关于AIGC人工智能、思维方式、知识拓展，能力提升等。投稿/合作： @inside1024_bot
AIGC 领域的最新工具、开源项目以及行业大事件
AIGC 领域的最新工具、开源项目以及行业大事件
大数据时代：“我们的数据科学模型运行良好，问出在底层数据上”
现代数据栈时代：“我们的仪表盘运行良好，问出在底层数据上”。
人工智能时代：我们的聊天机器人运行良好，问出在底层数据上。
智能体人工智能时代：“我们的智能体运行良好，问在于底层数据”
@aigc1024
现代数据栈时代：“我们的仪表盘运行良好，问出在底层数据上”。
人工智能时代：我们的聊天机器人运行良好，问出在底层数据上。
智能体人工智能时代：“我们的智能体运行良好，问在于底层数据”
@aigc1024
这两天密集见了不少大厂朋友、猎头和投资人，收获特别大。以后准备每个季度专门抽两天时间，跟不同圈子的人聊聊。
平时埋头工作，还是很容易慢慢陷入到自己的信息茧房里。下面是这两天的一些笔记。
1、这源自一个猎头朋友的洞察。他说，整个行业现在真正缺的，是把 AI 变成实际生产力的人。
会用 WorkBuddy、ChatGPT、各种 Agent，很快就不算什么特别有价值的能力了，因为这些工具会越来越简单，人人都会用。
真正拉开差距的仍然是业务理解和判断能力。
比如面对一个业务问，能不能搞清楚问卡在哪里，哪些环节可以重新设计，然后把整个流程跑通，交付一个真正有用的结果。
所以未来很多岗位的分水岭，根本不在执行能力上。只会按部就班完成任务的人，价值感还是很容易被 AI 压缩。
2、无论大公司还是小公司，现在都越来越追求人才密度。
以前一个团队里，有几个特别厉害的人，再搭配一些普通执行者，也能运转。但 AI 出来以后，这种结构确实在快速变化。
一个能力 80 分甚至 90 分的人，配上好的 AI 工具，能覆盖的工作范围会迅速变大。
举个例子，以前需要产品、研发、运营几个人一起完成的事情，现在一个能力比较强的人，自己就能先跑出一个七八十分的版本。
这时候 60 分和 90 分的人之间，差距就不只是 30 分了。
高手借助 AI 放大自己的能力，能力一般的人，原来赖以存在的执行工作又恰恰最容易被 AI 接过去。
所以以后好公司可能会越来越倾向于少招人。一个岗位宁愿空半年，也不愿意为了把 HC 填满，随便找一个差不多的人。
3、一个做管理的朋友，之前每天差不多 80% 的时间都在开会、协调、沟通。最近因为一些变化，重新回到半一线状态，开始自己做产品、写东西、解决具体问。他说最大的感受是整个人突然重新有了创造的快乐。
这让我越来越觉得，这个时代纯管理岗的风险很大。
一个管理者如果离开了组织和头衔以后，自己已经不会做任何具体事情，竞争力会越来越弱。
反过来，一个人如果还保持好奇心，愿意自己下场做东西，现在可能真的是一个特别好的时代。
4、跟几个朋友聊选人的逻辑，我越来越认同一句：筛选远远大于培训。过去很容易有一种想法，觉得这个人能力差一点没关系，态度好就行，慢慢教。
后来会发现，一个人的思维方式、责任感、做事情的标准，改变起来非常困难。
尤其是成年人。一个人如果习惯了等靠要，很难靠几次培训让他变成一个主动发现问的人。
所以无论是招普通员工，还是找合伙人，前面的判断特别重要。
发现不合适，尽快 say no，这样双方成本都更低。很多管理问，表面上看是在讨论怎么带人，往前追一步，其实是当初选错了人。这绝对是真理。
5、AI 越来越强以后，我反而越来越觉得审美和价值判断特别重要。
以前一个人做不出好东西，可能是能力不够。现在很多时候能力已经不是瓶颈了，真正的问变成了，知不知道什么是好的东西。
AI 一次可以给十几个方案。如果自己没有判断标准，这十几个方案其实没有太大区别，最后只能挑一个看起来最顺眼的。
我想起呼兰之前的观点，他说接触一个新领域，最重要的是先去建立审美。
先大量看这个领域里真正好的东西，搞明白高手为什么这么做，什么算好，什么只是看起来热闹。
有了坐标之后再去模仿，慢慢形成自己的东西。
6、吴军在一个访谈里说，懂行的人驾驭 AI，不懂行的人依赖 AI。
很多人觉得 AI 越来越强以后，自己就不用懂那么多了。
领导给一个需求，交给 AI，AI 给答案，再交给领导，好像就能完成工作。
但仔细想想这个角色其实非常危险。因为这只是在领导和 AI 之间做了一层转发，既不清楚领导真正想解决什么，也判断不了 AI 给的答案对不对。
只要模型再往前走一步，这层人很容易就没有存在的必要了。所以 AI 越强，越不能放弃对专业本身的理解。
