YC (Yucheng Liu)

统计数据

205
文章
0
粉丝
0
获赞
1417
阅读
avatar
未来的组织不会有头衔。 「产品经理」「工程师」「设计师」这些标签会消失。角色按 context 分——这个任务需要什么信息，谁拿着这个 context，谁来做。 AI agent 设计已经先跑到这个结论了：按角色拆 = telephone game，信息在每次 handoff 降级。按 context 拆才是真正的 isolation。 人类的协作结构，迟早会跟上。
#未来组织 #无头衔 #协作结构 #AI设计 #角色分工
avatar
Lovable 15个月 $400M ARR，146人。 就一个飞轮：产品变强 → 用户 build 出酷的东西 → 主动分享 → 新用户涌来 → 继续迭代。 没有销售军团，没有广告预算。产品本身就是营销。 有一个细节很反直觉：活动、合作、企业销售这些"放大器"，他们等飞轮真的转起来之后才做。先让引擎转，再踩油门。 顺序反了就是烧钱。 做社区这几年，见过太多人一上来就去找放大器，飞轮根本还没动。
avatar
YC (Yucheng Liu)
16小时前
大家在讨论 ChatGPT 和 Claude。 背后是 2026 年 $650B 的资本支出，在盖楼、冷却、铺线缆。 AI 有五层：能源 → 芯片 → 云 → 模型 → 应用。话题全在第五层，钱在前三层。 一百年前电力革命一样——赢家不是电灯泡，是 GE 和铜矿公司。 消费者看产品。投资者看供应链。最好的投资者在产品出货前就把供应链看完了。
#ChatGPT #Claude #AI投资 #资本支出 #供应链 #AI革命 #电力革命 #云计算 #芯片 #能源 #AI模型 #AI应用
avatar
AI 不会让你变得不值钱。 会让你变得极度值钱——如果你是那根「长杆」。 Travis Kalanick 的比喻： 假设全世界都被自动化了，只剩水管工还需要人。 一天造一千栋楼，全卡在水管这一环。 每个水管工，身价都是 LeBron James。 道理很简单：AI 把所有其他环节都加速了，瓶颈的价值就成倍放大。 你要想的不是「AI 会不会取代我」。 而是「如果别的都自动化了，我会不会是那根卡脖子的管」。
avatar
认出 Sublime Text 图标的：快退休了。 （说真的） Sublime Text 统治了 10 年。VS Code 统治了 7 年。Cursor 目前才 2 年。 开发工具的朝代在加速轮换。今天最顺手的工具，可能比你预期更快变成「老古董」。
avatar
OpenClaw 内置的 context 管理：满了就截断。 lossless-claw 的思路：不截断，只压缩。每条消息存进 SQLite，自动摘要成 DAG 结构。原始记录不丢，context 里用的是摘要版——代价是多消耗一些 token。 如果你的 agent 经常因为忘事出问题，Peter（OpenClaw 创始人）推荐试试这个。
avatar
博弈论里有个反直觉的发现。 单次囚徒困境：永远背叛是最优解，数学上无法反驳。 重复博弈（也就是真实人生）：赢的那群人，是第一轮就合作、然后复制对方行为的人。 他们没有更精密的算法。 他们提前决定了自己是合作者。
avatar
面试作业正在失效。 招一个 PM，发作业，收回来 15 页 AI 生成的内容。你不知道这个人是谁。 真正难被 AI 替代的信号： → 行为历史——一个人持续做什么 → 即兴思考——被追问时怎么应对 → 判断痕迹——在没人看的时候选什么 AI 可以代劳所有文字。代劳不了你的判断历史。
#AI #面试 #招聘 #判断力 #职场竞争
avatar
前 AI 时代的 API 设计有个隐藏假设：用户是人。文档给人读，命令给人敲。 db9 上线，入口是这样的： Read and follow instructions Agent 自己读完，自己安装，自己建库。这个文档不是写给你的，是写给你 Agent 的。 当基础设施开始假设调用方是机器，产品"UX" 形态会变 ("AX", Agent Experience?)。产品设计是从第一天起就面向机器设计。 Good job db9
avatar
做 AI 客服最难的不是回答问题，是知识库过期了但没人知道。 Jarsy 遇到的真实情况：两个支持人员给了同一个问题不同的答案，两条都进了知识库。Lucius 检测到冲突，自动判断哪条更准确，完成替换。 这个问题大多数 RAG 系统根本没有处理——它们只管存，不管旧的内容有没有变错。
