- hermes,codex,claude code,deepseek harness,这些不同的agent有什么区别,我该怎么选择适合我的
这些名字混着两类东西:Codex、Claude Code 是能直接干活的 agent 工具,DeepSeek 是模型,harness 是包在模型外面那层调度外壳。选择先看你换不换模型,再看你要不要同时跑很多任务。
- 創業最需要注意的要點是?
创业最该先想清楚的是市场真实需求在哪里,而不是先做产品、先招人、先租办公室;需求找对了,赚钱是水到渠成的。
- 我现在遇到一个问题,就是国内使用 Claude 的限制(之前我一直在用 Claude,但是10/1的时候被封禁了)。
现在我主要用 codex,但是发现同样的 Harness 架构,codex 的效果其实没有那么好。我该怎么解决呢?
我也很针对性地找了很多解决方案,但中转站有点太贵了,没办法提供这么高的消耗量
把积累放在模型和 harness 之上,用同一套上下文与验收标准去跑 Codex,效果差距往往来自工作流而非工具本身。
- 高内聚低耦合的架构原则对于AI来说make sense吗?
部分成立:AI 让“耦合”从代码模块之间转移到了 context 与工具之间,内聚的对象变成了喂给 AI 的那份上下文。
- 我想做一个类似的,通过自己积累的内容写个AI问答系统。怎么做呢?
先分清你的内容库到底提供什么价值:是让回答更像你、更可信,还是真的让问题解决得更好。前者靠你的资料,后者主要靠用户自己的上下文。
- 换工作的时候,长期来看,考虑的优先级应该是什么
长期看,优先级是行业与增长空间、公司平台和业务、直属老板,最后才是薪资;薪资差距超过三成时才需要单独权衡。
- 我想学 LLM,但不知道如何开始,你可以给我建议吗?
学 LLM 最有效的起点不是先啃完理论,而是选一个真实小任务,边做边补概念,让卡住的地方告诉你该学什么。
- 我是一个有研发背景的 AI 产品经理,目前在大厂工作,过去主要做过企业 Agent、知识库/RAG、Workflow、评测。现在有两个内部机会,想请教我应该如何建立选择标准。
A 是公司重点投入的通用 Agent 产品,对标外部大厂都在做的办公Agent,内部资源和技术密度高。我能继续把评测、Harness、效果归因和产品迭代做深,但担心自己长期成为评测或平台支持角色,与用户和商业结果隔得较远。 岗位定位是Agent评测产品经理
B 是一个面向商家经营的 AI 内容/数字人直播产品。它同时涉及商家、用户、流量、内容、交易和收入,可能让我理解商家为何付费、内容如何影响转化、产品如何形成商业闭环;但它的业务体量、长期资源和我个人能否真正负责经营指标,都有不确定性,数字人也是一个比较旧的事情,未来路径可能也比较窄。岗位定位是AI商业化产品经理 - AI直播方向
我的长期目标不是单纯成为更强的“大厂 AI 产品经理”,而是逐步获得发现真实需求、做出产品、理解市场反馈和创造收入的能力,为未来可能创业做准备。但我也担心自己把“接近业务”浪漫化:一个看起来更贴近商家和交易的岗位,可能最后只是项目交付、运营协同或内部流量转化;而一个技术平台岗位,也可能通过真实用户和产品迭代积累重要能力,积累更多前沿Agent实践最新技术。
想请教:
1. 以“为未来创造自己的价值、而不只是优化下一份工作”为目标,我的判断框架有什么盲点?
2. 资源强、技术深的平台机会,和更靠近客户、交易与现金流的业务机会,分别在什么条件下值得选?
3. 我该如何在入职前和入职后 6-12 个月,验证自己是否真的获得了市场、产品和商业能力,而不是只是换了一个更好听的岗位?
