别只顾着发项目,加密创始人如何玩转推特?

深潮Xuất bản vào 2025-08-10Cập nhật gần nhất vào 2025-08-11

真实>套路。

撰文:Kunal

编译:Luffy,Foresight News

过去一年,我一直沉浸在加密推特(现在的 X 平台)中。在此,我想分享我认为对打造个人品牌品牌有用的一些想法。

TLDR:

  • 保持真实:在这个充斥着 AI 生成内容的世界,真实最有力量

  • 保持一致性:每天活跃,推特平台会奖励积极用户,打造个人品牌需要很长时间

  • 善用数据:将互动量和曝光量作为反馈循环,在有效的内容上加大投入,摒弃无效内容

基础操作

  • 立即开始发帖:每天至少 1 条推文,推特喜欢活跃用户,这能确保你的内容在走红时获得更多推送

  • 开通高级订阅会员(这还用说吗,非高级会员在推特上就像 NPC 一样):最好是高级加强版,这样你可以撰写长文(比如本文),还能获得回复率提升

  • 清晰的个人简介:包括当前职位、1-2 个过往职位和专业领域

  • 头像:要么是精美的头像照,要么是 NFT,并且在不同平台保持一致

  • 关注数与粉丝数的比例(关注的人要比粉丝少)

  • 头像和封面图要在视觉上协调美观

  • 如果你的项目有 Twitter 认证标识:为项目申请 Twitter 附属徽章(对品牌建设有好处,虽不会直接提升算法推荐)

  • 置顶一条关于你正在打造的项目的推文

  • 发帖内容不止于加密货币:偶尔分享你的喜好、日常观察等,不要把自己变成广告牌

  • 团队魅力:鼓励整个团队发帖并互动,让你的团队和品牌账号放大你最优质的帖文

  • 团队的品牌一致性:让你的项目在视觉上具有辨识度,比如相似的头像 / 视觉元素

Nillion 的眼罩标识

  • 加入活跃的 NFT 社区:积累声望,使用热门 NFT 作为头像,参与社区互动

  • 将表现好的推文在 6-8 小时后转发(出现在新的时区)

  • 视频内容:如果你能创作短视频内容,这在加密推特上是个捷径;这里满是文字,视频内容的门槛很低。

  • 在会议上分享你的推特账号:这能帮助你获得一些新粉丝,跳出当前的圈子

  • 找到你的细分领域:你希望因某一项擅长的事被记住。

保持一致性

打造个人品牌需要时间。受众增长初期通常很缓慢,后期会加速。

不要成为 「推销员」

  • 不要只发布关于自己项目的内容,不要变成广告牌,首先你要像个真实的人。

  • 一个值得参考的比例是 4:1,在推特上,尤其是加密货币领域这种 「狂热」 群体中,每发 1 条推广内容,就要搭配 4 条有价值或有趣的内容。

  • 推广时,要讲究技巧。没人在乎你在打造什么,他们在乎的是 「能用它做什么」,它能为他们带来什么价值?苹果推销 iPod 时,不会说 「512MB 内存」,而是说 「把 1000 首歌装进口袋」。

几个基础的算法技巧

  • 不要用标签(拜托,现在不是 2012 年了)

  • 第一条推文千万不要放链接,推特会大幅降低这类内容的优先级。如果需要,放在线程的第二条推文中。

  • 尝试推特平台的新功能 :直播、文章、长文等。推特会优先推荐新格式的内容

成长框架(0 到 10 万粉丝)

这部分内容引用自推特用户@alexonchain

Level 1(0→100 粉丝):搭建基础

核心逻辑:冷启动阶段,先靠 「强关系 + 个人基础建设」 破冰。

关键动作:

  • 撬动身边人脉(朋友、熟人),把 「0 粉丝」 这个尴尬数据打破,先有第一批 「种子用户」;

  • 把个人资料(头像、简介、背景等)清晰化,让人一眼知道 「你是谁、能提供啥价值」;

