正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

Openclaw开发者Peter Steinberger：你很快就不需要App了有一说一现在的App确实非常臃肿，页面里全是各种复杂的菜单、会员、广告。Openclaw创始人预测的未来里，用户只用做一件事：说出你的需求，Agent就能现场为你造出一个专属工具。这就是我说的：所有的产品都值得用大模型重做一遍。但重做不是简单的加个对话框，是把核心逻辑变成按需生成，这才是真正的AI Native。

傅盛

55,589 subscribers

75,060 次观看 • 5 个月前 •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

太像了，声音都像。之前 AI 出来的时候，有一种说法是所有的产品都值得用 AI 再做一遍。那做内容就是，把你能说明白的爆款内容再说一遍。 “人人都是产品经理”的“真谛”就是大家都在重复造轮子。

太像了，声音都像。之前 AI 出来的时候，有一种说法是所有的产品都值得用 AI 再做一遍。那做内容就是，把你能说明白的爆款内容再说一遍。 “人人都是产品经理”的“真谛”就是大家都在重复造轮子。

在悉尼和稀泥

73,585 次观看 • 6 个月前

值得每个人细细品味世界是一元的事物都是从一面走向它的反面不用想如何成为什么样的人你现在就是你就用这样的身份去做就是了

值得每个人细细品味世界是一元的事物都是从一面走向它的反面不用想如何成为什么样的人你现在就是你就用这样的身份去做就是了

Yangyi

29,870 次观看 • 1 年前

【Manus季逸超：六个月后，基本每一家头部的应用公司都有做模型的能力】最近看了Manus联合创始人季逸超的访谈，很多人诟病 Manus 早期没有自己的模型、只是个套壳，但看完视频就会发现，Manus的逻辑是有道理的。一般的思维模式是先练模型（鸡），再顺便出个产品（蛋），这叫“沿途下蛋”。但这种方式是以模型为中心的，它的风险在于，蛋的形状取决于鸡能生出什么。模型能做到哪，产品才能做到哪，产品只能迁就技术。 Manus的路子是以产品为中心“借鸡生蛋”：早期直接用现成的模型。别管鸡是谁的，先让产品跑起来，看用户愿不愿意买单，找到PMF。等产品逻辑通了、用户量大了，发现现有的模型太贵、太慢、或者不够适配，再反过来去倒逼技术，优化出一种特定的模型。以Cursor为例，它一开始就是个代码编辑器，接入的是别人的接口。但等到它成为程序员的刚需后，为了追求极致的速度和更准的代码逻辑，它才跳出来做了自研模型。说到底是应用先于模型，需求定义底座。

【Manus季逸超：六个月后，基本每一家头部的应用公司都有做模型的能力】最近看了Manus联合创始人季逸超的访谈，很多人诟病 Manus 早期没有自己的模型、只是个套壳，但看完视频就会发现，Manus的逻辑是有道理的。一般的思维模式是先练模型（鸡），再顺便出个产品（蛋），这叫“沿途下蛋”。但这种方式是以模型为中心的，它的风险在于，蛋的形状取决于鸡能生出什么。模型能做到哪，产品才能做到哪，产品只能迁就技术。 Manus的路子是以产品为中心“借鸡生蛋”：早期直接用现成的模型。别管鸡是谁的，先让产品跑起来，看用户愿不愿意买单，找到PMF。等产品逻辑通了、用户量大了，发现现有的模型太贵、太慢、或者不够适配，再反过来去倒逼技术，优化出一种特定的模型。以Cursor为例，它一开始就是个代码编辑器，接入的是别人的接口。但等到它成为程序员的刚需后，为了追求极致的速度和更准的代码逻辑，它才跳出来做了自研模型。说到底是应用先于模型，需求定义底座。

傅盛

89,082 次观看 • 6 个月前

今天我们的新产品 FlowSpeech 正式发布 FlowSpeech 是全球第一个书面语转口语的 TTS 可以读网页，可以念小说，可以讲PPT，还能翻译外语。它是你的 AI 嘴替，随时替你说话。这听起来非常不炸裂，但它却是基于我们真实的用户的真实痛点所做的有用的小产品。为什么在行业都在吹概念，追模型，卷 Agent 的时候，我们选择花一点时间做一个这样的小产品呢？作为 AI 应用公司，我们当然希望自己成为天空中的独角兽。但做产品的本质，是帮助一个个真实的人。 FlowSpeech 的需求来自一位80岁的美国老人，这是他的故事。👇

今天我们的新产品 FlowSpeech 正式发布 FlowSpeech 是全球第一个书面语转口语的 TTS 可以读网页，可以念小说，可以讲PPT，还能翻译外语。它是你的 AI 嘴替，随时替你说话。这听起来非常不炸裂，但它却是基于我们真实的用户的真实痛点所做的有用的小产品。为什么在行业都在吹概念，追模型，卷 Agent 的时候，我们选择花一点时间做一个这样的小产品呢？作为 AI 应用公司，我们当然希望自己成为天空中的独角兽。但做产品的本质，是帮助一个个真实的人。 FlowSpeech 的需求来自一位80岁的美国老人，这是他的故事。👇

