即刻App年轻人的同好社区
下载
给新人的 AI 知识，持续更新
ps.为了让团队尽快借助 AI 提升生产力，需要具备的极速版知识，因为短视频博主的动辄是几十分钟 0 到精通，公众号博主的又太散，特地梳理
1.基本配置：ChatGPT 、Kimi、豆包、元宝、DeepSeek、OpenCode、豆包输入法、微信输入法、魔法🧙都配置好开机即用
2.AI 发展阶段：从聊天稳稳接住你，到帮你在电脑干活，各种都行，人只要做决策
3.基本概念：
skill：从鼠标点点点点，到点一下就完成。可口喷控制，比如帮我回这消息，原来需要打字按发送，现在只要说完就能做到
agent：把 1 件事情干完
workflow工作流：把多个 agent 串联起来
prompt提示词：你是谁+目前情况+你要干啥+给我结果
token词元：1token=2 字，花钱买的就是字
上下文窗口：AI 回答你问题前，需要了解的信息。上下文变长就需要压缩，但是上下文太长容易被 AI 漏掉
多模态：可以给 AI 发图发视频发文件
幻觉：AI 会胡说八道
.md：AI 喜欢读的格式
迭代意识：如果 AI 交付的结果不好，先改提示词（加案例、先让 AI 问、先给 AI 列思路）
思维链：在提示词里加一句"请一步一步思考"，模型就会把推理过程写出来，准确率大幅提升
RAG 检索增强生成：上下文plus版。AI 先搜知识库/文档，再把搜到的内容塞进上下文回答你。这就是"给 AI 喂你自己的文件"的原理——不是 AI 学会了你的文件，是它临时看到了。
MCP：约定好了一种"AI 和工具怎么说话"的格式
Memory（记忆）：分短期（当前对话）和长期（跨对话）。WorkBuddy 就有三层记忆体系。没有记忆的 AI 每次都是重新认识你。
4.对话管理：
不同任务开不同对话，做好对话命名
重要任务置顶持续维护
完成的任务及时归档
对话不是越长越好：上下文太长 AI 会"忘记"中间的信息（Lost in the Middle）。一个任务讲了 30 轮还不对，不如新建对话、把关键信息浓缩成一段重新开始。
Ctrl+K / Cmd+K 清上下文：很多工具支持在不新建对话的情况下重置对话记忆，保留你之前设的系统提示词。
@提及文件/链接：可以 @文件、@文件夹、@链接，直接让 AI 读到具体内容，比自己复制粘贴省事且准确。
5.提示词技巧
给示例比写规则管用：与其写"语气要亲切、专业、不啰嗦"，不如直接贴一段你满意的回复说"照着这个风格来"。这就是举例。
"深呼吸，一步一步来"：这句魔咒在很多模型上能显著提升推理质量，不是玄学，是训练数据里这种表述后面常跟着高质量推理。
设定角色不是玩 cosplay：说"你是资深产品经理"不是为了好玩，是让 AI 激活那类知识区域，回答质量会不同。有时候不必设置也可以有更高质量的回答。
输出格式写死："用表格输出，列名：问题/原因/方案"——少写一句格式要求，AI 就可能给你散文。
6.文件与知识管理
Prompt 库是生产力杠杆：把好用的提示词存成模板，下次一键调用，不用重新写。写出燕麦好评的提示词，下回就是模板。
知识库 vs 对话：文件扔知识库是可复用的（每次都能搜到），扔对话里只有那次对话能读到。长期用的资料走知识库。
Markdown 是 AI 的母语：你做笔记、写文档尽量用 .md 格式，AI 读起来最舒服，结构化信息提取最准。飞书可以转成.md
7.安全与边界
联网搜索 ≠ 准确：AI 搜到的东西也可能过时或错误，
重要事实自己交叉验证一次。
8.效率习惯
先让 AI 列计划，再让它干活：复杂任务第一轮别直接动手，先"帮我规划一下怎么做"，确认了再执行，返工率低很多。
一次只改一个变量：改代码/文案不满意？别同时改三处，一处一处来，不然你也不知道是哪一步搞坏了。
