即刻App年轻人的同好社区
下载
除了基础的信息采集，这个项目还尝试了一些大模型能解锁的新玩法：用 LLM 对多篇新闻做摘要聚合、用多模态模型生成可视化日报图、把同一份信息源输出成不同形态（网站、钉钉群、领导简报）。从这个角度看，信息采集只是知识库建设的第一步，后续还有很多延伸空间。
mp.weixin.qq.com
mp.weixin.qq.com
2 00
Flomo25年年度观察 @少楠Plidezus
每天都在输入，但没有坚持使用每日回顾。有点像炒股软件一样，会不定期无聊的时候随手打开翻一翻，当然还有想查什么的时候搜一搜
每天都在输入，但没有坚持使用每日回顾。有点像炒股软件一样，会不定期无聊的时候随手打开翻一翻，当然还有想查什么的时候搜一搜
3 10
在严肃的生成类场景里，LLM 只负责内容填充，模板负责格式约束，代码负责逻辑校验。这是我做过多个生成类项目后一直坚持的原则，这个项目也很好地印证了这一点。
mp.weixin.qq.com
mp.weixin.qq.com
3 00
25 年，我写了大概 88 万字技术博客。这一年对我来说真正重要的，并不是写了多少，而是有几个细节逐渐想清楚了。
第一个细节，是关于“输出倒逼输入”。这个方法本身并不新，但真正难的地方在于，是在用输出逼自己持续学习新的东西，还是在用输出反复讲自己已经会的东西。后一种情况其实很容易发生，一旦写作进入惯性，就会变成换一种说法重复旧认知。
我写技术博客的体验，很多时候是痛苦的。不是因为写作本身，而是因为“讲清楚”这件事，本质上是一个从发散到收敛的过程。尤其是写真实做过的企业案例——这也是我 88 万字里自己最满意、同时也是正反馈最多的一类内容。
比如写售前报价的 Agent 项目，真正难写的从来不是用了什么模型，而是要把几轮和项目方的沟通、需求是如何一步步被厘清的、POC 的边界是怎么定的、上线过程中踩过哪些坑、调试阶段遇到哪些具体问题，一点点拆出来，再整理成一套自洽、可复用的叙述结构。一个完整案例往往要写一万多字，非常耗时间，但写完之后，会有很强的满足感，因为很多原本模糊的判断，只有在落成文字时，才算真正想明白。
第二个细节，其实还是围绕“讲清楚”。即便过去三年已经有超过 3000 小时的大模型实践经验，但要把大模型在不同业务场景里的价值和边界，跟不同背景的人讲清楚，依然非常难。尤其在 ToB 场景里，大家真正在意的从来不是模型有多强，而是最终效果能不能稳定交付、成本能不能算清、流程能不能跑顺，以及出了问题谁来兜底、责任边界怎么划。
后来我慢慢形成了一套“先交付、再升级”的原则：优先解决高频刚需，先把效果跑出来，把成本和责任边界说清楚。能用知识库搞定的就别急着上工作流；能用工作流交付的就别一上来堆 Agent。每家企业的智能化转型节奏都不一样，关键不是选最炫酷的方案，而是选当下最合适、最可控的那一层。
这套叙述逻辑不是一下子想出来的，而是通过几十万字博客、写书、开始录视频，一点点被逼出来的。到现在我越来越清楚地感受到：只有能给别人讲清楚，自己才算是真的懂。
再往下，是关于公开表达本身的一些变化。过去很多年的从业经历，不管是做 ToB 还是 ToC，本质上都是和某一家组织绑定，在组织结构里分工、领工资，个人能做的事情、能承担的风险，边界是比较清晰的。
这一年多，在大模型应用的浪潮里，我开始更主动地 Learn in Public，把一线项目里的思考、踩坑、权衡公开写出来。随之而来的正反馈，不只是阅读量，而是链接到了更多人，也带来了更多机会结构上的变化——包括内容、咨询、培训、课程、社群，以及后续项目和合作的可能性。
这里面其实还有一个我以前会比较抗拒的点：内容变现。坦率说，早些年我也会觉得“卖课”“做社群”多少有点割韭菜的意味，所以一开始对这件事是比较警惕的。但真正做下来之后，想法变得更现实了一些。
过去一年，公众号慢慢积累到了 15000 多订阅，知识星球也有了 250 多位成员，全网累计阅读量超过了百万。比起数字本身，更重要的是这些反馈是持续且具体的，也会倒逼我不断调整表达方式和内容结构。
