- 我想了解下,目前如何管理ai agent,可以提升团队效率
推广卡点多半不在工具本身,而在大家觉得这是在把自己的经验交出去。把 agent 定位成替团队省掉重复搬运,而不是替代人,接受度会高很多。
- 有主页,但是想做副业,不知道从何开始。
副业卡住往往不是缺想法,而是没找到“长板×缺口”的交点,也没完成一次真实的收费交换;主页可以成为你收网和验证的地方。
- ds在ai时代如何转型
DS 转型的起点不是先选方向,而是先动手用 AI 改变自己的工作方式;进不了头部大厂,可以转向离业务结果更近、对结果负责的位置。
- 只做agent memory是不是方向太窄了 不如做整个Agent harness呢
不一定窄。Harness 本身就把 memory 包在里面,做窄的 memory 也能成为别人 harness 里的一块;关键看你手里有没有别人拿不到的行业上下文。
- 我是一个大专教师,教虚拟现实,怎么挣钱
最可能的方向不是离开虚拟现实另起炉灶,而是把已有的教学积累变成可交付的课程或项目,先小范围验证有人愿意为它付费。
- 从开始到现在,你都有哪些取景框, 所谓取景框,就是你看问题的角度、分析问题的框架、思考的方法,以及你用到的原理和 mindset(比如第一性原理,或者一些与众不同的 mindset)。
把你从开始做自媒体、加入行业或做工作以来,所有的取景框都找出来,并且注明 what、why、how 和 when
资料里能确认的取景框只有几条:先定方向再迈步、用产品而非品牌说话、拒绝把自己塑造成偶像、以及带着框架去看世界。它们不是一份完整清单。
- 我知道应该把一年押在一件事上,但是这件事是什么我应该怎么确定
不是先想清楚再押,而是先找一件能复利、能持续拿到反馈的事,用一年时间把它做成主线;方向在做的过程中被修正,而不是在开始前被确定。
- 我刚入职场,我应该积累学习什么
先练两样:把事做出来、和人打交道。新人期最该积累的是主动问、主动做、主动让人看见你的价值,而不是继续等标准答案。
- 在AI不断发展的时代,对于技能局限于sql,python,BI的数据分析师,应该怎么规划自己的职业路径
别把规划做成补技能清单。SQL、Python、BI 这类执行动作正被 AI 压缩,更值钱的位置是能判断 AI 结果好坏、把业务问题翻译成 AI 能用的上下文、并对结果收口的人。
- 我长期做开发没有当过管理层,做技术部门的管理和与其他部门的对接,需要注意些什么
从开发转管理,最需要换的是视角:从“我交付代码”变成“让团队交付、让对接方听懂”。先练两件事——提前对齐期望,和按听众调整表达。
- Ai时代是先有方向再行动,还是行动再有方向。
两者是交替校准的:方向大致对了就动手,行动再回来修正方向;卡住的人不同,先补的那一头也不同。
- 玩ai到底要不要自己摸索
要,但摸索的对象是任务本身,不是名词和工具。把真实任务做完、暴露问题、再补方法,比先学概念更有效。
- 关于一些行动力的建议,我尝试在一些事情上积极起来,比如感兴趣的是寻找好工作。但是总是行动不起来,最开始我以为是我的时间管理或者行动模式出现问题,所以我去找了一些时间管理和福格行为模型等书籍观看学习,但这些效果很难持续一个月时间。经过仔细思考和回顾以后,我发现这些有着更底层的模式,一旦我规划的目标有着具体的时间路径,我倾向于将它们拖延、延后。而在压力到达一定程度下,我会回退到逃避模式,直接沉浸于小说、视频等娱乐中。而当最后的期限快要到达的时候,可以合理地调节:反正时间来不及,不是我不做,我一做肯定会做得非常好。这种行为模式与自我厌恶产生一种循环,会让人处于持续下降的状态。而且这种行为模式来源于幼年养成的习惯,它已经在不经意间影响我很多年,很难打破。那么如何进行破局呢
你缺的可能不是时间管理,而是让行动本身成为学习:先做一件小到不需要意志力的事,用过程中的真实反馈替代对“做得好不好”的预判。
- 我是个学生,想要实现财富自由,咋办
