#人机协同

6小时前

如果去可视化ClaudeCode的工作轨迹可以看到 AI agent 在真实代码库中浏览、审查结构、做决策并提交修改的过程软件开发正进入新的阶段，并非传统意义上的自动化,而是Agent能理解上下文、应对复杂情况、并做出有意义贡献的系统。虽然目前仍处于vibe coding的早期阶段,但这个趋势毋庸置疑：人类和Agents正在进行人机协同的合作来构建未来

Claude Skills系统发布引发AI行业新变革· 38 条信息

#AI Agent #代码库 #人机协同 #软件开发 #自动化

沉浸式翻译

2周前

内部报告泄露：全球顶尖医生揭秘4个颠覆你认知的AI医疗内幕刚刚解码了一份来自全球顶尖信息分析公司爱思唯尔 (Elsevier) 的重磅报告。这份报告调查了来自109个国家的2206名一线临床医生，可以说是医疗界最真实的声音。先说结论：做AI产品可以躲开拥挤赛道，医疗领域才是金山！ 1⃣倦怠悖论：AI是拯救你疲惫医生的“续命”神器我们必须直面一个残酷的现实：全球的医生和护士正处在一个系统性的倦怠危机中。这不只是“忙”，而是一种正在侵蚀医疗质量的危机。时间黑洞：超过四分之一 (28%) 的医生坦言，他们没有足够的时间提供高质量的医疗服务。而在这些人中，74%的人将矛头指向了不堪重负的患者数量。近三分之一 (31%) 的临床医生正在考虑在未来几年内辞职。在北美和欧洲，这个数字更是飙升至惊人的46%和43% 。他们正在被这个行业“榨干”。当被问及对AI未来的期望时，排名第一的预测是：70%的医生相信AI将为他们节省时间。这直接命中了整个倦怠危机的核心。这一切指向一个深刻的结论：AI在短期内对医疗质量的最大贡献，可能并非来自它超人的诊断能力，而是来自它解放医生的能力。它正在悄悄地为整个医疗系统“续命”。 2⃣近半数医生已在偷偷使用AI，你却不知道别再以为AI是科幻，你的医生可能比你更懂ChatGPT。数据显示，全球已有48%的临床医生在工作中使用过AI工具。这个数字在去年还仅仅是26%，短短一年内，使用率几乎翻了一番。广泛的渗透：如果算上工作和非工作用途，那么高达76%的医生都已经接触和使用过AI工具。报告发现，在那些使用AI工作的医生中，一个惊人的数字出现了：97%的人使用的是像ChatGPT或Gemini这样的通用型AI工具。相比之下，在同一群体中，只有76%的人使用过专门为临床设计的AI工具。逻辑链条再次变得清晰：由于机构行动迟缓，无法满足医生们迫切的需求，医生们只能“自力更生”，转向了通用AI。然而，这些通用AI并非为严谨的医疗场景设计。它们的数据来源不透明，缺乏同行评审的验证，甚至会凭空“捏造”信息。有些AI会“发明参考文献”，这让医生不得不花费额外精力去核实每一个细节。 3⃣一个“靠谱”医疗AI必须遵守的3大铁律 AI看病靠谱吗？顶尖医生只信满足这3个“铁律”的AI：透明 + 安全 + 基于真科学。当AI的建议可能关乎生命时，“信任”就成了最关键的要素。