即刻App年轻人的同好社区
下载
置顶👋这里是嘉悦Joy～ENFP，成都人，现居加州。自我介绍的目的是主动发出信号，随缘交一些朋友、并寻找志同道合的创业伙伴。
EX-PM @Shopee SG
Data Science MS@UCSD
Physics BS & Journalism Minor @FDU
经历很杂，这几年一直在学业、职业和“我要成为怎样一种人、过怎样一种生活”的选择中不断实践、追问和确认。
从物理到新闻到数据科学，从上海到新加坡再到美国，尝试了许多领域和岗位，最终重返校园、尝试创业。试错和探索的过程总是伴随着迷茫和痛苦，但这些看似毫无联系、但最终连点成线的经历帮助我找到适合且喜欢的职业——产品经理，并且成为一个独特且愈发坚定的自己。
在做产品和做人这两件事上，我有相同的原则。
💕真诚。只有做自己真正理解和认可的东西，才能打动用户；保持对自己和他人真诚，是我对自己的要求，也是我交友最看重的品质。
🤯开放。技术更新迭代太快，工作中依然学无止境，快速适应才能跟上变化；生活里要对不同的人和文化保持包容，不断提高共情力和同理心。
👣坚定。经济周期、行业周期难以预测，但拉长时间尺度，唯有热爱不变，在选定的领域不断沉淀和进步一定不会错；人生亦如此，只有坚信自己一定能过上想要的生活并为之努力，才有可能将理想变为现实。
因为对人、对人与人的联结太过感兴趣，所以知道自己不会在理工科研究和纯技术角色中走得太远。未来大概率会继续学习认知科学，这也是我选择做C端产品的原因。
长期以来在多领域的学习、对社会的感知和敏锐让我有信心能把产品做好，也希望能找到一同前行的伙伴，一起做喜欢且有意义的事。
EX-PM @Shopee SG
Data Science MS@UCSD
Physics BS & Journalism Minor @FDU
经历很杂，这几年一直在学业、职业和“我要成为怎样一种人、过怎样一种生活”的选择中不断实践、追问和确认。
从物理到新闻到数据科学，从上海到新加坡再到美国，尝试了许多领域和岗位，最终重返校园、尝试创业。试错和探索的过程总是伴随着迷茫和痛苦，但这些看似毫无联系、但最终连点成线的经历帮助我找到适合且喜欢的职业——产品经理，并且成为一个独特且愈发坚定的自己。
在做产品和做人这两件事上，我有相同的原则。
💕真诚。只有做自己真正理解和认可的东西，才能打动用户；保持对自己和他人真诚，是我对自己的要求，也是我交友最看重的品质。
🤯开放。技术更新迭代太快，工作中依然学无止境，快速适应才能跟上变化；生活里要对不同的人和文化保持包容，不断提高共情力和同理心。
👣坚定。经济周期、行业周期难以预测，但拉长时间尺度，唯有热爱不变，在选定的领域不断沉淀和进步一定不会错；人生亦如此，只有坚信自己一定能过上想要的生活并为之努力，才有可能将理想变为现实。
因为对人、对人与人的联结太过感兴趣，所以知道自己不会在理工科研究和纯技术角色中走得太远。未来大概率会继续学习认知科学，这也是我选择做C端产品的原因。
长期以来在多领域的学习、对社会的感知和敏锐让我有信心能把产品做好，也希望能找到一同前行的伙伴，一起做喜欢且有意义的事。
26 43
GenAI带来的真正变革：（一）激发人类创造力
这个世界上我最感兴趣的两个话题：
💡Creativity 创造力
👫Connection 社交 （挖个坑）
我们不是要用GenAI替代人类，而是利用GenAI激发&体现创造力、重塑人与人建立连结的方式。
（一）创造力
创造力永远是稀缺的，不是所有人都可以成为作家、设计师、艺术家，但人人都可以有“有创造力的想法”。我想做的，是探索AI在“创造性工作”中，如何激发人的创造力，帮助人把模糊的想法（创意）转化为作品，或至少是有趣的内容体验。
🌰 举个例子，在双人共创模式的创意写作中，我设计了一个模型，让非专业作家和不了解AI的人，也能轻松使用这个工具，体验写故事的乐趣。
