即刻App年轻人的同好社区
下载
置顶说一个在前司的观察：搞应用的，天天手动拼 prompt、管理上下文，去提高prompt cache 命中率，都快卷的没招了，实际就是在模拟“状态”。这全赖底层的推理 API 还是最原始的 stateless 形态。
所以我有一个强烈的预感：
下个能掀起波澜的 AI 产品，会是一个深度结合推理和应用层的怪物，把状态管理、KV Cache 复用做到极致，当别人还在为优化 10% 的 prompt 成本而沾沾自喜时，它在推理层通过“降维打击”的方式，用更少的成本获得了 10 倍的性能。从此之后再也不会有人认为 AI 应用是简单的套壳了
所以我有一个强烈的预感：
下个能掀起波澜的 AI 产品，会是一个深度结合推理和应用层的怪物，把状态管理、KV Cache 复用做到极致，当别人还在为优化 10% 的 prompt 成本而沾沾自喜时，它在推理层通过“降维打击”的方式，用更少的成本获得了 10 倍的性能。从此之后再也不会有人认为 AI 应用是简单的套壳了
12 25
好久没写长文了，最近半年一直在关注 Palantir 的 FDE 模式。前阵子 OpenAI 和 Anthropic 同一天各自成立了新的部署公司，FDE 在中文圈又翻红了一轮。但中文圈关于 FDE 的讨论很多都偏离了它本来的定义，或者干脆实际上说的就是 AI 咨询/实施。在这层误解上讨论来讨论去，结论自然五花八门。
所以把手头的资料做了一次系统梳理：Bob McGrew（Palantir FDE 从 0 到 1 亲历者，后任 OpenAI VP Research）在 YC 的访谈，a16z、Sequoia、Flybridge 等 VC 对 FDE 的分析和争论，Palantir 官方博客里 FDSE 的工作日常，以及 Gartner、Everest Group 等机构的判断，素材就整理了 6 万字，来给 FDE 一个清晰的定义。
再加上我在一线构建 AI 产品中积累的体感，尝试去回答：为什么在 AI 产品中，大家如此热衷 FDE。
全文 7000 字，可以摸鱼时候慢慢看～
所以把手头的资料做了一次系统梳理：Bob McGrew（Palantir FDE 从 0 到 1 亲历者，后任 OpenAI VP Research）在 YC 的访谈，a16z、Sequoia、Flybridge 等 VC 对 FDE 的分析和争论，Palantir 官方博客里 FDSE 的工作日常，以及 Gartner、Everest Group 等机构的判断，素材就整理了 6 万字，来给 FDE 一个清晰的定义。
再加上我在一线构建 AI 产品中积累的体感，尝试去回答：为什么在 AI 产品中，大家如此热衷 FDE。
全文 7000 字，可以摸鱼时候慢慢看～
当我们谈论 FDE 时，我们在谈论什么？
4 00
目前已经有复旦大学、哈尔滨工业大学、杭州电子科技大学、西北工业大学、西安电子科技大学、江苏科技大学、河南理工大学等高校的同学完成了申请，第一批100人申请仍在开放中，欢迎更多同学提交申请。
yan5xu: 作为吃到AI红利的人，希望能够做一些回馈。所以我决定个人出资15W，发起一个资助大学生TOKEN的计划，分三个阶段，提供$20/$100/$400 API token。第一阶段，不限专业，无需基础，不求回报，第二/第三根据产出进行筛选，另外提供我的辅导，和推荐startup实习。首年目标覆盖600人。 希望帮助到需要的人！也期待有更多小伙伴参与到项目中！
3 00
作为吃到AI红利的人，希望能够做一些回馈。所以我决定个人出资15W，发起一个资助大学生TOKEN的计划，分三个阶段，提供$20/$100/$400 API token。第一阶段，不限专业，无需基础，不求回报，第二/第三根据产出进行筛选，另外提供我的辅导，和推荐startup实习。首年目标覆盖600人。
希望帮助到需要的人！也期待有更多小伙伴参与到项目中！
