#团队协作

3天前

今天 AICon 的一个预热直播圆桌中，我把对于 AI 下 10x 个体的一些问题的回答速记记录，分享给小伙伴。 1. 团队里是否存在「10x 个体」？他们强在哪里？ - 之前的高效是指干活又快又好的同学，很难有所谓的 10 倍 - 10x 其实不是指代码量或者需求完成量的 10 倍，而是指产生的业务效果和贡献的 10 倍 - 现在的 10x 更多还是指不局限于本身原有岗位，更多是解决问题，能够快速 Get 到业务痛点，以及如何去解决这个问题，技术更多成为他实现的一个工具手段，加上 AI 的出现，让手段本身的执行多了很多自动化的工具帮他 A 区完成 - 在需求、设计、开发、运营效果迭代很全能的同学 2. AI 浪潮下，优秀工程师 / 产品的评价标准，发生了什么变化？ - 之前，自己写得又快又好，快速完成，高质量，产品，对产品业务很熟悉，prd 写得很不错清晰，能否对产品发展想的清楚，有取舍，产出的东西能够实际有业务影响效果，有自己的主见 - 有了 AI 之后，你会发现，用的好的情况下，AI 写得比大部分工程师都要好，慢慢变成了问题如何拆解、架构如何实现、业务工作流如何设计、如何让 AI 更好的达到目的，如何定义 AI 的产出效果以及知道如何去优化这个效果让他更好，能力上变成全能的产品工程师了 - 技术门槛变低，但对人的素质的要求变高了 3. 如果一个 3–5 年从业者想往“10x 个体”靠近，应补哪几类能力？ - 折腾能力，愿意接受新事物的能力，愿意去玩各种新技术，并想到和自己要解决问题的关系 - 学会把 AI 容易到自己的业务工作流里面去，而不是单纯的问 AI 当做谷歌用 - 基础技术能力，计算机科学，设计交互审美能力，全栈技术的能力，运营推广的能力 - 学会沟通，不管是和人沟通，还是和 AI 沟通，都有很大的技巧，让对方能够很好的 Get 到你的意思 4. 如何把个体的 AI 能力放大为团队能力？第一步是什么？ - 其实比较难，因为这个很取决个人本身，好比最开始 ChatGPT 刚刚出来的时候，愿意折腾的同学很早就去折腾了 - 第一步还是建议对于好的标准，什么是用的好，是怎么用的，对清楚团队的要求，以及更多还是通过项目事情去锻炼人，先有场景，然后有标准SOP，最后就是把整个团队的信息总线给建立好，形成一个非常通顺的上下文环境，方便大家可以很好的接入，没有阻碍 5. 如果用你自己的话来定义「10x 组织」，你会怎么说？ - 事情传递效率非常高，理解非常快，Get 很快，没有消息传递失真 - 上层决策非常清晰，保障一线执行非常顺畅，决策基于统一上下文环境 - 一线非常善于使用各种工具来解决问题，不设置自己岗位限制 6. AI 落地中，最难跨过的卡点在哪里？ - 业务规则、业务效果的定义可被 AI 效果匹配上，大家对于标准达成一致 - 规模化过程中，对于效果提升到和人，甚至比人更好的这个阶段需要做大量的迭代，但是这些迭代会需要有非常清晰的人去拆解、执行

#AICon #10x个体 #AI能力 #团队协作 #业务理解

Yunchao Wen 💙💛

1周前

运行领导问我早班维护同事叫什么名字，为何半天搞不定一面包裹墙的指示灯条的问题。我直言不讳地说，我倒是希他不要去碰。我一分钟能搞定的事，有些同事碰过后，就得花我更多的时间。有的同事能耐很大，总能把小问题搞成大问题。