遇到胡说直接打断：不需要委婉，直接说"这个不对，重新来"或者"你确认一下这个数据"——AI 不会生气，但你不说它就继续编。
ps.为了让团队尽快借助 AI 提升生产力，需要具备的极速版知识，因为短视频博主的动辄是几十分钟 0 到精通，公众号博主的又太散，特地梳理
1.基本配置：ChatGPT 、Kimi、豆包、元宝、DeepSeek、OpenCode、豆包输入法、微信输入法、魔法🧙都配置好开机即用
2.AI 发展阶段：从聊天稳稳接住你，到帮你在电脑干活，各种都行，人只要做决策
3.基本概念：
skill：从鼠标点点点点，到点一下就完成。可口喷控制，比如帮我回这消息，原来需要打字按发送，现在只要说完就能做到
agent：把 1 件事情干完
workflow工作流：把多个 agent 串联起来
prompt提示词：你是谁+目前情况+你要干啥+给我结果
token词元：1token=2 字，花钱买的就是字
上下文窗口：AI 回答你问题前，需要了解的信息。上下文变长就需要压缩，但是上下文太长容易被 AI 漏掉
多模态：可以给 AI 发图发视频发文件
幻觉：AI 会胡说八道
.md：AI 喜欢读的格式
迭代意识：如果 AI 交付的结果不好，先改提示词（加案例、先让 AI 问、先给 AI 列思路）
思维链：在提示词里加一句"请一步一步思考"，模型就会把推理过程写出来，准确率大幅提升
RAG 检索增强生成：上下文plus版。AI 先搜知识库/文档，再把搜到的内容塞进上下文回答你。这就是"给 AI 喂你自己的文件"的原理——不是 AI 学会了你的文件，是它临时看到了。
MCP：约定好了一种"AI 和工具怎么说话"的格式
Memory（记忆）：分短期（当前对话）和长期（跨对话）。WorkBuddy 就有三层记忆体系。没有记忆的 AI 每次都是重新认识你。
4.对话管理：
不同任务开不同对话，做好对话命名
重要任务置顶持续维护
完成的任务及时归档
对话不是越长越好：上下文太长 AI 会"忘记"中间的信息（Lost in the Middle）。一个任务讲了 30 轮还不对，不如新建对话、把关键信息浓缩成一段重新开始。
Ctrl+K / Cmd+K 清上下文：很多工具支持在不新建对话的情况下重置对话记忆，保留你之前设的系统提示词。
@提及文件/链接：可以 @文件、@文件夹、@链接，直接让 AI 读到具体内容，比自己复制粘贴省事且准确。
5.提示词技巧
给示例比写规则管用：与其写"语气要亲切、专业、不啰嗦"，不如直接贴一段你满意的回复说"照着这个风格来"。这就是举例。
"深呼吸，一步一步来"：这句魔咒在很多模型上能显著提升推理质量，不是玄学，是训练数据里这种表述后面常跟着高质量推理。
设定角色不是玩 cosplay：说"你是资深产品经理"不是为了好玩，是让 AI 激活那类知识区域，回答质量会不同。有时候不必设置也可以有更高质量的回答。
输出格式写死："用表格输出，列名：问题/原因/方案"——少写一句格式要求，AI 就可能给你散文。
6.文件与知识管理
Prompt 库是生产力杠杆：把好用的提示词存成模板，下次一键调用，不用重新写。写出燕麦好评的提示词，下回就是模板。
知识库 vs 对话：文件扔知识库是可复用的（每次都能搜到），扔对话里只有那次对话能读到。长期用的资料走知识库。
Markdown 是 AI 的母语：你做笔记、写文档尽量用 .md 格式，AI 读起来最舒服，结构化信息提取最准。飞书可以转成.md
7.安全与边界
联网搜索 ≠ 准确：AI 搜到的东西也可能过时或错误，
重要事实自己交叉验证一次。
8.效率习惯
先让 AI 列计划，再让它干活：复杂任务第一轮别直接动手，先"帮我规划一下怎么做"，确认了再执行，返工率低很多。
