些大脑/模型都可以通过 MCP 自主调用若干工具。

7.3 MCP 的本质

"MCP = USB-C。它的价值取决于有多少设备采用 USB-C 接口。"

维度	API	MCP
格式	固定	动态
语义传输	不支持	支持
灵活性	低	高
接 1 个软件,调通	工作量大	同等代价
扩展到 100 个软件	工作量 100x	工作量基本不变

7.4 AI 发展的两条主线

掌握更多信息
控制更多工具 — MCP 是这条主线的关键

八、视频制作流(A Roll + B Roll)

8.1 A Roll(出镜画面)

写脚本 → 用相机录,架提词器 → 照着念(需要大量练习)
关键技巧:写脚本时边写边在脑里模拟视频画面,这一段什么表情、什么 B Roll
脚本不是单纯的文章

8.2 B Roll(辅助 / 操作画面)

基本全是录屏
用 Screen Studio($付费 Mac only) — 鼠标移过去自动 Zoom in 的效果
或 OBS(免费,全球内容创作者都用)

8.3 边操作边讲(直播感)

OBS 加 2 个来源:

音频:麦克风 + 系统声音
视频:捕捉屏幕 + 摄像头(叠加,放角落)

但 newtype 不用摄像头叠加(画质渣)。改用:一边录屏 + USB 麦克风 / 一边相机拍人 + 枪麦,后期音轨波形 Sync,Mute 一段声音。

8.4 视频制作上的核心见解

"内容表达和创作的东西,跟 AI 的内容一样值钱。"

九、AI 写作 & 风格定义

9.1 AI 写作首选 Claude

"AI 写作,我个人体验是,Claude 最好。它的逻辑性是最强的。我一般是在选题准备阶段跟 Claude 探讨。它总能给我些新东西。视频脚本写好之后,也会给 Claude 过一遍,它提的三条修改建议中,我至少会采纳一条。"

9.2 风格定义先靠 AI 提炼

"99.9% 的人不知道某个所谓的'风格'究竟是什么。可以先给 AI 一些资料,让 AI 进行'风格提炼',有一个非常清晰、详细的描述,再用这个描述加上更多资料一起去下达需求。"

9.3 AI 写作的核心

"用 AI 写作,最核心的不是 AI 工具,而是这个人对写作究竟懂多少。"

9.4 写文案是基本功

"即使 AI 能做,你也要练习。练到瞧不上 AI 写的东西,就算成功。这个是饭碗。写文案的核心是逻辑。定别跑偏了,以为是什么词句之类的,那些都可以忽视。逻辑好,纯大白话,都能写出非常牛逼的文案。"

十、AI PPT 看不上 + 替代

10.1 没看上的产品

"目前所有 AI PPT 工具都没有达到我的 60 分标准。"

不是对 AI 不看好,是对 PPT 不看好 —— 通过代码,AI 可以制作 HTML 等各种更美观、更直观、信息密度更高、互动性更强的展现形态。注定落后的东西一概不看。

10.2 推荐学 Keynote

许岑的 Keynote 课程,十年前学的,受益至今。

10.3 智能体写文案 + PPT 排版的拆解(回答某用户提问)

"建议你把方案分拆成两个部分:

文字逻辑(PPT 每页文字)— 先在 Word 写好,通过 API 调用模型 + 提示词

视觉逻辑(PPT 排版)— PowerPoint 支持 VBA / Office JS API 代码控制(JS API 更好)

把这两部分整合到 Workflow 里,打包成智能体方案,就基本搞定了。"

十一、RAG vs Fine-tune

11.1 Fine-tune 适用场景

专业领域知识(医学 / 法律 / 金融)— 掌握专业术语和背景
任务特定性(情感分析 / 文本分类)
风格和语调调整

11.2 RAG 适用场景

知识密集型(客服)— 检索外部信息
动态知识更新(新闻)— 实时检索
解释性和可追溯性(法律 / 医疗)— 答案可追溯到来源

11.3 RAG vs Fine-tune 决策

"如果搞不明白 RAG,那不建议再用微调的大坑。"

关键洞察(关于 70B 本地模型 RAG 效果差):

模型综合能力天壤之别:Qwen Max 训练 / 推理资源远超本地量化版本;指令遵循、上下文细微差别、整合多检索片段、容忍上下文质量不完美都更强
对检索质量的最低要求不同:强模型对当前检索策略容忍度高,弱模型需要更精确