#工作效率 #团队协作 #问题解决 #技能差异 #负面情绪

2周前

以前都给你们讲兵王的故事今天给你们讲一下将军解决超大规模软件研发的故事软件工程从本质上来说就是小房子和大厦的区别，很多AI编程的规模都在小房子的范畴，今天将的是大厦的工程量以及超大规模软件工程管理的事情时间拉回10年前，在上一次创业遇到的最大挑战就是超大软件工程的挑战，那是2015年，我们团队一要做整个桌面环境的重写，还要做国产芯片的底层适配，还要做应用的开发。我们一年总共的项目超过100多个，看板任务超过3万多个，每天最少要搞定100多个任务才能完成目标。这里面桌面的后端，比如电源、磁盘、网络、触摸板、输入法、账户、安全、权限等后端，都要面临前端重写和底层后端极限优化，一些在X86上跑得很好的后端和前端，在国产芯片上要慢20倍，X86秒开的场景，国产芯片要等好几秒才有反应。所以，年初的时候开会，我先聚集公司写代码最厉害的将领，包括技术大牛和丰富研发背景出身的项目经理，大家一起先把大方向讲了，回去和产品经理把所有功能的思维导图画了。研发管理最重要的就是技术、时间、资源和时间规划，很多做研发不行的原因是脑袋是糨糊，糨糊的原因不是研发不懂逻辑和思考，而是做项目的时候，完全不做任务分解，一个项目到底有多少任务，只有非常模糊的方向，而没有清晰的方向。我的要求是，思维导图的分解要细到每个任务可以一天完成，这里不光是模块，还有前端、后端的页面和接口，这样要求的前提是这是锻炼研发项目经理最好的机会，一个项目到底多少时间完成，可以清楚的知道一个项目到底有多少任务，每个自己做大概要多少时间，而且在分析的过程中发现如果分解不了，要不就是带头人对需求的理解模糊，要不就是有技术障碍没有攻克不知道怎么分解。当带头人把任务分解对以后，每个项目都应该像一颗大树一样，非常枝繁叶茂。这时候大家开会对每条任务，没有问题，剩下的事情就很简答，把思维导图导出成看板条目，每天晨会5~10分钟对清楚当天的问题。上面都是研发管理，今天我想分享的是，这种超大规模的软件工程会遇到很多现实的问题，解决这些问题的方法才是值得学习的。 1. 一个bug的锅在多个团队中转，都转了几圈了还下不来，这种问题一般都是bug的根源是链条型的，需要跨越部门，直接按照项目的方式，把bug的前后“犯罪者”都聚到一起才能解决，解决的根本就是要解决链条的衔接型问题。解决这种问题需要领导的魄力，传统的流程不助于解决这种链条型问题 2. 软件工程有一个特点，他的任务数和bug数不会越开发越少，而是会像正态曲线一样，bug数会爬坡，一般是前后端衔接的问题，更大的问题是有架构设计的问题。如果一个架构设计不够清晰，各个模块都只能用，最后就是💩山越堆越夸张，所以，打仗的时候，要经常把牛逼的人拉到一起去审视项目是否有架构性的问题？而没有超大规模的研发管理会恐惧这个爬坡的过程，只要架构对，这个爬坡是非常正常的，等bug到顶峰以后就会进入质量收敛的过程，越开发越稳了 3. 遇到一些疑难的bug，有时候要跳出局部技术问题看全局，产品能否去改设计绕过？因为不同产品使用方式背后的技术实现难度是不一样的，有时候产品轻微改一下，很多障碍就扫除了 4. 一些中层管理者经常抱怨任务太多，人员不好管理，压力太大，其实这时候不要期望有啥绝招，就是抗。就和健身一样，所有阵痛都是在成长的经历，这些经历才是成长成为帅才的必经之路，轻轻松松的经历就没感觉，也没法成长为独当一面的人超大研发管理过程中，最重要的是心态，前期的状态基本上就是马蜂窝的状态，bug超级多；中期主要里程碑和架构设计的检查甚至是产品细节的调整，帮助团队扫清楚障碍，让团队的信心可以扛过正态bug峰；后期主要是功能选择，选择局部的功能的取舍和版本的管理，做不完的下一个版本做，因为特定时间完成一个版本比遥遥无期更重要。好了，喜欢我创业故事的，欢迎点转转发喜欢我们团队的，欢迎购买懒猫微服支持我们，你们的支持是我创作的动力！

