即刻App年轻人的同好社区
下载
置顶🔥ChatGPT 中文指南🔥震撼发布
一周内 GitHub 狂揽 500+ ⭐，帮助中文用户了解和使用 ChatGPT，收集了丰富的 ChatGPT 工具、应用与示例。项目持续更新，欢迎关注，欢迎 Star⭐~
一周内 GitHub 狂揽 500+ ⭐，帮助中文用户了解和使用 ChatGPT，收集了丰富的 ChatGPT 工具、应用与示例。项目持续更新，欢迎关注，欢迎 Star⭐~
GitHub - yzfly/awesome-chatgpt-zh: ChatGPT 中文指南，指令指南，精选资源清单，更好的使用 chatGPT 让你的生产力 up up up!
390 45334
公司不 AI Native，产品转化率和对手至少相差 10 倍
最近在用各家的产品服务，这个体感很深。
有的产品文档能复制为干净 Markdown 的文档，1 秒复制出 API 说明，丢给 Claude Code，快的话 5 分钟写好接入代码，直接能用。
不能复制的呢？光手动整理文档就花 5 到 10 分钟，复制出来还不干净，agent 写的调用代码动不动就出功能问题。API
接口参数多、结构复杂，这个差距在单接口上已经明显了。一旦涉及复合调度——比如同时对接大模型
API、数据存储、语音服务——文档质量的差距被成倍放大。agent 读不准一个接口的参数，后面整条链路全是连锁反应。
同样一个开发任务，文档对 agent 友好的，十分钟跑通。不友好的，折腾半天还在调 bug。速度差 10 倍。
而且人是有惯性的。开发者用 agent
接了三五个服务之后，哪家顺、哪家卡，手上全有数。下次选型不用比功能、不用比价格，手感已经替他决策了。
对 agent是否友好，短期影响接入速度，长期塑造开发者的倾向性。
这个事很小。但它让我想了一些更大的东西。
我们天天说 AI native，但 AI native 的核心到底是什么？不是 AI 更强了，是人类世界对 agent 开放了。
就体现在这样一些细节上——能不能转干净的 Markdown，能不能接 MCP，能不能接 Skill。
人类文明的全部基础设施，都是给人建的。文档给人读，界面给人点，流程给人跑。现在多了一类用户——agent。但整个世界没有为它开门。
就像互联网来的时候，不是把纸质目录扫描成 PDF 就叫"上网"，是信息的组织方式从根上变了。
现在也一样，不是给文档加个"复制为Markdown"按钮就叫 AI native，是所有承载知识、服务、能力的东西，都要重新长出一层给 agent 用的接口。
历史上每次出现新的"用户"，旧世界都得重建接口。文字是给记忆建接口，印刷术是给知识建接口，互联网是给信息建接口。
现在 agent 来了。整个人类世界欠它一层接口。这层接口落到实处，至少三件事：
1. Markdown 是 Agent ·文档的接口。 人看网页，agent 读 Markdown。文档不能干净地转成 Markdown，agent 就读不懂你的知识。
2. MCP 是 Agent 服务的接口。 人用 GUI 点按钮，agent 通过 MCP 调用服务。没有 MCP，agent 面对再强的平台也只能干看着。
3. Skill 是 Agent 能力的接口。 人靠经验和判断做事，agent 靠 Skill 封装的流程做事。能力没有 Skill 化，就只留在人的脑子里，agent 接不住。
哪个接口不通，agent 就在哪里断掉。
说实话，自己公司 WhoBot 在这一点上当前也做得不够好。但这件事一定会推——文档 Markdown 化，接口 MCP 化，能力 Skill 化。一个一个通。
人类世界的东西，要和 agent 世界开放互通。这是这一代基础设施要做的事。
最近在用各家的产品服务，这个体感很深。
