即刻App年轻人的同好社区
下载
置顶长文置顶
1、聊聊「爱」 mp.weixin.qq.com
2、在空中 mp.weixin.qq.com
3、社会「空心化」现象正在蔓延 mp.weixin.qq.com
4、幻觉 mp.weixin.qq.com
5、狼人杀决策系统与人性感知 mp.weixin.qq.com
6、人 mp.weixin.qq.com
7、未见之地 mp.weixin.qq.com
8、塔 mp.weixin.qq.com
9、 早期商业&AI思考 m.okjike.com m.okjike.com
关于社会化标签下的我
互联网数据分析师丨ENTP丨健身&网球丨剧本杀&博弈桌游&德扑重度爱好者丨咖啡&看展&喝酒
标签是为了在人们习惯的话语体系下对人快速分类，说人话就是让大家在短时间内对我产生了解，而产生这些标签的我，背后有很多原因，是由深层的我构筑的。
抛去社会化标签下的我
对人类好奇，喜欢观察、总结和创作
数据分析师的背后：习惯于调用归因和解构的思考方式，从社会多样的人类行为中总结规律并验证，同时也会观察到每个个体的行为模式如何通过社会网络影响别人并建构成社会现象。
ENTP背后：Ne高度发达对很多事情都很感兴趣，Ti习惯思考底层原理，但Fe也很高，能够共情和理解别人。
喜欢桌游&德扑背后：对人做出各类决策行为背后的动因感到好奇，是因为生物体的生存本能，还是环境的话语体系的影响。
喜欢健身&网球背后：在充斥不确定性的环境下，寻找一种稳定的秩序感。
喜欢咖啡&喝酒背后：咖啡因和酒精能让激素超出正常波动的阈值，能够感受到这具身体「活着」。
1、聊聊「爱」 mp.weixin.qq.com
2、在空中 mp.weixin.qq.com
3、社会「空心化」现象正在蔓延 mp.weixin.qq.com
4、幻觉 mp.weixin.qq.com
5、狼人杀决策系统与人性感知 mp.weixin.qq.com
6、人 mp.weixin.qq.com
7、未见之地 mp.weixin.qq.com
8、塔 mp.weixin.qq.com
9、 早期商业&AI思考 m.okjike.com m.okjike.com
关于社会化标签下的我
互联网数据分析师丨ENTP丨健身&网球丨剧本杀&博弈桌游&德扑重度爱好者丨咖啡&看展&喝酒
标签是为了在人们习惯的话语体系下对人快速分类，说人话就是让大家在短时间内对我产生了解，而产生这些标签的我，背后有很多原因，是由深层的我构筑的。
抛去社会化标签下的我
对人类好奇，喜欢观察、总结和创作
数据分析师的背后：习惯于调用归因和解构的思考方式，从社会多样的人类行为中总结规律并验证，同时也会观察到每个个体的行为模式如何通过社会网络影响别人并建构成社会现象。
ENTP背后：Ne高度发达对很多事情都很感兴趣，Ti习惯思考底层原理，但Fe也很高，能够共情和理解别人。
喜欢桌游&德扑背后：对人做出各类决策行为背后的动因感到好奇，是因为生物体的生存本能，还是环境的话语体系的影响。
喜欢健身&网球背后：在充斥不确定性的环境下，寻找一种稳定的秩序感。
喜欢咖啡&喝酒背后：咖啡因和酒精能让激素超出正常波动的阈值，能够感受到这具身体「活着」。
10 02
深知人的脑容量局限，把各个主要平台介绍和cli接给 Agent，给它建立专属工作空间和开发手册。
个人工作流显著的变化：已经很久没有手动点击GUI平台，基本都是Computer Use和Cli完成流程化工作，只负责 Context 的输入。
借助分布式认知的观点，Agent 即为 Manus、为Cerebrum，清楚边界与局限，将它所擅长之事交给它～
个人工作流显著的变化：已经很久没有手动点击GUI平台，基本都是Computer Use和Cli完成流程化工作，只负责 Context 的输入。
借助分布式认知的观点，Agent 即为 Manus、为Cerebrum，清楚边界与局限，将它所擅长之事交给它～
小宏: AI 让平凡的人更好地做非凡的事了。 招聘还在继续，期待一起做：好产品、好生意、好公司。
1 00
需要从用户的视角去思考问题，把 Data Agent 当成一个产品的话，它不同于功能产品或者策略产品去优化一个我们熟知的产品模块，它优化内容文本居多。比如说从 Agent 条执行链路来说，我们需要可优化的资产主要包括 prompt、工具链路调用、Agent 如何去规划、路由、知识库、Skill和权限等问题。它会相对脱离局部的视角，而是从系统的视角去看待和解决问题。