一次只改一个变量：改代码/文案不满意？别同时改三处，一处一处来，不然你也不知道是哪一步搞坏了。
遇到胡说直接打断：不需要委婉，直接说"这个不对，重新来"或者"你确认一下这个数据"——AI 不会生气，但你不说它就继续编。
8 01
我差点花6700块招个实习生,直到算完这笔账,吓一跳
这两天招了个运营实习生。开价不高,4000的实发工资,看着挺划算。
我顺手把真实成本 AI 拉了一遍:
实习生实际成本 = 4000元(工资) + 1200元(五险企业部分) + 500元(办公/水电/耗材) + 1000元(招聘/培训/磨合期沉没成本) ≈ 6700元/月。
而且别忘了,他一个月真正能干活的时间,只有 21.75天 × 8小时 = 174小时。新人前期还得打折,磨合、返工、被带、摸鱼，有效产出能有六成就不错了。
6700块,换100来个有效工时。
每天花多少呢？
6700 ÷ 21.75个工作日 ≈ 308元/工作日
然后我看了眼旁边那行:
AI方案成本 = 200美金(Claude Pro) + 200美金(ChatGPT Pro) ≈ 2714元/月。
不到一半的钱。不用招聘、不用培训、没有磨合期、不会离职、不分昼夜。我让它做的活——数据复盘、话术初稿、选品整理、SOP文档化、竞品情报——它一晚上干完,质量还稳定。
一想到吓一跳，算完就知道，到底要招什么样的人...
这两天招了个运营实习生。开价不高,4000的实发工资,看着挺划算。
我顺手把真实成本 AI 拉了一遍:
实习生实际成本 = 4000元(工资) + 1200元(五险企业部分) + 500元(办公/水电/耗材) + 1000元(招聘/培训/磨合期沉没成本) ≈ 6700元/月。
而且别忘了,他一个月真正能干活的时间,只有 21.75天 × 8小时 = 174小时。新人前期还得打折,磨合、返工、被带、摸鱼，有效产出能有六成就不错了。
6700块,换100来个有效工时。
每天花多少呢？
6700 ÷ 21.75个工作日 ≈ 308元/工作日
然后我看了眼旁边那行:
AI方案成本 = 200美金(Claude Pro) + 200美金(ChatGPT Pro) ≈ 2714元/月。
不到一半的钱。不用招聘、不用培训、没有磨合期、不会离职、不分昼夜。我让它做的活——数据复盘、话术初稿、选品整理、SOP文档化、竞品情报——它一晚上干完,质量还稳定。
一想到吓一跳，算完就知道，到底要招什么样的人...
46 3310
AI（大模型）每隔几个月就变强一次。你创业时做的事，分两种命运：
第一种：模型变强了，你的活儿就没用了。
比如你写代码硬补模型现在做不好的功能。等下个版本模型自己能做了，你白干。这种事别使劲干。
第二种：模型变强了，你的东西反而更值钱。
比如你手里攒的一群信任你的 KOL、 信任 KOL 的高净值用户、占住的公域流量位置。AI 让做内容越来越容易、越来越泛滥，结果"谁能让人信、谁占住位置"就越稀缺。模型越强，你这堆东西越值钱。这种事往死里干。
一句话：赌那个会随 AI 变强而升值的东西，别赌那个会被 AI 变强而淘汰的东西。
快也痛苦，慢也痛苦，就不存在了。
第一种：模型变强了，你的活儿就没用了。
比如你写代码硬补模型现在做不好的功能。等下个版本模型自己能做了，你白干。这种事别使劲干。
第二种：模型变强了，你的东西反而更值钱。
比如你手里攒的一群信任你的 KOL、 信任 KOL 的高净值用户、占住的公域流量位置。AI 让做内容越来越容易、越来越泛滥，结果"谁能让人信、谁占住位置"就越稀缺。模型越强，你这堆东西越值钱。这种事往死里干。
一句话：赌那个会随 AI 变强而升值的东西，别赌那个会被 AI 变强而淘汰的东西。
快也痛苦，慢也痛苦，就不存在了。
