即刻App年轻人的同好社区
下载
置顶整理一下自己AI写过的各种内容，包含AI精选知识库、AI文章、AI思考、AI产品体验四个维度，这条动态长期更新🌟，如果大家觉得不错，可以收藏一下呀~
欢迎大家加我微信交流呀，AI时代期待与诸位一起同行~
1.🧰 AI精选知识库
用了几百款AI工具之后，精选了100个AI工具做了一个AI精选知识库，方便大家发掘好用的AI工具。
逛一逛知识库：t16jzwqrzjx.feishu.cn
精选的初衷及产品定义的思考：web.okjike.com
2.📝AI文章：关于AI的一些深度思考
用户视角看AI丨教了3000小白AI提效后，聊聊小白用户在AI上的2大卡点：mp.weixin.qq.com
智谱Z沙龙活动后，对AI工具应用和商业化的3点思考总结：mp.weixin.qq.com
AI万字长文丨发展迅速而又缓慢的AI时代：mp.weixin.qq.com
Sora深度解析：OpenAI的文生视频革命：mp.weixin.qq.com
3.🤔AI思考：日常AI工作和学习中的总结
- 提示词prompt内容汇总：
A.提示词工程三个阶段：个人应用——小团队提效——批量化应用web.okjike.com
B.prompt工作流实践总结：web.okjike.com
C.如何写好一个prompt：web.okjike.com
- 企业AI提效之路
A.给老板讲课AI后对于企业提效的思考：web.okjike.com
B.企业提效的两个层级：web.okjike.com
- AI产品经理工作
A.AI业务和之前业务时候对产品经理的能力项要求变化：web.okjike.com
- AI学习经验分享
A.最简单用好AI的办法：遇事不决，问问GPT：web.okjike.com
- 做业务的一些想法
A.可规模化拓展的PMF时刻：web.okjike.com
B.创业者不管是成功还是失败其实都没有开天眼：web.okjike.com
- 日常复盘
A.寻找个人长板：对业务本质的洞察能力：web.okjike.com
B.学了一年命理八字后的感悟：web.okjike.com
C.盈亏同源：web.okjike.com
4.🎮AI产品体验
25-Omost AI绘图产品：web.okjike.com
24-微信输入法AI能力：web.okjike.com
23-Luma AI视频生成软件：web.okjike.com
22-wegic AI+快速建站工具：web.okjike.com
21-GPTs：web.okjike.com
20-Fatetell AI+国学：web.okjike.com
19-海螺智能体：web.okjike.com
18-豆包智能体：web.okjike.com
17-智谱智能体：web.okjike.com
16-Remini 黏土AI：web.okjike.com
15-Remove.bg 图像处理：web.okjike.com
14-toolify AI工具站：web.okjike.com
13-豆包 LLM产品：web.okjike.com
12-海螺AI LLM产品：web.okjike.com
11-flowith 白板AI工具：web.okjike.com
10-通义听悟（音视频转译文本工具）：web.okjike.com
09-Devv AI程序员搜索：web.okjike.com
08-开源大模型Llama3：web.okjike.com
07-Way To AGI 知识库：web.okjike.com
06-kimi Copilot 网页总结助手：web.okjike.com
05-钉钉AI助理：web.okjike.com
04-Dify LLM应用开发平台：web.okjike.com
03-AI购物助手Lumona：web.okjike.com
02-阶跃星辰跃问产品体验：web.okjike.com
01-infospaceAI信息汇总产品：web.okjike.com
欢迎大家加我微信交流呀，AI时代期待与诸位一起同行~
1.🧰 AI精选知识库
用了几百款AI工具之后，精选了100个AI工具做了一个AI精选知识库，方便大家发掘好用的AI工具。
逛一逛知识库：t16jzwqrzjx.feishu.cn