#超大规模软件工程 #研发管理 #Bug解决 #国产芯片适配 #团队协作

3周前

带十几个人做一个项目经常要发布任务不同人有不同的反应 1️⃣ 默默看完，记下重要的时间和需要做什么，完成后报备 2️⃣ 对着描述很清晰的文档，提问什么时候，需要做什么，不得不再跟他说明一次 3️⃣ 抱怨 4️⃣ 不说话，几天后，“什么时候发的通知？” 5️⃣ 未经沟通，自作聪明的修改任务步骤，先斩后奏

#项目管理 #任务分配 #沟通问题 #执行力差 #团队协作

3周前

WhatsApp Inbox - 面向团队协作的开源 WhatsApp 云 API 收件箱，使用 Next.js 构建的仿 WhatsApp Web 界面，核心目标是让团队更高效地管理对话、模板消息、互动按钮以及多媒体消息，同时严格遵守 WhatsApp 的24小时对话窗口规则。

#WhatsApp #团队协作 #开源 #API #Next.js

3周前

启动一个项目，比单纯看教程学到的东西要多得多。我见过很多人喜欢在网上找各种教程，跟着一步一步做，以为这样就能学会一个技能。但实际上，当你真正动手去做一个项目时，你会遇到很多教程里没有提到的问题。比如，你可能会发现一个按钮的位置不对，或者一个数据的格式有问题，这时候你就需要自己去查资料、想办法解决。在这个过程中，你会学到如何把一个大目标分解成小步骤，如何制定计划，如何管理时间。你还会遇到各种各样的困难，比如技术难题、资源问题、团队合作中的矛盾等等。这些困难会让你反思自己的方法，调整自己的思路，慢慢变得更加成熟和有韧性。而且，通过做项目，你会对一个领域有更深入的理解。教程可能只教你表面的操作，但项目会让你看到背后的逻辑和原理。你会明白为什么要这么做，怎么做效果更好，如何优化流程，如何提高效率。这些经验是书本和教程无法完全传授的，只有亲身经历才能真正掌握。另外，做项目还能锻炼你的沟通能力和团队协作能力。如果你是一个人做项目，你需要自己和自己沟通，明确目标，克服惰性。如果你是和团队一起做项目，你需要和团队成员交流想法，分配任务，解决冲突。这些都是非常重要的软技能，对未来的发展会有很大的帮助。当然，做项目也会有失败的风险。但即使失败了，你也能从中学到很多东西。你会知道哪里错了，为什么错了，下次如何避免。这种从失败中学习的能力，比成功本身更有价值。所以，不要只是停留在看教程的阶段，勇敢地开始一个项目吧。即使这个项目看起来很小，也会给你带来意想不到的收获。在实践中学习，在解决问题中成长，这才是最快的进步方式。记住，真正的知识不是看出来的，而是做出来的。

#AI编程：自学or科班？新旧码农之争· 150 条信息

#项目实践 #解决问题 #技能提升 #团队协作 #从失败中学习

3周前

Vibe Coding小技巧：别着急开发，先讨论清楚需求。比如，我现在要给画布开发一套模版功能，告诉它，先别开发。把你的想法告诉它，一起讨论确定细节，一把梭。

#Vibe Coding #需求讨论 #模版功能 #避免着急开发 #团队协作

3周前

Manus 1.5它开始像一个真正能干活的生产力系统，而不只是聊天的 AI。不仅能生成页面，而是能从零搭建、配置并部署完整的 Web 应用，这是 1.5 版本的核心突破。现在只需要用“说话”的方式告诉它： “帮我做一个能让用户注册、登录、上传照片，还能跟 AI 聊天的应用。” 它就能自动：写出前端 + 后端代码；配置好数据库；处理好用户登录验证；集成 AI 功能；设置通知系统；绑定自定义域名；一键部署上线全程你不用写任何配置脚本，动嘴就行。两个很实用的团队功能：实时协作：多人可以同时在一个会话中和 AI 一起工作，边聊边改，就像用 Google Docs 写文档一样自然。集中资料库：所有生成的文件、报告、设计、代码都会自动保存、归档，还能版本管理，慢慢就形成你们团队自己的“知识资产库”。这样一来，Manus 不再只是个人用的 AI 工具，而是一个团队的「AI 工作空间」。总结一下： Manus 1.5 已经从一个单纯的 AI 助手，进化成了一个能听懂、能思考、能执行、还能协作的「智能开发伙伴」。