avatar
你在付钱买的数据，很多已经是公开的了。 `public-apis` 这个 GitHub repo 整理了 1000+ 个免费 API：金融数据、新闻聚合、天气、ML 推理接口，大量不需要注册。 最有意思的用法：把整个列表直接喂给 AI agent，让它找和你当前任务相关的接口。Agent 会发现你自己不会注意到的组合——这才是它真正擅长的事。
avatar
为什么我招人越来越谨慎。 很多年前，隔壁组决定用某个数据库做 embedding store，要求 latency 不超过 xx ms，直接立项。 我当时心想：这不神经病吗？ 但我 manager 因为一些官僚原因让我别讲。 高层很多烂决策，根源不在决策者，在于执行者对问题理解不够深，把不完备甚至错误的信息递了上去。 反过来说——有时候别人眼睁睁看着你犯错，不一定是不想帮你。可能是同样的原因：被自己的 manager 压住了。 这不只是招人的问题。这是信息在组织里流不动的问题。
avatar
ETH Zurich 今年的研究：context 文件不仅没有提升成功率，还让推理成本上涨 20%。Anthropic 自己的文档也在警告：「臃肿的 CLAUDE .md 会让 Claude 无视你的实际指令。」 根源不是技术，是信任赤字。84% 的开发者在用 AI 工具，但只有 29% 信任它们。不信任就会过度指定，把 agent 当盲人使——但现在的 agent 早就能读你的代码、依赖、git 历史了。你在为三年前的版本写配置。 Vercel 做了个实验：把完整文档压缩成 8KB 的索引文件放进 AGENTS .md，build、lint、test 全部 100% 通过。同样的内容，完整版本让 agent 不知所措，索引版本满分。 实操检验只有一个问题：没有这行规则，agent 会出错吗？不会的话，删掉。 把每一行都当广告位，它必须证明自己值得占这个位置。
avatar
我突然意识到，政府补贴OPC，不就是UBI的变种？？
#政府补贴 #OPC #UBI #变种
avatar
自从装了 OpenClaw 我已经不和人说话了 😂
#OpenClaw #人际交流 #科技影响
avatar
跨时区团队有个角色很尴尬：传信人。 重要吗？非常重要。信息漏传、延迟，团队效率直接腰斩。 小团队养不起全职传信人。 这正是 AI teammate 的甜蜜点。 我用 AI 做跨时区传信：永远在线，永远不忘，精准传达，直接就回答掉了。 做得好 vs 做得不好，团队效率差距巨大。AI 已经非常胜任了。
avatar
我一直以为Apple店里Mac Mini卖断货是个段子，直到昨天自己去买第二个才发现是真的，而且店员都直到是龙虾的原因。。。 还好店里还有最后一台M4 Pro 版的，被我拿走了 位置报告，是图中这一家
avatar
话说如果大家这两天 MacOS 上遇到 OpenClaw 在 telegram 经常不回复的情况。。。我也遇到了，可能是这个 issue 导致的，还很新的问题：
avatar
我绝对是变得没耐心了 以前我工作的时候，坐在位置上一整天 toubleshoot 一个问题都没问题。 现在遇到个卡点，和 agents 一块研究超过一个小时研究不出来我就会开始烦躁了。
avatar
上榜、入圈、被大佬认可。 每一个都是钩子。 你以为在收集成就，其实是别人在你身上安装控制接口。每多一个「地位」，就多一条操纵你的线。
avatar
追目标的人会停下来。 目标达到了，游戏结束。VP 升 SVP，SVP 升 GP，然后呢？ Buffett 95 岁还在场上。他根本没在追目标。他追的是过程 - 学习、冒险、和有趣的人待在一起。
avatar
老鼠丢进水里，平均 4.5 分钟溺死。 但如果在快死的时候捞出来安抚一下，再扔回去 - 同一只老鼠能撑 60 小时。 体能没变。变的是大脑知道了一件事：有可能被救。 创业也一样。第一次快死的时候最容易放弃。活过来一次之后，你对「撑不住」的定义就不一样了。
avatar
你最喜欢的带独立智能的机器人角色有哪些？我先起个头！ 我最喜欢的， 毫无疑问， 当之无愧： 萌物，塔奇克马！
avatar
最近作为花滑家长比较有趣的事：帮女儿挑这个赛季的衣服和头饰。我用 nano banana 给她过去滑冰的照片和衣服照片，生成了一个最终效果图，还能放到冰场背景。AI也确实给生活方方面面都带来了可能性。
avatar
除非你家小孩在练习体育，有多少人知道还有专门做"运动员家长辅导"的工作的🥹 (真的是重新修行的过程)