有的产品文档能复制为干净 Markdown 的文档，1 秒复制出 API 说明，丢给 Claude Code，快的话 5 分钟写好接入代码，直接能用。
不能复制的呢？光手动整理文档就花 5 到 10 分钟，复制出来还不干净，agent 写的调用代码动不动就出功能问题。API
接口参数多、结构复杂，这个差距在单接口上已经明显了。一旦涉及复合调度——比如同时对接大模型
API、数据存储、语音服务——文档质量的差距被成倍放大。agent 读不准一个接口的参数，后面整条链路全是连锁反应。
同样一个开发任务，文档对 agent 友好的，十分钟跑通。不友好的，折腾半天还在调 bug。速度差 10 倍。
而且人是有惯性的。开发者用 agent
接了三五个服务之后，哪家顺、哪家卡，手上全有数。下次选型不用比功能、不用比价格，手感已经替他决策了。
对 agent是否友好，短期影响接入速度，长期塑造开发者的倾向性。
这个事很小。但它让我想了一些更大的东西。
我们天天说 AI native，但 AI native 的核心到底是什么？不是 AI 更强了，是人类世界对 agent 开放了。
就体现在这样一些细节上——能不能转干净的 Markdown，能不能接 MCP，能不能接 Skill。
人类文明的全部基础设施，都是给人建的。文档给人读，界面给人点，流程给人跑。现在多了一类用户——agent。但整个世界没有为它开门。
就像互联网来的时候，不是把纸质目录扫描成 PDF 就叫"上网"，是信息的组织方式从根上变了。
现在也一样，不是给文档加个"复制为Markdown"按钮就叫 AI native，是所有承载知识、服务、能力的东西，都要重新长出一层给 agent 用的接口。
历史上每次出现新的"用户"，旧世界都得重建接口。文字是给记忆建接口，印刷术是给知识建接口，互联网是给信息建接口。
现在 agent 来了。整个人类世界欠它一层接口。这层接口落到实处，至少三件事：
1. Markdown 是 Agent ·文档的接口。 人看网页，agent 读 Markdown。文档不能干净地转成 Markdown，agent 就读不懂你的知识。
2. MCP 是 Agent 服务的接口。 人用 GUI 点按钮，agent 通过 MCP 调用服务。没有 MCP，agent 面对再强的平台也只能干看着。
3. Skill 是 Agent 能力的接口。 人靠经验和判断做事，agent 靠 Skill 封装的流程做事。能力没有 Skill 化，就只留在人的脑子里，agent 接不住。
哪个接口不通，agent 就在哪里断掉。
说实话，自己公司 WhoBot 在这一点上当前也做得不够好。但这件事一定会推——文档 Markdown 化，接口 MCP 化，能力 Skill 化。一个一个通。
人类世界的东西，要和 agent 世界开放互通。这是这一代基础设施要做的事。
8 42
总说不可能，是因为见到的「能」太少了
在北京，提前两个半小时出门都不一定能赶上大兴机场的飞机。
但那天，离起飞不到两小时，我还躺在床上。 最后不仅赶上了，还比先出发的女朋友更早到登机口。
我复盘了一下是怎么做到的。
——
过年前一天，8:55的飞机，我定了早上5点的闹钟，打算坐地铁去大兴机场，时间刚刚好。
结果闹钟没响。
睁眼看到外面蒙蒙亮，拿起手机一看，7:05。脑子嗡的一下就慌了。赶紧算了一下，导航说到机场一小时二十分钟，我心想现在应该没那么堵，拼一把的话最快一小时十分钟也许能到。管不了那么多了，先冲再说。
穿衣服，合行李箱，手机同时叫车，冲下楼。7:15坐进车里。从睁眼到上车，十分钟，这辈子出门最快的一次。
但是一上车看导航，预估到达时间要一个小时二十分钟，也就是8点半以后才能到。我自己估的是最快也要一小时十分钟，那也是8点半左右了。8:55的飞机，8点半才到机场，心又凉了一截。
然后就遇到了这个司机。
一上车他先问我要不要开发票、要不要报销。我当时急得要死，以为他想取消单不拉我，差点骂出来。他说"那你继续"，就开了。后来我才知道，打车平台对司机有限速，他其实是在确认能不能放开跑。
怎么说呢，在北京待了这么多年，打过无数次车，这是我坐过最快的一次。
他每个路口基本都是绿灯通过的。在北京开过车的人都知道，大路口等一个红灯意味着什么——减速，等一分多钟，起步，再提速，一个红灯轻松耗掉三五分钟。他全程几乎没吃到红灯，几个路口下来就省了十几分钟。
上了高速以后全程顶着限速跑，中间有慢车该超就超，干净利落。
最让我服的是路线规划。他主动跟我说别走导航推荐的那条，换了一条看着稍微远一点的路。我当时其实没底，但选择信他。那条路导航显示也有点堵，他说那种堵耗时更短。事实证明他是对的。
然后我就坐在车上，看着导航上的预估到达时间一路往前跳。8:35，8:25，8:15，8:05……最后8点出头就到了。
导航说一小时二十分钟，我自己估的最快也要一小时十分钟。他不到四十分钟就送到了。说实话，挺魔幻的。
到了机场我直接走急客通道，下车前就把航旅纵横的二维码准备好了，亮一下就过。最后不仅赶上了飞机，还比女朋友先到了登机口——她先出发的，我后到的机场，但我先到的登机口。
那天我给了他两倍车费，当过年红包。想想如果没赶上，机票改签加上多在北京待一天，损失远不止这个数。
更让我服的是，过完年回北京，我约了这个司机接机。那天十一点多落地，出来快十二点了，走高速。凌晨之后下高速是要收过路费的。这哥们掐着点，凌晨前两分钟从高速口出来了。
对时间和路线的掌控，真的是刻在骨子里的。后来我加了他微信，这种水平的司机，太少见了。
——
这件事对我触动挺大的。
天时地利人和，很多事是有可能做到的。
以前打车也说过赶时间，但体感上从来没超出导航预估太多，该赶不上还是赶不上。我一直觉得从家到大兴机场，七十分钟就是下限了，不可能再快。
结果同样的目的地，换个人来开，不到四十分钟，省了将近一半。
我突然意识到，自己脑子里有好多这种"不可能"。不是真的不可能，是我从来没见过有人做到过，就默认觉得不行了。
那天真的给我打开了一个口子。以后遇到事情，有机会能拼一把就拼一把，能闯一下就闯一下。不是说一定能成，但至少别还没试就自己先把路堵死了。
在北京，提前两个半小时出门都不一定能赶上大兴机场的飞机。
但那天，离起飞不到两小时，我还躺在床上。 最后不仅赶上了，还比先出发的女朋友更早到登机口。
我复盘了一下是怎么做到的。
——
过年前一天，8:55的飞机，我定了早上5点的闹钟，打算坐地铁去大兴机场，时间刚刚好。
结果闹钟没响。
睁眼看到外面蒙蒙亮，拿起手机一看，7:05。脑子嗡的一下就慌了。赶紧算了一下，导航说到机场一小时二十分钟，我心想现在应该没那么堵，拼一把的话最快一小时十分钟也许能到。管不了那么多了，先冲再说。
穿衣服，合行李箱，手机同时叫车，冲下楼。7:15坐进车里。从睁眼到上车，十分钟，这辈子出门最快的一次。
但是一上车看导航，预估到达时间要一个小时二十分钟，也就是8点半以后才能到。我自己估的是最快也要一小时十分钟，那也是8点半左右了。8:55的飞机，8点半才到机场，心又凉了一截。
然后就遇到了这个司机。
一上车他先问我要不要开发票、要不要报销。我当时急得要死，以为他想取消单不拉我，差点骂出来。他说"那你继续"，就开了。后来我才知道，打车平台对司机有限速，他其实是在确认能不能放开跑。
怎么说呢，在北京待了这么多年，打过无数次车，这是我坐过最快的一次。
他每个路口基本都是绿灯通过的。在北京开过车的人都知道，大路口等一个红灯意味着什么——减速，等一分多钟，起步，再提速，一个红灯轻松耗掉三五分钟。他全程几乎没吃到红灯，几个路口下来就省了十几分钟。
上了高速以后全程顶着限速跑，中间有慢车该超就超，干净利落。
最让我服的是路线规划。他主动跟我说别走导航推荐的那条，换了一条看着稍微远一点的路。我当时其实没底，但选择信他。那条路导航显示也有点堵，他说那种堵耗时更短。事实证明他是对的。