财富自由可拆成被动收入覆盖支出,学生阶段最现实的动作是尽早开始、控制支出、把精力投在能增值的能力上,而不是先想赚快钱。
- 我在使用ai做项目的过程中,发现ai会在工作区文件夹中生成很多文件夹、文件、标定、代码,组织起来很杂乱,当我想要整理工作区时哪些能删哪些不能删除不知道该从何下手,看过ai builder课程中module2,学到了如何管理各个context文件,但是对于整个工作区应该如何管理会更好。
工作区杂乱时,先按“工作记忆/项目记忆/组织记忆”三层给文件分类,再决定删留:当前任务直接要用的、项目积累的经验决策、跨项目长期知识,各自规则不同。
- 我结合我的爱好,vibe coding 了一个 K 线模拟训练软件,正式版发给了我的一些朋友使用,我 0 距离接收他们的反馈,并持续迭代优化,这个过程给我带来了很大的正反馈,我希望能以这个作品为起点,未来做功能更强大更深入的软件产品,为中国 A 股的散户交易者提供有价值的服务
你现在的路径和「通用工具围着真实工作长成自己的软件」高度一致,下一步最值得读的是从作品走向产品要补的那几块:重度用户、demo与生产的鸿沟、以及产品价值结构。
- 你觉得,数字美术设计工作者,在ai时代,最应该关注什么,怎么转型和判断自己的价值?
把注意力从「AI 会不会替代我」转到「我能不能判断好坏、并对结果负责」。对 UI 动效师来说,稀缺的是审美判断和收口能力,不是执行速度。
- AI除了能降本增效,和对基础设施,芯片,电力上有需求外。AI在创造新的真实的需求方面有带来什么新局面吗?
有。AI 让过去不值得专门开发的长尾需求变得值得被满足,也会催生意义、陪伴、觉知这类新需求,但能否抓住取决于你是否离真实摩擦足够近。
- 我是一名金融软件平台咨询师,负责对冲基金投行买卖方从前台到后台都涵盖的软件的调试、功能设置、data migration等,想迅速的pickup Copilot实际应用,尤其是在数据分析方面
先别急着让 Copilot 接管整条迁移流程,挑一个你本来就要做的分析判断,让它跨过软件边界把数据拉齐,你只保留目标、例外和验收。
- fde意思?如何从业务端出发自学成为餐饮+ai的专家和freelancer?
FDE 是驻场到客户公司、亲手把产品用进对方业务里的工程师;餐饮+AI 的自学路径,重点不在先学会编程,而在先找到一个真实餐馆的具体问题并亲手解决它。
- 问答系统怎么做
问答系统的难点不在检索流程本身,而在判断卡、来源编号和检索粒度这些细节:让模型只挑来源、不编链接,并容忍回答慢一点。
- RAG存储以及检索怎样做到更高召回率,更精准的回答结果
召回率和精准度不是靠调一个参数解决的,而是先想清楚“用户问什么、该召回哪几段”,再决定切分、是否转文字和检索方式;多模态内容不必全部转文字。
- AIをどのように活用できたらいい?
先别问“用哪个工具”,先问这项工作真正要交付什么;AI 是杠杆,方向对了放大专业能力,方向错了放大混乱。
- 我的实际工作涉及工程、采购和交付,我在尝试用 AI 整理资料、处理具体问题、改进工作流程。同时,我也在做自己的英语阅读产品,希望通过难度较低、内容本身有吸引力的原创英文作品,让成年人愿意持续读下去。
在这些事情里,我既要判断做什么,也要借助 AI 把东西做出来。现在能做的事情越来越多,但我还在摸索:哪些值得长期投入,哪些能力需要自己练,哪些可以交给 AI。
我想弄清楚,怎样把这些实践积累成自己的判断力、专业能力和有真实需求的作品。希望得到具体的判断标准,帮助我安排精力,并找到一个可以先做的小验证。?
把「练到自己身上的判断力」和「交给 AI 交付的结果」分开验收:前者看撤掉帮助后还能不能做,后者看有没有人持续依赖、失效时谁负责。英语产品先做一个小验证,看真实读者会不会持续读下去。
- 现在这个时代怎么经营好一家名宿
现有材料没有专门讲民宿经营,但餐饮和酒店的经验可以迁移:先算清固定成本与现金流,再判断这门生意靠什么活下来。
- 想了解 RAG 怎么实现,从哪里开始读?