当一个工具无法解释其结论的来源时，任何一个负责任的医生都不会轻易采纳它的建议。透明度 (Transparency)：这是医生们最看重的一点。68%的医生表示，如果AI能自动引用其信息的参考文献，他们会更信任它。他们需要知道AI的每一个结论是基于哪篇文献、哪个研究，而不是一个无法追溯的算法黑箱。铁律2：安全性 (Security)：医疗数据的隐私是绝对的红线。65%的医生坚持，AI必须确保输入数据的机密性。任何可能泄露患者隐私的工具，都会被立刻排除。铁律3：高质量输入 (Quality Input)：AI的“智商”取决于它的“食粮”。65%的医生要求，AI必须基于高质量的、经过同行评审的内容进行训练。用网络论坛的帖子训练出的AI和用《柳叶刀》文献训练出的AI，是完全不同的两个物种。医生们的需求不是凭空想象的，而是基于血淋淋的实践经验。他们知道什么地方最容易出错，什么环节最需要保障。这也为未来的医疗AI发展指明了方向：成功的关键，可能不在于算法有多么复杂和“智能”，而在于它是否足够“负责任” (Accountable)。未来，赢得市场的不会是那个号称最聪明的AI，而是那个能在这三大信任支柱上做得最扎实的AI。 4⃣你未来的医生是“赛博格”，而这是件好事最终赢家不是AI，而是会用AI的超能医生。关于AI医疗，最大的恐惧莫过于“医生将被取代”。但这份来自全球2000多名医生的报告，给出了一个截然相反的、充满希望的答案：未来不属于AI，也不属于单打独斗的人类医生，而属于人机协同的“超能医生”。赋能而非取代：报告显示，41%的医生相信，使用AI工具的医生将比不使用AI的医生提供更高质量的医疗服务。这清晰地表明，在一线医生眼中，AI不是竞争者，而是提升自身能力的强大武器，是一种竞争优势。 AI的角色（数据大师）：分析影像：56%的医生预测，在未来2-3年内，AI将分析所有的医疗影像以识别异常。它能比人眼更早、更准地发现微小的病灶。识别模式：识别药物相互作用是AI最受欢迎的应用之一，高达89%的医生已经或希望使用AI来完成这项任务。AI能瞬间交叉引用海量数据，避免潜在的用药风险。个性化方案：40%的医生相信，未来他们的大多数患者将收到由AI生成的个性化治疗方案。医生的角色（人性专家）：人性的触感：报告中一位医生忧虑地提到，要警惕体格检查成为一门“失传的艺术” 。这强调了触摸、观察、倾听这些人类技能的不可替代性。最终的判断：所有的数据和建议都将汇总到医生这里，由他们结合经验、情境和与患者的沟通，做出最终的、负责任的决策。共情与沟通：报告中一位护士提到，AI技术的应用不应忽视“对患者的人性化关怀” 。这正是AI解放医生时间后，他们最应该投入精力的领域。这或许是技术时代最大的悖论：最先进的科技，最终的目的，是让我们重新找回最宝贵的人性。你未来的“超能医生”，不是一个冷冰冰的机器，而是一个因为有了AI这个得力助手，而变得比以往任何时候都更有时间、更有精力、也更“像人”的专业人士。这，才是AI医疗真正激动人心的未来。原版：中文版：双语版：

