尝试组织并运营一个 AI 产品的交流圈子，不知道能不能搞得起来：

希望能构建这样的交流氛围
1️⃣ 讨论真正的工程问题（提示词、上下文、工具构建…），而不是“哪个 AI 可以画原型图”
2️⃣ 讨论大模型能力和边界（幻觉、推理、上下文压缩…），而不是“这模型还是不知道 9.8 和 9.11 谁大啊”
3️⃣ 讨论创新模型交互和体验，而不是“不就是个 AI 浏览器么”

为了确保质量，需要这样的伙伴：
1️⃣ 在做 AI 大模型产品（可以独立开发），而不只是使用、爱好、想学习
2️⃣ 愿意且能够交流、讨论 AI 的应用经验和心得，而不只是围观
3️⃣ 理解大模型的基本原理和独特价值，而不是连个提示词都写不利索

我可以提供：
1️⃣ 每周固定分享一个 AI 项目的拆解
2️⃣ 各种相对前沿的 AI 资讯和产品体验心得
3️⃣ 正在维护的一个 AI 产品 PRD 框架和模板
4️⃣ 还算不错的工程经验和提示词功底

感兴趣的伙伴，带一段简单的介绍+微信号私我（如果符合条件，我会加你好友，在邀请入群之后把这段介绍同步进群）

分别给 Kimi 的 CLI 和阶跃的 Galeb-Zero（跟豆包AI手机相似的开源模型）贡献了代码哈哈哈哈哈

什么是合格的产品经理？

“能把自己做的产品一句话说清楚”，算一条标准。

我有在运营一个 AI 产品经理交流群，每天都有人加我好友申请入群

入群前我会要求对方介绍自己在做的产品，以审核是不是真的在做事。

这个规则几乎筛掉了一半的人😮‍💨

很多人一长串文本下发过来，完全看不懂在说什么（有些用那种很“官”的表达方式，我甚至不愿阅读）

产品经理为数不多的壁垒就是思维方式和表达能力，这俩基本功都不修炼的人，很难想到可以提供什么交流价值🥹

刚仔细看了一下，才发现 DeepSeek-3.2 这个测评数据，是跟 GPT-5-High、Sonnet-4.5、Gemini-3-Pro 对比的

要知道其他家还在跟 Sonnet-4 对齐……

关键是好几个测评数据都不输那三个顶级模型

前两天 Claude 发 Opus 4.5 的时候，是把坐标轴拉到 70，才有那么一点点优势的

这个图，纵轴是从 0 开始的，真特么牛逼

这个Speciale版本，融合了前两天发布的拿了一堆金牌的 Math 模型，直接就把智力拉爆了

稍有遗憾的是，这个 Speciale 又贵(因为输出 token 巨多)又不能使用包括 Function Calling、json Output 在内的多项工具调用能力(意味着AI 编程肯定不行了)

但是，要玩抓紧玩，12 月 15 日官方 API 就不支持了，不知道是下线还是，升级？

此刻 AI 产品的重要目标，应该通过系统性降低智能消费门槛，让不懂技术、不懂提示词的普通人，也能自然地把 AI 当成日常工作与生活中的基础设施。

大语言模型的能力已经足够强，但目前主要是“专家友好型”的：

- 需要用户具备较强的信息组织能力和清晰的任务分解能力，才能写出高质量提示词。
- 这对普通人来说，是一个不小的门槛。

技术突破之后，真正普及的关键，不是继续堆能力，而是把复杂能力包装成简单可用的场景和体验。

对 AI 产品而言，应该把“降低普通人消费智能的门槛”作为核心的北极星指标

围绕这个北极星，可以从以下几个方向做产品化：

- 场景化封装：用任务模板代替裸对话框；
- 自动补全与纠错：让系统代替用户完成提示词工程；
- 结构化输出与多模态呈现：让结果一眼可懂、可执行；
- 工具链整合：从“给答案”走向“帮你把事做完”；
- 可解释与可控：降低用户对 AI 的信任和风险顾虑；
- 个性化学习：让 AI 越用越懂用户，减少重复沟通成本。

然后通过一系列可观测指标来验证这些方向，比如：
- 新用户首日完成关键任务的比例；
- 平均交互轮次与达成时间；
- 模板使用率与任务闭环率等

各厂牌的大模型从今年下半年开始似乎分路线了，还挺有意思的：

大厂在让模型连接人，小厂连接机器。
大厂模型 ToC，小厂模型 ToB。

国内模型虽然多，但特征都明确且扎堆：
Kimi、DeepSeek、Step、MiniMax、GLM 最近几个版本都是死磕 Agent、代码和推理，导致模型对话、文案生成都冰冷冷的，不肯多说一个字。

豆包和千问则在持续保留主模型的“类人性”，分支出单独的 Coding 模型。

国外模型也差不多：

OpenAI一直在力保主模型的人情味（前面 4.x 出现过一次大规模反对，立马回滚了），5.x 版本的 code 模型独立更新。

Gemini 2.5 Pro 一直是最有人味儿的，彩虹屁拍的啪啪响。3 Pro 还没深度体验，但所有回答开篇的彩虹屁一句没少，从写前端的美感来看，应该还是个“文科生”。

而 Claude 从 3.7 开始就不考虑人的感受了，想尽一切办法让 AI 写代码、调用工具。

这个路线的分化，大概率是他们能够抢占的资源导致的：大厂们要一直保持好对用户的服务，而小厂们抢不到人，只能往“机器”上靠拢了。

如果这个趋势是正确的，就要劝一劝腾讯了：别抱着 DeepSeek 大腿没完没了了，自己还是得有适合自己的特色的模型。

一个残酷的事实：当我们解释 “AI 不能取代人类时”，所使用的那些理由，并不能代表每个“人类”。

比如所谓的“思辨能力”、“创意”、“环境感知”、“判断力，其实只有那些很厉害的人类才有。

大部分人类，其实并没有这些 AI 不具备的能力，但同时又不具备 AI 拥有的那些能力。

以“判断力”为例，你身边一定有大量的这样的同事：自己不知道在做的工作有没有做完，自己“做完”以后，必须等着领导或甲方审批。如果对方给出否定结论，除了挠头、生气、无能狂怒以外，并不能提出基于自己判断的意见。