AI会参与1）想法生成，AI会提供关于故事背景&角色的设计维度，以及后续剧情的建议，以激发用户的创意 2）内容生成，AI会综合考虑故事背景、前序剧情、用户输入，生成一个完整的故事。
🌟当我询问用户对AI的感受和期待时，所有人都提到的关键词是：“出人意料”，无论有多少写作经验。用户想看到AI生成自己意想不到的情节，提供不寻常的建议，或者惊喜的细节，而对具体内容的主题，没有那么在意。
❓这让我思考最初的定义，什么是“创造力”？
通常，在创意任务中，我们会把LLM model参数Temperature设置的更高，来得到“more divergent output”，从模型算法层面，就是输出在以往语料中，出现概率更低的内容。出人意料 = 创造力？
📝 在把AI引入和人类合作的创意任务时，AI需要提供更出人意料的输出，可以更大程度辅助用户的创作，否则用户会觉得AI可有可无。
📊附上这个双人共创故事的模型图
我们团队也积极在产品中实践我们的AI- designer- User Co-Creation Model, 这个模型可以用于许多场景，比如创意写作、互动剧情、TRPG，核心问题是，针对不同的场景，AI designer（产品开发者/游戏设计者）和用户的行为，应该在每个环节占比多少，以什么方式？
欢迎讨论~
这个世界上我最感兴趣的两个话题：
💡Creativity 创造力
👫Connection 社交 （挖个坑）
我们不是要用GenAI替代人类，而是利用GenAI激发&体现创造力、重塑人与人建立连结的方式。
（一）创造力
创造力永远是稀缺的，不是所有人都可以成为作家、设计师、艺术家，但人人都可以有“有创造力的想法”。我想做的，是探索AI在“创造性工作”中，如何激发人的创造力，帮助人把模糊的想法（创意）转化为作品，或至少是有趣的内容体验。
🌰 举个例子，在双人共创模式的创意写作中，我设计了一个模型，让非专业作家和不了解AI的人，也能轻松使用这个工具，体验写故事的乐趣。
AI会参与1）想法生成，AI会提供关于故事背景&角色的设计维度，以及后续剧情的建议，以激发用户的创意 2）内容生成，AI会综合考虑故事背景、前序剧情、用户输入，生成一个完整的故事。
🌟当我询问用户对AI的感受和期待时，所有人都提到的关键词是：“出人意料”，无论有多少写作经验。用户想看到AI生成自己意想不到的情节，提供不寻常的建议，或者惊喜的细节，而对具体内容的主题，没有那么在意。
❓这让我思考最初的定义，什么是“创造力”？
通常，在创意任务中，我们会把LLM model参数Temperature设置的更高，来得到“more divergent output”，从模型算法层面，就是输出在以往语料中，出现概率更低的内容。出人意料 = 创造力？
📝 在把AI引入和人类合作的创意任务时，AI需要提供更出人意料的输出，可以更大程度辅助用户的创作，否则用户会觉得AI可有可无。
📊附上这个双人共创故事的模型图
我们团队也积极在产品中实践我们的AI- designer- User Co-Creation Model, 这个模型可以用于许多场景，比如创意写作、互动剧情、TRPG，核心问题是，针对不同的场景，AI designer（产品开发者/游戏设计者）和用户的行为，应该在每个环节占比多少，以什么方式？
欢迎讨论~
1 00
从“Deepseek写作能力震撼我”说起
当我让Deepseek改写我随手写的一篇文字，想看看它到底有多神。一直觉得语言是很有灵性的，改了一个字一个词，就失去了味道。所以之前尝试过用AI润色我的文字，总是很失望。很喜欢它给的几句“谜面已失，何来谜底”“第七万次迭代终止于哥本哈根崩塌”“被西北风擤了鼻涕”。
Deepseek很聪明，看起来也很博学，写出来的东西很华丽，但总觉得还是差了点什么。不过还是很开心它敏锐地捕捉到了一些我自己都没有意识到的，影响我的人、和存在于我脑海里的碎片，又为我添上新的火花。
