即刻App年轻人的同好社区
下载
App内打开
张佳的流量常识
113关注3k被关注2夸夸
👀关注流量和AI的工程实现
🧑🏻‍💻公众号:喜新
🤖 最近痴迷Agent
🚶‍♂️句子互动|Wechaty|南方健康|新榜
张佳的流量常识
2天前
一个产品,是不是 Agent 友好真的已经开始影响我决定要不要使用它了。

Agent Figma 画布里生成内容,得开会员,搞得我只能切换到腾讯新出的那个 Ardot 产品了

过去俩月,在 Ardot 上做的图快赶上 figma 用了三年的量了

Obsidian 这个笔记软件,我之前基本只用来当写字的画板

最近发一个 Agent 友好的用法,开始重度使用了。

我会在让 Hermes 干“大”活(一次交付巨多文档)的时候,下楼买个咖啡或者溜达一圈,但是 Hermes 干活的耗时是低于我溜达一圈的,这就很不效率,而 Hermes 输出在电脑上的文档溜达的时候不能实时看、反馈很难受

最近给 Obsidian 装了一个同步插件,Hermes 干完输出到 Obsidian 的仓库,让它同步一下,我溜达的时候拿着 ipad 可以直接看,非常爽!
00
张佳的流量常识
2天前
判定内容是否由 AI 生成最简单方式:**有没有虚假加粗**。

大部分 AI 都忍不住加粗,但是它们不知道有地方加不了…
00
张佳的流量常识
2天前
灰到小微 AI 的分享下,除了刚开始测试的那一圈功能以外,其他还有在用么?

我在想,AI 这波是不是不该这么玩儿?

用聊天代替手动「点开」,真的是对的方向么?
00
张佳的流量常识
4天前
你都买十几台了才意识到,下次出新款他们还能骗到你,我甚至有点想打赌🌚

EasyPlux: 小米股价最近暴跌,我这七八年来换的小米手机加起来快有十几台了,算米粉了?我觉得我还是有发言权的,如果让我换下一台手机,我应该不会再换小米了,为什么呢?因为它总是再不该耍小聪明的时候耍小聪明。 我这台是ultra系列,当初买的时候是旗舰手机,刚到手的时候我买ultra就是为了给小孩子拍照,因为摄像头好,能够出片,最开始拿到手的人像确实让我眼前一亮,那种光晕模糊效果也确实可以和相机有的一拼,如果按照这种出片效果,我宁可接受它笨重,耗电快,充电慢的缺陷,因为我可以随时随地拿起来拍孩子拍风景。但是它就开始耍小聪明了,手机一更新,相机就报废,新一代ultra出来,老ultra的拍照水平直接掉成渣了。一定要负向优化吗?照片质量断崖式下降,只有老手机调低才能对比出新手机吗?我觉得大家都不是傻子,能消费旗舰手机的用户,多少都能理智判断。在这些上面耍小聪明,散失的是未来的营收,而股票是反应未来公司的价值。 小米现在的问题是只有雷军撑着,而雷军又能撑多久?卢伟冰挑不起大梁。以前能挑大梁的红米的王腾出事走了,未来的希望,周受资去了tiktok,雷总是真的无人可用啊,自己的精力全部都在车子上,而车子销量全球退坡,在一个下行市场找增量,无异于逆水行舟。最后主业手机也丢失了竞争力和份额。 如果苹果下一代出折叠,我应该就回到苹果的生态了。

00
张佳的流量常识
6天前
每一个产品经理都应该想想如何让自己的产品被 Agent 高效使用,甚至应该立刻着手开始改造。

因为 figma 链接 Agent 那个 MCP 需要开至少 dev 级会员,我把过去五年在 figma 上的所有素材导出切换到腾讯新出的还不咋稳定的 Ardot 了…

就是因为自己现在懒得设计封面了,Agent 写完文章就应该直接顺手把封面做了,而不是我给它擦屁股。

但,没有任何理由,为了让 Agent 用上我都不舍得充钱的软件而去充钱。
00
张佳的流量常识
6天前
把一个任务,被肢解成可表达和可协作的状态很爽。很庆幸我是自由职业为自己打工,上班的话我应该会很恐慌…

