即刻App年轻人的同好社区
下载
App内打开
钱学敏
35关注4被关注0夸夸
钱学敏
1天前

Chubby.: Gemini认为这个世界上非常有价值的几类提问方式： 1. 逆向思维类（Inversion） 查理·芒格（Charlie Munger）非常推崇这类问题。它们不问“如何成功”，而是问“如何避免失败”。 * “如果我想彻底搞砸这件事，我会怎么做？” * 价值： 它可以帮你迅速列出风险清单（例如：如果你想搞砸健康，你会熬夜、暴食。那么为了健康，你只需避免这些）。 * “有什么事情是每个人都认为是错的，但你认为是正确的？”（彼得·蒂尔的问题） * 价值： 这个问题不仅用于创业，也用于个人决策。它能帮你找到被大众忽视的“非共识机会”，因为巨大的回报往往存在于非共识的正确中。 * “如果我不做这件事，会有什么后果？后果真的无法承受吗？” * 价值： 很多人因为惯性或恐惧而行动。这个问题能帮你识别出那些“仅仅因为别人都在做”而做的无用功。 2. 维度与时间跨度类（Perspective & Time） 这类问题强迫你跳出当下的焦虑，从更长的时间维度审视问题。 * “未来十年，什么东西是 不会 变的？”（杰夫·贝佐斯的问题） * 价值： 大多数人都在问“未来会有什么变化”，但这会导致追逐风口。关注“不变”的事物（如：客户想要低价、想要快速送达、想要被尊重），你才能将战略建立在稳固的地基上。 * “这件事在5年后、10年后，对我还重要吗？” * 价值： 这是情绪管理的利器。绝大多数让你当下焦虑的事情（如一次争吵、一次小失误），放在时间长河里毫无意义。 * “如果我已经实现了我想要的一切，我会如何度过今天？” * 价值： 这个问题帮你区分“手段”和“目的”。如果成功后你依然想读书、写作、陪伴家人，那你现在就可以做，不需要等到“成功”以后。 3. 第一性原理类（First Principles） 埃隆·马斯克推崇的思维方式，剥离类比，回归物理本质。 * “如果我们不能参考任何现有的解决方案，这件事必须怎么做才是符合物理定律/基本逻辑的？” * 价值： 打破“教条主义”和“经验主义”。例如：电池太贵是因为市场价贵，还是因为原材料本身贵？如果原材料便宜，那中间的差价就是改进空间。 * “导致这个问题的‘根本原因’是什么？现在的方案是在解决问题，还是在解决‘症状’？” * 价值： 避免在细枝末节上打补丁。很多时候，我们忙碌是在用战术上的勤奋掩盖战略上的懒惰。 4. 盲点探测类（Blind Spot） 这类问题用于挑战自我的认知局限，非常痛苦，但成长最快。 * “什么证据能证明我是错的？” * 价值： 人类天生有“确认偏误”（只看支持自己的观点）。这个问题强迫你寻找反面证据，是避免盲目自信的最佳解药。 * “我不懂但我以为我懂的东西是什么？” * 价值： 识别“能力圈”的边界。很多决策失误是因为我们将运气误判为能力，或者将一个领域的经验错误地迁移到另一个领域。 * “我正在回避什么令我痛苦的真相？” * 价值： 心理学家荣格曾说：“你没有意识到的东西，就会成为你的命运。”直面痛苦的真相，往往是解决长期停滞的关键。 总结 这世界上最有价值的问题，通常不是在问“答案”（What），而是在审视“前提”（Why）和“边界”（What if）。 这些问题都有一个共同点：它们不提供情绪价值，甚至会让你感到不适，但它们能极其有效地提升决策质量。 收藏一下，值得记录。

