即刻App年轻人的同好社区
下载
很多 workflow 过去无法数字化，不是因为动作不能系统化，而是因为中间的人脑推理节点无法稳定在线。AI 第一次让 reasoning 可编排，因此一批过去“不可能数字化”的工作流，开始变得可数字化。
8 20
这两天在准备一份 PPT，写好的文稿，先后尝试了 ChatGPT、Manus lite、Claude Design、Codex。
对比来看，ChatGPT 只是把一些关键文本放到 ppt 里，毫无设计可言。Manus Lite 生成出来的像模像样，但已经将就可看了，只是有些图片嵌入是直接在网上搜出的配图，没办法直接用。
最让我惊艳的是 Claude Design，生成出来的一刹那，我感觉逆天了，直接生成的就是很有设计感的版本，当然，内容上肯定是要做些调整的。
最后试的 Codex，做出的效果算在 Manus Lite 和 Claude Design 之间，也还算不错。
已经有 ChatGPT 账号的，可以直接安装 Codex 做 PPT 生成，两者的差异是一个是云模式，一个是本地环境模式，后者 Agent 工作的动作空间显然更大。
PS：由于做的内容是内部文档，没办法放截图出来了。
对比来看，ChatGPT 只是把一些关键文本放到 ppt 里，毫无设计可言。Manus Lite 生成出来的像模像样，但已经将就可看了，只是有些图片嵌入是直接在网上搜出的配图，没办法直接用。
最让我惊艳的是 Claude Design，生成出来的一刹那，我感觉逆天了，直接生成的就是很有设计感的版本，当然，内容上肯定是要做些调整的。
最后试的 Codex，做出的效果算在 Manus Lite 和 Claude Design 之间，也还算不错。
已经有 ChatGPT 账号的，可以直接安装 Codex 做 PPT 生成，两者的差异是一个是云模式，一个是本地环境模式，后者 Agent 工作的动作空间显然更大。
PS：由于做的内容是内部文档，没办法放截图出来了。
4 00
上午组织了一场 20 人的 FDE 研讨会，持续了两个小时。整体聊下来，产品形态不同，FDE 的职责范围有所不同。对于我所关注的收费模式问题，在讨论中并不是最关键的，有的公司核心是靠产品收费，有的公司 FDE 就是收费的核心。
总的来说 FDE 要为客户结果负责，要交付场景价值，这是 forward。同时，又要在解决客户场景需求时，反向推动产品改进，甚至直接升级产品，这是 backward。传统的人力外包，可能并不关心业务结果，也没有反哺产品的机制。
在 AI Agent 时代，Agent 产品的成熟度，与客户的场景价值落地，往往有比较大的跨度，这个角色变得更加重要。
其实我更会联想到 Customer Success 和 Growth Hacker 两个角色。CS 为客户成功使用产品负责，但一般不需要直接交付场景。Growth Hacker 是奔着增长目标的全栈，比 FDE 更加结果导向，当然，本身也属于企业内部角色。
总的来说 FDE 要为客户结果负责，要交付场景价值，这是 forward。同时，又要在解决客户场景需求时，反向推动产品改进，甚至直接升级产品，这是 backward。传统的人力外包，可能并不关心业务结果，也没有反哺产品的机制。
在 AI Agent 时代，Agent 产品的成熟度，与客户的场景价值落地，往往有比较大的跨度，这个角色变得更加重要。
其实我更会联想到 Customer Success 和 Growth Hacker 两个角色。CS 为客户成功使用产品负责，但一般不需要直接交付场景。Growth Hacker 是奔着增长目标的全栈，比 FDE 更加结果导向，当然，本身也属于企业内部角色。
6 25
今天看 SpaceX 的信息，发现 Starlink 已经是一个百亿美金的生意了，有 1000 万客户，令我惊讶。原以为只是个实验性的项目，没想到这么大了，占了 SpaceX 营收的 60%。目前已经发射了 10000 颗低空卫星，形成了一张天网。
Elon Musk 之所以想做 Starlink，核心有两点，一是具备了超强的运载火箭发射能力，二是登陆火星很烧钱，单靠发射业务还不够，需要更多提升收入的业务。
在 Starlink 之前，摩托罗拉曾经有个铱星计划的项目，发射 66 颗卫星组成全球卫星网络，但遗憾的是，替代方案地面基站建设很快，完全覆盖了这块需求，而铱星手机又贵信号又不好。最后项目破产清算，几十亿美金的投入打了水漂。但后来被财团 3500 万美金收购，今天发现还依旧活得挺好，每年收入 8.7 亿美金，利润超过 1 亿美元。
Starlink 没有像铱星手机那样直接做个终端，而是首先发展家庭宽带，这样用户只要买个像电视天线一样的接收器，就可以连接 Starlink 了。目前用户遍布世界各地。可见相同的技术思路，可以形成不同的商业模式。
在看相关介绍时，忽然想能不能直接获取到这些卫星数据，做个渲染，一查还真有，于是下午开始就搞了下面这个 APP。有兴趣体验的朋友，可以发我你的苹果账号邮箱，我来邀请体验。
Elon Musk 之所以想做 Starlink，核心有两点，一是具备了超强的运载火箭发射能力，二是登陆火星很烧钱，单靠发射业务还不够，需要更多提升收入的业务。
在 Starlink 之前，摩托罗拉曾经有个铱星计划的项目，发射 66 颗卫星组成全球卫星网络，但遗憾的是，替代方案地面基站建设很快，完全覆盖了这块需求，而铱星手机又贵信号又不好。最后项目破产清算，几十亿美金的投入打了水漂。但后来被财团 3500 万美金收购，今天发现还依旧活得挺好，每年收入 8.7 亿美金，利润超过 1 亿美元。
Starlink 没有像铱星手机那样直接做个终端，而是首先发展家庭宽带，这样用户只要买个像电视天线一样的接收器，就可以连接 Starlink 了。目前用户遍布世界各地。可见相同的技术思路，可以形成不同的商业模式。
在看相关介绍时，忽然想能不能直接获取到这些卫星数据，做个渲染，一查还真有，于是下午开始就搞了下面这个 APP。有兴趣体验的朋友，可以发我你的苹果账号邮箱，我来邀请体验。
00:42
10 20
浙大计算机系的学弟学妹们顺路来公司做个交流，我做了个简单分享，大家每个人都问了问题，问的质量还很高。总的来说，还是比较关注 AI 时代，在学习上该做什么准备，社会需要什么样的人才。
我的看法是，首先还是要有自驱力，AI 时代变化快，许多事情更不能等着去分配，更要主动寻找有价值的事情去做。
其次是有了 idea 要去尝试，在尝试过程中就会有成长，没有好的 idea 没关系，那就跟着有 idea 同学实践，在这个过程逐步发现自己的 idea。
最后是培养商业思维，这个点学校本身不会培养，但社会就是在围绕商业运转的，围绕一个 idea，你的用户是谁，提供什么样的价值，如何挣到钱。这些问题一开始不一定能够想清楚，也不一定真的挣到钱，但围绕这种思维进行训练，总会有收获。
我的看法是，首先还是要有自驱力，AI 时代变化快，许多事情更不能等着去分配，更要主动寻找有价值的事情去做。
其次是有了 idea 要去尝试，在尝试过程中就会有成长，没有好的 idea 没关系，那就跟着有 idea 同学实践，在这个过程逐步发现自己的 idea。
最后是培养商业思维，这个点学校本身不会培养，但社会就是在围绕商业运转的，围绕一个 idea，你的用户是谁，提供什么样的价值，如何挣到钱。这些问题一开始不一定能够想清楚，也不一定真的挣到钱，但围绕这种思维进行训练，总会有收获。
18 70
AI 时代，一头是商业判断能力，一头是快速转身能力。
商业判断也是人最重要的能力之一，结合不充分的信息，权衡利弊，做出押注。而快速转身能力，不是说用了 AI Coding 工具加速了开发过程，这样做只能算一般快，因为大家都在这么干，而是指转身要快，迅速做 pivot。兔子的速度没有猎狗快，但猎狗都很难抓住兔子，因为兔子会脑筋急转弯。
转身够快，就是竞争优势。
商业判断也是人最重要的能力之一，结合不充分的信息，权衡利弊，做出押注。而快速转身能力，不是说用了 AI Coding 工具加速了开发过程，这样做只能算一般快，因为大家都在这么干，而是指转身要快，迅速做 pivot。兔子的速度没有猎狗快，但猎狗都很难抓住兔子，因为兔子会脑筋急转弯。
转身够快，就是竞争优势。
5 00
