我终于找到了不做 NPC、只做玩家的活法: 不当任人摆布的螺丝,不演向上管理的戏,只把真实成果交到用户手里。 毕业后我进入车企做产品经理,外表看着光鲜,真实生活是: 早高峰被人潮推着挤进地铁;白天在PRD评审与流程里反复拉齐;晚上推软件版本到凌晨 1 点;周末甚至春假加班,跟车体验测试新功能;每一季度OKR复盘时还要被老板PUA和画饼。 一个功能从提出到被用户看到,可能要一年,而我常常只是巨轮流程里的小螺丝🔩。工作像极了给洞洞鞋打洞,给草莓上籽。 工作第二年,我发现曾经那个意气风发的美少女不见了,留下的只是没有灵魂的行尸走肉,我开始问自己: 我想成为谁?我每天的努力只是为了获得他人的赞赏吗?我难道要打一辈子工吗? 如果日复一日不能让我更接近想要的生活,“稳定”和“体面”未必是答案。 于是我从副业小实验开始: 1年前我第一次接触“知识个体户”这个词,发售了一个「能量管理」的课程,在朋友的社群首次宣发,就有人付费了,赚了第一桶金2000,交付完成后用户满意率达100%。让我理解了需要先把最小可用价值交到真实用户手上,再迭代,让我深知把想法实践出来就能赚钱💰。 过去我对编程敬而远之,最近半年从零开始一个人靠AI做产品出海,边做边学,第一次把“点子 → 可用的产品”这条路走通:许多在大厂里要协调很久的功能,现在我一个人 1–2 天能做出雏形;下班后独立做了 5–6 款小产品,能实现0-1独立建站、把 Demo 交给真实用户试用并收集反馈🛠️。这一次,让我意识到走出舒适区才能拥有无限可能,我们最大的敌人是自己的恐惧,可笑的是我们恐惧的东西大部分时候并不存在。 过去我做过很多别人的产品,但现在我正朝着做完完全全属于我自己的这条路前进:有自己的用户,有自己的品牌,对真实的人负责。成为这个世界真正的玩家,而不是任人摆布的NPC。
宝玉
3个月前
转译:耶鲁大学新研究揭示AGI时代的残酷现实: 一半人明天不上班,GDP也不会掉一点。 当人类不再重要 有一篇耶鲁大学最新的研究论文《We Wont be Missed: Work and Growth in the Era of AGI》,描绘了一幅让人震惊的未来图景: 在通用人工智能(AGI,Artificial General Intelligence)驱动的新经济中,人类的经济角色几乎完全丧失意义。一半以上的人明天停止工作,经济规模都不会受到影响。 过去几百年来,人类通过自己的劳动,推动了世界不断进步。我们建造城市、开拓科学前沿、创造财富。工作,不仅让我们赚钱,更让我们感到自己有价值、有贡献。 但是,AGI经济时代的到来,彻底斩断了“劳动与进步”之间的联系。 未来,我们仍然会有工作,却失去了经济上的意义,不再是社会发展的主要推动力。 瓶颈型 vs 辅助型工作 论文提出了一个关键概念:“瓶颈型工作”(bottleneck work)与“辅助型工作”(accessory work)。 •瓶颈型工作:是推动经济增长和社会进步不可或缺的关键劳动。 •辅助型工作:并非真正必需,只是锦上添花。 AGI的强大之处就在于,它可以轻松地自动化所有的“瓶颈型工作”,因为这些工作直接关系到经济增长。人类之所以还能保留一部分“辅助型工作”,比如心理咨询师、手工艺人、高档餐厅服务员等,并不是因为AI无法完成,而是因为劳动力已经过剩了,花费大量计算资源去自动化这些工作根本不划算。 简单地说,我们之所以还有事可做,只是因为用AI取代我们不值得。 工资的天花板:算力成本 一旦这个过程发生,我们的工资也不再取决于个人技能或贡献,而是由“计算机复制你工作的成本”决定,并且一分钱也不会多给。 随着算力指数级地增长(比如摩尔定律所预言的),复制人类劳动的算力成本将变得极其微不足道。人类劳动占GDP的比例逐渐下降,趋向于零,而所有的财富则流向了那些掌握算力资源的人。 经济仍然蓬勃发展,可绝大多数人的地位却原地踏步。 转型过程的剧烈与平缓 论文指出,经济如何过渡到这种状态,取决于技术发展速度与算力扩张速度之间的关系: •技术领先于算力增长:经济会剧烈波动,某些行业的人短期内暴富,但很快就跌入谷底,造成不公平的剧烈冲击。 •算力领先于技术发展:工资将逐渐下降,造成平缓但持续的衰退。 无论哪种情况,我们都要面对一个新问题: 我们不应该再想着如何“拯救就业”,而应该认真考虑如何重新分配由计算资源创造的巨大财富。比如,提供全民基本收入,或者将计算资源视作公共资源进行分配,可能成为未来不可避免的方案。 最终的灵魂拷问 在一个人类劳动经济价值趋于零的时代,人们还会主动选择工作吗? 当你清楚地知道: •你的工作对经济不再重要; •你的贡献对于社会的繁荣与进步没有意义; 你还愿意继续吗?
ginobefun
3个月前
#BestBlogs 私域知识工程实战:如何让 AI 一次性写出高质量代码? | 阿里云开发者 文章提出通过构建私域知识工程体系,让 AI 深度理解业务和代码规范,从而解决 AI 编程的“80 分困境”,实现高质量代码的一次性生成。 摘要: 文章深入探讨了 AI 编程中普遍存在的“80 分困境”,即 AI 能完成大部分基础代码,但因缺乏项目特有的业务规则、代码规范等私域知识,导致生成的代码难以直接使用,开发者需投入大量时间进行“调教”。 作者将 AI 比作技术强但缺乏业务经验的新员工,并提出了一套“私域知识工程”的三板斧解决方案:首先,通过“代码解构与业务分析师 Prompt”对 AI 进行“入职培训”,建立包含架构、数据模型、业务规则和开发规范的私域知识库;其次,结合“开发专家 Prompt”和私域知识库进行智能编程,使 AI 能一次性生成符合项目规范的代码;最后,通过“文档自动维护专家 Prompt”实现私域知识的自动增量更新,形成自我进化的知识生态。文章通过对比改造前后数据,展示了私域知识工程在提升代码质量和开发效率方面的显著效果,并提供了可直接使用的 Prompt 模板。 主要内容: 1. AI 编程的“80 分困境”根源在于信息不对称而非模型智能不足 -- AI 因缺乏项目特有的业务背景、代码规范和架构知识,导致生成的代码虽基础功能完善,但难以完全符合实际项目要求,需耗费大量时间进行二次修改和“调教”。 2. 构建“私域知识工程”是解决 AI 编程信息不对称的关键策略 -- 通过为 AI 建立包含项目架构、业务规则、数据模型和开发规范的专属知识库,并实现其自动维护,让 AI 像“老员工”一样理解项目上下文,从而提升代码生成质量。 3. “私域知识工程”显著提升 AI 代码生成质量和开发效率 -- 实践证明,该方法能使 AI 一次性输出高质量、符合项目规范的代码,将开发者的角色从“调教大师”转变为“甩手掌柜”,并带来知识沉淀、新人培养等额外价值。 文章链接: