加入了一家 AI 硬件初创公司。即刻上的朋友在看机会的，一定要来考虑考虑我们这儿啊(๑>ڡ<)✌️。

公司的介绍可以看这篇小红书的帖子，我就不再赘述了。三个关键词：Always On、AI Memory、Proactive Agent。当然，都是一些比较共识的词了，但我们也有一些自己独特的思考。无论是对这份工作感兴趣，还是单纯想聊聊的朋友，都可以来找我呀，我往返北京深圳，可面基可线上。

在这条帖子下评论、私信或者加我微信都可以的～

用 AI 满足好奇心，就像吸毒。

过去要解决一个困惑，要自己去各种地方搜，自己筛选总结，自己继续搜。

有了 AI 之后，他自己就可以完成这个过程，总结得还比你好，思考得还比你有深度，你们还能共鸣交流，启发换启发。

所以总是在各种奇奇怪怪的事情上迸发好奇心的人使用 AI 产品真的能感到莫大的幸福。

做 AI 产品的时候，内心深处总有一种隐隐的焦虑。因为聪明人实在太多了，这可能是人类有史以来最卷的赛道，时代洪流裹挟在前，各种判断可能都无意义。

但另外一方面，我也是各种 AI 产品的用户，我总是为各种 AI 产品惊奇不已，它们提高了我的效率，满足了我的好奇，辅助我的创造，也稀释了我的焦虑。时常感恩于此。

上学的时候学经济学，首先学到的知识点是假设人都是理性的，那么市场就是有效的。后面又学到人并不总是理性的，市场也并不总是有效的，所以存在套利的空间；而且信息并不总是充分流动，存在不对称性，因此不会走向完全理想的局面。

但是，当每个人都有一个 agent 的时候，agent 会不会越来越接近经济学中的理性人假设？市场会不会越来越有效？

那些过去的、基于市场的不有效性来进行套利的金融活动还能存在吗？AI 会不会真的把我们带到一个从未遇到过的有效市场阶段？经济学会因此发生深刻变革吗？

我们总是在假设有了 AI 之后经济活动会发生各种变化。我想过很多种变化，但之前还从没有以这个视角想过。

还是要避开主流的赛道，采取差异化的竞争方式。

现在用 AI 做办公、做任务、做交付这个赛道，已经升级到得有一个“持久化云电脑”的版本了。

过去整一堆连接器就算是办公 Agent 的时代，已经要终结了。

国外从 Grok bot、Muse，再到 Manus 和 OpenAI 即将发布的 O，都是这个趋势。国内估计 Workbuddy 等也都要升级一波。

全世界都在抄 Grok Bot 的设计？

深度体验了一下 Opus 5.5 用写代码的方式做视频的能力，惊为天人，叹为观止。

我非常确信，这对于生成视频领域是打开了一个新世界。当然，这并不意味着之前的 diffusion 视频模型就凉凉了。

这两者方式应该可以并存，就像当初 NotebookLM 用生图的方式做 PPT 的时候，效果也极惊艳，但后面用 HTML 做 PPT 的美观度也逐渐赶上了当年的效果。同时，AI 直接可以操作写出 PPTX 格式的 PPT 了。

所以三种形态其实是此消彼长、共存共进的，各自有各自发挥的场景。

我相信用写代码的方式做视频，还是 diffusion 模型做视频，肯定都会长久存在下去。

但 Opus 5.5 这次在做视频这个方向带给我的震撼，仍然比得上当时 Sora 和 Seedance 2.0 出来的时候。并且就对我个人和我的工作而言，它的帮助要大得多：

1. 我不必再花一份钱，在 Claude 20x 的套餐里面就可以享受这个功能
2. 对我个人和我的产品工作而言，代码生成视频的方式帮助大得多。比如产品更新日志直接读 Figma，然后基于 Figma 生成更新宣传视频，效果好到爆炸。

产品经理有时候对一个功能或者一个方向，其实只深访几个用户就可以做出判断。这么少的样本却能做出准确的判断，本质上在于自己的经验和认知带来了泛化和抽象能力。

AI 功能是如此，AI 效果其实也是如此。当你充分理解了某个功能的创造过程，就可以通过少量 Case 的好坏来发现通用的问题，进而改进它。这就是在效果上的抽象能力，产品经理和 Agent 工程师都应该具备。

评测是具备了这个能力的结果，不是培养这个能力的工具。

我是一个对 AI 写的东西极敏感的人，所以 AI 写的文章我基本都读不下去，除非它的观点仍然极具建设性。

但我越来越发现，AI 写的文章即便观点有建设性，它的信息密度也实在太低了。我还是喜欢人写的东西，那么少的字数，却有那么深的深度

越来越明显地感觉到，人写的东西比 AI 写的东西更珍贵，因为现在越来越多地读到 AI 写的东西了。

所以我很感谢 Typeless。因为有了它，我大量的内容还可以让我来亲自口喷写作。如果没有 Typeless 的话，我可能会少写很多东西，我可能会少看到很多别人写的东西，我的精神可能会被污染得更严重。

Jev 的创始人说，现在很多产品想摆脱 human-in-the-loop，让产品真正自动化，但这是不可能的。因为大模型的训练方式就是对齐人类偏好，只要大模型的目标还是让人类满意，那就不可能让人摆脱 human-in-the-loop。这个观点还挺有启发性的。

真的好像如@The沐秋 所说，每一次一个模型口碑爆了，好像都伴随着一个很能引起传播的、在视觉前端能力上的大幅升级：

• Kimi K3 的前端页面
• Astra 的 Computer Use、3D 模型和机械操作
• 这次又是 Opus5.5 的用 JS 直接做出堪比视频生成模型的精美动画视频

这其中有因果关系吗？是因为他们重点押注了这个，所以让他们爆了起来？还是因为他们爆了，所以更多被用户发现了这样的技能？还是说二者是相辅相成的关系？

today.ai 昨天给我推了 5 条消息，就图1 中间 Benchmark 这个有点用。

我用过那么多宣称主动式 AI 的产品，至今唯一对我有用的，就是 ChatGPT 里面已经下架的 Pulse 功能。所以我一直觉得，帮你搜，也就是帮你引入外部信息，还是相对稳妥的主动性起点。

首先，搜索本身已经是一个非常成熟的动作，这个动作本身很难出问题、很难效果不够好。主动性行为首先要考虑"触发对不对"，其次还要考虑"完成对不对"。因为触发很可能已经不够准了，那完成动作就千万不要再出岔子，而搜索是最不容易出岔子的，AI 这一波浪潮首先就是把搜索搞定了。

其次，搜索是自带额外上下文的，不管怎么样至少能了解一个新鲜事。它和其他"猜你所想"相比，侵犯性是更弱的。

第三，它只是基于你已有的上下文，再去搜一个最新的上下文并将它们结合到一起，这种匹配的判断难度也更低。

所以我觉得，"帮你搜"是最佳的主动性起点。

当然，我家 bot 也反对了我。我觉得她说的也对，冒犯性最弱还是帮你搜适合作为主动性起点的核心原因，其他两点的论证都有漏洞。

BTW，不考虑泛化性和通用性，我们公司这个 bot 的主动性，其实才是我用过最好的。

我并没有 @她，我只是在群里面跟其他同事分享了我的观点。它主动来回应，才引发了我后续的思考，继而引发了她和我后续的讨论。