#DeepSeek诊断与医生一致引发医疗界热议· 10 条信息

#AI医疗 #医生倦怠 #人机协同 #医疗AI铁律 #超能医生

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

3周前

从"代码执行"到"认知协同"的范式转变传统编程范式： • 代码是中心 • 计算机执行代码 • 人类消费结果 𝕀Rℙ²范式： • 人类是中心 • 系统和人类协同处理信息 • 意义的共同创造这不是简单的"接口改进"，而是计算本身的概念重定向

#范式转变 #认知协同 #人机协同 #计算概念重定向

3周前

从短期来看，AI带来的变化会更具体地影响不同领域的工作：首先，在一些高度重复、错误代价不高的岗位上，AI的替代效应会最先显现。比如数据录入、基础客服等重复性劳动，机器可以通过算法快速处理，这部分岗位的转型压力会比较直接。其次，对于技术型和知识密集型工作，AI更可能成为“放大器”而非“替代者”。像软件工程师用AI工具提升开发效率，市场人员借助智能分析优化策略，这些岗位的核心价值会从“执行”转向“创造性决策”，人会更聚焦于更高维度的问题解决。再者，AI可能让一些原本门槛很高的领域变得更普及。比如内容创作，过去需要专业设备和团队的视频、设计，现在普通创作者借助AI工具就能完成，这相当于降低了创作的技术门槛，让更多人能参与到价值创造中。而对于一些依赖经验和动手能力的传统行业，比如维修、建筑等，AI更多是作为辅助工具，帮助提升效率或降低风险，岗位本身的核心需求——“人”的经验和技能——依然不可替代。至于长期影响，技术变革对就业的重塑从来不是线性的。历史上，从工业革命到互联网时代，每一次技术浪潮都会淘汰旧岗位，但也会催生全新的职业方向。 AI的影响同样充满不确定性：它可能改变工作的形态，让一些岗位消失，也可能创造出我们现在无法想象的新职业。但可以肯定的是，真正决定一个人能否适应时代的，不是“会不会被AI取代”，而是“能否与AI协同进化，不断提升自身的核心竞争力”。面对这样的变革，保持开放和学习的心态，比纠结于“替代”还是“创造”更重要。

#AI #就业 #技术变革 #岗位转型 #人机协同

3周前

最近有个现象值得关注：当开发者被允许使用AI工具时，完成同样任务的时间反而增加了19%。这与开发者普遍认为AI能提升效率的直觉，以及专家们可能的乐观预测形成了反差。更值得玩味的是这种“认知差距”：开发者最初期望AI能带来24%的速度提升，而在实际体验到19%的延迟后，他们仍然相信AI让自己快了20%。这就像我们在生活中常遇到的“技术依赖错觉”——明明工具就在手边，为何效率反而不升反降？或许问题出在“使用”的本质。 AI工具能辅助处理信息、生成代码片段，但真正的开发过程往往需要深度思考：理解复杂需求、拆解问题模块、调试逻辑漏洞。当开发者依赖AI提供的“标准答案”时，可能会跳过关键的思考步骤，导致后续返工。就像导航软件能直接给出路线，但熟悉路况的人反而能更快找到捷径，因为他们在不断判断和优化路径。这种现象也提醒我们：技术是“助手”而非“替代者”。真正的效率提升，来自于人与AI的协同——用AI处理重复性工作，把节省的时间投入到更具创造性的问题解决上。就像当年Excel的出现没有让会计消失，反而让他们从繁琐计算转向数据分析；今天的AI工具，或许会让开发者更专注于架构设计、用户体验等核心价值环节。说到底，工具的价值不在于它本身有多“智能”，而在于使用者如何驾驭它。当我们放下对“速度”的执念，学会与AI对话、互补，才能真正挖掘技术的潜力。毕竟，人类的创造力、判断力和解决复杂问题的能力，永远是不可替代的核心竞争力。