精选的初衷及产品定义的思考：web.okjike.com
2.📝AI文章：关于AI的一些深度思考
用户视角看AI丨教了3000小白AI提效后，聊聊小白用户在AI上的2大卡点：mp.weixin.qq.com
智谱Z沙龙活动后，对AI工具应用和商业化的3点思考总结：mp.weixin.qq.com
AI万字长文丨发展迅速而又缓慢的AI时代：mp.weixin.qq.com
Sora深度解析：OpenAI的文生视频革命：mp.weixin.qq.com
3.🤔AI思考：日常AI工作和学习中的总结
- 提示词prompt内容汇总：
A.提示词工程三个阶段：个人应用——小团队提效——批量化应用web.okjike.com
B.prompt工作流实践总结：web.okjike.com
C.如何写好一个prompt：web.okjike.com
- 企业AI提效之路
A.给老板讲课AI后对于企业提效的思考：web.okjike.com
B.企业提效的两个层级：web.okjike.com
- AI产品经理工作
A.AI业务和之前业务时候对产品经理的能力项要求变化：web.okjike.com
- AI学习经验分享
A.最简单用好AI的办法：遇事不决，问问GPT：web.okjike.com
- 做业务的一些想法
A.可规模化拓展的PMF时刻：web.okjike.com
B.创业者不管是成功还是失败其实都没有开天眼：web.okjike.com
- 日常复盘
A.寻找个人长板：对业务本质的洞察能力：web.okjike.com
B.学了一年命理八字后的感悟：web.okjike.com
C.盈亏同源：web.okjike.com
4.🎮AI产品体验
25-Omost AI绘图产品：web.okjike.com
24-微信输入法AI能力：web.okjike.com
23-Luma AI视频生成软件：web.okjike.com
22-wegic AI+快速建站工具：web.okjike.com
21-GPTs：web.okjike.com
20-Fatetell AI+国学：web.okjike.com
19-海螺智能体：web.okjike.com
18-豆包智能体：web.okjike.com
17-智谱智能体：web.okjike.com
16-Remini 黏土AI：web.okjike.com
15-Remove.bg 图像处理：web.okjike.com
14-toolify AI工具站：web.okjike.com
13-豆包 LLM产品：web.okjike.com
12-海螺AI LLM产品：web.okjike.com
11-flowith 白板AI工具：web.okjike.com
10-通义听悟（音视频转译文本工具）：web.okjike.com
09-Devv AI程序员搜索：web.okjike.com
08-开源大模型Llama3：web.okjike.com
07-Way To AGI 知识库：web.okjike.com
06-kimi Copilot 网页总结助手：web.okjike.com
05-钉钉AI助理：web.okjike.com
04-Dify LLM应用开发平台：web.okjike.com
03-AI购物助手Lumona：web.okjike.com
02-阶跃星辰跃问产品体验：web.okjike.com
01-infospaceAI信息汇总产品：web.okjike.com
105 873
昨天北京这破天气一直在打雷，我就在家和AI复盘Coding的心得，发现熟练度和收益这个事情还真不是简单的正相关关系，让我接下来和大家分享一下。
1.日常小功能：没啥熟练度要求，跟AI能讲清楚需求就行了。
感觉用好Coding工具会逐渐像Word、Excel、PPT一样，变成大家都会的一个基础能力；也不需要啥学习成本，打开AI会用能讲清楚事情就行了。
我最近的Windows开机之后总是有一堆软件打开，打游戏的时候还是不是得蹦出来打扰我，存储空间也快占满了，再下载游戏没地方放了。
这个场景我就是用Codex来解决的，我跟他描述了一下我的现状，它帮我禁掉了一堆没用的开机程序，清理了50个g的硬盘空间出来。