在一个技术快速演进的早期阶段，如果内容本身足够扎实、信息密度足够高，而且来源于真实的一线实践，它更像是在做一种“技术布道”的事情，而不是简单的信息贩卖。很多人并不是不愿意学，而是不知道该从哪里开始、哪些是坑、哪些值得投入时间。
我现在做的内容更多还是偏 ToC，主要面向正在转型的产品经理、Java 工程师，以及很多传统开发同学。这不是能力高低的问题，而是入场时间和实践密度不同：我从 2022 年开始在企业大模型应用里一线摸索，高频做项目、试错、踩坑，慢慢沉淀出一些可复用的判断和方法；对很多人来说，这些还处在补课的阶段。它也谈不上什么显学，很多经验再过两三年可能就会变成行业常识；但在当下，这个阶段性的认知差确实存在。与此同时，持续写作、录制视频课程，也在逼着我把经验讲清楚、讲可复用，而这些内容又会被一线项目不断验证、修正。
从实践角度看，这一年也让我更具体地理解了：当一个人或一个小团队，具备足够的主观能动性，又有长期积累的知识和方法，再加上 AI 把很多工作的效率10倍+放大，个人和小团队能够承载的事情边界，确实比过去宽了很多。内容、项目、工具、产品，不再是完全割裂的几条线，而是可以相互支撑。
今年有了闺女之后，我对工作与生活的平衡也有了更现实的体感。少了通勤和很多无效消耗，可以更随意地陪娃逛公园、晚上哄睡到很晚。这种陪伴的在场感，比单纯的商业回报更治愈。
回头看25年，已经逐渐沉淀出了一些相对成熟、可复用的工程经验。接下来更重要的，并不是把项目越做越重，而是在有行业 know-how 的前提下，精选必要的项目去做实施或咨询，用来验证和延展已有的方法。
更核心的工作，还是把已经在项目中跑通过的做法进一步抽象，判断哪些部分具备产品化的可能，在合适的行业场景里更快复制。同时，也会考虑逐步开源其中一部分，让这些方法放到更大的环境里接受验证。
大概就是这样。
第一个细节，是关于“输出倒逼输入”。这个方法本身并不新，但真正难的地方在于，是在用输出逼自己持续学习新的东西，还是在用输出反复讲自己已经会的东西。后一种情况其实很容易发生，一旦写作进入惯性，就会变成换一种说法重复旧认知。
我写技术博客的体验，很多时候是痛苦的。不是因为写作本身，而是因为“讲清楚”这件事，本质上是一个从发散到收敛的过程。尤其是写真实做过的企业案例——这也是我 88 万字里自己最满意、同时也是正反馈最多的一类内容。
比如写售前报价的 Agent 项目，真正难写的从来不是用了什么模型，而是要把几轮和项目方的沟通、需求是如何一步步被厘清的、POC 的边界是怎么定的、上线过程中踩过哪些坑、调试阶段遇到哪些具体问题，一点点拆出来，再整理成一套自洽、可复用的叙述结构。一个完整案例往往要写一万多字，非常耗时间，但写完之后，会有很强的满足感，因为很多原本模糊的判断，只有在落成文字时，才算真正想明白。
第二个细节，其实还是围绕“讲清楚”。即便过去三年已经有超过 3000 小时的大模型实践经验，但要把大模型在不同业务场景里的价值和边界，跟不同背景的人讲清楚，依然非常难。尤其在 ToB 场景里，大家真正在意的从来不是模型有多强，而是最终效果能不能稳定交付、成本能不能算清、流程能不能跑顺，以及出了问题谁来兜底、责任边界怎么划。
后来我慢慢形成了一套“先交付、再升级”的原则：优先解决高频刚需，先把效果跑出来，把成本和责任边界说清楚。能用知识库搞定的就别急着上工作流；能用工作流交付的就别一上来堆 Agent。每家企业的智能化转型节奏都不一样，关键不是选最炫酷的方案，而是选当下最合适、最可控的那一层。
这套叙述逻辑不是一下子想出来的，而是通过几十万字博客、写书、开始录视频，一点点被逼出来的。到现在我越来越清楚地感受到：只有能给别人讲清楚，自己才算是真的懂。
再往下，是关于公开表达本身的一些变化。过去很多年的从业经历，不管是做 ToB 还是 ToC，本质上都是和某一家组织绑定，在组织结构里分工、领工资，个人能做的事情、能承担的风险，边界是比较清晰的。
这一年多，在大模型应用的浪潮里，我开始更主动地 Learn in Public，把一线项目里的思考、踩坑、权衡公开写出来。随之而来的正反馈，不只是阅读量，而是链接到了更多人，也带来了更多机会结构上的变化——包括内容、咨询、培训、课程、社群，以及后续项目和合作的可能性。
