定个小目标，半年内成长为心中合格的产品经理：

①熟悉现有大模型方案的能力，知道每种需求的实现成本和实现路径。并能展望技术未来2年的发展。

②熟悉客户，知道什么需求和什么程度的需求满足度能够让客户付费。

③知道如何寻找能够正对于目标场景的数据集，并能够构建量化的效果评估方式。

④熟悉触达这些客户的方式，知道如何运营客户的生态社区。

———
系列分享索引帖
LLM论文分享：m.okjike.com

AI Code （ Agent 向）在产品上，要解决一个问题：
如何调用开发工具。

Debug 是程序员的核心能力
目前当下各家能做到静态 log 调试
无论是被动接受用户输入
亦或是主动读取 terminal 输出

但是需要动态调试的场景
比如断点调试 或者 web 开发里的 F12 Console 报错
目前还是无法主动读取到信息

目前没法实现这个事的底层逻辑也很简单：
无论是文件编辑器（e.g. vs code）
或者是 IDE （e.g. Jetbrains 全家桶）
右键一下，有丰富的工具来辅助开发

而这些工具是面向人类设计的
而非 AI

如何让 AI 去调用这些工具
又或者面向 AI 设计新的 Debug 工具
是 AI Coding 产品必须啃下的一块硬骨头

注：
我个人理解，AI Coding 可以大致分为两类：
Copilot 向：人主导，AI 复制，比如 GitHub Copilot（可能是最早的 AI Coding？但退环境了），大部分 AI Coding 插件（需要人去复制粘贴信息的）
Agent 向：AI 主导，人监管，比如 devin，windsurf，这类能直接去对文件做增删改查操作，能根据 terminal 输出修改操作，具备一定的规划能力。

京杭快线，运送顶级牛马

披着朝露出发，在上班前就能落地
中午前就能到甲方公司挨骂

过去一年，遇到最多的问题是
​“AI 应用怎么赚钱”
​“AI 应用怎么落地”
​
​我的答案是：不知道
​
​但我知道的是，一切都在悄悄改变...
​———
过去一年我们团队体验了很多 AI 产品
大部分都写过深度测评报告
存档在军火库里

也有不少产品
已经深深嵌入了我们的工作流

———
这份榜单
无关流量，无关活跃度和留存
也无关是否为商业上的成功

来自于我们的深度体验
来自于设计理念/产品交互的独领风骚
来自于愿景或使命，对我们的触动

​完整地址： mp.weixin.qq.com
​———
​
​去年 4 月份 LLM API 大幅降价
​很多声音觉得会迎来 AI 应用大爆发
​（包括我也是）
​
​而站在 2025 回过头看，只想到这几个字：
​降低预期
​静待花开

今天上午，送审了一个跨年主题的智能体
​转眼一想，好快，2024 要结束了
​
​回望这一年，
与很多人相遇，也与很多人告别
​
​但一直陪伴着的
​是老师前辈们的悉心教导
​是身边伙伴们的坚定支持
​
​是奋斗，是勤奋
​是争吵，是和解
​
是​「溪河」的脚踏实地
是​「江洋」的雄心壮志
​
​ 2025，继续热烈地，向阳而生☀️

原谅我笑出了声

如果把 llm 作为流程里的一个节点， 大部分模型都支持 json mode，开启后就只回 json 字段，可以提取字段值做后续流程，比如调插件

如果不支持的话，可以用文字匹配的方式，start pos 为```json，end pos 为```

中间部分就是 json string，用任意一个 json 库就能加载 json 数据了

start pos 和 end pos 的截取原因是，在 markdown 里这么表示代码

```编程语言
<代码>
```

Q: 如何构建一个有价值的 Agent
@dangjin 老师的分享永远干货满满

coze 还是 1️⃣

发大更新的时候
一定要做好向前兼容

技术发展，解决两个事：
1. 帮我们偷懒
2. 帮我们娱乐

AI 不应该是让我们 wow 的主体
这个主体是我们脑中那个 wow 的想法