type
status
date
slug
summary
tags
category
icon
password
platform
AI 虚拟陪伴一年谈
这篇文章是我作为 AI 产品经理一年的复盘文章。
我个人非常感谢有 AI 的存在。
在生成式 AI 出来之前，我曾经多次有过转行的想法，
2022 年，我一度认为“互联网产品经理”这个职位已经发展到头了，互联网产品经理的岗位逐步细化，我们经常能听到的，电商产品经理，搜索产品经理，数据产品经理，功能产品经理等等，人才市场的需求已经非常饱和，供给也趋近于标准化。
直到在 2022 年的某一天，我在互联网人群为主的 即刻 APP 冲浪。彼时，在即友口中听说了在海外有一个叫 ChatGPT 的应用突然爆火了。于是，我可是关注 AI。
2022 年 12 月 6 号，在「优质内容花园」群的群友的帮助下，第一次和 ChatGPT 对上了话。从那时候开始，我开始关注 AI 行业的所有动态，了解 AI 的能力，使用新的 AI 原生应用，阅读 AI 相关的论文。
2023 年年中，我和朋友合作，做了一款AI 套壳应用，这是一款短暂地项目尝试，短短地在 8 月份结束，但却也积累了很宝贵的试错经验。
type
status
date
slug
summary
tags
category
icon
password
platform
今天是《记承天寺夜游》的 941 周年
九百四十一年前的今天，被贬黄州期间的一夜，苏轼正准备脱衣睡觉，此时月光透过窗户照进屋内。苏轼见到月色，顿生雅兴，高兴地起身出门。
但想到没有可以一起游乐的人，于是就前往承天寺找张怀民。巧的是张怀民也还没有睡觉。两人就一同在庭院中散步。庭院中的月光宛如一泓积水那样清澈透明，水中仿佛有水草纵横交错，那是庭院里竹子和松柏树枝在地上的影子。
苏轼触景生情，发出了 “何夜无月？何处无竹柏？但少闲人如吾两人者耳” 的感慨。这里的 “闲人”，既指他们两人有闲情雅致来欣赏这月夜美景，也透露出他们因被贬谪而无事可做的无奈和自我排遣。这篇短文生动地记录了苏轼与张怀民夜游承天寺的经历，体现了两人的深厚友谊，也表达了苏轼在困境中旷达乐观的人生态度。
type
status
date
slug
summary
tags
category
icon
password
platform
讲一个近期对互联网行业的洞察：
互联网向来是谁掌握了流量，谁就占据主导地位。
今天的字节，昨天的的腾讯都是如此。现在的字节跳动，几乎可以做任何赛道的产品，只要你有机会做成百万级别 DAU，抖音就可以做一个比你体验更好的产品。
比如去年和今年比较热门的两个赛道——短剧和 AI
在 AI 赛道，抖音不止一次在复现后来居上的奇迹。豆包和猫箱两款产品，并在字节系内进行大量的投放，并且都跻身了头部赛道。
首先是 kimi 和 星野都在抖音内做了大量的投放，星野做到了一百多万的日活，断崖式领先其他的竞品。但巨量引擎也就拥有这个行业内所有玩家的投放数据，知道了哪些人群画像最符合这两个 APP。
然后字节跳动打算在 AI 领域发力，自研了豆包大模型。开始以 AI 的流量太火爆为由，限制了在巨量引擎体系内投放 AI 的流量。但豆包却可以在每天大量地获客，甚至使用豆包大模型成了在抖音进行投放的准入门槛。
所以星野和 kimi 只能转投其他赛道，找其他流量入口。而豆包和猫箱在抖音内大量获客，很快就成为了行业的头部。
type
status
date
slug
summary
tags
category
icon
password
platform
写在前面：
我们推出了一款新的 AI 产品—— Analogy
服务使用 Notion/Obsidian 的知识管理者
欢迎在笔记中使用 Analogy 来启发思考, 增进理解, 加强第二大脑。
类比
类比思维是人类与生俱来的一种强大的认知工具，类比思维通过将不熟悉的概念或情境与已知的、相似的事物进行比较，来理解和解决问题。
《表现与本质》一书中谈及人脑和电脑的对比时说，人类相比电脑面前有诸多劣势。
电脑的计算力更强，记忆力更强(内存)，多线程处理任务(缓存)，甚至还不像人类一样时常受到情绪的困扰，陷入分心和焦虑。
在电脑面前，人类唯一的优势是“通过类比进行范畴化”。类比的能力让人脑通过小样本学习的能力远大于人工智能。同时，人类大脑的硬件条件下，也只有使用类比进行范畴化能力，才能做到基本可信，并能产生深刻的洞见。
人类的优势与我们“通过类比进行范畴化”的认知机制密切相关。这一机制在人类的认知中占主导地位，而在绝大多数机器认知（artificial cognition）的工作中，它却被置于最不受重视的边缘地位。只有采用这一认知策略，人类的思想才能做到虽然速度慢、不精确，但是基本可信、相关，并且能够产生深刻的洞见。而电脑的“思想”——如果这个词能用在电脑上的话，却非常局限、经不起推敲，无论它多么迅速和精确。
type
status
date
slug
summary
tags
category
icon
password
platform
RSS 是什么？
根据维基百科的定义，RSS 的全称是 RDF Site Summary(RDF 站点摘要) 或 Really Simple Syndication(简易信息聚合)，RSS 是一种消息来源的格式规范，用来同步网站更新的内容并自动通知给订阅者