  • 别想着 「走捷径、搞大规模」,先参与小社群、输出价值、积累弱连接(比如在兴趣圈子里活跃),耐心等第一批粉丝攒起来。

Level 2(100→1000 粉丝):扩大社交圈

核心逻辑:从 「强关系」(朋友)拓展到 「弱关系」(同好、小博主),靠 「真实活跃 + 差异化」 圈粉。

关键动作:

  • 保持 「真实、有趣、有料」 的状态,别装!平台上大家更愿意关注 「活生生的人」,不是刻板的 「人设」;

  • 主动连接真正能支持你的人(比如同领域小博主、目标受众),别乱蹭,找 「价值观 / 兴趣匹配」 的;

  • 去互动那些领域内的中小博主(不是头部大 V,而是和你粉丝量接近、内容优质的),互相借力;

  • 找到自己的 「差异化」(比如别人写干货,你用故事讲干货;别人严肃,你幽默),慢慢让内容有记忆点。

Level 3(1000→10k 粉丝):用内容破圈

核心逻辑:基础盘稳了,开始靠 「优质内容 + 更大范围连接」 突破。

关键动作:

  • 把精力往 「高质量、独特内容」 倾斜(比如深度干货、独家视角),让现有粉丝当 「传播燃料」(他们觉得好,会主动转发);

  • 从 「互动中小博主」 升级到 「碰瓷大账号」(比如在大 V 评论区输出有价值观点、合作互动),借大 V 流量池曝光;

  • 继续疯狂 「攒关系」,别停!不管是同领域创作者、潜在受众,多互动、多连接,关系网越密,传播路径越多;

  • 内容、互动保持 「一致性」,别今天发美食、明天发科技,让粉丝对你的 「定位」 越来越清晰。

Level 4(10k→100k 粉丝):定义个人风格

核心逻辑:粉丝量变大后,「聚焦 + 拒绝水互动 + 创新内容形式」 才是长久之计。

关键动作:

  • all in「你真正感兴趣 + 数据验证有效的内容」(兴趣驱动才能持久,数据验证说明受众买单),别为了流量乱追热点、丢了自己;

  • 拒绝 「低质量互动」(比如为凑数乱评论、买僵尸粉),这些会稀释你的 「个人特色」,让粉丝觉得你 「很水」;

  • 创新内容形式(比如别人写图文,你做播客;别人搞直播,你做互动游戏),把 「独特内容」 变成个人品牌的 「护城河」。

Level 5(100k + 粉丝):保持初心与迭代

核心逻辑:粉丝量到顶流后,「别飘 + 持续创新 + 回馈粉丝」 是留存关键。

关键动作:

  • 记住 「粉丝为啥关注你」(比如你一开始靠 「讲职场干货 + 真诚」 吸粉,别后来变成纯广告号),别丢了最初的 「价值锚点」;

  • 永远别停在 「舒适区」,持续升级内容(比如从 「职场干货」 到 「职场资源对接」「行业趋势预判」),保持 「领域内最优质」 的竞争力;

  • 别当 「高高在上的博主」,尽可能多和粉丝互动(比如翻牌评论、搞粉丝问答),让他们觉得 「你没变、还重视我们」,粘性才会高。

我该发些什么内容?

  • 记录你打造公司的历程:公开建设

  • 与用户交流 / 征求建议:例如 ,「你最喜欢的钱包体验是什么」,用你的推特做调研和用户反馈

  • 创建定期系列:每周更新 / 本周完成了什么?重复能创造价值

  • 讨论你对行业的愿景,而不仅仅是你的项目,展现思想领导力

  • 你的内容要么有教育意义,要么能带来娱乐性,两者都能传递价值

好的,技巧很棒,但我该从哪里开始?

一些内容灵感

来源:@alexonchain

更多内容灵感

本部分内容引用自推特用@ishverduzco

你是谁?

  • 你的故事是什么?

  • 你是如何走到今天的?

  • 你的爱好是什么?

  • 你有什么痴迷的事物?