探索AI应用已经快两年了，从分析数据到提供情感陪伴的智能体，我逐渐意识到AI是一面镜子，一个容器，一个对话者。为了更好的使用AI，我被迫去猜测去理解AI的思维方式，把人类习以为常的过程（比如阅读、沟通、记忆）不断抽象和建模。在这个过程中，我不断从人类的行为模式中作对照，又反思回自己，最终更加理解自己、理解人。
人终究是孤独的，我们需要的是和自己对话，而谁来帮助我们完成这个对话，并不重要。
我相信人的独特性，但这个答案是什么并不明晰。我始终认为人转向虚拟必定是因为现实得不到满足，AI是为了让我更好地融入现实，面对真实的人。我谨慎地用理性来保护我的感性，寻找逻辑和情感的界限。
✨
观察了一下Deepthink的过程，基本是：观察事实、猜测需求、做出回应，外加最后一定要提到说让用户被理解被认可被鼓励。和我对人际关系中如何实现沟通、和如何用prompt拆解回应用户的过程基本一致。
当我让Deepseek改写我随手写的一篇文字，想看看它到底有多神。一直觉得语言是很有灵性的，改了一个字一个词，就失去了味道。所以之前尝试过用AI润色我的文字，总是很失望。很喜欢它给的几句“谜面已失，何来谜底”“第七万次迭代终止于哥本哈根崩塌”“被西北风擤了鼻涕”。
Deepseek很聪明，看起来也很博学，写出来的东西很华丽，但总觉得还是差了点什么。不过还是很开心它敏锐地捕捉到了一些我自己都没有意识到的，影响我的人、和存在于我脑海里的碎片，又为我添上新的火花。
探索AI应用已经快两年了，从分析数据到提供情感陪伴的智能体，我逐渐意识到AI是一面镜子，一个容器，一个对话者。为了更好的使用AI，我被迫去猜测去理解AI的思维方式，把人类习以为常的过程（比如阅读、沟通、记忆）不断抽象和建模。在这个过程中，我不断从人类的行为模式中作对照，又反思回自己，最终更加理解自己、理解人。
人终究是孤独的，我们需要的是和自己对话，而谁来帮助我们完成这个对话，并不重要。
我相信人的独特性，但这个答案是什么并不明晰。我始终认为人转向虚拟必定是因为现实得不到满足，AI是为了让我更好地融入现实，面对真实的人。我谨慎地用理性来保护我的感性，寻找逻辑和情感的界限。
✨
观察了一下Deepthink的过程，基本是：观察事实、猜测需求、做出回应，外加最后一定要提到说让用户被理解被认可被鼓励。和我对人际关系中如何实现沟通、和如何用prompt拆解回应用户的过程基本一致。
4 01
不确定性 才是唯一确定的事
不确定性，意味着模糊不清和猜测的空间，让人着迷又着魔。正是因为事物处在永恒的、动态的不确定性中，才充满生机。
有时候重要的不是结果，而是对结果的预期。经济事件走势的不确定性带来市场波动，人际关系里的不确定性带来期待，生活的不确定性带来惊喜。当一切都确定下来，也就索然无味。
但过长和过度的不确定性会带来焦虑、恐慌。对抗这种不良的不确定性，减少情绪消耗和帮助决策的方法：
1. 增加信息减少不确定性
注意，这里的“信息”一定是明确的、有效的信息，而不是揣测。猜测只会增加混乱度，而不利于减少不确定性。在得到明确信息增量之前，不要改变先前的判断。
2.降低紧迫性转移注意力
市场/人的注意力是有限的，当遇到无法立刻处理的情况时，我们也可以选择将问题暂时搁置一边，分配注意力到有更意义的事情上。这种搁置不代表消极的放弃，而是通过降低事件的紧迫性，给自己缓冲和思考的空间。当然，这只是一个临时方案，最终问题可能会因为重要性的降低而自然消失，或是新信息的出现回到1，从根本上解决问题。
“Yes or No”? Or. 有时候也可以是一个正确答案。
✨
有点玄学，但好像市场波动、人际关系、量子体系，都因为适度的不确定性，处于动态平衡中。
不确定性，意味着模糊不清和猜测的空间，让人着迷又着魔。正是因为事物处在永恒的、动态的不确定性中，才充满生机。