先读那篇讲 AI 产品六个层次的文章,它把 RAG 的完整链路和真正该学的技术点讲清楚了;再配合那期讲“不学概念、学动作”的视频,避免一上来就陷进切分和 embedding 的流水线细节。
- 财务和ai 结合也是降本的东西,之前做财务中台就是做的很到位也梳理了很多复杂的东西但很没有成就感,而营销需求很多时候,即使在我看来相对逻辑不是特别复杂,但需求很高,但是这不是我积累过经验的方向,有没有可以pivot的地方,以及哪些切入点,
财务中台的降本经验不是白费,但成就感低往往因为价值被当成“不出错”。转向营销侧,可迁移的是把复杂流程线上化、把经验沉淀成可复用资产的能力,而不是从零学营销。
- 慢慢开始运动
慢慢开始运动,卡点往往不在意志力,而在“开始”这件事本身没有即时反馈,且大脑把不熟悉的身体动作当成风险。
- contex是什么,有什么价值
Context 是让 AI 真正发挥作用所需的背景信息与经验沉淀;它的价值在于把散落、会蒸发的团队经验变成可被调用、可复用的资产。
- 作为一个硬件类的产品经理,我应该着重培养自己哪方面能力(技能方面),以应对AI时代的变化。补充:目前做的硬件是海洋观测类。主要客户是国外的大B端客户,订单量级500百万上下。
把隐性判断显性化,让 AI 能接手执行;同时把客户信任和业务理解做深,这两样在硬件出海场景里最难被替代。
- 在无聊的大厂工作 假期回来啥也不想做了 很想辞职 怎么办?
假期后的倦怠更像一个信号:你可能在追一个别人设定的目标。先别急着辞职,先分清这份工作让你难受的是哪一层,再决定要不要走。
- 12岁的孩子怎么学ai
让12岁孩子用AI把自己想做的项目做出来,比先学编程或背教程更有效;家长的角色是引导接触、守住判断力,而不是替他决定学什么。
- 我想明白小程序在微信上线,作为个体商户,怎么才能规避风险,小程序需要人发帖,互动
个体商户在微信里做带发帖互动的小程序,最大的风险不是技术,而是和微信生态对抗、以及把用户习惯想得太乐观;先想清楚用户为什么愿意来发帖,再谈功能。
- 如何识别假努力
假努力骗的是你对“进步”的感觉:动作很多、感觉很累,但真实结果或能力没有变化。识别它,看撤掉帮助、换条件后你还能不能交付,以及产出是否改变了别人的决定。
- 在AI时代,到底如何处理简历里的表述,如何让简历在AI时代有眼前一亮的感觉
简历要“眼前一亮”,靠的不是把AI技能堆上去,而是针对目标岗位做定制,并用成果而非投入来证明自己。
- AI agent 的销售和创业逻辑
AI agent 创业的销售逻辑,核心不是把 AI 当卖点,而是先验证有人真的需要,再靠数据、工作流和懂行的销售把匹配做深。
- 产品经理的工作内容到底是什么
产品经理没有统一的工作内容,它随公司、行业和分工而变;共同的核心是把用户需求翻译成可执行的产品决策,并为结果持续负责。
- 我想要用AI完成口播,但是GPT写的经常会有逻辑上的尴尬的用词
GPT 写口播出现别扭用词,多半不是模型文笔差,而是你给它的上下文不够、又让它做开放题;把口播拆成“它出草稿、你出判断”的分工,别扭会明显减少。
- 怎么找到一个好工作
好工作不是从自己出发海投出来的,而是先想清楚自己能提供什么价值、市场需要什么,再用多次小实验去验证匹配。
- 在国内使用codex、cursor之类的工具不是特别方便,是否可以从使用workbuddy这类工具开始进行生产性的使用agentic AI;然后对比前两者有多大差距呢
可以先用 WorkBuddy 这类工具做生产性使用,但差距主要不在工具本身,而在你是否掌握了可迁移的方法:给足上下文、写清验收标准、能诊断失败原因。
- 有人说FDE和之前的东软,用友驻场开发一样,说还是没法落地,复用,不是一个好生意。说FDE会非常短命,原因1,随着AI越来越强,可能未来AI可以自己解决了不需要FDE这一个中间层;原因2,未来每一个职业都渗透AI了,所谓的AI专家都会失去稀缺性;所以他们说未来FDE可能不会长久,但是定义值钱问题,知道行业knowhow,AI实现能力才是核心竞争力,你认可这个说法吗,详细谈谈课代表的理解
这个说法把FDE等同于传统驻场外包,忽略了FDE的核心是承担业务结果、反哺产品平台;AI越强,把能力落到真实业务的价值反而越高,但FDE本身会向领域专家演化。
- 读博士是为了什么
读博士更像创业:你要自己找到没人做过的好问题,再把它做成,过程中练的是判断力和深度思考。
- 如何能快速在工作中使用多线程的AI工作?