很多类似的低频零散需求都可以让AI来做，比如截图加边框、文件压缩处理，这种基本上你把需求讲清楚给AI它都能很快的实现。
2.上班技能：熟练度要求比较高，要有质量的产出
Coding已经是AI岗位的必备技能了，目前的互联网岗位也在偏往N合一的方向发展，未来估计会是一个人带着一堆Agent在干活。
这种情况下必然是以提效为核心，不能再是过去那种做一个demo出来的逻辑了，而是一套系统能够在标准化的流程下快速开发上线。
我自己现在的Coding工作流是这样的：样式设计—PRD及测试文档撰写—AI开发测试—人类验收—AI部署上线回归测试。
我大半的时间花在样式设计、PRD及测试文档撰写上，这些弄完了我后边就托管给AI开发了。
前边这俩目前还扔不出去，尤其是涉及到多表数据流转这种问题，我还得一个表一个表看，看完和AI讨论思路，再写文档。
3. 自己赚钱：熟练度不是决定变量，核心是需求挖掘和商业闭环
到了真正的商业场景，Coding的熟练度反而会变成一个不那么重要的能力，研究的越深反而有可能越赚不到钱。
Coding解决的是效率问题，但能不能赚到钱核心是需求切的准不准、有没有人愿意付费。
我去年花了蛮多精力做提示词管理助手这个产品，但最终也没赚到钱，主要原因在于这个需求切的太细了、太小众了，而且我为了偷懒还不做云同步功能。
当时应该做一个提示词优化网页，这是更加大众一点的功能，没准还能卖一些提示词定制和培训的钱。
做提示词管理助手的时，我为了代码优雅花了大把的精力，最后对用户获取一点帮助没有，想想当时也是有什么大病，非不管商业逻辑死磕炫技。
我自己接下来一段时间会不再追求更多的token消耗了，把更多精力放到商业化的场景探索中，去遨游做一些有意思的事情～
1.日常小功能：没啥熟练度要求，跟AI能讲清楚需求就行了。
感觉用好Coding工具会逐渐像Word、Excel、PPT一样，变成大家都会的一个基础能力；也不需要啥学习成本，打开AI会用能讲清楚事情就行了。
我最近的Windows开机之后总是有一堆软件打开，打游戏的时候还是不是得蹦出来打扰我，存储空间也快占满了，再下载游戏没地方放了。
这个场景我就是用Codex来解决的，我跟他描述了一下我的现状，它帮我禁掉了一堆没用的开机程序，清理了50个g的硬盘空间出来。
很多类似的低频零散需求都可以让AI来做，比如截图加边框、文件压缩处理，这种基本上你把需求讲清楚给AI它都能很快的实现。
2.上班技能：熟练度要求比较高，要有质量的产出
Coding已经是AI岗位的必备技能了，目前的互联网岗位也在偏往N合一的方向发展，未来估计会是一个人带着一堆Agent在干活。
这种情况下必然是以提效为核心，不能再是过去那种做一个demo出来的逻辑了，而是一套系统能够在标准化的流程下快速开发上线。
我自己现在的Coding工作流是这样的：样式设计—PRD及测试文档撰写—AI开发测试—人类验收—AI部署上线回归测试。
我大半的时间花在样式设计、PRD及测试文档撰写上，这些弄完了我后边就托管给AI开发了。
前边这俩目前还扔不出去，尤其是涉及到多表数据流转这种问题，我还得一个表一个表看，看完和AI讨论思路，再写文档。
3. 自己赚钱：熟练度不是决定变量，核心是需求挖掘和商业闭环
到了真正的商业场景，Coding的熟练度反而会变成一个不那么重要的能力，研究的越深反而有可能越赚不到钱。
Coding解决的是效率问题，但能不能赚到钱核心是需求切的准不准、有没有人愿意付费。
我去年花了蛮多精力做提示词管理助手这个产品，但最终也没赚到钱，主要原因在于这个需求切的太细了、太小众了，而且我为了偷懒还不做云同步功能。
当时应该做一个提示词优化网页，这是更加大众一点的功能，没准还能卖一些提示词定制和培训的钱。
做提示词管理助手的时，我为了代码优雅花了大把的精力，最后对用户获取一点帮助没有，想想当时也是有什么大病，非不管商业逻辑死磕炫技。
我自己接下来一段时间会不再追求更多的token消耗了，把更多精力放到商业化的场景探索中，去遨游做一些有意思的事情～
9 00
最近重构了好几个老项目，做了不少功能优化，日耗tokens也打到了3个亿。对coding需要什么样的能力，也有了更深的理解，今天和大家分享一下我的思考。
我觉得对于非技术背景的人群来说，最重要的不是去学更多代码知识，这块AI更新一个版本可比人学的快的多了，更重要是去用好AI和保证AI的交付质量。