今天 RSS 上是一个非常复古的词汇。
RSS 出现的背景，是在 web 1.0 时代，人们用来解决信息分散的一种协议。
当时，互联网的网站越来越繁多，为了获取不同的信息，人们不得不打开各种各样的网站。RSS 的出现，让用户可以在不打开网站的情况下，通过 RSS 链接获取到 RSS 更新的内容。
RSS 将多个网站的内容进行整合，以摘要的形式呈现，有助于订阅者快速获取重要信息，并选择性地点开阅读。
对于我这样的互联网内容阅读者来说，是一个非常好用的信息同步方式。我几乎每天每周都会使用 RSS 功能。
将我喜欢的网站、个人博客、推特、即刻等网站的动态，生成 RSS 订阅链接后，在 RSS 阅读器中接受最新的内容并阅读。享受在自己的 RSS 订阅的信息中发现好内容，是我每天必要的冲浪时刻。
如图，我订阅了很多 RSS 连接后，在 Inoreader 中查看。（最近开始切换到 Readwise Reader）
type
status
date
slug
summary
tags
category
icon
password
platform
用 Kimi.ai 辅助学习 AI 论文
在 中，我提到一个观点：AI 的知识现在非常新，变化非常快，很多都无法从书籍中获取。反而是学术界和商业界两开花，高质量的文章和学术论文是非常好的学习材料。
作为一名 AI 产品经理，在日常的工作中，就经常会将在学术论文中学习到的知识应用到工作中。
AI 相关的论文，大部分是英文的。
而我本身不具备英语阅读的能力。因为学术论文的阅读能力也比较差。过去直接阅读一篇论文，我一般是利用 google 翻译或者其他翻译引擎，将论文翻译成中英两份，直接阅读论文。但因为在 AI 学术领域的了解并不充足，在阅读论文时，存在语言和理解的双重障碍，阅读起来比较慢。
但点在，好在有了 AI，可以通过 AI 来辅助我阅读论文。
AI 作为 Copilot，可以大大提高学习的效率。对具有主动学习能力的人，是非常大的增强。
type
status
date
slug
summary
tags
category
icon
password
platform
最近，AI 搜索的龙头 Perplexity.AI 又进行了新一轮的融资
4-23 日报道：
AI 搜索，是一个热门的领域，国外的代表产品是 Perplexity.AI，国内的代表产品是秘塔 AI 搜索。
很多人看好 AI 搜索，我也都体验过两款产品，体验后后却觉得一般。并不看好这种模式。
用户体验
从用户体验上看
AI 搜索在一些场景，例如搜索某个概念，快速了解一个行业时，效率要比 Google 有效得多。
在这些场景下，使用传统搜索引擎，例如 Google，就可以搜出很好答案。AI 搜索只是在已有的搜索结果下做了两件事情
- 对已经有的多篇搜索结果进行总结
- 根据用户搜索的“关键字”联想出更多用户可能会有的问题，再发起搜索和总结
这样的处理确实提高了信息的获取效率，比起传统搜索引擎，需要一个一个点进去查看的交互范式来看，AI 总结的结果一目了然。还能够对感兴趣的词条进行点击访问。
type
status
date
slug
summary
tags
category
icon
password
platform
AI 的发展速度是在是太快了，每天，每个月都有大量新的信息。
你是不是在每天看公众号文章，刷小红书，刷短视频的时候，看到很多 AI 相关的推送？
昨天马斯克开源了 Grok，今天阿里开启了通义灵码的内测，明天 kimichat 又开启了 200w 上下文的模型内测。Suno.ai 3.0 又上线了，生成的音乐质量大大提高……
但因为又大量的信息差，自己又不知道应该如何学习 AI ，留给自己的只有一堆问题：
- 如果我不学习 AI 的话，我会不会被落下？
- AI 可以给我的生活带来哪些帮助？
- 我想要学习 AI ，应该怎么学？
这些问题，最终都产生了很多信息焦虑。
今天就讲一下，我是如何学习 AI 的。
AI 有什么用？
人工智能(Artificial Intelligence) 是一项很年轻的技术，最早可以追溯到 20 世纪 50 年代，但直到 2006 年科学家提出了深度学习的概念以后，人工智能才真正进入人们的视野。
type
status
date
slug
summary
tags
category
icon
password
platform
我每天需要处理大量的文章。社交媒体推荐的文章、RSS 订阅的文章、主动搜索到的文章…
因为有大量的信息要处理，我的 read it later 文章也越来越多。两年多来，我的 cubox 里的待读文章，已经攒到了 4800 篇。
但我并不会为此感到焦虑，这些文章成了一个经过我筛选的“图书馆”，当我需要的时候，我可以在里面找到自己想要的文章进行阅读。
我的文章阅读步骤
在没有 AI 之前，我的文章处理步骤是这样的：
- 粗略阅读，筛选信息
- 经过筛选的信息，阅读其中一部分/全文阅读
- 阅读过后记录「文献笔记」
具体的步骤可以参考我在 2021 年写的《我的阅读工作流(2021版)》