#Manus 1.5 #AI Web应用 #低代码开发 #团队协作 #知识资产库

1个月前

我最近有个感悟是：人与人之间的差异，本质上是大脑这部“思维机器”的运行方式不同。这种差异不是简单的“性格问题”，而是由生理构造、进化历史和个体经历共同塑造的。理解这一点，不仅能化解无数冲突，更能让我们在团队协作、个人成长中释放巨大潜能。一、差异的根源：大脑的“先天设定”与“后天塑造” 我们常说“性格决定命运”，但性格的底层逻辑藏在大脑里。科学家发现，人脑由890亿个神经元和数万亿根神经连接构成，每个神经元与周围细胞有近万个连接——这种复杂度远超任何超级计算机。更重要的是，大脑的“原始版本”早在3亿多年前就已进化完成：从控制心跳、呼吸的脑干（最古老部分），到处理情绪的边缘系统，再到负责逻辑、想象的新皮层（人类独有的“高级处理器”），它们如同叠加在一起的“操作系统”，共同决定了我们如何感知世界、做决策、产生情绪。这种“多层级”构造意味着，我们的思维既有“本能反应”，也有“理性分析”。比如，面对危机时，脑干会立刻触发“战斗或逃跑”的应激反应，而新皮层则需要时间冷静思考——这就是为什么我们常说“情绪用事”或“理性战胜感性”。二、从“冲突”到“协作”：读懂差异的核心价值我曾经历过无数次因思维差异导致的僵局：理念型同事觉得细节导向的伙伴“过于死板”，而细节导向的人认为理念型“不切实际”。最初，我们把这归咎于“沟通问题”，直到后来通过神经科学研究才明白：差异的根源不是态度，而是大脑的“先天设定”。比如，有些人天生擅长“概念整合”（新皮层的“全局思维区”活跃），能快速捕捉事物本质；有些人则更关注“细节执行”（基底核的“习惯系统”发达），对流程、数据、步骤有天然敏感度。这两类人就像交响乐团里的指挥与乐手：指挥需要全局视野，乐手需要精准执行，若不理解彼此的“优势区域”，就会互相指责“不配合”。更重要的是，几乎所有“才能”都是“双刃剑”：一个极具创造力的人可能忽视细节，一个极度自律的人可能缺乏灵活性。关键不在于消除差异，而在于“扬长避短”——就像用不同形状的积木搭建建筑，只有了解每块积木的特性，才能拼出稳固的结构。三、工具与方法：如何用科学理解“人” 在桥水，我们通过“记分卡”工具记录每个人的思维特征：不仅包括“概念性强”“可靠”等形容词，还包含具体行为（如“推动他人负责”“坚持落地”）和个性测试结果（如外向度、决断力）。这让我们能像教练了解球员特长一样，客观评估每个人的“思维优势”和“短板”，从而在任务分配时“人岗匹配”。例如，让擅长战略规划的人主导方向，让注重细节的人负责执行，让理性分析能力强的人做决策支持。这种“基于差异的协作”，让桥水从3人小团队成长为1500人的全球机构，却始终保持高效——因为我们不再试图让所有人“变成一样的人”，而是让每个人“成为最好的自己”。四、对个人与组织的启示无论你是管理者、创业者还是普通职场人，理解大脑差异都能帮你： - 对自己：认清“我的思维模式是怎样的”。比如，你是“直觉型”还是“分析型”？是“快速行动型”还是“深度思考型”？接纳自己的“天生设定”，才能避免因“不匹配”而内耗。 - 对他人：放下“我认为”，换成“他可能是因为……”。当同事与你意见不合时，试着从“大脑构造差异”的角度理解：他的固执或许源于对细节的过度关注，他的跳脱或许源于对全局的敏锐洞察。 - 对组织：建立“差异包容”的文化。就像桥水的“极度透明”和“可信度加权决策”，让不同思维方式的人能平等表达、理性碰撞，最终萃取最优解。结语人类的伟大，在于我们能通过理解差异实现协作。大脑这部“思维机器”，既有“本能的局限”，也有“成长的无限可能”——通过科学工具，我们能看见自己的思维盲区，也能看见他人的独特价值。当你真正读懂大脑的运行规律，就会明白：差异不是障碍，而是创造更大价值的起点。这或许就是我从10多年实践中得到的最珍贵的答案：世界的进步，永远属于那些懂得“看见不同，并善用不同”的人。