这里面其实还有一个我以前会比较抗拒的点：内容变现。坦率说，早些年我也会觉得“卖课”“做社群”多少有点割韭菜的意味，所以一开始对这件事是比较警惕的。但真正做下来之后，想法变得更现实了一些。
过去一年，公众号慢慢积累到了 15000 多订阅，知识星球也有了 250 多位成员，全网累计阅读量超过了百万。比起数字本身，更重要的是这些反馈是持续且具体的，也会倒逼我不断调整表达方式和内容结构。
在一个技术快速演进的早期阶段，如果内容本身足够扎实、信息密度足够高，而且来源于真实的一线实践，它更像是在做一种“技术布道”的事情，而不是简单的信息贩卖。很多人并不是不愿意学，而是不知道该从哪里开始、哪些是坑、哪些值得投入时间。
我现在做的内容更多还是偏 ToC，主要面向正在转型的产品经理、Java 工程师，以及很多传统开发同学。这不是能力高低的问题，而是入场时间和实践密度不同：我从 2022 年开始在企业大模型应用里一线摸索，高频做项目、试错、踩坑，慢慢沉淀出一些可复用的判断和方法；对很多人来说，这些还处在补课的阶段。它也谈不上什么显学，很多经验再过两三年可能就会变成行业常识；但在当下，这个阶段性的认知差确实存在。与此同时，持续写作、录制视频课程，也在逼着我把经验讲清楚、讲可复用，而这些内容又会被一线项目不断验证、修正。
从实践角度看，这一年也让我更具体地理解了：当一个人或一个小团队，具备足够的主观能动性，又有长期积累的知识和方法，再加上 AI 把很多工作的效率10倍+放大，个人和小团队能够承载的事情边界，确实比过去宽了很多。内容、项目、工具、产品，不再是完全割裂的几条线，而是可以相互支撑。
今年有了闺女之后，我对工作与生活的平衡也有了更现实的体感。少了通勤和很多无效消耗，可以更随意地陪娃逛公园、晚上哄睡到很晚。这种陪伴的在场感，比单纯的商业回报更治愈。
回头看25年，已经逐渐沉淀出了一些相对成熟、可复用的工程经验。接下来更重要的，并不是把项目越做越重，而是在有行业 know-how 的前提下，精选必要的项目去做实施或咨询，用来验证和延展已有的方法。
更核心的工作，还是把已经在项目中跑通过的做法进一步抽象，判断哪些部分具备产品化的可能，在合适的行业场景里更快复制。同时，也会考虑逐步开源其中一部分，让这些方法放到更大的环境里接受验证。
大概就是这样。
3 00
Manus 的被收购说明了一件事，把能力产品化，本身就是这个时代给的红利。不过私以为，他们真正的优势并不只是在 Agent，而是从插件到通用工具，在工具型 ToC 分发能力长达十年的积累。
过去一年多，在做 2B 大模型应用过程中一直在想一件事，能不能在 ToB 和 ToC 之间，找到一个长期可积累的平衡点。从 Palantir 这种偏重服务的公司，到 Manus 这种偏产品化的路径，目前对我来说比较清晰的的组合是内容 + 半产品化工具 + 少量高价值项目，三条线互相支撑。出海这件事，对我来说意义也在发生变化。不再只是挣不挣美金，而更像是用更成熟的市场，去验证方法论到底成不成立。
在 AI 时代，PMF 当然重要，但更重要的是可积累的结构性优势。接下来继续坚持要做的事情，依然是不断把真实业务里的问题拆解清楚，然后用大模型的方式一件件落到工程上。先把这些东西跑通沉淀下来，这比做一个看起来很大的产品更有价值感。
过去一年多，在做 2B 大模型应用过程中一直在想一件事，能不能在 ToB 和 ToC 之间，找到一个长期可积累的平衡点。从 Palantir 这种偏重服务的公司，到 Manus 这种偏产品化的路径，目前对我来说比较清晰的的组合是内容 + 半产品化工具 + 少量高价值项目，三条线互相支撑。出海这件事，对我来说意义也在发生变化。不再只是挣不挣美金，而更像是用更成熟的市场，去验证方法论到底成不成立。
在 AI 时代，PMF 当然重要，但更重要的是可积累的结构性优势。接下来继续坚持要做的事情，依然是不断把真实业务里的问题拆解清楚，然后用大模型的方式一件件落到工程上。先把这些东西跑通沉淀下来，这比做一个看起来很大的产品更有价值感。
一个2B大模型应用创业者的2025：从知乎170+篇回答里筛出的25条行业真相
5 00
0 00
