我一口气追完了10季《持械入宋》,真爽。明明不缺这种好本子,国产电影怎么就烂成这样?
这波AI短剧出海,影响力绝对不输TikTok,甚至能直接干翻好莱坞和J.K.罗琳。只是这次赢麻了的是平台,不是制作方,可惜没我的份。
肯定有人跳出来骂它“三俗”。操,祝这帮装逼犯一辈子没爱可做。
7
10
579
创业要如履薄冰说了一万次了。
因为你会发现:你把每个人都假定为“坏人”,那你会活得越来越好,越来越强大。你把每个人都想象成“好人”,那你会越来越傻逼,被毒打得一轮又一轮。
千万不要反驳。
7
11
564
我和异地女友每晚都会用飞书开会聊天,攒了五六百篇文字纪要。我直接喂给 Claude Code 让它挑礼物,准得离谱——连她随口提过表带发黄、喜欢甜酷风这种我都漏掉的细节,它全能捞出来。
前阵子她嫌皮肤暗沉有痘印,我拿一堆主流 Deep Research 工具去搜美容仪,最后被没做过深度搜索适配的 Claude Code 碾压了。说白了,大模型本质就是预测,上下文不够,给你的永远是平庸的“平均解”。只有把私域上下文喂饱,才能产生足够强的引力扭转,推导出只属于你的“最优解”。
很多创业公司是不是以为上过央视/人日/新华社就有护身符,国家要保你了?这是典型的自欺欺人。如果前一天上人日,第二天被其他媒体喷,这只能说明你这家创业公司太狡猾、在蒙骗官媒。
据统计,恒大、海航、乐视、威马、哪吒汽车、深兰科技,柔宇科技创始人都上过央视/人日/新华社。
这段话送给所有AI应用、具身智能以及世界模型的创始人们。
10
11
990
之前自己一直追求自己用 AI 做了多少事来评估自己的 AI Native 程度,但最近发现这个思路是错的。
比如用 AI 写代码是快很多,但是自己的编码能力并没有得到提升;AI 可以在写方案时给自己很多启发,但是自己好像越来越丧失了判断能力、并且没有 AI 好像自己都不知道怎么设计了。
真正的问题在于,自己并没有真正沉淀下来可迁移的长期能力,结果就是 AI 提效明显,但是人越来越废,能力没有丝毫提升。
问题很警醒。
让自己在每次和 AI 协作后,反思自己提升了哪些可迁移的能力。
19
11
528
今天看到一个观点:AI 太强大、太努力了,导致 AI 产生的噪音也越来越多了。
之前人开发代码,只会思考重要的分支和边界,但是 AI 可以轻松穷举全部分支、并开发相应的代码和测试用例。
结果就是代码量、代码复杂度快速增加,而真正有价值的业务信息被稀释了,信息熵降低了。
更要命的是,一旦到一定程度后,一个小需求的改动,可能都会涉及很多处代码、很多个测试用例的变更,commit 的次数突增。
除非代码可以做到“日抛”或者“低成本重构”,否则人还是要适度限制 AI 的能力和发挥。
16
19
1,094
一个很重要的AI技巧就是精确描述你的需求。假设你有结婚需求,你不会从大街上随便拉个异性结婚,你会先了解对方,接着深入了解对方各个方面。
同理,如果你想要做一个ppt,不应该使用 “我想要一个xx主题的PPT,给我做出来”这种prompt。
你应该告诉AI你能想到的所有要求,你有哪些背景信息需要补充,已有材料之类的,以帮助AI更好地制作符合你需求的结果,而不是“先随便结婚再去了解”,然后抱怨“我找的对象真垃圾,一点都不懂我,看来全天下的异性没一个好人(AI根本不好用!所以我不用)”
今晚去模速空间听决策 AI 领域的讲座。
两个嘉宾,一个是做 ontology 的,一个是做决策模型(比如 Jev)的。对他们俩,我提的问题都是,应用场景是什么?
ontology based 的企业知识库,真的太重了。
普通企业支付不起,只能给大企业做。
最后又会变成赚辛苦钱。想想之前的数据治理/数字化转型项目。
嘉宾提到一个非 B 应用场景,vibe coding 中用于生成 spec。让写出来的代码更贴近需求。
可这个在 Claude/GPT 的射程之内。
生成规格这件事,AI 本来就能做。你看 Codex 喜欢用的那些词,契约,边界,就来自 ontology。
模型在内化 ontology 的东西。
嘉宾又说,真正的价值增量在于,让成熟业务团队里的新手/菜鸟,有了这一套 ontology 工具以后,能够快速追上团队标杆,不至于出错,
可是,AI 存在的价值,本来不就是替代初级岗位的吗?
我认为,基于 ontology 的思路去做小型中间件可以,但千万不要做成大型企业外包数据治理项目。否则一定亏钱。
第二个嘉宾推销决策模型。这玩意的价值更存疑了。
- 如果是为了省钱,通用模型的低杯版也省钱
- 只有结果没有理由,事后不可回溯
- 唯一的价值是低延迟
嘉宾提到了视频审核的用例,我问,那为什么不用 CV 小模型来干这个活?
CV 小模型更快更省钱。
比通用,决策模型比不过通用大模型。
比专用性能,决策模型比不过专家模型。
很尴尬的生态位。
之前在交大听葛冬冬的分享,我知道了,做专家模型/求解器是赚不到钱的。
今天的活动,我又知道了,做 ontology 也是赚不到钱的。
两者的原因都一样:
小企业买不起,大企业买来后不会有复购,而你给 A 企业做的资产无法沉淀给 B 企业,没有复利效应。做的极苦。
然后决策模型本质上就是个 feature,无法独立成为一个产品。
男人不可能三角:帅气、忠诚、富有?
话说,黄仁勋以前是以绝顶稀有好男人出现的,一路走来,感觉有可能打破不可能三角。
六十三岁的人,睡前一百个俯卧撑,这从十岁那年在美国一所管教问题少年的寄宿学校里学来,他教室友认字,室友教他撑地防身,一撑五十多年。
7
6
607
聊聊为什么今年吹上天的 harness 开发,这两个月突然没人提了?
逻辑其实特别简单粗暴:大家之前把 harness 设计和评测当成什么高深的新赛道,但opus 5.5 已经能在极短时间里,把绝大部分普通工程师比下去了。
更绝的是今天 fable 5.2 又发布了。面对这种绝对的基模能力代差,很多手搓框架真成了纯小丑😂
AI时代真正值钱的就两类人:哪吒这种魔丸,和街头的鬼火少年。
好学生这套标准答案逻辑基本废了。模型把做题和执行卷成白菜价,按部就班毫无溢价。
我看那些把新工具玩出花样搞出新场景的,全凭野蛮创造力和不要命的激情。你循规蹈矩,真不如刺头瞎折腾。
30
22
1,337
当你变得像黄仁勋那么富有,身边就基本上没有什么好人了。
想想也对,他都 63 岁了,接近他的小姑娘,难道图的是他身上的腱子肉吗?
突然觉得,如果给高净值人士做一款反间谍产品,有没有搞头?
不过,真正治本的,亚裔学霸男,后来混的好的,想避免刘强东、黄仁勋的覆辙,年轻的时候就一定不能性压抑。
你看那些老白男,特朗普还是马斯克,他们的花边新闻根本没人关心。照样当总统,照样当 CEO。
你知道这是为什么吗?
10
11
1,781