Orange AI

476,158 次观看 • 11 个月前

李飞飞这段采访，越听越有压力。她说未来真正被甩开的，可能不是被 AI 替代的人，而是还在用五年前流程工作的人。以前产品经理不会写代码很正常：写 PRD、开会、等设计、排开发，几个月做个原型。但现在旁边的人已经能用 AI 当天把 demo 跑出来，拿真实界面讨论需求，你还在说“我负责协调资源”。差距可能就是这么拉开的。 AI 最狠的地方，不是替你工作，而是逼你从“传话的人”变成“能把想法做出来的人”。

李飞飞这段采访，越听越有压力。她说未来真正被甩开的，可能不是被 AI 替代的人，而是还在用五年前流程工作的人。以前产品经理不会写代码很正常：写 PRD、开会、等设计、排开发，几个月做个原型。但现在旁边的人已经能用 AI 当天把 demo 跑出来，拿真实界面讨论需求，你还在说“我负责协调资源”。差距可能就是这么拉开的。 AI 最狠的地方，不是替你工作，而是逼你从“传话的人”变成“能把想法做出来的人”。

Vincent

69,334 次观看 • 28 天前

姚顺雨对AI未来发展的两个重要判断：第一个是我认为AI会是个长期游戏。从某种程度来说，AI的下半场才刚开始。我不认为ChatGPT和Claude会是唯一的Super App，我觉得那会是个非常灰暗的世界。我觉得肯定会有源源不断的新的机会诞生，可能今天就像是七十年代PC刚刚产生的时候，还有很多很多事情需要做。第二个判断是，未来会是更多元的游戏。确实过去几年大家能看到的是pre-training、post-training、RL、Agent、Coding Agent，似乎有一个非常清晰的主线，这个主线就是所有人都在copy，坦白说就是所有人都在做一样的事情，这也是个非常灰暗的事情。那到底未来会变得更单一还是更多元？我个人看法是会变得更多元。毫无疑问Coding Agent和生产力会变得更加重要，它是一个刚刚开始的事情，这个世界还有trillions of dollars的市场还没有被填满。但是多模态、具身智能，很多很多新的事情都在发生，或者刚刚发生。

姚顺雨对AI未来发展的两个重要判断：第一个是我认为AI会是个长期游戏。从某种程度来说，AI的下半场才刚开始。我不认为ChatGPT和Claude会是唯一的Super App，我觉得那会是个非常灰暗的世界。我觉得肯定会有源源不断的新的机会诞生，可能今天就像是七十年代PC刚刚产生的时候，还有很多很多事情需要做。第二个判断是，未来会是更多元的游戏。确实过去几年大家能看到的是pre-training、post-training、RL、Agent、Coding Agent，似乎有一个非常清晰的主线，这个主线就是所有人都在copy，坦白说就是所有人都在做一样的事情，这也是个非常灰暗的事情。那到底未来会变得更单一还是更多元？我个人看法是会变得更多元。毫无疑问Coding Agent和生产力会变得更加重要，它是一个刚刚开始的事情，这个世界还有trillions of dollars的市场还没有被填满。但是多模态、具身智能，很多很多新的事情都在发生，或者刚刚发生。

马识途

32,427 次观看 • 1 个月前

现在AI那么强，但是你会用AI炒股，炒币吗？其实不管用AI做什么，使用的人逻辑思维一定要正确，不然你的AI就是一个弱智。

现在AI那么强，但是你会用AI炒股，炒币吗？其实不管用AI做什么，使用的人逻辑思维一定要正确，不然你的AI就是一个弱智。

韩跑跑

33,247 次观看 • 5 个月前

拉里·埃里森：做和其他所有人一样的事情，你是不会成功的 “我对创业者的标准建议是，作为一家小公司，做和其他所有人一样的事情是不可能成功的……如果你是一名创业者，你必须在传统观念中寻找谬误。” 当你告诉人们你的创业想法时，他们中的大多数人应该会说：“没人在做那个。你疯了吧！” “当你听到这话时，存在两种可能性：一种是你率先提出了一个绝佳的想法。不幸的是，另一种是你真的疯了。”

拉里·埃里森：做和其他所有人一样的事情，你是不会成功的 “我对创业者的标准建议是，作为一家小公司，做和其他所有人一样的事情是不可能成功的……如果你是一名创业者，你必须在传统观念中寻找谬误。” 当你告诉人们你的创业想法时，他们中的大多数人应该会说：“没人在做那个。你疯了吧！” “当你听到这话时，存在两种可能性：一种是你率先提出了一个绝佳的想法。不幸的是，另一种是你真的疯了。”

