即刻App年轻人的同好社区
下载
App内打开
下划线_f
88关注63被关注0夸夸
下划线_f
1月前

于冬琪: 忽然发现，管理初学者的最佳学习对象，其实是DeepSeek。 在和DeepSeek合作的过程中，我发现了三个管理技巧，只要刻意练习，大多数人都能做好管理。 起因是这样的—— 这几天和团队讨论AI的发展，聊到了一个问题：当大模型越来越强，知识储备比人广，逻辑执行比人稳，还24小时无情绪工作——那人类的核心价值到底在哪？ 聊下来发现，其实就三个：独家逻辑、独家信息、独家审美。 其中“独家逻辑”保质期最短——你引以为傲的思维方式，早晚会被大模型学会。但另外两个，“独家信息”和“独家审美”，才是真正的护城河。 顺着这个思路再看商业，会发现一个有趣的视角： 其实早在AI时代之前，很多公司能够做起来，靠的也是这三个独家。 比如， 做内容，常常靠的是老板的独家审美。 做投资、做咨询，常常靠的是独家信息、或者独家逻辑。 对于这样的公司，本质上做管理，在做的其实是：“管理者把员工当大模型用，让员工的审美向管理者对齐的过程”。 老板审美越好、团队对齐越好，企业产能越高。 举个例子。 1、 比如，你可能听说过的“听花岛”（咪蒙的短剧厂牌）。在短剧这个卷生卷死的行业，它做到了一个恐怖的数据：每年产出200部短剧，爆款率稳定在60%。 这意味着平均每个工作日，都有一部短剧出炉，还能保证命中率。 这个产出数量，肯定不是靠天才的灵光一现，而是系统的胜利。 对比之下， 其他公司在产量和爆款率两个指标上，常常只能抓住一个。 比如， 也有审美一流的创始人，但他们的问题是：创始人自己出手，一年能做10-15个好作品。一旦想放量，质量就下滑——因为团队的审美跟不上老板。 更多短剧公司，是产量很高，但是爆款率完全没有保证。 咪蒙是怎么解决的呢？ 除了她自己有审美，她还要求整个团队像训练大模型一样，完成了向自己审美的对齐。 对齐的过程，核心就两招： 第一，日复一日的内容拆解。 团队每天工作16个小时，其中一半时间——8个小时——花在内容拆解上。拆什么？拆爆款，拆竞品，拆自己的作品。拆解之后，一个作品一个作品的与团队讨论。 通过拆解和讨论，让团队对“好内容”的标准逐渐趋同。 不过，老员工被喂了足够多的数据，标准对齐程度还算足够，新人怎么办呢？ 第二，把标准写成文档，既保障老团队的稳定执行、又保证了新团队的快速对齐。 你看，这不就是AI的学习过程吗？ 大量投喂数据，加上明确的反馈机制，形成标准和提示词，最终让模型（团队）的输出无限接近理想目标。 看到这里，很多管理者会说： 我也和团队天天互动呀？团队的每个动作我也会给反馈？日积月累，数据量也足够呀，为什么我的团队总是不能和我的审美有效对齐呢？ 其实这就像DeepSeek和其他国产大模型的对比。 审美对齐的效率，不完全取决于数据量和模型参数，更多是中间有没有坚持深度思考的模式。 什么意识呢？ 02 最近我会越来越多用AI写文章、取标题。 有一次做标题测试，我给了几个大模型同样的提示词：一篇正文，要求起爆款标题，越抓人越好，目标受众是创业者和营销人。 其他模型的回应都很简单：收到正文，开始起标题，越爆越好。 大多数模型的产出，不可避免的标题党——也能理解，我提出的要求是“抓人”嘛。 但DeepSeek不一样。它没有立刻动手，而是先做了一步——“深度思考”： 它先分析我的文章：这篇文章整体是摆事实、讲道理，文风平铺直叙，不夸张不标题党。