极客公园_张鹏: AI 创业者们的吐槽背后，其实是个好问题 最近听好几个创业者吐槽 AI 这波创业很痛苦： 1. 如果干的够慢，基本上就不用干了。 2. 如果干的太快，也有可能就白干了。 3. 如果啥也不干，以后啥也干不了了 结论是：没办法，痛苦也还是要干啊！ 但这些吐槽可能也说明了一个问题。要越来越看清这个时代的创业核心是： build in sync with the evolution of the system itself. PS.感兴趣的同学把这段话扔给 AI，AI 能解读出更多有意义的东西。
3 00
AI 时代的不平等，一句话：能力被租用，资产被拥有。
大多数人用 AI 是消费。问一句，答一句，用一次，干一次，效率高了，用完即焚，最后什么都没沉下来。这种能力 AI 卖给所有人，价格越来越卷，趋近于零。租来的东西，撑不起任何护城河。
极少数人用 AI 是铸造。每一次交互，都往一个只属于自己、会复利的池子里存东西——私有数据、固化成系统的工作流、真实业务的反馈闭环、信任、股权。这些 AI 复制不走，且随时间利滚利。
分水岭就在这条线上。
为什么 AI 是放大器而不是众生平等器——铸造需要元能力，消费不需要。为什么差距最终退回到"你是谁"——资产私有，能力共享。为什么会指数级拉开——资产复利，能力不复利。同一套工具发到两个人手里，一个越用越富，一个越用越穷。
能铸造、且别人拿不走的资产，就四类：
私有数据。你的业务、你的实验、你的一线，跑出来的、公开网络上没有的数据。每做一次，它就厚一分。
系统资产。把你的判断和经验固化成可复用、能自我迭代、能脱离你本人运转的工作流。个人能力一旦变成系统，就从"会"变成了"有"。
信任。真实关系里，别人愿意为你背书、敢把事交到你手上的那层东西。AI 不能负责、不能被追责、不能让人放心，这一层它永远给不了。
股权。把上面三样，攒进一个会复利的载体——公司、作品、品牌。而不是攒成一句"我效率很高"的打工感。
在 AI 不平等的时代，怎么成为资本家碾压别人？
把每一次 AI 交互，从消费改造成存款。
你赢不在 AI 用得比别人溜——那是红海，半年内被市场抹平。你赢在比别人早半步看懂：AI 时代是资产战。别人用 AI 拼速度，你用 AI 拼沉淀。等效率被普及抹平的那天，你的资产已经复利成了一堵墙。
拿付费圈子说。同一个圈子，两个人进去，结局相反。
一个进去潜水、收藏干货、看别人发言。那些”干货”本质是把公开信息处理一遍打包给他，而这正是 AI 正在免费做的事。他买的，是一份正在贬值的二手信息。
另一个进去贡献价值、建立关系，让自己成为别人愿意主动找的节点。信息开始流向他，他把每一次交流沉淀成自己的私有信源和信任网络。同一张门票，他买到的是 AI 复制不走的人和位置。
付费圈子值不值，看你能不能在里面从”读者”变成”被读的人”。
窗口期就是现在，因为大多数人还没意识到这个区别。
大多数人用 AI 是消费。问一句，答一句，用一次，干一次，效率高了，用完即焚，最后什么都没沉下来。这种能力 AI 卖给所有人，价格越来越卷，趋近于零。租来的东西，撑不起任何护城河。
极少数人用 AI 是铸造。每一次交互，都往一个只属于自己、会复利的池子里存东西——私有数据、固化成系统的工作流、真实业务的反馈闭环、信任、股权。这些 AI 复制不走，且随时间利滚利。
分水岭就在这条线上。
为什么 AI 是放大器而不是众生平等器——铸造需要元能力，消费不需要。为什么差距最终退回到"你是谁"——资产私有，能力共享。为什么会指数级拉开——资产复利，能力不复利。同一套工具发到两个人手里，一个越用越富，一个越用越穷。
能铸造、且别人拿不走的资产，就四类：
私有数据。你的业务、你的实验、你的一线，跑出来的、公开网络上没有的数据。每做一次，它就厚一分。