#思维差异 #大脑运行方式 #团队协作 #个人成长 #神经科学

1个月前

当真正扎进AI创业公司，你会发现：成功从来不是“技术够强就能赢”那么简单，那些藏在数据、团队、市场里的细节，往往决定着公司的生死。一、数据：AI的“燃料”，也是“枷锁” 你可能以为“数据多=模型牛”，但在AI公司待过才明白：高质量的数据比规模更重要。比如做医疗AI，需要的是标注精准的病例数据，哪怕只有10万条，只要符合临床逻辑，效果可能远超1000万条泛泛的普通数据。更棘手的是数据合规——GDPR、国内《个人信息保护法》像无形的网，任何一次数据泄露或不合规使用，都可能让公司面临巨额罚款甚至关停。还有数据“稀缺性”：一些垂直领域（如工业质检、自动驾驶）的数据本身就分散在不同企业手里，想拿到完整数据集，往往要花大量时间谈判或自建采集体系，这和“互联网公司抢流量”完全不同。二、团队：技术是1，其他是0 你或许见过“3个博士+1个CEO”的豪华团队，但实际创业中，技术能力只是基础，团队的“化学反应”更关键。数据科学家要懂业务，产品经理要懂技术，工程师要理解用户场景——比如做教育AI，数学好的算法工程师可能不懂“中小学生的注意力曲线”，这时就需要有经验的教研专家来补位。更让人头疼的是人才流失：当大厂用几倍薪资挖走核心算法工程师时，小公司很难留住人。这时“企业文化”不再是空话：有人情味的沟通氛围、清晰的晋升路径、甚至“一起解决问题”的成就感，反而比单纯的高薪更能留住人。三、产品落地：从“实验室”到“菜市场”的距离你可能在论文里看到过“模型准确率99%”，但拿到真实场景中，问题会接踵而至：用户不会用复杂的操作界面，数据输入有延迟，甚至模型在极端环境下（比如雨天的自动驾驶）会“失灵”。 AI产品最忌讳“自嗨式创新”——技术人员觉得“算法很先进”，但用户说“我为什么要用它？”。真正的落地，需要反复和行业客户磨合：比如做金融风控AI，要和银行的信贷员一起测试不同场景（如用户突然失业、收入波动），不断调整模型参数，让它既精准又符合实际业务逻辑。四、融资：不是“提款机”，是“责任田” 早期融资时，投资人常说“我们投的是未来”，但你很快会发现，融资不是“拿到钱就完事”。有些投资人会过度干预公司决策，比如要求“必须做To C”或“半年内扩张到XX城市”，而忽略行业规律；还有的公司因为融了太多钱，盲目烧钱扩张，最后资金链断裂，反而失去了自主权。更重要的是，AI研发有“长周期”——从数据采集到模型迭代，往往需要2-3年才能看到回报，所以融资时一定要算清“现金流账”，避免因为短期资金压力砍掉长期战略。五、成功的核心：找到“小切口”，熬住“慢日子” AI创业的秘诀，其实藏在“反常识”的细节里。比如：与其追风口做通用AI，不如深耕一个细分领域——做医疗影像识别的公司，专注肺结节检测；做教育AI的公司，聚焦留守儿童的个性化辅导。越垂直，越容易建立壁垒。另外，AI行业变化太快，今天的“最前沿技术”可能明天就过时了，所以必须保持“快速试错”的心态：先推出MVP（最小可行产品），让用户反馈来驱动迭代，而不是闷头做“完美的技术”。最后想说： AI创业不是“技术的狂欢”，而是“对人性和现实的深刻理解”。你需要懂数据的温度，懂团队的重量，懂用户的痛点，更要懂商业的本质——毕竟，公司要活下去，才能谈“改变世界”。那些在课本里看不到的实战经验，才是真正能带你穿越迷雾的指南针。

