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
9 12
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
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。
4 22
发现一个邪门的 chatbot 技巧。
在润色推特文案的时候，我会设定 bot 的角色--“我的助理，mit LLM 在读博士”。当涉及到其他行业，我就会😂让他“找同学”；比如投融资，就让他问问在哈佛商业学院的“同学”，效果不错～
在润色推特文案的时候，我会设定 bot 的角色--“我的助理，mit LLM 在读博士”。当涉及到其他行业，我就会😂让他“找同学”；比如投融资，就让他问问在哈佛商业学院的“同学”，效果不错～
2 00
每次写压缩相关的内容，都会想起游戏史中红白机马里奥是如何极致优化存储空间，和后来介质发展后，CG 游戏大当其道的历史；所以什么时候要专注于优化，什么时候要提前赌技术发展，真的考验眼光。
yan5xu: LLM 优化，常用技巧是压缩，有两个相反操作路径。 1, 对输入进行压缩，常见于旗舰级模型，用概念替代大段描述；李继刚“神级 prompt”是典范，"Oscar Wilde" "鲁迅" "林语堂"替代行文风格；难度在于对概念的抽象理解和积累，并且需要反复尝试，跨模型适配差； 2. 对输出进行压缩，适用于所有模型，尤见于 agentic 产品，用精准封装的 tools 替代agent 完整执行任务；难度在于 tools 尺度的选择，太少没效果，太多又会占据注意力，导致效果劣化，考验设计哲学；
1 00
LLM 优化，常用技巧是压缩，有两个相反操作路径。
1, 对输入进行压缩，常见于旗舰级模型，用概念替代大段描述；李继刚“神级 prompt”是典范，"Oscar Wilde" "鲁迅" "林语堂"替代行文风格；难度在于对概念的抽象理解和积累，并且需要反复尝试，跨模型适配差；
2. 对输出进行压缩，适用于所有模型，尤见于 agentic 产品，用精准封装的 tools 替代agent 完整执行任务；难度在于 tools 尺度的选择，太少没效果，太多又会占据注意力，导致效果劣化，考验设计哲学；
1, 对输入进行压缩，常见于旗舰级模型，用概念替代大段描述；李继刚“神级 prompt”是典范，"Oscar Wilde" "鲁迅" "林语堂"替代行文风格；难度在于对概念的抽象理解和积累，并且需要反复尝试，跨模型适配差；
2. 对输出进行压缩，适用于所有模型，尤见于 agentic 产品，用精准封装的 tools 替代agent 完整执行任务；难度在于 tools 尺度的选择，太少没效果，太多又会占据注意力，导致效果劣化，考验设计哲学；
3 14