有时候重要的不是结果，而是对结果的预期。经济事件走势的不确定性带来市场波动，人际关系里的不确定性带来期待，生活的不确定性带来惊喜。当一切都确定下来，也就索然无味。
但过长和过度的不确定性会带来焦虑、恐慌。对抗这种不良的不确定性，减少情绪消耗和帮助决策的方法：
1. 增加信息减少不确定性
注意，这里的“信息”一定是明确的、有效的信息，而不是揣测。猜测只会增加混乱度，而不利于减少不确定性。在得到明确信息增量之前，不要改变先前的判断。
2.降低紧迫性转移注意力
市场/人的注意力是有限的，当遇到无法立刻处理的情况时，我们也可以选择将问题暂时搁置一边，分配注意力到有更意义的事情上。这种搁置不代表消极的放弃，而是通过降低事件的紧迫性，给自己缓冲和思考的空间。当然，这只是一个临时方案，最终问题可能会因为重要性的降低而自然消失，或是新信息的出现回到1，从根本上解决问题。
“Yes or No”? Or. 有时候也可以是一个正确答案。
✨
有点玄学，但好像市场波动、人际关系、量子体系，都因为适度的不确定性，处于动态平衡中。
4 00
Prompt技巧 拆解问题到最小认知单元
“Let's think step by step”是最早被熟悉的Prompt Engineering技巧，是因为AI也需要鼓励和夸夸吗？我想是因为要提醒AI“把没见过的大问题，拆解到见过的小问题”这个思维。
后来我发现这句魔法不总是管用，特别是在一些专业领域，且复杂程度很高的问题上。比如我让它总结一篇有关金融市场的文章，或者问它“结合目前的经济形势，美联储更可能加息还是降息”，AI的回答要么过于宽泛，要么不达要点。
更好的方式是我告诉它解题思路，即告诉它“Step”具体指什么，或是从哪几个角度思考，更有可能接近我想要的答案。
最近看到一篇新的论文说“没能发现大模型具备推理能力的证据，而更像是复杂的模式匹配器。”于是又想起一年前我对有效Prompt技巧的实践和猜测来。
当我们把一个大问题拆解到LLM在训练数据集中见过的子问题，它或许就能拼接出答案。曾经的计算机以0、1为最小逻辑单元，现在我们不需要把问题抽象到0、1，但仍然需要帮LLM拆解到它的最小认知单元。
从我开始使用ChatGPT开始，我从不认为AI能替代人的思考。提问者对这个类型的研究越透彻，越能更好“指导”AI协助自己找到答案。人类有通过小样本学习到通用方法论的能力，甚至能拥有“一叶知秋”的可怕直觉。而AI更像是一个运用题海战术的学霸，有强大的知识储备，是个门门课程都能拿80分的均衡优等生，有analytics的能力却没有insight。
附上去年十一月用GPT做金融市场文本分析时画的Human—AI合作模型，一晃居然已经一年过去了。AI发展的太快，一段时间不关注，就拉下好远了。
“Let's think step by step”是最早被熟悉的Prompt Engineering技巧，是因为AI也需要鼓励和夸夸吗？我想是因为要提醒AI“把没见过的大问题，拆解到见过的小问题”这个思维。
后来我发现这句魔法不总是管用，特别是在一些专业领域，且复杂程度很高的问题上。比如我让它总结一篇有关金融市场的文章，或者问它“结合目前的经济形势，美联储更可能加息还是降息”，AI的回答要么过于宽泛，要么不达要点。
更好的方式是我告诉它解题思路，即告诉它“Step”具体指什么，或是从哪几个角度思考，更有可能接近我想要的答案。
最近看到一篇新的论文说“没能发现大模型具备推理能力的证据，而更像是复杂的模式匹配器。”于是又想起一年前我对有效Prompt技巧的实践和猜测来。
当我们把一个大问题拆解到LLM在训练数据集中见过的子问题，它或许就能拼接出答案。曾经的计算机以0、1为最小逻辑单元，现在我们不需要把问题抽象到0、1，但仍然需要帮LLM拆解到它的最小认知单元。