懂得越深，越知道怎么问、怎么判断、什么时候该信 AI、什么时候该怀疑它。
这样 AI 才真正成为杠杆。
7、关于 AI 取代工作的焦虑，很多人其实是在消极面对。
真正值得担心的可能不是某一天突然被 AI 替代，而是在未来五年、十年里，明明已经看见工作方式在变，自己却一直没有变。
历史上的技术革命基本也是这样。很少有人昨天还工作正常，第二天整个职业突然消失。
真正被淘汰的人，往往有很长的调整时间，只是这段时间里一直没有做出调整。
8、一个投资人跟我讲了一个区分能动性高低的框架，特别有意思。
能动性低的人，总希望行动之前把问全部想清楚。这件事情成功概率多大？最优路径是什么？失败怎么办？能不能先给一个完整答案，再决定要不要开始。
但很多事情根本没有完整答案。只有真的做了第一步，现实世界才会给新的信息，然后才能决定第二步怎么走。
高能动性的人看待行动完全不同。第一步本身就是用来获取信息的。先做一个版本，先发出去，先找人聊，先试着卖，拿到真实反馈再调整。
AI 对这种人的价值非常大。过去一次试错可能要一周，现在一天可以跑很多轮。一个本来就愿意行动的人，迭代速度会变得非常夸张。
但一个人如果始终坐在那里，想靠思考把所有不确定性消灭掉，AI 给再多答案也没什么用。现实世界的反馈，没法被提示词替代。
9、人真的是环境的反应器。一个朋友前半年跳槽到一家 AI 公司，几个月没见，这次再聊的时候，非常明显地感觉到他整个人的状态都变了。
说的方式、关注的问、每天学的东西，跟之前完全不一样。
我们很容易低估环境的影响。总觉得自己是独立思考的，但实际上每天和什么人待在一起，大家讨论什么问，周围人的工作标准是什么，会一点点改变对正常的理解。
身边所有人都觉得一天做完一件事已经很快，慢慢也会接受这个速度。身边的人每天都在试新工具、做新东西，也很难完全无动于衷。
有条件的，尽量让自己待在一个好的环境里。环境没法直接把一个人变优秀，但它会不断告诉人什么叫正常。这个正常的标准特别重要。
10、日常工作里，可以刻意训练自己追求又快又好。
以前经常觉得，不着急的事情就慢慢做，反正时间还早。但最近越来越觉得，即使没有外部 deadline，也可以主动给自己设一个。
比如原来一天能做完的事情，试试看两个小时能不能完成，而且质量不能明显下降。
一旦目标变成又快又好，就会被迫重新思考工作方式。哪些步骤其实没必要，哪些事情可以交给 AI，什么时候最容易被打断，什么事情必须集中精力一次做完。
很多效率问并不是能力问，只是以前从来没有要求自己足够快。
速度本身也是一种训练。一个人开始习惯快速完成、快速反馈、快速迭代以后，单位时间获得的经验也会更多，最后又会反过来让质量继续提高。
@aigc1024
平时埋头工作，还是很容易慢慢陷入到自己的信息茧房里。下面是这两天的一些笔记。
1、这源自一个猎头朋友的洞察。他说，整个行业现在真正缺的，是把 AI 变成实际生产力的人。
会用 WorkBuddy、ChatGPT、各种 Agent，很快就不算什么特别有价值的能力了，因为这些工具会越来越简单，人人都会用。
真正拉开差距的仍然是业务理解和判断能力。
比如面对一个业务问，能不能搞清楚问卡在哪里，哪些环节可以重新设计，然后把整个流程跑通，交付一个真正有用的结果。
所以未来很多岗位的分水岭，根本不在执行能力上。只会按部就班完成任务的人，价值感还是很容易被 AI 压缩。
2、无论大公司还是小公司，现在都越来越追求人才密度。
以前一个团队里，有几个特别厉害的人，再搭配一些普通执行者，也能运转。但 AI 出来以后，这种结构确实在快速变化。
一个能力 80 分甚至 90 分的人，配上好的 AI 工具，能覆盖的工作范围会迅速变大。
举个例子，以前需要产品、研发、运营几个人一起完成的事情，现在一个能力比较强的人，自己就能先跑出一个七八十分的版本。
这时候 60 分和 90 分的人之间，差距就不只是 30 分了。
高手借助 AI 放大自己的能力，能力一般的人，原来赖以存在的执行工作又恰恰最容易被 AI 接过去。
所以以后好公司可能会越来越倾向于少招人。一个岗位宁愿空半年，也不愿意为了把 HC 填满，随便找一个差不多的人。
3、一个做管理的朋友，之前每天差不多 80% 的时间都在开会、协调、沟通。最近因为一些变化，重新回到半一线状态，开始自己做产品、写东西、解决具体问。他说最大的感受是整个人突然重新有了创造的快乐。
这让我越来越觉得，这个时代纯管理岗的风险很大。
一个管理者如果离开了组织和头衔以后，自己已经不会做任何具体事情，竞争力会越来越弱。