上午组织了一场 OpenClaw 龙虾研讨会，十几个人聊了两个多小时。整体感受是对龙虾的吐槽多过肯定，一些朋友早期用了下，后来就转到 Codex、Claude Code、Hermes 了，核心原因还是工作场景完成度问题。
比如记忆能力不如 Hermes，调来调去总是忘，让人比较崩溃。另外，就是对技术背景较弱的朋友来说，三天两头升级配置出错，让人受不了。
其中一个共识，还是知识库的搭建是核心，目前反馈用的较好的是飞书文档，尤其那些已经用了三四年飞书的，直接使用 cli 打通很方便。其中不足的有些场景还是需要引入公网知识做组合，就麻烦一些。
对于将业务数据与知识库组合起来很好的支撑经营，目前看都还处于初期阶段，我认为这里也是商业价值最大的地方。神策最近在研发 AI Growth Worker 时，顺带整了个企业版龙虾，对团队技能进化、记忆机制、开放数据接入等，都做了大量优化，有兴趣的朋友，欢迎评论探讨。
比如记忆能力不如 Hermes，调来调去总是忘，让人比较崩溃。另外，就是对技术背景较弱的朋友来说，三天两头升级配置出错，让人受不了。
其中一个共识，还是知识库的搭建是核心，目前反馈用的较好的是飞书文档，尤其那些已经用了三四年飞书的，直接使用 cli 打通很方便。其中不足的有些场景还是需要引入公网知识做组合，就麻烦一些。
对于将业务数据与知识库组合起来很好的支撑经营，目前看都还处于初期阶段，我认为这里也是商业价值最大的地方。神策最近在研发 AI Growth Worker 时，顺带整了个企业版龙虾，对团队技能进化、记忆机制、开放数据接入等，都做了大量优化，有兴趣的朋友，欢迎评论探讨。
5 00
围绕 AI Agent 的打造，主要是三个层面的问题：商业判断、产品设计、工程实现。
其中商业判断最难，即寻找有商业价值的场景，目标客户是谁，痛点是什么，有多大的市场空间和商业回报。不管是面向客户还是对内提效的项目，都是要回答的。
其次是产品设计，找到商业机会，不代表能够设计出好的产品满足它，比如围绕增长，大家都期望获取更多的客户，问题是你的 AI 产品怎么就给客户带来用户了？
工程实现的提效，是共识。当然，我目前看到的情况，一些功能性的开发确实不需要人动手了，但好的架构设计及好的算法，依旧离不开卓越的工程师脑力。
其中商业判断最难，即寻找有商业价值的场景，目标客户是谁，痛点是什么，有多大的市场空间和商业回报。不管是面向客户还是对内提效的项目，都是要回答的。
其次是产品设计，找到商业机会，不代表能够设计出好的产品满足它，比如围绕增长，大家都期望获取更多的客户，问题是你的 AI 产品怎么就给客户带来用户了？
工程实现的提效，是共识。当然，我目前看到的情况，一些功能性的开发确实不需要人动手了，但好的架构设计及好的算法，依旧离不开卓越的工程师脑力。
7 01
我发现不少大企业在构建自己内部的Agent 工作平台，它大致包括ChatGPT + Codex + Enterprise World Model + Internal System Connectors 这四个部分。
1、Chat 部分结合内部的知识库进行问答；2、Coding Agent 部分结合内部的代码库以及开发部署环境进行研发与部署；3、知识库部分多少覆盖了企业世界模型的一部分知识，但我相信大部分都覆盖不全面，因为有些知识在过去可以都没有收集下来；4、内部系统各家都不一样，需要通过API / MCP / Cli / Skills 建立连接。
当然，能够把这些跑顺做到好用并不容易，如果对数据安全要求没那么高，基于三方的系统，也可以搭建一套。事实上这些自建的，模型层完全也用内部的，现阶段很难保证性能，可能会是内部模型+外部更强模型的结合体。
1、Chat 部分结合内部的知识库进行问答；2、Coding Agent 部分结合内部的代码库以及开发部署环境进行研发与部署；3、知识库部分多少覆盖了企业世界模型的一部分知识，但我相信大部分都覆盖不全面，因为有些知识在过去可以都没有收集下来；4、内部系统各家都不一样，需要通过API / MCP / Cli / Skills 建立连接。
当然，能够把这些跑顺做到好用并不容易，如果对数据安全要求没那么高，基于三方的系统，也可以搭建一套。事实上这些自建的，模型层完全也用内部的，现阶段很难保证性能，可能会是内部模型+外部更强模型的结合体。
6 23