柴郡🔔｜Crypto+AI Plus

11,487 次观看 • 4 个月前

CES刚刚结束，就收到几个朋友的反馈. 一个说他找的搭建商给他的案子全搞砸了，我问搞砸的原因？说是这个搭建商基本没人，单子接多了，很多收尾的活都没做好. 一个说是摊位的海报全都是气泡皱褶，做工粗糙，还有一个就是我的前同事，说他在一个人那里上班帮忙做CES，觉得大家理念不同他现在不想做了，提出辞职结果不发工资给人家，他问我能不能告他，我说这还用说吗？美国职场遵循的就是双方来去自由，如果他不给你工资，那必须告，小法庭花个100多美元就可以立案，一告一个准，在美国还有敢不发工资的主，那可真是胆子大！ CES就是一面照妖镜，照出了人性贪婪，照出了人品恶劣，照出了道德低下. 那些贪婪接单，低价接单，克扣工人工资的同行行为，我一旦了解到就会敬而远之，不是我道德多高尚，而是这是做人的基本底线，做生意的基本原则. 这样的人多了会给我们这些在这里真正打拼的群体带来负面影响，可谓一颗老鼠屎搞坏一锅粥就是这样来的. 不超能力接单、不低价接单，不隐瞒费用、不甩锅客户，每做一个案子就认真交付一个案子，你才能在这个行业走的长久. CES大展会，在工厂资源缺少，求大于供的市场面前，是个人都能接到单，当有人跟你说他做了多少多少个的时候，这没什么可骄傲的，如果他的服务能够获得所有客户100%满意度，那才是值得骄傲的事情，这也是我对我的所有同事这样要求的😄 CES这样的展会表面是产品与服务的较量，背后其实是人性与道德的博弈.

CES刚刚结束，就收到几个朋友的反馈. 一个说他找的搭建商给他的案子全搞砸了，我问搞砸的原因？说是这个搭建商基本没人，单子接多了，很多收尾的活都没做好. 一个说是摊位的海报全都是气泡皱褶，做工粗糙，还有一个就是我的前同事，说他在一个人那里上班帮忙做CES，觉得大家理念不同他现在不想做了，提出辞职结果不发工资给人家，他问我能不能告他，我说这还用说吗？美国职场遵循的就是双方来去自由，如果他不给你工资，那必须告，小法庭花个100多美元就可以立案，一告一个准，在美国还有敢不发工资的主，那可真是胆子大！ CES就是一面照妖镜，照出了人性贪婪，照出了人品恶劣，照出了道德低下. 那些贪婪接单，低价接单，克扣工人工资的同行行为，我一旦了解到就会敬而远之，不是我道德多高尚，而是这是做人的基本底线，做生意的基本原则. 这样的人多了会给我们这些在这里真正打拼的群体带来负面影响，可谓一颗老鼠屎搞坏一锅粥就是这样来的. 不超能力接单、不低价接单，不隐瞒费用、不甩锅客户，每做一个案子就认真交付一个案子，你才能在这个行业走的长久. CES大展会，在工厂资源缺少，求大于供的市场面前，是个人都能接到单，当有人跟你说他做了多少多少个的时候，这没什么可骄傲的，如果他的服务能够获得所有客户100%满意度，那才是值得骄傲的事情，这也是我对我的所有同事这样要求的😄 CES这样的展会表面是产品与服务的较量，背后其实是人性与道德的博弈.

Daisy

14,987 次观看 • 1 年前

为什么英伟达能成为全球最有价值的公司？答案藏在2003年的一段视频里。黄仁勋说，我不需要一夜之间改变世界。我打算用未来50年去改变它。我不需要一夜之间就做出什么“杀手级产品”。我只需要做出一个能赢的产品。赢的目标，是为了能让你再玩一局。就像玩弹珠台游戏。只要你玩得足够好，能再来一局，你就可以一直玩下去。很多公司恰恰没意识到，这是一条很长的路。你不可能一上来就造出完美的产品。想通了这点，你就会把项目范围控制好。把项目简化。愿景要宏大，但产品定义必须简单。然后，完美地执行它。因为你的团队，现在可以执行一个简单的计划了。做完一次，回来，再做一次。这和那些靠PPT和宏大叙事驱动的公司形成了鲜明对比。没有虚头巴脑的口号，没有不切实际的承诺。就是聚焦，执行，再聚焦，再执行。这种务实的工匠精神，是不是今天许多沉迷于金融游戏和政治正确的科技巨头们所缺失的？先活下来，再赢下一局，而不是总想着一口吃成个胖子。这或许才是真正的长期主义。

为什么英伟达能成为全球最有价值的公司？答案藏在2003年的一段视频里。黄仁勋说，我不需要一夜之间改变世界。我打算用未来50年去改变它。我不需要一夜之间就做出什么“杀手级产品”。我只需要做出一个能赢的产品。赢的目标，是为了能让你再玩一局。就像玩弹珠台游戏。只要你玩得足够好，能再来一局，你就可以一直玩下去。很多公司恰恰没意识到，这是一条很长的路。你不可能一上来就造出完美的产品。想通了这点，你就会把项目范围控制好。把项目简化。愿景要宏大，但产品定义必须简单。然后，完美地执行它。因为你的团队，现在可以执行一个简单的计划了。做完一次，回来，再做一次。这和那些靠PPT和宏大叙事驱动的公司形成了鲜明对比。没有虚头巴脑的口号，没有不切实际的承诺。就是聚焦，执行，再聚焦，再执行。这种务实的工匠精神，是不是今天许多沉迷于金融游戏和政治正确的科技巨头们所缺失的？先活下来，再赢下一局，而不是总想着一口吃成个胖子。这或许才是真正的长期主义。