  • 你的性格是怎样的?

  • 你在网上的兴趣爱好是什么?

  • 你最喜欢的创作者有哪些?

  • 你普通的一天是怎样过的?

你在做什么工作?

  • 你的公司是什么?

  • 你在打造什么?

  • 它为什么重要?

  • 和你的团队一起工作是什么感觉?

  • 有没有机会公开赞美你的团队?

  • 有什么即将发布的产品或公司公告吗?

  • 最近有没有达成什么里程碑,或者即将达成什么?

  • 客户对你的产品有什么评价?

  • 你的公司历程是怎样的?

你擅长什么?

  • 有什么事你比大多数人做得好?

  • 你是如何变得擅长这件事的?

  • 你为什么会被它吸引?

  • 你能向新手解释你所知道的吗?

  • 你对当前趋势有什么大胆的看法吗?

  • 在你的细分领域,你观察到了哪些别人没注意到的东西?

  • 关于你的工作,你被问到最多的问题是什么?

  • 关于你的工作,有什么误解吗?

积极回复

  • 在打造账号的初期,回复优于发帖。当你与他人的推文互动时,你会更频繁地出现在他们的时间线上

  • 使用推特列表与优质账号互动,减少噪音,每天积极回复他们

  • 回复热门的推文,热门推文下的回复也能获得大量曝光

  • 为你喜欢的顶级账号开启通知(可选,我个人讨厌通知)

  • 一定要回复你推文中的评论,推特喜欢对话,会优化滚动体验

  • 加入小团体(Telegram 聊天群),在群里分享你的推文,获得初始互动量助推

  • 每天留出时间回复,用推特列表减少噪音

  • 浏览时,收藏优质推文,作为自己创作内容的参考

数据分析

将数据分析作为反馈循环,重复使用并重新整理表现好的内容,摒弃表现差的内容

优化曝光量:更多曝光→更多个人主页访问→新粉丝

工具

  • Typefully:用于撰写草稿和排期

  • ChatGPT:用于获取推文灵感,或润色文字;但是用 AI 获取推文的框架,不要用它直接写内容

Nội dung Liên quan

Ba năm sau: Nhìn lại nhận định của tôi về ChatGPT vào năm 2023

**Tóm tắt tiếng Việt:** Năm 2026, tác giả Vương Kiến Thạc nhìn lại 20 dự đoán của mình về ChatGPT từ năm 2023, sử dụng AI (41 agent Opus 4.8) để đối chiếu với dữ liệu thực tế. **Kết quả chính:** Phần lớn các dự đoán về **cơ chế và xu hướng** là đúng: * **Đúng:** Kiến trúc RAG + tìm kiếm trở thành chuẩn để giảm ảo giác. LUI (Giao diện ngôn ngữ tự nhiên) tạo ra một "lục địa mới" cho tương tác máy tính. Mạng lưới agent với giao thức kết nối mới đang hình thành. Trung Quốc thu hẹp khoảng cách về mô hình lớn có thể sử dụng. ChatGPT không có ý thức, vượt qua bài kiểm tra Turing nhờ biểu diễn. Nó là bước tiến lớn nhưng chưa phải AGI, chưa gây ra làn sóng thất nghiệp hàng loạt. * **Sai/Sai một phần:** Dự đoán cụ thể **GPT-4 có 100 nghìn tỷ tham số** là sai hoàn toàn (thực tế ~1.8 nghìn tỷ). Nhận định **LLM không thể tự học toán** bị bác bỏ khi các mô hình giành huy chương IMO. **Giá trị sẽ thuộc về lớp ứng dụng** bị chứng minh ngược lại khi lợi nhuận khổng lồ thuộc về lớp nền tảng tính toán (như NVIDIA). **AI có thể né tránh vấn đề bản quyền** là sai, với các vụ kiện và khoản bồi thường lớn. Dự đoán **chi phí đào tạo mô hình lớn chỉ 5-10 tỷ USD** là quá thấp so với thực tế. **Bài học rút ra:** 1. **Dự đoán xu hướng và cơ chế đáng tin cậy hơn nhiều so với các con số cụ thể hay mức độ tuyệt đối.** 2. **Có xu hướng đánh giá quá cao tốc độ thay đổi trong ngắn hạn, nhưng lại đánh giá thấp mức độ thay đổi trong dài hạn.** 3. **Sai lầm tinh vi thường nằm ở "sự phân bố":** tổng thể đúng nhưng tác động không đồng đều (ví dụ: việc làm). 4. **Những phát biểu có giới hạn, thận trọng thường đứng vững theo thời gian.** 5. **Ba năm là chưa đủ để kết luận cho một số vấn đề sâu xa** (như ý thức máy móc, sự xuất hiện năng lực). Bài viết kết luận rằng việc nhìn đúng hướng đi lớn không quá khó, nhưng thừa nhận những sai lầm trong ước tính chi tiết, tốc độ và phân bố mới là điều đáng ghi nhớ cho những dự đoán trong tương lai.