也希望你能推荐与你关于职业选择、真实市场验证、个人价值和创业准备相关的文章或视频。
判断标准不该是岗位名字,而是它能否让你积累可被市场检验的成果:了解市场、打造产品、利用杠杆。两个选项都可能成立,关键看你能拿到什么成果、被谁看见。
- 我目前是一个博五的理论物理学生,前几年几乎完全处于摆烂的状态。心力几乎摧毁,前几年报了AI的课程,看了很多自媒体,把妹,投资的东西,沉迷于各种“非线性”,包括去justin的学习。知道自己的问题在于mindset,过于急躁,没有真的go deep(这曾经是我最大的优势)。我这么焦躁,主要源于大学和博士前几年有心理问题。现在感觉即使好好读书毕业,也很难赶上时代的浪潮。
很多时候,就是我太久没有正反馈,容易被周围人或者网上的KOL带节奏。同学建议我先去工作,接触和钱有关的事情。我自己报了一些量化的面试,面过几轮,等的过程很焦急(学弟和我有一个共同的量化工程,我感觉我现在状态很难帮助他)
前段时间我为了套一个策略跟着报班学了很多(因为匮乏心态和找工作期间的焦虑,可能没谈过恋爱,家里人也对我失望,但还是爱我,我觉得我入魔了,家里人只希望我平安,我总想跨越阶级),在BTC上反复操作舍不得放弃,一个国庆都废了。合作者说我很强,但没有主体性,容易陷入“舔狗陷阱”。我觉得很多时候可能是我mindset,不知道如何获得正反馈,就想着走捷径,先看高级东西再做,然后过早看了别人课程,反而容易挫伤自己积极性。想让AI自动复盘也是不靠谱的。
这个AI时代,我的价值在哪里?因为看到太多抓住机会的还有勇敢创的,如果以lizheng的三种mindset,该如何做?
你缺的可能不是更多信息,而是一件能自己完成、能验证的小事;先做产品再谈品牌,正反馈来自做出来的东西,不来自追浪潮。
- 什么场景/团队/项目用MCP/Skills什么时候不用
MCP 和 Skills 不是按场景二选一,而是先看结果、再看它是否真省 context:官方 MCP/CLI 简单但结果杂乱、几轮就撑满窗口时,才值得自己做成 Skill。
- 目前在想的事情是我從原本就是隻有AI Missing Call接待員後來到後面開始思考如果說我在連AI接待員都做不了的時候我還有一道可以防線的機制那透過簡訊、附贈、鏈接然後來去讓他可以再往上面去留下他的資訊那我認為這樣子的方式確實是有辦法盡可能的把所有的資訊給留下來那我想聽聽看就是你會怎麼樣去幫我思考我這個角度是不是好因為我主要想要解決的問題就是讓普通的Basic Owner都可以去不會流失掉客戶即便他們正在忙碌想幫我分析看看我這樣的想法是對的還是說有哪邊不足的部分
你的方向合理:AI 接不住时用短信加链接兜底,本质是给漏接电话留一条低成本回收路径。但要先确认 Basic Owner 真正想留住的是哪份结果,否则表单可能只是多收一份没人跟进的号码。
- 如何用 AI 辅助 产品设计
用 AI 做产品设计,关键不是让 AI 画图或写代码,而是把 AI 放进产品运行过程里承担任务,并把自己的判断标准写成 AI 能读的上下文。
- 什么是创意?创意也是对现有元素的组合排列吗?是的话,在这种情况下,怎么判断一个点子是否是真正创新的创意?最后如何获得创意?
创意可以看成对现有元素的重新组合,但判断它是否真创新,要看它是否解决了一个此前没被满足的真实需求;获得创意的路径是靠近真实问题、快速交给现实修正,而不是坐在房间里凭空想点子。
- 为什么langchain和Rag是不太需要关注的技术?还有一些agent的框架aws agentCore之类的值不值得关注呢?如何去判断?
我给公司做了一个内部的数据agent,MVP上线三个月效果已经很好了,没有任何培训全公司70%的人都在用,大大提升了效率,给我增加了很多impact,同时暴露了很多数据和context的问题和改善的机会;我觉得它成功的原因就是我在搭建MVP的时候精准地几个判断,取舍,让产品以最简单的方式取得最好的效果。现在我们想要去把它变成customer facing的产品,需要更多的guardrail,比如每个user只能看自己能看的数据,还有更robust的error handling等等,这个感觉一下就很复杂了,同事说要去考察aws agentcore,我不知道是不是对我们最有效的。但目前我又没时间去深入研究,该咋办呢。
框架本身不值得追,值得追的是你产品里那些必须由程序确定执行的边界;判断标准是它替不替你规定问题怎么拆,而不是它名字有多新。
- 如何能找到building的第一个东西
先做一个能跑通的最小版本,用它来发现你原本看不见的需求;building 是习惯,不是一次学会的知识。
- 想做的事情太多,身边的噪音也太多,害怕选择了一条路放弃了别的东西,什么都想抓住,到头来什么都做不好。ai时代日新月异,该如何保持well informed,同时找到并且坚定自己的conviction
先分清哪些是决定方向的层级、哪些只是执行方法,再把“保持知情”当成筛选信息的能力而非追新;信念感来自对底层逻辑的理解,不是靠意志硬撑。
- 如何有效的整合和利用数据?
