YC (Yucheng Liu)

统计数据

206
文章
0
粉丝
0
获赞
1417
阅读
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)
avatar
刘美贤拿了冬奥金牌。美国女子花滑24年来第一块。 全网都在聊她的 comeback，聊她爸 Arthur Liu 怎么从她5岁开始培养她。媒体用了一个词：architect。 没人聊的是：当运动员的家长，本身就是一场修炼。 我女儿6岁开始学花滑。每周训练6天，周六早上7点就得到冰场。花滑是所有运动里最贵的一个。 但钱和时间都不是最难的部分。 最难的是你坐在看台上，看着她摔了，你什么都不能做。更难的是她没进下一个组别的时候，你要管住自己的情绪，别比她还崩溃。 去年俱乐部请了一个叫 David Benzel 的人来做讲座。他的头衔是 "America's Sports Family Coach" — 我才知道，原来专门给运动员家长做心理辅导，是一个职业。 讲座标题是：To Push or Not to Push — A Parent's Dilemma。 他上来问了一个问题：你到底想要什么？ 两栏对比。左边：让孩子赢、进步快、impress 别人、给我一个 ROI。右边：享受看她比赛、分享她的体验、做她信任的人。 你觉得自己在右边。 但你每次比赛后第一句话问的是什么？"今天跳得怎么样？" 还是 "今天开心吗？" 一个问题就暴露了你真实在哪一栏。 他还引用了 Michigan State 青少年运动研究所的 Nine Negative Parent Behaviors：只关注结果、给孩子施压要赢、把运动看得太重、过度控制、拿孩子和别人比… 我发现自己中了不止一条。 讲座里最让我记住的一个观点：家长的职责不是做孩子的 architect，是做孩子的侦探。 观察她对什么有反应，对什么眼睛会亮。不是你设计她该走哪条路，是你帮她发现她自己想走的路。 刘美贤 2022 年北京奥运后退役过。20岁又回来拿了金牌。她说： "I was peak happiness out there on the ice." 不是 peak performance。是 peak happiness。 所有人都在讨论怎么培养出一个冠军。 但也许更值得讨论的是：怎么当好一个运动员的家长 — 而不把自己的焦虑，变成孩子的负担。 这是一场修炼。我还在路上。
avatar
我发现 Peter 对 Builder vs 创业者 是两种心态其实。 - 先定义你想成为什么样的人，而不是被动接受“成功叙事”。 - 把“改变世界”和“创建公司”分开考量，寻找最契合你当下阶段的杠杆位。 - 对自己已经玩过的游戏保持清醒，不必机械重复同一路径。 - 用“最快实现愿景的路径”而不是“最体面的身份头衔”来做决策。 - 在任何选择中，都要想办法保护你认为最重要的那些开源、社区或协议资产。 在 AI 基础设施迅速成型的今天，这样的思考方式能帮助技术创作者找到既顺应历史潮水、又忠于内心节奏的职业路线。
avatar
OpenClaw 创始人 Peter Steinberger 宣布加入 OpenAI。 项目全球爆红后，所有人都在问怎么投资、接下来做什么。他花了一周在旧金山跟各大 AI 实验室深聊，最后选了一条没人猜到的路。 OpenClaw 转入基金会，保持开源独立。他自己去 OpenAI 内部做 agent 基建。 他的原话："我想要的是改变世界，不是再建一家公司。加入 OpenAI 是把 agent 带给每个人最快的路径。" 创始人接下来的计划：在 OpenAI 拿最前沿的模型和研究，做「连我妈都能用的 agent」，同时继续投入时间维护 OpenClaw 社区。 项目接下来的计划：基金会结构运营，OpenAI 已开始赞助，未来支持多模型多厂商接入，保持开源和数据自主。 13 年创业经验，清楚「做公司」这个游戏的全部代价。这次他选择回去当 builder。 作为每天跑 10+ 个 OpenClaw agents 的用户，我觉得这是最好的结果：开源项目有基金会护航，创始人在最前沿实验室拿资源，两边都不耽误。 原文：
avatar
创业三件事： 1. 大方向认准 2. 帮客户解决真实问题，哪怕不用 AI 3. Distribution 第三个最容易被忽略。产品再好，没有分发渠道，等于不存在。
avatar
23年出来创业的时候，打的是一人公司全球增长的旗号。 那时候 GPT 刚出来，离「AI 数字员工」还早着呢。 现在不一样了。能看到未来一段时间 AI 产品的方向了。反而更有定力去做这件事。 拿准大方向，愿意花五年十年去奔。具体做什么，慢慢试。大方向别动。
avatar
前 OpenClaw 时代的 AI agent，说到底就是个聪明点的问答机器人。 现在不一样了。 我团队里的 AI，能看 PR，能直接回答问题，异步沟通效率提升体感超明显。 跨时区团队，哪怕只让 AI 当个传话人，效率提升就已经很夸张了。
avatar
问个问题 话说国内有没有什么服务，能帮我逢年过节，出一些礼品选项让我调一下，然后帮我给亲朋好友寄送的？
avatar
