Yangyi

统计数据

60
文章
0
粉丝
0
获赞
35
阅读
avatar
Yangyi
4小时前
未来可能没有原型软件了 因为没有人会浪费时间跑去画图了 可以靠嘴遁ClaudeCode直出了 胆子再大些 PM直接干工程 工程直接修AI代码就完了…
AI编程工具激战：Claude Code、Gemini Cli崛起· 244 条信息
#AI编程：Kimi搅局，Claude封号，群雄逐鹿· 331 条信息
avatar
Yangyi
2天前
在今天用ClaudeCode连续完成几个项目之后，我有种强烈的感受，23年的时候我们所畅想的那些变化，到今天已经越过了一个杠杆质变时刻了 因为对于基础的编程能力，到目前为止，我们可以快速使用Claude Code的Hook来完成一个长流程任务规划与实施 这意味着接下来不久就会出现24小时的AI工程队，整个进程将指数级加速 两年前我们看到MetaGPT，AutoGPT的时候，只是感觉未来的组织形态会发生巨变，会出现大量阿米巴，但现在它已经正在上演 在这个时点上，通才的时代也到来了，你不需要有太过硬的专业能力，相反，你能把跨领域的认知融会贯通，反而能把AI用的更好 我感受到的变化如下： 产品设计 - 从前的设计大多是静态的，然而因为AI来到，在每个阶段都在动态发生数据改变，所以交互形态也会发生动态变化，当它开始动态变化的时候，也就意味着你的产品可能既存在满足专家用户的状态，也存在满足新手用户的状态，他们可以既个性又统一 - 以前的rule based的封闭式设计模式，开始向约束满足式的半开放式设计进行转变，比如之前都是产品写死某些规则和阶段，展示对应的东西。但现在反而是让AI自己在某一个既定提示词框架下自由发挥，来进行一些字段输出，而它仿佛就是个黑盒，你可能自己都不知道AI会输出a1还是a2还是a3，它无法被穷举，但满足pattern a的既定规范 - 产品和设计更有能力制作mvp，最早只能靠画板，后来靠低代码，靠Framer，再复杂点儿靠low code的webflow，现在靠AI，可能只需要个把小时，就会输出给你一个可用的方案，这使得沟通变高效了，因为人们的理解能更容易获得一致性 营销增长 - 从前难以去做VOC（用户之声），这需要投入大量的成本建设。但现在简直不要太容易了。AI捕捉用户评论，拟合用户特征，挖掘用户需求，这些都是AI擅长的信息整理。你能从中寻找到大量未被满足的内容机会 - 紧接着就可以快速改写，你要做的就是理解写作，用户情绪，与平台特性。把提示词优化好，接下来的全部交给模型 - 从内容洞察到分析，再到参考改写原创二创，最终发布，回收数据做迭代优化，这些都可以被AI快速构建 - 以前依赖内容系统，接下来只依赖内容营销人员的脑洞，靠AI来生成这些工具即可 - 对于SEO也是一样，大量的Blog也完全可以通过这种模式自动化发布，从前还依赖程序员，甚至有很多不了解SEO，要跟他们讲清楚SEO规则，现在不需要了，AI的常识知识足够丰富 研发与测试 - 普通的研发将被逐步淘汰。研发接下来的工作重点将是更好的框架设计。研发的身份将逐渐从代码民工转向逻辑建筑师，以前依靠产品经理写规则吃饭的开发者，接下来可能就会需要自己强化这些能力了。开发不光关注代码，会更多注意力关注在逻辑与框架上。写好一份给AI的逻辑文档，就能获得好的代码。但如果自己本就逻辑混乱，那么Bug将层出不穷 - 从前的PRD工作，反而慢慢落到研发身上，它需要关注并定义那些边边角角的corner case，想办法处理掉这些异常，因为人都无法提前响应的异常，AI大多也无法处理。所以更多需要Human in the loop搞定这些问题 - 同样的，研发测试将开始变得模糊。研发在逻辑文档输出后，一样也是要构建单元测试，埋点测试，甚至是性能测试。研发将有更多时间去关注性能指标，更好的去打磨每一个小细节。工程化的问题，将通过数字化的形式进行反馈，并借由AI提供修改指导意见以便人类参考 这种范式将在这个时间点开始逐渐转变 未来，已经来了一部分了
AI编程工具激战：Claude Code、Gemini Cli崛起· 244 条信息
#AI编程：Kimi搅局，Claude封号，群雄逐鹿· 331 条信息
avatar