优化方向:更换 Embedding 模型 / 调整 chunk size 和 overlap / 设计提示词模板。

十二、笔记系统(Input-Processing-Output)

12.1 Obsidian 选型理由

"Obsidian = A private and flexible writing vault that thinks(私有、灵活、会思考的写作保险库)。"

Local First:笔记以 Markdown 存在用户本地文件夹
Markdown 保证长期可读性和可移植性(即使未来不用 Obsidian,笔记仍可访问)
多端同步靠 iCloud(iOS / macOS / Windows)
这是 newtype 的核心选择原因

12.2 跟 Notion 的区别

"Notion 是 All-in-One Workspace,一体化工作空间。要做全整合,以它为核心。有人喜欢,但不是我想要的。" "不接受 Notion 类工具,只能存放在他们服务器上,有被要挟的隐患。"

12.3 Obsidian 文件结构

newtype 的 Vault 结构:Input → Processing → Output

Input:各种想细看的文章、论文等(漏斗顶部)
Processing:分领域的沉淀(整理中)
Output:最终产出(如所有视频的脚本都存这里)

12.4 文件批量转 Markdown

微软出的 markitdown(GitHub)
MinerU(也是开源)
付费产品(腾讯云大模型知识引擎)

12.5 不到万不得已不要本地部署

"如果你就是不放心资料存到别人服务器,可以用 Milvus 搭建本地向量数据库,然后通过 MCP 与各种 AI 工具对接。这是我目前能想到的最灵活、也兼顾本地存储需求的做法。"

十三、不依赖意志力,三件事

"'自律决定自由'这句话是有害的。因为当涉及到'自律'的时候,已经不自由了,而且会有大量内耗。所以不需要自律。我每周更新视频、每天在社群里发布内容都是自然而然的。"

13.1 三件事(替代"自律")

使命感 — 是源动力。使命感的高低是与人最大的区别。newtype 的使命感是创造、开拓
体力 — 决定执行。每天运动、科学饮食、充足睡眠
不强迫 — 不内耗的前提

13.2 心理咨询(向内求)

newtype 自己在做 长程咨询,每周六下午固定时间
平台:简单心理
选了年轻的咨询师(需要长程,五六十岁的概率死在前面)
自比《亿万》Wendy 的 Coach 角色 = 帮员工回到巅峰状态
"修道的四要素:财侣法地。咨询师就是那个'侣'"

13.3 死亡焦虑

"直接原因是死亡焦虑。背后有很多原因 — 不只是年龄阶段、原生家庭。2010 年开始主动丢弃过去所有家庭、社会教我的东西,重新培育一遍。"

十四、移动端 AI 还没到位

"端侧 AI,尤其是移动端,已经显著落后于行业了。"

两个关键限制:

权限:没有系统底层权限,很多东西没法做。在手机厂手里,不会放出来
算力:手机上主流模型 3B,通用芯片好像能支持到 7B。这么小的模型,肯定要针对性微调

对开发者建议:现阶段不要太考虑 AI,回归应用思维。在做好应用的前提下看 AI 怎么做加分。 底层基建还一塌糊涂,限制太多。

十五、Agent 看法

15.1 不看 Agent 框架,看实际项目

"没看这些 Agent 架构了。现阶段的重点不是架构怎么样,而是要做什么。已经有很多现成的开源项目可以直接用。如果我要做个带 Agent 的产品,我会直接把 Gemini CLI 拆了,用它作为核心。"

15.2 目前唯一成熟的 Agent 应用

"目前唯一成熟的 Agent 应用,只有 Deep Research。如果个人想搞的话,用 MCP。"

15.3 Deep Research 水平排序(newtype 自评)

OpenAI > 类实习生 > Gemini > Perplexity > Grok = 秘塔 > Deep-Research(最佳开源)

OpenAI 的 Deep Research 能卖 $200/月,真能"用"。其他产品 60% 准确率都不到。

15.4 OpenAI 的 Deep Research 慢是因为"堆算力"

newtype 推测:OpenAI 的深度搜索比别家慢很多,是算力堆出来的。所以不复杂,问题是别家为什么不堆算力。做点交叉验证就能再提高,是流程上的问题。

十六、newtype 个人背景

16.1 不是编程出身

"我的编程能力非常初级。"