和传统的互联网产品相似的是，它也需要去建设一套指标体系，衡量它的质量和效果。通过评测机制可以知道 Agent 在各类问题场景下的表现如何，并通过评测错题去定位问题发生的环节，从而去进行优化。
从商业分析从分析师到 Data Agent，不仅是工作内容上的转型，更多的是认知和思维模式上的转型。你不能还沉浸在分析的一种宏观视角，而是需要从产品视角去看待问题，同时站在用户体验侧去优化。如果只选择一个指标，Data Agent 最重要的是取数准确性，我们就一定要更多把资源投入这个方向。以及需要看到具体的 Query，用户具体在问什么。
所以这种转型更多的是认知上的转型、思维模式上的转型。自己去动手去亲自 Build 才能有更实际的体感，需要更快速的去验证端到端是否能跑通，而不是像过往先多维度考虑周全分析框架再行动。
和传统的互联网产品相似的是，它也需要去建设一套指标体系，衡量它的质量和效果。通过评测机制可以知道 Agent 在各类问题场景下的表现如何，并通过评测错题去定位问题发生的环节，从而去进行优化。
从商业分析从分析师到 Data Agent，不仅是工作内容上的转型，更多的是认知和思维模式上的转型。你不能还沉浸在分析的一种宏观视角，而是需要从产品视角去看待问题，同时站在用户体验侧去优化。如果只选择一个指标，Data Agent 最重要的是取数准确性，我们就一定要更多把资源投入这个方向。以及需要看到具体的 Query，用户具体在问什么。
所以这种转型更多的是认知上的转型、思维模式上的转型。自己去动手去亲自 Build 才能有更实际的体感，需要更快速的去验证端到端是否能跑通，而不是像过往先多维度考虑周全分析框架再行动。
3 00
想做有趣&好玩&创新的事情
真是我工作的第一权重要求
也是最难达成的
命题本身可以普通，但我可以按有趣的路径去实现
这要求组织给予足够自由度、自主性，减少固定路径的执行，减少复杂协同机制，拓展人的能力边界，有生命力和创新性
在这个时代非常非常难…
真是我工作的第一权重要求
也是最难达成的
命题本身可以普通，但我可以按有趣的路径去实现
这要求组织给予足够自由度、自主性，减少固定路径的执行，减少复杂协同机制，拓展人的能力边界，有生命力和创新性
在这个时代非常非常难…
1 00
几乎所有数据相关岗位都收到 AI 的巨大冲击，资源投入也转向 AI 建设相关。
传统分析师需要转向 AI + 数据的复合型岗位，从过往的 bp 业务转到为 Agent 提供业务知识/Skill + 人 Agent 协作 bp 业务；传统数仓也从业务数据开发转向为 Agent 建设结构化数据知识（指标语义、数据集、表等）；同时也会有专门负责数据 Agent 建设的横向组织出来。
所以 AI 应用能力是如今数据相关岗位的杠杆，能够带来更多机遇。培养 AI 应用能力需要了解 Agent 系统的几个部分：模型、Prompt 、Skill、知识库、Tool、记忆以及在执行链路（意图识别->规划推理->调用工具/Skill/知识检索->执行交付）中如何衔接，如何评估输出质量（评测机制）和改进输出（定位问题环节并优化）。
同时思路也需要从分析师的相对宏观视角落地，面向用户体验考虑产品（Agent 链路及输出本身）如何迭代优化；能力也需要从分析师拓展边界到产品、PMO 甚至是开发。
最重要就是好奇心和主观能动性，保持行业先进经验（优秀论文、大厂实践）的信息敏感度，同时也要需要“把手弄脏”——实际用 AI 去build。（很重要！空谈理论不做事会失去体感）
传统分析师需要转向 AI + 数据的复合型岗位，从过往的 bp 业务转到为 Agent 提供业务知识/Skill + 人 Agent 协作 bp 业务；传统数仓也从业务数据开发转向为 Agent 建设结构化数据知识（指标语义、数据集、表等）；同时也会有专门负责数据 Agent 建设的横向组织出来。
所以 AI 应用能力是如今数据相关岗位的杠杆，能够带来更多机遇。培养 AI 应用能力需要了解 Agent 系统的几个部分：模型、Prompt 、Skill、知识库、Tool、记忆以及在执行链路（意图识别->规划推理->调用工具/Skill/知识检索->执行交付）中如何衔接，如何评估输出质量（评测机制）和改进输出（定位问题环节并优化）。
同时思路也需要从分析师的相对宏观视角落地，面向用户体验考虑产品（Agent 链路及输出本身）如何迭代优化；能力也需要从分析师拓展边界到产品、PMO 甚至是开发。
最重要就是好奇心和主观能动性，保持行业先进经验（优秀论文、大厂实践）的信息敏感度，同时也要需要“把手弄脏”——实际用 AI 去build。（很重要！空谈理论不做事会失去体感）
4 00