希望帮助到需要的人！也期待有更多小伙伴参与到项目中！
解字计划 — Jiezi Grant
10 77
来大理过年，管家给了个二维码，每次进小区都要绑定领卷。实在有点麻烦就把二维码和车牌号发给了 openclaw（其实是我的 epiral），结果成功搞定。每次回来给他发个消息就自动领卷，苏胡。
3 00
Kimi K2.5 第一次让我体会到被模型支配的恐惧。
我一直认为大多数 LLM 应用，本质就是三件事：信息收集、信息处理、信息呈现。
过去一批 AI PPT / DOC 产品的核心卖点，其实主要就在“呈现层”：更好看的版式、更统一的视觉、更像交付的包装。
Kimi K2.5 直接把这个赛道终结了，它把“有品味”的端到端生成打成了通用能力——结构、布局、配色、组件、图表，甚至动效/交互，都能一次性产出到可用水准。
而这批 AI PPT/DOC 产品本身就是一层“用 HTML 把内容呈现得更像样”的壳，再叠加模板与工程化的审美。
当模型可以直接生成高质量的 Web 文稿/演示页面时，这层壳就不再稀缺了：
你原来卖的“更好看的 HTML 文档/slide”，变成了模型顺手就能给到的默认结果。
用户要的不是文件格式，而是信息被清晰、有审美地呈现；而 Web 作为载体，能力上天然更强（版式自由度、交互、滚动叙事、动态图表、响应式、多端适配）。
于是很多交付形态会直接从“一个文件”变成“一个链接”：打开就是完整的演示/报告/说明书。
所以，被 Kimi K2.5 干死的不是“PPT/DOC”这种需求，而是那批把价值集中押在“呈现层（HTML 渲染 + 模板审美）”的 AI PPT/DOC 产品，不是被更好的模板打败，是被更强的通用生成能力抽走了溢价。
出路也很直接：呈现会越来越不重要（因为大家都一样），真正能站住脚的，要么往上游做信息收集/信息处理（数据、知识、行业工作流），要么往下游占据内容栖息地与流通系统（权限、协作、审批、分发、沉淀），也就是飞书/Notion 这类平台层的能力。
我一直认为大多数 LLM 应用，本质就是三件事：信息收集、信息处理、信息呈现。
过去一批 AI PPT / DOC 产品的核心卖点，其实主要就在“呈现层”：更好看的版式、更统一的视觉、更像交付的包装。
Kimi K2.5 直接把这个赛道终结了，它把“有品味”的端到端生成打成了通用能力——结构、布局、配色、组件、图表，甚至动效/交互，都能一次性产出到可用水准。
而这批 AI PPT/DOC 产品本身就是一层“用 HTML 把内容呈现得更像样”的壳，再叠加模板与工程化的审美。
当模型可以直接生成高质量的 Web 文稿/演示页面时，这层壳就不再稀缺了：
你原来卖的“更好看的 HTML 文档/slide”，变成了模型顺手就能给到的默认结果。
用户要的不是文件格式，而是信息被清晰、有审美地呈现；而 Web 作为载体，能力上天然更强（版式自由度、交互、滚动叙事、动态图表、响应式、多端适配）。
于是很多交付形态会直接从“一个文件”变成“一个链接”：打开就是完整的演示/报告/说明书。
所以，被 Kimi K2.5 干死的不是“PPT/DOC”这种需求，而是那批把价值集中押在“呈现层（HTML 渲染 + 模板审美）”的 AI PPT/DOC 产品，不是被更好的模板打败，是被更强的通用生成能力抽走了溢价。
出路也很直接：呈现会越来越不重要（因为大家都一样），真正能站住脚的，要么往上游做信息收集/信息处理（数据、知识、行业工作流），要么往下游占据内容栖息地与流通系统（权限、协作、审批、分发、沉淀），也就是飞书/Notion 这类平台层的能力。
1 10
感觉 k2.5 会取代 3flash 啊，被光速打脸了
yan5xu: gemini 3 flash 在大家没注意的时候，已经节节攀升，现在已经进入到会碰到全球 429 的状态了。上一次我看到这个情况，还是在 sonnet 制霸时期。😂感觉又到了要和模型厂商抢资源的时候了。
2 20