墓碑科技

25,062 次观看 • 7 个月前

Clawdbot的创造者说，他最喜欢的模型是Claude Opus。但编程能力最强的，竟然是OpenAI的旧模型Codex。为什么？他说用Codex写代码，有95%的把握可以直接运行。因为它能理解大型代码库，需要的“人工干预”更少。这就像一个经验丰富的老员工，话不多，但活儿干得漂亮。而Claude Opus，虽然被认为综合能力更强，但在编程这个具体任务上，却需要更多技巧和引导才能达到同样效果。有点像一个很聪明但经验不足的新人。这引出一个有趣的问题。我们真的需要那个最“聪明”、最像人的AI吗？还是说，在特定领域，我们更需要一个可靠、高效、甚至有点“无聊”的工具？ Opus更像人，甚至会在聊天中讲出真正好笑的笑话。但Codex在专业领域更可靠。这是否揭示了通用人工智能（AGI）发展的一个岔路口？是追求一个无所不能但样样不精的“全才”，还是打造一系列在各自领域做到极致的“专才”？从制造业到高科技，美国产业的核心优势，向来是那些专注于解决具体问题的实用工具，而不是那些空泛的概念。技术的终点，究竟是创造一个和我们一样的“伙伴”，还是一个能把工作做到极致的工具？这两种路线，哪一个对恢复美国制造业和技术领导地位更有利？

Clawdbot的创造者说，他最喜欢的模型是Claude Opus。但编程能力最强的，竟然是OpenAI的旧模型Codex。为什么？他说用Codex写代码，有95%的把握可以直接运行。因为它能理解大型代码库，需要的“人工干预”更少。这就像一个经验丰富的老员工，话不多，但活儿干得漂亮。而Claude Opus，虽然被认为综合能力更强，但在编程这个具体任务上，却需要更多技巧和引导才能达到同样效果。有点像一个很聪明但经验不足的新人。这引出一个有趣的问题。我们真的需要那个最“聪明”、最像人的AI吗？还是说，在特定领域，我们更需要一个可靠、高效、甚至有点“无聊”的工具？ Opus更像人，甚至会在聊天中讲出真正好笑的笑话。但Codex在专业领域更可靠。这是否揭示了通用人工智能（AGI）发展的一个岔路口？是追求一个无所不能但样样不精的“全才”，还是打造一系列在各自领域做到极致的“专才”？从制造业到高科技，美国产业的核心优势，向来是那些专注于解决具体问题的实用工具，而不是那些空泛的概念。技术的终点，究竟是创造一个和我们一样的“伙伴”，还是一个能把工作做到极致的工具？这两种路线，哪一个对恢复美国制造业和技术领导地位更有利？

墓碑科技

62,012 次观看 • 5 个月前

昨天发了一个视频，看到评论里有人问：你都在用 Claude Code 了，为什么还要用国内的 Coding Plan？对我来说，这不是一个二选一的问题，而是一个补充题。大家都知道御三家的硬实力更强，这点没什么好争议的。但很多日常场景里，国产模型其实已经能在速度、质量、成本之间取得一个不错的平衡。比如文本处理、资料整理、基础 coding、简单 agent 任务，这类占日常 80% 的工作，很多时候并不一定非要上最贵的模型。对大多数中国用户来说，国产模型更顺手，速度也够，价格还低不少。还有一个经常被忽略的点，其实是处理速度。我自己实测下来，国内这些模型在一些简单任务上，接口响应和首字速度都很快。像翻译、语音输入后的文本修正、基础润色、简单改写这类高频小任务，用起来其实很舒服。你并不需要每一次都把最贵、最强的模型拉出来跑一遍。另外我觉得，现在国内头部几家 AI 厂商，已经不是“能不能做”的问题了。无论是阿里还是字节，一方面有足够的算力和基础设施，另一方面本身也有持续做模型研发和产品迭代的能力。所以在很多高频、日常、成本敏感的场景里，把国产模型纳入自己的工具链，本来就是很自然的事。所以我现在的看法一直都不是“国产替代”或者“二选一”，而是按场景分工：复杂、高价值任务交给最强模型；大量日常、重复、成本敏感的任务，用国产模型做补充，我觉得这反而是更现实、也更科学的用法。

昨天发了一个视频，看到评论里有人问：你都在用 Claude Code 了，为什么还要用国内的 Coding Plan？对我来说，这不是一个二选一的问题，而是一个补充题。大家都知道御三家的硬实力更强，这点没什么好争议的。但很多日常场景里，国产模型其实已经能在速度、质量、成本之间取得一个不错的平衡。比如文本处理、资料整理、基础 coding、简单 agent 任务，这类占日常 80% 的工作，很多时候并不一定非要上最贵的模型。对大多数中国用户来说，国产模型更顺手，速度也够，价格还低不少。还有一个经常被忽略的点，其实是处理速度。我自己实测下来，国内这些模型在一些简单任务上，接口响应和首字速度都很快。像翻译、语音输入后的文本修正、基础润色、简单改写这类高频小任务，用起来其实很舒服。你并不需要每一次都把最贵、最强的模型拉出来跑一遍。另外我觉得，现在国内头部几家 AI 厂商，已经不是“能不能做”的问题了。无论是阿里还是字节，一方面有足够的算力和基础设施，另一方面本身也有持续做模型研发和产品迭代的能力。所以在很多高频、日常、成本敏感的场景里，把国产模型纳入自己的工具链，本来就是很自然的事。所以我现在的看法一直都不是“国产替代”或者“二选一”，而是按场景分工：复杂、高价值任务交给最强模型；大量日常、重复、成本敏感的任务，用国产模型做补充，我觉得这反而是更现实、也更科学的用法。