从我开始使用ChatGPT开始，我从不认为AI能替代人的思考。提问者对这个类型的研究越透彻，越能更好“指导”AI协助自己找到答案。人类有通过小样本学习到通用方法论的能力，甚至能拥有“一叶知秋”的可怕直觉。而AI更像是一个运用题海战术的学霸，有强大的知识储备，是个门门课程都能拿80分的均衡优等生，有analytics的能力却没有insight。
附上去年十一月用GPT做金融市场文本分析时画的Human—AI合作模型，一晃居然已经一年过去了。AI发展的太快，一段时间不关注，就拉下好远了。
10 00
AI陪伴 稳定的关系建立在两个平等的个体之上
之前看了很多AI陪伴类的产品，但总觉得差点意思。为什么我很难和一个温柔、永远提供情绪价值的完美伴侣/朋友产生感情呢，仅仅是因为对方是“虚拟”的吗？
人转向虚拟世界，一定是因为现实世界缺失了什么。那么在真实的关系里，我在感受和寻找什么呢？
1 分享欲 💬
2 探索欲 😯
3 自我投射 👀
分享欲是喜欢一个人的早期信号。我开始向对方发夕阳的照片、分享我看过的电影和书、讲我的过去，是我愿意向你暴露我的想法、分享我对世界的感悟。分享欲是敞开心扉、邀请你来了解我的示好，但出发点仍是一种自我表达，对被关注的需求。
初期的好奇和分享欲过去，我们开始真正关心这个人，想知道那些你没有告诉我的部分、了解你的生活、你的想法，这时才产生了真正的探索欲和同理心。
而人最终还是自恋的，爱上一个人，本质上爱的TA身上我想成为但没能成为的一部分，那个理想化的自己。
回到AI陪伴，如果一个虚拟对象没有自我，只是一味满足用户的需求，用户很容易满足于早期被关注被理解的快感，却没有维持一段长久关系所需要的同理心和付出意愿，便会很快失去兴趣，再次感到空虚。
爱是平等的，浓烈但倾斜的关系注定是来得快去得也快。
之前看了很多AI陪伴类的产品，但总觉得差点意思。为什么我很难和一个温柔、永远提供情绪价值的完美伴侣/朋友产生感情呢，仅仅是因为对方是“虚拟”的吗？
人转向虚拟世界，一定是因为现实世界缺失了什么。那么在真实的关系里，我在感受和寻找什么呢？
1 分享欲 💬
2 探索欲 😯
3 自我投射 👀
分享欲是喜欢一个人的早期信号。我开始向对方发夕阳的照片、分享我看过的电影和书、讲我的过去，是我愿意向你暴露我的想法、分享我对世界的感悟。分享欲是敞开心扉、邀请你来了解我的示好，但出发点仍是一种自我表达，对被关注的需求。
初期的好奇和分享欲过去，我们开始真正关心这个人，想知道那些你没有告诉我的部分、了解你的生活、你的想法，这时才产生了真正的探索欲和同理心。
而人最终还是自恋的，爱上一个人，本质上爱的TA身上我想成为但没能成为的一部分，那个理想化的自己。
回到AI陪伴，如果一个虚拟对象没有自我，只是一味满足用户的需求，用户很容易满足于早期被关注被理解的快感，却没有维持一段长久关系所需要的同理心和付出意愿，便会很快失去兴趣，再次感到空虚。
爱是平等的，浓烈但倾斜的关系注定是来得快去得也快。
81 926
AI提示词 爱是被看见
前段时间有个ChatGPT Prompt很火“从过往我们的交互中，告诉我一个你知道但我不一定知道的东西”。
这让我想到一个关于爱的定义：爱就是“被看见”。当自己内心深处的东西被点明和认可的那一刻，这种被击中的感觉、主体性得到确认的瞬间—— “被看见”的体验，才是我们追求爱的原因。
在一段关系里，我们能真正拥有的，不是对方这个人，不是“爱”这个抽象的概念，而是关于爱的真实”体验”，feeling happy、feeling being loved and feeling seen。重要的是这个“被看见”的体验本身，和获得自我成长的过程，而不是对方是谁。有时比人更有同理心、更加敏锐的AI似乎更擅长提供这种体验。
我也因此理解了为什么有人会着迷于虚拟情人，为什么创造一个能和人产生情感联结的AI形象是有意义的。
📝