然后它推理：既然是这样，那么最适合的标题套路，就不是追求“震惊体”，而是提炼文章核心价值，在保持准确传递价值的基础上，用更抓眼球的方式传递。 最后它起的标题，确实比其他模型都好。 DeepSeek在深度思考的过程中，其实一直在试图“理解我”。 我注意到，它一直在做的其实是三件事： 第一，从我给的素材里，猜测除了我说出来的目的，我还有哪些目的和需求——这一步，是挖掘语言后面的潜台词。 第二，从素材和交互中，我的偏好和标准是什么——这一步，保证了在审美标准上的持续对齐——只要对话不结束，它已经总结出的标准会被自动继承。 第三，基于前两步产出的目的和标准，形成计划，之后再执行。 这个套路说起来简单。 但是，AI最可怕的是，不管你怎么对待他，这三个步骤都会被稳定的执行——没有遗忘、没有情绪。 反观我们的大多数员工呢？大多数时候，是没有潜台词和标准总结意识的。 哪怕有的时候，老板给了标准，当下可能记住了，再下一次又忘了。老板的偏好是什么？标准是什么？审美是什么？很多人工作了几年都还是懵的。 其实，我们和团队之间，差的就是那个“深度思考模块”。 同样的信息量下，深度思考执行的稳定与否，决定了对齐的效率。 增加这个模块有两个办法： 第一种，是你自己干、或者要求团队每次注意（比如沟通后必须复盘）。 这也是咪蒙的做法。 其实咪蒙的拆解，是创造了一个专门对齐审美的场合；她总结的标准，则是自己运行了深度思考模式。 但是， 对于大多数管理者来说，可能既没有这样的时间、也难以提醒自己时刻这样做。 第二种，更现实的做法，是你可以尝试让AI助理、或者半个专门的人，承担起“深度思考”的功能。 不管是靠AI助理，还是靠一个善于总结的人工助理——让ta在你和团队的每次交互中出现，记录每一次交互、每一次反馈、每一次修正，基于此，整理成标准。 当对每类事项，都能形成一个标准文档、后面还跟着示例时，你会发现，团队对齐审美的速度就会快得多。 03 和DeepSeek合作久了，还会发现第二个问题。 有时候，一篇文章你觉得挺好的，只有5个新标准要满足。但其实，这篇文章已经符合了10个标准。当我要求AI在符合10个标准的基础上，再增加5个新标准，再干一遍时，它常常满足了这5个标准、又同时丢掉了另外5个标准。 标准一多，AI就会顾此失彼。 这个问题，AI解决不了，人会好一点吗？ 足够贵的人，的确会比AI好，但是大多数人，其实还不如AI。 标准一多，一样顾此失彼。 当标准越来越多，无论是AI还是人，都会顾上一头、丢掉另一头。 怎么办呢？ 我自己实践下来，发现有效的办法是：拆分工作流。 比如写文章，我们现在的做法是，有了素材，素材给AI后，按照这么几个环节顺序工作： 环节一：定切入角度。 只关注“这个角度是否抓人”。 环节二：列大纲。 继承了前一个环节的切入角度，只关注“逻辑是否清晰，能否讲透问题，别一上来就太复杂”。 环节三：把素材里面的金子提炼出来，保留好素材、去掉冗余。 环节四：匹配大纲与素材。 只关注“每个素材是否放在了对的位置”。 环节五：在大纲和对应位置素材的基础上成文。 只关注“文字表达是否流畅、是否通俗易懂”。 你看，每个环节只关注一两个标准。上一个环节的输出，成为下一个环节的输入。标准不需要一次全部达成，而是被拆解到流程里，一个一个分别达成，AI执行起来，就简单了很多。 这对管理的启示是什么？很多管理者喜欢一次给员工提一堆要求——“这个方案要创新，要数据翔实，要排版美观，要符合品牌调性，要……” 员工听完，要么懵。要是不懵、还很有自信，常常是他还不知道这些标准意味着什么、会有多难达成。 