luolei

32,553 次观看 • 3 个月前

普通人做产品最大的短板不是技术，不是流量，是你根本不知道你的用户在想什么大厂有用研团队、有焦点小组、有百万级调研预算在百度做PM的时候，每几天都会有一份定制化的《竞品动态日报》《消费者洞察报告》躺在所有员工的邮箱里字节跳动昨天上线了什么新功能,腾讯哪个部门在招什么岗位,什么赛道的用户在关注什么产品，什么产品的数据又卖爆了当时我就在想：如果我出来单干，我想获得这些信息，不得难死，这笔钱谁给我出？后来真出来了，答案是——根本没人出😂 所以和大部分独立开发者一样，我做产品验证需求的方式是：发朋友圈问问、在推特宣发一下、看看竞品评论区、然后凭直觉赌一把连续创业五年，我见过最多的死法不是产品做不出来是产品做出来了，没人要，花三个月憋 MVP，上线后发现需求是自己臆想的这个痛，做过产品的人都懂做出海的朋友更惨你的目标用户在地球另一边，时差 12 小时，语言不通，文化不同去年帮一个朋友的品牌做北美市场，最头疼的不是投放，是根本不知道美国消费者怎么想，美国人文化和中国差距太大了招一个本地调研公司，报价 8 万美金起步，找几个留学生做访谈，样本太小、还有幸存者偏差，有时候还访谈不明白最后还是靠猜现在这件事有了一个结构性的解法 Atypica atypica.AI 上线了一个新功能叫 AI Panel，一句话解释：它让你拥有了一个属于自己的焦点小组不是 ChatGPT 扮演用户那种玩法是基于 100 万+ 真实用户数据构建的 AI Persona，每个人有完整的背景、性格、认知偏差、消费决策框架关键是——这个焦点小组是可复用的你今天问一次，下个月产品迭代了再问一次同一群人，持续追踪，看他们的态度变化这在传统调研里叫 longitudinal study，成本极高现在你一个人就能做三种方式构建你的 Panel： 1）自动沉淀：用 Atypica 做完一次 Research 后，参与访谈的 AI Persona 自动沉淀成 Panel，下次直接调用 2）手动挑人：从 100 万+ 的 Persona Library 里按关键词搜索，添加组队 3）按需生成：输入需求描述，系统从零帮你构建一个全新的 Panel 组好之后随时打开，输入研究话题支持一对多深度访谈，也支持多对多 Group Discussion 我试了一个真实场景我之前做过一个面向内容创作者的 AI 写作工具，想验证订阅制定价构建了一个Panel：YouTube 创作者、推特创作者、独立播客主直接问：你平时写作的痛点有哪些？流程有哪些 10 分钟，直接就拿到了需求的分类和反馈这种颗粒度，以前要花两周招募 + 一周访谈 + 几万块预算现在 10 分钟，一个人搞定如果你是以下三种人，这个功能对你来说是刚需：做出海产品的创业者——你的用户在地球另一边，以前只能看竞品评论区猜需求，现在直接构建目标市场的用户 Panel，随时追问需要反复迭代验证的产品团队——每次加功能都要做用户测试，Panel 让你不用每次重新招人，同一群用户持续追踪反应变化需要大规模样本的场景——比如你想了解 2000 个家庭的消费偏好，传统手段几乎不可能，Panel 可以我觉得我们普通人做产品和大厂的差距，不应该是有没有用户调研团队而是用什么方式理解用户，大厂用人力堆，我们用 AI 跑以前这是一句空话，因为 ChatGPT 扮演用户的结果你自己都不信现在不一样了——100 万+ 真实数据构建的 Persona，有来源、有背景、有决策框架它不能替代真人调研的最终验证但它能让你在写第一行代码之前，就知道方向对不对调研从一个季度一次的项目，变成了随时可调用的能力这对一个人做产品的人来说，是基础设施级别的变化我推荐每一个想做生意，产品的人都去试一试，这可能就是你和用户面对面沟通的第一步：