00
钱学敏
3天前
如何理解用户？

用户不是自然人，而是需求的集合。
00
钱学敏
6天前

Fishyu95: 一直想在 2025 年结束前，给自己留下一点这一年来对 AI 的思考。 这些想法更多来自真实业务里的反复踩坑，还在不断修正中，也未必成熟，但对我来说已经足够重要。 先记下来，算是一个阶段性的标记吧。 ----------------------------------------------------------------------- 当 AI 开始进入真实业务，最大的问题不是“不聪明”，而是“不知道该记住什么” 过去一年，AI 在组织里的落地速度远远超过我的想象。 几乎所有团队都在做一件类似的事： 把模型接进来，让它“帮我们生成点东西”。 但越往真实业务深处走，我越频繁地遇到一种挫败感： 模型并不是真的不聪明， 而是它在并不知道自己遗漏了什么的情况下， 仍然表现得仿佛一切都已被纳入考虑。 这不是参数规模的问题，也不是 prompt 写得好不好的问题。 而是一个更底层、却被反复忽略的事实： 真实业务里的 AI，失败往往不是因为“不会生成”， 而是因为“不知道此刻哪些信息才重要”。 大多数 AI 工具，仍然活在一个“理想输入”的幻觉里 我们习惯于假设： 需求是完整的 上下文是显式的 文档是最新的 规则是统一的 于是我们设计的系统逻辑是： 只要我把 PRD / 规则文档 / 表格喂给模型，它就能生成正确结果。 但真实世界恰恰相反。 在高协作密度的组织里， 最关键的信息，往往不在“正式文档”中： 它藏在群聊里的一句补充 藏在会议中随口的一句“其实这里要注意” 藏在某个历史问题留下的隐性约束里 这些信息对人类来说是“记忆”， 对 AI 来说却是完全不可见的盲区。 Prompt 并不能解决“上下文缺失”这个问题 这是我越来越确信的一点。 Prompt engineering 本质上解决的是： 如何把“你已经知道的信息”表达得更清楚。 但它无法解决另一个更难的问题： 当你并不知道哪些信息是关键时，系统该如何自救？ 在真实业务中， AI 的失败往往发生在这种场景： 输出在形式上完全正确 推理链看起来也合理 但结果却违反了一个“老同事都知道”的业务约束 这不是生成能力的问题， 而是系统对组织记忆的访问失败。 我越来越觉得，RAG 的重点不在 Retrieval，而在 Governance RAG 被广泛讨论，但多数实践仍停留在： 我能不能把文档搜出来 相似度够不够高 Chunk 切得细不细 但在真实场景下，更致命的问题其实是： 哪些信息应该被记住 哪些信息已经失效却仍在被检索 哪些规则只在特定项目 / 特定阶段成立 如果没有治理， RAG 只是在更快地把噪音塞进模型。 从这个角度看， AI 落地的难点正在从“模型能力”， 转移到一个更不性感、但更决定成败的领域： 知识的生命周期管理。 而模型并不知道， 自己正在使用的是一个已经过期的现在。 当业务复杂度超过某个阈值，人类直觉会系统性失效 还有一个经常被忽略的事实： 在多角色、多权限、多状态组合的业务中， 人类并不擅长穷尽边界条件。 我们可以理解大概逻辑， 但在 30+、50+ 条规则叠加时，遗漏几乎是必然的。 这意味着一个残酷结论： 如果 AI 系统只是“执行人类已经想清楚的逻辑”， 那它注定只能继承人类的盲区。 真正有价值的 AI， 不是更快地照抄思路， 而是能在复杂组合中， 反过来暴露人类忽略的角落。 我开始把 AI 看成一种“协作风险缓冲层” 这改变了我对 AI 工具的判断标准。 我不再问： 它生成得像不像人 它能不能一把出结果 而是问： 当输入是碎的、口头的、不完整的，它还能不能工作？ 当上下文存在冲突时，它会不会暴露不确定性？ 当人类漏掉边界时，它能不能提醒，而不是顺从？ 换句话说： AI 是否在替系统吸收复杂度， 还是在复杂度之上制造新的幻觉？ 也许，AI 落地真正的分水岭，不是“更强的模型” 而是我们是否愿意正视一个事实： 组织的问题，本来就不是“信息不足”， 而是“信息无法被正确记住、更新和调用”。 如果我们继续假设输入会变干净， 那 AI 只会把现有的混乱放大。 如果我们开始承认混乱是常态， 那么系统设计的目标就会发生根本变化。 我想持续研究的，并不是某个模型或框架 而是这个更底层的问题： 当世界本身是模糊的， AI 系统该如何成为“让协作不崩溃”的一部分， 而不是新的风险源？ 因为一旦系统替人类掩盖了不确定性， 崩溃往往不是技术性的， 而是信任性的。 如果你也在真实业务里， 感受过那种 “模型看起来什么都懂，但就是差了那一点点”的时刻， 那我们大概在同一条线上。