#AI创业 #数据质量 #团队协作 #产品落地 #融资策略

2个月前

当一个大型项目里，有一部分人先开始了 vibe coding，每个 PR 都会改动几十个文件，完全无法 review……我尝试用 Claude Code review，但感觉也不靠谱。在无法禁止这些同事继续 vibe coding 的情况下，怎么最大减少副作用呢？如何保证项目的稳定性和可靠性？

#Vibe Coding #代码审查 #项目管理 #代码质量 #团队协作

2个月前

在 AI 时代，下面这句话还正确吗？一个人做得很快，但一群人走得更远

#AI时代 #个人效率 #团队协作 #技术发展 #未来趋势

在悉尼和稀泥

2个月前

讨厌文档，理解文档，热爱文档年轻时我讨厌写文档，觉得浪费时间；后来发现，文档是“互联网的第二语言”。我觉得我的文档写的一般般，但是我发现我的老外同事们都非常善于和记录文档，尤其是一些年纪稍长一些的人。我不知道是我的性格，年龄原因，还是说是中国的环境和基础教育这方面造成了什么影响。我之所以怀疑到环境和教育方面，是因为我发现国内的产品文档大部分都做的很烂。我们国家蓝领因为纪律性，勤劳和教育程度，我能明显感觉到整体是超过发达国家蓝领的。但是在白领阶层，哪怕是接触的一些国内现代化大企业，虽然在业务能力上可能吊打，但是专业性上给我的感觉总是差发达国家一截。我想这可能就是文档上散发出来的草莽气息吧？单打独斗时，文档像是累赘；但在团队协作或和 AI 沟通时，文档是降低成本的护城河。把话说清楚不容易把事写清楚不容易能做到的，其实就是核心竞争力。今天，你写文档了吗？可以评论区晒出来看看

#文档 #团队协作 #互联网 #沟通 #工作

5个月前

QA发现一个bug，系统里提个单子，群里说一声就完事了；但我们老大要发现个bug，那动作可就大了，甭管是大是小，先再群里喷，说自己昨晚两点钟还在测试产品，才发现了该问题，为何我们发现不了？要靠他发现？然后召开大会，一堆个人被他拖进会议室，先各个岗位负责人紧急会诊，说完问题说流程，说完流程说责任心，说完责任心说创业精神，说完创业精神说考核要增加 bug 率，芝麻绿豆的问题，弄得鸡飞狗跳，硬生生折腾一上午。

#职场文化 #领导者行为 #团队协作

willBuyingStocks

5个月前

我：你们这个脚本在我这边跑不通呀组员：我这边能跑通呀我：（检查代码，发现某输入文件路径硬编码为组员电脑下的某目录）

#脚本错误 #代码调试 #硬编码 #文件路径 #程序设计 #团队协作

5个月前

#每日推荐一款全新的工作流 IDE 解决的痛点 - 本地环境配置繁琐，跨平台开发痛苦 - 团队协作时环境不一致，调试很痛苦 - 想要一个统一的工作区管理各种项目 - 在 Windows 上调用 GPU - 只想写代码，不想折腾环境和 UI - 不想关注底层技术细节，只想专注于工作流编排官网:

#工作流 #IDE #本地环境配置 #跨平台开发 #团队协作 #Windows #GPU #编码效率 #软件开发

5个月前

Trello 的开源平替: kan 一个功能强大、灵活好用的项目管理看板应用，能帮你把工作安排得井井有条，随时掌握进展。 👁️ 看板可见性: 权限管理 🤝 工作区成员: 团队协作 🚀 Trello 导入 🔍 标签与筛选: 快速查找 💬 评论: 团队沟通 📝 活动日志: 追踪变更 Github