普通人做产品最大的短板不是技术，不是流量，是你根本不知道你的用户在想什么大厂有用研团队、有焦点小组、有百万级调研预算在百度做PM的时候，每几天都会有一份定制化的《竞品动态日报》《消费者洞察报告》躺在所有员工的邮箱里字节跳动昨天上线了什么新功能,腾讯哪个部门在招什么岗位,什么赛道的用户在关注什么产品，什么产品的数据又卖爆了当时我就在想：如果我出来单干，我想获得这些信息，不得难死，这笔钱谁给我出？后来真出来了，答案是——根本没人出😂 所以和大部分独立开发者一样，我做产品验证需求的方式是：发朋友圈问问、在推特宣发一下、看看竞品评论区、然后凭直觉赌一把连续创业五年，我见过最多的死法不是产品做不出来是产品做出来了，没人要，花三个月憋 MVP，上线后发现需求是自己臆想的这个痛，做过产品的人都懂做出海的朋友更惨你的目标用户在地球另一边，时差 12 小时，语言不通，文化不同去年帮一个朋友的品牌做北美市场，最头疼的不是投放，是根本不知道美国消费者怎么想，美国人文化和中国差距太大了招一个本地调研公司，报价 8 万美金起步，找几个留学生做访谈，样本太小、还有幸存者偏差，有时候还访谈不明白最后还是靠猜现在这件事有了一个结构性的解法 Atypica atypica.AI 上线了一个新功能叫 AI Panel，一句话解释：它让你拥有了一个属于自己的焦点小组不是 ChatGPT 扮演用户那种玩法是基于 100 万+ 真实用户数据构建的 AI Persona，每个人有完整的背景、性格、认知偏差、消费决策框架关键是——这个焦点小组是可复用的你今天问一次，下个月产品迭代了再问一次同一群人，持续追踪，看他们的态度变化这在传统调研里叫 longitudinal study，成本极高现在你一个人就能做三种方式构建你的 Panel： 1）自动沉淀：用 Atypica 做完一次 Research 后，参与访谈的 AI Persona 自动沉淀成 Panel，下次直接调用 2）手动挑人：从 100 万+ 的 Persona Library 里按关键词搜索，添加组队 3）按需生成：输入需求描述，系统从零帮你构建一个全新的 Panel 组好之后随时打开，输入研究话题支持一对多深度访谈，也支持多对多 Group Discussion 我试了一个真实场景我之前做过一个面向内容创作者的 AI 写作工具，想验证订阅制定价构建了一个Panel：YouTube 创作者、推特创作者、独立播客主直接问：你平时写作的痛点有哪些？流程有哪些 10 分钟，直接就拿到了需求的分类和反馈这种颗粒度，以前要花两周招募 + 一周访谈 + 几万块预算现在 10 分钟，一个人搞定如果你是以下三种人，这个功能对你来说是刚需：做出海产品的创业者——你的用户在地球另一边，以前只能看竞品评论区猜需求，现在直接构建目标市场的用户 Panel，随时追问需要反复迭代验证的产品团队——每次加功能都要做用户测试，Panel 让你不用每次重新招人，同一群用户持续追踪反应变化需要大规模样本的场景——比如你想了解 2000 个家庭的消费偏好，传统手段几乎不可能，Panel 可以我觉得我们普通人做产品和大厂的差距，不应该是有没有用户调研团队而是用什么方式理解用户，大厂用人力堆，我们用 AI 跑以前这是一句空话，因为 ChatGPT 扮演用户的结果你自己都不信现在不一样了——100 万+ 真实数据构建的 Persona，有来源、有背景、有决策框架它不能替代真人调研的最终验证但它能让你在写第一行代码之前，就知道方向对不对调研从一个季度一次的项目，变成了随时可调用的能力这对一个人做产品的人来说，是基础设施级别的变化我推荐每一个想做生意，产品的人都去试一试，这可能就是你和用户面对面沟通的第一步：

超级个体｜柿子

92,402 次观看 • 14 天前

建立一个睡后收入系统，七年内赚到你的第一个 1000w。假如直播和短视频，你选哪一个？选直播，那就是卖时间，当你下播的那一刻开始，收入就归0了。做短视频，只要你的视频够好，发布后会持续很长的时间，我觉得这也可以定义为睡后收入，这里只是举个例子，视频中讲的是做一个产品。找到用户需求，立即开始，哪怕是从最小的事做起。为什么要最小？第一：降低试错成本。你不知道这个东西到底有没有人要，如果一上来就投入大量的时间和金钱，万一方向错了，你就血本无归了。但如果只是做一个最小版本，花一周时间成本几百块钱，就算失败了你也输得起。第二：快速验证需求。你以为用户需要的和用户真正需要的往往是两回事，只有拿出来让市场检验，你才知道这条路对不对。第三：建立反馈循环。你做出来给用户用，用户给你反馈，你根据反馈改进，再给用户用，这个循环越快，你就进步越快。

建立一个睡后收入系统，七年内赚到你的第一个 1000w。假如直播和短视频，你选哪一个？选直播，那就是卖时间，当你下播的那一刻开始，收入就归0了。做短视频，只要你的视频够好，发布后会持续很长的时间，我觉得这也可以定义为睡后收入，这里只是举个例子，视频中讲的是做一个产品。找到用户需求，立即开始，哪怕是从最小的事做起。为什么要最小？第一：降低试错成本。你不知道这个东西到底有没有人要，如果一上来就投入大量的时间和金钱，万一方向错了，你就血本无归了。但如果只是做一个最小版本，花一周时间成本几百块钱，就算失败了你也输得起。第二：快速验证需求。你以为用户需要的和用户真正需要的往往是两回事，只有拿出来让市场检验，你才知道这条路对不对。第三：建立反馈循环。你做出来给用户用，用户给你反馈，你根据反馈改进，再给用户用，这个循环越快，你就进步越快。