他们不知道自己在做什么，也从没思考过自己做的是什么，没有自己的方法论，只有执行、修改、执行…

但做的又不如 AI 好，耐心也没有 AI 好。

以下是 GPT-5.1 润色后的论述，更扎心…

效果已经炸裂了的话，就晚了吧🥹 //@阿提斯特: 试完效果炸裂，已经提醒同伙们了😱

分享一个群友分享的飞书问答的阴险「小 Tips」

用 Dify 的循环节点搭了一个具备自主决策能力的Agent（整体流程见图二）

用“原始的方法”搭完以后，进一步理解了 Agent 本质的三句话：

LLM make the loop
LLM in the loop
LLM end the loop

这事儿用 Dify 实现的核心难点并不是让 Agent 拥有决策能力，而是为 Agent 构建上下文。

需要确保每一轮循环都带有上一轮的所有产出

写代码的话，直接一个 message.append 就可以拼起来了

但是在 Dify 里，得专门搞一个会话变量来追加……

#dify #agent #llm #AI #智能体

这篇关于「短视频成瘾对认知及心理健康」的影响爆火，总结下来就是：

想要脑子好、心情好、睡得好，少刷短视频。

让@Kimi智能助手 总结了一下

---

这篇题为《Feeds, Feelings, and Focus》的论文，发表于《Psychological Bulletin》，是一项系统综述与荟萃分析，研究了短视频使用（如TikTok、抖音、YouTube Shorts等）与认知功能、心理健康之间的关系。研究整合了71项实证研究，涵盖98,299名参与者，分析了短视频使用频率、成瘾程度、使用方式等因素如何影响注意力、自控力、焦虑、抑郁、睡眠等多个健康指标。
以下是10个关键洞察及其方法与启示：
----
1. 短视频使用与认知能力下降存在中等程度负相关（r = -0.34）
• 方法/数据：荟萃分析14项研究，涵盖注意力、记忆、自控力等多个认知维度。
• 启示：频繁刷短视频可能削弱持续专注力和学习能力，建议控制使用时长，尤其在学习和工作前避免使用。
----
2. 注意力和自控力是与短视频使用最密切相关的认知功能（r = -0.38 和 -0.41）
• 方法/数据：研究细分认知领域，发现注意力和自控力的相关性最强。
• 启示：短视频的快速切换和即时反馈可能削弱大脑维持专注和抑制冲动的能力，尤其在青少年中更明显。
----
3. 短视频使用与心理健康问题呈弱到中等程度负相关（r = -0.21）
• 方法/数据：整合61项研究，涉及焦虑、抑郁、压力、睡眠等指标。
• 启示：虽然影响不是极强，但长期高频使用短视频可能与焦虑、抑郁等负面情绪有关，需警惕情绪变化。
----
4. 焦虑和压力是与短视频使用最密切相关的心理健康问题（r = -0.33 和 -0.34）
• 方法/数据：通过亚组分析发现，这两个领域与短视频使用相关性最强。
• 启示：如果发现自己刷短视频后更容易焦虑或情绪波动，可能需要减少使用或调整内容类型。
----
5. 短视频使用频率与心理健康之间无明显关联，但“成瘾性使用”影响显著（r = -0.32）
• 方法/数据：比较不同测量方式（频率、时长、成瘾程度）发现，成瘾性使用影响最大。
• 启示：不是“用多久”，而是“是否控制不住地用”更关键。若出现强迫性使用，建议寻求干预或设定使用边界。
----
6. 年龄不是调节因素，青少年与成年人均表现出类似的负面关联
• 方法/数据：亚组分析显示，青少年与成年人在认知与心理健康影响上无显著差异。
• 启示：短视频的影响不分年龄，成年人同样需要警惕其负面效应，不能掉以轻心。
----
7. 使用多个短视频平台（如抖音+快手+小红书）比只使用一个平台对心理健康影响更大
• 方法/数据：分析“平台类型”发现，泛短视频使用（多平台）比单一平台影响更显著。
• 启示：尽量避免在多个平台间来回切换，这可能加剧信息过载和情绪疲劳。
----
8. 短视频使用与身体形象和自尊之间无显著关联
• 方法/数据：分析多个研究发现，整体效应不显著，部分研究甚至发现正面影响。
• 启示：短视频内容多样化，部分内容（如身体正能量）可能提升自我接纳，关键在于“看什么”而非“看多少”。
----
9. 短视频使用与睡眠质量下降有关（r = -0.22）
• 方法/数据：部分研究指出睡前使用短视频会延迟入睡、降低睡眠质量。
• 启示：建议睡前1小时避免使用短视频，尤其是刺激性内容，以保护睡眠节律。
----
10. 内容类型和使用动机可能决定短视频的影响方向（正面或负面）
• 方法/数据：论文指出内容类型未被充分研究，但已有研究显示教育、正能量内容可能有益。
• 启示：主动选择内容类型（如学习类、健身类）可能带来积极体验，避免被动刷“算法推荐”的低质量内容。
----
总结：短视频不是“洪水猛兽”，关键在于“怎么用”“看什么”“是否成瘾”。有意识地控制使用时间、选择高质量内容、避免睡前使用，是普通人减少其负面影响的三大核心策略。

论文原文：psycnet.apa.org