#Trello #开源替代 #项目管理 #看板 #团队协作 #权限管理 #Trello导入 #评论功能 #活动日志 #GitHub

5个月前

#每日推荐学生专属优惠与免费福利。包括 AI 搜索引擎、云服务、AI 编辑工具、笔记软件、课程表演示、云存储、设计和建模软件、AI 代码编辑、团队协作工具、AI 笔记本、AI 智能体、AI 聊天机器人、AI 平面设计工具、密码管理器、AI 大模型工具等多种免费或优惠的资源。

#学生优惠 #免费资源 #AI工具 #设计软件 #团队协作 #笔记软件

5个月前

飞书干这个太有优势了！绝大多数AI知识库产品的逻辑是先搭好AI，再想办法喂知识，就像ima。但在飞书里不需要，知识本身就存放在飞书里，我们所有的信息沉淀都在这个生态中，相当于有个智能助手能帮你把所有资料都记住，随问随答，这就解决了想找个资料，翻来覆去找不到的问题。想我们团队，日常工作和任务安排，数据资料沉淀啥的都是在飞书上弄的，简直不要太方便！

#飞书 #智能助手 #团队协作 #知识管理 #AI应用

5个月前

#项目延期有多大比例是忙不过来呢？我猜是很少的，绝大部分症结在于，每个人都想证明自己是对的。一部分是为工作，大部分为各自的私心或利益。当然这没有什么不对，项目管理绝大部分时候不是在做管理，是在做情绪理疗师，是在玩平衡术，平衡各方利益。争论对错是愚蠢的行为，先落地，然后才是然后。

#项目管理 #团队协作 #平衡术 #情绪管理

7个月前

“自从团队开始用了 AI 写代码”

#AI编程 #团队协作 #代码自动化

𝗖𝘆𝗱𝗶𝗮𝗿

8个月前

Juchats Deep Research 这个是我从产品角度认为并且可实施的实现闭环，我觉得这可能是 OpenAI 迈向全面 Agent 协作试水！基本原则就像团队协作一样，有人负责整理资料，有人负责汇总资料，有人负责决策，以下是工作分配原则： - O3 mini 专门负责脏活累活和整理 Agent 返回的内容 - O1 只负责 Graph 创建，总结的内容决策和最终输出用户旅程： ● User Query ○ Reverse Query 1/2/3 ● CoT Create Graph（Reasoning / Graph / Mermaid） ○ 通过 O1 创建顶层图谱，并且不断的更新图谱版本号，避免因为 Max token 导致失忆或者失去结构性目标（当然这是下层应用才有的瓶颈） ● Agent Structure ○ Task 1/2/3 ○ Browsing 1/2/3 ○ Summary（O3mini） ○ 通过 O3mini 总结各类 Task 联网收集回来的内容 ● Top-Level Structure ○ 通过 O1 针对 O3mini Task Summary 进行反思和批判，如果存在问题重新整理和汇总，如果没问题更新 Graph 版本并同步更新内容到 RAG / Memory 等！这个就是为什么很多人觉得内容是膨胀再收缩的，一直在总结、反思、批判的过程！ ● Content Output ○ 根据 O1 返回的所有决策进行段落输出最终方案以上是我个人拙见，欢迎讨论！

#OpenAI #Agent协作 #产品实现 #团队协作 #人工智能 #闭环管理

在悉尼和稀泥

9个月前

有了 AI，国内 35+ 的大龄程序员，应该翻身了吧？项目经验，系统架构经验，团队协作经验，技术选型，产品感觉等等，配合 AI。已经不需要和年轻人比 996 了才是。

#AI #程序员 #大龄职场 #项目经验 #团队协作 #技术选型

10个月前

虎鲸是如何通过「团队协作」捕猎的？

#虎鲸 #团队协作 #捕猎 #动物行为