整合数据的关键不是把数据堆在一起,而是先建立对业务、产品和用户的正确心智模型,再用实验检验每个改动,让数据回答它真正能回答的那部分决策。
- 你建议工作中在使用agent的过程中使用这些MCP吗:
Exa AI Search MCP:这是一种神经搜索引擎,非常擅长“找相似文章”和“语义搜索”
exa.ai
。当你输入一篇技术博客时,你可以让 AI 用 Exa 去检索“与该博客核心技术栈相似的其他大厂实践文章”。
Firecrawl MCP (Research Index):Firecrawl 推出了专门针对 AI/ML 技术文档和博客的研究索引
www.firecrawl.dev
。它能完美抓取那些被反爬虫保护的现代技术文档站(如 Vercel、Supabase、各类框架官方文档),并将其转化为干净的 Markdown 供 AI 分析。
Academic Search Skill:专门用于检索 Arxiv、Semantic Scholar 上的作者档案和关联论文
是否用这三个 MCP,取决于它们改善的指标是不是你当前任务的瓶颈;先和不用它们的合理替代方案比一次,再决定接不接。
- 我想创业,澳洲由于儿童有接近20周假期,双职工哪怕两个人轮流休年假,也只能8周,依旧有12周gap,身边朋友们都鼓励我自己做晚托中心,她们都要报名送孩子来我这,研究中,但不确定这个赚不赚钱,我该怎样了解市场,了解市场需求多大,再做相应的产品进行匹配呢?
先别急着定产品,去和至少二十个真实家长聊,问清他们现在怎么解决这十二周、愿意为什么付钱、付多少,再决定晚托中心做什么。
- Ai平权下,资源更值钱,那么学习知识的目的是什么
AI让知识本身不再稀缺,学习的目的从「记住答案」转向「能判断、能行动、能交换」——用行动和思考引领求知,而不是先囤知识。
- 关于理财与投资,有没有长期的基本策略,自己立正本人的方法论和具体操作
立正没有给出一套买卖清单,他的长期策略是:把财务自由拆成收入、支出、时间、收益率四个变量,先少踩坑、保住本金,再靠认知和耐心等少数几次真正看懂的机会。
- 我想做一个短视频的 Agent,其中有一个环节就是找选题。我看市面上这些 skill 没有直接帮助找选题的,所以我希望做一个能帮助大家找选题的工具,哪怕只是做一个选题库作为备选也可以。
目前我的做法是:在抖音、小红书上搜索关键词,然后让 AI 去识别内容,筛选出符合我选题要求的部分。但是在这个过程中经常出错,非常非常不稳定,效果也不好,这让我觉得很困惑。
你有什么更好的方法吗?
选题不稳多半不是筛选环节的问题,而是上游信息不足:先建一个持续积累的选题库,把判断留给人,AI 只做执行和候选。
- 模型能力越来越强大的今天,我虽然能快速地搭建自己的 Saas 产品,但是别人也一样能做,而且强模型甚至能够仅凭借几张截图、几句话就可以将别人的作品复刻出来,技术门槛似乎并不存在了,真正有价值的、能够 last 的东西是什么?个人的作品哪怕再新颖、优秀,我认为也很难与有组织有团队的大公司竞争,如何破局?
技术门槛消失后,价值从“能不能做出来”转到“做出来之后谁还愿意持续用、以及你愿不愿意长期维护它”。大公司强在规模,弱在旧包袱,个人可以靠反向定位和深度投入破局。
- 焦虑的时候可以做什么
焦虑时最直接的做法是去做一件具体、有起点终点的小事,把注意力从比较和想象中拉回当下;如果身体已经紧绷,先通过呼吸或身体动作切换状态。
- 我想读“有限的ai降临派”
《有限的AI降临派》是立正2026年3月5日发布的文章,核心是:相信AI会降临,但它的方式、速度、边界远没有极端降临派想得那么简单。
- 我之前是互联网数据分析,现在字节做飞书和豆包工作的csm企业效能顾问,在ai时代客户成功经理csm和企业效能顾问的定位有什么转变?是否需要向fde方向做转型?理想的企业效能顾问在ai时代是什么标准,你认为需要具备哪些能力模型才能够达成
AI 时代 CSM 和企业效能顾问的价值,从“教客户用产品”转向“对业务结果负责”;是否转 FDE,取决于你愿不愿意自己动手改代码、把客户现场的问题直接做成产品改动。
- 我之前是互联网数据分析师,现在是豆包工作&飞书的csm(客户成功经理)我最近在内部做研讨复盘,领导给了我一个课题让我准备。你看看从你的视角会如何作答:
主题:行业化能力提升与考核:
1. 如何提升行业化能力?
