灵光App发展最有机会的地方，可能是基于内容的社区，和基于轻应用的关系链互动。

生成的内容/工具愉悦自己很难持续带来留存，和他人互动、分享才能带来更多玩法，更多话题。产品设计上，加好友，应用互动聊天室应该都是顺理成章的方向。

灵光app应该是这个进程中向前推进的一小步，总会有个全新的交互横空出世，而让上一代交互的核心问题显得毫不重要了

#AI思考 大模型应用侧发展趋势
【数据】
◦ 采集：文字数据几乎穷尽，多模态数据引入，例如asr+tts到sts的升级
◦ 处理：结构化的知识图谱型数据更多，召回率更高，更省token
【算法】
diffusion+transformer架构持续升级，基模参数更大，意味着：
◦ 短期来看：处理上下文尺寸更大，应用侧更加个性化，幻觉降低
◦ 更省token，耗时更低，端侧小模型能胜任更多任务
◦ 中期：全模态 多专家MoE模型，表现更好，体现在提示词工程难度更低，vibe coding 多模态能力更强，应用侧act效果更好
【算力】
◦ 中期：芯片升级，端侧小模型性能提升，功耗更低
◦ 长期：29年6G标准建立，设备端迭代，体积更小，能耗更低

结论：应用侧短期卷个性化，中期卷多模态卷act，长期占领更多端

我发现我对不好的产品体验，混乱的产品逻辑还是有愤怒的。要珍惜这种感觉

科技公司的职场上根据热情所在的方向不同，可以分成两种人：
1. 以创造为热情所在，喜欢追求前沿科技，不拘小节；
2. 以流程效率优化到极致为热情所在，严谨细致，不喜欢大胆创新。

产品佬第一种人多一些，职能部门、中后台部门第二种人多一些

我理解现在AI终端应用发展的路径非常清晰了，从：
1. 生成文本理解万物➡️
2. 多模态生成图文、视频，用户优化操作效率实现半托管➡️
3. 自动化编排工作流，使用通用协议调用各种服务实现全托管

刚看了open AI deep research产品研究员的采访，随手记了些关键点
1. deep research是经过O3精调出来的，使用在线搜索+推理
2. 它能找到一些不在搜索结果页首屏的、精准的信息
3. 正确高质量的数据是核心，但没讲怎么做的
4. 第一段回答强制反问，用O1 pro对用户的需求进行确认，减少时间浪费
5. 未来发展：私有数据的搜索、更多场景的使用

OS级的智能助理，终态会把各个平台做成API还是Agent？
我理解都会有，核心是用户input一些信息/指令之后，智能助理给他output信息/执行结果。

对于明确指令的场景，比如打车、买火车票、查看公积金，API就足够了；

但当用户需要更多非公开信息进行决策（比如买A还是买B，淘宝商品数据反爬未公开），就需要类似淘宝的Agent帮助Ta提供决策依据或建议

大多数人都没有勇气去过自己想要的生活，而最终过上了不得不过的日子。——毛姆

kk加油👏

春节在中东游轮和妈妈吵了整整十天，终于要回家了，只能说原生家庭的问题深入骨髓，真的没法沟通