现有材料只能支持一个很窄的判断:一位社区成员把某个 Obsidian 相关产品看作“做出人们喜欢的东西”并找到产品市场契合的案例;这不足以说明 Obsidian 本身的价值。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
材料说的是产品契合,不是 Obsidian 的价值
材料里的观点这段摘录中,社区成员鸭哥评价的是一个 Obsidian 相关项目。他认为这是做出人们喜欢的东西的典型案例,找到产品市场契合后,很多增长是自动的1。这句话谈的是某个产品的受欢迎程度和增长,没有解释 Obsidian 作为笔记工具为什么值得用、适合谁、解决了什么问题。把它当作 Obsidian 价值的论据,会超出原文。
要判断价值,得先分清问的是哪一层
按这段材料能推出来的只有一层关系:如果读者关心的是围绕 Obsidian 做产品能否成功,那么用户喜欢和产品市场契合是被提到的关键条件1。但若问的是 Obsidian 本身对使用者的价值,比如组织知识、长期积累、插件扩展,当前片段没有提供任何依据。这是 AI 对材料适用范围的区分,不是原文的判断。
当前只提供了一条社区回复片段,且是转述他人对某个 Obsidian 相关产品的评价;缺少讨论 Obsidian 功能、使用场景或用户反馈的原文,无法据此回答其工具价值。
出处
- 1在《Copilot for Obsidian | 打算盈利》下的回复
唯一提供的片段,可核对其中对 Obsidian 相关产品受欢迎程度和产品市场契合的转述。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 这个课干啥的
这是一门教人真正把 AI 用进工作与项目的课,重点不是软件操作步骤,而是提需求、判断与动手做的能力;另有一门一小时小课供先试。
- 课代表在223年写的一篇文章里面有讲包括大语言模型是怎么来的呀?介绍这些背景资料的
按现有片段,无法确认“课代表”在2023年写过介绍大语言模型由来的文章;能确认的是立正在2023年有两份公开讲解,分别从生成模型原理和范式变化切入。
- 前辈想请我付费帮她做一档播客,我很愿意采访,但觉得采访完之后的剪辑和发布比较麻烦。一方面我觉得 AI 应该可以把后期做的不错,但实际上我自己的播客后期一直没有弄的很丝滑。我不太知道怎么判断这件事合适。我想的是,我可以收很低的费用,只负责采访。或者用相对高一些的费用,把采访和后期都接了。不太想接负责找外包剪辑同学以及和外包同学沟通,之前自己试过比较麻烦。
按你的约束,更稳的是低价只接采访,把后期排除在承诺之外;若想连后期一起接,就应把外包剪辑和沟通成本算进报价,而不是假设 AI 能替你消化。
- 如何做好 data agent?
做好 data agent 的关键不在模型多强,而在先把数据关系建模成图、在生成查询外加一层审计纠错,并把上线后的持续调优当成常态。
- 目前用了很多 agent,如果管理跨 agent 的 skill 更新和维护问题?
把 skill 当成需要持续运营的共享资产:统一存放、版本化、按环境适配,并给高风险改动加审批。多 agent 不是多份 skill,而是同一份 skill 被多处引用。
- 想赚钱,增加收入,普通人是不是做自媒体更好
不一定。对多数普通人,自媒体更该先当低成本试水的事业,而不是稳赚的副业;它前期大概率不赚钱,成功标准要先定清楚。