00
钱学敏
7天前
钱学敏
9天前

zhijie: 过去 2 周，我用 Gemini 3 把 42 本书，分别转化成了网页，用可视化的方式去呈现每本书独有的 Vibe。 不过，我想最近你也看了很多 Gemini 3 做的酷炫的网页，兴许有些厌倦了，更别说是书籍这一让人昏昏欲睡的东西了。 但如果你想要看看兔子洞里面究竟有什么东西，那么洞口在这里： https://www.vibary.art/zh 之所以做这个项目，是源于之前对媒介的思考。不同媒介可以传达不同的信息和感受，在你跟媒介接触的时候，你便能感受到。 如果你想要具体，就去看视频，如果你想要效率，就去刷社媒，如果你想要触动，就去听歌，如果你想要体验，就去玩游戏，如果你想要深入，就去读书。不要抗拒某种媒介。 AI 的存在使得不同媒介之间可以相互转化，人们已做了许多的尝试。而在众多媒介当中，网页这一古老的媒介，总是时不时吸引我的注意力，因此我也在做着不同的实验，去看看我们能用网页承载什么东西。 Vibary 是其中一个粗浅的尝试，我试图把另一更加古老的媒介书籍，转化成网页，看看会有产生什么效果 这个项目有接近10万行的代码量， 99.9% 的代码都是 AI 写的，对于一个只有前端没有后端，且网站的各个部分都相对独立的项目，vibe coding 完全可以胜任。 我会同时开多个编辑器，并行让不同 AI 做不同的事情。sonnet 4.5 负责想一个故事线来讲述一本书，gemini 3 负责设计和前端，codex 负责剩下的脏话累活。 由于代码是AI写的，加上时间有限加上，现在的 Vibary 的内容和体验是不完善甚至有误的，所以游玩时请小心，但请不要恐慌，这个网站基本无害。

00
钱学敏
9天前
钱学敏
10天前

歸藏: Nano Banana Pro 提示词：任何爱好或者职业的进阶之路 用非常可爱的黏土风格展示不同等级的标准和消耗时间 -------提示词-------- 基于主题 [前端工程师的进阶之路]，创作一张 3D 游戏关卡地图海报。 画面结构： 一条蜿蜒曲折的 3D 道路从画面底部延伸至顶部云端，分为三个主要的“关卡阶段”： 底部：新手村 (Level 1: Noob) 模型： 简单的草地场景。放置基础工具。 路标： 插着木牌，写着标题，下方用一段话介绍当前等级的标准。 中部：试炼场 (Level 10: Pro) 模型： 地形变得复杂（森林或岩石）。放置进阶装备。 视觉： 道路变得陡峭，象征难度增加。 路标： 插着木牌，写着标题，下方用一段话介绍当前等级的标准。 顶部：神之殿 (Level 99: Master) 模型： 漂浮在云端的辉煌神殿或高科技实验室。放置终极神器。 视觉： 发着金光，有彩虹或宝箱。 路标： 插着木牌，写着标题，下方用一段话介绍当前等级的标准。 数据与排版：路径线： 虚线连接各个阶段，上面有小脚印。 耗时/成本： 在每个阶段旁边，用游戏 UI 风格的浮窗显示“预计耗时”或“预计金币消耗”。 风格与渲染： 任天堂 (Nintendo) 风格的的粘土风。色彩鲜艳饱和。

00
钱学敏
10天前

歸藏: 被 Nano Banana Pro 的美学表现震撼！太顶了 一键生成任何影视剧或者小说的场景海报提示词 优化了一下我的微缩场景模型提示词，增加文案部分的效果以及模型周围的特效 没想到适配性这么好，每个场景、文字效果、模型周遭的特效都非常适配小说或者影视剧 比如剑来小说的经典场景，他自动选的陈平安走出骊珠洞天的片段，周围环绕的雾气以及模型周围的球形遮罩真的很像小世界或者洞天 提示词： 请为影视剧/小说《需要添加的名称》设计一张高品质的3D海报，需要先检索影视剧/小说信息和著名的片段场景。 首先，请利用你的知识库检索这个影视剧/小说的内容，找出一个最具代表性的名场面或核心地点。在画面中央，将这个场景构建为一个精致的轴侧视角3D微缩模型。风格要采用梦工厂动画那种细腻、柔和的渲染风格。你需要还原当时的建筑细节、人物动态以及环境氛围，无论是暴风雨还是宁静的午后，都要自然地融合在模型的光影里。 关于背景，不要使用简单的纯白底。请在模型周围营造一种带有淡淡水墨晕染和流动光雾的虚空环境，色调雅致，让画面看起来有呼吸感和纵深感，衬托出中央模型的珍贵。 最后是底部的排版，请生成中文文字。居中写上小说名称，字体要有与原著风格匹配的设计感。在书名下方，自动检索并排版一句原著中关于该场景的经典描写或台词，字体使用优雅的衬线体。整体布局要像一个高级的博物馆藏品铭牌那样精致平衡。

00
钱学敏
10天前
钱学敏
10天前