然后我就坐在车上，看着导航上的预估到达时间一路往前跳。8:35，8:25，8:15，8:05……最后8点出头就到了。
导航说一小时二十分钟，我自己估的最快也要一小时十分钟。他不到四十分钟就送到了。说实话，挺魔幻的。
到了机场我直接走急客通道，下车前就把航旅纵横的二维码准备好了，亮一下就过。最后不仅赶上了飞机，还比女朋友先到了登机口——她先出发的，我后到的机场，但我先到的登机口。
那天我给了他两倍车费，当过年红包。想想如果没赶上，机票改签加上多在北京待一天，损失远不止这个数。
更让我服的是，过完年回北京，我约了这个司机接机。那天十一点多落地，出来快十二点了，走高速。凌晨之后下高速是要收过路费的。这哥们掐着点，凌晨前两分钟从高速口出来了。
对时间和路线的掌控，真的是刻在骨子里的。后来我加了他微信，这种水平的司机，太少见了。
——
这件事对我触动挺大的。
天时地利人和，很多事是有可能做到的。
以前打车也说过赶时间，但体感上从来没超出导航预估太多，该赶不上还是赶不上。我一直觉得从家到大兴机场，七十分钟就是下限了，不可能再快。
结果同样的目的地，换个人来开，不到四十分钟，省了将近一半。
我突然意识到，自己脑子里有好多这种"不可能"。不是真的不可能，是我从来没见过有人做到过，就默认觉得不行了。
那天真的给我打开了一个口子。以后遇到事情，有机会能拼一把就拼一把，能闯一下就闯一下。不是说一定能成，但至少别还没试就自己先把路堵死了。
131 1612
用户不需要"学会"使用你的产品。
字节好多产品的厉害不在于技术多炫，而在于对"低门槛"的极致追求。"上滑"这个交互是一个缩影：它把用户的决策成本压到了零。不需要搜索、不需要选择、不需要思考，手指一划，内容就来了。
尊重普通人的注意力和耐心。把复杂留给系统（推荐算法、内容分发），把简单留给用户。抖音、红果、汽水，包括豆包输入法，本质上都遵循同一个设计哲学——用户不需要"学会"使用你的产品。
能把这个做成体系化能力（而不是某个天才产品经理的灵光一现），靠的是一套数据驱动 + A/B 测试的方法论，让"什么是好体验"变成了可度量、可迭代的东西。
字节好多产品的厉害不在于技术多炫，而在于对"低门槛"的极致追求。"上滑"这个交互是一个缩影：它把用户的决策成本压到了零。不需要搜索、不需要选择、不需要思考，手指一划，内容就来了。
尊重普通人的注意力和耐心。把复杂留给系统（推荐算法、内容分发），把简单留给用户。抖音、红果、汽水，包括豆包输入法，本质上都遵循同一个设计哲学——用户不需要"学会"使用你的产品。
能把这个做成体系化能力（而不是某个天才产品经理的灵光一现），靠的是一套数据驱动 + A/B 测试的方法论，让"什么是好体验"变成了可度量、可迭代的东西。
36 22
Trae 啥时候支持一下 Gemini 哈哈，期待
前一阵子Trae solo 模式发布的时候还在讨论Claude无法使用影响大不大，现在看来接入gemini 3.0 应该就行了，编程能力杠杠的。
前一阵子Trae solo 模式发布的时候还在讨论Claude无法使用影响大不大，现在看来接入gemini 3.0 应该就行了，编程能力杠杠的。
4 10
Gemini 3 现在成了我的首选模型
编程和很多任务上比Claude还好用，而且没有像Claude一样严重的封号、针对国人的情况。
并且aistudio 就可以免费用到最新最强的模型，function call等agent能力也领先Claude，没有理由不用。
22年到现在差不多三年过去，整个大模型格局已经发生很大变化，GPT不再是断崖式领先的最佳模型，谷歌的优势越来越凸显，模型不断进步，体感明显。
Gemini3 值得拥有，目前就是贵一点，期待flash版本发布，能比较好的支持应用。
编程和很多任务上比Claude还好用，而且没有像Claude一样严重的封号、针对国人的情况。