认准大方向，别纠结产品形态。 现在不可能有谁一上来就做得准。YC 的公司估计大半都在 pivot。OpenClaw 出来以后又是一波。 Pivot 是常态。不 pivot 才奇怪。 但只要你解决的是真实问题，不用焦虑。大方向对了，形态可以一直变。
avatar
以前历史书要么纪传体讲王侯将相，要么编年体按时间顺序。 我喜欢从财政/金融视角看：整个王朝的财政运转、税收体系，来讲国家和王朝的兴衰。 所有帝国都是：财政盈余 → 财政扩张 → 债务扩张 → 信用系统崩塌 → 循环。 历史不会重复，但会押韵。
avatar
控制 AI bot 的两种架构思路： 一种是让 agent 自带读写，安全机制靠大模型本身把控。 另一种是完全读写分离：跟用户沟通的 agent 只能读状态，不能写。所有写操作由后台更高权限的系统完成。 有点像傀儡师 - 后面有人遥控，前面的 agent 没有太多自主权限。 哪种更好？还在验证。
avatar
万推求助，现在苹果国区是不是引入了啥新的锁区机制？ 原先我美区的 apple id + 国区appstore账号装飞书（不是 lark！）是没问题的。但是这两天开始，国区的飞书装不了了，说是“此 App 在你所处的国家或地区不可用” 这个人也报了一样的问题
avatar
曾经 AI 创业公司全部奔着 RAG 去，放数据库做向量检索。 现在有了 Claude Code 珠玉在前，又大有全部奔着文本化方向去。 启发：memory 和知识体系管理还是要找一个中间状态。 向量检索不是银弹，文本化也不是。
avatar
AI 员工的能力取决于两条线： 下限：基础设施、安全性、identity 上限：自由度、上下文管理能力 我们做的事情就是在下限和上限之间找到给用户最大的交付价值。 这种形态会维持相当长一段时间。
avatar
这两天测下来我发现，大模型跟随指令的能力比我想象的强太多太多。 谁能写 memory、什么时候能写、写到哪个文件 - 纯靠 instruction 控制，居然能做到。 这种信任感是逐步建立起来的。 以前不敢放手，是因为没试过。
avatar
说真的，我不明白为什么有人愿意花几百刀去买 AI bot mission control 服务。 你明明可以一个小时就 vibe 一个可无限自定义、数据完全自主的版本。 prompt 我都给你了，拿去用👇
avatar
遇到拿不定主意的时候我用二分法。 比如给 AI 多大自由度？0 = 完全卡死，1 = 彻底放飞。先从 0.5 开始，根据反馈往上或往下调。三轮迭代后大概落在 0.7。 100 万行代码找 bug 也是这个道理 - 二分查找不超过 20 次就能定位。 复杂系统里找平衡点，取个对数，复杂度就降下来了。
avatar
我们比很多创业公司强的地方：有生产环境数据，有 real life use case。 跟那种到最后都没见过客户、没让用户在真实环境用过的公司，有天壤之别。 真实反馈是下一步迭代的燃料。 没有燃料的引擎跑不起来。
avatar
Peter 一个人能搞出这么大动静，因为人扮演的是杠杆角色。 他几乎不写代码，管理一下整体架构设计，往那个方向一路狂奔就完了。 AI 时代，人不是劳动力，是杠杆。 你的价值不在于你能产出多少，而在于你能撬动多少。
avatar
让 AI 从零到一搭建，每一步都 make sense，它知道自己在干嘛。 但碰到旧代码？它分不清逻辑，开始写各种 V2、V3 版本，跟屎山一样。 最后只能删掉 80% 旧代码，又往上写了 40% 新的。 AI 时代的重构：推倒重来比修修补补更快。
avatar
Claude Code 为什么大家觉得牛逼？不是底层模型更强。 是因为它可以跑各种 bash，直接像人一样去文件系统里翻找东西。 给了 AI 一个自主裁量权。 技术路线还是那条：给 AI 足够信任，让它发挥。 我们以前管得太死了。
avatar
做模型训练的人都知道：起始点重要但没那么重要，随机初始化也行。迭代方向已知 - 往最优走。 真正重要的是迭代步数和速度。 你比别人多跑 500 步，或者同样 500 步你快一倍 - 这才是护城河。 AI 时代，速度就是一切。
avatar
很多人问我 AI agent 怎么调。我只说一句：不要抄我怎么写的，没意义。 反馈闭环搭起来，疯狂往上堆 use case，堆 feedback。 AI 时代的反馈闭环得是小时计的。 以前那种一个 sprint 提一个反馈？已经慢到侏罗纪去了。
avatar
AI 时代最值钱的人才：端到端。 什么意思？ 从头到尾打穿。 以前工业革命以来，人是螺丝钉--只负责流水线中间一段。 现在不行了。 你要懂需求、懂技术、懂交付、懂运营。 你不能只会「我负责这块」。 AI 把中间层压缩了，剩下的人必须全栈。 不是技术全栈--是能力全栈。
avatar
AI 出来以后，builder 严重过剩。 一个品类可能就5-10个最优解，恨不得100个人在卷，后面还跟着1000个没融到资的。 厨师太多了，养不起了。 那我们为什么要去当厨师？ 去当美食家，当评论家。 社会缺什么？缺高质量消费者。 吃出门道，吃出启示，写出文章，带出影响力——两句话捧红一个店，两句话关掉一个店。 比卷 builder 市场宽阔多了。