不知不觉已经到六群了。
社群的定位主要是和大家一起聊商业、创业、业务增长等话题，群里有各大厂的业务负责人和各种阶段的创业者（从刚启动到已上市都有）
不水，是很少见的、可以认真讨论问题的免费社群。感兴趣的同学可以扫图片上的微信二维码加入。

过去几年，接触了不少想做内容的人。
大多数人都有相似的困惑——明明肚子里有货、有方法、有真刀真枪的经验，辛辛苦苦写出来的东西却只有几个赞、几十个阅读；
而一些看起来“没营养”的帖子，反而动不动就火了。

这不是你一个人的问题，也是我们合作的客户、行业专家、企业家和内容创作者常遇到的困局——一开始都以为有干货、有实操背景，内容肯定能成，真正做起来却始终没有正反馈：
比如，前美团管理者写美团工作方法，只有几百阅读、十几个赞；
宝洁员工写团队管理和CEO培养，也爆不起来。

最近两年，帮很多企业做营销，大多数困于营销问题的企业，也有同样的感受——自己家产品是真的更好，但是，就是卖不动。
反而是那些有问题的产品，卖得比自家产品好得多。

过去三年，我们做了不少内容，也帮助了不少企业做营销，最后发现了一个决定内容效果的规律：
做内容的难度不在生产，而在与用户有效的建立连接。

内容的打开率首先不取决于干货多少，而在于有没有找准与用户内心诉求之间的连接点。
这也是营销牛人与一般营销人的主要差别。

找“连接点”，一共有三种方法——

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。

看到林俊旸的离职，从目前的信息里，我觉得他很像《生活大爆炸》中的Sheldon。
而要想在AI时代胜出，很可能就是需要在组织内容纳这样的人。

说回林俊旸，很有趣的是，关于他，现在有两组矛盾的信息：
一方面，他在团队内部和市场上赢得了极佳的口碑。
开源社区认可他的技术产出，团队信任他的技术判断和领导力。
对外，他用一支一百多人的核心团队，硬是在资源有限的情况下，对抗竞争对手上千人的团队，让阿里在这场AI军备竞赛中至少没有掉下牌桌——而他们面对的，是人数十倍甚至百倍于己、资源投入更加悬殊的对手。
如今，国内新能源车，比如小鹏、极氪、理想、蔚来、零跑、智己都用了Qwen的技术。
对内，他信任团队、支持团队，激发团队的自驱力和凝聚力。他离职时，团队会有人为他流泪。

但另一方面，也有一些未经证实的消息在流传：
有人说他“缺少格局”、地盘意识强。比如当有消息说阿里投资了一个机器人团队时，他转头就在X(原Twitter，类似国内微博)上发了个消息，说自己在组建具身智能团队，看起来明显是在抢地盘、攀比争锋。
在离职时，不先内部沟通，直接发公开信息，发完信息就失联，更是不职业。

作为一个阿里的P10，按照公司常规的管理逻辑，我们会很自然地得出结论：
一个人技术能力再强，如果没有格局、不能配合、容不下其他团队，终究是个麻烦，应该辞退。

但如果你也看过美剧《生活大爆炸》。不知道你们有没有同样的感觉——林俊旸身上，隐约能看到Sheldon的影子。
Sheldon是什么人？
天赋异禀的理论物理学家，但同时，小肚鸡肠，争强好胜，情商为零，满身是刺，伤害了无数身边的人，几乎无法与人正常协作。

而对比之下，他的室友兼好友Leonard，在大多数公司看来，显然是一个更好的员工和协作者：情商在线，善于沟通，有共情能力，能团结朋友，能与他人形成良好的合作关系。
当然，天赋是比Sheldon差了一些。