因此我觉得比较重要的能力是这三个。
1.需求定义与方案判断能力
就我自己目前整个coding时间耗时来看，50%以上的时间都是在和AI去讲需求是什么、设计方案选择哪个样子的。
为什么这个环节会这么耗时？
因为很多需求细节如果不描述清楚，后面就会变成无穷无尽的返工。
比如说我跟AI说我需要一个数据统计后台，然后扔给它一些资料让AI去想，AI确实也能做出来一个看起来不错的后台。
但问题是，很多细节和真实使用场景肯定是对不上的，比如说哪些数据口径需要统计、数据更新频率是什么。
所以一句话做一个App不是说不能实现，前提是这个App足够简单，需求边界要足够清晰。
只要是长期使用的生产级功能，复杂度都会高很多，细节需要一点点敲对，人需要去讲清楚自己的需求，从AI给的方案里做出选择。
2.测试与验收能力
产品做完了≠产品上线能用了，中间还有一个最重要的事情叫测试和验收。
我自己搞出来几次大bug都是本地测完没什么问题，我直接发到线上服务器了，然后发一次崩一次。
原因就在于我漏了几个边界条件的验收，恰好这几个地方发生了bug，然后我的整个线上系统就卡崩了。
这块的难点在于人和AI是否能够在一起，想清楚足够多的边界场景来覆盖产品的异常，然后通过自动化测试来规避各种bug，尽可能提升产品上线后的稳定性。
3.系统架构认知能力
系统越复杂越会发现架构设计的重要性，如果前期没有做好架构设计，很容易写着写着就变成一堆屎山代码，改bug的时间远大于写功能的时间。
但我觉得AI发展这么快，我们并不需要去学习怎么做具体的架构设计，只需要了解原则然后让AI去干就好了。
架构上整体遵循高内聚、低耦合这个原则就好了。
比如说我要做一个数据后台，那可能会包含数据获取、数据冶炼、数据展示、数据分析多个模块，那这些模块在开发的时候最好每一个模块都是自己呈一个单元，通过各种API来完成信息的交互，而不是说凑一起用。
所以架构认知能力，本质上不是让非技术人变成架构师，而是要具备基本的系统拆解意识，然后给AI讲清楚你想要的是什么就可以了。
我觉得对于非技术背景的人群来说，最重要的不是去学更多代码知识，这块AI更新一个版本可比人学的快的多了，更重要是去用好AI和保证AI的交付质量。
因此我觉得比较重要的能力是这三个。
1.需求定义与方案判断能力
就我自己目前整个coding时间耗时来看，50%以上的时间都是在和AI去讲需求是什么、设计方案选择哪个样子的。
为什么这个环节会这么耗时？
因为很多需求细节如果不描述清楚，后面就会变成无穷无尽的返工。
比如说我跟AI说我需要一个数据统计后台，然后扔给它一些资料让AI去想，AI确实也能做出来一个看起来不错的后台。
但问题是，很多细节和真实使用场景肯定是对不上的，比如说哪些数据口径需要统计、数据更新频率是什么。
所以一句话做一个App不是说不能实现，前提是这个App足够简单，需求边界要足够清晰。
只要是长期使用的生产级功能，复杂度都会高很多，细节需要一点点敲对，人需要去讲清楚自己的需求，从AI给的方案里做出选择。
2.测试与验收能力
产品做完了≠产品上线能用了，中间还有一个最重要的事情叫测试和验收。
我自己搞出来几次大bug都是本地测完没什么问题，我直接发到线上服务器了，然后发一次崩一次。
原因就在于我漏了几个边界条件的验收，恰好这几个地方发生了bug，然后我的整个线上系统就卡崩了。
这块的难点在于人和AI是否能够在一起，想清楚足够多的边界场景来覆盖产品的异常，然后通过自动化测试来规避各种bug，尽可能提升产品上线后的稳定性。
3.系统架构认知能力
系统越复杂越会发现架构设计的重要性，如果前期没有做好架构设计，很容易写着写着就变成一堆屎山代码，改bug的时间远大于写功能的时间。
但我觉得AI发展这么快，我们并不需要去学习怎么做具体的架构设计，只需要了解原则然后让AI去干就好了。
架构上整体遵循高内聚、低耦合这个原则就好了。
比如说我要做一个数据后台，那可能会包含数据获取、数据冶炼、数据展示、数据分析多个模块，那这些模块在开发的时候最好每一个模块都是自己呈一个单元，通过各种API来完成信息的交互，而不是说凑一起用。
所以架构认知能力，本质上不是让非技术人变成架构师，而是要具备基本的系统拆解意识，然后给AI讲清楚你想要的是什么就可以了。
8 02