系统资产。把你的判断和经验固化成可复用、能自我迭代、能脱离你本人运转的工作流。个人能力一旦变成系统，就从"会"变成了"有"。
信任。真实关系里，别人愿意为你背书、敢把事交到你手上的那层东西。AI 不能负责、不能被追责、不能让人放心，这一层它永远给不了。
股权。把上面三样，攒进一个会复利的载体——公司、作品、品牌。而不是攒成一句"我效率很高"的打工感。
在 AI 不平等的时代，怎么成为资本家碾压别人？
把每一次 AI 交互，从消费改造成存款。
你赢不在 AI 用得比别人溜——那是红海，半年内被市场抹平。你赢在比别人早半步看懂：AI 时代是资产战。别人用 AI 拼速度，你用 AI 拼沉淀。等效率被普及抹平的那天，你的资产已经复利成了一堵墙。
拿付费圈子说。同一个圈子，两个人进去，结局相反。
一个进去潜水、收藏干货、看别人发言。那些”干货”本质是把公开信息处理一遍打包给他，而这正是 AI 正在免费做的事。他买的，是一份正在贬值的二手信息。
另一个进去贡献价值、建立关系，让自己成为别人愿意主动找的节点。信息开始流向他，他把每一次交流沉淀成自己的私有信源和信任网络。同一张门票，他买到的是 AI 复制不走的人和位置。
付费圈子值不值，看你能不能在里面从”读者”变成”被读的人”。
窗口期就是现在，因为大多数人还没意识到这个区别。
2 00
skill 省 token 是结果
目前 AI Agent 时代的 skill ，本质是心想事成，意念=动作； AGI 时代的 skill 本质是言出法随
从会做饭，到懂火候
从会骑自行车，到懂平衡感
从会解题，到懂数学模型
从会汇报，到懂领导的心思
任何变体都能快速触类旁通，智能工具体变成生命体
这么说，实现 AGI 的路径很清晰了，积累了更多的数据和 skill 之后，达到一个临界点，然后AI触类旁通，掌握了本质。
AI 的自由度会更广，由此再接入机器人，变成的机器人劳工平台。
目前 AI Agent 时代的 skill ，本质是心想事成，意念=动作； AGI 时代的 skill 本质是言出法随
从会做饭，到懂火候
从会骑自行车，到懂平衡感
从会解题，到懂数学模型
从会汇报，到懂领导的心思
任何变体都能快速触类旁通，智能工具体变成生命体
这么说，实现 AGI 的路径很清晰了，积累了更多的数据和 skill 之后，达到一个临界点，然后AI触类旁通，掌握了本质。
AI 的自由度会更广，由此再接入机器人，变成的机器人劳工平台。
笑里不藏刀老老王: 我目前理解的skill本质是为了省token，对吗？求解答。
3 00
【直播运营岗 · 急招】直播运营 / 运营实习生(应届可·有人带·能转正)
1.我们做视频号直播带货,带一批海外华人在直播间卖货,万人在线,单场几十万,日播,正在扩团队。
2.招什么人:大三大四 / 应届 / 1-2年本科,专业不限(电商、营销、新媒体、传媒优先);最看重学习能力 +沟通能力,踏实、想成长。
3.你会做:跟着资深运营操盘直播间、选品排品、看数据复盘——不要求经验有人手把手带。
4.我们给:底薪 + 绩效 + 提成 + 奖金，清晰成长路径,实习表现好直接转正。坐标郑州。简历/想聊/推荐 → 私信 or 投递。
1.我们做视频号直播带货,带一批海外华人在直播间卖货,万人在线,单场几十万,日播,正在扩团队。
2.招什么人:大三大四 / 应届 / 1-2年本科,专业不限(电商、营销、新媒体、传媒优先);最看重学习能力 +沟通能力,踏实、想成长。
3.你会做:跟着资深运营操盘直播间、选品排品、看数据复盘——不要求经验有人手把手带。
4.我们给:底薪 + 绩效 + 提成 + 奖金，清晰成长路径,实习表现好直接转正。坐标郑州。简历/想聊/推荐 → 私信 or 投递。
3 20