marsbit1 giờ trước

Ba năm sau: Nhìn lại nhận định của tôi về ChatGPT vào năm 2023

marsbit1 giờ trước

Ba năm sau: Nhìn lại những dự đoán của tôi về ChatGPT năm 2023

**Tóm tắt: Nhìn lại 20 dự đoán về ChatGPT năm 2023 sau 3 năm** Vào tháng 3/2023, khi ChatGPT mới xuất hiện và GPT-4 chưa ra mắt, tác giả Vương Kiến Thạc đã đưa ra 20 nhận định về tương lai của AI. Giờ đây, vào cuối tháng 5/2026, một hệ thống AI gồm 41 agent đã được sử dụng để kiểm chứng lại từng dự đoán đó dựa trên dữ liệu thực tế. **Kết quả kiểm chứng (Tính đến 5/2026):** * **Đúng/Bản chất đúng (✅/🟢):** 13/20 dự đoán. * **Một phần đúng (🟡):** 6/20 dự đoán. * **Sai (❌):** 1/20 dự đoán. **Những điểm dự đoán chính xác nổi bật:** 1. **Kiến trúc RAG & Tìm kiếm:** Dự đoán việc bổ sung kiến thức thông qua cơ chế truy xuất bên ngoài (như vector search) thay vì chỉ fine-tune model đã trở thành tiêu chuẩn. 2. **Giao diện ngôn ngữ tự nhiên (LUI):** Nhận định ChatGPT mở ra kỷ nguyên LUI, tạo ra một hệ sinh thái rộng lớn hơn cả việc phát triển model cơ bản, đã được chứng minh. 3. **Mô hình lớn Trung Quốc:** Dự báo khoảng cách về khả năng giữa các mô hình Trung Quốc và đỉnh cao thế giới sẽ thu hẹp nhanh chóng trong khoảng 3 năm đã thành hiện thực. 4. **Ý thức và Kiểm tra Turing:** Quan điểm cho rằng ChatGPT không có ý thức và bài kiểm tra Turing chỉ đánh giá biểu hiện bề ngoài vẫn vững vàng. **Những điểm dự đoán chưa chính xác hoặc sai lệch:** 1. **Tham số GPT-4 (❌):** Thông tin GPT-4 có 100 nghìn tỷ tham số là hoàn toàn sai. 2. **Khả năng toán học của LLM:** Mặc dù đúng khi cho rằng cần công cụ bổ trợ, nhưng khẳng định LLM "không thể" tự học toán thuần túy đã bị bác bỏ khi các model năm 2025 giành huy chương IMO. 3. **Nơi nắm giữ giá trị:** Dự đoán giá trị sẽ thuộc về tầng ứng dụng, còn các công ty làm model cơ bản có thể không sinh lời, đã không tính đến sự thống trị và lợi nhuận khổng lồ của NVIDIA ở tầng phần cứng tính toán. 4. **Bản quyền:** Nhận định AI có thể "né tránh" vi phạm bản quyền là sai, khi thực tế đã có những vụ kiện và dàn xếp bồi thường lớn nhất lịch sử liên quan đến dữ liệu huấn luyện. **Bài học rút ra sau 3 năm:** * **Dự đoán xu hướng và cơ chế đáng tin cậy hơn nhiều so với các con số cụ thể.** * Xu hướng chung: **Đánh giá quá lạc quan về tốc độ, nhưng lại đánh giá thấp mức độ phát triển** về lâu dài. * Sai lầm tinh vi thường nằm ở **sự phân bổ** (ví dụ: tác động việc làm lên nhóm người lao động trẻ), chứ không phải tổng thể. * **Những nhận định có giới hạn, điều kiện đi kèm thường chính xác hơn** những phát biểu tuyệt đối. * Một số câu hỏi lớn vẫn chưa có câu trả lời cuối cùng sau 3 năm. Bản tổng kết này không chỉ chấm điểm cho quá khứ, mà còn đặt ra những quy tắc cho việc dự đoán trong tương lai.