“多线程”不是同时开很多对话窗口,而是把完整任务交给 AI 自己跑闭环,人只在收敛后介入;先迁移一个高频标准化的任务,跑通再迁移下一个。
- 怎么和女生聊天,如何轻松的做一个 party 上的自我介绍?
自我介绍不用面面俱到,讲清你是谁、正在做什么、关心什么就够了;聊天则先真心听和追问,别急着证明自己。
- Sora为什么不行
立正把 Sora 看作伪需求:生成视频本身炫酷,但替代不了抖音这类真实场景里的最佳选择,而且算力成本高到用不起。
- 在职场上应该给自己打什么样的标签
给自己打一个具体、可被验证的能力标签,比一个笼统的职位标签更容易让别人在有相关机会时想到你。
- 如果我要学习Agent的话 从什么开始
从动手做一个能跑通的小任务开始,而不是先学名词和框架;Agent 的核心是围绕目标计划、行动、观察、再决定是否继续的循环。
- 我在做一个美股期权量化的交易系统,从Databento获取每日1m的快照,到处理bid ask报价的边界问题,到处理iv反解Greek,后完成了基础的本地回测系统,然后分别做了Iron Condor&Short put Spread的回测,最后实现了多期权腿组合策略回测,到对接IBKR TWS,完成后续的风控 包括用蒙特卡洛模拟极端情况Greek的Gamma Vega暴露最坏是多少,然后触发市价单强平,账户还增加了一个MM/权益的保证金安全线的全天监控。我想知道我还差什么?跟传统的对冲基金相比?
你的系统已经覆盖了工程实现和风控的很大一块,但和传统对冲基金相比,缺的主要不是代码,而是对市场有效性、信息优势来源和策略规模化后信息与管理复杂度的判断。
- AI 时代,数据分析的价值正在从"出数"转向决策、产品和判断力,但大多数从业者还停留在初级和中级水平。未来两年,普通数据从业者更应该往哪走:是留在企业内、练成用 AI 赋能决策的不可替代角色(这类的职位有限也需要能力),还是干脆转向独立、用 AI 做产品自己找需求(需要面对没有做过的分发以及极度的不稳定性)?如果只能二选一, 没有机会正职做着副业慢慢验证呢?
两条路都成立,但先决条件不同:企业内转型靠的是把判断力外化成可复用的系统,独立做产品靠的是能自己收口并解决分发。资料没有给出二选一的答案,反而指向先练判断力,再决定在哪用它。
- 怎麼做一個令自己心動的好產品
心动的好产品,往往来自先看见别人真正要什么,再用一个极小的方案立刻让他感受到价值;而不是先想一个宏大点子再去找需求。
- 如何成为100x工程师
现有材料没有“100x工程师”这个提法,但反复指向同一种稀缺性:从执行者变成能定义问题、对业务结果负责、并亲手把东西做出来的人。
- 如何从工程驱动变成一个业务驱动?我发现纯AI去做AI native的创业,这个从研发视角很难去落地。但是大AI反而有巨大的应用场景。
从工程驱动转向业务驱动,核心是把判断标准从“技术能不能做”换成“客户愿不愿意为结果付费”,并用真实客户的信任和付费来验证。
- 你的认知是什么
认知不是知道一个说法,而是能被证据说服、愿意改掉旧判断,并在行动中不断被检验的那套东西。
- How to get customers if you already have product and target customers are oversea Chinese.
先别急着找推广渠道,先确认海外华人客户愿意为哪个结果付钱、为什么选你而不是原来的办法,获客方式要从这个答案里长出来。
- 现在ai在数学领域如此厉害,数学研究生何去何从,该怎么考虑就业?