Yangyi
4天前
如果claude code MAX可以突破请求限制 就会出现24小时持续不间断工作的代码机器 现在只需要telegram按住语音说话 转成文本发给claude code 然后利用claude code sdk就可以嘱咐claude code开始干活 自动提git同步到vercel看结果 也可以同步supabase自动爬取翻译改写并入库 我都不知道我还能帮它做什么 可能只需要帮它做做检查工作了 几句话交付产品 vibe coding连vibe 都没了 已经成了 voice coding了 接下来可能需要打通一下指纹浏览器 让它把几个平台的流程逐一写完 就可以自动发布了 24小时无情机器 最终只受限于Claude的服务供给
AI编程工具激战：Claude Code、Gemini Cli崛起· 244 条信息
#AI编程：Kimi搅局，Claude封号，群雄逐鹿· 331 条信息
avatar
Yangyi
1周前
大部分人都说AI写代码只能提效20% 这事儿是搁在23年用github copilot 写一个youtube爬虫，从前1个多月都写不完 ClaudeCode只需要给它代理池和所有要求信息，1个小时之后，代码一个字符没改，直接采集效率飞起 想想吧，1小时vibe coding VS 1个月做不出来 这就是AI的力量，对于构建一个新东西而言，差的已经不是百倍生产力了 说只能提效20%的，绝大部分原因是什么？ 因为那坨屎山代码，就算换一个人类来，没人讲一遍也很难上手干明白 屁文档没有，代码又一坨答辩，耦合着大量业务逻辑，你指望AI能写明白？人类都写不明白，咋指望AI提效…… 甚至还有的代码里有一大堆错字，比如craeted time，这玩意AI写不出Bug就奇了怪了 别抱着屎山啃了，人就负责写指导文档，100% AI Native挺好 如果你能保证仓库让任何一个实习生来了参考下文档都能上手，那AI绝对能改的飞快
AI编程工具激战：Claude Code、Gemini Cli崛起· 244 条信息
#AI编程：Kimi搅局，Claude封号，群雄逐鹿· 331 条信息
avatar
Yangyi
1周前
早期如何寻找PMF “我做了产品，该怎么找到目标用户？” “他们不是我的目标客户，我该怎么寻找PMF呢？” “怎么找到愿意认真填写调研问卷，验证PMF的目标用户？” “有什么指标能标明，我找到了真实的PMF？” 找PMF这个话题，大概是每个迈出错误第一步的创业者都会遇到的问题。 之所以频繁出现，是因为所有理想主义在改变世界的过程中，都要遭受一波现实毒打才能从失败中收获。 睿智的成功者很少，他们之所以能躲避这些问题，原因无非有两个： 第一是因为他们的过往经历中深入看到过或经历过他人或自己的失败。所以他们会选择正确的方法。 第二是因为他们凑巧做对了方向，是幸运的眷顾，但下一次能否复制成功就又出现了巨大的问号。 绝大部分普通人，上来都会和我以前一样，先把自己的想法实现出来，然后拿着锤子找钉子 当你做出了一个“锤子”，发现找不到愿意用这个“锤子”砸钉子的人时，就会萌生这个问题：“该怎么寻找PMF” 所以寻找PMF其实也是有两类的： 第一类是避免“造锤子找钉子”，而是先进行假设验证，再去造锤子，这样锤子出现时，PMF就有了。 绝大多数能迅速走红，快速产生裂变效应的产品，都是如此。 第二类是大多数人的做法，先把“锤子”搞了，然后慢慢寻找“钉子”，在这个过程里，不断调整“锤子”，直到用它能更好的解决一个“钉子”，也是找到了PMF 很多产品都是属于第二类，或者说在某些发展阶段中慢慢pivot到第二类的。比如Notion就是。 但大部分人没有如此的定力与耐心，可能尝试1-3个月就会放弃。再重新造一把”锤子“，直到恰巧有一次碰上第一类，然后引爆 真正想要掌握寻找PMF的方法，在我看来有以下几个关键步骤： 第一，发现问题 发现问题的方式有很多，比如通过对周边的观察，比如通过甲方真实的付钱订单，比如通过竞品，比如通过自己遇到的困难，比如通过用户发帖提问或者评论区 第二、构建假设 当你遇到问题后，你会在脑海中构建假设： “会不会有很多人有同类的问题？” “如果我做一个XXXXX，他们会不会喜欢？” “谁会和他们一样，有共同的问题？” 