反过来，一个人如果还保持好奇心，愿意自己下场做东西，现在可能真的是一个特别好的时代。
4、跟几个朋友聊选人的逻辑，我越来越认同一句：筛选远远大于培训。过去很容易有一种想法，觉得这个人能力差一点没关系，态度好就行，慢慢教。
后来会发现，一个人的思维方式、责任感、做事情的标准，改变起来非常困难。
尤其是成年人。一个人如果习惯了等靠要，很难靠几次培训让他变成一个主动发现问的人。
所以无论是招普通员工，还是找合伙人，前面的判断特别重要。
发现不合适，尽快 say no，这样双方成本都更低。很多管理问，表面上看是在讨论怎么带人，往前追一步，其实是当初选错了人。这绝对是真理。
5、AI 越来越强以后，我反而越来越觉得审美和价值判断特别重要。
以前一个人做不出好东西，可能是能力不够。现在很多时候能力已经不是瓶颈了，真正的问变成了，知不知道什么是好的东西。
AI 一次可以给十几个方案。如果自己没有判断标准，这十几个方案其实没有太大区别，最后只能挑一个看起来最顺眼的。
我想起呼兰之前的观点，他说接触一个新领域，最重要的是先去建立审美。
先大量看这个领域里真正好的东西，搞明白高手为什么这么做，什么算好，什么只是看起来热闹。
有了坐标之后再去模仿，慢慢形成自己的东西。
6、吴军在一个访谈里说，懂行的人驾驭 AI，不懂行的人依赖 AI。
很多人觉得 AI 越来越强以后，自己就不用懂那么多了。
领导给一个需求，交给 AI，AI 给答案，再交给领导，好像就能完成工作。
但仔细想想这个角色其实非常危险。因为这只是在领导和 AI 之间做了一层转发，既不清楚领导真正想解决什么，也判断不了 AI 给的答案对不对。
只要模型再往前走一步，这层人很容易就没有存在的必要了。所以 AI 越强，越不能放弃对专业本身的理解。
懂得越深，越知道怎么问、怎么判断、什么时候该信 AI、什么时候该怀疑它。
这样 AI 才真正成为杠杆。
7、关于 AI 取代工作的焦虑，很多人其实是在消极面对。
真正值得担心的可能不是某一天突然被 AI 替代，而是在未来五年、十年里，明明已经看见工作方式在变，自己却一直没有变。
历史上的技术革命基本也是这样。很少有人昨天还工作正常，第二天整个职业突然消失。
真正被淘汰的人，往往有很长的调整时间，只是这段时间里一直没有做出调整。
8、一个投资人跟我讲了一个区分能动性高低的框架，特别有意思。
能动性低的人，总希望行动之前把问全部想清楚。这件事情成功概率多大？最优路径是什么？失败怎么办？能不能先给一个完整答案，再决定要不要开始。
但很多事情根本没有完整答案。只有真的做了第一步，现实世界才会给新的信息，然后才能决定第二步怎么走。
高能动性的人看待行动完全不同。第一步本身就是用来获取信息的。先做一个版本，先发出去，先找人聊，先试着卖，拿到真实反馈再调整。
AI 对这种人的价值非常大。过去一次试错可能要一周，现在一天可以跑很多轮。一个本来就愿意行动的人，迭代速度会变得非常夸张。
但一个人如果始终坐在那里，想靠思考把所有不确定性消灭掉，AI 给再多答案也没什么用。现实世界的反馈，没法被提示词替代。
9、人真的是环境的反应器。一个朋友前半年跳槽到一家 AI 公司，几个月没见，这次再聊的时候，非常明显地感觉到他整个人的状态都变了。
说的方式、关注的问、每天学的东西，跟之前完全不一样。
我们很容易低估环境的影响。总觉得自己是独立思考的，但实际上每天和什么人待在一起，大家讨论什么问，周围人的工作标准是什么，会一点点改变对正常的理解。
身边所有人都觉得一天做完一件事已经很快，慢慢也会接受这个速度。身边的人每天都在试新工具、做新东西，也很难完全无动于衷。
有条件的，尽量让自己待在一个好的环境里。环境没法直接把一个人变优秀，但它会不断告诉人什么叫正常。这个正常的标准特别重要。
10、日常工作里，可以刻意训练自己追求又快又好。
以前经常觉得，不着急的事情就慢慢做，反正时间还早。但最近越来越觉得，即使没有外部 deadline，也可以主动给自己设一个。
比如原来一天能做完的事情，试试看两个小时能不能完成，而且质量不能明显下降。
一旦目标变成又快又好，就会被迫重新思考工作方式。哪些步骤其实没必要，哪些事情可以交给 AI，什么时候最容易被打断，什么事情必须集中精力一次做完。
很多效率问并不是能力问，只是以前从来没有要求自己足够快。
速度本身也是一种训练。一个人开始习惯快速完成、快速反馈、快速迭代以后，单位时间获得的经验也会更多，最后又会反过来让质量继续提高。
@aigc1024