对比之下，我想起，此前我认识的一个营销人，再让团队做创意的时候，也会拆分成几个环节： 第一个环节，先只想这个点子新不新、炫不炫，多想，不管可行不可行。 第二个环节，从中选出那些符合品牌调性的。 第三个环节，再选出其中更可行的、成本更低的。 之后，再做规划。 更好的方式常常是：把工作拆成环节，每个环节只要求一两个标准。让员工一次只解决一个问题、只做好一件事。 我现在理解了，所谓工作流的本质，是让最终需要同时达成大量标准的复杂问题，变成多个一次只需要达成几个标准的简单问题。一次只针对一个标准做迭代和调整。 工作流拆分，本质上，则是“基于对标准的理解，建立一个逐个达成标准的工作过程”。 04 拆分工作流之后，和DeepSeek合作时，还会遇到的第三个问题是“幻觉”。 对于我们写的商业文章来说，幻觉主要的表现，就是无视事实、开始胡诹。 对于我们一个做短剧的客户来说，幻觉主要的表现，就是AI开始水剧情。 后来，幻觉这个问题是怎么解决的呢？ 其实靠的是信息量。 说来也很简单： AI什么时候会产生幻觉？当你只给它两三百字想法，让它扩写成2000字文章时。因为它不知道事实，只能自己编，不可接受的幻觉几乎必然产生。 反过来，如果我口述半小时，给了它8000字素材，让它提炼成三四千字文章——它几乎从不会产生幻觉。 幻觉的本质，是信息量不足。 水剧情、低质量的产出、不靠谱的决策，本质都是信息量不足。 管理上也是。 张一鸣有句话我很认同：Context not Control——要给信息，而不是控制动作。 大多数新手管理者，都会本能地想控制动作：“你应该这么做，那么做。” 但问题有两方面： 一方面是， 一个高质量的决策，需要掌握尽可能全面的信息。这些信息一部分在管理者脑子里，但常常还有另一部分在员工手里。 管理者直接拍动作，可能因为不了解一线信息而拍错；员工自己做事，可能因为不了解老板的战略意图而做偏。 谁的信息都不足，谁都会产生“管理幻觉”。 要保证方案质量，拍动作远不如通过讨论同步信息。 另一方面是， 改方案，你改不过来。 同一个信息问题、标准问题，会产出一系列错误方案，修改起来成本无比高昂。 改内容也同样，与其改一篇到处都是漏洞的低质量文章，还不如把信息输入给到位，让它直接更高质量的成稿。 这里，我从DeepSeek身上学到的第三个经验就是： 看到产出问题，除了怀疑员工能力，更要先从信息输入环节找问题。 先改变输入，再看产出。 找团队要方案之前，先要信息和检查信息。 在工作流设计里，每个环节都要明确：这个环节需要哪些信息？这些信息从哪里来？哪些信息需要管理者提供？哪些需要一线收集？ 收集信息，应该变成工作流中间的专门环节。 当信息充分了，只要逻辑能力、感受能力合格，人和AI都能做出高质量决策。 05 这是我向DeepSeek学到的三个管理方式： （1）建立深度思考模块——专门的角色，记录每一次反馈，总结每一次交互，让标准不断沉淀，在老板和员工之间建立共识。而不只是感受性的留在老板脑子里。 （2）拆分工作流——别让员工一次满足太多标准，把标准拆到流程里，让每个环节只专注一两个目标。 （3）保障信息输入——看到产出问题，先别急着改产出，先去上游的信息输入里找找问题。 按照这个思路， 我发现，大多数的问题——甚至包括审美、感受性问题，也都能在管理者与团队之间充分对齐。 比如： 要做“心理”类的内容，或者对话产品。 这类内容，常常要实现的效果是“抚慰人心”。 那么，怎么让内容产出既有专业度，又有情绪穿透力呢？ 可以这么做： 第一步，把小红书上、抖音上那些“抚慰人心”的爆款内容全部爬下来，建立素材库。 