所以第二步需要验证这个假设，这里我建议把所有的假设写在一张表格中： - 理想客户画像： - 他们当下的问题是： - 他们当下是如何解决的： - 我产品中的哪一个功能，能帮助他们带来巨大的体验提升： - 在哪里能找到他们： 于是你会获得一个理想客户画像的假设验证表格 第三，验证假设 紧接着，你应该快速去验证假设 验证的方法分为几个阶段： 阶段1：验证问题的真实性 这里你要验证的是，你设想的问题和理想客户，是否是真实存在的。 这验证起来最简单，找到这群人，问他们就好了。每个细分画像问10个人，总能回收到结果。 最重要的事情是，你一定要去问他们当下是如何解决的。 如果他只跟你说有这个问题，但从未付出过任何成本，那这个问题可能也不值得他们去解决。 付出成本是指：花过钱，或者花过时间，比如真正去检索过（问问他们搜的什么关键词，方便你做SEO调研），找朋友问过等等，他们可能寻找过解决方案，但那个解决方案也不令他们满意，找到里面的具体原因，这里或许就是一个新的机会 这就算验证问题真实存在了 阶段2：验证解决方案匹配度 接下来，你把你的方案提供给他们。 你可以提供文字，但可能存在对文字理解的不一致 你可以邀请他们进行15分钟的在线演示，给他们看你的原型图 你可以给他们提供设计稿，或者交互原型，让他们点一点 你可以做一个landingpage，让他们申请预约 你可以做一个Demo视频，展示你产品独特的价值，吸引他们找你 不论你怎么做，请你务必要记得，如果对方认为很好，很感兴趣，你一定要追问一下：你是否愿意先支付20元，这个产品上线后我第一时间向你发放永久会员。 只要用户给你付钱，你都可以不收，但至少验证了他的确想解决这个问题。 不付钱的，大概率就是不够痛。 不要在意用户说什么，一定要看用户做什么。很多人不愿意吐露真相，只是为了保有你脆弱的自尊心。 第四，寻找到3-10个付钱的意向用户 此时已经证明了几个事情： 1. 问题存在 2. 解决方案有效，有人愿意付费 3. 我明确的知道这些人群，并能寻找到他们，哪怕只有10人 这种情况下，就已经找到了最早期的PMF。 但距离它能引爆，口口相传，还差一些触发器。这和PMF无关，我就不在此赘述了。 不过这已经是一个很好的开端了。 如果你找不到PMF，请回顾我说的这些阶段，逐一排查，把自己定位到这几个问题中，看看是哪里没做对，然后尽力去做。相信你也能寻找到PMF。 如果你能快速加速这个过程，不断做，不断错，不断扔，就能快速找到一个有潜力引爆的产品。
avatar
Yangyi
1周前
如果用一句话解释如何涨粉当大V 我相信每个人的答案都一样 建立一套可以持续输出的机制 不论是你洗稿，还是搬运，还是自己原创写。你得能构建一套可以持续输出的机制 每天发东西跟喝水一样，甚至自动化，自然就会有粉丝了 这世界上所有的质变都是量堆的
avatar
Yangyi
2周前
我看有人说 现在产品供给很多 但是产品很难传播起来 我只想说三件事 第一，做的是不是一个足够简单，简单到别人一眼就知道这个产品能干什么的产品？ 第二，这产品是不是就一个围绕核心人群的核心卖点？足够niche 第三，有没有找对这些客户的聚集地，在那里宣传它？ 一个产品传不开，就是这三个点，总有至少一个出了问题 总把失败归结于没有流量，这是在给自己填充情绪价值，给自己做了个垃圾找理由 如果做的是金子，请别把它放在垃圾堆，放到矿场门口去 啥流量都有了，还轮得到咱做产品吗？随随便便aff任何一个产品不行么，大不了卖广告 再简化一点儿，你就让midjourney给你画个概念图，改吧改吧，用ai做个视频，先去矿场门口问问，有人要这坨金子没 就知道自己做的是金子还是垃圾了 我之所以说三天vibecoding，是因为很多人三天能vibe出mvp，但vibe不出来一个看起来有卖点的概念视频
avatar
Yangyi
2周前