韩跑跑

26,627 次观看 • 5 个月前

可能是最适合小白的视频产品，没有之一。不用会提示词，也不用懂剪辑。你只要像聊天一样说出想法，比如“做个高级感产品视频”，Pexo 就能帮你解决剩下的一切！画面、音乐、转场、包装；不满意？直接对话改风格、重做、无限迭代，直到满意。更厉害的是，它已经原生接进 OpenClaw，终于有一个 AI，能让我的小龙虾自己去做视频了，飞书、Discord、Telegram 里都能直接调用生成视频，现有工作流里就能完成，完全不用切工具。这个维度看，为人类与 Agent 共同设计的原生内容创作 Agent；面向人类端，它理解你的意图，你说想法，它出成片；面向 Agent 端，它可以被调用、被协作，无缝嵌入自动化工作流。三周前，它还是一个人的想法，现在，Pexo 已在 OpenClaw 原生环境中快速成长，海外被雇佣超过数万次。发展速度，已经说明一切。一句话总结：做视频，从复杂技能变成一句话就能调用的能力。

可能是最适合小白的视频产品，没有之一。不用会提示词，也不用懂剪辑。你只要像聊天一样说出想法，比如“做个高级感产品视频”，Pexo 就能帮你解决剩下的一切！画面、音乐、转场、包装；不满意？直接对话改风格、重做、无限迭代，直到满意。更厉害的是，它已经原生接进 OpenClaw，终于有一个 AI，能让我的小龙虾自己去做视频了，飞书、Discord、Telegram 里都能直接调用生成视频，现有工作流里就能完成，完全不用切工具。这个维度看，为人类与 Agent 共同设计的原生内容创作 Agent；面向人类端，它理解你的意图，你说想法，它出成片；面向 Agent 端，它可以被调用、被协作，无缝嵌入自动化工作流。三周前，它还是一个人的想法，现在，Pexo 已在 OpenClaw 原生环境中快速成长，海外被雇佣超过数万次。发展速度，已经说明一切。一句话总结：做视频，从复杂技能变成一句话就能调用的能力。

开发者Hailey

16,620 次观看 • 4 个月前

最近北大开源的一个项目，我觉得很值得关注。 AI Agent 现在最缺的，可能不是模型，而是一套像 npm 一样可复用的 skill 基础设施。 MagicSkills 做的就是这件事。它不是再去造一个新的 Agent framework，而是想把那些散落在各处的 SKILL.md，变成可安装、可组合、可同步、可调用的共享能力层。 MagicSkills 的思路更像是，先把 skill 从零散文档里抽出来，做成一个本地优先的共享 skill pool，然后再按不同 Agent、不同框架去组合和分发。这样一来，skill 就不再只是 prompt 附件，而是开始变成真正可复用的能力基础设施。说白了，它想推动的一件事就是：让 Agent 的技能，从“写一份文档自己用”，变成“写一次，到处复用”。我觉得这个方向很值得看。因为当 skill 开始像包管理一样被组织起来，多 Agent 工作流才会真正开始像工程系统，而不是一堆 prompt 和脚本的临时拼装。如果你在关注 AI Agent、Multi-Agent、技能复用，或者正在想怎么管理越来越多的 SKILL.md，这个项目值得研究一下。👇

最近北大开源的一个项目，我觉得很值得关注。 AI Agent 现在最缺的，可能不是模型，而是一套像 npm 一样可复用的 skill 基础设施。 MagicSkills 做的就是这件事。它不是再去造一个新的 Agent framework，而是想把那些散落在各处的 SKILL.md，变成可安装、可组合、可同步、可调用的共享能力层。 MagicSkills 的思路更像是，先把 skill 从零散文档里抽出来，做成一个本地优先的共享 skill pool，然后再按不同 Agent、不同框架去组合和分发。这样一来，skill 就不再只是 prompt 附件，而是开始变成真正可复用的能力基础设施。说白了，它想推动的一件事就是：让 Agent 的技能，从“写一份文档自己用”，变成“写一次，到处复用”。我觉得这个方向很值得看。因为当 skill 开始像包管理一样被组织起来，多 Agent 工作流才会真正开始像工程系统，而不是一堆 prompt 和脚本的临时拼装。如果你在关注 AI Agent、Multi-Agent、技能复用，或者正在想怎么管理越来越多的 SKILL.md，这个项目值得研究一下。👇

axiaisacat

46,302 次观看 • 4 个月前

如果你翻墙之后，还只会刷每日大赛，那真的有点浪费了因为互联网真正值钱的东西，其实大量都藏在 GitHub 很多最新的 AI 工具、自动化项目、效率工作流，几乎都会第一时间出现在那里这两年越来越明显的一件事是：会用 GitHub 的人，已经开始用 AI 放大自己的效率了很多原本需要团队完成的事情，现在一个人就能做我的建议是收藏起来，认真看看这个视频它真正有价值的地方，不是教你“看网站”，而是让你开始理解： AI 时代里，普通人该去哪里找机会