人就是很奇怪，一方面讨厌看 AI 写的文章，一方面又到处找消除 AI 味的 Skill，试图用 AI 写出没有 AI 味的文章。
卡兹克的这个 Skill 没什么问，而且现在用估计效果还不错，但你再过一段看，还一样会看出 AI 味。就是那种很刺眼的奇怪的词语搭配，很结构化的叙事，很难用言语表达，但你过些时候回头看就很别扭的那种。
我自己也花了一段时间写这样的 Skill，现在已经放弃了，AI 是不能代替人写作的，再好的模型再好的 Skill 也不行。
但我还是会大量使用 AI 翻译，会使用 AI 辅助写作。
比如帮我收集资料，比如一起讨论，比如帮我调整结构、润色。
写作最痛苦的是经常会“卡”住，因为你找不到合适的内容去承上启下，而这事 AI 反倒是很擅长，虽然不一定能写的比你好，但是经常能给你灵感。
所以我现在写东西，经常想到哪写到哪，可能写的很乱，没什么结构，然后就把这份乱七八糟的草稿扔给 AI，让它帮我基于原本文字的风格，重新写一遍，这样还是自己要表达的东西，也是自己原本文字的风格所以没什么 AI 味，但读起来会通顺很多。
如果要求再高一点，就基于草稿提出一些要求，帮助找出自己可能疏漏的点；再找不同的 AI 出几个不同风格的版本。最后取长补短，重新写一份。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
卡兹克的这个 Skill 没什么问，而且现在用估计效果还不错，但你再过一段看，还一样会看出 AI 味。就是那种很刺眼的奇怪的词语搭配，很结构化的叙事，很难用言语表达，但你过些时候回头看就很别扭的那种。
我自己也花了一段时间写这样的 Skill，现在已经放弃了，AI 是不能代替人写作的，再好的模型再好的 Skill 也不行。
但我还是会大量使用 AI 翻译，会使用 AI 辅助写作。
比如帮我收集资料，比如一起讨论，比如帮我调整结构、润色。
写作最痛苦的是经常会“卡”住，因为你找不到合适的内容去承上启下，而这事 AI 反倒是很擅长，虽然不一定能写的比你好，但是经常能给你灵感。
所以我现在写东西，经常想到哪写到哪，可能写的很乱，没什么结构，然后就把这份乱七八糟的草稿扔给 AI，让它帮我基于原本文字的风格，重新写一遍，这样还是自己要表达的东西，也是自己原本文字的风格所以没什么 AI 味，但读起来会通顺很多。
如果要求再高一点，就基于草稿提出一些要求，帮助找出自己可能疏漏的点；再找不同的 AI 出几个不同风格的版本。最后取长补短，重新写一份。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
让 Codex 再优化一轮，现在这版本已经接近商用水准了。
照这个「发现 idea → 自动调 Codex 出小游戏」的流程走，每天产出一个小游戏完全没问，自己搭一个 4399 真不是大问。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
照这个「发现 idea → 自动调 Codex 出小游戏」的流程走，每天产出一个小游戏完全没问，自己搭一个 4399 真不是大问。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
https://mp.weixin.qq.com/s/DfQFOgOZxhReNiXbYG8ybA
后面会持续 track Tag 类 AI Coworker 的落地，最近尤其关心：
1. 权限问要怎么解
2. Coding 之外的白领 Use Case 价值感都不够明显，那要怎么铺开，更广泛的白领场景究竟会以什么节奏落地
欢迎关注这个方向的朋友多多来找我交流！
@aigc1024
大胆猜测一下： deepseek 的 API 价格大幅涨价的时间点应该也是 deepseek harness 发布的时间点，同步可能推出巨划算的 coding plan，然后迅速获得海量用户。
@aigc1024
@aigc1024
一款免费开源的AI工作台换肤工具，支持为Codex、WorkBuddy等主流AI应用一键切换主外观。
内置多套配色方案，可自定义界面风格，满足个性化视觉需求。所有处理在本地完成，无需联网，保护隐私安全。
🔗：https://pan.quark.cn/s/683bb91d8e22
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
😃 爆庄实录｜3天狂揽1086万U😃 新客首存6万U，豪提209万U😃 500一拉，PG实力兑现133万U