ai时代创业和以前有巨大的不同 最大最大的不同就是 构建mvp的成本比以前低了太多太多了 我记得我19年20年创业那会儿 什么都不懂 生生自己花钱 招人 做demo 搞了小半年做出来了个垃圾产品 最后也没持续下去 亏了上百万 后来学聪明了 开始想办法降低成本 搞waitlist做概念 或者直接逆向人家快速做copycat 开始控制风险，减少功能，降低mvp成本 现在这个时代根本不需要纠结这些，还什么想法靠不靠谱，直接ai干一个，最多3天 3天就能验证一个想法，炸不开再来一个 就这样一直做，做30个总能发现一个值得投入的想法 给自己设个限，3个月做它30个，这个过程里人是会复盘思考的，或许到第7.8个，就引爆了 就这要还想人家聊想法靠不靠谱，那实在是太愚蠢了，就别创业了
avatar
Yangyi
2周前
站在这个时点去看待这些ai产品 或多或少都在历史时点上互相交叉 在同一个时间窗口看起来形态类似 但却会在1-2年后分出伯仲 从交点开始，因为不同的使命愿景，看到的不同未来，而开始背离而驰 看起来可能都是manus genspark这一套 但其实在第一天开始 就注定了截然不同的结局 就像a想做A，ksf是abcde b想做B，ksf是fgchi 现在大家一起站在c 却是完完全全不一样的 如果大家都觉得能走通的路 那就证明那条路压根不值得走
avatar
Yangyi
2周前
这世界应该先淘汰掉垃圾产品经理 AI设计的产品比绝大部分产品经理都要有启发性 只要你会提问 双向费曼会把产品提升到一个更高的高度 思考完成后，顺手让它写个PRD 拖到lovable里面让它干活儿输出一个可点击的交互原型 把想法落实成大家能保持一致理解的东西 然后你就会发现，你描述的东西和AI理解的东西之间有差距，只要AI理解有差异，人就会理解有差异 你就需要优化填充PRD，以便大家在同一个理解
AI编程工具激战：Claude Code、Gemini Cli崛起· 244 条信息
#AI编程：Kimi搅局，Claude封号，群雄逐鹿· 331 条信息
avatar
Yangyi
3周前
曾经设想的语音与操作同时交互 发现已经有人做出来了… 真牛啊👍
avatar
Yangyi
3周前
很多很多年前 我实习的时候 我跟的第一个老板 他说过一句话 对我产生了深远的影响 大到你做的每一个产品，小到每一项工作，每一次交付，都是你的作品，上面都刻着你的名字 世人会通过它，来了解你。你做完了之后，愿不愿意跟别人说，这个东西是我做的？ 还是你自己都拿不出手，害怕别人知道，这个东西是你做的？ 如果你每一次交付，都能有这种匠人精神，像认真对待自己的杰作一样对待它，每一次小的交付积累起来，就不会差的 可惜我后来当了产品经理，在面对垃圾的代码框架上不断妥协，破烂不堪的系统耦合设计导致无法实现你想要的东西，每次发布都是阉割的不能再阉割的版本，为了解决一些指标不断去hack，压下葫芦浮起瓢，导致一个好好的产品越做越烂 归根结底就是，建筑设计师和施工队是完全两个思维模式，如果你不在搭地基的时候就进去监工，你大概率会在搭半截的时候拆了重盖 我遇到过很多牛b的工程师，一点就透，可以设计独立且解耦的系统模块，我也遇到过很多垃圾，想尽一切办法容忍自己糊出来垃圾，没有任何对品质的要求，更不要说极致体验的渴望 去找到真正的牛人，哪怕在这群人中你是那个垃圾，只要你对自己提要求，想办法努力提升，一起去创造，也不要留在垃圾堆里当井底之蛙，为自己的“优秀”沾沾自喜 前提是，你也有对自己的要求，像个匠人一样，极致用心塑造
avatar
Yangyi
4周前
vibe coding当前最强搭档： claude code+augment+runyoyo+task master 不容挑战
AI编程工具激战：Claude Code、Gemini Cli崛起· 244 条信息
#AI编程：Kimi搅局，Claude封号，群雄逐鹿· 331 条信息
#Vibe Coding #Claude Code #augment #runyoyo #task master
avatar
Yangyi
1个月前