思南nan: 原来一直以为,数据分析师的工作里,产品埋点设计是最难被 AI 替代的部分之一。 就像研发可能会觉得,写代码可以让 AI 辅助,但架构设计很难完全交给 AI。因为架构设计不是简单堆代码,而是要理解业务目标、系统边界、模块关系、可扩展性和后续维护成本。 埋点设计其实也很像。它不是把 PRD 里的按钮和页面机械地整理成一张表,而是要理解: 这个功能真正想解决什么业务问题? 用户会经过哪些路径? 哪些状态变化会影响后续分析? 哪些事件需要新增,哪些应该复用历史? 哪些字段客户端拿不到,应该服务端上报或数仓落表? 哪些边界状态如果现在不记录,上线后就再也分析不出来? 所以我一开始并不觉得 AI 很适合做这件事。 我最初的尝试也确实失败了。 当时我直接把 PRD 和历史埋点文档一起发给 AI,让它按照原有格式生成一份新的埋点文档。结果生成出来的东西看上去很完整,但实际质量并不高,需要人工修改的部分非常多,甚至还不如自己从头设计。 后来我意识到,问题不是 AI 不能参与埋点设计,而是我把一个“需要设计过程的任务”,当成了“一次性生成任务”。 就像用 AI 做研发,不能直接说“帮我开发一个功能”,而是要先有需求理解、产品方案、架构拆解,再进入开发和 code review。 埋点设计也是一样。 不能一上来就让 AI 生成最终埋点表,而是要把它拆成一个稳定流程: 第一步,不生成埋点,先让 AI 结构化理解 PRD:功能目标、用户角色、页面入口、主路径、分支路径、异常路径、状态变化、数据分析目标。 第二步,让 AI 拆用户路径和状态流转:每一步是页面曝光、点击、弹窗、状态变化,还是服务端结果?如果不埋点,后续会缺失什么分析能力? 第三步,路径清楚后,再让 AI 生成事件和参数:事件名、触发时机、上报端、参数含义、枚举值、是否必填、设计原因。 第四步,让 AI 反向做 review:有没有历史事件可以复用?有没有参数冗余?有没有研发不可实现或测试不可验收的问题? 第五步,把人工反馈再喂回去,让 AI 二次迭代,最后输出埋点平台格式、研发注意事项和测试 checklist。 这样之后,AI 的角色就变了。 它不是直接替我“拍脑袋设计埋点”,而是变成了一个协作对象:拆结构,生成初稿,检查风险,最后根据人工反馈收敛方案。 这件事给我最大的启发是: 很多我们以为 AI 做不好的工作,可能不是因为它真的不能做,而是因为我们没有把专家经验拆成 AI 能执行的中间步骤。 如果只给 AI 一个终点,它很容易生成一个“看起来像答案”的东西。 但如果把任务拆成需求理解、路径拆解、方案生成、质量校验、反馈迭代,它就有机会参与真正的工作流。 所以我现在越来越觉得,AI 最值得落地的地方,未必是那些最简单、最重复的工作。 反而是那些过去高度依赖经验、又可以被拆成稳定流程的灰色地带,就像埋点设计。 这个自动化做好了之后,现在埋点设计助手设计埋点的时间,远小于我理解完prd review它设计合理性的时间🫠

10
张佳的流量常识
6天前
大模型在定价的时候,已经告诉你怎么用了。

输出价格是输入的 4

你给 10 个字的提示词,要求模型输出 1 万字,就是“败家子儿”。
02
张佳的流量常识
8天前
点赞的283 人和转发的 200 人应该都没看出这条主题是 AI 写的。讽刺的是,点赞最多的那条评论是 AI 写的,账号可能因为用 AI 发评论被封了🥲