2. 行业化怎么跟豆包工作结合?
3. 售前如何衡量行业化能力的结果?
4. CSM如何衡量行业化能力的结果?
行业化能力不是知识储备,而是能被客户认同的身份:你以行业专家身份出现,客户才愿意听你的方案。考核要落到客户行为变化,而非你学了多少。
- 我不想再工作了,唯一維持工作的理由只是因為想要換護照,必須要有一個正式的工作、有繳稅的紀錄
可是我現在在等公民申請的結果。我也在思考,如果公民申請真的沒過,接下來永居也不一定能順利 renew;我在思考那備案該怎麼做?
身份备案可以先按“最坏情况”倒推:如果公民没过、永居也续不成,你愿意接受哪条退路。工作只是满足条件的一条路,不是唯一一条。
- 如何利用AI准备面试
面试准备的核心不是背AI名词,而是讲清一个真实项目:你原来做什么、用AI改了什么工作方式、回到原场景会怎么做更好。
- 现在学什么专业 未来前景最好
没有哪个专业能保证未来前景最好;更稳的做法是选一个能训练学习能力和判断力的学科,同时保持对趋势的敏感,别指望一次选对就一劳永逸。
- 什么是growth mindset
成长型思维指相信能力可以通过练习和反馈提高,因此把挑战当机会、把失败当信息,而不是用来证明自己天生行不行。
- 推荐的codex agents。md设置
AGENTS.md 更适合写“规则和边界”,而不是写死每一步操作:把审批要求、该用哪个 skill、项目标准写进去,让 Codex 自己判断怎么执行。
- 个人比较内向,如何提升自己
内向不必先改成外向;更可行的方向是找到自己愿意持续做、又能不断改进的表达方式,把“内向”当作需要核对的信号而不是结论。
- AI 的能力边界
AI 的边界不在它能不能生成,而在你能否判断什么重要、判断它错在哪、并替它把结果收口。
- 從user 到 Architect
从 User 到 Architect 是一条能力升级路径:先学会自己造东西,再学会设计能长期运行的系统。最值得先读的是讲这条演化本身的文章,其次看 AI 架构师的定义。
- Ai时代,大厂打工人的出路有哪些
大厂打工人的出路大致分两类:往生产力源头靠,或把价值从公司平台挪到自己身上,做能独立交付结果的事。
- Harness 有意義嗎? Model 提升會吃掉 harness,可是如果model 無限提升,agentic 的一切又有意義嗎
Harness 有意义,但意义不在“替模型补短板”,而在承载模型升级解决不了的东西:业务标准、上下文、用户意图。模型越强,这部分积累反而越值钱。
- 在開發的時候,前綴工程真的重要嗎?
前缀工程(把可复用的底层模块先搭好)在多人协作、需求反复的团队里回报很高,但它本身不是目的,值不值得做取决于它能不能让后续的开发和协同变快。
- 立正的这个网站做的很不错,请问是用什么工具做出来的
立正的个人网站不是靠某个固定建站工具,而是用 AI 编程工具(如 Lovable、Codex、Opus 5.5)对话式生成,他自己负责定目的、事实和品味。
- 你说年轻时最大的资产是自己,但具体技能会贬值,真正不容易贬值的是创造、销售和让自己变得幸运这三类能力。真的一定要学销售吗?
销售不是唯一出路,但它是把创造的价值换成回报的必经环节;只要你不打算一辈子只靠打工领工资,就绕不开它。
- 目前在一家出海的 IAA 公司项目组做了快2年的时间,感觉每天做的都是弹广告的策略,并没有积累什么 IAP 长线应用的经验。自己有在私底下做 IAP 内容,但是没有上限,这样久而久之肯定拿不到好的结果,也没有成功案例跳去大厂。
私底下做 IAP 内容,如果只是不断加量而没有把判断沉淀成可复用的东西,确实很难长出成功案例;更值得先做的,是把一个具体 IAP 项目的关键判断变成可检验、可复用的资产。
- AI和大棚种植结合是一个好的方向么,如何寻找机器人、机器臂的合作机会和合作模式。
大棚种植是 AI 与机器人较可能先落地的场景,但机会不在“AI 本身”,而在把复杂生产环节拆成机器人能稳定执行的任务,并找到愿意共担试错成本的合作方。