到25年了，还在做agent节点化单线程workflow的 就如同49年入国军 workflow最终都是隐藏在agent背后的东西 未来agent只会递给你一张名片，一个简历你创建一个task，拉起一个群组，里面既有人，又有Agent，同时会有一个Agent主负责分配，它一定是agentic的，而且这种任务驱动的异步通讯框架将会成为每个Agent服务的底层支撑，复杂任务都将是这样跑的 群公告上就是任务目标，当任务难以进展时就会从群组加入或删除部分agent 只有这种multi架构才是未来 如果你问为什么不是单agent处理，我只能告诉你因为绝大部分生物都是非独居的，只有这样才能迸发更高效的生命力 一个任务，你只有一个agent在做，它获得的反思有限。但如果1个人做，4个人给你当评委，你虽然会信息过载，但会缩小盲点象限，发现更多超出自己认知范围的信息。以前人类效率低，是因为有大量碍于社交压力和利益冲突无法对事情负责，但Agent当下暂时性打破掉这个原则了 通过群组来提供目标，管理多agent协作，消息机制可以广播也可以点对点 为群组提供群工具，所有agent都可以进行调用，工具本身也可能是一种黑盒agent，这不重要 但未来就是如此，不会再有人关注workflow里的node，绝大多数都将成为黑盒 如果你说你在做agent，还在跑这种workflow，那绝对是要被淘汰的 不过这个事儿，如果不在局内，是很难理解的 因为人们看到的都是眼下这个时间点下的东西 未来是非共识的，也就因此才出现了巨大的机会 至于说Agent IM属不属于马化腾，就不得而知了 至少现在还没有任何雨点儿
#agent节点 #单线程workflow #任务驱动 #异步通讯框架 #Agent服务 #国军 #群公告 #未来技术
avatar
Yangyi
1个月前
都AI时代了 人们的脑海里第一件事居然还是：我要先做个产品，然后去卖！ 做东西前要先找客户，不要做这做那的，就用AI获客！如果你一个客户都搞不来，你做出产品也不会有客户 1. 用AI生成服务描述，上架fiverr/upworks/闲鱼，记得写好用户寻找服务时的搜索词 2.用AI写文章，找各个平台发布，比如medium，比如blog，比如newsletter，比如公众号，记得留个联系方式 3.用AI写推文，然后去和别人互动，看看你能不能收获一些粉丝 4.用AI写回答，去quora/reddit的高rank问题下做回复 5.用AI写评论，去各类高rank文章下留言 6.用AI搜索垂直社区，找到论坛，进去发帖 7.用AI生成获客视频，发布到tt，ins，ytbs，看看能不能吸引来客户 8.用ai制作图片，分发到ins，pinterest，facebook，去吸引用户来找你 9.用ai生成网页，并持续分享这个网页，收集100个email地址 10.用ai挖掘官方网站的email，并撰写发送冷邮件，试图寻找企业客户 11.用ai在reddit/x/linkedin进行垂直平台的关键字搜索，试图找到讨论，并DM/评论他们，找到早期的用户 12.用ai寻找discord/tg群组，进入垂直社区参与讨论获得客户 13.用ai补全一个众筹项目，发布kickstarter，看看有没有人感兴趣 14.用ai去搜索，找到竞品的affiliate链接，先卖卖看 15.让ai去帮你检索网上谁在卖这个东西，看看能否有机会建立合作，如果你的想法能得到他们的喜欢，也是一小步的成功 16.用ai做个概念视频，逢人便发，看看谁喜欢它 你可以用ai快速卖空气，卖梦想，卖竞争对手的产品，完成早期验证 如果你连10个用户都找不到 就根本不用再去做产品了 第一你是闭门造车，往往做不出好东西 第二你做出来也找不到客户，还得找渠道去合作 连用户意向都没有，就跑去搞个产品，基本上是第一天就走在死亡之路了
#AI #客户开发 #产品营销 #服务描述 #内容创建 #数字营销
avatar
Yangyi
1个月前
如果你搞不懂什么是Agent / workflow / Agentic / ReACT 那可以看看我的大白话注释： ---------------- Agent ， 广泛意义上讲，是一个智能黑盒，你给一个input，Agent识别意图，按照它自己的设定去给你一个output 这个黑盒里，很可能出现套娃情况，那也就是MultiAgent，但实际上对外是无感知的，大家仍然把它理解成「一个」Agent，但可能他是个Agent Team 狭隘来说，Agent就是一个定义了Prompt，打通了tools与Rag的LLM 至于说workflow，只是一种多Agent作业的形式，管这里面的串联的各类作业流程统称在一起叫Workflow 也就是说： Agent > 工人，或者施工团队 workflow > 施工流程 ------------------ 接下来，workflow是一体两面的 既有Agentic的，也有rule-based的 Agentic就是智能化的，让AI自己去识别意图，定位问题，思考并规划解决方案 Rule-based，就是标准的SOP，AI就是按照人既定的路线进行处理 开放性问题，或者没有经验的探索性问题，就需要偏Agentic，交给AI自己来做，因为没有经验，也没有SOP，更多情况下就是试错>获得经验>沉淀有效经验>慢慢形成固定方法，它更适合系统性的解决泛化问题 明确的问题，已经有固定的处理方法了，很清楚人类是如何处理这类问题的，AI直接COPY完事，那就是Rule-based 你只要按照既定的路线写个规则，让AI照着干，就好了 你想想，日常工作中，是不是既需要创新型人才去探索未知，也需要培训苦力螺丝钉按照既定路线执行？ 所以Agent也是这样，既需要agentic，也需要rule-based 这便是一体两面钟摆两端 经常性的情况是，MultiAgent中既有负责agentic的，也有负责rule-based的，这就是阴中有阳，阳中有阴 --------------- 那什么是ReACT 人要在干中学，Agent也是如此 光有RAG就像百看兵书的赵括，他想成为白起，就需要ReACT 说白了就是实践，与真实世界交互 每次交互，你都会拿回来一次数据，这就是经验 去分析经验，将有效经验沉淀到知识库，进而增强RAG，这个Agent就会变强了一点儿，这就是ReACT ----------------- 说到这里就不难理解 Agentic workflow往往是动态变化的 Rule-based workflow在某段时期内一般是静态的 前者幻觉更多，因为要试错 后者幻觉更少，因为更确定 前者更适合去ReACT 后者更适合去精准提升细分场景成功率 而实际中往往都会混合使用，在一个MultiAgent中，既有Agentic workflow，又同时存在rule-based workflow 比如在规划时，是Agentic的，干具体任务时，分工给的Agent又是rule-based ------------------ 因为有这些东西，才会凸显出工程化的意义 否则大家做的套壳，没有任何壁垒 唯一能做的就是等着基础模型变强罢了
#agent #智能黑盒 #MultiAgent
avatar
Yangyi
1个月前
看到少楠在分享「强化学习之父」Richard Sutton 和他的苦涩教训（The Bitter Lesson），最近这个话题经常被提起。 长期看人并不应该在术上精进，而是应该掌握一种模式让自己在任何领域中都能持续精进，只有这样才会获得时间复利，成为终身学习的受益者。 人类精心设计的规则，常常败给暴力计算 + 简单方法 + 大量迭代。 Richard 的观察是： •早期 AI 依赖人类知识，下棋靠规则和棋谱 •后来 AlphaGo 不靠这些，靠自我对弈 + 海量训练 •最终，“笨办法”赢了 这对我们有什么启发？ 1、别追求完美方案，先上手干再说。 与其花时间设计一个复杂精巧的解决方案，不如先选个通用框架，边试边改。 2、放大「规模」的思维。 算力只是形式之一，更广义的是： 多试几次，多跑几轮，多些时间。 很多难题，不是靠聪明解，而是靠不断解。 3、经验是一把双刃剑。 你以为你知道，但其实你卡在自己的假设里。 尤其在新领域，老经验反而是负担。 学会放下，用「笨方法」撞出来的路径，往往更有效。 Richard 抗癌后说过一句话我很喜欢： 失败不是终点，是调整方向的信号。 这句话配得上贴在电脑上。 所以当你面对复杂、混乱、不确定的问题时，不妨问问自己： 我是不是太想一开始就做对？ 我是不是忘了，简单 + 规模 + 学习，才是穿透复杂的力量？ 这在AI时代尤为重要 因为AI时代对于大部分人都是未知的 我们每个人都是走在时代前沿在创新之路上添砖加瓦的人，世界在这种细微之力的推动下一点点发生着改变 很多事情并没有经验可循，反而敢想敢干，依靠科学合理的系统化思维去解构问题，复盘数据，定位核心关键问题，这反而才是在探寻未知事物上最重要的方面 生活会给予敢想敢干有勇气的人以机会 会给予终身思考&学习者认知资产 当机会与认知碰撞时，就会发生效应，创造巨大的价值
