装修好之后，可以宅家里了

之前听杨植麟的播客提到一个很有意思的观点：用强化学习（RL）和监督式微调（SFT）来类比公司或团队的管理方式。

对于创新性强、注重创意的团队，更适合采用类似 RL 的管理方式——不提供标准答案，而是设定清晰的目标。通过类似奖励机制的引导，对员工的行为和成果进行“打分”，鼓励他们追求更高的得分。员工在这个过程中逐渐明白哪些做法是好的、哪些是不利的，从而激发更多潜能与可能性。

而对于传统、流程固化、注重规范的团队，则更适合采用类似 SFT 的管理方式——每项任务都有明确的标准流程（SOP），员工必须按既定步骤执行。经过“训练”后，员工能够稳定输出符合预期的结果，不容易偏离标准。这样的团队不依赖特定个人，只要后续人员能继续遵循流程，就能维持运转、不会轻易垮掉。

当然，在具体的管理实践中，SFT 和 RL 并不是非此即彼的选择。一些固定流程、不容出错的环节，仍需采用 SFT 式的严格管理；而对于创新性强的工作，则更适合 RL 式的引导。关键在于，管理者要在两者之间找到适合自身团队情况的平衡点。

🌊

作为 AI PM，除了做功能需求、研读论文和体验产品外，我认为构建 AI 小工具是一个重要的 action。
如今，Cursor、Trae、AIPA、Coze、Aily、Dify 等越来越多的 AI 构建平台涌现，大幅降低了工具开发门槛。技术平权让原型验证周期得以显著缩短，使创意落地更加高效。

通过 Build AI 小工具，你可以完整体验：用户问题洞察-> 产品设计 -> 构建/开发产品-> 评测效果-> 上线产品-> 推广产品-> 用户使用产品->迭代效果->价值验证。
这个过程，我称为 AI PM 的“费曼学习法”：通过以做代学，把手弄脏，通过构建产品倒逼输入的方式，真正掌握怎么做 AI 产品。

在实践中，你会逐渐发现：
- AI 工具的效果将会是产品重要的护城河，评估机制非常重要
- 无论是 AI 产品还是非 AI 产品，解决用户真实需求始终是产品价值验证的重要依据，切记避免拿着锤子找钉子
- 随着经验积累，你会开始对做产品去魅，更重要的是对用户问题敏感度的培养、AI 技术认知的深化，以及市场机遇捕捉能力的提升。

够与多的分界线
•够是内在满足，由好奇心、热爱、成长驱动
•多是外部攀比，由评价体系、贪婪、对比驱动

我们应该追求内心的够，不够是正常的，我们需要不停成长。

同时我觉得多也应该存在，这种darkforce会以另一种方式驱动你的成长，但需要评估哪些多是应该的，哪些不应该，最终还是服务于内在的够。

下雨天，适合宅在家里快门

最近出来了好多垂类的 Agent，有个叫 Lovart 的设计类Agent挺好用的，可以体验体验。同样的提示词，用豆包最新的图像生成功能，只能说之前一直诟病的文案不对能生成正确了😅但图片还是不能用。

再看 Lovart 的产出，有审美，还会帮我把飞书logo搞上去，真有那么点感觉了。

我看 Lovart 在 plan 规划后会去调设计相关的知识（应该是自行打磨的设计领域库）来获取设计建议，然后再去生成图片。感觉后续垂类Agent重点还是konw how，了解交付产物应该怎么拆解、打磨好对应的工具/MCP、清楚交付产物的效果

路上的光影

flomo 刚上线的语音记录用了下，还真不错。
1.语音转文字准确率高，我自己再改一点点就可以保存了（比如这条，只有“deepseek”不对）
2.断句、排版、内容润色帮你转好了
3.最近有在刻意通过说话来练习观点输出，也刚好排上用场，一个“上帝”视角听自己的表达和看思考的内容

胶卷里的东欧