AI 强在算得快、答得准,但数学训练给你的抽象和建模能力,正好是把它用好的前提;就业方向要看你把这份能力接到哪个具体问题上。
- 未来什么职业不会被AI冲击,我该如何选择,比如强化学习,ai infra,ai agent,具身智能,世界模型等等
没有哪个方向能保证不被冲击;更稳的是把智能体记忆做成能收口、能判断结果好坏的能力,而不是只换一个热门名词。
- 我是一名程序员,该如何转型才能不被AI时代淘汰呢
转型方向不是换一门语言,而是从“为技能负责”转向“为结果负责”:靠近业务、能定义问题、能对交付结果担责的人更难被替代。
- UI设计师要怎么转型?
转型方向不是继续画得更精,而是从画界面转向直接做出能跑的东西,把审美和判断力用在定义系统上。
- 立正,关于个人网站的那个,就是当时那篇文章,请给我链接,我回去学习一下。
就是关于 Opus 5.5 建立个人网站的情况和提示词
你要的那篇是《建议每个人都用Opus 5.5做一下个人主页》,配套还有一期讲提示词和制作过程的视频;链接由页面自动附上,我在这里说明该看哪份、各自能解决什么。
- 我准备在30岁开启一段新的职业道路,在思考是否要转行。我现在在小公司做海外市场开拓,作为销售经理,我之前是做市场的,但是一次公司裁员让我转到了这个岗位。我用一年的时间做了两三个国家的市场开发,把公司从产品到向海外发货的整套流程和政府审批流程走通了,不过公司一直不招人也不投钱,我们连出差机会都很少,我准备换个地方。
转行不必换赛道,更稳的做法是带着已有经验跨半步:把“海外市场开拓”里可迁移的部分,对准一个你真正愿意长期投入的方向。
- 为什么要学AI
学 AI 是为了练出能迁移的判断力:撤掉帮助、换个任务,你还能把模糊需求变成可交付的结果。
- 对于一个美本应届生来说,是在国内还是美国发展,以及做什么样的岗位,能在5年后为自己换来主动权和选择权,尤其是在AI时代
五年后的主动权,更取决于你有没有一条不依赖单一雇主结算的收入和作品,而不是先选国内还是美国。地点和岗位是手段,先把工资换成可逆的选择。
- 我和课代表立正录制完播客,当晚他就在社区发布了。这个速度太高效了。你知道他花了多久发布准备这些内容并发布在社区上?工作流是什么样子的?
公开材料里没有“当晚发布”的具体耗时记录,但能看到一条把字幕校对、高光、标题、简介、章节串起来的后期流水线,以及一套按频道标准定制的 skill,发布快更可能来自这条流水线,而不是临时赶工。
- 如果把工资换算成当地实际能够购买的生活体验,而不是简单比较汇率后的收入,同一个中高收入者在中国会不会拥有比美国更高的日常生活品质
不能一概而论:同一笔收入在中国能换到的日常体验往往更多,但生活品质还取决于社会保障、家庭负担和你能接受的生活方式,钱只是其中一个变量。
- 刚上班的人现在没有业务理解怎么办?只学 AI 可以吗
只学 AI 不够。AI 能替你执行,但判断结果对不对、该不该收口,靠的是业务理解;刚上班的人更该把 AI 用在真实业务任务上,边做边补业务。
- 你怎么看待data scientist的未来呢?这个岗位的未来他会消失吗?还是会变成另一种形式存在?那我现在是做Product Analyst,如果你说要离业务更近的话,那其实product analyst 可能离业务还更近,那难道就是我其实继续做Pod粗体Analyst,然后争取往业务转型是更好吗?还是有其他的转型方式例如我可能想到的是就是把data science 变成一种产品去办一些小公司比说提供数据转型或者数据分析的服务。
DS 岗位不会消失,但会从“做模型”转向“用数据直接驱动业务决策”;你继续做 Product Analyst 并往业务靠,和把数据能力做成产品,是两条都成立但验证方式不同的路。
- 当前时间点,转行ai产品经理是性价比高的职业路径吗?没有产品经验
资料没有直接回答“现在转行AI产品经理是否划算”,但能给出判断框架:性价比取决于你能否对业务结果负责,而不只是拿到一个岗位名。