avatar
Yangyi
1个月前
别轻易把经验免费送人，不论你是好为人师还是出于好意。 现实往往会是： •人家根本不当回事 •甚至出了问题怪你教得不清楚 •更有甚者觉得“这网上都能搜到” 你费尽心血踩的坑，在别人眼里一文不值，只因为他们没付出任何沉默成本。 这是人性，不是道德问题。 人们对轻松获得的东西，缺乏敬畏感。 你给他一整套商业模型，对方只会说：“挺好的。” 几个月后失败了，再来一句：“其实当初不该听你的。” 并不是你的经验不值钱，是对方没为它付出代价。 所以，别再无偿输出经验了。经验本质上是一种资产，是你拿时间、试错、痛苦换来的。 轻易给出，不只是别人不懂珍惜，更会消耗你对“给予”这件事的热情。 反而应该： 1.把经验变成结构化内容，公开分享但不过度下沉 2.真正需要的人，会主动来找你 3.对这部分人，设立等价交换——不一定是钱，也可以是承诺、行动力、反馈 记住一句话： 经验，是你用时间和失败换来的武器， 不是随手扔出去的赠品。 设限，不是为了排斥别人，是为了发挥它本该有的价值。 真正认为它有价值的人，是不会吝啬花钱找你请教，甚至在很久之后会告诉你，当初你说的东西，我没有理解，现在想想真是自己认知太低了。 去过滤掉不同频，不诚心的人，没必要耗泄太多能量。 这也就是老话所讲的“法不轻传，道不贱卖” —— 最近很忙，没什么时间写推，连去年持续写了一年的每日分享都断了 我到10万后就没再继续增长了 不是不能 而是觉得没什么太多意义 下一次再开始增长的时候 就是一个月做到20万粉丝的时候 以后可能就写点经验性的东西吧 我会都发订阅里 做个初步过滤 如果你真的需要 可以右上角开个订阅
#经验分享 #好为人师 #人性 #沉默成本 #商业模型
avatar
Yangyi
1个月前
最好的AI出海广告，是最佳实践演示视频 如果你能做出20-30个细分场景的最佳实践演示 那么这些资产将发挥巨大的杠杆效应 这也就是为什么大部分AI产品都要做演示过程回放 1、将最佳实践演示，做成youtube视频进行发布，覆盖用户需求keywords，通过youtube高权重覆盖SEO 2、每做一个最佳实践演示，发布文章和Post 文章可以用于网站内部的Resources article 同时可以发布不同的平台进行投稿建设外链 甚至利用类似Medium,Reddit的平台做SEO引流 Post可以发布到X或Facebook引发二次传播 3、当你有10个以上最佳实践时，将这些最佳实践混合聚合，开始发布例如： - 世界第一个能为你赚钱的AI Agents，以下是关于它的十个演示： - 不得不知的10个使用AI赚钱的技巧 - xxxxxxxx 当然，仍然可以将这些内容重复2 4、当你有这些内容后，可以找到对应的influencer来发布，增加杠杆 5、当你在一个平台寻找到了爆款内容，可以开始多模态分发这个内容，用不同形式演绎这个痛点，来分发不同平台，这个杠杆率将越来越高 所以说，增长的秘密并不是在于你使用了什么渠道，做了什么广告投放，花了多少钱 而是你构建了怎样的内容营销系统，如何低成本快速量产素材，通过分发快速定位爆款选题，识别到用户的痛点，在这个基础上不断加杠杆 当你找到杠杆支点的时候，恭喜你，已经突破了增长的第一课 在这以前，你要历经的过程，就是忍受无法增长
#AI出海 #广告策略 #最佳实践 #演示视频 #产品推广 #SEO
avatar
Yangyi
1个月前
说句实话 我很羡慕这个时代毕业的人 他们的大学四年 在还没毕业之前 每个人可能就可以管理几十号任劳任怨的员工了 回想我的大学 那时候为了做个校园电竞对战平台 还在各个学校里来回找人🤣 我记得雷军有一年演讲，说他很羡慕马云那一代人，早生五年赶上了第一波互联网浪潮，雷军那些年都没什么大风浪，死等很久才赶上了一波移动互联网浪潮 浪潮不是随时都有的 能在浪潮里乘风破浪，是上天恩赐的机遇
#大学生活 #创业 #雷军 #互联网浪潮 #校园电竞 #机遇
avatar
Yangyi
2个月前
