PAW 百万播放零转化引发开发者营销论战

ProgramAsWeights（PAW）作者 yuntiandeng 的传播困境引发了一场关于研究型开发者工具如何营销的公开讨论：其 English<->Claudish demo 播放量达 100 万并明确标注由 PAW 构建，却几乎没有转化为用户，作者本人也公开复盘「营销差在哪」。

已确认

• 开发者 willcb 公开批评 yuntiandeng 整周在相关推文下刷屏推广 PAW，令人反感，并指出百万播放也没换来用户。
• willcb 认为项目概念复杂到没人第一眼看得懂：模型多小、Mac 上多快、要不要管 Qwen 后端、为何要 GPT 等问题都没讲清；他费了很大劲才确认 PAW 的本质是 LoRA 搜索/编译，建议直接明说，因为目标用户本来就懂 LoRA。他给出的推荐表述是：PAW 通过合成示例为小于 1B 的模型搜索 LoRA；若对标 Jev，则应突出差异化能力。
• willcb 反对用「just 3 lines of code」「像 jev 但本地开源」这类宣传语掩盖复杂度，认为研究者与开发者恰恰想理解底层复杂性，并建议 PAW 学习 DSPy 式叙事。
• willcb 还质疑 PAW 的开源策略：这类项目在找到大众市场匹配前应在 GitHub 上生长，作者却跳到自建社区平台，等于自断增长；代码看起来像 DSPy 那样的通用库，实际只是托管服务的客户端。
• 在推广打法上，willcb 建议分类施策：若想吸引目标用户，就加倍投入能展示 PAW 能力的 engaging 内容——threads、demo、视频、图形；若目标是研究影响力，就多讲方法本身和训练配方。他还提出「推文当论文摘要、博客当扩展版」的论文推广思路，读者被说服后才去读全文细节。
• yuntiandeng 回应架构质疑：PAW 论文核心创新是将「理解任务规格」与「执行任务」分离——任务只编译一次，之后由 0.6B 小模型在本地对大量输入重复执行（compile-once/run-many）。
• yuntiandeng 澄清 PAW 与 Jev 架构相当不同：PAW 不输出置信分数，也不保证输出属于预定义类别之一，不应被当作「开源本地版 Jev」；但他观察很多应用本就不需要置信分数。

尚未确认

• willcb 提到的性能细节（如 Mac 上运行速度、模型规模上限）尚无作者给出的具体数据回应。

为什么重要

这场争论折射出研究型开源工具的普遍困境：技术上有真实创新（任务编译、小模型本地执行），但定位不清、渠道错配会让传播效果大打折扣——百万播放 demo 几乎零转化，对独立开发者是有警示意义的案例。willcb 的建议（直说核心机制、GitHub 优先生长、按受众区分内容策略）也构成一份可复用的开发者工具营销清单。

2026-09-21 ~ 2026-09-21 · 11 条相关

• 【源头】百万播放 demo 没带来用户,PAW 作者自问营销差在哪 — yuntiandeng · 2026-09-21
• 开发者吐槽同行在评论区刷屏营销,百万播放也没换来用户 — willcb · 2026-09-21
• 开发者再批 PAW 推广策略:GitHub 藏起来等于自断增长 — willcb · 2026-09-21
• 【源头】PAW 作者解释核心设计：任务编译一次，0.6B 小模型本地多次执行 — yuntiandeng · 2026-09-21
• 「像 jev 但本地开源」是错位定位？开发者热议 PAW 应学 DSPy 叙事 — willcb · 2026-09-21
• 「只需 3 行代码」或是败笔:开发者想看清复杂度 — willcb · 2026-09-21
• 【源头】开发者建议 PAW 直说自己是小模型 LoRA 编译器,别让用户猜 — willcb · 2026-09-21
• PAW 作者澄清:与 Jev 架构不同,无需置信分数的三行代码方案 — yuntiandeng · 2026-09-21
• 开发者支招 PAW 定位：直接讲 LoRA 搜索，对标 Jev 需突出差异化能力 — willcb · 2026-09-21
• 论文推广新打法:推文当摘要,博客当扩展版 — willcb · 2026-09-21
• 推广建议:用 demo 内容展示 PAW,研究向则讲训练配方 — willcb · 2026-09-21