如果你翻墙之后，还只会刷每日大赛，那真的有点浪费了因为互联网真正值钱的东西，其实大量都藏在 GitHub 很多最新的 AI 工具、自动化项目、效率工作流，几乎都会第一时间出现在那里这两年越来越明显的一件事是：会用 GitHub 的人，已经开始用 AI 放大自己的效率了很多原本需要团队完成的事情，现在一个人就能做我的建议是收藏起来，认真看看这个视频它真正有价值的地方，不是教你“看网站”，而是让你开始理解： AI 时代里，普通人该去哪里找机会

Suu

517,520 次观看 • 1 个月前

“我们究竟是创造了一个工具还是一个生物？” Sam 在 "机器人之心 "小组讨论会上的发言。 Sam：但我认为，这无疑是迄今为止人类经历的最重大的更新年份。可能这也是我们将会遭遇的最大变革，因为从现在开始，人们已经接受强大的人工智能将成为现实，并且还会有逐步的更新。就像是第一代 iPhone 面世的那年，以及随后每一代 iPhone 的更新，我们现在能够明显感受到这一代与去年那代的差异。所以，这确实是一个重要的时刻。我感到欣慰的是，现在人们开始正确地把这些系统当作工具来看待。艺术家尤其如此，但其他人也是一样。曾经，人们真正恐惧的是，我们究竟是创造了一个工具还是一个生物，这将意味着什么？现在，人们视这些系统为人类工具箱中的新工具，并且正在用它创造一些非常了不起的东西。模型显然不知道你在说什么，因为这不在它的训练数据里，它也无法从训练数据中学习到这些信息。这是完全可以预期的。你再问一遍。比如说，你提到“意识”这个概念，模型回答：“是的，我完全明白你的意思，但我之前从未听说过这个词。” 问： “这对我来说就像是一次更新。你认为人工智能会趋向于探索创造性智能和自主性吗？” Sam：这个问题有多个答案。这取决于激励模型。这是人类的选择。问： “这将是判断意识的一个很好的测试。因为如果它有自我表达的愿望，并且仅仅为了创作的乐趣而去创作，那不会是偶然的。这绝对有点像生物。” Sam：这是生物化的。我认为在此之前还有很多步骤。我们现在要回答问题吗？这真的很棒。

“我们究竟是创造了一个工具还是一个生物？” Sam 在 "机器人之心 "小组讨论会上的发言。 Sam：但我认为，这无疑是迄今为止人类经历的最重大的更新年份。可能这也是我们将会遭遇的最大变革，因为从现在开始，人们已经接受强大的人工智能将成为现实，并且还会有逐步的更新。就像是第一代 iPhone 面世的那年，以及随后每一代 iPhone 的更新，我们现在能够明显感受到这一代与去年那代的差异。所以，这确实是一个重要的时刻。我感到欣慰的是，现在人们开始正确地把这些系统当作工具来看待。艺术家尤其如此，但其他人也是一样。曾经，人们真正恐惧的是，我们究竟是创造了一个工具还是一个生物，这将意味着什么？现在，人们视这些系统为人类工具箱中的新工具，并且正在用它创造一些非常了不起的东西。模型显然不知道你在说什么，因为这不在它的训练数据里，它也无法从训练数据中学习到这些信息。这是完全可以预期的。你再问一遍。比如说，你提到“意识”这个概念，模型回答：“是的，我完全明白你的意思，但我之前从未听说过这个词。” 问： “这对我来说就像是一次更新。你认为人工智能会趋向于探索创造性智能和自主性吗？” Sam：这个问题有多个答案。这取决于激励模型。这是人类的选择。问： “这将是判断意识的一个很好的测试。因为如果它有自我表达的愿望，并且仅仅为了创作的乐趣而去创作，那不会是偶然的。这绝对有点像生物。” Sam：这是生物化的。我认为在此之前还有很多步骤。我们现在要回答问题吗？这真的很棒。

Lei.sea

14,132 次观看 • 2 年前

一个中国小伙，非程序员出身，利用AI工具，一人一家公司OPC，成功干出了一年1000万的收入！他就是使用CHATGPT等AI工具设计付费的APP工具。他的工作流程是这样子的： 1.洞察需求 2.打磨需求 3.总结需求文档 4.做产品原型图 5.做产品的功能 6.做出MVP 7.验证MVP 8.找到1000个用户 9.设计变现点 10.验证失败验证成功 11.投放市场 AI时代，懂得使用AI工具的人可以放大自身的能力，创造一切可能性，值得我们好好学习。他具体是怎么实现的？请看下面的视频，听他的一一介绍工作流程。

一个中国小伙，非程序员出身，利用AI工具，一人一家公司OPC，成功干出了一年1000万的收入！他就是使用CHATGPT等AI工具设计付费的APP工具。他的工作流程是这样子的： 1.洞察需求 2.打磨需求 3.总结需求文档 4.做产品原型图 5.做产品的功能 6.做出MVP 7.验证MVP 8.找到1000个用户 9.设计变现点 10.验证失败验证成功 11.投放市场 AI时代，懂得使用AI工具的人可以放大自身的能力，创造一切可能性，值得我们好好学习。他具体是怎么实现的？请看下面的视频，听他的一一介绍工作流程。

小龙先生

65,450 次观看 • 2 个月前