#AI技术

宝玉
2周前
很荣幸被评选为微博2025最具影响力AI大V,还是写点什么感谢一下支持我的网友和新浪微博平台。 特别喜欢今年微博V影响力大会的那句 Slogan:“尽兴分享 自成影响”,因为从2010年注册了微博到今天,这8个字就是我微博账号成长的真实写照。我一直在“尽兴分享”,分享生活、分享技术和管理经验、这几年集中分享 AI 资讯和技术,不知不觉也从最开始只有少数好友互动,到如今的百万粉丝的大v。 我从来没有把成为百万粉丝大v作为我的微博目标,作为个个人账号也没有学习研究过运营技巧,对我来说它只是“尽兴分享”一种结果——“自成影响”!当然更多的是幸运,赶上了 AI 爆发,最重要的是大家的支持,给了我很多正向的反馈,让我在分享之余,也收获了很多:善意的支持、不同观点的碰撞、流量和声誉。这些都给了我动力持续的创作和分享。 有人问过我为什么会每天坚持写微博? 其实我单纯的只是为了践行费曼学习法,尤其是在 23 年 AI 让大家都很焦虑的时候,我也很焦虑,所以拼命的去学习 AI 知识,以前都是偏应用技术,AI 对我来说是很遥远很高深的事情,于是我想通过微博分享学习心得、实践经验的方式来倒逼着我学习,这能帮助我快速掌握 AI 技术(本质上就是费曼学习法)。 这样实践下来效果真的很好,我一边学习提示词一边分享我试验出来的提示词,一边学习实践 RAG 一边写 RAG 的技术文章,每一次写作都让我对这些技术有更深入的领悟,意外的还让我成为微博上第一批大量分享 AI 资讯和技术经验的博主。 包括我在 X 上的账号也是因为“尽兴分享”跟着一起“自成影响”,因为当时我发现学习 AI 知识了解 AI 资讯 X 上是最好的,要在微博上分享更多优质内容,少不了要去 X 上收集信息,所以就开始启用了好多年不怎么使用的 X 账号,开始同步分享,跟着吃了一波 AI 增长的红利。 当然影响力和流量也是双刃的,当有了流量和粉丝数,就难免也会在意流量的涨跌;流量上来负面评论也会多起来,甚至会影响情绪。 我也是花了一些时间才慢慢调整过来,负面评论拉黑是最简单直接的,所以我个人介绍里面至今保留了一句:不争论只拉黑。总的来说微博环境相对还是不错的,微博在这方面确实花了不少精力,很多地方比 X 做的要好,另外关注 AI 的人群整体素质也相对要高很多。很多时候遭遇负面评论,最让我暖心的是很多站出来留言支持我的网友,感谢你们🥰! 对于流量这事,一个本身我也没有那么在意,另外也慢慢有了自己稳定的和高效的创作模式: - 每天大量阅读推文和资讯(我的信息来源主要是 X 的推送和 Hackernews),一部分有价值的借助 AI 翻译或者总结发布 - 大量的实践 AI,应用 AI 在日常工作生活中,随时将学到的心得和经验分享 - 基于和用户互动的内容创作,比如代表性的问题解答或者感想 - 定期将自己阶段性的思考写成原创的内容 作为一个 AI 博主,自然也少不了大量应用 AI 来帮助提升运营效率。我有各种不同的提示词来帮助做不同的任务,比如翻译的、总结的、看论文的、画图的、视频转文字的等等,作为一个程序员出生的博主,更是可以借助程序来写一些工具,比如我有一些自己用的网页转Markdown、视频翻译的工具、长文翻译、排版的工具。不过现在,更多是直接借助各个 AI 工具结合提示词就足够了。而且绝大部分我用到的提示词都分享过的。 也许将来我没办法做到像这几年一样一直高频度写作,但应该还是会坚持“尽兴分享”。 谢谢你们对我的支持,也希望你能“尽兴分享 自成影响”!
Y11
1个月前
站在技术发展的长河边,我们正经历着一场前所未有的生产力变革。 当AI技术以肉眼可见的速度渗透各行各业,软件行业首当其冲地迎来了从"规则驱动"向"智能驱动"的深刻转型。 这场变革不是简单的工具升级,而是整个行业底层逻辑的重构,其速度之快、影响之深,都在宣告一个时代的终结与新秩序的开启。 回顾软件发展的历程,我们曾长期困在"数据利用率"的泥沼中。 早在多年前,NLP技术、神经网络模型就被尝试用于挖掘用户数据价值,但其高昂的资源消耗和技术门槛,让绝大多数产品只能停留在"数据收集"的初级阶段。 以邮件产品为例,传统设计中,"已读未读"状态、分类标签等功能,本质上是将用户信息的处理权牢牢掌握在人工规则手中。 而实际上,邮件服务商手中积累的海量用户行为数据——包括邮件往来对象、阅读时长、附件处理习惯等——早已具备构建智能分类系统的潜力,却因技术成本和开发周期的限制,始终未能真正释放。 AI技术的突破,正在打破这一困局。 当机器学习模型能够通过用户数据持续迭代优化,数据本身就成为了产品最核心的"性能资产"。 一个AI助手使用的时间越长、处理的交互越多,其对用户习惯的理解就越深刻,形成的"数据壁垒"也越难以撼动。这种转变彻底颠覆了传统软件的迁移逻辑:过去用户切换平台,只需完成数据格式的转换(如歌单导入、通讯录迁移),而现在,当用户习惯了AI带来的个性化服务,那些隐性化在交互体验中的数据资产,会成为难以复制的竞争优势。这种"体验粘性"的形成,正在加速行业从"百花齐放"向"头部集中"的演变,也让"寡头效应"成为AI时代的必然趋势。 更深刻的变革发生在用户体验的形态上。传统软件的界面设计,本质上是规则的可视化呈现——一个按钮的位置、一段文案的措辞、一个弹窗的逻辑,都需要工程师通过代码精确定义。这种"固定化设计"不仅导致开发成本高企,更让产品难以适配不同用户的个性化需求。而AI技术正在将UX设计从"规则依赖"解放出来,转向"指导准则驱动"。当用户查询机票时,AI可自动生成符合行业规范的信息展示界面;当用户确认酒店订单,系统能根据品牌VI自动匹配视觉风格。这种"动态生成"能力,让软件既能满足标准化需求,又能实现千人千面的个性化体验,极大拓展了设计的可能性边界。 技术演进的不可逆性,往往在应用普及后才显现其真正的力量。当用户习惯了AI助理"秒懂"需求的便捷,当智能推荐系统总能精准预判期待,当动态界面能随场景自动调整,他们便再也回不到面对冰冷规则的从前。未来的软件交互,将更像与一位"懂你的伙伴"对话——它不仅能处理事务,更能理解情绪、预判需求,这种情感化、智能化的体验,正在重新定义人与技术的关系。 技术浪潮奔涌向前,没有人能逆转其方向。对于软件行业而言,AI不仅是工具的革新,更是思维方式的重塑。那些能率先拥抱数据价值、构建智能体验的企业,终将在这场变革中占据先机。而我们每个人,都已身处这场变革的浪潮之中,唯有理解趋势、拥抱变化,才能在新的技术生态中找到自己的位置。这或许就是技术进步最真实的意义——让复杂的世界,因智能而变得更简单、更懂人。