大多数公司在招聘和任用时，都会选择Leonard。

但是，剧情最后，谁得了诺贝尔奖呢？
只能是Sheldon。

编剧如果非要剧情杀，当然也可以让Leonard，甚至让其他角色获奖，但那会违背观众的直觉，也没有说服力。
为什么呢？
因为我们本能地知道，只有像Sheldon这样——把某一项能力发挥到极致，纯粹、心无旁骛，以至于除了优势之外满身都是缺点的人——才有可能取得诺贝尔奖级别的突破。
问题来了。
大多数组织，都会毫不犹豫地干掉Sheldon。
但当下的AI时代，当无数企业面临技术突破和市场重塑的难题时，我们需要的，到底是一个能协作、无短板、稳定产出“差不多”成果的团队，还是一个可能浑身带刺、不好相处，却能带来“诺贝尔奖级别”突破的天才？

如果我们想要的是后者，就必须学会留住天才、吸引天才、容忍天才的缺点，避免让天才寒心。

当我们身在科技行业，希望取得的是前所未有的技术突破——比如做AI，
或者我们身处消费品，要找到的是没人发现、没人定义的新体验，
或者在内容行业，希望做出穿透人心的爆款内容，
我们需要的，都是一个由具备天才特质的人组成、以天才为主的组织。

而天才，注定常常是带刺的、满身缺陷的。比起Leonard，他们总是更像Sheldon。
过去几年，我们拆解了一些曾经用好过天才的组织：字节、米哈游、米未传媒、宝洁等。这样的组织，我们姑且叫做“天才组织”吧。
我们发现，一个能够取得突破的天才组织，需要的是与常规组织截然不同的组织逻辑——

此前，我一直以为，互联网公司做事就是要快速迭代。
没想到，美团和京东却发现：当业务链条变长时，A环节的突破，可能因为B环节的倒退、或者B环节的不配合，不能实现好的效果。

解决这个问题的工具之一，就是项目管理。
用项目管理，提前梳理好资源和协同问题。

在美团，与阿里打仗，是一个项目。
一个新业务从0到1，是一个项目。
某些关键的进步和变革，也是项目。

我就和美团项目管理通道主席，边国华老师，聊了聊美团是怎么借助项目管理这个工具，保障复杂项目和战略的顺利落地的。

大多数品牌都希望能让年轻人喜欢，而其中，最成功的可能就是跳海。
与跳海酒馆创始人@梁二狗2dogs 一起聊了聊：
跳海如何成为让不少年轻用户热爱的品牌！

如今的美团，面临着来自淘宝闪购的，前所未有的竞争压力。

淘宝有流量、美团没有流量，美团要想找到优势，只能往供应链上想办法：如果有些商品，只有美团有，用户在淘宝闪购买不到，就更可能因此选择美团。

叮咚的美味，正是这样一种已经被验证的，可以留住用户的独家供给。

大恬是在抖音历史上绕不过去的名字，也是决定了抖音早期内容审美的人之一。

新一期播客：当行业都在卷性能、卷价格时，老板电器发现——用户做饭时，更重要的其实是感受。
基于此，当行业在把油烟机吸力做大时，老板电器反而发现控制噪音更重要，做饭的人需要听得见外面的人说话。
不是“做电器”，而是“为用户实现向往的厨房”成了老板电器的主要设计思路

分享个我们团队做的新号“拆内容”：
因为“内容能力”和“用户洞察能力”，在我们看来，是天花板极高的能力。
既然是高天花板的能力，就值得持续投资。

所以，我和团队，最近增加了一个日常工作——
每周都会拆解几条小红书、抖音上的爆款内容和数据不错的商业内容。

拆解过程，也会在这个号里分享出来。
如果你打算提高内容能力，希望这个号每周可以帮你补充一个输入，省几个小时的时间。

一期新播客：
此前我一直以为，瑞幸的快速发展是个奇迹。录这期播客前，我才知道，原来国内最快突破万店的连锁品牌，是一家麻将馆。
他们从0做到万店，只用了3年时间。

就和他们聊了聊他们的定位和经验。
有个强烈的感觉是：只要关注生活，哪怕此刻，仍然有很多AI之外的好机会存在。