#AI工具 #开发者效率 #技术依赖 #人机协同 #创造力

3周前

深入理解用户需求往往是产品成功的关键。对于忙碌的产品经理而言，如何高效挖掘真实用户痛点，曾是一大挑战。但随着AI技术的发展，一种人机协同的用户研究新路径正在形成，尤其在Reddit这类充满真实讨论的社区中，潜力巨大。 Reddit就像一个开放的用户需求“宝藏库”，这里聚集着不同领域的爱好者和问题解决者。产品经理可以从具体问题入手，比如“how do you...”（你如何做...）或“what product do you use to...”（你用什么产品做...），通过AI工具快速检索相关讨论。在这个过程中，你会发现最初的问题像一颗种子，而Reddit的讨论则会让它生根发芽，衍生出更多值得关注的方向——比如用户在解决问题时遇到的新困难，或是他们对现有产品的不满，这些都是宝贵的需求线索。接下来，需要深入浏览那些互动频繁的讨论。这些讨论往往是用户真实表达的“晴雨表”，其中既有对产品的吐槽和建议，也有自发形成的解决方案。 AI工具可以帮助快速梳理这些信息，提炼出用户的核心需求、普遍痛点，以及他们正在使用的应对方法。当这些碎片化的信息被汇总后，AI还能通过分类归纳，形成更清晰的用户画像——比如用户的年龄、职业、使用习惯，以及他们对产品的具体抱怨和推荐理由。更重要的是，AI能识别出那些尚未被满足的需求，为产品差异化定位提供关键机会。在这个过程中，AI的作用是高效处理信息、拓展思考边界，而人的价值则在于判断和决策。 AI可能会给出多个潜在用户画像，但需要产品经理基于经验和行业认知，判断哪个画像更具切入市场的可行性。随后，共同制定产品的核心功能和开发优先级。当AI初步完成报告后，人工审核必不可少——确认画像是否准确，差异化定位是否有足够的市场支撑，这一步能避免技术工具可能带来的偏差。最后，AI还能进一步分析这些目标用户常活跃的渠道，结合社区讨论的特点，制定初期的获客策略。比如，Reddit本身就是重要的推广阵地，而用户提到的其他社交平台或论坛，也可能成为触达目标群体的关键节点。这种人机协同的模式，让产品经理从繁琐的信息收集和整理中解放出来，将更多精力投入到深度思考和战略判断上。可以说，当AI成为高效的“信息处理助手”，产品经理的有限时间和精力将被放大，能够更深入地洞察用户需求，更精准地把握市场机会。这种协作模式不仅提升了效率，更重要的是让产品设计更贴近真实用户，让创新有了更坚实的基础。

#用户需求 #AI #产品经理 #Reddit #人机协同

3周前

接下来会有大量的Agents基于Reddit做用户研究整体流程如下： 1、找到几个围绕你想法的关键问题，比如how do you....what product do you use to.... 2、输入Reddit检索，然后会发现更多拓展问题 3、浏览每个高互动讨论，AI总结整理用户需求与痛点，以及他们当下的解决方案 4、将所有信息汇总，让AI进行分类归纳，最终你会拿到一份用户可能画像，用户当下抱怨，用户当下推荐的产品及理由，当下仍未解决的问题，产品差异化定位的机会 5、让AI分析哪个画像是更有机会切入的，拟定产品功能和优先级 6、人工Review报告，确认画像和差异化定位 9、让AI进一步分析这些画像人群常在的渠道，制定初期的获客策略当这个过程人机协同之后，产品经理的有限思考将被深入放大

#Reddit用户研究 #AI用户画像 #产品经理辅助 #用户需求分析 #人机协同

央视网-央视新闻

1个月前

全球网络安全人才缺口达480万高校应如何培养？专家解读

根据报告，人工智能在采购供应链领域的应用，主要包括智能预测分析、智能采购业务、智能采购监管、智能物流调度以及供应链控制塔和人机协同作业等10个主要创新场景。

#人工智能 #采购供应链 #智能预测分析 #智能物流 #人机协同

5个月前

《dontbesilent 人机协同短视频方案》又有一个新的做短视频的思路，还不确定能不能成，先记录一下我发了上千条推文，不可能每条推文的话题都是独立的，有些推文其实是用不同方式，讲同一个话题如果能把这几条推文挑出来，基本上一篇短视频文稿就有了雏形这是第一步：把有相关性的内容放到一起之后得给这几个相关内容，配一个爆款选题，这一步目前只能人来干，AI 不知道小红书抖音什么东西火但是人来干，也得有个关键词名单，要不然连搜什么都不知道所以第二步是：AI 需要给这几个相关内容，附上一个潜在爆款关键词列表，供人类去搜索最后一步就是纯人工了：我找到一个爆款选题之后，魔改这几条推文，缝缝补补变成文稿，速成一条短视频

#人机协同 #短视频 #内容创作 #社交媒体 #人工智能 #小红书 #抖音