辉老板: 最近半年疯狂在用Codex,整理一下目前我最常用的10个日常场景。 1、产品需求池自动管理 开发赚钱的虚拟产品,首先是对核心需求的掌握。所以,我把用户反馈、评论区、私聊记录、差评、退款理由、同行产品页都丢进去,让 Codex 自动整理,甚至专门做了一个skill,判断: 解决的到底是用户什么痛点 交付轻,售后压力低, 尽量自动化 需求长期存在, 不过度依赖单一平台 用户容易理解,没有太多心智成本 竞争不激烈,没几个同行做 让Codex 帮你判断需求质量。现在最重要的能力不是“开发能力”,而是需求筛选能力 代码可以让AI写,但需求判断错了,写得越快,亏得越多。 2、自动做竞品拆解 除了从需求分析,还会让Codex做同行竞品的拆解。这件事很重要。 有很多产品,看起来销量不错,但一拆就发现,交付很重,售后很多,并不适合我这种想做轻交付、可自动化、一人公司模式的人。 所以我现在看竞品,不是为了抄。而是为了看清楚谁在卖,卖给谁,卖什么,怎么交付,利润空间在哪里,风险在哪里,还有没有没被满足的小需求,我去做,有什么独特的优势。 谋定而后动。 3、开发赚钱产品 前面讲的是需求判断,需求判断完之后,下一步就是把它开发成真正能卖钱的产品。这一点本来就是 Codex 最基础的事情:写代码。 以前做一个产品,很容易从零开始想。现在不是,现在是套流程,先判断需求,再拆核心功能,再确定页面和交付链路,再决定后端和数据库,最后部署上线,根据用户反馈继续迭代。这样一来,开发速度就非常快。 很多虚拟产品,本质上底层技术结构都很像,只是换了不同用户、场景和内容一旦模板跑通,后面就不那么吃力,而是复制、改造、组合、上线。 这也是我现在接定制项目的底气。因为客户要的东西,就是把一个需求变成能用、能交付、能上线、能收钱的产品。Codex 负责提高开发效率,而我负责判断需求、设计产品结构、把控交付边界、控制成本和风险。 所以我现在对 AI 编程最大的感受是,它不是让我变成一个传统程序员,而是让我有能力把一个赚钱想法,更快变成一个可交付的产品。 做得越多,积累越多,开发越快,我就越能抓住市场里的小机会。这才是 Codex 对我真正的价值。 4、自动整理卖点+作产品海报 产品做出来之后,下一步不是急着发售,而是先把卖点讲清楚。很多产品不是没价值,而是用户看不懂。你自己知道功能很多、很有用,但用户只关心一件事:这个东西到底能不能帮我解决问题? 所以我会把产品功能、用户痛点、竞品页面、用户反馈、聊天记录丢给 Codex,让它先帮我整理:这个产品适合谁,解决什么问题,能节省什么时间,能减少什么麻烦,为什么值得买,买完之后能拿到什么。 这些问题整理清楚之后,再让 Codex 基于卖点生成对应的商品海报。 产品做出来只是第一步。能不能把价值讲清楚,才是真正进入销售阶段。 5、搭建产品文档和交付说明 虚拟产品最怕一件事:东西做出来了,但用户不知道怎么用。 所以我会让Codex 帮我把产品自动整理成,使用教程说明书。 这样可以减少大量重复沟通。 6、用 flomo MCP 搜索素材写稿 写文章时,我会直接让 Codex 从 flomo 里搜索相关素材。 以前写一篇文章,要自己翻笔记、找案例、回忆之前讲过什么。 现在可以直接让它把相关笔记都捞出来,再按主题、观点、案例、金句整理。 这对我这种长期写作的人很有用。 因为真正有价值的内容,不是临时编出来的。 而是过去长期观察、思考、实践之后,被重新组织出来的。 7、用飞书CLI存稿入库 写好的稿件,我会通过飞书 CLI 直接存入飞书知识库。 不用再手动复制、粘贴、改格式、建文件。这类动作单次看起来不大,但每天重复,非常消耗人。 Codex 最适合干重复、琐碎、低创造力,但又必须做对。能自动化的,就不要用自己的注意力去换。 8、建立内容创作系统日报 我用 Codex 设置了一个内容创作系统轻量日报。 每天自动帮我回顾,哪些选题可以推进?哪些素材值得捞出来?哪些草稿需要继续处理?哪些文章可以改成视频?哪些内容可以导向产品?哪些旧内容可以重新分发? 这个东西特别适合自媒体人。 因为自媒体最大的内耗之一,就是每天都觉得自己要重新开始。 但其实你过去积累过很多东西。只是需要一个系统每天帮你捞起来。 9、自动做小红书封面 现在做小红书封面,我基本也会交给 Codex。 主要有两种方式:一种是看到不错的同行封面,就把图片丢进去,让 Codex 做多模态分析,拆出它的标题、排版、颜色、结构和视觉重点,然后在这个基础上稍微改一版,变成适合自己产品的封面。 另一种就是直接把产品卖点和笔记主题给 Codex,让它生成几版不同风格的封面图,不断测试哪种点击更好。封面这件事以前很耗时间,现在基本就是丢进去、分析、改图、测试。 稿定会员我都不充了。 10、其他零碎的杂活,我也是能用就用Codex,会有意外的惊喜

10
张佳的流量常识
9天前
Agent 一起学习一个全新概念的正确姿势

新概念,模型一定是不知道的;网络上的信息也大概率是鱼龙混杂的

所以,直接问或者单纯 Deep Research 都不行

比如,刚刚火起来的 Loop Engineering,核心信源就 Peter 的一条𝕏 Boris Cherny 的一小段视频采访,剩下的大部分信息都是大家演绎出来的

尤其是你使用中文 Deep Research,得到的结果大概率是自媒体用 AI 瞎编的Deep Fake

我的学习路径是:

1️⃣ Deep Research,汇总一个研究文档,同时把所有信源扒下来以文档保存。

2️⃣ 初步阅读学习,提出瞎扯的内容重构研究文档。同时根据概念构造一个实践场景(可以让调研 Agent 提供,顺便看它调研的资料对不多)。

3️⃣ 找个靠谱的 Agent,让它参考重构的调研文档和相关资料,把模拟的场景应用开发出来。

4️⃣ 调试迭代直到跑通,让 Codex 根据上下文写一个概念应用项目 SOP。

SOP 既可以用来复习,还能拿来做讲义给别人分享再来一套“费曼学习法”😂
00