链捕手3 giờ trước

Ba năm sau: Nhìn lại những dự đoán của tôi về ChatGPT năm 2023

链捕手3 giờ trước

Cảnh báo bong bóng AI: Đầu tư vào AI mang lại lợi nhuận âm cho hầu hết các gã khổng lồ công nghệ

Bài viết cảnh báo về bong bóng đầu tư AI khi phân tích chỉ ra rằng hầu hết các gã khổng lồ công nghệ như Microsoft, Alphabet, Meta, Oracle (trừ Amazon) có thể nhận tỷ suất lợi nhuận âm từ các khoản đầu tư hàng nghìn tỷ USD vào trung tâm dữ liệu AI. Dựa trên kỳ vọng của nhà phân tích về doanh thu và chi tiêu vốn giai đoạn 2025-2030, tốc độ tăng đầu tư (~20%/năm) vượt xa tốc độ tăng doanh thu dự kiến (~15%/năm). Tác giả nhấn mạnh, đầu tư công nghệ hiện giải thích 93% tăng trưởng GDP Mỹ. Nếu các công ty cắt giảm chi tiêu, không chỉ chuỗi cung ứng (Nvidia, TSMC, ASML) bị ảnh hưởng mà nền kinh tế Mỹ có thể suy thoái, kéo theo thị trường chứng khoán lao dốc. Các IPO của OpenAI, Anthropic được xem như cách chuyển giao rủi ro từ nhà đầu tư ban đầu sang các nhà đầu tư tổ chức và cá nhân. Dù cơn sốt có thể kéo dài đến 2026 nhờ IPO, nhưng thực tế toán học khắc nghiệt (cần thêm 2-5 nghìn tỷ USD doanh thu để đạt lợi nhuận 10%) khiến việc điều chỉnh là không tránh khỏi vào 2027-2028, tương tự bong bóng dot-com những năm 2000. Câu hỏi then chốt: ai sẽ trả giá cho cuộc chạy đua cơ sở hạ tầng đắt đỏ này?

marsbit4 giờ trước

Cảnh báo bong bóng AI: Đầu tư vào AI mang lại lợi nhuận âm cho hầu hết các gã khổng lồ công nghệ

marsbit4 giờ trước

Từ Token đến Lao động Máy móc: AI đang chuyển từ Công cụ thành 'Người lao động'