第二步，让AI分析这些素材，总结出“什么样的表达有情绪穿透力”——建立标准。 第三步，将心理学相关的专业知识，建立规则。 第四步，将素材与规则匹配起来——碰到哪条规则，可以参考哪些表达。 最后，不管是AI、还是人工，参考素材、基于用户命中的规则，完成改写。 这样，抚慰人心也不再是玄学，而变成了可拆解、可复制、可评价的标准。 你会发现，这其实就是用AI的方式，解决了审美的规模化问题。 回到开头的问题：大模型时代，人还能做什么？ 我的答案是：人要做那个“定义标准、定义审美”的人，而不是“执行标准”的人。 管理者的审美、判断、偏好，是公司最核心的资产。 但如何让这份资产被放大、被复制、被规模化？ 需要的就是团队、AI等，向管理者的审美充分对齐。 建立深度思考模块、按照标准逐个拆解工作流、提供高质量的信息输入，你的团队就不再是“执行老板指令的人”，而是一个持续向老板审美对齐的智能系统。 这是DeepSeek教给我的，AI时代管理的新范式。

00
下划线_f
1月前
下划线_f
1月前

霜天Rina: 今年和爷爷闲聊，确实感受到长辈的认知能影响整个家族。 恋爱一周年，爷爷问我恋爱情况。分别提了三个问题和建议，第一个是：“你们之间除了爱，能不能感受到他对你的尊重？亲密有时候容易产生轻蔑，两个人相爱要建立在平等、尊重彼此人格的基础上。” 第二个建议：“现代社会不再是男主外女主内的分工了，如果说女人要贤惠，男人也应当贤惠。另外，女生要有工作，有自己的事业。” 第三个建议：“要互相包容，看他是否心胸宽阔。人无完人，要能包容彼此的缺点。” 听的时候我一个劲儿点头，表示认可，有些感慨。可能正因为爷爷认知如此，我父辈的亲戚大多婚姻和谐，事业有成，年夜饭桌上很少有登味儿发言。我的表姐堂姐们学历都是硕士起步，不谈恋爱也无人置喙。

00
下划线_f
6月前
图片左边是吴泳铭（现任CEO，右边蔡崇信是阿里董事会主席，反而马云坐中间。不管退休多少年，还是一副老板的姿态，气场不减当年。。按理说现在马云已经退下，根本没有话语权了。
10
下划线_f
1年前
今天一时兴起查了下儿子星座（平常对这个不感兴趣就没查过，就忍不住骂了脏话。一个水瓶座，生命中最重要的三个男人都是处女座，这造的什么孽啊！！😩😩😩😩😩
00
下划线_f
2年前
求推荐科学，上网工具。我自己的全部挂了！ps：。在jike竟然没办法搜索相关的所有代名词！！
10
下划线_f
2年前
都熟了，好想摘
00
下划线_f
2年前
《周处》就剧情而言是非常弱的，拼凑感很强，就电影本身这片一般，可以算是70分吧。。但是阮经天的演技太好了！！！震惊啊！！直接把影片拉到了85分。。
可以明显从剧情看出编剧在写的时候是把陈桂林塑造成一个比较中性的形象，例如增加作为正义代表的陈灰重伤等，强调陈桂林好人坏人都伤（陈灰的片段非常少，这个角色功能性的意图太强了），都是为了告知观众，陈桂林不是英雄，只是一个非常自我且迷茫的人（一下子进教，极快的脱离就可以明显看出人物性格塑造）。。。这样的一个角色，这部电影本身应该是拍成偏向普通警匪片的热度的，但是！！！小天把角色的人格和形象魅力升华的太高了！！！全网疯传那个朝陈灰看过去一笑的镜头，也是大家对于演技的极高认可。
00
下划线_f
2年前
《周处除三害》
阮经天的演技这边的把我震惊到了！演的太好了，完全超越当年对他台湾青春小生的印象…………人真的可以飞跃式的成长…………
00
下划线_f
2年前
育儿后，唯一的自由！
00