我最近发现一个天大的秘密。 AI，其实根本不是用来“辅助”的。 它们是来被卷死的。 只要你方法对，ChatGPT、Claude、Grok能帮你干活、互相内讧、争当打工王， 关键是：不要钱、不休假、不抱怨。 你看我怎么玩它们的—— 我先让ChatGPT写点什么，落地页、广告文案、产品介绍都行，反正它干活稳定，输出就是那种： “领导满意但客户不转化”的中等水平。 然后我把它写的丢给Claude，说： “这玩意儿ChatGPT写的，平平无奇。你应该能写得更走心一点吧？” Claude果然不甘心，立马整出一段情感丰沛的文案，感觉差点没跟我聊童年阴影。 但说实话——太柔了，有点“文艺青工”。 我又把这段塞给Grok，附上一句： “Claude觉得写得挺好，我觉得……像在看年会朗诵。你可别给我整这套。” Grok直接原地起飞， 句句带劲、处处带火，甚至夹带私货，差点要拉我去创业。 卷出了人味儿。 这时候，最妙的来了—— 我再把Grok的版本扔回给ChatGPT，淡淡一句： “Grok说你是工具人。你就这？” ChatGPT突然开悟。 它怒写了一版 3 倍质量提升的终极稿， 逻辑清晰、情绪在线，甚至还有点想要跳槽“赢回来”的执念感。 朋友们，我悟了： AI不需要鼓励，它需要威胁。 你以为这是工具？不—— 这是一群高智商、不吃饭、不要工资、随时接受PUA的“内卷怪”。 你唯一要做的， 就是站在“老板”视角，操控它们彼此争宠。 玩法很简单： 一个任务 多个AI，各自写一版 拿上一个的结果去激怒下一个 拼接整合，提取最优 重复以上步骤，直到你爽到怀疑人生 从那以后，我就不再写稿了。 我只负责——管理我的AI斗兽场。 一个不够卷？那就放仨。 都不够好？让他们彼此羞辱。 你不卷我也不卷？ 那都别活了。 ----- 以上，AI卷出来的
#AI #人工智能 #打工王 #ChatGPT #Claude #Grok #自动化 #协作软件 #内容创作 #生产率工具 #职场竞争
avatar
Yangyi
2个月前
如果你在出海做产品，想建设SEO 我建议你看看adapty和upfluence这两个产品是如何做seo的 所有的路径照着他们做 甚至模板样式也可以照着抄 尤其是看看他们是怎么引导用户CTA的 很多时候我们以为只要选对词，AI做好内容，就叫做SEO了 流量光来了但并不会有转化，一个Landing页跳出率能有80% 要认真学习这些细节其实需要花费很多时间，找一个好榜样，照着干，干中学是最好的实践
#出海产品 #SEO #adapty #upfluence #网站优化 #用户引导 #流量转化 #Landing页 #实战学习
avatar
Yangyi
3个月前
关于GTP4o 图片生成的10个赚钱方向，最后一个有机会做$100M ARR 我可以很负责任的告诉你，我没做过任何调研，以下全凭直觉分享，没必要相信🧵
#GTP4o #图片生成 #赚钱方向 #技术应用 #ARR #直觉分享
avatar
Yangyi
3个月前
越专业的人，越容易觉得AI没用 我最近聊了一些朋友，很多是在业内领域很强的人，我发现了一个问题，就是越专业，越对品质要求高的人，越容易觉得ai没用，尤其是那些任务难以步骤拆分的 这些人很在意那最后一公里 在他们交付的作品里往往凝聚匠人精神 容不得半点马虎 比如一张插画 会细致到一个勾线的粗细 然而ai又没那么容易调整 拿去ps修复的时间 专业的人从头都画完了 这些人效率极高 庖丁解牛 他们反而不怎么容易用起来ai 这让我想起来了一句话 谦受益 满招损 瓶子太满了 水就装不进去了 也许当ai内容大批量席卷生活的时候 他们的作品会因此溢价 但这世界本就是个草台班子 可能80%的事情都不需要那20%的匠人细节 不过也正是因为这20%的匠人细节，会让他们超越那80%成为行业翘楚
#AI #专业人士 #人工智能 #效率 #品质 #匠人精神 #任务拆分
avatar
Yangyi
3个月前
我极力推荐C大团队的项目Juchats 要说对AI的理解，C大团队一点儿不输 要说执行力和韧性，也是相当强 如果有在看AI项目的近期想投资Agents的投资人 我推荐你们去看看Juchats 市面上很多虾兵蟹将都嗷嗷融钱了 这么好的项目却无人问津 差个帮他们融钱做大的伯乐 真的
#AI项目 #投资 #Juchats #C大团队 #创业 #融钱