Từ công cụ thành "công nhân": AI đang trở thành lực lượng lao động máy móc Bài viết phân tích sự chuyển dịch trong thị trường AI: từ việc bán token hay giờ GPU đơn thuần, sang một thị trường "lao động máy móc" mới, nơi chính công việc được hoàn thành bởi phần mềm trở thành đối tượng được định giá và giao dịch. Tác giả dự đoán cơ chế định giá AI sẽ phát triển qua bốn giai đoạn: token thô -> thị trường năng lực LLM tiêu chuẩn hóa -> thị trường lao động theo ngành -> thị trường kết quả có thể lập trình. Trong tương lai, doanh nghiệp có thể không còn quan tâm công việc do model hay GPU cụ thể nào thực hiện, mà chỉ quan tâm liệu nó có được giao đúng tiêu chuẩn về độ trễ, độ chính xác, độ tin cậy và chi phí hay không. Điều này cũng làm thay đổi vai trò của con người, chuyển sang giám sát, chịu trách nhiệm, quản lý ngữ cảnh và đưa ra phán quyết cuối cùng - những yếu tố có thể trở nên có giá trị hơn. Bài viết nhấn mạnh AI không chỉ đơn thuần thay thế lao động mà mở rộng thị trường tổng thể. Khi chi phí công việc giảm, nhu cầu có thể tăng lên, tạo ra những loại hình công việc và dịch vụ mới khả thi về mặt kinh tế. Thị trường lao động máy móc sẽ bắt đầu từ những công việc có thể được xác định rõ ràng và đo lường được, hướng tới việc biến lao động máy móc thành một yếu tố sản xuất mới có thể được thu mua, thanh toán và giao dịch.

marsbit4 giờ trước

Từ Token đến Lao động Máy móc: AI đang chuyển từ Công cụ thành 'Người lao động'

marsbit4 giờ trước

Việc giảm giá 99% của Xiaomi MiMo không phải là chiêu trò marketing! Luo Fuli đăng X để phản bác những kẻ bi quan

Trong bài viết, tác giả phân tích động thái giảm giá API lên tới 99% cho dòng MiMo-V2.5 của Xiaomi và phản bác các ý kiến cho rằng đây chỉ là chiến lược marketing hay "bán lỗ cướp thị trường". Lộ Phúc Lợi, người đứng đầu MiMo, đã công bố một blog kỹ thuật dài 5000 chữ để giải thích cơ sở kỹ thuật của mức giá mới. Bài viết mô tả sáu trụ cột công nghệ chính cho phép mức giảm giá này: 1. **Kiến trúc Hybrid SWA (Sliding Window Attention):** Giảm dung lượng bộ nhớ tạm (KVCache) xuống còn 1/7 so với Full Attention truyền thống. 2. **Quản lý KVCache hai bể riêng biệt:** Tối ưu hóa việc phân bổ bộ nhớ để triệt để tận dụng lợi thế của SWA, tăng gấp 5 lần số lượng người dùng đồng thời. 3. **Hệ thống tiền tố cache được cải tiến:** Đảm bảo an toàn và nâng cao tỷ lệ trúng cache lên tới 93-95%, khiến phần lớn yêu cầu đọc lặp lại hầu như không cần tính toán lại. 4. **Hệ thống lưu trữ phân tán GCache:** Triển khai trực tiếp trên ổ SSD của máy GPU, giảm chi phí lưu trữ xuống gần bằng 0. 5. **Hệ thống điều phối LLM-Router:** Tối ưu định tuyến và lập lịch, ưu tiên các yêu cầu có cache, tăng hiệu suất tổng thể. 6. **Dự đoán đa token (MTP):** Giảm chi phí tạo văn bản (output), hoàn thiện vòng tròn giảm chi phí cho toàn bộ quá trình xử lý. Những cải tiến này, khi kết hợp, tạo ra một chuỗi tối ưu toàn diện làm giảm đáng kể chi phí tính toán và lưu trữ cho mỗi yêu cầu. Bài viết kết luận rằng mức giảm 99% không phải là con số tiếp thị, mà là kết quả có thể chứng minh của một hệ thống kỹ thuật hoàn chỉnh, một phương pháp giảm chi phí đáng để ngành tham khảo.

marsbit6 giờ trước

Việc giảm giá 99% của Xiaomi MiMo không phải là chiêu trò marketing! Luo Fuli đăng X để phản bác những kẻ bi quan

marsbit6 giờ trước

Giao dịch

Giao ngay
Hợp đồng Tương lai
活动图片