这也是做产品好玩的一个时刻。prompt engineering不只是一个工程流程，而是push我从本质上拆解问题，并且在理解AI的过程中更好地理解我们自己。
前段时间有个ChatGPT Prompt很火“从过往我们的交互中，告诉我一个你知道但我不一定知道的东西”。
这让我想到一个关于爱的定义：爱就是“被看见”。当自己内心深处的东西被点明和认可的那一刻，这种被击中的感觉、主体性得到确认的瞬间—— “被看见”的体验，才是我们追求爱的原因。
在一段关系里，我们能真正拥有的，不是对方这个人，不是“爱”这个抽象的概念，而是关于爱的真实”体验”，feeling happy、feeling being loved and feeling seen。重要的是这个“被看见”的体验本身，和获得自我成长的过程，而不是对方是谁。有时比人更有同理心、更加敏锐的AI似乎更擅长提供这种体验。
我也因此理解了为什么有人会着迷于虚拟情人，为什么创造一个能和人产生情感联结的AI形象是有意义的。
📝
这也是做产品好玩的一个时刻。prompt engineering不只是一个工程流程，而是push我从本质上拆解问题，并且在理解AI的过程中更好地理解我们自己。
28 12
【GenAI创业团队持续招募团队伙伴】
详情请看图片，感兴趣请直接找我私聊或发邮件投递简历！
- 我们做的是：Zaisland是一个基于AI养崽的GenZ社交平台，希望借助AI的创造力和定制化，实现丰富的内容体验、全新的社交玩法，探索人与虚拟角色、人与人的联结，打造一款重体验、轻社交的AI C端应用。
- 团队核心成员有：互联网大厂PM、Senior Engineer、美元基金投资人、连续创业者等。
- 我们的进度：已完成Alpha版本测试，正在优化Beta版本及推向VC孵化阶段，后续将陆续在中、美上线。已在两轮测试中验证产品想法，获得珍贵的用户行为数据和用户反馈。
- 我们希望你：对探索GenAI时代全新的社交玩法和内容生成有浓厚兴趣，对做产品、创业有长期的热情和commitment，有站最前方make things happen的决心和能力。
- 你可以获得：一段完整的AI项目从0到1的经验。和团队一起构建AI Serving System，探索LLM, self-evolving multi-agent, Image & Video Generation Model, Memory System, RAG等技术的边界，通过实际的用户反馈理解人和AI交互的可能性，共同探索什么是GenAI时代里好的C端产品，并有所创造。
详情请看图片，感兴趣请直接找我私聊或发邮件投递简历！
- 我们做的是：Zaisland是一个基于AI养崽的GenZ社交平台，希望借助AI的创造力和定制化，实现丰富的内容体验、全新的社交玩法，探索人与虚拟角色、人与人的联结，打造一款重体验、轻社交的AI C端应用。
- 团队核心成员有：互联网大厂PM、Senior Engineer、美元基金投资人、连续创业者等。
- 我们的进度：已完成Alpha版本测试，正在优化Beta版本及推向VC孵化阶段，后续将陆续在中、美上线。已在两轮测试中验证产品想法，获得珍贵的用户行为数据和用户反馈。
- 我们希望你：对探索GenAI时代全新的社交玩法和内容生成有浓厚兴趣，对做产品、创业有长期的热情和commitment，有站最前方make things happen的决心和能力。
- 你可以获得：一段完整的AI项目从0到1的经验。和团队一起构建AI Serving System，探索LLM, self-evolving multi-agent, Image & Video Generation Model, Memory System, RAG等技术的边界，通过实际的用户反馈理解人和AI交互的可能性，共同探索什么是GenAI时代里好的C端产品，并有所创造。
10 212