即刻App年轻人的同好社区
下载
我的小红书图文笔记制作，随着AI Agent的能力提高，笔记的质感和生产效率随之提高。
以前还要花1个小时制作10篇，现在10分钟用来安排主题，随后等着”收菜“即可。
我的小红书图文生产，也在随着 AI Agent 能力的提升不断进化：笔记质感越来越高，生产效率也越来越快。
以前，做 10 篇笔记差不多要花 1 个小时；现在，我只需要用 10 分钟安排好选题和方向，剩下的交给 Agent 自动完成。
这也是为什么我越来越觉得，个人的 AI 基建、企业的 AI 基建，都应该从现在开始搭建。
好的 AI 基建，不会因为模型更新而重构，反而会随着模型能力的提升一起升级。
底层模型越强，你就越强。
AI 时代真正能够穿越周期的，不只是某一个模型、某一个工具，更重要的是你围绕自己业务搭建起来的 AI 基础设施。
以前还要花1个小时制作10篇，现在10分钟用来安排主题，随后等着”收菜“即可。
我的小红书图文生产，也在随着 AI Agent 能力的提升不断进化：笔记质感越来越高，生产效率也越来越快。
以前，做 10 篇笔记差不多要花 1 个小时；现在，我只需要用 10 分钟安排好选题和方向，剩下的交给 Agent 自动完成。
这也是为什么我越来越觉得，个人的 AI 基建、企业的 AI 基建，都应该从现在开始搭建。
好的 AI 基建，不会因为模型更新而重构，反而会随着模型能力的提升一起升级。
底层模型越强，你就越强。
AI 时代真正能够穿越周期的，不只是某一个模型、某一个工具，更重要的是你围绕自己业务搭建起来的 AI 基础设施。
0 00
一直再复盘，如何做好自媒体，做好个人IP。
先锁定结果，再回溯路径，就像导航先输入目的地。
先别急着想「我要做什么主题」，而是问自己：一年后，你希望别人提到你时，脑海中浮现的是什么样的形象？
先看见，再倒推你需要具备哪些能力、输出哪些内容。
不要凭空创造一个新人设。你过去几年里，有没有哪些事是你做起来比别人轻松、而且做完很有满足感的？有没有哪些领域，你已经积累了一些经验或教训，哪怕不完美？这些就是你的天命种子。
个人IP不是包装出来的，是从你真实的生命经验里生长出来的。天命是「先听到天命后才去尽人事」，你要先听见自己内在的声音。
用小步实验代替完美规划。很多新手卡在「我还没准备好」的完美主义里，但个人IP的本质是「边做边校准」。你可以先选定一个平台，以一周两到三次的频率，输出你那个领域里你觉得最有价值的内容。
不需要一开始就做长视频或长篇图文，哪怕是一条三百字的观点、一个三分钟的分享都可以。
建立你的「天命时段」。每天给自己留一到两小时不被打扰的时间，持续三个月以上。
关于平台和技巧，那都是术的层面，等你内在的版本清晰了，外在的方法会自然显现。
先锁定结果，再回溯路径，就像导航先输入目的地。
先别急着想「我要做什么主题」，而是问自己：一年后，你希望别人提到你时，脑海中浮现的是什么样的形象？
先看见，再倒推你需要具备哪些能力、输出哪些内容。
不要凭空创造一个新人设。你过去几年里，有没有哪些事是你做起来比别人轻松、而且做完很有满足感的？有没有哪些领域，你已经积累了一些经验或教训，哪怕不完美？这些就是你的天命种子。
个人IP不是包装出来的，是从你真实的生命经验里生长出来的。天命是「先听到天命后才去尽人事」，你要先听见自己内在的声音。
用小步实验代替完美规划。很多新手卡在「我还没准备好」的完美主义里，但个人IP的本质是「边做边校准」。你可以先选定一个平台，以一周两到三次的频率，输出你那个领域里你觉得最有价值的内容。
不需要一开始就做长视频或长篇图文，哪怕是一条三百字的观点、一个三分钟的分享都可以。
建立你的「天命时段」。每天给自己留一到两小时不被打扰的时间，持续三个月以上。
关于平台和技巧，那都是术的层面，等你内在的版本清晰了，外在的方法会自然显现。
4 00
观察者决定观察结果。
量子物理讲得很清楚，你怎么看一件事，那件事就变成那个样子。
如果你看商业博主是「贩卖焦虑、收割流量」，你看到的就是这样；
如果你看它是「用商业逻辑帮助他人解决问题、创造共好」，你看到的就是另一番风景。关键在于，你把自己放在哪个位置去定义它。
量子物理讲得很清楚，你怎么看一件事，那件事就变成那个样子。
如果你看商业博主是「贩卖焦虑、收割流量」，你看到的就是这样；
如果你看它是「用商业逻辑帮助他人解决问题、创造共好」，你看到的就是另一番风景。关键在于，你把自己放在哪个位置去定义它。
3 00
端侧 Agent 正在形成独立技术路线。
云端最强模型适合复杂推理。
而本地模型更适合：
文件处理；
私有知识；
自动化；
简单 Coding；
个人电脑操作；
高频、低成本任务。
未来的 Agent 很可能不会始终调用云端最强模型。
更合理的结构是：
本地小模型处理 80% 常规工作
云端模型处理少数复杂判断。
云端最强模型适合复杂推理。
而本地模型更适合：
文件处理；
私有知识；
自动化；
简单 Coding；
个人电脑操作；
高频、低成本任务。
未来的 Agent 很可能不会始终调用云端最强模型。
更合理的结构是：
本地小模型处理 80% 常规工作
云端模型处理少数复杂判断。
3 00