并且aistudio 就可以免费用到最新最强的模型，function call等agent能力也领先Claude，没有理由不用。
22年到现在差不多三年过去，整个大模型格局已经发生很大变化，GPT不再是断崖式领先的最佳模型，谷歌的优势越来越凸显，模型不断进步，体感明显。
Gemini3 值得拥有，目前就是贵一点，期待flash版本发布，能比较好的支持应用。
9 30
Claude更新到4.5以后，越来越喜欢用最小必要原则沟通了。
我会给Claude说这些 "符合最小必要原则"、"用最小必要语言"、"用极简必要篇幅"、"给我最小可行实现"
4.5 版本输出支持更长了，但是过度表达，过度设计的情况很严重，总是容易洋洋洒洒就突出几千字内容，看这么大量文字太花时间了。
一个回答里能明显感到长文字越到后面质量越差，一段对话也是越长越到后面能明显感觉到质量下滑。
注意力宝贵，像奥卡姆剃刀一样剔除不必要的内容，非必要，不输出。
其他一些使用小习惯还包括:
(1) 前置一个需求讨论环节，对齐需求后再干活
(2) 看AI内容有数字的时候，下意识会检查数字，数字不准的概率比较高
(3) 文字类强调直接输出，不要调用工具创建文档，创建artifacts，这样又慢又占上下文窗口还容易失败。并且artifacts的历史版本管理有问题，有丢内容和版本的情况。
(4)一事一议，新话题新开chat沟通。
(5) 多角色多视角沟通。一个话题开多个chat，不同chat 角色不同，有的是舔狗，有的是死对头，有的是朋友等角色看不同角色的反应和建议。
(6) pua 还是很有效，也很有趣呀hh。让Claude当我的合伙人，干得好一亿分你一半，干不好一起卷铺盖滚蛋。
(7) 用多轮对话对齐需求(广义的一个大prompt)，保存这个chat视为一个专项员工，或者总结对话为一段提示词(作为封号备份)。以后有需要就使用这个chat了。
(8) 等Claude结果的时候同时开GPT-5，Gemini，一起干活，取三者精华使用。GPT-5 thinking 开到最大然后要求穷极思考，给Claude的结果提手术刀式建议，然后把建议给Claude自己改。
我会给Claude说这些 "符合最小必要原则"、"用最小必要语言"、"用极简必要篇幅"、"给我最小可行实现"
4.5 版本输出支持更长了，但是过度表达，过度设计的情况很严重，总是容易洋洋洒洒就突出几千字内容，看这么大量文字太花时间了。
一个回答里能明显感到长文字越到后面质量越差，一段对话也是越长越到后面能明显感觉到质量下滑。
注意力宝贵，像奥卡姆剃刀一样剔除不必要的内容，非必要，不输出。
其他一些使用小习惯还包括:
(1) 前置一个需求讨论环节，对齐需求后再干活
(2) 看AI内容有数字的时候，下意识会检查数字，数字不准的概率比较高
(3) 文字类强调直接输出，不要调用工具创建文档，创建artifacts，这样又慢又占上下文窗口还容易失败。并且artifacts的历史版本管理有问题，有丢内容和版本的情况。
(4)一事一议，新话题新开chat沟通。
(5) 多角色多视角沟通。一个话题开多个chat，不同chat 角色不同，有的是舔狗，有的是死对头，有的是朋友等角色看不同角色的反应和建议。
(6) pua 还是很有效，也很有趣呀hh。让Claude当我的合伙人，干得好一亿分你一半，干不好一起卷铺盖滚蛋。
(7) 用多轮对话对齐需求(广义的一个大prompt)，保存这个chat视为一个专项员工，或者总结对话为一段提示词(作为封号备份)。以后有需要就使用这个chat了。
(8) 等Claude结果的时候同时开GPT-5，Gemini，一起干活，取三者精华使用。GPT-5 thinking 开到最大然后要求穷极思考，给Claude的结果提手术刀式建议，然后把建议给Claude自己改。
45 921