16.2 三个核心能力(传播营销行业 10 年培养)

信息搜集和快速学习(竞标完全不了解的行业 → 必备)
策略能力:界定问题,找到解法
叙事能力(内容能力、忽悠能力,对文字和情绪敏感)

16.3 短暂创业经历给的新技能

打造产品的能力
不会被专业出身束缚:没 UI 经验,就去 Dribbble 天天看,学/抄家;不会专业软件,就用 Keynote 画 UI
不择手段地前进

16.4 内核 + 外在的飞轮

"这些只是外在的能力。我觉得我最强的是内核,是正在逐渐完善、完整的人格。这是十几年不断【向内求】的结果。内核加外部能力,就是两个飞轮。转起来之后,想要的一切都会随之来,不需要费力。JUST DO IT。"

十七、关于公司战略 "All in AI"

17.1 老板拍板但拍不下来的根源

"我所在的公司,老板提出了 All in AI 的战略。但这两年下来一无所成。根源就在于,拍板的人完全不懂,只是浮于表面,只会谈一些虚空的词,很享受制定战略的快感。"

17.2 深度学习不能等于成为专业人

"我对 AI 的那些观点表达,完全不是业内的口吻,但是我说的核心意思跟他们是一样的,甚至能比他们讲得更清楚。"

"所谓的'专业'都还不够深。99.9% 的情况下,'专业'人只是因为所处在行业之中,所以比外人更了解一些。谈不上专/深。"

17.3 AI 只能辅助

"AI 只能辅助。能给些启发就很不错了。"

十八、关于深度学习 vs Deep Research(决策类岗位)

用户提问:作为企业高管,做判断和决策不需要专业水平的理解,Deep Research + Reasoning 是不是就够了?

newtype 回答:有必要(继续深度学习)

"绝大多数东西,你以为掌握得足够了、可以做决策了,其实还远着呢。" "举个例子,我所在的公司老板提出了 All in AI,但完全不懂,只是浮于表面 → 一无所成。"

十九、关于巴菲特投资思维训练

用户问:能否给 AI 投喂巴菲特所有信、采访,训练成巴菲特的思维?然后扔公司年报让它分析?

回答:

巴菲特 / 格雷厄姆资料模型都有(或能搜索),不需要你提供
这样能得出靠谱投资结论吗?Deep Research 各家都有,试试
以现在的技术,只能给你一些启发
巴菲特的成功,投资思维只占一部分,别人真复制不了
真要做:用 AI 跟你自己的方法论对话,看在你的框架下能给哪些新东西

二十、提问回答总览(20+ 条 Q&A)

涵盖的核心话题

话题	问答数(估计)
新人入门 / 工具栈	4-5
网络配置 / 订阅决策	3
AI Coding / Cursor / Claude Code	3
知识库 / Obsidian / RAG	6
Prompt House / MCP 设计	2
视频制作流	1
平台策略 / 流量	2
心法 / 不自律 / 心理咨询	3
Agent / Workflow / 框架	4
微调 vs RAG / 部署	4
模型选型 / DeepSeek / Claude	3
商业化 / 个体创业 / 公司战略	4

二十一、跟既有 wiki 的连接

newtype 心法 · 超级个体方法论 — newtype 心法系统(本 wiki 是问答场景下的具体应用)
newtype 知识系统与 Life OS 全演化 — 知识系统全演化(本 wiki 11-12 节是简化版)
newtype · AI Coding 实战与工具栈演化 — AI Coding 演化史(本 wiki 第四节是其问答补充)
newtype · AI 工具栈实战与演化 — 工具栈详情(本 wiki 第五节是其问答快照)
newtype · Vibe Coding 独立产品实战 — 独立开发产品史(本 wiki 第十节是 Prompt House 设计哲学)
Claude Code 最佳实践(Cal Rueb · Anthropic 内部讲座) — Cal Rueb Claude Code 讲座(本 wiki 第四节问答与之互补)

History

2026-05-17:Phase 4 ingest 从 13_newtype星球问答_纯享版.pdf(2025-01 至 2025-07 问答)创建。完整覆盖 20+ 个高频问答主题:新人路径、网络配置、平台策略、AI Coding、Prompt House 设计、视频制作、RAG vs Fine-tune、移动端判断、Agent 看法、内核+外在飞轮等。