即刻App年轻人的同好社区
下载
App内打开
云舒的AI实践笔记
304关注3k被关注6夸夸
🤣在深耕AI的产品经理,C和B都在研究
🤔0-1及1-N带过产品线,莽撞的创业铩羽而归
🤩Base北京,欢迎线上约聊和约面咖啡☕
置顶
云舒的AI实践笔记
2年前
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
874
云舒的AI实践笔记
2天前
为了提升开发效率,终究还是把四象限法则搬出来了和AI一起review issue,沉浸式Coding中~
10
云舒的AI实践笔记
3天前
AI画的交互真不错啊。。。Axure是不是也要被AI替代掉了,感觉墨刀也危险了。。。
102
云舒的AI实践笔记
6天前
code review成为自动化开发的重头戏了。。。

一大堆flash模型及将发挥作用,hhhhh
00
云舒的AI实践笔记
11天前
又刷到报培训班求职AI的事情,我感觉其实如果没有很强的探索欲,不如先停下来多看看赚钱有几种方式,未来哪种更适合自己。

AI相关岗位太吃探索欲和心气了。。。

如果模型出来你能玩的不亦乐乎晚上2点不睡觉,那你很适合AI的岗位,如果你对这个事情没啥兴趣,那可能做点别的自己喜欢的更合适。
10
云舒的AI实践笔记
16天前
刷抖音看到一个博主主体是程序员报1.6万AI培训班然后找开发工作,我本来以为她是做流量,谁想真的是找工作🤔

以AI这个迭代速度,培训的时效性估计过期会很快吧。。。大家都挺难的,从源头到下游,没有轻松的。
40
云舒的AI实践笔记
18天前
失败也是体验过程中的一部分。

🤣好像不应该担心做坏了怎么办,所为做成了不过是不断优化失败的比例值🤔
00
云舒的AI实践笔记
18天前
CodeX6.1sol是真的墨迹啊。。。干个活半天干不明白,tokens输出还贼慢,我选择只用它做review了。
81
云舒的AI实践笔记
18天前
果然图片比文字更有说服力啊。。。
00
云舒的AI实践笔记
22天前
晚上和AI复盘了今年做的项目,看看在tokens消耗剧增的过程中,哪些事情真的做对了。今天来分享一下,在找到有用AI场景这件事上,我觉得最重要的三件事。

1.给自己的AI支出做个预算,留一定的冗余空间。

去年到今年年初,我每个月在AI支出就两三百块钱。当时觉得AI只是个提效工具,又没法带来多少收益,能省则省吧,需要时充点API就好了。

这导致了我在AI上的实践水平,以及对Skill、Coding的理解,有几个月都没啥进步。

2月底我觉得这个逻辑不太对,对于一个AI行业从业者来说,几个月没什么进步还是挺危险的。

正好我身边的朋友都在疯狂烧tokens,那我想我先开一个月的Claude 100刀会员试试,看看多用用能不能提升我的水平。

秉着不浪费订阅费的想法,我开始在工作和生活的各个环节尝试AI,不断折腾自己的Skill和产品。虽然中间浪费了大量tokens,但也挖出了很多以前没想到的场景。

后来开Codex会员也一样,先算每个月多100刀费用,这个事情坚持半年,成本能不能接受,最后觉得还行,到今天沉淀出来了一套自动化的开发工作流。

2.不要把AI当AI用,把它当员工来看。

Codex节前出了Dot,我研究了几天实在不知道这个产品能干嘛。

假期里我脑子里冒出来一个思路,如果我把Dot当成一个能刷浏览器的实习生,我会让它帮我干点啥呢?

思路瞬间打开了,我扔了一个搜集我们市二手房购房者需求的任务给到它,让它自己打开小红书网页自己去刷帖子,然后连同评论一起收集下来,最后整理一个文档方便我看。

我还盯着它刷了一会小红书,确实能干这个活啊,后边也多让它尝试一些浏览器操作的任务。

把AI当成一个有技能的员工来对待,更容易找到有价值的AI场景。

3.接受探索的延后回报。

现在是一个变化很快的世界,大家也都想快点拿到结果,但很多事情其实周期和效果都不是那么如预期的。

我在年初开始做我的Skill仓库,之前没发过GitHub的内容,也很担心没人用没人看,但我感觉我做对的事情就是不断沉淀Skill、不断迭代,到现在做了9个月有700多star。

这个项目沉淀没啥爆发式的增长,但我估计要是我第一个月的目标是1kstar,那我肯定老早就放弃了。

今年做CodePal也一样,春节期间就开始做,十一前差点做成烂尾项目,实在不知道要往什么方向迭代了,后来和自己的开发工作流结合起来,做一个开发工作台,这才找到了继续的动力。

我想还是要多给自己一点时间,很多做不成的项目,也会变成下一个项目的养料。
00
云舒的AI实践笔记
23天前
头部1%用户在狂飙,拉开差距的还是场景

昨天盯着Agent干活的时候,看完了A16z发的两篇报告,关于AI覆盖率和支出是数据都蛮让我意外的,和我脑海中的差值过大,今天来跟大家聊聊我看完的思考。

第一个数据是:愿意为AI开会员付费的人,其实比想象中的少。

整个报告统计的都是美国用户,按照报告给出的数据,ChatGPT的会员订阅比例是3%,Gemini和Claude在1%左右。

我以为AI的渗透率这么高,付费会员的比例达到个20%应该没啥问题,但转头一看好像一切都是刚开始的样子。

再往下看第二个数据:在付费用户里,愿意买高档套餐的人也很少。

ChatGPT和Gemini100刀以上会员是1.3%,Claude 100刀以上是7.3%。

没想到高档套餐还是这么小众,那为啥Codex最近一直在缩量。。。我脑海里的二八法则在会员付费和订阅都失效了。

第三个数据:头部1%用户的AI支出在狂飙。

头部支出1%的用户,贡献了19.5%的AI支出,而底部50%加一起是16.6%。

而且他们还在疯狂增长,头部1%的用户月平均支出903美元,过去18个月涨了80%,而中位数的金额是25美元一个月,没咋增长。

大部分人的AI消费其实变化不大,但最头部的那批用户已经开始疯狂加速了,这个差距比我原来想象的大得多。

第四个数据最符合我的认知:模型越来越便宜了,但用户最终花的钱并没有因此下降。

虽然现在每个月tokens成本都在下降,但是之前很多舍不得跑的任务都可以疯狂跑起来了。

模型便宜10倍,并不意味着最后少花10倍的钱,最终的tokens是几何倍增长的,反而成本会高于模型下降前的。

看完这个报告后我脑子中的第一反应:AI现在也太卷了吧。。。

看起来风平浪静岁月静好,头部这1%的tokens消耗增加很说明问题了。

现在真正拉开人和人差距的,核心还是在有没有找到可以持续跑、不断迭代的真实场景。

为了努力追赶那1%的人群,我思考琢磨了一下后续我要聚焦的几个事情。

场景上还是聚焦在Coding里,往更深的自动化开发逻辑去做探索,整个十一都在改我的CodePal和Dev-workflow插件,处理了30多个issue,对Coding有了新的理解,等我把这几个大bug修完后跟大家分享一下。

同时我也在做内容场景的探索:用Opus5.5优化了配图助手、PPT这些Skill,然后更新了GitHub代码仓的介绍;用Dot去探索AI 浏览器查阅内容总结报告,真AI盯着电脑干活;和Codex一起从新探索选题到内容的流程,准备多写点有意思内容给大家看看。

继续努力挖掘值得烧tokens的场景,把它们跑通、跑深,让AI真的能替我长期干活。
41