AI创业北京coffee chat，欢迎来聊☕

突然想到一个很燃的设定，大航海时代要来了

编程本质上也是一种设计工作，而设计思想在不同类型的设计工作上，往往是相通的。

分享个最近体会到的case：
我们在做ai视频向产品，其中一些必要的配置，比如分级、剧集类型、屏幕类型等，我们需要用户在第一步确认好。从用户反馈来看，这其实是个很糟糕的设计，因为用户在创作视频时，往往在刚开始并没有清晰地想好分级，草草选择，执行到后面流程却又无法修改。好的设计应该是，用户已经想清楚的setting，及时设置好，用户还没有想清楚的setting采用就近原则，直到流程中真正需要用到这个setting时才去询问用户填充。

类比程序设计，《代码大全》中曾经提到变量声明的就近原则，有异曲同工之妙。这里就近原则是指：在变量第一次被使用的地方附近声明它，并立即初始化，目的是最小化变量的作用域，提高代码可读性，避免意外修改，减少维护困难，使代码更清晰、更健壮。

产品设计也好，编程设计也好，能尽量用第一性的设计原则去指导执行，理想设计巧思，是一件很酷的事情。

衡量ai创业产品的新指标：咸鱼售卖邀请码的浏览量和价格

- 为什么需要强调taste？
- 因为taste是寻找反共识的必要条件。

第一性思考，理解需求背后的需求。

重构代码是一件惬意的事情，规整的结构设计和优雅的可扩展机制能让人不自觉地兴奋与自豪，这种成就感类似于周末大扫除把家里打扫得干净整洁。

聊聊技术择业，也不必迷恋基模

我们可以把技术简单分成中台型技术和应用型技术，两者的区别就在于是否与业务耦合。

中台型技术与业务完全解耦，只提供基础能力，比如若干年前很多人做的CV NLP founation model，以及现在很火的LLM基模、LLM infra.

业务型技术与业务紧密耦合，完全需要为业务定制和设计，通常意义上没有银弹，推荐算法就是最典型的业务型技术。

中台型技术，好处是技术壁垒高，做的人相对少，如果赶上时代机遇能大赚一笔；坏处是离业务太远，一旦没有时代机遇加持就容易沦为商业公司的边缘部门和第一批裁员对象，在业务为王的互联网公司也没有话语权。参考第一代ai四小龙和各大互联网公司ai lab预研部门的兴衰。

业务型技术，好处是因为没有银弹，所以需求量大，能旱涝保收；坏处是没啥技术壁垒，且需要做不少与业务相关的dirty work，并且业务增长能拿到的bonus有限（大头会归真正的业务方），容易沦为给PM干活的牛马。

因此，也不必迷恋和艳羡做llm基模和infra的那帮人，没有好的应用托底，这场撒钱游戏很快就会结束，然后五六年前唱衰cv的剧情又会重新上演。
另外，对做业务型技术，也需要做合理评估，尽量让自己对业务有更多的话语权和感知。

不要完美主义，不要技术洁癖
赶紧先把垃圾做出来

#创业笔记
再怎么吹vibe coding，团队的产研能力仍是创业制胜的关键，这一点和上一个时代互联网创业没有本质区别。ai是产品形态和功能的变量，而不是创业的变量。

所谓产研，我觉得核心就是：
产：
1. 基本产品能力（同理心-找得准痛点、商业模式-获得市场认可）
2. 把握技术红利（产品功能和sota模型能力契合pmf、产品设计迎合模型发展趋势）这里pmf是product model fit!
研：
1. 基本研发能力（实现产品功能的前提下快速构建出稳定可靠软件的能力）
2. 把握技术红利，软件面向模型迭代研发，架构设计上业务尽量与模型解耦，方便替换